A Digital Twin Approach for Predictive Maintenance and Anomaly Detection in Healthcare 4.0
0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : Tunisie. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Digital Twin Approach for Predictive Maintenance and Anomaly Detection in Healthcare 4.0
- Date Crossref
- 28/08/2026
- Éditeur
- Springer Nature Switzerland
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Carthage Tunisie (code pays fourni par la source)Université ou école supérieure
-
Tunisia Polytechnic School SERCOM-Lab. Tunisie (code pays fourni par la source)Université ou école supérieure
-
Tunis University Tunis University, Tunisie (code pays fourni par la source)Université ou école supérieure
-
Tunis El Manar University Tunis El Manar University, Tunisie (code pays fourni par la source)Université ou école supérieure
-
University of Tunis El Manar Laboratory of Biophysics and Medical Technologies Tunis, Tunisie (pays nommé en fin d’affiliation)Université ou école supérieure
University of Carthage (Tunisie), SERCOM-Lab. — Tunisia Polytechnic School (Tunisie) et Tunis University (Tunis University, Tunisie), avec 2 autres affiliations. Pays d’affiliation : Tunisie.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.