Value of Information applied to the optimisation of corrosion monitoring of reinforced concrete maritime assets: calculation strategy, implementation and constraints

[English version below]

Laboratoire GeM

Le GeM est une Unité Mixte de Recherche de Centrale Nantes, de l’Université de Nantes et du CNRS. Il a été fondé en 2004, à partir du regroupement de laboratoires pré-existants.

L’objectif était de réunir au sein d’un même laboratoire l’ensemble des compétences de la métropole Nantes Saint-Nazaire dans le domaine du génie civil, de la mécanique des matériaux et des procédés, de la modélisation et de la simulation en mécanique des structures.

Le GeM est très impliqué dans la formation par la recherche : il compte une centaine de doctorants et porte plusieurs masters, majoritairement internationaux, en mécanique, génie civil, et technologie marine.

Unité Thématique de Recherche MELANI du laboratoire GeM

L’Unité Thématique de Recherche Mesure, Assimilation de données et Incertitudes (UTR MELANI) regroupe des chercheurs spécialistes des systèmes de mesure avec des chercheurs dont la spécialité est la propagation des incertitudes à travers la modélisation d’un système. L’UTR vise à optimiser les systèmes de mesure, à améliorer la connaissance et à suivre les structures afin d’estimer la durée de vie résiduelle et de prendre des décisions pour le maintien du fonctionnement ou et/ou l’intégrité du système étudié.

[English]

GeM Laboratory

The GeM laboratory is a joint research unit of Centrale Nantes, the University of Nantes and the CNRS. It was founded in 2004 as a result of the merger of pre-existing laboratories.

The aim was to bring together in a single laboratory all the skills of the Nantes Saint-Nazaire metropolitan area in the fields of civil engineering, mechanics of materials and processes, modelling and simulation in structural mechanics.

The GeM is very involved in training through research: it has around a hundred doctoral students and runs a number of masters courses, mostly international, in mechanics, civil engineering and marine technology.

MELANI Thematic Research Unit of the GeM laboratory

The Measurement, Data Assimilation and Uncertainty Thematic Research Unit (UTR MELANI) brings together researchers specialising in measurement systems with researchers specialising in the propagation of uncertainties through system modelling. The UTR aims to optimise measurement systems, improve knowledge and monitor structures in order to estimate the residual lifetime and take decisions to maintain the operation and/or integrity of the system studied.

[English version below]

Contexte

L’optimisation du suivi des infrastructures maritimes en Béton Armé, soumises à la dégradation par corrosion, représente un fort enjeu économique (Boero et al., 2009; Koch et al., 2016). Pour chaque ouvrage, l’objectif est de maximiser le rendement par l’élaboration d’une stratégie de suivi qui permette de limiter le coût global d’exploitation (coûts de suivi + coûts de maintenance préventive + coûts de défaillance - maintenances curatives, arrêts d’exploitation, ...).

Face à la nature aléatoires des processus et des mesures impliqués dans ce problème d’optimisation, celui-ci est formulé de manière probabiliste (Clerc et al., 2024; Nilsson and Frederiksen, 2011; Othmen et al., 2018). Optimiser le suivi revient alors à maximiser sa Valeur de l’Information (VoI), i.e l’écart espéré du bénéfice global d’exploitation avec ou sans stratégie de suivi (Long, 2021; Pozzi and Der Kiureghian, 2011; Vereecken, 2022).

Malgré son écriture simple, la résolution de ce problème se complexifie avec la finesse de description des aléas du processus de dégradation par corrosion (paramètres déterministes → variables aléatoires → champs aléatoires → champs spatio-temporels). L’optimisation du suivi des infrastructures maritimes en Béton Armé par maximisation de la VoI nécessite donc au préalable de modéliser « au plus juste » la nature des aléas à modéliser (par exemple, ne pas modéliser par un champs aléatoire un paramètre dont la variabilité spatiale n’a que peut d’influence sur la probabilité de défaillance).

Des travaux ont été menés en ce sens au sein de l’Unité Thématique de Recherche MELANI du laboratoire GeM et ont aboutis à trois publications (Clerc et al., 2024, 2019, under review). Cela ouvre ainsi la voie à l’application de la VoI pour l’optimisation du suivi de corrosion de linéaires maritimes en Béton Armé.

Objectifs

Lors de ce stage, l’étudiant.e aura pour objectif de poser, implémenter et résoudre le problème de maximisation de la VoI appliqué à l’optimisation du suivi de corrosion de linéaires maritimes en Béton Armé. Il est prévu d’échelonner le travail en plusieurs étapes :

• étude bibliographique courte sur la VoI et sur la modélisation du phénomène de corrosion dans les ouvrages maritimes en Béton Armé ;
• benchmark de codes de calcul de la VoI existants sur la base d’un problème simple ;
• implémentation d’un cas test du problème d’optimisation du suivi de corrosion par la VoI dans le code de calcul retenu. Identification des verrous. Prise d’hypothèses ;
• résolution du cas test ;
• rédaction du rapport et d’une éventuelle communication (suivant avancement)

Le stage se déroulera au laboratoire GeM sur le site de l'Université de Nantes (campus Lombarderie).
 

[English version]

Context

Optimising the monitoring of reinforced concrete maritime infrastructures, which are subject to deterioration through corrosion, represents a major economic challenge. (Boero et al., 2009; Koch et al., 2016). For each asset, the aim is to maximise efficiency by developing a monitoring strategy that limits overall operating costs (monitoring costs + preventive maintenance costs + failure costs - corrective maintenance, shutdowns, etc.).

Given the random nature of the processes and measurements involved in this optimisation problem, it is formulated in probabilistic terms (Clerc et al., 2024; Nilsson and Frederiksen, 2011; Othmen et al., 2018). Optimising monitoring then comes down to maximising its Value of Information (VoI), i.e. the expected difference in overall operating profit with or without a monitoring strategy. (Long, 2021; Pozzi and Der Kiureghian, 2011; Vereecken, 2022).

Despite its mathematical simplicity, the resolution of this problem becomes more complex with the finesse of the description of the randomness of the corrosion degradation process (deterministic parameters → random variables → random fields → spatio-temporal fields). Optimising the monitoring of reinforced concrete marine infrastructures by maximising VoI therefore first requires the nature of the hazards to be modelled "as accurately as possible" (for example, not modelling a parameter whose spatial variability has little influence on the probability of failure using a random field).

Work in this area has been carried out within the MELANI Thematic Research Unit of the GeM laboratory and has resulted in three publications (Clerc et al., 2024, 2019, under review). This paves the way for the application of VoI to optimise corrosion monitoring of reinforced concrete maritime assets.

Internship goals

During this internship, the student's objective will be to pose, implement and solve the VoI maximisation problem applied to the optimisation of corrosion monitoring of reinforced concrete maritime linear structures. The work will be carried out in several stages:

• short bibliographical study on VoI and the modelling of corrosion in reinforced concrete marine structures ;
• benchmark of existing VoI calculation codes on the basis of a simple problem;
• implementation of a test case of the VoI corrosion monitoring optimisation problem in the
• selected calculation code. Identification of bottlenecks. Make assumptions solving the test case;
• drafting of the report and any communication (depending on progress)

The internship will take place at the GeM laboratory on the Université de Nantes site (Lombarderie campus).

References

Boero, J., Schoefs, F., Capra, B., Rouxel, N., 2009b. Technical management of French harbour structures - Part 2: Current practices, needs – Experience feedback of owners. Rev. Paralia 2, 7.1-7.12. https://doi.org/10.5150/revue-paralia.2009.007

Clerc, R., El Soueidy, C.-P., Schoefs, F., under review. Evaluating the Importance of Spatial Variability of Corrosion Initiation Parameters for the Risk-Based Maintenance of Reinforced Concrete Marine Structures Structural Safety. Struct. Saf.

Clerc, R., Oumouni, M., Schoefs, F., 2019. SCAP-1D : A Spatial Correlation Assessment Procedure from unidimensional discrete data. Reliab. Eng. Syst. Saf. 191, 106498. https://doi.org/10.1016/j.ress.2019.106498

Clerc, R., Schoefs, F., Oumouni, M., Othmen, I., Bonnet, S., 2024. Modeling of Chloride Spatial Variability in a Reinforced Concrete Wharf from Onsite Measurements. ASCE-ASME J. Risk Uncertain. Eng. Syst. Part Civ. Eng. 10, 04024048. https://doi.org/10.1061/AJRUA6.RUENG-1214

Koch, G., Varney, J., Thompson, N., Moghissi, O., Gould, M., Payer, J., 2016. International Measures of Prevention, Application, and Economics of Corrosion Technologies Study. NACE ( National Association of Corrosion Engineers).

Long, L., 2021. Quantification of the value of monitoring information for deteriorated structures (Ph.d). Aalborg University. https://doi.org/10.54337/aau443239061

Nilsson, L.-O., Frederiksen, J.M., 2011. On uncertainties and inaccuracies in empirical chloride ingress modelling. Eur. J. Environ. Civ. Eng. 15, 981–990. https://doi.org/10.1080/19648189.2011.9695287

Othmen, I., Bonnet, S., Schoefs, F., 2018. Statistical investigation of different analysis methods for chloride profiles within a real structure in a marine environment. Ocean Eng. 157, 96–107. https://doi.org/10.1016/j.oceaneng.2018.03.040

Pozzi, M., Der Kiureghian, A., 2011. Assessing the value of information for long-term structural health monitoring, in: Kundu, T. (Ed.), . Presented at the SPIE Smart Structures and Materials + Nondestructive Evaluation and Health Monitoring, San Diego, California, USA, p. 79842W. https://doi.org/10.1117/12.881918

Straub, D., Chatzi, E., Bismut, E., Courage, W., Döhler, M., Faber, M.H., Köhler, J., Lombaert, G., Omenzetter, P., Pozzi, M., Thöns, S., Val, D.V., Wenzel, H., Zonta, D., 2017. Value of information: A roadmap to quantifying the benefit of structural health monitoring. Presented at the ICOSSAR - 12th International Conference on Structural Safety & Reliability.

Vereecken, E., 2022. Applied Bayesian pre-posterior and life-cycle cost analysis for determining and optimizing the value of structural health monitoring for concrete structures (dissertation). Ghent University.

[English version below]

• Master 2 ou dernière année d’une école d’ingénieurs
• Connaissance d’un des langages de programmation suivant : Python, MATLAB ou Julia ;
• Forte motivation pour travailler dans le cadre d’une équipe de recherche multidisciplinaire, à la frontière de l’ingénierie et des statistiques.

[English]

• Student currently enrolled in a Masters 2 or final year of engineering course;

• Basic knowledge of at least one high-level programming langage ; such as Python, Matlab, or Julia ;

• Good motivation to work in a multidisciplinary environment dealing with statistics and engineering