You are on page 1of 8

Rozdział I

Zastosowanie technik sztucznej inteligencji w
hybrydowym systemie windykacji ubezpieczeniowej
Streszczenie. Proces windykacji należności jest procesem złożonym oraz
kosztownym. Praca osoby próbującej odzyskać zaległe należności w dużej
mierze oparta jest na doświadczeniu, zdobytym w ciągu wieloletniej pracy.
Odejście eksperta z działu windykacji powoduje bezpowrotną utratę wiedzy
na temat skutecznych sposobów windykacji różnorodnych typów należności.
Zebranie niezbędnej wiedzy i doświadczenia przez nowego pracownika może
zająć wiele czasu, co z kolei może narazić instytucję windykacyjną na
znaczne straty finansowe. Straty mogą wynikać z tworzenia nieskutecznych
bądź nieekonomicznych harmonogramów do spraw windykacyjnych. W
pierwszym przypadku powstały harmonogram nie prowadzi do odzyskania
należności, w drugim zaś, koszt działań przewidzianych w harmonogramie
jest znaczy, co może sprawić, że windykacja należności staje się nieopła-
calna. Oszacowanie skuteczności akcji windykacyjnej, czyli stwierdzenie jak
duże są szanse na zakończenie windykacji należności powodzeniem, można
uzyskać poprzez stworzenie modułu opartego na sieci neuronowej. Przedsta-
wienie skuteczności działań windykacyjnych dla różnych harmonogramów
stosowanych w przeszłości można otrzymać, używając metod CBR (Case
Based Reasoning).
1 Windykacja należności w ubezpieczeniach
Towarzystwa Ubezpieczeń oferują klientom możliwość ochrony życia, zdrowia lub mienia
w zamian za płatną jednorazowo lub z ustaloną częstotliwością składkę. Ubezpieczenia
będące w ofercie Towarzystw można podzielić na ubezpieczenia obowiązkowe oraz do-
browolne. Z ubezpieczeń obligatoryjnych zobowiązani są korzystać wszyscy Ci, którzy swą
działalnością zawodową lub prywatną mogą przyczynić się do powstania znacznych szkód
na rzecz osób trzecich. Do tej grupy należą na przykład rolnicy, którzy winni są ubezpie-
czyć się od odpowiedzialności cywilnej z tytułu posiadania gospodarstwa rolnego oraz
zabudowań gospodarczych od ognia i innych zdarzeń losowych, radcy prawni, ubezpie-
czający się od odpowiedzialności cywilnej, ale także wszyscy posiadacze pojazdów
mechanicznych.
Wykupienie ubezpieczenia obowiązkowego oznacza zobowiązania do regularnego
opłacania składek ubezpieczeniowych w wysokości i przez okres zadeklarowany w umowie
ubezpieczeniowej (polisie). W przypadku ubezpieczeń obligatoryjnych, Towarzystwo
Konrad Marciniak: Atena Sp. z o. o., ul. Rzemieślnicza 33, 81-855 Sopot, Polska
email: konrad.marciniak@atena.pl
K. Marciniak
gwarantuje ochronę ubezpieczeniową do końca okresu ubezpieczenia nawet wtedy, gdy
ubezpieczający (płatnik składek) nie opłaca składek regularnie. W celu odzyskania
zaległych składek Towarzystwo tworzy różnorodne procedury umożliwiające skuteczną
windykację należności. Poniższy schemat przedstawia czas życia polisy (może to być np.
polisa z OC komunikacyjnym) oraz przypisanej do niej sprawy windykacyjnej.
Rys. 1. Na osi czasu zaznaczono etapy życia jednorocznej polisy majątkowej z
ubezpieczeniem obligatoryjnym oraz sprawy windykacyjnej. Składki opłacane są z
częstotliwością kwartalną. Ubezpieczający opłacił dwie pierwsze składki. Proces
windykacji należności (dwóch zaległych składek) rozpoczyna się po zakończeniu okresu
ochrony i może trwać nawet kilka lat. W tym czasie Windykator podejmuje różnorodne
działania mające na celu skłonienie dłużnika do wpłaty zaległych składek. Po niepomyślny-
m zakończeniu procesu windykacji (Ubezpieczający nie uregulował zaległych należności),
Towarzystwo opłaca zaległe składki z odpowiedniego funduszu rezerw
2 Koncepcja systemu ekspertowego
2.1 Ocena możliwości windykacji dłużnika
Oszacowanie skuteczności akcji windykacyjnej, czyli stwierdzenie jak duże są szanse na
zakończenie windykacji należności powodzeniem, można uzyskać poprzez stworzenie
modułu opartego na sieci neuronowej. W trakcie procesu uczenia, sieć jest w stanie
uzyskać zdolność klasyfikowania różnorodnych przypadków na takie, które rokują większe
albo mniejsze nadzieje na odzyskanie należności.
Interpretację wyników otrzymywanych dla poszczególnych przypadków z nauczonej sieci
można przeprowadzić za pomocą elementów logiki rozmytej.
2.2 Wybór optymalnego harmonogramu
Przedstawienie skuteczności działań windykacyjnych dla różnych harmonogramów
stosowanych w przeszłości można otrzymać, używając metod CBR (Case Base Reasonig).
Metoda CBR polega na analizie problemu w kontekście przypadków historycznych i
wybraniu tych, które w możliwie najlepszy sposób aproksymują dany przypadek.
2
Zastosowanie technik sztucznej inteligencji w hybrydowym system
2.2.1 Metoda CBR w windykacji należności
Zastosowanie metody CBR przy wyborze optymalnego harmonogramu dla danej sprawy
windykacyjnej polega na przeszukaniu zbioru zamkniętych spraw (zakończonych
sukcesem) i wybraniu sprawy najbardziej podobnej do rozpatrywanej i przypisaniu do
sprawy rozpatrywanej harmonogramu znalezionej sprawy. Metoda CBR zakłada bowiem,
że dla podobnych problemów (w naszym przypadku: podobnych spraw) istnieją podobne
rozwiązania (w naszym przypadku: podobne harmonogramy).
Rys. 2. Nowa (Sprawa) windykacyjna opisana jest zbiorem atrybutów (A_1, A_2, ..., A_N).
W (Bazie Wiedzy) przechowywane są zamknięte sprawy windykacyjne wraz z ich
harmonogramami. Harmonogram składa się z działań windykacyjnych (D_1, D_2, ...,
D_K(s)). Harmonogram, a co za tym idzie, liczba działań uzależniony jest od sprawy.
W pierwszej kolejności należy określić miarę podobieństwa dwóch spraw
windykacyjnych. Każda sprawa opisana jest wektorem wartości atrybutów. Można więc za
miarę przyjąć odległość euklidesową pomiędzy sprawami:
( )

·
− × ·
l
k
jk ik k s s
a a w DIS
j i
1
2
(1)
gdzie:
S s s
j i
∈ , - sprawy windykacyjne ( S - zbiór spraw windykacyjnych)
( )
il i i i
a a a s ,..., ,
2 1
· (2)
( )
jl j j j
a a a s ,..., ,
2 1
· (3)
R a
ik
∈ , R a
jk
∈ dla l k ,..., 2 , 1 · , wartościami poszczególnych atrybutów sprawy
l - liczba atrybutów sprawy
3
K. Marciniak
R w
k
∈ dla l k ,..., 2 , 1 · , jest stopniem ważności poszczególnych cech
2.2.2 Optymalizacja wag
Fundamentalną wielkością podaną we wzorze na odległość między dwiema sprawami
jest waga, określająca ważność poszczególnych atrybutów sprawy. Wagi mogą być
definiowane na wiele sposobów. Mogą być definiowane manualnie przez eksperta,
wyznaczone przez różne metody statystyczne albo przez mechanizmy oparte na AI.
Szczególnie wydaje okazują się algorytmy genetyczne.
Algorytmy genetyczne są mechanizmem naśladującym zachodzące w świecie procesy
ewolucyjne. W rzeczywistym świecie zmiany ewolucyjne dokonują się w ciągu wielu setek
albo nawet tysięcy lat. Przy pomocy współczesnych komputerów istnieje możliwość
symulowania tych procesów w ciągu kilku minut.
Symulacja procesu ewolucyjnego polega na wygenerowaniu populacji osobników, a
następnie wymianie i modyfikacji materiału genetycznego osobników nowych pokoleń
poprzez krzyżowanie i mutacje. Osobnik populacji reprezentowany jest poprzez
chromosom, w którym zapisany jest kod genetyczny osobnika .Największe szanse na
reprodukcję mają osobniki najlepiej przystosowane. Przystosowanie osobnika określa tzw.
funkcja przystosowania:
R R F
l
fit
÷→ ÷ : (4)
gdzie:
l - liczba genów w chromosomie.
Prawdopodobieństwo z jakim dany osobnik może wziąć udział w reprodukcji, można
ogólnie określić funkcją:
[ ] 1 , 0 : ÷→ ÷ R G (5)
( ) ( )
chr fit
p chr F G · (6)
gdzie:
( ) l k R c c c c chr
k l
,..., 2 , 1 , , ,..., ,
2 1
· ∈ · - wektor opisujący chromosom
chr
p - wartość prawdopodobieństwa z jakim dany osobnik przystąpi do rozmnażania
Metoda zaproponowana poniżej wymaga, żeby zbiór wszystkich historycznych spraw
windykacyjnych zakończonych sukcesem został podzielony na trzy zbiory: zbiór uczący,
zbiór testowy oraz zbiór walidujący:
S - zbiór wszystkich spraw windykacyjnych
S
S - zbiór wszystkich spraw windykacyjnych zakończonych sukcesem
( )
S S
S S U ⊂ - podzbiór uczący (np. 80% spraw zbioru
S
S )
( )
S S
S S T ⊂ - podzbiór testowy (np. 10% spraw zbioru
S
S )
( )
S S
S S W ⊂ - podzbiór walidujący (np. 10% spraw zbioru
S
S )
4
Zastosowanie technik sztucznej inteligencji w hybrydowym system
Proces ewolucyjny można opisać następującym schematem:
Rys. 3. Proces ewolucyjny rozpoczyna się podziałem zbioru wszystkich spraw na
podzbiory: (Uczący), (Testowy) oraz (Walidujący). Pierwsza populacja generowana jest
losowo – losowo określana jest wartości genów poszczególnych osobników. Przy
generowaniu kolejnych pokoleń, dla każdego osobnika z populacji wyznaczana jest wartość
funkcji przystosowania. Na jej podstawie najlepiej przystosowane osobniki dobierane są w
pary i następuje w wymiana materiału genetycznego (Krzyżowanie). Z małym
prawdopodobieństwem wybierane są osobniki, których wybrane geny (Mutują). Kolejne
pokolenia generowane są do chwili, gdy spełniony zostanie (Warunek Wyjścia).
Skuteczność najlepiej przystosowanych osobników populacji powinna zostać sprawdzona
na (Zbiorze Weryfikującym), którego sprawy nie brały udziału w procesie ewolucyjnym.
Podzbiory: uczący, testowy, walidujący mają taką samą strukturę, tzn. składają się z par:
sprawa oraz przypisany do niej harmonogram:
5
K. Marciniak
( ) { ¦ H h S s h s S
S
∈ ∧ ∈ · : , (7)
( ) ( ) { ¦ H h S s h s S U
u u u u
s
∈ ∈ · , : , (8)
( ) ( ) { ¦ H h S s h s S T
t t t t
s
∈ ∈ · , : , (9)
( ) ( ) { ¦ H h S s h s S W
w w w w
s
∈ ∈ · , : , (10)
gdzie:
S - zbiór spraw
H
- zbiór harmonogramów
Chromosomem (osobnikiem) populacji będzie zestaw wag określający ważność
poszczególnych atrybutów sprawy, czyli:
( )
l
w w w w ,..., ,
2 1
· (11)
gdzie:
R w
k
∈ dla l k ,..., 2 , 1 ·
l - liczba atrybutów spraw
Funkcję przystosowania określa stopień efektywności wag na zbiorze testowym, tzn. dla
danej sprawy ze zbioru testowego będziemy szukali takiej sprawy w zbiorze uczącym,
która będzie „najbliższa” dla tej sprawy, oraz harmonogramy na obu sprawach będą takie
same. Dla całego zbioru testowego można więc zapisać funkcję przystosowania jako:
( ) ( )

·
·
n
j
t
j fit fit
s f
n
w F
1
1
(12)
gdzie:
( )
( ) ( )
¹
¹
¹
'
¹ ·
·
przypadku przeciwnym w , 0
gdy , 1
t
j
t
j t
j fit
s o h h
s f (13)
gdzie:
( )
( )
( )

,
`

.
|
− ·

·

l
i
u
ki
t
ji i
S U s
t
j
a a w s o
S
u
k
1
2
min (14)
przy czym:
( )
t
jl
t
j
t
j
t
j
a a a s ,..., ,
2 1
· , ( )
u
kl
u
k
u
k
u
k
a a a s ,..., ,
2 1
·
Funkcję określającą z jakim prawdopodobieństwem dany osobnik (waga) może wziąć
udział w reprodukcji można określić następująco:
6
Zastosowanie technik sztucznej inteligencji w hybrydowym system
( )

·
·
p
j
i
i
i
w
w
w G
1
(15)
gdzie:
p
- liczba wszystkich osobników w populacji.
Ważne jest określenie warunku wyjścia z procesu optymalizacji wag. Może to być
osiągnięcie granicznej liczby pokoleń lub też uzależnienie przerwania nauki od wyników
działania wag na zbiorze walidującym – można ustalić próg poniżej którego nie ma
potrzeby polepszać wartości wag.
3 Etapy wdrażania systemu
Kompleksowe wdrożenie wszystkich funkcjonalności systemu wymaga istnienia
odpowiedniej Bazy Wiedzy, zawierającej historyczne sprawy windykacyjne wraz z
harmonogramami. Najczęściej dysponujemy jedynie wiedzą na temat samych spraw (ich
atrybutów) oraz ich wyniku, tzn. czy windykacja zakończyła się sukcesem i należność
została odzyskana, czy też porażką – dług został opłacony przez wierzyciela. W takiej
sytuacji konieczne jest podzielenie procesu wdrożenia systemu na dwa etapy.
W pierwszym etapie można wdrożyć funkcjonalność opartą o sieci neuronowe i
umożliwiającą oszacowanie rokowań dotyczących możliwości odzyskania należności.
W drugim etapie, gdy w Bazie Wiedzy zostanie zebrana pewna ilość spraw wraz z
harmonogramami, wdrożony może zostać moduł wspomagający dobór optymalnych
harmonogramów do nowych spraw.
Literatura
1. Chaochang Chiu (2002), A case-based customer classification approach for direct marketing,
Expert Systems with Applications 22, 163 – 168
2. Hei-Chia Wang, Huei-Sen Wang (2005), A hybrid expert system for equipment failure analysis,
Expert Systems with Applications 28, 615 – 622
3. Kyung-shik Shin, Ingoo Han (1999), Case-based reasoning supports by genetic algorithms for
corporate bond rating, Expert Systems with Applications 16, 85 – 95
Paper title: Artificial Intelligence for insurance debts collecting
Abstract: Debts collecting is a complex and expensive process. Collector’s
work is based on their experience. Leaving of the experienced collector can
cause an irreparable loss of unique knowledge. Professional training of a new
Collector takes a lot of time and can expose an Institution to financial loses.
Loses arise as a result of ineffective or uneconomical schedules of collector’s
actions. The ineffective actions don’t lead to get an amount due back. The
7
K. Marciniak
uneconomical proceedings can lead to origin expensive schedules, where
actions cost are greater than the debt. To determine if the debt is able to
collect we can build a functionality based on Neural Networks. If we want to
find an optimal schedule for a new case, we can use CBR (Case Based
Reasoning) method with Genetic Algorithms.
Słowa kluczowe: Ubezpieczenia, Windykacja należności, Case Based
Reasoning, Algorytmy genetyczne, Sieci neuronowe
8

Poniższy schemat przedstawia czas życia polisy (może to być np. 2.K. 1. czyli stwierdzenie jak duże są szanse na zakończenie windykacji należności powodzeniem.1 Ocena możliwości windykacji dłużnika Oszacowanie skuteczności akcji windykacyjnej. Po niepomyślnym zakończeniu procesu windykacji (Ubezpieczający nie uregulował zaległych należności). W trakcie procesu uczenia. W tym czasie Windykator podejmuje różnorodne działania mające na celu skłonienie dłużnika do wpłaty zaległych składek. które w możliwie najlepszy sposób aproksymują dany przypadek. sieć jest w stanie uzyskać zdolność klasyfikowania różnorodnych przypadków na takie. Towarzystwo opłaca zaległe składki z odpowiedniego funduszu rezerw 2 Koncepcja systemu ekspertowego 2. W celu odzyskania zaległych składek Towarzystwo tworzy różnorodne procedury umożliwiające skuteczną windykację należności. gdy ubezpieczający (płatnik składek) nie opłaca składek regularnie. można uzyskać poprzez stworzenie modułu opartego na sieci neuronowej. Składki opłacane są z częstotliwością kwartalną.2 Wybór optymalnego harmonogramu Przedstawienie skuteczności działań windykacyjnych dla różnych harmonogramów stosowanych w przeszłości można otrzymać. Na osi czasu zaznaczono etapy życia jednorocznej polisy majątkowej z ubezpieczeniem obligatoryjnym oraz sprawy windykacyjnej. 2 . Interpretację wyników otrzymywanych dla poszczególnych przypadków z nauczonej sieci można przeprowadzić za pomocą elementów logiki rozmytej. Marciniak gwarantuje ochronę ubezpieczeniową do końca okresu ubezpieczenia nawet wtedy. używając metod CBR (Case Base Reasonig). Proces windykacji należności (dwóch zaległych składek) rozpoczyna się po zakończeniu okresu ochrony i może trwać nawet kilka lat. polisa z OC komunikacyjnym) oraz przypisanej do niej sprawy windykacyjnej. Rys. które rokują większe albo mniejsze nadzieje na odzyskanie należności. Metoda CBR polega na analizie problemu w kontekście przypadków historycznych i wybraniu tych. Ubezpieczający opłacił dwie pierwsze składki.

A_N).sprawy windykacyjne ( S . ai 2 . Nowa (Sprawa) windykacyjna opisana jest zbiorem atrybutów (A_1.Zastosowanie technik sztucznej inteligencji w hybrydowym system 2. . że dla podobnych problemów (w naszym przypadku: podobnych spraw) istnieją podobne rozwiązania (w naszym przypadku: podobne harmonogramy).. .. Rys. D_K(s)).. Można więc za miarę przyjąć odległość euklidesową pomiędzy sprawami: DIS si s j = gdzie: ∑ w × (a l k =1 k ik − a jk ) 2 (1) si . a jk ∈ R dla k = 1. 2.. l .2. W pierwszej kolejności należy określić miarę podobieństwa dwóch spraw windykacyjnych.2. Każda sprawa opisana jest wektorem wartości atrybutów.. a il ) s j = ( a j1 .... Metoda CBR zakłada bowiem. Harmonogram składa się z działań windykacyjnych (D_1. D_2.. a jl ) (2) (3) aik ∈ R .. wartościami poszczególnych atrybutów sprawy l .. Harmonogram..zbiór spraw windykacyjnych) si = ( ai1 .1 Metoda CBR w windykacji należności Zastosowanie metody CBR przy wyborze optymalnego harmonogramu dla danej sprawy windykacyjnej polega na przeszukaniu zbioru zamkniętych spraw (zakończonych sukcesem) i wybraniu sprawy najbardziej podobnej do rozpatrywanej i przypisaniu do sprawy rozpatrywanej harmonogramu znalezionej sprawy. a co za tym idzie. a j 2 ...liczba atrybutów sprawy 3 .. W (Bazie Wiedzy) przechowywane są zamknięte sprawy windykacyjne wraz z ich harmonogramami. A_2. liczba działań uzależniony jest od sprawy.. s j ∈ S ...

l . Marciniak wk ∈ R dla k = 1. wyznaczone przez różne metody statystyczne albo przez mechanizmy oparte na AI.podzbiór walidujący (np. c 2 .2.Największe szanse na reprodukcję mają osobniki najlepiej przystosowane. zbiór testowy oraz zbiór walidujący: S .. c k ∈ R. Symulacja procesu ewolucyjnego polega na wygenerowaniu populacji osobników.wektor opisujący chromosom p chr .. Osobnik populacji reprezentowany jest poprzez chromosom. żeby zbiór wszystkich historycznych spraw windykacyjnych zakończonych sukcesem został podzielony na trzy zbiory: zbiór uczący.. W rzeczywistym świecie zmiany ewolucyjne dokonują się w ciągu wielu setek albo nawet tysięcy lat. 10% spraw zbioru S S ) W ( S S ) ⊂ S S .2..K. a następnie wymianie i modyfikacji materiału genetycznego osobników nowych pokoleń poprzez krzyżowanie i mutacje.. (4) Prawdopodobieństwo z jakim dany osobnik może wziąć udział w reprodukcji.zbiór wszystkich spraw windykacyjnych zakończonych sukcesem . 80% spraw zbioru S S ) T ( S S ) ⊂ S S .2 Optymalizacja wag Fundamentalną wielkością podaną we wzorze na odległość między dwiema sprawami jest waga.liczba genów w chromosomie. określająca ważność poszczególnych atrybutów sprawy.zbiór wszystkich spraw windykacyjnych U ( S S ) ⊂ S S . funkcja przystosowania: F fit : R l  R → gdzie: l .2.wartość prawdopodobieństwa z jakim dany osobnik przystąpi do rozmnażania Metoda zaproponowana poniżej wymaga.. Szczególnie wydaje okazują się algorytmy genetyczne. Wagi mogą być definiowane na wiele sposobów. Algorytmy genetyczne są mechanizmem naśladującym zachodzące w świecie procesy ewolucyjne. w którym zapisany jest kod genetyczny osobnika . k = 1.podzbiór testowy (np.1] → G ( F fit ( chr ) ) = p chr gdzie: (5) (6) chr = ( c1 . Mogą być definiowane manualnie przez eksperta... 10% spraw zbioru S S ) 4 S S . l . jest stopniem ważności poszczególnych cech 2. można ogólnie określić funkcją: G : R  [ 0. cl ) . Przystosowanie osobnika określa tzw..podzbiór uczący (np... Przy pomocy współczesnych komputerów istnieje możliwość symulowania tych procesów w ciągu kilku minut..

3. Przy generowaniu kolejnych pokoleń. dla każdego osobnika z populacji wyznaczana jest wartość funkcji przystosowania. Na jej podstawie najlepiej przystosowane osobniki dobierane są w pary i następuje w wymiana materiału genetycznego (Krzyżowanie). którego sprawy nie brały udziału w procesie ewolucyjnym. Proces ewolucyjny rozpoczyna się podziałem zbioru wszystkich spraw na podzbiory: (Uczący). testowy.Zastosowanie technik sztucznej inteligencji w hybrydowym system Proces ewolucyjny można opisać następującym schematem: Rys. Pierwsza populacja generowana jest losowo – losowo określana jest wartości genów poszczególnych osobników. walidujący mają taką samą strukturę. których wybrane geny (Mutują). składają się z par: sprawa oraz przypisany do niej harmonogram: 5 . Kolejne pokolenia generowane są do chwili. gdy spełniony zostanie (Warunek Wyjścia). tzn. Z małym prawdopodobieństwem wybierane są osobniki. (Testowy) oraz (Walidujący). Skuteczność najlepiej przystosowanych osobników populacji powinna zostać sprawdzona na (Zbiorze Weryfikującym). Podzbiory: uczący.

. wl ) gdzie: (11) wk ∈ R dla k = 1.. w2 . tzn.zbiór harmonogramów (7) (8) (9) (10) Chromosomem (osobnikiem) populacji będzie zestaw wag określający ważność poszczególnych atrybutów sprawy. a tjl ) . h w ∈ H } gdzie: S . h t ∈ H } W ( S s ) = {( s w .. a kl ) Funkcję określającą z jakim prawdopodobieństwem dany osobnik (waga) może wziąć udział w reprodukcji można określić następująco: 6 . s k = ( a k1 ..K.. czyli: w = ( w1 .. a tj 2 . h u ) : s u ∈ S . h w ) : s w ∈ S .. h u ∈ H } T ( S s ) = {( s t . h ) : s ∈ S ∧ h ∈ H } U ( S s ) = {( s u .. a k 2 . Dla całego zbioru testowego można więc zapisać funkcję przystosowania jako: F fit ( w) = gdzie: 1 n ∑ f fit ( s tj ) n j =1 (12) 1. w przeciwnym przypadku  t j (13) gdzie:  o( s tj ) = umin  sk ∈U ( S S )   przy czym: ∑ w (a l i =1 i t ji  u 2 − a ki )    (14) u u u u s tj = ( a tj1 . l l .... która będzie „najbliższa” dla tej sprawy....zbiór spraw H .2. oraz harmonogramy na obu sprawach będą takie same. Marciniak S S = { ( s. gdy h tj = h( o( s tj ) )  f fit ( s ) =  0.liczba atrybutów spraw Funkcję przystosowania określa stopień efektywności wag na zbiorze testowym. dla danej sprawy ze zbioru testowego będziemy szukali takiej sprawy w zbiorze uczącym.. h t ) : s t ∈ S ..

The ineffective actions don’t lead to get an amount due back. czy też porażką – dług został opłacony przez wierzyciela. Leaving of the experienced collector can cause an irreparable loss of unique knowledge. Expert Systems with Applications 22. W pierwszym etapie można wdrożyć funkcjonalność opartą o sieci neuronowe i umożliwiającą oszacowanie rokowań dotyczących możliwości odzyskania należności. W drugim etapie. Loses arise as a result of ineffective or uneconomical schedules of collector’s actions. gdy w Bazie Wiedzy zostanie zebrana pewna ilość spraw wraz z harmonogramami. wdrożony może zostać moduł wspomagający dobór optymalnych harmonogramów do nowych spraw. 3. Case-based reasoning supports by genetic algorithms for corporate bond rating.Zastosowanie technik sztucznej inteligencji w hybrydowym system G ( wi ) = wi ∑w j =1 p (15) i gdzie: p . tzn. Expert Systems with Applications 28. 3 Etapy wdrażania systemu Kompleksowe wdrożenie wszystkich funkcjonalności systemu wymaga istnienia odpowiedniej Bazy Wiedzy. Ingoo Han (1999). Ważne jest określenie warunku wyjścia z procesu optymalizacji wag. Może to być osiągnięcie granicznej liczby pokoleń lub też uzależnienie przerwania nauki od wyników działania wag na zbiorze walidującym – można ustalić próg poniżej którego nie ma potrzeby polepszać wartości wag. czy windykacja zakończyła się sukcesem i należność została odzyskana. Professional training of a new Collector takes a lot of time and can expose an Institution to financial loses. The 7 . 2. Collector’s work is based on their experience. 615 – 622 Kyung-shik Shin. Expert Systems with Applications 16. Huei-Sen Wang (2005). W takiej sytuacji konieczne jest podzielenie procesu wdrożenia systemu na dwa etapy. Chaochang Chiu (2002). 85 – 95 Paper title: Artificial Intelligence for insurance debts collecting Abstract: Debts collecting is a complex and expensive process. A case-based customer classification approach for direct marketing. Najczęściej dysponujemy jedynie wiedzą na temat samych spraw (ich atrybutów) oraz ich wyniku. Literatura 1.liczba wszystkich osobników w populacji. zawierającej historyczne sprawy windykacyjne wraz z harmonogramami. A hybrid expert system for equipment failure analysis. 163 – 168 Hei-Chia Wang.

we can use CBR (Case Based Reasoning) method with Genetic Algorithms. Windykacja należności. If we want to find an optimal schedule for a new case. To determine if the debt is able to collect we can build a functionality based on Neural Networks.K. where actions cost are greater than the debt. Algorytmy genetyczne. Sieci neuronowe 8 . Słowa kluczowe: Ubezpieczenia. Marciniak uneconomical proceedings can lead to origin expensive schedules. Case Based Reasoning.