Ordning i RörANN ska ge en samlad riskbedömning för varje ledning
I projektet används artificiell intelligens för att ge ett bättre underlag för riskbedömningar av läckor på ledningsnätet.
Projektet utvecklar en smart ANN-modell för att bedöma sannolikhet för och konsekvenser av läckor på dricksvattennätet. Modellen blir en hjälp för de kommunala VA-organisationerna att hålla ledningsnätet i bättre skick till en lägre kostnad och mindre påverkan på miljö och klimat.
Det direkta syftet med Ordning i RörANN är att möjliggöra för de kommunala VA-organisationerna att hålla vårt ledningsnät i bättre skick till en lägre kostnad och mindre påverkan på miljö och klimat. Genom att bättre kunna identifiera vilka ledningar som är i sämst skick kan man undvika kostsamma akutåtgärder och långvariga mindre läckor. Förutom att man undviker att byta ut ledningar med lång kvarvarande livslängd, kan man även minska kostnaden för de ledningar som ändå måste bytas ut eftersom insatser som planeras i förväg kan upphandlas till betydligt lägre kostnader än akutåtgärder vid plötsliga läckor.
ANN-modell kopplar ihop sannolikhet med konsekvens
I projektet används ANN (artificial neural network) för att skapa ett riskbedömningsverktyg som kan användas av VA-huvudmännen för smartare beslutsstöd och prioritering av underhåll och förnyelse av ledningsnätet. Projektet innebär en vidareutveckling av en ANN-modell som tagits fram av Stockholm Vatten och Avfall. Modellen använder sig av olika parametrar så som ålder, material och dimension på ledningarna, samt jordart, demografi etc för att beräkna sannolikeheten för läckage på varje ledning.
Modellen vidareutvecklas genom att väga in konsekvensen om ledningen havererar. Därmed får vi ett riskbedömningsverktyg med AI-stöd.