Dalle videoispezioni ai piani di investimento

Il gestore del servizio idrico urbano di Oslo, in Norvegia, ha finanziato un’intensa campagna di monitoraggio tramite la videoispezione della rete fognaria della città all’interno del piano di investimento 2002-2012.
Grazie ai dati raccolti tramite la videoispezione, ai dati prodotti da simulazioni con modelli idraulici e alle misure raccolte con strumenti di misurazione del flusso, il gestore è ora in grado di definire ordini di priorità tra diversi progetti in rete. Il progetto di monitoraggio è terminato nel 2012 e i dati raccolti sono ora utilizzati per prevedere il piano di finanziamento 2013-2030 per i lavori sistematici di riabilitazione della rete sulla base dei risultati analitici ottenuti dal Dipartimento Acqua e Ambiente del centro di ricerca SINTEF e coordinato dall’autrice.

Le videoispezioni
Il gestore di Oslo ha provveduto a ispezionare la rete in modo programmato e instensivo.
All’inizio del monitoraggio fu deciso di comprendere a fondo i risultati delle videoispezioni al fine di individuare il tipo di problemi più comuni alle condotte dell’area in oggetto. Tale tipo di analisi avrebbe potuto aiutare a comprendere le ragioni del deterioramento delle condotte e quali condotte fossero più critiche di altre.
Furono così analizzati i rapporti di videoispezione relativi a condotte in classe di deterioramento 1, 2, 3, 4 e 5.
Le classi di deterioramento consistono in un metodo di classificazione delle condotte in base al loro livello di prestazione strutturale. Nei sistemi di codifica nazionali troviamo esempi di normative che utilizzano 4 o 5 classi in cui generalmente l’ultima classe indica una condotta al limite del collasso e la prima classe una condotta avente le stesse prestazioni di una condotta nuova. L’introduzione delle classi di deterioramento come strumento per la pianificazione degli interventi in rete nasce dall’esigenza di definire ordini di priorità a livello progettuale o di definizione annuale degli interventi più urgenti in rete. È possibile infatti, servendosi degli adeguati supporti informatici, classificare automaticamente le condotte in una specifica classe durante la videoispezione e, una volta che i dati vengono trasmessi al gestore, dare il via alla pianificazione strategica degli interventi in cui l’ordine di sostituzione viene assegnato alle condotte appartenenti alla classe al limite del collasso e l’ordine di monitoraggio o di ispezione entro un certo periodo di tempo per le condotte appartenenti a classi con minore probabilità di collasso nel breve periodo.
Il sistema di classificazione norvegese prevede 5 classi.
L’analisi dei dati raccolti durante le campagna di videoispezione consente dunque di individuare quale tipo di difetto interno alla condotta caratterizzasse di più l’una piuttosto che l’altra classe di deterioramento.
Tre tipi di difetti emersero come più frequenti, ossia, fessurazione delle condotte, corrosione e dissossamento longitudinale dei giunti. Si ritenne che la causa principale del gran numero di condotte fessurate fosse in parte dovuto alla dimensioni della condotta, ma soprattutto ai difetti di installazione di quelle in cemento. Infatti gran parte di tali condotte furono installate nel periodo della seconda guerra mondiale o subito dopo. È facile riscontrare, dal database degli eventi di fallanza registrati in rete, che le condotte installate in tale periodo siano quelle piu soggette a problemi strutturali. Le cause si ritiene siano legate alla malcuranza in fase di posa, proprio perché a quel tempo si mirava più alla quantità che alla qualità del lavoro per ovvie ragioni di ricostruzione in tempi brevi.

Modello di analisi
Il modulo di analisi utilizzato dal gestore con il contributo del gruppo di ricerca SINTEF (www.sintef.no) è un modello di tipo statistico costituito da due livelli di analisi che hanno il fine di calibrazione del modello e di previsione del grado di deterioramento e di simulazione degli scenari di riabilitazione.
Il modello statistico, alla base dello strumento di analisi, segue la teoria delle “Catene di Markov non omogenee”, avente come risultato una matrice di probabilità di transizione tra stati di deterioramento delle condotte i quali variano nel tempo.
Queste probabilità di transizione sono funzioni di parametri che tengono conto:

  • dello stato iniziale della condotta
  • delle caratteristiche intrinseche della condotta e dell’ambiente circostante che influenzano il grado di deterioramento iniziale in cui essa si viene a trovare
  • dei fattori che influenzano la velocità di deterioramento
  • della deviazione standard della distribuzione degli effetti random individuali (“fattori individuali di fragilità” = IFF).

L’analisi eseguita tecnicamente consiste nel calibrare le cosiddette funzioni di sopravvivenza, cioè quelle funzioni che danno la probabilità che una condotta sia in una data condizione di deterioramento, o meglio che tale probabilità sia condizionata dai valori che assumono i parametri di cui sopra.

I dati in ingresso
Sono richieste dal modulo di analisi due tipi di informazione:

  • dati descrittivi della condotta consistenti nell’identificativo di condotta e in una lista di campi che forniscono le caratteristiche della condotta (materiale, diametro, anno di posa, lunghezza della condotta, profondità di posa) e dell’ambiente circostante (traffico stradale, tipo di terreno di ricoprimento, tipo di terreno costituente il letto di posa, presenza di alberi, tipo di flusso separato o misto)
  • dati delle videoispezioni, consistenti nell’identificativo di condotta, nell’anno di ispezione, nella classe iniziale di deterioramento e anche di una specifica variabile che in un certo qual senso tiene conto dell’attendibilità del dato. È infatti necessario valutare se il campione analizzato sia rappresentativo dello stato di deterioramento della rete: può accadere che le videoispezioni siano effettuate solo sulle condotte più problematiche portando ad una descrizione dello stato di deterioramento della rete più negativa di quanto effettivamente sia. La conseguenza è che il set di dati utilizzato per la calibrazione dei modelli conduca anche a prevedere la necessità di risanare più condotte di quanto sia necessario.

I risultati del modello: la calibrazione
I dati hanno consentito di calibrare quattro modelli di detrioramento definiti nel modo seguente:

  • i tubi con diametro maggiore o uguale a 600 mm (denominato “Culvert”), e tubi “piccoli” di diametro inferiore a 600 mm, hanno offerto un primo livello di stratificazione
  • all’interno di questo livello di stratificazione abbiamo distinto i tubi in calcestruzzo rispetto ad “altri materiali”, indicato con “others”
  • dei tubi in calcestruzzo abbiamo poi distinto i modelli di piccolo e grande diametro e indicati rispettivamente con il codice “BET” e “cBET” (BETONG significa calcestruzzo in lingua norvegese)
  • le tubazioni di altro materiale (“others”)  sono a loro volta stratificati in due modelli a seconda del diametro, e indicati rispettivamente dall’etichetta “CULV” e “PIPE”.

Esempio di calibrazione del modello di deterioramento per cBET
Il modello “cBET” è stato calibrato con 564 ispezioni.
La velocità di deterioramento per questa classe risulta essere influenzata dalle seguenti variabili:

  • diametro della condotta ([600mm,1000mm] vs [1000mm,+])
  • tipo di refluo “SP” (vs “AF” or “OV”)
  • categoria di traffico esterno “3” or “4” (vs “1” or “2”).

La velocità di deterioramento è maggiore per le condotte con diamentro 600-1000 mm rispetto alle condotte maggiori, ma diminuisce nel caso siano trasportate acque meteoriche (SP) piuttosto che nere (AF) o miste (OV), ed è inferiore per condotte installate in strade ad alto traffico, poichè queste condotte sono rinforzate con ricoprimenti di protezione.
La figura 5 mostra la buona qualità del modello rispetto alle osservazioni: i grafici indicati con “Model with IFF” e “Marginal Model” indicano la previsione fatta dal modello della probabilità (S(t)) di appartenere ad una classe di deterioramento per ciascuna ispezione, rispetto al grafico dei dati osservati (“Observations”).
Lo stesso tipo di analisi è stato effettuato per tutti i modelli sopra-elencati, fino ad ottenere la migliore calibrazione per ciascuno di essi.

I risultati del modello: la previsione
Per quanto riguarda la previsione del grado di deterioramento per le condotte che non sono state ispezionate, il calcolo viene effettuato usando il metodo diretto della deduzione dei valori delle funzioni di sopravvivenza  di classi adiacenti, mentre per le condotte ispezionate viene utilizzato il metodo di calcolo delle Catene di Markov non omogenee.
Dai risultati è apparso che la rete non tende a deteriorare con la rapidità temuta dal gestore lasciando quindi aperta la possibilità di distribuire le risorse disponibili per la manutenzione in altre zone della rete con maggiore priorità di intervento.
I risultati qui riportati riguardano la previsione futura a partire dalla stato attuale della rete, ipotizzando che nessun tipo di intervento di riabilitazione venga effettuato (scenario “do nothing”); è possibile inoltre prevedere le evoluzioni future del sistema simulando gli effetti di diverse strategie di intervento riabilitativo.
Possono a questo punto essere simulati gli effetti di tre strategie di riabilitazione: i) e ii) le opzioni “lunghezza” e “budget” che simulano la riabilitazione annuale delle condotte più deteriorate fino ad una lunghezza totale o budget fissati dal gestore per ogni anno appartenente al periodo di simulazione, e ii) una “opzione di ottimizzazione” che stima la lunghezza media annua ottimale di riabilitazione delle condotte più degradate, che deve essere pianificata per portare la rete appena sotto una data condizione di deterioramento globale definita dall’utente ad un determinato orizzonte temporale. In pratica il gestore fissa quale livello di deterioramento della rete è pronto ad accettare alla fine di un dato periodo come effetto di un piano di risanamento. Il modello dunque calcola la lunghezza di condotte da riabilitare ogni anno per raggiungere l’obiettivo fissato. Confrontando diverse strategie è possibile vedere (e calcolare) il beneficio in termini di miglioramento delle condizioni di rete ottenute mediante l’applicazione di una strategia di risanamento rispetto un’altra e anche rispetto allo scenario  “do nothing”. Costi di intervento e benefici (in termini di miglioramento della rete) possono quindi essere bilanciati al fine di scegliere la soluzione vincente e più fattibile.
Le figure 7 e 8 mettono a confronto, a titolo di esempio, due strategie di riabilitazione A e B. La strategia di riabilitazione A mira a non accettare al 2030 più del 80%, 40%, 20% e 1% delle condotte cBET rispettivamente in classe 2, 3, 4 e 5; mentre la strategia B è meno ambiziosa e si accontenta di ottenere rispettivamente non più del 80%, 40%, 20% e 10%. Il beneficio ottenuto in termini di miglioramento dello stato strutturale delle condotte alla fine del periodo di simulazione utilizzando la strategia A, deve però essere bilanciato con i maggiori costi iniziali e quindi con la fattibilità dell’opzione, come illustrato in figura 9.
Il modello utilizzato indubbiamente rappresenta uno stumento fondamentale per la pianificazione degli interventi in rete. Tuttavia per il suo piu completo utilizzo è evidente la necessità da parte del gestore di investire in campagne di ispezione e monitoraggio della rete in modo sistematico. Le ispezioni, a tal fine, non dovrebbero essere condotte solo per visionare le condotte più problematiche, come attualmente in uso presso i gestori, ma per avere a disposizione una banca dati rappresentativa dello stato di salute della rete e che quindi consenta la generalizzazione del dato raccolto da una condotta ad altre simili. Risulta inoltre fondamentale disporre di sistemi automatici di gestione dei dati raccolti da videoispezione che, a rigore, dovrebbero essere memorizzati nel database del gestore secono UNI 13508:2003 e successive modifiche.

di Rita Ugarelli
Rita.Ugarelli@sintef.no
Attualmente senjor researcher presso il dipartimento “Water & environment” dell’Istituto di ricerca SINTEF (www.sintef.no) e professore associato presso la Facoltà di Ingegneria di Trondheim in Norvegia. Ha un Dottorato di Ricerca in Scienze e Tecnologie dell’acqua. Esperta e docente di Infrastructure Asset Managment applicato alle reti idriche urbane (gestione del rischio, life cycle costing, life cycle assessment e analisi di affidabilità) al fine della pianificazione degli interventi in rete, in condizioni attuali e attese nel medio termine.

Ti potrebbero interessare anche

Ricevi le nostre ultime news

Iscriviti alla nostra newsletter

Richiedi abbonamento

Compila i campi per richiedere il tuo abbonamento alla rivista Servizi a Rete