PSA Peugeot Citroën - Modello di attribuzione dei consumi e dei costi energetici S. Gorla e F. Finotti - Energy Manager
Upcoming SlideShare
Loading in...5
×
 

PSA Peugeot Citroën - Modello di attribuzione dei consumi e dei costi energetici S. Gorla e F. Finotti - Energy Manager

on

  • 187 views

Presentazione effettuata in occasione del Meet Minitab 2013

Presentazione effettuata in occasione del Meet Minitab 2013

Statistics

Views

Total Views
187
Views on SlideShare
187
Embed Views
0

Actions

Likes
0
Downloads
0
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

PSA Peugeot Citroën - Modello di attribuzione dei consumi e dei costi energetici S. Gorla e F. Finotti - Energy Manager PSA Peugeot Citroën - Modello di attribuzione dei consumi e dei costi energetici S. Gorla e F. Finotti - Energy Manager Presentation Transcript

  • Modello di attribuzione dei consumi e deicosti energeticiMaggio 2013 7° Convegno Meet Minitab.Stefano Gorla Federica FinottiEnergia e Privacy
  • 2Sito di via Gallarate con residenti 7 societàIngresso unico dei vettori energetici conunico contatoreCome suddividere i costi?
  • 3
  • 41400120010008006004002000800070006000500040003000200010000m^2kWhmedi S 194,396R-Sq 99,6%R-Sq(adj) 99,5%Fitted Line PlotkWh medi = - 136,5 + 5,468 m^2140012001000800600400200050000400003000020000100000m^2kWh6mesiS 1165,29R-Sq 99,7%R-Sq(adj) 99,5%Fitted Line PlotkWh 6 mesi = - 818,4 + 32,81 m^2Da una prima analisi emerge che l’energia elettrica misurata daisensori dedicati è strettamente correlata con i metri quadri dellastessa.Riportiamo di seguito dei grafici esplicativi dove emergela forte correlazione tra consumo elettrico e m2.Il primo è relativo al consumo medio dei primi sei mesi del 2012.Il secondo riguarda il consumo totale dei primi sei mesi del 2012.
  • 5140012001000800600400200070006000500040003000200010000m^2GiugnoS 251,403R-Sq 99,4%R-Sq(adj) 99,1%Fitted Line PlotGiugno = - 127,0 + 5,203 m^2Il terzo è relativo al solo mese di giugno 2012.Come si può notare è elevatissimo il valore di R2, per tutti itre grafici, che denota una forte correlazione tra i due fattori.
  • 6L’analisi è stata fatta su due modelliMetodo 1: vengono attribuiti i costi elettrici attraverso uncalcolo che considera alcuni consumi elettrici, misuratiattraverso delle apparecchiature elettroniche poste suquadri elettrici dedicati, ed ad una attribuzionepercentuale dei rimanenti; percentuale dettata damisure empiriche e che doveva essere modificata ognimese per una corretta allocazione dei consumi. Lesocietà presenti sul sito erano in numero minore e conconfigurazione diversa dallo stato attuale.
  • 7Metodo 2: inserzione di ulteriori sensori su areededicate (mensa, CED, 2° e 3° piano, UTA e gruppi frigo)in modo d’avere i consumi puntuali dedicati. Per le areescoperte, non misurate, data l’elevata correlazioneesistente tra m2 e kWh è possibile correlare lapercentuale del consumo elettrico con i m2, come adesempio per i corridoi. Sono esclusi da tale attribuzionei consumi elettrici delle apparecchiature tecniche(UTA e gruppi frigo). Per i consumi termici invece si èpensato di attribuire il consumo a m3, infatti ilriscaldamento avviene sulla volumetria degli spazi.Metodo 3: vengono attribuiti un valore medio di5.7 kWh/m2 per le zone uffici non misurate scorporandoanche le UTA dedicate.
  • 8SOCIETA 1 SOCIETA 2 SOCIETA 3 SOCIETA 4 SOCIETA 5 SOCIETA 6 SOCIETA 7 SOCIETA 8 TOTALEkWh 1 21.118 11.669 78.407 5.499 57.337 10.782 184.812kWh 2 28.053 13.548 16.024 18.867 4.708 47.984 4.903 50.724 184.812kWh 3 16.196 7.802 22.239 26.184 2.582 44.317 6.805 58.688 184.812Delta kWh 2 - 1 6.935 1.879 -59.540 -792 -9.353 -5.878Delta kWh 3 - 1 -4.922 -3.867 -52.223 -2.917 -13.020 -3.977€ 1 2.965 1.638 11.007 772 8.049 1.514 25.946€ 2 3.938 1.902 2.250 2.649 661 6.736 688 7.121 25.946€ 3 2.274 1.095 3.122 3.676 362 6.222 955 8.239 25.946Delta € 2 - 1 974 264 -8.359 -111 -1.313 -825Delta € 3 - 1 -691 -543 -7.331 -410 -1.828 -558SOCIETA 1 SOCIETA 2 SOCIETA 3 SOCIETA 4 SOCIETA 5 SOCIETA 6 SOCIETA 7 SOCIETA 8 TOTALEkWh 1 20.365 11.447 78.980 5.454 56.277 10.624 183.146kWh 2 27.516 13.308 16.102 18.958 4.581 47.331 4.927 50.423 183.146kWh 3 15.587 7.526 22.357 26.323 2.443 43.631 6.841 58.440 183.146Delta kWh 2 - 1 7.152 1.861 -60.022 -873 -8.946 -5.697Delta kWh 3 - 1 -4.778 -3.921 -52.657 -3.012 -12.646 -3.783€ 1 2.859 1.607 11.088 766 7.901 1.491 25.712€ 2 3.863 1.868 2.261 2.662 643 6.645 692 7.079 25.712€ 3 2.188 1.057 3.139 3.695 643 6.125 960 8.204 25.712Delta € 2 - 1 1.004 261 -8.426 -123 -1.256 -800Delta € 3 - 1 -671 -550 -7.393 -123 -1.775 -531SOCIETA 1 SOCIETA 2 SOCIETA 3 SOCIETA 4 SOCIETA 5 SOCIETA 6 SOCIETA 7 SOCIETA 8 TOTALEkWh 1 18.266 10.264 71.039 4.713 55.308 13.863 173.453kWh 2 26.938 13.157 14.505 17.078 4.442 46.526 4.438 46.368 173.453kWh 3 16.505 8.100 19.933 23.468 2.572 43.490 6.099 53.286 173.453Delta kWh 2 - 1 8.673 2.893 -53.961 -271 -8.782 -9.425Delta kWh 3 - 1 -1.761 -2.164 -47.571 -2.141 -11.818 -7.764€ 1 2.564 1.441 9.973 662 7.765 1.946 24.351€ 2 3.782 1.847 2.036 2.398 624 6.532 623 6.510 24.351€ 3 2.317 1.137 2.798 3.295 624 6.105 856 7.481 24.351Delta € 2 - 1 1.218 406 -7.576 -38 -1.233 -1.323Delta € 3 - 1 -247 -304 -6.678 -38 -1.659 -1.090GENNAIO 2012FEBBRAIO 2012MARZO 2012
  • 9Nel primo caso i consumi delle zone comuni venivano attribuiti solo allasocietà proprietaria del sito, nel secondo caso i consumi vengono attribuiti atutte le società compresi i consumi UTA e zone comuni, nel terzo caso iconsumi sono attribuiti alle singole società con le rispettivo peso delle particomuni e alla società 6 vengono attribuiti solo i consumi comuni relativi allamensa e al corridoio verso mensa.Si può notare, nel secondo modello, come una distribuzione più dettagliatae analitica abbia evidenziato un risparmio per alcune società ed un leggeroaumento per altre. Per il terzo modello invece abbiamo una maggiorprecisione nell’assegnazione dei consumi per le singole società con unariduzione generalizzata dei costi.
  • 106543214200400038003600340032003000SampleSampleMean__X=3610+3SL=4155-3SL=3064+2SL=3973-2SL=3246+1SL=3791-1SL=3428Xbar Chart of BERI654321375035003250300027502500SampleSampleMean__X=3038+3SL=3590-3SL=2487+2SL=3406-2SL=2671+1SL=3222-1SL=2854Xbar Chart of DRH39003800370036003500340033002,01,51,00,50,0BERIFrequencyMean 3610StDev 155,9N 6Histogram of BERINormal340032003000280026002,01,51,00,50,0DRHFrequencyMean 3038StDev 216,6N 6Histogram of DRHNormal
  • 11654321110010501000950900850800SampleSampleMean__X=928,5+3SL=1083,3-3SL=773,7+2SL=1031,7-2SL=825,3+1SL=980,1-1SL=876,9Xbar Chart of PMTC65432140000375003500032500300002750025000SampleSampleMean__X=32344+3SL=38627-3SL=26061+2SL=36533-2SL=28156+1SL=34438-1SL=30250Xbar Chart of PMI36000340003200030000280002,01,51,00,50,0PMIFrequencyMean 32344StDev 2056N 6Histogram of PMINormal110010009008007002,01,51,00,50,0PMTCFrequencyMean 928,5StDev 110,6N 6Histogram of PMTCNormal
  • 12654321850080007500700065006000SampleSampleMean__X=7326+3SL=8495-3SL=6158+2SL=8105-2SL=6547+1SL=7716-1SL=6937Xbar Chart of BANK800076007200680064002,01,51,00,50,0BANKFrequencyMean 7326StDev 438,7N 6Histogram of BANKNormal3500030000250002000015000100000,000160,000140,000120,000100,000080,000060,000040,000020,00000XDensity27560,8 2751,2317536,2 3168,42Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) BANQUE17500150001250010000750050000,000300,000250,000200,000150,000100,000050,00000XDensity13416,5 1306,248557,81 1546,35Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) BERI
  • 13280002600024000220002000018000160001400012000100000,000300,000250,000200,000150,000100,000050,00000XDensity14460,5 1432,7619662 2278,92Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) CITROEN30000250002000015000100000,000250,000200,000150,000100,000050,00000XDensity17025,6 1686,923149,7 2683,16Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) PAI6000500040003000200010000,00090,00080,00070,00060,00050,00040,00030,00020,00010,0000XDensity4555,85 470,732758,73 526,58Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) PMTC90000800007000060000500004000030000200001000000,0000300,0000250,0000200,0000150,0000100,0000050,000000XDensity52885,9 1339950030,8 13715,8Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) PMI
  • 148000700060005000400030000,00090,00080,00070,00060,00050,00040,00030,00020,00010,0000XDensity4424,23 438,46016,3 697,32Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) PSA/DRH70000600005000040000300000,000100,000080,000060,000040,000020,00000XDensity46522,3 4121,453140,7 5111,2Mean StDevNormalConfronto distribuzione modello 2 (black line) e modello 3 (red line) PSAs6543211700016000150001400013000120001100010000SampleSampleMean__X=13416+3SL=16573-3SL=10260+2SL=15521-2SL=11312+1SL=14469-1SL=12364Xbar Chart of BERI_165432112000110001000090008000700060005000SampleSampleMean__X=8558+3SL=11556-3SL=5560+2SL=10557-2SL=6559+1SL=9557-1SL=7558Xbar Chart of BERI_1_1
  • 15654321360003400032000300002800026000240002200020000SampleSampleMean__X=27561+3SL=34405-3SL=20717+2SL=32123-2SL=22998+1SL=29842-1SL=25280Xbar Chart of BANQUE6543212400022000200001800016000140001200010000SampleSampleMean__X=17536+3SL=23769-3SL=11303+2SL=21691-2SL=13381+1SL=19614-1SL=15459Xbar Chart of BANQUE_1654321170001600015000140001300012000SampleSampleMean__X=14461-3SL=11773+2SL=16252-2SL=12669+1SL=15356-1SL=13565+3SL=17148Xbar Chart of CITROËN654321240002300022000210002000019000180001700016000SampleSampleMean__X=19662+3SL=23308-3SL=16015+2SL=22093-2SL=17231+1SL=20877-1SL=18446Xbar Chart of CITROËN_1
  • 16654321210002000019000180001700016000150001400013000SampleSampleMean__X=17026+3SL=20190-3SL=13862+2SL=19135-2SL=14916+1SL=18080-1SL=15971Xbar Chart of PAI6543212800026000240002200020000SampleSampleMean__X=23150+3SL=27443-3SL=18856+2SL=26012-2SL=20287+1SL=24581-1SL=21719Xbar Chart of PAI_1654321600055005000450040003500SampleSampleMean__X=4556+3SL=5745-3SL=3366+2SL=5349-2SL=3763+1SL=4952-1SL=4159Xbar Chart of PMTC_165432140003500300025002000SampleSampleMean__X=2759+3SL=3801-3SL=1716+2SL=3454-2SL=2064+1SL=3106-1SL=2411Xbar Chart of PMTC_1_1
  • 17654321800007000060000500004000030000SampleSampleMean__X=52886+3SL=76293-3SL=29479+2SL=68491-2SL=37281+1SL=60688-1SL=450831Xbar Chart of PMI_1654321800007000060000500004000030000SampleSampleMean__X=50031+3SL=72734-3SL=27328+2SL=65166-2SL=34895+1SL=57598-1SL=424631Xbar Chart of PMI_1_165432152505000475045004250400037503500SampleSampleMean__X=4425+3SL=5247-3SL=3602+2SL=4973-2SL=3877+1SL=4699-1SL=4151Xbar Chart of PSAS/DRH65432170006500600055005000SampleSampleMean__X=6016+3SL=7132-3SL=4901+2SL=6760-2SL=5272+1SL=6388-1SL=5644Xbar Chart of PSAS/DRH_1
  • 18SOCIETA 1 SOCIETA 2 SOCIETA 3 SOCIETA 4 SOCIETA 5 SOCIETA 6 SOCIETA 7 SOCIETA 8 TOTALEMETODO 1MEDOTO 2 7.136,11 3.458,67 2.349,19 2.765,90 1.279,29 27.523,50 8.394,26 718,82 53.625,74Delta 2-1 7.136,11 3.458,67 2.765,90 1.279,29 27.523,50 8.394,26 718,82€ 1€ 2 3.211,25 1.556,40 1.057,13 1.244,65 575,68 12.385,58 3.777,42 323,47 24.131,58Delta € 2-1 3.211,25 1.556,40 1.244,65 575,68 12.385,58 3.777,42 323,47METODO 1MEDOTO 2 5.726,91 2.775,67 1.885,28 2.219,70 1.026,66 22.088,32 6.736,61 576,87 43.036,03Delta 2-1 5.726,91 2.775,67 2.219,70 1.026,66 22.088,32 6.736,61 576,87€ 1€ 2 2.577,11 1.249,05 848,38 998,87 462,00 9.939,74 3.031,47 259,59 19.366,21Delta € 2-1 2.577,11 1.249,05 998,87 462,00 9.939,74 3.031,47 259,59METODO 1 1.119,81 424,76 2.432,70 185,35 7.877,31 944,50 123,57 13.108,00MEDOTO 2 2.526,54 1.224,54 831,73 979,27 452,93 9.744,70 2.971,99 254,50 18.986,20Delta 2-1 1.406,73 799,78 -1.453,43 267,58 1.867,39 2.027,49 130,93€ 1 1.576,35 597,92 3.424,46 260,91 11.088,74 1.329,56 173,94 18.451,88€ 2 1.136,94 551,04 374,28 440,67 203,82 4.385,12 1.337,39 114,52 8.543,79Delta € 2-1 -439,41 -46,88 -2.983,79 -57,09 -6.703,62 7,83 -59,42METODO 1 1.497,43 567,99 753,88 247,85 10.017,25 2.643,73 185,89 15.914,02MEDOTO 2 2.264,54 1.097,56 745,48 877,72 405,97 8.734,19 2.663,80 228,11 17.017,37Delta 2-1 767,11 529,57 123,84 158,12 -1.283,06 20,07 42,22€ 1 671,43 254,68 338,03 111,13 4491,64 1185,42 83,35 7.135,68€ 2 1.019,04 493,90 335,47 394,97 182,69 3.930,39 1.198,71 102,65 7.657,82Delta € 2-1 347,61 239,22 56,94 71,56 -561,25 13,29 19,30METODO 1 728,95 272,57 366,99 120,65 4.876,39 1.286,97 90,49 7.743,01MEDOTO 2 603,27 292,58 198,73 233,98 108,22 2.328,33 710,11 60,81 4.536,03Delta 2-1 -125,68 20,01 -133,01 -12,43 -2.548,06 -576,86 -29,68€ 1 329,05 124,81 165,66 2.201,23 54,46 580,94 40,85 3.497,00€ 2 271,47 131,66 89,43 105,29 48,70 1.047,75 319,55 27,36 2.041,21Delta € 2-1 -57,58 6,85 -60,37 -2.152,53 466,81 278,70 -13,49METODO 1 718,60 272,57 361,78 118,94 4.807,20 1.268,70 89,21 7.637,00MEDOTO 2 356,98 173,02 117,52 138,36 64,00 1.376,86 419,92 35,96 2.682,62Delta 2-1 -361,62 -99,55 -223,42 -54,94 -3.430,34 -848,78 -53,25€ 1 323,63 122,76 162,93 53,57 2.164,97 571,38 40,17 3.439,41€ 2 160,64 77,86 52,88 62,26 28,80 619,59 188,96 16,18 1.207,18Delta € 2-1 -162,99 -44,90 -100,67 -2.136,17 -1.545,38 -382,42 -23,99METODO 1MEDOTO 2 349,04 169,17 114,90 135,28 62,57 1.346,21 410,57 35,16 2.622,90Delta 2-1 349,04 169,17 135,28 62,57 1.346,21 410,57 35,16€ 1€ 2 157,07 76,13 51,71 60,88 28,16 605,79 184,76 15,82 1.180,31Delta € 2-1 157,07 76,13 60,88 28,16 605,79 184,76 15,82LUGLIOFEBBRAIOGENNAIOMARZOAPRILEMAGGIOGIUGNO
  • 197654321300015000IndividualValue_X=1313UCL=2771LCL=-1457654321200010000MovingRange__MR=548UCL=1791LCL=0642300015000ObservationValues40003000200010000-1000LSL USLLSL 150USL 4000Specifications50000-5000WithinO v erallSpecsStDev 486,0Cp 1,32Cpk 0,80PPM 8358,29WithinStDev 1320Pp 0,49Ppk 0,29Cpm *PPM 209907,00Overall11Process Capability Sixpack of BERI modello2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot7654321800040000IndividualValue_X=2709UCL=5718LCL=-2997654321400020000MovingRange__MR=1131UCL=3696LCL=0642800040000ObservationValues80006000400020000-2000LSL USLLSL 200USL 8000Specifications1000050000-5000WithinO v erallSpecsStDev 1003Cp 1,30Cpk 0,83PPM 6174,66WithinStDev 2723Pp 0,48Ppk 0,31Cpm *PPM 204357,45Overall11Process Capability Sixpack of BANQUE modello 2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot4321200010000IndividualValue_X=1016UCL=2041LCL=-9432110005000MovingRange__MR=385UCL=1259LCL=0432116001200800ObservationValues16001200800400LSL USLLSL 600USL 1200Specifications3000200010000WithinO v erallSpecsStDev 341,7Cp 0,29Cpk 0,18PPM 406978,59WithinStDev 371,2Pp 0,27Ppk 0,17Cpm *PPM 441354,86OverallProcess Capability Sixpack of BANQUE Modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,337, P: 0,280Capability Plot43218004000IndividualValue_X=384,5UCL=773,3LCL=-4,443214002000MovingRange__MR=146,2UCL=477,7LCL=04321500400300ObservationValues140012001000800600400200LSL USLLSL 100USL 1500Specifications10005000WithinO v erallSpecsStDev 129,6Cp 1,80Cpk 0,73PPM 14096,67WithinStDev 141,8Pp 1,65Ppk 0,67Cpm *PPM 22441,58OverallProcess Capability Sixpack of BERI modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,348, P: 0,257Capability Plot
  • 207654321200010000IndividualValue_X=1050UCL=2216LCL=-116765432116008000MovingRange__MR=438UCL=1432LCL=0642200010000ObservationValues3000200010000-1000LSL USLLSL 100USL 3000Specifications400020000-2000WithinO v erallSpecsStDev 388,7Cp 1,24Cpk 0,81PPM 7258,60WithinStDev 1055Pp 0,46Ppk 0,30Cpm *PPM 216281,22Overall11Process Capability Sixpack of PAI modello 2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot765432110005000IndividualValue_X=486UCL=1025LCL=-5476543215002500MovingRange__MR=202,8UCL=662,6LCL=064210005000ObservationValues160012008004000-400LSL USLLSL 50USL 1500Specifications200010000-1000WithinO v erallSpecsStDev 179,8Cp 1,34Cpk 0,81PPM 7688,49WithinStDev 488,1Pp 0,50Ppk 0,30Cpm *PPM 204865,25Overall11Process Capability Sixpack of PMTC modello 2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot4321300015000IndividualValue_X=979UCL=2815LCL=-8574321200010000MovingRange__MR=690UCL=2255LCL=0432124001600800ObservationValues3000200010000-1000LSL USLLSL 300USL 2500Specifications400020000-2000WithinO v erallSpecsStDev 612,0Cp 0,60Cpk 0,37PPM 140124,77WithinStDev 986,5Pp 0,37Ppk 0,23Cpm *PPM 307218,23OverallProcess Capability Sixpack of PAI modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,552, P: 0,056Capability Plot43213001500IndividualValue_X=168,2UCL=337,9LCL=-1,543212001000MovingRange__MR=63,8UCL=208,5LCL=04321250200150ObservationValues2802402001601208040LSL USLLSL 50USL 300Specifications4503001500WithinO v erallSpecsStDev 56,56Cp 0,74Cpk 0,70PPM 28222,86WithinStDev 61,44Pp 0,68Ppk 0,64Cpm *PPM 43168,83OverallProcess Capability Sixpack of PMTC modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,337, P: 0,280Capability Plot
  • 21765432120000100000IndividualValue_X=10449UCL=22052LCL=-115576543211600080000MovingRange__MR=4363UCL=14255LCL=064220000100000ObservationValues3000020000100000-10000LSL USLLSL 1200USL 28000Specifications40000200000-20000WithinO v erallSpecsStDev 3868Cp 1,15Cpk 0,80PPM 8398,47WithinStDev 10500Pp 0,43Ppk 0,29Cpm *PPM 236526,71Overall11Process Capability Sixpack of PMI modello 2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot7654321800040000IndividualValue_X=3187UCL=6726LCL=-3527654321400020000MovingRange__MR=1331UCL=4347LCL=0642800040000ObservationValues1000080006000400020000-2000-4000LSL USLLSL 350USL 8500Specifications100000-10000WithinO v erallSpecsStDev 1180Cp 1,15Cpk 0,80PPM 8094,12WithinStDev 3202Pp 0,42Ppk 0,30Cpm *PPM 236411,24Overall11Process Capability Sixpack of PSAS modello 2I ChartMoving Range ChartLast 7 ObservationsCapability HistogramNormal Prob PlotA D: 0,509, P: 0,126Capability Plot4321400020000IndividualValue_X=1536UCL=4261LCL=-11894321300015000MovingRange__MR=1025UCL=3348LCL=0432124001600800ObservationValues3000225015007500LSL USLLSL 900USL 3000Specifications500025000WithinO v erallSpecsStDev 908,5Cp 0,39Cpk 0,23PPM 295479,85WithinStDev 755,1Pp 0,46Ppk 0,28Cpm *PPM 226073,92OverallProcess Capability Sixpack of PSAS modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,511, P: 0,076Capability Plot43211000050000IndividualValue_X=6895UCL=13410LCL=3794321800040000MovingRange__MR=2450UCL=8005LCL=043211000075005000ObservationValues12000100008000600040002000LSL USLLSL 4000USL 11000Specifications20000100000WithinO v erallSpecsStDev 2172Cp 0,54Cpk 0,44PPM 120686,19WithinStDev 2526Pp 0,46Ppk 0,38Cpm *PPM 178024,02OverallProcess Capability Sixpack of PMI modello 1I ChartMoving Range ChartLast 4 ObservationsCapability HistogramNormal Prob PlotA D: 0,340, P: 0,273Capability Plot
  • 2212500100007500500025000-2500-50000,00120,00100,00080,00060,00040,00020,0000XDensity1016,2 371,212709,06 2722,54Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) BANQUE6000500040003000200010000-1000-2000-30000,00300,00250,00200,00150,00100,00050,0000XDensity384,47 141,831313,03 1319,51Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) BERI500040003000200010000-1000-2000-30000,00040,00030,00020,00010,0000XDensity978,94 986,421050,03 1055,22Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) PAI2000150010005000-500-10000,0070,0060,0050,0040,0030,0020,0010,000XDensity168,2 61,44485,66 488,06Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) PMTC
  • 2350000400003000020000100000-10000-20000-300000,000160,000140,000120,000100,000080,000060,000040,000020,00000XDensity6894,5 2526,310448,9 10500,5Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) PSAS125010007505002500-250-5000,0090,0080,0070,0060,0050,0040,0030,0020,0010,000XDensity122,3 45,285272,89 274,2Mean StDevNormalConfronto distribuzione modello 1 (black line) e modello 2 (red line) PSAS/DRHRiportiamo anche l’andamento dei consumi 2012
  • 24
  • 25CONCLUSIONIDai primi grafici riportati risulta che il consumo più stabile è quellorelativo alla società 2 (luci sempre accese) e quello con maggiorvarianza 5 (spegnimento nel periodo estivo).Dai diagrammi riportati (distribuzione gaussiana con relativadeviazione standard σ2 e carte di controllo) si evidenzia che ilmodello 2 risulta più preciso rispetto al modello 3 ma menosotto controllo e con valori di σ2 più piccoli, mentre il modellotre risulta meno preciso ma più sotto controllo e maggiormentedistribuito (più uniformemente; valori maggiori di σ2).Dalle analisi risulta che le società vengono a spendere meno conil modello 3, anche se tale modello risulta meno preciso, rispettoal modello 2 ma più stabile e uniformemente distribuito.
  • 26
  • 27QUINDI:La scelta del modello allora deve esserefatta in funzione delle necessità oggettivedi attribuzione dei costi.
  • 28Bibliografia:- Quaderno di Energy Management. S. Gorla et al. RCE Multimedia 2011- Utilizzo delle tecniche statistiche per il monitoraggio di consumi energetici.S. Gorla et al. Rivista Qualità anno 2008- Modello di attribuzione dei costi energetici per società residenti in un unico sito.S. Gorla et al. Minitab agosto 2012- Modello di analisi per la reattività termica e relativo beneficio economico di un edificio.S. Gorla et al. Rivista La Termotecnica novembre 2012- Modello di analisi per la reattività termica (“freddo”) e relativo beneficio economicodi un edificio: parte II S. Gorla et al. Rivista La Termotecnica- Efficacia energetica una strada verso il risparmio in aziendaS. Gorla et al. Rivista ambiente&sicurezza sul lavoro n°12 dicembre 2012 Ed. EPC- Exergia o Energia? La nuova frontiera degli Energy ManagerS. Gorla Rivista La Termotecnica (in pubblicazione)- Guida all’uso razionale dell’energia.S. Gorla 2010
  • 29- Energy Efficiency Report Politecnico Milano novembre 2011- Sviluppo di modelli di calcolo semplificati per la valutazione delle prestazionienergetiche degli edifici Report RSE/2009/166 ENEA- UNI/TS 11300-1 Prestazioni energetiche degli edifici. Parte 1: determinazione delfabbisogno di energia termica dell’edificio per la climatizzazione estiva ed invernalemaggio 2008- Direttiva europea 2002/91/Ce (Energy Performance Building Directive)- EN 15217:2007 Prestazioni energetiche degli edifici. Metodi per esprimere leprestazioni energetiche degli edifici e per la certificazione degli stessi.- EN 15316-n:2008 Impianti di riscaldamento negli edifici. Metodo di calcolo dellarichiesta di energia e dell’efficienza.- EN ISO 13790:2008 prestazioni energetiche degli edifici. Calcolo dell’energia perriscaldamento e raffrescamento.- EN 15603 Efficienza energetica degli edifici. Utilizzo totale dell’energia, emissioni diCO2 e definizione degli indicatori di prestazione energetica.- Dgr 26/06/2007 n° 8/5018- Dgr 31/10/2007 n° 8/5773- Dgr VIII/8745 22/10/2008- Dgr n° 5796 11/06/2009- UNI EN 832 Prestazione termica degli edifici. Calcolo del fabbisogno di energia peril riscaldamento.- Delibera N° IX / 3508 Seduta del 23/05/2012 della regione Lombardia
  • 30GRAZIE per l’ATTENZIONE