| Résumé | Le manque de données historiques relatives à la détérioration des conduites maîtresses enfouies de grand diamètre entrave l'élaboration d'une stratégie efficace de gestion du risque de leur défaillance. On a besoin de données historiques pour modéliser la vitesse de détérioration des conduites afin de prévoir et de prévenir des bris futurs sans recourir à des inspections fréquentes, qui sont très onéreuses et perturbatrices. Pour combler cette lacune, le Conseil national de recherches du Canada (CRNC) a élaboré une nouvelle démarche floue, grâce au soutien financier de l'American Water Works Association Research Foundation (AwwaRF). Il s'agit d'appliquer une évaluation synthétique floue pour préciser « la cotation d'état » d'une conduite par l'agrégation des effets de divers indicateurs de détresse observés (ou estimés) lors des inspections. Une approche Markov floue fondée sur des règles, que l'on a déjà présentée dans des publications antérieures, sert à modéliser et à prévenir le risque d'une défaillance de la conduite. Il s'agit d'une démarche à trois grands volets : a) la modélisation de la détérioration d'une conduite enfouie en processus Markov flou; b) l'intégration de la possibilité de défaillance aux conséquences floues pour obtenir le risque flou de bris pendant la vie utile de la conduite; et c) l'utilisation du modèle de risque flou pour prédire les niveaux de risque élevés et prendre des décisions efficaces concernant le remplacement des conduites. À l'aide du modèle, on décide notamment quand il faut remplacer une conduite dégradée ou bien à quelle date il faut prévoir la prochaine inspection et une évaluation d'état, et si le remplacement s'impose, quelle solution de rechange on devrait retenir pour le remplacement. Dans ce mémoire, on démontre la démarche par le biais d'une étude de cas détaillée. À cette fin, on a obtenu des données de visite d'un fournisseur d'eau nord-américain portant sur une conduite souterraine en béton précontraint de grand diamètre. Dans le cas à l'étude, on ne manque pas de souligner que les données employées n'étaient pas abondantes et de noter les limites et les mises en garde auxquelles il faut s'attendre dans le cadre de la mise en oeuvre d'un modèle destiné à améliorer les décisions de remplacement. |
|---|
