Abstract:
RESUMO: A perda de água em redes de distribuição é um desafio crítico com severas
implicações socioambientais e econômicas, demandando soluções tecnológicas
eficientes para a gestão hídrica. Este trabalho teve um duplo objetivo: (i) desenvolver
um modelo computacional para identificar a localização de perdas em redes de
distribuição através da análise de dados de pressão, e (ii) avaliar a abordagem de
calibração e controle de perdas nos cursos de Engenharia Civil no Brasil. A
metodologia combinou a simulação hidráulica (EPANET) com a aplicação de Técnicas
de Aprendizado de Máquina (Inteligência Computacional) para detecção e diagnóstico
de vazamentos. Os resultados demonstraram que o modelo computacional alcançou
uma capacidade satisfatória e precisa na identificação de anomalias, confirmando o
potencial da integração de modelagem e IA para a otimização operacional.
Paralelamente, a análise curricular revelou uma abordagem prática limitada sobre o
tema nas universidades. Em resposta a essa lacuna, foi elaborada uma proposta de
disciplina específica, com ementa e bibliografia, visando fortalecer a formação
profissional. Conclui-se que a aplicação de modelagem avançada e inteligência
artificial é crucial para a gestão eficiente, devendo ser acompanhada pela
modernização da formação acadêmica para garantir a sustentabilidade e resiliência
dos sistemas de abastecimento.
ABSTRACT: Water loss in distribution networks constitutes a critical challenge with severe socio-
environmental and economic implications, demanding efficient technological solutions
for water resource management. These losses, mainly caused by leaks, compromise
water security and increase operational costs. This study had a dual objective: (i) to
develop a computational model capable of identifying the location of water losses in
distribution networks based on pressure data analysis, and (ii) to evaluate the
approach to calibration and loss control in Civil Engineering curricula in Brazil. The
methodology combined the hydraulic simulation of a fictitious network (using EPANET
software) with the application of Machine Learning Techniques (Computational
Intelligence) for the real-time detection and diagnosis of leaks. The results
demonstrated that the computational model achieved satisfactory and precise
capability in identifying anomalies, confirming the potential of integrating hydraulic
modeling and ML algorithms for operational optimization. Furthermore, the curriculum
analysis revealed a limited practical approach to the topic in universities. In response
to this gap, a proposal for a specific course, complete with syllabus and bibliography,
was developed to strengthen professional training. It is concluded that the application
of advanced modeling and artificial intelligence is crucial for efficient management, and
must be accompanied by the modernization of academic training to ensure the
sustainability and resilience of water supply systems.
