The failure of sewer pipes is a significant issue that can adversely affect the environment and public health. The problem is exacerbated by the additional burden it places on treatment plants, which must work harder to process the increased sewage flow resulting from pipe failures. The research in this thesis is based on an extensive review of the existing literature on sewer pipe failure and inspection, focusing on the proactive approach that can predict pipe failures to assist in effective maintenance.

The study finds that several predictive models can accurately predict sewer deterioration with high accuracy (up to 95 % precision), making it possible to identify potential failures and address them before they cause significant damage or disruption. However, the research indicates that there has been relatively little work done on predicting blockage and CSO, two critical aspects of sewer pipe management that could be addressed more to manage sewer systems effectively.

The thesis discusses that by developing an effective predictive model for prioritisation of monitoring sewer pipes, planners can save time and money on individual inspections while planning well ahead to avoid any service disruption. The study also summarised the data needs for the predictive models and found pipe age, material, diameter depth, and length to be the most commonly used input parameters by the existing model developers. The finding of this research can guide decision support in future efforts to improve sewer pipe inspection practices.

Fel på avloppsrör är en viktig fråga som kan påverka miljön och folkhälsan negativt. Problemet förvärras av den extra börda det innebär för reningsverken, som måste arbeta hårdare för att hantera det ökade avfallsflödet till följd av rörbrott. Forskningen i denna avhandling baseras på en omfattande genomgång av den befintliga litteraturen om fel på avloppsrör och inspektion, med fokus på det proaktiva tillvägagångssättet som kan förutsäga rörfel för att bidra till effektivt underhåll.

Studien visar att flera prediktiva modeller kan förutsäga försämring av avlopp med hög noggrannhet (upp till 95 % precision), vilket gör det möjligt att identifiera potentiella fel och åtgärda dem innan de orsakar betydande skador eller störningar. Forskningen visar dock att det har gjorts relativt lite arbete för att förutsäga blockering och CSO, två kritiska aspekter av hantering av avloppsrör som skulle kunna hanteras mer för att hantera avloppssystemet effektivt.

I avhandlingen diskuteras att genom att utveckla en effektiv prediktiv modell för prioritering av övervakning av avloppsrör kan planerare spara tid och pengar på enskilda inspektioner och samtidigt planera i god tid för att undvika eventuella driftstörningar. Studien sammanfattade även data behovet för de prediktiva modellerna och fann att röra ålder, material, diameter, djup och längd var de mest använda ingångs parametrarna av de befintliga modellutvecklare. Resultatet av denna forskning kan vägleda beslutsstöd i framtida ansträngningar för att förbättra praxis för inspektion av avloppsrör.