Construcción de un Cerebro Analítico en la Nube: Un Sistema de Inteligencia Artificial para la Predicción de Riesgos Hidrológicos en las Cuencas del AMB
Cargando...
Fecha
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
La gestión del riesgo hidrometeorológico en infraestructuras de acueducto exige transitar de esquemas de monitoreo cerrados, basados en sistemas de Control Supervisorio y Adquisición de Datos (SCADA) locales, hacia arquitecturas distribuidas que integren computación en la nube e inteligencia artificial. Este trabajo de grado consolida el desarrollo, la implementación y los resultados de un ecosistema tecnológico de monitoreo hidrometeorológico construido para el Acueducto Metropolitano de Bucaramanga (amb), y abarca cuatro componentes principales: (a) la caracterización estadística y la definición de umbrales de alerta temprana para las cuencas Arnania y Florida-Frío, mediante percentiles (P90, P95, P99) calculados sobre series históricas de precipitación de entre 10 y 22 años; (b) la optimización de un middleware de ingesta en VBScript sobre la plataforma SCADA AVEVA Edge, que redujo el tiempo de bloqueo en el peor caso de 180 a 24 segundos —una mejora del 86.7 %— al eliminar la concurrencia de seis conexiones HTTP simultáneas; (c) el despliegue de un dashboard interactivo (Streamlit sobre Google Cloud Run, con persistencia en BigQuery) para la visualización en tiempo real de seis fuentes de datos; y (d) la integración de un agente conversacional de inteligencia artificial (Dialogflow CX) que permite consultar, en lenguaje natural, variables hidrometeorológicas con contexto geográfico y recomendaciones operativas. Como aporte adicional de este trabajo, se recalcularon de forma independiente los percentiles operativos de cuatro estaciones (Martín Gil, La Mariana, Tona y El Pajal) a partir de sus series consolidadas en bruto; se encontraron coincidencias razonables con los umbrales vigentes en la mayoría de los casos, y divergencias puntuales —sobre todo en el percentil 99— que se atribuyen a diferencias en el periodo de corte y que apuntan a la necesidad de una recalibración periódica. Los resultados obtenidos evidencian que la convergencia entre analítica estadística, arquitectura Edge-to-Cloud e inteligencia artificial conversacional es un mecanismo viable y de bajo costo operativo para fortalecer la toma de decisiones en la gestión de recursos hídricos.
Abstract
Hydrometeorological risk management in water utility infrastructure requires a transition from closed, local Supervisory Control and Data Acquisition (SCADA) monitoring schemes toward distributed architectures that integrate cloud computing and artificial intelligence. This master's thesis consolidates the development, implementation, and results of a hydrometeorological monitoring ecosystem for the Acueducto Metropolitano de Bucaramanga (amb), Colombia, comprising four components: (a) statistical characterization and early-warning threshold definition for the Arnania and Florida-Frío watersheds, using percentiles (P90, P95, P99) computed over 10-to-22-year historical series of daily precipitation; (b) optimization of a VBScript ingestion middleware running on the AVEVA Edge SCADA platform, which reduced worst-case blocking time from 180 to 24 seconds (an 86.7% improvement) by eliminating six simultaneous HTTP connections; (c) deployment of an interactive dashboard (Streamlit on Google Cloud Run, backed by BigQuery) for real-time visualization of six data sources; and (d) integration of a conversational artificial intelligence agent (Dialogflow CX) that answers natural-language queries about hydrometeorological variables with geographic context and operational recommendations. As an additional contribution, operational percentiles for four gauges (Martín Gil, La Mariana, Tona, and El Pajal) were independently recalculated from raw consolidated series, showing reasonable agreement with current thresholds in most cases and localized divergences —particularly at the 99th percentile— attributable to differences in the cut-off period, which points to the need for periodic recalibration. The results show that the convergence of statistical analytics, Edge-to-Cloud architecture, and conversational artificial intelligence is a viable, low-operating-cost mechanism to strengthen decision-making in water resource management.
Idioma
spa
Palabras clave
Citación
Mora Rivera, E. M., & Calderón Castro, W. F. (2026). Construcción de un cerebro analítico en la nube: Un sistema de inteligencia artificial para la predicción de riesgos hidrológicos en las cuencas del amb [Tesis de posgrado] Universidad Santo Tomás, Bucaramanga, Colombia