[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.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7629 |
Date | 29 December 2005 |
Creators | RODRIGO FLORA CALILI |
Contributors | REINALDO CASTRO SOUZA, REINALDO CASTRO SOUZA |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | English |
Type | TEXTO |
Page generated in 0.0014 seconds