Data-driven dynamic causality analysis of industrial systems using interpretable machine learning and process mining

Karim Nadim, Ahmed Ragab et Mohamed-Salah Ouali

Article de revue (2022)

Un lien externe est disponible pour ce document

Département:	Département de mathématiques et de génie industriel
URL de PolyPublie:	https://publications.polymtl.ca/50844/
Titre de la revue:	Journal of Intelligent Manufacturing (vol. 34, no 1)
Maison d'édition:	Springer-Verlag
DOI:	10.1007/s10845-021-01903-y
URL officielle:	https://doi.org/10.1007/s10845-021-01903-y
Date du dépôt:	18 avr. 2023 14:59
Dernière modification:	08 avr. 2025 07:18

Citer en APA 7:	Nadim, K., Ragab, A., & Ouali, M.-S. (2022). Data-driven dynamic causality analysis of industrial systems using interpretable machine learning and process mining. Journal of Intelligent Manufacturing, 34(1), 57-83. https://doi.org/10.1007/s10845-021-01903-y
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel