موانع بهينه‌سازي مصرف انرژي الكتريكي در بخش صنعت: مطالعه موردي شركت برق منطقه‌اي سمنان

Barriers of Energy Conservation by Industrial Subscribers: Case of Semnan Regional Electricity Company

هدف از اين مطالعه تحليل و اعتباريابي شاخص‌هاي مؤثر بر تنگناهاي موجود در بهينه‌سازي انرژي الكتريكي با تأكيد بر مشتركين صنعتي برق منطقه‌اي سمنان مي‌باشد. مطالعه حاضر با استفاده از روش تركيبي، يك رهيافت كيفي-كمي را براي تدوين و اعتبار يابي الگوي بهينه‌سازي انرژي از ديدگاه ذينفعان ارائه مي‌نمايد. در راستاي تدوين و شناسايي موانع بهينه‌سازي، از تحليل مضمون و شبكه مضمون‌ها ‌با استفاده از نرم‌افزار‌نويو براي تشكيل شبكه مضامين، الگوي كيفي موانع بهينه‌سازي انرژي الكتريكي صنعتي طراحي شد. براي تدوين اوليه الگوي موانع بهينه‌سازي انرژي، تعداد 25 نفر از كارشناسان و متخصصان حوزه برق و الكترونيك با روش نمونه‌گيري هدفمند انتخاب شدند. در بخش كمي براي تجزيه‌وتحليل داده‌ها و اعتبارسنجي عوامل بهينه‌سازي انرژي الكتريكي حاصل از روش كيفي، از دو روش تحليل مسيرو تحليل عاملي تأييدي استفاده‌شده است. درنتيجه در اين پژوهش مدلي مشتمل بر ابعاد شش‌گانۀمديريتي، دانش و فناوري، سياستگذاري و قانوني، فرهنگي و سازماني، مالي و فني و مؤلفه‌هاي مربوط به هر بعد، تدوين و اعتبار يابي شد و اين عوامل مؤثر بر بهره‌وري انرژي مي‌باشد. يافته‌ها نشان مي‌دهند كه متغيرهاي مديريتي(503/0)، دانش و اطلاعات(0/581)، مالي(0/476)، سياسي و قانوني(0/616)، فرهنگي و اجتماعي 0/0402)، فني و فنّاورانه(0/416) از مؤلفه‌هاي اثرگذار موانع بهينه‌سازي انرژي الكتريكي صنعتي مي‌باشند.

This paper aims at identification, classification and measurement of conservation barriers of electrical energy in the industries of Semnan Province using a combination of qualitative and quantitative research methods. In the first step a thematic analysis is used as the most common form of qualitative analysis for pinpointing, examining, and recording "themes" of energy conservation barriers based on a sample of 25 experts selected by targeted sampling method. Using Nvivo Software, the barriers are classified into six categories of managerial expertise, awareness and knowledge, financial resources, political and legal environment, socio-cultural incentives, and technological factors. In the second step a quantitative analysis has been done using path analysis and confirmatory factor analysis. According to the results, managerial factor has the highest rank (0.503), followed by awareness and knowledge (0.581), financial resources (0.476), political and legal environment (0.616), socio-cultural incentives (0.402), and technical and technological factors (0.416).