Criação da Base de Conhecimento

Conforme anunciado por ABEL e FIORINI(2013) a construção da base de conheci-

mento é composta por três etapas: aquisição do conhecimento, modelagem conceitual e representação do conhecimento.

As regras da base de conhecimento foram definidas consultando a literatura (IACRC. IN- TERNATIONAL ANTI-CORRUPTION RESOURCE CENTER., 2016), de onde foram selecionados 17 fatores de risco que compõem as regras. Os fatores de risco sele- cionados, que se encontram relacionados a seguir, são aqueles que se aplicam à legislação de compras governamentais brasileira (BRASIL,1993), e são passíveis de serem mensurados utilizando as informações disponíveis no Portal da Transparência

do Governo do Estado do Espírito Santo:

1) Contratações diretas com valor acima do limite de contratações diretas (R$ 15.000,00 para obras ou R$ 8.000,00 para demais serviços e aquisições, conforme Inc. I e II do art. 24 da Lei 8.666/93);

2) Contratações diretas com valor próximo do limite de contratações diretas (R$ 15.000,00 para obras ou R$ 8.000,00 para demais serviços e aquisições, conforme Inc. I e II do art. 24 da Lei 8.666/93);

3) Contratações diretas por dispensa com valor abaixo do limite legal (R$ 15.000,00 para obras ou R$ 8.000,00 para demais serviços e aquisições, conforme Inc. I e II do art. 24 da Lei 8.666/93), porém com aditivos de acréscimo que excedam tais limites;

4) Contratações com valor acima do limite permitido para a modalidade adotada (limites definidos no art. 23 da Lei 8.666/93. Ex: Uma obra com valor superior a R$ 1.500.000,00 licitada por tomada de preços);

5) Contratações com valor pouco abaixo do limite permitido para a modalidade adotada (limites definidos no art. 23 da Lei 8.666/93. Ex: Uma obra com valor pouco abaixo de R$ 1.500.000,00 licitada por tomada de preços);

6) Contratações com valor abaixo do limite permitido para a modalidade adotada, porém com aditivos de acréscimo que excedam tal limite (limites definidos no art. 23 da Lei 8.666/93);

7) Alterações contratuais qualitativas e quantitativas questionáveis, onerando desnecessa- riamente o contrato;

8) Longos e inexplicáveis atrasos entre a realização da licitação e a assinatura do contrato;

9) Licitação vencedora com valor acima do orçamento ou estimativas de custos;

10) Licitação vencedora com valor muito perto do orçamento ou estimativas de custos;

11) Contrato firmado com valor superior ao resultante da licitação;

12) Empresa contratada com uma má reputação de integridade (Ex: Inscrita em cadastros de fornecedores inidôneos e suspensos);

13) Grande disparidade entre os preços ofertados pelos 1º e 2º colocados (Somente um dos concorrentes tem conhecimento das reais necessidades);

14) Quantidade menor do que o número normal ou previsto de participantes;

16) Interposição de recursos pelos licitantes perdedores e desclassificados;

17) Adjudicação para outro licitante que não o de menor lance, em virtude de desclassifica- ção deste.

Posteriormente foi realizada a modelagem conceitual do conhecimento, quando as regras foram descritas no formato SE-ENTÃO. A Tabela4a seguir, descreve cada uma das regras que foram modeladas. Devido à similaridade no assunto de alguns fatores de risco, algumas regras podem se referir a mais de um fator de risco, evitando-se a criação de uma regra específica para cada fator de risco. Por exemplo, os fatores de risco “Contratações diretas por dispensa com valor abaixo do limite legal do limite de contratações diretas, porém com aditivos de acréscimo que excedam tais limites” e “Contratações com valor abaixo do limite permitido para a modalidade adotada, porém com aditivos de acréscimo que excedam tal limite” são fatores de risco similares pois possuem as mesmas variáveis de entrada para serem avaliadas, mudando apenas a modalidade da licitação. Diante disso, foi criada apenas uma regra para englobar os dois fatores de risco.

Tabela 4 – Modelagem conceitual das regras e fatores de risco associados

Regra Modelagem conceitual

Fatores de risco asso-

ciados

1

Se o valor do contrato ultrapassar o limite permitido para a modalidade adotada, então o risco é muito alto. Quanto mais abaixo do limite, menor será o risco.

1, 2, 4 e 5.

2

Se o valor original contratado não ultrapassa o limite permitido para a modalidade, mas existem aditivos de valor que

ultrapassam esse limite, então quanto maior o percentual que ultrapassar o limite, maior será o risco.

Regra Modelagem conceitual Fatores de risco associa- dos 3

Se um aditivo de acréscimo ultrapassar o limite permitido de aditivo, então haverá um risco muito alto.

Se o aditivo não ultrapassar o limite, então quanto menor o percentual de acréscimo, menor será o risco.

7

4

Se o tempo decorrido entre a abertura das propostas e a assinatura do contrato for grande, então quanto maior o prazo, maior será o risco.

8

5

Se o valor licitado ou contratado for mais alto que o valor previsto para a licitação, então o risco será muito alto. Se o valor licitado ou contratado for abaixo do valor previsto, então quanto maior a economia, menor será o risco.

9, 10 e 11.

6

Se a empresa contratada aparece em cadastros de empresas inidôneas, então quanto mais vezes ela aparecer nesses cadastros, maior será o risco.

12

7

Se houver grande disparidade de preços ofertados por licitantes distintos, então quanto maior for essa disparidade, maior será o risco.

13

8 Se houver poucos licitantes participando da licitação, então

quanto menor a competitividade, maior será o risco. 14

9

Se um fornecedor possuir mais de um contrato com o Governo, então quanto maior a quantidade de contratos que ele possuir, maior será o risco.

15

10

Se houver interposição de recursos em uma licitação, então quanto maior o percentual de participantes recorrentes, maior será o risco.

16

11 Se houver desclassificação de um licitante vencedor com

melhor proposta, então haverá risco. 17

Por fim, foi realizada a etapa de representação do conhecimento, em que as regras foram representadas utilizando uma linguagem processável por máquina. O Código 5.1 a seguir, escrito na linguagem Fuzzy Control (FCL), apresenta a regra nebulosa de número 5, que está associada aos fatores de risco de número 9, 10 e 11. Após a definição das funções de pertinência dos termos linguísticos, foi aplicado um questioná-

rio com outros Auditores do Estado, que também são especialistas no assunto, para a aquisição do conhecimento que possibilitou o refinamento das funções de pertinência.

Código 5.1 – Regras nebulosas do fator de risco de número 10

AND : MIN ; ACT : MIN ; ACCU : MAX;

RULE 1 : I F economia IS p r e j u i z o AND r e l e v a n c i a IS a l t a THEN p r o b a b i l i d a d e IS m u i t o _ a l t a ;

RULE 2 : I F economia IS m u i t o _ b a i x a AND r e l e v a n c i a IS a l t a THEN p r o b a b i l i d a d e IS m u i t o _ a l t a ;

RULE 3 : I F economia IS b a i x a AND r e l e v a n c i a IS a l t a THEN p r o b a b i l i d a d e IS a l t a ; RULE 4 : I F economia IS a c e i t a v e l AND r e l e v a n c i a IS a l t a THEN p r o b a b i l i d a d e i s

media ;

RULE 5 : I F economia IS p r e j u i z o AND r e l e v a n c i a IS media THEN p r o b a b i l i d a d e IS m u i t o _ a l t a ;

RULE 6 : I F economia IS m u i t o _ b a i x a AND r e l e v a n c i a IS media THEN p r o b a b i l i d a d e IS a l t a ;

RULE 7 : I F economia IS b a i x a AND r e l e v a n c i a IS media THEN p r o b a b i l i d a d e IS media ; RULE 8 : I F economia IS a c e i t a v e l AND r e l e v a n c i a IS media THEN p r o b a b i l i d a d e IS

b a i x a ;

RULE 9 : I F economia IS p r e j u i z o AND r e l e v a n c i a IS b a i x a THEN p r o b a b i l i d a d e IS m u i t o _ a l t a ;

RULE 10 : I F economia IS m u i t o _ b a i x a AND r e l e v a n c i a IS b a i x a THEN p r o b a b i l i d a d e IS media ;

RULE 11 : I F economia IS b a i x a AND r e l e v a n c i a IS b a i x a THEN p r o b a b i l i d a d e IS b a i x a ;

RULE 12 : I F economia IS a c e i t a v e l AND r e l e v a n c i a IS b a i x a THEN p r o b a b i l i d a d e IS m u i t o _ b a i x a ;

END_RULEBLOCK

Considerando que o modelo de inferências de Mamdani é o método mais comum na prática e na literatura (MAMDANI; ASSILIAN,1975apudROSS,2010) ele foi escolhido como modelo de inferências das regras. Para isso foi necessário definir alguns parâme- tros no bloco de regras. O primeiro (AND : MIN;) indica que o conector lógico “AND” corresponde ao operador “MIN” ou de intersecção. Implicitamente o conector lógico “OR” corresponde ao operador “MÁX” ou de união.

O segundo parâmetro definido (ACT : MIN;) indica que a regra utiliza o operador mínimo para a ativação (ou implicação). Por fim, o terceiro parâmetro (ACCU : MAX;) indica que a regra utiliza o operador máximo para a acumulação (ou agregação).

Por se tratar de uma base de conhecimento nebulosa, também foi necessário definir as funções de pertinência dos termos linguísticos das regras. Conforme relatado na seção 3.6.2, ROSS (2010) descreve seis procedimentos para criar funções de pertinência, que podem ser: por intuição, por inferência, por ordem de classificação, utilizando redes neurais, algoritmos genéticos, ou raciocínio indutivo.

Inicialmente, as funções de pertinência de todos os termos linguísticos foram definidas com base na intuição do autor, que é especialista no assunto, pois trabalha como Auditor do Estado na Secretaria de Estado de Controle e Transparência do Espírito Santo (SECONT). Posteriormente foi utilizado o procedimento por ordem de classi- ficação, aplicando um questionário com outros 17 (dezessete) Auditores do Estado

que também trabalham na SECONT, a fim de refinar as funções de pertinência dos termos linguísticos, combinando o conhecimento do autor com o conhecimento de outros especialistas no assunto.

O Código 5.2, a seguir, exibe as funções de pertinência das variáveis de entrada e saída do bloco de regras “economia_licitacao”, apresentadas no Código 5.1, da maneira que foram definidas inicialmente. A variável nebulosa “economia” representa o nível de economicidade de uma licitação. A variável nebulosa “relevância”, que representa o peso de um fator de risco no sistema baseado em conhecimento, foi definida inicialmente para todas as regras nebulosas com o valor 5.0 (alto). Ambas são variáveis de entrada do sistema.

Já a variável de saída “probabilidade”, representa o valor de classificação de risco de um fator de risco de probabilidade. Após a execução do sistema, os valores de classificação de risco de cada um dos fatores de risco de impacto e de probabilidade são somados para obter o valor total de risco de um determinado contrato.

Código 5.2 – Funções de pertinência das variáveis de entrada e saída do bloco de regras "eco- nomia licitacao" TERM p r e j u i z o : = ( −0.01 , 1 ) ( 0 . 0 , 0 ) ; TERM m u i t o _ b a i x a : = ( − 0 . 0 1 , 0 ) ( 0 . 0 , 1 ) ( 5 . 0 , 0 ) ; TERM b a i x a : = ( 1 . 0 , 0 ) ( 5 . 0 , 1 ) ( 1 0 . 0 , 0 ) ; TERM a c e i t a v e l : = ( 5 . 0 , 0 ) ( 1 0 . 0 , 1 ) ; END_FUZZIFY FUZZIFY r e l e v a n c i a TERM b a i x a : = ( 1 , 1 ) ( 3 , 0 ) ; TERM media : = ( 2 , 0 ) ( 3 , 1 ) ( 4 , 0 ) ; TERM a l t a : = ( 3 , 0 ) ( 5 , 1 ) ; END_FUZZIFY DEFUZZIFY p r o b a b i l i d a d e TERM m u i t o _ a l t a : = ( 0 . 8 , 0 ) ( 0 . 9 , 1 ) ( 1 , 1 ) ; TERM a l t a : = ( 0 . 6 , 0 ) ( 0 . 7 , 1 ) ( 0 . 8 , 0 ) ; TERM media : = ( 0 . 4 , 0 ) ( 0 . 5 , 1 ) ( 0 . 6 , 0 ) ; TERM b a i x a : = ( 0 . 2 , 0 ) ( 0 . 3 , 1 ) ( 0 . 4 , 0 ) ; TERM m u i t o _ b a i x a : = ( 0 . 0 , 1 ) ( 0 . 1 , 1 ) ( 0 . 2 , 0 ) ; METHOD : COG; DEFAULT : = 0 ; END_DEFUZZIFY

Uma vez que as funções de pertinência dos termos linguísticos foram definidas, foi necessário aplicar o questionário (apêndice B) com os demais especialistas, a fim de obter suas opiniões sobre os valores a serem atribuídos aos termos linguísticos. Porém, antes do questionário ser aplicado, foi necessário realizar a sua validação semântica, conforme será descrito na Seção 5.3.2.

Das respostas informadas na primeira parte do questionário, foi possível obter a relevância de cada um dos fatores de risco, calculando a média aritmética dos valores atribuídos pelos especialistas, e que foi utilizada para atribuir um peso às regras (as regras que possuem fator de risco mais relevante possuem maior peso). Já as respostas da segunda parte do questionário serviram para obter os valores de cada um

dos termos linguísticos, também calculando a média aritmética dos valores atribuídos pelos especialistas, e então refinar as suas funções de pertinência.

Antes do cálculo da média aritmética foi aplicado o método Tau modificado de Thompson para a detecção e remoção dos valores atípicos (outliers), conforme descrito na Seção 3.8.4. A Tabela5a seguir apresenta as respostas dos especialistas ao atribuir um valor ao termo nebuloso “muito baixa” para a variável nebulosa “economia”, antes e depois da remoção dos outliers. Dessa forma, ficou definido que uma economia será “muito baixa” com pertinência igual a 1 quando seu valor for igual ou inferior a 5%.

Tabela 5 – Respostas dos especialistas ao atribuir um valor ao termo nebuloso “muito baixa”.

Valores antes de remover outliers

Valores após remover outliers Especialista 1 5% 5% Especialista 2 10% Removido Especialista 3 5% 5% Especialista 4 1% Removido Especialista 5 5% 5% Especialista 6 5% 5% Especialista 7 5% 5% Especialista 8 2% Removido Especialista 9 3% Removido Especialista 10 5% 5% Especialista 11 5% 5% Especialista 12 10% Removido

Valores antes de remover outliers

Valores após remover outliers Especialista 13 5% 5% Especialista 14 5% 5% Especialista 15 5% 5% Especialista 16 3% Removido Especialista 17 5% 5% Média 4,94% 5%

O Código 5.3, a seguir, exibe as funções de pertinência das variáveis de entrada e saída do bloco de regras “economia_licitacao”, apresentado no Código 5.2, após aplicação do questionário com os especialistas e refinamento das funções. Após aplicação do questionário, a relevância da regra nebulosa foi calculada em 4.67 para valores licitados acima do valor estimado e 2.47 para valores licitados abaixo do valor estimado.

Código 5.3 – Funções de pertinência das variáveis de entrada e saída do bloco de regras “eco- nomia licitacao” após refinamento.

TERM p r e j u i z o : = ( −0.01 , 1 ) ( 0 . 0 , 0 ) ; TERM m u i t o _ b a i x a : = ( − 0 . 0 1 , 0 ) ( 0 . 0 , 1 ) ( 5 . 0 , 1 ) ( 8 . 0 , 0 ) ; TERM b a i x a : = ( 5 . 0 , 0 ) ( 8 . 0 , 1 ) ( 1 2 . 0 , 0 ) ; TERM a c e i t a v e l : = ( 8 . 0 , 0 ) ( 1 2 . 0 , 1 ) ; END_FUZZIFY FUZZIFY r e l e v a n c i a TERM b a i x a : = ( 1 , 1 ) ( 3 , 0 ) ; TERM media : = ( 2 , 0 ) ( 3 , 1 ) ( 4 , 0 ) ; TERM a l t a : = ( 3 , 0 ) ( 5 , 1 ) ; END_FUZZIFY DEFUZZIFY p r o b a b i l i d a d e TERM m u i t o _ a l t a : = ( 0 . 8 , 0 ) ( 0 . 9 , 1 ) ( 1 , 1 ) ; TERM a l t a : = ( 0 . 6 , 0 ) ( 0 . 7 , 1 ) ( 0 . 8 , 0 ) ; TERM media : = ( 0 . 4 , 0 ) ( 0 . 5 , 1 ) ( 0 . 6 , 0 ) ; TERM b a i x a : = ( 0 . 2 , 0 ) ( 0 . 3 , 1 ) ( 0 . 4 , 0 ) ; TERM m u i t o _ b a i x a : = ( 0 . 0 , 1 ) ( 0 . 1 , 1 ) ( 0 . 2 , 0 ) ; METHOD : COG; DEFAULT : = 0 ; END_DEFUZZIFY

O método de defuzzificação adotado para as variáveis de saída foi o centro de gra- vidade (ou centro de massa), por ser o mais prevalente dentre todos os métodos de defuzzificação existentes (ROSS,2010). Além disso,Alvino(2003), no estudo em que aplicou a lógica nebulosa para análise de risco em dutos, testou diversos métodos de defuzzificação e chegou à conclusão que o método do centro de massa apresentou os melhores resultados.

O parâmetro “METHOD : COG;”, presente no bloco “defuzzify” do Código 3.2, é res- ponsável por definir o método de defuzzificação adotado pela variável de saída.