Using computer software for energy saving determination in complex business processes – a case study of KGHM Polska Miedź S.A.

• Authors: Sangórski Mariusz , Wierzbic Arkadiusz

Title variants

PL

Wykorzystanie oprogramowania kompu- terowego w celu określenia oszczędności energii w złożonych procesach biznesowych na przykładzie KGHM Polska Miedź SA

• Languages of publication: EN

Abstracts

EN

The improvement of energy efficiency, which is the desired effect of pro-efficiency measures, is defined by determining the amount of energy savings as the impact of the effectively realised actions. Properly defined energy savings are the essential management information that, correctly used, can increase the value of the company as the knowledge about the effects of the decisions made. The proper definition of saving requires understanding of what it is because, without it, there is no chance for its correct determination, which makes the whole work worthless. The article aims to present the method used in KGHM Polska Miedź S.A. of properly implementing energy savings and the computer software used for this purpose. The method is based on the statistical modelling of energy use supported by a tool initially used for statistical process control. The described method applies not only to individual pro-efficiency activities or simple technological processes, but also to complex business processes, and the software is easy to use and in the described version, free of charge. The implementation of the described solution enables obtaining high-quality management information quickly and at a moderate cost.

PL

Poprawę efektywności energetycznej, będącą pożądanym efektem działań proefektywnościowych, stwierdza się, określając wielkość uzyskanej dzięki tym działaniom oszczędności energii. Prawidłowo określona oszczędność energii jest kluczową informacją zarządczą, której odpowiednie wykorzystanie pozwala podnosić wartość przedsiębiorstwa dzięki wiedzy o efektach podjętych decyzji. Właściwe określenie oszczędności wymaga zrozumienia, czym ona jest, bez tego bowiem nie ma mowy o jej prawidłowym wyznaczeniu, co czyni jej określanie bezwartościowym. Celem artykułu jest zaprezentowanie wykorzystywanej w KGHM Polska Miedź SA metody prawidłowego wyznaczania oszczędności energii i używanego w tym celu programu komputerowego. Metoda bazuje na modelowaniu statystycznym zużycia energii wspieranym narzędziem pierwotnie wykorzystywanym do statystycznej kontroli procesów. Opisana metoda ma zastosowanie nie tylko do pojedynczych działań proefektywnościowych czy prostych procesów technologicznych, ale i do złożonych procesów biznesowych, wykorzystywany program jest łatwy zaś w użyciu i w opisywanej wersji bezpłatny. Wdrożenie opisywanego rozwiązania umożliwia uzyskanie wysokiej jakości informacji zarządczej szybko i umiarkowanym kosztem.

Keywords

EN

ISO 50001; EnMS; energy savings; statistic modelling; energy performance

PL

ISO 50001; oszczędność energii; modelowanie statystyczne; efektywność energetyczna

• Publisher: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
• Journal: Informatyka Ekonomiczna
• Year: 2020
• Issue: 4 (58)
• Pages: 127-141

Contributors

author

Sangórski Mariusz

• Wroclaw University of Economics and Business, Poland

author

Wierzbic Arkadiusz

• Wroclaw University of Economics and Business, Poland

References

• Cheng, C.-L., Shalabh, and Garg, G. (2012). Coefficient of determination for multiple measurement error models. Journal of Multivariate Analysis, 126, 137-152. Retrieved from https://www.sciencedirect. com/science/article/pii/S0047259X14000141
• Commission Recommendation (E.U.) 2019/1658 of 25 September 2019 on transposing the energy savings obligations under the Energy Efficiency Directive. (2019.09.25). Retrieved from https://eur-lex.europa.eu/legal-content/AUTO/?uri=CELEX:32019H1658&qid=1607415137439&rid=1
• Copenhagen Centre of Energy Efficiency [CCEE]. (2020). Introduction to RETScreen clean energy management software (Webinar). Retrieved from https://c2e2.unepdtu.org/kms_object/introduction- to-retscreen-clean-energy-management-software-webinar/
• Cosenza, E., Devetta, M., Rošā, M., Žogla, L., Barisa, A., Toma, M., and Stiff, G. (2018). Energy Management System (EnMS) guidebook for local authorities. Retrieved from https://ec.europa.eu/ research/participants/documents/downloadPublic?documentIds=080166e5bd36717e&appId=PPGMS
• Directive 2006/32/EC of The European Parliament and of The Council of 5 April 2006 on energy end- use efficiency and energy services and repealing Council Directive 93/76/EEC. (2006.05.04). Retrieved from https://eur-lex.europa.eu/legal-content/EN/ALL/?uri=CELEX%3A32006L0032
• Directive 2012/27/E.U. of the European Parliament and of the Council of 25 October 2012 on energy efficiency, amending Directives 2009/125/E.C. and 2010/30/E.U. and repealing Directives 2004/8/
• EC and 2006/32/E.C. (2012.10.25). Retrieved from https://eur-lex.europa.eu/legal-content/AUTO/?uri=CELEX:32012L0027&qid=1607414070714&rid=1
• Directive (E.U.) 2018/2002 of the European Parliament and of the Council of 11 December 2018 amending
• Directive 2012/27/E.U. on energy efficiency. (2018.12.11). Retrieved from https://eur-lex.europa.eu/legal-content/AUTO/?uri=CELEX:32018L2002&qid=1607413459409&rid=1
• European Commission. (2015). Communication from the Commission To The European Parliament, The Council, The European Economic and Social Committee, The Committee of the Regions And The European Investment Bank a Framework Strategy for a Resilient Energy Union with a Forward-Looking Climate Change Policy. Retrieved from https://eur-lex.europa.eu/legal-content/AUTO/?uri=CELEX:52015DC0080&qid=1607412972373&rid=1
• Eurostat. (2020). Energy production and imports. Retrieved from https://ec.europa.eu/eurostat/statistics- explained/index.php/Energy_production_and_imports
• Farkas, K. (2016). CUSUM Anomaly Detection. Measurement Lab. Retrieved from https://www.measurementlab.net/publications/CUSUMAnomalyDetection.pdf
• Federal Ministry for the Environment, Nature Conservation and Nuclear Safety (BMU). (2012). Energy management systems in practice ISO 50001: A guide for companies and organisations. Retrieved from https://www.academia.edu/38430525/Kupdf_net_iso_50001_manual_bmupdf
• Government of Canada [GoC]. (2020). RETScreen. Retrieved from https://www.nrcan.gc.ca/maps-tools-publications/tools/data-analysis-software-modelling/retscreen/7465
• Greber, T. (2005). Statystyczne sterowanie procesami – praktyczne przykłady zastosowania. Politechnika Wrocławska. Zarządzanie jakością. Retrieved from https://media.statsoft.pl/_old_dnn/downloads/statystyczne_sterowanie_procesami.pdf
• Howell, M. T. (2014). Effective implementation of an ISO 50001 Energy Management System (EnMS). Wisconsin: ASQ Quality Press Milwaukee,. Retrieved from https://www.academia.edu/32600564/_EnMS_Marvin_T_Howell_Effective_implementation_of_an_ISO_50001_energy_management_system_EnMS_ASQ_Quality_Press_2014_
• International Performance Measurement and Verification Protocol. [IPMVP]. (2012). Concepts and Options for Determining Energy and Water Savings. Efficiency Valuation Organisation. Retrieved from www.evo-world.org
• ISO/IEC 13273-1. (2015.06.01). Energy efficiency and renewable energy sources — Common international terminology – Part 1: Energy efficiency.
• ISO 17741. (2016.05.01). General technical rules for measurement, calculation and verification of energy savings of projects.
• ISO 17743. (2016.06.01). Energy savings — Definition of a methodological framework applicable to calculation and reporting on energy savings.
• ISO 50001. (2018). Energy management systems — Requirements with guidance for use.
• ISO 50046. (2019). General methods for predicting energy savings.
• Komisja Europejska, Przedsiębiorstwa i przemysł [KEPip]. (2011). Efektywne wykorzystanie energii w firmie – poradnik dla przedsiębiorców. Retrieved from https://poig.parp.gov.pl/files/74/81/469/12706.pdf
• Koshti, V. V. (2011). Cumulative sum control chart. International Journal of Physics and Mathematical Sciences. 1(1), 28-32. Retrieved from https://www.researchgate.net/publication/230888065_Cumulative_sum_control_chart
• Lin, J., Keogh, E. J., and Lonardi, S. (2005). Visualising and discovering non-trivial patterns in large time series databases. Information Visualization, 4(2), 61-82. Retrieved from https://www.researchgate.net/publication/220586534_Visualizing_and_Discovering_Non-Trivial_Patterns_in_Large_Time_Series_Databases
• Lycken, A., Nilsson, D., Olsson, M., Diederichs, S., Welling, J., and Guennec, T. (2015). SawEnMS handbook. Retrieved from http://www.ecoinflow.com/Portals/0/SawEnMS_handbook_final_EN%20print_compressed_web.pdf
• Natural Resources Canada [NRC]. (2005). RETScreen® software online user manual. Retrieved from https://unfccc.int/resource/cd_roms/na1/mitigation/Module_5/Module_5_1/b_tools/RETScreen/Manuals/Ground_Source_Heat_Pumps.pdf
• Open Energy Information [OpenEI]. (2020). RETScreen clean energy project analysis software. Retrieved from https://openei.org/wiki/RETScreen_Clean_Energy_Project_Analysis_Software
• Syska, J. (2014). Współczesne metody analizy regresji wspomagane komputerowo – Skrypt dla studentów Ekonofizyki. Katowice: Instytut Fizyki, Uniwersytet Śląski. Retrieved from https://el.us.edu.pl/ekonofizyka/images/b/b6/MetodyDoboruModeli.pdf
• Świecicki, J., and Tautkut˙e, I. (2012). Wybrane statystyczne metody wykrywania stanów alarmowych na przykładzie danych o zachorowaniach na grypę w Polsce (praca licencjacka na kierunku Matematyka). Uniwersytet Warszawski. Retrieved from http://matrix.umcs.lublin.pl/~akrajka/SEMINARIUM/R%20Epidemiology/JakubSwiecickiIvonaTautkute.pdf
• United Nations Industrial Development Organization [UNIDO]. (2015). Practical guide for implementing an energy management system. Retrieved from https://www.industrialenergyaccelerator.org/wp-content/uploads/IEE_EnMS-Practical-Guide.pdf
• Ustawa z dnia 20 maja 2016 r. o efektywności energetycznej (Dz. U. 2016, poz. 831). Retrieved from https://isap.sejm.gov.pl/isap.nsf/DocDetails.xsp?id=WDU20160000831