Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengendalian suhu oven pengasapan ikan pada skala industri memegang peranan penting untuk memastikan kualitas produk yang konsisten dan efisiensi energi. Penelitian ini merancang dan mengembangkan panel kontrol berbasis pengendali PID Rex-C400FK02-M*AN untuk mengatur suhu ruang oven, smoker, dan Heater secara presisi. Sistem dilengkapi dengan proteksi menyeluruh menggunakan thermal overload, contactor, fuse, dan MCCB guna melindungi perangkat dari arus lebih dan suhu berlebih. Pengaturan kecepatan blower dioptimalkan melalui inverter untuk menjaga distribusi asap yang merata di dalam oven. Pengujian sistem dilakukan dengan mengevaluasi respons terhadap perubahan Setpoint suhu, kestabilan suhu selama operasi, serta efisiensi daya yang diperoleh. Hasil penelitian menunjukkan bahwa sistem kontrol PID yang dirancang mampu menjaga suhu oven dengan akurasi tinggi, menghemat konsumsi energi, dan meningkatkan keselamatan operasional. Kontribusi penelitian ini diharapkan dapat memperkuat penerapan teknologi kontrol suhu berbasis PID pada industri pengolahan makanan khususnya oven pengasapan ikan.

---

Temperature control of industrial fish smoking ovens plays a crucial role in ensuring consistent product quality and energy efficiency. This research designs and develops a control panel based on a PID controller Rex-C400FK02-M*AN to precisely regulate the temperature of the oven chamber, smoker, and Heater. The system incorporates comprehensive protection using thermal overload relays, contactors, fuses, and MCCBs to safeguard the equipment against overcurrent and overheating. Blower speed control is optimized via an inverter to maintain even smoke distribution within the oven. System testing evaluates the response to Setpoint temperature changes, temperature stability during operation, and energy efficiency. Results demonstrate that the designed PID control system effectively maintains oven temperature with high accuracy, reduces energy consumption, and enhances operational safety. This research contributes to the advancement of PID-based temperature control technology for food processing industries, particularly in fish smoking ovens."

"Penelitian ini mengeksplorasi efektivitas penggunaan neural rerankers yang telah dilatih sebelumnya dalam meningkatkan kinerja model berbasis text matching seperti BM25 untuk digunakan dalam deteksi pertanyaan duplikat pada consumer health forum. Studi ini juga meneliti metode agregasi hasil reranking dari berbagai neural rerankers untuk menghasilkan performa yang lebih baik dibandingkan penggunaan reranker individual. Metode reranking pertama menggunakan BM25, diikuti oleh reranking kedua menggunakan model neural seperti cross-encoder/ms-marco-MiniLM-L-12-v2, paraphrase-MiniLM-L6-v2, dan lainnya. Tahap ketiga melibatkan teknik rank fusion seperti Borda Fuse, Condorcet, dan Weighted Combsum. Hasil menunjukkan bahwa kombinasi reranking dengan neural reranker secara signi kan meningkatkan efektivitas model BM25, terutama saat menggunakan teknik rank fusion yang lebih canggih seperti Weighted Combsum. Studi ini menyarankan bahwa agregasi hasil reranking dapat mengatasi kelemahan individual reranker dan memberikan hasil yang lebih konsisten dan efektif. Penelitian ini membuka jalan untuk eksplorasi lebih lanjut dalam optimisasi kombinasi model untuk pencarian informasi yang lebih akurat dan e sien.

---

This study explores the effectiveness of using pre-trained neural rerankers in improving the performance of text matching based models such as BM25 for use in duplicate question detection in textitconsumer health forum. This study also examines the method of aggregating reranking results from various neural rerankers to produce better performance than using individual rerankers. The rst reranking method used BM25, followed by the second reranking using neural models such as cross-encoder/ms-marco-MiniLM-L-12-v2, paraphrase-MiniLM-L6-v2, and others. The third stage involves rank fusion techniques such as BordaFUSE, Condorcet, and Weighted COMBSUM. Results show that the combination of reranking with neural rerankers signi cantly improves the effectiveness of the BM25 model, especially when using more advanced rank fusion techniques such as Weighted COMBSUM. This study suggests that aggregation of reranking results can overcome the weaknesses of individual rerankers and provide more consistent and effective results. This research paves the way for further exploration in model combination optimization for more accurate and ef cient information retrieval."