L'integrazione dell'IIoT (Internet of Industrial Things) mira a migliorare le prestazioni dell'impianto attraverso lo sfruttamento dei dati raccolti dai vari sensori/attori. L'IIoT permetterà di conoscere meglio l'impianto, rilevare e rispondere a problemi (panchi, interruzioni di magazzino) e riuscire a ridurre o addirittura eliminare i tempi di inattività con il machine learning sulla base dei dati raccolti dai sensori. Tra le applicazioni di IIoT nella fabbrica del futuro sono la manutenzione predittiva, la gestione delle scorte e la gestione dei consumi energetici. L'obiettivo di questa tesi è quello di proporre algoritmi derivati dall'intelligenza artificiale come mezzo decisionale per quanto riguarda il trattamento dei dati generati dagli oggetti di una rete IIoT, a seconda del livello di criticità dell'applicazione, della natura dell'oggetto che ha generato i dati e dello stato della rete. Le azioni intraprese dalle varie entità mirano a fare un uso ottimale delle risorse disponibili (stoccaggio, calcolo, larghezza di banda, risorsa radio..) per soddisfare le esigenze di applicazioni/oggetti. La teoria del gioco, l'apprendimento multi-agente e la negoziazione sono gli strumenti che useremo per rendere la rete IIoT autonoma. Le nostre proposte saranno convalidate analiticamente, mediante simulazione ma anche sulla piattaforma CPER PFEEXECL ffca "Factories of Future Champagne-Ardenne" in cui siamo coinvolti.