L’integrazione dell’intelligenza artificiale (IA), in particolare del machine learning e del deep learning, nei processi manifatturieri è aumentata significativamente negli ultimi anni, rendendo la qualità dei dati un prerequisito essenziale per sistemi di IA affidabili e trasparenti. La tesi indaga in modo sistematico come l’IA venga applicata per valutare e migliorare l’affidabilità dei dati in ambito manifatturiero, con l’obiettivo di consolidare le conoscenze esistenti, individuare i principali gap e fornire linee guida per approcci di IA più robusti. La ricerca si fonda su una revisione sistematica della letteratura condotta secondo le linee guida PRISMA 2020, scelte per il loro rigore metodologico, la trasparenza e la riproducibilità.