Modelo Preditivo para Identificação de Vazamentos em Redes de Distribuição de Água via Monitoramento de Pressão

doi:10.22167/2675-6528-202602654

Artigo

30 de setembro de 2026

Modelo Preditivo para Identificação de Vazamentos em Redes de Distribuição de Água via Monitoramento de Pressão

Modelo Preditivo para Identificação de Vazamentos em Redes de Distribuição de Água Via Monitoramento de Pressão

Ana Carolina Porto; Elisa Morandé Sales

DOI: 10.22167/2675-6528-202602654

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

As perdas reais de água em redes de distribuição representam um desafio crucial para a eficiência operacional das concessionárias de saneamento, especialmente frente às metas de redução estabelecidas pela Lei nº 14.026/2020. Desenvolveu-se um modelo preditivo para identificar vazamentos em redes de distribuição de água a partir do monitoramento de dados de pressão, com o objetivo de estimar a magnitude e a localização mais provável dos eventos. A metodologia integrou simulações hidráulicas, dados operacionais e técnicas de aprendizado profundo, utilizando uma arquitetura híbrida CNN-LSTM. O modelo foi desenvolvido e avaliado na rede de distribuição virtual L-Town, da competição BattLeDIM (2020), combinando dados sintéticos gerados via biblioteca WNTR com séries temporais de pressão para avaliação externa. Os resultados demonstraram a viabilidade da abordagem, com R² de 0,7947 e acurácia de zona de 70,05% no domínio sintético, e correlação de Pearson de 0,7449 na avaliação macrotendência temporal externa. A divergência de domínio observada, com queda da acurácia de localização de 70,05% para 18,02% na avaliação externa, delimitou o escopo atual do modelo e indicou a necessidade de aprimoramentos para sua implantação em redes operacionais. O modelo apresenta-se como uma ferramenta promissora para a gestão de perdas, destacando-se na quantificação de vazamentos, mas exige melhorias para a localização exata em campo.

Palavras-chave: Detecção de vazamentos; Machine learning; Perdas reais de água; Sistema de abastecimento de água.

1. Introdução

Devido à crescente preocupação associada às mudanças climáticas e aos cenários de escassez hídrica, a conservação dos recursos naturais e o uso consciente da água vêm ganhando destaque nos âmbitos nacional e internacional. Nesse contexto, com a atualização promovida pela Lei nº 14.026/2020, entrou em vigor no Brasil o novo marco legal do saneamento básico, que estabelece diretrizes para a regulação, a universalização do acesso e a prestação eficiente dos serviços, incluindo a redução dos índices de perdas de água. Em complemento, em 2025 foi aprovada a Norma de Referência nº 15/2025 da Agência Nacional de Águas e Saneamento Básico (ANA), a qual define diretrizes específicas para a gestão, a redução progressiva e o controle das perdas nos sistemas de abastecimento.

Por definição, em um sistema de abastecimento urbano, as perdas de água são contabilizadas através da diferença entre o volume total inserido no sistema — correspondente à água produzida e importada — e o consumo autorizado, sendo classificadas em perdas reais e perdas aparentes. A perda real, também denominada perda física, corresponde à parcela de água que não chega ao consumidor final, estando associada principalmente a vazamentos em elementos pressurizados do sistema, como redes de distribuição e ramais prediais. Por sua vez, a perda aparente, ou comercial, refere-se ao volume de água efetivamente consumido, porém não devidamente medido, contabilizado ou autorizado, estando relacionada a imprecisões na micromedição, erros de manipulação de dados e consumos não autorizados. Além dessas categorias, destaca-se o conceito de “água não faturada”, que representa o total de água não convertida em faturamento, englobando tanto as perdas reais e aparentes quanto o consumo autorizado não faturado (Pearson, 2019).

O estudo realizado por Liemberger e Wyatt (2018) indica que o volume mundial de água não faturada era, em 2019, da ordem de 346 milhões de metros cúbicos por dia. De acordo com os autores, além de representar uma preocupação financeira, o elevado índice de perdas no atual contexto de crescente escassez e mudanças climáticas acaba por comprometer a capacidade das concessionárias de abastecimento em atingir suas metas de universalização, assim como em entregar um serviço confiável, de qualidade e a preços acessíveis.

Em âmbito nacional, o ranking do saneamento publicado pelo Instituto Trata Brasil (2025) analisou os indicadores dos 100 municípios mais populosos com valores de referência do SNIS/SINISA 2023. O relatório apresentou índice médio de perdas na distribuição de 45%, o que representa uma piora significativa em relação aos 35% computados no ano anterior, superior também à média nacional divulgada no SINISA (2023), que foi de 40%.

No que diz respeito especificamente às perdas reais, tem-se os vazamentos nas redes de distribuição e nos ramais prediais como sendo as parcelas mais representativas, podendo ser classificados como visíveis, não visíveis ou inerentes. Enquanto os vazamentos inerentes são condicionados pela situação física e operacional das infraestruturas existentes, os vazamentos visíveis e não visíveis possuem vínculo direto com o Tempo Médio de Atendimento (TMA). Assim, a detecção rápida de novos eventos assume uma importante estratégia na redução do volume de água perdido, que varia de acordo com o tempo entre a consciência de um novo rompimento até sua efetiva localização e reparo (Manzi, 2017).

Atualmente existem diversos métodos disponíveis para controle ativo de vazamentos, como por exemplo tecnologias para correlação de ruído, técnicas in-line (sistemas ancorados por cabeamento ou livres), dispositivos eletrônicos de escuta amplificada, drones, radar de penetração no solo (GPR), câmeras infravermelhas/térmicas, imagens de satélite, ferramentas de otimização (modelagem hidráulica) e soluções baseadas em softwares (Hamilton e Charalambous, 2020). Entretanto, apesar da variedade de tecnologias, muitas vezes um bom desempenho requer direcionamentos mais assertivos. Devido à alta complexidade, à ausência de diagnósticos precisos e à baixa disponibilidade de informações, nem sempre as tecnologias disponíveis entregam resultados práticos, eficientes e eficazes.

Sabe-se que a vazão de vazamentos em determinada tubulação aumenta em função do aumento da pressão do fluido. Isso ocorre, pois, a área do vazamento não é fixa, oscilando conforme a variação de pressão a que a tubulação é submetida, tendo por influência também as especificidades do material da rede (Van Zyl et al., 2017). Embora conhecida esta correlação, a aplicabilidade de ferramentas que possibilitem um diagnóstico preciso desse impacto em sistemas reais não é trivial. Ao analisar os dados de pressão, diversas variáveis tornam difícil a separação das “assinaturas” de cada evento registrado, que além dos vazamentos contam com variações no consumo e eventos operacionais, como enchimento de reservatórios, acionamento de bombas, abertura e fechamento de válvulas, entre outros.

Misiunas (2005), em diagnóstico que permanece válido, observou que apesar dos esforços despendidos para modernizar a operação dos sistemas de abastecimento água, essa ainda é uma das áreas que mais requer desenvolvimento dentro da infraestrutura urbana. Nos últimos anos, os avanços tecnológicos têm impulsionado significativamente a elaboração de ferramentas que auxiliem na detecção de vazamentos em redes de distribuição de água, como o uso de inteligência artificial e técnicas de deep learning.

O objetivo deste trabalho é estruturar um modelo preditivo capaz de identificar vazamentos em redes de distribuição de água, tanto em termos de magnitude, expresso pelo coeficiente emissor, quanto de localização, representada pela delimitação de uma área mais provável à ocorrência do evento. A abordagem proposta busca não apenas aprimorar o diagnóstico de volume de perdas reais em sistemas de abastecimento, mas também aumentar a precisão e a rapidez na detecção e localização de vazamentos. Ao priorizar e potencializar o uso da infraestrutura de medição já instalada nos sistemas existentes, o trabalho visa desenvolver uma ferramenta de apoio à eficiência operacional, à redução de perdas e à melhoria no gerenciamento inteligente das redes.

2. Material e Métodos

A metodologia adotada neste trabalho caracterizou-se por uma abordagem quantitativa e preditiva, com o objetivo de desenvolver um modelo de inteligência artificial para a detecção e localização de vazamentos em redes de distribuição de água. O estudo integrou a modelagem hidráulica computacional para a geração de dados sintéticos, o pré-processamento de séries temporais e o desenvolvimento de uma arquitetura de rede neural profunda híbrida.

O objeto empírico da pesquisa foi a rede de distribuição virtual L-Town, disponibilizada pela competição científica internacional BattLeDIM (2020). Esta rede fictícia é constituída por 782 nós de demanda, 1 reservatório e 2 fontes de abastecimento. A rede possui uma extensão de 43,16 km, modelada em 905 trechos, e inclui 3 válvulas e 1 bomba. Para o monitoramento do sistema, utilizaram-se dados de pressão provenientes de 33 sensores distribuídos pela rede.

Devido à escassez de dados reais rotulados de vazamentos em ambientes operacionais, optou-se pela geração de um dataset sintético. Foram simulados 10.000 cenários de vazamentos, cada um com duração de 24 horas e um passo de tempo hidráulico e de relatório configurado para 900 segundos (15 minutos), resultando em séries temporais de 96 pontos por sensor. As simulações foram realizadas utilizando o motor de cálculo hidráulico “Pressure-Driven Demand” (PDD).

A magnitude dos vazamentos no dataset sintético foi definida pelo coeficiente emissor, variando aleatoriamente entre 0,0001 (vazamento de pequeno porte) e 0,0015 (vazamento de médio porte). Adicionalmente, acrescentou-se um ruído Gaussiano (média 0, desvio padrão 0,2) às leituras de pressão simuladas, com o intuito de representar incertezas e erros de medição dos sensores reais. Para cada cenário, simulou-se apenas um vazamento ativo por nó.

A discretização espacial do problema de localização foi realizada através do agrupamento dos nós da rede em zonas geográficas. Aplicou-se o algoritmo K-Means às coordenadas cartesianas (X,Y) dos nós, definindo-se 10 clusters (zonas). Essa abordagem resultou em aproximadamente 4,3 km de rede por setor, transformando o problema de localização exata, de alta complexidade, em um problema de classificação multiclasse por zonas.

Antes da alimentação na rede neural, os dados passaram por três etapas de tratamento. Primeiramente, realizou-se o cálculo de resíduos, subtraindo-se das séries temporais de pressão simuladas (com vazamento) uma “linha de base” correspondente ao comportamento da rede sem vazamentos, isolando assim a assinatura hidráulica da anomalia.

Em seguida, aplicou-se a técnica “MinMax Scaler” para normalização, reescalando os valores dos resíduos para um intervalo que facilitasse a convergência do gradiente durante o treinamento. Por fim, para a validação com dados reais de 2019 (avaliação externa), utilizou-se uma técnica de janela deslizante (“sliding window”) com tamanho de 96 passos temporais, garantindo compatibilidade com o formato de entrada do modelo treinado.

O modelo foi construído a partir de uma proposta híbrida, integrando Redes Neurais Convolucionais (CNN-1D) e Redes Neurais Recorrentes (LSTM). A arquitetura proposta consistiu em uma estrutura “Multi-Task Learning”, com o objetivo de explorar simultaneamente padrões temporais locais e dependências dinâmicas de longo prazo nos sinais de pressão.

A entrada do modelo consistiu em um tensor de dimensão (96, 33), representando 96 instantes temporais (24 horas de medições registradas a cada 15 minutos) provenientes de 33 sensores de pressão. A estrutura da rede foi composta por camadas sequenciais, iniciando com uma camada convolucional 1D com 64 filtros e kernel size igual a 3, seguida de função de ativação ReLU e MaxPooling com fator 2, para extração de características espaciais.

Posteriormente, uma camada Long Short-Term Memory (LSTM) com 50 unidades processou as características extraídas pela CNN-1D, capturando dependências temporais de longo alcance e a dinâmica diária das pressões. Uma camada densa intermediária de 64 neurônios conectou-se a duas camadas de saída independentes: uma para classificação da zona do vazamento (Output_Localizacao, com 10 neurônios e ativação Softmax) e outra para regressão da intensidade do vazamento (Output_Magnitude, com 1 neurônio e ativação linear).

Todo o desenvolvimento foi realizado no ambiente “Google Colab”, utilizando a linguagem Python (versão 3.12.13). As bibliotecas “Water Network Tool for Resilience” (WNTR, v1.4.0) foram empregadas para a simulação hidráulica, e “TensorFlow” (v2.21.0) para a construção dos modelos preditivos. O conjunto de dados sintético foi dividido em 80% para treinamento e validação, e 20% para teste.

O modelo foi compilado utilizando o otimizador Adam. A função de perda foi composta de forma ponderada, atribuindo peso 3.0 para a perda de classificação (“sparse_categorical_crossentropy”) e peso 1.0 para a perda de regressão (“mean_squared_error”), priorizando a tarefa de localização. O treinamento ocorreu ao longo de 100 épocas, com um “batch size” de 64 amostras.

Para quantificar o desempenho do modelo, adotaram-se métricas específicas para as tarefas de regressão (magnitude) e classificação (localização). Para a regressão, utilizaram-se o Coeficiente de Determinação (R²), o Erro Médio Absoluto (MAE) e a Raiz do Erro Quadrático Médio (RMSE). Para a classificação, empregaram-se a Acurácia de Zona (Exact Match), a Área Sob a Curva ROC (AUC-ROC), Precisão, Recall (Sensibilidade), F1-Score e a Matriz de Confusão.

A validação final do modelo treinado exclusivamente com dados sintéticos foi realizada aplicando-o aos dados reais de monitoramento do ano de 2019 (2019_SCADA_Pressures.csv) da rede L-Town. Avaliou-se sua capacidade de generalização através da comparação com o gabarito de vazamentos reais ocorridos naquele ano (2019_Leakages.csv), incluindo a Correlação Temporal para a macrotendência de vazamentos.

3. Resultados e Discussão

A implementação do modelo preditivo híbrido, que integra Redes Neurais Convolucionais (CNN) e Redes Neurais Recorrentes (LSTM), foi realizada e avaliada em duas etapas distintas para a detecção e localização de vazamentos em redes de distribuição de água. Primeiramente, procedeu-se a uma validação quantitativa utilizando um conjunto de teste reservado, correspondente a 20% do dataset sintético de 10.000 cenários gerados. Posteriormente, realizou-se uma validação externa, empregando dados reais de monitoramento da rede L-Town referentes ao ano de 2019. O treinamento do modelo estendeu-se por 100 épocas, com o objetivo de executar simultaneamente a classificação da zona de ocorrência do vazamento e a regressão do coeficiente emissor, que representa a magnitude do evento.

Desempenho no Processo de Treinamento

O treinamento do modelo demonstrou uma convergência robusta e estável ao longo das 100 épocas. A acurácia para a tarefa de localização, que inicialmente se situava abaixo de 20% nas primeiras épocas, apresentou uma evolução significativa, estabilizando-se em aproximadamente 70% na validação ao final do processo. Essa melhoria progressiva indica a capacidade do modelo de aprender e refinar suas previsões de localização. Em paralelo, a função de perda total, ou “loss”, exibiu um decaimento consistente, partindo de valores próximos a 7,0 e atingindo aproximadamente 2,0. A proximidade entre as curvas de treino e validação da perda e da acurácia sugere que o modelo não incorreu em overfitting severo, indicando uma boa generalização dos padrões aprendidos para dados não vistos durante o treinamento, conforme ilustrado em análises gráficas de acurácia e perda total.

Validação Interna (Dataset Sintético)

A validação interna, conduzida no dataset sintético, permitiu uma avaliação detalhada do desempenho do modelo em um ambiente controlado. Na tarefa de estimativa da magnitude dos vazamentos, o modelo demonstrou um desempenho satisfatório. O Coeficiente de Determinação (R²) alcançou 0,7947, o que significa que o modelo foi capaz de explicar aproximadamente 80% da variância dos dados no ambiente sintético. Este resultado é crucial, pois indica que a arquitetura híbrida CNN-LSTM consegue capturar as relações entre as variações de pressão e a intensidade dos vazamentos de forma eficaz, conforme esperado para um modelo preditivo robusto.

Adicionalmente, as métricas de erro para a estimativa de magnitude reforçaram a precisão do modelo. O Erro Médio Absoluto (MAE) foi de 0,0987, e a Raiz do Erro Quadrático Médio (RMSE) fixou-se em 0,1320. Esses valores, relativamente baixos, indicam que as previsões do modelo para a magnitude dos vazamentos estão, em média, próximas dos valores reais. A análise gráfica da dispersão entre os valores preditos e reais confirmou essa tendência, com a maioria dos pontos agrupando-se próximos à linha ideal, embora tenha sido observada uma leve dispersão em magnitudes intermediárias, sugerindo que o modelo pode ter um desempenho ligeiramente menos preciso para vazamentos de porte médio.

A tarefa de localização, que envolveu a classificação dos vazamentos em uma das 10 zonas geográficas predefinidas da rede, apresentou-se como um desafio maior, mas o modelo obteve uma Acurácia Global de 70,05% no conjunto de teste sintético. Este valor é matematicamente convergente com o “Recall” ponderado, indicando uma boa capacidade de identificar corretamente a maioria dos vazamentos dentro de suas respectivas zonas. A métrica AUC-ROC (Área sob a Curva ROC) atingiu 0,9690 (Média Macro), o que sugere uma alta capacidade do modelo em distinguir entre as diferentes classes de zona, classificando a zona correta com elevada probabilidade.

Outras métricas de classificação ponderadas também foram avaliadas, fornecendo uma visão abrangente do desempenho do modelo na tarefa de localização. A Precisão ponderada foi de 0,7268, o Recall (Sensibilidade) ponderado foi de 0,7005 e o F1-Score ponderado atingiu 0,7040. Esses valores indicam um bom equilíbrio entre a capacidade do modelo de fazer previsões corretas (Precisão) e de identificar todos os casos positivos (Recall), sendo o F1-Score uma média harmônica útil para avaliar o desempenho em cenários com classes desbalanceadas, o que é comum em problemas de detecção de anomalias.

A análise da matriz de confusão normalizada revelou padrões importantes nos erros de classificação. Observou-se que os erros não são aleatórios, mas tendem a se concentrar em zonas adjacentes ou em regiões com características hidráulicas similares. Isso sugere que, embora o modelo possa não identificar a zona exata, ele frequentemente aponta para uma área geograficamente ou hidraulicamente próxima ao vazamento real. O erro médio de distância espacial, calculado em 168,02 metros no conjunto de teste, corrobora essa observação, indicando que, mesmo nos casos de classificação incorreta, a predição do modelo ainda se mantém relativamente próxima da localização verdadeira, o que pode ser útil para direcionar equipes de campo.

Validação Externa (Cenário Real – Dados de 2019)

A aplicação do modelo aos dados reais de monitoramento de pressão de 2019, provenientes dos 33 sensores SCADA da rede L-Town, seguiu o mesmo pipeline de pré-processamento utilizado no treinamento. Este processo incluiu a subtração de uma linha de base hidráulica simulada, a normalização dos dados por um “scaler” ajustado nos dados sintéticos e a formatação do Tensor 3D com 96 passos temporais, correspondendo a 24 horas de medições. A saída de magnitude do modelo estimou o coeficiente emissor normalizado C, conforme definido pela equação de vazamento do EPANET, que relaciona a vazão do vazamento com a pressão e o coeficiente emissor.

A comparação da magnitude dos vazamentos no cenário real foi realizada no domínio tendencial, utilizando uma média móvel. Essa abordagem foi necessária porque o gabarito de 2019 registrava vazões em metros cúbicos por hora, enquanto o modelo estimava o coeficiente emissor normalizado. Sem o conhecimento da pressão local instantânea, os valores absolutos não eram diretamente comparáveis. Ambas as curvas, a real e a estimada, foram normalizadas e suavizadas por uma média móvel de 24 horas, permitindo avaliar a capacidade do modelo de capturar os períodos de aumento e redução dos vazamentos ao longo do ano. A correlação de Pearson obtida foi de 0,7449, indicando que a macrotendência temporal dos vazamentos reais foi satisfatoriamente capturada pelo modelo, o que é um resultado promissor para a gestão de perdas.

Contudo, a validação espacial no cenário real evidenciou limitações consideráveis em comparação com o desempenho no ambiente sintético. A acurácia de zona, que mede a correspondência exata entre a zona predita e a zona real do tubo com maior vazamento, foi de apenas 18,02%. Este valor representa uma queda significativa em relação aos 70,05% obtidos no dataset sintético. O erro médio de distância de localização também aumentou consideravelmente, atingindo 807,98 metros. Apesar dessa redução na precisão, o modelo demonstrou alguma capacidade de identificar eventos de maior severidade, acertando a zona do tubo com maior volume de vazamento registrado em 2019.

As métricas consolidadas da validação com o cenário real destacam a divergência de desempenho entre os ambientes sintético e real. A correlação temporal (macrotendência) manteve-se em 0,7449, confirmando a capacidade do modelo de acompanhar as variações de magnitude ao longo do tempo. No entanto, a acurácia de zona (Exact Match) de 18,02% e o erro médio de distância de 807,98 metros para a localização indicam que a transferência de aprendizado do ambiente sintético para o real ainda enfrenta desafios significativos, principalmente no que tange à precisão espacial dos vazamentos. Essa discrepância entre a acurácia dos dados sintéticos (70%) e reais (18%) aponta para fragilidades no modelo que precisam ser abordadas em trabalhos futuros.

As fragilidades identificadas no modelo, que resultaram na discrepância entre os desempenhos nos dados sintéticos e reais, foram elencadas como pontos cruciais para melhorias futuras. Primeiramente, o modelo foi treinado com a premissa de um único vazamento ativo por cenário no dataset sintético. No entanto, os dados reais de 2019 frequentemente contêm múltiplos vazamentos simultâneos, o que pode sobrepor as assinaturas de pressão e confundir o classificador de zona. A incorporação de cenários com múltiplos vazamentos simultâneos na estruturação dos dados sintéticos é, portanto, uma necessidade para aumentar a robustez do modelo em ambientes operacionais.

Outro ponto de melhoria reside na agregação de sazonalidade à simulação. O “baseline_series” foi gerado por uma única simulação estática, enquanto os dados reais apresentam variações sazonais de consumo que o baseline estático não consegue capturar. A falta de representação da sazonalidade no treinamento pode levar a falsos positivos ou a uma menor sensibilidade na detecção de vazamentos em diferentes períodos do ano. Além disso, a inserção de assinaturas de diferentes ruídos, como manobras de válvulas e operações de enchimento de reservatórios, é fundamental. O “scaler_X” foi definido em dados sintéticos com ruído gaussiano controlado (σ=0.2), mas os dados reais possuem uma distribuição de ruído diferente e desconhecida, o que afeta a capacidade do modelo de generalizar.

A divisão em 10 zonas por K-Means geométrico também se mostrou inadequada, pois não atende à topologia hidráulica real da rede. Consequentemente, nós que pertencem à mesma zona geométrica podem estar hidraulicamente distantes, o que compromete a precisão da localização. Para complementar essas melhorias e agregar rastreabilidade às variações topológicas sem aumentar excessivamente o custo computacional, foram propostas algumas recomendações. Sugere-se substituir a geração de zonas estatisticamente (K-Means) por uma análise topológica, agrupando os nós não pela distância geométrica em linha reta, mas pelo comprimento das tubulações e barreiras físicas da rede, como válvulas, bombas e capeamentos.

Adicionalmente, recomenda-se a integração de “Physics-Guided Machine Learning” (PGML), injetando o Diferencial de Pressão (ΔP) entre sensores adjacentes diretamente na etapa de pré-processamento. Essa abordagem visa fornecer noções de topologia e direção de fluxo à arquitetura atual, buscando capturar benefícios de generalização espacial com um custo computacional inferior ao de abordagens mais complexas. Outra proposta é a Triangulação Hidráulica Pós-Predição, que utilizaria a inteligência artificial estritamente para a detecção da macro-zona e da vazão (magnitude), acoplando na saída do modelo um algoritmo determinístico que cruze essas predições com equações empíricas, como Hazen-Williams, para localizar o nó exato de forma analítica.

Por fim, a criação de uma Matriz de Sensibilidade Off-line foi recomendada. Esta matriz mapearia previamente o alcance direcional dos vazamentos durante os cenários de vazão mínima noturna, tipicamente entre 1h e 5h. Tal matriz atuaria como um filtro para a eliminação de ruídos e restrição analítica de falsos positivos durante a operação em campo, otimizando a resposta e a precisão das intervenções. Essas recomendações visam aprimorar a capacidade do modelo de lidar com a complexidade das redes reais e a variabilidade dos dados operacionais, aproximando-o de uma aplicação prática e eficiente na gestão de perdas.

Em síntese, o modelo preditivo desenvolvido, baseado em uma arquitetura híbrida CNN-LSTM, demonstrou ser uma ferramenta promissora para a gestão de perdas em redes de distribuição de água. Verificou-se sua eficácia na estimativa da magnitude dos vazamentos, com um Coeficiente de Determinação (R²) de 0,7947 em dados de teste sintéticos e uma forte correlação de 0,7449 na macrotendência temporal dos dados de validação externa. Embora tenha apresentado uma boa capacidade de generalização para a localização em ambiente controlado (AUC-ROC de 0,9690 e erro médio de 168 metros), a aplicação em cenário real revelou limitações na precisão espacial, com um erro médio de localização de 807,98 metros, indicando a necessidade de aprimoramentos para sua implantação em campo como uma ferramenta de localização exata.

4. Conclusão

O presente estudo buscou estruturar um modelo preditivo para identificar vazamentos em redes de distribuição de água, estimando sua magnitude e delimitando a localização mais provável a partir do monitoramento de dados de pressão. Verificou-se que a arquitetura híbrida CNN-LSTM desenvolvida demonstrou eficácia na quantificação da magnitude dos vazamentos, alcançando um Coeficiente de Determinação (R²) de 0,7947 em dados sintéticos e uma correlação de Pearson de 0,7449 na macrotendência temporal em um cenário real. Para a localização, o modelo obteve uma acurácia de zona de 70,05% no ambiente sintético, com um erro médio de distância de 168,02 metros, indicando sua capacidade de generalização em condições controladas. A principal contribuição reside na oferta de uma ferramenta promissora para a gestão de perdas, capaz de aprimorar o diagnóstico do volume de perdas reais e apoiar a eficiência operacional, ao priorizar o uso da infraestrutura de medição existente.

Contudo, a aplicação do modelo em dados reais de monitoramento revelou limitações significativas na precisão espacial, com a acurácia de zona caindo para 18,02% e o erro médio de distância de localização aumentando para 807,98 metros. Essa divergência de domínio foi atribuída à premissa de vazamento único no treinamento sintético, à ausência de sazonalidade na simulação e à inadequação da setorização geométrica por K-Means para a topologia hidráulica real. Para aprimorar a robustez e a aplicabilidade do modelo em ambientes operacionais, recomenda-se a incorporação de cenários com múltiplos vazamentos simultâneos nos dados sintéticos, a evolução da setorização por análise topológica e a integração de técnicas de Physics-Guided Machine Learning (PGML) para fornecer noções de topologia e direção de fluxo. Sugere-se também a Triangulação Hidráulica Pós-Predição e a criação de uma Matriz de Sensibilidade Off-line para refinar a localização exata e filtrar ruídos, aproximando o modelo de uma ferramenta de localização precisa em campo.

Referências Bibliográficas

BattLeDIM, 2020 [Referência completa não encontrada no documento original]

Brasil. Agência Nacional de Águas e Saneamento Básico. Norma de Referência nº 15, de 2025. Estabelece diretrizes para a regulação dos serviços de saneamento básico, com foco na redução e controle de perdas de água. Brasília, 2025.

Hamilton, S.; Charalambous, B. 2020. Leak Detection: Technology and Implementation. 2ed. IWA Publishing, London, UK.

Instituto Trata Brasil; GO Associados. 2025. Ranking do Saneamento do Instituto Trata Brasil de 2025 (SNIS/SINISA 2023).

Liemberger, R.; Wyatt, A. 2018. Quantifying the global non-revenue water problem. Water Supply 18(4): 1184-1193.

Manzi, D. 2017. Detecção e Localização de Rompimentos em Redes de Distribuição de Água a partir de Análise dos Sinais de Pressão em Regime Transitório. Tese de Doutorado em Engenharia Civil. Universidade Estadual de Campinas, Campinas, SP, Brasil.

Misiunas, D. 2005. Failure Monitoring and Asset Condition Assessment in Water Supply Systems. Tese de Doutorado em Automação Industrial. Lund University, Lund, Suécia.

Pearson, D. 2019. Standard Definitions for Water Losses. IWA Publishing, London, UK.

SINISA, 2023 [Referência completa não encontrada no documento original]

SNIS/SINISA, 2023 [Referência completa não encontrada no documento original]

Van Zyl, J. E.; Lambert, A. O.; Collins, R. 2017. Realistic modeling of leakage and intrusion flows through leak openings in pipes. Journal of Hydraulic Engineering 143(9): 04017030-1-04017030-7.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

13 de outubro de 2026

“Marca”: viabilidade econômica para moda sustentável LGBTQIA+ em São Paulo

13 de outubro de 2026

Preditores de óbitos em idosos com síndrome respiratória aguda grave confirmados por Influenza A(H1N1)pdm09

13 de outubro de 2026

Construindo a beleza desde cedo: comportamentos de consumo de maquiagem e skincare na Geração Alpha

13 de outubro de 2026

Uma visão geral comparativa das frotas de veículos elétricos no Brasil e na União Europeia

13 de outubro de 2026

População e Imigração no Japão: Projeções com Séries Temporais e Análise Causal Demográfica até 2044

13 de outubro de 2026

Marketing digital e engajamento no youTube: estratégias para canais de crimes reais no Brasil

13 de outubro de 2026

Utilização de técnicas de Machine Learning Não Supervisionado para planejamento de trabalho de revisão de remunerações para aposentadoria

13 de outubro de 2026

Gestão de vendas para o desempenho de uma empresa do setor imobiliário

13 de outubro de 2026

Delineo: Adaptação de modelo de difusão para prototipagem de interface de usuário guiada por esboço

Você também pode gostar

13 de outubro de 2026

“Marca”: viabilidade econômica para moda sustentável LGBTQIA+ em São Paulo

O cenário atual da moda, marcado pelo consumo excessivo de “fast fashion” e pela exclusão de corpos dissidentes, evidenciou a necessidade de marcas focadas em conscientização, “upcycling” e transmutação têxtil. Neste contexto, o estudo objetivou analisar a viabilidade econômica de uma marca de moda sustentável e inclusiva, direcionada ao público LGBTQIA+ na cidade de São Paulo. A pesquisa caracterizou-se como um estudo de caso quantitativo, fundamentado na aplicação de um questionário para aferir o comportamento de consumo e na projeção de cenários financeiros para um quinquênio. Os resultados revelaram um ticket médio viável de R$200,00 e confirmaram a rentabilidade da operação com um Valor Presente Líquido de R$ 47.699,49, uma Taxa Interna de Retorno de 343,70% e uma Taxa Interna de Retorno Modificada de 115,80%. A análise de sensibilidade comprovou a solidez do projeto, demonstrando retorno positivo mesmo em simulações pessimistas. O empreendimento mostrou-se viável, indicando que a união entre valores de sustentabilidade, economia social e estrutura financeira eficiente resulta em um negócio de baixo risco.

Palavras-chave: Análise de investimentos; Economia circular; Empreendedorismo; Impacto socioambiental; Vestuário.

13 de outubro de 2026

Preditores de óbitos em idosos com síndrome respiratória aguda grave confirmados por Influenza A(H1N1)pdm09

A infecção pelo vírus influenza A(H1N1)pdm09 pode evoluir para Síndrome Respiratória Aguda Grave (SRAG), com maior risco de óbitos em idosos. O objetivo foi analisar fatores preditores de óbito em casos de SRAG confirmados para influenza A(H1N1)pdm09, entre idosos com 60 anos ou mais, considerando fatores individuais e contextuais das Regiões Administrativas (RA) do Estado de São Paulo (ESP), e comparar o desempenho de modelos de regressão. Realizou-se um estudo descritivo e analítico no ESP, de 2023 a 2024, utilizando dados do SIVEP-Gripe e da Fundação SEADE. Incluíram-se 714 casos confirmados por RT-PCR de influenza A(H1N1)pdm09 em residentes do ESP com 60 anos ou mais. Analisaram-se variáveis sociodemográficas, clínicas, de internação, tratamento, vacinação e local de residência. Empregou-se regressão logística binária e hierárquica logística, com o desfecho de evolução para óbito. Dos 714 casos, 202 resultaram em óbito. O modelo final de regressão logística binária associou maior chance de óbito ao sexo masculino, idade avançada, saturação de oxigênio inferior a 95%, internação em UTI e uso de suporte ventilatório invasivo. A presença de tosse e o uso de antiviral foram associados a menor chance de óbito. O modelo hierárquico logístico apresentou desempenho semelhante, com pequena contribuição contextual residual das RA. Concluiu-se que o modelo de regressão logística binária foi suficiente e mais simples para representar os dados, sendo adotado como modelo final.

Palavras-chave: Influenza A(H1N1)pdm09; Modelagem hierárquica logística; Óbito por Influenza A(H1N1)pdm09; Regressão logística; Síndrome Respiratória Aguda Grave.

13 de outubro de 2026

Construindo a beleza desde cedo: comportamentos de consumo de maquiagem e skincare na Geração Alpha

O interesse feminino pela estética manifesta-se em diversas sociedades, sendo amplificado pelo avanço da internet e das redes sociais, que impulsionaram o surgimento de influenciadores digitais. O estudo analisou como o marketing de influência digital impacta o comportamento de consumo e a percepção estética de meninas da Geração Alpha (3 a 15 anos) no estado de São Paulo, sob a perspectiva de seus pais e/ou responsáveis, com foco no consumo precoce de maquiagem e skincare e na construção de padrões estéticos. Para isso, realizou-se uma pesquisa bibliográfica, aplicou-se um formulário quantitativo online e presencial, e conduziu-se uma entrevista com um médico dermatologista. Os resultados indicaram que o interesse pela beleza surge precocemente, com incentivo dos responsáveis. As jovens demonstraram desejo de pertencimento, e itens de maquiagem apresentaram ligeira predominância sobre os de skincare. A maioria dos participantes acreditou que o marketing de influência impacta as decisões de compra. Concluiu-se que o interesse pela beleza e o incentivo ao autocuidado são naturalizados desde cedo, e que o marketing de influência contribui para a formação de desejos de consumo, embora a amostra não probabilística limite generalizações.

Palavras-chave: Adolescentes; Crianças; Estética; Influenciadores; Redes Sociais.

13 de outubro de 2026

Uma visão geral comparativa das frotas de veículos elétricos no Brasil e na União Europeia

O transporte rodoviário contribui para aproximadamente 20% das emissões globais de CO2, impulsionando a busca por soluções de mobilidade mais limpas, como veículos elétricos. O objetivo deste estudo foi comparar os mercados de veículos elétricos no Brasil e na União Europeia, contrastando suas políticas, adoção por consumidores e desenvolvimento de infraestrutura. Empregou-se um desenho de pesquisa descritiva comparativa, analisando dados quantitativos da Associação Brasileira do Veículo Elétrico, Associação Nacional dos Fabricantes de Veículos Automotores, European Alternative Fuels Observatory e European Environment Agency para o período de 2015 a 2024, complementados por análise qualitativa de documentos de política. Os resultados revelaram uma divergência estrutural fundamental: o Brasil apresentou crescimento exponencial de 80,7% ao ano (2022-2025), com híbridos compreendendo aproximadamente 66% das vendas e impulsionado por incentivos fiscais que alavancam a bioeconomia do etanol. A União Europeia, por sua vez, mostrou expansão em fase de consolidação a uma taxa anual de 8,35% (2008-2025), com veículos elétricos a bateria superando 40% dos novos registros, impulsionados por mandatos regulatórios vinculativos. A análise de densidade de infraestrutura indicou que a rede pública de carregamento da União Europeia (55,3 pontos por mil veículos de combustível alternativo) era o dobro da brasileira (27,9 pontos por mil veículos eletrificados). A quantificação ambiental confirmou que a matriz energética predominantemente renovável do Brasil (64 gCO2/kWh) resultou em emissões well-to-wheel substancialmente menores em comparação com a matriz da União Europeia (246 gCO2/kWh). Concluiu-se que o modelo brasileiro, com incentivos fiscais neutros em tecnologia e aproveitamento da infraestrutura de biocombustíveis, pode acelerar a adoção de híbridos em economias emergentes com baixo gasto público. Para mercados maduros, o modelo da União Europeia, com mandatos regulatórios, estabeleceu um mercado dominante de veículos elétricos a bateria, embora com custo fiscal mais elevado.

Palavras-chave: Energia renovável; Mercado; Qualitativo; Quantitativo.

13 de outubro de 2026

População e Imigração no Japão: Projeções com Séries Temporais e Análise Causal Demográfica até 2044

O envelhecimento populacional e a baixa taxa de fecundidade configuram desafios demográficos complexos no Japão, acompanhados pela expansão da imigração estrangeira como resposta às restrições de oferta de mão de obra. O estudo teve como objetivo analisar as tendências demográficas japonesas e projetar sua evolução até 2044, com ênfase nas relações entre declínio populacional, fecundidade e imigração. Aplicaram-se os modelos de séries temporais ARIMA e Prophet a dados históricos do Banco Mundial, do Instituto Nacional de Pesquisa Populacional e Segurança Social do Japão e da Agência de Serviços de Imigração do Japão, abrangendo o período de 2003 a 2023 para a série populacional e de 2014 a 2024 para a série imigratória. A análise incluiu estatísticas descritivas, correlação de Pearson, teste de estacionariedade de Dickey-Fuller aumentado e testes de causalidade de Granger, além da avaliação preditiva por meio das métricas MAE e MAPE. Os resultados evidenciaram a continuidade da redução populacional e o crescimento do contingente de imigrantes nas projeções até 2044. O Prophet apresentou menores valores de MAE e MAPE nos conjuntos de teste, embora a curta extensão da série imigratória limitasse a capacidade de generalização. Os testes de causalidade temporal não identificaram evidências estatisticamente significativas de precedência entre população e imigração. Concluiu-se que a imigração pode contribuir para mitigar restrições de oferta de mão de obra, mas não constitui, isoladamente, mecanismo suficiente para reverter o declínio populacional japonês.

Palavras-chave: Declínio populacional; Demografia; Fertilidade; Fluxos migratórios; Séries temporais.

13 de outubro de 2026

Marketing digital e engajamento no youTube: estratégias para canais de crimes reais no Brasil

O fenômeno dos crimes reais consolidou-se como um nicho de crescimento no YouTube brasileiro, impulsionado pela expansão das mídias digitais e pelo fascínio do público. Contudo, muitos criadores enfrentaram dificuldades para alcançar crescimento sustentável. Analisou-se como as estratégias de marketing digital influenciaram o crescimento, o engajamento e a monetização de canais brasileiros de crimes reais na plataforma YouTube. Adotou-se pesquisa de abordagem mista, qualitativa e quantitativa, de natureza exploratória e descritiva. Analisaram-se quatro canais brasileiros do nicho por meio de análise documental de conteúdos, coleta de métricas públicas via Social Blade e Noxinfluencer, e aplicação de questionários a quatro criadores e a 104 espectadores. Os resultados evidenciaram que os canais de maior desempenho adotaram estratégias distintas, como abordagem narrativa linear e contextualizada, comunicação emocional personalizada, postura técnico-informativa ou conteúdo opinativo provocativo. Verificou-se convergência entre criadores e audiência sobre a centralidade do storytelling para retenção, com a maioria dos espectadores afirmando que a forma como a história era contada determinava a continuidade da visualização. Os criadores indicaram o tempo médio de retenção como métrica mais preditiva para crescimento sustentável, embora 100% dependessem exclusivamente do AdSense para monetização, revelando vulnerabilidade financeira. Concluiu-se que o sucesso no nicho depende da integração entre marketing digital, identidade narrativa consistente e responsabilidade ética.

Palavras-chave: creator economy; engajamento digital; marketing de conteúdo; storytelling; true crime.

13 de outubro de 2026

Utilização de técnicas de Machine Learning Não Supervisionado para planejamento de trabalho de revisão de remunerações para aposentadoria

O dimensionamento de pessoal e a gestão de fluxos de aposentadoria em órgãos públicos federais configuraram desafios estratégicos complexos. O estudo teve como objetivo aplicar técnicas de Machine Learning não supervisionado, especificamente Agrupamento (K-means) e Análise de Correspondência Múltipla (ACM), para aprimorar o planejamento de revisões funcionais em uma autarquia federal brasileira. A metodologia consistiu no processamento de uma base validada de 487 servidores ativos. Inicialmente, variáveis quantitativas, como idade, tempo de contribuição e remuneração, foram submetidas ao algoritmo K-means, resultando na formação de cinco clusters, apoiada no Método do Cotovelo e Coeficiente de Silhueta. Subsequentemente, os grupos foram integrados a variáveis qualitativas via ACM, projetadas em um mapa perceptual que explicou 74,81% da inércia dos dados. Os resultados revelaram que os clusters 0 e 3 representaram os perfis de maior criticidade previdenciária, concentrando todos os beneficiários de abono de permanência e a maioria dos cargos extintos. A pesquisa gerou um Plano de Ação escalonado, priorizando os 75 servidores desses clusters que integralizaram os requisitos de aposentadoria até 2025, com diretriz similar para 2026. Em contrapartida, o cluster 2 apresentou menor risco, com inatividade prevista apenas a partir de 2031. O modelo mostrou-se amplamente favorável como ferramenta de auditoria e saneamento, embora sua plena eficácia dependa de uma governança de dados mais rigorosa no serviço público.

Palavras-chave: Agrupamento; Análise de Correspondência Múltipla (ACM); Aposentadoria; Clusterização.

13 de outubro de 2026

Gestão de vendas para o desempenho de uma empresa do setor imobiliário

A gestão de vendas desempenha um papel estratégico no desempenho organizacional, especialmente em setores de desenvolvimento imobiliário, caracterizados por complexidade comercial. Este estudo teve como objetivo analisar a contribuição das práticas de gestão de vendas para o desempenho comercial e organizacional de uma empresa do setor imobiliário, considerando seu modelo de atuação e estrutura comercial. A pesquisa caracterizou-se como exploratória, com abordagem qualitativa e quantitativa, adotando um estudo de caso único. Coletaram-se dados por meio de triangulação, utilizando pesquisa documental e questionário estruturado aplicado à equipe de vendas terceirizada. Os resultados indicaram que a empresa estruturou suas práticas de gestão comercial com metas mensais e anuais, campanhas de marketing e sistemas de incentivos. O desempenho foi acompanhado por indicadores quantitativos, como volume de vendas e percentual de atingimento de metas. No período analisado, realizaram-se 179 vendas, correspondendo a 74,6% da meta anual estabelecida. Observaram-se oportunidades de aprimoramento no alinhamento entre planejamento comercial, acompanhamento de resultados e efetividade das estratégias. A percepção dos corretores apontou limitações nos sistemas de incentivo, como a ausência de progressividade nas comissões e a duração das premiações. Concluiu-se que, embora a gestão de vendas influencie o desempenho organizacional, existem fragilidades no alinhamento entre esforço, recompensa e motivação da força de vendas. Recomendaram-se o fortalecimento do acompanhamento sistemático, a melhoria da comunicação, a definição de metas mais realistas e a implementação de incentivos progressivos para potencializar os resultados comerciais.

Palavras-chave: Estratégias de vendas; Força de vendas; Gestão comercial; Indicadores de desempenho; Setor imobiliário.

13 de outubro de 2026

Delineo: Adaptação de modelo de difusão para prototipagem de interface de usuário guiada por esboço

A evolução da inteligência artificial e das redes neurais profundas revolucionou as interações humano-máquina. Modelos generativos, embora promissores para a síntese de imagens, enfrentam desafios na prototipagem de interfaces de usuário (UI) ao falhar em respeitar a estrutura espacial. Para solucionar essa divergência, propôs-se uma abordagem de difusão latente condicionada, integrando uma arquitetura de controle a um modelo de larga escala ajustado para interfaces móveis, que suportou esboços de UI para guiar a inferência de imagens. A base de dados de treinamento foi composta por aproximadamente 12.400 imagens de UI e esboços de fontes públicas, pré-processadas e enriquecidas com dados sintéticos e instruções textuais. A abordagem utilizou um modelo Stable Diffusion 3.5 Large como base, adaptado com ControlNet canny edges e um adaptador LoRA. A viabilidade da abordagem foi validada por avaliação quantitativa, empregando uma métrica de similaridade semântica normalizada (SSN) baseada em Sentence-BERT, e por análise qualitativa com 20 especialistas da indústria. Os resultados confirmaram que o método superou as capacidades do modelo original. Contudo, a avaliação evidenciou que a eficácia na estruturação lógica da interface ainda enfrentava degradação estética e perda de elementos funcionais. Concluiu-se que, embora a tecnologia comprove sua viabilidade técnica para otimizar a transição entre requisitos e a implementação de código, a automatização de processos criativos demanda aprimoramentos arquiteturais para atingir o rigor visual exigido pela indústria de desenvolvimento de software.

Palavras-chave: Adaptação de baixo posto; Aprendizado de máquina; Difusão latente condicionada; Redes neurais profundas.

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão De Projetos

25 de setembro de 2026

A IA acelera as respostas; quem assume as decisões?

Velocidade da tecnologia só vira vantagem quando acompanha a capacidade de compreender, verificar e assumir a responsabilidade pelos resultados Imagine uma equipe que passa a produzir em uma tarde as análises que antes exigiam uma semana. A mudança parece justificar o investimento em inteligência artificial. Mas, antes de contabilizar o ganho, cabe perguntar quem examinou […]

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]