Machine learning aplicado no problema de perdas com créditos de uma distribuidora de energia elétrica

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRosa, Marcelo de Oliveira-
Autor(es): dc.contributorRosa, Marcelo de Oliveira-
Autor(es): dc.contributorZatesk, Leandro Miranda-
Autor(es): dc.contributorBerardi, Rita Cristina Galarraga-
Autor(es): dc.creatorCordeiro, Jelson Andre-
Data de aceite: dc.date.accessioned2022-08-04T20:20:17Z-
Data de disponibilização: dc.date.available2022-08-04T20:20:17Z-
Data de envio: dc.date.issued2022-04-14-
Data de envio: dc.date.issued2022-04-14-
Data de envio: dc.date.issued2021-07-19-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/28043-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706935-
Descrição: dc.descriptionAllowance for Doubtful Accounts (AFDA) in companies is an attractive field for investigation due to the percentage of profits it represents. The objective of this work is to find a machine learning model to predict which day the customer will pay the invoice in order to maximize the company’s profit. To evaluate the proposed methodology, experiments were carried out using real data from customer invoices. The results of the models were compared with each other and a statistical analysis was carried out to verify if there was a significant difference between them. The results indicate that it is promising to apply the proposed model to the problem of Estimated Losses on Loan Losses.-
Descrição: dc.descriptionAs Perdas Estimadas em Créditos de Liquidação Duvidosa nas empresas é um campo atraente para investigação devido ao percentual dos lucros que representa. O objetivo deste trabalho é encontrar um modelo de aprendizagem de máquina para predizer em que dia o cliente irá pagar a fatura visando maximizar o lucro da empresa. Para avaliar a metodologia proposta foram realizados experimentos utilizando dados reais de faturas dos clientes. Os resultados dos modelos foram comparados entre si e realizado a análise estatística para verificar se existe diferença significativa entre eles. Os resultados alcançados indicam que é promissora a aplicação da modelagem proposta.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência de Dados e suas Aplicações-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectAnálise de regressão-
Palavras-chave: dc.subjectCréditos-
Palavras-chave: dc.subjectEnergia elétrica - Distribuição-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectRegression analysis-
Palavras-chave: dc.subjectCredit-
Palavras-chave: dc.subjectElectric power distribution-
Palavras-chave: dc.subjectCNPQ::CIENCIAS DA SAUDE-
Título: dc.titleMachine learning aplicado no problema de perdas com créditos de uma distribuidora de energia elétrica-
Título: dc.titleMachine learning applied to the problem of doubtful accounts of a electric energy utility company-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.