Usando redes complexas na identificação de empresas fraudulentas em licitações públicas

  • Ane Karoline da Silva Pereira UERR
  • Yuran Moreira Vita UERR
  • Gardenya da Silva Felix TCERR
  • João Mateus Freitas Gimaque UERR
  • Marcos Luan Sousa Damasceno UERR
  • Bruno César Barreto de Figueirêdo UERR / TCERR

Resumo


Detectar esquemas fraudulentos em licitações públicas é um trabalho árduo, principalmente quando tais atos são costumazes, sendo inviável de forma manual. Este artigo propõe uma nova abordagem na identificação de empresas que se envolveram em conluios, utilizando redes complexas e medidas de centralidade tais como: Betweenness (BW), Eigenvector centrality (EV), PageRank (PR) e Weighted Degree (WD). O período de análise foi de janeiro de 2021 a junho de 2022, onde obteve-se uma precisão superior a 71% e uma acurácia de 68%, além da comprovação da relação entre os ganhos das empresas e as classificações fornecidas pelas centralidades por meio da aplicação das correlações de Pearson e Spearman.
Palavras-chave: Redes Complexas, Combate à Fraudes, Medidas de Centralidade e Licitações Públicas

Referências

Almeida, T., Nakamura, F. G., and Nakamura, E. F. (2017). Uma abordagem baseada em redes complexas para análise de depoimentos legais. In XXXVII Congresso da Sociedade Brasileira de Computação, pages 2482–2491.

Arnold, K., Gosling, J., and Holmes, D. (2000). The Java Programming Language. Addison Wesley Publishing Company.

Bavelas, A. (1950). Communication patterns in task-oriented groups. J Acoust Soc Am.

Beveridge, A. and Shan, J. (2016). Network of thrones. Math Horizons.

Bianconi, G. (2018). Multilayer Networks: Structure and Function. Oxford University Press.

Boccaletti, S., Latora, V., Moreno, Y., Chavez, M., and Hwang, D.-U. (2006). Complex networks: Structure and dynamics. Physics Reports, 424(4):175–308.

Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. J Math Sociol.

Bonacich, P. (2007). Some unique properties of eigenvector centrality. Soc Networks.

Carneiro, M. G. (2016). Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural. PhD thesis, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos.

Costa, C. and Aparicio, M. (2011). Using data mining to help auditors. In 17th International Business Information Management Association Conference, IBIMA 2011; Milan; Italy; 14 November 2011 through 15 November 2011; Code 106712, volume 4, pages 1864–1868.

Cunha, R. and Bugarin, M. S. (2014). Lei de benford e auditoria de obras públicas: Uma análise de sobrepreço na reforma do maracanã. Revista TCU, pages 48–53.

De Domenico, M., Solé-Ribalta, A., Cozzo, E., Kivelä, M., Moreno, Y., Porter, M. A., Gómez, S., and Arenas, A. (2013). Mathematical formulation of multilayer networks. Phys. Rev. X, 3:041022.

De Domenico, M., Sole-Ribalta, A., Gomez, S., and Arenas, A. (2014). Navigability of interconnected networks under random failures. Proceedings of the National Academy of Sciences, 111(23):8351–8356.

De Figueirêdo, B. C. B., Nakamura, F. G., and Nakamura, E. F. (2021). A group-based centrality for undirected multiplex networks: A case study of the brazilian car wash operation. IEEE Access, 9:81946–81956.

Figueiredo, B., Nakamura, F., Felix, G., and Nakamura, E. (2020). Usando análises sociais na identificação de nós relevantes em um cenário multi-redes: Operação licitante fantasma, um estudo de caso. In Anais do VIII Workshop de Computação Aplicada em Governo Eletrônico, pages 108–119, Porto Alegre, RS, Brasil. SBC.

Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Soc Networks.

Ghedini Ralha, C. and Sarmento Silva, C. V. (2012). A multi-agent data mining system for cartel detection in brazilian government procurement. Expert Systems with Applications, 39(14):11642–11656.

Hilary (2015). Centrality measures in multilayer networks. PhD thesis, University of Oxford.

Mankiw, N. G. and Taylor, M. P. (2011). Principles of Economics. 2th edition.

Otte, E. and Rousseau, R. (2002). Social network analysis: A powerful strategy, also for the information sciences. J Inf Sci.

Pearson, K. (1905). On the general theory of skew correlation and non-linear regression. Dulau and Co.

Scabini, L. F., Ribas, L. C., Neiva, M. B., Junior, A. G., Farfán, A. J., and Bruno, O. M. (2021). Social interaction layers in complex networks for the dynamical epidemic modeling of covid-19 in brazil. Physica A: Statistical Mechanics and its Applications, 564:125498.

Silva, C. V. S. and Ralha, C. G. (2010). Utilização de técnicas de mineração de dados como auxílio na detecção de cartéis em licitações. pages 1–14. XXX Congresso Da Sociedade Brasileira de Computação.

Solé-Ribalta, A., De Domenico, M., Gómez, S., and Arenas, A. (2016). Random walk centrality in interconnected multilayer networks. Physica D: Nonlinear Phenomena, 323-324:73–79. Nonlinear Dynamics on Interconnected Networks.

Spearman, C. (1904). The proof and measurement of association between two things. The American Journal of Psychology, 15(1):72–101.

Tu, X., Jiang, G., Song, Y., and Zhang, X. (2018). Novel multiplex pagerank in multilayer networks. IEEE Access, 6:12530–12538.
Publicado
31/07/2022
Como Citar

Selecione um Formato
PEREIRA, Ane Karoline da Silva; VITA, Yuran Moreira; FELIX, Gardenya da Silva; GIMAQUE, João Mateus Freitas; DAMASCENO, Marcos Luan Sousa; FIGUEIRÊDO, Bruno César Barreto de. Usando redes complexas na identificação de empresas fraudulentas em licitações públicas. In: WORKSHOP DE COMPUTAÇÃO APLICADA EM GOVERNO ELETRÔNICO (WCGE), 10. , 2022, Niterói. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 13-24. ISSN 2763-8723. DOI: https://doi.org/10.5753/wcge.2022.222704.