1. A decisão de investimento
A concessionária deve decidir se um sistema de detecção proposto pode reduzir o custo econômico total de vazamentos e resposta. Essa decisão abrange sensores, comunicações, engenharia de dados, modelos, revisão por analistas, confirmação em campo, reparo e feedback. Um modelo que gera alertas sem um caminho confiável para ação em campo está incompleto.
A aprovação deve indicar a rede-alvo, os tipos de vazamento, a linha de base operacional, os erros aceitáveis, o custo de implantação, o fluxo de trabalho de serviço, o período de evidências e as condições para expansão. A decisão deve permanecer vinculada a resultados de campo verificados.
2. Defina o resultado útil
O resultado útil é um vazamento detectado cedo o suficiente, localizado com precisão suficiente, confirmado com eficiência e reparado de forma econômica. A detecção isolada identifica comportamento anormal. A localização restringe a busca. A confirmação determina se o evento é real. O reparo converte informação em benefício hídrico e de serviço.
Essas etapas devem ser medidas separadamente. Um sistema pode detectar uma anomalia com precisão e, ao mesmo tempo, enviar equipes a uma área de busca ampla ou incorreta.
3. O problema da taxa-base
Vazamentos são raros em relação aos intervalos operacionais normais. Até mesmo uma pequena taxa de falsos positivos pode gerar mais alertas falsos do que verdadeiros quando milhões de observações normais são analisadas. A precisão, portanto, depende tanto do comportamento do modelo quanto da taxa subjacente de eventos.
Um piloto deve divulgar o número de vazamentos reais, períodos normais, alertas, investigações e resultados confirmados. A acurácia geral pode parecer alta quando o modelo prevê majoritariamente a classe comum de ausência de vazamento.
4. A economia da matriz de confusão
Um verdadeiro positivo pode acelerar o reparo. Um falso positivo consome capacidade de revisão e de campo. Um falso negativo deixa um vazamento não detectado. Um verdadeiro negativo evita intervenção. Cada resultado tem um custo diferente, e esses custos variam conforme o ativo, a localização e a consequência.
O limiar econômico deve refletir a água evitada, os danos, a interrupção do serviço e o escalonamento, em contraposição aos custos de analista, inspeção, escavação e evento não detectado.
5. Precisão e recall
A precisão mede a proporção de alertas que são verdadeiros. O recall mede a proporção de eventos reais detectados. Aumentar a sensibilidade pode melhorar o recall ao mesmo tempo que aumenta os alertas falsos. Tornar o limiar mais rigoroso pode melhorar a precisão, mas deixar passar eventos menores.
Trabalhos recentes com múltiplas redes relatam precisão e recall substancialmente diferentes entre estruturas de rede e tamanhos de vazamento [1]. Não se deve presumir que um único limiar sirva para todos os distritos ou estados operacionais.
6. Arquitetura da detecção ao reparo
Estrutura genérica; os sistemas, as responsabilidades e os controles reais dependem da concessionária e da jurisdição.
7. Detecção versus localização
A detecção binária pergunta se existe um evento. A localização pergunta onde ele está. A estimativa de tamanho pergunta quão significativo ele pode ser. Referências de pesquisa mostram que o desempenho de detecção pode superar o desempenho de localização, particularmente sob ruído, sensores esparsos ou assinaturas hidráulicas fracas [2].
A contratação deve especificar a tolerância de localização exigida e a carga de busca em campo. Um alerta correto que abrange vários quilômetros pode continuar operacionalmente caro.
8. Defina as classes de vazamento
Os vazamentos podem incluir vazamento de fundo, vazamento na ligação de serviço, rompimentos, perda em válvulas ou hidrantes, transbordamento de reservatório e eventos do lado do cliente. Seus sinais, consequências e tempos de resposta diferem.
A taxonomia deve identificar quais classes o sistema foi projetado para detectar. As alegações dos fornecedores não devem se estender de uma classe testada para todos os mecanismos de perda sem evidências.
9. Estabeleça a linha de base operacional
A linha de base deve registrar os métodos atuais de detecção, a frequência de levantamento, o tempo de resposta, a confirmação do reparo, o tempo de vazamento, a água perdida, as visitas repetidas e o custo. Também deve documentar a segmentação da rede, o parque de sensores, a disponibilidade de telemetria e as restrições de campo.
O caso de investimento precisa de um contrafactual. Um vazamento encontrado por AI também pode ter sido encontrado por meio de análise rotineira de vazão noturna ou de relatos de clientes.
10. Sensores de pressão
Mudanças de pressão podem indicar rompimentos, eventos de demanda, operações de válvulas, mudanças de bombas e vazamentos. A localização, a resolução, a amostragem e a sincronização dos sensores influenciam a detectabilidade.
Os modelos devem incorporar eventos operacionais conhecidos e zonas de gestão de pressão. Um limite treinado sob um regime de controle pode falhar após mudanças de setpoint ou de abastecimento.
11. Sensores de vazão
A medição de vazão por distrito e nas fronteiras dá suporte aos métodos de vazão mínima noturna, balanço e anomalias. Fronteiras confiáveis e medidores de entrada calibrados são essenciais.
Anomalias de vazão podem refletir demanda legítima, transferências na rede, lavagem da rede ou erro de medição. Contexto e confirmação continuam necessários.
12. Sensoriamento acústico
Registradores acústicos e correlacionadores podem detectar ruído de vazamento e apoiar a localização. Material e diâmetro da tubulação, solo, ruído de fundo, pressão e espaçamento dos sensores afetam a propagação.
Uso de água, bombas e ruído ambiental podem se assemelhar a vazamentos. A confirmação em campo deve permanecer parte do fluxo de trabalho.
13. Fibra e sensoriamento distribuído
Fibra existente ou instalada pode permitir monitoramento acústico ou de vibração contínuo ao longo de longos trechos. Cobertura e volume de dados podem ser atrativos para tubulações principais críticas.
O caso de negócio deve incluir direitos de acesso, equipamentos de interrogação, processamento de sinais, análise especializada, classificação de falsos eventos e integração com reparos.
14. Infraestrutura de medição avançada
Intervalos de medição dos medidores de clientes podem revelar consumo contínuo e possível vazamento nas instalações. A detecção na rede de distribuição também pode usar resíduos de demanda agregada e contexto hidráulico.
A cobertura da AMI, o intervalo, a confiabilidade da comunicação e o consentimento do cliente moldam o caso de uso. Alertas do lado do cliente exigem um processo de serviço separado.
15. Sensoriamento por satélite e remoto
O sensoriamento remoto pode priorizar áreas amplas usando sinais de superfície, umidade ou outros. Pode complementar o levantamento de campo onde o acesso é difícil.
Condições do solo, clima, profundidade e umidade não relacionada à água podem afetar a interpretação. O custo de confirmação e a frequência de revisitas devem ser incluídos.
16. Fusão de sensores
Combinar dados de pressão, vazão, acústicos, AMI, ordens de serviço, meteorológicos e operacionais pode reduzir a ambiguidade. A fusão também aumenta os requisitos de integração e de qualidade de dados.
O modelo deve revelar quais fontes motivaram o alerta e como ele se comporta quando uma fonte está indisponível. A resiliência deve ser testada por meio de cenários de ablação de sensores.
17. Posicionamento de sensores
O posicionamento deve seguir o tamanho-alvo do vazamento, a topologia da rede, a sensibilidade hidráulica, os ativos críticos, as comunicações e o acesso em campo. O espaçamento uniforme pode desperdiçar cobertura ou não alcançar áreas de baixa sensibilidade.
A pesquisa sobre falsificação de modelos e posicionamento de sensores demonstra que a incerteza e a configuração da rede afetam a capacidade de localização [3]. O piloto deve testar alternativas de posicionamento antes da implantação completa.
18. Amostragem e sincronização
Transientes rápidos podem exigir dados de alta frequência e firmemente sincronizados. Vazamentos lentos de fundo podem ser detectados por tendências de baixa frequência. A amostragem deve corresponder ao sinal físico e à decisão operacional.
A deriva de relógio, intervalos ausentes e agregação podem produzir anomalias aparentes. Os controles de engenharia de dados devem ser especificados juntamente com o modelo.
19. Comunicações
A conectividade determina latência, completude e custo. O projeto pode usar redes celulares, de rádio, de fibra, de baixo consumo ou métodos de armazenamento e encaminhamento.
Cobertura, energia, volume de dados, manutenção e controles cibernéticos devem ser testados no ambiente real de implantação. A conectividade de laboratório não é evidência de campo.
20. Verificações de qualidade dos dados
O pipeline deve testar plausibilidade, faixa, alinhamento temporal, duplicação, ausência de dados, comportamento de linha plana e status de calibração. Dados que não passem em uma verificação crítica não devem gerar um alerta operacional sem ressalvas.
O status de qualidade deve acompanhar a predição, para que os analistas possam distinguir anomalias de rede de anomalias de sensores.
21. Qualidade dos rótulos
O aprendizado supervisionado requer exemplos marcados como vazamento ou normal. Os rótulos podem vir de testes controlados, reparos confirmados, ordens de serviço, levantamentos ou simulação. Cada um tem limitações.
As ordens de serviço podem omitir alertas não encontrados ou conter horários e locais imprecisos. Liberações controladas podem não representar falhas naturais. O registro de treinamento deve preservar a proveniência e a confiança.
22. Dados de eventos raros
Vazamentos grandes podem ser operacionalmente importantes e estatisticamente escassos. Vazamentos pequenos podem ser mais numerosos, mas fracamente visíveis. Um conjunto de dados deve representar o evento alvo e as condições da rede.
A reamostragem pode auxiliar o treinamento, mantendo realista a prevalência na avaliação. O desempenho deve ser relatado em um conjunto intocado e representativo do campo.
23. Simulação
Modelos hidráulicos e transitórios podem gerar cenários rotulados em diferentes locais e tamanhos. Eles apoiam experimentos controlados e a exploração de cobertura.
As premissas de simulação sobre demanda, rugosidade, controles, ruído e comportamento dos sensores devem ser documentadas. Um modelo treinado com dados sintéticos requer validação de campo.
24. Lacuna entre simulação e campo
Pesquisas recentes relatam perda substancial de desempenho quando modelos treinados em simulação são aplicados diretamente a medições de campo, com melhora após aprendizado por transferência com dados de campo [4]. Essas evidências sustentam uma etapa de adaptação deliberada.
A concessionária deve manter um conjunto de retenção de campo e impedir ajustes repetidos contra a amostra final de aceitação.
25. Classes de modelos
Os métodos incluem limiares estatísticos, detecção de mudanças, resíduos hidráulicos, máquinas de vetores de suporte, ensembles de árvores, redes neurais, modelos de grafos, transformers e autoencoders. Nenhuma classe de modelo é automaticamente a melhor para toda rede.
A seleção deve seguir a precisão de campo, o recall, a localização, a latência, a interpretabilidade, a manutenibilidade e o custo, em vez da novidade.
26. Classificação supervisionada
Modelos supervisionados aprendem com exemplos rotulados. Eles podem ter bom desempenho quando os rótulos de campo cobrem a variação operacional e a classe-alvo.
O desempenho pode se degradar para novos materiais de tubulação, estações do ano, zonas de pressão ou configurações de sensores. O plano de implantação precisa de regras de monitoramento e retreinamento.
27. Detecção não supervisionada de anomalias
Métodos não supervisionados aprendem padrões normais e atribuem pontuação a desvios. Eles podem identificar eventos novos com menos rótulos de vazamento.
Eles também podem alertar sobre mudanças operacionais legítimas. A equipe de operação precisa de contexto, governança de limiares e um caminho para classificar os resultados.
28. Métodos de resíduos hidráulicos
Métodos de resíduos comparam a medição com a previsão do modelo. Seu valor depende da calibração do modelo, da estimativa de demanda e da incerteza dos sensores.
Eles podem fornecer interpretação física e localização, enquanto mudanças na rede exigem manutenção do modelo. A concessionária deve reservar orçamento para calibração.
29. Explicabilidade
Analistas precisam de evidências suficientes para priorizar e investigar alertas. Uma explicação útil pode incluir sensores afetados, janela de tempo, direção do desvio, área candidata, eventos comparáveis e status de qualidade dos dados.
A explicação deve apoiar o julgamento operacional. Uma explicação visual não prova a correção causal.
30. Funil de alertas
Contagens apenas ilustrativas; os volumes reais dependem da rede, do modelo e dos limites operacionais.
31. Governança de limiares
Os limiares determinam o volume de alertas e os eventos perdidos. Devem ser aprovados por caso de uso, zona e consequência. Os operadores devem saber quando um limiar mudou e por quê.
A detecção de emergências ou de redes principais críticas pode favorecer a revocação; o trabalho rotineiro de vazamento de fundo pode favorecer a precisão. O modelo econômico deve refletir essa escolha.
32. Fadiga de alarmes
A orientação da EPA sobre detecção de eventos em sistemas de distribuição descreve a necessidade de equilibrar sensibilidade com falsos positivos e reconhece a fadiga de alarmes decorrente de alertas excessivos [5]. As operações de vazamento enfrentam uma restrição humana comparável.
O tamanho da fila, a idade, o tempo de revisão, os motivos de descarte e os alertas repetidos devem ser monitorados. Um alerta não trabalhado não tem valor operacional.
33. Deduplicação de alertas
Um único evento físico pode gerar pontuações repetidas entre sensores e ao longo do tempo. A plataforma deve agrupar sinais relacionados em um incidente e reter as evidências subjacentes.
A deduplicação deficiente infla as contagens agregadas de alertas e a carga de trabalho dos analistas. A precisão no nível do incidente é mais útil do que a precisão no nível do registro.
34. Priorização
Os alertas podem ser classificados por perda estimada, consequência, confiança, clientes críticos, risco viário, acesso e proximidade em relação a outros trabalhos. O método de classificação deve permanecer transparente.
Alta confiança nem sempre significa alto valor. Um evento com confiança moderada em uma rede principal crítica pode exigir revisão mais rápida.
35. Triagem por analistas
Os analistas devem revisar a qualidade dos dados, eventos operacionais, sensores vizinhos, contexto hidráulico, histórico e consequências. A triagem deve levar a descartar, monitorar, testar remotamente ou realizar ação em campo.
O tempo de decisão e a consistência devem ser medidos. Exemplos de treinamento podem usar resultados adjudicados.
36. Confirmação em campo
A confirmação pode usar levantamento acústico, teste escalonado, registro de pressão, inspeção visual, métodos de traçadores ou isolamento controlado. O método deve corresponder à tubulação e à localização.
As equipes de campo precisam de uma área de busca, um pacote de evidências, um plano de segurança e um código de encerramento. Um alerta permanece não verificado até que o padrão de confirmação acordado seja atendido.
37. Decisão de escavação
A escavação tem custo direto e interrupção. A concessionária deve definir quando a confiança e a consequência justificam escavação, trabalho exploratório ou monitoramento contínuo.
A decisão deve considerar tráfego, licenciamento, impacto ao cliente e oportunidade de coordenar obras planejadas.
38. Confirmação de reparo
Após o reparo, a concessionária deve confirmar o defeito e observar se o sinal e o balanço hídrico mudam conforme esperado. Um reparo que não explica o alerta fornece novas evidências.
O registro de resultados deve reter localização, ativo, defeito, estimativa de vazão, custo, duração e resposta do sinal.
39. Ciclo de feedback
Resultados confirmados devem atualizar rótulos, limites, regras e monitoramento de modelos. Alertas descartados devem registrar um motivo, não simplesmente desaparecer.
A qualidade do feedback é uma capacidade operacional. O retreinamento de fornecedores deve ser auditável e sujeito a controles de aceitação.
40. Painel de desempenho
Tabela 1. Painel ilustrativo de detecção e operação
| Dimensão | Métrica | Evidência | Uso na decisão |
|---|---|---|---|
| Detecção | Recall por classe e tamanho de vazamento | Eventos confirmados e testes controlados | Exposição a eventos não detectados |
| Qualidade dos alertas | Precisão e falsas descobertas | Adjudicação no nível do incidente | Carga de trabalho de analistas e equipes de campo |
| Localização | Erro de distância ou de área de busca | Local de reparo confirmado | Custo de levantamento e escavação |
| Tempestividade | Da detecção à triagem e ao reparo | Carimbos de data e hora do sistema e das ordens de serviço | Benefício de tempo de execução evitado |
| Confiabilidade | Disponibilidade de dados e tempo de atividade do modelo | Registros da plataforma | Continuidade operacional |
| Economia | Custo por vazamento confirmado e benefício líquido | Registro financeiro e de resultados | Escalar ou redesenhar |
41. Custo de falso positivo
O custo de falso positivo inclui revisão de analistas, monitoramento repetido, levantamento de campo, deslocamento, controle de tráfego, contato com o cliente e possível escavação. Também inclui custo de oportunidade quando as equipes adiam trabalho real.
O modelo deve calcular o custo por via de alerta, e não por uma média única. A maioria dos alertas falsos pode ser encerrada remotamente, enquanto uma pequena parcela gera atividades de campo dispendiosas.
42. Custo de falso negativo
Um vazamento não detectado pode continuar perdendo água, energia e produtos químicos e pode evoluir para interrupção do serviço ou danos. O custo depende da taxa de vazamento, duração, localização e consequência.
A concessionária deve evitar suposições catastróficas sem fundamento. As faixas de cenário devem separar perdas rotineiras de eventos de alto impacto.
43. Custo de erro de localização
A localização imprecisa amplia a distância de levantamento, atrasa a confirmação e pode levar a escavações desnecessárias. O tamanho da área de busca é, portanto, uma métrica econômica.
Os modelos devem reportar distribuições de erro e zonas difíceis. A distância média pode ocultar uma cauda longa que impulsiona o custo.
44. Valor do tempo
A detecção mais precoce cria valor quando reduz o tempo de vazamento em comparação com a prática atual. O benefício começa somente após a revisão e a ação sobre o alerta.
O tempo ponta a ponta deve abranger o início do evento, a pontuação, a decisão do analista, a visita de campo, o reparo e o encerramento. A latência do modelo, por si só, é insuficiente.
45. Valor da água evitada
A água evitada pode ser valorizada ao custo marginal de produção de curto prazo, ao valor de escassez, à capacidade postergada ou ao valor tarifário, dependendo da decisão. Esses são conceitos diferentes.
O caso de negócio deve declarar o valor escolhido e evitar a dupla contagem. O benefício de caixa disponível para financiamento pode ser mais restrito do que o benefício econômico.
46. Valor de danos e de serviço
A ação antecipada pode reduzir custos com vias, propriedades, interrupções e emergências. Dados históricos de incidentes podem fundamentar faixas de cenários.
Eventos graves raros devem ser ponderados por probabilidade e divulgados separadamente. O tratamento de seguros e as franquias devem ser considerados.
47. Composição de custos
Tabela 2. Composição ilustrativa do custo total
| Camada de custo | Itens típicos | Cronograma | Controle |
|---|---|---|---|
| Parque de sensores | Dispositivos, instalação, energia e calibração | Custos iniciais e de substituição | Cobertura e registro de ativos |
| Conectividade e plataforma | Comunicações, armazenamento, integração e suporte | Recorrente | Níveis de serviço e controles de uso |
| Operações de modelo | Configuração, monitoramento, retreinamento e licenças | Recorrente e orientado a mudanças | Controle de versão e aceitação |
| Fluxo de trabalho humano | Triagem por analistas, pesquisas e gestão de programas | Acionado por alertas | Relatórios de fila e produtividade |
| Ação de campo | Confirmação, tráfego, escavação e reparo | Orientado por incidentes | Evidências de ordens de serviço e de resultados |
| Provisão para riscos | Falhas, resposta a incidentes cibernéticos e transição | Contingente | Registro de riscos e reserva |
48. Estrutura de benefícios
Os benefícios podem incluir água e energia economizadas, menor necessidade de resposta a emergências, menos danos, melhor continuidade, melhor direcionamento da renovação e evidências regulatórias mais sólidas. Cada benefício precisa de uma linha de base e de um responsável.
O modelo de investimento deve distinguir caixa, custo evitado, capital diferido e valor público. Apenas o caixa realizado ou contratualmente financiado deve sustentar o serviço da dívida.
49. Sensibilidade ilustrativa
Apenas valores ilustrativos; isto não é uma previsão, avaliação ou comparação de fornecedores.
50. Capex versus modelo de serviço
A concessionária pode ser proprietária dos sensores e da plataforma, contratar um serviço gerenciado ou usar um modelo híbrido. A propriedade afeta o controle, as competências, a integração, a substituição e a saída.
A comparação econômica deve usar o custo total ao longo da vida útil esperada e incluir a transição. Um preço baixo de piloto pode não representar as operações em escala real.
51. Financiamento
A infraestrutura digital pode ser financiada por capex da concessionária, orçamentos operacionais, fundos de inovação, subvenções, financiamento de fornecedores ou programas de desempenho mais amplos. O financiamento deve corresponder à vida útil do ativo e à exigibilidade contratual.
O benefício modelado não gera automaticamente caixa para pagamento. A autoridade orçamentária e a fonte de pagamento devem permanecer explícitas.
52. Pagamento baseado em desempenho
A remuneração do fornecedor pode estar parcialmente vinculada à disponibilidade do serviço, alertas aceitos, vazamentos verificados, prazo de entrega ou benefício líquido. A métrica deve permanecer sob influência do fornecedor e resistir à manipulação.
O pagamento exclusivamente por alerta recompensa o volume. O pagamento exclusivamente por vazamento confirmado pode desestimular eventos difíceis, mas valiosos. Uma estrutura equilibrada pode combinar componentes fixos de capacidade e de resultado.
53. Data room de contratação
O data room deve incluir mapas de rede, inventário de sensores, amostras de telemetria, histórico de eventos e reparos, registros operacionais, métodos existentes, qualidade dos dados, padrões de segurança e fluxo de trabalho de campo.
Os licitantes devem receber um conjunto de dados de avaliação comum sempre que viável. Informações confidenciais e de infraestrutura crítica precisam de acesso controlado.
54. Normalização das alegações do fornecedor
As alegações devem indicar rede, tubo, sensor, prevalência de eventos, tamanho do vazamento, ruído, dados de treinamento, divisão de teste e unidade de avaliação. A precisão sem essas condições é insuficiente.
A concessionária deve traduzir cada alegação para o ambiente operacional alvo e solicitar evidências reproduzíveis.
55. Desenho do piloto
Um piloto deve incluir distritos representativos, estações do ano, estados de demanda, materiais de tubulação e condições dos sensores. Deve durar tempo suficiente para observar variação normal e eventos genuínos ou controlados.
O protocolo deve ser acordado antes do ajuste do modelo e preservar uma fase de aceitação cega.
56. Modo sombra
No modo sombra, o sistema produz alertas sem direcionar operações. Os analistas comparam as saídas com a prática atual e com os resultados posteriores.
O modo sombra apoia a calibração segura de limites e a medição da carga de trabalho. Ele deve ter um fim fixo e um gate de decisão.
57. Testes controlados
Liberações conhecidas ou eventos de hidrante podem testar a detecção e a localização em condições controladas. Eles apoiam a repetibilidade, mas podem não representar vazamentos naturais.
O programa deve rotular eventos controlados e naturais separadamente e evitar agrupá-los sem divulgação.
58. Critérios de aceitação
A aceitação deve abranger precisão em campo, recall, localização, latência, disponibilidade de dados, duplicação de alertas, integração de fluxos de trabalho, cibersegurança, relatórios e economia. Os critérios devem ser medidos no nível do incidente.
O contrato deve declarar o período amostral, o tratamento de confiança e a medida corretiva quando as evidências forem insuficientes.
59. Gate de escala
A escala deve exigir operação estável, carga de trabalho gerenciável, economia positiva no cenário adverso, risco cibernético aceitável, integração sustentável e capacidade de resposta em campo financiada.
Um piloto técnico bem-sucedido ainda pode falhar no gate operacional ou comercial.
60. Deriva do modelo
Demanda, controles, sensores, ativos e clima mudam ao longo do tempo. A deriva pode alterar distribuições de pontuação e taxas de erro.
O monitoramento deve comparar dados, alertas e resultados por distrito e época do ano. Alterações de limiares ou de modelos devem seguir aprovação controlada.
61. Recalibração e retreinamento
A recalibração pode ajustar limiares ou parâmetros hidráulicos; o retreinamento altera o comportamento aprendido. A concessionária deve definir gatilhos, requisitos de dados, testes e reversão.
Novas versões devem ser testadas em ambiente sombra antes da produção. O desempenho histórico deve permanecer reproduzível.
62. Cibersegurança
Sensores, gateways, plataformas e integrações ampliam a superfície de ataque. Os controles devem abranger identidade, criptografia, aplicação de patches, segmentação, registro de logs, resposta a incidentes e acesso de fornecedores.
Um alerta automatizado não deve controlar válvulas ou bombas sem um projeto separado de segurança e autorização.
63. Resiliência
O sistema deve degradar de forma segura quando comunicações, sensores ou serviços em nuvem falharem. Os operadores precisam de métodos de contingência e visibilidade das áreas cegas.
O relatório de nível de serviço deve distinguir o tempo de atividade da plataforma da disponibilidade de dados úteis.
64. Direitos sobre dados
Os contratos devem definir propriedade, uso permitido, retenção, exportação, direitos de treinamento de modelos e exclusão. A concessionária deve manter seu histórico de rede, eventos e resultados.
A saída deve incluir dados utilizáveis e documentação em formatos não proprietários quando exigido.
65. Alocação de riscos
Tabela 3. Matriz ilustrativa de riscos de implantação
| Risco | Responsável preferencial | Tratamento contratual | Resposta da administração |
|---|---|---|---|
| Falha de sensores e telemetria | Parte que controla equipamento ou serviço | Termos de disponibilidade, reparo e qualidade dos dados | Redundância e relatórios de áreas cegas |
| Rótulos históricos incompletos | Concessionária para registros divulgados; fornecedor para método aceito | Ressalva de dados e plano de validação em campo | Aceitação conservadora e fase de sombra |
| Desempenho do modelo | Fornecedor dentro do ambiente acordado | Métricas e remediação no nível do incidente | Monitoramento, reversão e novo teste |
| Mudança de rede ou operacional | Utilidade com cooperação de fornecedores | Processo de notificação de alteração e recalibração | Configuração e orçamento versionados |
| Ação de campo falsa | Compartilhado conforme evidências e fluxo de trabalho | Protocolo de confirmação e limites de responsabilidade | Etapa de aprovação e revisão de resultados |
| Incidente cibernético | Parte que controla a camada afetada | Obrigações de segurança e resposta | Segmentação, registro em log e recuperação |
66. Governança
Um responsável final deve conectar operações, dados, TI, cibersegurança, finanças, compras e equipes de campo. O comitê diretivo deve revisar resultados e economia, não apenas a atividade do fornecedor.
Limites materiais, versões de modelos e mudanças de escopo precisam de direitos de aprovação definidos.
67. Painel mensal
O painel deve mostrar cobertura, qualidade dos dados, alertas, incidentes deduplicados, precisão, recall quando observável, erro de localização, tempo de espera na fila, ações de campo, vazamentos confirmados, tempo de reparo, estimativa de volume de água, custo e benefício.
A confiança e a ausência de verdade de referência devem permanecer visíveis. Alertas não verificados não devem ser apresentados como vazamentos encontrados.
68. Sinais de alerta
Os sinais de alerta incluem precisão sem prevalência, validação apenas com dados sintéticos, ausência de teste de campo cego, relatórios em nível de alerta em vez de nível de incidente, ausência do custo de investigações falsas, cobertura fraca de sensores, lock-in de dados proprietários, retreinamento não controlado, ausência de capacidade de campo e benefício alegado sem resultados de reparo.
Cada um exige evidência, redesenho, proteção de preço ou uma decisão de não expandir.
69. Primeiros 180 dias
Os primeiros seis meses devem definir casos de uso, estabelecer a linha de base da prática atual, mapear dados e sensores, selecionar áreas-piloto, estabelecer a verdade de referência e o fluxo de trabalho, contratar a plataforma, executar o modo sombra e acordar os critérios de aceitação.
O comitê de investimentos deve ver evidências reais de fila, campo e custo antes de aprovar a expansão.
70. Pacote para o comitê de investimentos
O pacote deve incluir classes de vazamento-alvo, linha de base, mapa de sensores e dados, evidências do modelo, protocolo-piloto, economia da matriz de confusão, desenho operacional, revisão de segurança cibernética, termos de aquisição, cenários de custo-benefício, matriz de riscos e marcos de decisão para escala.
As estimativas da administração devem permanecer identificadas. As alegações dos fornecedores devem manter a fonte e as condições de teste.
71. Regra de decisão
Prosseguir quando o sistema produzir incidentes críveis no campo, oportunos e priorizados economicamente; integrar-se a um fluxo de trabalho financiado de confirmação e reparo; preservar dados e segurança; e entregar valor positivo no cenário adverso em relação à prática atual.
A escala deve seguir resultados verificados. Uma pontuação alta do modelo, por si só, não é um caso de investimento.
72. Calcular a aritmética da taxa-base antes da aquisição
A equipe de preparação deve calcular os alertas esperados sob vários pressupostos de prevalência de eventos e de erro. Para cada dia-rede ou outra unidade de avaliação, o modelo deve estimar eventos reais, eventos detectados, eventos não detectados, alertas falsos e total de investigações. Isso revela situações em que uma taxa aparentemente pequena de falsos positivos sobrecarrega uma população rara de eventos reais.
O cálculo deve usar a mesma unidade do fluxo de trabalho operacional. Uma taxa de classificação de registros de sensores não pode ser convertida diretamente em visitas de equipes sem deduplicação e agrupamento de incidentes. O modelo também deve testar distritos diferentes, pois a prevalência de eventos e a observabilidade hidráulica podem variar materialmente.
73. Calibrar probabilidade e confiança
A pontuação de um modelo não é automaticamente uma probabilidade calibrada. Testes de calibração devem comparar a confiança prevista com a frequência observada de eventos em faixas de pontuação e condições operacionais. Uma calibração ruim pode distorcer a ordenação, a seleção de limiares e as estimativas do caso de negócio, mesmo quando a ordem de classificação continua útil.
A plataforma deve distinguir confiança do modelo, confiança na qualidade dos dados e confiança na localização. Uma pontuação alta do modelo baseada em sensores incompletos ou com falha não deve parecer equivalente a um incidente bem fundamentado. A calibração deve ser verificada novamente após mudanças no modelo, nos sensores ou na rede.
74. Segmentar a rede economicamente
Adutoras críticas de transmissão, distribuição urbana densa, redes rurais e ramais de serviço ao cliente têm diferentes consequências de eventos, observabilidade e custos de resposta. A concessionária deve segmentar a implantação e selecionar sensoriamento, limiares e fluxos de trabalho de acordo. Uma média única da empresa pode ocultar áreas com economia negativa ou pontos cegos inaceitáveis.
O modelo de segmento deve considerar material da tubulação, diâmetro, histórico de falhas, pressão, consequência, acesso, custo de reparo, densidade de clientes e prática atual de detecção. A expansão deve começar onde a combinação de sinal, consequência e capacidade de resposta cria o caso mais forte baseado em evidências.
75. Estruturar o processo de apuração
Todo alerta deve avançar para um status final de apuração: vazamento confirmado, ausência de vazamento confirmada, não resolvido, inacessível, duplicado, falha de sensor ou evento operacional legítimo. O status deve registrar evidências e o responsável pela decisão. Casos não resolvidos devem permanecer nos relatórios de desempenho para que o sistema não pareça mais preciso ao excluir resultados difíceis.
O processo de apuração também deve identificar vazamentos descobertos fora do sistema de alertas. Esses eventos são necessários para estimar o recall. Um sistema não pode afirmar que detecta a maioria dos vazamentos quando o denominador inclui apenas seus próprios alertas.
76. Medir a capacidade das equipes
O valor dos alertas depende da capacidade disponível de analistas, inspeção e reparo. O modelo operacional deve prever horas por etapa do alerta, competência e localização geográfica. Deve testar o crescimento da fila após tempestades, mudanças sazonais, implantação de sensores ou ajuste de limiares.
As metas de nível de serviço devem priorizar consequência e idade. Quando a capacidade for limitada, o sistema deve mostrar quais incidentes permanecem sem tratamento e a exposição à água ou ao risco associada ao atraso. Uma decisão de expansão deve financiar a capacidade de campo necessária para concretizar o benefício esperado.
77. Vincular alertas à renovação de ativos
Anomalias repetidas, agrupamentos de vazamentos e confirmações difíceis podem revelar ativos que exigem renovação, e não reparos repetidos. O programa deve alimentar o planejamento de capital baseado em risco com evidências verificadas. Também deve separar o benefício do sistema de alerta do benefício posterior de renovação para evitar dupla contagem.
A equipe de ativos deve receber dados de localização, defeito, tubulação, reparo, recorrência e incerteza em um formato estável. As decisões de planejamento de capital devem combinar essas evidências com condição, consequência e custo de vida útil. O AI, portanto, apoia a priorização de renovação quando o registro de resultados permanece confiável.
78. Quantificar a dívida de dados e integração
Telemetria legada, identificadores inconsistentes, carimbos de data/hora ausentes, ativos duplicados e ordens de serviço fragmentadas podem exigir remediação significativa. Esses custos devem ser estimados antes da seleção do fornecedor e alocados entre a concessionária e o fornecedor. Um piloto que usa dados curados manualmente pode subestimar o custo operacional em escala real.
O desenho da integração deve definir identificadores mestres para sensor, ativo, distrito, cliente e ordem de serviço. Controles de conciliação devem rastrear registros não conciliados. A remediação de dados pode criar valor independente, enquanto o caso de investimento do AI ainda deve incluir a despesa necessária para sustentá-la.
79. Estabelecer disciplina de operações de modelos
A operação em produção precisa de controle de versão, definições de atributos, aprovação de implantação, monitoramento de desempenho, registro de incidentes, reversão, retreinamento e desativação. A concessionária deve saber qual modelo gerou cada alerta e quais dados e limites foram aplicados.
O fornecedor deve documentar mudanças planejadas e emergenciais. Atualizações materiais devem passar por testes de regressão e testes sombra usando evidências retidas. As operações de modelos devem se integrar à gestão de serviços de TI mais ampla, para que falhas de dados e aplicações tenham responsável e resolução, em vez de permanecerem como questões analíticas invisíveis.
80. Testar a concentração de fornecedores e a saída
Uma plataforma proprietária pode combinar dispositivos, comunicações, dados, modelo e fluxo de trabalho. Isso pode simplificar a responsabilização, mas aumenta o risco de troca. O contrato deve definir exportação de dados, documentação de interfaces, acesso ao hardware, suporte à transição e operação continuada durante a saída.
O caso de negócio deve incluir custos de substituição e transição. Deve identificar quais componentes podem ser licitados de forma independente e quais criam aprisionamento. O valor de longo prazo depende de preservar as evidências e a capacidade operacional da concessionária mesmo quando o fornecedor mudar.
81. Realizar um exercício operacional de red team
Antes da aceitação, uma equipe independente deve desafiar o sistema com perda de sensores, desvio de relógio, picos legítimos de demanda, operações de válvulas, mudanças de bombas, atraso de telemetria, registros duplicados, eventos cibernéticos e vazamentos em áreas com pouca observação. O exercício deve testar alertas, explicações, fluxo de trabalho, escalonamento e recuperação.
O objetivo é identificar modos de falha e dependências ocultas. Os resultados devem levar a mudanças de configuração, contrato, treinamento e contingência. Falhas críticas não resolvidas devem impedir a expansão até que a concessionária aceite e financie o risco residual.
82. Auditar o benefício alegado
Os benefícios devem ser reconciliados desde o alerta até o incidente, a confirmação, o reparo, o sinal pós-reparo, a vazão estimada, a redução do tempo de execução e o valor financeiro. Os responsáveis financeiros e operacionais devem aprovar o método. A amostragem pode verificar a exatidão das ordens de serviço e dos custos.
A auditoria deve distinguir resultados atribuídos ao fornecedor, atribuídos à concessionária e obtidos em conjunto. Benefícios que não possam ser vinculados a uma decisão operacional alterada não devem ser atribuídos automaticamente ao modelo. A trilha de auditoria sustenta a revisão de investimentos, o relatório regulatório e o pagamento por desempenho.
83. Elabore um cenário financeiro adverso
O cenário adverso deve combinar menor prevalência de eventos, precisão mais fraca, vazamentos menores, resposta de campo mais lenta, custo de conectividade mais alto, substituição mais precoce de sensores e integração atrasada. Ele também deve testar o custo de um evento cibernético ou de transição relevante sem apresentar esse cenário como certo.
A administração deve identificar quais variáveis geram valor e quais podem ser controladas. O investimento pode continuar justificado pela redução de riscos críticos mesmo quando o retorno direto em caixa for fraco; essa justificativa deve ser explícita e aprovada separadamente.
84. Crie marcos de realização de benefícios
O programa deve ter marcos para prontidão técnica, adoção operacional, resultado verificado, valor econômico e escala. Cada marco deve indicar evidências, responsável e decisão. A passagem por um marco anterior não deve predeterminar o próximo.
As revisões de realização de benefícios devem comparar o desempenho atual com a linha de base aprovada e o contrafactual. Elas devem identificar o valor perdido por atraso na fila, restrições de campo ou reparo incompleto. As ações corretivas devem ter datas e responsáveis. O financiamento para a implantação posterior deve seguir a capacidade demonstrada, e não o ímpeto de custos irrecuperáveis.
85. Preserve a responsabilização humana
O modelo pode priorizar evidências; o pessoal autorizado da concessionária continua responsável por decisões operacionais e de serviço público. As funções devem ser claras para descarte de alertas, despacho de equipes de campo, isolamento, escavação, comunicação com clientes e reparo. Decisões críticas devem manter uma trilha de auditoria.
A equipe deve compreender os limites do modelo e os modos de falha comuns. O treinamento deve usar casos locais reais e testar a qualidade das decisões. A dependência excessiva pode levar à perda de informações contextuais; o descarte habitual pode anular o valor do modelo. A governança deve apoiar a contestação disciplinada em ambas as direções.
86. Conclusão
AI pode melhorar a detecção de vazamentos quando sensores, dados, modelos e operações de campo formam um único sistema controlado. A economia dos falsos positivos traz disciplina às decisões de limiar, sensores, fluxo de trabalho e compras. Ela também expõe o custo operacional oculto pela precisão divulgada.
O programa mais robusto mede precisão, recall, localização, tempestividade e benefício líquido no nível do incidente na rede-alvo. Ele aprende com cada resultado de campo, monitora desvios e expande apenas quando reparos verificados sustentam o caso.
Referências
- Kwon, D. et al. Exploração de modelo de detecção de vazamentos por aprendizado profundo em múltiplos sistemas inteligentes de distribuição de água: tamanhos de vazamento detectáveis com medidores AMI. Water Research X, 2025. https://doi.org/10.1016/j.wroa.2025.100332
- Ranganathan, S., Vinothkumar, N. e Muthuramalingam, E. Avaliação comparativa de diversas arquiteturas de aprendizado para detecção e localização de vazamentos em sistemas de distribuição de água. Journal of Water Process Engineering, 2026. https://doi.org/10.1016/j.jwpe.2026.110114
- Goulet, J.-A., Coutu, S. e Smith, I.F.C. Diagnóstico por falsificação de modelo e posicionamento de sensores para detecção de vazamentos em redes de tubulações pressurizadas. Advanced Engineering Informatics, 2013. https://doi.org/10.1016/j.aei.2013.01.001
- Aprendizado por transferência explicável de simulação para campo para detecção de vazamentos baseada em transientes em redes de distribuição de água. Water Research, 2026. https://doi.org/10.1016/j.watres.2026.126464
- Agência de Proteção Ambiental dos Estados Unidos. Monitoramento da qualidade da água em sistemas de distribuição: metodologia e resultados de avaliação de tecnologia de sensores. https://www.epa.gov/sites/production/files/2015-06/documents/distribution_system_water_quality_monitoring_sensor_technology_evaluation_methodology_results.pdf
- Ofwat. Relatório anual 2025 do Fundo de Inovação. https://www.ofwat.gov.uk/wp-content/uploads/2025/07/Ofwat-Innovation-Fund-Annual-report-2025-v5.pdf
- Ofwat. Soluções de energia verde e prevenção de vazamentos por CFTV entre inovações vencedoras no setor de água. https://www.ofwat.gov.uk/green-energy-solutions-and-cctv-leak-prevention-among-winning-water-innovations/
- Padronização e avaliação comparativa de conjuntos de dados e protocolos de avaliação para detecção de vazamentos de água baseada em aprendizado de máquina: uma revisão sistemática. Water, 2026. https://doi.org/10.3390/w18182267
- SIAM: um arcabouço de código aberto para identificação de anomalias em redes de distribuição de água. Software Impacts, 2026. https://doi.org/10.1016/j.simpa.2026.100842
- Detecção de vazamentos de água usando classificação de séries temporais autossupervisionada. Information Sciences, 2021. https://doi.org/10.1016/j.ins.2021.06.015
- Detecção de vazamentos em tubulações de água baseada em aprendizado de máquina e redes de sensores sem fio. Sensors, 2019. https://doi.org/10.3390/s19235086
- Detecção de vazamentos de água em redes de distribuição suburbanas com sensores vibroacústicos Lift and Shift. Sensors, 2022. https://doi.org/10.3390/s22166066
- Detecção e localização de vazamentos usando modelos: resultados de campo. Procedia Engineering, 2014. https://doi.org/10.1016/j.proeng.2014.02.128
- Associação Internacional da Água. Contratos baseados em desempenho para gestão de água não faturada. https://www.iwa-network.org/our-work/performance-based-contracts-for-non-revenue-water-market-development
- Banco Mundial. Nota de orientação sobre contratos baseados em desempenho para redução de perdas de água. 2025. https://documents1.worldbank.org/curated/en/099157411052511694/pdf/IDU-ddae29b5-2722-4a36-9992-5ac7789d6bb1.pdf
- Centro de Recursos de PPP do Banco Mundial. Ferramentas de contratação baseadas em desempenho para redução de água não faturada. https://ppp.worldbank.org/water-and-sanitation/performance-based-contracting-tools-non-revenue-water-reduction-tools-resources
Sobre o Autor
Chennakeshav (CK) é um executivo de finanças corporativas e investment banking com mais de 25 anos de experiência global em originação, estruturação e execução de negócios nas áreas de M&A, capital de crescimento e estratégia corporativa. Ele liderou mandatos de criação de valor para fundadores, empresas e fundos — conectando a visão da alta administração à execução prática e ao fechamento.
Sua carreira abrange Morgan Stanley, HSBC, Lloyds Banking Group, EWEC, empresas do portfólio da ADQ e Emirates Growth Fund, nos setores de TMT, imobiliário, fintech, deeptech, cleantech, infraestrutura e energia. Ele atuou em parceria com líderes da alta administração, fundos de private equity e de capital de risco, fundos soberanos e family offices para financiar captações de fundos complexas e empreendimentos em expansão, e liderou iniciativas de diligência devida de M&A, integração pós-fusão e transformação de negócios para criar valor.
Na Matchpoint Partners, ele é Sócio-Gerente e lidera a prática de finanças corporativas, M&A e captação de capital da firma. Ele possui um MBA pela London Business School, uma graduação em engenharia pela VTU e um Master of Laws (LLM, em andamento) pela UCL London.
Mentor ativo de startups, CK atua como mentor na Techstars, DIFC FinTech Hive, Startup Grind, Founder Institute e IN5, é Entrepreneur Mentor in Residence (EMiR) na London Business School e é jurado da Entrepreneurship World Cup.
LinkedIn: https://www.linkedin.com/in/ckadya/
Perfil: https://www.matchpoint-partners.com/team/ck-adya.html
