La falla en cualquiera de los sistemas HVAC o de calentamiento de agua instalados en campo puede tener un impacto severo en las operaciones de los clientes empresariales. Ante una falla, las piezas de repuesto o los técnicos especializados para resolver el problema pueden no estar disponibles de inmediato, lo que genera mayor tiempo de inactividad y pérdidas. El cliente quería la capacidad de predecir anomalías en los sistemas y automatizar solicitudes de mantenimiento o alertas para tomar acciones correctivas de forma inmediata.

Orion desarrolló e implementó una solución IoT basada en AI/ML capaz de rastrear anomalías en los sistemas y sugerir medidas correctivas. Los sistemas HVAC y de calentamiento de agua instalados en campo reportan regularmente su configuración y las mediciones de sus sensores a la nube, produciendo varios gigabytes de datos por día. Los datos recopilados indican el estado y el rendimiento de los sistemas y sus componentes, y la solución desarrollada aprovecha esta información para generar alertas de mantenimiento predictivo.

El equipo de Orion organizó los datos recibidos de miles de sensores, por ejemplo, la temperatura interior y exterior de un depósito, la potencia de entrada y salida a la que opera un sistema, las condiciones climáticas y otra información. Luego aplicaron enfoques de análisis matemático, estadístico y de aprendizaje automático profundo sobre los conjuntos de datos organizados, y agruparon los sistemas para predecir fallas, su severidad y su impacto en las operaciones.

El equipo de Orion aplicó las siguientes técnicas:

Análisis Dinámico: El comportamiento de cada dispositivo fue comparado con su desempeño histórico y con el de otros dispositivos similares. Esto permitió agrupar los datos e identificar dispositivos con comportamiento anómalo.

Análisis de Correlación: Se correlacionaron las mediciones internas con mediciones externas como temperatura, humedad y otras variables. Esto ayudó a identificar anomalías en los dispositivos con respecto a las condiciones climáticas externas.

Análisis de Clasificación: Se identificaron y etiquetaron eventos pasados, como alarmas y reclamaciones de garantía, en relación con los datos medidos por los sensores en el mismo momento.

Machine Learning: Se entrenaron algoritmos de aprendizaje automático profundo con base en los análisis anteriores y los datos de eventos etiquetados, con el fin de predecir alarmas y reclamaciones de garantía.

Orion identificó más de 200 sistemas potencialmente defectuosos en dos meses. Además de observaciones precisas sobre las fallas, el equipo entregó al cliente un análisis detallado y una solución. Se destacaron anomalías como un sistema HVAC que arrancaba innecesariamente a plena potencia, y un calentador de agua incapaz de hervir el agua a la temperatura requerida durante ciertos períodos. Los algoritmos fueron probados de forma iterativa en condiciones reales y adaptados según los resultados de las pruebas.

Finalmente, la solución fue validada por los ingenieros de campo, quienes rectificaron los problemas en los sistemas con base en las recomendaciones proporcionadas. En la actualidad, la solución está desplegada para monitoreo continuo. Como resultado, las fallas en los sistemas se han reducido drásticamente, ya que la mayoría de los problemas son marcados para mantenimiento predictivo.