A produção do conhecimento científico sobre hierarchical time series forecasting: uma abordagem bibliométrica

• Gontijo, Tiago Silveira ^[2] ; Nepomuceno, Ana Luiza Jentzsch ^[1] ; Paiva, Bruna Peralva Lima ^[1] ; Santis, Rodrigo Barbosa de ^[1] ; Groppo, Gustavo de Souza ^[1] ; Costa, Marcelo Azevedo ^[1]
  1. [1] Universidade Federal de Minas Gerais

     Universidade Federal de Minas Gerais

     Brasil

     
  2. [2] Universidade Federal de São João del-Rei, Campus Centro Oeste - UFSJ-CCO.
• Localización: Brazilian Journal of Production Engineering - BJPE, ISSN-e 2447-5580, Vol. 10, Nº. 1, 2024 (Ejemplar dedicado a: Número Regular (Janeiro - Março)), págs. 24-35
• Idioma: portugués
• Títulos paralelos:
  • La producción de conocimiento científico sobre la pronóstica de series tiempo jerarquicas: un enfoque bibliométrico
  • The production of scientific knowledge about hierarchical time series forecasting: a bibliometric approach
• Enlaces
  • Texto completo
• Resumen
  • español

    Los estudios sobre series de tiempo jerárquicas han llamado la atención en la literatura. En general, una serie temporal jerárquica consiste en un conjunto de información recopilada a lo largo del tiempo, que se organiza mediante agrupaciones como ubicación geográfica, tipo de producto y otros atributos, por ejemplo. Este artículo realizó, de manera pionera, una investigación bibliométrica sobre todas las publicaciones indexadas en la base de datos Web of Science, en series temporales jerárquicas, durante el período de 1996 a 2020. Es de destacar que el crecimiento anual de las publicaciones sobre este tema es equivalente al 13,45% y que Estados Unidos de América se destaca como el mayor polo de producción de conocimiento sobre series jerárquicas, concentrando aproximadamente el 30% de la investigación. Finalmente, se encontró que los métodos híbridos para la conciliación óptima de pronósticos, basados en algoritmos de aprendizaje automático, han sido recurrentes en las investigaciones actuales.

  • English

    Studies on hierarchical time series have attracted the attention of the literature. In general, a hierarchical time series consists of the set of information collected during a certain period, which is organized through groups such as geographic location, type of product and other attributes, for example. Due to the relevance of this theme, this article pioneered bibliometric research on all publications indexed by the Web of Science, on hierarchical time series, from 1996 to 2020. It is noteworthy that the annual growth of publications on this topic is equal to 13.45% and that the United States of America stands out as the largest producer of knowledge on hierarchical series, concentrating approximately 30% of research. Finally, it was found that hybrid methods for optimal reconciliation of predictions, based on machine learning algorithms have been recurrent in current research.

  • português

    Os estudos sobre as séries temporais hierárquicas (hierarchical time series forecasting) têm despertado a atenção da literatura. Em geral, uma série temporal hierárquica consiste em um conjunto de informações coletadas no tempo, as quais estão organizadas através de agrupamentos como a localização geográfica, o tipo de produto e outros atributos, por exemplo. O presente artigo realizou de maneira pioneira uma pesquisa bibliométrica acerca de todas as publicações indexadas junto à base da Web of Science, sobre as séries temporais hierárquicas, durante o período de 1996 a 2020. Destaca-se que o crescimento anual das publicações sobre esse tema é igual a 13.45% e que os Estados Unidos da América se destacam como o maior polo produtor de conhecimentos sobre as séries hierárquicas, concentrando aproximadamente 30% das pesquisas. Por fim, verificou-se que métodos híbridos para a reconciliação ótima de previsões, baseadas em algoritmos de machine learning tem sido recorrentes em pesquisas atuais.