För att minska framtida problem med läckor på våra ledningsnät är det viktigt att man förnyar dessa. Planeringen av denna förnyelse kallas för förnyelseplanering. En metod i förnyelseplaneringen är så kallad ”riskbaserad förnyelseplanering”. Denna metod syftar till att hitta de ledningar som innebär störst risk. Med hög risk menas: en ledning som har hög sannolikhet för brott, samtidigt som konsekvensen av att ett brott uppstår är stor. Tekniska Verken i Linköping ansvarar för vattenledningsnätet i Linköpings kommun. I sin förnyelseplanering arbetar man på att få fram ett nytt verktyg, kallat ”Knappen”. Ambitionen med ”Knappen” är kunna hitta sina riskledningar med ”endast ett knapptryck”. ”Knappen” är en beräkning som baseras på en mängd indata om sannolikhet och konsekvens. En av faktorerna som ska användas i beräkningen är en uppskattning av reparationskostnaden läckan medför. Denna undersökning har resulterat i en formel för beräkning av denna kostnad. Formeln är baserad på data om tidigare läckor från 2011. De faktorer som formeln visade sig bero på är: vilken marktyp läckan har skett i, hur långt avståndet är, vilken reparationsmetod man måste använda samt ledningens material och diameter. För en läcka i en segjärnsledning med dimensionen 150 mm som måste lagas med en infällning blir reparationskostnaden enligt formeln 118 740 kr om den inträffade i en villagata. Om samma förutsättningar gäller för en läcka i en gjutjärnsledning med dimensionen 100 mm som tätas med en repmuff blir reparationskostnaden enligt formeln 62 060 kr. / Water is an essential resource that we today take for granted. The distribution of drinking water is done with pipes in our water distribution network. These pipes have a limited lifetime and at some point they will rupture, with a leak as a result. The leak can lead to major consequences. Some examples are: disturbance in traffics, damage to property, as well as private individuals and businesses that are without water. Another consequence is the cost itself of repairing the leak, which sometimes is the most severe consequence. To avoid future problems with water leaks, it is important to renew the pipe network. The planning of this renewal is called renewal planning. A method in renewal planning is so-called “risk-based renewal planning”. This method aims to find the pipes that carry the highest risk. A pipe with high risk is a pipe that has high probability of rupturing, at the same time as the consequence of a rupture is great. Tekniska Verken in Linköping is in charge of the water distribution network in Linköping municipality. In their renewal planning they are working on a new tool, called “Knappen”. The ambition with “Knappen” is to be able to find pipes with high risk with “just one touch of a button”. “Knappen” is a calculation based on a variety of input data on probability and consequence. One of the factors to be used in the calculation is an estimate of the repair cost that the leak causes. This study has resulted in a formula for calculating this cost. The formula is based on data about past leaks from 2011. The factors that the formula turned out to depend on is: in which land type the leak has occurred, how far the distance is, which repair method has to be used and also the material and dimension of the pipe.

Sveriges kommunala spillvattenledningsnät står idag inför en enorm utmaning, då eftersattunderhåll i kombination med klimatförändringar kommer kräva stora framtida investeringaroch tidskrävande analyser. Detta examensarbete har utförts med målet att förenkla dettastundande förnyelsearbete. Som metod har en enkät utformats, och besvarats av totalt 84kommuner, med syftet att presentera en lägesbild. Vidare har ett artificiellt neuralt nätverkutvecklats, och tillämpats på data från Täby kommun, med syftet att förutspå vilkaspillvattenledningar i ett ledningsnät som har behov av förnyelse. Resultatet visar att det finns ett stort förbättringsbehov i det strategiska förnyelsearbetet.Störst behov, och potential, finns i hantering och insamling av data, där artificiella neuralanätverk kan tillämpas och utnyttjas som ett effektivt och intelligent verktyg. Det artificiellaneurala nätverket som utvecklats, och tillämpats, i detta examensarbete uppnådde en högprecision (93 %), och beräknade att Täby kommun har ca 10-20 spillvattenledningar medoupptäckt förnyelsebehov. Detta bör dock tas med viss reservation pga. bristandedatakvalitet. Avslutningsvis kan konstateras att lösningen för framtidens ledningsförnyelserelateradeproblem och utmaningar, ligger i förmågan att effektivt och intelligent samla in, struktureraoch analysera data om ledningsnäten. Artificiella neurala nätverk är ett verktyg som kanoch bör användas för detta ändamål då man, med hjälp av artificiell intelligens, kan göraprecisa analyser och skapa helhetsbilder över ledningsnät, vilket kan spara bådefinansiella, temporala och personella resurser. / Aging sewer systems and deferred maintenance pose one of the greatest challenges toSwedish municipal infrastructure in the future. This degree project has been completedwith the aim to develop a method with which to sufficiently solve these future challenges,and help decision makers to properly invest in the networks, and optimise the pipe renewalprocess. As a methodology, a survey has been created, and answered by 84representatives from various municipalities and water and waste organisations, in order topresent a deeper understanding of the current situation in Sweden. Furthermore, anartificial neural network has been developed, and trained with data from Täby municipality,with the purpose of predicting which pipes in a sewer network that need to be renewed. The results show that there is a great need for improvement in the strategic renewalplanning. The greatest need, and potential, is found in the collection and processing ofdata, where artificial neural networks can be applied as a highly efficient and intelligenttool, which is proven by the high accuracy (93 %) and strong ability to predict pipes withrenewal needs (ca 10-20 pipes for Täby municipality) that the neural network developedfor this degree project showed. It is, however, important to emphasize that the quality ofthe obtained data from Täby was relatively low, and that the results therefore has to beviewed with some skepticism. It is nevertheless reasonable to assume that artificial intelligence, and more specifically,artificial neural networks, will play an important role in tackling future challenges related tostrategic asset management and renewal planning for underground sewer infrastructure.The main solution lies in the ability to efficiently and intelligently collect, structure, andprocess data, and this is a field where artificial neural networks, as made evident by thisdegree project, certainly have abilities to flourish and contribute to savings in bothfinancial, temporal and human resources.