Manutenzione Predittiva ed Energia: un approccio integrato per l’Industria 4.0

Abstract

Questa tesi affronta il tema dell’integrazione tra manutenzione predittiva ed efficienza energetica nei moderni contesti industriali. In un panorama produttivo sempre più digitalizzato, la Smart Factory richiede soluzioni che non ottimizzino singoli aspetti dell’impianto, ma permettano decisioni coordinate, capaci di migliorare affidabilità, consumi e sostenibilità. Il lavoro propone una visione integrata in cui lo stato degli asset, i consumi energetici e i costi operativi vengono analizzati in modo congiunto. Attraverso l’uso di modelli predittivi e strumenti digitali, la tesi dimostra come sia possibile anticipare problemi, ridurre sprechi ed evitare scelte sub-ottimali dovute alla gestione separata di manutenzione ed energia. L’approccio è implementato e reso disponibile tramite una dashboard interattiva che facilita la lettura dei dati e supporta decisioni operative. I risultati evidenziano come l’integrazione dei due domini consenta benefici tangibili, non solo in termini di costi e continuità produttiva, ma anche di riduzione dell’impatto ambientale. Il lavoro si propone come contributo verso una gestione industriale data-driven, orientata a efficienza, sostenibilità e competitività nel quadro dell’Industria 4.0.

This thesis explores the integration between predictive maintenance and energy efficiency within modern industrial environments. As factories evolve into digital and interconnected systems, it becomes essential to adopt strategies that do not optimize isolated aspects, but instead enable coordinated decisions that improve reliability, energy performance, and economic sustainability. The study presents an integrated perspective in which asset condition, energy consumption, and operational costs are analyzed together. By supporting decision-making through predictive tools and digital visualization, the work highlights how anticipating failures and managing energy in a unified manner can reduce waste, prevent inefficiencies, and enhance overall performance. The proposed approach is implemented through an interactive dashboard that makes data interpretation accessible to different industrial roles. Results show that combining maintenance and energy management generates tangible benefits, not only in terms of operational continuity and cost reduction, but also in environmental impact. This work contributes to the development of a data-driven industrial management model that aligns with the principles of Industry 4.0, promoting efficiency, sustainability, and competitiveness.