Using Data Mining for Due Date Assignment in a Dynamic Job Shop Environment | springerprofessional.de

Springer Professional

Top

The International Journal of Advanced Manufacturing Technology

Published in:

01-06-2005 | Original Article

Using Data Mining for Due Date Assignment in a Dynamic Job Shop Environment

Authors: D.Y. Sha, C.-H. Liu

Published in: The International Journal of Advanced Manufacturing Technology | Issue 11-12/2005

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Advertisement

previous article A class of hypothesis-test-based genetic algorithms for flow shop scheduling with stochastic processing time

next article Part-machine family formation using genetic algorithms in a fuzzy environment

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Title: Using Data Mining for Due Date Assignment in a Dynamic Job Shop Environment
Authors: D.Y. Sha
C.-H. Liu
Publication date: 01-06-2005
Publisher: Springer Berlin Heidelberg
Published in: The International Journal of Advanced Manufacturing Technology / Issue 11-12/2005
Print ISSN: 0268-3768
Electronic ISSN: 1433-3015
DOI: https://doi.org/10.1007/s00170-003-1937-y

Premium Partners