MétaCan
Menu
Retour à la cohorte
Enregistrement W4407061035 · doi:10.59562/metrik.v22i1.3686

WORK SAFETY PROTECTION SYSTEM BASED ON ARDUINO UNO

2025· article· en· W4407061035 sur OpenAlexaff
Hermansyah Hermansyah, Muhammad Aqdar Fitrah

Notice bibliographique

RevueJurnal Media Elektrik · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésArduinoWork (physics)Work safetyComputer scienceEmbedded systemOperating systemEngineeringMechanical engineeringOperations management

Résumé

récupéré en direct d'OpenAlex

This research aims to develop an effective and reliable work safety protection system based on Arduino Uno. The system is designed to detect hazards in the workplace, such as suspicious movements that may cause accidents for industrial workers. Arduino Uno is used as the brain of the system, and sensors connected to the microcontroller serve as input devices that detect actions not in accordance with safety procedures. When the sensors detect a hazard, Arduino Uno will activate an alarm and automatically take the necessary control actions. This research involves programming the Arduino Uno, selecting the appropriate sensors, hardware integration, and thorough system testing. The developed system is expected to enhance workplace safety and provide better protection for workers. System testing is conducted using a simulated work environment that depicts different hazard scenarios. The test results show that the Arduino Uno-based work safety protection system functions as expected. The installed sensors accurately detect hazards such as excessive temperature, fire, toxic gases, excessive vibrations, and unwanted movements in the work area. Arduino Uno receives signals from these sensors and quickly responds by activating alarms and taking appropriate protective actions. Interpretation of the test results indicates that the developed system can effectively help identify potential hazards and provide the necessary protection for workers in the manufacturing industry

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,177 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Media ElektrikMême sujetIoT-based Smart Home SystemsTravaux en français237 207