De camino a la escucha del cliente, muchas empresas de agua están perdiendo aproximadamente entre el 20% y el 35% del agua potable fresca y tratada que producen.
Fuente: Nickel Institute
¿Puede explicar cómo la gestión de datos y los datos de alta calidad ayudan a las empresas de agua a abordar los desafíos del sistema, como los desechos?
David Rawlinson: Cuando la demanda aumenta, pero la oferta es limitada, naturalmente la atención se vuelve más cuidadosa con los desechos, como las pérdidas de transmisión. Esto significa que debemos medir con más cuidado y prestar más atención a las anomalías y tendencias para encontrar y prevenir pérdidas. Los datos precisos y detallados pueden reducir el desperdicio y mejorar la eficiencia.
Anna Dahlman Petri: Para reducir los residuos, es necesario ver dónde se producen o dónde es probable que ocurran en el sistema. Esta necesidad apunta a uno de los mayores desafíos que enfrentan todos los propietarios de servicios de agua: casi todo el sistema de distribución de agua es subterráneo, lo que hace que sea mucho más difícil detectar y solucionar cualquier problema, lo que a menudo requiere costosas operaciones de excavación y cierres de carreteras.
Ante esta realidad, el mejor método operativo no es trabajar primero en la red física sino crear un modelo, como un gemelo digital, de la red de distribución de agua. Una base de datos de alta calidad reduce enormemente el costo de crear un modelo al tiempo que aumenta su utilidad para pronosticar cualquier cosa, desde probables tuberías débiles hasta el rendimiento de la red durante las cargas máximas previstas.
Una vez terminado, un modelo es una gran herramienta para desarrollar escenarios confiables para la toma de decisiones. Estos escenarios nos ayudan a comprender los posibles impactos en el entorno y lo que los clientes podrían experimentar en el caso de una falla en la infraestructura obsoleta. El desarrollo de escenarios nos permite estar preparados y tomar medidas en el momento y lugar adecuados para mitigar los posibles daños. Las consecuencias de una falla en la red pueden ser desde daños físicos debido a la erosión de las fugas subterráneas hasta los costos sociales de dejar a las personas sin acceso a agua potable.
Por lo tanto, la gestión de datos es en sí misma una herramienta eficaz para evitar investigaciones que consumen mucho tiempo y la necesidad de rehabilitar daños. Y ninguna herramienta es mejor que sus datos de entrada.
Matthew Gallaugher: El papel preventivo de la gestión de datos es importante; Una gestión más eficaz de la infraestructura obsoleta puede proporcionar un alto valor y reducir los riesgos para los propietarios de activos. De hecho, las demandas de datos de la infraestructura obsoleta pueden ser mayores que las de la infraestructura moderna.
En primer lugar, la infraestructura obsoleta adolece de una falta comparativa de dispositivos de detección y medición diseñados en el sistema; los sensores se han vuelto mucho más baratos y se conectan más fácilmente en red, lo que significa que podemos tener automáticamente un flujo continuo de mediciones relevantes. En los sistemas más antiguos, los sensores modernizados o los procedimientos de medición ad-hoc suelen hacer que los datos se adquieran de forma más indirecta o escasa. Esta situación crea un conjunto de datos más heterogéneo y complejo.
En segundo lugar, con la infraestructura que ha envejecido, existe una mayor incertidumbre sobre el estado de la infraestructura debido a la degradación de los materiales y los daños causados por factores ambientales externos a lo largo del tiempo. En general, sabemos menos sobre la calidad de los materiales y los procesos de las construcciones más antiguas, y el control de calidad fue menos consistente. Esto significa que necesitamos generar datos nuevos y adicionales para medir estas cosas in situ o intentar inferir puntos finales directamente sin tener un modelo preciso de la infraestructura.
Ambos factores tienden a requerir inferencias más complejas y personalizadas para obtener una imagen clara y precisa de la infraestructura. En un sistema moderno, los datos fluyen ordenadamente a una base de datos bien diseñada con poca deuda técnica. Sin embargo, en los sistemas más antiguos, un mosaico de diferentes tecnologías proporciona datos a varios sistemas heredados; como se discutió anteriormente, la armonización de datos puede ser un desafío importante. A menudo, la primera tarea es proporcionar una infraestructura digital, como bases de datos, que capture todas las fuentes de datos clave y presente una vista unificada y coherente. También, necesitamos mantener los datos actualizados a medida que llegan nuevas mediciones, realizando la curación y el control de calidad. Con frecuencia, los datos permanecen fragmentados o solo se reintegran periódicamente con otras fuentes. Es por eso que los índices de madurez digital enfatizan la demostración continua de la procedencia de los datos, control de versiones, copia de seguridad y recuperación ante desastres. Ninguna de estas cosas es posible sin una buena gestión de datos.
Morten Engedal Sørensen: El envejecimiento de la infraestructura ciertamente trae consigo una mayor complejidad. Las condiciones esperadas de la infraestructura deben validarse a partir de conocimientos basados en datos relevantes recopilados de diferentes fuentes.
Al correlacionar los datos que transmiten la edad de las tuberías con los datos sobre la composición del suelo, el nivel del agua subterránea, la vegetación y el flujo medido, los científicos de datos pueden proporcionar una comprensión válida del estado de la infraestructura. Además, la recuperación de datos de los sistemas SCADA e IoT circundantes y la aplicación de la lógica y las reglas del modelo de datos allana el camino para la aplicación de inteligencia artificial y aprendizaje automático; este proceso conduce a valiosas predicciones sobre el estado actual de los activos subterráneos y proporciona información vital para respaldar las decisiones de mantenimiento o las actividades de reemplazo.
¿Qué papel tienen los datos para ayudar a los operadores de servicios públicos a controlar los costos y administrar la demanda?
Matthew Gallaugher: No todas las demandas son igualmente importantes y la demanda en general es elástica. En términos generales, la demanda surge de una población de usuarios que tienen diferentes necesidades y requisitos. Los datos son fundamentales para comprender a estos usuarios, cuándo y dónde varía su demanda y qué tan receptiva es la población a los distintos niveles de precios en diferentes momentos. Los costos de los insumos, como la energía eléctrica, también varían con el tiempo, lo que significa que la gestión óptima es un acto de malabarismo de previsión de la demanda para ajustar los precios. Por muchas razones, un elemento de incertidumbre es inevitable, lo que significa que una variedad de resultados debe ser considerado y "valorado" en todo momento.
Anna Dahlman Petri: Un desafío clave al que se enfrentan las empresas de agua es que deben poder entregar en los días pico, cuando la demanda puede ser el doble de la media. Si ese pico se pudiera predecir y gestionar, se mitigaría el riesgo de falla y se optimizaría el tamaño y la complejidad del sistema de agua.
Se podrían usar datos precisos en tiempo real para crear modelos de precios que beneficien a todas las partes, por supuesto, con regulaciones vigentes y datos relevantes disponibles; por ejemplo, un pronóstico puede conducir a un precio reducido durante los días soleados o con viento cuando la electricidad sostenible es más abundante, lo que permite a la industria optimizar su uso y, por lo tanto, ayuda a la red en general.
Una buena comprensión de la base de la demanda y la oferta real también puede permitir tasas arancelarias más precisas sobre una base más granular. Esto es especialmente útil cuando se consideran áreas con las industrias más intensivas en agua, que tienden a ser más sensibles a los ajustes del precio del agua.
Morten Engedal Sørensen: Dentro de la red, los operadores de servicios públicos conocen los indicadores clave relacionados con los flujos y las presiones en todas las partes de la red mediante la recopilación de datos de los muchos componentes de infraestructura en muchas ubicaciones diferentes. Al utilizar los datos, es posible hacer correcciones a los parámetros en la red y, por lo tanto, tomar diferentes acciones para ajustar el suministro de agua para que fluya a áreas o sitios particulares.
Para ser rentable, es necesario predecir cuánta agua se consumirá. Los datos se pueden utilizar para esa predicción; y la presión alineada se traduce potencialmente en un menor costo de electricidad para los servicios públicos. Mediante el uso de datos e inteligencia artificial, los operadores pueden optimizar el uso de la bomba y el uso de otros componentes del sistema para suministrar agua de la manera más eficiente.
Todo lo anterior, solo es posible cuando el suministro de agua es suficiente. En caso de roturas o fugas, los eventos recientes muestran cómo los desastres locales pueden causar enormes pérdidas de agua y provocar una escasez extrema de agua en regiones que normalmente tienen un suministro constante de agua. En tales casos, un gemelo digital puede calcular un plan de aislamiento de área para garantizar que la parte de la tubería principal con la fuga o la rotura pueda aislarse para evitar la pérdida de agua, mientras que las áreas que no se ven afectadas pueden permanecer abastecidas.
