• De Patricia Ruiz Guevara

 

Los algoritmos de IA y aprendizaje automático pueden utilizarse para entender y predecir cómo funcionan las depuradoras y tomar mejores decisiones en tiempo real. Ya se están usando en muchos proyectos, por ejemplo en la iniciativa europea DARROW.

 

La expresión inteligencia artificial (IA) ha dejado de ser solo un término de moda para ganarse un lugar destacado entre las tecnologías que ya están revolucionando la sociedad y la industria. No hablamos solo de ChatGPT, Dall-E u otros modelos de IA que están copando titulares. Con la inteligencia artificial también se pueden tomar mejores decisiones en base a la productividad y la eficiencia, y esto está directamente relacionado con la sostenibilidad y la economía circular.

 

Por eso, la IA también ha recalado en el sector del agua. Estos modelos pueden ayudar a mejorar la gestión de los recursos hídricos, a reducir las pérdidas – identificando automáticamente fugas – y a aumentar la calidad y seguridad del suministro. Las aplicaciones son infinitas y ya se están llevando a cabo muchas propuestas.

 

Por ejemplo, la IA se puede usar para detectar patógenos en el agua. Esto se utilizó durante la pandemia de la COVID-19 para hacer un seguimiento del virus en aguas residuales y los sistemas de alcantarillado. En el proyecto europeo digital-water.city, gracias a la inteligencia artificial se han desarrollado soluciones digitales para analizar la calidad del agua de baño de ríos urbanos en París en tiempo real: con aprendizaje automático, se creó un sistema de alerta temprana para predecir la concentración de bacterias.

 

Dentro del binomio IA y agua, hay una extensión donde la oportunidad es tan grande como la necesidad: la recuperación, tratamiento y revalorización de las aguas residuales.

 

 

La escasez de agua, las necesidades crecientes de la población y la crisis climática hacen imperativo que los recursos hídricos se aprovechen al máximo. Aquí entran las aguas residuales como una valiosa fuente no solo de agua, sino también de nutrientes y energía.

 

 

"El agua residual es un recurso del que se pueden extraer materiales de valor como biogás o fertilizantes orgánicos. Además, la depuración implica un consumo energético considerable y, por ello, en los últimos años la eficiencia energética se ha vuelto también una prioridad", explica Ion Irizar, investigador del centro tecnológico CEIT. Sin embargo, actualmente solo una pequeña parte de la producción total de aguas residuales se explota para la recuperación de recursos. Por eso es necesario buscar nuevos enfoques (y nuevas tecnologías).

 

En este escenario, "la inteligencia artificial emerge como una tecnología muy efectiva para extraer valor de los datos y dar soporte al personal de operación en su toma de decisiones, incorporando por ejemplo herramientas de tipo predictivo, software que genere recomendaciones operacionales e incluso componentes autónomos que actúen sobre el proceso en tiempo real", afirma Irizar.

 

Es lo que persiguen en el proyecto europeo DARROW: crear una solución de IA basada en datos para optimizar la recuperación de recursos de las aguas residuales y hacer que las depuradoras sean más autónomas y eficientes energéticamente. Añadido a esto, la idea es reducir las emisiones de gases de efecto invernadero y contribuir a la economía circular y, como resume Irizar, coordinador del proyecto, crear una solución que sirva para todo tipo de instalaciones de tratamiento de agua residual.

 

 

 

El uso de IA para modelizar plantas de tratamiento de aguas residuales tiene grandes ventajas, pero también algún inconveniente que pulir, explica Elena Torfs, investigadora de la Universidad de Gante (Bélgica), uno de los socios del proyecto DARROW, y de la Universidad Laval (Canadá).

 

Como desventaja, los modelos basados en datos e inteligencia artificial "no incluyen leyes físicas, así que no son fácilmente interpretables: son una caja negra, y también necesitan muchos datos para funcionar bien", indica la experta en modelización matemática de aguas residuales. Sin embargo, "sí que son extremadamente valiosos para el análisis en tiempo real de un sistema y su optimización", contrapone Torfs. Por ejemplo, si va a llover y se quiere decidir cómo operar la planta de forma óptima, utilizando modelos de IA se pueden simular montones de configuraciones para elegir la más adecuada.

 

En general, la IA se puede aplicar para desarrollar un algoritmo que entienda el comportamiento de la instalación y lo pueda predecir, de forma que esta se pueda controlar de forma automática y óptima. Por ejemplo, para determinar cuánto oxígeno utilizar en los biorreactores o cuánto lodo bombear a los digestores. "El uso de herramientas de IA y aprendizaje automático para la optimización y el control de toda la planta es un tema novedoso y aún no se ha aplicado en la práctica. Aquí es donde el proyecto DARROW pretende incidir", subraya Torfs.

 

 

 

El siguiente paso natural es otra expresión tecnológica a la orden del día: los gemelos digitales. "Aquí es donde todo confluye. Un gemelo digital es un modelo que tiene una conexión de datos automatizada con su gemelo físico, por lo que puede utilizarse en tiempo real para la toma de decisiones", define la investigadora. A futuro, los modelos de IA pueden posibilitar tener una versión virtual de la planta funcionando junto a la planta real: "Las ventajas potenciales son enormes, ya que se dispondría de un entorno virtual en el que se puede probar prácticamente todo lo que se desee antes de aplicarlo al sistema real". De momento, el proyecto se encuentra en fase inicial, pero cuando los modelos estén listos se instalarán en RWZI Tilburg, una planta de tratamiento de aguas residuales en Países Bajos.

 

 

La aplicación de la IA en el sector de las aguas residuales tiene campo para correr. Por ejemplo, "la explotación de los datos y la inteligencia artificial son de gran ayuda para aprender y detectar patrones anormales que permitan minimizar el impacto de ciberataques maliciosos", sugiere Ion Irizar del CEIT. También se pueden combinar tecnologías de simulación, optimización e inteligencia artificial para "resolver el problema de dimensionamiento óptimo de plantas de tratamiento".

 

 

No es sorprendente por tanto que durante los últimos años el número de proyectos que incorporan IA al tratamiento de agua haya ido al alza. Por ejemplo, desde 2021, la Universidad de Chicago, junto a otros centros de investigación, trabaja para transformar el sistema de tratamiento de aguas residuales municipales de Estados Unidos en un sistema inteligente de recuperación de recursos hídricos, nutrientes y energía gracias a la IA y el aprendizaje automático.

 

Otros países como Italia o España, también se suben al carro. Por un lado, gracias a Digital-water.city, la IA se ha aplicado en Milán (Italia) para poder reutilizar de forma segura las aguas residuales tratadas para riego agrícola y prevenir la contaminación bacteriana. Por otro, en España, en el Canal de Isabel II, están estudiando cómo utilizar la inteligencia artificial para inspeccionar colectores de agua residual, es decir, los conductos subterráneos donde se vierten las aguas de las alcantarillas. Hasta ahora, se recogían imágenes mediante una cámara que después eran analizadas por una persona. Esto está sujeto a la subjetividad humana, pero, incluyendo la herramienta de la IA para interpretar las imágenes, el análisis podría ser más objetivo. Además, la empresa española Grupo Depuración de Aguas del Mediterráneo (DAM) también está usando herramientas de inteligencia artificial y aprendizaje automático en el proyecto atmosphAIr, con el objetivo de mitigar las emisiones en redes de saneamiento y plantas depuradoras de aguas residuales.

 

Cuando el río suena, agua lleva, y ante tantos proyectos no parece que lo de la inteligencia artificial sean cantos de sirena. Si se le pregunta a ChatGPT, este chatbot de IA también parece tenerlo claro con su respuesta: "Sí, el uso de la inteligencia artificial puede ser muy útil para la gestión de aguas residuales".