L'individuazione di anomalie nelle serie temporali multivariate è un compito critico in vari settori, tra cui l'industria di processo. Questo studio propone una pipeline completa e ottimizzata per il rilevamento delle anomalie, concentrandosi su metodi non supervisionati, in particolare sulle tecniche basate sulla ricostruzione. La pipeline include un'analisi dettagliata delle fasi specifiche di pre-processing per le serie temporali, ottimizzate per garantire la robustezza e l'accuratezza del modello. La metodologia è stata convalidata su quattro dataset industriali su larga scala, utilizzando l'F1 score come metrica principale per la valutazione delle prestazioni. L'ottimizzazione delle fasi di pre-processing, così come dei parametri dei modelli di anomaly detection, è stata condotta tramite ricerche a griglia complete che, esplorando sistematicamente tutte le combinazioni di parametri, garantiscono configurazioni ottimali per ogni dataset e permettono di individuare possibili configurazioni comuni.