Академический Документы
Профессиональный Документы
Культура Документы
negócios para
a detecção de
anomalias nos
registros de
abastecimento
de combustível
Conteúdo
Introdução
Referências teóricas
Preliminares
Metodologia proposta
Experimentos e Resultados
Conclusões
Introdução
Natural Gas
Vehicle GNV 72% 28%
Origina
à existência de pessoas sem escrúpulos
dedicadas ao contrabando
Model
Machine
learning
Anomalies
Introdução
ANH precisa gerenciar recursos inteligentes do
modelo proposto em [1].
Além de sua implementação em uma estrutura
aberta de fontes flexíveis às necessidades da
instituição no futuro.
ANH deve atualizar as anomalias nos registros de
combustível e também no controle de vendas de
combustível
A coleta e análise dessa informação, dado seu
caráter heterogêneo e seu volume é um
problema.
BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
Sistemas
de Suporte da "tomada de decisão
humana".
baseada no modelo de detecção de anomalia para
desenvolver uma ferramenta com fines de atingir
necessidades da ANH.
Level of
ADRF Dimensions Indicators
datail
TRUCKS
BUS
Diesel
VAN
TANK
CAR
Gasoline
MOTORCYCLE
VOLLET
Natural
Gas MINI BUS
Measures
MINI VAN
Maximun Global Anomaly
Maximun Local Anomaly VOLLET 2
Sum of Global Anomaly
Sum of Local Anomaly
2015 2016
Time
Conclusoes
• A proposta visa contribuir para a detecção de
anomalias no sistema RFID da Bolívia considerando
solução de BI devido à grande quantidade de
dados do modelo ADFR.
• Contribuição deste artigo ilustra a aplicabilidade
do uso do BI como uma ferramenta para tomar
decisões que detectam anomalias de
abastecimento, um problema real e sócio-
econômico na Bolívia.
• Foi possível analisar, projetar e construir as
tecnologias a partir de uma solução de BI:
ETL – OLAP – Cubos - Personalizar e Painel de controle
Sistema de
B-SYSA ADRF modelo Soporte de
desicão
Model
Machine
learning
Anomalies
References
[1] B. L. N. Fernando, G. A. Vanessa , C. S. Eduardo. Self-organizing Maps for
Anomaly Detection in fuel consumption. 4th IEEE Latin American Conference on
Computational Intelligence LA-CCI. (2017).
[2] S. David, "Data visualization and discovery for better business decisions." TDWI
Research, pages 30-31, 2013.
[3] D. Tarnaveanu, M. Muntean, ”Free Business Intelligence – An Easy and Reliable
Alternative”, Mathematical Models & Methods in Applied Sciences, WSEAS Press, pp.
158-164.
[4] M. Muntean., C. Brandas, ”Business Intelligence Support Systems and
Infrastructures”, Economy Informatics, 2007, No. 7, pp. 100-104, 2007.
[5] A. Butuza, I. Hauer, C. Muntean, A. Popa, ”Increasing the Business Performance
using Business Intelligence”, Analele Universităţii “Eftimie Murgu” Reşiţa, anul XVIII,
nr.3 , pp. 67-72, 2011.
[6] M. Mircea, A.I. Andreescu, ”Agile Development for Service Oriented Business
Intelligence Solutions”, Database Systems Journal, vol.II, no.1/2011.
[7] http://www.pentaho.com/.
[8] M. Golfarelli, ”Open Source BI Platforms: a Functional and Architectural
Comparison”, Proceeding DaWaK '09 Proceedings of the 11th International
Conference on Data Warehousing and Knowledge Discovery, pages 287 - 297.