MétaCan
Menu
← Retour à la cohorte
Enregistrement W7076957726

Suomen satamien lastinkäsittelykapasiteetti (Cargo handling capacity of Finnish seaports)

2025· other· fi· W7076957726 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Languefi
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesTurun Yliopisto
Mots-clésQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Meriliikenne on Suomen ulkomaankaupan tärkein kuljetusmuoto, jolla kulki vuonna 2023 Suomen ulkomaankaupan tonneista lähes 96 %. Sataman kapasiteetti tarkoittaa yksinkertaistaen sen kykyä tuottaa satamapalveluita. Tietoa satamien kapasiteetista tarvitaan mm. huoltovarmuudellisen suunnittelun tueksi mm. sen takia, että Suomen satamat ovat pitkälle erikoistuneita. Useiden tavaralajien kuljetus on keskittynyt vain rajalliseen määrään satamia. Tällaisia ovat esimerkiksi sementti sekä eräät kemikaalit ja polttonesteet. Raportissa tarkastellaan Suomen keskeisten tavaraliikenteen satamien lastityyppikohtaista kapasiteettia vuositasolla sekä tätä kapasiteettia rajoittavia tekijöitä. Se toteutettiin kvantitatiivisena haastattelututkimuksena, jossa haastateltavina olivat ao. satamien satamanpitäjän ja satamaoperaattorin vastuuhenkilöt. Kesän ja syksyn 2024 aikana haastatteluita oli yhteensä noin 25. Vastaavaa selvitystä Suomen satamien lastinkäsittelykapasiteetista ei ole aiemmin tehty. Tulosten mukaan satamat pystyisivät käsittelemään jopa kaksinkertaisen tonnimäärän tavaraliikennettä vuoden 2023 toteumaan (yhteensä noin 93 milj. tonnia) verrattuna. Esimerkiksi vuonna 2018 Suomen satamat käsittelivät yhteensä yli 110 milj. tonnia ulkomaan ja kotimaan liikennettä. Vuoden 2024 kokonaismäärä oli Tilastokeskuksen ennakkotietojen mukaan alle 91 milj. tonnia. Satamien toimitilat, lastinkäsittely järjestelmät sekä pääosin myöskään henkilöstö eivät ole tuona aikana merkittävästi vähentyneet tai muuttuneet. Satamien mahdollisuudet kasvattaa lastinkäsittelymääriä vuoden 2023 toteumaan verrattuna vaihtelevat merkittävästi eri satamien ja lastityyppien välillä. Lastityypeistä eniten kasvuvaraa on ns. break bulk -lasteissa sekä ro-ro- liikenteessä ja vähiten nestemäisissä irtolasteissa. Yksittäisistä tekijöistä sataman kapasiteettia rajoittavat eniten varastotilojen (erityisesti lämmin varastotila), junanvaunu- ja veturikapasiteetin sekä kiinteiden satamanostureiden saatavuus. Työssä sivuttiin myös mahdollisuutta järjestellä lastityyppien kuljetuksia jonkin sataman ollessa pois käytöstä. Tarkemmat johtopäätökset kuljetusvirtojen siirrettävyydestä edellyttävät kuitenkin tarkempaa lastilajitasoista analyysiä tavaravirroista ja lastinkäsittelykapasiteetista sekä sataman ulkopuolisten kapasiteettirajoitusten analyysiä. Maa- ja merikuljetustoimijat tai niiden käyttämän tie- ja raideverkon kapasiteetti ei ollut tämän työn kohteena. Tulokset viittaavat kuitenkin siihen, että erityisesti ulkomaankuljetusten laajoissa häiriöissä maakuljetus- ja aluskapasiteetin saatavuus tai riittävyys vaikuttaisivat olevan satamien lastinkäsittelykapasiteettiä suurempi rajoite. Työ liittyy Turun yliopiston ja Huoltovarmuuskeskuksen (HVK) Varasatama 2.0 -tutkimushankkeeseen, joka on osa HVK:n Logistiikka 2030 -tutkimusohjelmaa. Avainsanat: Huoltovarmuus, merikuljetus, satamat, satamakapasiteetti

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,231

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0690,012

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,258
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPrenatal Screening and Diagnostics→Travaux en français237 207→