[pt] Os modelos matemáticos comumente usados na identificação de irregularidades na medição se baseiam na análise da redução percentual do consumo do mês (normalmente de 20% a 30%) em relação aos meses anteriores. Este método tem gerado resultados imprecisos uma vez que considera o valor do consumo como um valor rígido e, portanto, não incorpora o efeito da sazonalidade na tipologia das cargas das unidades consumidoras. Este trabalho tem o intuito de melhorar a identificação de clientes fraudulentos utilizando métodos de inteligência artificial, tais como Redes Neurais e Lógica Fuzzy, implementados a um banco de dados de cadastro da Distribuidora de Energia ELEKTRO e a uma Pesquisa de Posses e Hábitos de Consumo (PPH) feita nesta mesma empresa. Nesta dissertação, o objetivo foi classificar um grupo de consumidores como normal (adimplente), inadimplente e fraudulento. Para tanto, foi feita inicialmente uma clusterização utilizando uma Rede Neural, mais especificamente uma Rede de Kohonen, para o banco de dados de cadastro disponibilizado pela distribuidora. Tomando os grupos desta classificação prévia feita pela Rede identificaram-se quais e quantos destes tiveram PPH´s realizadas. Para se ter a classificação de um grupo quanto a incidência de consumidores normais, inadimplentes e fraudulentos utilizou-se um processo de Análise Fuzzy, o qual identifica os clusters com os consumidores de cada um dos segmentos. É feita uma análise de desempenho do modelo proposto com dados reais fornecidos pela empresa, na qual os resultados apontaram para uma robustez do método. / [en] Mathematical models commonly used to identify irregularities in measurement are based on percentile reduction analysis of the monthly consumption (normally from 20% to 30%) in relation to the previous months. This method tends to generate imprecise results, since it considers the value of the consumption as a rigid value and, therefore, it does not incorporate the seasonal effect in the loads topology of the consumer units. This work has intention to improve the identification of fraudulent customers using artificial intelligence methods, such as Neural Networks and Fuzzy Logic, implemented to a database of consumers of ELEKTRO a distributing utility of São Paulo State, Brazil. It also uses information on appliances ownership obtained via market research in ELEKTRO area, named PPH (Portuguese for this particular type of market research). In this dissertation, the main objective was to classify a group of consumers as solvent, insolvent and fraudulent. In order to achieve this task, a clustering was initially made using a Neural Network framework, more specifically a Kohonen Network, for the database available. It was then checked which of the groups had a minimum number of clients interviewed in the PPH. In order to have the classification of the clients in the three categories it was used Fuzzy Analysis. Selected data is also presented, considering the available database of the Company as well as the research environment, which had been taken from the PPH. Finally, it was checked the performance of the method against real data obtained from the utility and the results were very satisfactory.