Estatística determinística
ATIVAHHI, recorrência, participação e contratação direta.
Estatística explicável agora; Isolation Forest somente quando a base atingir critérios mínimos de volume e diversidade.
HHI, recorrência, participação e contratação direta.
Rede bipartida órgão↔fornecedor e centralidade por grau.
Detecção não supervisionada de comportamento multivariado atípico.
Não será usada sem ganho metodológico demonstrável.
O limite de 500 contratações é um guardrail operacional inicial, não uma constante científica. O treino só será habilitado após volume e diversidade mínimos; depois o limiar será validado experimentalmente.
O catálogo fica visível para que o método seja auditável e reproduzível.
Valor homologado conhecido do resultado/contratação.
Desvio do valor em relação ao grupo comparável; será ativado com coortes suficientes.
Concentração de fornecedores no órgão.
Participação do fornecedor nos resultados do órgão.
Frequência do par órgão↔fornecedor.
Quantidade de órgãos distintos conectados ao fornecedor.
Quantidade de fornecedores distintos conectados ao órgão.
Modalidade de contratação.
Indicador de dispensa/inexigibilidade.
Número de fornecedores distintos no órgão/coorte.
Repetição em janelas temporais; preparada para a fase de treino.
Feature futura para objetos semelhantes em janelas curtas.
Cada conexão representa ao menos um resultado homologado entre um órgão e um fornecedor.
Não possuímos rótulos confiáveis de fraude/não fraude para treinamento supervisionado.
Isolation Forest é não supervisionado: procura observações mais fáceis de isolar no espaço multivariado.
O modelo produzirá score e percentil de anomalia, nunca uma classificação automática de fraude.
O score será acompanhado por HHI, recorrência, participação, modalidade, valor relativo e relações de grafo.
Compararemos anomalias do ML com sinais determinísticos e revisaremos casos extremos manualmente.
Versão do modelo, data de treino, features e parâmetros deverão ser persistidos para reprodutibilidade.
Anomalia estatística não implica ilegalidade, dolo, fraude ou dano ao erário.
Ao atingir os critérios, a próxima etapa treinará o primeiro modelo e exibirá as anomalias no painel.