Le valvole idrauliche per applicazioni aeronautiche richiedono tolleranze produttive estremamente strette, poiché minime deviazioni nei parametri di produzione possono compromettere irrimediabilmente le prestazioni dei servosistemi. Questa tesi propone un framework innovativo per l’analisi della produzione delle Main Control Valves (MCV) del Main Control Actuator (MCA) dell’elicottero AW169, combinando modellazione fisico-matematica e apprendimento automatico. L’approccio adottato integra un modello basato su equazioni fisiche, calibrato sui dati sperimentali, con algoritmi di Machine Learning per l’analisi dei test condotti in fase di produzione. L’obiettivo è identificare trend nascosti e derive statistiche indicative di criticità produttive. L’analisi automatizzata consente di rilevare tempestivamente anomalie nei processi produttivi, prevenendo difetti e garantendo la conformità ai requisiti tecnici.