DETECÇÃO DE CARTÉIS EM LICITAÇÕES PÚBLICAS COM AGENTES DE MINERAÇÃO DE DADOS

Ano: 2011 | Volume: 10 | Número: 1

Autores: Carlos Vinícius Sarmento Silva, Célia Ghedini Ralha

Palavras-chave: auditoria governamental, mineração de dados, sistema multiagente, agentes de mineração

Resumo Português:

A Controladoria-Geral da União (CGU), como órgão central do sistema de controle interno do Poder Executivo Federal do Brasil é responsável pela realização de atividades de auditoria e fiscalização, visando à prevenção e o combate à corrupção. No entanto, algumas atividades como a detecção de cartéis em licitações é limitada, pela dificuldade de encontrar soluções efetivas em grande volume de bases de dados com milhões de registros de transações financeiras. Nesta seara, algumas áreas de Ciência da Computa-ção apresentam bons resultados no processo de descoberta de conhecimento com uso de técnicas de mineração de dados, tais como classificação, clusterização e regras de associação, as quais, associadas à área de Sistema Multiagente, ampliam o poder de processamento de forma distribuída e interativa com agentes de mineração de dados. Neste sentido, esta pesquisa utiliza agentes de mineração de dados com regras de associação e clusterização para a solução do problema de detecção de cartéis em licita-ções. Como resultado da pesquisa foram descobertas mais de cem regras de associação, das quais dez apresentam fortes indícios de cartelização, comprovando a utilidade da abordagem como suporte ao trabalho de auditoria governamental.

Resumo Inglês:

The Office of the Comptroller General (CGU), as the central agency of Brazil's Federal Government Internal Control is responsible for the fiscalization and auditing to fight and prevent corruption. However, some activities such as government purchasing fraud detection are limited by the difficulty of finding effective solutions, considering the huge volume of data, with millions of finantial registers. In such a context, the proccess of knowledge discovery may take advantage of Data Mining techniques, including classification, clusterization and association rules; which associated to multiagent system enrich the processing power through the interation and distribuiton of data mining agents. Thus, this research work used data mining agents with association rules and clusterization techniques to identify cartels, acting in fraud detection. As a research result, more than one hundred association rules were discovered, of which ten have strong evidence of cartelization, proving the usefulness of the approach to support the work of government auditing.