Revelando la característica "inmoral" de las pendientes en señales de oxígeno disuelto mediante análisis de sistemas dinámicos: perspectivas para el desarrollo robusto de sensores blandos

Por qué importa una monitorización del agua más inteligente

En ciudades y comunidades rurales, los pequeños sistemas de tratamiento de aguas residuales resultan cada vez más esenciales para ahorrar agua y proteger ríos. Sin embargo, los sensores necesarios para seguir la calidad del agua son costosos y pueden degradarse con el tiempo. Este estudio explora una nueva forma de diseñar “sensores blandos” que infieren la calidad del agua a partir de medidas baratas y sencillas. Los autores muestran cómo una lente matemática llamada análisis de sistemas dinámicos puede revelar cuándo una característica aparentemente fiable en el oxígeno disuelto en realidad oculta trampas que conducen a decisiones erróneas sobre la seguridad del agua.

Leer entre líneas las señales de los sensores

Los ingenieros suelen reemplazar mediciones de laboratorio costosas por señales proxy, por ejemplo usando las curvas de oxígeno disuelto para inferir cuándo se ha eliminado el amonio nocivo. Un enfoque popular busca una pendiente (ramp), una curvatura característica en la señal de oxígeno a lo largo del tiempo, y la utiliza como indicio de que el ciclo de tratamiento puede detenerse. Trabajos anteriores mostraron que esta característica de pendiente es bastante robusta frente al ruido y la deriva del sensor, porque depende de la forma global de la curva más que de valores exactos. Pero experimentos extensos y simulaciones por ordenador también sugirieron que otras condiciones del proceso, como la forma de suministro de aire o la cantidad de minerales tamponadores presentes, pueden producir una pendiente similar incluso cuando el amonio no está completamente eliminado.

Una nueva lente para la biología compleja del tratamiento

Para desenredar estas causas superpuestas, los autores recurrieron al análisis de sistemas dinámicos, una familia de herramientas usada en ciencias del clima y robótica para estudiar cómo se comportan los modelos sin simular cada escenario posible. Lo aplicaron a una descripción matemática estándar del tratamiento por lodos activados, donde los microbios consumen contaminantes mientras se burbujea aire en el agua. En lugar de seguir series temporales completas, derivaron ecuaciones para la primera y segunda derivada temporal del oxígeno disuelto directamente a partir del modelo. Esto les permitió identificar todas las combinaciones de estados internos que pueden generar una característica de pendiente, a lo largo de un enorme espacio de condiciones posibles, de manera computacionalmente eficiente.

Cuando una característica fiable se vuelve “inmoral”

El análisis reveló que la pendiente del oxígeno disuelto es “inmoral” en un sentido técnico: puede ser producida no solo por bajo amonio, la situación deseada, sino también por otras ocho variables de estado vinculadas a poblaciones microbianas y materia orgánica. En términos gráficos, estas variables forman patrones en V, donde varios padres confluyen en la misma característica hija. Un modelo basado en datos entrenado solo con datos históricos puede aferrarse a correlaciones creadas por esta estructura e interpretar con confianza una pendiente como efluente seguro cuando no lo es. Al explorar el espacio de posibles estados, los autores mapearon dónde las pendientes son verdaderos positivos, señalando correctamente la eliminación completa de amonio, y dónde se convierten en falsos positivos que corren el riesgo de liberar agua insuficientemente tratada.

Convertir una pista frágil en una herramienta más fiable

El estudio no se limitó a exponer la debilidad de la característica de pendiente. También mostró cómo hacerla más fiable. Un hallazgo importante es que la inclinación de la pendiente importa: las pendientes verdaderas asociadas con bajo amonio tienden a tener una pendiente mucho mayor que las falsas. Fijar un requisito mínimo de pendiente puede filtrar muchos casos engañosos, aunque esto introduce su propio compromiso al poder pasar por alto algunos eventos verdaderos. El análisis sugiere además que conocer la abundancia de ciertas bacterias podría relajar este requisito de pendiente y reducir las detecciones perdidas. El mismo marco puede reutilizarse con otros modelos matemáticos en tratamiento de aguas residuales, ayudando a diseñar conjuntos de características que combinen varias señales sencillas en un sensor blando más robusto.

Qué implica esto para una reutilización del agua más segura

Para el lector, la conclusión clave es que no todos los patrones de sensores aparentemente fiables son guías de confianza para decisiones que afectan la salud humana y ambiental. Al explorar rigurosamente todas las formas basadas en modelos en que una característica puede aparecer, el análisis de sistemas dinámicos expone situaciones ocultas parecidas que podrían engañar a herramientas basadas en datos. En este caso, muestra que una pendiente de oxígeno usada comúnmente por sí sola no es un sustituto seguro de las mediciones de amonio, pero puede formar parte de una estrategia de monitorización robusta cuando se combina con información sobre la pendiente y posiblemente con otras características. El enfoque ofrece un camino hacia sensores blandos más inteligentes y transparentes, mejor adaptados a las crecientes demandas de recuperación y reutilización del agua.

Cita: Schneider, M.Y., Torfs, E. & Carbajal, J.P. Unveiling the immoral ramp feature of dissolved oxygen signals with dynamical systems analysis: perspectives for robust soft-sensor development. Sci Rep 16, 15414 (2026). https://doi.org/10.1038/s41598-026-43885-y

Palabras clave: tratamiento de aguas residuales, sensores blandos, oxígeno disuelto, análisis de sistemas dinámicos, monitorización de amonio