كشف تقلب در بيمه بدنه خودرو با بهره‎مندي از سيستم خبره فازي

Fraud Detection Using a Fuzzy Expert System in Motor Insurance

صاحب‎نظران صنعت بيمه معتقدند تقلب، بلاي خانمان‎سوز اين صنعت خواهد بود. روش هاي گوناگوني طي سال‎ها براي كشف تقلب به‎كار گرفته شده است كه يكي از آنها، سيستم خبره فازي نام دارد. سيستم هاي خبره شناسايي تقلب با تكيه بر پايگاه دانشي كه مستخرج از خبرگان است، به شناسايي تقلب مي پردازند. البته به‎دليل ماهيت پنهان پديده تقلب، دانش و قضاوت خبرگان مبتني بر شواهد و اطلاعات كيفي است كه اغلب واژه‌هاي كلامي را براي توصيف رفتار متقلبانه به‎كار مي برند. در مدل ارايه‎شده، از ميان 61 معيار كمي و كيفي شناسايي‎شده كشف تقلب در بيمه بدنه خودرو، بر اساس نظر خبرگان 17 معيار كه از اولويت بالايي برخوردار بودند، در قالب هشت عامل دسته‎بندي شدند. در سيستم پيشنهادي براي استنتاج فازي، از الگوريتم ممداني استفاده شده است. در نهايت پس از طراحي و پياده‎سازي سيستم در يكي از شركت‎هاي بيمه خصوصي ايران، اعتبار آن از طريق پرسشنامه سنجيده شد و اعتبار كلي سيستم 45/69 درصد به‎دست آمد. درصد محاسبه‎شده مويد اين نكته است كه مدل پيشنهادي به ميزان شايان توجهي از قابليت شناسايي تقلب برخوردار است.

Insurance industry experts believe that fraud is a destructive disaster in the insurance industry. Over the years, many methods have been used in the literature for fraud detection, one of which is expert systems. Fraud detection expert systems are based on the knowledge of experts in the field of insurance identifies fraud. Judgment of experts is mostly based on evidence, documents, qualitative information which is often presented in verbal words to describe the fraudulent behavior. In the presented model, 61 qualitative and quantitative criteria related to the detection of fraud in car insurance were identified. Then, these criteria were prioritized according to expert opinion and 17 criteria with the highest priority classified into eight factors were selected. In the suggested system fuzzy inference was performed using Mamdani algorithm. Finally, the designed system was implemented to an Iranian private insurance company and the validity of the system assessed by a questionnaire and came up to 69.45%. The obtained results indicate that the proposed model is able to detect the fraud quite significantly.