Suomen satamien lastinkäsittelykapasiteetti (Cargo handling capacity of Finnish seaports)
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.069 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".