Algoritmo de Identificação de Falhas Para auxílio ao planejamento operacional em Sistemas de Distribuição de Água

Abstract

RESUMO: Os sistemas de abastecimento de água potável são muito complexos e apresentam características diferentes. Entender o comportamento operacional é importante para a obtenção de soluções mais seguras e econômicas no gerenciamento da operação, manutenção, expansão e projetos de sistemas de abastecimento, haja vista que melhorar a eficiência operacional para garantir o abastecimento é uma questão de sustentabilidade empresarial. O estudo de variáveis operacionais como pressões, vazões, dentre outras, auxilia diagnósticos consoante mudanças e/ou falhas que podem influenciar na distribuição e causar desabastecimento. Nesta dissertação, foram aplicadas técnicas computacionais de aprendizado de máquina, como o K Nearest Neighbors (kNN) e o Support Vector Machine (SVM), para avaliação de reclamações dos clientes, associadas aos perfis operacionais de um sistema de abastecimento de água (SAA) por dados históricos de pressões, vazões e níveis de reservatórios, dispostos em média, desvio padrão e intervalo interquartil. O sistema escolhido para o estudo foi Viana Sede, operado pela Companhia Espírito-Santense de Saneamento (CESAN). Por meio de simulações com diferentes cenários de atributos e metas, foi possível avaliar o impacto em curto prazo (até 24 horas) e identificar, com precisão de até 80,6%, condições operacionais que causaram número elevado de reclamações de desabastecimento em comparação aos dias com número reduzido de reclamações de abastecimento. No estudo, também foram avaliados relatos de vazamentos e fatores climáticos relacionados aos dados operacionais, porém, não agregou melhoria aos resultados com a utilização da mesma metodologia. Os dados operacionais, analisados de forma integrada, apresentam-se como uma ferramenta útil para melhorar o planejamento e o controle operacional, permitindo assim classificar perfis operacionais de modo a identificar cenários críticos com finalidade de evitar reclamações dos usuários.