KIT | KIT-Bibliothek | Impressum | Datenschutz

Deep Learning Enabling Digital Twin Applications in Production Scheduling: Case of Flexible Job Shop Manufacturing Environment

Ghasemi, Amir ORCID iD icon 1; Yeganeh, Yavar Taheri; Matta, Andrea; Kabak, Kamil Erkan; Heavey, Cathal
1 Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Karlsruher Institut für Technologie (KIT)


Originalveröffentlichung
DOI: 10.1109/wsc60868.2023.10407811
Scopus
Zitationen: 1
Dimensions
Zitationen: 2
Zugehörige Institution(en) am KIT Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Publikationstyp Proceedingsbeitrag
Publikationsdatum 10.12.2023
Sprache Englisch
Identifikator ISBN: 979-83-503-6966-3
KITopen-ID: 1000170805
Erschienen in Proceedings of the Winter Simulation Conference (WSC 2023)
Veranstaltung Winter Simulation Conference (WSC 2023), San Antonio, TX, USA, 10.12.2023 – 13.12.2023
Verlag Institute of Electrical and Electronics Engineers (IEEE)
Seiten 2148–2159
Nachgewiesen in Dimensions
Scopus
OpenAlex
Globale Ziele für nachhaltige Entwicklung Ziel 8 – Menschenwürdige Arbeit und Wirtschaftswachstum
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page