kan - Transport og Logistikk
Transcription
kan - Transport og Logistikk
Kan vi måle effektivitetsforskjeller mellom ulike norske havner? Noen funn fra forskningsprosjektet EXPORT Kenneth Løvold Rødseth (TØI) Hva er formålet med effektivitetsvurderingen? Spare ressurser → redusere havnenes driftskostnader styrke sjøtransportens konkurranseevne Page 2 Hvilket verktøy kan vi benytte? Produktivitets- og effektivitetsanalyse Output Input Metoden har i senere tid blitt utvidet til også å måle miljøeffektivitet Page 3 Hva karakteriserer havnedriften? En kjede av operasjoner (Bichou, 2011): Kaiområdet, lager/oppstillingsplassen og havneporten Mange aktører Ulike kategorier av inputs (Jara-Diaz m fl., 2006): Felles for alle godstyper Eks: Personell til godshåndtering; Tolltjenester og sikkerhet; Bygninger; Infrastruktur; Administrasjon Godsspesifikke Godshåndteringsutstyr Page 4 Hva er en ideell modell for havneoperasjoner? Outputs: Godsvolumer Passasjervolum Sentrale inputs: Kapasitetsfaktorer Variable inputs • • • • • • Driftstimer ulike typer godshåndteringsutstyr • Arbeidsinnsats • Energiinnsats Arealer Kailengder Dimensjonerende dybde Godshåndteringsutstyr Bygninger/lager Page 5 Hva gjøres i litteraturen? Rødseth og Wangsness (2015) fant at litteraturen domineres av to typer studier: litteraturen Containerstudier: Utstyrsmengden som inputs (Kraner; Reach Stackers osv.) Arbeidskraft neglisjeres Antall containere som output Kostnadsfunksjonsstudier: Flere typer gods → Samdriftsfordeler Bygger på havneselskapets årsrapporter – trolig lite dekkende for den totale aktiviteten i havnen Page 6 Hva slags data finnes? Data The Port Statistics (micro data) Source Statistics Norway Variables Cargo throughput; Ship handling rate; Information about the ships Port size data Own compilation Container Data Halvor Schøyen Technology classifications Annual reports/webpages/BarentsWatch KOSTRA (microdata) The Norwegian Logistics Model Size of port area; Quay lengths; Depths Cargo throughput; Berth length; Terminal area; Equipment Categorization of port technologies Financial information; information on equipment and features Statistics Norway Running and investment costs of port administrations Stevedores NTL The Central Register of Establishments and Enterprises and Accounting Data Statistics Norway / Brønnøysund- registeret Number of stevedores (per port) Running expenses; Number of employees Most large ports Page 7 Assessment This data source is essential for modeling port outputs; throughput and handling durations This data describes essential quasi-fixed inputs This data is relevant if the role of the cargo handling equipment is important Must be compiled if relevant The reports are not consistent with respect to type of information, level of aggregation etc. This data is not representative for port operations, as all other agents than the port administration are neglected This data could be used as a proxy for labor inputs. Challenging to identify the relevant operators; Not possible to distinguish port operations from other operations for a given enterprise Hvordan kan vi utnytte dataen? Havnestatistikk (kvartalshavner): Aktivitet «på kaikanten» Godsmengde og laste/lossetid for hvert anløp Egen innsamlet data: Dimensjonerende kapasitet: kailengder, arealer og dybder Arbeidskraft: BoF Havnearbeidere som «proxy»? Page 8 Hvordan kan havnenes tidsbruk anvendes i analysene? Tidsbruk er en tilgjengelig variabel Wangsness og Hovi (2014) Tid er en skyggefaktor: Avhenger av bruken av inputs (Suáres- Aléman m fl., 2014). «Proxy» for variable inputs? Page 9 Rødseth, Wangsness, Schøyen og Førsund (2015) – Empirisk analyse Inputs: Kapasitet (areal; kailengder) Tidsbruk Outputs: Tørrbulk Våtbulk Container Annet stykkgods Intuitiv tolkning av modellen: Inputene til de ulike havnene ligger fast på dagens nivå –kan (om)disponeres til håndteringen av ulike outputs Outputene har ulike ressursbehov, dvs. krav til i) kapasitet og ii) tidsbruk til godshåndtering Page 10 Rødseth, Wangsness, Schøyen og Førsund (2015) - Effektivitetsmåling Dataomhyllingsanalyse (DEA) Teknisk- og skalaeffektivitet – med og uten tidsbruk 8 7 6 5 4 3 TE with TE without+ 2 SE with SE without 1 Page 11 Rødseth, Wangsness, Schøyen og Førsund (2015) – Marginalproduktet av tidsinnsatsen Antall enheter av en gitt godstype som kan håndteres i løpet av en ekstra time DEA-modellens direksjonelle deriverte i hht. Podinovski and Førsund (2010) Cargo Wet bulk (tons) Dry bulk (tons) Container (TEUs) General cargo (tons) RHS 359.46 336.76 9.74 26.02 LHS 253.44 194.27 0.85 14.31 Page 12 Average 306.45 265.51 5.29 20.16 Rødseth, Wangsness, Schøyen og Førsund (2015) – Tidsverdier Marginalproduktene kan benyttes til å utlede tidsverdier (Färe og Primont, 1995). Havnens tidsverdi (Gjennomsnitt for havnene i datasettet): Cargo 𝑤𝑏_𝑅𝐻𝑆 𝑤𝑏_𝐿𝐻𝑆 𝑝𝑖 𝜕𝑦𝑖 𝜕𝑏 _𝑅𝐻𝑆 𝜕𝑦𝑖 𝜕𝑏 _𝐿𝐻𝑆 743.81 499.05 9.31 336.76 194.27 Dry bulk Eksempel: skipets tidsverdi (Grønland, 2015): Cargo Dry bulk Average value of time 2635.00 Page 13 Oppsummering og konklusjon Effektivitetsmåling for havner er krevende: Godsspesifikke analyser eller totalanalyser for havnen? En rekke aktører er involvert – komplisert å kartlegge samlet ressursinnsats Tidsbruk kan være en fornuftig tilnærming til variable inputs Marginal tidsbruk og tidsverdier Page 14 For mer informasjon om EXPORT besøk www.toi.no/export/category1504.html Page 15