Stream A3 — Water Loss 2026
Apresenta na Stream A3 — Smart Water Networks, durante o Water Loss 2026 no Rio de Janeiro.
Sobre o palestrante
Thomas Perianu é o líder técnico do digital twin do PUB Singapore na SUEZ — parceira de tecnologia da agência nacional de água há mais de uma década. Ele é o cérebro por trás da plataforma Aqua Advanced que sustenta o WaterWise, o digital twin de uma das redes mais sofisticadas do mundo: 6.000 km de anel principal interconectado, sem DMAs, atendendo cerca de 6 milhões de pessoas em 700 km². No Water Loss 2026 apresentou em dupla com Ka-Cheong Lai (PUB), traduzindo a jornada operacional de Singapore em arquitetura técnica replicável.
A SUEZ entrega a plataforma Aqua Advanced sobre a qual o WaterWise roda. Perianu lidera a integração entre o software, o modelo hidráulico calibrado da ilha inteira e a malha de sensores físicos. A relação SUEZ-PUB é uma das mais maduras do setor — mais de uma década de iteração contínua.
SUEZAqua AdvancedLai abriu com o contexto do PUB; Perianu entrou para detalhar a stack técnica em três níveis (situational awareness, modelo hidráulico calibrado, modelagem inversa) e apontou para a próxima fronteira: agentic AI orquestrando o twin para aconselhar operadores em tempo real. Piloto começa em 2026.
SingaporeDigital Twin"Operadores rodando o trabalho físico, digital twin orientando."
Tese central
Sem modelo hidráulico calibrado da rede inteira, não há digital twin — há dashboard. Perianu insiste: o modelo é o que permite simular causas prováveis, prever fluxo reverso, isolar pipes virtualmente. É a fundação da próxima década de operação inteligente em saneamento.
Hydraulic ModelA próxima fronteira não é mais um sensor ou mais um dashboard — é uma camada de agentes que orquestra simulações para diagnosticar incidentes (queda de pressão, descoloração, leakage) e recomendar a próxima ação no campo. AI não substitui engenharia hidráulica; ela orquestra.
Agentic AIEm vez de input-data → simulação, parte do valor medido pelos sensores e ajusta os parâmetros do modelo até minimizar a diferença sim-real. Cria virtual DMAs sem dividir fisicamente a rede e detecta outliers como proxy de leakage — útil onde DMAs físicas não existem.
Inverse Modelling"Agentic AI sobre o modelo hidráulico — a próxima fronteira."
A escala de Singapore
A rede que Perianu modela está entre as mais densamente sensorizadas do mundo. Os números abaixo dão a dimensão do desafio — e do investimento.
"Roma não foi construída em um dia."
Metodologia em 5 passos
Camada física: sensores fixos de pressão, vazão e qualidade da água; sensores móveis plug-and-play instalados em ventosas para investigação rápida; 300 mil SmartWater Mini meters; sensores TRC para complementar a malha. Resolução temporal alta o bastante para detectar pressure transients centenas de vezes por segundo.
PhysicalPlataforma Aqua Advanced (SUEZ) ingere e normaliza os fluxos de dados em tempo real. Detecta anomalias, dispara alertas para outliers, organiza séries temporais para análise downstream. Camada de situational awareness — o que toda utility deveria ter como mínimo.
Aqua AdvancedModelo hidráulico da ilha inteira é calibrado contra leituras reais. Há dois anos, o tech refresh expandiu o modelo de 11 supply zones isoladas para uma única malha integrada. É o salto que viabiliza simulações precisas em uma rede interconectada sem DMAs.
Calibrated ModelCom o modelo calibrado, o time roda what-if scenarios: isolar pipe, identificar válvulas afetadas, prever fluxo reverso, simular cenários de burst e response. Decisões críticas testadas no virtual antes de qualquer manobra física no campo.
What-ifCamada de inverse modelling: parte da diferença sim-real e tunes parâmetros para criar virtual DMAs e flagar outliers como leakage proxies. Próximo passo: agentic AI orquestrando essas simulações automaticamente para advisor o operador em tempo real (piloto 2026).
InverseAgentic AIAplicações práticas
O digital twin não é demo — é operação real diária do PUB. Dois casos concretos da apresentação.
Três níveis de complexidade: nível 1 — situational awareness simples e acessível para operação diária; nível 2 — modelo hidráulico calibrado para simulações (isolar pipes, identificar válvulas, prever fluxo reverso); nível 3 — inverse modelling com virtual DMAs e detecção de outliers. Pirâmide reaproveitável por outras utilities. Singapore está no nível 3, com agentic AI sendo adicionado como nível 4.
SUEZ3 LevelsPUB inicia em 2026 piloto que coloca uma camada de agentes orquestrando o modelo hidráulico para diagnosticar incidentes em tempo real. Diante de uma queda de pressão ou descoloração reportada, o agente roda simulações para confirmar ou refutar hipóteses e recomenda a próxima ação ao operador no campo. Visão final: "operadores rodando o trabalho físico, digital twin orientando."
2026PilotPontos-chave da palestra
O WaterWise leva mais de dez anos sendo construído pelo PUB. Começou com sensores básicos em 2008 e amadureceu por gerações sucessivas — cada uma resolvendo limitações da anterior. Utilities que esperam um "projeto" terminado em 18 meses estão pedindo a coisa errada.
Singapore optou por uma rede totalmente interconectada — boundaries dinâmicas, sem zonas isoladas. Isso impõe um digital twin que enxergue a ilha inteira em alta resolução. É a antítese da abordagem por DMAs e mostra que o desenho de rede e o desenho do twin são decisões acopladas.
Sensores plug-and-play instalados via ventosas permitem investigar áreas suspeitas em dias, não em meses. Combinados com 300 mil SmartWater Mini, a malha torna-se densa o suficiente para localizar transientes com GPS — fundamental para flagrar stress acumulado antes do rompimento.
Thomas defendeu inverse modelling como passo seguinte: ajustar parâmetros do modelo até casar com sensores. Permite criar virtual DMAs sem dividir fisicamente a rede e detectar outliers que funcionam como proxy de leakage — útil onde DMAs físicas não existem.
A visão de Ka-Cheong para o próximo passo: agentic AI orquestra o modelo hidráulico para diagnosticar incidentes (queda de pressão, descoloração) e recomendar próximas ações no campo. A IA não substitui a engenharia hidráulica — ela orquestra simulações que confirmam ou refutam hipóteses.
Thomas resumiu a plataforma SUEZ: nível 1 — situational awareness simples e acessível; nível 2 — modelo hidráulico calibrado para simulações (isolar tubo, identificar válvulas, prever fluxo reverso); nível 3 — inverse modelling com virtual DMAs e detecção de outliers. Pirâmide reaproveitável por outras utilities.
Há dois anos, o tech refresh com SUEZ expandiu o modelo de 11 supply zones isoladas para uma única malha integrada cobrindo a ilha inteira. Esse salto é o que viabiliza simulações precisas em uma rede sem DMAs — a lição é que escolha de modelo precisa acompanhar escolha de design de rede.
Para Perianu, o destino do WaterWise é uma divisão clara de trabalho: operadores rodam o trabalho físico no campo, digital twin orienta em tempo real qual é a próxima ação. Não é substituição — é augmentação. O agente cobre a complexidade que ultrapassa a capacidade cognitiva humana em uma rede de 6.000 km.
Resumo gerado a partir da transcrição ao vivo via Nobox Translate com inteligência artificial.
Filosofia operacional
Por trás da stack técnica, Perianu e Lai compartilham uma filosofia: digital twin não é entregável de 18 meses, é capacidade institucional construída ao longo de mais de uma década. WaterWise começou em 2008 com sensores básicos e amadureceu por gerações sucessivas, cada uma resolvendo as limitações da anterior. A próxima geração — agentic AI — só é possível porque o modelo hidráulico calibrado da ilha inteira já existe. Pular etapas, na visão deles, gera dashboards bonitos sem capacidade real de decisão.
A arquitetura do WaterWise não tenta substituir engenheiros hidráulicos por IA. Ela cria uma camada de orquestração que acelera diagnóstico e recomendação, deixando para humanos as decisões de campo. AI roda simulações em paralelo; o operador valida e age. É um caminho mais conservador — e mais sustentável — do que automação total.
AugmentationHybridPerianu e Lai repetem essa frase de propósito. Singapore tem hoje um digital twin que outras cidades sonham — porque investiu paciência durante 17 anos. Cada geração resolveu uma limitação concreta da anterior. Utilities que querem pular para o "estado da arte" sem essa base costumam acabar com integrações frágeis e dados não confiáveis.
PatienceLong-term"Operadores rodando o trabalho físico, digital twin orientando."
Water Loss 2026 — Resumo gerado por IA
Transcrição e tradução ao vivo por Nobox Live Translate
