Embedded Files
L'essentiel de cette page
L'essentiel de cette page
Situation classique de la consommation, quel produit choisir comme étant le plus rentable en tenant compte de son prix, de son espérance de vie, mais aussi de sa consommation indexée sur un prix de l'électricité soumis à inflation ?
Voici une approche beta que j'espère améliorer qui permet de comparer dans cet exemple des réfrigérateurs, mais qui peut s'appliquer aussi bien à une voiture qu'à un autre appareil électroménager.
Les courbes en haut montrent le coûte de l'appareil année selon les scénarios d'inflation. Le Gorenje s'en sort le mieux.
Le trait épais dessous présente le coût par an en tenant compte de l'espérance de vie, ici le BOSCH est le meilleur.
Les pointillés indiquent le coût par litre occupé, le SIEMENS semble meilleur.
Toutes ces approches à titre comparatif.
Définissons les conditions de base en noir
# Inflation estimée de l'électricité sur les prochaines 13 années, 120% (nous avons eu 70% sur la dernière décennie et sans voiture électrique !)
inflation <- 1.2
# Affichage du dernier réfrigérateur utilisé à titre de comparaison
year <- 13 # durée de vie
prix <- 526 # prix d'achat
color="black"
prets1 <- rep(47.8,13) # consommation de 47.8€/an
coeff <- (seq(1:13)-1)/12*inflation +1
prets <- prets1*coeff
plot(cumsum(prets)+prix,type="o",col="black",pch=16, ylim=c(45,1500),xlab="Années",log="y")
polygon(x=c(1:13,13:1), y=c(cumsum(prets1)+prix,rev(cumsum(prets)+prix)),col="#66666666",border=NA)
(cumsum(prets)+prix)[length((cumsum(prets)+prix))]/year
text(1,prix,"Scholtès",col=color,adj=0) # 203L
# Coût par an
abline(h=(cumsum(prets)+prix)[length((cumsum(prets)+prix))]/year,col=color,lwd=3)
# Coût par litre d'espace
abline(h=(cumsum(prets)+prix)[length((cumsum(prets)+prix))]/203*10,lty=3,col=color,lwd=2)
La fonction ici permet d'ajouter des courbes de comparaison en tenant compte du volume, du prix, de la durée de vie, de l'inflation de 0% au maximal supposé (ici 120%)...
refrigerator <- function(prix,duree,kwh,volume,nom,col="black") {
col = adjustcolor(col, alpha.f = 0.5)
year <- duree
prets1 <- rep(20/113*kwh,13)
coeff <- (seq(1:13)-1)/12*inflation +1
prets <- prets1*coeff
#plot(cumsum(prets)+prix,type="o",col="black",pch=16, ylim=c(0,1500),xlab="Années")
polygon(x=c(1:13,13:1), y=c(cumsum(prets1)+prix,rev(cumsum(prets)+prix)),col=col,border=NA)
text(1,prix,nom,col=col,adj=0) # 203L
abline(h=(cumsum(prets)+prix)[length((cumsum(prets)+prix))]/year,col=col,lwd=3)
abline(h=(cumsum(prets)+prix)[length((cumsum(prets)+prix))]/volume*10,lty=3,col=col,lwd=2)
}
Et on ajoute les courbes !
refrigerator(prix = 749.49, duree=13, kwh=253, volume = 234, nom = "LG GBB61SWJEC", col="pink")
refrigerator(prix = 959.99, duree=11, kwh=113, volume = 256, nom = "THOMSON CTH378NFABIX", col="blue")
refrigerator(prix = 789.99, duree=12, kwh=170, volume = 249, nom = "BEKO B5RCNE406HXB1", col="green")
refrigerator(prix = 779.99, duree=13, kwh=159, volume = 218, nom = "BOSCH KGN367ICT SER4", col="purple")
refrigerator(prix = 699, duree=11, kwh=164, volume = 255, nom = "Gorenje NRK62CA2XL4", col="cyan")
refrigerator(prix = 836.50, duree=13, kwh=163, volume = 301, nom = "SIEMENS KG49EAICA", col="red")# 38 db
Google Sites
Report abuse