Development of a risk-based portfolio modeling methodology for maintenance optimization under uncertainty

Large distribution networks, such as gas or water infrastructure networks, undergo preventive maintenance programmes that are relevant for the network operating costs ([74], [75]). Then, maintenance optimization is fundamental for the management of these complex assets being competitive. Although the knowledge on the current network health conditions is necessary to correctly identify optimal maintenance programmes, the actual pipe deterioration conditions can typically be roughly estimated only, especially in case of a large and buried infrastructure network, and through costly inspections. In this thesis work, we propose a novel risk-based methodology for identifying optimal sets (portfolio) of pipe inspections for which the subsequent renovation actions (if necessary) are expected to most improve the network operability with largest money saving. This consists of two steps: 1. Rank of all the pipes of the network based on the respective risk degree: the methodology exploits the Multi Attribute Value Theory (MAVT, e.g., [27], [34]), which is a systematic approach for tackling multi-objective decision problems when the possible decisions have uncertain consequences. In particular, it combines (i) a preference model based on [69], which yields the aggregate risk degree by applying multi-attribute value functions to the peculiarity of assets; (ii) a risk assessment, which identifies the most critical pipes according to estimated failure likelihood and severity; and (iii) a decision tree analysis, which captures the deterioration-improvement dynamics associated with the maintenance activities. The novelty of this part lies in the integration of these approaches and their application to the risk-based inspection framework. 2. Selection of optimal portfolios of pipe inspections among the top-rated risky pipes: this approach combines the sound mathematical framework built in [12], [40] and [46] with the decision framework proposed in [57] to define a prioritization ranking for inspections on a large pipeline network and efficiently allocate inspection resources. The innovative contribution in this part is the development of a novel heuristic methodology, called Non-Sorted Differential Evolution (NSDE), which extends the applicability of Differential Evolution (DE) to the multi-objective project portfolio selection problem with uncertain and incomplete information, and eventual project interdependencies. The proposed approach is tested on a real case related to the sewer pipeline system in Espoo, Finland.

Grandi reti di distribuzione, come le reti di gas o di acqua, subiscono programmi di manutenzione preventiva che sono rilevanti per i costi di gestione della rete ([74], [75]). Di conseguenza, l'ottimizzazione delle attività di manutenzione risulta essere fondamentale per la gestione di questi beni complessi. Nonostante la conoscenza sulle condizioni attuali della rete sia necessaria per la corretta identificazione dei programmi di manutenzione ottimali, le condizioni reali di degrado possono solo essere approssimativamente stimati (soprattutto in caso di una rete infrastrutturale sotterranea di grandi dimensioni) oppure valuate attraverso ispezioni costose.. In questa situazione, la pianificazione della manutenzione può essere formulata come un problema di due fasi: 1. l'identificazione di un set ottimale (portfolio) di ispezioni di tubi per i quali sono previsti i successivi interventi di ristrutturazione (se necessario) al fine di migliorare l'operatività della rete. 2. Una volta che le condizioni di degrado dei tubi selezionati sono stati valutate mediante ispezioni, è necessario identificare un piano ottimale per le azioni di manutenzione su tutta la rete. In questo lavoro, proponiamo una metodologia innovativa basata sul rischio di guasto al fine di affrontare il primo problema, mentre la seconda questione sarà affrontata in futuri lavori di ricerca. La metodologia è stata sviluppata in collaborazione con il System Analysis Laboratory presso Aalto University. La metodologia proposta è costituita da due fasi: 1. Ranking di tutte le tubature della rete in base al relativo grado di rischio: la metodologia sfrutta Multi Attibute Value Theory (MAVT), un approccio sistematico per affrontare decisione multiobiettivo problemi quando le possibili decisioni hanno conseguenze incerte. In particolare, questa metodologia integra (i) un modello di preferenza basata su [69], da cui si ricava il grado di rischio complessivo applicando funzioni a valore multi-attributo in base alle caratteristiche degli asset; (ii) una valutazione del rischio, che identifica i tubi più critici secondo stime della probabilità e della gravità del guasto; e (iii) un'analisi attraverso albero decisionale, in grado di interpretare le dinamiche di deterioramento-miglioramento associati alle attività di manutenzione. Nonostante questi metodi decisionali siano stati sviluppati e applicati negli ultimi anni, l'applicazione e l'integrazione di questi approcci all'interno della stessa metodologia è sicuramente innovativo. 2. Selezione di portfoli ottimali di ispezioni considerando le tubature più rischiose: questo approccio combina i modelli matematici sviluppati in [12], [40] e [46], con il modello decisionale in [57] al fine di definire un ordine di priorità delle ispezioni delle condotte su un grande rete ed allocare efficientemenete le risorse di ispezione. Il contributo innovativo in questa sezione è lo sviluppo di una metodologia euristica, denominata Non-Sorted Differential Evolution (NSDE), che estende l'applicabilità della DE al problema multiobiettivo di selezione di portfoli efficienti nel caso di informazione imprecisa ed eventuali interdipendenze tra i progetti. Lo sviluppo della metodologia è illustrata per mezzo di un caso studio reale, che riguarda la grande rete fognaria a Espoo, in Finlandia, gestita dalla Helsinki Region Environmental Services Authority (HSY).