Andere Kunden interessierten sich auch für
![Reinforcement Learning of Bimanual Robot Skills]( "Reinforcement Learning of Bimanual Robot Skills")
Reinforcement Learning of Bimanual Robot Skills74,99 €![Reinforcement Learning of Bimanual Robot Skills]( "Reinforcement Learning of Bimanual Robot Skills")
Reinforcement Learning of Bimanual Robot Skills74,99 €![Deep Reinforcement Learning zur Steigerung von Energieeffizienz und Pünktlichkeit von Straßenbahnen]( "Deep Reinforcement Learning zur Steigerung von Energieeffizienz und Pünktlichkeit von Straßenbahnen")
Deep Reinforcement Learning zur Steigerung von Energieeffizienz und Pünktlichkeit von Straßenbahnen66,00 €![Entwicklung und Charakterisierung von Siliziumnitrid-/Siliziumkarbidkompositen für den Einsatz in tribologisch hochbeanspruchten Gleitsystemen]( "Entwicklung und Charakterisierung von Siliziumnitrid-/Siliziumkarbidkompositen für den Einsatz in tribologisch hochbeanspruchten Gleitsystemen")
Entwicklung und Charakterisierung von Siliziumnitrid-/Siliziumkarbidkompositen für den Einsatz in tribologisch hochbeanspruchten Gleitsystemen45,00 €![Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont]( "Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont")
Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont43,00 €![Produktionslogistik/Produktionssteuerung kompakt]( "Produktionslogistik/Produktionssteuerung kompakt")
Produktionslogistik/Produktionssteuerung kompakt14,99 €![Wertstromdesign]( "Wertstromdesign")
Wertstromdesign109,99 €
Ziel dieser Arbeit ist es, eine Methode zu entwickeln, mit der die Matrixproduktion im Falle einer Störung umgeplant werden kann. Zu diesem Zweck werden verschiedene Methoden der künstlichen Intelligenz in neuartiger Weise kombiniert. Die entwickelte Methode wird anhand eines theoretischen und einem realen Terminierungsfalles validiert. This work aims to develop a method that can reschedule the matrix production in the case of a disruption. For this purpose, different artificial intelligence methods are combined in a novel way. The developed method is validated on a theoretical and a real scheduling case.