Beslutstödsmodeller - hur fungerar det och vilken nytta har dricksvattenproducenter?

Transkript

1 Beslutstödsmodeller - hur fungerar det och vilken nytta har dricksvattenproducenter? Lars Rosén (tack till Andreas Lindhe och Viktor Bergion) Chalmers tekniska högskola DRICKS centrum för dricksvattenforskning lars.rosen@chalmers.se

2 Vattenverk Distributionsnät Vattenverk Reservoar Distributionsnät Vattenverk Reservoar Ytvattentäkt Grundvattentäkt Vilka risker ska vi åtgärda? Hur mycket? På vilket sätt?

3

4 Vi behöver formulera mål Säker leverans Hälsomässigt säkert

5 Vi behöver förstå systemet och dess risker orsak-verkan Bakomliggande orsak Utlösande förändring/ påverkan Effekter för konsument & samhälle Effekter i dricksvattenförsörjningen Samhällsekonomiska konsekvenser Naturlig Mänsklig Teknisk

6 Sannolikhet Risk och riskreduktion Minskad sannolikhet (ex. ökad säkerhet vid avloppsreningsverk) Konsekvens Åtgärder som minskar eventuella konsekvenser (ex. reservvattentäkt) Seminarium om dricksvatten,

7 Beslutsproblem - exempel Råvatten - resurs Ska befintlig råvattentäkt ersättas/kompletteras och i så fall med vilken vattenresurs? Vilken inverkan har olika fekala föroreningskällor på råvattenkvaliteten i en specifik vattentäkt? Kan åtgärder vidtas för att skydda vattentäkten mot specifika föroreningskällor? Hur skall provtagningsprogram för råvattnet utformas? Hur skall vattenskyddsområden utformas och tillhörande föreskrifter anpassas för att bli verkningsfulla?

8 Beslutsproblem - exempel Beredning Behöver nytt beredningssteg installeras? Kan befintliga beredningssteg optimeras för att kunna hantera påfrestningar och därmed förbättra säkerheten? Distribution Hur kan föroreningstillfällen i distributionsnätet identifieras och bekräftas? Vilka åtgärder bör vidtas för att minska den mikrobiologiska risken i distributionssystemet?

9 Beslutsanalys Keeney (1982): Decision analysis is a formalization of common sense for decision problems which are too complex for informal use of common sense.

10 Riskhanteringsprocessen ISO, 2009

11 Några vanliga metoder för beslutsstöd i riskhantering Risk-rankning (kvalitativ) Kvantitativ riskanalys och jämförelse med acceptanskriterier Kostnads-nytto analys (KNA) Kostnads-effektivitets analys (KEA) Multi-kriterie analys (MKA)

12 Risk rankning Enkel och överskådlig metodik Svårt att fånga in komplicerade händelseförlopp i bedömningen Vad är acceptabel och oacceptabel risk?

13 Exempel från SLV

14 Kvantitativ riskanalys och jämförelse med acceptanskriterier Exempel - Mikrobiell Risk Analys (MRA - QMRA)

15 Exempel jämförelse med acceptanskriterium Acceptanskriterium = 1x10-4 infektionsrisk (Exempel på kriterium som tillämpas i ex USA)

16 Riskbaserat beslutsstöd för säkrare dricksvatten - RiBS WP2. Råvatten Påverkan av fekala källor på råvattenkvaliteten WP3. Beredning Utvärdera och optimera mikrobiologiska barriärer WP4. Distribution Mikrobiologiska risker i ledningsnätet WP1. Riskbedömning och riskhantering Beslutsstöd genom integrerad riskbedömning och kostnads-nyttoanalys

17 Projektets övergripande syfte Utveckla metoder för beslutsstöd som kan leda till en kostnadseffektiv och hållbar minskning av hälsorisker från mikrobiologisk förorening av dricksvatten Fokus: Hela systemet - Från källa till tappkran Kostnads-nyttoanalys som beslutsmodell Projektperiod: Finansiär: Svenskt Vatten Utveckling Samarbete: Forskare, VA-bransch och myndigheter Forskare från olika ämnesområden

18 Deltagare Lars Rosén (Chalmers) Andreas Lindhe (Chalmers) Ekaterina Sokolova (Chalmers) Mia Bondelind (Chalmers) Annika Malm (SP & Chalmers) Thomas Pettersson (Chalmers) Viktor Bergion (Chalmers) Nashita Moona (Chalmers) Masoumeh Heibati (Chalmers) Kathleen Murphy (Chalmers) Olof Bergstedt (Göteborgs Stad & Chalmers) Kaisa Sörén (SVA) Jonas Toljander (SLV) Åsa Sjöling (GU/KI) Lars-Ove Lång (SGU & Chalmers) Victor Vinas (Chalmers)

19 Beslutsstödssystem för hållbar regional vattenförsörjning - ReWarDS Syfte: Utveckla en beslutsstödsmodell för att säkra hållbar användning av regionala vattenresurser Fallstudie: Göteborgsregionen, där 13 kommuner samverkar om en vattenförsörjningsplan Fokus: Hela försörjningssystemet Kostnads-nyttoanalys och multikriterieanalys (MKA) som beslutsmodeller Projektperiod: Finansiär: Formas, SP, Göteborgsregionens kommunalförbund, Göteborgs Stad

20 Deltagare Lars Rosén (Chalmers) Karin Sjöstrand (SP) Andreas Lindhe (Chalmers) Erik Kärrman (SP) Lena Blom (Göteborgs Stad) Jacob Lindkvist (Göteborgsregionens kommunalförbund, GR) Lena Blom (Göteborgs Stad) Lars-Ove Lång (Sveriges Geologiska Undersökning, SGU) Samverkan med Enveco Miljöekonomi AB

21 Vad är kostnads-nyttoanalys? Syfte: Att bedöma samhällsekonomisk lönsamhet Nyttor Kostnader Grundläggande kriterium: Om samtliga nyttor > samtliga kostnader = lönsamt Analys av fördelningseffekter nödvändig

22 B1. Nyttor för producenten till följd av åtgärden C1. Kostnader för producenten till följd av åtgärden Tack till Tore Söderqvist, Enveco

23 B1. Nyttor för producenten till följd av åtgärden C1. Kostnader för Åtgärdskostnader producenten till följd av åtgärden Producentekonomisk analys Tack till Tore Söderqvist, Enveco

24 B1. Ökat Nyttor markvärde för på producenten fastigheten till där följd EBH av åtgärden sker B2. Positiv extern effekt: Positiva effekter på hälsa B3. Positiv extern effekt: Positiva effekter på miljön (ekosystemtjänster) B4. Andra positiva externa effekter C1. Kostnader för Åtgärdskostnader producenten till följd av åtgärden C2. Negativ extern effekt: Negativa effekter på hälsa C3. Negativ extern effekt: Negativa effekter på miljön (ekosystemtjänster) C4. Andra negativa externa effekter Tack till Tore Söderqvist, Enveco

25 Samhällsekonomisk kostnads-nyttoanalys B1. Ökat Nyttor markvärde för på producenten fastigheten till där följd EBH av åtgärden sker C1. Åtgärdskostnader B2. Positiv extern effekt: Positiva effekter på hälsa B3. Positiv extern effekt: Positiva effekter på miljön (ekosystemtjänster) B4. Andra positiva externa effekter C2. Negativ extern effekt: Negativa effekter på hälsa C3. Negativ extern effekt: Negativa effekter på miljön (ekosystemtjänster) C4. Andra negativa externa effekter Tack till Tore Söderqvist, Enveco

26 Matematisk beskrivning av KNA Nyttor + Kostnader - NNV = Nettonuvärde n = Tidshorisont B = Nytta C = Kostnad r = Diskonteringsränta t = tid när nytta eller kostnad inträffar

27 Exempel enskilda avlopp Vombsjön Ca 2800 anläggningar Mikrobiologiska risker Hur mycket ska vi åtgärda?

28 Exempel på åtgärdsalternativ (Z) Referensalternativ inga åtgärder (H) Hälften av enskilda avlopp ansluts till kommunalt reningsverk (F) Fokus anslutning av de 10% av enskilda avlopp som har bedömts bidra med störst risk

29 Z Reference Input, sources (pollutant quantity) 3 Log reductions (Uncertainties) Catchment area WP /100ml Raw water, (pollutant quantity) Log reductions (Uncertainties) Treatment plant WP /100ml 10-3 /100ml Drinking water (pollutant quantity) Log reductions (Uncertainties) Distribution system WP4 Output, (pollutant quantity) Infection dose Consumer Probability /DALY Infection Additional pollution sources: cross connection, pipe break etc. (pollutant quantity) H Half 5*10 1 /100ml 5*10-4 /100ml 5*10-4 /100ml Probability /DALY Input, sources (pollutant quantity) Log reductions (Uncertainties) Catchment area WP2 Raw water, (pollutant quantity) Log reductions (Uncertainties) Treatment plant WP3 Drinking water (pollutant quantity) Log reductions (Uncertainties) Distribution system WP4 Output, (pollutant quantity) Infection Consumer Additional pollution sources: cross connection, pipe break etc. (pollutant quantity) 3 Focus 9*10 1 /100ml *10-4 /100ml 9*10-4 /100ml Probability /DALY F Input, sources (pollutant quantity) Log reductions (Uncertainties) Catchment area WP2 Raw water, (pollutant quantity) Log reductions (Uncertainties) Treatment plant WP3 Drinking water (pollutant quantity) Log reductions (Uncertainties) Distribution system WP4 Output, (pollutant quantity) Infection Consumer Additional pollution sources: cross connection, pipe break etc. (pollutant quantity)

30 PV(Costs) Scenario H Consumers Reduction of Yearly Prob of infection (norovirus) 5.05E Number of spontaneuous incidents per year Cost per case Nyttor (kr) Kostnader (kr) Fatalities per year Cost per Fatality Cost yearly Fatalities no consideration of years left to live Life expectancy Years left at % of life lost Reduction in N per year Reduction in P per year Value of N/kg Value of P/kg Benefit N Benefit P Benef./år och dödsfall(inkl. hänsyn till tid kvar att leva Benefit yearly due to reduction of SPONTAN Nutrients Total cost per year Discounting rate Discounted cost Scenario H Hushåll 1400 Kostnad att ansluta per hushåll Rörkostnad per meter 3500 Meter till anslutningspunkt Totalkostnad installation Pumpstation svartvatten Drift pumpstation Underhåll av ledningar Instrrallation rörledning (61,272,400) VA-taxa ökning i kostnad Total kostnad årsvis Diskonteringsränta Discounted cost

31 Kostnads-nytto analys - Anslutning av enskilda avlopp till kommunalt reningsverk NNV = Nettonuvärde T = Tidshorisont (50 år) B = Nyttor C = Kostnader r = Diskonteringsränta (3.5 %) t = år när kostnaden och nyttan inträffar Resultat Scenario Z Scenario H Scenario F NPV (Förväntat) 0 Mkr 46,4 Mkr 139,0 Mkr

32 PROBABILITY Multi-kriterie analys (MKA) Flera kriterier Riskreduktion Andra effekter? Hållbarhet? Very high (8) High (4) Medium (2) 8 a b Low (1) 1 c Sociala CONSEQUENCE Miljömässiga Ekonomiska

33 Vad är MKA? MKA (Multikriterieanalys) ett strukturerat angreppssätt för att beskriva hur väl olika alternativ uppfyller flera olika mål. MKA tillämpas på komplicerade problem där många olika aspekter måste vägas samman. Problemet bryts ned genom att definiera ett antal kriterier som bedöms var för sig. Kriterierna bör vara sinsemellan oberoende. Sammanvägning av uppmätta storheter och subjektiva bedömningar

34 Varför beslutsanalyser? Struktur Transparens Underlag för kommunikation Stöd för beslut inte själva beslutet! Processen lika viktig (viktigare?) än själva slutresultatet

35 Tack!