1. No category

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