Utilização de dados pela auditoria para prevenção de fraudes no processo de recebimento de madeira de fomento.

Abstract

O abastecimento de madeira para as indústrias de papel e celulose é uma atividade essencial que requer uma logística eficiente para garantir a continuidade da produção. Nesse contexto, a medição precisa do volume de madeira entregue é crucial para garantir transações justas e evitar perdas financeiras devido a práticas fraudulentas. Este trabalho aborda o desenvolvimento de um modelo de classificação de fraudes no processo de medição de madeira, com foco na distinção entre medições legítimas e fraudulentas. Para atingir esse objetivo, foram utilizadas técnicas de aprendizado de máquina, incluindo regressão linear e redes neurais, para analisar e classificar os dados de medição. Os resultados indicaram que a rede neural MLP superou a regressão linear em termos de precisão e capacidade de detecção de fraudes. A matriz de confusão revelou uma baixa taxa de erros de classificação, validando a eficácia do modelo proposto. Este estudo demonstra o potencial das técnicas de aprendizado de máquina para melhorar a eficiência e a precisão na detecção de fraudes no processo de medição de madeira, contribuindo para aprimorar a gestão e a integridade das operações florestais. Como trabalhos futuros, sugere-se a expansão da análise com a inclusão de novas variáveis, bem como a identificação de outros métodos de aprendizado de máquina para aprimorar o desempenho do modelo de classificação de fraudes.