Level of Service-Based Asset Management Framework for Water Supply Systems
Notice bibliographique
Résumé
Operators of North America’s potable water systems are facing numerous challenges in meeting the current needs and future expectations. Even though utility management experts started building customer-driven asset management systems to prioritize the water mains’ maintenance and replacement, the gap between the utility experts’ and end users’ perspectives still exists due to the lack of technical knowledge in terms of assessing the water quality. Therefore, this paper proposes a service-based asset management framework that evaluates the factors associated with the level of service (LOS) of the water supply networks and maps it to the physical condition. In this paper, the LOS for water supply networks is an indicator that measures the ability of a municipality to continuously supply the end users with adequate water quality to ensure fewer customer complaints and higher end-user satisfaction. The framework revolves around three phases: (1) data collection; (2) model implementation, which comprises LOS assessment and LOS and condition mapping models; and (3) results and analysis. To assess the LOS, a questionnaire was designed and analyzed using the best-worst method. Furthermore, an artificial neural network model was developed to map the relationship between the LOS and condition. Water quality, customer complaints, pressure, and continuity of water supply were used as mapping metrics between the LOS and condition. Toward the end, the framework was applied to the water distribution network of Montreal, Canada and it showed promising results in estimating the corresponding LOS from the condition. In addition, a cross-validation was carried out and the results displayed an 0.871 coefficient of determination (R2), which implies a strong existing relationship between the model inputs and outputs. This framework enables the utility experts to understand the customer perception of the service, optimize the budget allocation, and forecast the LOS based on the network condition.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| 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 ».