Scroll Top

Koniec marnowania energii na chłodzenie pustych przestrzeni: Edge AI w praktyce

koniec-marnowania-energii-na-chlodzenie-pustych-przestrzeni-edge-ai-w-praktyce

Sylwia Orzeszyńska

 Digital Marketing Specialist

23 stycznia 2026

Problem: statyczna automatyka vs. dynamiczny ruch pasażerów

W godzinach szczytu lotnisko żyje własnym rytmem. Jedne bramki są pełne ludzi czekających na boarding, inne właśnie się opróżniły po odlocie albo czekają na kolejny rejs. Ruch jest duży, ale nierównomierny i zmienia się z minuty na minutę.

Systemy takie jak HVAC (Heating, Ventilation and Air Conditioning), działają w trybie ciągłym, według harmonogramów albo sztywnych ustawień. Niezależnie od tego, czy w danej strefie przebywa kilkadziesiąt osób, czy przez chwilę nie ma nikogo – klimatyzacja utrzymuje zadane parametry.

Efekt jest przewidywalny: niepotrzebne chłodzenie przestrzeni, wysokie zużycie energii i brak jakiejkolwiek elastyczności.

Nasz Klient postanowił rozwiązać ten problem i zwrócił się do nas z pytaniem: jak powiązać działanie klimatyzacji z rzeczywistym wykorzystaniem przestrzeni bez przebudowy całego systemu?

Rozwiązanie: Edge AI + thermal vision + software-defined automation

Zamiast przebudowywać istniejącą infrastrukturę, skupiliśmy się na tym, żeby ją uzupełnić o kontekst, którego wcześniej brakowało. Konieczne było dodanie warstwy, która w czasie rzeczywistym odpowiada na pytanie: co faktycznie dzieje się w danej przestrzeni?

Zakres prac objął cały proces – od zbierania danych po ich wykorzystanie w automatyce:

  • dobór i testy kamer (thermal vision + RGB camera) w rzeczywistych warunkach lotniskowych,
  • przygotowanie modelu Edge AI do detekcji, trackingu i zliczania osób w podziale na strefy (gate’y),
  • opracowanie logiki decyzyjnej łączącej dane o liczbie osób i temperaturze,
  • integrację z istniejącymi automation drives Klienta sterującymi klimatyzacją,
  • wdrożenie podejścia software-defined automation, które pozwala elastycznie zarządzać logiką sterowania,
  • konfigurację komunikacji między warstwą Edge AI a systemem automatyki.
Po lewej widoczny jest podgląd z kamery RGB wraz z detekcją osób. Po prawej przedstawiono wizualizację wpływu liczby osób na sposób sterowania klimatyzacją. W dolnej części znajdują się automation drives odpowiedzialne za automatyczne sterowanie pracą systemu HVAC.
Wizualizacja klimatyzacji (wiatraka). Centralna część to nasze kamery RGB i thermal.

Jak to działa w praktyce?

Rdzeń całego rozwiązania opiera się na prostym założeniu: sterujemy klimatyzacją nie według czasu, tylko według tego, co faktycznie dzieje się w przestrzeni. System podejmuje decyzje w oparciu o dwa sygnały: liczbę osób w danej strefie i aktualną temperaturę. Na tej podstawie uruchamiana jest logika sterowania HVAC.

Przykładowe sytuacje:

  • gate jest pusty → klimatyzacja zostaje wyłączona lub przechodzi w tryb ograniczony
  • pojawiają się pasażerowie → system automatycznie uruchamia chłodzenie
  • temperatura przekracza ustalony próg → klimatyzacja włącza się niezależnie od liczby osób

Efekty:

  • realna redukcja zużycia energii w strefach o niskim obłożeniu,
  • brak pogorszenia komfortu pasażerów – system działa w tle i reaguje automatycznie,
  • lepsze wykorzystanie istniejącej infrastruktury bez konieczności jej wymiany,
  • możliwość dalszego rozwoju logiki (np. predykcja natężenia ruchu pasażerów).

Gotowe demo, podobnie jak w przypadku rozwiązania przygotowanego na farmę krów, zaprezentowaliśmy wspólnie z Klientem na tegorocznych targach Hannover Messe 2026.

Co dalej?

To podejście najlepiej sprawdza się tam, gdzie środowisko jest dynamiczne, a więc tam, gdzie liczba osób i warunki w przestrzeni zmieniają się w czasie i trudno je przewidzieć. Szczególnie wtedy, gdy koszty energii realnie wpływają na operacje, a infrastruktura automatyki (np. automation drives) już istnieje i można ją rozbudować zamiast wymieniać.

Ten model można stosunkowo łatwo przenieść do innych środowisk, gdzie podobny problem występuje w innej skali:

  • hale produkcyjne,
  • magazyny i centra logistyczne,
  • biura typu open space,
  • obiekty handlowe.

W każdym z tych przypadków logika pozostaje taka sama. Należy połączyć rzeczywiste dane z systemem sterowania i pozwolić, żeby decyzje były podejmowane automatycznie i na bieżąco.

Chcesz zrealizować podobny projekt?

Masz nietypowy pomysł lub wyzwanie, którego nie da się rozwiązać gotowym produktem? Zgłoś się do nas. Lubimy projekty, które nie mieszczą się w schematach.

Chcesz zrealizować podobny projekt?

Masz nietypowy pomysł lub wyzwanie, którego nie da się rozwiązać gotowym produktem? Zgłoś się do nas. Lubimy projekty, które nie mieszczą się w schematach.

LINKEDIN post (Instagram Post (45))

Wi-Fi HaLow: Brakujące ogniwo w łączności IoT

Odkryj WiFi HaLow – rewolucyjną technologię Wi-Fi w paśmie sub-1 GHz (IEEE 802.11ah), idealną dla IoT. Dłuższy zasięg do 1 km, lepsza penetracja ścian i niski pobór mocy dla tysięcy urządzeń.

Read more
Moduł "suchy" Sensora Aqua Alarm

Aqua Insights by Aqua Alarm AS – Case Study

Inteligentny system wykrywania zanieczyszczeń w wodzie pitnej, czyli jak dzięki technologii IoT dbamy o bezpieczeństwo milionów ludzi

Read more
header (31)

Jak uratowaliśmy krowy przed pustynnym skwarem dzięki Edge AI i termowizji

Pustynna farma, gorąca hala i inteligentne chłodzenie. Zobacz, jak to zrobiliśmy, że klimatyzacja działa tylko tam, gdzie trzeba.

Read more