Intelligenza artificiale e Industria 5.0 nella logistica: una revisione della letteratura

La presente tesi analizza il ruolo dell'Intelligenza Artificiale nel contesto del paradigma Industry 5.0, con riferimento ai sistemi produttivi e logistici coerenti con il settore scientifico-disciplinare IIND-05/A Impianti industriali meccanici. Il lavoro si inserisce in un dibattito accademico ancora aperto sul grado di integrazione effettiva dei tre driver fondamentali del paradigma — Resilience, Human-Centricity e Sustainability — nelle metodologie di Intelligenza Artificiale applicate ai sistemi produttivi. La ricerca adotta una metodologia strutturata di revisione della letteratura, articolata in due livelli: una selezione di 23 literature review ad alta rilevanza, valutate attraverso un sistema di scoring multidimensionale, e un dataset di 70 articoli empirici e modellistici estratti dalle relative reference. I contributi sono stati classificati attraverso un framework analitico originale — la matrice Problema–Metodo–Driver — che incrocia sistematicamente 42 tipologie di problemi impiantistici, 9 famiglie di metodi di IA e i tre driver Industry 5.0. I risultati evidenziano Human-Centricity come driver più frequente nel campione aggregato (n=45, 64%), con Resilience al secondo posto (n=32, 46%), strutturalmente dominante nei modelli strategici di supply chain. Emerge un disallineamento strutturale: i tre driver presidiano domini applicativi distinti anziché integrarsi trasversalmente, rivelando che la visione multi-driver di Industry 5.0 non è ancora pienamente implementata nella letteratura scientifica. Il contributo principale della tesi è metodologico: il framework Problema–Metodo–Driver rappresenta uno strumento replicabile e scalabile per l'analisi sistematica dell'Intelligenza Artificiale nei sistemi produttivi, con implicazioni dirette per la progettazione, pianificazione e gestione operativa degli impianti industriali.