Mohamed Tolba — Water Loss 2026

Sobre o palestrante

Quem é Mohamed Tolba

Mohamed Tolba é pesquisador egípcio que faz seu PhD na Friedrich-Alexander-Universität (FAU), em Erlangen-Nürnberg, na Alemanha. Sua bagagem combina mecânica (BSc em Mechanical Power Engineering), mecânica dos fluidos (MSc) e engenharia computacional (segundo MSc) — formação que aparece no rigor com que constrói o método apresentado em Salvador. A apresentação dele é a terceira da Stream B4 e introduz uma ideia que poucos autores no congresso defenderam com a mesma profundidade: usar a temperatura registrada por medidores ultrassônicos inteligentes (smart water meters) como sinal complementar à pressão para localizar vazamentos.

Da Universidade ao código aberto

Tolba e a equipe da FAU usaram a biblioteca aberta WNTR (Water Network Tool for Resilience) como base hidráulica e implementaram, em cima dela, um modelo térmico próprio com método de volumes finitos. A escolha por código aberto não é detalhe — viabiliza que utilities pequenas e médias adotem o método sem licenças proprietárias.

WNTRVolumes finitos

O parceiro: Diehl Metering

O grupo trabalha com smart meters fornecidos pela Diehl Metering — fabricante alemã que oferece ultrassônicos com sensor de temperatura embutido como medição lateral à de consumo. É essa abundância de dados de temperatura ramal-a-ramal que abre a janela para o método termohidráulico.

Diehl MeteringSensor T

Os medidores ultrassônicos inteligentes já registram temperatura como dado lateral. Estamos só usando informação que ninguém olhava.

— Mohamed Tolba, Stream B4 Water Loss 2026

Tese da palestra

A temperatura conta a história que a pressão não conta

O limite dos métodos clássicos

Tolba mostra que métodos clássicos — noise loggers, pressure transients, modelo hidráulico data-driven — assumem rede densamente instrumentada. A realidade da maioria das DMAs é inversa: 1 sensor de pressão na entrada, e talvez nada mais. Em fluxo intermitente, sinais de pressão de uma quebra viajam à velocidade do som e podem ser perdidos por taxa de amostragem de 1 minuto.

LimiteDensidade

A temperatura é lenta e abundante

Diferente do som, calor se propaga lentamente — em horas, não em segundos. Isso significa que, mesmo com medidores que reportam de hora em hora, ainda capturamos o sinal térmico de um vazamento. E como cada residência tem um smart meter, há centenas de pontos de leitura de temperatura por DMA.

Heat slowDensidade alta

Localizar pelo amortecimento térmico

A tese matemática: quando há leak entre o reservatório e o medidor de uma residência, mais água flui pelo service pipe — e a temperatura observada se aproxima da temperatura do reservatório (não relaxa para a temperatura do solo). A amplitude desse desvio depende da posição do leak. Tolba inverte esse problema para encontrar o leak.

AmplitudeInversão

Calor não viaja na velocidade do som. Por isso conseguimos vê-lo mesmo em 1 leitura por hora.

— Mohamed Tolba, Stream B4

Dados apresentados

A rede de validação e o que ela mostra

Tolba aplicou o método em uma rede de validação dinamarquesa com 85 medidores e tubulação predominantemente em PVC. A calibração da temperatura observada vs. simulada produziu coeficiente de correlação de 0,2 — alto o suficiente para que o modelo seja útil como gerador de dados sintéticos para validar 20 cenários de leak.

Smart meters em operação simultânea na rede de validação. A densidade equivale a quase 1 medidor por consumidor, viabilizando o uso de dados de temperatura ramal-a-ramal — algo impensável há 10 anos.

Cenários de leaks simulados a partir do modelo calibrado. Cada cenário variou tamanho do leak (0,1 a 5 L/s) e localização (próximo ou distante do medidor). Cada simulação gera curvas de detectabilidade que mapeiam o que é detectável e o que não é.

2 condições

O método exige (1) fluxo intermitente — para que existam períodos de stagnation que permitam o sinal térmico relaxar — e (2) leak razoavelmente próximo do medidor (poucos metros). A maioria das redes urbanas atende a primeira condição; a segunda restringe à detecção em service pipes.

Curva de detectabilidade é o mapa do que esse método consegue ver. Acima dela, encontramos o leak. Abaixo, ele se confunde com o ruído.

— Mohamed Tolba, Stream B4

Abordagem técnica

O modelo termohidráulico em camadas

Camada 1 — hidráulica via WNTR

A simulação hidráulica usa a biblioteca WNTR e os dados de GIS (coordenadas, comprimentos, diâmetros, conectividade) + SCADA na entrada da rede. Saída: pressão e vazão em todos os nós. É a base sobre a qual o modelo térmico opera.

WNTRGIS+SCADA

Camada 2 — térmica em volumes finitos

A novidade: modelo térmico próprio em volumes finitos, com a temperatura do reservatório como condição de contorno de entrada e — crucial — a temperatura do solo como condição de contorno na parede do tubo. Modelos de district heating assumem solo à temperatura constante; em água potável isso falha porque a variação espaço-temporal do solo é grande.

Finite volumeSolo

Camada 3 — calibração via comprimento de service pipe

O parâmetro mais incerto é o comprimento do service pipe (varia, é construído por terceiros e raramente registrado). Tolba calibra o comprimento minimizando o MAE entre temperatura medida e simulada para cada residência. Estima-se também a temperatura do solo a partir do tempo de relaxamento da água parada no ramal.

CalibraçãoMAE

Casos / Aplicações

Casos e direções de pesquisa

Validação na rede dinamarquesa

A rede de testes da FAU é uma DMA dinamarquesa real, dados Diehl, com 85 smart meters reportando temperatura. O modelo capturou bem a dinâmica de consumo intermitente e produziu curvas de detectabilidade para 20 cenários de leak — primeiro estudo a quantificar empiricamente os limites do método.

DenmarkValidação

Generalização para mains

Pergunta da plateia (Gilda da Veolia LATAM): funciona em mains, não só em service pipes? Resposta de Tolba: "sim, desde que haja fluxo intermitente". A maior parte do método é independente da escala — basta ter pelo menos um medidor com sensor T por seção.

MainsIntermitente

Próxima fronteira — finite volume graph net

Tolba apresenta o roadmap: rede neural physics-informed que usa as equações discretizadas como loss function — finite volume graph net. Combinada com LSTM para previsão de temperatura do solo a partir de dados meteorológicos. Reduz o esforço de calibração e permite escalonar para grandes redes.

Graph netLSTM

Múltiplos leaks simultâneos

Limitação atual reconhecida: o método assume um único leak por DMA. Estender para múltiplos leaks simultâneos exige inversão multi-objetivo e mais simulações Monte Carlo. Está no roadmap, ainda não publicado.

Multi-leakRoadmap

Pontos-chave

Insights da palestra

Smart meters são mais que medidores de consumo

A grande sacada: cada smart meter ultrassônico já carrega sensor de temperatura embutido. Tolba transforma um medidor que existia para outro propósito em sensor de leakage de baixa latência. Custo zero adicional — só software.

O sinal térmico sobrevive a baixa amostragem

Modelos baseados em pressão exigem leitura por segundo para capturar transientes. Modelos térmicos funcionam com leitura por hora. Isso muda completamente o custo de implantação — utilities com smart meters horários já têm o dado.

Solo não é constante — esqueça district heating

Tolba enfatiza que copiar modelos de district heating é erro. Em água potável, a temperatura do solo varia com a profundidade do tubo, com tipo de pavimento, com estação do ano. Tratar como constante destrói a precisão do método.

Comprimento do ramal é o maior desconhecido

Em muitas utilities o ramal é construído por terceiros (telecom, prefeitura, proprietário) e nunca registrado. Tolba transforma essa fragilidade em ponto-forte: usa a temperatura medida como sinal para calibrar o comprimento real.

Detectabilidade depende de tamanho × distância

A curva de detectabilidade mostra que um leak pequeno perto do medidor pode parecer um leak grande mais longe. Para diferenciar, o método precisa de mais leituras (mais janelas de stagnation) ou de mais medidores na vizinhança.

Open-source desbloqueia adoção

Usar WNTR como base + publicar o código térmico em open-source é deliberado: permite que utilities sem orçamento de licença adotem. Tolba sugere que parcerias com fabricantes de smart meters (Diehl, mas também outros) acelerem padronização do dado de temperatura.

PVC não atrapalha o método térmico

Métodos acústicos sofrem em PVC (a onda atenua rápido). O método térmico não depende da propagação acústica — depende da convecção dentro do tubo. Por isso é especialmente útil em redes plásticas, onde acústica falha.

Próximo: PINN com graph neural network

A próxima fronteira científica é integrar redes neurais informadas por física (PINN) sobre a topologia da rede via graph neural network. Reduz custo de calibração de cada DMA e permite escalonar para cidades inteiras. Tolba está construindo esse modelo agora.

Filosofia / Conclusão

Engenheiro de campo + cientista de dados = a próxima geração

A leitura final do paper de Tolba é que a próxima geração de leakage detection não vem de novos sensores caros — vem de aproveitar melhor os dados que sensores já existentes geram. Smart meters ultrassônicos colocados em massa por utilities europeias já carregam temperatura como side measurement. A diferença está em quem se debruça sobre o sinal e constrói modelo físico para extrair valor. Tolba representa um perfil emergente: engenheiro mecânico/computacional formado em universidade técnica forte, com background industrial, transitando para water utilities. É essa combinação que produz papers como este.

O sinal já está no banco — falta lê-lo

A maioria das utilities europeias com smart meters guarda dados de temperatura mas não os processa. O paper de Tolba é convite explícito: revisem os bancos que já têm. O custo marginal para começar é apenas computação. Em 18 meses, o framework FAU pode estar rodando sobre uma DMA brasileira.

Banco existenteComputação

Brasil tem condição ideal para o método

Boa parte das DMAs brasileiras já operam em fluxo intermitente — exatamente a condição que o método de Tolba exige. Smart meters ultrassônicos começam a aparecer em programas de modernização (Sabesp, BRK, Iguá). Há janela de oportunidade real para um piloto brasileiro publicado em Water Loss 2027.

BrazilPilot

Não estamos inventando sensor novo. Estamos lendo o sinal que o sensor antigo já gravava — e ninguém olhava.

— Mohamed Tolba, Friedrich-Alexander-Universität, Stream B4

Para o público brasileiro, o paper de Tolba abre uma porta: utilities que estão investindo em smart meters AMI sem pensar muito além da telemetria de consumo podem extrair valor adicional dos mesmos equipamentos com software open-source. O custo é desprezível comparado à substituição da rede. Com fluxo intermitente em boa parte do país e PVC dominante, o método pode funcionar especialmente bem em redes onde acústica clássica falha. É um caso de leitura obrigatória para quem está modernizando AMI no Norte e Nordeste.

Resumo gerado a partir da transcrição ao vivo via Nobox Translate com inteligência artificial.