Este sistema permite interpretar grandes volumes de dados de sensores em tempo real para localizar roturas e roubos de água, reduzindo perdas e custos operacionais.
Dídia Covas, investigadora no CERIS – Instituto de Investigação e Inovação em Engenharia Civil para a Sustentabilidade e professora no Instituto Superior Técnico (IST), lidera o projeto AQUALEARN, uma iniciativa que usa inteligência artificial para detetar fugas na rede de água.
Este projeto visa colmatar a dificuldade das empresas gestoras de água em interpretar os dados recolhidos por sensores de caudal e pressão, que enviam informações a cada 5 ou 10 minutos.
Para tal, estão a ser utilizados algoritmos de aprendizagem automática para identificar anomalias como roturas na rede, roubos de água, ou erros de leitura nos sensores.
A implementação destes algoritmos em redes reais permite detetar anomalias de forma precoce e identificar a origem das mesmas, evitando que as equipas de manutenção tenham de procurar os problemas no terreno às cegas.
Segundo Dídia Covas, isto reduz os custos operacionais de deslocação e de reparação, permitindo reduzir de forma drástica o desperdício de água na rede.
O projeto AQUALEARN – Deteção de anomalias em tempo real em sistemas de abastecimento de água através de gémeos digitais baseados em métodos de aprendizagem automática é financiado pela Fundação para a Ciência e a Tecnologia (FCT).
Saiba mais sobre a investigadora em: Linkedin | Researchgate | Google Scholar | IST
Related Episodes
