Wykorzystanie metod eksploracji danych do długookresowego prognozowaniu popytu na rynku dóbr przemysłowych

• Autorzy: Rębiasz B. , Szulc W.

Warianty tytułu

EN

Using data mining methods for forecasting long-term market demand for industrial goods

• Języki publikacji: PL

Abstrakty

PL

W artykule zaproponowano nową metodę prognozowania wielkości i struktury popytu na rynku dóbr przemysłowych. Koncepcję metody przedstawiono na przykładzie rynku stalowych wyrobów hutniczych. Do prognozowania wykorzystano wybrane metody eksploracji danych: metodę k-średnich oraz algorytm C4.5. Metoda k-średnich służy do wydzielenia grup podobnych przypadków wielkości i struktury zużycia stalowych wyrobów hutniczych (wzorców zużycia). Natomiast algorytm generowania drzew decyzyjnych (algorytm C4.5) służy do określana zależności pomiędzy wzorcami zużycia a predyktorami (parametrami kształtującymi wielkość i strukturę zużycia). Proponowaną metodę zweryfikowano wykorzystując bogaty materiał statystyczny dotyczący wielkości i struktury zużycia stalowych wyrobów hutniczych w wybranych krajach w latach 1960÷2009.

EN

This paper proposes a new method of forecasting the level and structure of market demand for industrial goods. The concept of the method is presented on the example of the steel products market. Forecasting was conducted with the following selected data mining methods: k-means and the C4.5 algorithm. The k-means method serves to separate groups with items of a similar consumption level and structure of the analyzed products (consumption patterns). On the other hand, the algorithm for generating decision trees (C4.5 algorithm) aims to determine the dependencies between consumption patterns and predictors (parameters determining the level and structure of consumption). The proposed method was verified using extensive statistical material on the level and structure of steel products consumption in selected countries in the years 1960÷2009.

Słowa kluczowe

PL

rynek stalowych wyrobów hutniczych; prognozowanie zużycia; eksploracja danych

EN

steel products market; demand forecasting; data mining

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2012
• Tom: Vol. 79, nr 6
• Strony: 427--433
• Opis fizyczny: Bibliogr. 21 poz., rys., tab.

Twórcy

autor

Rębiasz B.

• AGH, Akademia Górniczo-Hutnicza, Wydział Zarządzania, ul. Gramatyka 10, 30-067 Kraków

autor

Szulc W.

• Instytut Metalurgii Żelaza, ul. K. Miarki 12-14, 44-100 Gliwice

Bibliografia

• 1. Dittmann P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowania. Oficyna Ekonomiczna. Kraków 2003
• 2. Rębiasz B.: Analiza stalochłonności PKB w Polsce w latach 1992–2001. Gospodarka Materiałowa i Logistyka, 2003, nr 1, s. 15÷18
• 3. Evans M.: Modelling steel demand in the UK. Ironmaking and Steelmaking, t. 23, 1996, nr 1, s. 19÷23
• 4. Garbarz B., Szulc W., Rębiasz B.: Prognozy rozwoju popytu i podaży na rynku stalowych wyrobów hutniczych w Polsce. Hutnik-Wiadomości Hutnicze, t 74, 2007, nr 3, s. 125÷132
• 5. Ghosh S.: Steel consumption and economic growth: Evidence from India. Resources Policy, t. 34, 2006, nr 1, s. 7÷11
• 6. Labson B. S.: Changing Patterns of trade in the World Iron Ore and Steel Market: An Econometric Analysis. Journal of Policy Modeling, vol. 19, 1997, no. 3, pp. 237÷251
• 7. Rębiasz B., Garbarz B., Szulc W.: Wpływ dynamiki i struktury rozwoju gospodarczego Polski na krajowe zużycie stalowych wyrobów hutniczych. Hutnik-Wiadomości Hutnicze, t. 71, 2004, nr 9, s. 454÷458
• 8. Roberts M. C.: Metal use and the world economy. Resources Policy, vol. 22, 1996, no. 3, s. 183÷196
• 9. Sztobryn J.: Próba oceny zapotrzebowania na wyroby hutnictwa żelaza i stali. Gospodarka Materiałowa i Logistyka, 1994, nr 10, s. 205÷209
• 10. Malenbaum W.: World demand for raw materials in 1985 and 2000. McGrow-Hill, New York, 1975
• 11. Rębiasz B.: Analiza stalochłonności PKB w Polsce w latach 1992–2001. Gospodarka Materiałowa i Logistyka, 2003, nr 1, s. 15÷18
• 12. Tilton J. E.: Beyond intensity of use. Materials and Society, vol. 10, 1986, no. 3, s. 245÷250
• 13. Crompton P.: Future trends in Japanese Steel consumption. Resources Policy, vol. 26, 2000, no. 2, s. 103÷114
• 14. Roberts M. C.: Predicting metal consumption: The case of US steel. Resources Policy, vol. 16, 1990, no.1, s. 56÷73
• 15. Rębiasz B.: Prognozowanie analogowe zużycia wyrobów hutniczych. Hutnik-Wiadomości Hutnicze, t. 70, 2003, nr 7, s 293÷297
• 16. Rószkiewicz M.: Metody ilościowe w badaniach marketingowych. Wydawnictwo PWN. Warszawa 2002
• 17. Tsujimo K., Nishida S.: Implementation and refinement of decision tree using neural network for hybrid knowledge acquisition. Artificial Intelligence in Engineering, 1995, nr 9, s. 265÷275
• 18. Quinlan J. R.: Induction of decision trees. Machine learning, vol. 27, 1986, no. 1, s. 81÷106
• 19. Last M., Maimon O.: A compact and accurate model for classification, IEEE Transactions of Knowledge and Data Engineering, t. 16, 2004, nr 2, s. 203÷215
• 20. Steel consumption by consuming branch.. Statistical Office of the European Union, EUROSTAT, London, 2002
• 21. Źródło danych stanowiły odpowiednie roczniki wydawnictw: The Steel Market, Rocznik statystyki międzynarodowej, Rocznik statystyczne poszczególnych krajów.