Swegon porta la manutenzione predittiva nei servizi HVAC con l’AI di Statwolf
Una soluzione AI industriale per trasformare i dati delle unità HVAC connesse in indicatori di anomalia, alert e strumenti di supporto alle attività di assistenza, integrati nell’esperienza digitale Swegon.
“Il valore della collaborazione con Statwolf è stato portare l’AI dentro un ecosistema già esistente, senza stravolgere le piattaforme operative. Il progetto ci ha aiutato a rendere dati, pipeline e integrazioni più robuste, trasformando il modello in un servizio realmente utilizzabile in produzione.”
“La manutenzione predittiva applicata alle macchine HVAC richiede una stretta integrazione tra competenze di dominio e tecnologie di Intelligenza Artificiale. La collaborazione con Statwolf ci ha permesso di trasformare questa esperienza in un servizio digitale concreto, capace di supportare le attività di assistenza e di offrire maggiore valore ai nostri clienti.”
Contesto
Swegon attraverso il proprio brand BlueBox, è uno dei principali riferimenti nel settore delle pompe di calore, chiller e soluzioni HVAC. Il mercato HVAC in cui opera Swegon è in crescita costante, alimentato in particolar modo per le pompe di calore dalla transizione energetica e dalla diffusione di tecnologie sempre più avanzate. L’evoluzione degli impianti verso architetture più complesse, l’introduzione di nuovi refrigeranti e l’aggiornamento continuo delle normative richiedono livelli di specializzazione sempre maggiori, mentre diminuisce la disponibilità di tecnici manutentori esperti. Per affrontare questa sfida, Swegon ha deciso di investire in una architettura cloud proprietaria “INSIDE” e in soluzioni digitali capaci di supportare il personale tecnico, valorizzare il know-how disponibile e migliorare l’efficacia delle attività di assistenza sul campo.
In questo contesto Swegon ha deciso di potenziare ulteriormente la propria piattaforma di servizi digitali attraverso lo sviluppo di un servizio di manutenzione predittiva per le proprie unità idroniche, pompe di calore e chiller. Swegon ha collaborato con Statwolf, che ha fornito competenze specialistiche nell’ambito dell’Intelligenza Artificiale industriale e della valorizzazione dei dati al fine di sviluppare “BlueBox Predictive Maintenance”, un servizio digitale progettato per identificare precocemente comportamenti anomali delle unità HVAC, supportando attività di manutenzione proattiva e contribuendo a ridurre i tempi di fermo impianto.
Attraverso l’analisi continua dei dati operativi, il sistema genera indicatori di anomalia e mette a disposizione del personale di assistenza informazioni utili a supportare la diagnosi e la pianificazione degli interventi.
La sfida
Swegon voleva andare oltre il monitoraggio tradizionale delle unità HVAC, introducendo un servizio di manutenzione predittiva concreto e operativo.
L’obiettivo non era la semplice raccolta dei dati macchina, ma la creazione di una soluzione capace di:
- identificare tempestivamente comportamenti anomali;
- generare alert affidabili;
- supportare la diagnosi e la root cause analysis;
- essere scalabile sia in termini di numero di unità in campo che di variabilità della tipologia di unità
- integrarsi all’interno della piattaforma cloud Swegon
La principale sfida consisteva nel trasformare grandi quantità di dati provenienti dalle unità HVAC in informazioni affidabili, interpretabili e utilizzabili dal personale di service, mantenendo elevati standard di robustezza e scalabilità.
L’approccio
Statwolf e Swegon hanno sviluppato il progetto attraverso una collaborazione continua tra competenze di Intelligenza Artificiale e conoscenza applicativa del dominio HVAC.
La soluzione implementa meccanismi di acquisizione e organizzazione dei dati che ne consentono la corretta integrazione con il know-how sviluppato dagli esperti Swegon, rendendoli utilizzabili dai modelli di Intelligenza Artificiale dedicati.
L’efficacia della soluzione deriva dalla stretta integrazione tra competenze tecnologiche e conoscenza del comportamento reale delle macchine, consentendo di ottenere risultati affidabili e facilmente interpretabili nel contesto operativo.
Il progetto è stato sviluppato con un approccio fortemente collaborativo: Statwolf ha contribuito con competenze in ambito AI industriale e data platform, mentre Swegon ha messo a disposizione la propria esperienza nella progettazione delle macchine HVAC, nelle logiche di funzionamento e nelle attività di assistenza.
La soluzione
La tecnologia sviluppata da Statwolf costituisce il motore AI alla base del servizio BlueBox Predictive Maintenance.
Essa può essere descritta attraverso sei componenti principali.
Connected HVAC assets
Le unità HVAC connesse costituiscono la sorgente informativa del sistema, fornendo i dati necessari al monitoraggio continuo delle prestazioni.
Data foundation
Acquisizione, integrazione e organizzazione dei dati provenienti dalle unità connesse, al fine di renderli disponibili ai processi di analisi.
Domain Knowledge Integration
La conoscenza applicativa maturata dagli esperti Swegon viene integrata nel processo di analisi per migliorare la qualità e l’affidabilità dei risultati.
Statwolf AI Analysis
L’analisi dei dati consente di generare indicatori di anomalia facilmente interpretabili, utili a evidenziare eventuali deviazioni dal comportamento atteso delle unità.
Operational Reliability
La soluzione include strumenti dedicati al monitoraggio continuo delle prestazioni operative e al mantenimento dell’affidabilità del servizio nel tempo.
Digital Service Integration
I risultati vengono integrati nei servizi digitali Swegon, consentendo la visualizzazione degli indicatori di anomalia, la generazione di notifiche e il supporto alle attività di troubleshooting.
Perché Statwolf
Il case study Swegon rappresenta bene la mission di Statwolf: non solo sviluppo di algoritmi, ma capacità di portare AI industriale in produzione. Statwolf, tramite la sua piattaforma, rappresenta un abilitatore per soluzioni AI production-grade, con data integration, interoperabilità, MLOps, data governance e deployment cloud, on-premises o hybrid.
Nel caso Swegon, questo si traduce in una soluzione che combina:
- integrazione con sistemi esistenti;
- AI interpretabile;
- conoscenza di dominio;
- pipeline robuste;
- MLOps;
- rilascio verso una piattaforma usata dal cliente finale.
L’obiettivo del progetto non era semplicemente sviluppare un algoritmo di Intelligenza Artificiale, ma trasformare i dati provenienti dalle unità HVAC in un servizio digitale affidabile, integrato e realmente utilizzabile nelle attività di assistenza. La collaborazione tra Swegon e Statwolf ha permesso di coniugare competenze tecnologiche e conoscenza applicativa, realizzando una soluzione scalabile in grado di supportare la manutenzione proattiva degli impianti.
Le dashboard del servizio
