Campo DC | Valor | Idioma |
dc.contributor.advisor | Martinez, Luciana | - |
dc.contributor.author | Araújo, Renata Valente de | - |
dc.creator | Araújo, Renata Valente de | - |
dc.date.accessioned | 2019-03-15T13:17:40Z | - |
dc.date.available | 2019-03-15T13:17:40Z | - |
dc.date.issued | 2019-03-15 | - |
dc.date.submitted | 2016 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/28860 | - |
dc.description.abstract | A Agência Nacional de Energia Elétrica (ANEEL) reconheceu uma inadimplência
regulatória de 0,97% no ano de 2015. Perdas financeiras acima deste valor impactam diretamente
nos resultados das distribuidoras de energia elétrica. Além disso, as ações de cobrança não são
remuneradas pela tarifa de energia elétrica, portanto são aplicadas mediante uma expectativa de
retorno financeiro. Sendo assim, o orçamento previsto para as ações de cobrança deve ser
direcionado às melhores oportunidades de recuperação de créditos.
O presente trabalho pretende contribuir na otimização do retorno da ação de cobrança por
meio da análise do perfil de inadimplência dos consumidores da Companhia de Eletricidade do
Estado da Bahia (COELBA), possibilitando a identificação das características dos seus clientes
acionados, de forma a estabelecer critérios de seleção baseados no potencial real de recuperação.
Dados comerciais de consumidores residenciais foram utilizados para selecionar variáveis
com poder explicativo do fenômeno da inadimplência de energia elétrica do estado da Bahia. A
identificação e análise destas variáveis por meio do conceito de coeficiente de correlação de
Pearson e da análise de componentes principais foram os primeiros passos para a construção e
operação dos modelos de apoio à tomada de decisão em favor do combate a inadimplência.
Nos modelos de seleção de consumidores, foram utilizadas as ferramentas de regressão
logística e de redes neurais. Com relação à eficiência financeira, os modelos de Regressão
Logística e Redes Neurais apresentaram respectivamente R$4,71 e R$3,69 recuperados para cada
R$1,00 investido em ações de cobrança, enquanto o universo real de estudo tem como resultado
R$1,62. Aplicando o teste KS aos modelos de regressão logística e de redes neurais, verifica-se
capacidades de discriminação muito boas, com KS de 52% e 69%, respectivamente.
Sendo assim, o trabalho desenvolvido contribui para o ganho de competitividade nas
concessionárias de energia elétrica em uma área ainda de pouca pesquisa no setor elétrico. Os
métodos propostos foram comparadas entre si e aos resultados reais, apresentando melhoria na
eficiência global das ações de cobrança, ressaltando que a adoção de quaisquer das soluções propostas traria bons resultados à distribuidora de energia elétrica. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Regressão Logística | pt_BR |
dc.subject | Redes Neurais | pt_BR |
dc.subject | Inadimplência | pt_BR |
dc.subject | Coeficiente de correlação de Pearson | pt_BR |
dc.subject | Análise de componentes principais | pt_BR |
dc.title | Proposta de melhoria de efetividade de ações de cobrança através da aplicação de métodos quantitativos | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor-co | Moreira, Fernando Augusto | - |
dc.contributor.referees | Garcia, Cláudio Osnei | - |
dc.contributor.referees | Bastos, Paulo Roberto Ferreira de Moura | - |
dc.contributor.referees | Araújo, Humberto Xavier | - |
dc.publisher.departament | Escola Politécnica | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.subject.cnpq | Engenharia Elétrica | pt_BR |
Aparece nas coleções: | Dissertação (PPEE)
|