Ordning i RörANN – en smart ANN-modellför minskat läckage på dricksvattennätet

I Sverige går 15–20% av dricksvattnet till spillo genom läckage. Läckaget belastar både miljö och ekonomi, men är i hög grad också relaterat till samhällelig sårbarhet och hälsa. Med detta projekt vill vi skapa Ordning i RörANNgenom att vidareutveckla en ny ANN-modell för att identifiera de drickvattenledningar som är i störst risk att springa läck. Arbetet med befintliga VA-nät är reaktivt, man reparerar läckor vartefter man blir varse dem, ibland till stora kostnader om läckan är omfattande och akut. Förnyelseplaneringen styrs inte sällan av externa faktorer, t.ex. att gatukontoret planeraromläggningav en gata. Vi vill sätta ”glasögon” på ledningsnätägarna så att de tydligare kan se ledningar i dåligt skick. Den ANN-modell vi vill förfina och sprida tar inte fram några nya data, utan nyttjar data som nätägaren redan har samlat in (material, anläggningsår, trycknivåer,etc.) eller har tillgång till hos andra aktörer (jordart, trafiklaster, demografi,etc.)för att beräkna sannolikhetenför rörbrott i varje ledning. Med modellen ger vi VA-huvudmännen ett verktyg till smartare beslutsstöd. Samtidigt vill vi bryta detinvanda mönster som många arbetar efter och knyta samma några av de mest proaktivaför att sprida kunskap om AI-teknologi. Det är slutanvändarna, de kommunala VA-organisationerna, som tagit initiativ till projektet. Man önskar att tillsammans med forskare på LTH utveckla och verifiera den prototyp som en av VA-organisationerna nyligen tagit fram. Modellenvidareutvecklas genom att väga in konsekvensenom ledning x eller y havererar. Därmed får vi ett riskbedömningsverktyg med AI-stöd. Fyra stora,proaktiva VA-organisationer deltar som partners (SVOA, VA SYD, Vakin & Kretslopp och Vatten)och fyra andra bidrar med data och erfarenheter. Slutmålet med projektet är två varianter (bas och stor)av AI-modellen som enkelt ska kunna tillämpas av små eller storaVA-organisationeroch som kan tillhandahållas av branschorganisationen Svenskt Vatten.