Webfleet introduce un servizio di manutenzione AI-based sviluppato con Questar per ottimizzare la gestione delle flotte, ridurre i costi e migliorare la sicurezza grazie all’analisi predittiva dei dati.
La manutenzione predittiva basata su AI prevede analisi in tempo reale, interventi mirati e fino al 30% di risparmio sui costi di manutenzione.
Intelligenza artificiale dedicata alle flotte
Webfleet, la soluzione Bridgestone per la gestione del parco veicoli riconosciuta a livello globale, innalza ulteriormente il livello della propria offerta implementando – inizialmente rivolgendosi a flotte di camion e mezzi per il trasporto persone – il nuovo servizio di manutenzione preventiva AI-based sviluppato dal partner Questar, pioniere del monitoraggio completo della salute dei veicoli.
In Europa, dove il 42% delle flotte commerciali registra almeno un incidente stradale all’anno, Webfleet ha potenziato la propria offerta integrando l’intelligenza artificiale con Webfleet Vehicle Diagnostics, la soluzione dedicata alla gestione e all’affidabilità del parco veicoli. In tal modo si è provveduto a completare l’offerta, potenziando esponenzialmente il valore dei dati acquisiti dai veicoli in tempo reale.
Queste informazioni, oltre a fornire una panoramica esatta della situazione attuale, possono adesso essere elaborate per ottenere tempistiche precise sugli interventi di manutenzione da effettuare su ciascun veicolo, stilando anche un elenco in base all’urgenza.
La manutenzione predittiva
La possibilità di agire in maniera predittiva e non preventiva rivoluziona il paradigma della manutenzione, passando da una stima puramente statistica a un’analisi reale di ciascun veicolo e consentendo in tal modo di ottimizzare tempi di fermo e costi mantenendo un livello massimo di sicurezza del mezzo.
In tal senso, Webfleet ha stimato che, parlando esclusivamente in termini di spese, il fermo imprevisto di un LCV costi circa 750 euro al giorno e che un camion in panne richieda, in media, circa 900 euro per l’intervento di assistenza stradale, oltre a una media di 4 ore di fermo del mezzo, con la possibilità di notevoli discrepanze tra un operatore e l’altro in base al Paese in cui si verifica il fermo.
Queste cifre non contemplano, inoltre, ulteriori risvolti economici non facilmente quantificabili ma certamente impattanti, ossia i danni di immagine e il rischio di scontentare i clienti. Basandosi sulla tecnologia di machine learning di Questar, Webfleet è in grado di spingersi anche oltre grazie alla manutenzione proattiva, che consiste nel non limitarsi a dare delle stime temporali, per quanto precise, di richiesta di intervento, ma prevede la predisposizione di procedure e suggerimenti di natura tecnica e organizzativa alle aziende.
In tal modo è stato stimato che il cliente può arrivare a ridurre anche del 30% sia i costi di manutenzione che i tempi di fermo dei mezzi, abbattendo contestualmente del 20% le spese sostenute per emergenze non pianificate.
