Real-time Anomaly Detection in the Behaviour of Structures

Les structures telles que les ponts, les barrages, les bâtiments et les tunnels sont des composantes majeures du réseau d'infrastructures qui contribuent à la croissance économique d'un pays. La détérioration des infrastructures est associée à un impact négatif sur l'économie causé par les coûts directs de maintenance, ainsi que par les coûts indirects liés à la production de biens et de services. L'adoption de stratégies de maintenance préventive et prédictive est une solution à long terme pour atténuer les effets de la détérioration, prolonger la durée de vie en service et minimiser le coût du cycle de vie des infrastructures vieillissantes. Toutes les structures se détériorent et se dégradent au cours de leur vie. Ainsi, la détection d'anomalies dans le taux de changement de dégradation permet de déclencher des actions d'entretien préventif et d'interventions. Cependant, il n'existe actuellement aucune méthodologie générique d'interprétation des données qui est capable de détecter des anomalies en temps réel sans être affectées par de fausses alarmes.» et »

Abstract

Civil structures such as bridges, dams, buildings, and tunnels are major components of infrastructure networks which establish a foundation for the economic growth of a country. Infrastructure deterioration is associated with a negative economic impact caused by the direct maintenance costs, as well as the indirect costs for production and transport of goods and services. One long-term solution to mitigate the effects of deterioration, to prolong the service life, and to minimize life-cycle cost of ageing infrastructure is to adopt preventive and predictive maintenance strategies. All structures experience deterioration and degradation during their lifetime and thus, early detection of anomalies in the rate of change of degradation could be used as a trigger for preventive maintenance and interventions. Yet, there is currently no generic data-interpretation methodology capable of detecting anomalies in real time without also being adversely affected by false alarms.