Nel presente lavoro di tesi sono stati sviluppati ed analizzati diversi casi studio pratici di progetti di manutenzione predittiva negli impianti industriali basati sull’utilizzo di modelli di intelligenza artificiale. Sfruttando il dato storico già disponibile, grazie alla sensorizzazione degli impianti, è stata dimostrata la fattibilità tecnica dell’approccio predittivo data driven nella manutenzione di centrale che permette di monitorare gli asset durante le condizioni di processo, con benefici quantificabili in termini di ore uomo risparmiate, gestione ottimizzata degli asset, aumento dell‘affidabilità, controllo dello stato di salute dei dispositivi e saving energetico. Grazie alla grande disponibilità del dato , sono stati sviluppati algoritmi computazionali performanti, in grado di apprendere le correlazioni tra i dati, senza la necessità di una programmazione tradizionale esplicita.