O projeto, com o apoio de parceiros de tecnologia como o Politecnico di Milano, Fondazione Bruno Kessler de Trento e ST Microelectronics, pretende demonstrar que a manutenção preventiva não requer investimentos caros. A solução dos sensores inovadores ALMEs é baseada em fibras óticas convencionais, microcontroladores de baixo custo e um software de Machine Learning que pode reduzir os custos de manutenção em 25-35%, eliminar 70% das avarias e favorecer um aumento na produtividade de 25%.
A Reply é, há alguns anos, a incubadora das mais inovadoras startups no setor de IoT. Existem várias empresas do grupo que tratam especificamente de manutenção preditiva: Senseye, por exemplo, tem como foco o tempo de inatividade e a otimização do OEE (Overall Equipment Effectiveness), ou seja, a eficiência total dos equipamentos de uma fábrica. Soluzione Cloud baseia-se principalmente nos dados existentes e no histórico, portanto, não têm altos custos iniciais, permitindo uma redução de 30-50% do tempo de inatividade. Por sua vez, a We Predict fornece soluções de análise preditiva para a indústria automotiva, com foco em economia nos custos de garantia com reduções de 8-15%.