Banca de QUALIFICAÇÃO: FERNANDA RODRIGUES PAULO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: FERNANDA RODRIGUES PAULO
DATA: 18/02/2020
HORA: 09:00
LOCAL: Laboratório GICA/UFPB
TÍTULO: SISTEMA DE DETECÇÃO DE FRAUDE EM UNIDADES CONSUMIDORAS DE ENERGIA DO GRUPO B BASEADO EM TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL
PALAVRAS-CHAVES: Perdas comerciais. Perdas não técnicas. Fraude de energia. Classificação de padrões. Aprendizado de máquina. Inteligência Artificial. Detecção de fraude. Recuperação de consumo.
PÁGINAS: 83
RESUMO: A perda de energia devido a fraude e furto apresenta um grande impacto nas empresas de distribuição de energia. Estima-se que em 2018 cerca de 310 TWh foram destinados a alimentação de ligações e medições irregulares no Brasil, aproximadamente R$ 9 bilhões de prejuízo para as distribuidoras. Para a concessionária de estudo, são observadas dificuldades para a detecção de fraudes, devido, principalmente, ao volume de dados e a limitação de encontrar padrões sem uma ferramenta estruturada. Considerando esse cenário, propõe-se o desenvolvimento de uma metodologia automatizada para detecção de fraude em clientes da baixa tensão, não telemedidos, com a utilização de ferramentas de inteligência artificial. Foram extraídas informações do banco de dados da empresa, gerados atributos, selecionadas as principais variáveis e, então, avaliados os modelos. Uma das variáveis propostas como alternativa à principal regra utilizada para geração de listas de inspeção compara a média de consumo da unidade com os vizinhos geográficos mais próximos com características de porte semelhantes. Os testes teóricos realizados apontaram uma precisão 67% superior a metodologia anterior. Além disso, a nova variável se mostrou mais coerente e com maior alcance. As técnicas de aprendizado de máquina testadas incluíram: LDA, Árvore de Decisão, Support Vector Machine, Random Forest, Redes Neurais Artificiais e Gradient Boosting, em que as três últimas obtiveram um maior destaque. Em testes teóricos, foi possível obter uma precisão de 35% com o modelo do Random Forest, o que ultrapassa os indicadores da empresa em 218% para listas de inspeções com base em regras de redução de consumo. Novas pesquisas envolvem a busca por melhorar a metodologia proposta de modo que seja obtido o melhor custo benefício para a empresa. Isso será feito através de geração de novas variáveis, seleção automática de atributos, alteração de parâmetros das técnicas e desenvolvimento de um indicador de avaliação de modelos. Além disso, a metodologia proposta será aplicada a base da empresa para classificação das unidades e serão enviadas inspeções para verificar o resultado em campo do trabalho.
MEMBROS DA BANCA:
Interno - 1984771 - HELON DAVID DE MACEDO BRAZ
Externo à Instituição - IVANOVITCH MEDEIROS DANTAS DA SILVA
Presidente - 1972280 - JUAN MOISES MAURICIO VILLANUEVA