P02IBDIA Forecast
Forecasting, Séries Temporais, Anomalias e Inteligência Preditiva
Núcleos ligados
- N01Inteligência Artificial e Dados, relação central
- N02Geotecnologias e Aplicações
- N03Saúde e Biomedicina, colaboração potencial
- N04Indústria e Manufatura, colaboração potencial
- N05Cidades Inteligentes e Infraestrutura, colaboração potencial
- N06Meio Ambiente e Clima, colaboração potencial
- N07Defesa e Segurança
- N08Educação e Capacitação
- N09Políticas Públicas e Sociedade
- N10Inovação Aberta e Startups, colaboração potencial
- N11Agronegócio e Agricultura Digital, colaboração potencial
- N12Energia e Recursos Naturais, colaboração potencial
Preenchido: relação central. Tracejado: colaboração potencial.
Missão e propósito
Desenvolver uma base metodológica e tecnológica reutilizável para previsão, detecção de anomalias e apoio a decisões em múltiplos domínios, evitando criar um modelo completamente novo para cada setor.
Perguntas estratégicas de pesquisa
- Q1Quais modelos entregam melhor equilíbrio entre precisão, explicabilidade, custo e robustez por tipo de série?
- Q2Como automatizar seleção de modelos, backtesting, intervalos de confiança e monitoramento de drift?
- Q3Como integrar previsão e detecção de anomalias em um engine reutilizável?
- Q4Como transferir métodos entre varejo, indústria, ambiente, infraestrutura, agro e energia sem perder validade?
Linhas de pesquisa
- Forecasting estatístico e ML/DL
- Modelos probabilísticos e intervalos de previsão
- Hierarchical forecasting
- Detecção de anomalias
- Causalidade e variáveis exógenas quando adequadas
- AutoML para séries temporais
- Drift e monitoramento
- Forecasting espacial e espaçotemporal
Projetos e ativos iniciais
| Projeto ou ativo | Escopo | Prioridade | Destino |
|---|---|---|---|
| Forecast Engine | Biblioteca e serviço comum de treinamento, backtesting e inferência | P0/P1 | Technology Core |
| Forecast AI | Produto genérico de previsão e análise | P2 | IBDIA Intelligence |
| Benchmarks setoriais | Comparação de métodos em diferentes domínios | P2 | Conhecimento e benchmark |
| Anomaly Engine | Detecção de desvios em séries e sensores | P1/P2 | Technology Core |
Prioridade P0 a P3 conforme o Caderno dos Programas. Projetos podem ser pausados, reformulados, incorporados ou arquivados sem extinguir o Programa.
Roadmap 2026-2030
- 2026
Especificação, baseline e arquitetura do Engine.
- 2027
Engine, MVP Forecast AI e primeiro benchmark.
- 2028
Pilotos setoriais e integração com outros produtos.
- 2029
Verticais e monitoramento avançado.
- 2030
Produto e serviço maduros e biblioteca metodológica consolidada.
Entregáveis esperados
Forecast Engine, Anomaly Engine, benchmarks, relatórios de backtesting, APIs, Forecast AI, Model Cards, estudos setoriais e pilotos.
Datasets e fontes de dados
Séries públicas e de parceiros sobre vendas, demanda, sensores, clima, hidrologia, energia, produção e outros domínios. Devem conter temporalidade, granularidade, missingness, sazonalidade e eventos documentados.
Indicadores
Erro por horizonte e baseline; cobertura de intervalos; estabilidade; tempo de treinamento e inferência; número de domínios validados; reutilização; pilotos; drift detectado; publicações.
Riscos e pontos de atenção
Overfitting; leakage temporal; séries curtas; mudanças estruturais; métricas inadequadas; previsões apresentadas sem incerteza; transferência indevida entre domínios.