Modelo do sistema de produção de água potável da região

metropolitana do estado do Rio de Janeiro - uma viabilização

das cidades do futuro.

Indicação de um Tema de Pesquisa:

Engenharia de Decisão & Gestão

Estudos de Prospecção e Monitoramento da Tecnologia

Rafael de Souza Gouvea

Mestre em gestão e estratégia - UFRRJ
 1. Memorial do percurso profissional e acadêmico do
candidato e sua meta a realizar na pós-graduação.

Rafael S. Gouvea nascido em 1984 no bairro de Santa Cruz, cidade do Rio de

Janeiro, estudante de escola municipal, técnico de Informática formado pela FAETEC –
Escola estadual. Inicia a graduação em 2004 na UFRRJ no curso de engenharia de
alimentos formado em 2010 inicia o mestrado em 2012, mesmo ano que começa a
trabalhar na companhia estadual de águas e esgoto (CEDAE), já tendo passado por
empresas como AmBev e Coca-Cola.

Na companhia de águas e esgoto do estado do rio de janeiro, aprovado no

concurso público para Analista de Processos e tendo o registro de trabalho como
analista desenvolvedor, atua nos 8 primeiros anos como desenvolvedor dos sistemas de
gestão comercial e de modelamento de perdas reais e aparente compondo os dados de
informações estratégica para tomada de decisão. Chegando ao final como coordenador
de área de desenvolvimento de softwares assumindo também a equipe de banco de
dados e business intelligence (BI). Com as modelas de adequação do modelo de
concessão do saneamento vigente no estado.

Nos Últimos dois anos atuando como coordenador de operação do tratamento de

água da Estação de tratamento de água (ETA)-Guandu, maior ETA em operação do
mundo, com uma produção de 42m³/segundo. Responsável por todas as etapas físico-
químicas.

Com o sucesso do curso de doutorado espero contribuir para a modelagem de

operação de ETAs do brasil, e alavancar o modelo de operação do saneamento frente os
desafios das cidades do futuro.
 2. INTRODUÇÂO

O trabalho propõe elaborar uma equação para um sistema dinâmico de produção

de água potável para distritos da cidade do rio de janeiro, por meio de dados disponíveis
de vazão, pressão, disponibilidade de decantadores e filtros, além de outras variáveis
ambientais que se mostrarem relevantes. A equação será ajustada automaticamente
através de algoritmos que compreendam as mudanças das variáveis. Espera-se com isso
contribuir para a tomada de decisão para as empresas de saneamento, além de promover
o conhecimento técnico-científico.

Atualmente mais da metade da população mundial vive em cidades, estima-se

que até 2050 serão 6.4 bilhões de pessoas vivendo nas cidades. A demanda por recursos
vitais como água, energia e comida crescerá fortemente, com o adensamento
populacional aumenta a demanda por água, ao mesmo tempo em que esse crescimento
impacta em fatores promotores a escassez com o uso desmedido e mudanças ambientais
locais. (IWA, 2017)

Segundo a associação internacional da água alguns fatores como escassez dos

recursos e aumento da densidade populacional são fatores que ameaçam a qualidade de
vida. Dentre outras propostas o planejamento, somente, por análises históricas podem
não ser a melhor solução visto que características futuras serão inéditas. (IWA, 2017)

Estudos como o de (VIANNA; DEPEXE, 2013), trazem uma proposta de

equação com previsão por regressão de série histórica de dados. Tal estudo é de grande
contribuição para a resolução do problema, contudo acreditasse que as mudanças serão
rápidas e modelos matemáticos mais precisos talvez sejam mais eficientes.

Equações de previsão modeladas constantemente podem trazer resultados mais

próximos da realidade, com previsão de comportamento de produção sendo o
remodelamento em intervalos curtos possibilitando perceber mudanças em função de
fatores não pensados como: interferências em não preditas, consumo em função de
mudança brusca na temperatura local, eventos sazonais ou atípicos.
 Estudos como o de MATONSE et al. (2013), buscam modelos a partir de
volume de entrada em reservatórios, assim com outros estudos buscam soluções a partir
de macro fatores climáticos e naturais para previsão de condições de abastecimentos das
grandes cidades. Havendo, portanto, uma carência na predição de dados com base no
estudo da produção e tratabilidade.

A companhia de águas e esgotos do estado do Rio de Janeiro (CEDAE) tem

investido e aprimorado um sistema de estudo de perdas do qual através de medições e
modelos matemáticos encontra vazamentos, além de identificar possíveis fraudes de
consumo e/ou cadastro, por meio de análise de dados de faturamento, consumo e
produção em microrregiões da cidade.

A unidade física de controle (UFC) dar-se-á pelo local de concentração das

informações obtidas por uma divisa de controles, na região onde há medições de
pressão, vazão e outras que necessárias forem para incrementar dados relevantes a
tomada de decisão. Tais setores são denominados distrito de medição e controle (DMC).
Nos DMCs são coletados dados de macro medidores que são confrontados com dados
micro medidores e dados cadastrais em posse desse conjunto é possível avaliar e
descrever comportamentos de consumo de água.

Como ferramenta para a mensuração e descrição do consumo dos DMCs o

Balanço hídrico é o método mais utilizado assim como aponta, para dados mundiais, a
International Water Association (IWA). Esse método possibilita a avaliação das perdas
de consumo segregadas em perdas reais e perdas aparentes.

As perdas reais são decorrentes de vazamentos na tubulação, operações ou manobras

de rede que resultem em descargas de trechos e operações de produção como limpeza de
filtros ou transbordo de tanques/reservatórios. Por sua vez as perdas aparentes são
decorrentes de furtos na rede, sub-medições essas causadas por hidrômetros antigos ou
danificados, além de falhas no cadastro.
 3. Objetivos Geral e Específico:

A pesquisa buscará a evolução da tomada de decisão na gestão do abastecimento

de água potável, através da utilização de software especifico para gestão de perdas,
contribuindo assim para melhoria da gestão do recurso e promovendo ferramentas para
a gestão das cidades.

1. A pesquisa terá como objetivo a modelagem do sistema dinâmico, a

produção de água potável. Essa modelagem possibilitará compreender por meio de
dados empíricos o comportamento de cada região.
2. Com a modelagem dos dados capturados em anotações de planilha e
telemedidos será possível depois de modelado, reunir uma massa de dados suficiente
para propor um modelo baseado em múltiplas variáveis como: pressão, vazão , grupos
de bombas , manobras de comportas e dosagem de insumos químicos de forma
adequada.
3. Propor uma equação de modelagem autoajustável, através de algoritmos
que regulem as entradas e saídas e ajustem a equação para a melhor solução.
 4. Definição do problema:

Estudos mais antigos como o realizado por (ARBUÉS; GARCÍA-VALIÑAS;

MARTÍNEZ-ESPIÑEIRA, 2003), mostra a importância no tratamento das variáveis
para a definição de um modelo adequado, no referido estudo os autores tiveram foco em
apontas as melhores seleções de variáveis para tentar de uma forma abrangente
descrever o estado da arte na definição do modelo de demanda de água para
abastecimento humano.

Estudos como a tese apresentada por (SANTOS, 2011) busca através de redes
neurais e algoritmos de treinamento baseado em variáveis antrópicas e ambientas
descrever o comportamento do consumo de água na cidade de São Paulo. Neste estudo
as redes neurais mostraram melhor resultados para repostas para sistemas dinâmicos
com dados atualizados em tempo mais próximo.

Como parte central do problema temos a necessidade de descrever de forma

mais coerente possível à previsão de consumo populacional, para termos embasados em
discursões sobre tarifação, politicas públicas de distribuição e racionalidade do consumo
de um bem tão precioso quanto a água.

No artigo produzido por (SCHLEICH; HILLENBRAND, 2009), mostra o

comportamento da demanda também por variáveis como idade media populacional,
tamanho das famílias e distrito de abastecimento, mostrando como característica
interessante o comportamento de consumo a menor, em distritos habitados
recentemente.

No entanto há, aparente, carência na literatura de modelos que descrevam o

comportamento de demanda com caráter de adaptação permanente além da
oportunidade de compilação de modelos já existentes, há, portanto, na amostra
observada, carência de um estudo que compile e compares os diferentes modelos já
encontrados e proponha solução com os estudos já realizados e crie ambiente para um
modelo de adaptação permanente. Além do fato de não se encontrar estudos empíricos
na região do Rio de Janeiro, implicando para mais uma oportunidade de especificidade
do trabalho proposto.
 5. Metodologia:

Entre os trabalhos pesquisados o que mais mostrou coerência quanto à proposta

é o trabalho realizado por (VIANNA; DEPEXE, 2013), neste os autores buscam
encontrar uma equação que descreva o consumo de água numa cidade de 100 mil
habitantes no noroeste do Paraná.

No entanto a proposta desta pesquisa tem inúmeras particularidades, como: os

dados-fontes serem gerados em tempo real (horários, com até um dia de defasagem); os
dados serão oriundos de equipamentos de telemedição, planilhas de controle
operacional, aplicativos de interface em tempo real, além de dados ambientais,
temperatura, precipitação, humidade relativa, eventos sociais como festas e shows.

Quanto aos dados telemedidos, trata-se de uma fonte de dados com geração de
valores automáticos que descrevem o comportamento de uma válvula, bomba,
comporta, de um equipamento ou fluxo. Sendo mensurada uma malha especifica através
de medições de volume de água de entrada, este dado são transmitidos para uma central
de controle que se integram a um banco de dados mais amplo.

No banco de dados há informações de origem técnica, ou seja, informações

como número de parâmetros dos equipamentos, estruturas de projetos e montagem. Há
também neste banco de dados informações de estocagem, qual foi o consumo histórico
de uma insumo químicos, sendo possível assim comprar dados e prever
comportamentos.

Quanto aos dados ambientais será necessário pesquisar em outras fontes públicas
ou por ventura instalar medidores desses dados a fim de incrementar o projeto de
pesquisa.

Em posse desses dados será proposto modelos de equação, como por exemplo,
por regressão, que descrevam o comportamento dos dados permitindo provisionar o
consumo, o faturamento e ou mitigar perdas. No entanto este provisionamento dar-se-á
por meio de equações moveis sejam estas no recorte temporal direto (últimos x meses)
ou na visão sazonal (mesmo mês nos últimos y anos).
 A proposta inicial não visa fixar recortes próprios e/ou modelos a serem
testados, buscar-se-á através de aprendizado de máquina encontrar equações que
descrevam o comportamento para o intervalo de tempo estipulado.

O banco de equações será fundamental para corroborar com análises sazonais e

comparativas de comportamentos, tanto no intuito de validação das informações como
apontamentos de mudança de comportamento de consumo, por exemplo.

Características da proposta:

 As equações serão fonte de algoritmos escritos pelo pesquisador/autor do

trabalho, em contraponto com o trabalho apresentado inicialmente, entre
tantos outros, que utilizam de softwares rígidos e de código fonte velado.
 As equações encontradas estarão presentes na ferramenta de gestão
(software gerencial), sendo utilizadas imediatamente na apresentação dos
valores de predição.
 Todas as equações serão parte de um banco de equações, para formação
futura de uma mineração de modelos.

Em resumo buscar-se-á através de uma massa de dados eclética, multivariada

tanto no formato como na frequência encontrarem-se modelos de comportamentos e
valores peculiares e de grande importância para tomada de decisão.

Tendo como exemplo:

Encontrar a predição de consumo de água da região metropolitana do Rio de

Janeiro, através das variáveis de consumo histórico, vazão da rede, pressão de
recalque, características de tratabilidade, comportamento do manancial, temperatura
ambiente, densidade populacional, eventos de aglomeração social, índice
pluviométrico etc..
 6. Resultados Esperados:

A proposta tem a expectativa de viabilizar um modelo de consumo urbano de

água potável distribuída por empresa pública de abastecimento. Modelo esse que
colaborará para a melhor operacionalidade do sistema, mitigando perdas do recurso de
forma direta e indireta, devido a disponibilização do mesmo em quantidade e
oportunidade mais adequadas.

A reboque dessa pesquisa temos a publicação acadêmica e frações do trabalho

realizado de forma mais profunda e seccionadas em artigos coerentes a cada fórum
específico como: os congressos de água e saneamento básico, para o que tange esse
grupo; nos congressos e simpósios de engenharia de produção, no que corrobora com a
modelagem de sistemas dinâmicos e técnicas de tratamentos de dados em tempo real;
para a contribuição de informações e conhecimento público nacional através da
divulgação dos resultados relevantes e comentados da pesquisa.

Além da oportunidade de avanço na economicidade do recurso que é, cada vez

mais, importante para a saúde e a vida das populações, tendo-se de forma cada vez mais
precária nas grandes cidades.
 7. Referências:

ARBUÉS, F.; GARCÍA-VALIÑAS, M. Á.; MARTÍNEZ-ESPIÑEIRA, R. Estimation of residential

water demand: A state-of-the-art review. Journal of Socio-Economics, v. 32, n. 1, p. 81–
102, 2003.

INTERNATIONAL WATER ASSOCIATION – IWA . The IWA Principles Water

Wise Cities, For Urban Stakeholders to Develop a Shared Vision and Act towards
Sustainable Urban Water in Resilient and Liveable Cities . Alliance House • 12 Caxton
Street London - U. K. 2017

MATONSE, A. H. et al. Investigating the impact of climate change on New York City’s
primary water supply. Climatic Change, v. 116, n. 3–4, p. 437–456, 2013.

SANTOS, C. C. DOS. Previsão de demanda de água na região metropolitana de são

paulo com redes neurais artificiais e condições socioambientais e meteorológicas. Tese
de Doutorado, Escola Politécnica da Universidade de São Paulo, p. 138, 2011.

SCHLEICH, J.; HILLENBRAND, T. Determinants of residential water demand in Germany.

Ecological Economics, v. 68, n. 6, p. 1756–1769, 2009. Disponível em:
<http://dx.doi.org/10.1016/j.ecolecon.2008.11.012>.

VIANNA, V.; DEPEXE, M. D. Modelagem de dados por regressão múltipla para previsão
do consumo de água em Umuarama. Exacta, v. 11, n. 1, 2013. Disponível em:
<http://www4.uninove.br/ojs/index.php/exacta/article/view/4193>.