[:en]Presentation[:fr]Présentation[:]

[:en]

« CASSES » software: break predictions for drinking water pipes

Buried pipe networks represent more than 80% of the total asset value for water distribution and therefore their management is an important issue for water utilities.

The service life expectancy of pipes can be long – there are pipes laid over 150 years ago still performing adequately. Conversely, because of their material, installation conditions, hydraulic regime, environment or water quality, certain newer pipes are decaying and need to be replaced earlier.

The development of a network rehabilitation plan therefore requires both the rate of rehabilitation and the hierarchy of projects to be considered.

INRAE proposes approaches and tools which are seen to help the decision makers from the data collection stage to the pipe rehabilitation decision stage.

Predict future breaks based on historic interventions

The « asset management » team at INRAE-Bordeaux has studied the ageing of networks for more than fifteen years. The chosen approach consists of estimating for a future period, the number of breaks for each pipe by using data describing the pipes, their environment and their break history.

In 1994, Patrick EISENBEIS proposed a statistical method inspired from epidemiology. It involves a multi-parameter probabilistic approach for calculating the time between two breaks as a function of the pipe characteristics and its environment, according to a Weibull law.

In the frame of the European research programme CARE_W « Computer Aided Rehabilitation of Water Networks » which was carried out between 1999 and 2002, the pertinence of the model was demonstrated and led to the development of the prototype software: Care_W-PHM.

In the continuation of this work, Yves LEGAT developed a new break prediction model in his thesis. It involves a statistical model based on a counting process and relies not only on the pipe’s characteristics and environment but also its age and previous breaks. The model is a linear extension of the Yule process: LEYP.

This model has been applied with success to several networks in France and abroad. It performs as well as the previous model in creating a hierarchy of at-risk pipes but also provides a better estimation of the number of breaks predicted. This new model was therefore chosen to be used in the development of the break prediction software, « Casses ».

The « Casses » software

The data used by the software are the description of the pipes in the network and the break history for each pipe. The software has been developed to cope with the diversity of available data for different utilities. Besides the obligatory data (pipe installation date, pipe material and length and corresponding break dates), the software is able to handle the majority of different data collected by utilities (soil corrosivity, traffic, depth, etc.).

The main result from the software is the number of breaks for each pipe for a period in the future.

The first step in a project is to import the data. Importation checks analyse the data content. A report is produced to detail any eventual anomalies encountered.

The main window allows access to the data by means of tables representing the distribution of pipes and breaks as a function of the different attributes.

At this stage, the user can create sub-groups of pipes and breaks to be studied and create new covariates based on existing ones.

An assistant guides the user through the different steps necessary to make a prediction.

For the calibration of the statistical model, the user is aided by an advice module that allows insignificant covariates to be eliminated.

The results of the calculations can be visualised and data imported and exported.

ExplorationValidationLongueur.jpg

[:fr]

Le réseau des canalisations représente plus de 80% de la valeur patrimoniale des installations d’un service d’alimentation en eau potable, sa gestion patrimoniale est donc un enjeu fort pour les collectivités.

La durée de maintien en service des conduites peut être longue, des canalisations posées il y a plus de 150 ans continuent d’assurer correctement leur fonction. Inversement, en raison de leur matériau, de leurs conditions de pose, de leur régime hydraulique, de leur environnement, de la qualité de l’eau, certains tronçons connaissent des avaries et doivent être remplacés précocement.

La mise en place d’une planification du renouvellement des réseaux pose donc les questions du rythme de renouvellement et de la hiérarchisation des travaux.

INRAE propose des approches et des outils qui visent à aider les décideurs depuis la collecte des données jusqu’à la prise de décision de renouveler les canalisations.

Prévoir les casses futures grâce à l’historique des interventions

L’équipe « Patrimoine » du centre INRAE de Bordeaux étudie depuis vingt ans le vieillissement des réseaux. L’approche choisie consiste à estimer pour une période future, le nombre de casses que subira chacun des tronçons de canalisation en s’appuyant sur les données décrivant les canalisations et leur environnement et sur l’historique des casses.

En 1994, Patrick EISENBEIS a proposé une méthode statistique inspirée de l’épidémiologie. Il s’agit d’une approche probabiliste multi paramètre de la durée entre deux casses en fonction des caractéristiques du tronçon et de son environnement selon une loi de Weibull.

Dans le cadre du programme de recherche européen Care_W « Computer Aided Rehabilitation of Water Networks » qui s’est déroulé de 1999 à 2002, la pertinence du modèle a pu être démontrée et un logiciel prototype a été développé : Care_W-PHM.

Dans la continuité de ces travaux, Yves LEGAT a mis au point dans le cadre de sa thèse un nouveau modèle de prévision des casses. Il s’agit de la modélisation statistique d’un processus de comptage qui prend en compte les caractéristiques du tronçon et de son environnement mais également son âge et le nombre de casses qu’il a subi. Il s’agit d’un modèle de Yule linéairement étendu : LEYP.

Ce modèle a été appliqué avec succès sur des cas concrets en France et à l’étranger. Il est aussi performant que le précédant modèle pour hiérarchiser les canalisations les plus à risque, il permet de plus une meilleure estimation de nombre de casses prévu. Ce nouveau modèle a donc été choisi pour le développement du logiciel de prévision des casses « Casses ».

Le logiciel « Casses »

Les données utilisées par le logiciel sont la description des tronçons du réseau et l’historique des casses intervenues sur chacun des tronçons. Le logiciel a été conçu pour s’adapter à la diversité des pratiques des services. Au-delà des données obligatoires (Date de pose, matériau et longueur des tronçons, dates des casses), le logiciel est en mesure de valoriser la plupart des données collectées par les services (corrosivité du sol, trafic routier, profondeur, …).

Le principal résultat obtenu grâce au logiciel est la prévision du nombre de casses que subira chacun des tronçons au cours d’une période future.

La première étape dans la réalisation d’un projet est l’importation des données. Des tests d’importation analysent le contenu des données. Un rapport d’importation décrit dans le détail les anomalies éventuellement rencontrées.

L’écran principal donne accès au contenu des données au moyen de tableaux représentant la répartition des tronçons et des casses en fonctions de leurs différents attributs.

À ce stade, l’utilisateur peut constituer les sous ensembles de tronçons et de casses qu’il souhaite étudier et créer de nouvelles données à partir des données existantes.

Un assistant guide l’utilisateur pour réaliser les différentes étapes nécessaires au calcul d’une prévision.

Pour le calage du modèle statistique, l’utilisateur est aidé par un module de conseil qui permet d’éliminer les covariables qui ne sont pas significatives.

Les résultats des calculs peuvent être visualisés en regard des données importées et exportées.

Casses permet la validation des modèles en comparant les prévisions et les casses réellement survenues. Le logiciel calcule des indicateurs de validité et trace les courbes associées.

 ExplorationValidationLongueur.jpg

[:]