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)

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 Scopus
Dimensions
OpenAlex
Globale Ziele für nachhaltige Entwicklung Ziel 8 – Menschenwürdige Arbeit und Wirtschaftswachstum

Originalveröffentlichung
DOI: 10.1109/wsc60868.2023.10407811
Scopus
Zitationen: 1
Dimensions
Zitationen: 2
Seitenaufrufe: 46
seit 17.05.2024
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page