Avaliação de Modelos Estatísticos para Previsão de Falhas em Redes de Distribuição de Água (Evaluation of Statistical Models for Pipe Failures Forecasting in Water Networks)

8 Pages Posted: 13 Feb 2018

See all articles by Raquel R. Akagi

Raquel R. Akagi

Universidade Federal de Mato Grosso do Sul

Peter B. Cheung

Universidade Federal de Mato Grosso

Date Written: November 30, 2017

Abstract

Portuguese Abstract: Gestores de sistemas de abastecimento de água do mundo todo tem enfrentado frequentes desafios para garantir a qualidade do serviço prestado aos usuários e ao mesmo tempo a sustentabilidade econômica financeira das empresas. As infraestruturas nos sistemas de água estão envelhecendo e a qualidade do serviço exigida pela população e órgãos reguladores estão cada vez mais restritivas. O cumprimento destas exigências está diretamente relacionado ao controle eficiente dos ativos de infraestruturas. A previsão de falhas em redes de água é um problema complexo porque o fenômeno é aleatório, os dados disponíveis e os registros de falhas nem sempre são completos, consequentemente as séries históricas são curtas. No entanto, a previsão de falhas é fundamental para gestão de ativos. O trabalho apresenta um estudo de caso com a aplicação do modelo probabilístico LEYP (Linear Extension of the Yule Process) e também a análise da aplicabilidade do modelo LEYP com o modelo determinístico exponencial. O modelo LEYP foi capaz de prever 77% das falhas reais. O modelo exponencial é mais fácil de ser aplicado em decorrência dos dados exigidos, porém o modelo probabilístico LEYP permite identificar os trechos de rede com maior tendência de falha e também a influência de múltiplas variáveis na taxa de falhas, como extensão, diâmetro e pressão. Verificou-se que um banco de dados completo, organizado e atualizado sobre as falhas nas redes de água é extremamente importante para a viabilidade da aplicação dos modelos de previsão, otimização de resultados e uso como ferramentas de planejamento e apoio a gestão e reabilitação destas redes.

English Abstract: Internationally, the administrators of water supply systems have been facing frequent challenges to ensure the quality of the service being provided to users along with economic sustainability of the companies. The physical infrastructures of the water systems are aging, and the service quality demanded by the population and regulation agencies are becoming more rigorous. Compliance with these requirements is directly related to the efficient control of the infrastructure resources - asset management. Failure prediction in water networks is a complex problem due to its randomness, also, the available data and the failures records are not always complete, leading to short historical series. However, failure predictions are extremely important for asset management. This paper presents a case study with application of the LEYP (Linear Extension of the Yule Process) probabilistic and, also, a comparison between the applications of the LEYP model and the exponential deterministic model. The LEYP model was able to predict 77% of real failures. The exponential model is easier to be applied due to the required data, however, the LEYP model allows the identification of pipe segments with greater failure trend, neither considers the influence of several variables in the failure rate, such as extension, diameter and pressure. It was found that a complete, organized, and updated failure database in water networks is extremely important, so the prediction models can be applied and used as tools for planning and support of network rehabilitation management.

Note: Downloadable document is in Portuguese.

Keywords: asset management, failure prediction models, water networks

Suggested Citation

Akagi, Raquel R. and Cheung, Peter B., Avaliação de Modelos Estatísticos para Previsão de Falhas em Redes de Distribuição de Água (Evaluation of Statistical Models for Pipe Failures Forecasting in Water Networks) (November 30, 2017). Ibero-American Seminar on Water and Drainage Networks (SEREA 2017), Available at SSRN: https://ssrn.com/abstract=3108267 or http://dx.doi.org/10.2139/ssrn.3108267

Raquel R. Akagi (Contact Author)

Universidade Federal de Mato Grosso do Sul ( email )

Av. Fernando Corrêa da Costa, nº 2367
Bairro Boa Esperança
Cuiabá, MT Mato Grosso 78060-900
Brazil

Peter B. Cheung

Universidade Federal de Mato Grosso

Av. Fernando Corrêa da Costa, nº 2367
Bairro Boa Esperança
Cuiabá, MT Mato Grosso 78060-900
Brazil

Do you have negative results from your research you’d like to share?

Paper statistics

Downloads
83
Abstract Views
507
Rank
543,514
PlumX Metrics