Automatized data preparation methods for the asset management of water supply networks
Méthodes automatisées de préparation des données pour la gestion patrimoniale des réseaux d’eau potable
Résumé
The Asset Management of water Infrastructures (IAM) as well as the understanding of pipe leakage and break phenomena require large amounts of data stored in an interoperable format. This is especially true for planning pipe renewal programs using pipe failure models such as those implemented in the Casses software. Several efficient Information Systems (IS) are nonetheless available to water utilities for storing these data. Yet, few methodologies have been designed for integrating historical and non-geolocalized data on pipes segments and their failure events into these IS. In this work, we present several automatized methods (written as R scripts) developed to tackle this problem with data from Société wallonne des eaux (SWDE) on the perimeter of the city of Mons and which aim at feeding the Casses software input. These algorithms essentially deal with the problem of finding the failing pipe in the GIS, knowing only what the nearest building to the pipe was or only in what street the repair took place. For this, we rigorously defined the meaning of a street attribute for a pipe in addition to the manner of choosing the most likely pipe segment among the candidates that are compatible with the known localization or even with the characteristics of the repair (diameter, material). These methods, which limitations we also discuss, may be useful to water utilities that similarly have historical data that are yet to be exploited for building IAM strategies, or who want to upgrade their IS in that sense. Eventually, the large amounts of data that can be automatically rendered operational with these methods pave the way for an increased understanding of pipe leakage and break mechanisms.
La gestion patrimoniale des infrastructures en eau (GPI) et la compréhension des phénomènes de fuite et de casse des conduites demandent une grande quantité de données stockées dans un format interopérable. C’est particulièrement vrai lorsqu’il s’agit de planifier le renouvellement des conduites grâce aux modèles de prédiction de leurs défaillances tels que ceux implémentés dans le logiciel Casses. Différents systèmes d’information (SI) performants existent pourtant pour stocker ces données chez les gestionnaires de réseaux. Néanmoins, peu de méthodologies ont été pensées pour intégrer des données historiques et non géolocalisées concernant les conduites et leurs défaillances dans ces SI. Dans ce travail, nous présentons un ensemble de méthodes automatisées (scripts en langage R) s’adressant à cette problématique et développées grâce aux données de la Société wallonne des eaux (SWDE) sur le secteur de Mons, dans l’optique d’alimenter le logiciel Casses. Ces algorithmes règlent essentiellement le problème de trouver la conduite du système d’information géographique défaillante, ne connaissant que l’immeuble le plus proche de cette dernière ou seulement la rue où s’est déroulée sa réparation. Pour cela, il a été nécessaire de définir rigoureusement la notion d’appartenance à une rue pour une conduite, ainsi que la manière de sélectionner le tronçon le plus vraisemblablement défaillant parmi les candidats compatibles avec la localisation renseignée, voire avec les caractéristiques connues de la réparation (diamètre, matériau). Ces méthodes, dont les limites sont également discutées, pourraient être utiles pour d’autres gestionnaires de réseaux d’eau potable qui disposent de données historiques encore non exploitées pour la construction des stratégies de GPI ou qui souhaitent faire évoluer leur SI. Enfin, les masses de données pouvant être rendues opérationnelles pour les modèles de défaillance de façon automatique représentent un gain important dans l’optique d’amélioration de la connaissance des processus de fuite et de casse des canalisations.