evidoria

← Volver al listado

Buena práctica Importada

El proyecto piloto de medición inteligente y aprendizaje automático de WASAC reduce el agua no facturada en un 23% en Kigali, Ruanda

Ruanda · Kigali · Ver el perfil de Ruanda · Ver el perfil de Kigali

Evidencia: Observacional / pre-post Top 62% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

La empresa estatal de agua de Ruanda, WASAC, probó medidores inteligentes en Kigali y trabajó con investigadores que aplicaron modelado predictivo de aprendizaje automático a casi una década de datos de la red, reduciendo el agua no facturada en un 23% en seis meses, frente a una tasa histórica del 35-45%.

23%
Reducción de agua no facturada (6-month pilot)
38%
Clientes que redujeron su consumo de agua
41%
Caída de las quejas por facturación
60+
Personal de WASAC capacitado
50,000
Contadores de agua digitales adicionales (Itron)
110,000 units
Despliegue anterior de contadores digitales

Detalles

Madurez
Piloto
Promotor
WASAC Ltd (Water and Sanitation Corporation, Rwanda)
Período
2014–2024
Palabras clave
water utilities, public infrastructure, environment

Contexto

El agua no facturada ha rondado históricamente el 35-45% en WASAC, la empresa estatal de agua de Ruanda, muy por encima del objetivo del 25% del gobierno.

Actividades

Un proyecto piloto de medición inteligente en Kigali capacitó a más de 60 técnicos, agentes de facturación y personal de atención al cliente de WASAC; un estudio complementario aplicó análisis de datos de panel y modelos de aprendizaje automático a los datos de la red de WASAC de julio de 2014 a junio de 2023.

Resultados

El agua no facturada cayó un 23% en seis meses del proyecto piloto, el 38% de los clientes participantes redujeron su consumo de agua y las quejas por facturación cayeron un 41%.

Conclusiones

El proyecto piloto y el trabajo de modelado son complementarios, no un único producto de IA integrado; el resultado del 23% debe leerse como un resultado temprano y localizado, no como una cifra nacional sostenida.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — Combines a Kigali smart-metering pilot with an academic ML modelling study; hardware costs include a 50,000-unit digital meter contract with Itron on top of an earlier 110,000-unit rollout.
Tiempo hasta resultados
Medio (1–3 años) — Pilot NRW result achieved within 6 months; ML study covers July 2014-June 2023 data, published June 2024.
Personal y competencias
60+ WASAC technicians, billing agents and customer-support staff

Condiciones para el éxito

  • nearly a decade of historical network data (2014-2023) available for ML modelling
  • smart-meter hardware rollout (Itron) alongside the pilot

Modos de fallo comunes

  • result is an early, localised 6-month outcome, not a nationwide sustained figure
  • historical NRW baseline of 35-45% still well above the 25% government target

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles