La tesi sviluppa un approccio ingegneristico data-driven per analizzare e supportare il controllo del microclima in un magazzino industriale di stagionatura di formaggi duri (caso studio: Grana Padano), collegando condizioni termoigrometriche e calo peso del prodotto. Il sistema si basa su una rete estesa di sensori IoT LoRaWAN distribuiti lungo le scalere e su più livelli verticali, in grado di fornire serie storiche di temperatura dell’aria e umidità relativa. Considerando le specifiche metrologiche tipiche della sensoristica, il lavoro adotta una pipeline riproducibile con controlli di qualità, mappatura sensore–posizione e aggregazioni giornaliere/settimanali, così da ottenere dataset coerenti e confrontabili. Vengono poi definiti indicatori microclimatici robusti e un sistema di rating per confrontare zone del magazzino, individuare aree critiche e descrivere la variabilità spaziale e temporale.