Sei sulla pagina 1di 61

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 Utilit 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 pi correttamente ....................................................12
3.5 Analisi sui capoluoghi di provincia ...............................................................................................12
4 LA VARIABILIT DEI DATI DI COSTO ...............................................................................................................12
4.1 Riduzione della variabilit ............................................................................................................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 allelaborazione dei centri di costo disaggregati .................................18
5.3 Valutazione dellincidenza 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 Densit 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 Peculiarit dei sistemi ..........................................................................................................42
7.2.2 Tabelle di sintesi ..................................................................................................................43
7.2.3 Recenti modifiche dei servizi ................................................................................................47
8 CONFRONTO A SCALA PI 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 NORMALIT 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
unevoluzione 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 pi recenti direttive europee. Il tasso di raccolta
differenziata in Lombardia pari al 47% per lanno 2008, con punte di eccellenza se si considera che ben 5
Province presentano valori superiori al 54% come media provinciale.
Unaltra eccellenza riguarda la gestione ed il monitoraggio da parte dellOsservatorio Regionale Rifiuti, che
fa capo ad ARPA Lombardia, efficiente ed innovativa grazie allutilizzo dellapplicativo O.R.SO. che permette
linserimento di tutti i dati tramite internet e d la possibilit 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 pi
controllati e validati rispetto ad esso, grazie allopera degli Osservatori Provinciali Rifiuti (OPR).
In Lombardia si riscontra una pluralit di modelli di raccolta dei rifiuti urbani; essi sono riconducibili alla
principale dicotomia porta a porta / cassonetti stradali, ma sono presenti varianti e tipicit territoriali che
rendono molto interessante la possibilit di confrontarli tra loro dal punto di vista dellefficacia e
delleconomicit.
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 pi realistico
che elimini le distorsioni dovute alle presenze turistiche o alle attivit 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
dallesigenza 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) stata in passato utilizzata come unico
criterio di confronto tra situazioni territoriali diverse, pi che altro per omogeneit di valutazione e
composizione con i costi di trattamento/smaltimento. Negli ultimi anni, per, si reso palese il grado di
distorsione introdotto da questo approccio, che non tiene conto della diversa quantit 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 nellapplicazione 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 quantit conferite ad es. per le politiche di riduzione allorigine;
il contributo del compostaggio domestico alla riduzione specifica dello scarto organico raccolto.
Sicuramente pi corretta ed efficace la valutazione in Euro/abitante per anno. Essa infatti tiene
automaticamente conto dei benefici risultanti dalla riduzione complessiva dei rifiuti prodotti, ed inoltre
pi corrispondente alla realt del costo del servizio pagato dal cittadino con la tassa rifiuti (ancor pi 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 pi agevole raffronto Comuni, sia che adottino il medesimo
sistema di raccolta sia che ne utilizzino uno completamente differente.
Si 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 d la falsa
impressione che i costi aumentino in modo considerevole.
Nella Tabella 2.1 presentata una tipica situazione di confronto di esperienze in cui si evidenzia leffetto
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 stato utilizzato anche un approccio basato sul calcolo degli abitanti equivalenti (vedi
paragrafo 2.2) per ottenere dati pi omogenei e confrontabili.
2.2 Calcolo degli abitanti equivalenti
Lespressione dei dati di costo in Euro/abitante, come sopra riportato, non 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 pi delle volte producono
rifiuti assimilati agli urbani.
Un miglioramento del parametro pu 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 pu invece essere fatta introducendo il concetto di abitanti equivalenti per
rappresentare in modo pi reale la situazione del comune. In questo studio si ripresa una modalit di
calcolo gi utilizzata dallOsservatorio Provinciale Rifiuti di Varese (O.P.R.), e riportata nel Rapporto 2006
sulla gestione dei rifiuti urbani di quella provincia.
Per effettuare unelaborazione di questo tipo vengono elaborati come dati di partenza il numero di utenze
domestiche e non domestiche, oltre ad unindicazione sul numero di mesi turistici; tali valori sono
presenti nelle schede comunali del database O.R.SO. dellOsservatorio Regionale sui Rifiuti (O.R.R.).
Le assunzioni alla base del calcolo degli abitanti equivalenti, proposte dallO.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 risultato pari a 2,4;
Le utenze non domestiche sono state paragonate a unutenza con 3 abitanti. Questo valore stato
utilizzato come compromesso per non sbilanciare eccessivamente il calcolo nel caso di comuni con
elevata presenza industriale o artigianale.
La modalit di calcolo 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 stata moltiplicata per 2,4 e per il
numero di mesi turistici (assunto pari a 3) diviso per 12. Il risultato stato aggiunto agli abitanti;
Per tener conto del numero di utenze non domestiche, tale valore stato moltiplicato per 3 ed
aggiunto al numero di abitanti.
Nella Tabella 2.2 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
Lutilizzo dellindicatore abitante equivalente permette un confronto pi omogeneo e pi vicino alla
realt nel caso di comuni con caratteristiche molto diverse. Una validazione empirica della bont di questo
indicatore si ha analizzando, per tutti i dati della regione, la differenza della variabilit 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 strettamente correlata alle utenze che realmente

8
usufruiscono del servizio e che pagano la tassa rifiuti, indipendentemente dal fatto che siano residenti. Se
lindicatore ben costruito, si dovrebbe evidenziare una riduzione della variabilit tra le due serie di dati.
Come si vede dalla Tabella 2.3, il valore del Coefficiente di Variazione (CV, cio 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 variabilit dei dati utilizzando gli abitanti equivalenti
3 Selezione del subset di dati
La regione Lombardia conta nellanno 2008 un totale di 1546 Comuni. La scheda di rilevamento dati gestita
dal sistema O.R.SO. disponibile per tutti questi Comuni, anche se per parte di essi compilata a livello
consortile suddividendo poi i dati al termine dellinserimento tramite un sistema automatico implementato
nellapplicativo web.
Occorre rilevare che lapplicativo 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 pi che altro per rendere omogenea questa compilazione on-line con
quella richiesta per il MUD, evitando lonere di una doppia compilazione da parte dei comuni ed anzi
permettendo la generazione automatica del MUD direttamente dallapplicativo O.R.SO.
LOsservatorio Regionale Rifiuti situato presso ARPA Lombardia non ha mai elaborato a fondo questi dati
economici, pubblicando nellannuale report solo il valore del costo complessivo in Euro/abitante a livello
comunale.
Recentemente una nuova opportunit di elaborazione di dati economici si sta delineando perch a breve
risulter possibile lincrocio dei dati di costo per singola frazione dichiarati dai Comuni con le tariffe in
ingresso dichiarate dagli impianti, presenti anchesse nelle schede impianti dello stesso applicativo
O.R.SO., schede la cui compilazione 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
lanno 2008, verificandone preliminarmente lattendibilit grazie ad alcuni criteri e filtri elencati nei
prossimi paragrafi.
In dettaglio, quindi, si 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 stata compilata pi correttamente e senza anomalie.
Non si voluto comunque prescindere dallapproccio territoriale, cercando di approfondire nella parte
finale lanalisi per consorzi o gruppi di comuni dotati di una gestione omogenea.

9
Per poter evidenziare al meglio i parametri che maggiormente contribuiscono alla variabilit dei dati,
ragionando su contesti omogenei, si deciso di utilizzare un approccio a pi livelli cos strutturato:
3.1 Bonifica dei dati e riduzione delle anomalie
Innanzitutto si 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
ASMPavia PAVIA 30 141.780
ASM- Impianti e Servizi Ambientali S.p.A. Vigevano PAVIA 2 65.284
ASPEMS.p.A. VARESE 5 97.817
ASPM SORESINA SERVIZI S.P.A. CREMONA 2 9.854
ASTEMGESTIONI 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
Comunit Montana della Valcuvia VARESE 18 34.415
Comunit 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. Societ 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
Societ 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 GISdei bacini identificati
3.3 Analisi per fasce territoriali omogenee
A questo livello dellindagine sono stati suddivisi i comuni sulla base delle loro caratteristiche di dimensione
e di presenza antropica, considerando quindi due parametri principali:
Popolazione residente
Densit urbanistica
In Figura 3.2 e Figura 3.3 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 densit urbanistica, e secondo un criterio pi ragionato nel caso degli abitanti in modo da
visualizzare al meglio la variabilit territoriale.


11

Figura 3.2 Rappresentazione GISdelle fasce di densit urbanistica


Figura 3.3 Rappresentazione GISdelle fasce di popolazione
Densit urbanistica
3 - 65 ab/kmq
66 - 140
141 - 250
251 - 520
521 - 980
981 - 7.600
Abitanti
33 - 800
801 - 1600
1601 - 2700
2701 - 10000
10001 - 30000
30001 - 1300000

12
3.4 Selezione delle schede comunali compilate pi correttamente
Nella fase preliminare di bonifica dei dati stata sfruttata la potenzialit del database O.R.SO. riguardante
soprattutto la disponibilit di una serie storica di dati ormai consolidata. E infatti dal 2005 che tutti i
Comuni della Lombardia utilizzano questo sistema e lattenzione da parte dei compilatori ad inserire dati
corretti andata progressivamente aumentando anche in virt dei controlli degli Osservatori Provinciali
Rifiuti sulla qualit dei dati.
In questo studio, basato sui dati relativi allanno 2008, la disponibilit del trend storico stata utilizzata per
poter eliminare dallindagine 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 pi delle seguenti motivazioni:
inserimento di dati non corretti, con mancata bonifica da parte dellOPR;
aumento del dettaglio con linserimento di una voce di costo non considerata gli anni precedenti
(es. costi dellisola ecologica);
modifica del sistema di raccolta nel corso dellanno con attribuzione completa sullanno 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 lanno ma relativi ad anni
precedenti;
modifica dei criteri di ripartizione dei costi allinterno di un consorzio di Comuni.
In tutti questi casi, lanomalia non correlata al modello di raccolta in essere o alle quantit di rifiuti
intercettate e linclusione del dato nel campione scelto per lanalisi avrebbe generato probabili distorsioni.
Dato lelevato numero di schede disponibili, si scelto quindi lapproccio conservativo volto ad analizzare
solo i Comuni che dimostrano unattitudine consolidata alla compilazione della scheda senza grosse
variazioni rispetto agli anni precedenti.
Il metodo per leliminazione di questi outliers riportato nel paragrafo 4.1.3.
3.5 Analisi sui capoluoghi di provincia
I capoluoghi di provincia sono stati raggruppati come sottocampione a s stante per il quale stata
effettuata unindagine pi approfondita che prende in considerazione ad esempio il modello di raccolta
introdotto, la densit urbanistica, i servizi di spazzamento stradale.
4 La variabilit 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 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 tra laltro quello monitorato con pi attenzione dagli Osservatori Provinciali Rifiuti, che ne
verificano almeno in linea generale la sua validit.
Questo valore presenta una grande variabilit proprio perch esso 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 opportuno verificare preliminarmente la distribuzione dei dati
in confronto con la distribuzione normale (gaussiana). Questo approfondimento riportato in appendice.
4.1 Riduzione della variabilit
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 lesigenza, 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: 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 cos selezionati sceso da 1533 a 1380.
4.1.2 Normalizzazione sugli abitanti equivalenti
Il passaggio successivo finalizzato alla riduzione della varianza 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 unulteriore operazione di bonifica, ovvero leliminazione 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 pi o meno 1 volta la deviazione
standard (matematicamente, , dove la media aritmetica), circa il 95% dei valori entro 2 e il
99,7% entro 3.
Si scelto di identificare come outliers i valori fuori dallintervallo 2, escludendo quindi dallanalisi 55
valori su 1376, pari al 4,0% e portando il valore di N a 1321. Analizzando puntualmente a campione queste
schede eliminate si 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 indubbio, ma va fatta una riflessione sul
fatto che essi siano in realt invarianti rispetto al modello di raccolta delle frazioni principali di rifiuto, e che
siano solo lespressione di un servizio aggiuntivo che si rende necessario per la pulizia delle strade ed il
decoro urbano.
Si deciso quindi di verificare la riduzione della variabilit 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 variabilit 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 variabilit degli indicatori utilizzati

Figura 4.1 Box & Whisker plot relativo alla progressiva riduzione della variabilit degli indicatori utilizzati

Mean
MeanSD
Mean1,96*SD cTOT/ab grezzi
cTOT/ab bonificati
cTOT/abeq
cTOT/abeq NOoutliers
cTOT/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 lindicatore 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 allutilizzo degli abitanti equivalenti.

Figura 4.2 Distribuzione territoriale dei costi totali per abitante, cos come dichiarati nelle schede comunali. Dati
2008

Figura 4.3 Rappresentazione GISdellindicatore 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 /abitante
n.d.
15,33 - 70,27 /abitante
70,28 - 83,08
83,09 - 95,08
95,09 - 112,70
112,71 - 775,45
Costi totali /abeq escl. outlier no spaz
outlier
31,91 - 48,54 /abeq
48,55 - 61,00
61,01 - 70,55
70,56 - 82,09
82,10 - 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 pi significativo indicato dai Comuni la voce costo totale del servizio.
Una buona parte dei comuni, per, possiede e riporta sufficienti informazioni economiche pi disaggregate.
Qui di seguito sono indicati i parametri di costo riportati nelle schede comunali di rilevamento, e quindi
presenti nellapplicativo O.R.SO.
Essi coincidono perfettamente con i dati richiesti nella compilazione del MUD Modello Unico di
Dichiarazione ambientale, il quale prevede unapposita 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 gi 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 nellelenco 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 dellisola 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 quella compilata dalla quasi totalit 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 allelaborazione dei centri di costo disaggregati
Come accennato, non tutti i comuni inseriscono i dati economici disaggregati, per varie motivazioni tra le
quali si pu annoverare la loro mancata disponibilit, una maggior snellezza nella compilazione etc.
Ci sono tra laltro 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
(impossibilit 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 dellisola ecologica) in realt
ripartiti su pi 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 dellincidenza di questi centri di costo, si 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 gi 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 dellincidenza dei singoli centri di costo rispetto al costo di
gestione complessivo
I centri di costo identificati, sui quali possibile effettuare valutazioni statistiche a livello regionale, sono
quindi i seguenti:
CRT: costi di raccolta e trasporto dellindifferenziato
CTS: costi di trattamento e smaltimento dellindifferenziato
AC: altri costi relativi allindifferenziato
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 duso 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: uguale a CSL
CALTR: comprende AC + CC + CK
CINDIFF: CRT+CTS
CDIFF: 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 nellapposita sezione
a parte della scheda, in quanto altrimenti si sarebbe persa questa importante informazione.
Nella Figura 5.2 riportata la media dellincidenza di tali di costo identificati, sul costo complessivo, dopo
loperazione di bonifica sopra indicata.


Figura 5.2 Media regionale dellincidenza 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 docchio della variabilit di tali centri di costo su tutta
la regione. Come si vede, il costo di smaltimento del rifiuto indifferenziato (CTS) la voce che incide sempre
maggiormente (Figura 5.3).


Figura 5.3 Box & Whisker plot dellincidenza dei centri di costo di dettaglio

Box Plot of multiple variables
2008 120v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median
25%-75%
Non-Outlier Range
CRT / cTOT
CTS / cTOT
CRD / cTOT
CTR-ric / cTOT
CSL / cTOT
AC / cTOT
CC / 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 variables
2008 118v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median
25%-75%
Non-Outlier Range cRACC/abeq bonif
cTRAT-ric/abeq bonif
cSPAZ/abeq bonif
cALTR/abeq bonif
- 10
0
10
20
30
40
50
60
C
o
s
t
o

/
a
b
e
q
.
a
n
n
o
Box Plot of multiple variables
2008 118v*1555c
Median; Box: 25%-75%; Whisker: Non-Outlier Range
Median
25%-75%
Non-Outlier Range cSPAZ/abeq bonif
cALTR/abeq bonif
cDIFF-ric/abeq bonif
cINDIFFnoACnoSPAZ/abeq bonif
- 10
0
10
20
30
40
50
60
70
80
C
o
s
t
o

/
a
b
e
q
.
a
n
n
o

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 variabilit legata agli effetti esterni pi macroscopici, possibile verificare la differenza
tra sottogruppi della popolazione sulla base di una o pi 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 pi 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
nellasse 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,
stata calcolata anche la regressione lineare.
6.2 Densit urbanistica
Il fatto che i costi di gestione dei rifiuti siano legati alle caratteristiche geografiche del territorio un
assunto consolidato. Di primo acchito, infatti, luogo comune considerare ad es. la raccolta dei rifiuti pi
onerosa in quelle zone caratterizzate da bassa presenza abitativa su territorio vasto (es. zone montane). La
variazione di tali costi allaumentare della densit urbanistica di pi difficile previsione; entrano infatti in
gioco altri fattori come il rallentamento dei mezzi per la raccolta dovuto al traffico, e nel contempo la
possibilit di svuotare in modo pi ottimizzato pochi contenitori a servizio di molte famiglie.


23


Figura 6.1 - Variability plot, con box & whisker, dei costi per fasce di densit urbanistica, calcolate come indicato al
par. 3.3

Dallanalisi statistica dei costi totali normalizzati suddivisi per fasce di densit urbanistica (Figura 6.1) si
evince che non esistono significative variabilit dei costi di gestione dei rifiuti legate alle caratteristiche
geografiche e insediative del territorio.
Nel caso della variabile densit urbanistica, per poter meglio identificare il nesso sopra citato, utile per
analizzare un altro indicatore che assume unelevata 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 pi dispersi territorialmente, ma nel
seguente Variability plot, analizzando le medie ed il range interquartile 25% - 75%, si nota che in realt non
si ha una differenza significativa tra i comuni di tipologia rurale con bassa densit urbanistica e quelli pi
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
Densit urbanistica (ab/kmq)
20
40
60
80
100
120
140
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
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 densit urbanistica
6.3 Popolazione
Le fasce di popolazione indicate nei grafici seguenti sono state scelte partendo dal metodo
dellottimizzazione di Jenks, che massimizza la variabilit 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), laltro
relativo alla variabile pi 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 pi in generale sia nei comuni pi piccoli che in quelli pi 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 pi vicino alla realt (costi per ab. eq. al netto dello spazzamento, Figura 6.4). Emerge quindi
come la popolazione del comune non sia una variabile cos rilevante da influenzare in modo netto i costi
per la gestione dei rifiuti, fatta eccezione per le citt con pi 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
Densit urbanistica (abitanti/kmq)
0
20
40
60
80
100
120
140
c
R
A
C
C
/
a
b
e
q
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
c
T
O
T
/
a
b

b
o
n
i
f
i
c
a
t
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
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
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 sicuramente una variabile che si prevede avere una
significativa influenza sui costi per la gestione dei rifiuti.
Si previsto un approfondimento specifico riguardante la variabilit 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.
Dallanalisi 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 raccolta
Cassonetti
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
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 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 -
Varianc
es
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 significativit della differenza delle percentuali di RD ottenibili con i sistemi
a cassonetti e porta a porta





Mean
MeanSD
Mean1,96*SD
30,5%
53,2%
30,5%
53,2%
Cassonetti Porta a porta
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
R
D

(
%
)
30,5%
53,2%

29
La correlazione rispetto alla produzione totale di rifiuti rispetto ai differenti modelli di raccolta 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 pi alta, congiuntamente ad un tasso di raccolta differenziata
tendenzialmente pi basso, sono peculiarit ormai consolidate del sistema a cassonetti stradali rispetto alla
raccolta porta a porta.
Nel grafico di Figura 6.10 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 pu tendenzialmente portare a risultati pi standardizzati e ripetibili rispetto al sistema a
cassonetti.

Mean
MeanSD
Mean1,96*SD
424,1
383,2
424,1
383,2
Cassonetti Porta a porta
100
200
300
400
500
600
700
T
o
t
a
l
e

R
U

/

a
b
.
e
q
.

(
k
g
/
a
n
n
o
)
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

Unaltra differenza peculiare tra i due modelli la differente composizione dei costi complessivi per la
gestione dei rifiuti.
Tipicamente, infatti, il sistema di raccolta porta a porta pi 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 pi interessante riguarda ovviamente il costo totale per lintero servizio (raccolta +
smaltimento). Nella seguente analisi 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 importante basarsi sul calcolo dei dati di costo per abitante, e non per tonnellata,
in virt di quanto specificato al par. 2.1.
Il risultato dellanalisi 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 (%)
R
U
/
a
b
.
e
q
.
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 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 significativit della correlazione lineare interpolata; si pu per confermare visivamente
quanto gi 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 pi elevate dal
punto di vista della percentuale di raccolta differenziata raggiungibile nel caso dei sistemi porta a porta


Mean
MeanSD
Mean1,96*SD
74,45
69,31
74,45
69,31
Cassonetti Porta a porta
30
40
50
60
70
80
90
100
110
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
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, 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
140
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
r
2
= 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
Unaltra importante voce presente nel database O.R.SO. la frequenza di raccolta delle varie frazioni nel
caso del sistema porta a porta. Anche in questo caso la variabilit 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 lanno; il secco
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 strutturata a campo libero permettendo
linserimento di indicazioni testuali come una volta a settimana etc.
Esse hanno dovuto essere tradotte in numeri intendendosi come giri di raccolta allanno, effettuando anche
delle valutazioni caso per caso (ad es. quando la raccolta porta a porta solo per i ristoranti il giro di
raccolta 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 ricercata una correlazione che dovrebbe essere scontata; lincremento dei costi di
raccolta in relazione al numero di giri di raccolta allanno. Pur rilevandosi una correlazione si nota che il

Box Plot of cTOT/ton grouped by PAP indiff
Mean
MeanSD
Mean2*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
500
c
T
O
T
/
t
o
n
198.11 199.28

34
relativo coefficiente r
2
molto basso. Si ha ancora una grande variabilit nei dati, che a questo punto pu
essere dovuta ad esempio alla diversa convenienza economica dellappalto 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
allaumento di costi correlato.
Quello che emerge, pur tenendo in debita considerazione la variabilit dei dati e il numero pi ridotto di
schede compilate in dettaglio per quanto riguarda i costi, la possibilit di effettuare una raccolta efficace
dal punto di vista dellintercettazione a costi contenuti, mantenendo le frequenze ad un livello ragionevole
(es. quindicinale per carta, plastica e vetro, bisettimanale per lumido o addirittura monosettimanale in
inverno e bisettimanale nei mesi estivi).
Soprattutto per quanto riguarda la raccolta dellorganico si nota come costi pi elevati di raccolta, associati
il pi 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_TOT
Spreadsheet1_(Recovered) 118v*1555c
Exclude condition: v39=0 or v98=0
cRACC/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
c
R
A
C
C
/
a
b
e
q

b
o
n
i
f
giri_TOT:cRACC/abeq bonif: r = 0,2718; p = 0,00000; r
2
= 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 byOrganico
2008_1.sta 137v*1555c
Exclude condition: v69=0
Cracc_organico/abeq
O
r
g
a
n
i
c
o
:

k
g
/
a
b
e
q
.
a
n
n
o
Organico: <= 90
Organico: > 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 FreqCarta
2008_1.sta 137v*1555c
Include condition: v74>=3
Exclude condition: v70=0
Cracc_carta/abeq
C
a
r
t
a
:

k
g
/
a
b
e
q
.
a
n
n
o
FreqCarta: <= 40
FreqCarta: > 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 ovviamente correlata ai costi generali di gestione meglio di altre
variabili, come ben rappresentato nella Figura 6.19. Questa elaborazione supporta senzaltro la tesi per
cui pi 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 by
FreqPlastica
2008_1.sta 137v*1555c
Include condition: v74>=3
Exclude condition: v71=0
Cracc_plastica/abeq
P
l
a
s
t
i
c
a
:

k
g
/
a
b
e
q
.
a
n
n
o
FreqPlastica: <= 40
FreqPlastica: > 40
0 2 4 6 8 10
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
Scatterplot of Vetro/abeq against Cracc_vetro/abeq; categorized byFreqVetro
2008_1.sta 137v*1555c
Include condition: v74>=3
Exclude condition: v72=0
Cracc_vetro/abeq
V
e
t
r
o
:

k
g
/
a
b
e
q
.
a
n
n
o
FreqVetro: <= 40
FreqVetro: > 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, nellambito della pianificazione a scala regionale e locale della gestione dei rifiuti,
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 disponibilit di una popolazione di dati molto ampia permette di affrontare il tema con il dovuto rigore
statistico senza ricadere in valutazioni affrettate.
Innanzitutto, come gi 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
(r
2
= 0,0085, p= 0,0004) presenti tra laltro una pendenza negativa (m= -10,24).

Scatterplot of Costi totali normalizzati against RU/ab.eq.
r
2
= 0.2169
100 200 300 400 500 600 700 800
Totale RU kg/abeq
20
40
60
80
100
120
140
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i

38

Figura 6.20 Scatterplot totale con verifica delleventuale correlazione tra costi totali al netto dello spazzamento e
%RD
Nellanalisi mediante variability plot si evidenzia meglio la distribuzione dei dati allinterno di fasce
omogenee per percentuale di raccolta differenziata raggiunta. Il grafico in Figura 6.21 relativo alla totalit
del campione (dati bonificati come specificato al paragrafo 4.1.5).

Figura 6.21 - Variability plot per la verifica per fasce di RD delleventuale 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
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
r
2
= 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
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
75,49
73,55
68,55
66,82 66,92
69,52 69,47
Median
25%-75%
Non-Outlier Range

39
In questo caso 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 variabilit dei dati di costo mediante
visualizzazione con istogramma in pila.
Analizzando la Figura 6.22 si evidenzia, allaumentare della percentuale di raccolta differenziata,
lincremento dei costi di gestione della differenziata (cDIFF) e la diminuzione di quelli relativi alle frazioni
indifferenziate (cINDIFF). 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 dellindifferenziato) appaiono costanti con laumentare
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 lincremento 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. Lanalisi 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 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 nellanalisi di variabilit per fasce riportata in Figura 6.22 e Figura 6.23


40

Figura 6.22 Analisi della variabilit 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 variabilit 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%

/
a
b
e
q
.
a
n
n
o
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%

/
a
b
e
q
.
a
n
n
o
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 modalit di gestione pressoch 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%
Comunit Montana della Valcuvia 18 100% 100% 59,64 59,17 56,8%
Comunit 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. Societ 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%
Societ 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 dellorganico, 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 unanalisi di dettaglio che permette di
comparare pi a fondo gli indici di valenza economica precedentemente identificati, in un campione di
comuni tra laltro abbastanza omogeneo per popolazione, densit 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 confrontabile con gli altri
capoluoghi di provincia.
7.2.1 Peculiarit 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 (%)
C
o
s
t
i

t
o
t
a
l
i

n
o
r
m
a
l
i
z
z
a
t
i
Aprica S.p.A.
ASMPavia
Broni Stradella S.p.A.
CLIR
Com. Mont. Alpi Lepontine
ComunitMontana TriangoloLariano
Convenzione "Valleimagnapulita"
GARDAUNOS.p.A.
S.EC.AMS.p.A.
Vallecamonica Servizi S.p.A.
A.E.M. GESTIONI S.r.l.
A.S.M. Magenta
AMGALegnano Spa
AMSAAzienda MilaneseServizi Ambientali S.r.l.
ASM- Impianti e Servizi Ambientali S.p.A. Vigevano
ASPEMS.p.A.
ASPMSORESINA SERVIZI S.P.A.
ASTEMGESTIONI S.r.l.
Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A.
Casalasca Servizi S.p.A.
CEMAmbiente S.p.A.
COINGER
Comunit Montana della Valcuvia
Consorzio Brianza Milanese
Consorzio comuni dei navigli
Convenzione intercomunale Sesto C.
S.A.S.O.M. S.r.l. SocietAmbientedel Sud Ovest Milanese
S.I.ECO. S.r.l.
Service24 S.p.A.
SILEAS.p.A.
SocietCremascaServizi S.p.A.
VAL CAVALLINASERVIZI S.r.l.
CAPOLUOGHI
10% 20% 30% 40% 50% 60% 70%
30
40
50
60
70
80
90
100
Aprica S.p.A.
ASMPavia
Broni Stradella S.p.A.
CLIR
Com. Mont. Alpi Lepontine
ComunitMontana TriangoloLariano
Convenzione "Valleimagnapulita"
GARDAUNOS.p.A.
S.EC.AMS.p.A.
Vallecamonica Servizi S.p.A.
A.E.M. GESTIONI S.r.l.
A.S.M. Magenta
AMGALegnano Spa
AMSAAzienda MilaneseServizi Ambientali S.r.l.
ASM- Impianti e Servizi Ambientali S.p.A. Vigevano
ASPEMS.p.A.
ASPMSORESINA SERVIZI S.P.A.
ASTEMGESTIONI S.r.l.
Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A.
Casalasca Servizi S.p.A.
CEMAmbiente S.p.A.
COINGER
Comunit Montana della Valcuvia
Consorzio Brianza Milanese
Consorzio comuni dei navigli
Convenzione intercomunale Sesto C.
S.A.S.O.M. S.r.l. SocietAmbientedel Sud Ovest Milanese
S.I.ECO. S.r.l.
Service24 S.p.A.
SILEAS.p.A.
SocietCremascaServizi S.p.A.
VAL CAVALLINASERVIZI S.r.l.
CAPOLUOGHI
Comuni con
PAP Organico: <= 50%
Comuni con
PAP Organico: > 50 %

43
A Monza la raccolta differenziata spinta e prevede una frequenza molto elevata sia per lindifferenziato
che per lumido (trisettimanale per tutte e due le frazioni).
Nella citt di Cremona i sacchetti per la raccolta dellumido sono distribuiti gratuitamente presso una serie
di punti convenzionati.
A Lecco la raccolta secco-umido su tutte le utenze e prevede una frequenza del tipo 3+2 (trisettimanale
umido, bisettimanale secco), mentre per le differenziate viene utilizzato gi 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 dellumido trisettimanale nel centro, cos come lindifferenziato; tale raccolta a
cassonetti stradali nel resto della citt.

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 utenze
Como 6,7 12,0 1,9 40,1 100,8 149,5 1 20 Solo non domestiche
Sondrio 93,1 13,2 9,3 40,3 1,8 144,4 1 20 Solo non domestiche
Milano 72,5 28,0 23,0 49,6 - 145,1 1 60 Solo non domestiche
Monza 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 citt
alta
Brescia 107,0 44,5 4,8 30,0 - 141,8 0 Cass A cassonetti
Pavia 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 domestiche
Lecco 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 citt; resto a
cassonetti
Tabella 7.3 Tasso di intercettazione in kg/ab.anno, attivazione della raccolta porta a porta dellindifferenziato,
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/a
b
cALTR/a
b
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 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
Como
Sondrio
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
c
T
O
T
/
a
b

g
r
e
z
z
i
Varese
Como
Sondrio
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 allindifferenziato per i capoluoghi di provincia (/abitante)





Scatterplot of cTOT/abeqNOoutNOspaz against PercRD+IngRec(%)
2008 145v*12c
Varese
Como
Sondrio
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(%)
70
80
90
100
110
120
130
c
T
O
T
/
a
b
e
q
N
O
o
u
t
N
O
s
p
a
z
Varese
Como
Sondrio
Milano
Monza
Bergamo
Brescia
Pavia
Cremona
Mantova
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 pi 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 citt
di Milano ha introdotto nel mese di giugno 2009 la raccolta domiciliare dellumido 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 stata introdotta
la raccolta domiciliare dellumido su tutta la citt.
Lodi ha potenziato recentemente il servizio a cassonetti stradali introducendoli anche per carta e plastica.
8 Confronto a scala pi 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, molto complicato. Lo studio pi attendibile in questo senso quello

48
effettuato per conto della Commissione UE da Eunomia Research, purtroppo relativo a dati degli anni 1998-
2000. Esso disponibile allindirizzo
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 pi recenti sono quelli elaborati da ISPRA e pubblicati nellultima 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 lanno 2007. Purtroppo questo campione non
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 attualmente disponibile nulla in tal senso.
Utilizzando lindicatore 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 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
Present
e 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
rapport
o 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 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
lindicatore pi utilizzato in questo studio.

50

Figura 8.1 costi medi provinciali per la gestione dellintero 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

/
a
b
i
t
a
n
t
e
Costi medi /abitante
30
40
50
60
70
80
90
VA CO SO MI BG BS PV CR MN LC LO

/
a
b
e
q

N
O
o
u
t
N
O
s
p
a
z
Costi medi /abitante equivalente
dopo bonifica, senza costi spazzamento

51
9 Conclusioni
Il presente studio si basato sullanalisi statistica di una popolazione di dati ampia e validata. Il sistema di
acquisizione dati della Regione Lombardia tramite lapplicativo web O.R.SO. efficiente e permette
unottima possibilit di verifica della correttezza dei dati inseriti, gi a livello dellattivit 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.
Lutilizzo di indicatori selezionati per lanalisi 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 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 una grande variabilit
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 affinch essi possano essere raggiunti con la migliore efficienza economica possibile dai comuni
che ne sono ancora lontani. Dallanalisi statistica dei dati emerge come in generale ad una RD pi alta non
corrispondano costi totali pi elevati rispetto ai comuni meno efficienti nelle raccolte differenziate; anzi, la
media dei costi totali per i comuni con RD > 60% inferiore rispetto a quelli con RD < 40%. C comunque
allinterno dei dati una grande variabilit che, soprattutto per i modelli porta a porta, 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 allaumentare del tasso di raccolta
differenziata; per la fascia di Comuni con RD > 70% si evidenzia per un significativo incremento nei costi
della sola raccolta. Ci offre lo spazio a possibili ottimizzazioni, ad esempio tarando meglio le frequenze di
raccolta riducendole ove eccessive (es. secco indifferenziato) ed incrementando lintercettazione delle
frazioni che generano un ricavo (od un minore costo di smaltimento) mediante campagne di comunicazione
mirate.
Pertanto, grazie alla grande disponibilit di casi studio, attualmente i Comuni hanno la possibilit di
valutare i risultati attesi quantitativi ed economici prima dellintroduzione di un nuovo modello di raccolta.
Un tema recente che influenzer le valutazioni sui modelli di raccolta riguarda lassimilazione dei rifiuti
speciali agli urbani; infatti il D.Lgs. 4/08, modificando lart. 195 comma 2 lett. e) del D.Lgs. 152/06, ha
confermato la volont del legislatore di non permettere pi lassimilazione 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. Ci fa
riconsiderare lopportunit 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 perch si ha maggior potere
contrattuale nel caso di appalto a gestore privato e perch vi la possibilit 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 inferiore al 60%, anche
analizzando le citt attive da pi tempo sulla raccolta domiciliarizzata, ma i margini di miglioramento sono
ancora ampi.


53
10 Appendice: valutazione della normalit della distribuzione
Come noto, nelle analisi statistiche limportante valutazione preliminare che viene effettuata su un
campione di dati quella della distribuzione di probabilit 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, ragionevole assumere che la variabilit sia legata ad un grande
numero di piccoli effetti che agiscono additivamente ed indipendentemente. Qualora il campione non sia
distribuito normalmente, significa che vi la presenza di una variabile distorsiva che influisce sui valori
misurati in modo significativo.
Per la verifica della normalit 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 listogramma di frequenza dei valori di costo totale per abitante residente, e gli altri test di
verifica della variabilit sopra elencati, si nota che questo campione pur presentando una distribuzione a
campana, presenta una marcata asimmetria e non supera il test di normalit di Shapiro-Wilk. In prima
approssimazione i valori sembrano seguire una distribuzione di tipo log-normale.


54

Figura 10.1 Valutazione della normalit 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 unasimmetria evidente ed uno
sbilanciamento nelle code.

Figura 10.2 - Valutazione della normalit dei dati di costo per abitante equivalente
Summary: cTOT/ab bonificati
K-S d=,15801, p<,01 ; Lilliefors p<,01
Shapiro-Wilk W=,71009, p=0,0000
-40
-20
0
20
40
60
80
100
120
140
160
180
200
220
240
260
280
300
320
340
360
380
400
420
440
460
480
500
520
540
560
580
600
X <= CategoryBoundary
0
50
100
150
200
250
300
350
400
450
500
550
N
o
.

o
f

o
b
s
.
Mean = 97,3812
MeanSD
= (56,4946, 138,2678)
Mean1,96*SD
= (17,2434, 177,5189)
0
20
40
60
80
100
120
140
160
180
200
c
T
O
T
/
a
b

b
o
n
i
f
i
c
a
t
i
Normal P-Plot: cTOT/ab bonificati
0 100 200 300 400 500 600 700
Value
-4
-3
-2
-1
0
1
2
3
4
E
x
p
e
c
t
e
d

N
o
r
m
a
l

V
a
l
u
e
SummaryStatistics:cTOT/ab bonificati
Valid N=1380
Mean= 97,381170
Median= 88,943299
Minimum= 28,493056
Maximum=588,759111
Lower Quartile= 75,062285
Upper Quartile=107,791369
Std.Dev.= 40,886608
Skewness= 4,143706
Kurtosis= 32,776213
Summary: cTOT/abeqNOout
K-S d=,04664, p<,01 ; Lilliefors p<,01
Shapiro-Wilk W=,97656, p=,00000
30 40 50 60 70 80 90 100 110 120 130
X <= CategoryBoundary
0
50
100
150
200
250
300
350
N
o
.

o
f

o
b
s
.
Mean = 75,7204
MeanSD
= (58,1928, 93,248)
Mean1,96*SD
= (41,3663, 110,0745)
30
40
50
60
70
80
90
100
110
120
c
T
O
T
/
a
b
e
q
N
O
o
u
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
E
x
p
e
c
t
e
d

N
o
r
m
a
l

V
a
l
u
e
SummaryStatistics:cTOT/abeqNOout
Valid N=1314
Mean= 75,720390
Median= 73,830843
Minimum= 42,794689
Maximum=128,222686
Lower Quartile= 62,291288
Upper Quartile= 86,558272
Std.Dev.= 17,527608
Skewness= 0,525802
Kurtosis= -0,102125

55
Per rafforzare lipotesi 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 dellapprossimazione alla distribuzione lognormale della variabile costo
per abitante


Figura 10.4 - Probability plot per la verifica dellapprossimazione alla distribuzione lognormale della variabile costo
per abitante equivalente
Probability-Probability Plot of cTOT/ab bonificati
2008 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
E
m
p
i
r
i
c
a
l

c
u
m
u
l
a
t
i
v
e

d
i
s
t
r
i
b
u
t
i
o
n
Probability-Probability Plot of cTOT/abeqNOout
2008 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
E
m
p
i
r
i
c
a
l

c
u
m
u
l
a
t
i
v
e

d
i
s
t
r
i
b
u
t
i
o
n

56

Figura 10.5 Istogramma di frequenze e fittingdella distribuzione lognormale, costi per abitante

Figura 10.6 - Istogramma di frequenze e fittingdella 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 lapprossimazione alla
Variable: cTOT/ab bonificati, Distribution: Log-normal
Kolmogorov-Smirnov d = 0,06714, p < 0,01
Chi-Square test = 143,13178, df = 9 (adjusted) , p = 0,00000
0
,
0
0
1
6
,
2
5
3
2
,
5
0
4
8
,
7
5
6
5
,
0
0
8
1
,
2
5
9
7
,
5
0
1
1
3
,
7
5
1
3
0
,
0
0
1
4
6
,
2
5
1
6
2
,
5
0
1
7
8
,
7
5
1
9
5
,
0
0
2
1
1
,
2
5
2
2
7
,
5
0
2
4
3
,
7
5
2
6
0
,
0
0
2
7
6
,
2
5
2
9
2
,
5
0
3
0
8
,
7
5
3
2
5
,
0
0
3
4
1
,
2
5
3
5
7
,
5
0
3
7
3
,
7
5
3
9
0
,
0
0
4
0
6
,
2
5
4
2
2
,
5
0
4
3
8
,
7
5
4
5
5
,
0
0
4
7
1
,
2
5
4
8
7
,
5
0
5
0
3
,
7
5
5
2
0
,
0
0
5
3
6
,
2
5
5
5
2
,
5
0
5
6
8
,
7
5
5
8
5
,
0
0
6
0
1
,
2
5
6
1
7
,
5
0
6
3
3
,
7
5
6
5
0
,
0
0
Category (upper limits)
0
50
100
150
200
250
300
350
400
450
N
o
.

o
f

o
b
s
e
r
v
a
t
i
o
n
s
Variable: cTOT/abequiv, Distribution: Log-normal
Kolmogorov-Smirnov d = 0,02628, p = n.s.
Chi-Square test = 14,43511, df = 8 (adjusted) , p = 0,07111
0
,
0
0
1
1
,
2
5
2
2
,
5
0
3
3
,
7
5
4
5
,
0
0
5
6
,
2
5
6
7
,
5
0
7
8
,
7
5
9
0
,
0
0
1
0
1
,
2
5
1
1
2
,
5
0
1
2
3
,
7
5
1
3
5
,
0
0
1
4
6
,
2
5
1
5
7
,
5
0
1
6
8
,
7
5
1
8
0
,
0
0
1
9
1
,
2
5
2
0
2
,
5
0
2
1
3
,
7
5
2
2
5
,
0
0
2
3
6
,
2
5
2
4
7
,
5
0
2
5
8
,
7
5
2
7
0
,
0
0
2
8
1
,
2
5
2
9
2
,
5
0
3
0
3
,
7
5
3
1
5
,
0
0
3
2
6
,
2
5
3
3
7
,
5
0
3
4
8
,
7
5
3
6
0
,
0
0
3
7
1
,
2
5
3
8
2
,
5
0
3
9
3
,
7
5
4
0
5
,
0
0
4
1
6
,
2
5
4
2
7
,
5
0
4
3
8
,
7
5
4
5
0
,
0
0
Category (upper limits)
0
50
100
150
200
250
300
350
N
o
.

o
f

o
b
s
e
r
v
a
t
i
o
n
s

57
distribuzione log-normale nel caso del parametro costo per abitante residente non superato; si
conferma quindi la bont dellutilizzo degli abitanti equivalenti per la normalizzazione dei dati.

La distribuzione log-normale si verifica quando i dati sottostanno ad effetti che interagiscono con modalit
moltiplicativa invece che additiva. Nel caso dei costi per la gestione dei rifiuti, questa considerazione
importante perch evidenzia come un intervento di miglioramento della gestione (ad es. riduzione della
produzione totale pro capite di rifiuti mediante politiche di sensibilizzazione, o miglioramento
dellefficienza della raccolta differenziata) pu avere degli effetti amplificati sui costi totali.
Qui di seguito rappresentata la distribuzione del logaritmo del parametro costo totale per abitante
equivalente.


Figura 10.7 - Istogramma di frequenze e fittingdella 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/abeq
K-S d=,02628, p> .20; Lilliefors p<,05
Shapiro-Wilk W=,98573, p=,00000
1,15
1,20
1,25
1,30
1,35
1,40
1,45
1,50
1,55
1,60
1,65
1,70
1,75
1,80
1,85
1,90
1,95
2,00
2,05
2,10
2,15
2,20
2,25
2,30
2,35
2,40
2,45
2,50
2,55
2,60
X <= Category Boundary
0
50
100
150
200
250
300
N
o
.

o
f

o
b
s
.

58

Figura 10.8 Fittingdella distribuzione normale del parametro costi per abitante equivalente, trasformato con
logaritmo, dopo leliminazione degli outliers
Sottraendo alla voce di costo totale quella specifica dello spazzamento stradale, intesa come costo per il
servizio comprensivo dello smaltimento si ottenuta una migliore approssimazione (p-value) della
distribuzione alla normale (Figura 10.9)

Figura 10.9 - Fittingdella distribuzione normale del parametro costi per abitante equivalente, trasformato con
logaritmo, dopo leliminazione degli outliers e la sottrazione del costo dello spazzamento stradale
Variable: log costi TOT/abeq Nooutliers, Distribution: Normal
Kolmogorov-Smirnov d = 0,02051, p = n.s., Lilliefors p < 0,20
Chi-Square test = 37,99830, df = 28 (adjusted) , p = 0,09843
1
,
5
4
3
8
1
,
5
6
0
0
1
,
5
7
6
3
1
,
5
9
2
5
1
,
6
0
8
8
1
,
6
2
5
0
1
,
6
4
1
3
1
,
6
5
7
5
1
,
6
7
3
8
1
,
6
9
0
0
1
,
7
0
6
3
1
,
7
2
2
5
1
,
7
3
8
8
1
,
7
5
5
0
1
,
7
7
1
3
1
,
7
8
7
5
1
,
8
0
3
8
1
,
8
2
0
0
1
,
8
3
6
3
1
,
8
5
2
5
1
,
8
6
8
8
1
,
8
8
5
0
1
,
9
0
1
3
1
,
9
1
7
5
1
,
9
3
3
8
1
,
9
5
0
0
1
,
9
6
6
3
1
,
9
8
2
5
1
,
9
9
8
8
2
,
0
1
5
0
2
,
0
3
1
3
2
,
0
4
7
5
2
,
0
6
3
8
2
,
0
8
0
0
2
,
0
9
6
3
2
,
1
1
2
5
2
,
1
2
8
8
2
,
1
4
5
0
2
,
1
6
1
3
2
,
1
7
7
5
2
,
1
9
3
8
Category (upper limits)
0
10
20
30
40
50
60
70
80
90
100
N
o
.

o
f

o
b
s
e
r
v
a
t
i
o
n
s
Variable: log cTOT/abeqNOoutNOspaz, Distribution: Normal
Kolmogorov-Smirnov d = 0,01742, p = n.s., Lilliefors p = n.s.
Chi-Square test = 18,03410, df = 24 (adjusted) , p = 0,80135
1,40
1,42
1,44
1,46
1,48
1,50
1,52
1,54
1,56
1,58
1,60
1,62
1,64
1,66
1,68
1,70
1,72
1,74
1,76
1,78
1,80
1,82
1,84
1,86
1,88
1,90
1,92
1,94
1,96
1,98
2,00
2,02
2,04
2,06
2,08
2,10
2,12
2,14
2,16
2,18
2,20
Category (upper limits)
0
20
40
60
80
100
120
140
N
o
.

o
f

o
b
s
e
r
v
a
t
i
o
n
s

59
Il fatto di utilizzare una distribuzione lognormale in luogo della gaussiana implica alcuni effetti evidenti
come levidenziazione di un valore medio pi basso e di una deviazione standard diversa.
Nella tabella seguente si mostra per 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.M
edia
Corrisp.M
edia-
Std.Dev.
Corrisp.M
edia+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 verr 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 comprensibilit nella lettura delle unit di misura, verr
utilizzato il semplice parametro di costo per abitante con lapprossimazione 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 cos come stabilita dal metodo di calcolo
dellOsservaorio 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
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: Modalit 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 dellinvio a recupero dei materiali raccolti. Tale
tipologia di raccolta si suddivide in:
multimateriale leggera: non comprende il vetro e pu 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 dellapplicativo 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 presso ARPA Lombardia.

61