Primaire transportdata vormen sleutel tot reductie CO2-footprint

transportdata reductie CO2-footprint

Bedrijven staan onder toenemende druk om hun CO2-uitstoot te verlagen. Het probleem is dat maar liefst 60 procent daarvan wordt veroorzaakt door leveranciers en vervoerders stroomopwaarts in de supply chain. Hoe krijg je grip op de uitstoot van die partijen? Tijdens Webinar Wednesday vertelden Project44 en Tracks dat structurele verlaging alleen mogelijk is als verladers toegang krijgen tot primaire data van vervoerders. 

Door Marcel te Lindert

Stel dat ergens in je supply chain een pallet van 1000 kilogram wordt getransporteerd van A naar B. Je weet dat het transport via de weg plaatsvindt, maar verder niets. Hoe bereken je dan de CO2-uitstoot? ‘Volgens de afspraken van de Global Logistics Emission Council (GLEC) moeten we uitgaan van het ergste scenario. Dat is transport door de stad met een bestelauto zoals een Mercedes Sprinter die leeg weer terugrijdt. Dat leidt tot een CO2-uitstoot van circa 650 gram per tonkilometer’, weet Jakob Muus. ‘Maar als je de werkelijke uitstoot gaat meten, ontdek je misschien dat de pallet niet in een bestelbus maar in een oplegger met nog 32 andere pallets zat. En dat een truck met die oplegger over de snelweg reed en op de terugweg een retourlading oppikte. Dan ligt de CO2-uitstoot tussen de 52 en 64 gram per tonkilometer.’

Standaard rekenfactoren

Jakob Muus is oprichter en CEO van Tracks, een Duitse start-up met een tool voor het berekenen van de CO2-uitstoot in de supply chain. Samen met Christian Piller van Project44, specialist in supply chain visibility, vertelt hij hoe bedrijven hun footprint kunnen verkleinen. Ze gebruiken het bovenstaande voorbeeld om duidelijk te maken hoe belangrijk het is om zoveel mogelijk data over de CO2-uitstoot te verzamelen. Piller: ‘De meeste verladers gebruiken daarvoor standaard rekenfactoren, zoals het gemiddelde gewicht per pallet of per container. Dat vermenigvuldigen ze met de gemiddelde uitstoot per transportmodaliteit. Dat is een goed startpunt, maar allesbehalve accuraat.’

Piller krijgt bijval van Muus, die erop wijst dat de foutmarge kan oplopen tot 400 procent. ‘Meestal maken verladers een veel te conservatieve schatting. Omdat ze over weinig data beschikken, gaan ze ervan uit dat de vrachtwagen leeg terugreed. Of dat hij door de stad reed in plaats van over de snelweg. Daarom komen ze veel te hoog uit. Bovendien: als je alleen de CO2-uitstoot per tonkilometer berekent, heb je maar twee knoppen waaraan je kunt draaien om die te verlagen: het aantal tonkilometer en de keuze voor de transportmodaliteit.’

Primaire transportdata vormen sleutel tot reductie CO2-footprint

Wie daadwerkelijk zijn CO2-footprint wil verlagen, heeft accuratere berekeningen nodig. Wiskundige modellen en statistieken kunnen daaraan bijdragen, maar uiteindelijk hebben verladers de primaire data van vervoerders nodig over de werkelijke uitstoot per rit, rekening houdend met onder meer de beladingsgraad op de heen en terugweg. Hoe krijg je vervoerders zover dat ze die primaire data willen delen? ‘Veel vervoerders willen graag meewerken’, antwoordt Piller. ‘Simpelweg omdat ze ook belang hebben bij verlaging van de CO2-uitstoot, al is het maar vanwege de hoge brandstofprijzen. Bovendien begrijpt elke vervoerder dat samenwerking noodzakelijk is om de totale uitstoot te verlagen.’

Om data over de CO2-uitstoot te kunnen delen, zijn standaarden nodig. Standaarden die ervoor zorgen dat de verschillende partijen in de supply chain de uitstoot op dezelfde manier meten en alloceren aan goederen. ‘De afgelopen jaren is het afsprakenstelsel van GLEC uitgegroeid tot de standaard voor CO2-berekeningen. In november komt er voor het eerst een ISO-standaard voor het berekenen van de CO2-uitstoot in transport. Die is grotendeels gebaseerd op de afspraken van GLEC. De EU is bezig met regelgeving die gebaseerd zal zijn op deze nieuwe ISO-standaard.’

Artificiële intelligentie

Wat zijn dan maatregelen die verladers kunnen treffen als ze beschikken over primaire data van vervoerders? ‘Er zijn zoveel dingen die je kunt doen’, stelt Muus. ‘Je kunt investeren in rijtrainingen voor de chauffeurs van je vervoerders. Je kunt artificiële intelligentie inzetten om te berekenen voor welke route een dergelijke rijtraining lonend is. Je kunt dezelfde technologie ook inzetten om te ontdekken welke chauffeurs het goede rijgedrag voor een elektrische vrachtauto hebben. Of om gesprekken met vervoerders aan te gaan. Waarom is zijn uitstoot op die route zo hoog? Ligt het aan het rijgedrag van de chauffeur of aan de lage beladingsgraad van diens vrachtauto?’

Verladers en vervoerders die de tool van Tracks inzetten, starten met het uploaden van hun zendingen. Op basis daarvan wordt de totale CO2-uitstoot berekend. Muus toont het voorbeeld van een klant waarvan de uitstoot 198 kiloton bedraagt. ‘Alleen al door het verzamelen van data hebben we de uitstoot met 89 kiloton naar beneden kunnen bijstellen. Bijvoorbeeld omdat we weten dat een rit niet is uitgevoerd met een 3,5 tons vrachtwagen, maar een 40 tons vrachtwagen. Of omdat we data krijgen over de werkelijke uitstoot. Vervolgens is het zaak om met de klant om tafel te gaan over maatregelen voor verdere verlaging van de uitstoot. Denk aan betere planning of betere inkoop van transport en betere samenwerking met ketenpartners. Wat overblijft, kunnen we compenseren.’

Bekijk de recording van dit webinar op YouTube en download de slides!