Valutazione Modelli GestioneRU

VALUTAZIONE STATISTICO
ECONOMICA DEI MODELLI DI GESTIONE DEI RIFIUTI URBANI IN
LOMBARDIA
in collaborazione con
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)
Indice
1 2 PREMESSA .............................................................................................................................................. 5 METODOLOGIA ........................................................................................................................................ 5 2.1 2.2 3 La normalizzazione dei valori di costo sugli abitanti ...................................................................... 5 Calcolo degli abitanti equivalenti .................................................................................................. 6
SELEZIONE DEL SUBSET DI DATI .................................................................................................................... 8 3.1 3.2 3.3 3.4 3.5 Bonifica dei dati e riduzione delle anomalie .................................................................................. 9 Selezione di comuni omogenei per tipologia di gestione ............................................................... 9 Analisi per fasce territoriali omogenee........................................................................................10 Selezione delle schede comunali compilate pi correttamente ....................................................12 Analisi sui capoluoghi di provincia ...............................................................................................12
LA VARIABILIT DEI DATI DI COSTO...............................................................................................................12 4.1 Riduzione della variabilit ............................................................................................................13 Eliminazione anomalie di trend di costo ...............................................................................13 Normalizzazione sugli abitanti equivalenti ...........................................................................13 Eliminazione degli outliers ...................................................................................................13 Parziale utilizzo dei dati di costo dello spazzamento stradale ...............................................14 Risultati delle operazioni di riduzione della varianza ............................................................14
4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 5
INDIVIDUAZIONE DEI PRINCIPALI CENTRI DI COSTO IMPUTABILI AI DIFFERENTI SISTEMI..............................................16 5.1 Parametri oggetto di compilazione nella scheda O.R.SO. .............................................................16 Costi di gestione del ciclo dei servizi sui RU indifferenziati....................................................16 Costi di gestione del ciclo della raccolta differenziata ...........................................................16 Costi generali: CC,CK ............................................................................................................17 Totali complessivi ................................................................................................................17
5.1.1 5.1.2 5.1.3 5.1.4 5.2 5.3 6
Considerazioni preliminari allelaborazione dei centri di costo disaggregati .................................18 Valutazione dellincidenza dei singoli centri di costo rispetto al costo di gestione complessivo ....18
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 6.3 Densit urbanistica ......................................................................................................................22 Popolazione.................................................................................................................................24 3
6.4 6.5
Modello di raccolta (contenitori stradali / porta a porta) .............................................................26 Frequenze di raccolta porta a porta .............................................................................................33 Bonifica dei dati ...................................................................................................................33 Correlazione con i costi ........................................................................................................33 Costi di raccolta di singole frazioni differenziate ed intercettazione .....................................34
6.5.1 6.5.2 6.5.3 6.6 6.7 7
Produzione totale pro capite di rifiuti ..........................................................................................36 Raccolta differenziata ..................................................................................................................37
ANALISI DEL SISTEMA DI RACCOLTA DIFFERENZIATA DEI CASI STUDIO....................................................................41 7.1 7.2 Bacini di comuni omogenei ..........................................................................................................41 Considerazioni sui capoluoghi di provincia ...................................................................................42 Peculiarit dei sistemi ..........................................................................................................42 Tabelle di sintesi ..................................................................................................................43 Recenti modifiche dei servizi ................................................................................................47
7.2.1 7.2.2 7.2.3 8
CONFRONTO A SCALA PI AMPIA.................................................................................................................47 8.1 8.2 8.3 Dati europei ................................................................................................................................47 Dati nazionali...............................................................................................................................48 Confronto tra province ................................................................................................................49
9 10 11
CONCLUSIONI .........................................................................................................................................51 APPENDICE: VALUTAZIONE DELLA NORMALIT DELLA DISTRIBUZIONE...............................................................53 GLOSSARIO ........................................................................................................................................60
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.
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 10.000 900.000,00 550 32% 163,64 90,00 Anno x+1: sistema di raccolta porta a porta 10.300 850.000,00 470 65% 175,58 82,52 Variazione anno x / anno x+1 +3,0% -5,6% -14,5% +103,1% +7,3% -8,3%
Abitanti Costi totali (raccolta e smalt/tratt) Produzione totale di rifiuti (kg/abitante.anno) % raccolta differenziata Costo totale (/ton) Costo totale (/abitante.anno)
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.
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.
Utenze Domestiche 815 1884 5998 1292 Utenze Non Domestiche 31 162 1436 69 % utenze domestiche dom/abitanti 89,6% 57,8% 40,5% 40,5% % non dom / abitanti 3,4% 5,0% 9,7% 2,2% Stima Utenze domestiche residenti 379 1358 5998 1292 abitanti equiv 1265 4060 19103 3399 differenza ab. equiv / abitanti residenti +39,0% +24,6% +29,1% +6,5%
Abitanti Alagna (PV) Abbadia Lariana (LC) Agrate Brianza (MI) Albuzzano (PV) 910 3258 14795 3192
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
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 490,9 395,8 -19,4% Mediana 466,7 387,7 -16,9% Minimo 136,1 87,0 -36,1% Massimo 2.578,9 1.611,8 -37,5% 25 percentile 412,7 338,2 -18,0% 75 percentile 545,3 444,7 -18,5% Dev. St. 145,8 101,6 -30,3% Coef.Var. 29,7 25,7 -13,5%
Totale RU/ab 1553 RU/ab.eq. 1549 Variazione
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.
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 A.E.M. GESTIONI S.r.l. A.S.M. Magenta AMGA Legnano Spa AMSA Azienda Milanese Servizi Ambientali S.r.l. Aprica S.p.A. ASM Pavia ASM - Impianti e Servizi Ambientali S.p.A. Vigevano ASPEM S.p.A. ASPM SORESINA SERVIZI S.P.A. ASTEM GESTIONI S.r.l. Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A. Broni Stradella S.p.A. Casalasca Servizi S.p.A. CEM Ambiente S.p.A. CLIR COINGER Com. Mont. Alpi Lepontine Comunit Montana della Valcuvia Comunit Montana Triangolo Lariano Consorzio Brianza Milanese Consorzio comuni dei navigli Convenzione "Valleimagnapulita" Convenzione intercomunale Sesto C. GARDA UNO S.p.A. S.A.S.O.M. S.r.l. Societ Ambiente del Sud Ovest Milanese S.EC.AM S.p.A. S.I.ECO. S.r.l. Service 24 S.p.A. SILEA S.p.A. Societ Cremasca Servizi S.p.A. VAL CAVALLINA SERVIZI S.r.l. Vallecamonica Servizi S.p.A. CAPOLUOGHI Provincia di riferimento CREMONA MILANO MILANO MILANO BRESCIA PAVIA PAVIA VARESE CREMONA MILANO MILANO PAVIA CREMONA MILANO PAVIA VARESE COMO VARESE COMO MILANO MILANO BERGAMO VARESE BRESCIA MILANO SONDRIO VARESE COMO COMO CREMONA BERGAMO BRESCIA -Numero comuni 39 3 5 8 74 30 2 5 2 15 13 54 22 47 45 22 16 18 23 15 15 5 18 14 10 72 4 7 90 49 27 42 12 abitanti 132.610 34.333 111.258 1.436.533 390.884 141.780 65.284 97.817 9.854 104.182 263.604 78.998 45.023 406.483 96.042 76.017 20.353 34.415 34.364 329.055 57.077 8.017 74.851 78.395 46.785 174.146 32.249 32.705 317.587 161.165 94.688 101.136 2.199.805
Tabella 3.1 Bacini di comuni con medesimo gestore
Figura 3.1 Rappresentazione GIS dei 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.
10
Densit urbanistica 3 - 65 ab/kmq 66 - 140 141 - 250 251 - 520 521 - 980 981 - 7.600
Figura 3.2 Rappresentazione GIS delle fasce di densit urbanistica
Abitanti
33 - 800 801 - 1600 1601 - 2700 2701 - 10000 10001 - 30000 30001 - 1300000
Figura 3.3 Rappresentazione GIS delle fasce di popolazione
11
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.
12
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.
13
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 (pvalue) 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) cTOT/ab grezzi cTOT/ab bonificati cTOT/ab eq cTOT/abeq NOoutliers cTOT/abeq NOoutliers NOspaz Campione (n) 1532 1380 1376 1314 1312 Media 97,35 97,38 77,10 75,72 70,77 Min 15,32 28,49 19,79 42,79 31,65 Max 775,45 588,76 367,97 128,22 126,84 Dev. St 46,93 40,89 23,10 17,53 16,62
Tabella 4.1 - Progressiva riduzione della variabilit degli indicatori utilizzati

200 180 160 140 120 100 80 60 40 20 0 Mean MeanSD Mean1,96*SD
cTOT/ab grezzi cTOT/ab bonificati
cTOT/abeq
cTOT/abeq NOoutliersNOspaz cTOT/abeq NOoutliers
Figura 4.1 Box & Whisker plot relativo alla progressiva riduzione della variabilit degli indicatori utilizzati
14
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.
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
Figura 4.2 Distribuzione territoriale dei costi totali per abitante, cos come dichiarati nelle schede comunali. Dati 2008
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
Figura 4.3 Rappresentazione GIS dellindicatore costi totali per abitante equivalente al netto dei costi di spazzamento. In azzurro i comuni eliminati dal campione a causa delle varie anomalie
15
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
16
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: 5.1.3 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 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 o o CARC: Costi amministrativi: accertamento, riscossione, contenzioso CGG: Costi generali di gestione CCD: costi comuni diversi
CK Costi d'uso del capitale o o o AMM: ammortamenti ACC: accantonamenti 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
17
o o
Ra: proventi della vendita di materiali e di energia da rifiuti 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
18
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.
Incidenza dei centri di cos to
C K / cTO T; 3,6% C C / cTO T; 13,1% C R T / cTO T; 19,1%
AC / cTOT; 4,8%
C SL / cTOT; 9,7%
C TS / cTOT; 26,8% C TR -ric / cTOT; 10,5%
C R D / cTO T; 22,5%
Figura 5.2 Media regionale dellincidenza dei vari centri di costo
19
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).
Box Plot of multiple variables 2008 120v*1555c Median; Box: 25%-75%; Whisker: Non-Outlier Range 60% 50% 40% 30% 20% 10% 0% -10% -20% Median 25%-75% Non-Outlier Range
CRT / cTOT CRD / cTOT CSL / cTOT CC / cTOT CTS / cT OT CTR-ric / cTOT AC / cTOT CK / cT OT
Figura 5.3 Box & Whisker plot dellincidenza dei centri di costo di dettaglio
20
Box Plot of multiple variables 2008 118v*1555c Median; Box: 25%-75%; Whisker: Non-Outlier Range 60
50
Costo /abeq.anno
40
30
20
10
0 Median 25%-75% Non-Outlier Range
- 10 cRACC/abeq bonif cSPAZ/abeq bonif cTRAT-ric/abeq bonif cALTR/abeq bonif
Figura 5.4 - Box & Whisker plot dei centri di costo aggregati (focus su cTRAT e cRACC)
Box Plot of multiple variables 2008 118v*1555c Median; Box: 25%-75%; Whisker: Non-Outlier Range 80 70 60 Costo /abeq.anno 50 40 30 20 10 0 - 10 cSPAZ/abeq bonif cDIFF-ric/abeq bonif cALTR/abeq bonif cINDIFFnoACnoSPAZ/abeq bonif Median 25%-75% Non-Outlier Range
Figura 5.5 - Box & Whisker plot dei centri di costo aggregati (focus su cSPAZ e cDIFF)
21
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 XY (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.
22
140
120
Costi totali normalizzati
100
80
71,30 70,63 67,17 70,50 67,44 67,96
60
40
20 <= 65 (65;140] (140;250] (250;520] (520;980] > 980
Median 25%-75% Non-Outlier Range
Densit urbanistica (ab/kmq)
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).
23
140
120
100 cRACC/abeq
80
60
40
33,03
30,87
30,08
29,52
29,56
30,17
20 Median 25%-75% Non-Outlier Range Raw Data Connect Medians
0 <= 65 (65;140] (140;250] (250;520] (520;980] > 980
Densit urbanistica (abitanti/kmq)

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.
24
300 280 260 240 220 200 cTOT/ab bonificati 180 160 140 120
100,09 123,75
100 80 60 40 20 0
<= 800
96,06 86,50 81,92 86,30
(800;1600]
(1600;2700]
(2700;10000] (10000;30000]
> 30000
Median 25%-75% Non-Outlier Range Raw Data Connect Medians
Abitanti
Figura 6.3 - Variability plot, con box & whisker, dei costi totali per fasce di popolazione
140
120
100
80
79,71 73,01 67,90 67,61 68,58 69,79
60
40
20
<= 800 (800;1600] (1600;2700] (10000;30000] (2700;10000] > 30000
Median 25%-75% Non-Outlier Range
Abitanti
Figura 6.4 - Variability plot, con box & whisker, dei costi totali al netto dello spazzamento per fasce di popolazione
25
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
26
Figura 6.6 Raccolta porta a porta
Modello di raccolta
Cassonetti 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. 27
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.
90%
80%
70%
60% 53,2% RD (%) 50%
40% 30,5% 30%
20%
10%
0% Porta a porta Cassonetti
Mean MeanSD Mean1,96*SD
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 ttest qui riassunto:
T-tests; Grouping: PAP indiff (2008) Group 1: PAP Group 2: CASS Media - PAP Media CASS t-value
33,11076
df
1544
p
0,00
Valid N - PAP
1099
Valid N CASS
447
Std.Dev. PAP
13,0%
Std.Dev. CASS
10,1%
F-ratio Variances
1,638874
p Varianc es
0,000000
RD (%)
53,2%
30,5%
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
28
La correlazione rispetto alla produzione totale di rifiuti rispetto ai differenti modelli di raccolta illustrata in Figura 6.9.
700
600
Totale RU / ab.eq. (kg/anno)
500 424,1 400 383,2
300
200 Mean MeanSD Mean1,96*SD Porta a porta Cassonetti
100
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 Totale RU (kg/ab.eq. anno) Media CASS t-value df p Valid NPAP
1097
Valid N CASS
445
Std.Dev. - PAP
86,1
Std.Dev. - CASS
128,3
F-ratio Variances
2,218234
pVariances
0,000000
383,2
424,1
-7,275
1540
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.
29
1000 900 800 700 600 RU/ab.eq. 500 400 300 200 100 0 0% 10%
20% 30%
40% 50%
60% 70%
80% 90%
0% 10%
20% 30%
40% 50%
60% 70%
80% 90%
Cassonetti RD (%)
Porta a porta
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.
30
110
100
90
80 74,45 70 69,31
60
50
40 Mean MeanSD Mean1,96*SD Porta a porta Cassonetti
30
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 Costi totali normalizzati Media CASS t-value -5,14185 df 1310 p 0,000000 Valid NPAP 925 Valid NCASS 387 Std.Dev. - PAP 16,51 Std.Dev. - CASS 16,51 F-ratio Variance s 1,000914 p Variances 0,982136
69,31
74,45
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
31
140
r = 0,0085
2
Porta a porta Cassonetti
120
100
80
60
40
20 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
RD (%)
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)
32
Box Plot of cTOT/ton grouped by PAP indiff 500 450 400 350 300 cTOT/ton 250 200 150 100 50 0 Porta a porta Sistema di raccolta Cassonetti 198.11 199.28
Mean MeanSD Mean2*SD Raw Data
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 33
relativo coefficiente r2 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).
Scatterplot of cRACC/abeq bonif agains t 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. 80 70 60 cRACC/abeq bonif 50 40 30 20 10 0 0 100 200 300 400 500 600 700 800 900 giri_TOT giri_TOT:cRACC/abeq bonif: r = 0,2718; p = 0,00000; r2 = 0,0739
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. 34
Scatterplot of Organico/abeq against Cracc_organico/abeq; categorized by Organico 2008_1.sta 137v*1555c Exclude condition: v69=0 100 90 80 70 Organico: kg/abeq.anno 60 50 40 30 20 10 0 0 Organico: <= 90 Organico: > 90
10
12
14
16
18
20
Cracc_organico/abeq
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
Scatterplot of Carta/abeq against Cracc_carta/abeq; categorized by FreqCarta 2008_1.sta 137v*1555c Include condition: v74>=3 Exclude condition: v70=0 120
100
80 Carta: kg/abeq.anno
60
40
20 FreqCarta: <= 40 FreqCarta: > 40
0 0
10
12
14
16
Cracc_carta/abeq
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)
35
Scatterplot of Plastica/abeq against Cracc_plastica/abeq; categorized by FreqPlastica 2008_1.sta 137v*1555c Include condition: v74>=3 Exclude condition: v71=0 30 28 26 24 22 Plastica: kg/abeq.anno 20 18 16 14 12 10 8 6 4 2 0 0 2 4 6 8 10 FreqPlastica: <= 40 FreqPlastica: > 40
Cracc_plastica/abeq
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)
Scatterplot of Vetro/abeq against Cracc_vetro/abeq; categorized by FreqVetro 2008_1.sta 137v*1555c Include condition: v74>=3 Exclude condition: v72=0 100 90 80 70 Vetro: kg/abeq.anno 60 50 40 30 20 10 0 0 FreqVetro: <= 40 FreqVetro: > 40
6 Cracc_vetro/abeq
10
12
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.
36
Scatterplot of Costi totali normalizzati against RU/ab.eq. r 2 = 0.2169 140
120
100
80
60
40
20 100
200
300
400
500
600
700
800
Totale RU kg/abeq
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 (r2 = 0,0085, p= 0,0004) presenti tra laltro una pendenza negativa (m= -10,24).
37
140 r 2 = 0,0085 120
100
80
60
40
20 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
RD (%)
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).
140
120
100
80
75,49
73,55 68,55 66,82 66,92 69,52 69,47
60
40
20 <= 20% (20%;30% ] (30% ;40%] (40%;50% ] (50%;60% ] (60% ;70%] > 70%
Median 25% -75% Non-Outlier Range
RD (%)
Figura 6.21 - Variability plot per la verifica per fasce di RD delleventuale correlazione tra costi totali al netto dello spazzamento e % RD
38
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 <20% (20%;30%] (30%;40%] (40%;50%] (50%;60%] (60%;70%] >70%
N campione 20 44 106 140 206 158 34
Tabella 6.4 Numero di campioni inclusi nellanalisi di variabilit per fasce riportata in Figura 6.22 e Figura 6.23
39
Costi disaggregati per fasce di % RD

90 80 70 /abeq.anno 60 50 40 30 20 10 0
<20% (20%;30%](30%;40%] (40%;50%](50%;60%](60%;70%] >70%
cINDIFF/abeq cDIFF/abeq
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
Costi disaggregati per fasce di % RD

90 80 70 /abeq.anno 60 50 40 30 20 10 0
<20% (20%;30%](30%;40%] (40%;50%](50%;60%](60%;70%] >70%
cTRAT/abeq cRACC/abeq
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
40
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
A.E.M. GESTIONI S.r.l. A.S.M. Magenta AMGA Legnano Spa AMSA Azienda Milanese Servizi Ambientali S.r.l. Aprica S.p.A. ASM Pavia ASM - Impianti S.p.A. Vigevano ASPEM S.p.A. ASPM SORESINA SERVIZI S.P.A. ASTEM GESTIONI S.r.l. Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A. Broni Stradella S.p.A. Casalasca Servizi S.p.A. CEM Ambiente S.p.A. CLIR COINGER Com. Mont. Alpi Lepontine Comunit Montana della Valcuvia Comunit Montana Triangolo Lariano Consorzio Brianza Milanese Consorzio comuni dei navigli Convenzione "Valleimagnapulita" Convenzione intercomunale Sesto C. GARDA UNO S.p.A. S.A.S.O.M. S.r.l. Societ Ambiente del Sud Ovest Milanese S.EC.AM S.p.A. S.I.ECO. S.r.l. Service 24 S.p.A. SILEA S.p.A. Societ Cremasca Servizi S.p.A. VAL CAVALLINA SERVIZI S.r.l. Vallecamonica Servizi S.p.A. CAPOLUOGHI e Servizi Ambientali
Numero comuni
39 3 5 8 74 30 2 5 2 15 13 54 22 47 45 22 16 18 23 15 15 5 18 14 10 72 4 7 90 49 27 42 12
% con PAP indiff

100% 100% 100% 100% 5% 93% 100% 100% 100% 100% 100% 6% 95% 100% 0% 100% 0% 100% 83% 100% 100% 100% 100% 29% 100% 81% 100% 100% 84% 100% 93% 45% 83%
% con PAP Forsu

79% 100% 100% 88% 0% 7% 100% 80% 100% 80% 100% 0% 82% 100% 0% 100% 0% 100% 4% 100% 100% 0% 94% 7% 90% 15% 100% 100% 74% 100% 78% 2% 75%
cTOT/abequiv 67,29 82,13 97,69 99,79 68,63 58,09 52,45 101,90 40,06 84,05 65,75 76,10 85,95 65,25 70,04 61,30 68,09 59,64 55,61 68,91 105,27 62,40 56,60 128,41 73,20 62,11 52,51 59,19 63,64 71,53 53,73 68,54 104,55
cTOT/abequiv no spaz 65,83 72,65 86,48 60,05 62,90 50,51 45,63 63,50 37,83 82,79 55,11 73,17 78,97 58,97 63,17 57,48 68,02 59,17 54,95 60,54 92,35 62,40 54,58 45,91 63,69 54,83 49,85 57,00 55,24 68,58 51,10 63,77 67,24
RD (%) 52,4% 52,9% 62,6% 43,8% 31,0% 32,3% 35,9% 51,7% 58,6% 57,1% 58,6% 28,3% 61,2% 63,6% 27,1% 65,5% 20,7% 56,8% 35,9% 60,7% 62,1% 46,2% 63,5% 39,8% 51,2% 42,2% 67,5% 56,1% 53,9% 66,0% 50,7% 28,8% 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
41
100
CAPOLUOGHI Consorzio comuni dei navigli
90
ASPEM S.p.A. AMGA Legnano Spa Casalasca Servizi S.p.A. ASTEM GESTIONI S.r.l.
80 Costi totali normalizzati

Broni Stradella S.p.A. A.S.M. Magenta
70
Com. Mont. Alpi Lepontine A.E.M. GESTIONI S.r.l. Vallecamonica Servizi S.p. A. CLIR Aprica S.p. A.
Societ Cremasca Servizi S. p.A. Consorzio Brianza Milanese
S.A.S.O.M. S. r.l. Societ Ambiente del Sud Ovest Milanese Convenzione "Valleimagnapulita" AMSA Azienda Milanese Servizi Ambientali S.r.l. Comunit Montana della Valcuvia CEM Ambiente S.p.A. Service 24 S.p.A. COINGER
60
ASM Pavia
Comunit Montana Triangolo Lariano S.EC.AM S.p.A.
SILEA S.p.A. Brianza Energia Ambiente S.p.A. - B.E.A. S.p.A. Convenzione intercomunale Sesto C. VAL CAVALLINA SERVIZI S.r.l. S.I.ECO. S.r.l.
50
ASM - Impianti e Servizi Ambientali S.p.A. Vigevano GARDA UNO S.p.A.
40
Comuni con PAP Organico: <= 50% Comuni con PAP Organico: > 50 %
ASPM SORESINA SERVIZI S. P.A.
30 10%
20%
30%
40% RD (%)
50%
60%
70%
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.
42
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 Varese Como Sondrio Milano Monza Bergamo Brescia Pavia Cremona Mantova Lecco Lodi dens urb 1.512 2.295 1.071 7.201 3.707 2.960 2.143 1.111 1.024 754 1.050 1.062 Abitanti 81.990 84.085 22.309 1.299.418 121.280 117.890 190.844 70.514 71.998 48.357 47.529 43.591 abitanti equiv 100.823 119.940 29.941 1.467.040 140.112 152.426 241.808 85.870 85.842 61.819 60.856 51.254 RU/ab 542 511 543 576 454 561 729 638 616 659 491 574 RU/ab.eq. 441 359 404 510 393 434 575 524 516 515 383 488 RD (%) 46,6% 38,5% 45,9% 32,6% 50,1% 49,9% 39,1% 28,1% 44,2% 37,4% 54,9% 40,1%
Tabella 7.2 Indicatori principali relativi ai capoluoghi di provincia
43
COMUNE Varese Como Sondrio Milano Monza Bergamo Brescia Pavia Cremona Mantova Lecco Lodi
Carta /ab 61,7 6,7 93,1 72,5 59,5 99,9 107,0 66,5 85,4 101,3 11,6 55,8
Organico /ab 72,9 12,0 13,2 28,0 69,7 69,6 44,5 2,1 22,9 13,0 59,0 42,2
Plastica /ab 1,9 9,3 23,0 0,3 4,8 2,1 8,4 10,3 0,1 10,0
Vetro /ab 51,2 40,1 40,3 49,6 54,3 30,0 31,4 43,2 26,0 42,1 1,6
Multimat /ab 17,7 100,8 1,8 64,1 0,1 5,3 14,3 101,7 39,2
Carta Plast Vetro Multi /ab 130,6 149,5 144,4 145,1 123,6 154,6 141,8 105,3 137,1 151,9 155,5 106,6
PAP indiff 1 1 1 1 1 1 0 1 1 0 1 1
Giri/anno PAP Organico 104 20 20 60 156 104 Cass 20 104 20 156 156
Note Tutte le utenze Solo non domestiche Solo non domestiche Solo non domestiche Tutte le utenze Tutta le utenze escl. Centro storico e citt alta A cassonetti Solo alcune non domestiche Tutte le utenze da marzo 2008 Solo non domestiche Tutte le utenze 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 59,59 115,72 107,52 106,50 110,84 68,69 78,38 127,80 80,49 120,56 93,85 -
Varese 158,56 128,94 117,50 28,58 37,24 14,08 78,67 25,12 Como 134,18 94,07 94,07* 18,46 115,72 19,62 Sondrio 138,16 102,94 76,48 58,20 38,47 35,51 5,98 40,56 Milano 144,76 128,22 82,86 34,24 - 28,72 51,22 88,03 24,58 Monza 179,30 155,20 110,30 66,05 23,65 51,87 37,73 43,07 Bergamo 134,06 103,69 78,72 32,48 20,51 32,28 48,79 30,47 Brescia 124,70 98,42 76,14 44,85 31,57 28,22 20,06 31,47 Pavia 161,68 132,77 106,94 50,73 56,46 31,45 23,05 15,40 Cremona 128,67 107,92 98,18 40,72 40,59 11,61 35,75 20,67 Mantova 162,85 127,39 99,52 67,63 37,43 35,62 22,17 37,31 Lecco 132,34 103,36 74,08 31,38 43,78 37,49 19,68 35,27 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
44
costi TOT - indicatori

Lodi Lecco Mantova Cremona Pavia Brescia Bergamo Monza Milano Sondrio Como Varese 20 40 60 80 100 120 140 160 180 200 cTOT/abeqNOoutNOspaz cTOT/abequiv cTOT/ab grezzi
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)
Scatterplot of cTOT/ab grezzi against PercRD+IngRec(%) 2008 145v*12c 190
RD medio-bassa
180
RD medio - alta
Monza
Costo alto
170 cTOT/ab grezzi Pavia 160 Lodi Milano Sondrio Como Bergamo Cremona Brescia 120 26% Lecco Mantova Varese
150
Costo medio
140
Costo medio-basso 130
28%
30%
32%
34%
36%
38%
40%
42%
44%
46%
48%
50%
52%
54%
56%
PercRD+IngRec(%)
Figura 7.3 Scatterplot di confronto tra costi totali per abitante e % RD
45
Scatterplot of cTOT/abeqNOoutNOspaz agains t PercRD+IngRec(%) 2008 145v*12c 130 Lodi
RD medio-bassa RD medio - alta

120 cTOT/abeqNOoutNOspaz Varese Monza 110 Pavia Mantova Como
Costo alto
100
Cremona
Costo medio
90 Milano 80 Bergamo Brescia Sondrio Lecco
Costo medio-basso
28% 30% 32% 34% 36%
70 26%
38%
40%
42%
44%
46%
48%
50%
52%
54%
56%
PercRD+IngRec(%)
Figura 7.4 - Scatterplot di confronto tra costi totali per abitante equivalente al netto dello spazzamento e % RD
COMUNE Varese Como Sondrio Milano Monza Bergamo Brescia Pavia Cremona Mantova
cTOT/ab grezzi 158,56 134,18 138,16 144,76 179,30 134,06 124,70 161,68 128,67 162,85
Indiff CRT 12,37 29,23 17,90 31,56 13,21 26,31 42,13 24,74 34,54
Indiff CTS 28,33 41,40 32,93 24,18 23,20 23,84 49,65 44,13 41,10
Indiff CSL 14,08 35,51 51,22 51,87 32,28 28,22 31,45 11,61 35,62
Indiff AC 4,81 115,72 1,38 4,45 3,23 4,57 9,30
Indiff CGIND tot 59,59 115,72 107,52 106,50 110,84 68,69 78,38 127,80 80,49 120,56
Tabella 7.5 Centri di costo relativi allindifferenziato per i capoluoghi di provincia (/abitante)
46
DiffCRD 16,21 28,98 16,34 34,50 19,27 18,54 8,59 15,97 33,09
DiffCTR 8,91 19,62 11,59 8,25 8,58 11,20 12,94 6,81 4,70 4,22
DiffCGDtot 25,12 19,62 40,56 24,58 43,07 30,47 31,47 15,40 20,67 37,31
comCCtot 60,24 4,60 59,63 34,50 40,35 9,83 18,48 30,79 7,91
capCKtot 13,61 23,95 8,43 10,23 4,96 4,97
Tabella 7.6 - Centri di costo relativi alle differenziate ed i costi comuni per i capoluoghi di provincia
cDIFF/cTOT 15,8% 14,6% 29,4% 17,0% 24,0% 22,7% 25,2% 9,5% 16,1% 22,9%
cINDIFF/cTOT 37,6% 86,2% 77,8% 73,6% 61,8% 51,2% 62,9% 79,0% 62,6% 74,0%
cALTR/cTOT 49,6% 86,2% 4,3% 60,8% 21,0% 36,4% 16,1% 14,3% 27,8% 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
47
effettuato per conto della Commissione UE da Eunomia Research, purtroppo relativo a dati degli anni 19982000. 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 ISPRA, rapporto annuale rifiuti, Lombardia 2007 - solo comuni che hanno presentato Piano Finanziario (122 su 1546) ARPA Lombardia, rapporto annuale, dati 2007 (media dei costi comunali non soggetti ad anomalie dopo verifica ARPA) Presente studio: Lombardia, dati 2008, tutte le schede che hanno dichiarato costi totali Presente studio: Lombardia, dati 2008, solo le schede che hanno compilato le sezioni di dettaglio dei costi generali Costi totali /abitante 105,5 90 97,08 103,6
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.
48
Fonte dati
CSL
/ab*anno
Lombardia 2008 (tutte le schede) Lombardia 2008 (solo schede con costi di dettaglio) Lombardia 2007 Piemonte Trentino Alto Adige Veneto Friuli Venezia Giulia Liguria Emilia Romagna NORD
CRT
/ab*anno
CGIND
/ab*anno
CRD
/ab*anno
CGD
/ab*anno
CC
/ab*anno
CK
/ab*anno
CTOT
/ab*anno
97,1 9,4 18,5 57,5 20,6 30,2 12,4 3,5 103,6
Present e studio
Dati ISPRA rapport o rifiuti
Toscana Marche Lazio CENTRO Abruzzo Campania Puglia Basilicata Sardegna SUD ITALIA
14,9 20,2 7,7 11,4 4,7 19,2 14 13,9 27,1 11,9 39 37 13 13,9 15 49,9 33,9 30 25
17,2 18,9 14,8 18,5 16,3 10,4 15 17,1 13,9 11,8 44,9 40,1 19,1 43,4 15,7 65,8 37,4 39,1 28,4
57,9 66,8 38,8 55,7 55,8 62,6 73,5 60,2 87,4 73,1 124,7 118,7 87,9 82,3 63,5 141,5 82,7 95,8 88,1
18 39,7 17 18,3 16,1 8,3 19,6 20,2 12,8 10,7 14,3 14 15,5 32,5 9,6 5,3 30 20,5 17,4
25,8 49,7 28,7 25,7 17,8 18,6 25,5 27,8 20,9 13,7 14,6 15,6 18,7 52,5 9,6 48 30 32,5 22,5
18,8 14,5 28,2 18,4 9 49,6 32,2 21,4 54,6 36,7 22,6 27,5 39,2 1,2 2,9 5 8,1 13,3 23,8
3,5 4 5,3 10,7 3 18,4 10,3 7,2 26,1 2,2 15,6 17,1 8,9 0 0 26,8 0 7,9 11,7
105,5 135,3 101 110,5 85,7 149,1 145,2 117,1 188,9 125,6 177,5 179 152,6 133,2 76 221,3 120,7 148,8 146,4
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.
49
Costi medi /abitante

110 100
/abitante
90 80 70 60 50 VA CO SO MI BG BS PV CR MN LC LO
Figura 8.1 costi medi provinciali per la gestione dellintero servizio (tutte le voci di costo comprese)
Costi medi /abitante equivalente

dopo bonifica, senza costi spazzamento
90
/abeq NOoutNOspaz
80 70 60 50 40 30 VA CO SO MI BG BS PV CR MN LC LO
Figura 8.2 costi medi provinciali per abitante equivalente, eliminati gli outliers e tolti i costi di spazzamento
50
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
51
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.
52
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 o
istogrmma di distribuzione della frequenza per categorie normal probability plot,
Analisi della forma della curva

o o
Asimmetria (skewness) Curtosi
test statistici
o o
Kolmogorov-Smirnov 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.
53
Sum mary: cTOT/ab bonificati

K-S d=,15801, p<,01 ; Lilliefors p<,01 Shapiro-Wilk W=,71009, p=0,0000 550 500 450 400 350 300 250 200 150 100 50 0 -40 0 40 80 120 160 200 240 280 320 360 400 440 480 520 560 600 -20 20 60 100 140 180 220 260 300 340 380 420 460 500 540 580 X <= Category Boundary
200
Normal P-Plot: cTOT/ab bonificati 4 Expected Normal V alue 3 2 1 0 -1 -2 -3 -4 0 100 200 300 Value 400 500 600 700
No. of obs.
Summary Statistics: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
180 160 cTO T/ab bonificati 140 120 100 80 60 40 20 0 Mean = 97,3812 MeanSD = (56,4946, 138,2678) Mean1,96*SD = (17,2434, 177,5189)
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.
Summary: cTOT/abeqNOout
K-S d=,04664, p<,01 ; Lilliefors p<,01 Shapiro-Wilk W=,97656, p=,00000 300 No. of obs. 250 200 150 100 50 0 30 40 50 60 70 80 90 100 110 120 130 X <= Category Boundary
120
Normal P-Plot: cTOT/abeqNOout 4 Expected Normal Value 3 2 1 0 -1 -2 -3 -4 30 40 50 60 70 80 90 100 110 120 130 140
350
Value
Summary Statistics: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
110 100 cTO T/abeqNO out 90 80 70 60 50 40 30 Mean = 75,7204 MeanSD = (58,1928, 93,248) Mean1,96*SD = (41,3663, 110,0745)
Figura 10.2 - Valutazione della normalit dei dati di costo per abitante equivalente
54
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.
Probability-Probability Plot of cTOT/ab bonificati 2008 87v*1555c Dis tribution: Lognormal(0,322014, 4,51993) 1,4 1,2 Empirical cumulative distribution 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Theoretical cumulative distribution
Figura 10.3 Probability plot per la verifica dellapprossimazione alla distribuzione lognormale della variabile costo per abitante
Probability-Probability Plot of cTOT/abeqNOout 2008 87v*1555c Distribution: Lognormal(0,244913, 4,30229) 1,4 1,2 Empirical cumulative distribution 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Theoretical cumulative distribution
Figura 10.4 - Probability plot per la verifica dellapprossimazione alla distribuzione lognormale della variabile costo per abitante equivalente
55
Variable: cTOT/ab bonificati, Distribution: Log-normal Kolmogorov-Smirnov d = 0,06714, p < 0,01 Chi-Square test = 143,13178, df = 9 (adjus ted) , p = 0,00000 450 400 350 No. of observations 300 250 200 150 100 50 0,00 16,25 32,50 48,75 65,00 81,25 97,50 113,75 130,00 146,25 162,50 178,75 195,00 211,25 227,50 243,75 260,00 276,25 292,50 308,75 325,00 341,25 357,50 373,75 390,00 406,25 422,50 438,75 455,00 471,25 487,50 503,75 520,00 536,25 552,50 568,75 585,00 601,25 617,50 633,75 650,00 Category (upper limits) Variable: cTOT/abequiv, Distribution: Log-normal Kolmogorov-Smirnov d = 0,02628, p = n.s. Chi-Square tes t = 14,43511, df = 8 (adjus ted) , p = 0,07111 350 300 No. of observations 250 200 150 100 50 0 0,00 11,25 22,50 33,75 45,00 56,25 67,50 78,75 90,00 101,25 112,50 123,75 135,00 146,25 157,50 168,75 180,00 191,25 202,50 213,75 225,00 236,25 247,50 258,75 270,00 281,25 292,50 303,75 315,00 326,25 337,50 348,75 360,00 371,25 382,50 393,75 405,00 416,25 427,50 438,75 450,00 Category (upper limits) 0
Figura 10.5 Istogramma di frequenze e fitting della distribuzione lognormale, costi per abitante
Figura 10.6 - Istogramma di frequenze e fitting della distribuzione lognormale, costi per abitante equivalente
Come si vede, la normalizzazione dei dati per abitante equivalente rende la distribuzione ben modellabile dalla funzione log-normale. E interessante notare come il test Chi quadro per lapprossimazione alla
56
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.
His togram: log cTOT/abeq K-S d=,02628, p> .20; Lilliefors p<,05 Shapiro-Wilk W=,98573, p=,00000 300
250
200 No. of obs.
150
100
50
0 1,15 1,25 1,35 1,45 1,55 1,65 1,75 1,85 1,95 2,05 2,15 2,25 2,35 2,45 2,55 1,20 1,30 1,40 1,50 1,60 1,70 1,80 1,90 2,00 2,10 2,20 2,30 2,40 2,50 2,60 X <= Category Boundary
Figura 10.7 - Istogramma di frequenze e fitting della distribuzione normale, logaitmo dei costi per abitante equivalente
Dopo avere eliminato gli outliers come specificato al par. 4.1.3 si ottiene un miglioramento del fitting evidenziato in Figura 10.8.
57
Variable: log cos ti TOT/abeq Nooutliers, Distribution: Normal Kolmogorov-Smirnov d = 0,02051, p = n.s ., Lilliefors p < 0,20 Chi-Square tes t = 37,99830, df = 28 (adjusted) , p = 0,09843 100 90 80 No. of observations 70 60 50 40 30 20 10 1,5438 1,5600 1,5763 1,5925 1,6088 1,6250 1,6413 1,6575 1,6738 1,6900 1,7063 1,7225 1,7388 1,7550 1,7713 1,7875 1,8038 1,8200 1,8363 1,8525 1,8688 1,8850 1,9013 1,9175 1,9338 1,9500 1,9663 1,9825 1,9988 2,0150 2,0313 2,0475 2,0638 2,0800 2,0963 2,1125 2,1288 2,1450 2,1613 2,1775 2,1938 Category (upper limits)
Variable: log cTOT/abeqNOoutNOspaz, Distribution: Norm al Kolm ogorov-Smirnov d = 0,01742, p = n.s., Lilliefors p = n.s. Chi-Square test = 18,03410, df = 24 (adjusted) , p = 0,80135 140 120 100 80 60 40 20 0 1,40 1,44 1,48 1,52 1,56 1,60 1,64 1,68 1,72 1,76 1,80 1,84 1,88 1,92 1,96 2,00 2,04 2,08 2,12 2,16 2,20 1,42 1,46 1,50 1,54 1,58 1,62 1,66 1,70 1,74 1,78 1,82 1,86 1,90 1,94 1,98 2,02 2,06 2,10 2,14 2,18 Category (upper limits)
Figura 10.8 Fitting della 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)
No. of observations
Figura 10.9 - Fitting della distribuzione normale del parametro costi per abitante equivalente, trasformato con logaritmo, dopo leliminazione degli outliers e la sottrazione del costo dello spazzamento stradale
58
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 Parametro: cTOT/abeq NOout NOspaz Intera popolazione 33-2.000 2.001-20.000 20.001-100.000 100.0011.500.000 N 1312 523 723 61 5 Media 70,77 72,29 69,27 74,85 78,30 MediaSt.Dev. 54,15 54,15 54,08 56,86 75,48 Media+St .Dev. 87,39 90,43 84,47 92,85 81,12
Distribuzione lognormale Corrisp.M Corrisp.M Corrisp.M ediaedia+Std. edia Std.Dev. Dev. 68,87 70,12 67,61 72,80 78,26 54,53 54,78 54,15 57,39 75,49 86,99 89,75 84,42 92,35 81,13
Differenze lognorm / norm Media -2,7% -3,0% -2,4% -2,7% -0,1% MediaSt.Dev. 0,7% 1,2% 0,1% 0,9% 0,0% Media+St .Dev. -0,5% -0,8% -0,1% -0,5% 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.
59
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.
60
61

Valutazione Modelli GestioneRU

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Valutazione Modelli GestioneRU

Caricato da

Copyright:

Formati disponibili

VALUTAZIONE STATISTICO

ECONOMICA DEI MODELLI DI GESTIONE DEI RIFIUTI URBANI IN

GRUPPO DI LAVORO Regione Lombardia Annamaria Ribaudo (Coordinamento) Paola Zerbinati

4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 5

5.1.1 5.1.2 5.1.3 5.1.4 5.2 5.3 6

6.5.1 6.5.2 6.5.3 6.6 6.7 7

Produzione totale pro capite di rifiuti ..........................................................................................36 Raccolta differenziata ..................................................................................................................37

7.2.1 7.2.2 7.2.3 8

Tabella 2.1 Distorsione derivante dalla valutazione in euro/tonnellata

2.2 Calcolo degli abitanti equivalenti

Tabella 2.2 Esempio di calcolo degli abitanti equivalenti

Totale RU/ab 1553 RU/ab.eq. 1549 Variazione

3 Selezione del subset di dati

3.1 Bonifica dei dati e riduzione delle anomalie

3.2 Selezione di comuni omogenei per tipologia di gestione

Tabella 3.1 Bacini di comuni con medesimo gestore

Figura 3.1 Rappresentazione GIS dei bacini identificati

3.3 Analisi per fasce territoriali omogenee

Figura 3.2 Rappresentazione GIS delle fasce di densit urbanistica

Figura 3.3 Rappresentazione GIS delle fasce di popolazione

3.4 Selezione delle schede comunali compilate pi correttamente

3.5 Analisi sui capoluoghi di provincia

4 La variabilit dei dati di costo

4.1 Riduzione della variabilit

Parziale utilizzo dei dati di costo dello spazzamento stradale

Tabella 4.1 - Progressiva riduzione della variabilit degli indicatori utilizzati

cTOT/ab grezzi cTOT/ab bonificati

cTOT/abeq NOoutliersNOspaz cTOT/abeq NOoutliers

Costi totali /abeq escl. outlier no spaz

5 Individuazione dei principali centri di costo imputabili ai differenti sistemi

CTR: Costi di trattamento e riciclo per le raccolte differenziate

PROVENTI DA TARIFFA PROVENTI DA TASSA.

5.2 Considerazioni preliminari allelaborazione dei centri di costo disaggregati

Incidenza dei centri di cos to

C K / cTO T; 3,6% C C / cTO T; 13,1% C R T / cTO T; 19,1%

C TS / cTOT; 26,8% C TR -ric / cTOT; 10,5%

Figura 5.2 Media regionale dellincidenza dei vari centri di costo

0 Median 25%-75% Non-Outlier Range

- 10 cRACC/abeq bonif cSPAZ/abeq bonif cTRAT-ric/abeq bonif cALTR/abeq bonif

6 Definizione degli indici di valenza economica per area territoriale

6.2 Densit urbanistica

Costi totali normalizzati

20 <= 65 (65;140] (140;250] (250;520] (520;980] > 980

Median 25%-75% Non-Outlier Range

Densit urbanistica (ab/kmq)

20 Median 25%-75% Non-Outlier Range Raw Data Connect Medians

0 <= 65 (65;140] (140;250] (250;520] (520;980] > 980

Densit urbanistica (abitanti/kmq)

96,06 86,50 81,92 86,30

Median 25%-75% Non-Outlier Range Raw Data Connect Medians

Costi totali normalizzati

79,71 73,01 67,90 67,61 68,58 69,79

Median 25%-75% Non-Outlier Range

6.4 Modello di raccolta (contenitori stradali / porta a porta)

Figura 6.5 Raccolta stradale a cassonetti

Figura 6.6 Raccolta porta a porta

60% 53,2% RD (%) 50%

40% 30,5% 30%

0% Porta a porta Cassonetti

Mean MeanSD Mean1,96*SD

Totale RU / ab.eq. (kg/anno)

500 424,1 400 383,2

200 Mean MeanSD Mean1,96*SD Porta a porta Cassonetti