Sanning och konsekvens för svenska vattenledningar
(2021) In Vatten: tidskrift för vattenvård /Journal of Water Management and research 77(4). p.253-268- Abstract
- This work kick-starts AI (artificial intelligence) for pipe management among Swedish water utilities. The current work with pipe management is mainly reactive; leaks are repaired after they are detected, sometimes with large costs if the leakage is extensive and critical. With this article, we want to focus on proactive pipe network management and discuss risk analysis in the field. A previously developed ANN model is used to estimate probability of leakage in water pipes. The model has been trained on leaks that have occurred over a ten-year period, and a comparison with leaks reported after the studied period shows that the ANN model succeeds in identifying groups of pipes with a higher leakage frequency. By combining the ANN model with... (More)
- This work kick-starts AI (artificial intelligence) for pipe management among Swedish water utilities. The current work with pipe management is mainly reactive; leaks are repaired after they are detected, sometimes with large costs if the leakage is extensive and critical. With this article, we want to focus on proactive pipe network management and discuss risk analysis in the field. A previously developed ANN model is used to estimate probability of leakage in water pipes. The model has been trained on leaks that have occurred over a ten-year period, and a comparison with leaks reported after the studied period shows that the ANN model succeeds in identifying groups of pipes with a higher leakage frequency. By combining the ANN model with a model for impact assessment, the most prioritised pipes, from a risk perspective, can be identified. While several water utilities have participated in the project Ordning i RörANN, only results based on data from Stockholm are presented here. (Less)
- Abstract (Swedish)
- Detta arbete kick-startar AI (artificiell intelligens) för ledningsunderhåll i VA-branschen i Sverige. Arbetet med befintliga VA-nät är idag främst reaktivt; man reparerar läckor vartefter man blir varse dem, ibland till stora kostnader om läckan är omfattande och akut. Med denna artikel vill vi sätta fokus på proaktivt arbete med ledningsnät och diskutera riskanalys inom området. En ANN-modell som tidigare tagits fram används för att uppskatta sannolikhet för läckage på vattenledningar. Modellen har tränats på läckor som inträffat under en tioårsperiod, och en jämförelse med läckor som rapporterats efter den studerade perioden visar att ANN-modellen lyckas identifiera grupper av ledningar som oftare får läckage. Genom att kombinera... (More)
- Detta arbete kick-startar AI (artificiell intelligens) för ledningsunderhåll i VA-branschen i Sverige. Arbetet med befintliga VA-nät är idag främst reaktivt; man reparerar läckor vartefter man blir varse dem, ibland till stora kostnader om läckan är omfattande och akut. Med denna artikel vill vi sätta fokus på proaktivt arbete med ledningsnät och diskutera riskanalys inom området. En ANN-modell som tidigare tagits fram används för att uppskatta sannolikhet för läckage på vattenledningar. Modellen har tränats på läckor som inträffat under en tioårsperiod, och en jämförelse med läckor som rapporterats efter den studerade perioden visar att ANN-modellen lyckas identifiera grupper av ledningar som oftare får läckage. Genom att kombinera ANN-modellen med en modell för konsekvensbedömning kan de mest prioriterade ledningarna ur ett riskperspektiv vaskas fram. Medan flera VA-organisationer deltagit i projektet Ordning i RörANN, presenteras här endast beräkningar baserade på Stockholm Vatten och Avfalls data (Less)
Please use this url to cite or link to this publication:
https://lup.lub.lu.se/record/40785c74-1f00-4640-9163-6fdac5485e28
- author
- Sörensen, Johanna LU ; Nilsson, Erik LU ; Bjarke, Martin LU ; Giertz, Tommy and Nilsson, Didrik
- organization
- alternative title
- Truth and dare for Swedish water pipes
- publishing date
- 2021-12-02
- type
- Contribution to journal
- publication status
- published
- subject
- keywords
- consequence analysis, risk analysis, pipe renewal, pipe refurbishment, drinking water distribution
- in
- Vatten: tidskrift för vattenvård /Journal of Water Management and research
- volume
- 77
- issue
- 4
- pages
- 253 - 268
- publisher
- Föreningen Vatten
- ISSN
- 0042-2886
- project
- RörANN – a smart artificial neural network modelfor minimizing leakages in water distributionsystems
- language
- Swedish
- LU publication?
- yes
- id
- 40785c74-1f00-4640-9163-6fdac5485e28
- date added to LUP
- 2021-12-07 20:00:41
- date last changed
- 2021-12-13 11:40:36
@article{40785c74-1f00-4640-9163-6fdac5485e28,
abstract = {{This work kick-starts AI (artificial intelligence) for pipe management among Swedish water utilities. The current work with pipe management is mainly reactive; leaks are repaired after they are detected, sometimes with large costs if the leakage is extensive and critical. With this article, we want to focus on proactive pipe network management and discuss risk analysis in the field. A previously developed ANN model is used to estimate probability of leakage in water pipes. The model has been trained on leaks that have occurred over a ten-year period, and a comparison with leaks reported after the studied period shows that the ANN model succeeds in identifying groups of pipes with a higher leakage frequency. By combining the ANN model with a model for impact assessment, the most prioritised pipes, from a risk perspective, can be identified. While several water utilities have participated in the project Ordning i RörANN, only results based on data from Stockholm are presented here.}},
author = {{Sörensen, Johanna and Nilsson, Erik and Bjarke, Martin and Giertz, Tommy and Nilsson, Didrik}},
issn = {{0042-2886}},
keywords = {{consequence analysis; risk analysis; pipe renewal; pipe refurbishment; drinking water distribution}},
language = {{swe}},
month = {{12}},
number = {{4}},
pages = {{253--268}},
publisher = {{Föreningen Vatten}},
series = {{Vatten: tidskrift för vattenvård /Journal of Water Management and research}},
title = {{Sanning och konsekvens för svenska vattenledningar}},
url = {{https://lup.lub.lu.se/search/files/110639382/2021_VATTEN_sanningochkonsekvens.pdf}},
volume = {{77}},
year = {{2021}},
}