La creciente complejidad de los Sistemas de Distribución de Agua (WDS), impulsada por la urbanización, el cambio climático y la infraestructura envejecida, requiere métodos robustos para la evaluación y visualización de riesgos. Este estudio presenta una metodología práctica para mapear el riesgo de interrupción o reducción del suministro de agua utilizando cinco parámetros: Probabilidad (P), Consecuencias (C), categoría de tubería de agua (WP), habitantes expuestos (I) y Eficiencia de respuesta (E). El enfoque permite un análisis integral del riesgo asociado con segmentos específicos de tuberías dentro de un Área de Suministro Analizada (ASA). El método integra datos estadísticos y operativos, permitiendo a las utilidades evaluar la vulnerabilidad, identificar Infraestructura Crítica (CI) y priorizar el mantenimiento. La investigación realizada durante el estudio reveló que las tuberías de hierro fundido y acero con diámetros grandes (por ejemplo, 400 mm) muestran la mayor probabilidad de fallo e impacto. A pesar de un valor de riesgo calculado (r = 80), las medidas de respuesta efectivas, incluyendo equipos y equipos de reparación especializados, mantuvieron el riesgo en niveles aceptables. Los resultados demuestran que los datos históricos de fallos y respuestas mejoran la identificación y gestión de riesgos. Los mapas de riesgo generados facilitan la visualización espacial de áreas de alto riesgo, apoyando los procesos de toma de decisiones, la planificación de renovaciones y la preparación para emergencias. La integración con herramientas de SIG, incluidos los programas GeoMedia y Google Earth, permite la creación dinámica de mapas y la simulación de escenarios de respuesta. La metodología es escalable y adaptable a cualquier WDS, y potencialmente a otros sistemas municipales como redes de aguas residuales y calefacción. Al tener en cuenta tanto las dimensiones técnicas como sociales del riesgo, el método apoya una mejor planificación de la seguridad del agua y la resiliencia de la infraestructura. El desarrollo futuro debería incluir la integración de datos en tiempo real y escenarios de riesgo relacionados con el clima para aumentar la precisión predictiva y la adaptabilidad del sistema.