MétaCan
Menu
Retour à la cohorte
Enregistrement W4399855194 · doi:10.18280/isi.290319

Development and Implementation of an RFID-Enabled Automatic Rice Vending System Using Arduino Mega 2560

2024· article· en· W4399855194 sur OpenAlexvenueno aff
Ritzkal Ritzkal, Bayu Adhi Prakosa, Alief Juan Aprian, Safaruddin Hidayat Al Ikhsan, Muljono Muljono, Umar Zaky

Notice bibliographique

RevueIngénierie des systèmes d information · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArduinoMega-Computer scienceEmbedded systemComputer hardwareOperating systemPhysics

Résumé

récupéré en direct d'OpenAlex

A technology known as radio frequency identification (RFID) makes it possible to automatically and connectionless identify items using radio frequency.The development of the RFID system, the production of the prototype, and the integration of the system with the rice sales prototype are the many steps of this research.The purpose of this research is to propose the creation and development of an automated rice sales prototype with RFID capabilities, which offers a customization feature through a keypad to select the desired amount of rice.To enhance customer convenience in understanding the amount of rice and total cost, a Liquid Crystal Display (LCD) is integrated into the hardware interface of the rice selling prototype.RFID reader modules and RFID cards are used as a secure payment method.The utilization of this RFID system allows for a faster and more secure transaction process.The results of this research include the development of an automated rice sales tool prototype that successfully uses RFID technology to identify buyers.Performance evaluation of the prototype showed efficiency in the sales process and enhanced transaction security.The successful integration of RFID enables quick identification of buyers, increases sales productivity, and provides a more convenient purchasing experience.These findings confirm the potential of RFID in improving automation and security in rice selling systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngénierie des systèmes d informationMême sujetIoT-based Smart Home SystemsTravaux en français237 207