Effektiviseringspotentiale på forbrændingsanlæg og deponeringsanlæg i Danmark

3. Metode

3.1 DEA-metoden
3.2 Variable i DEA-analysen
3.3 Resultater af DEA-analysen
3.4 Robusthedsanalyser
3.5 Statistiske metoder og kvalitative sammenligninger af DEA-scorerne
3.6 Forskel på danske forbrændings- og deponeringsanlæg
3.7 Projektet i relation til samfundsøkonomisk analyse

I dette afsnit skitseres den metode, der er anvendt til at identificere effektiviseringspotentialet på forbrændings- og deponeringsområdet.

Anvendelsen af benchmarking inden for såvel den private som den offentlige sektor bliver stadig mere udbredt. Benchmarking er defineret som systematiske resultatsammenligninger og erfaringsudveksling baseret på målinger for at lære af de bedste på et område med henblik på selv at blive bedre.

Benchmarking kan udføres ved hjælp af forskellige værktøjer, men i dette konkrete projekt er der anvendt en kombination af følgende metoder:
DEA-metoden (Data Envelopment Analysis)
Statistiske analyser suppleret med kvalitative sammenligninger og vurderinger

Metoderne er de mest korrekte at anvende til en sådan sammenligning af anlæg, og de er også anbefalet i forprojektet.

Elementerne i analysen beskrives i det følgende. Dernæst beskrives en række elementer, der betyder noget for anlæggenes effektivitet.

3.1 DEA-metoden

DEA er en økonomisk metode til produktivitets- og effektivitetsvurderinger. Det grundlæggende rationale bag DEA-metoden er relativ præstationssammenligning af homogene enheder. Med homogene enheder menes enheder, der på et overordnet plan producerer de samme typer af ydelser med de samme input. Det betyder derimod ikke noget, om enhederne har forskellig størrelse.

Således er DEA en produktivitets- og effektivitets-analysemetode, der kan undersøge enheders effektivitet i forhold til de bedste enheder inden for samme sektor.

Sprogbrug i rapporten

De "bedste enheder" kaldes i DEA-terminologi for efficiente enheder.

Denne sprogbrug er anvendt igennem hele rapporten.


De efficiente er de anlæg, der er mest effektive i relation til variablene i analysen. Disse anlæg har en score på 1, og effektiviseringspotentialet for disse efficiente anlæg er 0.

Alle andre anlæg sammenlignes med de efficiente anlæg. Anlæggenes præstationer vurderes altså ikke i forhold til en på forhånd fastsat norm for, hvor god præstationen bør være. Der anlægges heller ikke nogen vægtning af omkostninger i forhold til miljø. Da de bedste muligvis også kan blive bedre, betyder dette, at effektiviseringspotentialet måske undervurderes.

Begrebet effektivitet vedrører evnen til at konvertere de anvendte ressourcer (input) til den største effekt målt som flest mulige varer eller ydelser (outputs). Jo mindre input for et givent output, jo mere effektiv er et anlæg11.

For en mere uddybende beskrivelse af DEA henvises til Bilag 1. I forprojektet findes endvidere en mere teknisk beskrivelse af DEA-metoden.

Eksempel på baggrunden for DEA-metoden

Betragt 3 forbrændingsanlæg: Anlæg A, B og C. Alle anlæg brænder 10.000 tons affald per år. Antag nu, at den væsentligste emission er partikler. Anlæggene har investeret forskelligt i røggasrensning, og har derfor forskellige emissioner af partikler og omkostninger per ton:

Anlæg

Partikler, g/ton

Omkostninger, kr/ton

A
B
C

20
40
80

1000
800
600

Det er umiddelbart ikke muligt at vurdere, hvilket anlæg der samlet set er "bedst". En sammenligning afhænger nemlig af, hvor stor vægt man lægger på partikelemissioner og økonomi.

Hvis man lægger mest vægt på omkostningerne, vil man udpege anlæg C som det bedste. Hvis man omvendt lægger mest vægt på emissionerne, vil man udpege anlæg A som det bedste.

DEA-analysen er netop designet til at overkomme disse vanskeligheder. For en yderligere beskrivelse henvises til bilag om DEA-analysen.


En af styrkerne ved DEA-metoden er, at den kan håndtere, at enheder producerer flere forskellige typer af output og anvender flere forskellige typer af input. Dette udnyttes i analyserne, hvor både økonomi og miljø inddrages som selvstændige parametre. Anlæg får på denne måde både mulighed for at klare sig godt på økonomiske og miljømæssige karakteristika.

Som allerede nævnt baserer DEA-metoden sig på at sammenligne den relative præstation af homogene enheder, dvs. enheder, der bruger den samme type af ressourcer (input) til at producere de samme typer af ydelser (output). Data for deponering og forbrænding er derfor gjort homogene, således at aktiviteter og omkostninger er kategoriseret på samme måde for alle anlæg, der indgår i analysen. I afsnit 3.6 er anlæggenes homogenitet i øvrigt diskuteret.

Et helt centralt element i en DEA-analyse er valget af variable.

3.2 Variable i DEA-analysen

Man skal udvise stor varsomhed, når man vælger variable til en DEA-analyse.

Overvejelserne er på ingen måde de samme, som man gør sig i sædvanlige statistiske analyser. Her drejer det sig typisk om at inddrage så mange variable som muligt for at opnå, at analysen på den bedst mulige måde beskriver virkeligheden. Det er ikke det grundlæggende kriterium i DEA-analysen.

Variablene i DEA-analysen skal for det første direkte være ressourcer (input) og ydelser eller produkter (output). Det er således ikke muligt, som i en statistisk analyse at medtage dummyvariable12 for eksempelvis forskellig typer af røggasrensning eller at medtage variable som deponeringshøjde, der ikke er en egentlig ressource eller output.

For det andet er det centralt, at det er entydigt om mere eller mindre af en variabel er godt, da en rangordning af anlæggene i forhold til denne variabel ellers ikke giver mening.

For det tredje er det vigtigt at forstå tankegangen bag DEA-analysen, når variablene skal vælges. Tager man en ekstra variabel med, betyder det, at man giver anlæggene "en chance til" for at være efficiente på den variabel. Et godt argument for at tage en variabel med er for eksempel, hvis der er stor forskel på anlæggenes omkostninger i forbindelse med denne variabel. Hvis variablen tages med, udjævnes disse forskelle i og med, at de anlæg, der er belastede, får mulighed for at være efficiente på den pågældende variabel.

Den logiske følge heraf er, at hvis man tager for mange variable med i analysen, er der stor sandsynlighed for, at samtlige anlæg bliver efficiente. Man skal derfor være varsom med at tage ekstra variable med i analysen. Variable skal kun med, hvis de udtrykker en ressourcebelastning for samfundet eller udgør en ønskværdig ydelse, og hvis man mener, at det er acceptabelt, at anlæggene kan være efficiente, hvis de klarer sig godt på variablen.

En tommelfingerregel siger, at analysen bliver mest retvisende, hvis antallet af input plus output variable ikke overstiger en tredjedel af antallet af observationer/anlæg.

Skal de totale omkostninger eller både driftsomkostninger og anlægsomkostninger indgå i DEA-analysen for forbrændingsanlæg?

Umiddelbart lyder det besnærende at inkludere driftsomkostninger og anlægsomkostninger (afskrivning og forrentning) hver for sig i DEA-analysen. Der er jo en opsplitning til rådighed i datamaterialet, og hvorfor så ikke bruge den?

Hvis begge typer af omkostninger inkluderes, så har det imidlertid nogle uheldige effekter:

Anlægget med de relativt laveste anlægsomkostninger (anlæg A) bliver efficient, selv om anlæggets samlede omkostninger kan være meget høje. Og omvendt:

Anlægget med de relativt laveste driftsomkostninger (anlæg B) bliver efficient, selv om det kan have meget høje samlede omkostninger.

Samtidig vil dette ændre scorerne for alle de andre anlæg. De, der har relativt lave anlægsomkostninger vil blive sammenlignet med anlæg A, og de, der har relativt lave driftsomkostninger vil blive sammenlignet med anlæg B.

Da der ydermere er en række substitutionsmuligheder mellem drift- og anlægsomkostninger, bliver effektiviseringspotentialet ikke retvisende. På denne baggrund er det valgt at anvende de samlede omkostninger i DEA-analysen for forbrændingsanlæggene.

3.3 Resultater af DEA-analysen

DEA-analysen resulterer i en score mellem 0 og 1 for hver anlæg. Scoren udtrykker, hvor effektivt anlægget er i sammenligning med de efficiente anlæg i analysen. En score på 1 udtrykker, at anlægget er blandt de efficiente anlæg. En score på mindre end 1 udtrykker, at anlægget kunne producere det samme output med mindre input – altså blive mere effektivt.

Scorens størrelse udtrykker, hvor meget anlægget burde kunne reducere sin mængde input med og samtidig producere det samme output. En score på 0,80 udtrykker således, at anlægget burde kunne reducere input (f.eks. omkostninger) med 20% - altså er der et totalt effektiviseringspotentiale på 20% af anlæggets totale omkostninger og miljøparametre.

Beregning af effektiviseringspotentiale på basis af DEA-scorerne

Effektiviseringspotentialet beregnes direkte på basis af DEA-scorerne og input, eksempelvis omkostninger. Nedenfor er der vist et eksempel herpå.

 

DEA-Score

Omkostninger, mio kr

Effektiviserings-
potentiale, mio kr

%

Anlæg I
Anlæg II
Anlæg III

1
0,8
0,9

1,2
2,0
1,0

0,0
0,4
0,1

0%
20%
10%

I alt

-

4,2

0,5

12%

Det vægtede effektiviseringspotentiale bliver altså på 12% af de 4,2 mio kr.


I DEA-analysen kan man have forskellige forudgående antagelser om eksistensen af stordriftsfordele. I nogle sektorer er der store stordriftsfordele, mens der i andre sektorer ikke er nogen nævneværdige stordriftsfordele. Begge muligheder er undersøgt for deponeringsanlæg og forbrændingsanlæg.

Scoren, der udtrykker effektiviseringspotentialet uden, at der er taget hensyn til eventuelle stordriftsfordele eller -ulemper, kaldes CRS13.

Scoren, hvor realisering af stordriftsfordele eller -ulemper er medregnet kaldes for VRS14. Det er disse to scorer, der præsenteres og fortolkes i resultatafsnittet15.

Den grundlæggende og intuitive hypotese med hensyn til stordriftsfordele eller –ulemper i denne analyse er, at der både på forbrændings- og deponeringsområdet eksisterer stordriftsfordele, mens det er vanskeligt at argumentere for stordriftsulemper16.

Sammenligner man VRS og CRS scorerne kan det direkte aflæses, hvor store stordriftsfordelene er identificeret til at være for det enkelte anlæg.

Forskellige typer af potentiale

Det potentiale, der kan tilskrives stordriftsfordele kaldes i rapporten også for skalapotentiale. Dette potentiale har altså at gøre med størrelsen af anlæggene. Den anden type af potentiale kaldes i rapporten for teknisk potentiale. Dette potentiale stammer fra selve driften af anlæggene.


Hvis der eksisterer stordriftsfordele, vil et anlæg kunne opnå en højere effektivitetsscore ved at være større, dvs. modtage mere affald. Den simple fortolkning af stordriftsfordele er således, at et anlæg af beskeden størrelse potentielt vil kunne deponere affald til en lavere omkostning per ton affald ved at være større. I DEA terminologien siger man, at anlægget producerer på for lille skala, og at der som følge heraf eksisterer et skalapotentiale.

Anlæggene bestemmer dog ikke selv deres affaldsmængde. Faktisk er det en bagvedliggende målsætning for anlæggene at søge at minimere mængden så meget som muligt. Stordriftsfordelene kan derfor kun udnyttes ved en strukturændring.

Eksempel på fortolkning af de to slags DEA-scorer

Nedenfor ses eksempler på DEA-scorer for anlæg og deres fortolkning.

Anlæg

Score uden
stordriftsfordele

Score med
stordriftsfordele

A
B
C

1,00
0,80
0,60

1,00
1,00
0,85

Samtlige tre anlæg har forskellige kombinationer af de to scorer, som hver især giver forskellig fortolkning.

Anlæg A har 1-taller i begge søjler og er derfor efficient med og uden hensyntagen til stordriftsfordele.

Anlæg B har et 1-tal, hvis der tages hensyn til stordriftsfordele. Dette betyder, at hvis anlægget modtog mere affald og var i stand til at udnytte de fordele, der er forbundet med at være større, da ville anlægget blive efficient.

Anlæg C kan også drage fordele af at blive større. Men selv hvis anlægget blive større og formår og udnytte stordriftsfordelene vil anlægget alt andet lige fortsat være inefficient i sammenligning med de øvrige anlæg. Med hensyntagen til stordriftsfordele er C's score 0,85, hvilket betyder at anlæg C stadigvæk bør kunne reducere sine input med 15% (15%=1-0,85). Disse sidste 15 % kaldes så det tekniske potentiale.


Det er vigtigt at bemærke, at DEA-analysen udelukkende identificerer et effektiviseringspotentiale ved sammenligning af anlæggene. Analysen forholder sig ikke til, om der også er et effektiviseringspotentiale for de efficiente anlæg. Hvis det er tilfældet vil potentialet for de ikke-efficiente anlæg også være større end det identificerede potentiale.

DEA-analysen undervurderer derfor det reelle bruttopotentiale.

Et allerede effektivt anlæg har plan for effektivisering

Et af de forbrændingsanlæg, der kommer ud som efficient i analysen, har over for COWI tilkendegivet, at de seneste års benchmarking-diskussion har givet anledning til effektiviseringsdrøftelser på anlægget.

Anlægget har derfor netop udarbejdet en effektiviseringsplan for de næste 2-3 år, hvor målet er at effektivisere, blandt andet igennem øget automatisering.


Visse af de indsamlede data er utvivlsomt behæftet med usikkerhed. Det er derfor essentielt at undersøge, hvor følsomme DEA-resultaterne er overfor ændringer i de anvendte dataelementer. Derfor er der gennemført en række robusthedsanalyser.

3.4 Robusthedsanalyser

Manglen på automatisk mulighed for usikkerhedsanalyser er et af de punkter, der traditionelt fremhæves som en svaghed ved DEA-analysen. Også derfor er det nødvendigt at være ekstra opmærksom herpå i dette projekt.

I resultatafsnittene præsenteres resultaterne af sådan en robustheds-undersøgelse, hvor de præsenterede analyser for forbrændingsanlæg og deponeringsanlæg er taget som udgangspunkt17. Nedenfor diskuteres, hvor den største usikkerhed optræder.

Analyserne er koncentreret om tre forskellige typer af data:
Mængder (affald, el og varme)
Omkostninger
Miljø-parametre

Disse tre typer af data-elementer er behæftet med forskellige former for og størrelse af usikkerhed.

Generelt vurderes mængderne ikke at være behæftet med betydelig usikkerhed, og disse er derfor ikke medtaget i robusthedsanalysen. Anderledes forholder det sig med de to øvrige typer af data.

Omkostninger

Omkostningerne kan være forbundet med en form for usikkerhed, der i litteraturen kaldes metodeusikkerhed. Der er usikkerhed forbundet med den metode, hvormed man opgør den undersøgte størrelse.

Eksempelvis er der metodeusikkerhed forbundet med opgørelse af afskrivning og forrentning: Hvilken metode skal anvendes? Hvilke levetider skal anvendes?

En stor del af anlæggene har været igennem øvelsen med at fastlægge et anlægskatalog og afskrive hver enkelt komponent. Anlæggene i Reno-Sams projekt har efter alt at dømme anvendt nogenlunde fælles retningslinier, mens øvrige anlæg for eksempel kan have anvendt andre levetider. Det vigtige er her ikke, at de samme levetider anvendes, men at der anvendes nogle levetider, der afspejler anlæggenes økonomiske levetid så godt som muligt.

Et andet usikkerhedsmoment opstår, når omkostningerne skal fordeles mellem forskellige aktiviteter. Problematikken er relevant i relation til fordeling af alle typer af omkostninger. Visse typer (kaldes typisk de direkte henførbare omkostninger), kan direkte henføres til de undersøgte aktiviteter, forbrænding og deponering. Andre omkostninger kan ikke – det kan eksempelvis være ansatte, der arbejder både på deponeringsanlægget og genbrugsstationen, de ansatte i en fælles administration, omkostninger til anlæg og drift af administrationsbygningen etc. Disse omkostninger (kaldes de indirekte henførbare omkostninger) fordeles ud på de fælles aktiviteter på basis af skøn eller fastlagte fordelingsnøgler. Fordelingsnøglerne kan eksempelvis være baseret på timeregistrering hos de ansatte. Afhængig af den valgte fordelingnøgle, kan fordelingen af de sidstnævnte omkostninger naturligvis variere meget.

Emissioner

Emissionsopgørelserne på anlæggene bliver enten baseret på kontinuerte målinger eller på et mindre antal stikprøver i løbet af året. I nogle tilfælde er der kun tale om to målinger. På anlæg, der kun tager stikprøver, kan opgørelserne være temmeligt usikre. Ligger én af stikprøverne i den høje ende, kommer anlægget ud med et relativt højt resultat. Denne form for usikkerhed kaldes for måleusikkerhed.

Robusthedsanalyser

For både forbrænding og deponering er usikkerheden på omkostningerne og miljøparametrene vurderet, og der er efterfølgende gennemført robusthedsberegninger på hvert af de to områder.

Det er imidlertid ikke nødvendigvis sikkert, at hele det identificerede bruttopotentiale kan realiseres. For at undersøge det aspekt, er der efterfølgende gennemført en række statistiske analyser på DEA-scorerne.

3.5 Statistiske metoder og kvalitative sammenligninger af DEA-scorerne

Princippet bag den statistisk analyse er, at DEA-scorerne forsøges forklaret ud fra anlæggenes forskellige karakteristika. På denne måde kan forskellene i scorer forklares og potentialet kvalificeres. De statistiske analyser er suppleret med en kvalitativ vurdering.

Metode for statistiske analyser

De statistiske analyser er foretaget ved først at undersøge, om der er variable i datamaterialet, der varierer sammen. Dernæst er der gennemført en statistisk analyse, hvor data systematisk er gennemgået for at identificere signifikante sammenhænge mellem DEA-scorerne og de karakteristika, der er specifikke for hvert anlæg.

Anvendelse af statistiske analyser på DEA-scorer

Umiddelbart virker det naturligt at gennemføre statistiske analyser på DEA-scorer for at undersøge, hvilke variable der kan forklare scorerne. På denne måde kan det totale effektiviseringspotentiale, der er identificeret ved DEA-scorerne, opdeles i forskellige grupper afhængig af deres natur.

Det er imidlertid teoretisk set ikke uproblematisk at foretage denne øvelse. En statistisk analyse har således som grundlæggende antagelse, at de indgående variable, der forklares, skal være uafhængige. Det er DEA-scorerne i høj grad ikke.

Dette har betydning, når det skal vurderes om en variabel har betydning for scoren eller ej, hvor de sædvanlige signifikans-kriterier ikke kan benyttes. I stedet for en almindelig statistisk analyse foreslås det i litteraturen* at anvende de såkaldte bootstrap-teknikker for at overkomme disse vanskeligheder. Disse teknikker fordrer dog en langt større mængde af observationer end det, der her er til rådighed.

Derfor har vi valgt i stedet at være meget forsigtige med at udelukke variable, der ligger på grænsen af at være signifikante i den statistiske analyse og at fortolke resultaterne forsigtigt. På denne måde imødegås vanskelighederne ved afhængigheden i DEA-scorerne på bedst mulig måde.

* Overcoming the Inherent Dependency of DEA efficiency scores: A bootstrap Approach, Mei Xue & Patrick T. Harker, Wharton Financial Institutions Center, Pennsylvania, USA.


Det er dog vigtigt at understrege, at en sådan analyse har sine begrænsninger.

Systematiske sammenhænge kan kun afdækkes ved hjælp af en statistisk analyse, hvis der både er en vis variation i scorerne og i anlæggenes karakteristika. Og hvis disse variationer er systematiske, så scorerne eksempelvis generelt er lavere eller højere for en vis type røggasrensning.

Endvidere er det vigtigt at understrege, at effekterne fra den statistiske analyse godt kan dække over andre forhold end de identificerede. Tag for eksempel en effekt som alder, som optræder for deponeringsanlæg. Denne effekt kan skyldes, at ældre anlæg er afskrevet i højere grad end yngre anlæg. Men den kan også skyldes, som nævnt senere i rapporten, at det er blevet relativt dyrere at anlægge deponeringsanlæg, blandt andet på grund af skærpede krav til membran. Et andet eksempel er driftsstop for forbrændingsanlæg. Her kan det være, at hele årsagen til den identificerede mindre effektivitet skyldes de mange driftsstop, men det kan ligevel være en kombination af disse og for eksempel generel mindre effektivitet hos anlæg med mange driftsstop. Der er dog ikke i det omfattende spørgeskema indsamlet information, der kunne give en bedre forklaring af dette potentiale end variablen driftsstop. Dette aspekt er vigtigt at holde sig for øje ved anvendelse af resultaterne.

Det er tillige ikke altid, at de statistiske analyser kan give tilstrækkelig med information. De er derfor suppleret med en kvalitativ vurdering.

Metode for kvalitativ vurdering

Udgangspunktet for den kvalitative vurdering er resultaterne fra DEA-analysen og et overblik over karakteristika ved de enkelte anlæg. Dette overblik er skabt på baggrund af anlæggenes svar, en helhedsvurdering af anlæggenes situation og ved COWIs kendskab til de enkelte anlæg.

Forskellige former for potentiale

Potentialet kan – via den statistiske analyse kombineret med den kvalitative analyse – således opdeles i flere forskellige komponenter. Ud fra et effektiviseringssynspunkt er det meget relevant at skelne mellem dimensionerne tidshorisont og aktør:
Potentiale på kort sigt (1-5 år), på lang sigt (10-1518 år) og potentiale, der kun vanskeligt eller slet ikke kan realiseres
Potentiale, der kun afhænger af anlæggenes/selskabernes egne beslutninger, og potentiale, der i højere grad bestemmes udefra givne forhold som eksempelvis myndighedsregulering eller anlæggenes fysiske placering

Kortsigtspotentialet, der er omfattet af selskabets egne beslutninger bør umiddelbart kunne realiseres. En effektivisering kræver dog altid, at de rette incitamenter er til stede. Hvis kortsigtspotentialet ikke allerede er udnyttet, tyder det på, at disse incitamenter ikke har været til stede i så høj grad, som det var hensigtsmæssigt ud fra et effektiviseringssynspunkt.

Langsigtspotentialet, der er omfattet af selskabets egne beslutninger, bør også kunne realiseres om end naturligvis på længere sigt. Denne type af potentiale omfatter også potentiale, der kan realiseres eksempelvis med øget samarbejde mellem selskaberne, mere helhedsorienteret planlægning etc. Før det konkluderes, at hele langsigtspotentialet kan realiseres, er det vigtigt at foretage en samfundsøkonomisk analyse af, om det overordnet set kan betale sig. Et vigtigt element i en sådan analyse vil være transportomkostninger for begge typer af anlæg og adgang til varmemarkedet for forbrændingsanlæg. Det sidstnævnte aspekt er diskuteret nærmere i resultatkapitlet for forbrændingsanlæg.

Potentiale der kun vanskeligt eller slet ikke kan realiseres kan også identificeres ud fra den statistiske analyse. Dette potentiale skyldes forhold som anlæggene eller myndighederne ikke, eller kun i meget begrænset omfang, har indflydelse på. Eksempelvis et anlægs alder eller fysiske placering.

Realiseringen af potentialet, der er omfattet af udefra givne forhold, er vanskeligere at vurdere end de øvrige former for potentiale. I sagens natur afhænger det af viljen til forandring, men andre og bredere samfundsøkonomiske aspekter kan spille en rolle her.

I flere tilfælde er der endvidere tale om et potentiale, der slet ikke vil kunne realiseres.

Specielt for den form for effektivisering, som selskaberne selv er herre over, realiseres potentialet lettest, hvis der er de rigtige incitamenter forbundet med både anlæg og drift. Der opereres typisk med to former for øgede incitamenter: "pisk" eller "gulerod" eller en kombination.

Disse incitamenter kan enten komme fra selskabernes ledelse selv eller lovgivningsmæssigt, selv om det i begge tilfælde kan være selskaberne, der skal udmønte effektiviseringen.

Et eksempel på en effektivisering med en kombination af pisk og gulerod (eksempel fra en navngiven, men anonym virksomhed i Danmark)

Virksomheden fortalte, at deres omkostningsniveau skulle sænkes og at det kun kunne ske med hjælp fra deres medarbejdere. Virksomheden overvejede, hvordan dette skulle gribes an.

Løsningen for virksomheden var følgende:

For det første blev der aftalt en lønreduktion på 20% med alle medarbejderne og deres organisationer.

For det andet blev der samtidig indført et bonussystem i aflønningen, der betød, at såfremt omkostninger forbundet med vedligeholdelse af kapitalapparat (vogne, maskiner m.v.), skader og fejl faldt til et bestemt niveau inden for et team af medarbejdere, ville hele teamet opnå en bonus.

For det tredje blev hele processen understøttet af fokus på tre afgørende elementer for virksomheden: kvalitet, miljø og arbejdsmiljø. Medarbejderne blev inddraget for at sikre, at virksomheden stadig forbedrede sig på disse områder.

Resultat: Virksomhedens omkostninger blev væsentlig nedbragt med over 25% samtidig med, at medarbejdernes lønniveau samlet set steg. Ingen medarbejdere oplevede en reel lønnedgang og i enkelte teams oplevede medarbejderne lønstigninger på 10-20% i takt med, at omkostningerne blev mindsket.


Ved identifikation af de forskellige typer af effektiviseringspotentiale er det tillige vigtigt at huske på, hvilke muligheder anlæggene selv har for at påvirke forskellige elementer i deres drift. Dette er diskuteret nedenfor.

3.6 Forskel på danske forbrændings- og deponeringsanlæg

I dette afsnit diskuteres de væsentligste forhold, der spiller ind, når effektiviseringspotentialet for forbrændings- og deponeringsanlæggene skal kvalificeres. For en uddybende beskrivelse henvises til projektets forprojekt: "Forundersøgelse af effektiviseringspotentialet på forbrændings- og deponeringsområdet i Danmark".

De vigtigste af de skitserede forskelle er forsøgt medtaget enten i DEA-analysen eller den efterfølgende statistiske og kvalitative analyse.

Organisering af forbrændings og deponeringsanlæg

Affaldsforbrændingsanlæg kan være kommunalt eller fælleskommunalt ejet, ejet af et andelsejet fjernvarmeværk, elværksejet eller ejet i fællesskab af 2 eller alle ovenstående. Deponeringsanlæg er ligeledes decentralt ejede og styrede, typisk igennem kommunalt eller fælleskommunalt samarbejde.

Den forskellige organisering og placering af anlæggene kommer blandt andet til udtryk ved, at anlæggene møder forskellige krav til deres anlæg og drift. Visse af disse krav afspejler sig i anlæggenes omkostninger og derved i deres effektivitet.

Miljøkrav

Et af de områder, hvor der er størst forskel på krav til anlæggene, er i relation til miljøet.

Her stiller de enkelte myndigheder og ejere ikke altid samme krav, eksempelvis til udledning af emissioner fra forbrændingsanlæg, til rensning af spildevand fra forbrændingsanlæg eller perkolat fra deponeringsanlæg og til hyppighed og omfang af monitering og prøveudtagning. Dette har selvsagt betydning for de omkostninger, anlæggene påføres og dermed deres effektivitet.

Et vigtigt aspekt er også, at kravene kommer til anlæggene i forskellige tempi. Et konkret eksempel er krav om rensning for dioxin på forbrændingsanlæg, der kræver nyinvesteringer. Visse anlæg har allerede investeret i udstyret, mens andre først planlægger at gøre det i år.

Forskellige overenskomster og bemandingsmæssige krav

På grund af anlæggenes organisering er de ansatte organiseret forskelligt på de enkelte anlæg. Også fra Arbejdstilsynet i amterne møder anlæggene forskellige krav, blandt andet om minimumsbemanding på vagter på forbrændingsanlæg. Begge dele har betydning for lønudgifterne på anlægget.

Sideaktiviteter

Organiseringen og planlægningen af deponerings- og forbrændingsanlæggene med eller uden sideaktiviteter såsom container/genbrugsplads, kompostering, sortering til genanvendelse etc., kan også have betydning for anlæggenes omkostninger. Er der mange sideaktiviteter, kan anlæggene principielt udnytte mandskabsressourcerne bedre.

Samarbejde

Visse deponeringsanlæg træder til, når forbrændingsanlæg i nærheden har driftsstop og står med et stort overskud af affald. For nogle forbrændingsanlæg er der tale om meget store mængder, og de tilknyttede deponeringsanlæg har derfor behov for et beredskab, der kan håndtere disse situationer. Der er dog kun ét deponeringsanlæg, der nævner dette som et vigtigt aspekt i deres besvarelse af spørgeskemaet. Der er taget højde herfor i kvalificeringen af potentialet for dette anlæg.

Membran og deponeringshøjde

Både membran og deponeringshøjde er forskellige fra anlæg til anlæg. Der kan visse steder eksempelvis eksistere en naturlig membran (lerbund), så det ikke er nødvendigt at anlægge en kunstig membran. Begrænsninger i deponeringshøjden kan være geografisk bestemt, et krav fra myndighederne eller begge dele.

Typer affald til deponering

På deponeringsanlæg er der endvidere forskel på, hvilke affaldstyper der kan modtages, og om der er opbygget celler til de forskellige affaldstyper.

Teknologi

På forbrændingsanlæggene giver den valgte størrelse og teknologi i anlægs- eller tilbygningsåret forskellige vilkår for anlæggene i dagens situation.

Forskellige aktiviteter

Endelig er der en gruppe af forskelle mellem anlæggene, der ikke stammer fra lovgivningsmæssige krav og ej heller fra de forskellige vilkår, som anlæggene er underlagt.

Det drejer sig om serviceniveau over for kommunen/den kommunale administration/politikere, over for affaldsproducenterne (borgere, virksomheder (offentlige myndigheder) og over for affaldstransportører.

Serviceydelserne omfatter information, vejledning, affaldsplanlægning, kortlægning, takstberegning, fakturavejledning, besøg, klagesagsbehandling og andre former for service.

Denne analyse forholder sig udelukkende til ovenstående relevante problemstillinger ved at betragte de enkelte anlæg

3.7 Projektet i relation til samfundsøkonomisk analyse

Det er vigtigt at pointere, at formålet med denne analyse ikke har været at udarbejde en samfundsøkonomisk analyse, hvor alle fordele og ulemper for samfundet sammenvejes. Forskellen imellem dette projekt og en samfundsøkonomisk analyse er især vigtig at bemærke i relation til begrebet stordriftsfordele og en diskussion af anlæggenes størrelser og placering.

Identifikation af stordriftsfordele på forbrændings- og deponeringsområdet indebærer, at selve affaldshåndteringen kan billiggøres med færre, men større anlæg. Det vil eksempelvis sige, at en eventuel kapacitetsudvidelse burde ske ved udvidelse af eksisterende anlæg fremfor ved nybygning, eller at små anlæg burde nedlægges.

Men - så hurtigt kan konklusionen ikke drages.

Det er meget vigtigt at tage hensyn til samtlige fordele og ulemper, hvilket eksempelvis vil betyde, at transportomkostningerne bør inddrages. Selvom ét anlæg er billigere end et andet, spiller transportomkostningerne en rolle i de samlede omkostninger til bortskaffelse.

DEA-analysen er i denne forbindelse derfor ikke en altomfattende analyse. Hvis man lukkede et anlæg (med lav effektivitet) i et område, der kun modtager affald fra lokale, kunne det således principielt betyde, at en del af potentialet ville blive modregnet af øgede transportomkostninger.

Princippet i en samfundsøkonomisk beregning, der medtager transport

Et groft skøn på transportomkostninger er fra 1-1,50 kr per tonkm for en fyldt lastbil på ca. 10 ton inklusive tom returtransport.

At transportere 10 tons affald 50 km koster således mellem 50 og 75 kr per ton. Før beslutningen om transport af affaldet tages, skal man altså være sikker på, at anlægget længere væk kan behandle affaldet så meget billigere, og at det har den fornødne kapacitet.

Endelig skal det naturligvis aftales mellem de involverede parter.


Et andet vigtigt aspekt for forbrændingsanlægs placering og størrelse er adgang til varmemarkedet. Det vil naturligvis være mest effektivt at udvide forbrændningskapaciteten steder, hvor en stor del af varmen kan aftages.

For deponeringsanlæggenes placering er det centralt at vurdere og inddrage de potentielle miljøproblemer, blandt andet risiko for forurening af grundvandsressourcer i en samfundsøkonomisk analyse. Endvidere er der en række problemstillinger vedrørende strukturen på deponeringsområdet i Danmark, eksempelvis nedlukning og åbning af deponeringsanlæg. Det gælder både den samlede deponeringskapacitet og omkostningerne hertil.

Generelt set skal samtlige relevante konsekvenser medtages i en samfundsøkonomisk analyse af en given aktivitetsændring (det vil f.eks. sige lukning eller udvidelse af et anlæg). Det betyder, at samtlige konsekvenser skal opgøres (i ton, km, mwh, timer, år etc.), værdisættes i kr. og derefter sammenvejes.

Udvalgte emissioner er medtaget i DEA-analysen for forbrændingsanlæg i denne analyse. En anden mulighed havde været at værdisætte og medtage emissionerne som en omkostning. Dette er p.t. ikke muligt, da der ikke eksisterer omkostningsestimater for alle emissioner. Det er heller ikke muligt at udtale sig om, i hvilken retning resultatet ville pege. Det kan både tænkes, at de foretagne investeringer har været dyrere eller billigere end de tilsvarende samfundsøkonomiske omkostninger. Tilsvarende f.eks. med spildevand, hvor der betales en afgift for afledning. Denne afgift afspejler ikke nødvendigvis de samfundsøkonomiske omkostninger ved spildevandet.

Det er også vigtigt, at der ved anvendelse af resultaterne fra denne analyse tages hensyn til andre relevante forhold omkring anlægget og dets ansatte, blandt andet arbejdsmiljø og beskæftigelsessituation.

Endelig er der hele diskussionen om sektorens organisering, men dette hører hjemme i en politisk diskussion og ikke i en samfundsøkonomisk analyse.

11 Der er her tale om en såkaldt input-orienteret analyse, hvor output er fast, og hvor det undersøges i hvor høj grad input kan reduceres.
  
12 En dummy-variabel er en variabel, der kun antager f.eks. værdierne 0 eller 1.
  
13 Constant Returns to Scale eller konstant skalaafkast.
  
14 Variable Returns to Scale eller variabelt skalaafkast.
   
15 For at kunne identificere om der rent faktisk er tale om stordriftsfordele eller ulemper, producerer DEA-programmet den såkaldte NIRS-score. Hvis NIRS = CRS, er der tale om stordriftsfordele, og hvis NIRS = VRS, er der tale om stordriftsulemper.
   
16 Hvis DEA-analysen identificerer stordriftsulemper, sættes VRS lig CRS, og potentialet medregnes.
   
17 Det er CRS-scorerne, der anvendes.
   
18 For deponeringsanlæg kan tidshorisonten være længere. Det er der dog taget højde for i analyserne ved, at en del af det meget langsigtede potentiale er placeret under vanskeligt eller ikke realiserbart.