Physics-Informed Machine Learning · Redes de agua

Encontrá las fugas antes de que se vuelvan visibles

TOPOS genera mapas de calor que localizan fugas en redes de distribución de agua, usando inteligencia artificial sobre los sensores SCADA que las operadoras ya tienen instalados. Sin obra nueva. Sin sensores adicionales.

Validado sobre el benchmark internacional L-Town con tasas de detección superiores al 97%.

Un tercio
del agua potable del mundo se pierde por fugas en cañerías.
USD 8.000M
en pérdidas económicas anuales por fugas no detectadas.
+97%
de tasa de detección en el benchmark de referencia L-Town.
El problema

Las fugas se descubren tarde, cuando ya causaron daño

Las redes de cañerías cubren cientos de kilómetros y las pérdidas se detectan recién cuando se vuelven visibles o ya provocaron daños significativos. Los métodos actuales dependen de técnicas acústicas con alcance espacial limitado, lo que hace muy difícil monitorear toda la red.

  • !Un tercio del agua potable del planeta se pierde por fugas, con un costo cercano a los USD 8.000 millones por año.
  • !Detectar una fuga es un proceso largo y costoso sobre redes de cientos de kilómetros.
  • !Los sistemas SCADA miden presión y flujo en tiempo real, pero no localizan dónde está la fuga.
  • !Cada pérdida implica además gasto energético en tratar y transportar agua que nunca llega.
La solución

TOPOS: mapas de calor que señalan dónde está la fuga

Una plataforma SaaS que modela la red de distribución como un grafo y aplica Physics-Informed Machine Learning para localizar fugas con más precisión que los métodos actuales — usando los datos que la operadora ya genera.

Una fuga produce una caída de presión localizada que se propaga por la red a través del acoplamiento hidráulico entre cañerías. Ese comportamiento se representa naturalmente con una red neuronal de grafos (GNN), diseñada para capturar patrones de propagación sobre estructuras de red.

El modelo aprende a distinguir el patrón hidráulico normal del patrón anómalo que produce una fuga, identifica los nodos más determinantes y los interpola sobre los segmentos de cañería para construir un mapa de riesgo accionable.

Aprovecha la física del sistema

No es una caja negra: el método incorpora las leyes hidráulicas de la red, lo que le permite ser confiable incluso con cobertura parcial de sensores.

Respaldado por investigación

Basado en la metodología de Li et al. (2025) sobre redes neuronales en grafos, validada en el benchmark L-Town con detección superior al 97%.

Cómo funciona

De los datos SCADA al mapa de fugas, en cuatro pasos

Modelamos tu red

Representamos la infraestructura hidráulica y la ubicación de tus sensores como un grafo de nodos y cañerías.

Leemos los sensores

La GNN toma las mediciones de presión y demanda de tus sensores SCADA ya instalados.

Detectamos la anomalía

El modelo distingue el patrón hidráulico normal del anómalo y localiza los nodos más determinantes.

Generamos el mapa

Interpolamos el riesgo sobre los segmentos y entregamos un mapa de calor con las zonas de fuga probable.

Ventajas

Más cobertura, menos costo, sin obra nueva

Cero infraestructura nueva

Funciona con los sensores SCADA que ya tenés. No requiere instalar hardware adicional.

Monitoreo continuo

Detección temprana de deficiencias en el sistema, antes de que la pérdida se vuelva visible.

Menos tiempo y costo

Reduce los protocolos de búsqueda de fugas, acotando la cuadrilla a las zonas de alto riesgo.

Impacto ambiental

Menos agua perdida y menor gasto energético en tratar y transportar recursos que no llegan.

Modelo de negocio

De servicio de análisis a producto SaaS, en tres etapas

Etapa 1 — Hoy

Servicio de análisis de datos

La operadora nos comparte los datos operativos de sus sensores; construimos la red de su infraestructura y entregamos informes personalizados con las ubicaciones de alta probabilidad de fuga.

Etapa 2

Entrenamiento del modelo

Con datos de múltiples operadoras, entrenamos y robustecemos la red neuronal para dar el salto hacia un producto escalable.

Etapa 3

Producto SaaS

Los operadores cargan e integran sus propios datos en el software y monitorean sus redes hidráulicas con precisión, de forma autónoma y continua.

Equipo

Físicos resolviendo un problema de infraestructura

Somos estudiantes avanzados de Física de la Universidad de Buenos Aires (UBA). TOPOS nació como proyecto ganador de una hackathon de innovación con más de 200 participantes.

LC
Lautaro Caligiuri
Física · UBA
IC
Ignacio Corrales
Física · UBA
SN
Santiago Noya
Física · UBA
LL
Lourdes Laurés
Física · UBA

Hablemos sobre tu red

¿Operás una red de distribución de agua con sistema SCADA? Escribinos y coordinamos un análisis piloto de tus datos.

contacto@topos.com.ar