Preservação, uso responsável e acesso universal à água potável são alguns pontos trazidos à tona em 22 de março, Dia Mundial da Água. Sob essa perspectiva, o Projeto IAguas, desenvolvido em conjunto pela Universidade Federal Fluminense (UFF) e outras empresas, direcionou o olhar e recursos para os quase 1,4 mil km² de área de extensão da Bacia do Rio Guandu. Com a colaboração da Companhia Estadual de Águas e Esgotos do Rio de Janeiro (Cedae), a iniciativa elabora modelos de Inteligência Artificial (IA) que contribui com as operações das Estações de Tratamento de Água (ETAs) por meio de análises e previsões qualitativas do corpo d´água.
“A grande ideia é conseguir antecipar questões de ordem da qualidade da água, especificamente voltadas para as estações de tratamento e os mananciais que as abastecem”, introduz o professor do programa de Mestrado Profissional em Engenharia de Produção e Sistemas Computacionais (MESC/UFF) da universidade e coordenador do projeto, Leonard Barreto Moreira. O fio condutor do IAguas é, por meio de mecanismos computacionais, a previsão de eventos que podem impactar os recursos hídricos no futuro breve e contribuir com soluções práticas para problemas contemporâneos, como a adaptação das cidades em meio às mudanças climáticas com auxílio da universidade.
O Projeto IAguas – Inteligência Artificial na Previsão de Eventos de Risco para Qualidade da Água em Mananciais e Estações de Tratamento é uma iniciativa da startup VM9 e da UFF, além da colaboração do edital da Financiadora de Estudos e Projetos (FINEP).
Como a IA antecipa situações?
Variações na quantidade de chuva, proliferação de bactérias ou diferenças nos índices de turbidez, ou seja, se água está mais ou menos turva, são exemplos de circunstâncias que podem atrapalhar as operações das ETAs, mas podem ser evitadas com antecedência. Em resumo, “são eventos de ordem hidrológica que impossibilitam a captação e o tratamento da água”, afirma Moreira.
“Monitoramos os casos em que o abastecimento de água deve ser interrompido, quando há necessidade de adquirir mais insumos ou deslocar uma equipe operacional maior para as ETAs”, explica. “Detectar o risco com antecipação traz uma série de benefícios, não só sociais, mas também econômicos. Essas situações são voltadas ao uso eficiente de insumos químicos e a redução de manutenção corretiva, especialmente quando o funcionamento das estações de tratamento é pausado inesperadamente, algo muito custoso.”
Os modelos preditivos de IA podem antecipar em até uma semana situações que afetam as ETAs. Foto: Pexels
Para isso, o sistema utiliza a combinação de dados advindos de diversas frentes, como sensores, análises laboratoriais, informações meteorológicas e imagens de satélite. “As informações mostram frequências e pontos de interesse distintos, além da influência das mudanças hídricas”, diz. Neste caso, Moreira cita a sazonalidade como um fator relevante para compreender as alterações na água do rio Guandu: a quantidade de chuva, incidência solar e estação do ano no momento impactam de diferentes maneiras. “A partir disso, aglutinamos todos os dados, que passam por um tratamento estatístico para modelar os parâmetros de interesse em determinados pontos da bacia”.
Além disso, o sistema também usa relatórios cedidos pela Cedae e de estações meteorológicas, como o Instituto Nacional de Meteorologia (INMET) e o Climatempo, que indicam dados sobre o clima, vazão do rio, precipitação, temperatura do ar e da água. “Recebemos e analisamos uma série de informações compiladas, que usamos para fazer um trabalho estatístico. Assim começam a nascer os primeiros modelos computacionais, que são colocados em operação e refinados pela equipe de tempos em tempos”, elucida Moreira.
As amostras são recolhidas pelos sensores em diferentes frequências – a cada duas horas ou uma vez ao dia, a depender do local da coleta. Segundo Moreira, entretanto, todas elas possuem uma previsão de sete dias, ou seja, a IA consegue prever uma semana antes uma situação que pode vir a afetar a bacia. “Esse é um tempo razoável para que tenhamos algum tipo de alerta e que equipes da ETA se organizem”, conta.
A coleta e a integração de dados é um dos módulos do Projeto IAguas, que também conta com a análise estatística das informações, o desenvolvimento de modelos de IA para a previsão das situações e classificação de risco e a visualização dos resultados como um todo. Hoje, já são sete modelos de IA aplicados para contribuir com as previsões.
“Os parâmetros monitorados por ponto de coleta são a água bruta, focado em critérios físico-químicos básicos, como a turbidez, o pH e a alcalinidade da água”, explica o professor. O último ponto indica a capacidade da água mudar o pH. Ademais, também é observada a captação que, além de verificar tais fenômenos, também inclui a medição de Oxigênio Dissolvido (OD), um elemento essencial para a vida na água e o tratamento eficiente.
A Cedae apontou na Bacia do Rio Guandu pontos de atenção onde os modelos de IA do Projeto IAguas atuam hoje. Foto: Filipo Tardim
“Há pontos distintos de captação de água no Rio Guandu que, mais tarde, é levada para a ETA, além de pontos de interesse previamente definidos pela Cedae e pela disponibilidade de informações já existentes”, explica o professor. “Fazemos uma triangulação de dados para verificar se algum sensor descalibrou ou algo relacionado.” Imagens de satélites e outras fontes automáticas que verificam as informações são alguns dos recursos que compõem a tal triangulação, que refere-se a um sistema de “pesos e contrapesos”, ou seja, o cruzamento de dados automáticos com laboratoriais. “Por exemplo, se o laboratório diz que o pH é 7.0 e o sensor marca 4.0, a triangulação detecta a discrepância imediatamente”, detalha Moreira.
Análises no Rio Guandu
De acordo com a Cedae , a Bacia do Rio Guandu abastece de 9 a 10 milhões de pessoas que vivem na Região Metropolitana do Rio de Janeiro e garante água potável para 80% dessa população. A extensão do rio e a importância para o estado foram elementos essenciais para a decisão do IAguas testar o projeto na localidade, uma vez que qualquer fator que interrompa a distribuição de água influencia diretamente os moradores dos municípios Duque de Caxias, São João de Meriti, Nova Iguaçu, Mesquita, Nilópolis, Belford Roxo e Queimados e a capital.
“Já existia na ETA-Guandu uma política de monitoramento contínuo devido a sua relevância. Por isso, já havia uma consistência interessante de dados, ou seja, uma matéria-prima básica, para alimentar os modelos computacionais”, explica Moreira. A convergência entre as informações disponíveis e as inovações estabelecidas pelo IAguas fomentou novas análises para o sistema operacional da estação de tratamento.
Módulos e fases do projeto
A área do estudo e tipo de corpo d’água analisados determinam os teste do IAguas, visto que algumas condições mudam conforme o local e movimentação da água. Na bacia do Rio Guandu, há uma confluência de rios – Mandu, Piranga, Queimados e duas lagoas, a Lagoa Grande e a Lagoa Pequena, que são áreas alagadas de água parada, por exemplo.
Segundo Moreira, a IA do projeto analisa dois eixos que seguem a resolução do Conselho Nacional do Meio Ambiente (CONAMA): as imagens, que indicam a normalidade (ou não) das características da água; e os dados numéricos, medidos em laboratório ou através dos sensores, que também verificam a qualidade do local.
“No primeiro momento com as lagoas, utilizamos imagens de satélite para verificar a coloração da água e a tendência a deterioração. Sabemos que as algas ali podem proliferar e ocasionar algum tipo de liberação química de toxinas na água”, explica Moreira. “Pretendemos criar um indicador que mostre a tendência de piora ou estabilidade desses locais, bem como um retrato da qualidade da água naquele dado momento, uma novidade para esse tipo de estudo.”
Embora os modelos preditivos já tenham sido desenvolvidos, testados e integrados, a fase atual do projeto ainda é de consolidação das práticas. Os testes do uso de inteligência artificial nas ETAs tiveram início em março de 2023 e chegarão ao fim em julho deste ano.
Projeto em conjunto
“A UFF entra com o conhecimento técnico”, resume o professor. A universidade está no foco e nas medidas estratégicas do processo, com a responsabilidade da coordenação científica e desenvolvimento metodológico do IAguas. É de responsabilidade acadêmica a concepção de modelos de IA, a análise de dados e a validação de resultados. Isso se dá por meio de professores, pesquisadores e bolsistas da graduação em Ciência da Computação e pós-graduação no programa MESC/UFF.
Além do consórcio com a Cedae, o IAguas conta também com financiamento público em Subvenção Econômica à Inovação (Finep/MCTI), e parcerias com as start-ups VM9 Tecnologia da Informação e Noah. “A infraestrutura de Tecnologia da Informação (TI) é feita pela empresa VM9, que recolhe os dados da estação de tratamento e se debruça sobre eles”, explica Moreira. “Já a Noah tem um papel a nível de hardware, com a instalação de sensores que permitem a coleta de vários outros dados, por exemplo. As startups entram com o papel de infraestrutura para operacionalizar, elaborar e implantar os modelos no projeto.”
Com o apoio dos parceiros, a proposta principal é fomentar o conhecimento em inteligência artificial para ampliar ainda mais a abordagem do projeto. “A ideia é internacionalizar a solução e torná-la escalável. Com poucos ajustes é possível transportar o modelo para outras companhias de água do Brasil e, quem sabe, do mundo”, indica o professor.
A colaboração da UFF com outras instituições e empresas expandiu a atuação do projeto. Foto: Arquivo Pessoal
O projeto já recebeu alguns reconhecimentos que garantem sua relevância, como o primeiro lugar no Prêmio Finep de Inovação – Região Sudeste, na categoria de Transformação Digital da Indústria para Ampliar a Produtividade em 2025. Os resultados coletados ao longo dos anos de estudos também foram apresentados no 26º Simpósio Brasileiro de Recursos Hídricos.
De acordo com o professor, há trabalhos em preparação e submetidos para publicações acadêmicas, além dos relatórios técnicos, apresentações institucionais e materiais científicos que garantem a consolidação do IAguas como referência na aplicação de IA à gestão de qualidade da água. Para ele, a recepção positiva do projeto e a visibilidade alcançada fomenta a expansão da iniciativa. “A intenção é manter a parceria com a UFF por meio do programa de mestrado e graduação e, no futuro, uma reestruturação para levar o IAguas para todo o Brasil em outras concessionárias”, ressalta.
_________________________
Leonard Barreto Moreira é professor adjunto do Departamento de Administração da Universidade Federal Fluminense (UFF). É Pós-Doutor em Cognição e Linguagem pela Universidade Estadual do Norte Fluminense (UNEF), Doutor em Modelagem Computacional pelo instituto Politécnico da Universidade Estadual do Rio de Janeiro (UERJ) e Mestre em Pesquisa Operacional e Inteligência Computacional pela Universidade Cândido Mendes.