Manteniment predictiu en flotes: com funciona

Una avaria greu d’un camió articulat aturat al voral costa de mitjana entre 3.500 € i 6.000 € entre grua, taller, mercaderia retinguda i servei no facturat. I normalment no avisa: passa el dia que pitjor et va. El manteniment predictiu canvia aquesta equació de soca-rel.

En aquest article expliquem com funciona tècnicament el manteniment predictiu en flotes, quines dades necessita, quin tipus d’avaries anticipa i quant estalvia una flota real quan l’implanta. Sense esoterismes d’«IA màgica» i amb xifres del mercat.

Què és el manteniment predictiu

El manteniment predictiu és la pràctica d’anticipar les avaries abans que es produeixin combinant tres elements:

1. Dades en temps real del vehicle: lectures del motor, la bateria, la pressió d’oli, la temperatura, el codi DTC del fabricant i el comportament del conductor.
2. Històric acumulat: mesos o anys de telemetria del mateix vehicle i de vehicles similars.
3. Models d’IA entrenats: algorismes que detecten patrons invisibles a l’ull humà i emeten alertes amb un horitzó temporal explícit («bateria <30 dies», «embragatge <90 dies»).

Davant del manteniment correctiu (reparar quan es trenca) i del preventiu (canviar peces cada X km), el predictiu canvia les peces quan les dades diuen que fallaran. Ni abans ni després.

Quines dades necessita la IA per predir avaries

La qualitat de la predicció depèn directament de la quantitat i la qualitat de les dades que rep el sistema. Els dispositius Teltonika que fem servir a Trackia recullen, segons la combinació:

Tracker OBD plug & play (FMM003 / FMC003)

• Posició GPS contínua (GNSS multiconstel·lació), velocitat, acceleracions i frenades.
• Encesa i aturada del motor, hores de funcionament, ralentí prolongat.
• Tensió de la bateria del vehicle i detecció de desconnexió.
• Lectura OEM via OBD: combustible real, odòmetre real i codis DTC del motor.
• Crash detection i jamming detection integrats.

N’hi ha prou per predir problemes de bateria, fallades d’injecció, sobreescalfaments, anomalies de combustible i patrons de conducció problemàtics. La diferència entre l’FMM003 (LTE Cat M1) i l’FMC003 (LTE Cat 1) és la freqüència amb què s’envien els esdeveniments al servidor.

Accessoris Bluetooth Eye

• Eye Sensor (BTSMP1): temperatura, humitat, moviment i obertura/tancament al remolc, el magatzem o la caixa refrigerada. Útil per predir problemes en cadenes de fred i per detectar manipulacions.
• Eye Beacon (BTSID1): identificació passiva del conductor o de l’actiu (eina, caixa, contenidor) que s’associa al vehicle en cada ús.

En combinar-los amb el tracker, la IA correlaciona les dades del vehicle amb qui condueix, quina càrrega porta i en quines condicions, cosa que millora notablement la precisió de les alertes.

Més detalls sobre la combinació de maquinari Teltonika que encaixa en cada flota a diferències entre Teltonika FMM003, FMC003 i els accessoris Eye.

Quins tipus d’avaria s’anticipen

No tot es prediu amb la mateixa fiabilitat. Per ordre de maduresa:

Els rangs són els típics del mercat per a sistemes madurs sobre lectura CAN-bus. Qualsevol proveïdor que prometi «ho predim tot» t’hauria de fer aixecar una cella.

Quant estalvia realment el manteniment predictiu

Les dades sectorials recollides per Motor16 el 2025 xifren els estalvis típics en flotes amb manteniment predictiu basat en IA:

• Reducció del 40 % de les avaries greus (les que aturen el vehicle en plena operació).
• Reducció del 30 % del cost anual de manteniment per vehicle.
• Reducció del 22 % de la despesa total de taller el primer any (Appvizer 2026).

Per a una flota de 50 furgonetes amb una despesa mitjana de manteniment de 3.200 € per vehicle i any, l’estalvi agregat supera els 48.000 € anuals, sense comptar el cost indirecte dels vehicles aturats (que sol ser 2-3 vegades superior al cost directe del taller).

Cas real anonimitzat

Una flota de distribució alimentària amb 35 camions rígids va reportar, després de nou mesos amb manteniment predictiu:

• 21 avaries greus anticipades i reparades en un taller programat.
• 4 avaries greus no anticipades (rang acceptable).
• Reducció del 78 % del cost de grues i assistència al voral.
• Estalvi net en manteniment: 142.000 € el primer any.

Com s’integra el manteniment predictiu en l’operativa

Implantar el manteniment predictiu no és endollar un dispositiu i esperar. El flux operatiu realista és:

1. Instal·lació del maquinari (15-40 minuts per vehicle segons el model).
2. Fase de calibratge (2-4 setmanes) en què el sistema acumula dades base.
3. Activació de les alertes predictives un cop el model té prou històric.
4. Integració amb el sistema de gestió del taller (intern o extern): quan salta una alerta, es genera automàticament una ordre de treball programada.
5. Revisió mensual de la taxa d’encert i ajust dels llindars.

Com millor sigui la integració amb el taller (propi o extern), més estalvi es materialitza. La predicció que no s’acciona és només un correu més a la safata del responsable de flota.

Coordinació amb el taller

L’èxit depèn de tres rols clars:

• Sistema (Trackia): emet alertes predictives amb horitzó i prioritat.
• Responsable de flota: valida l’alerta i programa la cita al taller.
• Taller: tanca la incidència i retorna feedback al sistema (encert / fals positiu).

Sense el tercer pas, el sistema no millora.

Què no resol el manteniment predictiu

L’honestedat tècnica obliga a dir-ho: el manteniment predictiu no ho anticipa tot.

• Fallades per defecte de fabricació: no hi ha cap patró previ que aprendre.
• Danys per accident o vandalisme: per definició, imprevisibles.
• Negligències en la conducció (cops, mal ús): el sistema les pot detectar, però no impedir.
• Components amb molt poc històric de dades (sistemes elèctrics auxiliars poc instrumentats).

La promesa realista és eliminar el 40 % de les avaries greus i reduir el cost agregat de manteniment entre un 22 % i un 30 %. Qualsevol xifra superior s’ha de verificar.

Conclusió

El manteniment predictiu és la peça d’IA amb el ROI més ràpid i mesurable en una flota: estalvis del 22 % al 30 % el primer any, reducció del 40 % de les avaries greus i, sobretot, vehicles que deixen d’aturar-se quan pitjor va.

La condició tècnica és disposar del maquinari adequat (CAN-bus en pesants, OBD-II en lleugers) i d’un programari amb models entrenats, no regles estàtiques. La condició operativa és integrar la predicció amb el taller de manera que cada alerta es tanqui amb una ordre de treball real.

Vols veure quant reduiria Trackia les avaries de la teva flota? Sol·licita una demo personalitzada →

T’ensenyem casos similars al teu en sector i mida i t’entreguem una estimació d’estalvi a 12 mesos en menys de 24 hores. Aprofundeix-hi a la nostra pàgina de manteniment predictiu o explora totes les capacitats d’IA de Trackia.