MODELO PARA CLASSIFICAÇÃO DE FORNECEDORES DA ADMINISTRAÇÃO PÚBLICA BASEADO EM APRENDIZAGEM DE MÁQUINA SUPERVISIONADA

Abstract

Resumo Contratos públicos podem ser entendidos como ajustes realizados entre a Administração Pública e particulares, para a consecução de objetivos de interesse público, com regras e condições estabelecidas pela própria Administração (PIETRO, 1999). Em outras palavras, contratos públicos são realizados através de um modelo de compras públicas. No Brasil, respondem por mais de 19% do Produto Interno Bruto (PIB). O modelo de compras públicas passou, nas últimas décadas, por um processo de automação, com a criação do Portal de Compras Governamentais e a implantação de pregões eletrônicos. O crescimento do PIB nesse período foi acompanhado por uma elevação nos gastos públicos que reflete o aumento do número de contratos firmados e licitações ou compras diretas realizadas. Considerando o desafio das instituições de controle governamental brasileiras de garantir eficiência e regularidade desses processos, propõe-se neste trabalho um modelo computacional que utilize aprendizagem de máquina para a classificação de fornecedores públicos. Para o modelo proposto, baseado no problema de classificação binária, deverá aprender as características dos fornecedores considerados de baixo risco (bons) e dos fornecedores considerados de alto risco (ruins) e, com isso, classificar os novos fornecedores inseridos na base de dados dos fornecedores do TCE-PI. A base de dados utilizada foi fornecida pelo Tribunal de Contas do Estado do Piauí e é composta pela união de dados presentes em outras bases, como na Receita Federal, no Tribunal Superior Eleitoral e no Portal da Transparência. A abordagem utilizada nesse trabalho baseia-se em selecionar e preparar os dados presentes na base de dados dos fornecedores para, em seguida, realizar-se uma etapa de testes e uma etapa de desenvolvimento. Na etapa de testes são realizados vários experimentos com a ferramenta WEKA para fazer uma análise do melhor algoritmo a ser utilizado no problema de classificação. Nessa etapa, definiu-se como a melhor solução utilizar o algoritmo J48, que apresenta taxa de classificação superior a 82%, podendo, em alguns casos, chegar a 94%. Na etapa de desenvolvimento, foi efetivada a implementação do algoritmo J48 e do Sistema de Avaliação de Fornecedores (SAF) como produto final da pesquisa aplicada ao problema de classificação dos fornecedores. Abstract Public contracts can be understood as an agreement between the Public and Private Administration, for the achievement of public interest objectives, with the rules and conditions established by the Administration (PIETRO, 1999). In other words, public contracts are made by a model of public acquisition. In Brazil, public contracts account for more then 19% of Gross National Product (GNP). The model of public acquisition have been passed, in the last decades, the public acquisition model has undergone an automation process, with the creation of the Government Acquisition Portal and the implantation of electronic trading sessions. The GNP’s growth in this period was accompanied by a rise in public spending, which reflects in the increase in the number of contracts signed and biddings or direct purchases made. Considering the challenge of Brazilian governnment control institutions in ensuring efficiency and regularity ins these processes, it is proposed in this study a computational model that uses machine learning to public suppliers classification. To the proposed model, this model, based on the binary classification problem, should learn the characteristics of suppliers considered to be low-risk (good) and suppliers considered to be high-risk (bad) and thus be able to classify the new suppliers included in the suppliers database of TCE-PI. The database used was provided by the Court of Auditors of the State of Piauí and is composed by the union of data present in other bases, such as the Federal Revenue, The Superior Electoral Court and the Transparency Portal. The approach used in this work is based on the selection and preparation of the data present in the suppliers to, then, perform a test and development steps. In the test step several experiments are performed with the WEKA tool to make an analysis of the best algorithm to be used in the classification problem. In this step, the best solution was the implementation of the J48 algorithm, which has a classification rate of more than 82%, and in some cases may reach 94%. In the development stage, the implementation of the J48 algorithm was effected and the Supplier Evaluation System (SAF) was implemented as the final product of the research applied to the problem classification of suppliers.