Stuart Mawditt — Water Loss 2026

Sobre o palestrante

Quem é Stuart Mawditt

Stuart Mawditt é fundador de empresa especializada em modelagem hidráulica no Reino Unido. Apresentado pelo chair Sandro Bettin, abriu a Stream C9 — Smart Monitoring & Predictive Analytics — sem slides: "I haven't got slides." A escolha foi proposital: Mawditt construiu argumento técnico denso ao redor do Paradigm CLOVE Project, colaboração de três anos com sete water companies do Reino Unido. O projeto cobre 90% das propriedades da Inglaterra com modelos de demanda residual — escala única no mundo. Mawditt tem 4 anos atuando diretamente com empresas de água do Reino Unido e construiu o tooling, a metodologia e a documentação aberta (CLOVE Academy) que sustenta o programa.

Paradigm CLOVE — colaboração de 7 utilities

"Three years ago in October, four water companies came on board. Three more joined in the second year — since then we've had four companies involved [now seven]." Modelo colaborativo onde cada utility contribui dados e divide a metodologia desenvolvida. Cobertura final: 90% das propriedades da Inglaterra.

7 utilitiesCollaboration

Não é black box — é academia

"It was very keen that it wasn't a black box solution. So the analysis we've done is for the water company to understand. We've built up a detailed academy with training resources, very detailed explanations." CLOVE Academy treina analistas para usar o tool, em vez de deixar a inteligência fechada com o fornecedor.

OpenAcademy

"Não queríamos que fosse uma black box. Construímos uma academia detalhada para que analistas das water companies entendam — não apenas usem."

— Stuart Mawditt, sobre a filosofia open de CLOVE

Tese da palestra

Operability não basta — DMA precisa de modelo de demanda independente

Operability tem ponto cego

"In the UK we use operability — calculating minimum night flow, leakage number, converted to daily. We use that as part of the regulator's 90% target." Mas operability só usa minimum night flow + total daily flow. "PCC was calculated at 245 liters per person before — and after we resolved the problem, 150 liters. Both passed operability test." Métrica regulatória passa quando dado está corrompido.

OperabilityBlind spot

Censo + dados externos = modelo independente

"In the UK we have census, which tells us how many people live in individual properties, how wealthy they are, whether they've got children — a lot of data about how people behave and how they're going to use water." CLOVE constrói expectativa de uso da DMA a partir de dados externos — independente do histórico da própria DMA. Comparação revela anomalias invisíveis para operability.

CensusExternal

Volume + shape — dois critérios

"Not just the expected volume of how people use it, but a shape — diurnal profile as we move through the day." Comparação entre net flow real e profile esperado revela DMAs com volume correto mas shape errado — sinal de leakage estável que operability não detecta.

ProfileDiurnal

"Operability é um teste regulatório, mas tem ponto cego. PCC pode ser 245 ou 150 litros e ainda passar — porque o cálculo só usa duas variáveis."

— Stuart Mawditt, sobre o gap regulatório no UK

Dados apresentados

Paradigm CLOVE em números

O Paradigm CLOVE é, segundo Mawditt, possivelmente o maior demand model do mundo. Combina dados de 7 water companies cobrindo 90% das propriedades da Inglaterra com census, contínuos logged users, smart meters e telemetria DMA. O resultado é tipologia de DMA com 10+ categorias — "the operable typical infection: all those categories are not operable" — que classifica DMAs em performing, leakage, breached, time offset, scaling factor, etc.

90%

Propriedades da Inglaterra cobertas pelo modelo CLOVE. Combinação de 7 water companies parceiras + dados de census do UK + continuous logged users + smart meters. Possivelmente o maior modelo de demanda residencial do mundo em escala nacional.

245 → 150

L/dia/per capita corrigido em DMA do exemplo. Antes: PCC calculado em 245 L. Depois de identificar scaling factor errado nos meters: PCC real 150 L. Ambos passariam no teste de operability — só CLOVE flagou via comparação com modelo independente.

10+

Categorias de DMA classificadas pelo tool CLOVE: typical operable, leakage, breached, time offset, scaling factor, data quality issues, erratic leakage, performing, e outras. Cada categoria associada a uma ação investigativa específica para o time da water company.

Abordagem técnica

Modelo independente + comparação com net flow

Modelo de demanda residual

"Building up an expectation of how much water should be being used — background leakage allowance + census-derived household demand + non-household demand." Modelo independente do histórico da DMA. Compara com o que está sendo medido para revelar a discrepância.

ResidualIndependent

Continuous logged users

"Continuously logged users where we've got time series data — they provide actual intraday flows that can be built up into the analysis." Grandes consumidores com logger contínuo entram no modelo como input direto, não como estimativa. Reduz incerteza e melhora calibração.

CLUTime series

Tipologia de DMA via residuals

"We then classify DMAs to tell analysts maybe we can't trust this data — there might be something else going on." Comparação entre net flow real e modelo gera 10+ categorias de DMA. Cada uma com um sinal diagnóstico — leakage, breached, time offset, scaling factor.

TypologyDiagnostic

Casos / Aplicações

Casos do CLOVE em campo

DMA com scaling factor errado

"Net flow looks like a good net flow for a DMA — got the right shape, but doesn't have the right range." Time foi a campo, encontrou problema nos meters — scaling factor errado. Após correção, DMA voltou a fit do modelo. Volume e shape passaram. Sem CLOVE, anomalia ficaria invisível para operability.

Scaling factorMeter error

DMA breached

"Large diurnal residual that tells us something is not quite right. We can put DMAs together — when we put that residual then flattens out, tells us what the issue is." DMA breach (water entrando de DMA vizinha) gera padrão diurnal específico no resíduo. CLOVE detecta isolar o par e medir conjuntamente.

BreachedResidual

Time offset em DMA

"Net flow is well matched with model demand, small positive residual ~3%, leakage consistent. An example of time offset where DMA has timing — and because we've modelled what flow should look like, we see what the issue is." Logger com clock errado não bate hora; CLOVE flagra a defasagem temporal.

Time offsetClock

Erratic leakage

"My name is Margaret — have I got some data quality issues or erratic leakage?" CLOVE classifica DMA por padrão: leakage estável vs. erratic vs. data quality issues. Cada classificação dispara checklist diferente para a equipe — economiza horas de investigação errada.

ErraticMargaret

Pontos-chave

Insights da palestra

7 utilities = 90% das propriedades da Inglaterra

Escala única no mundo. CLOVE provavelmente é o maior demand model existente. Possibilita benchmarking real entre utilities sem nivelar por menor denominador.

Operability tem ponto cego — PCC 245→150 passa em ambos

Métrica regulatória do Ofwat (90% target) é insuficiente. CLOVE adiciona shape comparison via demand model independente — flagra anomalias que operability não vê.

Sem black box — academia incluída

"It wasn't going to be a black box solution." CLOVE Academy treina analistas para entender o algoritmo. Inteligência fica no time da utility, não no fornecedor.

Census do UK como input crítico

Modelo de demanda residencial só funciona com microdados de census — composição domiciliar, renda, número de filhos. Países sem census público de qualidade não conseguem replicar CLOVE no mesmo formato.

Tipologia de 10+ categorias de DMA

Performing, leakage, breached, time offset, scaling factor, data quality, erratic leakage. Cada categoria é checklist de investigação para o analista.

Diurnal shape vence operability

Volume diário pode estar correto enquanto shape diurnal expõe leakage estável. Operability ignora shape; CLOVE faz dela critério primário.

DMAs vizinhas analisadas em conjunto

Quando individual DMA tem residual grande, somar com vizinha esclarece se é breach ou ruído. Análise relacional aumenta precisão diagnóstica.

Modelo cobre demanda doméstica + non-domestic

Mawditt explicou que CLOVE inclui propriedades domésticas e não-domésticas, com perfil ajustado para cada categoria. Continuously logged users alimentam diretamente o modelo como input crítico.

Filosofia / Conclusão

Demand model independente é a fronteira

Stuart Mawditt entrega no Water Loss 2026 a tese técnica mais avançada da Stream C9: a próxima fronteira de smart monitoring não é mais sensoriamento — é melhor modelagem de demanda. CLOVE prova que combinar census, continuously logged users e smart meters em um modelo nacional independente revela anomalias que métricas regulatórias passam batido. O custo da inovação é colaborativo — 7 utilities dividem dados e metodologia — e o ganho é escala única: 90% das propriedades da Inglaterra modeladas. Para utilities brasileiras, a leitura é cultural antes de técnica: parar de proteger dados como ativo individual, começar a operar consórcio de modelagem com benchmarking real. CLOVE Academy é o modelo de governança aberta que torna isso replicável.

Consórcio > utility individual

Sete utilities individuais não conseguiriam construir modelo do tamanho de CLOVE. O consórcio divide custo, multiplica escala e nivela qualidade entre membros. Modelo replicável por grupos de utilities brasileiras com infraestrutura analítica similar.

ConsortiumScale

Open methodology > vendor lock-in

CLOVE Academy treina analistas das utilities para usar e adaptar a metodologia. Inteligência fica no setor, não trancada em SaaS. Posição rara em mercado de software para água — e princípio guiador para licitações futuras.

OpenAcademy

"Se você está pensando em construir um demand model maior — talvez o maior do mundo — entre em contato."

— Stuart Mawditt, encerrando o convite à colaboração internacional

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