Tecnologías de vanguardia para la Administración de plantas de agua

Karla Lilibeth Cevallos Angulo

Resumen


La transformación digital en la gestión de plantas de agua es un proceso esencial para mejorar la eficiencia y la calidad del suministro de agua. En este artículo, se examinan diversas áreas relacionadas con la transformación digital en el sector del agua, desde la definición y la importancia de la gestión eficiente del agua en la era digital hasta las tendencias emergentes y las recomendaciones para políticas públicas y estrategias de inversión. Se destaca la relevancia y el potencial de la transformación digital en la gestión del agua, enfatizando su capacidad para mejorar la eficiencia operativa y la resiliencia ante emergencias. Además, se resalta la importancia de comprender los antecedentes y la evolución de la transformación digital en el sector del agua para abordar los desafíos actuales y futuros de manera efectiva.

Se define la transformación digital en el contexto específico de la gestión de recursos hídricos, resaltando su enfoque en la aplicación de tecnologías digitales para mejorar la eficiencia, la calidad y la seguridad del suministro de agua. Se analizan los elementos clave de la transformación digital, como la telemetría, los sensores inteligentes y el análisis de datos, y se exploran sus aplicaciones en la gestión del agua. Se discute la importancia de la gestión eficiente del agua en el contexto de la era digital, destacando los desafíos y oportunidades asociados con la creciente demanda de agua y los cambios en los patrones climáticos. Se enfatiza la necesidad de adoptar enfoques innovadores y tecnologías avanzadas para garantizar un suministro de agua seguro, sostenible y equitativo para todas las comunidades. Se revisan los antecedentes y la evolución de la transformación digital en el sector del agua, desde el uso inicial de sistemas de telemetría y control hasta la adopción generalizada de tecnologías de IoT, IA y big data. Se destacan los avances tecnológicos clave y se identifican las tendencias emergentes que están dando forma al futuro de la gestión del agua en la era digital.


Palabras clave


Transformación digital; IoT; IA; Big data; Políticas públicas.

Texto completo:

PDF HTML

Referencias


Carriazo-Regino, Y., Baena-Navarro, R., Torres-Hoyos, F., Vergara-Villadiego, J., & Roa-Prada, S. (2022). IoT-based drinking water quality measurement: systematic literature review. Indonesian Journal of Electrical Engineering and Computer Science. https://doi.org/10.11591/ijeecs.v28.i1.pp405-418

Chaplin, B. (2019). The Prospect of Electrochemical Technologies Advancing Worldwide Water Treatment. Accounts of Chemical Research, 52 3, 596–604. https://doi.org/10.1021/acs.accounts.8b00611

Chere-Quiñónez, B. F., Ulloa-de Souza, R. C.., Reyna-Tenorio, L. J.., Canchingre-Bone, M. E.., & Mosquera-Quintero, G. A. (2022). Electrical energy from industrial wastewater in Guayaquil, Ecuador. Sapienza: International Journal of Interdisciplinary Studies, 3(6), 202–210. https://doi.org/10.51798/sijis.v3i6.509

Chew, C. M., Aroua, M., & Hussain, M. (2018). Advanced process control for ultrafiltration membrane water treatment system. Journal of Cleaner Production, 179, 63–80. https://doi.org/10.1016/J.JCLEPRO.2018.01.075

Chunzhong, W., Zhong, L., Yanbo, J., Xuan, D., & Yu, W. (2022). Design of Intelligent Monitoring System of Integrated Water Supply and Drainage based on Big Data and Cloud Computing. https://doi.org/10.1109/NetCIT57419.2022.00008

Deshmukh, A., Boo, C., Karanikola, V., Lin, S., Straub, A. P., Tong, T., Warsinger, D., & Elimelech, M. (2018). Membrane distillation at the water-energy nexus: limits, opportunities, and challenges. Energy and Environmental Science, 11, 1177–1196. https://doi.org/10.1039/C8EE00291F

El Sayed, H. Y., Al-Kady, M., & Siddik, Y. (2019). Management of Smart Water Treatment Plant using IoT Cloud Services. 2019 International Conference on Smart Applications, Communications and Networking (SmartNets). https://doi.org/10.1109/SmartNets48225.2019.9069763

Fikar, M., Kovács, Z., & Czermak, P. (2010). Dynamic optimization of batch diafiltration processes. Journal of Membrane Science, 355, 168–174. https://doi.org/10.1016/J.MEMSCI.2010.03.019

Fu, G., Khu, S., & Butler, D. (2009). Use of surrogate modelling for multiobjective optimisation of urban wastewater systems. Water Science and Technology, 60, 1641–1647. https://doi.org/10.2166/wst.2009.508

Gaudio, M. T., Coppola, G., Zangari, L., Curcio, S., Greco, S., & Chakraborty, S. (2021). Artificial Intelligence-Based Optimization of Industrial Membrane Processes. Earth Systems and Environment, 5, 385–398. https://doi.org/10.1007/s41748-021-00220-x

Ghadouani, A., & Coggins, L. X. (2011). Science, technology and policy for Water Pollution Control at the Watershed Scale: Current issues and future challenges. Physics and Chemistry of the Earth, 36, 335–341. https://doi.org/10.1016/J.PCE.2011.05.011

Idris, M. Z., Suratman, R., & Shamsuddin, S. (2021). AN IMPROVEMENT OF INTEGRATED GEOGRAPHICAL INFORMATION SYSTEM IN MANAGING SEWERAGE TREATMENT PLANT. PLANNING MALAYSIA. https://doi.org/10.21837/pm.v19i18.1043

Jawad, J., Hawari, A., & Zaidi, S. (2021). Artificial neural network modeling of wastewater treatment and desalination using membrane processes: A review. Chemical Engineering Journal, 419, 129540. https://doi.org/10.1016/J.CEJ.2021.129540

Jing, L., Chen, B., Zhang, B., & Li, P. (2015). Process simulation and dynamic control for marine oily wastewater treatment using UV irradiation. Water Research, 81, 101–112. https://doi.org/10.1016/j.watres.2015.03.023

Johnson, L. E. (2016). Geographic Information Systems in Water Resources Engineering. CRC Press. https://doi.org/10.1201/9781420069143

Kara, S., Karadirek, I. E., Muhammetoglu, A., & Muhammetoglu, H. (2016). Real time monitoring and control in water distribution systems for improving operational efficiency. Desalination and Water Treatment, 57, 11506–11519. https://doi.org/10.1080/19443994.2015.1069224

Karabelas, A., Kostoglou, M., & Koutsou, C. (2015). Modeling of spiral wound membrane desalination modules and plants – review and research priorities. Desalination, 356, 165–186. https://doi.org/10.1016/J.DESAL.2014.10.002

Kumar, R., & Pal, P. (2013). A membrane-integrated advanced scheme for treatment of industrial wastewater: dynamic modeling towards scale up. Chemosphere, 92, 1375–1382. https://doi.org/10.1016/j.chemosphere.2013.05.006

Kwon, M., Gim, U., Lee, J.-J., & 조오현. (2018). IoT-based Water Tank Management System for Real-time Monitoring and Controlling. Journal of Convergence Information Technology, 8, 217–223. https://doi.org/10.22156/CS4SMB.2018.8.6.217

Li, L., Rong, S., Wang, R., & Yu, S. (2021). Recent advances in artificial intelligence and machine learning for nonlinear relationship analysis and process control in drinking water treatment: A review. Chemical Engineering Journal. https://doi.org/10.1016/j.cej.2020.126673

Marsili-Libelli, S. (2010). Modelling and automation of water and wastewater treatment processes. Environmental Modelling & Software, 25, 613–615. https://doi.org/10.1016/j.envsoft.2009.11.002

Qu, X., Alvarez, P., & Li, Q. (2013). Applications of nanotechnology in water and wastewater treatment. Water Research, 47 12, 3931–3946. https://doi.org/10.1016/j.watres.2012.09.058

Rousseau, A., Mailhot, A., Turcotte, R., Duchemin, M., Blanchette, C., Roux, M., Etong, N., Dupont, J., & Villeneuve, J. (2004). GIBSI – An integrated modelling system prototype for river basin management. Hydrobiologia, 422–423, 465–475. https://doi.org/10.1023/A:1017030618572

Saquicela, J. L. S.-., Heredia, J. R. B.-., Heredia, M. A. M.-., Salinas, L. D. R. de L. A., Fernández, R. E. C., Parra, M. Ángel V., Burgos, J. G. C., Acurio, J. A. G., Mina, M. G. G. C., & Quiñónez, B. F. C. (2022). Diseño de un sistema de monitorización de la calidad de aire, basado en una red sensorial y técnicas de IOT para la ciudad de Esmeraldas / Projeto de um sistema de monitoramento da qualidade do ar baseado em uma rede de sensores e técnicas IOT para a cidade de Esmeraldas. Brazilian Applied Science Review, 6(2), 692–730. https://doi.org/10.34115/basrv6n2-020

Sousa-Zomer, T. T., & Miguel, P. (2018). Sustainable business models as an innovation strategy in the water sector: An empirical investigation of a sustainable product-service system. Journal of Cleaner Production, 171. https://doi.org/10.1016/J.JCLEPRO.2016.07.063

Tudoroiu, E.-R., Radu, S., Kecs, W., & Iliaș, N. (2017). STOCHASTIC OPTIMAL CONTROL OF pH NEUTRALISATION PROCESS IN A WATER TREATMENT PLANT. Environmental Modelling & Software, 15, 49–68. https://doi.org/10.19062/1842-9238.2017.15.1.7




DOI: https://doi.org/10.23857/pc.v9i3.7141

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/