MétaCan
Menu
Retour à la cohorte
Enregistrement W4414126201 · doi:10.1088/1742-6596/3048/1/012139

SSOC Application Research of Electric Heat Tracing Intelligent Control System

2025· article· en· W4414126201 sur OpenAlexaff
Shi Yaming, Yuan Sun, Hai Wang, Xin Liu, Xu Liangbao, Shenghu Liu

Notice bibliographique

RevueJournal of Physics Conference Series · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueTechnology and Security Systems
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésTracingElectric heatingIntelligent controlElectricityControl systemTemperature controlElectric lightEnergy consumption

Résumé

récupéré en direct d'OpenAlex

Abstract In south sulige area, the traditional electric heat tracing technology adopts manual inspection to judge whether its working performance is normal or not, which has great security risks. Based on sensor acquisition, intelligent temperature control and remote communication technology, an intelligent control system of electric heat tracing is established. The collected information is processed by algorithm and communicated with the upper computer to realize the intelligent management of electric heat tracing system. The intelligent control system of electric tracing heat can realize the functions of electric tracing tropical operation data collection, data analysis, remote control, emergency shutdown, fault alarm and historical query. The first application of the electric heat tracing intelligent control system in the Sunan C4 gas gathering station of the Sulige South block has achieved digital management of the electric heat tracing belt. It can carry out real-time monitoring, remote control and intelligent temperature control of the running status of the electric tracing belt, increase the service life of the electric tracing belt and achieve the goal of energy saving and consumption reduction at the same time.

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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,029
Tête enseignante GPT0,306
Écart entre enseignants0,277 · 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 revueJournal of Physics Conference SeriesMême sujetTechnology and Security SystemsTravaux en français237 207