Múltiples factores están en juego en la detección efectiva de eventos en la red de distribución de agua. Las características clave que permiten que un software detecte hechos reales, pero evite gritar lobo con demasiada frecuencia, pueden ser difíciles de detectar a primera vista.
Múltiples factores están en juego en la detección efectiva de eventos en la red de distribución de agua. Las características clave que permiten que un software detecte hechos reales, pero evite gritar lobo con demasiada frecuencia, pueden ser difíciles de detectar a primera vista.
Todo empieza por ser bueno en establecer la normalidad, es decir, en saber cuál va a ser el consumo de la zona en el siguiente paso de tiempo con una banda de dispersión suficientemente estrecha. Si esa banda no es lo suficientemente estrecha, es mucho más difícil decir con un grado de confianza aceptable que este valor que estamos viendo es normal o no normal (y, por lo tanto, potencialmente indicativo de un evento).
Para el algoritmo de gestión de eventos, la decisión clave en ese momento es saber cuándo no emitir una notificación, si no puede garantizar de manera confiable que algo está escapando a la normalidad, solo una corazonada no es suficiente. Es probable que la detección de eventos en bandas anchas genere demasiados falsos positivos. Por supuesto, la dispersión amplia a menudo es inevitable en las predicciones de flujo, y es poco lo que se puede hacer, excepto para evitar generar notificaciones falsas que solo ahuyentarán la confianza de los usuarios.
Es por esta razón que nuestros investigadores y científicos de datos en Baseform trabajan arduamente para aprovechar nuestro tesoro de big data (más de cuarenta años de experiencia en monitoreo de flujo en tiempo real y más de un millón de eventos detectados) a medida que nuestros motores predictivos aprenden diariamente cómo no gritar lobo en vano.
En la gestión de NRW, trabajar duro para acertar en las predicciones, ahorra tiempo, dinero y agua.
