La tesi applica algoritmi di clustering su risorse RDF generate dalle annotazioni di eventi in standard EPCIS 2.0 che documentano processi di test e sperimentazione con Unmanned Aerial Vehicle (UAV). Mappando l'intero processo, dall'accettazione e integrazione elettronica del payload fino ai test operativi in volo e alla gestione delle anomalie di traiettoria, l'approccio consente di estrarre pattern significativi dai dati di collaudo, trasformando la tracciabilità tecnica in un grafo di conoscenza ottimizzato per supportare la validazione e la certificazione automatica di conformità dell'asset.
CLUSTERING DI RISORSE RDF A PARTIRE DA ANNOTAZIONI DI EVENTI BUSINESS IN STANDARD EPCIS 2.0
PALMISANO, SAMUELE
2025/2026
Abstract
La tesi applica algoritmi di clustering su risorse RDF generate dalle annotazioni di eventi in standard EPCIS 2.0 che documentano processi di test e sperimentazione con Unmanned Aerial Vehicle (UAV). Mappando l'intero processo, dall'accettazione e integrazione elettronica del payload fino ai test operativi in volo e alla gestione delle anomalie di traiettoria, l'approccio consente di estrarre pattern significativi dai dati di collaudo, trasformando la tracciabilità tecnica in un grafo di conoscenza ottimizzato per supportare la validazione e la certificazione automatica di conformità dell'asset.| File | Dimensione | Formato | |
|---|---|---|---|
|
PALMISANO_tesi_finale.pdf
File consultabile da postazioni biblioteca
Descrizione: PDF finale documento di tesi
Dimensione
1.72 MB
Formato
Adobe PDF
|
1.72 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/110695