Analytics-driven approaches supporting asset management of sanitary sewer networks

• Sewer blockages can cause overflows and flooding, with consequences such as damage to property and environmental pollution, risks to public health and economic loss. Despite the causes being understood, blockages in sewer networks may occur unpredictably. The responsible staff for sewer networks at water utilities need to efficiently determine the most effective action (what), the specific network location needing attention (where), the optimal timing for intervention (when), and the appropriate remedial task (how), especially given the unpredictability of blockages. Today a reactive approach to asset management and maintenance is often adopted. Additionally, data availability, quality and interoperability between systems are not always at levels that can support decided objectives, proactive maintenance planning and asset management of pipe networks. Thus, the aim of this thesis is to propose and evaluate approaches that can support analytics-driven maintenance planning and asset management for sewer networks. These approaches aim to contribute to mitigating the impact of siloed data structures and enhance the understanding of blockage root causes from a spatial perspective.In this thesis, the challenges of data management in the asset management of pipe networks were investigated through focus group workshops and questionnaire surveys. A conceptual framework was developed based on findings from focus group workshops and surveys. The framework combines data quality assessments, interoperability evaluations between asset management tools, data collection, and informational benefits analysis. This framework aimed to identify the presence of data silos and plausible pathways towards more data-driven data management strategies. A performance assessment combining performance indicators associated with blockages and partial least squares regression (PLS) was conducted to draw inferences that could be useful at a strategic level. Furthermore, a spatial heterogeneity assessment of blockages and factors affecting blockages was carried out. This approach combined network kernel density estimation (NKDE), network k-function, and geographically weighted Poisson regression (GWPR). Lastly, a vulnerability assessment was carried out that combined topological analysis using edge-based centrality measures and network cross-k-function. These approaches were applied to three sewer networks.The focus group workshops and questionnaire surveys identified several challenges affecting data management in the context of pipe network asset management. Many of the challenges could be ascribed to issues related to data quality and interoperability. Results from the preliminary application of the conceptual framework showed how it could be applied for identifying data silos and pathways to data-driven decision-making towards proactive management blockages in sewers. The observed spatial trends and patterns from network k-function analysis and network kernel density estimation showed spatial variability in the occurrence of blockages (single occurring and recurring). Geographically-weighted Poisson regression analysis showed spatial heterogeneity in factors influencing blockage propensity. The network cross-k-function analysis demonstrated that pipes with historical blockage incidents tend to be clustered around critical pipes with higher centrality values. These results could support vulnerability assessments in sewer networks and the development of targeted maintenance strategies. These approaches together could aid data-informed maintenance planning and asset management at the strategic, tactical and operational levels.

• Avloppsstopp kan orsaka översvämningar vilket kan medföra konsekvenser som skador på egendom och spridning av föroreningar och leda till ekonomiska förluster samt risker för folkhälsan. Trots att orsakerna till avloppsstopp är kända, inträffar ibland oförutsedda avloppsstopp i ledningsnäten. De som ansvarar för avloppsledningarna behöver kunna fastställa effektiva åtgärder (hur), den specifika punkt i nätverket som behöver åtgärdas (var) och den optimala tidpunkten för åtgärd (när). Idag sker ofta åtgärder på ledningsnät reaktivt. Vidare är inte alltid data för analys tillgänglig eller av god kvalitet. Det finns även problem med interoperabilitet mellan system som kan stödja uppsatta mål för proaktiv underhållsplanering och tillgångsförvalting av ledningsnät. Därför är syftet med denna avhandling att föreslå och utvärdera metoder som kan stödja analytiskt driven underhållsplanering och tillgångsförvalting av avloppsledningsnät. Dessa metoder syftar till att minska negativa effekter av så kallade datasilos och förbättra förståelsen av grundorsaker till avloppsstopp utifrån ett spatialt perspektiv.I denna avhandling undersöktes utmaningar med datahantering inom tillgångsförvalting i ledningsnät genom fokusgruppsworkshopar och enkätundersökningar. Ett konceptuellt ramverk utvecklades, baserad på resultat från workshoparna och en av enkäterna. Ramverket innefattade användning av datakvalitetsbedömningar och utvärdering av interoperabilitet mellan verktyg för tillgångsförvalting och datainsamling. Vidare analyserades fördelar med att identifiera förekomsten av datasilor och tänkbara tillvägagångssätt för att nå mer datadrivna strategier för datahantering. En prestandautvärdering som kombinerade prestandaindikatorer relaterade till avloppsstopp som kombinerades med regressionsanalys med minsta-kvadrat-metoden genomfördes för att dra slutsatser som kan vara av nytta på strategisk nivå. Vidare gjordes en spatial bedömning av avloppsstoppens förekomst och deras variationer över ledningsnätet samt faktorer som påverkar avloppsstopp. Denna analys kombinerade en täthetsanalys (kernel density estimation) med en network k-function samt en geografiskt viktad Poisson-regression analys. Slutligen genomfördes en sårbarhetsbedömning som kombinerade en topologisk analys baserad på grafteori och network cross-k-function. Metoderna tillämpades på tre avloppsnät.Fokusgruppsworkshoparna och enkätundersökningar identifierade en mängd utmaningar som påverkar datahantering i tillgångsförvalting av ledningsnät. Flera av utmaningarna kunde tillskrivas problem relaterade till datakvalitet och interoperabilitet. Resultaten från den preliminära tillämpningen av det konceptuella ramverket visade hur det kunde användas för att identifiera datasilor. De observerade spatiala trenderna genom analysen med network k-function och täthetsanalysen visade spatial variabilitet i förekomsten av avloppsstopp. Den geografiskt viktade Poisson-regressionsanalysen visade spatial heterogenitet i faktorer som påverkar förekomsten av avloppsstopp. Analysen med Network cross k-function visade att ledningar med historiska incidenter med avloppsstopp tenderade att grupperas kring rör med högre centralitetsvärden som med det bedömdes som mer kritiska för ledningsnätens funktion. Dessa metoder skulle tillsammans kunna bidra till en mer datainformerad underhållsplanering och tillgångsförvaltning på strategisk, taktisk och operativ nivå.

Subject headings

TEKNIK OCH TEKNOLOGIER  -- Samhällsbyggnadsteknik -- Vattenteknik (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Civil Engineering -- Water Engineering (hsv//eng)

Keyword

Data-driven

Decision Support

Network Robustness

VA-teknik

Urban Water Engineering

Publication and Content Type

vet (subject category)

dok (subject category)