MétaCan
Menu
Retour à la cohorte
Enregistrement W4401922053 · doi:10.18280/jesa.570428

Modeling and Application of Rain-Light Sensor in Automatic Clothes Drying Design

2024· article· fr· W4401922053 sur OpenAlexvenueno aff
Mochamad Subchan Mauludin, Moh. Khairudin, Rustam Asnawi, Singgih Dwi Prasetyo, Noval Fattah Alfaiz, Zainal Arifin

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Languefr
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClothingEnvironmental scienceRemote sensingMeteorologyComputer scienceArchitectural engineeringEngineeringGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

The development of science and technology has experienced such rapid growth, thus encouraging humans to try to overcome all problems that arise around them and ease the work around the environment through automatic control systems.One of the technologies currently being developed is the Arduino microcontroller.Based on the problems often experienced by students when leaving clothes to dry in the dormitory.If it rains or bad weather, it can be a problem if you do not have time to lift the clothesline so that dry clothes become wet with rainwater when there are no dorm residents because they are on campus.Given these problems, the author designed an automatic drying room prototype using a rain sensor and light sensor based on an Arduino microcontroller.The components used are a drying room and roof, a light sensor and water sensor as input, an Arduino microcontroller, breadboard and jumper cables, a power bank as a processor, and a servo motor and LED lights as output.A servo motor automatically moves the roof of the clothes' drying room, and the LED lights turn on, according to input from the light sensor and rain sensor, according to the conditions received by the sensor.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,830
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,039
Tête enseignante GPT0,295
Écart entre enseignants0,256 · 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.

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 revueJournal Européen des Systèmes AutomatisésMême sujetTextile materials and evaluationsTravaux en français237 207