Design of a key performance indicator framework for an in-loco water treatment plant in the natural gas sector: the case of IGS S.p.A

This thesis develops a structured Key Performance Indicator (KPI) framework for the new in loco Water Treatment Plant (WTP) implemented at the IGS S.p.A. natural gas storage site. The project addresses the operational, economic, and environmental challenges associated with managing production water generated during gas withdrawal, replacing third party disposal with a fully internal treatment process. Treating water on site reduces logistics related risks, increases operational continuity, and significantly decreases waste volumes, supporting the company’s strategic, environmental, and cost efficiency goals. To develop a new KPIs framework a hybrid methodology is adopted, combining ISO 22400 performance measurement principles, insights from a systematic literature review, stakeholder interviews, and field instrumentation analysis. The review identifies key operational performance dimensions: energy, chemical consumption, quality, waste, and reliability, while highlighting gaps in existing approaches, especially the absence of KPIs frameworks tailored to systems with strong seasonal variability and direct coupling with industrial production cycles. The resulting framework includes eleven KPIs organized across operational, economic, quality, and sustainability areas, with one mandatory regulatory indicator (water quality compliance) and ten monitoring indicators. Each KPI is defined through context, design rationale, mathematical formulation, measurement requirements, and a conceptual dashboard widget. Normalization by treated volume ensures comparability across the highly variable operating conditions typical of gas storage facilities. The framework provides an integrated, real time performance monitoring architecture that supports regulatory compliance, operational stability, cost optimization, and strategic decision making. Limitations and recommendations for future development such as automated data integration, uncertainty quantification, and advanced analytics are also discussed.

Questa tesi sviluppa un sistema strutturato di Key Performance Indicators (KPI) per il nuovo impianto di trattamento acque (WTP) realizzato in loco presso il sito di stoccaggio di gas naturale di IGS S.p.A. Il progetto affronta le sfide operative, economiche e ambientali legate alla gestione dell’acqua di produzione generata durante la fase di erogazione del gas, sostituendo il conferimento a terzi con un processo di trattamento completamente interno. Il trattamento in loco riduce i rischi logistici, aumenta la continuità operativa e diminuisce in modo significativo i volumi di rifiuto, supportando gli obiettivi strategici, ambientali e di efficienza economica dell’azienda. Per sviluppare il nuovo framework di KPIs è stata adottata una metodologia ibrida che combina i principi di misurazione delle performance della norma ISO 22400, i risultati di una revisione sistematica della letteratura, interviste agli stakeholder e un’analisi della strumentazione di campo. La revisione della letteratura individua le principali dimensioni prestazionali operative: energia, consumo di reagenti, qualità, rifiuti e affidabilità e mette in evidenza lacune negli approcci esistenti, in particolare l’assenza di framework di KPIs progettati per sistemi caratterizzati da forte variabilità stagionale e stretta interdipendenza con i cicli industriali principali. Il framework risultante comprende undici KPI organizzati nelle aree operativa, economica, qualitativa e di sostenibilità, con un indicatore regolatorio obbligatorio (conformità della qualità dell’acqua) e dieci indicatori di monitoraggio. Ogni KPI è definito attraverso contesto, pensiero dietro la progettazione, formulazione matematica, requisiti di misura e un widget per la visualizzazione. La normalizzazione rispetto al volume trattato garantisce confrontabilità anche in condizioni operative altamente variabili, tipiche degli impianti di stoccaggio del gas. Il framework fornisce un’architettura integrata di monitoraggio delle performance in tempo reale, a supporto della conformità normativa, della stabilità operativa, dell’ottimizzazione dei costi e dei processi decisionali strategici. Sono inoltre discusse le principali limitazioni e le raccomandazioni per sviluppi futuri, quali l’integrazione automatizzata dei dati, la quantificazione dell’incertezza e l’adozione di tecniche avanzate di analisi.