Descartelizando : uso de machine learning e estatística para detecção de indícios de cartel em processos licitatórios

Abstract

Resumo: Propõe-se, neste artigo, uma metodologia para detecção de indícios de cartel em licitações relativas à área de engenharia, considerando a gestão municipal paranaense de 2013 a 2016. A partir de dados públicos e de técnicas estatísticas e de machine learning, buscou-se identificar mercados de licitação, encontrar regras de associação mediante a atuação conjunta e frequente de empresas e criar um indicador de risco de cartel. Os resultados apontaram três mercados de licitação compostos por regiões vizinhas, identificados via técnica k-means. Além disso, considerando o algoritmo Apriori e o estado do Paraná, 245 potenciais carteis foram encontrados e avaliados com base em seu sucesso contratual. Cerca de 5,4% do total de licitações tiveram a aplicação de pelo menos uma regra, perfazendo uma média de risco de cartel de 0,838. Por fim, a partir da rede neural SOM, observou-se uma associação negativa entre o risco de cartel e o número de participantes da licitação, indicando que ambientes com poucos competidores contribuem para atuações colusivas.

Abstract: This article proposes a methodology for detecting signs of cartel in bidding processes related to engineering area, considering the municipal management of Paraná from 2013 to 2016. Based on public data and statistical and machine learning techniques, we sought to identify bidding markets, find association rules through joint and frequent performance of companies and create a indicator of cartel risk. The results pointed out three bidding markets composed of neighboring regions, identified through the k-means technique. In addition, considering the Apriori algorithm and the state of Paraná, 245 potential cartels were found and evaluated based on their contractual success. About 5.4% of the total biddings had the application of at least one rule, resulting in an average cartel risk of 0.838. Finally, from the SOM neural network, a negative association was observed between the cartel risk and the number of companies in the bidding, indicating that environments with few competitors contribute to collusive actions.