GSP serve oltre 200.000 abitanti nella Provincia di Belluno. GSP gestisce 6.500 km di condotte per acqua potabile e fognature. GSP ha abbracciato l’ambizione di ridurre il rapporto dell’acqua non contabilizzata del 35% in tre anni. Questo obiettivo sarà realizzato creando Aree di Misure e Controllo, aumentando il numero di contatori dell’acqua, riducendo la pressione e sostituendo le peggiori tubature nella rete di distribuzione dell’acqua potabile.
Approccio e soluzione
Per identificare le condotte nella rete con la più alta probabilità di guasto, Spatial Insight ha applicato il modello di rischio SI-Rehab che include i modelli di probabilità SI-Cluster e SI-Regression. Spatial Insight (SI) ha ricevuto i dati da GSP e ha analizzato i dati concludendo che erano disponibili dati sufficienti e di qualità sufficiente per le prime esecuzioni con SI-Regression, SI-Cluster e SI-Rehab.
SI-Cluster, l’analisi che raggruppa in modo intelligente gruppi di condotte, ha identificato aree nella rete che hanno un impatto elevato sulle prestazioni. Per allinearsi alle dimensioni del progetto e al budget disponibile di GSP, il metodo dei cluster è stato esteso con SI-Hotspot. All’interno di ciascun cluster viene identificata l’area in cui si sono verificate il maggior numero di perdite. In questo modo è stato identificato lo 0,6% della rete che causerà il 9% delle perdite, e il 5% della rete che causerà il 48% delle perdite.
SI-Regression predice le prestazioni della rete nel tempo. Questa analisi dipende fortemente dalla presenza dell’anno di installazione per ciascuna conduttura nella rete. SI ha esplorato la possibilità di utilizzare una “miglior stima media dell’anno di costruzione” per le condotte prive dell’anno di costruzione. I risultati avevano senso, e quindi Spatial Insight è fiduciosa che queste curve di regressione possano essere applicate con successo.
Le curve di regressione saranno utilizzate in SI-Rehab e costituiranno una base per l’implementazione di BestNet.
Per SI-Rehab, la probabilità di guasto è combinata con l’effetto del guasto che porta al punteggio di riabilitazione della rete. Il calcolo dell’effetto è diviso in effetto interno ed esterno. L’effetto interno assegna un valore alle conseguenze per le prestazioni della rete di un’interruzione in una determinata posizione. Il calcolo si basa su un’analisi della rete. Spatial Insight ha effettuato un filtraggio aggiuntivo per ridurre la lunghezza totale delle condotte ad alta priorità in modo da rispettare il budget disponibile per la sostituzione delle condotte di GSP. All’interno dei cluster peggiori, Spatial Insight ha selezionato le parti che hanno mostrato il maggior numero di perdite. Come pubblicato nella rivista npj Clean Water, le perdite storiche sono il più importante predittore delle nuove perdite.
Spatial Insight ha calcolato il punteggio interno ed esterno per segmenti di condotta di circa 10m. Il punteggio interno è stato calcolato applicando SI-Network, che determina quali sezioni saranno interessate in caso di perdite e se una sezione deve essere chiusa, e l’impatto nel caso in cui durante la chiusura di una sezione, una valvola non potesse essere chiusa.
Contributo alla strategia dell’organizzazione
Spatial Insight è riuscita a identificare lo 0,6% della rete che consente a GSP di investire il budget disponibile per la sostituzione delle condotte nel modo che contribuirà in modo più significativo alla riduzione delle attuali perdite d’acqua. Allo stesso tempo, i calcoli rivelano il valore e l’importanza dei dati sugli asset e della registrazione delle perdite. Con dati migliori e più completi, i risultati saranno ancora più dettagliati e utili.
Recensione del cliente
Marco Bacchin, Direttore Generale di GSP: “L’analisi è importante per la nostra azienda. Abbiamo bisogno di risultati di modellazione verificabili per il nostro piano di investimenti. Spatial Insight ha fornito risultati utili in breve tempo e ha individuato opportunità di miglioramento dei dati in modo molto dettagliato. Abbiamo anche apprezzato i tempi di consegna brevi, la pertinenza dei risultati e il margine per ulteriori miglioramenti.”
CONTACT
"Abbiamo integrato SI-Regression e SI-Cluster nel nostro modello di rischio finale"