Utvärdering av lokaliseringsmöjligheter av kombiterminal i Skaraborg

Transkript

1 Utvärdering av lokaliseringsmöjligheter av kombiterminal i Skaraborg Arbetsrapport Rickard Bergqvist Logistik och transportekonomi Handelshögskolan i Göteborg Företagsekonomi Vasagatan 1 Box 610, Göteborg Tel: / Fax:

2 Innehållsförteckning 1. Inledning Urval Total population Stratifierat urval Metod Resultat från kartläggningen Bortfallsanalys Inputationer och svarsfrekvens Analysförfarande Målvariabler Scenarion Modelluppbyggnad Geo-kodning Möjliga lokaliseringspunkter Analyser/utvärderingar Scenario - transportörerna Resultat Scenario arbetsställen Resultat Scenario - arbetsställen med hänsyn till flöden för kombinerad terminal Resultat Känslighetsanalyser

3 1. Inledning Denna rapport redogör för den metod och analys som använts vid utvärderingen av lokaliseringsmöjligheter för en kombinerad transportterminal i Skaraborg samt de erhållna resultaten. Enbart kvantitativa förutsättningar har beaktas vid utvärderingen av lokaliseringsmöjligheter. Varje antagande kommer noggrann redovisas och kommenteras. Lokaliseringsalternativen kommer att i största möjliga utsträckning belysas utifrån kostnader, miljö och kvalitet. 2. Urval Innan tänkbara lokaliseringar börjar utvärderas krävs ett underlag. Underlaget är arbetsställen i regionen och deras godsflöden. Den totala populationen i regionen ser ut som följande: 2.1. Total population Den total populationen av arbetsställen i regionen definieras enligt följande: Skaraborg; Essunga, Falsköping, Grästorp, Gullspång, Götene, Hjo, Karlsborg, Lidköping, Mariestad, Skara, Skövde, Tibro, Tidaholm, Töreboda,Vara Objekt: Arbetsställen Objektstorlek: 1 anställda Branscher enligt SNI-kod 92 ; Samtliga Antal: ca 6000st Då det finns ca 6000 arbetsställen i regionen och att skicka en enkät till var och en av dessa vore kostsamt. Istället har ett urval gjorts. Urvalet är baserat på de arbetsställen som kan anses ha en möjlighet att använda sig av kombinerade transporter på ett någorlunda effektivt sätt. I detta fall baseras sådan möjlighet av sannolikheten för att företag använder enhetslastbärare Stratifierat urval Det urval av arbetsställen undersökningen omfattar är följande: Objekt: Arbetsställen Objektstorlek: 5 anställda 3

4 Branscher enligt SNI-kod 92 ; 15-37, 51 Geografiskt område (kommuner): Essunga, Falsköping, Grästorp, Gullspång, Götene, Hjo, Karlsborg, Lidköping, Mariestad, Skara, Skövde, Tibro, Tidaholm, Töreboda, Vara Population: Arbetsställen i regionen (Essunga, Falsköping, Grästorp, Gullspång, Götene, Hjo, Karlsborg, Lidköping, Mariestad, Skara, Skövde, Tibro, Tidaholm, Töreboda, Vara) med 5 eller fler anställda inom branscherna (Tillverkning) och 51 (Parti- och agenturhandel utom motorfordon). Population: 686 arbetsställen 3. Metod Då den statistik och data som finns över flöden är begränsad och i viss mån ofullständig så valde vi att skicka ut en enkät till samtliga arbetsställen i vårt urval. Enkäten ihop med följebrev och svarskuvert skickades till respektive arbetsställe och var adresserade till Logistik och transportansvarig. Enkäten är uppdelad i utgående och inkommande gods och är relativt detaljerad och därav ganska omfattande. Enkätens omfattning var en avvägning mellan kvantitet och kvalitet, alltså detaljnivå och svarsfrekvens. Då kombinerade transporter och underlaget för sådana är ganska komplext att bedöma och beror på många faktorer valdes en design som bäst kan beskrivas som detaljerad. För att säkerställa en hög svarsfrekvens och en god kännedom om enkäten i regionen genomfördes ett antal stödjande aktiviteter: En broschyr trycktes och delades ut En pressrelease gick ut och påföljande presskonferens genomfördes Arbetsgruppen i Skaraborg kommunicerade och informerade mun-mot-mun Efter dessa aktiviteter kontaktades alla större företag som ännu inte svarat efter 2 påminnelser 3.1. Resultat från kartläggningen Svarsfrekvensen för urvalet blev 22% i inkommande enkäter räknat. Dock var benägenheten att svara betydligt högre för större arbetsställen än mindre. 4

5 Valid Nej Ja (tomt) annat arbets ställe sv arat Enkätsvar erhållits a Cumulativ e Frequency Percent Valid Perc ent Percent 1,1,7,7 Ja men bristf älligt 14 2,0 9,3 17,2 Nej med anledning 48 7,0 31,8 49,0 Ja 77 11, 2 51, 0 100,0 Total , 0 100,0 Missing System , 0 Tabell Total1, Frekvens fördelat på typ av enkätsvar, 686Skaraborg 100,0 a. Vilk en region tillhör arbets stället, 1: Skaraborg, 2: Sjuhärad = Skaraborg I godsmängd räknat stod inkomna enkäter för 3,7 miljoner ton. Summa (ton) 11 1,6 7,3 7,9 Ut IN Totala flöden Tabell 2, Det totala flödena uttryckt i ton för inkommande och utgående gods i Skaraborg för de arbetsställen som deltagit i kartläggningen För att undersöka hur stor andel av den totala godsmängden för urvalet som svarat på enkäten genomförs en bortfallsanalys. Bortfallsanalysen syftar till att finna variabler eller kombinationer av variabler som kan förklara godsmängder för arbetsställen med rimliga felmarginaler Bortfallsanalys För att undersöka bortfallen genomfördes en bortfallsanalys. Huvudmålet med denna var att undersöka svarsfrekvensen utifrån flödesperspektiv då effektiviteten i kombinerade transportlösningar till stor del beror på flödenas storlek. Två regressionsmodeller skapades där antal anställda var den oberoende variabeln (den förklarande variabeln). Dessa två modeller visade kunna förklara godsmängder hos tillverkande företag väldigt bra och med relativt god precision. För branscherna 221,222 och partihandel gjordes dock andra antagandes. Partihandel. För denna bransch var antalet observationer mindre och en modell konstruerades utifrån medelvärden efter det att partihandel uppdelats i två kategorier (tung och lätt). 5

6 Branscherna 221 och 222 som är bokbinderi och tryckeri uppskattades individuellt utifrån observationer i dessa branscher och i vissa fall genom kontakt med företagen. Flödena för dessa arbetsställen är begränsade. Sammanfattningsvis baseras bortfallsanalysen av följande modeller och indelningar: Regressionsmodeller (508 arbetsställen) Tillverkande industri utan 221,222 och partihandel Inkommande & Utgående Partihandel utifrån två kategorimodell och medelvärden (178 arbetsställen) Branscherna 221, 222 uppskattades för enskilda arbetsställen och deras förutsättningar (ca 20 arbetsställen) Nedan åskådliggörs den modell som gjordes över tillverkande industris utgående flöden. Den beroende variabeln är antal anställda och visade sig kunna ge en förklaringsgrad på 95%, vilket betyder att den kan förklara 95% av spridningen i den oberoende variabeln. För att undvika överestimerade förklaringsvärden rensades materialet från observationer utanför 2 standardavvikelser från medelvärdet. SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0,91078 Adjusted R Square 0,90985 Standard Error 4666,679 Observations 98 tillverkande utan 221,222 och partihandel ANOVA df SS MS F Significance F Regression 1 2,13E+10 2,13E ,9867 3,56E-52 Residual 96 2,09E Total 97 2,34E+10 Coefficients Standard Error t Stat P-value Lower 95% Intercept -246, ,1154-0, , ,03 X Variable 1 41, , , ,56E-52 38,79265 Upper 95% Lower 95,0% Upper 95,0% 738, ,03 738, , , ,04528 antal anställda Tabell 3, Regressionsmodell över tillverkande industris utgående flöden 6

7 Efter att modellerna konstrueras och verifierats var det möjligt att analysera svarsfrekvensen i termer av godsflöden samt genomföra inputationer i datamaterialet Inputationer och svarsfrekvens De modeller som redovisades i det tidigare kapitlet ligger till grund för en uppskattning av de totala flödena och fungerar även som generatorer för de arbetsställen som inte svarade på enkäten (inputationer). Efter inputationer blev de totala flödena för urvalet 5,3 miljoner ton vilket betyder att svartfrekvensen mätt i ton är ca 70% av flödena. En svarsfrekvens som får betraktas som relativt tillfredsställande då målet är att utvärdera kombitransport möjligheter och deras effektivitet där flödenas storlek är av betydande vikt. Summa efter inputation Ut In Totala flöden Svarsfrekvens av flödet Svarsfrekvens Ut In flödena 66,9% 72,5% 70,0% av Tabell 4, Det totala flödena uttryckt i ton för inkommande och utgående gods i Skaraborg inklusive inputationer 4. Analysförfarande 4.1. Målvariabler De målvariabler som varje lokalisering blir utvärderad i är av typerna; kostnader, miljö och kvalité. För miljö och kostnader är att minimera antalet tonkm mer eller mindre synonymt med att minimera miljöbelastningen och kostnaderna (förutsatt att det är samma transportslag). Kvalité utvärderas istället i termer av tid och då speciellt genomsnittstid och genomsnittshastighet. Dessa variabler har visat sig förändras relativt lite mellan olika lokaliseringsalternativ. 7

8 Kostnadsrelaterade variabler Tonkm. Då transporterna till och från terminalen (baserat på gatuadresser) inom regionen enbart kommer att utföras av lastbilstransporter är avståndet direkt korrelerande med kostnaderna för lastbilssystemet. Att minimera antalet körda kilometer torde även minimera totalkostnader för lastbilssystemet till och från terminalen till inomregionala punkter. Miljörelaterade variabler Utsläpp till luft, utifrån antal körda kilometer kan uppskattningar göras om utsläpp till luft. Att minimera antalet körda kilometer minimerar därav miljöbelastningen för systemet. Buller (antal körda km i olika grader av tätbebyggda områden) Kvalitetsrelaterade variabler Genomsnittstid från och till terminal Genomsnittshastigheten för systemet 4.2. Scenarion Varje lokaliseringsmöjlighet har utvärderats utifrån ett antal scenarion (alternativ). De huvudsakliga alternativa körningarna är (mesta/minsta/mest troliga) flöden som kan tänkas ligga till grund för kombinerade transportlösningar. Dessa kombinerat med alternativet att flöden går genom etablerade transportörers omlastningspunkter skapar ett totalt antal scenarion på 3*2=6 stycken Volymer: mesta/minsta/mest trolig/ (3) Godset går igenom etablerade transportterminaler som finns idag, Ja/Nej (2) För de variabler som möjliggör en känslighetsanalys krävs därav (3x2)= 6 utvärderingar för varje potentiell lokaliseringspunkt (cell) av en omlastningsterminal Denna bild åskådliggör logiken bakom beräkningarna för att ta fram minsta/mesta/mest trolig. Max: Totala flödet angivet av respondent Min: MIN (normalt gods, andel samlastas, andel pallat) Mest trolig: MAX( normalt gods, andel samlastas) För inputationer används genomsnittet för de som svarat (min, mest trolig) 8

9 5. Modelluppbyggnad Det verktyg vari modellen för utvärdering är skapad kallas ArcGis och är en mjukvara inom geografiska informationssystem (GIS). Modelleringen har gjort i samarbete med Chalmers och avdelningen för arkitektur och framförallt med forskningsingenjör Jonas Tornberg. GIS är ett verktyg som passar väl för modeller där stora datamängder innefattas och är geografiskt baserade (infrastruktur, lokalisering, befolkning, etc). De olika databaser som vi använt är Atlaser, infrastruktur, befolkningar, impedanser och givetvis flödesdatabaser skapade utifrån kartläggningen (enkäterna) 5.1. Geo-kodning Det första steget är att lokalisera (geo-koda) alla arbetsställen på en karta. Geokodning börjar på en noggrann detaljnivå för att sedan successivt försämra lokaliseringen så att alla arbetsställen blir geo-kodade. Att inte alla blir lokaliserade vid första nivån kan bero på många saker; fel i data, nytt adressnamn, felskrivningar. Geo-kodningens olika faser och medföljande lokaliseringar av arbetsställen var följande: Kodning med adress och postnummer,190 stycken Kodning med adress och ortsnamn, 105 stycken Kodning med endast postnummer, 290 stycken Kodning med endast ortsnamn, 101 stycken 5.2. Möjliga lokaliseringspunkter Möjliga lokaliseringspunkter för terminal är valda utifrån och anpassade så att de är i anslutning till väg och järnväg och framförallt längsmed stambanan i regionen. Varje lokaliseringsmöjlighet består av en cell på 500*500 meter. Denna yta anses som väl tilltagen geografisk med avvägning både för terminal och framtida expansion. 9

10 Figur 1, Möjliga lokaliseringspunkter baserat på tillgång till huvudjärnväg och huvudväg Det totala antalet lokaliseringsmöjligheter är ca 250 stycken. Genom att applicera datamängder på de geo-kodade arbetsställena var utvädringar och analyser möjliga. 6. Analyser/utvärderingar 6.1. Scenario - transportörerna Den första analysen baseras på scenariot att godset i regionen går från etablerade transportterminaler till möjlig lokaliseringspunkt. Analysen bygger på de 7 största transportörerna och deras terminaler. DHL Schenker Origo LBC Vara Speed Cargo Posten Falköping Posten Skövde TIBRO SKARA SKARA VARA GÖTEBORG FALKÖPING SKÖVDE Tabell 5, De 7 största transportörerna samt deras terminals lokaliseringsort Att Speed Cargo inte har terminal i regionen kan tänkas vara att det är en transportör som tar hand om hellast, kanske inom livsmedel (Falköpings mejerier, Dafgård, etc.) 10

11 För att hänföra godsmängder till respektive transportör användes information om markandsandelar för transportörer i regionen. Marknadsandel är framtagen utifrån de som svarat på enkäten och då enbart för utgående gods. Dessa marknadsandelar antas också gälla för inkommande gods. Då utvärderingen enbart gäller från möjlig terminal till transportörerna är felkällan från detta antagande överkomlig. Alltså antaganden för marknadsandelen för hela regionen torde vara rimlig även om det i enskilda fall inte vore lämpligt. Namn Andel av totala flömaxviktut Maxviktin MinviktUt MinviktIN Trolig Trolig DHL 25,36% Schenker 13,40% Origo 8,03% LBC Vara 2,84% Speed Cargo 2,76% Posten Falköpin 1,32% Posten Skövde 1,08% ,78% Tabell 6, Flöden fördelade på de 7 största transportörerna i regionen Resultat Resultatet av scenariot för transportörernas och deras terminaler åskådliggörs i Tabell 7. För att resultatredovisningen skall vara överskådlig kommer tre olika punkter redovisas. Dessa punkter har visat sig framgångsrika i olika scenarion (15421, 24519) och en punkt (3937) redovisas för att fungera en referenspunkt till de övriga punkterna. 11

12 Figur 2, Grafik visualisering över punkterna 24519, 15421, 3937 lokalisering Viktat efter ton Id Ort Plac totalt tonkm trolig Skillnad tonkm % Skillnad i kr Skövde ,0% Falköping ,8% Töreboda ,8% Längd ej viktat efter ton Id Ort Plac totalt km Skillnad km % Skövde ,2% Falköping ,0% 3937 Töreboda ,4% Id Tid ej viktat efter ton Skillnad i minuter Ort Plac totalt Tid_minuter Skillnad min. Timmar Dygn procent Skövde ,883 19, ,2% Falköping ,0% 3937 Töreboda ,1 181, ,4% medelfyllna sträckkostn tidskostnad medelhasti tidskostnad totalt kost 9,8 ton 5,68 kr/km 250 kr/h 70 km/h 3, km 9, km Tabell 7, Resultat utifrån analys baserad på transportörerna 12

13 6.2. Scenario arbetsställen Detta scenario utgår från att allt gods går direkt från arbetsställen till möjlig lokaliseringspunkt Resultat Punkt visar sig fördelaktig utifrån avstånd till och från arbetsställen men då är dock inte hänsyn tagen till flödesstorlekar. Längd ID Antal arbetsställen Summa Skillnad % Km 65,1% Km 0,0% Km 23,9% TID timmar 65,1% timmar 0,0% timmar 23,9% Tabell 8, Resultaten baserat på längd utan hänsyn tagen till flödesstorheter Vid hänsynstagande av flödesstorlekar fortsätter punkt att vara den mest effektiva lokaliseringspunkten. Data som ligger till grund för kostnadsuppskattningen åskådliggörs i Tabell 7. ID Antal arb Max tonkm Min tonkm Trolig tonkm Skillnad i %Skillnad tonkmskillnad kr ,1% ,0% ,3% Tabell 9, Resultaten baserat på flödesstorhet och längd (tonkm) 6.3. Scenario - arbetsställen med hänsyn till flöden för kombinerad terminal Detta scenarios bygger på den analys av godsflöden till och från arbetsställen och möjlig lokaliseringspunkt samt flödena ut och in till terminalen och destinationer utanför regionen. Denna analys betraktas som intressant då det kans skilja sig i andelen flöden som går västerut och österut. Då järnvägens sträckning och riktning i regionen ligger i sydväst/nordost sträckning är denna analys intressant. 13

14 Resultat Resultaten utifrån detta scenario åskådliggörs i nedanstående tabell och figur: ID Antal arbetsstmax tonkm Min tonkm Trolig tonkm Skillnad i %Skillnad tonkmskillnad kr ,1% ,0% ,3% Andel Väst 80% Totala mest trol Väst Öst Skillnad Andel Öst 20% , Avstånd till 15tonkm (öst/väst)total skillnad tonskillnad % Skillnad i kr %? %? %? Tabell 10, Resultaten för arbetsställen baserat på järnvägsbaserad transport till och från terminal utifrån flödesstorhet och längd (tonkm) Falköping Skövde Enbart Lastbil Tonkm = (ref. punkt) Kr = Enbart Järnväg Tonkm = Kr =? Totalt Figur 3, Visualisering av resultaten av arbetsställen med hänsyn till järnvägstransport För att kunna beakta såväl de inomregionala flödena som de flödena som finns ut och in till kombiterminal måste tonkm räknas om till kostnader innan jämförelse och sammanslagning görs. 14

15 Antagen kostnad per/tonkm för järnväg sätts till 0,750. Flödena som kan tänkas ligga till grund för anslutning västerut är ca 4 miljoner ton. Det är då inte orimligt att ett antal tons pendlar kan skapas. Detta betyder en ungefärlig kostnad per tonkm på 0,7500 (se längst ner i tabellen på bilden). Då är järnväg mer kostnadseffektivt än lastbil vilket är ett måste om järnvägslösning västerut skall vara rimligt. I detta fall betyder det att Falköping (24519) på årsbasis är ca 40 miljoner kronor mer effektivt. Detta motsvarar ungefär 8,5% mer kostnadseffektiv lokalisering i Falköping and Skövde för de givna förutsättningarna. I nedanstående tabell åskådliggörs resultaten: ,3% Andel Väst 80% Tot. troligflödeväst Öst Skillnad Andel Öst 20% Avstånd till tonkm (öst/vätotal skillnad toskillnad % Skillnad i kr (jätotalt (kr) % ,53% % % ,53% järnväg väg Breakeven 0,2857 järnväg kr/tonkm Antaget värde 0,7500 0,925 Ton Enheter (2Antal cykler Antal vagnar Cykellängd (kr/tonkm , , , , , , , , , , ,7504 Tabell 11, Sammanställning av resultaten av arbetsställen med hänsyn till järnvägstransport Slutligen genomfördes ett antal känslighetsanalyser för att analysera hur resultaten påverkas av ett antal olika händelser eller skeenden. Dessa inkluderades inte i scenarios då de inte påverkar samtliga arbetsställen. 7. Känslighetsanalyser Volvo i Skövde är ca / =6,8 % av totala flödena, att göra en känslighetsanalys över Volvo föreföll värdefullt. 15

16 Vid 10km till terminal är Volvo enbart 2,4% (365400*10/ )=0,0239, I fallet för ID är avståndet ca 2-5km beroende på val av väg. Utan Volvo i Skövde ( ton/år) minskas antalet tonkm med ungefär 3,6-7 miljoner tonkm. I fallet ovan innebär det en minskning från 26 miljoner till ungefär ca miljoner tonkm. Då avståndet till är längre stärker denna känslighetsanalys Falköpings position som den mest effektiva lokaliseringen. En reflektion är dock att Volvos benägenhet att använda en kombinerad transporterminal ökar då den är lokaliserad i anslutning till Volvo. Det skall dock tilläggas att det kan finnas kortsiktigt kommersiella hinder till Volvos användning av transportlösningar tillhandahållna genom andra aktörer än det interna bolaget Volvo Logistics. En annan reflektion är Lantmännen och deras flöden. Lantmännen ingår dock inte i det ordinarie urvalet men jag har varit i kontakt med dem just för att undersöka deras flöden och vilka möjligheter som kan tänkas finnas utifrån ett kombinerad transport perspektiv. Flödena för lantmännen är ungefär utgående och inkommande ( ton/år). Betydande flöden, dock skall tilläggas att dessa flöden inte nödvändigtvis är överförbara till kombinerade transporter utan avsevärda ansträngningar. Problem och hinder som kan nämnas är mycket inomregionala flöden (bönder), bulk, använder sällan enhetslastbärare, godsets beskaffenhet (kemikalier, etc.). Dessutom är Lantmännen i Lidköping ca 10km nordväst om Skövde. Detta ger ett mesta möjliga påverkan på ca 14 miljoner tonkm och skulle kunna innebära en större påverkan på mesta effektiva lokalisering. En annan intressant observation, på teoretisk basis, är dess lokalisering vid Vänern som möjliggör transporter till sjöss. Det som dock talar emot lantmännen och dess flöden är att Lantmännen och dess närhet inte är lokaliserat vid stambanan och att en begränsad del av deras volymer kan tänkas använda och fungera effektivt i ett kombisystem. 16