Introducción

Para abordar los crecientes desafíos del sector de agua potable, como el envejecimiento global de los sistemas de abastecimiento, la gestión de riesgos, la emergencia climática y la necesidad de una gestión resiliente para adaptarse al cambio y la variabilidad climática, la Agencia USEPA ha lanzado la herramienta Water Network Tool for Resilience, conocida por sus siglas en inglés como WNTR (Klise et al., 2017). Esta se orienta a la gestión de Sistemas de Agua Potable, WSS por sus siglas en inglés, y utiliza EPANET (Rossman et al., 2021) como su motor de cálculo principal.

Por otro lado, la empresa de desarrollo computacional Novastudio-DCKStudios ha desarrollado la iniciativa Boorie, que consiste en un conjunto de herramientas, o Toolbox, para asistir en la gestión de sistemas de Agua Potable y Saneamiento (APyS) mediante el uso de Inteligencia Artificial (IA). El objetivo incrementar es la eficiencia en la prestación de servicios, poniendo énfasis en la eficiencia en el uso del agua, alineándose con el Objetivo de Desarrollo Sostenible (ODS 6), y en la eficiencia energética, contribuyendo así a la reducción de la huella de carbono en sintonía con el ODS 13.

En este contexto, el propósito de este artículo es presentar las principales ventajas del producto de libre acceso Boorie-WNTR, buscando difundir el conocimiento entre los distintos usuarios y tomadores de decisiones, con el fin de fomentar una apropiación efectiva de la gestión por parte de todos los actores involucrados en la prestación de servicios de Agua Potable.

Dado que WNTR está desarrollado en Python 3, su utilización se limita a aquellos usuarios que están familiarizados con este lenguaje de programación, restringiendo su alcance a un grupo reducido de expertos. Ante esta situación, Novastudio propone el desarrollo de Boorie-WNTR, con la intención de hacer la herramienta más accesible y con mas poder para la socialización y la apropiación del conocimiento por los diferentes actores del agua.

Metodología

1. En primer lugar, se evalúan las ventajas y limitaciones del desarrollo de WNTR con el objetivo de establecer propuestas iniciales para su difusión con Boorie-WNTR. 1.1 Ventajas de WNTR: Se ha identificado que WNTR es capaz de: a) construir un modelo de red de agua desde cero y ejecutar una red de abastecimiento, b) agregar o eliminar elementos en la red, c) representar gráficamente la red original, d) mostrar resultados gráficos, e) iterar sobre elementos para simular diferentes escenarios, f) implementar controles y reglas avanzadas para simular condiciones operativas reales, g) manipular gráficos tipo Network o multigrafos dirigidos, h) presentar resultados de simulaciones para distintos elementos, como presiones en nodos, demandas, flujo en tuberías, niveles en tanques de almacenamiento y variables de calidad del agua, i) simular escenarios de desastres, destacando: i.1 contaminación en redes, i.2 terremotos (resiliencia sísmica y curvas de fragilidad) , aspecto último que se ha desarrollado específicamente para la Ciudad de Mérida, Venezuela (Astorga y Mora, 2014), i.3 roturas o fugas en tuberías (interrupción del servicio), entre otros, j) esqueletización de redes utilizando algoritmos propuestos por Walski u otros (2003) , generando un Gemelo Esencial a partir de un Gemelo Digital, k) reescalamiento y cambios de coordenadas para la integración con Sistemas de Información Geográfica (SIG). 1.2 Limitaciones: Entre las limitaciones de WNTR se incluyen su incapacidad para a) simular bombas de velocidad variable, b) trabajar con válvulas de propósito general, c) las curvas de las bombas solo admiten tres puntos y se limita al uso de la fórmula de Hazen-Williams (HW) para la pérdida de carga, y d) no permite el uso de curvas de volumen para tanques.

2. Tras identificar las ventajas y limitaciones, se seleccionan las características principales para compartir con el público en general: 2.1) Simulación general de redes, ajustes y presentación de resultados, 2.2) Escenarios de tuberías críticas y nodos afectados, 2.3) Escenarios de rotura y suspensión del servicio, incluyendo porcentajes de nodos afectados y la población correspondiente, 2.4) Esqueletización de la red y el ahorro de tiempo de cómputo según la plataforma utilizada para la simulación.

3. Selección de la plataforma para la ejecución de WNTR por usuarios no especializados. Para este propósito, se elige STREAMLIT®, que proporciona un entorno Web interactivo.

4. El usuario puede introducir la red de su elección en formato [.inp]

5. En la última fase de difusión, se entrena una Inteligencia Artificial Generativa basada en un modelo de lenguaje grande (LLM), como ChatGPT 3.5 turbo y 4, para que BoorieWNTR actúe como un Agente Hidráulico capaz de responder preguntas específicas sobre los casos analizados. Como plataforma de trabajo se selecciona LANGCHAIN.

Resultados y Discusión.

Los siguientes resultados se presentan extraídos de Presentaciones de STREAMLIT®. En la Figura 1 se muestras los nodos con afectación en su capacidad de servicio (Demandas menores al 90% del valor de consigna) debido a la rotura de una tubería o denegación del servicio.