Evaluating a post-incident drinking water quality monitoring network using consumer complaints and verified leak events​​

Stel je de waterleidingen van een stad voor als een uitgestrekt, verborgen zenuwstelsel. Decennialang hebben waterbedrijven vertrouwd op een eenvoudige, menselijke manier om te weten of er iets mis is met dat systeem: ze wachten tot mensen bellen. Wanneer een kraan bruin loopt, of het water vreemd ruikt, pakt een bewoner de telefoon op. Deze klachten zijn lang de primaire alarmbel geweest voor problemen met de waterkwaliteit, een directe melding van de consument aan het waterbedrijf. In recente jaren heeft technologie echter een andere aanpak geboten. Steden installeren nu elektronische sensoren op sleutelpunten in het netwerk, apparaten die constant de helderheid, de chemische balans en de temperatuur van het water meten. De hoop is dat deze machines een probleem kunnen signaleren voordat één persoon een verandering opmerkt, als een vroegtijdig waarschuwingssysteem om grootschalige problemen te voorkomen. Maar een cruciale vraag blijft over: zitten deze sensoren wel op de juiste plaatsen om de problemen te vangen die echte mensen ervaren? Als de sensoren de verkeerde wijken in de gaten houden, kan de meest geavanceerde technologie ter wereld nog steeds de problemen missen.

In 2019 veroorzaakte een groot incident in Incheon, Zuid-Korea, een enorme golf van klachten over "rood water". De verkleuring duurde weken, beïnvloedde een groot deel van de stad en veroorzaakte aanzienlijke economische schade. Na afloop installeerde het lokale waterbedrijf een netwerk van hoogtechnologische monitoringsstations verspreid over het getroffen gebied. Deze stations werden geplaatst bij de ingangen van specifieke districten, zogenaamde 'district metered areas', ontworpen om de waterkwaliteit voor die wijken te bewaken. Het doel was om een vangnet te creëren dat toekomstige problemen direct zou detecteren. Twee jaar later begon een onderzoeker te testen of dit nieuwe netwerk daadwerkelijk zijn werk deed. De methode was eenvoudig maar rigoureus: in plaats van alleen te kijken naar wat de sensoren zagen, vergeleken de onderzoeker de sensordata direct met de werkelijke klachten die bewoners tijdens diezelfde periode hadden ingediend. De studie stelde een eenvoudige, eerlijke vraag: wanneer mensen klaagden over slecht water, waren de nabijgelegen sensoren dan getuige van wat er gebeurde?

Het onderzoek begon met het bekijken van een specifief evenement in september 2022. De sensoren registreerden een enorme, stadbrede golf van veranderingen in de waterkwaliteit. Vroeg in de ochtend bewoog een verstoring zich door het netwerk, wat een piek in troebelheid veroorzaakte die door tweeëntwintig van de drieentwintig monitoringsstations werd gedetecteerd. Deze golf van data reisde in een duidelijk, sequentieel patroon door het systeem. Opmerkelijk genoeg verscheen dit elektronische signaal ongeveer twee dagen voordat de bewoners begonnen te bellen. Op de dag dat de klachten eindelijk piekten, met een maximum van honderd veertig oproepen in één dag, hadden de sensoren het probleem al een lange tijd gevolgd. Dit deel van de studie toonde aan dat het netwerk in staat was tot zijn beoogde functie op grote schaal. Het kon een grote verstoring in de leidingen detecteren en functionarissen waarschuwen voordat het publiek zelfs maar wist dat er iets mis was. De technologie functioneerde als een breed, vroegtijdig waarschuwingssysteem voor de hele stad.

Echter, het verhaal veranderde drastisch toen de onderzoeker inzoomde op de specifieke wijken waar mensen belden. De analyse onthulde een scherpe en verrassende kloof. Hoewel de sensoren uitstekend waren in het zien van het grote plaatje, waren ze bijna volledig blind voor de lokale problemen die bewoners frustreerden. Toen de onderzoeker de klachten bracht in kaart voor de specifieke districten waar ze vandaan kwamen, ontstond er een duidelijk patroon: vierentachtig procent van de klachten over waarneembare waterkwaliteitsproblemen kwam uit wijken waar helemaal geen sensoren aanwezig waren. De sensoren waren geplaatst in districten die, hoewel belangrijk voor hydraulische redenen, niet de plaatsen waren waar de waterkwaliteit voor de bewoners daadwerkelijk faalde. De zeven wijken met het hoogste aantal klachten waren allemaal niet gemonitord. Het meest getroffen gebied tijdens het september-evenement, een district met het hoogste volume aan oproepen, had geen sensor om de crisis te registreren. De sensoren hielden de verkeerde plekken in de gaten.

Deze mismatch betekende dat de sensoren niet konden dienen als een lokaal vroegtijdig waarschuwingssysteem. Zelfs toen de onderzoekers probeerden om de sensorgegevens op dagelijkse basis te koppelen aan de klachten, vonden zij niets. De sensoren faalden niet in het detecteren van het water; ze bevonden zich simpelweg niet op de juiste plekken om het water te zien dat de bewoners dronken. De studie sprak de gedachte tegen dat de sensoren te ongevoelig waren of dat de algoritmen te streng waren. Het probleem was puur een kwestie van plaatsing. De sensoren waren geïnstalleerd op basis van administratief gemak en de lay-out van de leidingen, en niet op basis van waar de bewoners daadwerkelijk problemen ervoeren. Het onderzoek toonde aan dat als het waterbedrijf hetzelfde aantal sensoren in de wijken met de meeste klachten had geplaatst, zij bijna negentig procent van de probleemgebieden zouden hebben gedekt, in plaats van de zestien procent die zij momenteel dekken.

De studie onderzocht ook of de sensoren fysieke gebeurtenissen zoals leidinglekken konden detecteren. Door gegevens van geverifieerde reparaties aan lekken te analyseren, ontdekten de onderzoekers dat wanneer er een lek optrad binnen een gemonitord gebied, de sensoren een kleine maar meetbare verandering in de waterhelderheid registreerden binnen achtenveertig uur. Dit bevestigde dat de sensoren gevoelig genoeg waren om de fysieke effecten van een brekende leiding te zien. Toch was dit succes beperkt tot de weinige wijken waar de sensoren toevallig aanwezig waren. Voor het grootste deel van de stad, waar lekken en reparaties plaatsvonden in niet-gemonitorde blokken, bleven de sensoren stil. De technologie werkte, maar de waarde ervan werd ernstig beperkt door de plaatsing ervan.

De uiteindelijke conclusie van het onderzoek is een les in de beperkingen van technologie zonder context. Een monitoringsnetwerk is slechts zo goed als de plaatsing ervan. Het installeren van dure sensoren in de verkeerde wijken creëert een vals gevoel van veiligheid, aangezien het systeem precies de problemen zal missen die het bedoeld was op te vangen. De studie suggereert dat waterbedrijven zich niet alleen op engineeringmodellen of leidingkaarten moeten baseren bij het beslissen waar ze sensoren plaatsen. In plaats daarvan moeten ze naar de mensen luisteren. Door de geschiedenis van klantklachten te gebruiken om te sturen waar sensoren worden geplaatst, kunnen steden ervoor zorgen dat hun hoogtechnologische monitoringssystemen daadwerkelijk de gebieden in de gaten houden waar mensen de meeste bescherming nodig hebben. De sensoren in Incheon bewezen dat ze een stadbrede golf konden zien, maar ze faalden om de lokale rimpelingen te zien die er het meest toe deden voor de mensen die daar woonden. De weg vooruit is niet noodzakelijkerwijs betere sensoren, maar slimmere plaatsing, waarbij de stemmen van de bewoners de ogen van de machines leiden.