Integrative modeling of performance deterioration and maintenance effectiveness for infrastructure assets with missing condition data
Notice bibliographique
Résumé
Deterioration modeling is an important analytical component in infrastructure asset management. It concerns the prediction of performance and remaining service life of assets of different designs under omnifarious working environments. For long-term prediction, it also requires to characterize maintenance effectiveness because maintenance activities do not necessarily bring an asset to a completely renewed status. Deterioration modeling research has for decades been largely focusing on the modeling of the natural deterioration process per se, whereas the modeling of maintenance effectiveness is only a recent focus of investigation, mainly in pavement research. In practice, the asset conditions immediately before and after a given maintenance treatment both are not often known. This has made the modeling of maintenance effectiveness and long-term deterioration prediction a challenging task. To bridge the gap, this paper presents a novel approach that integrates the modeling of deterioration and maintenance effectiveness into one process. The natural deterioration of asset performance is modeled as a continuous-time Markov chain, whereas the effectiveness of a maintenance measure is modeled as a discrete-time Markov chain. To account for missing condition data before and after the maintenance event, the paper also develops a robust statistical method based on Markov chain Monte Carlo simulation. A real-life case study on a municipal sewer pipe system is carried out for demonstration of the proposed integrated modeling approach. The functional deterioration of sewer pipes and the effectiveness of flushing operations that target to bring flow capacity to intact state are modeled. Influences of pipe length, diameter, slope, and sewershed area are examined. The present work is a valuable step toward development of evidence-based risk-informed asset management framework.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».