Datengetriebene Equity-Analyse für Versorgungsunternehmen

Megan_Hendrick

Datengetriebene Equity-Analysen für Versorgungsunternehmen 

Von Megan Hendrick und Tom DeWitte 

Moderne Versorgungsunternehmen stehen vor einer Vielzahl von Zielen und Herausforderungen, die eine strategische Ressourcenzuteilung erfordern. Die Priorisierung, wie und wo diese Ressourcen eingesetzt werden, erfordert eine sorgfältige Analyse aller verfügbaren Informationen. Oft liegt der erste Fokus auf dem physischen Netzwerk des Versorgungsunternehmens. Zum Beispiel sind bei der Erneuerung alternder Verteilanlagen wichtige Informationen das Alter und das Material dieser Anlagen.  

Es ist jedoch ebenso wichtig, die Gemeinschaft zu berücksichtigen, die auf diese kritische Infrastruktur angewiesen ist. Demografische Daten und Überlegungen zur sozialen Gerechtigkeit sind unerlässlich, um sicherzustellen, dass Entscheidungen fair und gerecht getroffen werden. Durch die Integration sowohl von Netzwerkdaten als auch von gemeinschaftsorientierten Erkenntnissen können Versorgungsunternehmen sicherstellen, dass ihre Pläne gerecht und widerstandsfähig sind.  

Lassen Sie uns ein praxisnahes Beispiel betrachten: den Austausch alternder Infrastruktur in einem Erdgasverteilungssystem. Wir verwenden ArcGIS, um eine gründliche geospatiale Analyse durchzuführen, die diesen wichtigen Entscheidungsprozess unterstützt. 

Die richtigen Fragen stellen 

Was sind die Ziele dieser Analyse? In diesem Fall wollen wir bestimmen, welche Hauptleitungen (Rohrleitungen) in einem Erdgasnetz vorrangig ersetzt werden sollten. Unser Ziel ist es, diese Anlagen anhand relevanter Kriterien zu bewerten und diese Informationen in einem interaktiven Format darzustellen, das Entscheidungsträgern ermöglicht, alle Informationen nebeneinander zu erkunden. 

Netzwerkdaten: Der Ausgangspunkt 

Unsere Analyse beginnt mit einem Netzwerk-Informationsmodell, das wichtige Details zu Gasnetz-Anlagen speichert, darunter: 

• Rohrtyp (Verteilungshauptleitung, Hausanschlussleitung, Transportleitung usw.) 

• Material 

• Alter (berechnet aus dem Installationsdatum) 

Für dieses Beispiel verwenden wir einen Beispieldatensatz, der gemäß dem Utility and Pipeline Data Model (UPDM) organisiert ist. 

Equity & demografische Daten 

Um sicherzustellen, dass unsere Entscheidungen gerecht sind, müssen wir die von dem Gasverteilungsnetz bedienten Gemeinschaften verstehen. Der ArcGIS Living Atlas bietet eine Fülle autoritativer Datenebenen zu Hunderten von Themen. Für diese Analyse verwenden wir die folgenden Ebenen:

• Justice40 Tracts: Diese Ebene bewertet und identifiziert Gemeinden, die gemäß den aktualisierten Kriterien der Justice40 Initiative in den USA und deren Territorien benachteiligt sind. 

• Esri Updated Demographics Variables: Diese Ebene zeigt eine Teilmenge beliebter demografischer Variablen aus Esris aktualisierten Demografiedaten. 

Umweltfaktoren 

Geologische und umweltbezogene Überlegungen können die Lebensdauer der Infrastruktur erheblich beeinflussen. Wir werden Daten zum Korrosionspotenzial des Bodens aus dem ArcGIS Living Atlas einbeziehen, um unser Analysebeispiel abzurunden. 

 

 Die Analyse: Schritt für Schritt 

ArcGIS Pro bietet leistungsstarke räumliche Analysemöglichkeiten. Verschiedene Werkzeuge können verwendet werden, um Netzwerkdaten zu filtern, Informationen in Attributen zusammenzufassen, räumliche Überschneidungen zu identifizieren und eine zusammengesetzte Indexanalyse durchzuführen. Model Builder kann verwendet werden, um den Prozess zu dokumentieren und ihn bei Bedarf für verschiedene Versorgungsgebiete oder Netzwerke wiederholbar zu machen.  

1. Daten zusammenführen: Der erste Schritt besteht darin, alle oben genannten Daten in einer Karte zusammenzuführen. In diesem Fall verwenden wir ArcGIS Pro für unsere Analyse. 
2. Relevante Anlagen identifizieren: Mit dem Werkzeug "Select by Attribute" von ArcGIS Pro beschränken wir unseren Fokus auf Verteilungshauptleitungen aus korrosionsanfälligen Materialien. In diesem Fall haben wir Anlagen ausgewählt, die zur Asset-Gruppe „Distribution Mains“ gehören und den Asset-Typ „Cast Iron“, „Bare Steel“, „Wrought Iron“ oder „Ductile Iron“ haben. Dieser anfängliche Attributfilter reduziert die Anzahl der Datensätze in unserer Analyse und fokussiert nur relevante Anlagen. 
3. Daten exportieren: Wir exportieren diese Auswahl in eine neue Feature-Layer, sodass wir Felder hinzufügen und ändern können, ohne die Quelldaten des Netzwerks zu beeinflussen. 
4. Schlüsselvariablen berücksichtigen: Als Nächstes fügen wir Felder für Faktoren hinzu, die in der Analyse berücksichtigt werden sollen. In diesem Beispiel fügen wir Felder für Rohralter, korrosiven Boden, Leckhistorie, Bevölkerungsdichte und Justice40-Status hinzu. Wir weisen jedem Feld numerische Werte zu, um diesen Faktor darzustellen. Im nächsten Schritt verwenden wir diese Werte zur Berechnung eines Indexwerts für jede Anlage. 
   1. Das Feld „Pipe Age“ kann mit dem Feldrechner unter Verwendung des Installationsdatums berechnet werden. 
   2. Ein numerischer Wert kann im Feld „Corrosive Soil“ hinzugefügt werden, indem mit dem Werkzeug „Select by Location“ die Anlagen ausgewählt werden, die mit korrosivem Boden überschneiden. Mit dem Feldrechner für die ausgewählten Anlagen kann ein Wert von „1“ für Anlagen vergeben werden, die mit korrosivem Boden überschneiden, und ein Wert von „0“ für diejenigen, die dies nicht tun. 
   3. Das Feld „Leak History“ kann anhand versorgungsspezifischer Kriterien gefüllt werden. Ein Beispiel wäre die Berechnung eines üblichen „Leak Score“, indem man die Anzahl der Lecks dieser Anlage durch die Länge des Rohrs teilt. 
   4. Das Feld „Population Density“ kann durch einen räumlichen Join mit der Demografie-Ebene gefüllt werden; anschließend wird mit dem Feldrechner der Bevölkerungsdichtewert in das neue Feld übertragen. 
   5. Das Feld „Justice40 Status“ kann mit einem numerischen Wert gefüllt werden, indem mit dem Werkzeug „Select by Location“ Anlagen ausgewählt werden, die mit benachteiligten Gemeinden überschneiden. Mit dem Feldrechner für diese ausgewählten Anlagen kann ein Wert von „1“ für Anlagen vergeben werden, die mit benachteiligten Gemeinden überschneiden, und ein Wert von „0“ für diejenigen ohne Überschneidung.
      
5. Einen Index erstellen: Das Tool Calculate Composite Index (verfügbar in ArcGIS Pro 3.2+) kombiniert mehrere Variablen zu einem einzigen Index und ermöglicht es uns so, jede Verteilungshauptleitung basierend auf unseren gewählten Merkmalen zu bewerten. Durch Ändern der Gewichtung jeder Variable können bestimmte Merkmale im Index priorisiert werden. Wir verwenden das Tool Calculate Composite Index auf unserer Analyseschicht unter Verwendung unserer neuen Felder (Pipe Age, Corrosive Soil, Leak History, Population Density und Justice40 Status).
6. Ergebnisse visualisieren: Nun haben wir eine Schicht erstellt, die die am stärksten gefährdeten Gas-Hauptleitungen nach Material zeigt; jede Anlage enthält einen Wert aus dem Composite Index Tool. Durch das Veröffentlichen der Ergebnisse als Webkarte können wir Stile und Symbolik konfigurieren für eine klare Visualisierung & einfache Freigabe der Ergebnisse. <\/SPAN><\/span><\/LI>Demografische & Equity-Daten hinzufügen:<\/SPAN><\/STRONG> Als Nächstes fügen wir unserem Webkarte Ebenen aus dem Living Atlas hinzu, um wichtige demografische Variablen und benachteiligte Gemeinschaften zu visualisieren. <\/SPAN><\/span><\/LI>Wichtige Fakten zusammenfassen:<\/SPAN><\/STRONG><\/STRONG><\/STRONG><\/span> Mit Arcade-Ausdrücken im Pop-up können wir wichtige Netzwerk- und demografische Daten im Pop-up für jedes Asset zusammenfassen und so zusätzliche wertvolle Einblicke in die Ergebnisse hinzufügen. <\/LI>Ein interaktives Dashboard erstellen:<\/SPAN><\/STRONG> <\/span>Der letzte Schritt ist, unsere Ergebnisse mit einem interaktiven und prägnanten Dashboard hervorzuheben, das es den Stakeholdern ermöglicht zu verstehen, wie Netzwerkdaten und Gemeinschaftseinblicke zusammenwirken, um fundiertere Entscheidungen zu treffen. Benutzer können die Ergebnisse erkunden, um zu erkennen, wo sich gefährdete Assets in der Gemeinschaft befinden und wo die Gemeinschaft selbst möglicherweise verletzlicher ist. <\/SPAN> <\/SPAN><\/LI><\/OL>Die Kraft informierter Entscheidungsfindung<\/SPAN> <\/SPAN><\/H2>Durch die Kombination von Netzwerkdaten, Bevölkerungsdemografie und Umweltfaktoren können Versorgungsunternehmen fundiertere und gerechtere Entscheidungen über Infrastrukturinvestitionen treffen. Dieser Ansatz optimiert nicht nur das physische Netzwerk, sondern stellt auch sicher, dass die Bedürfnisse der Gemeinschaft in jedem Schritt des Planungsprozesses berücksichtigt werden. Während wir die Komplexitäten des Energiestrukturmanagements navigieren, wird datengetriebene Analyse entscheidend sein, um technische Anforderungen mit sozialer Verantwortung in Einklang zu bringen. Durch die Nutzung eines geospatialen Ansatzes können Versorgungsunternehmen widerstandsfähigere, effizientere und gerechtere Versorgungssysteme für die Gemeinschaften aufbauen und erhalten, denen sie dienen.<\/SPAN> <\/SPAN><\/P><\/span><\/P> <\/P> <\/SPAN><\/P>BITTE BEACHTEN SIE: Die Beiträge auf dieser Seite sind unsere eigenen<\/SPAN><\/I> <\/SPAN>und stellen nicht unbedingt Esris Position, Strategien oder Meinungen dar.<\/SPAN><\/I> <\/SPAN><\/P>