U svrhu ovog diplomskog rada promatrano je stanje cijevi u sustavu za opskrbu vodom korištenjem algoritma strojnog učenja. Algoritam je treniran na bazi podataka prikupljenoj od strane firme za upravljanje vodovodnom mrežom u Barceloni. Cilj ovog projekta je omogućiti firmi da predvidi kada će se pojaviti kvar na cijevi u vodovodnom sustavu na temelju karakteristika te cijevi. Ukoliko su dobivena predviđanja točna, moguće je preventivno popraviti promatranu cijev i time izbjeći eventualnu štetu. Ovakav se pristup naziva prediktivno održavanje i pokazalo se kao najbolja dostupna strategija održavanja sustava. Implementirana je korištenjem nadziranog strojnog učenja i programskog jezika Python. Kako se baza podataka sastoji pretežito od podataka o cijevima koje do kraja studije nisu doživjele kvar, velika bi količina informacija bila izgubljena kod implementacije uobičajenih regresijskih i klasifikacijskih algoritama. Iz tog je razloga u ovom radu korišten jedan od algoritama analize preživljavanja ili pouzdanosti, nasumična šuma preživljavanja (engl. random survival forest). Algoritam je nastao kao proširenje algoritma nasumičnih šuma, uvođenjem mogućnosti razmatranja podataka koji nisu doživjeli promatrani događaj, u ovom slučaju kvar, do kraja provođenja studije. Cilj algoritma je predvidjeti kada je vjerojatno da će cijev doživjeti kvar na temelju informacija prikupljenih iz baze podataka o preživljavanju cijevi u mreži. Baza podataka sastoji se od karakteristika cijevi, vremena preživljavanja t, te indikatora događaja čija je vrijednost 0 u slučaju da promatrana cijev još uvijek nije doživjela kvar do trenutka t, ili 1 u slučaju da je doživjela kvar u trenutku t. Brojna stabla preživljavanja su izgrađena temeljem varijacija na originalnu bazu podataka, od kojih svako pruža vlastito predviđanje. Nasumična šuma preživljavanja računa prosječnu vrijednost svih predviđanja stabala u svrhu dobivanja konačne procjene vremena kvara cijevi, tj. preostalog vijeka trajanja cijevi.