Predictive Maintenance inside a Connected Car : evaluation on customer's benefits based on an analytical model

Connected Cars are a topic that is becoming more and more important year after year. In fact, in the future, there is no doubt that all cars will be connected to each other and other infrastructures. At the same time, maintenance-related technologies and services are also developing and improving relentlessly. The growth of the IoT drives the development of new maintenance models such as the Predictive Maintenance model. The aim of the dissertation is to bridge the gap in the current literature concerning the identification and quantification of benefits from both the customer and carmaker perspectives. The literature analysis revealed the importance of understanding both points of view as quantifying customer benefits can also influence OEMs' choices at a strategic level. To achieve this objective, two Research Questions were developed, the first one considering both the perspective of car manufacturers and final customers and the second one considering only the end customers’ point of view. To answer the first, a qualitative approach was taken into account while to answer the second, a quantitative approach was chosen. To best answer the second question, a model was developed with six sections: Maintenance, Breakdown assistance, Car condition related accident, Insurance premium, Vehicle inspection and Fuel consumption. In addition, two sections of insights were proposed for future developments regarding Resale value and Smoke emissions. To validate the model and obtain a final value, statistical data taken from ISTAT, ACI and from scientific papers were used. In addition, data directly provided by companies operating in the market including a car manufacturer, an insurance company and a roadside assistance company were considered. Based on the results obtained, the conclusions of the dissertation were developed.

L’importanza delle tematiche legate alle Connected Cars sta aumentando anno dopo anno. Difatti, non ci sono dubbi legati al fatto che tutte i veicoli saranno connesse sia tra di loro che con altre infrastrutture nei prossimi anni. Allo stesso tempo, anche le tecnologie e i servizi collegati alla manutenzione si stanno sviluppando e migliorando senza sosta. La crescita dell'IoT spinge lo sviluppo di nuovi modelli di manutenzione e il livello più avanzato corrisponde alla manutenzione predittiva. L'obiettivo della dissertation è quello di colmare questo gap presente nell'attuale letteratura, relativo alla identificazione e quantificazione di benefici, considerando sia la prospettiva dei clienti che la prospettiva delle case automobilistiche. L'analisi della letteratura ha permesso di capire l'importanza di includere entrambi i punti di vista poiché quantificando i benefici per i clienti può influire anche sulle scelte delle OEM a livello strategico. Per raggiungere l'obiettivo sono stata sviluppate due Research Questions, la prima considerando sia il punto di vista delle case automobilistiche che quello dei clienti finali, la seconda considerando solo la prospettiva dei clienti. Per rispondere alla prima è stato scelto un approccio qualitativo mentre per rispondere alla seconda l'approccio tenuto è stato di tipo quantitativo. Per rispondere al meglio alla seconda domanda è stato sviluppato un modello di sei sezioni: Manutenzione, Soccorso stradale, Riparazione veicolo dopo un incidente, Premio assicurativo, Revisione del veicolo e Consumo di carburante. In aggiunta sono state proposte due sezioni di approfondimento per futuri sviluppi riguardanti il valore di rivendita del veicolo il livello di emissioni. Per validare il modello e arrivare a un valore finale sono stati usati sia dati statistici presi da enti pubblici di ricerca (ISTAT ad esempio) o da paper scientifici, sia dati direttamente forniti da compagnie operanti nel mercato, tra cui una casa automobilistica, una compagnia di assicurazione e una di assistenza stradale. Sulla base dei risultati ottenuti sono state sviluppate le conclusioni della dissertation.