La tesi si concentra sullo sviluppo di una piattaforma di manutenzione predittiva per flotte di veicoli, utilizzando dati telemetrici raccolti in tempo reale. L'obiettivo è prevedere i guasti dei componenti dei veicoli tramite l'analisi dei Big Data con Apache Spark, migliorando l'efficienza operativa e riducendo i costi di manutenzione. I dati, provenienti da sensori IoT installati sui veicoli, vengono elaborati per costruire modelli predittivi in grado di anticipare i guasti. Gli utenti finali possono visualizzare in modo intuitivo i risultati e le previsioni di questi modelli attraverso una dashboard interattiva sviluppata in Vue.js, la quale comunica con un server backend implementato in Nest.js per recuperare e aggregare le informazioni necessarie.