En el Spain Smart Water Summit 2025, Almudena Barona, Associate Director y Water Business Leader en Arup, presentó un caso práctico centrado en uno de los problemas más complejos y menos visibles de las redes de saneamiento: la afluencia e infiltración de agua. Su intervención integró desde el inicio el contexto, el reto y el resultado, mostrando cómo un enfoque digital apoyado en datos existentes puede aportar respuestas rápidas y accionables en escenarios donde las soluciones tradicionales resultan lentas, costosas o directamente inviables.
No te pierdas todo lo que sucedió en Spain Smart Water Summit 2025
El caso de estudio se sitúa en la ciudad británica de Gloucester, una zona con una cuenca hídrica extensa y una pluviometría elevada, especialmente en los meses de invierno. La combinación de lluvias frecuentes, un nivel freático muy alto y una red de saneamiento antigua genera episodios recurrentes de entrada de agua ajena al sistema. En algunos años, explicó Barona, el volumen de agua asociado a la lluvia llega a multiplicarse por diez. A ello se suma la imposibilidad física de ampliar tanques de tormenta o la estación depuradora existente, debido a la saturación urbana y a las limitaciones del entorno.
Este problema técnico se enmarca además en un contexto estratégico relevante. El operador inglés Severn Trent Water cuenta con una asignación de 1.700 millones de libras esterlinas destinada a reducir y mitigar los desbordamientos en su red. Para invertir con criterio, el operador necesitaba responder con rapidez a varias preguntas clave: cuánta agua se infiltra realmente en la red, en qué zonas ocurre y dónde conviene actuar para obtener el mayor retorno posible. El reto no era levantar toda la ciudad, sino identificar ese porcentaje reducido de red donde se concentra la mayor parte del problema.
Un piloto con objetivos claros y plazos ajustados
Barona detalló que el proyecto piloto se centró en un área de Gloucester de unos 110.000 habitantes, donde la EDAR local recibe cada año en torno a 80.000 m³ de agua procedente de infiltraciones, sin capacidad de almacenamiento. El objetivo de Arup fue aprovechar los datos de activos ya disponibles —limitados, pero reales— para capturar, cuantificar y calcular el impacto de la infiltración y la afluencia, ofreciendo resultados útiles en un plazo máximo de tres meses.
La clave del enfoque fue evitar metodologías convencionales basadas en modelos hidráulicos exhaustivos, que requieren grandes volúmenes de datos, campañas de campo y largos tiempos de desarrollo. En su lugar, el equipo apostó por técnicas digitales avanzadas, apoyadas en algoritmos de machine learning, capaces de trabajar con información incompleta y combinar fuentes diversas de forma coherente.
El proyecto se estructuró en tres fases claramente diferenciadas: análisis y preparación de la red, análisis en tiempo real de la infiltración y revisión de resultados para definir una hoja de ruta de inversión. Esta estructura permitió avanzar de lo general a lo específico sin perder el foco en la toma de decisiones.
Depurar la red antes de analizarla
La primera fase se centró en la preparación de la red mediante una herramienta digital denominada PipeFusion, desarrollada internamente por Arup. Barona explicó que el punto de partida era un GIS de saneamiento muy precario, con tramos en contrapendiente, tuberías mal conectadas y nodos incoherentes. Antes de analizar cualquier fenómeno hidráulico, era imprescindible limpiar y corregir esa base de datos.
PipeFusion utiliza un algoritmo de aprendizaje automático para depurar y estructurar la red a partir de inputs básicos: dirección de flujo inferida del modelo digital del terreno, datos elementales del operador y ausencia casi total de caudales medidos en la red. La plataforma corrige inconsistencias, elimina tramos no conectados y reduce la complejidad innecesaria del sistema.
Cuantificar la infiltración sin modelar la red
La segunda fase abordó el análisis en tiempo real de la infiltración y la afluencia. A partir de un año completo de datos, la herramienta comparó patrones de flujo en periodos secos y húmedos, utilizando como inputs la precipitación, los caudales bombeados en determinados puntos, algunos caudales conocidos en la red y el nivel de la lámina de agua del río Severn.
La plataforma compara de forma continua estas variables y estima los volúmenes de agua que no deberían estar en la red. Uno de los resultados más relevantes fue comprobar que aproximadamente el 53 % del volumen total asociado a infiltración y afluencia se concentraba en solo tres ubicaciones, y que una única subcuenca —Netheridge— aportaba más de la mitad de toda el agua infiltrada de la cuenca.
Este enfoque permitió cuantificar la infiltración sin necesidad de construir un modelo hidráulico detallado, lo que supuso un ahorro considerable de tiempo y recursos. Además, el análisis reveló patrones claros: los meses de invierno, con mayor pluviometría y nivel freático elevado, concentran la mayor entrada de agua, y las crecidas del río influyen directamente en el comportamiento de la red de saneamiento.
Incluso en periodos secos, como agosto de 2024, se detectaron caudales de infiltración del orden de 8 l/s, lo que evidencia que el problema no se limita a episodios extremos de lluvia.
De los datos a la hoja de ruta de inversión
La tercera fase consistió en revisar los resultados y traducirlos en una hoja de ruta operativa. A partir del análisis por subcuencas, la plataforma permite identificar las zonas más problemáticas, estimar costes de reparación y evaluar el retorno potencial de cada intervención. Este enfoque facilita aplicar un criterio de tipo Pareto: actuar sobre un porcentaje reducido de la red para resolver una parte sustancial del problema.
Barona subrayó que esta información no sustituye a inspecciones detalladas con cámaras o sensores específicos, sino que las orienta. Una vez priorizadas las zonas, el operador puede focalizar los estudios de campo donde realmente aportan valor, optimizando recursos técnicos y financieros.
El proyecto piloto demostró que un enfoque digital bien planteado puede proporcionar una comprensión más profunda de la infiltración y la afluencia en plazos muy reducidos, a un coste muy inferior al de las metodologías tradicionales. La experiencia de Gloucester sienta además las bases para replicar este modelo en otras ciudades, apoyando las ambiciones digitales del operador y mejorando la toma de decisiones en redes de saneamiento envejecidas y sometidas a fuerte presión hidráulica.