 |
 |
 |
Journal articles
A deep learning approach for the dynamic dispatching of unreliable machines in re-entrant production systems
Stéphane Dauzère-Pérès 2, 3
Author IdHAL : stephane-dauzere-peres
1
NTU - National Taiwan University [Taiwan] (No. 1, Sec. 4, Roosevelt Road, Taipei, 10617 Taiwan - Taiwan)
2
SFL-ENSMSE - Département Sciences de la Fabrication et Logistique (880, route de Mimet 13541 Gardanne - France)
- Mines Saint-Étienne MSE - École des Mines de Saint-Étienne (158, Cours Fauriel - 42023 Saint Étienne cedex 2 - France)
- IMT - Institut Mines-Télécom [Paris] (37-39 Rue Dareau, 75014 Paris - France)
- CMP-GC (France)
3
LIMOS - Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (Campus Universitaire des Cézeaux, 1 rue de la Chebarde, TSA 60125 / CS 60026, 63178 Aubière Cedex - France)
- Ecole Nationale Supérieure des Mines de St Etienne : UMR6158 (France)
- UCA [2017-2020] - Université Clermont Auvergne [2017-2020] : UMR6158 (49, bd François-Mitterrand / CS 60032 / 63001 Clermont-Ferrand Cedex 1 - France)
- CNRS - Centre National de la Recherche Scientifique : UMR6158 (France)
Document type :
Journal articles
Domain :
Complete list of metadatas
https://hal-emse.ccsd.cnrs.fr/emse-02873705
Contributor : Stéphane Dauzère-Pérès <>
Submitted on : Thursday, June 18, 2020 - 2:43:35 PM
Last modification on : Wednesday, February 24, 2021 - 4:24:03 PM
Contributor : Stéphane Dauzère-Pérès <>
Submitted on : Thursday, June 18, 2020 - 2:43:35 PM
Last modification on : Wednesday, February 24, 2021 - 4:24:03 PM
Identifiers
- HAL Id : emse-02873705, version 1
- DOI : 10.1080/00207543.2020.1727041
Collections
EMSE | LIMOS | CNRS | PRES_CLERMONT | INSTITUT-TELECOM | SFL-ENSMSE
Citation
Cheng-Hung Wu, Fang-Yi Zhou, Chi-Kang Tsai, Cheng-Juei Yu, Stéphane Dauzère-Pérès. A deep learning approach for the dynamic dispatching of unreliable machines in re-entrant production systems. International Journal of Production Research, Taylor & Francis, 2020, 58 (9), pp.2822-2840. ⟨10.1080/00207543.2020.1727041⟩. ⟨emse-02873705⟩
Metrics
Record views