Näkökulmia materiaalivirtojen kuljetusten tehostamiseen

Tavaroiden ja materiaalien liikkuminen on merkittävä osa monen yrityksen toiminnassa. Tehokas ja oikea-aikainen kuljetuspalvelu mahdollistaa tilaajayrityksen keskittymisen varsinaiseen toimintaansa. Kuljetus- ja varastotoimijat ovatkin kehittäneet palvelunsa vastaamaan tarkkoihin aikaraameihin. Vihreät älykkäät palvelut kiertotalousyritysten kehittämisessä (VÄLKKY) -hankkeessa selvitettiin uusia mahdollisia ratkaisuja materiaalivirtojen seurantaan ja kuljetusjärjestelyyn toiminnan tehostamiseksi edelleen.

Johdanto

Tehokkaiden reittien löytäminen on varmastikin pohdituttanut ihmisiä jo vuosisatoja. Yleisesti ongelmatyyppiin viitataan nykyään kauppamatkaajan ongelmana, jonka ensimmäinen matemaattinen formulointi on irlantilaisen astronomin W.R. Hamiltonin käsialaa vuodelta 1856 (Foulds, 1995). Siinä tehtävänä on löytää halvin reitti kulkea määrättyjen pisteiden kautta, kun pisteiden välisten reittien kustannukset tunnetaan. Myöhemmin tästä yhden kauppamatkaajan eli agentin ongelmasta on tehty monenlaisia yleistyksiä, ja usean kuorma-auton reitittämistä on pohdittu kirjallisuudessakin jo vuodesta 1959 (Dantzig & Ramser, 1959).

Hankkeessa ”Vihreät älykkäät palvelut kiertotalousyritysten kehittämisessä” (HAMK, n.d.a) selvitettiin yhdessä kantahämäläisten kiertotalous- ja kuljetusyritysten kanssa tapoja edistää prosessien vähähiilisyyttä ja nostaa kierrätystuotteiden määrää, laatua ja kustannustehokkuutta. Tässä artikkelissa keskitytään materiaalivirtojen ja logistiikan tarkasteluihin soveltamalla tietokoneella tehtävää mallinnusta ja kauppamatkaajan ongelmaan kehitettyjä ratkaisualgoritmeja. Tarkasteluiden lähtökohdaksi otettiin tulevaisuusorientoitunut näkökulma, jossa erilaisten mittalaitteiden kehitys on mahdollistanut automaattisen reaaliaikaisen datan vaihdon eri yritysten välillä. Hankkeen toteuttanut Hämeen ammattikorkeakoulu (HAMK) on oivallisessa asemassa tämän kaltaisen monen toimijan mahdollisesti risteäviä intressejä sisältävän problematiikan tutkimiseen, sillä korkeakoululla on vapaus tarkastella aihetta monesta näkökulmasta.

Materiaalikuljetusten tehokkuus perustuu yksinkertaistaen kuljettamisen vaatimaan kilometri- ja työaikasuoritteeseen: mitä enemmän materiaalia saadaan kuljetettua samalla matkapituudella ja työajalla, sitä tehokkaammaksi valittu ajoreitti voidaan tulkita. Kilometrisuoritteen arvoon voidaan vaikuttaa valitsemalla ajoreitille kalusto, jonka kapasiteettia hyödynnetään maksimaalisesti. Ajoajan ja kilometrisuoritteen tasapainoilu on laskennallisesti vaativa tehtävä, jos käytössä on useita eri kokoisia autoja tai toimituskohteet ovat hajallaan ja vaativat erilaisia vasteaikoja tai kuljetuskapasiteettia.

Kuljetusala koostuu eri kokoisista yrityksistä alkaen yhden auton ja yhden henkilön yrityksistä suuriin konserneihin. Yhden tai muutaman auton yrityksillä ei välttämättä ole mahdollisuuksia kehittää reitittämistä henkilöstön vähäisyyden vuoksi tai kuljetus voi olla muun toiminnan ohessa tehtävää eikä siksi kehittämisen kohteena. Merkittävä haaste on myös toimitusketjujen pituus, missä yhden toimijan näkymä tulevaisuuteen koostuu vain rajallisesta määrästä tilauksia. Yleisesti ottaen kuljettajista on myös pulaa, mikä asettaa paineita tehostamiseen ympäristönäkökulmien lisäksi.

Kuljetettavan materiaalin määrä ja aikataulu asiakkaalta toiselle ei siis usein ole täysin kuljetusyrityksen hallinnassa, vaan perustuu asiakkaiden tilauksiin ja heidän kanssaan tehtyihin sopimuksiin. Kuljetusten tarvitsijoille materiaalin saatavuus tai sen säilytys on kustannustekijä, joten kuljetusurakoitsijoiden on usein tarjottava tiukkoja vasteaikoja. Kuljetustehokkuuden lisäämiseen tiukat vasteajat tarjoavat vähemmän liikkumavaraa. Yksi näkymä kuljetusyritysten toiminnan tukemiseen hankkeissa on tarkastella toimialaa kokonaisuutena ja pyrkiä löytämään helposti hyödynnettäviä ratkaisuja kuljetussuoritteen, varastoinnin, vasteajan ynnä muiden vaikutusten arviointiin.

Konkreettiset kokeilut hankkeessa tehtiin todellisen datan pohjalta luodun simuloidun datan ja mallin avulla. Mallinsimme kuljetussuoritteiden tilausten muodostamista ja kuljetuksia niin, että tehokkainta ajoreittiä voitiin etsiä hyödyntäen geneettistä algoritmia (Niemitalo ym., 2021). Mallia testattiin täysin simuloidulla lasinkeräyspisteiden tyhjennysesimerkillä (Niemitalo ym., 2023; Järvenpää ym., 2023) sekä kontinvaihtoihin ja kappaletavarakuljetukseen perustuvilla yritystapauksilla. Geneettisen algoritmin soveltamisen lisäksi toteutimme työkalun jätekuljetusten kilpailutusten urakka-alueiden suunnittelun tueksi sekä arvioimme keräyspisteiden sijoittelua (Järvenpää ym., 2023; HAMK, 2021).

Geneettisen algoritmin kokeilut

Kuljetusten mallintamisen perustapauksena simuloimme lasinkeräystä kuluttajien lasinkeräyspisteissä, joiden tyhjennysten reitittäminen perustui astioiden tunnettuihin täyttöasteisiin ja kustannusten minimointiin. Ajoreittien kustannus laskettiin kilometriperusteisen ajoneuvon käyttökulun ja työaikaperusteisen työvoimakustannuksen summana. Lisäksi mallissa huomioitiin mahdollisen ylityön lisäkustannus sekä keräyspisteen yli 100 % täyttöasteesta seuraava sakkomaksu, joka kuvasi siivouskuluja. Kahden tyhjennysauton esimerkissä lisäkustannuksia ja ylitäytön sakkoja ei kuitenkaan kertynyt simuloidulla kahden viikon ajanjaksolla. Ohjelmakoodi on vapaasti saatavilla (Niemitalo ym., 2023).

Tässä esitetyt yritysdataan perustuvat geneettisen algoritmin kokeilut muodostuivat kahdesta yritysesimerkistä. Ensimmäisessä kokeilussa yrityksen toiminta koostuu keräyspisteillä olevien varastokonttien vaihdoista. Kokeilun pohjaksi saimme ajoja järjestävältä yritykseltä kahden vuoden toteutuneet vaihtojen tilaus- ja toteutusajankohdat, joiden ajojärjestely perustui manuaaliseen suunnitteluun. Datassa esitetyt kuljetussuoritteet oli toteutettu alihankintana eikä alihankkijoiden muista ajoista ollut tietoa. Tästä syystä kuljetussuoritteiden mallinnus oli ylioptimistinen eikä laskennallisella analyysilla saavutettu merkityksellisiä tuloksia määritellyissä rajoissa, mikä toisaalta on myös hyvän käytännön suunnittelun seurausta. Lisäksi mallinnusta käytettiin arvioimaan kuljetuskapasiteetin noston vaikutusta ajoihin sekä valitsemaan maantieteellisesti tehokkain kapasiteetin käyttöaste.

Toisessa yritystapauksessa yritykseltä saatu aineisto oli yhden kalenterikuukauden toteutuneita, viidellä eri autolla ajettuja jäteastioiden haku-, vaihto- ja vientiajoja osoitetietoineen ja astiamäärineen. Näistä karsittiin pois ajot, joissa vain vietiin tyhjiä astioita. Aineistosta laskettiin kunkin auton kulkema matka erikseen ja arvioiduksi loppusummaksi kaikkien autojen toteutuneille ajoille saatiin noin 13 200 kilometriä 22 työpäivän aikana. Tätä käytettiin vertailukohtana optimoinnin tuloksille.

Jäteastioiden mahtumista autoihin arvioitiin pinta-alan mukaan, joten erilaisille jäteastioille määritettiin pinta-alayksikkömäärä, jonka ne veivät autosta. Simulaatiossa käytettiin neljää eri autoa, joiden pinta-alat olivat 15, 18, 33 ja 40 yksikköä. Tavallisin jäteastia vei yhden pinta-alayksikön. Koska yrityksen asiakaskohteet ovat pääasiassa auki vain toimistoaikoina, pyrittiin myös simulaatiossa rajamaan pois ylityötunnit.

Kun osoitetietoja syötettiin käsin ja simuloitiin ajotilannetta päivä kerrallaan, ajomatkaksi kertyi noin 16 000 kilometriä. Simuloimalla koko kuukauden ajosuoritteet kerralla kokonaisajomatkaa kertyi noin 14 200 kilometriä, kun jo täysien jäteastioiden sallittiin odottaa tyhjennystä viisi työpäivää ilman ylitäytöstä johtuvien sakkojen kertymistä. Kuljetuksen toimitusvasteaika oli siis viisi työpäivää. Nostamalla vasteaikaa kahdeksaan työpäivään saatiin kokonaisajomatkaa laskettua 13 800 kilometriin eli lähemmäs vertailukohtaa. Vasteajan nosto vaikutti myös ratkaisuun siten, että toiseksi suurimmalle kuorma-autolle (33 yksikköä) painottui ajoja enemmän kuin ääripäille (15 ja 40 yksikön autot) verrattuna viiden työpäivän vasteajan ratkaisuun. Ajopäivien määrät ja keskimääräiset täyttöasteet on eritelty taulukossa 1. Myös pienten täyttöasteiden päiviä tehostettiin, sillä pienimmät täyttöasteet nousivat 47, 67, 27 ja 15 prosentista 73, 61, 39 ja 25 prosenttiin järjestyksessä autoille koon mukaan (15, 18, 33 ja 40).

Taulukko 1. Kuljetuskaluston ajopäivien ja täyttöasteen erittely viiden ja kahdeksan työpäivän vasteajan skenaarioissa. Keskimääräisessä täyttöasteessa huomioitu vain ajopäivät.

	vasteaika viisi työpäivää		vasteaika kahdeksan työpäivää
auto	ajopäivät	keskim. täyttöaste	ajopäivät	keskim. täyttöaste
15	11	79 %	6	86 %
18	15	90 %	15	86 %
33	15	59 %	22	60 %
40	20	45 %	16	43 %
kaikki yhteensä	61	65 %	59	65 %

Kuljetusurakoiden ja keräyspisteiden sijoittelun suunnittelutyökalut

Suomessa on tällä hetkellä käynnissä muutos siirtää kuntien vastuulle erilliskerättävien jätteiden kilpailutus ja järjestäminen. Joissakin kunnissa on vielä ollut mahdollista antaa asuinkiinteistön haltijan järjestää kuljetukset itse. Kuntien järjestämä pienmetallin ja pakkausjätteiden keräys alkoi 1.7.2023 ja biojätteen keräys alkaa viimeistään 19.7.2024 . Asuinkiinteistöjen eri jätejakeita koskevat erilliskeräysvelvoitteet määritellään valtioneuvoston asetuksen ja kunkin kunnan jätehuoltomääräysten perusteella. Sekalaisen yhdyskuntajätteen sekä saostus- ja umpisäiliölietteen osalta kunta voi edelleen tietyin rajoituksin antaa kuljetuksen asuinkiinteistön haltijan järjestettäväksi. (Ympäristöministeriö, n.d.)

Edellä kuvattu järjestely asettaa selkeän tarpeen keräysurakoiden määrittelyn ja kilpailutuksen huolelliseen suunnitteluun. Kilpailutuksen järjestäjillä on velvollisuus käydä markkinavuoropuhelua alueen kuljetusyrittäjien kanssa sekä järjestää kilpailutuksia, joihin mahdollisimman moni yritys voi osallistua. Kilpailutuksen urakka-alueet on siis jaettava sopivan kokoisiin osaurakoihin. Ympäristöministeriön (2022) Hyvät käytännöt jätteenkuljetuksissa -oppaan mukaan hyvin toteutettu jätteenkuljetusten hankinta on asukkaille toimiva ja edullinen, huomioi ympäristönäkökulmat sekä alueelliset erityispiirteet, hyödyntää markkinavuoropuhelussa saatua jätelaitosten ja jätteenkuljettajien osaamista sekä edistää huoltovarmuutta. Laissa on myös asetettu velvoitteita kuljetuksiin käytetyn kaluston polttoainetehokkuudesta (Ympäristöministeriö, 2022).

Tyypillinen tapa kilpailuttaa kuljetuksia on urakoiden määrittely alueina, minkä tueksi tarvitaan helppoja tapoja arvioida erilaisten aluejakojen kuljetusvaativuuksia lähtötietojen perusteella. Urakka-alueiden suunnitteluun kehitimme VÄLKKY-hankkeessa työkalun, jolla voidaan helposti määritellä kartalle monikulmioina urakka-alueet, joille lasketaan kiinteistötietoihin ja keskimääräisiin jätemääriin ja astiatyhjennysväleihin perustuen arviot viikoittaisista painoista sekä ajomääristä (Järvenpää ym., 2023). Ajomäärien arviointia varten kiinteistöt jaettiin ryppäisiin k-means-klusterointialgoritmilla ja ajokilometrit ryppäiden keskipisteiden välillä arvioitiin kauppamatkaajan ongelman ratkaisuna. Työkalua hyödyntäen oli helppo vertailla ja testata erilaisia urakka-aluejakoja suhteessa lain edellyttämiin periaatteisiin yhteistyössä alueen toimijoiden kanssa tehdyissä markkinavuoropuheluissa.

Kotikeräyspisteiden lisäksi osa jätelajikkeista kerätään kuluttajakeräyspisteisiin, joiden sijoittelulla on merkittävä vaikutus kuljetusten tehostamisessa. Jätevesilietteiden ravinteet keskittäen kiertoon -hankkeessa (HAMK, n.d.b) kehitimme simulointiympäristön jätekuljetusten mallintamiseen valittuihin sijainteihin ja näin voitiin testata useita mahdollisia sijaintikombinaatioita puhdistamolietteiden kuljettamiseksi keskitettyihin tehokkaisiin käsittelylaitoksiin. Keräyspisteet voivat myös olla jatkokäsittelylaitosten yhteydessä. Samalla ympäristöllä voitiin arvioida myös jätteidenkäsittelyalueiden alueellista palvelukattavuutta uusia alueita suunniteltaessa (Järvenpää ym., 2023, ks. myös HAMK, 2021).

Johtopäätökset

Kuljetusyritykset ovat perinteisesti järjestäneet ajosuoritteet käsityönä, missä ajojärjestelijän asiantuntemus on avainasemassa. Hankkeen kokemuksien ja yritystapaustarkastelujen tulokseksi jäi, että yksinkertaiset laskentamallit ovat suunnilleen yhtä hyviä kuin parhaat ajojärjestelijät. Nyrkkisääntönä kuljetusalan toimijat arvioivat, että pelkkä ajojen hallinnan digitointi tuo 5–15 % säästöt kuljetuksiin. Tässä artikkelissa esitetyissä osittain simuloiduissa yritystapauksissa mahdolliset säästöt jäivät pienemmiksi. Mallintamisen suunnittelussa esiin nousi huomio, että kuljetusala on toiminnoiltaan hyvin monipuolista eli ajojen tehostamisessa pelkkä kohteiden reitittäminen ei riitä vaan lisäksi pitää pystyä mallintamaan erilaisia lastaukseen ja muuhun kuorman operointiin liittyviä työtehtäviä. Geneettinen algoritmi on tähän helposti muokattavissa oleva laskentamenetelmä.

Haasteena voidaan todeta olevan datan lähteiden löytäminen sekä tehostamisen omistajuuden jakautuminen. Alihankintana suoritetuissa kuljetuksissa urakoitsijalla on rajallinen näkymä toimintaympäristön kehittämiseen. Toisaalta kuljetussuorite on toiminto, jonka tilaaja on ulkoistanut, jotta voi keskittyä paremmin omaan toimintaansa. Lisäksi liiketoimintaympäristön tarkka seuranta ja ennakointi perustuvat usein vain tulleisiin tilauksiin, ja historiadatan muodostavat lähinnä laskutustiedot ja toimituspäivämäärät. Toki näitäkin tutkimalla voidaan löytää uusia kehittämiskohteita, mistä hyviä esimerkkejä ovat Oiva Penttilän (2023) ja Vilja Väkiparran (2023) VÄLKKY-hankkeen kontekstissa tekemät opinnäytetyöt.

Teknisten ratkaisujen yleistyminen on jo mahdollistanut datan vaihdon yritysten välillä monissa eri käyttötapauksissa ja tällaisten esimerkkien myötä datan jakamisen mahdollisuudet ja hyödyt ovat tulleet konkreettisemmiksi. Omien tietojen hallittua avaamista ei enää nähdä pelkästään uhkana. Paine toiminnan tehostamiseen motivoi teknisten ratkaisujen etsimiseen myös materiaalikuljetusten yhteydessä , mikä korostaa laskennallisen osaamisen lisäämisen tarvetta datan käsittelyssä. Jotta saadaan kerättyä kattavaa data-aineistoa, on tulevien kehityshankkeiden tunnistettava merkityksellisimmät kohteet, joita mitata, seurata, tulkita ja kehittää sekä löydettävä niihin toimivat ja tarvittaessa reaaliaikaiset ohjelmisto- ja laitetoteutukset.

---

Vihreät älykkäät palvelut kiertotalousyritysten kehittämisessä (VÄLKKY) -hanketta on rahoittanut Uudenmaan liitto osana Euroopan unionin covid-19-pandemian johdosta toteuttamia toimia (Euroopan aluekehitysrahasto).