1. Start
  2. Forskning
  3. Forskningsprojekt
  4. Hitta forskningsprojekt
  5. AI prediktiv bedömning och Avlopps Index för avloppsnät

AI prediktiv bedömning och Avlopps Index för avloppsnät

Förväntad nytta

Projektet utvecklar ett AI-drivet verktyg för statusbedömning av avloppsledningar, baserat på en validerad prediktiv modell för att bedöma fel/status på avloppsledningar. Det möjliggör riskbedömningar, prioriterade åtgärdsplaner, underhållsplanering och en kostnadseffektiv översikt av ledningsnätet. Genom att integrera Standardiserat Avloppsindex får svenska VA-organisationer en kostnadseffektiv, enhetlig och jämförbar metod för att analysera, följa upp och optimera underhållet av avloppsnätet.

Projektsammanfattning

Hantering av avloppsledningsnät är en kritisk men kostsam och utmanande uppgift för VA-organisationer. Nuvarande metoder, såsom CCTV-inspektioner, är dyra och bygger på subjektiva bedömningar, vilket resulterar i ett reaktivt tillvägagångssätt där tidiga skador ofta förbises. Genom att tillämpa AI-drivna metoder och utveckla ett standardiserat avloppsindex kan vi skapa ett mer effektivt och datadrivet förhållningssätt till underhållsplanering och riskbedömning.

Detta projekt syftar till att utveckla och validera en AI-baserad modell för prediktiv statusbedömning av avloppsnät. AI-modellen kommer specifikt att fokusera på att förutsäga skador på okontrollerade rör. Parallellt skapas ett standardiserat avloppsindex som möjliggör en objektiv och kvantifierbar bedömning av hela ledningsnät med hjälp av AI-modellförutsägelser och andra associerade faktorer. Avloppsindexets robusthet görs genom Monte Carlo-simuleringar och jämförelser med verkliga fel och inspektionsrapporter.

Projektet genomförs i tre huvudarbetspaket: 1) Dataanalys & AI-modellutveckling, 2) Avloppsindex (AIX) utveckling (AIX), 3) utveckling av en AI-modell för att förutsäga av AIX. Tillsammans med VA-organisationer (SVOA, NSVA, KoV och VA-SYD) och en referensgrupp ska vi säkerställa att metoden är praktiskt användbar och kan integreras i deras beslutsprocesser.

Genom att kombinera avancerad datavetenskap och VA infrastruktur hantering erbjuder projektet en skalbar och implementerbar lösning för att minska inspektionskostnaderna, förbättra beslutsfattandet och optimera underhållsplaneringen. Projektresultaten kommer att spridas genom SVU-rapporter, kod-repository, workshops och vetenskapliga publikationer, med målet att etablera en ny standard för AI-baserad statusbedömning av avloppsnät.

Om projektet

Projektnummer:
25-107
Organisation:
RISE Research Institute of Sweden
Projektledare:
Emmanuel Okwori
Beviljad finansiering:
647 040 kr
Projektkostnad:
1 327 440 kr
Projektslut:
31 maj 2027