Misurazione

Indicatori di Energia Sono riportati degli indicatori generali per il consumo di energia negli alberghi – bisogna fare attenzione a come potrebbero variare

Indicatori e parametri di riferimento Distinguere tra le categorie *** Posizione Geografica (HDD, CDD) Occupazione Copertura di cibo venduta Piscina coperta / scoperta Lavanderia Servizi aggiuntivi (catering)

Indicatori di Energia Questi valori di consumo non dicono molto

Visione Annuale Questo grafico mostra gli stessi dati della slide 4, ma fornisce un quadro migliore sulla variazione del consumo

Messaggio Abbiamo bisogno di collegare il consumo di energia con le variabili che hanno una reale influenza Pernottamento HDD (indice di riscaldamento) CDD (indice di raffreddamento) La fornitura di cibo venduta

Parametri di riferimento I tipici paramtri icludono: Elettricità kWh/pernottamento kWh/copertura di cibo venduta kWh/kg biancheria Calore kWh/HDD (temperatura giornaliera di calore) kWh/pernottamento (acqua calda) Acqua litri/pernottamento Fare attenzione a: kWh/m2 luce/m2 €/fatturato

Le Variabili dell’Energia Le cause del consumo di energia nel Sistema di variazione La variabile indipendente è il driver La variabile dipendente è il consume di energia Bisogna identificare e quantificare queste variabili Necessità di sviluppare una relazione matematica Normalmente più di una variabile indipendente

Pernottamento (driver) Esempi   Pernottamento (driver) kWh elettricità P1 4 100 P2 6 134 P3 2 83 P4 10 246 P5 12 280 P6 8 150

Le Variabili dell’energia   Pernottamento (driver) kWh elettricità P1 4 100 P2 6 134 P3 2 83 P4 10 246 P5 12 280 P6 8 150

Soluzione migliore = Uso di Energia previsto Questa linea con R2 = 0.93 è un ottimo modello di consumo di energia previsto "Tasto destro del mouse" aggiungere una linea di tendenza, selezionare la formula di visualizzazione e R2. “

Questo è il risultato del periodo successivo   Pernottamento (Driver) kWh elettricità P7 7.0 144 È buono o cattivo? È più o meno del previsto?

Questo è il risultato del periodo successivo Abbiamo usato 10 unità più del previsto è il 6% in più Abbiamo bisogno di agire per correggerlo y = 20,557x + 21,6 >> 20.557 * 7 + 21,60 = 165 Pernottamento (Driver) kWh elettricità kWh di elettricità pevisti Differenze Diff in % P7 7.0 175 165 10 6%

Questo è il risultato del periodo successivo

Perché fa la differenza pernottamento kWh kWh/ P1 4 100 25,0 P2 6 134 22,3 P3 2 83 41,5 P4 10 246 24,6 P5 12 280 23,3 P6 8 150 18,8 P7 7 175

Note Assicurarsi che i periodi di tempo siano coerenti, per esempio mensile o giornaliero per tutti i parametri Intercettare = carico di base = spreco = C Pendenza= aumento nell'unità di driver Energia = driver * pendenza + carico di base Y=MX+C La linea è la base per il miglioramento delle prestazioni Assicurarsi che le unità siano coerenti. Le unità possono essere cambiate facilmente, per esempio kWh al mese per Gj al mese.

Dati Fatture Dati on-line del fornitore Sub-Metri (locali, manuali, automatico) I dati di produzione Sistema di M&T Dati metodologici (degreedays.net) Occupazione (sistemi di acesso) Altri strumenti Temperatura, flussi, etc.

Carico di base Quantificano Attaccare! Scompongono Attaccare ogni componente Target zero! Attaccare di nuovo!

Consumo di Gas Hotel nella zona di montagna Nessuna relazione tra il consumo di energia e i pernottamenti

Consumo di Energia Hotel nella zona di montagna

Analisi precedente Più di una variabile Di solito durante la notte + HDD Mese pernottamento CDD elec (kWh/mth) Gen- 10 6.657 66 407.933 Feb- 10 6.233 98 385.662 Mar- 10 7.595 151 451.242 Apr- 10 6.210 252 414.584 Mag-10 7.440 357 457.326 Giu- 10 7.395 476 484.688 Lug- 10 7.891 647 580.617 Ago- 10 1.722 600 296.439 Set- 10 7.163 450 487.311 Ott- 10 7.643 344 488.652 Nov- 10 7.341 233 448.820 Dic- 10 4.466 123 334.800

Statistiche di regressione Analisi precedente Riepilogo Statistiche di regressione Multiplo R 0,983885743 R Square 0,968031156 Adjusted R Square 0,960926968 Errore standsrd 14963,72509 Osservazioni 12 ANOVA   df SS MS F Significance F Regression 2 6,1E+10 3,05E+10 136,262 1,87E-07 Residual 9 2,02E+09 2,24E+08 Total 11 6,3E+10 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% Intercept 124656,842 19378,89 6,432611 0,000121 80818,75 168494,9 overnight 39,23392046 2,566081 15,28943 9,55E-08 33,42904 45,0388 CDD 182,0677873 23,17466 7,856331 2,56E-05 129,6431 234,4925

Monitoraggio & Target Ottima Idea Scarsa implementazione Scarso pacchetto di software Molti sono semplicemente condotti da un misuratore ad un foglio di calcolo Alto tasso di fallimento Poco conosciuta da consulenti o utenti finali Un foglio di calcolo è probabilmente il miglior software di M & T disponibile