Prognostic autoregressive modeling of steel production in Poland

• Autorzy: Gajdzik B. , Szymszal J.

Identyfikatory

DOI

10.15199/24.2017.2.4

Warianty tytułu

PL

Prognostyczny model autoregresyjny produkcji stali w Polsce

• Języki publikacji: EN

Abstrakty

EN

The publication presents the prognostic modeling of steel production in Poland by 2020. Based on the general framework predicting, was made an attempt to adjust the model to empirical data, which were the size of steel production in Poland in the years 1990−2015. Applied prediction based on the autoregressive model AR (1, 3, 4) and (1, 4). Prediction exante (for the years 2016 to 2020) indicates that over the next 5 years (until 2020) should be an decrease in steel production by approx. 200−300 thousand tons according to steel production in 2015.

PL

W publikacji zaprezentowano prognostyczny model zmian w produkcji stali do 2020 roku. Model powstał na podstawie danych empirycznych (ze źródeł statystycznych) obrazujących wolumen produkcji stali w latach 1990−2015. Zbudowano modele autoregresyjne AR (1, 3, 4) i AR (1, 4). Przewidywania ex-ante (na lata 2016−2020) obejmowały 5 lat (do 2020 roku) i pozwoliły ustalić nieznaczne wahania spadkowe o około 200−300 tys. ton. w stosunku do produkcji stali w 2015 roku.

Słowa kluczowe

EN

steel production; prognostic modeling; autoregressive model

PL

produkcja stali; prognostyczne modelowanie; model autoregresyjny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2017
• Tom: Vol. 84, nr 2
• Strony: 102--105
• Opis fizyczny: Bibliogr. 12 poz., fig., tab.

Twórcy

autor

Gajdzik B.

• Politechnika Śląska, Wydział Inżynierii Materiałowej i Metalurgii, Katedra Inżynierii Produkcji,

autor

Szymszal J.

• Politechnika Śląska, Wydział Inżynierii Materiałowej i Metalurgii, Katedra Inżynierii Produkcji,

Bibliografia

• [1] Borowiecki Ryszard, Nalepka Adam. 2003. Restructuring in company functions and development, [w:] Ryszard Borowiecki (ed). 2003. Management of restructuring process in economy, Difin, Warszawa : 76 (in Polish).
• [2] Gajdzik Bożena. 2013. „The road of Polish steelworks towards market success – changes after restructuring process” Metalurgija 3 (52) : 421-424.
• [3] Garbarz Bogdan. 2008. „Postęp technologiczny w hutnictwie zgodny z zasadą zrównoważonego rozwoju”, Prace IMŻ, 3 : 1-7.
• [4] Matthews Austin. 2006. „The steel plant of the future: Future iron and steelmaking together with upstream marketable products” Ironmaking and Steelmaking, t. 33 (5): 367.
• [5] Papież Monika, Śmiech Sławomir. 2012. „Wykorzystanie modelu SVECM do badania zależności pomiędzy cenami surowców a cenami stali na rynku europejskim w latach 2003-2011” Przegląd Statystyczny R. LIX – zeszyt 4 : 504-524.
• [6] Piechociński Janusz. Steel consumption in Poland incerase to 20 M mt until 2020 (in Polish): http://hutnictwo.wnp. pl/piechocinski-zuzycie-stali-w-polsce-wzrosnie-do-20-mln-ton-w-2020-r,253634_1_0_1.html
• [7] Snarska Agnieszka 2005. Statistics, Econometrics, Prognosis. Warszawa : Placet (in Polish)
• [8] Szymszal Jan, Blacha Leszek, 2005. Optimal decisions in metallurgy and materials Engineering. Gliwice : The Silesian University of Technology (in Polish).
• [9] Szymszal Jan, Piątkowski Jarosław, Gierek Adam, Pucka Arkadiusz. 2006. „Using autoregressive model to prognosis in metallurgy”, Archiwum Odlewnictwa, 18 (6) : 39-44 (in Polish).
• [10] UE, Bruksela, 11.06. 2013. European steel industry – good future: http://europa.eu/rapid/press-release_MEMO-13-523_pl.htm; http://www.salesnews.pl/ Article.aspx?id=1303
• [11] Worldsteel Short Range Outlook 2015 – 2016. https://www. worldsteel.org/media-centre/press-releases/2015/worldsteel-Short-Range-Outlook-2015---2016.html
• [12] World steel in figures 2015, World Steel Association 2015: worldsteel.org

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).