Skip navigation
Universidade Federal da Bahia |
Repositório Institucional da UFBA
Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/28860
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorMartinez, Luciana-
dc.contributor.authorAraújo, Renata Valente de-
dc.creatorAraújo, Renata Valente de-
dc.date.accessioned2019-03-15T13:17:40Z-
dc.date.available2019-03-15T13:17:40Z-
dc.date.issued2019-03-15-
dc.date.submitted2016-
dc.identifier.urihttp://repositorio.ufba.br/ri/handle/ri/28860-
dc.description.abstractA 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.isopt_BRpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRegressão Logísticapt_BR
dc.subjectRedes Neuraispt_BR
dc.subjectInadimplênciapt_BR
dc.subjectCoeficiente de correlação de Pearsonpt_BR
dc.subjectAnálise de componentes principaispt_BR
dc.titleProposta de melhoria de efetividade de ações de cobrança através da aplicação de métodos quantitativospt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor-coMoreira, Fernando Augusto-
dc.contributor.refereesGarcia, Cláudio Osnei-
dc.contributor.refereesBastos, Paulo Roberto Ferreira de Moura-
dc.contributor.refereesAraújo, Humberto Xavier-
dc.publisher.departamentEscola Politécnicapt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFBApt_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqEngenharia Elétricapt_BR
Aparece nas coleções:Dissertação (PPEE)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
RENATA VALENTE DE ARAUJO.pdf12,4 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.