Classificação de leituras de hidrômetros para predição de vazamentos residenciais de água

Abstract

O monitoramento constante do consumo residencial de água é um processo inevitável para a otimização da distribuição de recursos hídricos e redução de perdas físicas de água por vazamentos. A automação da leitura de hidrômetros já está presente no Brasil por meio de medidores inteligentes e aplicativos para autoleitura. Portanto, necessita-se de um método para processar os dados de consumo de água disponibilizados pela internet dos hidrômetros e auxiliar na detecção de vazamentos e na tomada de decisões pelas empresas de distribuição de água. Este trabalho apresenta uma metodologia para criação de modelos de análise preditiva de vazamentos residenciais de água através da extração de atributos de leituras de hidrômetros e aplicação de técnicas de aprendizado de máquina. Os modelos de classificação de vazamentos foram desenvolvidos a partir de leituras de consumo de água simuladas e vazamentos de água simulados com base nos dados de consumo de água do Distrito Federal (DF) e apresentaram métricas de precisão entre 0,833 e1,00 de acordo com a vazão do vazamento de água perante a média de consumo da residência. Após o desenvolvimento dos modelos, foi implementado um protótipo de sistema de software com arquitetura baseada em eventos para processamento em tempo real de dados disponibilizados pela internet dos hidrômetros no DF. O sistema implementa um ouvinte conectado a um banco dedados em nuvem (GoogleFirebase) que recebe leituras de hidrômetros de uma aplicação móvel de autoleitura e as envia para a análise preditiva de vazamentos. A arquitetura publisher/subscriber da plataforma Apache Kafkafoi utilizada para distribuir os dados das leituras entre as unidades processadoras. O sistema retorna como resultado o risco de vazamento de água, estimado através da classificação das leituras pelo modelo de predição de vazamentos.