مدیریت دارایی زیرساخت

از ویکی‌پدیا، دانشنامهٔ آزاد

نسخه‌ای که می‌بینید نسخه‌ای قدیمی از صفحه است که توسط Pirehelokan (بحث | مشارکت‌ها) در تاریخ ‏۱۷ فوریهٔ ۲۰۲۰، ساعت ۰۶:۰۱ ویرایش شده است. این نسخه ممکن است تفاوت‌های عمده‌ای با نسخهٔ فعلی داشته باشد.

مدیریت دارایی زیرساخت (به انگلیسی: Infrastructure Asset Management) عبارتست از به کارگیری تکنیک‌های مدیریت دارایی برای بهره‌برداری بهتر از زیرساخت‌ها[۱][۲] یعنی رسیدن به سطح خدمت بالاتر هم‌زمان با کم کردن هزینه‌ها و افزایش طول عمر زیرساخت‌ها.[۳] مدیریت دارایی زیرساخت‌هابیشتر بر زیرساخت‌های فیزیکی همچون راه، پل و شبکه آب متمرکز است. با توجه به رشد سریع زیرساخت‌های شهری در کشورهای توسعه‌یافته در دهه‌های ١٩٦٠ و ١٩٧٠، مدیریت زیرساخت برای برخی کشورها به مسأله‌ای جدی در سده بیست‌ویک تبدیل شد.[۴] از این رو بسیاری کشورها در سده بیست و یک به مدیریت دارایی زیرساخت‌ها توجه خاصی کردند. مثلاً در کشور کانادا در بسیاری استان‌ها شهرداری‌ها موظفند پلان مدیریت دارایی برای زیرساخت‌های خود تهیه کنند.[۱] در مدیریت دارایی زیرساخت توجه خاصی به مفهوم چرخه حیات زیرساخت می‌شود و تمام تصمیم‌گیری‌ها باید با محوریت تحلیل چرخه حیات صورت گیرد. همچنین از شروع سده بیست و یک تغییر اقلیم به یکی از فاکتورهای مهم در تدوین استراتژی‌های مدیریت دارایی زیرساخت‌ها تبدیل شده است.[۳]

فعالیت‌های مدیریت دارایی

چندین فعالیت اصلی در مدیریت دارایی زیرساخت‌ها وجود دارند که حتما باید در پلان مدیریت دارایی لحاظ گردند.

جمع‌آوری داده‌ها

جمع‌آوری و مدیریت داده اساس مدیریت دارایی است. برخی از مهم‌ترین داده‌های مختلفی که در مدیریت دارایی زیرساخت جمع‌آوری می‌شوند عبارتند از: موقعیت جغرافیایی زیرساخت‌ها، ارزش ریالی زیرساخت‌ها، شرایط فیزیکی و تاریخچه تعمیر و نگه‌داری. در بسیاری موارد جمع‌آوری داده‌ها به ویژه داده‌های به‌روز ممکن است هزینه‌ی بالایی داشته باشد و شهرداری‌های کوچک استطاعت آن را نداشته باشند.[۵] در برخی موارد عمل جمع‌آوری داده ممکن است در کارکرد زیرساخت وقفه ایجاد کند، مثلا هنگام جمع‌آوری داده‌های روسازی راه ترافیک عبوری با محدودیت‌هایی روبرو می‌شود.[۶][۷]

فهرست دارایی‌ها

تهیه فهرست دارایی‌ها در یک پایگاه داده و گردآوری اطلاعاتی چون مکان، وضعیت و ارزش دارایی زیرساختی ضروری است. در این مرحله معمولا از جی آی اس و پایگاه داده استفاده می‌شود.[۱]

مدل‌سازی زوال

برای تهیه برنامه بهسازی و مرمت زیرساخت‌ها نیاز به مدل‌سازی زوال است. انواع مختلف مدل‌سازی‌ها ممکن است استفاده شود. مدل‌سازی‌های احتمالی و براساس داده قابل اعتمادترند.[۸]

سطح خدمت

تعریف سطح خدمت، اندازه‌گیری سطح خدمت فعلی و تعیین اهداف سطح خدمت در آینده ضروریست.[۱]

هزینه و سرمایه‌گزاری

منابع لازم برای فاینانس هزینه‌های مختلف و سهم هر منبع باید تعیین گردد. معمولا درآمدهای مالیاتی، آبونمان و هزینه‌ی کارکرد از منابع اصلی فاینانس زیرساخت‌های شهری هستند.[۱]

منابع

  1. ۱٫۰ ۱٫۱ ۱٫۲ ۱٫۳ ۱٫۴ «"El-Diraby, T. E., Kinawy, S., & Piryonesi, S. M. (2017). A Comprehensive Review of Approaches Used by Ontario Municipalities to Develop Road Asset Management Plans (No. 17-00281)"».
  2. Vanier, D., (2001), “Why Industry Needs Asset Management tools,” ASCE Journal of Computing in Civil Engineering, 15 (1), 35-43.
  3. ۳٫۰ ۳٫۱ "Piryonesi, S. M. (2019). The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation)".{{cite web}}: نگهداری CS1: url-status (link)
  4. Mirza, S. (2007). “Danger Ahead: The Coming Collapse of Canada's Municipal Infrastructure,” Federation of Canadian Municipalities, Ottawa.
  5. Piryonesi, S. M.; El-Diraby, T. E. (2020) [Published online: December 21, 2019]. "Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index". Journal of Infrastructure Systems. 26 (1). doi:10.1061/(ASCE)IS.1943-555X.0000512.{{cite journal}}: نگهداری CS1: url-status (link)
  6. Piryonesi, S. M.; El-Diraby, T. E. (2020) [Published online: December 21, 2019]. "Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index". Journal of Infrastructure Systems. 26 (1). doi:10.1061/(ASCE)IS.1943-555X.0000512.{{cite journal}}: نگهداری CS1: url-status (link)
  7. "Piryonesi, S. M., & El-Diraby, T. (2018). Using Data Analytics for Cost-Effective Prediction of Road Conditions: Case of The Pavement Condition Index:[summary report] (No. FHWA-HRT-18-065). United States. Federal Highway Administration. Office of Research, Development, and Technology". Archived from the original on 2 February 2019.
  8. Piryonesi, S. M.; El-Diraby, T. E. (2020) [Published online: December 21, 2019]. "Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index". Journal of Infrastructure Systems. 26 (1). doi:10.1061/(ASCE)IS.1943-555X.0000512.{{cite journal}}: نگهداری CS1: url-status (link)