Logística/Técnicas de previsão/Previsão baseada em regras

A previsão baseada em regras, Rule Based Forecating (RBF), é um sistema pericial que utiliza o conhecimento do domínio para combinar as previsões de vários métodos de extrapolação, ou seja, utiliza decisões estruturadas para adaptar os métodos de extrapolação às situações e o conhecimento sobre previsões adquirido pela investigação ao longo da última metade do século XX. As ponderações que se devem atribuir às previsões são feitas através da utilização de regras de produção (if-then). Para identificar as características da situação e ajustar as ponderações de maneira a coincidir as características com os pressupostos subjacentes aos métodos, recorre-se à parte condicional (if) das regras (Armstrong et al., 2001, p. 260).

Quando esta técnica se baseia no conhecimento do domínio e este for importante, a série temporal tiver um bom comportamento, houver uma forte tendência nos dados e o horizonte de previsão for dilatado, torna-se particularmente útil. As previsões RBF têm um erro associado, que em condições ideais é um terço menor do que o da combinação de pesos iguais, e não se verificando é idêntico ao atingido com a utilização de outros métodos. Algumas das regras da RBF podem ser utilizadas conjuntamente com procedimentos de extrapolação tradicionais (Armstrong et al., 2001, p. 259).

A metodologia RBF baseia-se em três aspectos fundamentais, recolha do conhecimento, formulação das regras e o ajuste dos elementos. Relativamente à recolha do conhecimento, deve-se utilizar a perícia na elaboração de previsões para obter conhecimento sobre as regras e protocolos para identificar conhecimentos sobre as regras. Na formulação das regras devem-se considerar os seguintes aspectos: considerar a tendência e a amplitude separadamente, utilizar métodos de extrapolação simples, combinar previsões, utilizar modelos diferentes para previsões a curto e longo prazo e amortecer a tendência à medida que o horizonte temporal aumenta. Os ajustes efectuados aos elementos da RBF devem ser feitos tanto nas regras associadas ao if, como nas do then. Nas regras associadas ao if deve-se decompor as séries temporais caso seja possível elaborar previsões tão bem como para as séries alvo, recorrer às características dos dados históricos das séries temporais e utilizar o conhecimento do domínio para descrever as condições que afectaram ou afectarão as séries temporais e para ajustar as observações aos eventos. Por sua vez, as regras associadas ao then necessitam de recorrer á extrapolação de todas as tendências para reforçar as séries, atribuir pouca importância a tendências em séries opostas, não utilizar a tendência histórica caso as tendências esperadas sejam opostas às tendências estimadas historicamente, utilizar uma estimativa conservadora da tendência caso as tendências básica e recente sejam inconsistentes, efectuar o ajuste dos pesos da extrapolação ao intervalo de tempo das séries e da estimativa do nível na direcção implícita nas forças causais, e por fim deve-se dar mais peso à última observação quando se estima os níveis para um modelo a curto prazo, particularmente na presença de descontinuidades(Armstrong et al., 2001, p. 260-272).

A maior desvantagem desta técnica é o facto de apresentar um custo elevado relativamente aos métodos normais de extrapolação. Todavia, esta consegue ser menos dispendiosa que os métodos econométricos. Uma outra desvantagem desta técnica está relacionada com o facto de utilizar dados históricos, uma vez que implica que as regras impostas tenham de ser cuidadosamente calibradas para esses dados (Armstrong et al., 2001, p. 275).

Os resultados empíricos obtidos em múltiplos conjuntos de séries temporais demonstram que a RBF apresenta previsões mais precisas do que as extrapolações obtidas pelos métodos tradicionais (Armstrong et al., 2001, p. 259).