Av: Johan Vagerstam
I förra artikeln konstaterade vi att primärdata, d.v.s. vad lastbilen faktiskt har förbrukat – ger hög noggrannhet vid utsläppsberäkning. Men för en lastbilscentral är verkligheten sällan så enkel som “en bil, en kund”. Vardagen stavas samlastning.
Samlastning är logistikens motor. Att fylla lastbilen med gods från flera olika kunder är avgörande för både lönsamhet och miljöeffektivitet. Men när flaket är fullt av olika sändningar uppstår en komplex fråga: Hur beräknar vi utsläppen för en specifik sändning när den delar utrymme med femton andra?
Utmaning: En bil – många kunder
När ni kör en dedikerad transport är matematiken enkel. Men vid samlastning delar flera kunder på resursen. Utmaningen ligger i att bryta ner lastbilens totala klimatpåverkan till en nivå där varje unik sändning bär sin rättmätiga del av utsläppen.
Att bara dela den totala bränsleförbrukningen med antalet kunder blir missvisande. En kund som skickar en tung pall kort sträcka ska inte belastas på samma sätt som en kund som skickar ett lätt paket lång sträcka.
Problemet: Komplicerat att beräkna per sändning
Svårigheten ligger i att få fram en siffra som är tillräckligt exakt för att hålla för en revision eller hållbarhetsredovisning, utan att administrationen blir övermäktig. Att försöka spåra exakt hur mycket plats varje pall tog upp varje minut av resan, och hur det påverkade bränsleförbrukningen momentant, är i praktiken omöjligt att göra manuellt för tusentals sändningar.
Utan en strukturerad modell riskerar ni att antingen överrapportera eller underrapportera utsläppen till era kunder, vilket skadar förtroendet.
Lösningen: Fyllnadsgrad som nyckel till hög kvalitet
För att lösa detta på ett sätt som ger hög precision och transparens använder vi en modell där genomsnittlig fyllnadsgrad spelar huvudrollen.
Genom att titta på hur välfylld bilen är i snitt (fyllnadsgraden) kan vi allokera utsläppen mer korrekt. En lastbil som går halvtom har ett högre utsläpp per transporterat ton än en som är proppfull. Denna ineffektivitet måste speglas i beräkningen för att siffrorna ska bli tillförlitliga.
För att uppnå högsta möjliga kvalitet i utsläppsberäkningen kombinerar vi fyllnadsgraden med de faktiska parametrarna för varje unik sändning:
- Sändningens vikt: Hur tungt är godset?
- Avstånd: Hur långt har godset transporterats?
- Fordonstyp: Vilken typ av lastbil utförde arbetet?
- Drivmedel: Vilket bränsle användes (HVO100, Diesel, El, Biogas)?
- Genomsnittlig fyllnadsgrad: Hur effektivt utnyttjas fordonet?
När dessa faktorer samverkar i beräkningen får ni fram ett värde som tål att granskas. Fyllnadsgraden fungerar som vågskålen som justerar utsläppsvärdet baserat på transportens effektivitet.
Resultatet: Precision som går att automatisera
Genom att använda denna metodik går ni från schabloner till en beräkning som speglar verkligheten. Ni kan med hög trovärdighet visa era kunder hur mycket CO2 deras specifika order har genererat.
Detta arbetssätt möjliggör automatisering där systemet (t.ex. Proxio) tar hand om komplexiteten. Ni använder datan ni redan har och systemet levererar kvalitetssäkrade utsläppssiffror per sändning.
Nästa utmaning: Driftstid istället för distans
I de två första artiklarna har vi utgått från att utsläppsdrivaren är distans (km). Men vad gör vi med alla fordon där motorn går men hjulen står stilla, till exempel kranbilar, sopbilar eller anläggningsmaskiner?
I nästa artikel tittar vi på hur ni korrekt beräknar utsläpp där driftstid är den viktigaste parametern.
