El Tecnológico de Tuxtla Gutiérrez, desarrolla el proyecto de investigación, el cual es una iniciativa orientada a fortalecer la gestión eficiente y segura del recurso hídrico
Edén Gómez Bernal / Diario de Chiapas
El Instituto Tecnológico de Tuxtla Gutiérrez, a través del Doctorado en Ciencias de la Ingeniería, desarrolla el proyecto de investigación titulado “Sistema de monitoreo y pronóstico de la calidad del agua potable basado en IoT y técnicas de aprendizaje automático”, una iniciativa orientada a fortalecer la gestión eficiente y segura del recurso hídrico.
El proyecto es dirigido por el Dr. Héctor Ricardo Hernández de León y ejecutado por la doctorante Felisa Vanessa López Pineda, quien enfoca su investigación en el diseño de soluciones tecnológicas para el análisis oportuno de la calidad del agua que ingresa a las plantas de potabilización.
El agua es la principal fuente de vida para los seres humanos, animales y plantas; sin embargo, este recurso vital enfrenta una creciente escasez como consecuencia del crecimiento demográfico, la expansión urbana y la contaminación de suelos y cuerpos de agua cercanos a las ciudades. Ante este panorama, las plantas de potabilización desempeñan un papel fundamental al purificar el agua proveniente de ríos, lagos, arroyos y pozos, para su posterior distribución a hogares, industrias, hospitales, escuelas y el sector agrícola.
El proceso de potabilización requiere el análisis detallado de parámetros físicos, químicos y biológicos del agua cruda, con el fin de garantizar que el recurso cumpla con los estándares de calidad necesarios para el consumo humano. En este contexto, el objetivo principal del proyecto es diseñar un sistema de monitoreo y análisis que, mediante técnicas de aprendizaje automático, permita evaluar la calidad del agua potable de entrada a las plantas y pronosticar la tendencia de parámetros críticos en un tiempo estimado, facilitando la toma de decisiones oportunas y fortaleciendo la seguridad del proceso de tratamiento.
Para el desarrollo de la investigación se ha definido una metodología estructurada en cuatro fases: revisión del estado del arte, instrumentación de un sistema de adquisición de datos, diseño e implementación del modelo de predicción y validación del modelo. Actualmente, el proyecto se encuentra en la fase 3, correspondiente al diseño e implementación del modelo de predicción.
Para esta etapa se dispone de datos históricos de tres años y se encuentra en proceso la captura de un año adicional de información, además de las pruebas finales del dispositivo de adquisición de datos que permitirá recolectar información en tiempo real. Con estos insumos se están construyendo los datasets que serán procesados mediante redes neuronales, con el propósito de predecir estados de fallo y anticipar el tipo de calidad del agua que reciben las plantas de potabilización.
El modelo de predicción contempla el análisis e identificación de parámetros característicos. Las primeras pruebas se han realizado con una red neuronal Feed Forward (FFNN), obteniendo resultados favorables; no obstante, la investigación continúa con la evaluación de otros modelos más avanzados, como las redes Long Short Term Memory (LSTM), con el fin de mejorar la precisión de los pronósticos.
