Performance indicators for small- and medium-sized water supply systems: a review
Notice bibliographique
Résumé
Water supply systems (WSSs) are one of the most important and expensive core public infrastructures. The primary objective of a water supply utility is to have this valuable asset operate at its maximum possible efficiency with minimum cost throughout its design period. To achieve this objective, the first step is to evaluate the existing efficiency of all the components of the WSS using suitable performance indicators (PIs). Various agencies and organizations worldwide have developed detailed performance evaluation frameworks including several indicators to comprehensively cover all the aspects (e.g., physical asset, staffing, operational, customer satisfaction, economical) of the WSSs. Most of these frameworks and indicators have been developed for large-sized WSSs. Small- and medium-sized water supply systems (SM-WSSs) have specific performance-related issues, ranging from difficulties in collecting the data required to use the available systems of PIs to lack of skilled personnel and financial resources for efficient operations. A comprehensive review of the literature has been carried out to assess the suitability of reported performance evaluation systems for SM-WSSs in terms of their simplicity (easy and simple data requirements) and comprehensiveness (i.e., all the components of a WSS). This review also evaluates the individual PI with respect to its understandability, measurability, and comparability (i.e., within and across utility comparisons). On the basis of this detailed review, a conceptual performance evaluation system for SM-WSSs, consisting of a list of PIs grouped into their respective categories, has been proposed. The proposed system provides a stepwise approach, starting the performance evaluation process with the most significant and easy to measure PIs for small-sized WSSs and moving to a relatively complex set of indicators for SM-WSS depending on the availability of resources and specific operating conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».