Blockchain-powered, evidence-based digital product passport for building envelopes: (an intelligent platform for real-time monitoring, predictive maintenance, and lifecycle assessment)

Façade systems critically shape energy performance, comfort, durability, and safety, yet their post installation behaviour is rarely captured in a structured, system level form that stakeholders can rely on throughout the lifecycle. Although drone surveys and IoT monitoring have advanced, the resulting information remains fragmented, difficult to standardise, and seldom transformed into continuous lifecycle records. At the same time, Digital Product Passports are advancing toward transparent, component level documentation, reinforcing the need for lifecycle information grounded in actual performance rather than static manufacturer declarations. This thesis addresses these gaps by developing an Intelligent Façade Platform that introduces a blockchain enabled DPP layer where operational inputs are progressively structured over time and communicated through a simplified digital twin and a live dashboard. The platform consolidates operational evidence at façade system level and processes it through persistence based anomaly detection, generating lifecycle events that support maintenance planning and provide reliable records for LCA oriented assessment, manufacturer feedback, and evaluation of design strategies based on observed performance. It also functions as a shared information layer for manufacturers, contractors, operators, and regulators: consistent data structures and controlled disclosure enable role appropriate access and subscription based exchange of operational insights, benchmarking, and experience based services without exposing unnecessary detail. The work is validated through a two step process: first by verifying the workflow with a conceptual study case, and then by applying the full pipeline to an empirical case based on real measurements. Together, these steps confirm that the pipeline operates as intended and that the resulting values are sufficiently reliable for an initial demonstration of the platform’s capabilities.

I sistemi di facciata influenzano in modo determinante le prestazioni energetiche, il comfort, la durabilità e la sicurezza; tuttavia, il loro comportamento dopo l’installazione viene raramente acquisito in una forma strutturata e a livello di sistema, su cui gli stakeholder possano fare affidamento lungo l’intero ciclo di vita. Sebbene i rilievi con droni e il monitoraggio IoT abbiano compiuto importanti progressi, le informazioni risultanti rimangono frammentate, difficili da standardizzare e solo di rado trasformate in registri continui di ciclo di vita. Parallelamente, i Digital Product Passport stanno evolvendo verso una documentazione trasparente a livello di componente, rafforzando la necessità di informazioni di ciclo di vita fondate su prestazioni effettivamente osservate, piuttosto che su dichiarazioni statiche dei produttori. La tesi affronta tali lacune sviluppando una Intelligent Façade Platform che introduce un livello DPP abilitato dalla blockchain, nel quale gli input operativi vengono progressivamente strutturati nel tempo e comunicati tramite un digital twin semplificato e una dashboard live. La piattaforma consolida evidenze operative a livello di sistema di facciata e le processa mediante rilevamento di anomalie basato sulla persistenza, generando eventi di ciclo di vita che supportano la pianificazione della manutenzione e forniscono registrazioni affidabili per valutazioni orientate alla LCA, feedback ai produttori e valutazione di strategie progettuali basate su prestazioni osservate. Il sistema opera inoltre come livello informativo condiviso per produttori, appaltatori, gestori e regolatori: strutture dati coerenti e disclosure controllata consentono un accesso adeguato al ruolo e uno scambio in abbonamento di insight operativi, benchmarking e servizi basati sull’esperienza, senza esporre dettagli non necessari. Il lavoro è validato attraverso un processo in due fasi: dapprima mediante la verifica del workflow con un caso di studio concettuale, e successivamente applicando l’intera pipeline a un caso empirico basato su misure reali. Nel loro insieme, queste fasi confermano che la pipeline opera come previsto e che i valori risultanti sono sufficientemente affidabili per una dimostrazione iniziale delle capacità della piattaforma.