Predicción de averías

	Predecir la probabilidad de averías en la red debe permitir realizar un mantenimiento preventivo de la misma. El uso de Machine Learning para esta aplicación ha sido objeto de los trabajos desarrollados por la cátedra. El sector cuenta con muchos datos y la extracción de conocimiento a partir de esta información es una prioridad.

Predicción de averías y propuestas de renovación basadas en el riesgo. Dentro del proyecto FLUENT, en el que participan tanto cs2ac como TAIGUA, se han diseñado y calibrado una serie de modelos (Regresión Logística, Bosque Aleatorio y Redes Neuronales) de predicción de averías basados en datos de diversas compañías. Las probabilidades de avería obtenidas por estos modelos, combinadas con las consecuencias económicas, medioambientales y sociales, se utilizan para realizar recomendaciones para la estrategia de renovación. El apoyo de la cátedra con la beca de David Alcaraz (INIREC) ha permitido profundizar en los aspectos teóricos de validación e interpretación de los modelos. Como resultado, se ha realizado el trabajo final de doble grado (Electrónica Automática y Mecánica) Estudio y predicción de averías en tuberías de la red de distribución de agua potable.