Este evento virtual exploró cómo el aprendizaje automático complementa los métodos tradicionales basados en reglas para la detección de fugas de agua en el lado del cliente. Las reglas funcionan bien para los hogares estándar (por ejemplo, alertas de flujo nocturno), pero tienen dificultades con los usos no estándar y las propiedades no residenciales, donde los procesos intermitentes, de bajo volumen o continuos ocultan las fugas.


1. Las reglas siguen siendo fiables: La detección de fugas basada en reglas sigue siendo eficaz para los hogares estándar (por ejemplo, reglas de ausencia de flujo entre las 2 y las 4 de la madrugada), pero presenta dificultades con usos no estándar, como instalaciones industriales, propiedades de alto consumo y fugas intermitentes de bajo volumen.
2. El aprendizaje automático como complemento: El aprendizaje automático complementa las reglas al aprender patrones a partir de los datos (mediante aprendizaje supervisado y no supervisado) para identificar fugas sutiles y casos excepcionales que las reglas pasan por alto, lo que permite realizar intervenciones más precisas y de mayor valor.
3. El éxito de la estrategia híbrida: Se recomienda un enfoque híbrido: utilizar reglas para resolver eficientemente los casos sencillos y aplicar ML al 20% de los contadores que consumen el 80% del esfuerzo operativo y que, a menudo, generan volúmenes de fugas desproporcionados.
4. Despliegue basado en datos: Un despliegue exitoso de ML requiere una calidad de datos sólida, una ingeniería escalable capaz de gestionar millones de contadores y un ciclo de retroalimentación cerrado (verificación, reentrenamiento y supervisión del rendimiento) para mantener la precisión en condiciones reales.
5. Inteligencia para el ahorro de costes: Aunque el aprendizaje automático (ML) conlleva un mayor coste computacional en comparación con los métodos basados en reglas, permite generar ahorros mediante una detección más temprana en escenarios complejos, lo que favorece el cumplimiento normativo y reduce la producción de agua, la extracción y las emisiones asociadas.