Gestion patrimoniale des réseaux d’assainissement : Impact de la qualité des données et du paramétrage du modèle utilisé sur l’évaluation de l’état des tronçons et des patrimoines

Sewer asset management : Impact of data quality and models’ parameters on condition assessment of assets and asset stocks

• Auteur / Autrice : Mehdi Ahmadi
• Direction : Pascal Le Gauffre
• Type : Thèse de doctorat
• Discipline(s) : Génie civil
• Date : Soutenance le 11/04/2014
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale Mécanique, Energétique, Génie Civil, Acoustique (Villeurbanne ; 2011-....)
• Partenaire(s) de recherche : Laboratoire : LGCIE - Laboratoire de Génie Civil et d' Ingénierie Environnementale, EA 4126 (Villeurbanne, Rhône) - Laboratoire de Génie Civil et d'Ingénierie Environnementale / LGCIE
• Jury : Président / Présidente : Sylvie Barraud
• Jury : Examinateurs / Examinatrices : Pascal Le Gauffre, Sylvie Barraud, François Clemens, Alain Mailhot, Pierre Breul, Denys Breysse, Frédéric Cherqui
• Jury : Rapporteur / Rapporteuse : François Clemens, Alain Mailhot

Mots clés

Mots clés contrôlés

Entretien et réparations

Égouts

Mots clés libres

Réseau d'assainissement

Gestion patrimoniale

Entretien

Réhabilitation

Evaluation de l'état

Sewer network

Asser management

Maintenance

Rehabilitation

Assessment

Résumé

La gestion patrimoniale vise à choisir les meilleures décisions d’actions à mener sur les éléments du patrimoine, pour limiter les risques, optimiser les performances et réduire les couts. Dans ce manuscrit, nous avons adapté la définition spécifique de la gestion proactive des réseaux d’assainissement aux pratiques des gestionnaires pour passer de la maintenance post-défaillance à une politique de gestion patrimoniale proactive sur le long-terme. Pour cela, nous avons identifié les verrous suivants qui sont abordés dans le manuscrit. Premièrement, il est nécessaire de pouvoir élaborer les programmes d’inspections à partir de modèles de détérioration pour optimiser les budgets alloués. Malgré le développement de nombreux modèles de détérioration, l’influence de la qualité et de la disponibilité des données (incomplétude, imprécision, incertitude) sur la puissance prédictive des modèles n’a pas été étudiée en détail. Nous avons abordé cette question en proposant deux méthodes pour déterminer la liste des facteurs les plus informatifs à partir d’un échantillon représentatif. Entre autres, nos résultats suggèrent que l’imprécision sur une donnée est préférable à ne pas disposer de cette donnée. Nous avons également montré que la notion de « quartier » pourrait être utilisée, sous certaines conditions, pour compenser la non-connaissance de l’âge des conduites. Deuxièmement, une fois les conduites inspectées, leur état de santé doit être évalué à l’aide d’un protocole identique pour l’ensemble du patrimoine. Il est nécessaire que le protocole utilisé puisse minimiser les erreurs de sur- ou sous-estimation en fonction des choix des gestionnaires. Nous avons proposé une procédure prenant en compte ces choix, ainsi que l’état global du patrimoine considéré. Les études de sensibilité réalisées à partir des données d’inspection d’une partie du patrimoine du Grand Lyon montrent que l’état de santé évalué dépend fortement des choix faits par le gestionnaire concernant la sur- ou sous-estimation. Troisièmement, peu de patrimoines ont actuellement été complètement inspectés et évalués. Ainsi, l’utilisation d’un échantillon représentatif d’un patrimoine semble obligatoire pour pouvoir calibrer des modèles justifiant les décisions comme par exemple un modèle de détérioration. Après avoir généré différents échantillons de différentes tailles et selon différentes méthodes d’échantillonnage, à l’aide de la méthode de Monte Carlo, nous avons pu proposer une procédure pour étudier l’influence des caractéristiques de l’échantillon sur les résultats du modèle de détérioration. A partir d’analyses statistiques, nous avons montré que le processus de calage (des modèles) dépend fortement de l’échantillon disponible, et cela peut donc conduire à des résultats erronés.

Asset management ensures that the best decisions are made for elements of the asset in order to reduce risks, optimize performance and minimize costs. A proactive asset management includes development of prioritization schemes for selection of inspection and rehabilitation needs. In this regard, we have identified the following bottlenecks which are addressed in this manuscript. First, there is a need of elaborating inspection programs based on deterioration models in order to be more cost-effective. The influence of availability and quality of data (imprecision, uncertainty, incompleteness) on models’ predictive power has not been studied in depth. We propose two methods to establish the list of the most informative factors from a representative sample of an asset stock. Among other results, this study would suggest that having imprecision in the database is preferable to having a database with no information on one specific factor. Second, once segments are inspected, they should be evaluated by a condition grading protocol. Though various condition grading protocols have been developed, they all fail to undertake the sensitivity of managers and stakeholders to the over or under-estimation of assets’ condition grade as many sources of uncertainty could be found within the condition assessment process. We propose a procedure in order to deal with this uncertainty. We also carry out some sensitivity analyses of parameters employed in this procedure. The results of these sensitivity tests are then applied to a part of the Greater Lyon asset stock. The results show that the assessment of segments into a condition grade depends heavily on the hypotheses that a manager could make about the under or over-estimation of its assets’ condition. Third, at the moment small number of utilities has completely inspected and evaluated their asset stocks. Therefore, the use of a representative sample from an asset stock in order to calibrate decision-support models as deterioration models seems mandatory. Nevertheless, in this regard we should tackle with following problematic issues: 1) How to draw a representative sample of an asset stock which reflects the characteristics of this asset stock? and 2) What is the impact of used sample on the calibration outcomes of these multivariate models? Hence, by drawing several samples with different sizes according to different sampling methods and applying Monte Carlo method, we have proposed a procedure in order to study the influence of available sample on the outcomes of a multivariate model. By proposing some statistical analyses, we showed that the calibration process depends extremely on available sample which could results, if this latter is not drawn properly, into erroneous conclusions.