Casi studio

Settori
z = −1 + i nα = θ + 2πk f(x) = 3x − 2 z = r (cosθ + isinθ) z = r (cosθ + isinθ) ax + by + cz + d = 0 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Ottimizzazione della gestione della rete elettrica

Previsioni accurate che supportano gli operatori nel prendere decisioni efficaci per la gestione della rete elettrica.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Previsione del comportamento creditizio dei clienti

Uno strumento che permette una visione completa dei clienti.

a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Modelli matematici per ridurre il tasso di abbandono dei clienti

Permettere al servizio clienti di adottare azioni mirate di prevenzione e affinamento dell’offerta.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Previsione nella logistica del gas naturale

Potenziamento di strumenti di previsione per diversi cluster di mercato.

z = −1 + i nα = θ + 2πk f(x) = 3x − 2 z = r (cosθ + isinθ) (f(−x) = f(x), ∀ x ∈ D) ax + by + cz + d = 0 −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Matematica per ottimizzare gli investimenti pubblicitari

Misurare accuratamente il ritorno da ogni canale di investimenti in pubblicità online e offline.

z = −1 + i nα = θ + 2πk f(x) = 3x − 2 z = r (cosθ + isinθ) (f(−x) = f(x), ∀ x ∈ D) ax + by + cz + d = 0 −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Model innovation per il Lead/Credit Scoring

Evolvere e migliorare le performance di un algoritmo in ambito FinTech.

z = −1 + i f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0 nα = θ + 2πk −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Analisi di mercato per prodotti antinfluenzali

Pianificare al meglio le proprie campagne marketing in corrispondenza dei periodi di picco di influenza.

u = ρ (cosα + isinα) f(x) = 3x − 2 z = r (cosθ + isinθ) a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Data science al servizio degli ospedali

SmartAid Medical Solution, una piattaforma digitale basata su algoritmi di intelligenza artificiale.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) u = ρ (cosα + isinα) f(x) = 3x − 2' −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Machine learning per gare pubbliche e private

Migliorare le attività di costruzione di uno scenario pre-competitivo per le gare.

ax + by + cz + d = 0 (f(−x) = f(x), ∀ x ∈ D) [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n z = −1 + i nα = θ + 2πk z = r (cosθ + isinθ) (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Matematica per la scelta della protesi più adatta

Algoritmo a supporto di chirurghi nella scelta della protesi migliore per ogni paziente.

−x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} z = −1 + i u = ρ (cosα + isinα) ax + by + cz + d = 0 −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Algoritmi al servizio della diagnostica per immagini

Individuare automaticamente la presenza di possibili anomalie nelle immagini diagnostiche.

ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Prototipazione virtuale nel processo di progettazione

Standardizzare il processo di progettazione e riuscire a creare il layout di un nuovo impianto in minor tempo.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 ax + by + cz + d = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Ottimizzazione dello scheduling di produzione

Realizzare un software di scheduling per una rapida ed efficace pianificazione dei processi.

z = −1 + i nα = θ + 2πk z = r (cosθ + isinθ) 2x + 2y + z + 4t = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n 2x + 2y + z + 4t = 0 −x + 2y + z + t = −1 C = {z = x + iy x, y ∈ IR}

Matematica applicata ai macchinari per il confezionamento di liquidi

Algoritmi di simulazione che permettono di testare i vari parametri e diverse configurazioni della macchina produttiva.

z = r (cosθ + isinθ) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} z = −1 + i f(x) = 3x − 2 ax + by + cz + d = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Un preventivatore matematico per la progettazione di grandi impianti

Stimare le tipologie e le quantità di materiali necessari per un nuovo progetto in tempi più rapidi.

z = r (cosθ + isinθ) 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} z = −1 + i f(x) = 3x − 2 ax + by + cz + d = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Ottimizzazione multidisciplinare per migliorare il processo di progettazione

Un approccio unitario per la gestione della complessità.

nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2' z = r (cosθ + isinθ) x + by + cz + d = 0' f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0

Early warning per identificare e gestire difettosità nei prodotti

Identificare e gestire tempestivamente eventuali problemi nei lotti di produzione.

x + by + cz + d = 0' a (f(x + T) = f(x), ∀ x ∈ IR) z = −1 + i (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Monitoraggio da remoto del funzionamento degli elettrodomestici

Predire quando si verificherà un guasto e quale componente della lavatrice si danneggerà.

nα = θ + 2πk u = ρ (cosα + isinα) a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Anomaly detection durante le prove di volo

Identificazione e rimozione di dati anomali registrati dai sensori di bordo durante le prove di volo dei prototipi.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0 f(x) = 3x − 2' 2x + 2y + z + 4t = 0

Monitoraggio dello stato di salute di cavi per l’energia

Rilevazione controllata, automatica e affidabile delle anomalie dei cavi elettrici.

z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Un preventivatore matematico per valvole a commessa

Ad una nuova richiesta è fondamentale riuscire a rispondere con un preventivo accurato nel tempo più rapido possibile.

z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR}

Modelli matematici per ottimizzare la qualità di processo

Supportare gli ingegneri nel monitorare, prevedere e migliorare tutti gli aspetti del processo di produzione che influenzano la qualità di un prodotto.

f(x) = 3x − 2 z = r (cosθ + isinθ) a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Strategie di mobile advertising

Algoritmo di profilazione profonda capace di classificare gli utenti rispetto ai loro comportamenti offline.

z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Matematica per prevedere indici di ascolto

Prevedere l’audience nel breve periodo, per poter pianificare al meglio i palinsesti e gli acquisti dei contenuti audiovisivi.

z = −1 + i nα = θ + 2πk f(x) = 3x − 2 z = −1 + i −x + 2y + z + t = −1 2x + 2y + z + 4t = 0 C = {z = x + iy x, y ∈ IR} [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Supporto alla programmazione di un palinsesto televisivo

Strumento di supporto decisionale per la pianificazione dei palinsesti da parte dei Channel Manager.

z = −1 + i (f(−x) = f(x), ∀ x ∈ D) u = ρ (cosα + isinα) z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) C = {z = x + iy x, y ∈ IR}

Algoritmi per l’editoria scolastica

Supportare i docenti nella selezione e adozione dei libri di testo migliori per i propri studenti.

C = {z = x + iy x, y ∈ IR} z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 ax + by + cz + d = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n

Allocazione dei prodotti nel settore fashion & luxury goods

Automatizzare e migliorare il processo di allocazione dei prodotti a magazzino verso i rivenditori.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0 C = {z = x + iy x, y ∈ IR}

Virtual Coach: intelligenza artificiale in panchina

Suggerire al coach la miglior tattica da adottare, monitorando il gioco degli avversari e le loro vulnerabilità.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) z = r (cosθ + isinθ) ax + by + cz + d = 0 −x + 2y + z + t = −1 C = {z = x + iy x, y ∈ IR}

Matematica applicata al fundraising per una ONLUS

Una visione dinamica, veloce e sintetica delle donazioni e della raccolta di campagna fondi attraverso una piattaforma web.

z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) z = r (cosθ + isinθ) ax + by + cz + d = 0 −x + 2y + z + t = −1 C = {z = x + iy x, y ∈ IR}

Individuazione di anomalie su segnali provenienti da sensori olfattivi

Sistemi di machine learning a supporto agli allevatori nella gestione ottimale dell’igiene negli allevamenti.