Le contrôle des navires par

l’Etat du Port (PSC): Quelle

efficacité?
Pierre Cariou, World Maritime University
16 November 2007, INRETS
MUST - EMAR Seminar
Agenda

• L’origine des PSC et des MoUs

• Les critères de sélection des navires
• L’exemple du Paris MoU
• L’exemple de l’Australian MSA
• Débats actuels
• Recherches en cours
 L’origine des PSC et des MoUs

Justification des PSCs.

• La sécurité maritime ne doit pas faire l’objet de concurrence

entre armateurs.

• Des standards uniques doivent s’appliquer

• Un navire fait rarement escale dans un port de l’Etat de son

pavillon et les ressources de certaines administrations
maritimes sont limitées - complémentaires du contrôle du
navire par l’Etat du pavillon.
 L’origine des PSC et des MoUs

Objectif des PSCs

Vérifier qu’un navire et ces équipements sont en conformité

avec les réglementations internationales (notamment SOLAS,
MARPOL et STCW & LL) et que le navire est opéré en
conformité avec ces règles.

Objectif des Memorendum of Understanding (MoUs).

Atteindre un degré de coordination entre les Etats du port afin

d’éviter de contrôler plusieurs fois le même navire et de cibler
les navires à contrôler.
L’origine des PSC et des MoUs

9 MoUs régionaux coexistent aujourd’hui.

Paris (Europe, Canada, Russie) 1982

Viña del Mar (Amérique Latine) 1992
Tokyo (Asie et Pacifique) 1993
Caribbean region 1996
Mediterranean 1997
Indian ocean 1998
Abuja (Afrique de l’Ouest) 1999
Black Sea 2000
Riyadh 2004
L’origine des PSC et des MoUs
Les critères de sélection des navires

Estimation OCDE

Cout d’un inspecteur = 50K euros (moyenne)

Environ 200 inspecteurs = 10 M euros
Secrétariat = 1 M euros
Cout total annuel Paris MoU = 11 M euros

Sachant que:
• 67% des risques proviennent de 20% des navires
• 17% des risques proviennent de 1% des navires

Knapp (2007) estime à environ 759 USD/inspection si

défauts et 509 USD/inspection si aucun défaut - +20%
pour administration.
Les critères de sélection des navires

Frequence Temps Cout (par

En USD (yearly) inspection (hrs) annee)
PSC 2 5 2070
FSC 1 8 1188
Class Annual Survey 1 10 10879
ISM Audit 0.5 9 1584
Insurance (P&I Club) 0.5 8 1744
Industry Inspection: Tankers 6 10 29702
Industry Inspection: Bulk 1 10 6816
Industry Inspection: Others 0 0 0
Total Tankers 11 50 47167
Total Dry Bulk 6 50 24281
Total Other Ship 5 40 17465
Source: Knapp (2007)
L’exemple du Paris MoU

Paris MoU (1982)

Membres: Belgium, Bulgaria, Canada, Croatia, Cyprus,

Denmark, Estonia, Finland, France, Germany, Greece,
Iceland, Ireland, Italy, Latvia, Lithuania, Malta
Netherlands, Norway, Poland, Portugal, Romania,
Russian Federation, Slovenia, Spain, Sweden, United
Kingdom

Les statistiques du Paris MoU montrent que sur les

13,417 navires inspectés en 2006 - 5% détention.

Objectif: Cibler inspections sur navires pouvant donner

lieu à détention.
L’exemple du Paris MoU
Paris MoU

Signé in 1982

Nombre d’inspections par pays: 25%

Target Factor = Generic Factor + Historical Factor

Si TF>50 points le contrôle est obligatoire

Target Facteur est réactualisé à la fin de chaque jour

L’exemple du Paris MoU

GF- Pavillon. Si taux de détention durant les 3 dernières années

est:
+ de 10% supérieur à la moyenne - TF = +4
+ de 13% - TF = +8
+ de 16% - TF = +14
+ de 18% - TF=+20
GF- type de navire. TF=+5
• si vraquier sec > 12 ans
• si transporteur de gaz > 10 ans
• si chimiquiers > 10 ans
• si pétrolier 3000 gt & > 15 ans
• si passagers/Ro-Ro ferry > 15 ans

GF-Non-EU. TF=+3
Si « Recognized Organisation » non reconnue par EU TF =+3
L’exemple du Paris MoU

GF=Age du navire
• + de 25 ans - TF=+3
• de 21 à 24 ans - TF=+2
• de 13 à 20 ans - TF=+1
GF= Pavillons. TF=+1 si non ratifié les principales conventions
OMI/ILO
GF=Société de classification. Si par rapport à la moyenne des 3
dernières années pour « Class related deficiencies »

• 0% - TF =0
• 0-2% -TF=+1
• 2-4% - TF=+2
• >4% - TF=+3
L’exemple du Paris MoU

HF- Nouveau navire. Première fois 12 derniers mois - TF=+20

HF-Inspection. Pas inspecté durant les 6 derniers mois - TF=+10
HF-Détention. Si détenu durant les 12 derniers mois - TF=+15
HF-Nombre de défauts dernier contrôle:
Si 0 - TF=-15
Si 1-5 -TF=0
Si 6-10 - TF=+5
Si 11-20 - TF=+10
Si 21+ - TF=+15
HF-”Outstanding deficiencies”. Pour dernière inspection:

Si “rectify deficiency at next port” ou “Master instructed to rectify

deficiency before departure” ou “rectify deficiency within 14 days”
- TF=+1
Si “all deficiencies rectified” - TF=-2
L’exemple du Paris MoU – Nouveau Régime

Objectif (proposition)

• Tous les navires doivent être contrôlés

• Moins de contrôles pour bons armateurs/navires

• Détermination d’un Risk Profile afin d’arriver à une

classification des navires en:

- High Risk Ship (HRS). Inspection tous les 5-6 mois

- Standard/Medium Risk Ship (SRS). Inspection tous les
10-12 mois
- Low Risk Ship (LRS). Inspection tous les 24-36 mois.
L’exemple du Paris MoU – Nouveau Régime

High Risk Ship (+ de 5 points):

• Type de navire (pétroliers, chimiquiers, Gaziers, Passagers

= +2)

• Age (+ de 12 ans = +1)

• Pavillon (Black list + HRS = + 2 et Black list + MRS = +1)

• RO si performance faible ou très faible (+1)

• Armateur si performance faible ou très faible (+2)

• Nombre de détentions durant les 36 derniers mois >= 1 (+1)

L’exemple de l’AMSA

Logistic Regression (18 000 Vraquiers secs Autres

inspections depuis 1985)

# navires 60% 40%

Age 1 1
Nombre de défauts 1 3
Pavillon 2 4
Gross tonnage 2 4
Temps depuis dernière inspection 3 4
Première inspection 4 3
Type de navire - 1
Temps depuis dernier Survey - 3
- 4
Société de classification
Débats actuels

1. L’harmonisation des critères de sélection

2. Les critères de sélection

1. L’harmonisation. Pour des raisons avant tout politiques

liées à la réticence des Etats et des MoUs, n’est pas à
ce jour d’actualité.

2. Critère de sélection - Que doit-on rechercher?

Le document de travail de la Turquie présenté lors du

dernier OMI - FSI (Juin 2007) sur l’usage de la BGW List et
la nécessité d’intégrer des données relatives aux accidents.
 Débats actuels

Source: FSI15/3/3
 Débats actuels

Source: FSI15/3/3
Débats actuels

Deux réponses présentées par:

La Nouvelle Zélande (FSI 15/3/1) qui :

• reconnait l’intérêt de prendre en compte les données

relatives aux accidents…

• …mais considère que beaucoup d’accidents ne peuvent

être pas mis en relation avec l’existence ou non d’un
PSC.

• De plus BGW est un bon instrument pour cibler et

identifier mauvais pavillons.
Débats actuels

Australie (FSI 15/3/2) basé sur l’étude de Knapp (2007) qui

montre que:

• La probabilité d’avoir un accident “sérieux” décroit de 5%

pour navires ayant été inspectés précédemment.

• La probabilité d’accident “sérieux” s’accroit pour navire

sur la Black List.

« Correspondance Group » qui rendra un rapport pour le

prochain OMI/FSI afin d’examiner s’il est nécessaire
d’intégrer des données relatives aux accidents et comment
le faire. Problème: PSCs minimisent les conséquences
d’un accident, pas nécessairement la probabilité
d’occurrence.
Recherches en cours

Mis à part l’AMSA, peu d’études économétriques

permettant d’identifier le poids à donner aux critères.

Cariou P., Meija M., Wolff F.C., [2007], An econometric

analysis of deficiencies noted in Port State control
inspections, Maritime Policy & Management, Vol. 34 (3),
June, pp. 243-258.

Cariou P., Meija M., Wolff F.C., [2008], On the

effectiveness of Port State Control Inspections,
Transportation Research - Part E.

Objectif: Estimer l’impact de l’âge du navire, du type de

navire, du pavillon du navire et de la date d’inspection sur
le nombre de défauts constatés lors d’un PSC.
Recherches en cours

Swedish Maritime Administration (Janvier 1996, Décembre

2001). 4,080 contrôles pour 2,132 navires.

• N=DEF de 0 a n défauts

ƒ 0 = 56%
ƒ 1 = 14%
ƒ 2 = 9%
ƒ 3-5 = 12%
ƒ 6-10 = 5.5%
ƒ ≥10 = 2.6%
 Recherches en cours

• Poisson regression
n it
e λ it λ it
Pr(n = n it ) = log λit = β ' xit
n it !
• Negative binomial regression

eεit e λ it (e εit λ it ) n it log λit = β ' xit + ε it

Pr(n = n it ) =
n it !

Variables 1996 1997 1998 1999 2000 2001 Total

Deficiencies # (Mean) 1.59 1.77 1.74 1.66 1.57 1.54 1.64
Vessel Age (Mean) 16.66 16.34 17.46 16.30 16.67 17.59 16.81
observations # 651 707 578 725 762 657 4080
Recherches en cours

Type of ship 1996 1997 1998 1999 2000 2001 Total

General cargo 39.0 38.0 42.7 48.4 52.9 66.2 48.0
Bulk carrier 33.9 34.7 22.7 18.3 14.0 5.8 21.4
Passenger 6.8 5.8 9.9 5.9 6.3 1.7 6.0
Ro-ro passenger 3.4 3.0 2.9 2.9 4.5 6.7 3.9
Chemical tanker 4.6 3.1 3.3 5.4 4.1 1.5 3.7
Ro-ro cargo 2.6 3.5 4.3 3.6 3.8 4.1 3.7
Oil tanker 1.1 2.7 4.2 4.0 3.7 4.1 3.3
Refrigerated 1.7 3.1 3.1 2.5 2.5 0.5 2.2
cargo
Container 1.4 1.3 1.4 1.9 2.8 2.3 1.9
Others 5.5 4.8 5.5 7.0 5.5 7.2 5.9
Recherches en cours

Flag of Registry 1996 1997 1998 1999 2000 2001 Total

Antigua and Barbuda 5.8 5.8 5.2 6.5 7.0 10.5 6.8
Bahamas 7.2 7.6 7.1 7.2 5.9 3.2 6.4
Cyprus 4.8 4.2 3.5 5.0 3.8 4.1 4.2
Denmark 8.8 7.4 8.0 7.9 7.2 6.2 7.5
Finland 2.5 4.1 4.3 4.1 5.5 4.6 4.2
Germany 9.2 7.2 8.1 7.3 7.1 5.8 7.4
Malta 3.5 3.8 6.4 4.3 3.7 3.0 4.1
Netherlands 5.8 6.8 8.1 9.4 9.8 9.6 8.3
Norway 8.9 9.6 7.6 11.7 9.1 9.3 9.4
Russia 14.6 15.8 15.7 10.3 13.0 11.6 13.4
Others 28.9 27.6 26.0 26.3 28.0 32.1 28.1
Recherches en cours

Variables Poisson Negative binomial

coef t-test coef t-test

Constant 0.034 0.44 0.027 0.15
Vessel age at PSC inspection
[0;5[ Ref Ref

[ 5 ; 10 [ 0.421*** 6.56 0.431*** 3.49

[ 10 ; 15 [ 0.633*** 10.34 0.639*** 5.21
[ 15 ; 20 [ 0.805*** 13.74 0.825*** 7.04
[ 20 ; 25 [ 0.965*** 16.60 0.981*** 8.29
[ 25 ; 30 [ 1.063*** 17.95 1.100*** 8.79
[ 30 ; ∞ [ 0.903*** 13.88 0.889*** 6.43
Recherches en cours

Variables Poisson Negative binomial

coef t-test coef t-test
General cargo -0.081 -1.40 -0.154 -1.13
Bulk carrier -0.169*** -2.73 -0.238* -1.65
Passenger 0.583*** 8.78 0.546*** 3.15
Ro-ro passenger 0.890*** 12.33 0.908*** 4.73
Chemical tanker -0.309*** -3.27 -0.495** -2.43
Ro-ro cargo -0.352*** -3.74 -0.392* -1.88
Oil tanker -0.362*** -3.79 -0.456** -2.18
Refrigerated cargo -0.299*** -2.69 -0.352 -1.47
Container -0.209 -1.25 -0.243 -0.84
Others Ref Ref
Recherches en cours

Variables Poisson Negative binomial

coef t-test coef t-test
Antigua and Barbuda -0.400*** -7.08 -0.314** -2.43
Bahamas -0.183*** -3.63 -0.226* -1.68
Cyprus -0.048 -0.82 -0.075 -0.50
Denmark -1.107*** -16.79 -1.052*** -7.94
Finland -0.478*** -7.81 -0.394** -2.46
Germany -0.990*** -13.31 -0.993*** -7.14
Malta -0.244*** -3.91 -0.236 -1.55
Netherlands -0.605*** -9.96 -0.568*** -4.52
Norway -0.581*** -12.31 -0.430*** -3.86
Russia -0.176*** -4.42 -0.162* -1.64
Others Ref Ref
Recherches en cours

L’impact de chaque variable sur le nombre de défauts.

Variables % contribution

Age du navire 36.8%

Type de navire 28.3%

Pavillon 33.7%

Année d’inspection
1.3%
Total
100.0%
Recherches en cours

Cariou P., Meija M., Wolff F.C., Etude en cours.

Objectif: Estimer l’impact de l’âge du navire, de l’autorité en

charge du contrôle, du pavillon, du type de navire, de la
société de classification, l’année sur:

• le nombre de défauts constatés lors d’un PSC

• le type de défauts constatés
• et la probabilité d’avoir une détention.

Indian MoU database (Janvier 2002, Décembre 2006).

26,515 contrôles pour environ 10,000 navires.

Recherches en cours

Variables - Nombre de defauts Negative binomial

coef t-test
Constant -1.990*** (12.30)
Age at PSC inspection 0-4 Ref
5-9 0.518*** (11.69)
10-14 0.878*** (19.12)
15-19 1.175*** (25.88)
20-24 1.425*** (32.17)
25+ 1.715*** (32.95)
Inspecting Authority Australia 2.429*** (18.33)
Iran 2.597*** (19.85)
India 2.000*** (15.14)
South Africa 0.549*** (3.80)
Others Ref
Recherches en cours

Variables Negative binomial

Flag of Registry Panama 0.112*** (3.48)
Liberia -0.189*** (3.67)
Hong Kong, China -0.031 (0.60)
Bahamas -0.249*** (4.44)
Cyprus -0.054 (0.86)
Singapore 0.196*** (3.50)
Russian Federation -0.656*** (7.00)
Malta -0.071 (1.38)
Greece -0.354*** (5.51)
Others Ref
Recherches en cours

Type of ship Bulk carrier 0.249*** (4.30)

General cargo/multi-purpose ship 0.356*** (5.84)
Oil tanker -0.175** (2.53)
Containership -0.203*** (2.89)
Chemical tanker 0.149* (1.86)
Vehicle carrier -0.601*** (7.26)
Woodchip carrier -0.136 (1.39)
Refrigerated cargo carrier 0.109 (0.97)
Ro-ro cargo ship -0.028 (0.19)
Gas Carriers -0.611*** (4.70)
Others Ref
Recherches en cours

RO Nippon Kaiji Kyokai -0.607*** (11.17)

Lloyd’s Register -0.596*** (10.93)

Det Norske Veritas -0.725*** (11.99)

American Bureau of Shipping -0.521*** (8.51)

Germanischer Lloyd -0.428*** (6.46)

Bureau Veritas -0.407*** (6.83)

Russian Maritime Register -0.117 (1.36)

China Classification Society -0.885*** (11.70)

Korean Register of Shipping -0.758*** (7.88)

Others Ref
Recherches en cours

Variables Negative binomial

Year of inspection 2002 Ref

2003 -0.012 (0.37)

2004 -0.063** (2.02)

2005 0.050 (1.52)

2006 0.231*** (6.82)

Number of observations
26515
Log likelihood
-51114.4
Recherches en cours

Type of deficiencies Total

Certificates 5,6
Working & living conditions 7,5
Safety & fire appliances 29,3
Stability & structure 20,5
Ship & cargo operations 11,5
Equipment & machinery 5,0
Navigation / communication 16,6
Management 4,1
Recherches en cours

Type of deficiencies Certificates Working & Safety &

living fire
conditions appliances

Age at PSC inspection

27,2% 49,6% 48,5%
Inspecting Authority
32,8% 30,4% 28,7%
Flag of Registry
1,4% 2,0% 5,3%
Type of ship
12,0% 3,9% 5,3%
Recognised organization
25,7% 8,6% 11,5%
Year of inspection
0,8% 5,5% 0,7%
Total
100,0% 100,0% 100,0%
Recherches en cours

Type of deficiencies Stability & Ship & Equipment

structure cargo &
operations machinery
Age at PSC inspection
50,9% 27,2% 27,5%
Inspecting Authority
21,5% 46,3% 58,5%
Flag of Registry
1,8% 4,2% 3,3%
Type of ship
9,0% 4,8% 3,5%
Recognised organization
15,8% 17,2% 4,9%
Year of inspection
1,1% 0,3% 2,4%
Total
100,0% 100,0% 100,0%
Recherches en cours

Type of deficiencies Navigation & Management Any defaults

communication

Age at PSC inspection

19,3% 7,5% 42,5%
Inspecting Authority
40,0% 52,1% 30,8%
Flag of Registry
5,3% 2,9% 3,7%
Type of ship
16,2% 14,4% 7,3%
Recognised organization
13,0% 4,9% 14,5%
Year of inspection
6,3% 18,2% 1,2%
Total
100,0% 100,0% 100,0%
Recherches en cours

Detention Detention Rank factor

Age at PSC inspection 1

40.4%
Inspecting Authority 3
16.6%
Flag of Registry 5
4.2%
Type of ship 4
5.9%
Recognised organization 2
31.1%
Year of inspection 6
1.8%
Total 100%
Merci pour votre attention

Pierre Cariou
16 November 2007, INRETS
MUST - EMAR Seminar