TRANSPORT-Transport 2025

Bakgrunnen for prosjektet har vært den overordnede transportpolitiske målsettingen om å overføre godstransport fra vei til sjø og bane. Prosjektet har hatt som målsetting å bedre forstå de mekanismene som påvirker den enkelte avsenders transportmiddelvalg. Det har vært spesielt fokus på usikkerhet i etterspørsel og usikkerhet i ledetid, og hvorvidt dette er et hinder for godsoverføring. Den akademiske/metodiske ambisjonen med prosjektet har vært å etablere en ny metodikk i krysningspunktet mellom godsmodellitteraturen og lagerstyringslitteraturen som tar hensyn til usikkerhet, og kalibrere den til norske forhold. Så vidt vi vet er dette den første lagerstyringsmodellen som (1) tar inn over seg stordriftsfordeler i transportkostnader og eksplisitt inkluderer valg av kjøretøystørrelse, og (2) er kalibrert til å beregne kostnaden av usikkerhet i etterspørsel og ledetid for en hel populasjon av bedrifter, og ikke bare en enkeltbedrift. Det er etablert et datasett basert på grunnlagsdata (tollklaringsoppgaver) fra utenrikshandelsstatistikken hvor alle norske og utenlandske bedrifter som sender varer mellom Norge og Nederland og mellom Norge og Sverige er inkludert, med både postnummer til avsender og postnummer til mottaker av forsendelsene. Det er koblet på tid og avstand med veitransport, både direkte og til/fra nærmeste havn og jernbaneterminal. Fra utenrikshandelsdataene kan vi også beregne vareverdi, forsendelsesstørrelse og årlig etterspørsel. Vi har også kvantifisert variabilitet i bedrifters etterspørsel og transporttid for (1) direkte veitransport, (2) distribusjonstransport til/fra terminaler med lastebil, (3) jernbanetransport og (4) sjøtransport. Disse dataene, samt kostnadsparametere for forskjellige logistikkostnadskomponenter er brukt til å kalibrere modellen for import og eksport av varer som enkelt kan transporteres i containere mellom Oslo/Bergen/Kristiansand og Gøteborg, og mellom Oslo og Amsterdam/ Rotterdam.. Vi finner at tillegget i bedrifters logistikkostnader som følge av usikkerhet i snitt er rundt 5-10 prosent for veitransport, 20-30 prosent for sjøtransport mellom Norge og Nederland og 40-45 prosent for jernbanetransport mellom Norge og Sverige. I alle tilfellene er den prosentvise økningen i kostnader som følge av usikkerhet 3-4 ganger så stor for sjø/jernbane som for direkte vegtransport. Dette underbygger hypotesen om at usikkerhet er et viktig hinder for godsoverføring. Dessuten innebærer dette at analyser som overser usikkerhet systematisk vil overvurdere overførings¬potensialet. I tillegg finner vi at det er stor variasjon mellom bedrifter. For sjøtransport er kostnadspåslaget 0-80 %, mens for jernbanetransport er kostnadspåslaget 0-100 %. Bedrifter med høy årlig etterspørsel, høy vareverdi og lang ledetid har et høyere prosentvist kostnadspåslag, mens bedrifter med lav årlig etterspørsel har et høyere absolutt kostnadspåslag i kroner per tonn (grunnen til denne forskjellen er at de generelt også har dyrere transportløsninger). Vi finner at den viktigste mekanismen som gir høyere kostnader er lang ledetid i kombinasjon med usikkerhet i etterspørsel. Dersom det er lenge til neste forsendelse ankommer og usikker etterspørsel, er bedriftene nødt til å enten kompensere med et sikkerhetslager, eller ta kostnadene ved å kunne gå manko. Dette er en av de største barrierene mot godsoverføring fra vei til sjø og bane; usikkerhetskostnaden kan bare i liten grad reduseres ved å forbedre påliteligheten for sjø- og jernbanetransport, fordi etterspørselen (hastigheten som lageret i butikken tømmes med) fortsatt vil være usikker. På grunn av usikker etterspørsel er det dermed lang ledetid, og ikke usikker ledetid, som i hovedsak øker kostnadene knyttet til sjø- og jernbanetransportkjeder sammenlignet med veitransport mest. Modellen predikerer at bedrifter med lav usikkerhet i etterspørselen, lave mankokostnader, lav vareverdi og/eller bedrifter som har mulighet til å holde et sikkerhetslager uten store ekstra kostnader er de som blir minst negativt påvirket av usikkerheten knyttet til sjø- og jernbanetransportkjeder. Dette er i tråd med hva vi observerer i virkeligheten, og gir innsikt i hvilke markedssegmenter det er hensiktsmessig å fokusere på dersom man ønsker å få til en større overføring. I tillegg tyder konklusjonene fra prosjektet på at tiltak som reduserer ledetid eller lagerkostnader vil være mest effektive.

1) Vi har med prosjektet bragt forskningsfeltene om godsmodellering og lagerstyring under usikkerhet nærmere sammen. Dette er nybrottsarbeid som vi anser som et akademisk bidrag. 2) Så vidt vi vet er vi de første til å kalibrere en modell med usikker etterspørsel og usikker ledetid med faktiske data til en hel populasjon av bedrifter. 3) Mer spesifikt har prosjektet økt kunnskap om sammenheng mellom transport og usikkerhet. 4) Metoden og resultater er sett i sammenheng med den nasjonale godsmodellen, som transportetatene bruker til sine strategiske godsanalyser. Vi har også beskrevet en metodikk som gjør det mulig å ta usikkerhet inn i godsmodellen. 5) Prosjektet har bidratt til å ta i bruk nye datakilder, ta i bruk gamle datakilder på nye måter, og for opplæring av nye transportforskere når det gjelder bearbeiding av store datasett. 6) Prosjektet er motivert ut fra miljøhensyn, og belyser avveiinger som er viktige for de totale CO2-utslippene som følge av godstransport.

The primary objective is to better understand the factors that influence the shippers' decisions to ship goods by sea or by road and how they interact to produce a certain outcome. This is to be achieved by constructing a generic model of the single shipper's choice situation, and to embed it in an equilibrium model with many shippers and with network externalities, in the sense that aggregate volumes by each mode determine the offered freight rate and the freight rates influence the decision of each single shipper. The model will take full account of uncertainty in demand for the goods and in lead times. One of its features is a very detailed representation of transport costs. Another is the upper and lower bounds on vehicle size for the distribution stages and line haul stages. For each of the transport modes, the shippers choose vehicle size, shipment size (shipments may be smaller than the minimal vehicle size) and reorder point. A choice model produces the choice probabilities. Aggregating over shippers, the expected total transport volumes for each mode that determine the freight rates are produced. The procedure is repeated for the new freight rate until convergence. The necessary data for the model are provided by utilising the data sources and data bases that are established in TØI's work with the National Freight Transport Model, by a review of literature and by the new commodity flow survey which is due in spring, 2016. Tests with the model will be done and are expected to provide new insight in how the mode split could be influenced, and the social efficiency of doing so. It is also thought that this model may point forward to a new generation of freight models where uncertainty and safety stocks play a larger part, and where the transport supply is not exogenously given. The key element of the model has already been constructed, see Minken and Samstad (2006) (in Norwegian with an English summary)