1 RESUMEN: La reutilización de aguas residuales se perfila como

Anuncio
TÍTULO DE LA COMUNICACIÓN:
EFICIENCIA TÉCNICA Y ECONÓMICA EN EL TRATAMIENTO DE AGUAS RESIDUALES:
UN ANÁLISIS DINÁMICO.
AUTOR 1: Francesc Hernández Sancho1
Email: Francesc.Hernandez@uv.es
AUTOR 2: María Molinos Senante1
Email: Maria.Molinos@uv.es
AUTOR 3: Ramón Sala Garrido2
Email: Ramon.Sala@uv.es
1
DEPARTAMENTO: Estructura económica (Economía Aplicada II)
2
DEPARTAMENTO: Matemáticas para la Economía y la Empresa.
UNIVERSIDAD: Valencia
ÁREA TEMÁTICA: Energía, sostenibilidad, recursos naturales y medio ambiente.
RESUMEN:
La reutilización de aguas residuales se perfila como una alternativa de gran futuro ya
que permite incrementar la oferta de recursos hídricos al mismo tiempo que reduce los problemas
de contaminación. En este sentido, el análisis de la eficiencia de las estaciones depuradoras de
aguas residuales (EDARs), tanto desde el punto de vista técnico como económico, favorece la
implementación de este tipo de proyectos y, consecuentemente incrementa el suministro de los
denominados recursos no convencionales. Es por ello, que el objetivo de este trabajo es analizar la
eficiencia de los procesos de depuración de aguas residuales. El uso de la metodología Data
1
Envelopment Analysis (DEA) permite obtener un indicador de eficiencia para cada proceso de
tratamiento. Por otra parte, el índice Malmquist de productividad proporciona información sobre la
evolución de la eficiencia de las EDARs durante un determinado periodo de tiempo, es decir,
permite analizar la llamada eficiencia dinámica. En este trabajo, se realiza una aplicación empírica
para una amplia muestra de EDARs localizadas en la Comunidad Valenciana. Los resultados
obtenidos proporcionan una información muy útil tanto a las empresas explotadoras de estaciones
depuradoras como a la propia Administración de cara a optimizar la gestión del tratamiento de
aguas residuales.
PALABRAS
CLAVE:
Data Envelopment Analysis (DEA), eficiencia dinámica, eficiencia
económica, eficiencia técnica, estaciones depuradoras de aguas residuales, Indice Malmquist de
productividad.
2
Eficiencia Técnica y Económica en el Tratamiento de Aguas
Residuales: Un Análisis Dinámico
1.- Introducción
Los nuevos retos que deben abordarse en relación al uso y reutilización sostenible de los
recursos hídricos deben condicionar substancialmente la concepción, diseño y operación
de las plantas de tratamiento de aguas residuales. Así, los desplazamientos masivos de
la población (en muchos casos estacional), el incremento en los gastos energéticos
derivados de una mayor exigencia en la calidad del agua, la necesidad de reducir la
producción de lodos y encontrar mejores vías para su gestión, la minimización de
riesgos, las limitaciones en la disponibilidad de recursos hídricos y la consideración
global del impacto sobre el medio ambiente, suponen un nuevo marco. Además, en
línea con otros procesos industriales, las Estaciones Depuradoras de Aguas Residuales
(EDARs) deberían concebirse, no sólo como un proceso fin de línea, sino también,
como unidades de recuperación de recursos.
Para alcanzar estos retos se requiere disponer de procesos de tratamiento que sean
eficientes tanto desde un punto de vista técnico como económico y ambiental. Además
este comportamiento eficiente debe ser mantenido a lo largo del tiempo ya sea
adaptando la tecnología o las formas de gestión. Al igual que cualquier empresa debe
adaptarse al dinamismo del mercado para seguir siendo competitiva, una EDAR debe
ser capaz de hacer frente a los retos que se le plantean desde la sociedad en términos de
calidad del efluente, minimización de costes, reducción del consumo energético y, en
suma, alcanzar la sostenibilidad tanto económica como ambiental. Para ello se requiere
de un conocimiento detallado de las características de cada uno de los procesos además
de una metodología de análisis que permita evaluar la eficiencia de los distintos tipos de
tratamiento así como su evolución en el tiempo.
3
Aunque es elevada la presencia en la literatura de estudios empíricos sobre la eficiencia
en distintos sectores, resultan todavía muy escasas las aportaciones realizadas dentro del
campo ambiental y más concretamente en el ámbito de la gestión de los recursos
hídricos. Los trabajos existentes se han centrado en analizar los cambios de
productividad de una serie de instalaciones relacionadas con el agua (Marqués y
Monteiro, 2005; Byrmes et al., 2010), determinar el impacto de los procesos de
privatización y regulación en la industria del agua en términos de eficiencia (Saal y
Parker, 2001; Parker et al., 2002) y analizar la eficiencia de la gestión del agua a nivel
regional (Hu et al., 2006).
En el campo específico del tratamiento de aguas residuales, en anteriores trabajos
(Hernández y Sala, 2005, 2006, 2009) se plantean el desarrollo y la adecuación de los
principales métodos utilizados en el ámbito de los análisis de eficiencia en presencia de
inputs y outputs ambientales. En todos los casos la metodología propuesta se centra en
el uso de técnicas de análisis de la envolvente (DEA) para la resolución de problemas de
optimización en el ámbito de la depuración de aguas residuales tratando siempre de
adaptar y mejorar estos métodos con el fin de analizar la eficiencia técnica y económica
de los procesos de tratamiento de aguas residuales. Mediante el uso de técnicas de
programación matemática se obtiene un índice de eficiencia para cada proceso fijándose
como objetivo la minimización del conjunto de los inputs utilizados en el tratamiento. A
su vez, se puede obtener un indicador de eficiencia asociado a cada uno de los factores
que intervienen en el proceso.
A pesar de la validez y utilidad de estas aportaciones cuentan como principal limitación
su carácter estático. Es decir, se puede conocer el comportamiento eficiente de una
instalación en un momento dado del tiempo e, incluso, llevar a cabo ejercicios de
estática comparativa pero no permiten abordar el análisis de la eficiencia desde un punto
de vista dinámico.
La investigación que aquí se presenta trata de superar esta restricción profundizando en el
conocimiento de la eficiencia de los procesos de tratamiento mediante el uso tanto de
4
metodologías DEA como de los Índices Malmquist de productividad. A través de estos
últimos se pueden estudiar los cambios en el comportamiento eficiente en las distintas
plantas de tratamiento a lo largo del tiempo.
Se propone la realización de una aplicación empírica de estas metodologías para el
periodo temporal 2005-2008 sobre la base de una muestra de 215 plantas de tratamiento
situadas en la Comunidad Valenciana. Los resultados obtenidos ofrecen una
información de gran utilidad tanto para las empresas operadoras de los distintos
procesos como para las autoridades competentes en materia de gestión de aguas
residuales.
2.- Metodología
El término eficiencia se asocia desde una óptica de economía productiva al uso racional
de los recursos disponibles, es decir, se utiliza para describir aquel proceso productivo
que emplea de una manera óptima todos sus factores de producción, según la tecnología
existente. Según el trabajo pionero de Farrell (1957), la obtención de medidas de
eficiencia para cada unidad productiva requiere el uso de las llamadas funciones
frontera que actúan como referente. Este método de análisis representa el punto de
partida de lo que en la literatura económica se conoce como modelos Data Envelopment
Analysis (DEA).
Según esta metodología se construye una frontera de la mejor práctica o, entorno
convexo constituido por las unidades más eficientes de la muestra haciendo uso de
técnicas de programación lineal. De este modo, cuando una unidad productiva obtenga
el máximo output dado un vector de inputs, o bien, utilice un mínimo de inputs para
producir un output determinado, se situará en la llamada frontera de producción. En este
último caso, la eficiencia técnica de una unidad productiva puede medirse a partir del
cálculo de la máxima reducción proporcional posible en el uso de factores compatible
con su nivel de output.
5
Para ello suponemos un proceso de producción en el que a partir de un vector de inputs
X  N se obtiene un vector de outputs Y  M mediante el uso de la tecnología T, de
modo que,
T  ( X ,Y ); X puede producir Y 
(1)
Esta tecnología T puede también expresarse de manera equivalente desde el punto de
vista de los inputs, es decir,
( X , Y )  T  X  L(Y )
(2)
donde L(Y ) representa el conjunto de vectores de inputs X que permiten
alcanzar al menos un vector de outputs Y.
Dados K procesos de tratamiento cada uno de los cuales utiliza un vector
X  ( x1 , x2 ,..., xN ) (Nx1) de inputs para llevar a cabo la producción de un vector de outputs
Y  ( y1 , y2 ,...... yM ) (Mx1), siendo  un vector de intensidad de variables (Kx1). Para cada
proceso k se puede obtener una medida de eficiencia en input Ek ( X , Y )  
ampliamente utilizada en la literatura (Charnes et al., 1996; Cooper et al., 2007) y cuya
obtención exige la resolución del siguiente problema de optimización mediante
programación lineal bajo rendimientos variables, siendo I el vector unitario.
E k ( X , Y )  Min 
s.a
X  X k
(3)
Y  Yk
I  1
0
6
En otras palabras, considerando como dado el vector de output de cada planta de
tratamiento, se trataría de conocer en qué medida se podría minimizar el vector de
inputs de cada una de ellas. Un comportamiento eficiente significaría la imposibilidad
de reducir la cuantía de estos inputs mientras que la ineficiencia iría asociada con
mayores posibilidades de minimizar dichos inputs.
A su vez y, dada la importancia de los cambios en las necesidades de la sociedad y en
las propias normativas reguladoras de los procesos de tratamiento se aborda un análisis
dinámico de la eficiencia por planta mediante el uso del Índice Malmquist de
productividad. Este análisis nos permitirá conocer no sólo la existencia de diferencias
significativas en el comportamiento eficiente entre los distintos procesos sino también
su evolución a lo largo del tiempo. Es decir, nos ofrecerá información sobre la eficiencia
de un proceso de tratamiento como realidad dinámica.
Los denominados índices Malmquist (Bjurek, 1996; Coelli et al., 1998) permiten la
descomposición del crecimiento de la productividad en función del progreso técnico y
de las variaciones en los niveles de eficiencia técnica. Esta descomposición fue
propuesta inicialmente por Caves, Christensen y Diewert (1982) y supone expresar el
cambio en la productividad ocurrido entre los periodos t y t+1 como resultado del
desplazamiento de la frontera tecnológica (progreso técnico-PT) y de las variaciones en
la posición relativa con respecto a esta frontera (cambio en la eficiencia-CE).
De este modo el índice Malmquist de productividad en inputs basado en la tecnología
del periodo t y t+1 (uno para cada uno de los K procesos) puede formularse de la
siguiente forma:
IM=
Ett1 Ett11 Ett11
 t
Ett Ett 1
Et
Ett1 Ett
Ett11 Ett 1
7
El primer término de la ecuación
mientras que el segundo
obtención de
Ett
Ett11
Ett
representa el Cambio en la Eficiencia (CE)
Ett1 Ett
Ett11 Ett 1
simboliza el Progreso Técnico (PT). La
supone la resolución del programa (4):
Min 
X t  X 0t
Yt  Y0t
0
En el caso de
Ett11
resolución del (6) y
(4)
el programa a resolver es (5) mientras que
Ett 1 se obtiene a partir de (7).
Min 
X t 1  X 0t 1
Yt 1  Y0t 1
0
(5)
Min 
X t  X 0t 1
(6)
Yt  Y0t 1
0
Min 
X t 1  X 0t
(7)
Yt 1  Y0t
0
8
Ett1
implica la
El hecho de utilizar la programación lineal no paramétrica para el cálculo de los
distintos componentes del índice de Malmquist evita la necesidad de definir una forma
funcional concreta además de ofrecer mayores posibilidades para la generalización de la
metodología.
Se procede ahora a abordar una aplicación empírica basada en el uso de estas
metodologías sobre una muestra de plantas de tratamiento cuya descripción se realiza
seguidamente.
3.- Análisis Empírico
Se plantea el estudio de una muestra de 215 EDARs ubicadas en la Comunidad
Valenciana durante los años 2005 y 2008. Todas ellas aplican un tratamiento de
depuración de tipo secundario. La información descriptiva aparece en la Tabla 1. Según
las variables representativas utilizadas se deduce que el volumen tratado, en media, se
ha incrementado durante el periodo analizado en un 11,39 por ciento, una cifra muy
similar al aumento experimentado en términos de habitantes equivalentes. En lo que se
refiere a los porcentajes de eliminación tanto de sólidos en suspensión como de materia
orgánica expresada como DQO se muestra una reducción del 1,44 y 1,69 por ciento
respectivamente. Aunque no se trata de valores elevados sí que es un resultado
ciertamente sorprendente que requeriría alguna justificación de tipo técnico que queda,
sin duda, fuera del alcance de este trabajo. Sobre la evolución de los costes de operación
cabe destacar un incremento cercano al 21 por ciento en términos de media anual con un
alza ligeramente inferior (17,89 %) utilizando la ratio por metro cúbico. Tomando como
referencia los costes por kilogramo de contaminantes extraídos aparece una tasa de
crecimiento significativamente menor a las anteriores (10,43 %). Ello podría ser
indicativo de que, aunque los porcentajes de eliminación de contaminantes han
descendido ligeramente, su cuantía en kilogramos se ha visto incrementada.
9
Tabla 1.- Descripción de la muestra (215 EDARs)
2005
2008
Tasa
Variación
Media Desviación Media Desviación
(%)
3
Volumen tratado (m /año) 407.696
799.930
454.134
941.336
11,39
Habitantes equivalentes
5.036
9.092
5.614
11.474
11,48
Porcentaje eliminación
91,72
9,11
90,40
8,99
-1,44
Sólidos suspensión (%)
Porcentaje eliminación
93,54
7,18
91,96
7,45
-1,69
DQO (%)
(€/año)
136.106
196.606
164.604
227.112
20,94
3
Costes de
(€/m )
0,95
1,72
1,12
2,02
17,89
operación (€/Kg. Cont.
1,15
1,84
1,27
1,85
10,43
eliminado)
A pesar de que el uso de estos indicadores nos puede aportar alguna información acerca
de la evolución global de las plantas de tratamiento desde 2005 a 2008 nos planteamos
un objetivo mucho más ambicioso. Se pretende analizar el comportamiento en términos
de eficiencia de los distintos procesos de tratamiento y, además, conocer su evolución
temporal. Para ello se lleva a cabo, en primer lugar, el cálculo de índices de eficiencia
por planta mediante la metodología DEA (Data Envelopment Analysis) y, con
posterioridad, se estudia su comportamiento dinámico a través de los índices de
productividad Malmquist. Se considera que cada una de las plantas de la muestra lleva a
cabo un proceso de tratamiento caracterizado por el uso de un input (costes de
operación) y la obtención de un output deseable (agua tratada) y dos outputs no
deseables en forma de contaminantes (Sólidos en Suspensión y Materia Orgánica
(DQO)). Se asumen rendimientos variables a escala lo cual facilita la comparación entre
las unidades analizadas.
Como resultado de aplicar la metodología anteriormente descrita se obtienen índices de
eficiencia por planta tanto para el año 2005 como para el 2008. En el primer caso, el
valor obtenido, en media, se sitúa en 0,42 mientras que en el segundo alcanza una cifra
de 0,34. Se observa que los niveles de eficiencia para el conjunto de la muestra son
reducidos y, además, decrecen, en valor medio, en un 18,06 por ciento durante el
periodo considerado. Ciertamente una línea de trabajo a abordar consistiría en explicar
10
esta situación en función de una serie de variables representativas de los procesos de
tratamiento. Sin embargo, se trata de una investigación que, aunque muy detallada y de
gran utilidad, escapa a los objetivos de este trabajo.
Más allá de los anteriores resultados basados en un análisis estático, nuestro objetivo es
abordar un estudio de los procesos de tratamiento desde una perspectiva dinámica. Para
ello hacemos uso de la metodología basada en el llamado Índice Malmquist que nos
permite explicar los cambios en la productividad en función del progreso técnico y de
los cambios en la eficiencia. La información obtenida nos ayudará a profundizar en el
conocimiento de los procesos de tratamiento y sus factores determinantes a lo largo del
tiempo.
Una vez calculados los Índices Malmquist y sus componentes para cada planta durante
el periodo 2005-2008 se presentan los valores medios en la Tabla 2.
Tabla 2.- Índice Malmquist y sus componentes (Periodo 2005-2008)
Índice
Malmquist
0,9256
Progreso
Técnico
1,2953
Cambio
Eficiencia
0,7688
Se constata, en primer lugar, que el conjunto de plantas de tratamiento han
experimentado un ligero retroceso en términos de su productividad a lo largo del
periodo 2005-2008. En concreto, esta reducción se ha cifrado en un 7.44 por ciento
(Tabla 2). Según la descomposición del Índice Malmquist se aprecia que el
decrecimiento global de la productividad es atribuible únicamente al cambio en la
eficiencia , es decir, en valores medios, las EDARs analizadas se han alejado de la
frontera de la eficiencia. Por otro lado, se identifica una fuerte influencia positiva
derivada del cambio técnico, lo que indica que se ha producido un desplazamiento de la
frontera de eficiencia a través del tiempo. En la Figura 1 se representan los Índices para
cada una de las plantas de la muestra mientras que en la Figura 2 se agrupan estas
plantas en función del valor del Índice de Malmquist.
11
Figura 1.- Índices de Malmquist por planta
Figura 2.- Grupos de Plantas en función del Índice de Malmquist
12
Con el fin de profundizar en el análisis planteado se desagrega la muestra en dos grupos
de plantas según el valor del Índice sea mayor o menor que la unidad (Tabla 3). En
primer lugar se observan importantes diferencias en cuanto a la descomposición del
Índice de Malmquist. Por un lado, en el grupo de EDARs con un Índice mayor que la
unidad, constituido por 59 plantas (27,44 por ciento sobre el total), el crecimiento en el
índice de productividad se explica mayoritariamente por el cambio en la eficiencia
(14,57 %) y, en menor medida, se debe al cambio técnico (2,39 %). Es decir, este grupo
de plantas experimenta un mejor posicionamiento relativo con respecto a la frontera
debido a la mejora en su comportamiento eficiente. Esta frontera también se ve
desplazada, aunque con menor intensidad, por la influencia del progreso técnico. Sin
embargo, no debemos olvidar que esta positiva evolución viene protagonizada
únicamente por menos de la tercera parte de las plantas de la muestra.
Tabla 3.- Indice Malmquist (IM) por grupos de plantas
Plantas IM >1
Plantas IM <1
Índice
Malmquist
1,1284
0,8488
Progreso
Técnico
1,0239
1,3980
Cambio
Eficiencia
1,1457
0,6262
Por el contrario, en el grupo de EDAR con un Índice inferior a la unidad, es decir, 156
plantas, la razón básica de la disminución en el índice de productividad viene motivada
por el negativo comportamiento de la eficiencia a pesar de la considerable expansión en
la tecnología. Una posible interpretación de este resultado sería que el esfuerzo
tecnológico llevado a cabo durante el periodo estudiado habría sido muy dispar
contribuyendo a desplazar significativamente la frontera de la eficiencia pero
provocando, a la vez, un alejamiento relativo de dicha frontera por parte de aquellas
plantas que hubiesen experimentado escasas o nulas mejoras tecnológicas. De manera
lógica, el paso siguiente en este análisis será abordar con mayor detalle el
comportamiento diferencial de las distintas plantas de la muestra haciendo uso de una
serie de variables representativas.
13
En primer lugar se utilizará como referencia la variable coste por kilogramo de
contaminantes eliminado. Para el grupo de plantas que muestra una mejora en el índice
de productividad durante el periodo analizado podemos observar una significativa
reducción desde 1,80 €/Kg en 2005 a 1,39 €/Kg en 2008, lo que representa un descenso
del 23,11 por ciento (Tabla 4). En cambio, en las plantas en las que se produce un
empeoramiento del índice de productividad, la tendencia de este indicador es la
contraria, es decir, pasa de un 1,09 €/Kg en 2005 a 1,43 €/Kg en 2008, lo que supone un
aumento del 31,06 por ciento. De nuevo razones de mejora de la eficiencia, por un lado
y, de disparidad en cuanto a la intensidad del esfuerzo tecnológico, por otro, podrían
explicar estas importantes diferencias de comportamiento.
Tabla 4.- Coste por Kilogramo de contaminantes eliminado (€/Kg.)
Plantas IM >1
Plantas IM <1
2005
2008
1,80
1,09
1,39
1,43
Tasa Variación
(%)
-23,11
31,06
Nos planteamos ahora el uso del tipo de tratamiento como referente para el análisis del
comportamiento de las plantas a lo largo del periodo 2005-2008. Para ello se clasifican
las EDAR de la muestra en cinco grupos según el tratamiento específico empleado. Se
trata de Aireación Prolongada (AP), Biodiscos (BD), Fangos Activados (FA), Lechos
Bacterianos (LB) y Lechos de Turba (LT). En la Tabla 5 se presenta el número de
plantas que cuentan con un Índice de Malmquist superior a la unidad en cada grupo y su
peso relativo respecto al total.
Tabla 5.- Número de Plantas con Índice de Malmquist superior a 1 por tipo de
tratamiento.
Número total Plantas
Numero Plantas con IM>1
% sobre Total
AP
152
48
31,58
BD
11
2
18,18
14
FA
32
7
21,88
LB
9
0
0,00
LT
11
2
18,18
TOTAL
215
59
27,44
De los cinco tratamientos específicos identificados en la muestra, el de Aireación
Prolongada (AP), además de ser el mayoritario en cuanto al número de EDARs, es el
que presenta un mayor porcentaje de plantas con un Índice superior a la unidad (48
sobre un total de 152). Ello significa, que cerca de un tercio de las plantas de la muestra
que aplican este tratamiento ha experimentado una mejora en su productividad durante
el periodo 2005-2008. Así mismo, se observa que el número de instalaciones que
utilizan el proceso de FA para la depuración de las aguas y que han incrementado su
productividad también es significativo (21,88%). En este sentido, es importante destacar
que las tecnologías de AP y FA forman parte de los denominados procesos de cultivos
en suspensión mientras que el resto de tratamientos analizados (BD, LB y LT) se
integran en los llamados procesos de soporte sólido. Si bien no podemos afirmar con
rotundidad que los procesos de cultivos en suspensión presentan mayores opciones de
mejora de la productividad que los de cultivos en suspensión, lo cierto es que los
resultados obtenidos se orientan en este sentido.
Se analiza ahora la posible relación del tamaño de las plantas, expresado en términos de
volumen tratado, con la mejora en el índice de productividad a lo largo del periodo
2005-2008. Para ello se dividen las plantas de la muestra en cinco grupos en función de
su tamaño. Su descripción se lleva a cabo en la Tabla 6. Según se observa el intervalo
con mayor número de plantas es el situado entre 25.000 y 100.000 m3/año seguido por
el de 250.000 a 1.000.000 m3/año. En lo que se refiere al porcentaje de plantas de cada
grupo que ha experimentado una mejora en el índice de productividad figura, en primer
lugar, el intervalo entre 100.000 y 250.000 m3/año con un 37,14 por ciento seguido por
el grupo entre 250.000 y 1.000.000 m3/año con un 32,08 por ciento de plantas cuyo
Índice de Malmquist es superior a la unidad. Cabe destacar que la agrupación de EDAR
de mayor tamaño es la que presenta un menor porcentaje de plantas que mejoran su
productividad durante el periodo.
15
Tabla 6.- Número de Plantas con Índice de Malmquist superior a 1 por intervalos de
tamaño expresado en (miles de m3/año).
Número plantas
Numero Plantas con IM>1
% sobre Total
<25
28
7
25,00
25-100
77
18
23,38
100-250
35
13
37,14
250-1000
53
17
32,08
>1000
22
4
18,18
A la vista de estos resultados, podemos afirmar que las EDARs de tamaño medio son
las que presentan un mayor incremento en los niveles de productividad. Esto es debido
a que, tal y como se apunta en el trabajo de Hernández y Sala (2009), la eficiencia de las
depuradoras de aguas residuales está directamente relacionada con la capacidad de
tratamiento de las mismas. Así, las plantas de mayor tamaño en el año 2005 ya
presentaban altos índices de eficiencia y, por lo tanto, las opciones de mejora son
limitadas. Por el contrario, las instalaciones de tamaño reducido no suelen ser objeto de
mejoras significativas que puedan repercutir en un incremento de su eficiencia.
Finalmente resulta evidente que mediante el uso de la metodología planteada se permite
conocer el comportamiento dinámico de cada EDAR a nivel de su productividad y su
justificación en términos de cambios de eficiencia y avances en la tecnología. A su vez
se puede relacionar esta evolución de la planta con cualquier tipo de variable
representativa del proceso de tratamiento según la información estadística disponible.
En este trabajo se han utilizado como referente aquellas variables que hemos
considerado más relevantes tanto a nivel de planta como en función de los datos a los
que se ha tenido acceso. En este sentido, dado el dinamismo del mercado y los
importantes retos que caracterizan el sector de la depuración resulta importante disponer
de todos estos conocimientos y herramientas de análisis ya que permiten tanto a las
empresas como a las agencias y autoridades reguladoras del sector poder hacer frente en
mejores condiciones a los retos que tienen planteados.
16
4.- Conclusiones
En un entorno de escasez de agua como el que nos encontramos se hace cada vez más
necesaria la optimización de los recursos disponibles con el fin de sentar las bases para
una gestión sostenible de los mismos. En este sentido y, tal como se recoge en la
Directiva Marco del Agua, adquiere un protagonismo especial tanto la depuración como
la reutilización de las aguas residuales. La implementación de este tipo de proyectos,
requiere garantizar la calidad del efluente, minimizar riesgos, reducir el consumo
energético y los propios costes de operación y, en suma, alcanzar procesos de
tratamiento eficientes. Así la eficiencia, tanto económica como técnica pasa a ser pieza
clave en el funcionamiento de cualquier estación de depuración de aguas residuales. De
esta forma se favorecerá la reutilización de las aguas residuales. Sin embargo, para que
las plantas depuradoras puedan ser consideradas realmente como fuentes alternativas de
recursos hídricos, es necesario que las EDARs presenten un comportamiento eficiente a
lo largo del tiempo y no únicamente en momentos puntuales.
En este trabajo se presentan dos herramientas para el estudio de la eficiencia en el
ámbito de la depuración: los modelos Data Envelopment Analysis (DEA) y los Índices
Malmquist de productividad. Se hace hincapié en esta segunda metodología ya que
permite analizar el comportamiento eficiente de las plantas de tratamiento desde un
punto de vista dinámico.
Con el fin de demostrar la aplicabilidad y utilidad real de estas metodologías se lleva a
cabo un estudio empírico durante el periodo 2005-2008 para una muestra de 215 EDAR
situadas en la Comunidad Valenciana. Se han descrito los resultados obtenidos haciendo
énfasis en los cambios en la eficiencia de los procesos, la influencia del progreso
tecnológico y el papel tanto de las economías de escala como del tipo de tratamiento
específico aplicado. Consideramos que la información alcanzada mediante la aplicación
de estos métodos puede resultar útil para un mejor conocimiento de las plantas de
tratamiento y para que puedan asumir con mayores garantías de éxito el papel que les
corresponde como proveedoras de nuevos recursos de agua.
17
5.- Agradecimientos
La ayuda financiera por parte del gobierno español a través del proyecto NOVEDARConsolider (CSD 2007-00055) y el Programa FPU (AP2007-03483) y por parte de la
Generalitat Valenciana (ACOMP/2010/138). A la Entidad de Saneamiento de la
Comunidad Valenciana (EPSAR) por la información estadística facilitada.
6.- Referencias bibliográficas
Bjurek, H. (1996): “The Malmquist Total Factor Productivity Index”, Scandinavian
Journal of Economics, 98 (2), p. 303-313.
Byrmes, J., Crase, L., Dollery, B. y Villano, R. (2010) : “ The relative economic
efficiency of urban water utilities in regional New South Wales and Victoria”,
Resource and Energy Economics, 32 (3), p. 439-455.
Caves, D.W., Christensen, L.R. y Diewert, W.E. (1982): “Multilateral Comparisons of
Output, Input and Productivity Using Superlative Index Numbers”, Economic
Journal, 92 (365), p. 73-86.
Charnes, A., Cooper, W.W., Lewin, A.Y. y Seiford, L.M. (1996) “Data Envelopment
Analysis: theory, methodology and application”, Kluwer Academic Publishers,
Boston.
Coelli, T., Rao, D.S. y Battese, G.E. (1998): “An introduction to efficiency and
productivity analysis”, Kluwer, Boston.
Cooper, W.W., Seiford, L.M. y Tone, K. (2007): “Data Envelopment Analysis”,
Springer, New York.
Farrell, M., (1957): “The measurement of productive efficiency”, Journal of the Royal
Statistics Society, Serie A, 120 (3), p. 253-281.
Hernández, F. y Sala, R., (2005): “Technical efficiency in wastewater plants: evidence
from a Spanish case study”, International Conference on Water Economics,
Statistics and Finance (IWA), Crete, Greece.
18
Hernández, F. y Sala, R. (2006): “Economic and technical efficiency of wastewater
plants: A basic requisite to the feasibility of water reuse projects”, en Hlavinek,
P., Kukharchyk, T., Marsalek, J. y Mahrikova, I. (Eds): Integrated Urban Water
Resources Management. Springer p. 219-230.
Hernández, F. y Sala, R. (2009): “Technical efficiency and cost analysis in wastewater
treatment processes: A DEA approach”, Desalination, 249, p. 230-234.
Hu, J.L., Wang, S.C. y Yeh, F.Y. (2006): “Total factor water efficiency of regions in
China”, Resource Policy, 31 (4), p. 217-230.
Marques, R.C. y Monteiro, A.J., (2005): “Measuring the economic performance of the
water services: a statistical non-parametric approach”, International Conference
on Water Economics, Statistics and Finance (IWA), Crete, Greece.
Parker, D., Saal, D. y Weyman-Jones, T., (2002): “Longitudinal and comparative
productivity measurement in the English and Welsh water and sewerage
industry”, Easter 2002 Workshop on Efficiency and Productivity Analysis,
University of Leicester Management Centre (ULMC), Leicester, UK.
Saal, D. y Parker, D., (2001): “The impact of privatisation and regulation on the water
and sewerage industry in England and Wales: A Translog Cost Function model”,
RP0103. Aston Business School, Aston University, Birmingham, UK.
19
Descargar