Gestion des réseaux d'assainissement : évaluation et calage d'indicateurs de dysfonctionnement à partir de jugements d'experts
Notice bibliographique
Résumé
Asset management is an increasing concern for wastewater utilities and companies. Indicators are developed for supporting the definition of investigation and rehabilitation programs. These indicators are mostly based on visual inspections, which provide major information. However, difficulty remains in the translation of a visual inspection survey into dysfunction indicators. Condition grade of a sewer segment may be obtained by comparison of a single score to thresholds which must be in accordance with practices or opinions of utilities' experts. The confrontation between expert assessments of sewer segments (condition grade) and calculated scores also demonstrates the necessity to consider diagnosis imperfection when establishing thresholds. To fill this niche, two calibration procedures are proposed in order to fix thresholds by minimizing a cost function: a crisp procedure and a fuzzy procedure. This article presents a comparison of both procedures on a case study. This approach is generally applicable to numerous domains, when levels of performance need to be defined / La gestion patrimoniale des réseaux d'assainissement est un enjeu de société dont l'importance ne cesse de croitre. La connaissance de l'état de santé global du patrimoine ou de l'état individuel de chaque tronçon est une donnée indispensable à toute stratégie de gestion. La question de l'évaluation de l'état d'un tronçon du réseau d'assainissement est donc un enjeu majeur et les inspections visuelles, et en particulier les inspections télévisées (ITV), constituent actuellement la méthode d'investigation privilégiée. Cet article explique comment interpréter ces inspections en vue d'évaluer l'état de santé d'un tronçon et surtout comment traduire une note sur le tronçon en état de santé. Nous présentons dans cette communication deux méthodes de calage destinées à définir les limites (seuils) entre chaque état : un calage « précis » et un calage « flou ». Ces méthodes de calage précis et flou sont comparées et discutées à partir d'un cas réel. Cette question du calage d'indicateurs est étudiée sur le cas des réseaux d'assainissement mais les résultats sont transposables à d'autres domaines.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».