Projekt i walidacja eksperymentalna inteligentnego systemu zarządzania zapasami w lodówce opartego na technologii IoT-RPA
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 3 (2026)
-
Podejście oparte na głębokim uczeniu do automatycznego wykrywania raka skóry z analizą porównawczą różnych wielkości partii w klasyfikacji obrazów dermatologicznych
Abini M.A.5-13
-
Modelowanie i zasady zarządzania produkcją pasz granulowanych mieszanych z wykorzystaniem systemów informacyjno-analitycznych
Mahil Mammadov, Tural14-22
-
Inteligentny system automatycznego sterowania oparty na technologii IoT do energetycznie efektywnego suszenia zboża
Ainur Rustemova, Maria Yukhymchuk, Vladyslav Lesko, Marat Orynbet, Yurii Ivanov23-30
-
Projekt i walidacja eksperymentalna inteligentnego systemu zarządzania zapasami w lodówce opartego na technologii IoT-RPA
Lyudmila Samchuk, Yuliia Povstiana, Nataliia Lishchyna, Mykyta Ponomarenko31-38
-
Inteligentny system monitorowania gleby na rzecz zrównoważonego rolnictwa z wykorzystaniem TinyML i sieci czujników bezprzewodowych o bardzo niskim zużyciu energii
Muhammad Ovais Akhter39-48
-
Modelowanie działania dynamicznego systemu zarządzania kolejkami w supermarketach
Larysa Gumeniuk, Volodymyr Lotysh, Pavlo Humeniuk49-58
-
Eksperymentalna walidacja metod kompensacji błędów żyroskopów światłowodowych w warunkach półnaturalnych
Nurzhigit Smailov, Ainur Kuttybayeva, Yerlan Tashtay, Zhandos Dosbayev, Aruzhan Nazarova, Beibarys Sekenov, Aida Serbayeva, Akezhan Sabibolda59-63
-
Symulacja pracy czterokanałowego przepływomierza ultradźwiękowego o identycznych trajektoriach sygnału w kanałach akustycznych
Yosyp Bilynsky, Andrii Stetsenko64-68
-
Linia do grawerowania z zintegrowaną regeneracją elektrochemiczną służącą do odzyskiwania miedzi i ograniczania ilości osadu
Anatoliy Nester, Vadim Romanuke, Tetiana Yakovyshyna69-76
-
Metoda identyfikacji operatorów HCI w oparciu o ich „portrety wieloczynnikowe” subiektywizacji postrzegania obiektu HCI
Andrii Pukach, Vasyl Teslyuk, Artem Kazarian77-87
-
Udoskonalanie systemów diagnostycznych do analizy i sterowania trybami pracy w sieciach elektroenergetycznych
Igor Khomenko, Ruslan Lozhkin, Andrii Shkrebela, Oleksandr Miroshnyk, Anatolii Sereda, Taras Shchur, Mariana Bohach88-94
-
Modułowa architektura monolityczna dla oprogramowania zarządzającego stacjami ładowania pojazdów elektrycznych o wysokiej dostępności
Volodymyr Horshkov, Nataliia Lishchyna, Andrii Yashchuk, Olena Surynovych, Valerii Lishchyna95-102
-
Badanie wielopoziomowego falownika opartego na tranzystorach IGBT do zasilania bezzałogowego statku powietrznego na uwięzi z telemetrycznym monitorowaniem parametrów mocy
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Gulim Jobalayeva, Ingkar Issakozhayeva, Zhansaya Ayapbergen103-107
-
Dynamiczne omijanie przeszkód przez bezpilotowe statki powietrzne z wykorzystaniem sterowania opartego na logice rozmytej i sieci neuronowej
Anton Makohonov, Ivan Marynych108-113
-
Hybrydowa platforma symulacyjno-eksperymentalna do wykrywania usterek w czasie rzeczywistym w przetwornikach podwyższających napięcie w instalacjach fotowoltaicznych z wykorzystaniem logiki rozmytej i łączności LoRa
Oussama Sait, Mabrouk Khemliche, Samia Latreche, Sait Belkacem, Hamza Khemliche114-122
-
Porównanie algorytmów uczenia maszynowego do wysoko precyzyjnego prognozowania mocy elektrowni fotowoltaicznych na skalę przemysłową
Ahmed Saidi, Abdelghani Draoui, Touhami Abdelouahed123-128
-
Badanie dynamicznych zmian poziomu bezpieczeństwa systemu ochrony informacji
Olha Saliieva, Yurii Yaremchuk129-133
-
Nowy generator hiperchaotyczny: realizacja obwodu i analiza
Volodymyr Rusyn, Petro Kindrachuk, Bogdan Markovych134-138
-
Strategie zapewnienia funkcjonalnej stabilności złożonej sieci sensorowej na podstawie badan dynamiki zachowania równań ewolucyjnych
Valentyn Sobchuk, Yurii Kravchenko, Mykhaylo Sharapov, Oleksandr Laptiev, Andrii Sobchuk139-143
-
Opracowanie odpornej transmisji DVB-T2 OFDM: ocena BER i ograniczanie zakłóceń kanałowych dla niezawodnej transmisji wysokiej rozdzielczości
Olarewaju Peter Ayeoribe144-149
-
Wykrywanie anomalii sieciowych w czasie rzeczywistym w O-RAN z wykorzystaniem głębokiego uczenia się na dużych danych przesyłanych strumieniowo
Satya Sumanth Vanapalli, Rajesh Polepogu, Parish Venkata Kumar K, Vijayasankar Anumala, Vinodh Babu Panguluri, Lakshmi Narayana Jammula, Brahmaiah Madamanchi, Sravani Duvvu, Bhanusree Nanduri, Syam Sundar Musinala150-158
-
Techniczna analiza predykcyjna dużych zbiorów danych do planowania zasobów w oparciu o Apache Spark
Bakhshali Bakhtiyarov, Aynur Jabiyeva, Ulkar Musavi159-166
-
Konwersja modeli wokselowych na siatki poligonowe z zachowaniem integralności strukturalnej i możliwości edycji
Semen Duvanov, Iryna Baranowa167-172
-
Metoda Fuzzy Delphi do identyfikacji kluczowych parametrów w optymalizacji inteligentnych systemów sterowania w procesach rafinacji ropy naftowej
Kamala Aliyeva173-179
-
Metoda określania podstaw klasyfikacji danych jako informacji służbowych oraz stopnia ograniczenia dostępu "Do użytku służbowego"
Yurii Dreis, Oleh Harasymchuk180-183
-
Model i narzędzia do tworzenia i publikowania treści w oparciu o duże modele językowe
Artem Kazarian, Vasyl Teslyuk, Andrii Pukach184-190
-
Ocena użyteczności serwisów internetowych zawierających mapy interaktywne
Łukasz Sendecki, Sergiusz Skalski, Mariusz Dzieńkowski191-197
-
Model rozmyty do oceny poziomu kompetencji w zakresie bezpieczeństwa cyfrowego w populacjach o różnych profilach społecznych
Volodymyr Polishchuk, Vasyl Sehlianyk, Inna Polishchuk, Andrii Shafar198-203
-
Inteligentny moduł do oceny produktywności pracowników zdalnych w systemach monitorowania czasu pracy
Aigul Moldakalykova, Maria Yukhymchuk, Gulzhan Kashaganova, Vladyslav Lesko, Yurii Ivanov, Natalia Sachaniuk-Kavets’ka204-209
-
Hybrydowy model uczenia maszynowego do prognozowania i oceny rankingów uniwersytetów
Nurzhigit Smailov, Nursultan Kuldeyev, Akezhan Sabibolda, Raigul Ustemirova210-216
Archiwum
-
Tom 16 Nr 3
2026-09-30 30
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W niniejszym artykule przedstawiono projekt oraz eksperymentalną walidację zintegrowanego systemu cyfrowo-fizycznego opartego na technologii IoT i RPA, służącego do automatycznego monitorowania stanów magazynowych żywności i uzupełniania zapasów w inteligentnej lodówce. Proponowane rozwiązanie łączy czujniki IoT mierzące masę z automatyzacją procesów robotycznych, tworząc architekturę typu "pomiar-decyzja-działanie" w pętli zamkniętej, która minimalizuje zaangażowanie użytkownika. Podsystem sprzętowy obejmuje czujnik wagowy z tensometrem, przetwornik analogowo-cyfrowy HX711 oraz mikrokontroler WeMos D1 (ESP8266), służące do pomiaru masy produktów i przesyłania danych telemetrycznych przez Wi-Fi do lokalnego serwera opartego na Flasku. Dane pomiarowe są przechowywane w formacie CSV i przetwarzane przez moduł automatyzacji procesów robotycznych (RPA) zaimplementowany w aplikacji Microsoft Power Automate Desktop, który uruchamia scenariusz zamówienia cyfrowego, gdy waga produktu spadnie poniżej z góry określonego progu. Walidacja eksperymentalna w warunkach zbliżonych do rzeczywistej eksploatacji w gospodarstwie domowym wykazała średni błąd bezwzględny poniżej 2% i współczynnik zmienności poniżej 5%, a także niezawodną transmisję ponad 10 000 rekordów telemetrycznych bez utraty danych. Podsystem RPA został poddany ocenie w ramach 120 cykli wykonawczych w ciągu siedmiu dni, osiągając wskaźnik powodzenia na poziomie 93,3% przy średnim czasie wykonania wynoszącym 27,4 s w rzeczywistych warunkach ograniczeń interfejsu internetowego. Wyniki potwierdzają wykonalność, stabilność i skalowalność proponowanej architektury IoT–RPA do autonomicznego zarządzania zapasami w gospodarstwie domowym.
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Zero głodu
- Innowacyjność, Przemysł, Infrastruktura
- Odpowiedzialna konsumpcja i produkcja
Bibliografia
[1] Akintade, O. O., Yesufu, T. K., & Kehinde, L. O. (2019). Development of Power Consumption Models for ESP8266-Enabled Low-Cost IoT Monitoring Nodes. Advances in Internet of Things, 09(01), 1–14. https://doi.org/10.4236/ait.2019.91001 DOI: https://doi.org/10.4236/ait.2019.91001
[2] Flechsig, C., Anslinger, F., & Lasch, R. (2022). Robotic Process Automation in purchasing and supply management: A multiple case study on potentials, barriers, and implementation. Journal of Purchasing and Supply Management, 28(1), 100718. https://doi.org/10.1016/j.pursup.2021.100718 DOI: https://doi.org/10.1016/j.pursup.2021.100718
[3] Golshany, H., Ni, Y., Yu, Q., & Fan, L. (2025). IoT-enabled smart kitchen technologies and their impact on food storage, preparation, and culinary experiences: A systematic review. Food Research International, 213, 116557. https://doi.org/10.1016/j.foodres.2025.116557 DOI: https://doi.org/10.1016/j.foodres.2025.116557
[4] Habiba, C., & Prayogo, A. (2025). Characterizing Positional Sensitivity of Low-Cost Load Cells for IoT-Based Weighing Systems. Internet of Things and Artificial Intelligence Journal, 5(3), 778–796. https://doi.org/10.31763/iota.v5i3.1002 DOI: https://doi.org/10.31763/iota.v5i3.1002
[5] Jose, J. A. C., Bertumen, C. J. B., Roque, M. T. C., Umali, A. E. B., Villanueva, J. C. T., TanAi, R. J., Sybingco, E., San Juan, J., & Gonzales, E. C. (2024). Smart Shelf System for Customer Behavior Tracking in Supermarkets. Sensors, 24(2), 367. https://doi.org/10.3390/s24020367 DOI: https://doi.org/10.3390/s24020367
[6] Kiruthika, J. K., Manikandan, S., Nithya, U., Preethika, M., & Poorna, S. (2023). IoT-Based Smart Inventory Management System. 2023 International Conference on Computer Communication and Informatics (ICCCI), 1–6. https://doi.org/10.1109/ICCCI56745.2023.10128211 DOI: https://doi.org/10.1109/ICCCI56745.2023.10128211
[7] Mashayekhy, Y., Babaei, A., Yuan, X.-M., & Xue, A. (2022). Impact of Internet of Things (IoT) on Inventory Management: A Literature Survey. Logistics, 6(2), 33. https://doi.org/10.3390/logistics6020033 DOI: https://doi.org/10.3390/logistics6020033
[8] Rezwan, S., Ahmed, W., Mahia, M. A., & Islam, M. R. (2018). IoT Based Smart Inventory Management System for Kitchen Using Weight Sensors, LDR, LED, Arduino Mega and NodeMCU (ESP8266) Wi-Fi Module with Website and App. 2018 Fourth International Conference on Advances in Computing, Communication & Automation (ICACCA), 1–6. https://doi.org/10.1109/ICACCAF.2018.8776761 DOI: https://doi.org/10.1109/ICACCAF.2018.8776761
[9] Samchuk, L., & Povstiana, Y. (2024). UML diagrams of the management system of maintenance stations. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14(4), 141–145. https://doi.org/10.35784/iapgos.6320 DOI: https://doi.org/10.35784/iapgos.6320
[10] Shamsuzzoha, A., & Pelkonen, S. (2025). A robotic process automation model for order-handling optimization in supply chain management. Supply Chain Analytics, 9, 100102. https://doi.org/10.1016/j.sca.2025.100102 DOI: https://doi.org/10.1016/j.sca.2025.100102
[11] Stecuła, K., Wolniak, R., & Aydın, B. (2024). Technology Development in Online Grocery Shopping—From Shopping Services to Virtual Reality, Metaverse, and Smart Devices: A Review. Foods, 13(23), 3959. https://doi.org/10.3390/foods13233959 DOI: https://doi.org/10.3390/foods13233959
##plugins.themes.bootstrap3.article.details##
Abstract views: 10
Downloads: 4

