Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/13396
Título: Aplicação de tecnicas de mineração de dados para detectar fraudes na rede de distribuição de energia elétrica
Título(s) alternativo(s): Aplication of techniques of data mining to detect fraud on electricity distribution networks
Autor(es): Rocha, Diogo Viana
Orientador(es): Sepulveda, Gloria Patricia Lopez
Palavras-chave: Inteligência computacional
Banco de dados
Fraude - Prevenção
Computational intelligence
Data bases
Fraud - Prevention
Data do documento: 16-Nov-2016
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Medianeira
Citação: ROCHA, Diogo Viana. Aplicação de técnicas de mineração de dados para detectar fraudes na rede de distribuição de energia elétrica. 2016. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Medianeira, 2016.
Resumo: É utilizada a inteligência computacional mediante o uso de um modelo de mineração de dados baseado no processo de descoberta de conhecimento em base de dados, também conhecido como KDD. Este modelo tem como objetivo auxiliar na resolução de um dos grandes problemas enfrentado pelas empresas concessionárias de energia elétrica em todo Brasil, que é o caso da identificação de usuários fraudulentos nas redes de distribuição de energia elétrica. Neste trabalho, o objetivo foi realizar a identificação de usuários que fazem algum tipo de fraude nas redes de distribuição de energia elétrica, visando reduzir as perdas de energias oriundas de fraudes e diminuir a quantia dos gastos com inspeções em campo. No desenvolvimento desta pesquisa, foram estudadas várias técnicas e algoritmos de mineração de dados, dentre eles foram escolhidos os algoritmos de maquinas de vetor de suporte e árvores de decisão, os quais foram gerenciados através do software de mineração de dados WEKA, este software permite realizar o treinamento e validação dos algoritmos de mineração de dados para serem utilizado no processo de identificação dos usuários que devem ser inspecionados. Neste trabalho são descritas as técnicas de mineração de dados utilizadas e, é descrito o estudo de caso de uma empresa concessionária de energia elétrica, onde foi praticada a seleção de usuários a serem inspecionados por suspeita de fraude segundo a indicação dos modelos de mineração de dados utilizados durante a pesquisa. Os resultados obtidos demostraram ser satisfatórios quando avaliados com as inspeções realizadas em campo.
Abstract: Computational intelligence is used through the application of a data mining model based on the process of knowledge discovery in databases, known as KDD. The model purpose is assist in solving one of the major problem faced by concessionaries of electric distribution throughout Brazil, which is the case of identifying fraudulent users on the electricity distribution networks. In this work, the objective is to identify user who do any type of fraud in the electricity distribution networks, seeking to reduce the losses due frauds and decrease the amount of spending time with inspections in the field. At the development of this research, were studied several techniques and algorithms of data mining, among them were chosen the algorithms of support vector machines and decision trees, which were managed through the WEKA data mining software, this software enables the training and validation of various data mining algorithms, to be used in the process of identifying user that must be inspected. This paper describes the data mining techniques that were used and also describes the case of study of an electric distribution company, where were applied the selection of users to be inspected due suspicion of fraud according to models of data mining used in this research. The results where satisfactory when evaluated with inspections in the field.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/13396
Aparece nas coleções:MD - Tecnologia em Análise e Desenvolvimento de Sistemas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MD_COADS_2016_2_01.pdf1,54 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.