Modelización, inteligencia artificial, big data y gemelos digitales para los retos de la gestión del agua



28/04/2022
Archivado en: Agua , Nº 236 Enero/Febrero 2022

Por Patricia Ruiz Guevara, RETEMA.


 

Los modelos matemáticos y las simulaciones basadas en datos fortalecen las decisiones tomadas en la logística del ciclo del agua: desde las infraestructuras y su mantenimiento, a la depuración y potabilización, o el abastecimiento ante situaciones imprevistas. La optimización de uno de nuestros bienes más preciados bebe de la innovación tecnológica y sostiene una mirada matemática y sostenible.

 

Hay desarrollos científicos que, a veces, se crean y se quedan escondidos en una caja en algún desván de la ciencia, aguardando el momento oportuno para que alguien los encuentre y los utilice.

Ha sucedido, por ejemplo, con la técnica del ARN mensajero, que ha vivido su momento de gloria durante la pandemia. Fue hace más de 60 años cuando el biólogo sudafricano Sydney Brenner descubrió el ARN, pero no sería hasta la década de 1990 cuando la tecnología permitió que se empezara a usar como terapia: la bioquímica húngara Katalin Karikó luchó con insistencia para desarrollar e implementar formas de curar enfermedades con ARN. Gracias a esta investigación extendida en el tiempo, se han podido utilizar para diseñar la vacuna de la COVID-19 de BioNtech y ModeRNA.

Con la ciencia básica suelen darse estas situaciones; especialmente, con las matemáticas.

La ciencia exacta por excelencia desarrolla modelos, teorías y herramientas desde la más pura abstracción que, a veces después de bastantes años, acaban teniendo satisfactoriamente una aplicación real. Alguien abre una caja del desván de las matemáticas y se encuentra con un teorema o un resultado que puede aplicar y, ¡eureka!, la ciencia, la tecnología, la industria y la sociedad avanzan. En otras ocasiones, solo hacía falta que fuera el momento adecuado.

Es el caso de las matemáticas aplicadas a la gestión integral del agua. Modelos matemáticos fraguados hace años permiten ahora, gracias a una mayor capacidad computacional y al avance de tecnologías como la inteligencia artificial (IA) y el big data, tomar mejores decisiones y actuar ante escenarios diferentes, como los propiciados por el cambio climático, para que el agua siga llegando a todos los hogares.

Modelos matemáticos fraguados hace años permiten ahora, gracias a una mayor capacidad computacional y al avance de tecnologías como la inteligencia artificial y el ‘big data’, tomar mejores decisiones y actuar ante escenarios diferentes.

 

Las matemáticas estaban ahí, faltaba el motor

Los modelos matemáticos han regado desde el principio la gestión moderna del agua, pero en estos años se ha dado el salto definitivo a la piscina. "Tienen una importancia vital, siempre la han tenido: para el desarrollo de modelos de transporte, distribución, gestión… Con el paso del tiempo y la aparición de las nuevas tecnologías, se ha producido el cambio definitivo de paradigma", explica Daniel Cardelús, Senior Data Product Manager en innovación digital y software de Agbar.

Big data, inteligencia artificial, los nuevos procesadores informáticos, sensores e internet de las cosas y, sobre todo, mayor potencia computacional, han permitido pasar de los modelos puros de centros de investigación a un nivel mayor de complejidad en el que "las matemáticas están en el centro", añade Cardelús.

"El sector del agua tenía que ponerse las pilas, estaba perdiendo mucha información valiosa porque se quedó un poco a la cola. Tenía datos y modelos, pero no se estaban implementando", destaca Gema Martín, directora de I+D+i de Aganova, matemática y doctora en Informática.

Estas son indispensables para la gestión del agua porque "esta se nutre de física, química, biología, ecología y economía, entre otros campos de conocimiento, y todas esas disciplinas utilizan matemáticas", otorga Gonzalo Delacámara, investigador principal y coordinador del departamento de economía del agua en el Instituto IMDEA Agua.

El sector del agua fue a buscar la caja al desván de las matemáticas y se encontró con que el momento era ya. "Tenía que ponerse las pilas, estaba perdiendo mucha información valiosa porque se quedó un poco a la cola. Tenía datos y modelos, pero no se estaban implementando", señala Gema Martín, directora de I+D+i de Aganova, matemática y doctora en Informática.

Lejos de dar pasos en falso, "primero hay que entender bien hacia dónde queremos ir: al ser una pata nueva que se está instaurando en este sector hay muchas dudas de cuál es la potencialidad real de esto", añade Martín. Durante los últimos años, ya hay muchos proyectos que han desempolvado bien la caja y que demuestran que, como añade Martín, "ese potencial es muy grande".

 

Reactivo, preventivo y proactivo

La modelización matemática permite tener una visión amplia de las infraestructuras relacionadas con la gestión del agua. Los modelos han evolucionado: antes eran más descriptivos -describen una situación existente-, ahora son más predictivos gracias al aumento de los datos -permiten simular una acción a futuro para analizar con antelación cómo actuar. Pasan de la reacción a la proactividad.

Antonio Lastra es coordinador de innovación en red de la Subdirección de I+D+i de Canal de Isabel II y conoce al detalle cómo se aplican distintos tipos de modelos matemáticos a la gestión de todas las fases del ciclo del agua.

Empezando por lo más sencillo, los utilizan de manera diaria para gestión de las redes de agua potable y alcantarillado. "No planificamos ninguna obra de abastecimiento si no tenemos en cuenta el modelo matemático", afirma.

En modelos en dos dimensiones, "podemos simular inundaciones y meter diferentes tipos de lluvia para ver qué zonas se inundan; también usar modelos de cuenca hidrológica para analizar lo que pasa en la cuenca y prever la calidad de los embalses". Para ello, utilizan las ecuaciones de Saint-Venant.

"No planificamos ninguna obra de abastecimiento si no tenemos en cuenta el modelo matemático", destaca Antonio Lastra, coordinador de innovación en red de la Subdirección de I+D+i de Canal de Isabel II.

En una escala más, a tres dimensiones, utilizan las ecuaciones en derivadas parciales de Navier-Stokes de volúmenes finitos y las ecuaciones de física de partículas de Lattice Boltzmann. "Estas resuelven eventos hidrodinámicos y de transporte de contaminantes, y sirven para analizar la calidad dentro de los depósitos de agua clorada", explica Lastra. Estas últimas tienen tiempos de computación menores, pero las de Navier-Stokes son más exactas. La parte más difícil, señala, es la de depuración de agua, donde modelizan reactores biológicos.

Delacámara ofrece más ejemplos de aplicación de modelos matemáticos:

  • En la operación de una central hidroeléctrica: "Puedes modelizar qué momento es idóneo para hacer la liberación de agua y diseñar crecidas artificiales en el río para generar energía eléctrica, al tiempo que se protege el ecosistema y se garantiza el abastecimiento de usos aguas abajo".

  • En los sistemas de riego en agricultura: "Hay modelos que te permiten incorporar qué supone para un regante añadir en ese momento agua de riego, simular el comportamiento de todo el sistema para optimizar la rentabilidad y los consumos de energía y agua".

  • En la demanda de agua: "Se modeliza qué agua utiliza el turismo, los abastecimientos urbanos, las industrias manufactureras, la ganadería… Esto te permite simular cuál es la eficiencia en el uso de agua según el tipo de uso y vincularlo a modelos de desempeño macroeconómico".

  • En las aguas pluviales urbanas: "De pronto tienes un volumen torrencial de agua en una ciudad que genera un agua gris o negra que va a la red de alcantarillado, acaba en la depuradora y resulta que esta no estaba diseñada ni para asumir tanta agua ni para tal concentración de contaminantes atmosféricos. Si tu modelo puede anticiparse a ello, puedes decidir cómo actuar".

 

Gemelos digitales, tecnología como un espejo

Una de las maneras de anticiparse a un suceso es poder jugar con una especie de maqueta que te permita visualizar ese escenario y probar diferentes combinaciones. Esa maqueta, antaño tradicional, hace unos años que se ha traducido en una versión no física: los digital twins o gemelos digitales, simulaciones para la industria que permiten predecir y tienen una fuerte base matemática.

"Estamos trabajando en modelar el sistema hídrico y tener una copia en el entorno digital. Con esa copia podemos representar escenarios what if (y si), una versión digital fiel de lo que sucede en la realidad con la que se puede visualizar qué pasaría si una situación como esta sucediese en los próximos meses", explica Frank Zamora, CIO - director de tecnología de la división Agua de ACCIONA.

"Los modelos matemáticos y la inteligencia artificial permiten predecir situaciones de crisis y actuar de forma preventiva para evitarlas", afirma Frank Zamora, CIO - director de tecnología de la división Agua del ACCIONA.

Se trata de poder tener las condiciones actuales de manera limpia y, sobre ese gemelo digital, inyectar escenarios y ver cómo reacciona. Por ejemplo, frente a lluvias inesperadas, fuertes nevadas o una sequía.

"Todo se puede programar y representar en el mundo digital, se trata de entender cuáles son las variables. Dependiendo de ellas, se trabaja en cómo trasladar a un entorno matemático una situación de escasez de agua y se ve cómo puede afectar al suministro y cómo se podría reaccionar", ejemplifica Zamora. "Los modelos matemáticos y la IA permiten predecir situaciones de crisis y actuar de forma preventiva para evitarlas", concluye.

La plataforma de 'data intelligence' para redes de agua de ACCIONA, BIONS, permite mejorar la gestión de los sistemas de agua. Foto: ACCIONA

 

Inteligencia artificial para aguas residuales

Otra tecnología en boga que bebe de las matemáticas es la ya interiorizada inteligencia artificial. En el caso de Canal de Isabel II, destaca un proyecto en que la quieren utilizar para inspeccionar en colectores de agua residual, conductos subterráneos donde las alcantarillas vierten sus aguas.

"Tenemos de dos tipos: visitables, donde puede ir un operario, y tubulares, donde no es posible el acceso humano. Para inspeccionarlos y hacer la revisión predictiva se mete una cámara que hace un vídeo que hasta ahora mismo se analizaba por una persona", indica el coordinador de innovación en red de la subdirección de I+D+i de Canal de Isabel II, Antonio Lastra.

Esto entraña un riesgo de subjetividad: lo que para uno es una fisura, para otro es una rotura. "Estamos en un punto bastante avanzado de inteligencia artificial para interpretación de imágenes. Estamos entrenando a nuestra IA para que haga ese trabajo y el operario dé la revisión final en los casos cruciales", señala Lastra.

Quieren unir este proyecto con otro sistema de IA: un dron que vuele solo por los colectores visitables, escanee las paredes con un sensor de rayos de puntos y sepa volver. "Queremos darle mucho más valor a la experiencia de esos operarios que estar exponiéndose a zonas desagradables, y también mejorar sus condiciones de seguridad en el trabajo", añade.

 


 

Un maletín de herramientas matemáticas

Son muchas las ramas de las matemáticas que se aplican en la gestión del agua: geometría, probabilidad y estadística, análisis matemático y numérico, topología, matemática computacional y optimización, entre otras.

Alfredo Bermúdez de Castro, profesor emérito de Matemática Aplicada de la Universidad de Santiago de Compostela, es una figura clave en la aplicación de las matemáticas a la industria y pionero en crear puentes entre ambas. El matemático, desde su vasta experiencia, enumera cuáles son las herramientas más utilizadas para la gestión del agua y da sendos ejemplos.

"Lo primero que hay es modelización matemática: el agua es un fluido que se está moviendo y que vive una serie de procesos fisicoquímicos que también se pueden modelar matemáticamente; por ejemplo, si hay una inyección de oxígeno o agua contaminada.

Para estos modelos, lo clásico y lo básico es usar ecuaciones diferenciales o ecuaciones en derivadas parciales, que son las que pueden representar los fenómenos como reacciones químicas o degradación de la materia orgánica dentro del agua. Todo eso obedece a ciertas ecuaciones donde se tiene en cuenta la cinética

También hay modelos mecanísticos: modelos realistas que plantean un modelo físico analizado desde el punto de vista matemático e incorpora una cantidad masiva de variables y datos. Con ellos, creas una especie de cajas negras, donde metes unos parámetros de entrada y la caja negra te da un resultado.

Por ejemplo, parámetros como la pluviosidad de los últimos días o la carga de contaminación que tiene un agua. Con esa serie de datos, la herramienta te da unas ecuaciones matemáticas bastante transparentes al usuario y unos resultados: si vas a verter el agua a un río, cuando se puede parar su limpieza porque no necesitas que el agua sea potable, sino que tenga poca carga contaminante. Te interesa optimizar para no depurar de más y ser sostenible.

Aquí aparecen los problemas de optimización, escenarios que consisten en encontrar la mejor solución a partir de todas las soluciones factibles. En este caso, tengo un problema de optimización donde quiero reducir el coste energético sometido a la restricción de calidad a la salida. Es un problema típico de optimización con restricciones".


 

Matemáticas para detectar fugas de agua

Los nautilus parecen animales de otro mundo. Es un género de moluscos cefalópodos considerados una especie de fósiles vivientes. Nautilus también es el nombre que recibe el submarino de Veinte mil leguas de viaje submarino y La isla misteriosa, de Julio Verne. Una nave de ficción propulsada por electricidad que, como muchas de las ideas del escritor francés, se adelantó a su tiempo.

El Nautilus de Aganova también busca adelantarse a su tiempo y parece un avance de otro mundo. Se trata de un sistema acústico avanzado que recorre la red desde el centro de la tubería para detectar fugas. "El futuro está en que Nautilus no solo capte sonido, sino que también incluiremos nuevos sensores que nos permitan recopilar otro tipo de fuentes de datos", detalla la directora de I+D+i de Aganova, Gema Martín.

El objetivo es "completar al máximo un análisis de la integridad estructural de la tubería y no solo fugas: corrosiones, sedimentos… Cuantos más datos podamos capturar, más conclusiones podremos sacar".

En Aganova centralizan los datos obtenidos de la inspección en la plataforma Nemo (sí, como el capitán del Nautilus), donde están los algoritmos basados en modelos matemáticos con los que pueden posicionar la fuga y analizar cómo va a evolucionar. "De cara a los clientes es muy importante esa previsión para poder plantear medidas preventivas en sus redes de transporte y distribución de agua", señala Martín. ¿Confían en este tipo de soluciones? "La mayoría sí, está siendo un cambio muy bien recibido. Antes tardaban más en recibir un informe de resultados, ahora lo ven en tiempo real y lo conocen de primera mano", afirma.

Su algoritmo de posicionamiento no deja de optimizarse, añade la experta, que ratifica que siempre ha estado basado en un modelo matemático, hubiera más o menos supervisión humana.

Depuradora Cabezo Beaza en Región de Murcia. Foto: Agbar

 

De las rías gallegas a un código internacional

"Yo nací a la investigación con las matemáticas del agua", exclama Elena Vázquez, profesora titular del departamento de Matemática Aplicada de la Universidad de Santiago de Compostela e investigadora vinculada con el Centro de Investigación e Tecnoloxía Matemática de Galicia (CITMAga). La matemática gallega tiene una extensa trayectoria modelizando y simulando sistemas acuáticos.

"Cuando empecé a investigar había que entender cómo se movía el agua en las rías, las velocidades y las alturas del agua, la geografía y la batimetría", explica. Participó en modelos preventivos de rotura de presas, mapas de inundaciones, protección de hábitats de peces, definición de dominios públicos o privados de lagos o escenarios de comportamiento de especies ante distinta salinidad; todo, con modelos matemáticos.

"Puedes jugar con esos escenarios, cambiar las condiciones de contorno, hacer simulaciones, ver qué obtienes, monitorizar con casos reales vividos, vlidar los métodos y sacar conclusiones", relata Vázquez, listando todas las partes del proceso matemático. Su pasión aúna resolución y realidad cercana: "Me gusta que, cuando resuelves un problema real y un problema de tu entorno, estás haciendo matemáticas".

"Puedes jugar con esos escenarios, cambiar las condiciones de contorno, hacer simulaciones, ver qué obtienes, monitorizar con casos reales vividos, validar los métodos y sacar conclusiones", afirma Elena Vázquez, profesora titular del departamento de Matemática Aplicada de la Universidad de Santiago de Compostela.

De esa pasión y de su investigación sobre el cálculo de las corrientes de mareas en las rías gallegas, surgió un código que hoy en día se aplica en diferentes regiones de todo el mundo para prevención de inundaciones: el código Iber, que se distribuye de manera abierta y gratuita, y es fruto del trabajo conjunto de investigadores de las universidades gallegas, la Universitat Politècnica de Catalunya y el Centro de Estudios y Experimentación de Obras Públicas (CEDEX).

"Es un modelo hidráulico bidimensional que simula el flujo en ríos y estuarios, una simplificación de las ecuaciones de Navier-Stokes con la que hacemos una foto más sencilla de la realidad", explica Vázquez.

El mayor reto es la unicidad de solución: en este modelo, desde el punto de vista matemático, hay infinidad de soluciones discontinuas, pero "en cada contexto hay que dar con una solución con sentido físico".

Iber dispone de muchos módulos y una interfaz amigable, "porque también queremos tener ese componente social de transferir a la sociedad lo que creamos, especialmente en países en desarrollo que igual no pueden pagar un código así y lo necesitan para hacer frente a situaciones límite".

 

Enfoque sostenible: modelizar la incertidumbre

Es algo latente y patente en todos los sectores: si antes solo se abordaban las problemáticas desde un punto de vista de eficiencia operacional, ahora es obligatorio hacerlo con la componente social y ambiental. "Cuando aplicamos tecnologías y matemáticas al agua, hay que tener esto presente en el diseño de la solución que planteamos", dice Cardelús.

Esto pasa por mirar con detalle que en las instalaciones se pierde el mínimo agua posible y que se utilizan técnicas avanzadas para reparar fugas, ejemplifica. "El recurso que estamos manejando es muy preciado, escaso y crítico. Por eso, hay que ser eficientes tanto en el gasto de recursos, como en el impacto sobre el medio, y dar a los ciudadanos un servicio de calidad".

La mirada a la sostenibilidad llega a tiempo, pero hay que ser realistas: el cambio climático es una realidad con efectos a los que hay que adaptarse y que, más que cambiar la naturaleza de los problemas, cambia la intensidad y la frecuencia.

"Nos hemos pasado toda la vida pensando que nuestro objetivo era reducir la incertidumbre. Pero han pasado cosas que nos demuestran que la incertidumbre llegó para quedarse: la COVID-19 y el cambio climático", inspira Delacámara. "Si aceptamos que la incertidumbre ha llegado para quedarse, hay que abrazar la modelización matemática".

"Si aceptamos que la incertidumbre ha llegado para quedarse, hay que abrazar la modelización matemática", destaca Gonzalo Delacámara, investigador principal y coordinador del departamento de economía del agua en el Instituto IMDEA Agua.

El experto propone pasar de modelos estrictos de optimización de manera estática a modelos que incorporen de modo más decidido la incertidumbre. Por ejemplo, el escenario excepcional como la borrasca Filomena en Madrid en 2021, como ejemplifica Zamora de Acciona: "Con un modelo se podría haber visto cómo afectaría al sistema, qué activos se verían impactados, cómo va a afectar al suministro de agua y proponer, de manera inteligente, cómo actuar".

Elena Vázquez lanza una mirada verde diferente: plantea que los modelos matemáticos se pueden reaprovechar y, así, minimizar esfuerzos. "Reutilizar métodos numéricos que se habían desarrollado para el agua en otros temas, como la red de gas o el flujo de personas, confiere a las matemáticas una dimensión de sostenibilidad".

"Reutilizar métodos numéricos que habíamos desarrollado para el agua en otros temas, como el gas, confiere a las matemáticas una dimensión de sostenibilidad", afirma Elena Vázquez, profesora titular del departamento de Matemática Aplicada de la Universidad de Santiago de Compostela.

La experta señala que son ejemplos de transferencia entre matemáticas e industria, y un ejemplo más de las posibilidades de personalización de los modelos matemáticos.

También debe ser verde la mirada sobre la computación de esos modelos: "No se trata de calcular por calcular, eso es un consumo de energía. Hay que desarrollar algoritmos sostenibles y comprometernos con la parte del cálculo".

Las matemáticas ofrecen, entre su amplia horquilla de herramientas, la posibilidad de una mirada más sostenible, personalizada, predictiva y proactiva a los retos actuales de la gestión del agua. Sus soluciones, adaptables a la idiosincrasia de cada terreno e infraestructura, son la base de los nuevos desarrollos tecnológicos y de los que están por venir para mejorar el futuro. La caja de las matemáticas aplicadas a la gestión del agua está abierta, y no va a volver al desván.


 

Datos, datos y más datos para nutrir modelos y algoritmos

Todas las aplicaciones de las matemáticas a la gestión del agua tienen una cosa en común: los datos. Sin datos no se puede evaluar nada, ¿o sí?

Los expertos coinciden en la importancia de su captación. "Hoy en día hay muchos datos que no se están registrando ni digitalizando y se están perdiendo. Hay muchas empresas del sector del agua que aún tienen planos e información en papel, queda un gran trabajo que hacer", dice Gema Martín de Aganova.

"Las compañías de servicios de agua han pasado de ser empresas que gestionaban infraestructuras de agua y servicios públicos, a ser empresas que gestionan todo eso y, también, datos", sostiene Gonzalo Delacámara de IMDEA Agua.

Esta captación tiene un objetivo: alimentar los modelos, entrenar los algoritmos de inteligencia artificial, sustentar los gemelos digitales.

"Nuestro modelo de transformación y operación digital se llama DINAPSIS. La digitalización y la capacidad de manejar un gran volumen de datos nos permite generar potentes modelos de IA que, a través de este nuevo paradigma de operación inteligente, somos capaces de trasladar a nuestra operación diaria", resume Daniel Cardelús de Agbar.

"Combinar el bullicio actual tecnológico es una revolución en el sector del agua", afirma Daniel Cardelús.

Ese aumento en el volumen lo ha procurado la potencia computacional. "Antes tardabas cinco días en correr un modelo, ahora puedes hacerlo incluso en paralelo. Combinar el bullicio actual tecnológico es una revolución en el sector del agua", exclama. 

De los datos se obtiene inteligencia, como hace la plataforma de data intelligence para redes de agua de Acciona, BIONS, que busca mejorar la gestión de los sistemas de abastecimiento de agua y saneamiento. "Con ella tenemos la visión completa de la red y con esos datos podemos implementar modelos de optimización y predicción sobre fugas, roturas, activos defectuosos, problemas de telemetría o fallos operativos. Esto nos permite garantizar el acceso al agua de los ciudadanos y evitar pérdidas, cumpliendo con el compromiso de Acciona en sostenibilidad”, explica Frank Zamora.

¿Pero qué pasa si no hay datos? Hay que buscar otras opciones. Para Delacámara, una manera es nutrirse de imágenes de remote sensing (teledetección) y "utilizar modelos para convertirlo en información aproximada".

Cardelús llama a la creatividad: "Es cuestión de investigar, analizar el ecosistema de empresas y startups, estar atento a la velocidad con la que aparecen dispositivos y a nuevas maneras de obtener datos". En ese sentido, hay lugares simples que tradicionalmente han tenido poca sensorización. Tener una mirada despierta puede encontrar nuevas oportunidades.

Si ni con esas se obtienen datos, otra manera es trazar sistemas "menos dependientes". Cardelús explica que se trata de sistemas que aprenden y pueden conocer la red sin necesidad de sensorizar tanto.


Puedes descargar el artículo completo en PDF aquí.


944

RECIBE NOTICIAS COMO ESTA EN TU CORREO