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

Imagine os canos de água de uma cidade como um vasto e oculto sistema nervoso. Por décadas, as empresas de saneamento confiaram em uma forma simples e humana de saber se algo estava errado com esse sistema: elas esperavam que as pessoas ligassem. Quando uma torneira deixa a água marrom, ou quando a água apresenta um cheiro estranho, um residente pega o telefone. Essas reclamações têm sido, há muito tempo, o principal alarme para problemas de qualidade da água, um relatório direto do consumidor para a concessionária. Nos últimos anos, porém, a tecnologia ofereceu uma abordagem diferente. As cidades estão agora instalando sensores eletrônicos em pontos estratégicos da rede, dispositivos que medem constantemente a clareza, o equilíbrio químico e a temperatura da água. A esperança é que essas máquinas possam detectar um problema antes que uma única pessoa perceba qualquer mudança, atuando como um sistema de alerta precoce para prevenir problemas generalizados. Mas uma questão crítica permanece: será que esses sensores estão realmente instalados nos lugares certos para captar os problemas que as pessoas reais estão vivenciando? Se os sensores estiverem vigiando os bairros errados, a tecnologia mais avançada do mundo ainda poderá ignorar o transtorno.

Em 2019, um incidente grave em Incheon, na Coreia do Sul, desencadeou uma onda massiva de reclamações de "água vermelha". A descoloração durou semanas, afetando uma grande parte da cidade e causando danos econômicos significativos. Após o ocorrido, a concessionária de água local instalou uma rede de estações de monitoramento de alta tecnologia em toda a área afetada. Essas estações foram colocadas nas entradas de distritos específicos, conhecidos como áreas de medição de distrito, projetadas para vigiar a qualidade da água para esses bairários. O objetivo era criar uma rede de segurança que pudesse detectar problemas futuros instantaneamente. Dois anos depois, um pesquisador partiu para testar se essa nova rede estava realmente cumprindo seu papel. O método foi direto, mas rigoroso: em vez de apenas olhar para o que os sensores viam, o pesquisador comparou os dados dos sensores diretamente com as reclamações reais registradas pelos residentes durante o mesmo período. O estudo fez uma pergunta simples e honesta: quando as pessoas reclamaram de água ruim, os sensores próximos estavam observando o ocorrido?

A investigação começou analisando um evento específico em setembro de 2022. Os sensores registraram uma enorme onda de mudanças na qualidade da água em toda a cidade. Começando cedo pela manhã, uma perturbação moveu-se através da rede, causando um pico de turbidez que foi detectado por vinte e dois dos vinte e três postos de monitoramento. Essa onda de dados viajou pelo sistema em um padrão claro e sequencial. Surpreendentemente, esse sinal eletrônico apareceu cerca de dois dias antes de os residentes começarem a ligar. No dia em que as reclamações finalmente aumentaram, atingindo o pico de cento e quarenta chamadas em um único dia, os sensores já vinham rastreando o problema há muito tempo. Esta parte do estudo mostrou que a rede era capaz de sua função pretendida em grande escala. Ela podia ver uma perturbação importante movendo-se pelos canos e alertar as autoridades antes mesmo que o público soubesse que algo estava errado. A tecnologia funcionou como um sistema de alerta precoce abrangente para toda a cidade.

No entanto, a história mudou drasticamente quando o pesquisador deu um zoom para observar os bairros específicos onde as pessoas estavam ligando. A análise revelou uma lacuna nítida e surpreendente. Embora os sensores fossem excelentes para ver o panorama geral, eles eram quase totalmente cegos para os problemas locais que frustravam os moradores. Quando o pesquisador mapeou as reclamações para os distritos específicos de onde elas se originaram, um padrão claro emergiu: oitenta e quatro por cento das reclamações sobre problemas perceptíveis na qualidade da água vinham de bairros que não possuíam sensores algum. Os sensores foram colocados em distritos que, embora importantes por razões hidráulicas, não eram os locais onde a qualidade da água estava realmente falhando para as pessoas que ali viviam. Os sete bairros com o maior número de reclamações eram todos desprovidos de monitoramento. O distrito mais afetado durante o evento de setembro, que registrou o maior volume de chamadas, não tinha nenhum sensor para registrar a crise. Os sensores estavam vigiando os lugares errados.

Essa incompatibilidade significava que os sensores não podiam servir como um sistema de alerta precoce local. Mesmo quando os pesquisadores tentaram encontrar uma conexão entre os dados dos sensores e as reclamações no dia a dia, não encontraram nada. Os sensores não estavam falhando em detectar a água; eles simplesmente não estavam nos locais certos para ver a água que os residentes estavam bebendo. O estudo descartou a ideia de que os sensores fossem pouco sensíveis ou que os algoritmos fossem rigorosos demais. O problema era puramente de posicionamento. Os sensores foram instalados com base na conveniência administrativa e no layout dos canos, não com base em onde os residentes estavam realmente enfrentando problemas. A pesquisa mostrou que, se a concessionária tivesse colocado o mesmo número de sensores nos bairros com o maior número de reclamações, eles teriam coberto quase noventa por cento das áreas problemáticas, em vez dos dezesseis por cento que cobrem atualmente.

O estudo também analisou se os sensores poderiam detectar eventos físicos, como vazamentos em tubulações. Ao analisar dados de reparos de vazamentos verificados, os pesquisadores descobriram que, quando ocorria um vazamento dentro de um bairro monitorado, os sensores detectavam uma mudança pequena, mas mensurável, na clareza da água dentro de quarenta e oito horas. Isso confirmou que os sensores eram sensíveis o suficiente para perceber os efeitos físicos de um cano quebrado. No entanto, esse sucesso limitava-se aos poucos bairros onde os sensores por acaso estavam presentes. Para a grande maioria da cidade, onde ocorriam vazamentos e reparos em blocos não monitorados, os sensores permaneciam em silêncio. A tecnologia estava funcionando, mas seu valor era severamente limitado por onde era implantada.

A conclusão final da pesquisa é uma lição sobre os limites da tecnologia sem contexto. Uma rede de monitoramento é tão boa quanto o seu posicionamento. Instalar sensores caros nos bairros errados cria uma falsa sensação de segurança, pois o sistema perderá justamente os problemas que deveria captar. O estudo sugere que as concessionárias não devem confiar apenas em modelos de engenharia ou mapas de tubulações ao decidir onde colocar os sensores. Em vez disso, devem ouvir as pessoas. Ao usar o histórico de reclamações dos clientes para guiar onde os sensores são colocados, as cidades podem garantir que seus sistemas de monitoramento de alta tecnologia estejam realmente vigiando as áreas onde as pessoas mais precisam de proteção. Os sensores em Incheon provaram que podiam ver uma onda em toda a cidade, mas falharam em ver as ondulações locais que mais importavam para as pessoas que viviam lá. O caminho a seguir não é necessariamente de sensores melhores, mas de um posicionamento mais inteligente, usando as vozes dos residentes para guiar os olhos das máquinas.