Sistema de ayuda en la toma de decisiones optimizadas para la gestión de redes de distribución de agua mediante inteligencia artificial

El proyecto pretende desarrollar una herramienta basada en técnicas de inteligencia artificial para optimizar la planificación de las tareas de mantenimiento y reemplazo de tuberías en redes de abastecimiento de agua.

Investigador principal

Luis Onieva Giménez

Sede

US

Tecnología

Machine Learning, Big Data, Business Analytics, SIG

Sector

2

Agentes agregados

GUADALTEL, S.A.

Resumen de la propuesta

El proyecto pretende desarrollar una herramienta basada en técnicas de inteligencia artificial para optimizar la planificación de las tareas de mantenimiento y reemplazo de tuberías en redes de abastecimiento y saneamiento de agua. Las fugas y averías en estas redes provocan el desperdicio de un recurso limitado reduciendo la eficiencia del sistema, cuyas consecuencias ambientales pueden ser fatales. Las empresas encargadas de la gestión cuentan con gran cantidad de datos por lo que el uso del big data y BA para el procesamiento previo de dichos datos junto con la aplicación de técnicas de aprendizaje machine learning para prevenir futuras averías, permitiría reducir la aparición de las mismas creando una infraestructura más sostenible.

Objetivo del proyecto

El objetivo del proyecto es el diseño, implementación y prueba de concepto de una herramienta de decisión basada en técnicas de Machine Learning (ML), Big Data (BD) y Business Analytics (BA) para optimizar la planificación del mantenimiento y reposición de tuberías en redes de abastecimiento y saneamiento de agua. El agua es un recurso básico e imprescindible para el desarrollo de la economía y la industria de un territorio, siendo las tuberías su medio de transporte principal. Las fugas y averías en las redes de distribución de agua provocan el desperdicio de un recurso limitado reduciendo la eficiencia del sistema. Además, cuando éstas averías se dan en redes de saneamiento, las consecuencias ambientales pueden ser fatales. Hoy en día, las empresas encargadas de la gestión de estas infraestructuras cuentan con gran cantidad de datos del diseño y la operación de las redes. Por ello, el uso de BD para el procesamiento previo de dichos datos junto con la aplicación de técnicas de aprendizaje ML para prevenir futuras averías, permitiría reducir la aparición de las mismas creando una infraestructura más sostenible. La última etapa del proyecto se centra en el estudio exhaustivo de los costes derivados de las roturas, obteniendo así una visión global del problema.

El proyecto se estructura en cuatro fases, cuyos objetivos y resultados

Fase 1. Caracterización del sistema de redes de abastecimiento y saneamiento de agua. El objetivo de esta fase es fijar las bases del problema y caracterizar el diseño y la operación de las redes de abastecimiento y saneamiento de agua.

Fase 2. Técnicas avanzadas de inteligencia artificial con aplicación a la predicción de averías de tuberías. Consiste en el diseño y desarrollo de técnicas avanzadas de inteligencia artificial, para la predicción de la rotura de tuberías en redes de abastecimiento y saneamiento de agua. Una vez analizadas las características y los requisitos del sistema, se procederá a diseñar e implementar los algoritmos y métodos predictivos más destacados.

Fase 3. Caracterización y análisis de las consecuencias asociadas a la rotura: costes, daños ambientales y sociales.
Para generar un sistema de cuantificación de las consecuencias asociadas a la rotura de tuberías. Este sistema tiene en cuenta los costes monetarios que implicarían dicha rotura y los daños ambientales y sociales que provocaría, así como cualquier otro daño identificado en las fases anteriores.

Fase 4. Sistema de decisión para el mantenimiento y la reposición de tuberías en redes de abastecimiento y saneamiento de agua. En esta fase se integrarán los dos sistemas anteriores, el sistema de predicción de roturas y el sistema de cuantificación de los costes asociados, en una herramienta global. Esta herramienta, cuyas entradas son tanto los datos que caracterizan el diseño y la operación de una red como el presupuesto anual disponible para su mantenimiento, dará como salida la distribución de dicho presupuesto que optimice la gestión del sistema.

Resultados esperados e indicadores

El proyecto incluirá a dos colaboradores a tiempo parcial, que equivalen a uno a tiempo completo. Además, se espera firmar al menos un contrato de transferencia asociado a los trabajos. En la vertiente académica, se prevé completar al menos dos publicaciones indexadas y posiblemente una tesis doctoral.

Así, los indicadores esperados hasta el 31/12/2021 son los siguientes:

  • Nuevo personal investigador (equivalente anual): 1
  • Patentes: 0
  • Nº contratos transferencia: 1
  • Congresos: 0
  • Publicaciones indexadas: 2
  • Tesis doctorales: 1

Justificación potencial impacto tecnológico del proyecto (TRL)

En las redes abastecimiento y saneamiento de agua, los costes correctivos son entre dos y diez veces mayores que los costes preventivos. Con la herramienta resultado del proyecto, los costes correctivos se reducirían al menos en un 25%, permitiendo invertir más recursos en tareas preventivas. Esto supondría una mejora sustancial en el estado y el funcionamiento de la infraestructura. Por otro lado, se automatiza la prevención de roturas y la planificación de las tareas de mantenimiento y reposición de tuberías a través de un sistema inteligente que conecta los intereses de distintos departamentos de las empresas que gestionan las redes y que, en muchas ocasiones, pueden estar descoordinados. Con ello se consigue un sistema de planificación más eficiente y sostenible. Por ello se hace necesario el desarrollo tecnológico en este ámbito, cumpliendo con los requisitos que clientes del sector distribución están demandando para adaptarse al nuevo mundo en este sector. Se trata de un proyecto TRL 7.