Prova de Conceito de um Classificador de OPMEs em Notas Fiscais
Resumo
Contexto: Apesar do avanço da tecnologia, muitos serviços e sistemas de informação, especialmente no setor público, ainda utilizam descrições não estruturadas em linguagem natural de produtos, serviços ou eventos, dificultando suas classificações e análises. Para auditorias eficientes, é necessário classificar e totalizar automaticamente faturas emitidas para compra de produtos. Objetivo: Avaliar preliminarmente uma ferramenta, baseada em Inteligência Artificial (IA), o OPMinEr, para selecionar e classificar notas fiscais de OPMEs (Órteses, Próteses e Materiais Especiais). Método: Prova de conceito do OPMinEr. Resultados: Com uma acurácia de 99%, os resultados mostraram que é possível identificar e classificar OPMEs em notas fiscais. Conclusão: O uso de IA ajudou a mitigar o problema de classificação de notas, beneficiando processos de auditoria, investigação e combate à corrupção na área de saúde.
Referências
Carmo de Souza Cruz, R. a. (2022). Análise do impacto do Banco de Preços em Saúde (BPS) para redução das assimetrias de informação dos preços de compras de Órteses, Prótese e Materiais Especiais (OPME). JMPHC Journal of Manag. & Primary Health Care, 14.
Correa, M. A., & Leal, A. (2018). Identification of Overpricing in the Purchase of Medication by the Federal Government of Brazil, Using Text Mining and Clustering Based on Ontology. ICCBDC'18: Proceedings of the 2018 2nd International Conference on Cloud and Big Data Computing, 66-70. doi:10.1145/3264560.3264569
Cruz, R., Colaço Júnior, M., & Gois, V. 2022). Quão experimentais e estratégicas são as aplicações de Business Intelligence (BI) e Data Mining? ; HOW EXPERIMENTAL AND STRATEGIC ARE BUSINESS INTELLIGENCE (BI) AND DATA MINING APPLICATIONS? Revista Ibero-Americana de Estratégia, 21, e17689.
Gomes, W., & Colaço Júnior, M. (2022). Applications of Artificial Intelligence for Auditing and Classification of Incongruent Descriptions in Public Procurement. Proceedings of the Brazilian Symposium on Information Systems (pp. 1-8).
Ribeiro, L., Brandão, W., Marques, Í., Andrade, P., Júnior, R., Oliveira, F., & Kelles, R. (2018). Reconhecimento de entidades nomeadas em itens de produto da nota fiscal eletrônica., 36, pp. 116-126.
Santos, B., Colaço Júnior, M., Meneses Santos, R., & Nascimento, A. (2015). Análise Comparativa de Algoritmos de Mineração de Texto Aplicados a Históricos de Contas Públicas. Proceedings of the Brazilian Symposium on Information Systems.
Spichakova, M., & Haav, H.-m. (2020). Using Machine Learning for Automated Assessment of Misclassification of Goods for Fraud Detection., (pp. 144-158). doi:10.1007/978-3-030-57672-1_12
TCU. 2016). Auditoria em òrtese, Prótese e Materiais Especiais (OPME). Fonte: Portal TCU: [link].
