Algoritmi di machine learning per l'anomaly detection di impianti multifase nel settore oil&gas

In questa tesi è stata trattata una piccola parte del mondo del machine learning, l’anomaly detection. Inizialmente è stata fatta una breve introduzione sul machine learning, sulle tipologie di apprendimento automatico che possiamo trovare e sono inoltre stati esposti gli step di una attività di machine learning. Successivamente si è passati alla spiegazione dell'identificazione delle anomalie ed è stata fatta una breve trattazione delle tipologie di anomaly detection. È stato successivamente descritto il caso studio, un impianto multifase collocato nel Dipartimento di Ingegneria Industriale e Scienze Matematiche (DIISM) dell'Università Politecnica delle Marche e le problematiche che si intendeva affrontare. Gli algoritmi utilizzati sono stati Angle Based Outlier Detection, Isolation Forest, k-Nearest Neighbors Detector, Local Outlier Factor, Class Outlier Factor, One-class SVM, Minimum Covariance Determinant, Stochastic Outlier Selection, DBSCAN. Sono stati valutati i risultati ottenuti e infine sono stati presentati sotto forma di grafici e tabelle.