VALUTAZIONE STATISTICO ECONOMICA DEI MODELLI DI … · 6 DEFINIZIONE DEGLI INDICI DI VALENZA...
61
VALUTAZIONE STATISTICO – ECONOMICA DEI MODELLI DI GESTIONE DEI RIFIUTI URBANI IN LOMBARDIA in collaborazione con
Transcript of VALUTAZIONE STATISTICO ECONOMICA DEI MODELLI DI … · 6 DEFINIZIONE DEGLI INDICI DI VALENZA...
VALUTAZIONE STATISTICO – ECONOMICA DEI MODELLI DI
GESTIONE DEI RIFIUTI URBANI IN LOMBARDIA
in collaborazione con
2
VALUTAZIONE STATISTICO – ECONOMICA DEI MODELLI DI GESTIONE DEI RIFIUTI URBANI IN LOMBARDIA
FEBBRAIO 2010
Regione Lombardia
Direzione Generale Reti, Servizi di Pubblica Utilità e Sviluppo Sostenibile
GRUPPO DI LAVORO
Regione Lombardia
Annamaria Ribaudo (Coordinamento)
Paola Zerbinati
Cestec SpA
Dino De Simone
Luisa Tasca
Contributo specialistico
Michele Giavini (Ars Ambiente srl)
3
Indice 1 PREMESSA .............................................................................................................................................. 5
2 METODOLOGIA ........................................................................................................................................ 5
2.1 La normalizzazione dei valori di costo sugli abitanti ...................................................................... 5
2.2 Calcolo degli abitanti equivalenti .................................................................................................. 6
3 SELEZIONE DEL SUBSET DI DATI .................................................................................................................... 8
3.1 Bonifica dei dati e riduzione delle anomalie .................................................................................. 9
3.2 Selezione di comuni omogenei per tipologia di gestione ............................................................... 9
3.3 Analisi per fasce territoriali omogenee........................................................................................10
3.4 Selezione delle schede comunali compilate più correttamente ....................................................12
3.5 Analisi sui capoluoghi di provincia ...............................................................................................12
4 LA VARIABILITÀ DEI DATI DI COSTO ...............................................................................................................12
4.1 Riduzione della variabilità ............................................................................................................13
4.1.1 Eliminazione anomalie di trend di costo ...............................................................................13
4.1.2 Normalizzazione sugli abitanti equivalenti ...........................................................................13
4.1.3 Eliminazione degli outliers ...................................................................................................13
4.1.4 Parziale utilizzo dei dati di costo dello spazzamento stradale ...............................................14
4.1.5 Risultati delle operazioni di riduzione della varianza ............................................................14
5 INDIVIDUAZIONE DEI PRINCIPALI CENTRI DI COSTO IMPUTABILI AI DIFFERENTI SISTEMI ..............................................16
5.1 Parametri oggetto di compilazione nella scheda O.R.SO. .............................................................16
5.1.1 Costi di gestione del ciclo dei servizi sui RU indifferenziati....................................................16
5.1.2 Costi di gestione del ciclo della raccolta differenziata ...........................................................16
5.1.3 Costi generali: CC,CK ............................................................................................................17
5.1.4 Totali complessivi ................................................................................................................17
5.2 Considerazioni preliminari all’elaborazione dei centri di costo disaggregati .................................18
5.3 Valutazione dell’incidenza dei singoli centri di costo rispetto al costo di gestione complessivo ....18
6 DEFINIZIONE DEGLI INDICI DI VALENZA ECONOMICA PER AREA TERRITORIALE .........................................................22
6.1 Distribuzione statistica dei costi totali per fasce di variabili significative e ricerca di possibili correlazioni .............................................................................................................................................22
6.2 Densità urbanistica ......................................................................................................................22
6.3 Popolazione .................................................................................................................................24
4
6.4 Modello di raccolta (contenitori stradali / porta a porta) .............................................................26
6.5 Frequenze di raccolta porta a porta .............................................................................................33
6.5.1 Bonifica dei dati ...................................................................................................................33
6.5.2 Correlazione con i costi ........................................................................................................33
6.5.3 Costi di raccolta di singole frazioni differenziate ed intercettazione .....................................34
6.6 Produzione totale pro capite di rifiuti ..........................................................................................36
6.7 Raccolta differenziata ..................................................................................................................37
7 ANALISI DEL SISTEMA DI RACCOLTA DIFFERENZIATA DEI CASI STUDIO ....................................................................41
7.1 Bacini di comuni omogenei ..........................................................................................................41
7.2 Considerazioni sui capoluoghi di provincia ...................................................................................42
7.2.1 Peculiarità dei sistemi ..........................................................................................................42
7.2.2 Tabelle di sintesi ..................................................................................................................43
7.2.3 Recenti modifiche dei servizi ................................................................................................47
8 CONFRONTO A SCALA PIÙ AMPIA.................................................................................................................47
8.1 Dati europei ................................................................................................................................47
8.2 Dati nazionali ...............................................................................................................................48
8.3 Confronto tra province ................................................................................................................49
9 CONCLUSIONI .........................................................................................................................................51
10 APPENDICE: VALUTAZIONE DELLA NORMALITÀ DELLA DISTRIBUZIONE ...............................................................53
11 GLOSSARIO ........................................................................................................................................60
5
1 Premessa
In Regione Lombardia la gestione dei rifiuti urbani, a livello comunale, ha presentato negli ultimi anni un’evoluzione rapida ed in continuo miglioramento. La Lombardia, con i suoi 1546 Comuni, ha superato ormai da tempo la fase di dipendenza dalla discarica, sviluppando modelli di raccolta, abbinati al conseguente smaltimento / recupero, in linea con le più recenti direttive europee. Il tasso di raccolta differenziata in Lombardia è pari al 47% per l’anno 2008, con punte di eccellenza se si considera che ben 5 Province presentano valori superiori al 54% come media provinciale.
Un’altra eccellenza riguarda la gestione ed il monitoraggio da parte dell’Osservatorio Regionale Rifiuti, che fa capo ad ARPA Lombardia, efficiente ed innovativa grazie all’utilizzo dell’applicativo O.R.SO. che permette l’inserimento di tutti i dati tramite internet e dà la possibilità di effettuare statistiche avanzate e raffinate.
I dati economici disponibili in O.R.SO. ricalcano quelli richiesti per la compilazione del MUD, a cui tutti i comuni sono soggetti ad obbligo, ma contengono una serie di informazioni aggiuntive e sono molto più controllati e validati rispetto ad esso, grazie all’opera degli Osservatori Provinciali Rifiuti (OPR).
In Lombardia si riscontra una pluralità di modelli di raccolta dei rifiuti urbani; essi sono riconducibili alla principale dicotomia porta a porta / cassonetti stradali, ma sono presenti varianti e tipicità territoriali che rendono molto interessante la possibilità di confrontarli tra loro dal punto di vista dell’efficacia e dell’economicità.
2 Metodologia
2.1 La normalizzazione dei valori di costo sugli abitanti
Per poter paragonare i dati tra comuni con popolazione molto differente, si procede, secondo un procedimento consueto, alla normalizzazione dei dati, dividendo il parametro in oggetto per il numero degli abitanti residenti (es. kg/ab.anno, €/ab.anno). In questo studio, viene proposto anche il parametro “abitanti equivalenti” (vd. definizione di cui al paragrafo 2.2), per permettere un confronto più realistico che elimini le distorsioni dovute alle presenze turistiche o alle attività non domestiche che producono rifiuti assimilati agli urbani.
La scelta di esprimere i dati di costo sugli abitanti invece che sulle tonnellate di rifiuto raccolto nasce dall’esigenza di evitare valutazioni distorte legate alla differente produzione pro-capite di rifiuti nei vari comuni.
La valutazione del costo in Euro/tonnellata (di seguito €/ton) è stata in passato utilizzata come unico criterio di confronto tra situazioni territoriali diverse, più che altro per omogeneità di valutazione e composizione con i costi di trattamento/smaltimento. Negli ultimi anni, però, si è reso palese il grado di distorsione introdotto da questo approccio, che non tiene conto della diversa quantità totale di rifiuti intercettati con i diversi sistemi.
Il parametro €/ton infatti diminuisce all'aumentare del quantitativo di rifiuti raccolti, e tale effetto non rende evidente, anzi inverte, il beneficio risultante dalla riduzione dei rifiuti complessivamente intercettati ad esempio nell’applicazione di politiche di riduzione rifiuti, o nella transizione da un sistema di raccolta a cassonetti stradali a uno porta a porta.
6
Esso inoltre non consente di evidenziare alcuni aspetti virtuosi presenti in diverse esperienze di gestione integrata del RU quali:
– la diminuzione complessiva delle quantità conferite ad es. per le politiche di riduzione all’origine;
– il contributo del compostaggio domestico alla riduzione specifica dello scarto organico raccolto.
Sicuramente più corretta ed efficace è la valutazione in Euro/abitante per anno. Essa infatti tiene automaticamente conto dei benefici risultanti dalla riduzione complessiva dei rifiuti prodotti, ed inoltre è più corrispondente alla realtà del costo del servizio pagato dal cittadino con la tassa rifiuti (ancor più se sono in vigore sistemi tariffari con parte variabile che tengano conto ad es. del numero dei componenti del nucleo familiare). Esso consente quindi un più agevole raffronto Comuni, sia che adottino il medesimo sistema di raccolta sia che ne utilizzino uno completamente differente.
Si è verificato come la valutazione in Euro/tonnellata nelle fasi di pianificazione o di programmazione delle transizioni da raccolta a cassonetti a quella porta a porta sia spesso fuorviante in quanto dà la falsa impressione che i costi aumentino in modo considerevole.
Nella Tabella 2.1 è presentata una tipica situazione di confronto di esperienze in cui si evidenzia l’effetto distorsivo del costo in €/ton.
Anno x: sistema a cassonetti stradali
Anno x+1: sistema di raccolta porta a porta
Variazione anno x / anno x+1
Abitanti 10.000 10.300 +3,0% Costi totali (raccolta e smalt/tratt) € 900.000,00 € 850.000,00 -5,6% Produzione totale di rifiuti (kg/abitante.anno) 550 470 -14,5%
% raccolta differenziata 32% 65% +103,1% Costo totale (€/ton) 163,64 175,58 +7,3% Costo totale (€/abitante.anno) 90,00 82,52 -8,3%
Tabella 2.1 – Distorsione derivante dalla valutazione in euro/tonnellata
Anche la valutazione in €/abitante presenta alcune distorsioni legate al calcolo dei soli abitanti residenti. Per questo è stato utilizzato anche un approccio basato sul calcolo degli “abitanti equivalenti” (vedi paragrafo 2.2) per ottenere dati più omogenei e confrontabili.
2.2 Calcolo degli abitanti equivalenti
L’espressione dei dati di costo in Euro/abitante, come sopra riportato, non è ancora ottimale nel caso di comuni con elevato afflusso turistico estivo e/o periodico (seconde case etc.), o con presenza di elevata assimilazione ai rifiuti urbani.
Gli abitanti residenti non sono infatti correlati sempre linearmente al numero di utenze effettivamente servite (es. utenze stagionali, utenze non domestiche etc.). Con il parametro euro/abitante residente sono penalizzati ad esempio i comuni con maggiori presenze turistiche e quelli con molte utenze non domestiche, per le quali comunque il comune fornisce un servizio in quanto il più delle volte producono rifiuti assimilati agli urbani.
Un miglioramento del parametro può essere ottenuto semplicemente dividendo i costi complessivi per il numero delle utenze domestiche iscritte a ruolo per la tassa rifiuti, comprendenti quindi anche i non residenti.
7
Una diversa valutazione può invece essere fatta introducendo il concetto di “abitanti equivalenti” per rappresentare in modo più reale la situazione del comune. In questo studio si è ripresa una modalità di calcolo già utilizzata dall’Osservatorio Provinciale Rifiuti di Varese (O.P.R.), e riportata nel Rapporto 2006 sulla gestione dei rifiuti urbani di quella provincia.
Per effettuare un’elaborazione di questo tipo vengono elaborati come dati di partenza il numero di utenze domestiche e non domestiche, oltre ad un’indicazione sul “numero di mesi turistici”; tali valori sono presenti nelle schede comunali del database O.R.SO. dell’Osservatorio Regionale sui Rifiuti (O.R.R.).
Le assunzioni alla base del calcolo degli abitanti equivalenti, proposte dall’O.P.R. di Varese nel 2006, sono le seguenti:
• E’ stato calcolato il numero medio degli abitanti per utenza domestica, calcolato sui comuni che
non hanno dichiarato nessun mese di presenza turistica. Tale valore è risultato pari a 2,4;
• Le utenze non domestiche sono state paragonate a un’utenza con 3 abitanti. Questo valore è stato
utilizzato come compromesso per non sbilanciare eccessivamente il calcolo nel caso di comuni con
elevata presenza industriale o artigianale.
La modalità di calcolo è la seguente:
• E’ stato calcolato il numero di “utenze domestiche residenti”, dividendo il numero degli abitanti per
2,4.
• La differenza tra le utenze domestiche totali e quelle “residenti” è stata moltiplicata per 2,4 e per il
numero di mesi turistici (assunto pari a 3) diviso per 12. Il risultato è stato aggiunto agli abitanti;
• Per tener conto del numero di utenze non domestiche, tale valore è stato moltiplicato per 3 ed
aggiunto al numero di abitanti.
Nella Tabella 2.2 è rappresentato un esempio riguardante 4 comuni.
Abitanti Utenze Domestiche
Utenze Non Domestiche
% utenze domestiche dom/abitanti
% non dom /
abitanti
Stima Utenze
domestiche residenti
abitanti equiv
differenza ab. equiv /
abitanti residenti
Alagna (PV) 910 815 31 89,6% 3,4% 379 1265 +39,0%
Abbadia Lariana (LC) 3258 1884 162 57,8% 5,0% 1358 4060 +24,6%
Agrate Brianza (MI) 14795 5998 1436 40,5% 9,7% 5998 19103 +29,1%
Albuzzano (PV) 3192 1292 69 40,5% 2,2% 1292 3399 +6,5%
Tabella 2.2 – Esempio di calcolo degli abitanti equivalenti
L’utilizzo dell’indicatore “abitante equivalente” permette un confronto più omogeneo e più vicino alla realtà nel caso di comuni con caratteristiche molto diverse. Una validazione empirica della bontà di questo indicatore si ha analizzando, per tutti i dati della regione, la differenza della variabilità tra la produzione totale di rifiuti calcolata sugli abitanti residenti (RU/ab.anno) e quella calcolata sugli abitanti equivalenti (RU/abeq.anno). Infatti, la produzione totale di rifiuti è strettamente correlata alle utenze che realmente
8
usufruiscono del servizio e che pagano la tassa rifiuti, indipendentemente dal fatto che siano residenti. Se l’indicatore è ben costruito, si dovrebbe evidenziare una riduzione della variabilità tra le due serie di dati.
Come si vede dalla Tabella 2.3, il valore del Coefficiente di Variazione (CV, cioè la deviazione standard normalizzata sulla media) si riduce del 13,5 % calcolando la produzione totale di rifiuti sugli abitanti equivalenti.
Kg/ab.anno Campione n. Media Mediana Minimo Massimo 25° percentile
75° percentile Dev. St. Coef.Var.
Totale RU/ab 1553 490,9 466,7 136,1 2.578,9 412,7 545,3 145,8 29,7 RU/ab.eq. 1549 395,8 387,7 87,0 1.611,8 338,2 444,7 101,6 25,7
Variazione -19,4% -16,9% -36,1% -37,5% -18,0% -18,5% -30,3% -13,5%
Tabella 2.3 – Riduzione della variabilità dei dati utilizzando gli abitanti equivalenti
3 Selezione del subset di dati
La regione Lombardia conta nell’anno 2008 un totale di 1546 Comuni. La scheda di rilevamento dati gestita dal sistema O.R.SO. è disponibile per tutti questi Comuni, anche se per parte di essi è compilata a livello consortile suddividendo poi i dati al termine dell’inserimento tramite un sistema automatico implementato nell’applicativo web.
Occorre rilevare che l’applicativo è stato sviluppato con lo scopo principale di rilevare i dati quantitativi di produzione delle varie frazioni dei rifiuti urbani, ed in particolare anche i nominativi dei soggetti che effettuano la loro raccolta e trasporto, oltre che gli impianti di trattamento finale.
I dati di costo sono stati raccolti più che altro per rendere omogenea questa compilazione on-line con quella richiesta per il MUD, evitando l’onere di una doppia compilazione da parte dei comuni ed anzi permettendo la generazione automatica del MUD direttamente dall’applicativo O.R.SO.
L’Osservatorio Regionale Rifiuti situato presso ARPA Lombardia non ha mai elaborato a fondo questi dati economici, pubblicando nell’annuale report solo il valore del costo complessivo in Euro/abitante a livello comunale.
Recentemente una nuova opportunità di elaborazione di dati economici si sta delineando perché a breve risulterà possibile l’incrocio dei dati di costo per singola frazione dichiarati dai Comuni con le tariffe in ingresso dichiarate dagli impianti, presenti anch’esse nelle “schede impianti” dello stesso applicativo O.R.SO., schede la cui compilazione è recentemente divenuta obbligatoria in forza della DDG 12868 del 11/11/08.
Nel presente studio si sono voluti analizzare gli ultimi dati di costo disponibili, compilati dai Comuni per l’anno 2008, verificandone preliminarmente l’attendibilità grazie ad alcuni criteri e filtri elencati nei prossimi paragrafi.
In dettaglio, quindi, si è scelto per la parte principale dello studio di non seguire un criterio rigido per la scelta dei Comuni sui quali effettuare valutazioni comparative, ma di selezionare quelli la cui parte economica della scheda è stata compilata più correttamente e senza anomalie.
Non si è voluto comunque prescindere dall’approccio territoriale, cercando di approfondire nella parte finale l’analisi per consorzi o gruppi di comuni dotati di una gestione omogenea.
9
Per poter evidenziare al meglio i parametri che maggiormente contribuiscono alla variabilità dei dati, ragionando su contesti omogenei, si è deciso di utilizzare un approccio a più livelli così strutturato:
3.1 Bonifica dei dati e riduzione delle anomalie
Innanzitutto si è analizzato il costo totale per abitante e sono stati eliminati dal campione i comuni peri i quali il costo totale per abitante per la gestione dei rifiuti, al netto dei ricavi derivanti da alcune frazioni differenziate, sia risultato inferiore ad 1 €/ab.anno (dato ovviamente anomalo)
3.2 Selezione di comuni omogenei per tipologia di gestione
Sono stati identificati, sulla base delle dichiarazioni presenti nelle schede e dei contatti con i referenti degli Osservatori Provinciali Rifiuti, 33 gruppi di Comuni con caratteristiche omogenee (ovvero, principalmente, con lo stesso gestore per il servizio di igiene urbana). Nella Tabella 3.1 e nella raffigurazione GIS seguenti sono elencati questi gruppi di Comuni (Figura 3.1).
BACINO Provincia di riferimento
Numero comuni abitanti
A.E.M. GESTIONI S.r.l. CREMONA 39 132.610 A.S.M. Magenta MILANO 3 34.333 AMGA Legnano Spa MILANO 5 111.258 AMSA Azienda Milanese Servizi Ambientali S.r.l. MILANO 8 1.436.533 Aprica S.p.A. BRESCIA 74 390.884 ASM Pavia PAVIA 30 141.780 ASM - Impianti e Servizi Ambientali S.p.A. Vigevano PAVIA 2 65.284 ASPEM S.p.A. VARESE 5 97.817 ASPM SORESINA SERVIZI S.P.A. CREMONA 2 9.854 ASTEM GESTIONI S.r.l. MILANO 15 104.182 Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A. MILANO 13 263.604 Broni Stradella S.p.A. PAVIA 54 78.998 Casalasca Servizi S.p.A. CREMONA 22 45.023 CEM Ambiente S.p.A. MILANO 47 406.483 CLIR PAVIA 45 96.042 COINGER VARESE 22 76.017 Com. Mont. Alpi Lepontine COMO 16 20.353 Comunità Montana della Valcuvia VARESE 18 34.415 Comunità Montana Triangolo Lariano COMO 23 34.364 Consorzio Brianza Milanese MILANO 15 329.055 Consorzio comuni dei navigli MILANO 15 57.077 Convenzione "Valleimagnapulita" BERGAMO 5 8.017 Convenzione intercomunale Sesto C. VARESE 18 74.851 GARDA UNO S.p.A. BRESCIA 14 78.395 S.A.S.O.M. S.r.l. Società Ambiente del Sud Ovest Milanese MILANO 10 46.785 S.EC.AM S.p.A. SONDRIO 72 174.146 S.I.ECO. S.r.l. VARESE 4 32.249 Service 24 S.p.A. COMO 7 32.705 SILEA S.p.A. COMO 90 317.587 Società Cremasca Servizi S.p.A. CREMONA 49 161.165 VAL CAVALLINA SERVIZI S.r.l. BERGAMO 27 94.688 Vallecamonica Servizi S.p.A. BRESCIA 42 101.136 CAPOLUOGHI -- 12 2.199.805
Tabella 3.1 – Bacini di comuni con medesimo gestore
10
Figura 3.1 – Rappresentazione GIS dei bacini identificati
3.3 Analisi per fasce territoriali omogenee
A questo livello dell’indagine sono stati suddivisi i comuni sulla base delle loro caratteristiche di dimensione e di presenza antropica, considerando quindi due parametri principali:
• Popolazione residente
• Densità urbanistica
In Figura 3.2 e Figura 3.3 è rappresentata mediante GIS la distribuzione territoriale di questi due parametri. I limiti delle fasce sono stati scelti rendendo indicativamente omogeneo il numero di comuni in ogni fascia, nel caso della densità urbanistica, e secondo un criterio più ragionato nel caso degli abitanti in modo da visualizzare al meglio la variabilità territoriale.
11
Figura 3.2 – Rappresentazione GIS delle fasce di densità urbanistica
Figura 3.3 – Rappresentazione GIS delle fasce di popolazione
Densità urbanistica3 - 65 ab/kmq66 - 140141 - 250251 - 520521 - 980981 - 7.600
Abitanti33 - 800801 - 16001601 - 27002701 - 1000010001 - 3000030001 - 1300000
12
3.4 Selezione delle schede comunali compilate più correttamente
Nella fase preliminare di bonifica dei dati è stata sfruttata la potenzialità del database O.R.SO. riguardante soprattutto la disponibilità di una serie storica di dati ormai consolidata. E’ infatti dal 2005 che tutti i Comuni della Lombardia utilizzano questo sistema e l’attenzione da parte dei compilatori ad inserire dati corretti è andata progressivamente aumentando anche in virtù dei controlli degli Osservatori Provinciali Rifiuti sulla qualità dei dati.
In questo studio, basato sui dati relativi all’anno 2008, la disponibilità del trend storico è stata utilizzata per poter eliminare dall’indagine quei comuni che hanno presentato variazioni eccessivamente anomale nei dati di costo totale rispetto al trend degli anni precedenti. Tali anomalie,in positivo o in negativo, potrebbero essere legate ad una o più delle seguenti motivazioni:
• inserimento di dati non corretti, con mancata bonifica da parte dell’OPR;
• aumento del dettaglio con l’inserimento di una voce di costo non considerata gli anni precedenti
(es. costi dell’isola ecologica);
• modifica del sistema di raccolta nel corso dell’anno con attribuzione completa sull’anno dei costi di
attrezzature (mancato calcolo degli ammortamenti);
• inserimento dei soli costi per la raccolta (es. a canone) e non degli smaltimenti o trattamenti per
mancanza di rendicontazione;
• rimborsi cumulativi da consorzi di filiera CONAI percepiti durante l’anno ma relativi ad anni
precedenti;
• modifica dei criteri di ripartizione dei costi all’interno di un consorzio di Comuni.
In tutti questi casi, l’anomalia non è correlata al modello di raccolta in essere o alle quantità di rifiuti intercettate e l’inclusione del dato nel campione scelto per l’analisi avrebbe generato probabili distorsioni.
Dato l’elevato numero di schede disponibili, si è scelto quindi l’approccio conservativo volto ad analizzare solo i Comuni che dimostrano un’attitudine consolidata alla compilazione della scheda senza grosse variazioni rispetto agli anni precedenti.
Il metodo per l’eliminazione di questi outliers è riportato nel paragrafo 4.1.3.
3.5 Analisi sui capoluoghi di provincia
I capoluoghi di provincia sono stati raggruppati come sottocampione a sé stante per il quale è stata effettuata un’indagine più approfondita che prende in considerazione ad esempio il modello di raccolta introdotto, la densità urbanistica, i servizi di spazzamento stradale.
4 La variabilità dei dati di costo
In questo capitolo verranno trattati in dettaglio i dati di costo totale per la gestione dei rifiuti urbani, ovvero quella voce che è indicata dalla maggior parte dei Comuni a volte come voce unitaria ed omnicomprensiva non dettagliata per singoli centri di costo come specificato nel par. 5.1.
13
Tale valore è tra l’altro quello monitorato con più attenzione dagli Osservatori Provinciali Rifiuti, che ne verificano almeno in linea generale la sua validità.
Questo valore presenta una grande variabilità proprio perché esso è legato in modo direttamente o inversamente proporzionale a molte variabili come la produzione totale di rifiuti, il numero di utenze non residenti, il numero dei giri di raccolta per anno, le tariffe applicate dagli impianti di destino finale, etc.
Per effettuare una corretta analisi statistica è opportuno verificare preliminarmente la distribuzione dei dati in confronto con la distribuzione normale (gaussiana). Questo approfondimento è riportato in appendice.
4.1 Riduzione della variabilità
4.1.1 Eliminazione anomalie di trend di costo
Come specificato nel paragrafo 3.4, per varie motivazioni molte schede comunali del Database O.R.SO. presentano anomalie riguardanti la variazione del valore di costo totale indicato dal Comune rispetto a quanto indicato per gli anni precedenti dallo stesso Comune ed alla media regionale. Esse possono essere veritiere (es. cambio di sistema di raccolta) o erronee, ma in entrambi i casi possono distorcere la media generale della popolazione di dati qualora si abbia l’esigenza, come in questo studio, di fotografare lo status dei dati riducendo per quanto possibile le perturbazioni.
Sono stati quindi eliminati una serie di dati con questo metodo: è stata effettuata confrontando per ogni Comune la variazione dei costi totali del 2008 (al netto dei ricavi) sul 2007 rispetto alla stessa variazione media regionale. Sono stati quindi considerati outlier i valori superiori al 95° percentile ed inferiori al 5° percentile della distribuzione dei valori regionali. Il numero dei dati così selezionati è sceso da 1533 a 1380.
4.1.2 Normalizzazione sugli abitanti equivalenti
Il passaggio successivo finalizzato alla riduzione della varianza è stato quello di calcolare il valore di costo totale sugli abitanti equivalenti, calcolati come specificato al paragrafo 2.2. Questa operazione riduce in modo significativo le anomalie degli elevati costi per abitante residente nel caso di comuni con molte presenze turistiche a con molte utenze non domestiche che producono rifiuti assimilati agli urbani. Il numero di schede valide si riduce in questo passaggio a 1376.
4.1.3 Eliminazione degli outliers
Il fatto di ricondursi ad una distribuzione normale mediante la trasformazione logaritmica permette di effettuare un’ulteriore operazione di bonifica, ovvero l’eliminazione degli outliers, mediante un metodo di uso comune detto “regola 68-95-99,7”. Essa semplicemente si basa sul fatto che in una distribuzione normale circa il 68% dei valori si trova in un intervallo entro la media più o meno 1 volta la deviazione standard (matematicamente, µ ± σ, dove µ è la media aritmetica), circa il 95% dei valori è entro µ ± 2σ e il 99,7% entro µ ± 3σ.
Si è scelto di identificare come outliers i valori fuori dall’intervallo µ ± 2σ, escludendo quindi dall’analisi 55 valori su 1376, pari al 4,0% e portando il valore di N a 1321. Analizzando puntualmente a campione queste schede eliminate si è rilevato come effettivamente il dato di costo risultava anomalo per varie ragioni.
14
4.1.4 Parziale utilizzo dei dati di costo dello spazzamento stradale
La maggior parte dei comuni, soprattutto di dimensioni medio-grandi, ha inserito i dati di costo relativi allo spazzamento stradale.
Il fatto che tali costi siano afferenti alla gestione dei rifiuti urbani è indubbio, ma va fatta una riflessione sul fatto che essi siano in realtà invarianti rispetto al modello di raccolta delle frazioni principali di rifiuto, e che siano solo l’espressione di un servizio aggiuntivo che si rende necessario per la pulizia delle strade ed il decoro urbano.
Si è deciso quindi di verificare la riduzione della variabilità dei dati sottraendo alla voce di costo totale quella specifica dello spazzamento stradale, intesa come costo per il servizio comprensivo dello smaltimento (voce CSL della sezione costi della scheda, vedi par.5.1).
Gli effetti di questa operazione sono stati positivi come si vede anche dalla migliore approssimazione (p-value) della distribuzione alla normale come riportato in appendice (Figura 10.9)
4.1.5 Risultati delle operazioni di riduzione della varianza
Nella Tabella 4.1 e nel grafico Box & Whisker (Figura 4.1) sono riassunti i principali parametri rappresentativi di queste operazioni di riduzione della variabilità dei dati.
Descriptive Statistics (2008) Campione (n) Media Min Max Dev. St
cTOT/ab grezzi 1532 97,35 15,32 775,45 46,93 cTOT/ab bonificati 1380 97,38 28,49 588,76 40,89 cTOT/ab eq 1376 77,10 19,79 367,97 23,10 cTOT/abeq NOoutliers 1314 75,72 42,79 128,22 17,53 cTOT/abeq NOoutliers NOspaz 1312 70,77 31,65 126,84 16,62
Tabella 4.1 - Progressiva riduzione della variabilità degli indicatori utilizzati
Figura 4.1 – Box & Whisker plot relativo alla progressiva riduzione della variabilità degli indicatori utilizzati
Mean Mean±SD Mean±1,96*SD cTOT/ab grezzi
cTOT/ab bonificaticTOT/abeq
cTOT/abeq NOoutlierscTOT/abeq NOoutliersNOspaz
€ 0
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
€ 160
€ 180
€ 200
15
Nelle Figure 4.2 e 4.3 sono visualizzate le distribuzioni sul territorio regionale dei due indicatori: costo totale per abitante (“grezzo”) e l’indicatore riassuntivo di sintesi utilizzato nelle successive analisi, ovvero il costo (per raccolta, smaltimento e recupero dei RU) per abitante equivalente al netto dei costi di spazzamento (cTOT/abeqNOoutNOspaz, di seguito indicato come “Costi totali normalizzati”). Si riesce a visualizzare graficamente la riduzione delle anomalie di costo elevato per abitante dovute principalmente alla presenza di utenze non residenti (es. zone turistiche) grazie all’utilizzo degli abitanti equivalenti.
Figura 4.2 – Distribuzione territoriale dei costi totali per abitante, così come dichiarati nelle schede comunali. Dati 2008
Figura 4.3 – Rappresentazione GIS dell’indicatore costi totali per abitante equivalente al netto dei costi di spazzamento. In azzurro i comuni eliminati dal campione a causa delle varie anomalie
Costi totali €/abitanten.d.15,33 - 70,27 €/abitante70,28 - 83,0883,09 - 95,0895,09 - 112,70112,71 - 775,45
Costi totali €/abeq escl. outlier no spazoutlier31,91 - 48,54 €/abeq48,55 - 61,0061,01 - 70,5570,56 - 82,0982,10 - 126,84
16
5 Individuazione dei principali centri di costo imputabili ai
differenti sistemi
5.1 Parametri oggetto di compilazione nella scheda O.R.SO.
Come anticipato al cap. 4, il valore più significativo indicato dai Comuni è la voce “costo totale del servizio”. Una buona parte dei comuni, però, possiede e riporta sufficienti informazioni economiche più disaggregate. Qui di seguito sono indicati i parametri di costo riportati nelle schede comunali di rilevamento, e quindi presenti nell’applicativo O.R.SO.
Essi coincidono perfettamente con i dati richiesti nella compilazione del MUD – Modello Unico di Dichiarazione ambientale, il quale prevede un’apposita sezione il cui obbligo di compilazione ai sensi del DPCM 2-12-08 spetta ai Comuni o loro consorzi e che comprende, appunto, informazioni di dettaglio sui costi di gestione dei rifiuti urbani.
Figura 5.1 – Esempio della sezione della scheda O.R.SO. relativa ai costi
Qui di seguito sono riportate le voci di costo per le quali i Comuni devono compilare tutti i dati disponibili. Esse ricalcano fedelmente quelle già richieste per il MUD (Modello Unico di Dichiarazione ambientale)
5.1.1 Costi di gestione del ciclo dei servizi sui RU indifferenziati
• CRT: Costi di raccolta e trasporto RU indifferenziati
• CTS: Costi di trattamento e smaltimento RU indifferenziati
• CSL: Costi di spazzamento e lavaggio strade e piazze pubbliche
• AC: Altri costi RU indifferenziati
CGIND = Totale costi (CSL+CRT+CTS+AC)
5.1.2 Costi di gestione del ciclo della raccolta differenziata
• CRD: Costi totali di raccolta differenziata
17
• CTR: Costi di trattamento e riciclo per le raccolte differenziate
CGD = Totale costi (CRD+CTR)
Ogni sezione di costo tra quelle appena elencate (CSL, CRT, CTS, AC, CRD, CTR) prevede la compilazione, ove possibile, anche delle voci di dettaglio riportate nell’elenco seguente, anche se tipicamente viene compilata unicamente la voce “totale costi”:
• costi per materie di consumo e merci al netto di resi, abbuoni, sconti
• costi per servizi
• costi per godimento beni di terzi
• costo totale del personale addetto
• costo totale del personale addetto al netto della quota relativa ai costi generali
• variazione delle rimanenze di materie prime, sussidiarie, di consumo, merci
• accantonamento per rischi nella misura massima di legge
• altri accantonamenti
• oneri diversi di gestione
• totale costi
5.1.3 Costi generali: CC,CK
In questa sezione vengono indicati costi relativi al servizio comunale di gestione dei rifiuti ma non facenti capo a nessuna delle voci specifiche relative ai rifiuti indifferenziati o alla raccolta differenziata. Ad esempio vengono inseriti in questa sezione i costi di gestione dell’isola ecologica comunale eventualmente presente, del personale addetto alle riscossioni della TARSU, gli ammortamenti dei mezzi o contenitori acquistati dal Comune etc.
• CC Costi comuni
o CARC: Costi amministrativi: accertamento, riscossione, contenzioso
o CGG: Costi generali di gestione
o CCD: costi comuni diversi
• CK Costi d'uso del capitale
o AMM: ammortamenti
o ACC: accantonamenti
o R: remunerazione del capitale investito
5.1.4 Totali complessivi
Questa sezione è quella compilata dalla quasi totalità dei Comuni, ovvero anche da coloro che non inseriscono dati di dettaglio nelle sezioni precedentemente descritte.
• Totale costi CGIND + CGD + CC + CK
• RICAVI
18
o Ra: proventi della vendita di materiali e di energia da rifiuti
o Rb: costi relativi alla raccolta dei rifiuti di imballaggio coperti dal CONAI
• PROVENTI DA TARIFFA
• PROVENTI DA TASSA.
5.2 Considerazioni preliminari all’elaborazione dei centri di costo disaggregati
Come accennato, non tutti i comuni inseriscono i dati economici disaggregati, per varie motivazioni tra le quali si può annoverare la loro mancata disponibilità, una maggior snellezza nella compilazione etc.
Ci sono tra l’altro situazioni in cui tali costi sono inseriti in modo improprio, come ad esempio:
• Presenza di un appalto “a corpo”, a canone mensile che comprende tutti i costi di raccolta
(impossibilità di disaggregare CRD e CRT). In questo caso, si hanno i costi disaggregati del solo
smaltimento ed invio a recupero dei rifiuti (CTR, CTS), e non quelli per la raccolta. Molti Comuni
indicano pertanto la voce totale del canone (CRD + CRT) a volte in CRD, a volte in CRT, falsando di
fatto le statistiche sui singoli centri di costo.
• Imputazione ad un solo Comune di costi generali (ad es. gestione dell’isola ecologica) in realtà
ripartiti su più Comuni che hanno la gestione in forma associata;
• Anomalie derivanti dal riporto automatico con duplicazione di voci di costo di singoli rifiuti (sezioni
dei singoli CER) come gli ingombranti o lo spazzamento stradale;
Pertanto nella valutazione dell’incidenza di questi centri di costo, si è resa necessaria una preliminare operazione di bonifica effettuata escludendo da questo specifico campione le schede nelle quali era presente anche una sola di queste anomalie:
• Presenza di solo una delle due voci CRD e CRT;
• Presenza di solo una delle due voci CTR e CTS;
• Presenza di solo una delle due voci CGD e CGIND
• Outlier già risultante dalle due analisi indicate ai paragrafi 4.1.1 e 4.1.3.
Dopo tale bonifica, sono rimaste a far parte del campione 708 schede sulle 1555 originali, pari al 45,5%; un numero comunque significativo per effettuare statistiche anche con variabili di categorizzazione.
5.3 Valutazione dell’incidenza dei singoli centri di costo rispetto al costo di gestione complessivo
I centri di costo identificati, sui quali è possibile effettuare valutazioni statistiche a livello regionale, sono quindi i seguenti:
• CRT: costi di raccolta e trasporto dell’indifferenziato
• CTS: costi di trattamento e smaltimento dell’indifferenziato
• AC: altri costi relativi all’indifferenziato
• CRD: costi di raccolta e trasporto delle frazioni differenziate
19
• CTR-ric: costi di trattamento e recupero delle frazioni differenziate, al netto dei ricavi
• CSL: costi di spazzamento e lavaggio
• CC: costi comuni
• CK: costi d’uso del capitale
Tali centri di costi sono stati poi ulteriormente aggregate, per alcune analisi, nei seguenti:
• CRACC: corrisponde a CTR + CRD
• CTRAT: corrisponde a CTS + CTR-ric
• CSPAZ: è uguale a CSL
• CALTR: comprende AC + CC + CK
• CINDIFF: è CRT+CTS
• CDIFF: è CRD+CTR-ric
Da notare il fatto che alla voce CTR sono stati giustamente sottratti i ricavi (di norma interamente attribuibili proprio alla voce di trattamento e recupero delle differenziate), specificati nell’apposita sezione a parte della scheda, in quanto altrimenti si sarebbe persa questa importante informazione.
Nella Figura 5.2 è riportata la media dell’incidenza di tali di costo identificati, sul costo complessivo, dopo l’operazione di bonifica sopra indicata.
Figura 5.2 – Media regionale dell’incidenza dei vari centri di costo
Incidenza dei centri di costo
CRT / cTOT; 19,1%
CTS / cTOT; 26,8%
CRD / cTOT; 22,5%
CTR-ric / cTOT; 10,5%
CSL / cTOT; 9,7%
AC / cTOT; 4,8%
CC / cTOT; 13,1%CK / cTOT; 3,6%
20
Nel seguente box plot si ha una raffigurazione a colpo d’occhio della variabilità di tali centri di costo su tutta la regione. Come si vede, il costo di smaltimento del rifiuto indifferenziato (CTS) è la voce che incide sempre maggiormente (Figura 5.3).
Figura 5.3 – Box & Whisker plot dell’incidenza dei centri di costo di dettaglio
Box Plot of multiple variables2008 120v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median 25%-75% Non-Outlier Range CRT / cTOT
CTS / cTOTCRD / cTOT
CTR-ric / cTOTCSL / cTOT
AC / cTOTCC / cTOT
CK / cTOT
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
21
Figura 5.4 - Box & Whisker plot dei centri di costo aggregati (focus su cTRAT e cRACC)
Figura 5.5 - Box & Whisker plot dei centri di costo aggregati (focus su cSPAZ e cDIFF)
Box Plot of multiple variables2008 118v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median 25%-75% Non-Outlier Range cRACC/abeq bonif
cTRAT-ric/abeq bonifcSPAZ/abeq bonif
cALTR/abeq bonif
-€ 10
€ 0
€ 10
€ 20
€ 30
€ 40
€ 50
€ 60
Cos
to €
/abe
q.an
no
Box Plot of multiple variables2008 118v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median 25%-75% Non-Outlier Range cSPAZ/abeq bonif
cALTR/abeq bonifcDIFF-ric/abeq bonif
cINDIFFnoACnoSPAZ/abeq bonif
-€ 10
€ 0
€ 10
€ 20
€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
Cos
to €
/abe
q.an
no
22
6 Definizione degli indici di valenza economica per area
territoriale
6.1 Distribuzione statistica dei costi totali per fasce di variabili significative e ricerca di possibili correlazioni
Una volta ridotta la variabilità legata agli effetti esterni più macroscopici, è possibile verificare la differenza tra sottogruppi della popolazione sulla base di una o più variabili dette di “categorizzazione”. Nei paragrafi seguenti viene descritta tale analisi per alcune variabili significative. La visualizzazione tramite “Variability plot” permette di raffigurare i dati in modo molto più comprensibile di un semplice grafico a dispersione X-Y (scatterplot), in cui si avrebbe soltanto una nuvola di dati (vedi esempio nel paragrafo 6.2). La variabile nell’asse delle ordinate infatti viene categorizzata in fasce di valori, secondo un criterio ragionevole a seconda del caso.
Nelle analisi seguenti, qualora fosse individuata dal Variability plot una certa correlazione apparente, è stata calcolata anche la regressione lineare.
6.2 Densità urbanistica
Il fatto che i costi di gestione dei rifiuti siano legati alle caratteristiche geografiche del territorio è un assunto consolidato. Di primo acchito, infatti, è luogo comune considerare ad es. la raccolta dei rifiuti più onerosa in quelle zone caratterizzate da bassa presenza abitativa su territorio vasto (es. zone montane). La variazione di tali costi all’aumentare della densità urbanistica è di più difficile previsione; entrano infatti in gioco altri fattori come il rallentamento dei mezzi per la raccolta dovuto al traffico, e nel contempo la possibilità di svuotare in modo più ottimizzato pochi contenitori a servizio di molte famiglie.
23
Figura 6.1 - Variability plot, con box & whisker, dei costi per fasce di densità urbanistica, calcolate come indicato al par. 3.3
Dall’analisi statistica dei costi totali normalizzati suddivisi per fasce di densità urbanistica (Figura 6.1) si evince che non esistono significative variabilità dei costi di gestione dei rifiuti legate alle caratteristiche geografiche e insediative del territorio.
Nel caso della variabile densità urbanistica, per poter meglio identificare il nesso sopra citato, è utile però analizzare un altro indicatore che assume un’elevata valenza territoriale, il valore CRT + CTR / abeq, ovvero la somma dei soli costi di raccolta per abitante equivalente slegandosi dalle altre principali componenti di costo (smaltimento e recupero, che dipendono a loro volta dalla produzione totale di rifiuti e dalla percentuale di raccolta differenziata) Ci si aspetterebbe un incremento dei costi di raccolta nei comuni più dispersi territorialmente, ma nel seguente Variability plot, analizzando le medie ed il range interquartile 25% - 75%, si nota che in realtà non si ha una differenza significativa tra i comuni di tipologia rurale con bassa densità urbanistica e quelli più urbanizzati (Figura 6.2).
Median 25%-75% Non-Outlier Range
€ 71,30 € 70,63€ 67,17
€ 70,50€ 67,44 € 67,96
€ 71,30 € 70,63€ 67,17
€ 70,50€ 67,44 € 67,96
<= 65 (65;140] (140;250] (250;520] (520;980] > 980
Densità urbanistica (ab/kmq)
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140C
osti
tota
li nor
mal
izza
ti
€ 71,30 € 70,63€ 67,17
€ 70,50€ 67,44 € 67,96
24
Figura 6.2 - Variability plot, con box & whisker, dei costi della sola raccolta (CRACC) per fasce di densità urbanistica
6.3 Popolazione
Le fasce di popolazione indicate nei grafici seguenti sono state scelte partendo dal metodo dell’ottimizzazione di Jenks, che massimizza la variabilità tra gruppi, per poter avere un numero rappresentativo e significativo di comuni per tutte le fasce.
Sono stati rappresentati due grafici, uno relativo al tradizionale costo per abitante (residente), l’altro relativo alla variabile più normalizzata (costo per abitante equivalente, al netto dei costi di spazzamento e senza outliers). Questo per approfondire un concetto finora oggetto di assunzioni generiche, ovvero il fatto che la raccolta dei rifiuti costi di più in generale sia nei comuni più piccoli che in quelli più grandi, avendo una certa ottimizzazione nella fascia intermedia (Figure 6.3 e 6.4).
Nella Figura 6.3 sembra visualizzarsi questa situazione, ma queste variazioni vengono appianate utilizzando il parametro più vicino alla realtà (costi per ab. eq. al netto dello spazzamento, Figura 6.4). Emerge quindi come la popolazione del comune non sia una variabile così rilevante da influenzare in modo netto i costi per la gestione dei rifiuti, fatta eccezione per le città con più di 30.000 abitanti per le quali si ha un costo mediamente superiore del 15% circa.
Median 25%-75% Non-Outlier Range Raw Data Connect Medians
€ 33,03 € 30,87 € 30,08 € 29,52 € 29,56 € 30,17€ 33,03 € 30,87 € 30,08 € 29,52 € 29,56 € 30,17
<= 65(65;140]
(140;250](250;520]
(520;980]> 980
Densità urbanistica (abitanti/kmq)
€ 0
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
cRAC
C/a
beq
€ 33,03 € 30,87 € 30,08 € 29,52 € 29,56 € 30,17
25
Figura 6.3 - Variability plot, con box & whisker, dei costi totali per fasce di popolazione
Figura 6.4 - Variability plot, con box & whisker, dei costi totali al netto dello spazzamento per fasce di popolazione
Median 25%-75% Non-Outlier Range Raw Data Connect Medians
€ 100,09
€ 86,50 € 81,92 € 86,30€ 96,06
€ 123,75
€ 100,09
€ 86,50 € 81,92 € 86,30€ 96,06
€ 123,75
<= 800 (800;1600] (1600;2700] (2700;10000] (10000;30000] > 30000
Abitanti
€ 0
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
€ 160
€ 180
€ 200
€ 220
€ 240
€ 260
€ 280
€ 300
cTO
T/ab
bon
ificat
i
€ 100,09
€ 86,50 € 81,92 € 86,30€ 96,06
€ 123,75
Median 25%-75% Non-Outlier Range
€ 73,01€ 67,90 € 67,61 € 68,58 € 69,79
€ 79,71
€ 73,01€ 67,90 € 67,61 € 68,58 € 69,79
€ 79,71
<= 800(800;1600]
(1600;2700](2700;10000]
(10000;30000]> 30000
Abitanti
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
Cos
ti to
tali n
orm
aliz
zati
€ 73,01€ 67,90 € 67,61 € 68,58 € 69,79
€ 79,71
26
6.4 Modello di raccolta (contenitori stradali / porta a porta)
La differenza tra modelli di raccolta dei rifiuti è sicuramente una variabile che si prevede avere una significativa influenza sui costi per la gestione dei rifiuti.
Si previsto un approfondimento specifico riguardante la variabilità costi totali normalizzati rispetto ai differenti modelli di raccolta differenziati dei rifiuti.
In Lombardia sono presenti due grandi macrotipologie di sistemi per la raccolta dei rifiuti urbani: quello cosiddetto “porta a porta” e “a cassonetti” (Figura 6.7).
Nelle immagini seguenti (Figura 6.5 e 6.6) sono rappresentate queste due tipologie.
Figura 6.5 – Raccolta stradale a cassonetti
27
Figura 6.6 – Raccolta porta a porta
Figura 6.7 – Anno 2008: Comuni con sistema di raccolta porta a porta e a cassonetti.
Dall’analisi effettuata si consolida la dicotomia tra i due modelli, correlata in particolare ad alcune variabili, come la percentuale di raccolta differenziata e la produzione totale di rifiuti.
Modello di raccoltaCassonetti
Porta a porta
28
Il sistema porta a porta infatti obbliga i cittadini ad una maggiore separazione delle frazioni e limita il conferimento improprio ed eccessivo di rifiuti.
La correlazione rispetto alla percentuale di raccolta differenziata rispetto ai differenti modelli di raccolta è illustrata in Figura 6.8.
Figura 6.8 – Confronto delle percentuali di RD ottenibili con i sistemi a cassonetti e porta a porta
La differenza tra i due gruppi di dati è statisticamente estremamente significativa, come evidenziato dal t-test qui riassunto:
T-tests; Grouping: PAP indiff (2008) Group 1: PAP Group 2: CASS
Media - PAP
Media – CASS t-value df p Valid N
- PAP Valid N - CASS
Std.Dev. - PAP
Std.Dev. – CASS
F-ratio - Variances
p - Variances
RD (%) 53,2% 30,5% 33,11076 1544 0,00 1099 447 13,0% 10,1% 1,638874 0,000000
Tabella 6.1 – T-Test per la verifica della significatività della differenza delle percentuali di RD ottenibili con i sistemi a cassonetti e porta a porta
Mean Mean±SD Mean±1,96*SD
30,5%
53,2%
30,5%
53,2%
CassonettiPorta a porta0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
RD
(%)
30,5%
53,2%
29
La correlazione rispetto alla produzione totale di rifiuti rispetto ai differenti modelli di raccolta è illustrata in Figura 6.9.
Figura 6.9- Confronto della produzione totale di RU con i modelli a cassonetti e porta a porta
T-tests; Grouping: PAP indiff (2008) Group 1: PAP Group 2: CASS
Media -
PAP Media - CASS t-value df p
Valid N -
PAP Valid N -
CASS Std.Dev.
- PAP Std.Dev. - CASS
F-ratio - Variances
p - Variances
Totale RU (kg/ab.eq.anno)
383,2 424,1 -7,275 1540 0,000000 1097 445 86,1 128,3 2,218234 0,000000
Tabella 6.2 – T-Test sulla differenza della produzione totale di RU tra i modelli a cassonetti e porta a porta
Intercettazione totale di rifiuti più alta, congiuntamente ad un tasso di raccolta differenziata tendenzialmente più basso, sono peculiarità ormai consolidate del sistema a cassonetti stradali rispetto alla raccolta porta a porta.
Nel grafico di Figura 6.10 è evidenziata la correlazione tra produzione totale di rifiuti e percentuale di RD raggiunta per i due sistemi. Come si vede, nel grafico di destra si osserva una concentrazione di punti intorno al livello indicativo di 400 kg/abeq.anno, con valori intorno al 60% di RD, sintomo di un sistema di raccolta che può tendenzialmente portare a risultati più standardizzati e ripetibili rispetto al sistema a cassonetti.
Mean Mean±SD Mean±1,96*SD
424,1
383,2
424,1
383,2
CassonettiPorta a porta100
200
300
400
500
600
700
Tota
le R
U /
ab.e
q. (k
g/an
no)
424,1
383,2
30
Figura 6.10 - Correlazione tra produzione totale di rifiuti e percentuale di RD raggiunta per i due modelli a cassonetti e porta a porta
Un’altra differenza peculiare tra i due modelli è la differente composizione dei costi complessivi per la gestione dei rifiuti. Tipicamente, infatti, il sistema di raccolta porta a porta è più labour intensive richiedendo un maggior utilizzo di personale e mezzi, ma di contro permette un risparmio nei costi finali di trattamento e smaltimento (Figura 6.11).
La comparazione più interessante riguarda ovviamente il costo totale per l’intero servizio (raccolta + smaltimento). Nella seguente analisi è rappresentato il confronto, con relativo t-test e box-whisker plot, tra i due modelli di raccolta su tutta la regione Lombardia. In questa comparazione è importante basarsi sul calcolo dei dati di costo per abitante, e non per tonnellata, in virtù di quanto specificato al par. 2.1.
Il risultato dell’analisi evidenzia mediamente un maggior costo attribuibile al modello a cassonetti nella misura di circa un +7% rispetto ai costi attribuibili al sistema porta a porta.
RD (%)
RU
/ab.
eq.
Cassonetti
0%10%
20%30%
40%50%
60%70%
80%90%
0
100
200
300
400
500
600
700
800
900
1000
Porta a porta
0%10%
20%30%
40%50%
60%70%
80%90%
31
Figura 6.11 - Confronto dei costi complessivi al netto dello spazzamento per abitante equivalente, tra i modelli a cassonetti e porta a porta
T-tests; Grouping: PAP indiff (2008) Group 1: PAP Group 2: CASS
Media PAP
Media CASS t-value df p
Valid N -
PAP
Valid N -
CASS Std.Dev.
- PAP Std.Dev. - CASS
F-ratio - Variance
s p –
Variances
Costi totali normalizzati € 69,31 € 74,45 -5,14185 1310 0,000000 925 387 € 16,51 € 16,51 1,000914 0,982136
Tabella 6.3 - t-test sulla differenza nei costi totali tra i modelli a cassonetti e porta a porta
La dispersione dei dati di costo rispetto alla percentuale di raccolta differenziata raggiunta è rappresentata nel seguente scatterplot, in cui in rosso sono raffigurati i comuni con la raccolta del tipo porta a porta ed in blu i comuni a cassonetti stradali (Figura 6.12).
Emerge una scarsa significatività della correlazione lineare interpolata; si può però confermare visivamente quanto già espresso nel t-test di cui alla Tabella 6.3, ovvero una non sostanziale differenza per quanto riguarda il costo complessivo di gestione dei rifiuti tra i due sistemi, ma con performance più elevate dal punto di vista della percentuale di raccolta differenziata raggiungibile nel caso dei sistemi porta a porta
Mean Mean±SD Mean±1,96*SD
€ 74,45
€ 69,31
€ 74,45
€ 69,31
CassonettiPorta a porta€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
€ 90
€ 100
€ 110C
osti
tota
li no
rmal
izza
ti
€ 74,45
€ 69,31
32
Figura 6.12 – Scatterplot di confronto tra i costi totali di gestione dei rifiuti rispetto alla percentuale di raccolta differenziata per i due modelli di raccolta
A titolo solo informativo, è stato creato il grafico di confronto (Figura 6.13) anche utilizzando il parametro di costo in Euro/tonnellata, ovvero il costo totale del servizio (raccolte e smaltimenti)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
RD (%)
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140C
osti
tota
li no
rmal
izza
ti
r2 = 0,0085 Porta a porta Cassonetti
33
Figura 6.13 – Confronto dei costi complessivi in €/tonnellata tra cassonetti e porta a porta
6.5 Frequenze di raccolta porta a porta
Un’altra importante voce presente nel database O.R.SO. è la frequenza di raccolta delle varie frazioni nel caso del sistema porta a porta. Anche in questo caso la variabilità è rilevante e si hanno notevoli personalizzazioni dei modelli; per citare le frazioni principali, si hanno molte combinazioni che vanno per la Forsu dal monosettimanale in inverno e bisettimanale in estate fino al trisettimanale tutto l’anno; il secco è raccolto tipicamente una volta a settimana mentre le frazioni di imballaggio (carta, vetro, plastica) sono raccolte settimanalmente o con frequenza quindicinale.
6.5.1 Bonifica dei dati
I dati relativi a questo indicatore hanno dovuto sottostare ad un accurato processo di bonifica, in quanto purtroppo la scheda O.R.SO. per questo parametro è strutturata “a campo libero” permettendo l’inserimento di indicazioni testuali come “una volta a settimana” etc.
Esse hanno dovuto essere tradotte in numeri intendendosi come giri di raccolta all’anno, effettuando anche delle valutazioni caso per caso (ad es. quando la raccolta è porta a porta solo per i ristoranti il giro di raccolta è stato considerato solo alla stregua di una frazione del giro tradizionale per le utenze domestiche).
6.5.2 Correlazione con i costi
In questo caso si è ricercata una correlazione che dovrebbe essere scontata; l’incremento dei costi di raccolta in relazione al numero di giri di raccolta all’anno. Pur rilevandosi una correlazione si nota che il
Box Plot of cTOT/ton grouped by PAP indiff
Mean Mean±SD Mean±2*SD Raw Data
€ 198.11 € 199.28€ 198.11 € 199.28
Porta a porta Cassonetti
Sistema di raccolta
€ 0
€ 50
€ 100
€ 150
€ 200
€ 250
€ 300
€ 350
€ 400
€ 450
€ 500cT
OT/
ton
€ 198.11 € 199.28
34
relativo coefficiente r2 è molto basso. Si ha ancora una grande variabilità nei dati, che a questo punto può essere dovuta ad esempio alla diversa convenienza economica dell’appalto in essere tra i Comuni ed i vari gestori (Figura 6.14).
Figura 6.14 – Scatterplot per la verifica di una possibile correlazione tra i costi della sola raccolta (cRACC) ed il numero annuo dei giri di raccolta porta a porta.
6.5.3 Costi di raccolta di singole frazioni differenziate ed intercettazione
E’ stato condotto un approfondimento ulteriore per quanto riguarda i costi di raccolta delle singole frazioni, nel caso della raccolta porta a porta. Una parte dei Comuni ha infatti compilato la scheda comunale O.R.SO. in modo dettagliato anche per quanto riguarda i costi della raccolta della singola frazione differenziata. E’ utile analizzare questi dati per verificare quanto sia efficace ed opportuno intensificare le frequenze di raccolta, con attenzione all’aumento di costi correlato.
Quello che emerge, pur tenendo in debita considerazione la variabilità dei dati e il numero più ridotto di schede compilate in dettaglio per quanto riguarda i costi, è la possibilità di effettuare una raccolta efficace dal punto di vista dell’intercettazione a costi contenuti, mantenendo le frequenze ad un livello ragionevole (es. quindicinale per carta, plastica e vetro, bisettimanale per l’umido o addirittura monosettimanale in inverno e bisettimanale nei mesi estivi). Soprattutto per quanto riguarda la raccolta dell’organico si nota come costi più elevati di raccolta, associati il più delle volte a frequenze di ritiro elevate, non garantiscano maggiori intercettazioni. Molto probabilmente sono altri i fattori che determinano il successo di questo tipo di raccolta, come ad esempio la fornitura di sacchetti e contenitori ai cittadini idonei, comodi e possibilmente gratuiti o addebitati in tassa rifiuti.
Scatterplot of cRACC/abeq bonif against giri_TOTSpreadsheet1_(Recovered) 118v*1555c
Exclude condition: v39=0 or v98=0cRACC/abeq bonif = 23,8583+0,0317*x; 0,95 Conf.Int.
0 100 200 300 400 500 600 700 800 900
giri_TOT
€ 0
€ 10
€ 20
€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
cRA
CC
/abe
q bo
nif
giri_TOT:cRACC/abeq bonif: r = 0,2718; p = 0,00000; r2 = 0,0739
35
Figura 6.15 – Analisi del tasso di intercettazione della frazione organica rispetto ai costi di raccolta. In rosso la serie di dati con frequenza > 90 giri / anno (corrisponde indicativamente alla frequenza bisettimanale), in blu < 90 giri / anno (frequenza monosettimanale invernale con raddoppio estivo). Le linee rappresentano curve di regressione
polinomiale di secondo ordine
Figura 6.16 - Analisi del tasso di intercettazione della carta rispetto ai costi di raccolta. In rosso la serie di dati con frequenza > 40 giri / anno (corrisponde indicativamente alla frequenza settimanale), in blu < 40 giri / anno
(frequenza quindicinale)
Scatterplot of Organico/abeq against Cracc_organico/abeq; categorized by Organico2008_1.sta 137v*1555c
Exclude condition: v69=0
Cracc_organico/abeq
Org
anic
o: k
g/ab
eq.a
nno
Organico: <= 90Organico: > 90€ 0 € 2 € 4 € 6 € 8 € 10 € 12 € 14 € 16 € 18 € 20
0
10
20
30
40
50
60
70
80
90
100
Scatterplot of Carta/abeq against Cracc_carta/abeq; categorized by FreqCarta2008_1.sta 137v*1555c
Include condition: v74>=3Exclude condition: v70=0
Cracc_carta/abeq
Car
ta: k
g/ab
eq.a
nno
FreqCarta: <= 40FreqCarta: > 40€ 0 € 2 € 4 € 6 € 8 € 10 € 12 € 14 € 16
0
20
40
60
80
100
120
36
Figura 6.17 - Analisi del tasso di intercettazione della plastica rispetto ai costi di raccolta. In rosso la serie di dati con frequenza > 40 giri / anno (corrisponde indicativamente alla frequenza settimanale), in blu < 40 giri / anno
(frequenza quindicinale)
Figura 6.18 - analisi del tasso di intercettazione del vetro rispetto ai costi di raccolta. In rosso la serie di dati con frequenza > 40 giri / anno (corrisponde indicativamente alla frequenza settimanale), in blu < 40 giri / anno
(frequenza quindicinale)
6.6 Produzione totale pro capite di rifiuti
La produzione totale pro capite di rifiuti è ovviamente correlata ai costi generali di gestione meglio di altre variabili, come è ben rappresentato nella Figura 6.19. Questa elaborazione supporta senz’altro la tesi per cui è più opportuno investire verso sistemi di raccolta che disincentivino la sovrapproduzione di rifiuti o in iniziative volte alla riduzione a monte dei rifiuti prodotti.
Scatterplot of Plastica/abeq against Cracc_plastica/abeq; categorized byFreqPlastica
2008_1.sta 137v*1555cInclude condition: v74>=3Exclude condition: v71=0
Cracc_plastica/abeq
Plas
tica:
kg/
abeq
.ann
o
FreqPlastica: <= 40FreqPlastica: > 40€ 0 € 2 € 4 € 6 € 8 € 10
02468
1012141618202224262830
Scatterplot of Vetro/abeq against Cracc_vetro/abeq; categorized by FreqVetro2008_1.sta 137v*1555c
Include condition: v74>=3Exclude condition: v72=0
Cracc_vetro/abeq
Vetro
: kg/
abeq
.ann
o
FreqVetro: <= 40FreqVetro: > 40€ 0 € 2 € 4 € 6 € 8 € 10 € 12
0
10
20
30
40
50
60
70
80
90
100
37
Figura 6.19 - Scatterplot per la verifica della correlazione tra i costi totali e la produzione pro capite annua di rifiuti. Il grafico di sinistra indica i comuni con % RD <= 50%, quello di destra >50%
6.7 Raccolta differenziata
Di particolare interesse, nell’ambito della pianificazione a scala regionale e locale della gestione dei rifiuti, è la relazione tra il costo totale normalizzato e la percentuale di raccolta differenziata (RD) raggiunta. Occorre pertanto verificare se a percentuali elevate di raccolta differenziata corrispondano o meno costi altrettanto elevati.
La disponibilità di una popolazione di dati molto ampia permette di affrontare il tema con il dovuto rigore statistico senza ricadere in valutazioni affrettate.
Innanzitutto, come già accennato con il grafico in Figura 6.12, analizzando lo scatterplot x-y, e senza categorizzazioni in Figura 6.20, si nota come i punti siano molto dispersi e la debole correlazione presente (r2 = 0,0085, p= 0,0004) presenti tra l’altro una pendenza negativa (m= -10,24).
Scatterplot of Costi totali normalizzati against RU/ab.eq.
r2 = 0.2169
100 200 300 400 500 600 700 800
Totale RU kg/abeq
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
Cos
ti to
tali
norm
aliz
zati
38
Figura 6.20 – Scatterplot totale con verifica dell’eventuale correlazione tra costi totali al netto dello spazzamento e % RD
Nell’analisi mediante variability plot si evidenzia meglio la distribuzione dei dati all’interno di fasce omogenee per percentuale di raccolta differenziata raggiunta. Il grafico in Figura 6.21 è relativo alla totalità del campione (dati bonificati come specificato al paragrafo 4.1.5).
Figura 6.21 - Variability plot per la verifica per fasce di RD dell’eventuale correlazione tra costi totali al netto dello spazzamento e % RD
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
RD (%)
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
Cos
ti to
tali
norm
aliz
zati
r2 = 0,0085
€ 75,49 € 73,55€ 68,55 € 66,82 € 66,92
€ 69,52 € 69,47
€ 75,49 € 73,55€ 68,55 € 66,82 € 66,92
€ 69,52 € 69,47
<= 20% (20%;30% ] (30% ;40%] (40%;50% ] (50%;60% ] (60% ;70%] > 70%
RD (%)
€ 20
€ 40
€ 60
€ 80
€ 100
€ 120
€ 140
Cos
ti to
tali
norm
aliz
zati
€ 75,49 € 73,55€ 68,55 € 66,82 € 66,92
€ 69,52 € 69,47
Median 25% -75% Non-Outlier Range
39
In questo caso è utile effettuare un approfondimento per centri di costo, utilizzando il subset di dati relativi alle schede compilate in modo “dettagliato”.
Nei grafici in Figura 6.22 e Figura 6.23 viene evidenziata la variabilità dei dati di costo mediante visualizzazione con istogramma in pila. Analizzando la Figura 6.22 si evidenzia, all’aumentare della percentuale di raccolta differenziata, l’incremento dei costi di gestione della differenziata (cDIFF) e la diminuzione di quelli relativi alle frazioni indifferenziate (cINDIFF). È interessante notare la decrescita della somma di questi due valori.
Per quanto riguarda la Figura 6.23, si nota come i costi della sola raccolta (cRACC, ricordando che si tratta della raccolta sia delle frazioni differenziate che dell’indifferenziato) appaiono costanti con l’aumentare della differenziata, fatta eccezione per la fascia dei comuni sopra al 70% di RD per i quali evidentemente il sistema di raccolta molto spinto genera un incremento dei costi. Anche qui la somma di cRACC e cTRAT decresce con l’incremento dell’ RD.
Come descritto in precedenza, questi quattro indicatori (cRACC, cTRAT, cDIFF e cINDIFF) non comprendono i costi “invarianti” o poco correlati al modello di raccolta, come i costi di spazzamento, e quelli generali e comuni. L’analisi è quindi mirata alla sola fase di raccolta e smaltimento dei rifiuti.
Gli istogrammi sono relativi alle mediane dei valori, e le barre di variazione rappresentano il 25° ed il 75° percentile. Il numero di dati per fascia di RD è raffigurato in Tabella 6.4.
Fascia N campione <20% 20 (20%;30%] 44 (30%;40%] 106 (40%;50%] 140 (50%;60%] 206 (60%;70%] 158 >70% 34
Tabella 6.4 – Numero di campioni inclusi nell’analisi di variabilità per fasce riportata in Figura 6.22 e Figura 6.23
40
Figura 6.22 – Analisi della variabilità per fasce di RD dei due indicatori cDIFF / cINDIFF (per abitante equivalente) e della loro somma. Le barre di dispersione indicano il range tra il 25° ed il 75° percentile
Figura 6.23 - Analisi della variabilità per fasce di RD dei due indicatori cTRAT / cRACC (per abitante equivalente) e della loro somma. Le barre di dispersione indicano il range tra il 25° ed il 75° percentile
Costi disaggregati per fasce di % RD
€ 0
€ 10
€ 20
€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
€ 90
<20% (20%;30%](30%;40%](40%;50%](50%;60%](60%;70%] >70%
€/ab
eq.a
nno
cINDIFF/abeq
cDIFF/abeq
Costi disaggregati per fasce di % RD
€ 0
€ 10
€ 20
€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
€ 90
<20% (20%;30%](30%;40%](40%;50%](50%;60%](60%;70%] >70%
€/ab
eq.a
nno
cTRAT/abeq
cRACC/abeq
41
7 Analisi del sistema di raccolta differenziata dei casi studio
7.1 Bacini di comuni omogenei
I “bacini” di comuni identificati al paragrafo 3.2 presentano modalità di gestione pressoché omogenee al loro interno.
Nella Tabella 7.1 sono riportati gli aspetti peculiari caratterizzanti i servizi nei comuni facenti parte dei bacini, ovvero la percentuale dei comuni serviti dal porta a porta dei rifiuti indifferenziati e della Forsu, i costi totali per abitante equivalente e la percentuale di raccolta differenziata.
BACINO Numero comuni
% con PAP indiff
% con PAP Forsu cTOT/abequiv cTOT/abequiv
no spaz RD (%)
A.E.M. GESTIONI S.r.l. 39 100% 79% €67,29 €65,83 52,4% A.S.M. Magenta 3 100% 100% €82,13 €72,65 52,9% AMGA Legnano Spa 5 100% 100% €97,69 €86,48 62,6% AMSA Azienda Milanese Servizi Ambientali S.r.l. 8 100% 88% €99,79 €60,05 43,8% Aprica S.p.A. 74 5% 0% €68,63 €62,90 31,0% ASM Pavia 30 93% 7% €58,09 €50,51 32,3% ASM - Impianti e Servizi Ambientali S.p.A. Vigevano 2 100% 100% €52,45 €45,63 35,9% ASPEM S.p.A. 5 100% 80% €101,90 €63,50 51,7% ASPM SORESINA SERVIZI S.P.A. 2 100% 100% €40,06 €37,83 58,6% ASTEM GESTIONI S.r.l. 15 100% 80% €84,05 €82,79 57,1% Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A. 13 100% 100% €65,75 €55,11 58,6% Broni Stradella S.p.A. 54 6% 0% €76,10 €73,17 28,3% Casalasca Servizi S.p.A. 22 95% 82% €85,95 €78,97 61,2% CEM Ambiente S.p.A. 47 100% 100% €65,25 €58,97 63,6% CLIR 45 0% 0% €70,04 €63,17 27,1% COINGER 22 100% 100% €61,30 €57,48 65,5% Com. Mont. Alpi Lepontine 16 0% 0% €68,09 €68,02 20,7% Comunità Montana della Valcuvia 18 100% 100% €59,64 €59,17 56,8% Comunità Montana Triangolo Lariano 23 83% 4% €55,61 €54,95 35,9% Consorzio Brianza Milanese 15 100% 100% €68,91 €60,54 60,7% Consorzio comuni dei navigli 15 100% 100% €105,27 €92,35 62,1% Convenzione "Valleimagnapulita" 5 100% 0% €62,40 €62,40 46,2% Convenzione intercomunale Sesto C. 18 100% 94% €56,60 €54,58 63,5% GARDA UNO S.p.A. 14 29% 7% €128,41 €45,91 39,8% S.A.S.O.M. S.r.l. Società Ambiente del Sud Ovest Milanese 10 100% 90% €73,20 €63,69 51,2% S.EC.AM S.p.A. 72 81% 15% €62,11 €54,83 42,2% S.I.ECO. S.r.l. 4 100% 100% €52,51 €49,85 67,5% Service 24 S.p.A. 7 100% 100% €59,19 €57,00 56,1% SILEA S.p.A. 90 84% 74% €63,64 €55,24 53,9% Società Cremasca Servizi S.p.A. 49 100% 100% €71,53 €68,58 66,0% VAL CAVALLINA SERVIZI S.r.l. 27 93% 78% €53,73 €51,10 50,7% Vallecamonica Servizi S.p.A. 42 45% 2% €68,54 €63,77 28,8% CAPOLUOGHI 12 83% 75% €104,55 €67,24 42,3%
Tabella 7.1 – Dati principali relativi ai bacini omogenei: numero comuni, % di comuni con attiva la raccolta porta a porta di indifferenziato e Forsu, costi totali, % RD
42
Figura 7.1 – Scatterplot per la visualizzazione dei costi totali rispetto alla RD raggiunta, per due sottogruppi del campione: in blu i bacini che hanno meno del 50% dei comuni attivi con la raccolta porta a porta dell’organico, in rosso > 50%. Gli ellissi indicano il 90% di intervallo di confidenza e sono orientati come la possibile correlazione
lineare.
7.2 Considerazioni sui capoluoghi di provincia
Per quanto riguarda i capoluoghi di provincia viene qui presentata un’analisi di dettaglio che permette di comparare più a fondo gli indici di valenza economica precedentemente identificati, in un campione di comuni tra l’altro abbastanza omogeneo per popolazione, densità urbanistica, presenza di utenze non domestiche o domestiche non residenti.
In questi comuni sono inoltre attivi servizi complementari abbastanza simili, come lo spazzamento stradale e le isole ecologiche per i cittadini.
Una cautela particolare va utilizzata osservando i dati di Milano, in quanto pur ragionando su indicatori normalizzati per abitante la tipologia della metropoli per certi aspetti non è confrontabile con gli altri capoluoghi di provincia.
7.2.1 Peculiarità dei sistemi
A Como viene effettuata una raccolta domiciliare a sacchi (sacco viola) per carta, contenitori in plastica, stracci, lattine in alluminio e metallo, tetrapak, con frequenza trisettimanale.
RD (%)
Cos
ti to
tali
norm
aliz
zati
Aprica S.p.A.
ASM Pavia
Broni Stradella S.p.A.
CLIR
Com. Mont. Alpi Lepontine
Comunità Montana Triangolo Lariano
Convenzione "Valleimagnapulita"
GARDA UNO S.p.A.
S.EC.AM S.p.A.
Vallecamonica Servizi S.p.A. A.E.M. GESTIONI S.r.l.
A.S.M. Magenta
AMGA Legnano Spa
AMSA Azienda Milanese Servizi Ambientali S.r.l.
ASM - Impianti e Servizi Ambientali S.p.A. Vigevano
ASPEM S.p.A.
ASPM SORESINA SERVIZI S.P.A.
ASTEM GESTIONI S.r.l.
Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A.
Casalasca Servizi S.p.A.
CEM Ambiente S.p.A. COINGER
Comunità Montana della Valcuvia
Consorzio Brianza Milanese
Consorzio comuni dei navigli
Convenzione intercomunale Sesto C.
S.A.S.O.M. S. r.l. Società Ambiente del Sud Ovest Milanese
S.I.ECO. S.r.l.
Service 24 S.p.A.
SILEA S.p.A.
Società Cremasca Servizi S.p.A.
VAL CAVALLINA SERVIZI S.r.l.
CAPOLUOGHI
10% 20% 30% 40% 50% 60% 70%€ 30
€ 40
€ 50
€ 60
€ 70
€ 80
€ 90
€ 100
Aprica S.p.A.
ASM Pavia
Broni Stradella S.p.A.
CLIR
Com. Mont. Alpi Lepontine
Comunità Montana Triangolo Lariano
Convenzione "Valleimagnapulita"
GARDA UNO S.p.A.
S.EC.AM S.p.A.
Vallecamonica Servizi S.p.A. A.E.M. GESTIONI S.r.l.
A.S.M. Magenta
AMGA Legnano Spa
AMSA Azienda Milanese Servizi Ambientali S.r.l.
ASM - Impianti e Servizi Ambientali S.p.A. Vigevano
ASPEM S.p.A.
ASPM SORESINA SERVIZI S.P.A.
ASTEM GESTIONI S.r.l.
Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A.
Casalasca Servizi S.p.A.
CEM Ambiente S.p.A. COINGER
Comunità Montana della Valcuvia
Consorzio Brianza Milanese
Consorzio comuni dei navigli
Convenzione intercomunale Sesto C.
S.A.S.O.M. S. r.l. Società Ambiente del Sud Ovest Milanese
S.I.ECO. S.r.l.
Service 24 S.p.A.
SILEA S.p.A.
Società Cremasca Servizi S.p.A.
VAL CAVALLINA SERVIZI S.r.l.
CAPOLUOGHI
Comuni con PAP Organico: <= 50%
Comuni con PAP Organico: > 50 %
43
A Monza la raccolta differenziata è spinta e prevede una frequenza molto elevata sia per l’indifferenziato che per l’umido (trisettimanale per tutte e due le frazioni).
Nella città di Cremona i sacchetti per la raccolta dell’umido sono distribuiti gratuitamente presso una serie di punti convenzionati.
A Lecco la raccolta secco-umido è su tutte le utenze e prevede una frequenza del tipo 3+2 (trisettimanale umido, bisettimanale secco), mentre per le differenziate viene utilizzato già da tempo il “sacco viola” multimateriale in cui si raccoglie carta, plastica, alluminio, metallo, tetrapak.
A Varese si ha un multimateriale plastica+tetrapak nel sacco giallo, e la raccolta secco-umido segue lo standard 2+1 (passando a 2+2 nelle vie del centro).
A Lodi la raccolta dell’umido è trisettimanale nel centro, così come l’indifferenziato; tale raccolta è a cassonetti stradali nel resto della città.
7.2.2 Tabelle di sintesi
COMUNE dens urb Abitanti abitanti equiv RU/ab RU/ab.eq. RD (%)
Varese 1.512 81.990 100.823 542 441 46,6% Como 2.295 84.085 119.940 511 359 38,5% Sondrio 1.071 22.309 29.941 543 404 45,9% Milano 7.201 1.299.418 1.467.040 576 510 32,6% Monza 3.707 121.280 140.112 454 393 50,1% Bergamo 2.960 117.890 152.426 561 434 49,9% Brescia 2.143 190.844 241.808 729 575 39,1% Pavia 1.111 70.514 85.870 638 524 28,1% Cremona 1.024 71.998 85.842 616 516 44,2% Mantova 754 48.357 61.819 659 515 37,4% Lecco 1.050 47.529 60.856 491 383 54,9% Lodi 1.062 43.591 51.254 574 488 40,1%
Tabella 7.2 – Indicatori principali relativi ai capoluoghi di provincia
44
COMUNE Carta /ab Organico /ab
Plastica /ab
Vetro /ab
Multimat /ab
Carta Plast Vetro
Multi /ab
PAP indiff
Giri/anno PAP
Organico Note
Varese 61,7 72,9 - 51,2 17,7 130,6 1 104 Tutte le utenzeComo 6,7 12,0 1,9 40,1 100,8 149,5 1 20 Solo non domesticheSondrio 93,1 13,2 9,3 40,3 1,8 144,4 1 20 Solo non domesticheMilano 72,5 28,0 23,0 49,6 - 145,1 1 60 Solo non domesticheMonza 59,5 69,7 - - 64,1 123,6 1 156 Tutte le utenze
Bergamo 99,9 69,6 0,3 54,3 0,1 154,6 1 104 Tutta le utenze escl. Centro storico e città
alta Brescia 107,0 44,5 4,8 30,0 - 141,8 0 Cass A cassonettiPavia 66,5 2,1 2,1 31,4 5,3 105,3 1 20 Solo alcune non
domestiche Cremona 85,4 22,9 8,4 43,2 - 137,1 1 104 Tutte le utenze da
marzo 2008 Mantova 101,3 13,0 10,3 26,0 14,3 151,9 0 20 Solo non domesticheLecco 11,6 59,0 0,1 42,1 101,7 155,5 1 156 Tutte le utenze
Lodi 55,8 42,2 10,0 1,6 39,2 106,6 1 156 Solo centro città; resto a cassonetti
Tabella 7.3 – Tasso di intercettazione in kg/ab.anno, attivazione della raccolta porta a porta dell’indifferenziato, numero di giri/anno (equivalenti) di raccolta della Forsu e note
COMUNE cTOT/ab cTOT /abeq
cTOT/abeq NOoutNOs
paz cRACC/
ab cTRAT-ric/ab cSPAZ/ab
cALTR/ab cDIFF/ab cINDIFF/a
b
Varese € 158,56 € 128,94 € 117,50 € 28,58 € 37,24 € 14,08 € 78,67 € 25,12 € 59,59 Como € 134,18 € 94,07 € 94,07* €- € 18,46 €- € 115,72 € 19,62 € 115,72 Sondrio € 138,16 € 102,94 € 76,48 € 58,20 € 38,47 € 35,51 €5,98 € 40,56 € 107,52 Milano € 144,76 € 128,22 € 82,86 € 34,24 -€ 28,72 € 51,22 € 88,03 € 24,58 € 106,50 Monza € 179,30 € 155,20 € 110,30 € 66,05 € 23,65 € 51,87 € 37,73 € 43,07 € 110,84 Bergamo € 134,06 € 103,69 € 78,72 € 32,48 € 20,51 € 32,28 € 48,79 € 30,47 € 68,69 Brescia € 124,70 € 98,42 € 76,14 € 44,85 € 31,57 € 28,22 € 20,06 € 31,47 € 78,38 Pavia € 161,68 € 132,77 € 106,94 € 50,73 € 56,46 € 31,45 € 23,05 € 15,40 € 127,80 Cremona € 128,67 € 107,92 € 98,18 € 40,72 € 40,59 € 11,61 € 35,75 € 20,67 € 80,49 Mantova € 162,85 € 127,39 € 99,52 € 67,63 € 37,43 € 35,62 € 22,17 € 37,31 € 120,56 Lecco € 132,34 € 103,36 € 74,08 € 31,38 € 43,78 € 37,49 € 19,68 € 35,27 € 93,85 Lodi € 149,14 € 126,84 € 126,84* €- €- €- €- €- €- * Como e Lodi non hanno dichiarato i costi in modo disaggregato, quindi non è stato possibile sottrarre i costi di spazzamento
Tabella 7.4 – Indicatori principali di costo per i capoluoghi di provincia
45
Figura 7.2 – Confronto tra i capoluoghi di provincia utilizzando i tre indicatori di costo totale (per abitante, per abitante equivalente, per abitante equivalente al netto dei costi di spazzamento)
Figura 7.3 – Scatterplot di confronto tra costi totali per abitante e % RD
costi TOT - indicatori
€ - € 20 € 40 € 60 € 80 € 100 € 120 € 140 € 160 € 180 € 200
Varese
Como
Sondrio
Milano
Monza
Bergamo
Brescia
Pavia
Cremona
Mantova
Lecco
Lodi cTOT/abeqNOoutNOspaz
cTOT/abequiv
cTOT/ab grezzi
Scatterplot of cTOT/ab grezzi against PercRD+IngRec(%)2008 145v*12c
Varese
ComoSondrio
Milano
Monza
Bergamo
Brescia
Pavia
Cremona
Mantova
Lecco
Lodi
26% 28% 30% 32% 34% 36% 38% 40% 42% 44% 46% 48% 50% 52% 54% 56%
PercRD+IngRec(%)
€ 120
€ 130
€ 140
€ 150
€ 160
€ 170
€ 180
€ 190
cTO
T/ab
gre
zzi
Varese
ComoSondrio
Milano
Monza
Bergamo
Brescia
Pavia
Cremona
Mantova
Lecco
Lodi
Costo medio-basso
Costo alto
Costo medio
RD medio-bassa RD medio - alta
46
Figura 7.4 - Scatterplot di confronto tra costi totali per abitante equivalente al netto dello spazzamento e % RD
COMUNE cTOT/ab grezzi Indiff CRT Indiff CTS Indiff CSL Indiff AC Indiff
CGIND tot
Varese € 158,56 € 12,37 € 28,33 € 14,08 € 4,81 € 59,59 Como € 134,18 € - € - € - € 115,72 € 115,72 Sondrio € 138,16 € 29,23 € 41,40 € 35,51 € 1,38 € 107,52 Milano € 144,76 € 17,90 € 32,93 € 51,22 € 4,45 € 106,50 Monza € 179,30 € 31,56 € 24,18 € 51,87 € 3,23 € 110,84 Bergamo € 134,06 € 13,21 € 23,20 € 32,28 € - € 68,69 Brescia € 124,70 € 26,31 € 23,84 € 28,22 € - € 78,38 Pavia € 161,68 € 42,13 € 49,65 € 31,45 € 4,57 € 127,80 Cremona € 128,67 € 24,74 € 44,13 € 11,61 € - € 80,49 Mantova € 162,85 € 34,54 € 41,10 € 35,62 € 9,30 € 120,56
Tabella 7.5 – Centri di costo relativi all’indifferenziato per i capoluoghi di provincia (€/abitante)
Scatterplot of cTOT/abeqNOoutNOspaz against PercRD+IngRec(%)2008 145v*12c
Varese
Como
Sondrio
Milano
Monza
BergamoBrescia
Pavia
CremonaMantova
Lecco
Lodi
26% 28% 30% 32% 34% 36% 38% 40% 42% 44% 46% 48% 50% 52% 54% 56%
PercRD+IngRec(%)
€ 70
€ 80
€ 90
€ 100
€ 110
€ 120
€ 130
cTO
T/ab
eqN
Oou
tNO
spaz
Varese
Como
Sondrio
Milano
Monza
BergamoBrescia
Pavia
CremonaMantova
Lecco
Lodi
Costo medio-basso
Costo alto
Costo medio
RD medio-bassa RD medio - alta
47
COMUNE DiffCRD DiffCTR DiffCGDtot comCCtot capCKtot
Varese € 16,21 € 8,91 € 25,12 € 60,24 € 13,61 Como € - € 19,62 € 19,62 € - € - Sondrio € 28,98 € 11,59 € 40,56 € 4,60 € - Milano € 16,34 € 8,25 € 24,58 € 59,63 € 23,95 Monza € 34,50 € 8,58 € 43,07 € 34,50 € - Bergamo € 19,27 € 11,20 € 30,47 € 40,35 € 8,43 Brescia € 18,54 € 12,94 € 31,47 € 9,83 € 10,23 Pavia € 8,59 € 6,81 € 15,40 € 18,48 € - Cremona € 15,97 € 4,70 € 20,67 € 30,79 € 4,96 Mantova € 33,09 € 4,22 € 37,31 € 7,91 € 4,97
Tabella 7.6 - Centri di costo relativi alle differenziate ed i costi comuni per i capoluoghi di provincia
COMUNE cDIFF/cTOT cINDIFF/cTOT cALTR/cTOT
Varese 15,8% 37,6% 49,6% Como 14,6% 86,2% 86,2% Sondrio 29,4% 77,8% 4,3% Milano 17,0% 73,6% 60,8% Monza 24,0% 61,8% 21,0% Bergamo 22,7% 51,2% 36,4% Brescia 25,2% 62,9% 16,1% Pavia 9,5% 79,0% 14,3% Cremona 16,1% 62,6% 27,8% Mantova 22,9% 74,0% 13,6%
Tabella 7.7 - % di incidenza dei tre principali centri di costo sul totale
7.2.3 Recenti modifiche dei servizi
Alla luce degli obiettivi previsti dal D.Lgs. 152/06 e s.m.i. (raggiungimento del 65% di raccolta differenziata entro il 2012), alcuni capoluoghi di provincia più lontani da questo obiettivo hanno deciso di modificare il sistema di raccolta passando al porta a porta su parte o tutto il territorio comunale. Nello specifico, la città di Milano ha introdotto nel mese di giugno 2009 la raccolta domiciliare dell’umido su 3 zone per un totale di circa 45.000 abitanti; Sondrio dal 5 ottobre 2009 ha abbandonato la raccolta a cassonetti di carta, plastica e lattine per passare al porta a porta a sacchi; a Mantova dal 15 settembre 2009 è stata introdotta la raccolta domiciliare dell’umido su tutta la città.
Lodi ha potenziato recentemente il servizio a cassonetti stradali introducendoli anche per carta e plastica.
8 Confronto a scala più ampia
8.1 Dati europei
Effettuare un confronto omogeneo che abbia senso, tra i sistemi di raccolta e di pagamento dei servizi di gestione rifiuti a livello europeo, è molto complicato. Lo studio più attendibile in questo senso è quello
48
effettuato per conto della Commissione UE da Eunomia Research, purtroppo relativo a dati degli anni 1998-2000. Esso è disponibile all’indirizzo
http://ec.europa.eu/environment/waste/studies/pdf/euwastemanagement_annexes.pdf
Gli indicatori utilizzati in suddetto studio tuttavia sono molto vari e disomogenei per paese, rendendo possibili solo pochi confronti specifici di dettaglio.
8.2 Dati nazionali
A livello nazionale i dati più recenti sono quelli elaborati da ISPRA e pubblicati nell’ultima edizione del Rapporto sulla Gestione dei Rifiuti. Essi sono relativi ai Piani Finanziari dei comuni che hanno istituito la tariffa ai sensi del DPR 158/99, e riguardano i costi per l’anno 2007. Purtroppo questo campione non è molto rappresentativo in quanto riguarda solo 334 comuni a livello nazionale, pari al 4,1% del totale. Ulteriori statistiche potrebbero essere effettuate analizzando le dichiarazioni MUD delle schede RU dei Comuni di tutta Italia, oppure utilizzando le schede OR.SO. delle altre Regioni che attualmente stanno utilizzando tale sistema di acquisizione, ma non è attualmente disponibile nulla in tal senso.
Utilizzando l’indicatore “costi totali” in €/abitante*anno, si ha il seguente confronto tra la regione Lombardia e i dati nazionali:
Fonte dato Costi totali €/abitante
ISPRA, rapporto annuale rifiuti, Lombardia 2007 - solo comuni che hanno presentato Piano Finanziario (122 su 1546) 105,5
ARPA Lombardia, rapporto annuale, dati 2007 (media dei costi comunali non soggetti ad anomalie dopo verifica ARPA) 90
Presente studio: Lombardia, dati 2008, tutte le schede che hanno dichiarato costi totali 97,08
Presente studio: Lombardia, dati 2008, solo le schede che hanno compilato le sezioni di dettaglio dei costi generali 103,6
Tabella 8.1 – Confronto indicatori di costo totale disponibili in letteratura e derivanti dal presente studio
Di seguito è riportato un confronto di dettaglio sulle singole sezioni di costo, ricordando che i dati delle altre regioni sono riferiti al 2007 e riguardano un campione limitato come sopra precisato.
49
Fonte dati
CSL CRT CGIND CRD CGD CC CK CTOT
€/ab*anno €/ab*anno €/ab*anno €/ab*anno €/ab*anno €/ab*anno €/ab*anno €/ab*anno
Presente studio
Lombardia 2008 (tutte le schede)
97,1
Lombardia 2008 (solo schede con costi di dettaglio)
9,4 18,5 57,5 20,6 30,2 12,4 3,5 103,6
Dati ISPRA rapporto rifiuti
Lombardia 2007 14,9 17,2 57,9 18 25,8 18,8 3,5 105,5 Piemonte 20,2 18,9 66,8 39,7 49,7 14,5 4 135,3 Trentino Alto Adige 7,7 14,8 38,8 17 28,7 28,2 5,3 101 Veneto 11,4 18,5 55,7 18,3 25,7 18,4 10,7 110,5 Friuli Venezia Giulia 4,7 16,3 55,8 16,1 17,8 9 3 85,7 Liguria 19,2 10,4 62,6 8,3 18,6 49,6 18,4 149,1 Emilia Romagna 14 15 73,5 19,6 25,5 32,2 10,3 145,2 NORD 13,9 17,1 60,2 20,2 27,8 21,4 7,2 117,1 Toscana 27,1 13,9 87,4 12,8 20,9 54,6 26,1 188,9 Marche 11,9 11,8 73,1 10,7 13,7 36,7 2,2 125,6 Lazio 39 44,9 124,7 14,3 14,6 22,6 15,6 177,5 CENTRO 37 40,1 118,7 14 15,6 27,5 17,1 179 Abruzzo 13 19,1 87,9 15,5 18,7 39,2 8,9 152,6 Campania 13,9 43,4 82,3 32,5 52,5 1,2 0 133,2 Puglia 15 15,7 63,5 9,6 9,6 2,9 0 76 Basilicata 49,9 65,8 141,5 5,3 48 5 26,8 221,3 Sardegna 33,9 37,4 82,7 30 30 8,1 0 120,7 SUD 30 39,1 95,8 20,5 32,5 13,3 7,9 148,8 ITALIA 25 28,4 88,1 17,4 22,5 23,8 11,7 146,4
Tabella 8.2 – confronto di dettaglio tra i dati del presente studio (2008) e i dati ISPRA nazionali (2007).
8.3 Confronto tra province
Nei grafici seguenti è riportato un confronto sui dati medi provinciali utilizzando due indicatori: il tradizionale costo per abitante, utile per poter confrontare questi dati con altri studi di letteratura, ed il costo per abitante equivalente dopo bonifica e sottrazione dei costi dello spazzamento stradale, ovvero l’indicatore più utilizzato in questo studio.
50
Figura 8.1 – costi medi provinciali per la gestione dell’intero servizio (tutte le voci di costo comprese)
Figura 8.2 – costi medi provinciali per abitante equivalente, eliminati gli outliers e tolti i costi di spazzamento
50
60
70
80
90
100
110
VA CO SO MI BG BS PV CR MN LC LO
€/ab
itan
te
Costi medi €/abitante
30
40
50
60
70
80
90
VA CO SO MI BG BS PV CR MN LC LO
€/ab
eq N
Oou
tNO
spaz
Costi medi €/abitante equivalente dopo bonifica, senza costi spazzamento
51
9 Conclusioni
Il presente studio si è basato sull’analisi statistica di una popolazione di dati ampia e validata. Il sistema di acquisizione dati della Regione Lombardia tramite l’applicativo web O.R.SO. è efficiente e permette un’ottima possibilità di verifica della correttezza dei dati inseriti, già a livello dell’attività di controllo esercitata dagli OPR (Osservatori Provinciali Rifiuti).
Le operazioni di bonifica ulteriore effettuate in questo studio, eliminando i comuni con dichiarazioni anomale o incomplete, hanno permesso di raggiungere un ulteriore livello di accuratezza pur mantenendo un numero di comuni sufficientemente ampio nel campione.
L’utilizzo di indicatori selezionati per l’analisi dei costi alcuni dei quali, come gli abitanti equivalenti, qui proposti per la prima volta in modo innovativo rispetto ad altri studi, ha permesso di paragonare con miglior coerenza situazioni territoriali ed urbanistiche radicalmente diverse sul territorio della regione.
Come costi totali la valutazione in €/abitante equivalente al netto dei costi di spazzamento, finora mai utilizzata in letteratura, apre lo spazio ad interessanti considerazioni e confronti tra cui la sostanziale invarianza dei costi totali di gestione in Comuni con tipologia urbanistica nettamente diversa.
Un dato importante che emerge è il fatto che i modelli di raccolta attuati in Lombardia sono vari. Esiste una dicotomia generale tra i sistemi porta a porta e quelli a cassonetti stradali, ma c’è una grande variabilità anche e soprattutto tra gli stessi modelli porta a porta.
Gli obiettivi del D.Lgs. 152/06 e s.m.i (raggiungimento del 65% entro il 2012) impongono in questo periodo una scelta affinchè essi possano essere raggiunti con la migliore efficienza economica possibile dai comuni che ne sono ancora lontani. Dall’analisi statistica dei dati emerge come in generale ad una RD più alta non corrispondano costi totali più elevati rispetto ai comuni meno efficienti nelle raccolte differenziate; anzi, la media dei costi totali per i comuni con RD > 60% è inferiore rispetto a quelli con RD < 40%. C’è comunque all’interno dei dati una grande variabilità che, soprattutto per i modelli porta a porta, è spesso spiegabile con le scelte multiformi effettuate dai comuni (es. frequenza trisettimanale o monosettimanale, etc.).
La raccolta differenziata spinta ottenuta con il sistema porta a porta comporta costi totali sostanzialmente invariati, e la somma dei costi di raccolta e di smaltimento diminuisce all’aumentare del tasso di raccolta differenziata; per la fascia di Comuni con RD > 70% si evidenzia però un significativo incremento nei costi della sola raccolta. Ciò offre lo spazio a possibili ottimizzazioni, ad esempio tarando meglio le frequenze di raccolta riducendole ove eccessive (es. secco indifferenziato) ed incrementando l’intercettazione delle frazioni che generano un ricavo (od un minore costo di smaltimento) mediante campagne di comunicazione mirate.
Pertanto, grazie alla grande disponibilità di casi studio, attualmente i Comuni hanno la possibilità di valutare i risultati attesi quantitativi ed economici prima dell’introduzione di un nuovo modello di raccolta.
Un tema recente che influenzerà le valutazioni sui modelli di raccolta riguarda l’assimilazione dei rifiuti speciali agli urbani; infatti il D.Lgs. 4/08, modificando l’art. 195 comma 2 lett. e) del D.Lgs. 152/06, ha confermato la volontà del legislatore di non permettere più l’assimilazione e quindi il conferimento nel circuito degli urbani dei rifiuti che si formano nelle aree produttive, e di quelli che si formano nelle strutture di vendita con superficie superiori a 450/750 mq a seconda della popolazione residente. Ciò fa riconsiderare l’opportunità di mantenere il servizio di raccolta a cassonetti nelle zone con presenza
52
artigianale / industriale, in quanto esso causerebbe conferimenti impropri incrementando i costi di gestione.
La gestione consortile generalmente ottimizza i costi, principalmente perché si ha maggior potere contrattuale nel caso di appalto a gestore privato e perché vi è la possibilità di redistribuire alcuni costi comuni e legati ad infrastrutture (es. utilizzare piattaforme intercomunali per la raccolta differenziata).
Per quanto riguarda i capoluoghi di provincia, oltre ad osservare una variegata situazione per quanto riguarda i modelli di raccolta, in particolare sulle frequenze e sulle tipologie di multimateriale, si rileva un costo per abitante equivalente mediamente superiore ai bacini costituiti da comuni medio-piccoli, anche al netto dei costi di spazzamento. Per essi il tasso di raccolta differenziata è inferiore al 60%, anche analizzando le città attive da più tempo sulla raccolta domiciliarizzata, ma i margini di miglioramento sono ancora ampi.
53
10 Appendice: valutazione della normalità della distribuzione
Come è noto, nelle analisi statistiche l’importante valutazione preliminare che viene effettuata su un campione di dati è quella della distribuzione di probabilità dei dati in oggetto in confronto con la distribuzione normale (Gaussiana). Quando un campione presenta una distribuzione di valori ben approssimato da una funzione normale, è ragionevole assumere che la variabilità sia legata ad un grande numero di piccoli effetti che agiscono additivamente ed indipendentemente. Qualora il campione non sia distribuito normalmente, significa che vi è la presenza di una variabile distorsiva che influisce sui valori misurati in modo significativo.
Per la verifica della normalità della distribuzione, vengono in genere effettuate le seguenti valutazioni:
• Verifiche visive
o istogrmma di distribuzione della frequenza per categorie
o “normal probability plot”,
• Analisi della forma della curva
o Asimmetria (skewness)
o Curtosi
• test statistici
o Kolmogorov-Smirnov
o Shapiro-Wilk.
Analizzando l’istogramma di frequenza dei valori di costo totale per abitante residente, e gli altri test di verifica della variabilità sopra elencati, si nota che questo campione pur presentando una distribuzione a campana, presenta una marcata asimmetria e non supera il test di normalità di Shapiro-Wilk. In prima approssimazione i valori sembrano seguire una distribuzione di tipo log-normale.
54
Figura 10.1 – Valutazione della normalità dei dati di costo per abitante
Utilizzando i dati di costo per abitante equivalente (vedi paragrafo 2.2.), il normal probability plot mostra un avvicinamento alla distribuzione normale ma evidenzia ancora un’asimmetria evidente ed uno sbilanciamento nelle “code”.
Figura 10.2 - Valutazione della normalità dei dati di costo per abitante equivalente
Summary: cTOT/ab bonificati
K-S d=,15801, p<,01 ; Lilliefors p<,01Shapiro-Wilk W=,71009, p=0,0000
-40-20
020
4060
80100
120140
160180
200220
240260
280300
320340
360380
400420
440460
480500
520540
560580
600
X <= Category Boundary
050
100150200250300350400450500550
No.
of o
bs.
Mean = 97,3812 Mean±SD = (56,4946, 138,2678) Mean±1,96*SD = (17,2434, 177,5189)
0
20
40
60
80
100
120
140
160
180
200
cTO
T/ab
bon
ifica
ti
Normal P-Plot: cTOT/ab bonificati
0 100 200 300 400 500 600 700
Value
-4
-3
-2
-1
0
1
2
3
4
Expe
cted
Nor
mal
Val
ue
Summary Statistics:cTOT/ab bonificatiValid N=1380Mean= 97,381170Median= 88,943299Minimum= 28,493056Maximum=588,759111Lower Quartile= 75,062285Upper Quartile=107,791369Std.Dev.= 40,886608Skewness= 4,143706Kurtosis= 32,776213
Summary: cTOT/abeqNOout
K-S d=,04664, p<,01 ; Lilliefors p<,01Shapiro-Wilk W=,97656, p=,00000
30 40 50 60 70 80 90 100 110 120 130
X <= Category Boundary
0
50
100
150
200
250
300
350
No.
of o
bs.
Mean = 75,7204 Mean±SD = (58,1928, 93,248) Mean±1,96*SD = (41,3663, 110,0745)
30
40
50
60
70
80
90
100
110
120
cTO
T/ab
eqN
Oou
t
Normal P-Plot: cTOT/abeqNOout
30 40 50 60 70 80 90 100 110 120 130 140
Value
-4
-3
-2
-1
0
1
2
3
4
Expe
cted
Nor
mal
Val
ue
Summary Statistics:cTOT/abeqNOoutValid N=1314Mean= 75,720390Median= 73,830843Minimum= 42,794689Maximum=128,222686Lower Quartile= 62,291288Upper Quartile= 86,558272Std.Dev.= 17,527608Skewness= 0,525802Kurtosis= -0,102125
55
Per rafforzare l’ipotesi di distribuzione log-normale qui di seguito viene raffigurato il probability plot per tale tipo di distribuzione, sia per quanto riguarda i costi per abitante residente che per abitante equivalente.
Figura 10.3 – Probability plot per la verifica dell’approssimazione alla distribuzione lognormale della variabile costo per abitante
Figura 10.4 - Probability plot per la verifica dell’approssimazione alla distribuzione lognormale della variabile costo per abitante equivalente
Probability-Probability Plot of cTOT/ab bonificati2008 87v*1555c
Distribution: Lognormal(0,322014, 4,51993)
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2
Theoretical cumulative distribution
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
Em
piric
al c
umul
ativ
e di
strib
utio
n
Probability-Probability Plot of cTOT/abeqNOout2008 87v*1555c
Distribution: Lognormal(0,244913, 4,30229)
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2
Theoretical cumulative distribution
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
Em
piric
al c
umul
ativ
e di
strib
utio
n
56
Figura 10.5 – Istogramma di frequenze e fitting della distribuzione lognormale, costi per abitante
Figura 10.6 - Istogramma di frequenze e fitting della distribuzione lognormale, costi per abitante equivalente
Come si vede, la normalizzazione dei dati per abitante equivalente rende la distribuzione ben modellabile dalla funzione log-normale. E’ interessante notare come il test Chi quadro per l’approssimazione alla
Variable: cTOT/ab bonificati, Distribution: Log-normalKolmogorov-Smirnov d = 0,06714, p < 0,01
Chi-Square test = 143,13178, df = 9 (adjusted) , p = 0,000000,
0016
,25
32,5
048
,75
65,0
081
,25
97,5
011
3,75
130,
0014
6,25
162,
5017
8,75
195,
0021
1,25
227,
5024
3,75
260,
0027
6,25
292,
5030
8,75
325,
0034
1,25
357,
5037
3,75
390,
0040
6,25
422,
5043
8,75
455,
0047
1,25
487,
5050
3,75
520,
0053
6,25
552,
5056
8,75
585,
0060
1,25
617,
5063
3,75
650,
00
Category (upper limits)
0
50
100
150
200
250
300
350
400
450
No.
of o
bser
vatio
ns
Variable: cTOT/abequiv, Distribution: Log-normalKolmogorov-Smirnov d = 0,02628, p = n.s.
Chi-Square test = 14,43511, df = 8 (adjusted) , p = 0,07111
0,00
11,2
522
,50
33,7
545
,00
56,2
567
,50
78,7
590
,00
101,
2511
2,50
123,
7513
5,00
146,
2515
7,50
168,
7518
0,00
191,
2520
2,50
213,
7522
5,00
236,
2524
7,50
258,
7527
0,00
281,
2529
2,50
303,
7531
5,00
326,
2533
7,50
348,
7536
0,00
371,
2538
2,50
393,
7540
5,00
416,
2542
7,50
438,
7545
0,00
Category (upper limits)
0
50
100
150
200
250
300
350
No.
of o
bser
vatio
ns
57
distribuzione log-normale nel caso del parametro “costo per abitante residente” non è superato; si conferma quindi la bontà dell’utilizzo degli abitanti equivalenti per la normalizzazione dei dati.
La distribuzione log-normale si verifica quando i dati sottostanno ad effetti che interagiscono con modalità moltiplicativa invece che additiva. Nel caso dei costi per la gestione dei rifiuti, questa considerazione è importante perché evidenzia come un intervento di miglioramento della gestione (ad es. riduzione della produzione totale pro capite di rifiuti mediante politiche di sensibilizzazione, o miglioramento dell’efficienza della raccolta differenziata) può avere degli effetti amplificati sui costi totali.
Qui di seguito è rappresentata la distribuzione del logaritmo del parametro “costo totale per abitante equivalente”.
Figura 10.7 - Istogramma di frequenze e fitting della distribuzione normale, logaitmo dei costi per abitante equivalente
Dopo avere eliminato gli outliers come specificato al par. 4.1.3 si ottiene un miglioramento del fitting evidenziato in Figura 10.8.
Histogram: log cTOT/abeqK-S d=,02628, p> .20; Lilliefors p<,05
Shapiro-Wilk W=,98573, p=,00000
1,151,20
1,251,30
1,351,40
1,451,50
1,551,60
1,651,70
1,751,80
1,851,90
1,952,00
2,052,10
2,152,20
2,252,30
2,352,40
2,452,50
2,552,60
X <= Category Boundary
0
50
100
150
200
250
300
No.
of o
bs.
58
Figura 10.8 – Fitting della distribuzione normale del parametro costi per abitante equivalente, trasformato con logaritmo, dopo l’eliminazione degli outliers
Sottraendo alla voce di costo totale quella specifica dello spazzamento stradale, intesa come costo per il servizio comprensivo dello smaltimento si è ottenuta una migliore approssimazione (p-value) della distribuzione alla normale (Figura 10.9)
Figura 10.9 - Fitting della distribuzione normale del parametro costi per abitante equivalente, trasformato con logaritmo, dopo l’eliminazione degli outliers e la sottrazione del costo dello spazzamento stradale
Variable: log costi TOT/abeq Nooutliers, Distribution: NormalKolmogorov-Smirnov d = 0,02051, p = n.s., Lilliefors p < 0,20Chi-Square test = 37,99830, df = 28 (adjusted) , p = 0,09843
1,54
381,
5600
1,57
631,
5925
1,60
881,
6250
1,64
131,
6575
1,67
381,
6900
1,70
631,
7225
1,73
881,
7550
1,77
131,
7875
1,80
381,
8200
1,83
631,
8525
1,86
881,
8850
1,90
131,
9175
1,93
381,
9500
1,96
631,
9825
1,99
882,
0150
2,03
132,
0475
2,06
382,
0800
2,09
632,
1125
2,12
882,
1450
2,16
132,
1775
2,19
38
Category (upper limits)
0
10
20
30
40
50
60
70
80
90
100
No.
of o
bser
vatio
ns
Variable: log cTOT/abeqNOoutNOspaz, Distribution: NormalKolmogorov-Smirnov d = 0,01742, p = n.s., Lilliefors p = n.s.Chi-Square test = 18,03410, df = 24 (adjusted) , p = 0,80135
1,401,42
1,441,46
1,481,50
1,521,54
1,561,58
1,601,62
1,641,66
1,681,70
1,721,74
1,761,78
1,801,82
1,841,86
1,881,90
1,921,94
1,961,98
2,002,02
2,042,06
2,082,10
2,122,14
2,162,18
2,20
Category (upper limits)
0
20
40
60
80
100
120
140
No.
of o
bser
vatio
ns
59
Il fatto di utilizzare una distribuzione lognormale in luogo della gaussiana implica alcuni effetti evidenti come l’evidenziazione di un valore medio più basso e di una deviazione standard diversa.
Nella tabella seguente si mostra però come questo effetto sia nel caso della nostra popolazione di dati modesto, tale da provocare ad es. uno scostamento dei valori delle medie pari al 2 - 3% ed ovviamente dello stesso segno su tutti i gruppi.
Distribuzione normale Distribuzione lognormale Differenze lognorm / norm Parametro: cTOT/abeq NOout NOspaz
N Media Media-St.Dev.
Media+St.Dev.
Corrisp.Media
Corrisp.Media-Std.Dev.
Corrisp.Media+Std.Dev.
Media Media-St.Dev.
Media+St.Dev.
Intera popolazione 1312 70,77 54,15 87,39 68,87 54,53 86,99 -2,7% 0,7% -0,5%
33-2.000 523 72,29 54,15 90,43 70,12 54,78 89,75 -3,0% 1,2% -0,8% 2.001-20.000 723 69,27 54,08 84,47 67,61 54,15 84,42 -2,4% 0,1% -0,1% 20.001-100.000 61 74,85 56,86 92,85 72,80 57,39 92,35 -2,7% 0,9% -0,5% 100.001-1.500.000 5 78,30 75,48 81,12 78,26 75,49 81,13 -0,1% 0,0% 0,0%
Tabella 10.1 – Differenze nelle medie e dev. Std. utilizzando la distribuzione lognormale in luogo della normale
Fatta questa valutazione, per correttezza statistica verrà effettuata una trasformazione logaritmica dei dati di costo in modo da ottenere una distribuzione normale qualora sia necessario confrontare mediante test statistici che necessitano di assunzioni solide (es. ANOVA) gruppi di comuni in relazione ad una certa variabile.
In altri grafici e confronti invece, per maggior comprensibilità nella lettura delle unità di misura, verrà utilizzato il semplice parametro di costo per abitante con l’approssimazione che la sua distribuzione sia normale.
60
11 Glossario
Vengono di seguito elencate le abbreviazioni ed i termini utilizzati in questo studio, anche ai fini della comparazione con altri studi di settore simili.
– RU: Rifiuto Urbano. Si riferisce indistintamente a tutti i rifiuti urbani per legge o assimilati agli
urbani.
– RD: Raccolta Differenziata. Riguarda i quantitativi di quelle frazioni che concorrono al calcolo
della percentuale di raccolta differenziata così come stabilita dal metodo di calcolo
dell’Osservaorio Regionale Rifiuti – ARPA Lombardia.
– INDIFF: Rifiuto indifferenziato: corrisponde alle frazioni non oggetto di raccolta differenziata,
tipicamente i rifiuti misti (denominati anche “secco”), i rifiuti ingombranti, lo spazzamento
stradale.
– DIFF: Raccolte differenziate. La somma di DIFF ed INDIFF equivale ad RU (totale rifiuti urbani)
– FORSU: Frazione organica dei rifiuti solidi urbani. Sono gli scarti di cucina intercettati dove è
attivo un sistema di raccolta secco / umido.
– RACCOLTA STRADALE: tipologia di raccolta dei rifiuti basata sul conferimento in punti
predefiniti lungo le strade. Si distingue in raccolta a cassonetti/contenitori stradali (CS) e porta
a porta domiciliarizzata (PAP).
– RAEE: Rifiuti da apparecchiature elettriche ed elettroniche.
– RACCOLTA MULTIMATERIALE: Modalità di raccolta differenziata degli imballaggi che prevede il
conferimento in un unico contenitore di varie frazioni di rifiuto recuperabile e che prevede una
successiva operazione di separazione prima dell’invio a recupero dei materiali raccolti. Tale
tipologia di raccolta si suddivide in:
• multimateriale “leggera”: non comprende il vetro e può comprendere carta, tetrapak,
contenitori per liquidi in plastica, lattine in alluminio / banda stagnata e stracci;
• multimateriale “pesante”: comprende il vetro e prevede la raccolta di, imballaggi in
plastica, lattine in alluminio ed in banda stagnata; in alcuni casi, anche di carta e cartone.
– O.R.SO.: Osservatorio Rifiuti Sovraregionale. E’ la sigla dell’applicativo web utilizzato
attualmente da tutti i comuni della Lombardia per la compilazione online dei dati di gestione
rifiuti comunali
– OPR: Osservatorio Provinciale Rifiuti. Ufficio generalmente afferente al Settore Ambiente della
Provincia, che si occupa della bonifica e validazione dei dati inseriti dai Comuni.
– ORR: Osservatorio Regionale Rifiuti. Per la Regione Lombardia è presso ARPA Lombardia.
61
