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

L’azienda è una delle principali produttrici internazionali di elicotteri. Con loro, abbiamo realizzato un progetto di data quality e anomaly detection, finalizzato alla identificazione e rimozione di dati anomali (spike) registrati dai sensori di bordo durante le prove di volo dei prototipi.

  • Descrizione e benefici
Analisi dei Big-Data
Riduzione delle tempistiche
Miglioramento della qualità dei dati

Vuoi saperne di più su questo caso studio?

Contattaci
z = −1 + i nα = θ + 2πk u = ρ (cosα + isinα) f(x) = 3x − 2 z = r (cosθ + isinθ) ax + by + cz + d = 0 a (f(x + T) = f(x), ∀ x ∈ IR) (f(−x) = f(x), ∀ x ∈ D) 2x + 2y + z + 4t = 0 [x0 −r, x0 + r] (cosnα + isinnα) = (cosα + isinα)n z = −1 + i nα = θ + 2πk

Una lunga storia risolta grazie alla anomaly detection