La crescente digitalizzazione dei veicoli e la disponibilità di dati telematici stanno modificando il ruolo della manutenzione nelle flotte di trasporto pubblico, aprendo la possibilità di passare da logiche prevalentemente reattive o programmate a forme di monitoraggio più evolute e data-driven. In questo contesto, la tesi analizza il potenziale delle piattaforme telematiche e delle tecniche di machine learning a supporto della manutenzione predittiva di una flotta di autobus, con riferimento al caso Arriva Italia S.r.l. Il lavoro si articola in una prima fase di inquadramento teorico, dedicata all’evoluzione delle strategie manutentive, alla predictive maintenance e agli approcci di anomaly detection applicati a dati temporali.