Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020064607 - PROCÉDÉ MIS EN ŒUVRE PAR ORDINATEUR DE DÉTECTION DE FRAUDES DANS LA CONSOMMATION D'UN SERVICE PUBLIC

Numéro de publication WO/2020/064607
Date de publication 02.04.2020
N° de la demande internationale PCT/EP2019/075485
Date du dépôt international 23.09.2019
CIB
G01D 4/00 2006.01
GPHYSIQUE
01MÉTROLOGIE; TESTS
DMESURE NON SPÉCIALEMENT ADAPTÉE À UNE VARIABLE PARTICULIÈRE; DISPOSITIONS NON COUVERTES PAR UNE SEULE DES AUTRES SOUS-CLASSES POUR MESURER PLUSIEURS VARIABLES; APPAREILS COMPTEURS À TARIFS; DISPOSITIONS POUR LE TRANSFERT OU LA TRANSDUCTION DE MESURE NON SPÉCIALEMENT ADAPTÉES À UNE VARIABLE PARTICULIÈRE; MESURES OU TESTS NON PRÉVUS AILLEURS
4Appareils compteurs à tarif
G06Q 50/06 2012.01
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
50Systèmes ou procédés spécialement adaptés à un secteur particulier d’activité économique, p.ex. aux services d’utilité publique ou au tourisme
06Fourniture d'électricité, de gaz ou d'eau
CPC
G01D 4/004
GPHYSICS
01MEASURING; TESTING
DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
4Tariff metering apparatus
002Remote reading of utility meters
004Remote reading of utility meters to a fixed location
G06Q 50/06
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
50Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
06Electricity, gas or water supply
Déposants
  • SUEZ GROUPE [FR]/[FR]
Inventeurs
  • CLAUDIO, Karim
  • LECLERC, Cyril
Mandataires
  • SUGRAÑES PATENTES Y MARCAS
Données relatives à la priorité
18196566.625.09.2018EP
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) COMPUTER-IMPLEMENTED METHOD FOR DETECTING CONSUMERS COMMITTING FRAUD IN THE CONSUMPTION OF A UTILITY
(FR) PROCÉDÉ MIS EN ŒUVRE PAR ORDINATEUR DE DÉTECTION DE FRAUDES DANS LA CONSOMMATION D'UN SERVICE PUBLIC
Abrégé
(EN)
The invention relates to a computer-implemented method for detecting fraud by a consumer in the consumption of a utility, such as water, when an abnormal event in a utility distribution network is detected, comprising obtaining consumption readings (a1, a2, a3, a4) of the utility of the consumer; generating a time-series forecasting model (â1, â2, â3, â4) of the consumption of the consumer; calculating prediction errors (e1, e2, e3, e4) between the time-series forecasting model and the consumption readings before and after the abnormal event; clustering the prediction errors (C1, C2, C3) in time sequences; and detecting that the consumer is potentially committing fraud if the number of clusters of prediction errors is more than one.
(FR)
L'invention concerne un procédé mis en œuvre par ordinateur de détection d'une fraude par un consommateur dans la consommation d'un service public, tel que l'eau, lorsqu'un événement anormal dans un réseau de distribution de service public est détecté, comprenant l'obtention de relevés de consommation (a1, a2, a3, a4) du service public du consommateur ; la génération d'un modèle de prévision chronologique (â1, â2, â3, â4) de la consommation du consommateur ; le calcul d'erreurs de prédiction (e1, e2, e3, e4) entre le modèle de prévision de série chronologique et les relevés de consommation avant et après l'événement anormal ; le regroupement des erreurs de prédiction (C1. C2. C3) dans des séquences temporelles ; et la détection que le consommateur commet potentiellement une fraude si le nombre de groupes d'erreurs de prédiction est supérieur à un.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international