تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,486,078 |
تعداد دریافت فایل اصل مقاله | 15,213,308 |
اولویت بندی تعمیر لوله های شبکه های فاضلاب با رویکرد مدیریت دارایی (مطالعه موردی: شبکه فاضلاب منطقه دو شهر اصفهان) | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 10، دوره 53.2، شماره 111، شهریور 1402، صفحه 108-118 اصل مقاله (648.18 K) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jcee.2022.47220.2059 | ||
نویسندگان | ||
پگاه حسینقلی1؛ رامتین معینی* 1؛ محمد رضا زارع2 | ||
1گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان | ||
2گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان | ||
چکیده | ||
در حالت کلی، یافتن نقاط بحرانی با استفاده از روشهای مختلف پیشبینی و استفاده از رویکردهای پیشگیرانه برای بازسازی زیرساختها، باعث کاهش هزینه ها می شود. در این تحقیق با محاسبه هزینه های مستقیم، دو سناریوی "تعمیر بهنگام" و "تعمیر پس از گسترش خرابی" برای تعمیر لوله های شبکه فاضلاب پیشنهاد شده است. به منظور ارزیابی این دو سناریو از اطلاعات شبکه فاضلاب منطقه دو اصفهان و حوادث رخداده در سال های 1393 تا 1396 در این منطقه، به عنوان مطالعه موردی، استفاده شده است. بدین منظور، با توجه به شکست های پیشبینیشده در این منطقه، اولویت بندی تعمیرات لوله ها با محاسبه هزینه های مستقیم نوسازی آنها تعیین و عملکرد دو سناریوی پیشنهادی، ارزیابی شده است. در این تحقیق از نتایج پیشبینی شکست لوله ها با استفاده از روش برنامه ریزی ژنتیک استفاده شده است. نتایج نشان داد که هزینه تعمیر بهنگام (سناریوی اول) به علاوه هزینه ویدئومتری ((CCTV) Closed- Circuit-Television) لوله های آسیب دیده در سال های 1394 و 1395 و 1396 به ترتیب 3،267،691،765 و 2،511،871،958 و 1،392،675،650 ریال و در سناریوی دوم به ترتیب برابر 60،976،153،796 و 44،541،415،016 و 25،309،472،262 ریال بود. همچنین، هزینه بازرسی بخش های آسیب دیده شبکه به روش ویدئومتـری، در سال های 1394 و 1395 و 1396 نیز به ترتیب 281،547،850 و 202،630،600 و 112،412،600 ریال بود. مقایسه هزینه ها نشان دهنده آن است که با پیش بینی شکست لوله ها، مقادیر هزینه ها در سناریوی اول برای سال های 1394 و 1395 و 1396 به ترتیب 6/94 و 3/94 و 4/94 درصد نسبت به سناریوی دوم کاهش می یابد. همچنین در صورت پیش بینی شکست و حذف هزینه بازرسی در سناریوی اول، هزینه ها برای سال های 1394، 1395 و 1396 به ترتیب 61/8، 06/8 و 07/8 درصد کاهش می یابد. بهعبارتدیگر، بررسی نتایـج نشان می دهد که با انجام تعمیــرات بهنگام (سناریوی اول) از وقوع حـوادث ناگهانـی و خسارات ناشـی از آن جلوگیــری می شود و هزینه ها به شکل قابلملاحظهای کاهـش مییابد. | ||
کلیدواژهها | ||
مدیریت دارایی؛ شبکه جمعآوری فاضلاب؛ شکست؛ هزینه مستقیم؛ اولویت بندی تعمیر شبکه | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
باباخانی م، احمدی مطلق ا ر، میراحمدیان ب، "روش محاسبه هزینه های اجتماعی در اجرا و بازسازی شبکه های فاضلاب"، دومین همایش ملّی آب و فاضلاب با رویکرد بهره برداری، دانشگاه علم و صنعت ایران، 1387.
حسینقلی پ، معینی ر، زارع م ر، "پیش بینی تعداد گرفتگی در شبکه فاضلاب شهری (مطالعه موردی: منطقه دو اصفهان)"، مجله آب و فاضلاب، 1399، 31 (1)، 86-98.
راهنمای بهره برداری و نگهداری از شبکه جمع آوری فاضلاب، دفتر فنی اجرایی معاونت برنامه ریزی و نظارت راهبردی ریاست جمهوری، 1388.
رمضانیانپور ع ا، مودی ف، نامیان م، نقاش طوسی ح، "ارائه یک چارچوب پیشنهادی برای سیستم پشتیبان تصمیم گیری در مدیریت دارایی شبکه فاضلاب رو"، اولین کنفرانس ملّی مهندسی و مدیریت زیرساختها، 1388.
صالح س م ح، خاکی وطن ر، "مشکلات بهره برداری از شبکه فاضلاب و نقش ویدئومتری در بهره برداری بهتر از شبکه ها"، دومین همایش ملّی آب و فاضلاب با رویکرد بهره برداری، 1387.
عنبری م ج، تابش م، "محاسبه احتمال رویداد شکست در شبکه ها جمع آوری فاضلاب با استفاده از شبکه بیزین"، مجله آب و فاضلاب، 1395، 27 (3)، 48-61.
عنبری م ج، تابش م، "محاسبه پیامد وقوع شکست در شبکه های جمع آوری فاضلاب"، دهمین کنگره بین المللی مهندسی عمران، دانشگاه تبریز، 1394.
فرد مرادنیا س، ایراندوست م، "ویدئومتری در شبکه های فاضلاب"، سومین کنگره بین المللی عمران، معماری و توسعه شهری، دانشگاه آزاد اسلامی واحد تبریز، 1394.
فهرست بها پایه قنات، سازمان برنامه و بودجه، 1398.
مشخصات فنی و عمومی کارهای خط لوله آب و فاضلاب شهری، سازمان مدیریت و برنامه ریزی کشور، 1384.
فهرست بها پایه ابنیه، سازمان برنامه و بودجه، 1397.
Ariaratnam ST, El-Assaly A, Members A, Yang Y, “Assessment of infrastructure inspection needs using logistic models”, Journal of Infrastructure Systems, 2001, 7, 160-165Bauwens W, “Sewer network asset management decision support tools : A Review”, International Symposium on New Directions in Urban Water Management, UNESCO Paris, 2007, 1-8. Gedam A, Mangulkar S, Gandhi B, “Prediction of sewer pipe main condition using the linear regression approach”, Journal of Geoscience and Environment Protection, 2016, 4, 100-105. Greta JV,John CM, “Consequence-of-failure model for risk-based asset management of wastewater pipes using AHP”, Journal of Pipeline Systems Engineering and Practice,2019, 10 (2), 04019005. Guzmán-Fierror J, Charry S, González I, Pena-Heredia F, Hernandez N, Luna-Acosta A, Torres A, “Bayesian network-based methodology for selecting a cost-effective sewer asset management model”, Water Science and Technology, 2020, 81 (11), 2422-2431. Hashemi B, “Cost of underground infrastructure renewal: a comparison of open-cut and trenchless methods behnam”, In Presented to the Faculty of the Graduate School of The University of Texas at Arlington in Partial Fulfillment of the Requirements for the Degree of MasterASTE of Science in Civil Engineering the University of Texas at Arlington, 2008. Joseph PE, Strauch A, “Asset Management of Sanitary and Storm Sewer System Components Using Condition Assessmet”, In Pipeline Division Specialty Congress, San Diego, California, United States, 2004, 8, 1-10. Kabir G, Balekelay N, Balekelay C, Tesfamariam S, Asce M, “Sewer structural condition prediction integrating bayesian model averaging with logistic regression”, Journal of Performance of Constructed Facilities, 2018, 32 (3), 1-10. Koza J ,Genetic programming: On the programming of computers by means of natural selection, MIT, 1992. Doi: 10.1016/0303-2647(94)90062-0. Laakso T, Kokkonen T, Mellin I, Vahala R, “Sewer Condition Prediction and Analysis of Explanatory Factors”, Journal of water. 2018, 10 (9), 1-17. Marzouk M, Osama A, “Fuzzy-Based Methodology for Integrated Infrastructure Asset Management”, Internatinal Journal of Computational Intelligence Systems, 2017, 10, 745-759. Mailhot A, Poulin A, Villeneuve J, “Optimal replacement of water pipes”, Water Resources Research Journal, 2003, 39 (5), 1-14. Mcdonald SE, Zhao JQ, “Condition assessment and rehabilitation of large sewers”, International Conference on Underground Infrastructure Research, University of Waterloo, 2001, 361-369. Silva S, “GPLAB A Genetic Programming Toolbox for MATLAB”, 2007, 72. Ugarelli R, Di Federico V, Asce AM, “Optimal Scheduling of Replacement and Rehabilitation in Wastewater Pipeline Networks”, Water Resources Planning and Management Journal, 2010, 136, no. June, 348-356. Van Riel W, Langeveld J, Herder P, Clemens FHLR, “Intuition and information in decision-making for sewer asset management”, Urban Water Journal, 2014, 11, (6), 506-518. Van Riel W, Van Bueren E, Langeveld J, Herder P, Clemens F, “Decision-making for sewer asset management: Theory and practice”, Urban Water Journal, 2015, 13 (2), 57-68. Wirahadikusumah R, Abraham DM, Iseley T, Prasanth RK, “Assessment technologies for sewer system rehabilitation”, Automation in Construction Journal, 1998, 7 (4), 259-270. Yang DM, Su TC, “An optimization model of sewage rehabilitation”, Chinese Institute of Engineers Journal, 2011, 30 (4), 651-659.
| ||
آمار تعداد مشاهده مقاله: 394 تعداد دریافت فایل اصل مقاله: 174 |