Domenico Cefalo
Outlier Analysis con tecniche di Time Series Forecasting e algoritmi Unsupervised = Outlier Analysis with Time Series Forecasting and Unsupervised algorithms.
Rel. Daniele Apiletti. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2021
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
L’uso del Machine Learning, sia con tecniche Supervisionate sia Non-Supervisionate, si sta ampliando in ambiti sempre maggiori quali ad esempio la verifica ‘audit’ di ordini in real-time. I processi di verifica ordini, per le grandi aziende, sono un processo costoso in quanto i controlli non riescono, per volumi, ad essere sufficientemente capillari. La possibilità di usufruire di tecniche di machine learning permetterebbe un controllo puntuale, rigoroso e al contempo continuo. In un processo di approvazione o blocco di ordine, la soglia fissa, è sempre risultata, per quanto limitata, chiara a tutti i livelli aziendali permettendo un controllo coerente con la normativa così come dai controller.
L’applicazione di soglie fisse non elimina però errori, comportamenti che si discostano da un comportamento virtuoso
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
