Optimising emission reduction actions in organisations’ climate work

Thumbnail Image

Files

master_Weckman_Aino_2024.pdf (814.69 KB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2024-11-15

Department

Major/Subject

Systems and Operations Research

Mcode

Degree programme

Master's Programme in Mathematics and Operations Research

Language

en

Pages

50

Series

Abstract

The climate work of Finnish companies has still room for improvement and planned climate actions are not enough to reach the greenhouse gas emission reductions required by the Paris Agreement. The studies have found that the costs of climate actions and lack of profit are seen as the most significant challenges within the companies. In the literature, optimisation is used to reduce greenhouse gas emissions for example in operation planning or supply chain management, and many of the models take financial aspect into account. However, models for optimising different kinds of emission reduction actions across an organisation were not found. In this thesis, we have developed an optimisation model that will help companies to choose the most cost-effective emission reduction actions and timeline for their implementation. The objective of the model is to minimise company's cumulative greenhouse gas emissions in a given time period while staying within the set budget. The optimisation problem is solved using an evolutionary algorithm. The model is then applied to Company A's climate work. The developed optimisation model is able to show how the company's greenhouse gas emissions would develop if the company implemented the recommended emission reduction actions in the given timeline. The optimisation model gives the company an insight of which emission reduction actions should be implemented so that the cumulative greenhouse gas emissions would be minimised but the set budget is not exceeded. The model can also be used to screen different budgets since it shows how the budget affects the recommended emission reduction actions and the company's cumulative greenhouse gas emissions.

Suomalaisten yritysten ilmastotyössä on edelleen parantamiseen varaa, eivätkä suunnitellut toimenpiteet riitä vastaamaan Pariisin ilmastosopimuksen asettamiin päästövähennystavoitteisiin. Tutkimuksista selviää, että yritykset näkevät päästövähennystoimenpiteiden kustannukset ja taloudellisen hyödyn puuttumisen yksinä merkittävimmistä haasteista ilmastotyössään. Kirjallisuudessa optimointia on käytetty vähentämään kasvihuonekaasupäästöjä esimerkiksi yritysten toimitusketjuissa ja muissa toiminnoissa, ja monet malleista ottavat huomioon myös taloudellisen näkökulman. Kuitenkaan sellaisia malleja, joissa optimoitaisiin erilaisia päästövähennystoimenpiteitä koko organisaation laajuudella, eikä vain yksittäisen osa-alueen tarkkuudella, ei löytynyt. Tässä diplomityössä olemme kehittäneet optimointimallin, jonka tavoitteena on auttaa yrityksiä valitsemaan mahdollisimman kustannustehokkaita päästövähennystoimenpiteitä. Malli antaa myös aikataulun, jossa päästövähennystoimenpiteet tulisi toteuttaa. Optimointimalli minimoi yrityksen kokonaiskasvihuonekaasupäästöjä valitulta ajanjaksolta siten, että yrityksen asettama budjetti ei ylity. Muodostettu optimointimalli ratkaistaan evoluutioalgoritmin avulla. Optimointimallia sovelletaan Yritys A:n ilmastotyöhön. Kehitetty optimointimalli näyttää, miten yrityksen kasvihuonekaasupäästöt kehittyisivät, jos se toteuttaisi suositellut päästövähennystoimenpiteet annetussa aikataulussa. Mallin avulla yritys näkee, mitkä päästövähennystoimenpiteet sen tulisi toteuttaa, jotta kokonaiskasvihuonekaasupäästöt olisivat mahdollisimman pienet, mutta annettu budjetti ei ylittyisi. Mallia voidaan käyttää myös erilaisten budjettien testaamisessa: se näyttää, miten budjetti vaikuttaa suositeltuihin päästövähennystoimenpiteisiin ja yrityksen kasvihuonekaasupäästöihin.

Description

Supervisor

Kubjas, Kaie

Thesis advisor

Leino, Maija

Keywords

climate change, climate roadmap, optimisation, evolutionary algorithm, greenhouse gases, climate action

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202412188030

Collections

[dipl] Perustieteiden korkeakoulu / SCI