Midas: Multiple Data Sources

Drinkwaterbedrijven en waterschappen hebben steeds meer de wens om keuzes rond onderhoud en vernieuwing van hun leidingen te onderbouwen met gedetailleerde modellen voor leidingconditie. Bij recente toepassingen van conditiemodellen is echter steeds duidelijker geworden dat het succesvolle gebruik van dergelijke modellen staat of valt met de beschikbaarheid van invoerdata. Deze data moet worden verkregen uit een veelvoud van informatiebronnen, zoals bedrijfsinformatie, publieke informatiebronnen en gerichte inspecties. In dit project werken we een methode uit om beschikbare databronnen zo goed mogelijk te benutten. Dat doen we ten eerste door databronnen zo goed mogelijk te combineren om elkaars hiaten op te vullen en ten tweede door de individuele bronnen te wegen op hun belang bij het ondersteunen van beslissingen rond het vernieuwen van leidingen.

Aanleiding

Drinkwaterbedrijven en Waterschappen hebben steeds meer de wens om keuzes rond onderhoud en vernieuwing van hun leidingen te onderbouwen met gedetailleerde modellen voor leidingconditie. In recent gezamenlijk onderzoek van de Nederlands-Vlaamse drinkwaterbedrijven zijn dergelijke modellen ontwikkeld (zie bijvoorbeeld Wols, Moerman en Vertommen, 2015; Wols en Moerman, 2017; van Laarhoven en van Vossen, 2019). Daarbij is echter ook steeds duidelijker geworden dat het succesvolle gebruik van dergelijke modellen staat of valt met de beschikbaarheid van invoerdata die de toestand en situatie van het leidingbestand met voldoende detail en betrouwbaarheid beschrijft. Ook is gebleken dat de beschikbaarheid van dergelijke data tot op heden beperkt is. De relevante modeldata kan worden verkregen door middel van inspecties, maar dit vergt een substantiële inspanning. Het is daarom van belang om inspecties zo veel mogelijk te prioriteren op de impact die ze kunnen hebben op beslissingen (de belangrijkste parameters het eerst meten) en om aanvullende data (bedrijfsdata of open data zoals bodemkaarten, wegenkaarten, KNMI data) zo goed mogelijk benutten om de beschikbare directe metingen aan te vullen. Ook is het van belang om de correcte mate van zekerheid of betrouwbaarheid bij deze parameters in de verwerking en het gebruik van de gegevens mee te nemen.

Doel

Dit project heeft als doel om de beschikbaarheid van data voor gebruik in leidingconditiemodellen te verbeteren en om het belang van individuele datacomponenten (en hun onzekerheid) voor de uitkomsten van deze modellen inzichtelijk te maken. Het toepassen van dergelijke conditiemodellen staat of valt met het hebben van de juiste data. De uitkomsten van het project geven waterschappen en drinkwaterbedrijven de mogelijkheid om die data zo efficiënt mogelijk te verzamelen (alleen de belangrijke data kopen/meten). Door het gebruik van conditiemodellen te ondersteunen, geven de uitkomsten van dit project waterschappen en drinkwaterbedrijven toegang tot beter onderbouwde, nauwkeurigere inschattingen van de faalkansen van hun leidingen, die zij kunnen gebruiken voor de ondersteuning van hun beslissingen rond de vernieuwing van leidingen. Dit minimaliseert kosten door het vermijden van nodeloze investeringen (alleen de juiste leidingen vernieuwen) en het minimaliseert de kosten en overlast van storingen (storingsgevoelige leidingen worden het eerst vernieuwd). De uitkomsten bieden technologieleveranciers de mogelijkheid om conditiemodellen in de komende jaren op een gefundeerde manier in te gaan zetten bij het duiden van omgevingsdata en inspecties voor hun klanten, en om gericht inspecties te ontwikkelen die eventuele hiaten in data kunnen opvullen.

Resultaten

Het project heeft een reeks bruikbare inzichten concrete opbrengsten opgeleverd. Ten eerste is een uitputtend overzicht gegenereerd van de databehoeften voor conditiebepaling van ondergrondse leidingen. Daarbij zijn ook de beschikbaarheid van kwaliteit van de data geanalyseerd, en is een interactieve kaart gemaakt om deze aspecten inzichtelijk te maken. Vervolgens heeft een analyse van correlaties in omgevingsparameters die van invloed op de degradatie van leidingen kunnen zijn laten zien dat er geen surrogaatparameters aan te wijzen zijn die gebruikt kunnen voor parameters waarvoor geen (meet)waarden beschikbaar zijn. Dit is een negatief resultaat, maar niettemin belangrijk. Het dient de aanbeveling om over ca. 10 jaar deze analyse te herhalen met de data die dan beschikbaar zullen zijn. Voor het kwantificeren van onzekerheid en de voortplanting daarvan in conditiemodellen is een methodiek uitgewerkt. Deze heeft concreet vorm gekregen in een dashboard. Met dit dashboard kan de voortplanting van onzekerheid inzichtelijk worden gemaakt, en kan worden beoordeeld welke parameter het meest bijdragen aan onzekerheid in conditiemodellen – dit zijn de parameters waar bij metingen of andere datavergaring de focus op zou moeten liggen, om de kwaliteit en bruikbaarheid van de uitkomsten van conditiemodellen zo veel mogelijk te verbeteren.