Application of the creeping trend model for forecasting of accident events in the steel industry in Poland

• Autorzy: Małysa Tomasz

Identyfikatory

DOI

10.29119/1641-3466.2023.170.19

• Języki publikacji: EN

Abstrakty

EN

Purpose: The aim of the study to assess the possibility of using the creeping trend model in the forecasting of accidents at work in the steel sector in Poland, was presented. Design/methodology/approach: A four-stage research methodology was used to analyze the accident rate trend in the steel sector, based on: collecting empirical data, forecasting (creeping trend model), qualitative assessment of forecasts and determining the direction of activities in the field of health and safety. Findings: Based on the conducted research, it was found that it is possible to use the creeping trend model in forecasting the number of persons injured in accidents at work. The forecasts and their acceptance based on the criteria adopted in the methodology of own work made it possible to determine the directions of activities in the field of occupational health and safety in the steel sector in Poland. Research limitation/implications: The conducted analyses were limited to statistical data published by Statistic Poland. Forecasts of the number of persons injured in accidents in the steel sector were possible to determine thanks to the forecasting process using the creeping trend model. The forecasts are subject to errors, which is why it is important to interpret them more broadly, taking into account the specificity of the industry being the subject of the analyses. Practical implications: The forecasts can be important information on health and safety issues for the steel sector in Poland. The use of the creeping trend model, with the fulfillment of methodological assumptions (qualitative ocean of forecasts), can be useful in determining the direction of OSH activities in enterprises. Social implications: The article addresses the issue of the occurrence of accidents at work, the implementation of effective preventive measures in order to reduce them. Originality/value: The article presents the possibility of using the creeping trend model in the forecasting of the total number of persons injured in accidents in the steel sector in Poland. The forecasts and trend analysis can provide information for employers and employees of health and safety services regarding the effectiveness of the implemented preventive measures.

Słowa kluczowe

EN

creeping trend model; forecasting; accidents at work; steel industry

PL

model trendu pełzającego; prognozowanie; wypadki przy pracy; przemysł stalowy

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
• Rocznik: 2023
• Tom: z. 170
• Strony: 313--324
• Opis fizyczny: Bibliogr. 46 poz.

Twórcy

autor

Małysa Tomasz

• Silesian University of Technology, Faculty of Materials Engineering, Department of Production Engineering

• https://orcid.org/0000-0002-9352-0528

Bibliografia

• 1. Casella, F. (2021). Can the COVID-19 epidemic be controlled on the basic of daily test reports? IEEE Control Systems Letters, vol. 5, no. 3, pp. 1079-1084, doi:10.1109/LCSYS.2020.3009912.
• 2. Chai, T., Draxler, R.R. (2014). Rot mean square error (RMSE) or mean absolute error (MAE)? Geoscientific Model Development Discussions, 7, pp. 1525-1534. doi: 15.5194/gmdd-7-1525-2014.
• 3. Cieślak, M. (2001). Prognozowanie gospodarcze. Metody i zastosowanie. Warsaw: PWN.
• 4. Czyżycki, T., Hundert, M., Klóska, R. (2006). Wybrane zagadnienia z prognozowania. Szczecin: Economicus.
• 5. Dittmann, P. (2003). Prognozowanie w przedsiębiorstwie. Cracow: Oficyna Ekonomiczna.
• 6. Florek, L. (2017). Prawo pracy. Warsaw: C.H. Beck.
• 7. Fu, L., Wang, X., Wang, D., Griffin, M.A., Li, P. (2020). Human and organizational factors within the public sectors for the prevention and control of epidemic. Safety Science, vol. 131, pp. 1-9, doi.org/10.1016/j.ssci.2020.104929.
• 8. Gajda, J.B. (2001). Prognozowanie i symulacja a decyzje gospodarcze. Warsaw: C.H. Beck.
• 9. Gajdzik, B., Szymszal, J. (2016). Prognostic modeling of changes in steel production in Poland until 2020. Prace Instytutu Metalurgii Żelaza, 4(68), pp. 26-33.
• 10. Gębalska-Kwicień, A., Żurakowski, Z. (2015). Potrzeba szkoleń z zakresu bezpieczeństwa i higieny pracy w przedsiębiorstwie w ocenie pracowników. Zeszyty Naukowe – Organizacja i Zarządzanie, vol. 77, pp. 85-91.
• 11. Goryl, A., Jędrzejczyk, Z., Kukuła, K., Osiewalski, J., Walkosz, A. (2004). Wprowadzenie do ekonometrii w przykładach i zadaniach. Warsaw: PWN.
• 12. Gworek, S., Utrata, A. (2005). Wykorzystanie predyktorów typu neutral network do prognozowania szeregów czasowych. Górnictwo i Geoinżynieria, 29(3), pp. 53-62.
• 13. Halicka, K., Winkowski, C. (2013). Wykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR. Ekonomia i Zarządzanie, vol. 2, pp. 70-80. doi: 10.12846/j.em.2013.02.05.
• 14. Hoła, B., Szóstak, M. (2017). Methodology of analysing the accident rate in the construction industry. Procedia Engineering, vol. 172, pp. 355-362. Retrieved from: https://doi.org/10.1016/j.proeng.2017.02.040, 20.12.2022.
• 15. Hong T., Pinson, P., Wang, Y., Weron, R., Yang, D., Zareipour, H. (2020). Energy forecasting: a review and outlook. IEEE Open Access Journal of Power and Energy, vol. 7, pp. 376-388. doi: 10.1109/OAJPE.2020.3029979.
• 16. Hyndman, R.J., Athanasopoulos, G. (2018). Forecasting: principles and practice. Melbourne, AustraliaŁ OTexts. Retrieved from: www.otexts.com/fpp2.
• 17. Iwaniejko, R., Bajer, J. (2012). Zastosowanie matematycznych modeli prognozowania uszkadzalności sieci wodociągowej na przykładzie Krakowa. Czasopismo Techniczne, 2(23), pp. 139-148.
• 18. Jacinto, C., Canoa, M., Guedes Soares, C. (2009). Workplace and organizational factor in accident analysis within the food industry. Safety Science, vol. 47, iss. 5, pp. 626-635. Retrieved from: https://doi.org/10.1016/j.ssci.2008.08.002.
• 19. Małysa, T., Szymszal, J., Gajdzik, B. (2021). Analiza wypadkowości w transporcie i gospodarce magazynowej w aspekcie poprawy bezpieczeństwa pracy. Gospodarka Materiałowa i Logistyka, no. 9, pp. 32-41.
• 20. Mróz, M. (2019). Prognoza wielkości przewozu ładunków transportem kolejowym w Polsce metodą wag harmonicznych. Gospodarka Materiałowa i Logistyka, no. 10, pp. 370-403. doi:10.33226/1231-2037.2019.10.24.
• 21. Mróz, M. (2021). Predykcja wielkości sprzedaży modelem Browna elementem rachunku ekonomicznego na przykładzie firmy Comarch. Gospodarka Materiałowa i Logistyka, no. 10, pp. 46-59. doi: 10.33226/1231-2037.2021.3.5.
• 22. Mularczyk, A. (2016). Prognozowanie wielkości produkcji energii elektrycznej z odnawialnych źródeł energii w Polsce. Zeszyty Naukowe Politechniki Śląskiej – Seria: Organizacja i Zarządzanie, 96, pp. 133-142.
• 23. Nazarko, J. (2018). Prognozowanie w zarządzaniu przedsiębiorstwem – cz. IV – Prognozowanie na podstawie modeli trendu. BiałystokŁ Wydawnictwo Politechniki Białostockiej.
• 24. Nowacki, K., Grabowska, S., Łakomy, K., Ocieczek, W. (2021). Occupational risk management at production plants in Poland during the Covid-19 pandemic. Management Systems in Production Engineering, vol. 29, iss. 3, pp. 193-202. doi: 10.2478/mape-2021-0024.
• 25. Nowak, E. (1998). Prognozowanie gospodarcze – metody, modele, zastosowania przykłady. Warsaw: Placet.
• 26. Piňosová, M., Andrejiova, M., Badida, M., Moravec, M. (2021). Occupational Disease as the Bane of Workers’ Lives: A Chronological Review of the Literature and Study of Its Development in Slovakia. Part 1. International Journal of Environmental Research and Public Health, vol. 18, 5910. Retrieved from: https://doi.org/10.3390/ijerph18115910.
• 27. Piotrowski, P., Marzecki, J. (2017). Ekspert kontra klasyczne metody prognostyczne w zadaniu prognozowania rocznego zapotrzebowania na energię elektryczną terenowych stacji transformatorowych SN/nN. Przegląd Elektryczny, no. 4, pp. 82-85. doi: 10.15199/48.2017.04.21.
• 28. Rozporządzenie Ministra Gospodarki z dnia 14 lipca 2010 r. w sprawie bezpieczeństwa i higieny pracy w hutnictwie żelaza i stali (Dz.U. 2010. 142.951).
• 29. Rozporządzenie Ministra Pracy i Polityki Socjalnej z dnia 26 września 1997 r. w sprawie ogólnych przepisów bhp (Dz.U. 2021.2088).
• 30. Rozporządzenie Ministra Rozwoju i Finansów z dnia 15 grudnia 2017 r. w sprawie bezpieczeństwa i higieny pracy w odlewniach metali (Dz.U. 2018.48).
• 31. Rozporządzenie Rady Ministrów z dnia 30 czerwca 2009 r. w sprawie chorób zawodowych (Dz.U. 2022.1836).
• 32. Rydlewska-Liszkowska, I. (2006). Costs of occupational diseases and accident at work in Poland. Medycyna Pracy, vol. 57, iss. 4, pp. 317-324.
• 33. Saniuk, S., Grabowska, S., Gajdzik, B. (2022). The state of SME enterprise in the face of the crisis caused by the Covid-19 epidemic. Cyber Physical Systems. USA: CRC Press, pp. 42-53.
• 34. Snarska, A. (2005). Statystyka. Ekonometria. Prognozowanie. Warsaw: Placet.
• 35. Sobczyk, M. (2008). Prognozowanie – teoria, przykłady, zadania. Warsaw: Placet.
• 36. Sojda, A. (2014). Analiza statystyczna wskaźników finansowych dla przedsiębiorstw górniczych. Zeszyty Naukowe Seria: Organizacja i Zarządzanie, vol. 68, pp. 255-264.
• 37. Sojka, E. (2016). Adaptive forecasting method in demographics. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, vol. 270, pp. 252-264.
• 38. Sopelsa Neto, N.F., Stefenon, S.F., Meyer, L.H., Ovejero, R.G., Leithardt, V.R.Q. (2022). Fault Prediction Based on Leakage Current in Contaminated Insulators Using Enhanced Time Series Forecasting Models. Sensors, vol. 22, 6121. Retrieved from: https://doi.org/10.3390/s22166121.
• 39. Sroka, W., Sulewski, P., Kocielska, U. (2008). Ocena przydatności wybranych metod do prognozowania plonów roślin. Roczniki Nauk Rolniczych, Seria G, 95(2), pp. 67-82.
• 40. Statistic Poland, www.stat.gov.pl.
• 41. Szilágyi, R., Verga, B., Géczi-Papp, R. (2016). Possible methods for price forecasting. MultiScience - XXX. microCAD International Multidisciplinary Scientific Conference, University of Miskolc, Hungary, 21-22 April 2016, doi: 10.26649/music.2016.135.
• 42. Uberman, R., Kulczycka, J., Cholewa, M. (2016). Potrzeba i możliwości prognozowania zapotrzebowania polskiej gospodarki na surowce mineralne. Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk, 96, pp. 323-344.
• 43. Usnar, S., Sut, N. (2009). General assessment of the occupational accidents that occurred in Turkey between the years 2005 and 2005. Safety Science, vol 47, iss. 5, pp. 614-619. doi: 10.1016/jssci2008.08.001.
• 44. Ustawa z dnia 30 października 2002 r. o ubezpieczeniu społecznym z tytułu wypadków przy pracy i chorób zawodowych (Dz.U. 2021, poz. 1621,1834).
• 45. Witkowska, D. (2006). Podstawy ekonometrii i teorii prognozowania. Cracow: Oficyna Ekonomiczna.
• 46. Zeliaś, A., Pawełek, B., Wanat, St. (2003). Prognozowanie ekonomiczne. Teoria, przykłady, zadania. Warsaw: PWN.

Uwagi

PL

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).