Riassunto analitico
L’anomaly detection negli ultimi anni ha assunto una notevole importanza e viene applicata in molteplici ambiti: dalla medicina alla finanza, senza dimenticare il campo industriale ed informatico.
Un’anomalia è la deviazione dal normale comportamento del sistema in analisi, condizione che se non prontamente gestita, può portare, in ambito industriale, dalla diminuzione delle performance al blocco della produzione con ovvie ripercussioni economiche sull’azienda.
Questo lavoro di tesi si focalizza sull’implementazione e testing di tecnologie di Anomaly detection basate sulle reti neurali artificiali, nello specifico Long Short-Term Memory e Autoencoder, in un contesto industriale, in particolare nel processo di elaborazione massiva dei dati.
La valutazione dei sopracitati modelli avviene tramite l’utilizzo di time series che descrivono il comportamento delle risorse delle infrastrutture produttive in analisi.
|
