Data-driven reuse limits for reworkable self-tapping joints in thermoplastics: a survival and conformal-prediction framework, with a cautionary analysis of label leakage in tightening-signal learning
0Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : us. 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
- Data-driven reuse limits for reworkable self-tapping joints in thermoplastics: a survival and conformal-prediction framework, with a cautionary analysis of label leakage in tightening-signal learning
- Date Crossref
- 01/01/2026
- Éditeur
- Elsevier BV
- Type
- posted-content
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.
Les institutions déclarées
Illinois Mathematics and Science AcademyPrinceton UniversityUniversity of MichiganMichigan MedicineCornell University
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Manufacturing Process and OptimizationMachine Learning in Materials ScienceInjection Molding Process and Properties