Com IA preditiva, Águas do Rio antecipa falhas e acelera consertos no RJ em até 75%

Em uma sala do Centro de Operações Integradas (COI) da companhia de saneamento Águas do Rio, uma tela pisca. Não é um alarme de emergência, mas um aviso silencioso, gerado por um algoritmo que acabou de notar algo estranho na corrente elétrica de um motor na elevatória da Caixa Nova, na Tijuca.

Nenhuma bomba parou, mas, em algum lugar da rede que abastece cerca de 100 mil pessoas na região, uma conexão elétrica já estava se desgastando, silenciosa, rumo à falha.

Foi esse tipo de cena que passou a se repetir na companhia desde março, quando a inteligência artificial (IA) foi incorporada ao monitoramento preventivo dos principais sistemas de bombeamento.

A tecnologia identifica alterações no funcionamento das bombas antes que elas parem de operar — e, no caso da Tijuca, isso significou a diferença entre duas horas de reparo programado e até oito horas de conserto emergencial.

A estratégia é fruto de parceria com a startup de tecnologia 2Neuron. A solução acompanha continuamente dados elétricos dos motores — tensão e corrente — e utiliza algoritmos para identificar sinais sutis de desgaste ou aquecimento, sem exigir a instalação de novos sensores físicos nos equipamentos.

"A IA não atua de forma isolada. Ela faz parte de um ecossistema de inteligência operacional que reúne automação, monitoramento remoto e análise de dados. Essa integração nos permite identificar desvios de comportamento antes que eles se transformem em falhas, apoiar decisões com mais rapidez e tornar a operação mais eficiente e segura para a população", diz Diógenes Lyra, diretor-executivo do Centro de Operações Integradas da Águas do Rio, em entrevista exclusiva à EXAME.

Entenda como a IA analisa a 'impressão digital' elétrica das bombas

Os dados medidos diretamente são a corrente e a tensão dos motores, coletados nos painéis elétricos.

A partir desses sinais, a plataforma analisa o que a empresa chama de assinatura elétrica do equipamento — "uma espécie de impressão digital do seu funcionamento", segundo a companhia.

Pela análise do espectro de frequências dessa assinatura, a tecnologia deriva centenas de parâmetros e identifica alterações associadas a desbalanceamento, desgaste de rolamentos, cavitação, folgas e problemas em conexões elétricas — mesmo sem sensores dedicados de vibração ou temperatura instalados nas máquinas.

Hoje, o projeto monitora continuamente 1.836 sinais associados a 15 grupos de bombeamento, distribuídos em quatro unidades estratégicas da capital: Caixa Nova, na Tijuca; Guaicurus; a elevatória da ETE Alegria, que integra a segunda maior estação de tratamento de esgoto do Brasil; e a Elevatória Parafuso, que bombeia esgoto da região entre o Aeroporto Santos Dumont e Copacabana.

O amor na era dos tokens: por que tanta gente se apaixona, namora e até casa com IAs

Não existe um limite fixo de alerta aplicado a todas as bombas. "A inteligência artificial acompanha o histórico de cada um e consegue definir dinamicamente limites aceitáveis para aquele comportamento", afirma Lyra.

Quando identifica alteração relevante, a plataforma gera alerta e classifica a ocorrência por nível de severidade.

A referência inicial de comportamento de cada equipamento é estabelecida em dias a poucas semanas de operação contínua — e o modelo segue sendo refinado a partir do feedback das equipes de manutenção sobre cada diagnóstico.

Sem IA generativa: como funciona a tecnologia proprietária da 2Neuron

A solução usa modelos proprietários da 2Neuron que combinam aprendizado de máquina, redes neurais e métodos estatísticos aplicados à análise da assinatura elétrica — não éinteligência artificial generativa.

Os dados são processados em nuvem, e os resultados ficam disponíveis na plataforma Ultronline, com alertas também enviados por e-mail e WhatsApp.

"Nosso objetivo é transformar sinais elétricos em informação útil para quem toma decisões na manutenção. A IA consegue reconhecer padrões muito sutis no comportamento de cada equipamento e indicar alterações antes que elas evoluam para uma falha", afirma Gabriel Coimbra, cofundador e presidente-executivo da 2Neuron.

O caso da Caixa Nova: como a IA reduziu de 8h para 2h o conserto na Tijuca

O caso da Caixa Nova ganhou destaque porque a empresa conseguiu mensurar com clareza o benefício da antecipação.

O sistema identificou aumento incomum na temperatura e na corrente elétrica de um dos motores e emitiu alerta para o COI. Equipes técnicas foram mobilizadas e encontraram uma conexão elétrica desgastada, substituída antes que o equipamento apresentasse falha.

A intervenção foi concluída em cerca de duas horas — uma manutenção emergencial, segundo a empresa, levaria entre seis e oito horas, redução de até 75% no tempo de reparo.

Além da Caixa Nova, a tecnologia já identificou e tratou 21 situações na ETE Alegria, 17 na Elevatória Parafuso e 11 em Guaicurus — total de 50 ocorrências tratadas antes de evoluírem para falha.

A integração entre a inteligência artificial e os técnicos

A identificação e o envio dos alertas são automáticos, mas a decisão de intervir passa sempre por avaliação humana.

Os profissionais cruzam o diagnóstico da IA com as condições reais do equipamento antes de definir a necessidade de manutenção — uma camada pensada justamente para evitar mobilização desnecessária de equipe.

Quando a intervenção é aprovada, o COI aciona a equipe responsável, acompanha o deslocamento e monitora a execução até a conclusão.

Como as unidades automatizadas estão integradas ao Elipse Water, plataforma de supervisão do COI, em muitos casos o controlador pode retomar remotamente a operação do equipamento após a confirmação de que o serviço foi concluído.

Segundo Frederico Meireles, gerente de eletromecânica da companhia, a mudança transforma a lógica da manutenção.

"Em vez de reagirmos a uma emergência, conseguimos avaliar o equipamento, definir a melhor estratégia e programar a intervenção no momento mais adequado. Isso aumenta a segurança das equipes, reduz o tempo de reparo e diminui o risco de impactos no abastecimento", diz.

A implantação, de acordo com a empresa, também não teve como objetivo reduzir equipes ou substituir profissionais — a proposta é ampliar a capacidade de quem já faz a manutenção, permitindo planejar intervenções que antes só seriam identificadas em inspeção periódica ou após a falha já ter ocorrido.

A Águas do Rio não divulga valores nem condições contratuais da parceria com a 2Neuron, por política de confidencialidade comercial.

Os próximos passos da Águas do Rio com tecnologia

A manutenção preditiva de bombeamento é uma nova frente em uma estratégia de IA mais ampla que a companhia já vinha construindo.

No combate às perdas de água, a empresa usa sensoriamento remoto por satélite associado a algoritmos de aprendizado de máquina para indicar áreas com maior probabilidade de vazamentos ocultos, direcionando equipes de campo equipadas com geofones para confirmar e localizar os pontos.

Na gestão de equipes, o Oracle Field Service usa IA para distribuir serviços e definir rotas — solução que já reduziu em 62% o tempo médio de deslocamento das equipes em campo, segundo a companhia.

"Um dos nossos maiores desafios é transformar uma operação de enorme escala e complexidade em um sistema cada vez mais integrado, previsível e eficiente", diz Lyra.

Segundo ele, cerca de 80% das mais de 1,8 mil unidades operacionais de água e esgoto da companhia já contam com automação e telemetria — ante 5% antes da concessão. "O próximo passo é aproveitar cada vez melhor esses dados para antecipar o que pode acontecer. É aí que a inteligência artificial ganha valor para nós."

Ainda não há cronograma definido para expandir o projeto com a 2Neuron além das quatro unidades atuais.

Desde o início da concessão, em novembro de 2021, a companhia afirma já ter investido R$ 6,3 bilhões em infraestrutura de água e esgoto, com 1.916 km de rede de água e 304 km de rede de esgoto instalados ou substituídos, e beneficiado 3,5 milhões de pessoas com obras de melhoria.