1 Compilación y análisis de inventario de ciclo de vida (ICV) de la flota anchovetera industrial...
-
Upload
juan-villanova -
Category
Documents
-
view
215 -
download
0
Transcript of 1 Compilación y análisis de inventario de ciclo de vida (ICV) de la flota anchovetera industrial...
1
Compilación y análisis de inventario de ciclo de vida (ICV) de la flota anchovetera industrial peruana:Niveles de detalle óptimos y fuentes de variabilidad en consumos de combustible
Rosa Vinatea, Universidad Nacional Federico VillarrealDr. Pierre Fréon, IRDMs. Angel Avadi, IRD
Ms. Rocío Joo, IRDFederico Iriarte, Universidad Nacional Federico Villarreal
DISCOH Scientific WorkshopMarch 2012
2
1. Análisis de Ciclo de Vida- Análisis del inventario de ciclo de vida.
2. Problema3. Objetivo4. Materiales y Métodos5. Resultados6. Conclusiones Preliminares
3
Análisis de Ciclo de Vida - LCA
Análisis del Inventario
Objetivo y Alcance
Impactos Asociados Interpretación
4
*Fuente PRODUCE 2011
5
Problema:
¿Cómo compilar de manera correcta un adecuado inventario de Ciclo de vida de la flota anchovetera industrial peruana?
6
Determinar la forma ideal de elaborar un adecuado inventario de ciclo de vida (ICV) de la flota anchovetera industrial.
Decidir el umbral de contribución (Treshold) y el nivel de detalle ideal. Tomando como criterios, la masa, el valor económico e impacto ambiental estimado.
Identificar los principales ítems del inventario, que cumplen el umbral de contribución
Discutir las diferentes fuentes de variabilidad, métodos utilizados y problemas para estimar de consumo de combustible.
Objetivo Principal
7
Inve
ntar
io d
e la
Flo
ta a
ncho
vete
ra
Indu
stria
l • Se realizaron encuestas y entrevistas, en diferentes astilleros, puertos, empresas pesqueras y afines (2008-2011)
• Se logro obtener información de 135 embarcaciones, las que se agruparon en categorías de CBOD de 80m3.
• Se realizaron diferentes ensayos con las principales variables para determinar su correlación.D
iscu
sión
de
la v
aria
bilid
ad d
el
Cons
umo
de C
ombu
stibl
e • Se colecto información del consumo de combustible 2000-2003; 2008-2010.
• Se obtuvieron datos SISESAT 2000-2009.
• Las embarcaciones se agruparon en categorías de CBOD de 80m3.
• Se realizaron análisis ANOVA, GLM, análisis del componente principal (PCA) y análisis de Discriminantes, con las principales variables explicativas.
8
Resultados:
1° Análisis de las encuestas del Inventario (ICV).
2°Análisis del Consumo de Combustible (2000-2003, 2008-2010).
3° Análisis de los datos VMS (2000-2009).
9
1° Análisis de las encuestas del Inventario (ICV)
Light Ship (t) = 132.9 + 0.84 Arqueo bruto + 0.55 CBOD (m3) + -7.17 Eslora (m)
y = 0.8476x + 62.116R² = 0.7363
-
100.00
200.00
300.00
400.00
500.00
600.00
700.00
- 200.00 400.00 600.00 800.00
Gross Tonnage
Light Ship vs. Gross Tonnage
Light Ship (t)
Lineal (Light Ship (t))
y = 12.791x - 178.93R² = 0.6293
-
100.00
200.00
300.00
400.00
500.00
600.00
700.00
- 20.00 40.00 60.00 80.00
Length
Light Ship vs. Length
Light Ship (t)
Lineal (Light Ship (t))
•El inventario esta compuesto por 679 ítems.•Tenemos un total de 135 embarcaciones
10
2000 2001 2002 2003 2008 2009 2010
51
01
5
Boxplot galTM por AÑO
75 155 235 315 395 475 555 635 715 875
51
01
5
Boxplot galTM por Cat CBOD
0 100 200 300 400 500 600 700
-40
24
Index
resid
ua
ls(A
NO
VA
.re
s)
Histogram of residuals(ANOVA.res)
residuals(ANOVA.res)
Fre
qu
en
cy
-4 -2 0 2 4
05
01
00
2 4 6 8 10 12-6
-4-2
02
46
Fitted values
Res
idua
ls
Residuals vs Fitted
168425
192
-3 -2 -1 0 1 2 3
-6-4
-20
24
6
Theoretical Quantiles
Sta
ndar
dize
d re
sidu
als
Normal Q-Q
425
192
168
2 4 6 8 10 12
0.0
0.5
1.0
1.5
2.0
2.5
Fitted values
Sta
ndar
dize
d re
sidu
als
Scale-Location425192
168
0.0 0.2 0.4 0.6 0.8 1.0-6
-4-2
02
46
Leverage
Sta
ndar
dize
d re
sidu
als
Cook's distance
10.5
0.51
Residuals vs Leverage
425
192
609
2° Análisis del Consumo de Combustible (2000-2003, 2008-2010).
ANOVA.res=aov(galTM~ANO+CATBOD+CIA+EP+EdadEP+ANO*CATBOD+CATBOD*EdadEP)R2= 0.7400825
11
Impacto de la Ley de cuotas en el Consumo de Combustible:
12
ANOVA.res=aov(galTM~ANO+CATBOD+ANO*CATBOD+EP+CATBOD*MotElect+CATBOD*BULBO)
0 100 200 300 400 500
-20
24
Index
resid
ua
ls(A
NO
VA
.re
s)
Histogram of residuals(ANOVA.res)
residuals(ANOVA.res)
Fre
qu
en
cy
-2 -1 0 1 2 3 4
04
08
01
20
2 4 6 8 10 12
-20
24
Fitted values
Resid
uals
Residuals vs Fitted
636
633657
-3 -2 -1 0 1 2 3
-20
24
6
Theoretical Quantiles
Sta
ndard
ized r
esid
uals Normal Q-Q
636
633657
2 4 6 8 10 12
0.0
0.5
1.0
1.5
2.0
Fitted values
Sta
ndar
dize
d re
sidu
als
Scale-Location636
633657
0.0 0.2 0.4 0.6 0.8 1.0
-4-2
02
46
Leverage
Sta
ndard
ized r
esid
uals
Cook's distance
10.5
0.51
Residuals vs Leverage
636
633657
Variables DF Sum Sq Mean Sq F value Pr(>F)
AÑO 2 15.10 7.5480 8.1022 0.0003944***
Categoría de CBOD
8 70.64 8.8300 9.4784 2.294e-11***
Embarcación 231 533.95 2.3115 2.4812 3.665e-12***
Motor Eléctrico 1 3.03 3.0295 3.2520 0.0726021
Año : Categoría de CBOD m3
14 27.19 27.19 1.9419 0.0133394*
Residuals 238 221.72 0.9316
R2 = 0.7400136
R2 = 0.7400136
13
3° Análisis de los datos VMS (2000-2009)0
10
00
02
00
00
30
00
0
Viajes VMS por Anho
tab
la.A
NO
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Viajes por año
14
15
ANALISIS DE COMBUSTIBLE Y DATOS DE VMS (DATOS SATELITALES)
0 100 200 300 400
-20
24
Index
resi
du
als
(AN
OV
A.r
es)
Histogram of residuals(ANOVA.res)
residuals(ANOVA.res)
Fre
qu
en
cy
-2 0 2 4
04
08
0
2 4 6 8 10 12
-20
24
Fitted values
Resid
uals
Residuals vs Fitted
156122
85
-3 -2 -1 0 1 2 3
-20
24
Theoretical Quantiles
Sta
ndard
ized r
esid
uals
Normal Q-Q
156122
132
2 4 6 8 10 12
0.0
0.5
1.0
1.5
2.0
Fitted values
Sta
ndar
dize
d re
sidu
als
Scale-Location156
122
132
0.0 0.1 0.2 0.3 0.4 0.5 0.6
-4-2
02
4
Leverage
Sta
ndard
ized r
esid
uals
Cook's distance
Residuals vs Leverage
156
132
122
ANOVA.res=aov(galTM~ANO+CATBOD+EP+ANO*CATBOD+DTV+DTR,data= matriz2)
Variables DF Sum Sq Mean Sq F value Pr(>F)
AÑO 5 1318.59 263.719 199.9313 <2.2e-16***
Categoría de CBOD m3
9 68.87 7.652 5.8012 3.015e-07***
Embarcación 175 566.32 3.236 2.4534 1.667e-10***
DTV (Duración Total de viaje)
1 65.48 65.479 49.6410 2.295e-11***
Año : Categoría de CBOD m3
23 64.83 2.819 2.1369 0.002633**
Residuals 222 292.83 1.319
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
R2 = 0.88
16
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
02
04
0
Boxplot Duracion Total de Viaje por AÑO
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
01
00
30
0Boxplot Distancia Total Recorrida por AÑO
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
02
46
81
0
Boxplot SINOSUIDAD por AÑO
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
05
10
15
20
Boxplot Número de Calas por AÑO
17
• Se considero que el peso de acero del barco se puede estimar con el Light ship weight, lo cual se puede estimar a partir de la Capacidad de Bodega, arqueo bruto y eslora.
• El consumo de combustible, varía de acuerdo al año según la abundancia, distribución del recurso y a partir del 2009 por la ley de cuotas.
• Otra variable significativa es la Capacidad de Bodega de la embarcación, en donde se aprecia consumo de combustible más alto en las categorías de bodega:75-155m3 porque tienen un efecto de escala.635-875m3 porque tienen dificultad de llenar la bodega.
• Se encontró una interacción alta entre AÑO*Categoría de Capacidad de Bodega, lo que nos dice que el patrón de consumo de combustible según Categoría de Capacidad de bodega varía de un año a otro.
• Otras fuente de variabilidad es la embarcación, esto es dado por la habilidad del capitán, tripulación, las variaciones de las zonas de pesca y la temporada.
• El consumo de combustible no varia mucho según la compañía, edad de la embarcación, presencia y ausencia de bulbo o motor electrónico.
• Los principales ítems a tomar en cuenta es encontrar el peso de acero del barco, consumo de combustible y sus principales variaciones, datos del antifouling que se usa en la obra viva de la embarcación.
CONCLUSIONES PRELIMINARES:
18
Muchas Gracias!
Preguntas?