资产管理最优化决策：地下管网的维护与更新究竟如何科学决策地下管网的更新？有没有什么公式或模型可以帮助决策者计算最优解？这些是水务公司在进行管网资产管理时非常关注的问题。一家叫OmniaAI的加拿大公司表示他们可以帮助水务公司寻找答案。OmniaAI是德勤加拿大旗下的一家人工智能应用团队，最近他们联合加拿大一家漏损检测机构，以及英国和荷兰的两家水务公司一起进行相关，其研究成果发表在IWA国际水协会的期刊《Water Science & Technology》上。 决策错误的财务风险 在资产管理项目里，许多决策的背后需要财务分析。这些决定往往有许多不确定性，此时需要对风险进行量化。假设桌上有三个贝壳，其中一个里边藏着颗豌豆。你必须选择其中一个，但如果选中没有豌豆的贝壳，就要损失5块钱。那么选择错误的风险成本是多少钱呢？答案是3.3元，算法很简单，抽不中的概率(67%)x5元=3.3元。 地下管网的管理跟这贝壳游戏是相似的，只是规模更大。在几百甚至几千公里的主干管网里，总有一些部分运作正常，但也有一些状况糟糕的部分需要维修。我们需要决定哪些部分需要进行更换。如果你选择了一些状况还很良好的管网就行更换，就相当于浪费了它的剩余价值。这也是管网更换项目的风险所在。计算这些风险的方法也跟上边的游戏类似，只是变量有所改变： 公式1：风险 = 管网仍旧良好的概率 * 该管网的剩余价值 在上述公式里，新管网价值的1/2是判断现有管网的良好与否的划分线：如果现有管网的价值低于新管网的1/2，就算是“坏”管网。至于某管网是否良好的概率，则视举行项目而言，这就需要一些专业的判断。
图1. 城市管网的维护| 图源：ECHOLOGICS 总成本计算 幸运的是，和贝壳游戏有所不同，对于管网是否需要更换，我们还是要提前获取不少基础信息，例如关于管道的安装日期、直径尺寸、材料等统计信息，以及可其他方面的信息例如管道的故障史、流量负荷、垫层和回填等。如果结合文献或模型软件，还可进一步了解这些信息如何影响管网的特征习性。这是管道更换项目的常用方法，也是这次研究的出发点。 但如果想获得更多信息，也许就需要一些额外的投资了。回到贝壳游戏的例子，假如现在允许花1块钱来提前掀开一个贝壳的话，那么错选几率将降至33%（1.67元）。增加1元的投入使总成本升至2.67元，但仍低于最初的3.33元。所以这1元钱是很好的投资。 相同的概念也可以用于管道更换项目。状况评估可为决策者提供更多信息，但这会增加额外成本。项目的总成本将是公式1相关管道的剩余价值加上数据收集成本的总和。 公式2：总成本 = 决策错误风险 + 数据收集成本 决策错误风险随着数据收集成本的变化而变化。随着管道状况数据的增加，水务公司能够选择增加那些状况不佳、需要更换的主管道的比例。决策错误百分比永远不会为零，但一般会随数据的增加而降低。 数据收集成本可分为两部分：准备成本和检查成本。检查成本包含了所有直接用于检查的支出。准备成本包括所有辅助成本，例如挖掘、接入点的选择和安装，或排干管道的支出。这样一来，总成本的公式可以变为： 公式3：总成本= 决策错误概率% * ½更换成本 + 准备成本 + 监控成本 这里的总成本只包含了管道更换项目的“必须组成”，无需考虑那些正确更换了的坏管道的资金。 确定了总成本的算法之后，下一步要做的就是找出可使总成本最小化的数据收集量。一般来说，数据收集的增多可能会增加准备和检查的成本，但可以降低决策错误率。下表是他们对各种假设方法的成本解构对比：
下图2是对上述各方法的评估成本(蓝)、错误成本(红)和总成本(绿)的比较。这种评估的目的在于找到总成本曲线的最低点（绿色曲线）。声壁厚度（acoustic wall thickness）测试是其中一种实现方法，其成本分析与采样密度有关，采样密度用“测试量”表示，即占总长度的百分比。与下图2的离散曲线不同，声壁厚度测试拟合的曲线更为平滑。
图2. 假设例子的数据收集成本解析 实际应用 在此研究中，研究团队测量管壁厚度的具体方法叫声传播速度法(Acoustic Propagation Velocity Method)，简称APVM。它测量的是一段管道里的平均最小壁厚。如下图3所示，它使用两个声学传感器来测量水管中的声学信号速度。两个传感器相距60-150米。测试区间之外，他们还引入噪声来产生已知的声压波，并用传感器对其速度进行测量。
图3. APVM测试的原理图 这个方法能够反映测试区间结构强度的普遍损失情况，对于高水平的结构性退化，这是很有价值的筛选工具。不少水务公司都用它来确定管道更换工作的优先级顺序。根据上述的最低成本模型，研究团队开发出相应的计算器，来鉴定管道结构测试的最优投资方案。他们邀请来自4个组织的10名经验丰富的工程师为决策错误率制定经验估算值，然后在通过模拟计算，对这些估算值作进一步优化。如下图4所示，在这个情形下，60%的测试覆盖水平下的数据收集成本最低。
图4. 不同测试水平的总成本和净节省情况 案例研究 英国Anglian水务和荷兰Brabant水务是参与这次研究的两家水务公司。其中Anglian水务是英国分布范围第二广的水务公司，为430万用户提供用水，管网长度超过35000公里。荷兰的Brabant水务为荷兰南部120万人口提供饮用水，覆盖30座水处理厂，管网长度约18500公里。 在为期5年的资产管理期内，Anglian水务需要更换402公里的供水管道，为此他们选择了APVM作为状况评估方法。在完成若干小规模测试后，他们将AVPM用到一个实际项目中，内容包括对一段7.2公里的已有管道的修复和一段7.2公里的新增管道。新建部分是为了满足支持该地区的人口增长需求（预计在2010-2035年间增加约20%），修复部分是为了兑现公司对减少碳足迹的承诺而选择的处理方式。 他们选择了一段198米的管道作为测试内容——如果状况良好，可以从项目中移除。这管道途径一个环境保护区，两端水位忽降忽升。这增加了工作的复杂度和负面环境影响的风险。水务公司需要确保做出正确决策，因为使用APVM以确定管道的剩余平均厚度和剩余使用寿命（RSL）。结果显示其RSL依然满足公司的要求，因此修复工作可以实施暂缓，只需安装阀门来更快速地应对断裂维修的情况。 APVM的评估结果为项目节省了约150000美元。下表反映Anglian水务对全段管网（100%）进行评估时的总成本最低。
图5.英国Anglian水务在不同水平下的单位长度测试成本和净节省额 荷兰Brabant水务的情况和英国案例有所不同：他们想将其管网更换需求和第三方基础建设的维护活动相结合，以减少对用户和周围环境的干扰。因此他们选择在第三方施工的地段进行APVM，因为这些地段使用相同的材料和建造年份，而地理情况、水质相似，因此可以减少测量成本。 如下图计算显示，按照目前7%的测试量，Brabant水务的总成本已经相对靠近最低水平，为2.97美元/米，年净节省率可达1900000美元。但如果能达到25%的测试量，单位总成本可以降至2.10美元/米，每年可进一步节省550000美元。
图6.荷兰Brabant水务在不同水平下的单位长度测试成本和净节省额 小结 通过对管道状况评估的财务优化分析，可以帮助水务公司在管道维护上节省大笔资金。这说明对决策支持信息的投资存在一个最优值：如果支持信息过少，可能会导致过早更换了其实状况仍然良好的管道，从而增加了错误成本；相反，在“低分辨率”信息已经够用的时候，如果再对其进行过度投资，就变成一种浪费。 研究团队开发的这种这种简单计算方法，可以根据实际情况为不同的水务公司找到适合于他们的决策信息收集的最低成本值。总的来说，测试量过低和过多通常都是不经济的选择。案例研究显示，25-100%的测试覆盖率是最佳选择区间，而最终的具体测试量要视乎当地的更换成本而定。 参考资料 How much data is enough? Financial optimisation of condition assessment spending to support pipeline replacement decisions, Kevin Laven，Fionn Boyle，Roel Diemel, Paul Murray, Water Practice & Technology Vol 14 No 1, doi: 10.2166/wpt.2019.007 |
