کشف الگوی ناهنجاری در بازرسی سطح بازار با راه کار ترکیبی داده کاوی و تصمیم گیری چند معیاره (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
بازرسی از واحدهای اقتصادی یکی از بازوهای تنظیم بازار جهت برقراری آرامش و ثبات در آن است. کارایی فرایند بازرسی به کاهش جرائم، افزایش اعتماد عمومی به حاکمیت و احقاق حقوق مردم منجر خواهد شد. از این رو بررسی صحت عملکرد بازرسان به کمک داده های شکل گرفته از بازرسی های آنان در سامانه یکپارچه مدیریت بازرسی کشور (سیمبا) و کشف رفتارهای متقلبانه و آسیب زا در بازرسی ها همچون بازرسی های صوری، نقشی کلیدی در صیانت از اعتماد شکل گرفته در مردم و اثربخشی این فعل ایفا خواهد کرد. با درک وجود خلاء تحقیقاتی در تحلیل و بررسی داده های بازرسی به منظور رصد عملکرد بازرسان و کشف الگوهای رفتاری غیرمتعارف آنان در ثبت نتایج بازرسی ها، پژوهش حاضر به دنبال شناسایی الگوی بازرسی های صوری و به صورت خاص بازرسی های صورت گرفته حول شکایات و گزارش های مردمی و شناسایی بازرسان متخلف است. کشف رفتار غیرمتعارف و متقلبانه بازرسان با تحلیل 1518 ردیف داده ی عملکردی بازرسان با به کارگیری الگوریتم های کا-میانگین برای خوشه بندی و درخت تصمیم، رگرسیون لجستیک، بیز ساده و ماشین بردار پشتیبان به منظور دسته بندی دنبال شد. در ادامه ضمن انجام ارزیابی های درونی و بیرونی برای سنجش کیفیت نتایج، از روش های علم تصمیم با چاشنی نظر خبرگان برای غنی سازی بعد کاربردی پژوهش و حصول لیستی از بازرسان متقلب استفاده گردید که نتیجتاً 9 بازرس به عنوان بازرسان متخلف شناسایی و ناهنجاری از نوع جمعی تشخیص داده شد. در پایان نیز به منظور پیشگیری از بروز رفتارهای متقلبانه در دورزدن سامانه بازرسی، راه کارهای سیستمی و پیشنهادهای مدیریتی ارائه گردید.Anomaly Detection in Inspection: A Hybrid Data Mining and MCDM Approach
trust growth in government and justice. Therefore, Simba inspection software data analysis, in order to detect and prevent inspectors' anomaly patterns, can insure the public trust and effectiveness of inspections. Based on a research gap identified in the research area, 1518 performance data were analyzed to detect anomalies. K-means clustering and classifications by decision tree, logistic regression, naïve bayes and support vector machine were employed to detect fraud, of which decision tree and logistic regression were better than others. Then the results synthesized with 243000 inspection report data analysis. In order to enhance practical side of research, data mining and decision science techniques were employed to find the fraudsters. As a result, collective anomaly detected and nine inspectors were identified as fraudsters. Lastly, IT-based solutions like software redesign and managerial tips were mentioned.
تبلیغات
