Documente Academic
Documente Profesional
Documente Cultură
RESUMO
Este
artigo
apresenta
alguns
conceitos
bsicos
sobre
Minerao
de
Dados
e
o
processo
proposto
pelo
framework
CRISP-DM,
mostrando
a
implantao
deste
processo
na
anlise
e
descoberta
de
associaes
e
reconhecimento
de
padres
referentes
aos
cursos
realizados,
na
modalidade
distncia,
ofertados
pela
Fundao
Escola
Nacional
de
Administrao
Pblica
(ENAP).
Para
a
realizao
dos
experimentos
foi
utilizada
uma
extrao
de
dados
dos
alunos
concluintes
de
cursos
a
distncia
na
ENAP
e
aplicada
a
ferramenta
de
minerao
de
dados
WEKA,
atravs
do
algoritmo
de
associao
Apriori
e
da
mtrica
Lift.
1.
INTRODUO
Data
Mining
Hand
et
al.
(2001)
define
Minerao
de
Dados
como
a
anlise
de
grandes
conjuntos
de
dados,
a
fim
de
encontrar
relacionamentos
inesperados
e
de
resumir
dados,
de
uma
forma
que
eles
sejam
tanto
teis
como
compreensveis
ao
dono
dos
dados.
Cabena
et
al.
(1998)
complementa,
afirmando
tratar-se
de
um
campo
interdisciplinar,
que
faz
uso
de
tcnicas
de
mquinas
de
conhecimentos,
reconhecimento
de
padres,
estatsticas,
banco
de
dados
e
visualizao.
A
Minerao
de
Dados
tornou-se
uma
ferramenta
de
apoio
fundamental
na
gesto
da
informao
nas
organizaes,
permitindo
descobrir
e
reconhecer
padres
implcitos
e
relacionamentos
em
repositrios
de
grande
volume
de
dados.
Regras
de
Associao
Dentre
os
diversos
campos
da
minerao
de
dados,
um
dos
mais
importantes
e
que
mais
tem
sido
alvo
de
pesquisas
a
minerao
de
itens
frequentes.
Introduzida
por
Agrawal,
Imielinski
e
Swami
(1993),
a
tcnica
de
minerao
de
itens
frequentes
pode
ser
segmentada
em
duas
etapas:
(1)
criar
um
conjunto
de
itens
frequentes
(frequent
itemset);
(2)
gerar
regras
de
associao
partir
da
minerao
deste
conjunto.
Regras
de
associao
representam
padres
onde
a
ocorrncia
de
eventos
em
conjunto
(associados)
alta.
Trata-se,
portanto,
da
probabilidade
de
que
um
conjunto
de
itens
aparea
em
uma
dada
transao,
desde
que
outro
conjunto
esteja
presente.
O
objetivo
da
minerao
de
regras
de
associao
o
de
encontrar
(descobrir)
todos
os
conjuntos
de
itens
que
frequentemente
ocorrem
de
forma
conjunta
na
base
de
dados
e
formar
regras
a
partir
destes
conjuntos.
Para
garantir
a
minerao
de
resultados
vlidos,
os
conceitos
de
suporte
e
confiana
so
aplicados
em
cada
regra
de
associao
produzida.
Para
uma
regra
de
associao
ser
considerada
forte
ela
deve
atender
a
determinado
grau
mnimo
de
suporte
e
confiana.
Suporte
A
medida
de
suporte
indica
o
percentual
de
registros,
dentro
de
todo
o
conjunto
de
dados,
que
suportam
a
regra
ou
que
se
encaixam
nela.
Define-se
suporte
de
X
como
a
frao
de
todas
as
transaes
no
conjunto
de
dados
que
suportam
X.
O
suporte
mnimo
um
valor
pr-estabelecido
que
representa
o
limite
mnimo
para
este
parmetro.
Regras
com
valores
altos
para
o
suporte
podem
ser
interessantes
e
merecem
a
ateno.
Confiana
A
confiana
mede
o
percentual
de
registros
que
atendam
especificamente
regra.
A
confiana
de
uma
regra
R
definida
como
a
probabilidade
condicional,
onde
dada
uma
transao
T
que
suporta
X,
T
tambm
suportar
Y.
As
regras
com
valores
altos
de
confiana
se
destacam
qualitativamente
das
demais,
pelo
nvel
de
certeza
de
ocorrncia
do
consequente
da
regra,
a
partir
dos
casos
onde
o
seu
antecedente
ocorre.
APRIORI
O
algoritmo
de
associao
APRIORI
representa
um
dos
maiores
avanos
na
tecnologia
de
minerao
de
dados,
sendo
considerado
a
base
para
a
maioria
dos
algoritmos
que
tratam
de
regras
de
associao
(HASTIE,
TIBSHIRANI
&
FRIEDMAN,
2001).
O
algoritmo
fundamenta-se
no
princpio
de
que
todos
os
subconjuntos
de
um
conjunto
de
itens
frequentes
(frequent
itemset)
so,
necessariamente,
frequentes.
Ao
gerar
um
conjunto
de
itens
candidatos,
pode-se
garantir
que
ele
s
ser
um
conjunto
de
itens
frequentes
se
todos
os
seus
subconjuntos
tambm
forem
frequentes.
Lift
Outro
ndice
estatstico
comumente
utilizado
para
definir
o
grau
de
interesse
de
uma
regra
de
associao
denominado
mtrica
Lift.
TAN
e
KUMAR
(2000)
indicam
que
Lift
mede
quantas
vezes
acontece
com
mais
frequncia
X
e
Y
juntos,
do
que
seria
esperado
se
fossem
estatisticamente
independentes.
Lift
permite
medir
um
melhoramento
da
regra
relativamente
regra
mais
simples,
tendo
como
resultado
uma
razo.
O
Lift
permite
eliminar
algumas
regras
de
confiana
elevada,
mas
com
pouco
interesse.
Se
o
Lift
for
igual
a
1,
significa
que
X
e
Y
so
independentes.
Se
uma
regra
tiver
Lift
inferior
a
1,
no
interessa.
Portanto,
quanto
maior
for
o
Lift,
mais
interessante
a
regra.
CRISP-DM
A
literatura
atual
descreve
diversos
processos
que
definem
e
padronizam
as
fases
e
atividades
da
Minerao
de
Dados
e
Descoberta
de
Conhecimento.
Este
artigo
utiliza
o
framework
proposto
pelo
modelo
CRISP-DM
(Cross-Industry
Standard
Process
of
Data
Mining)
como
referencial.
De
acordo
com
OLSON
(2008),
o
processo
CRISP-DM
consiste
de
seis
fases
organizadas
de
maneira
cclica,
podendo
haver
interao
entre
as
fases,
no
tendo
execuo
unidirecional.
So
fases
do
processo
CRISP-DM,
ilustradas
pela
Figura
1:
Entendimento
do
Domnio:
foca
em
entender
o
objetivo
do
projeto
a
partir
de
uma
perspectiva
de
negcios,
definindo
um
plano
preliminar
para
atingir
os
objetivos.
2
Entendimento
dos
Dados:
recolhimento
de
dados
e
incio
de
atividades
para
familiarizao
com
os
dados,
identificando
problemas
ou
conjuntos
interessantes.
Preparao
dos
Dados:
construo
do
conjunto
de
dados
final
a
partir
dos
dados
iniciais.
Modelagem:
vrias
tcnicas
de
modelagem
so
aplicadas,
e
seus
parmetros
calibrados
para
otimizao.
Avaliao:
construdo
um
modelo
que
parece
ter
grande
qualidade
de
uma
perspectiva
de
anlise
de
dados.
Aplicao:
o
conhecimento
adquirido
pelo
modelo
organizado
e
apresentado
de
uma
maneira
que
o
cliente
possa
utilizar.
Figura
1
-
Representao
do
processo
CRISP-DM
-
Fonte:
Internet
2.
DESCOBERTA
DE
CONHECIMENTO
Entendimento
do
Domnio
O
Domnio
que
abrange
este
artigo
composto
pelos
cursos
realizados,
na
modalidade
distncia,
ofertados
pela
Fundao
Escola
Nacional
de
Administrao
Pblica
(ENAP).
A
ENAP
uma
escola
de
governo,
do
Poder
Executivo
Federal,
que
oferece
formao
e
aperfeioamento,
em
sua
grande
maioria,
a
servidores
pblicos
federais.
O
objetivo
deste
trabalho
,
atravs
da
aplicao
de
regras
de
associao,
descobrir
o
conhecimento
de
padres,
derivado
da
anlise
das
capacitaes
realizadas,
como
forma
de
sugerir
a
realizao
de
outros
cursos
aos
alunos
concluintes.
3
Figura
2
-
Esquema
de
disposio
dos
dados
Em
MDULOS
esto
disponveis
os
cursos
oferecidos
pela
ENAP.
A
extrao
que
subsidia
este
artigo
filtrou
apenas
os
Mdulos
do
Tipo
Cursos
a
Distncia.
TURMAS
podem
ser
compreendidas
como
instncias
de
Mdulos.
Trata-se
da
realizao
de
uma
turma
de
um
mdulo,
com
data
de
realizao
definida.
Associados
turma
tambm
esto
os
Alunos
que
nela
se
inscreveram.
Em
ALUNOS
esto
disponveis
os
dados
de
identificao
dos
alunos.
CONCLUINTES
um
status
de
alguns
Alunos
nas
Turmas,
que
efetivamente
concluram
a
realizao
daquele
curso.
Extrao
A
extrao
realizada
utiliza
apenas
o
cdigo
do
aluno,
como
forma
de
identificar
unicamente
uma
abstrata
Cesta
de
Cursos,
tendo
como
domnio
os
alunos
concluintes
de
cursos
a
distncia
e
sua
respectiva
cesta
de
cursos
(cdigo
dos
mdulos
associados).
Foram
extrados
94
MDULOS
do
Tipo
Cursos
a
Distncia,
12.075
TURMAS
de
mdulos
de
Cursos
a
Distncia
e
125.983
ALUNOS
CONCLUINTES.
Os
dados
foram
exportados
para
o
formato
XLSX
(Microsoft
Excel),
para
facilitar
a
manipulao,
e
so
evidenciados
parcialmente
pelas
Figura
3
(Cesta
de
Cursos)
e
Figura
4
(Mdulos).
Figura
3
-
Extrao
(parcial)
da
Cesta
de
Cursos,
realizada
no
formato
XLSX
4
A
extrao
completa
da
relao
de
Mdulos
do
Tipo
Cursos
a
Distncia
est
disponvel
no
Apndice
1
deste
artigo,
como
forma
de
viabilizar
a
etapa
de
Aplicao
dos
Dados.
Figura
4
-
Extrao
(parcial)
dos
Mdulos,
realizada
no
formato
XLSX
5
Figura
5
-
Dados
(parciais)
preparados
no
layout
ARFF,
ainda
no
formato
XLSX
Figura
6
Dados
(parciais)
preparados
e
abertos
no
ARFF
Viewer
6
Modelagem
Para
a
modelagem,
foi
utilizada
a
funcionalidade
ASSOCIATE
do
WEKA,
com
aplicao
do
algoritmo
APRIORI,
mtrica
Lift
e
os
seguintes
parmetros
de
Suporte
Mnimo
e
Lift
Mnimo,
conforme
exibido
na
Figura
7:
Figura
7
-
Parmetros
no
WEKA
que
definem
o
modelo
aplicado
Avaliao
Como
Associator
Output
no
WEKA,
com
os
parmetros
aplicados
sobre
os
dados
preparados,
temos
a
seguinte
sada,
ilustrada
pela
Figura
8:
LIFT - Apriori -N 30 -T 1 -C 1.1 -D 0.05 -U 1.0 -M 0.04 -S -1.0 -c -1
Minimum support: 0.04 (5039 instances)
Minimum metric <lift>: 1.1
Number of cycles performed: 20
Generated sets of large itemsets:
Size of set of large itemsets L(1): 14
Size of set of large itemsets L(2): 8
Size of set of large itemsets L(3): 1
7
Aplicao
Para
facilitar
a
interpretao
e
a
consequente
anlise
dos
dados
obtidos
a
partir
do
WEKA,
foi
elaborada
uma
tabela
(Figura
9),
com
a
referncia
ao
descritivo
do
Mdulo.
CONFI-
ID REGRA DE ASSOCIAO LIFT
ANA
1 [337-tica & Servio Pblico] [340-Gesto estratgica de pessoas e planos de carreira] + 0.15 2.21
[420-Atendimento ao Cidado]
2 [340-Gesto estratgica de pessoas e planos de carreira] + [337-tica & Servio Pblico] 0.58 2.21
[420-Atendimento ao Cidado]
3 [340-Gesto estratgica de pessoas e planos de carreira] [337-tica & Servio Pblico] + 0.22 2.20
[420-Atendimento ao Cidado]
4 [337-tica & Servio Pblico] + [340-Gesto estratgica de pessoas e planos de carreira] 0.41 2.20
[420-Atendimento ao Cidado]
3.
RESULTADOS
Os
parmetros
aplicados
no
algoritmo
APRIORI
trouxeram
22
regras
de
associao,
mesmo
com
limite
superior
de
regras
estabelecido
(30),
evidenciando
a
acurcia
dos
demais
parmetros
de
suporte
mnimo
(0.4)
e
Lift
mnimo
(1.1),
definidos
aps
sucessivas
calibragens
na
etapa
de
Modelagem.
A
mtrica
Lift
mostrou-se
adequada,
sendo
que
as
principais
regras
mineradas
(top
6),
obtiveram
Lift
superior
a
2,
sendo
que
as
demais
regras
tambm
se
sustentaram
acima
do
Lift
mnimo.
8
A
Avaliao
e
a
Aplicao
dos
resultados
da
minerao,
a
despeito
do
conjunto
de
94
mdulos
de
ensino
a
distncia,
evidenciam
uma
concentrao
de
realizao
(oferta
de
turmas
e
concluso
de
alunos)
de
cursos
apenas
nos
seguintes
mdulos:
337-tica
&
Servio
Pblico
340-Gesto
estratgica
de
pessoas
e
planos
de
carreira
420-Atendimento
ao
Cidado
867-Anlise
e
melhoria
de
processos
MASP
1459-Legislao
aplicada
gesto
de
pessoas
-
Lei
8112/90
4.
ANLISE
E
CONCLUSO
A
anlise
dos
resultados
obtidos
permite
concluir
que
existe
forte
correlao
entre
os
mdulos
[337-tica
&
Servio
Pblico],
[340-Gesto
estratgica
de
pessoas
e
planos
de
carreira]
e
[420-Atendimento
ao
Cidado].
Cabendo,
inclusive,
uma
anlise
pela
rea
acadmica
sobre
a
convenincia
de
uma
provvel
oferta
combinada
(COMBO).
De
forma
anloga,
mas
em
menor
grau,
o
mdulo
[1459-Legislao
aplicada
gesto
de
pessoas
-
Lei
8112/90]
possui
correlao
com
os
mdulos
[337-tica
&
Servio
Pblico],
[340-Gesto
estratgica
de
pessoas
e
planos
de
carreira]
e
[420-Atendimento
ao
Cidado].
Mais
uma
vez,
cabe
a
recomendao
de
uma
avaliao,
pela
rea
acadmica,
da
convenincia
de
uma
provvel
oferta
combinada
(COMBO).
Ademais,
os
dados
coletados
podem
subsidiar
campanhas
especficas
de
e-mail
marketing,
com
ofertas
direcionadas
a
alunos
que,
tendo
cursado
um
ou
mais
mdulos
destes
virtuais
COMBOS,
ainda
no
tenham
cursado
algum
deles.
Por
fim,
ao
concluir
um
curso
especfico,
presente
neste
conjunto
de
regras
mineradas,
o
aluno
pode
ser
convidado
a
conhecer
os
demais
mdulos
correlacionados,
traduzindo-se
numa
oferta
ativa
de
capacitao.
Como
trabalho
futuro
pode-se
estudar,
com
apoio
de
outras
tcnicas
de
minerao
de
dados,
elementos
presentes
nas
abstratas
Cestas
de
Cursos
que
subsidiaram
este
estudo,
relativos
sequncia
em
que
eles
ocorrem,
como
forma
de
contribuir
para
o
entendimento
ou
definio
das
trilhas
de
aprendizagem
dos
alunos,
tema
caro
rea
acadmica,
que
permite
a
definio
de
sequncias
de
atividades,
com
o
intuito
de
complementariedade,
com
o
objetivo
de
potencializar
o
desenvolvimento
de
competncias.
REFERNCIAS
AGRAWAL,
R;
IMIELINSKI,
T;
SWAMI,
A.
Mining
association
rules
between
sets
of
items
in
large
databases.
Proc.
of
the
ACM
SIGMOD,
p.
207216,
1993.
CABENA,
P;
HADJINIAN,
P;
STADLER,
R;
JAAPVERHEES;
ZANASI,
A.
Discovering
Data
Mining:
From
Concept
to
Implementation.
Prentice
Hall,
1998.
HAND,
D;
MANNILA,
H;
SMYTH,
P.
Principles
of
Data
Mining.
MIT
Press,
2001.
HASTIE
T.,
TIBSHIRANI
R.
&
FRIEDMAN
J.,
The
Elements
of
Statistical
Learning:
Data
Mining,
Inference
and
Prediction.
Springer-Verlag
New
York,
2001.
OLSON,
D.
L;
DELEN,
D.
Advanced
Data
Mining
Techniques.
Springer,
2008.
9
TAN,
P.
&
KUMAR,
V.
(2000),
Interestingness
Measures
for
Association
Patterns:
A
Perspective,
in
Technical
Report
TR00-36,
University
of
Minesota
(KDD
2000
Workshop
on
Postprocessing
in
Machine
Learning
and
Data
Mining).
10
APNDICE
1
-
Lista
de
Mdulos
Cod_Modulo
Nome_Modulo
258
Oramento
pblico:
elaborao
e
execuo
333
Legislao
aplicada
gesto
de
pessoas
-
Lei
8112/90
e
legislao
complementar
334
Educao
alimentar,
nutricional
e
para
o
consumo
335
Desvendando
a
informtica
336
Anlise
e
melhoria
de
processos
337
tica
&
Servio
Pblico
338
Legislao
aplicada
logstica
de
suprimentos
-
Leis
8666/93
e
10520/02
339
Portugus
no
dia-a-dia
340
Gesto
estratgica
de
pessoas
e
planos
de
carreira
341
Rumo
aprendizagem
virtual
342
Administrao
de
redes
Linux
343
Sensibilizao
para
o
uso
do
Software
Livre
344
Administrao
de
servidores
Linux
345
Digitao
346
gua
-
responsabilidade
de
todos
ns
347
Navegador
Correio
Mozzila
348
Introduo
ao
G
N
U/Linux
349
Linux
-
Interface
grfica
350
BrOffice.org
-
Impress
2.1
351
BrOffice.org
-
Writer
2.1
352
BrOffice.org
-
Calc
2.1
353
Capacitao
de
tutores
para
cursos
na
modalidade
ensino
a
distncia
420
Atendimento
ao
Cidado
424
e-MAG
-
Modelo
de
acessibilidade
do
governo
eletrnico
425
Teste
EAD-
envio
de
cartas
516
Fome
zero
-
Um
programa
de
incluso
social
572
BrOffice.org
-
Writer
2.1
(auto-instrucional)
573
BrOffice.org
-
Calc
2.1
(auto-instrucional)
574
BrOffice.org
-
Impress
2.1
(auto-instrucional)
579
Portugus
no
dia-a-dia
2.0
607
Atendimento
ao
cidado
609
Rumo
aprendizagem
virtual
610
Capacitao
de
tutores
para
cursos
na
modalidade
ensino
a
distncia
611
Legislao
aplicada
logstica
de
suprimentos
-
Leis
8666/93
e
10520/02
612
tica
e
Servio
Pblico
613
Oramento
pblico:
elaborao
e
execuo
614
e-MAG
-
Modelo
de
acessibilidade
do
governo
eletrnico
863
Planejando
aes
inovadoras
864
Fundamentos
em
gerncia
de
projetos
(PMI)
866
Legislao
aplicada
logstica
de
suprimentos
-
Lei
8666/93
867
Anlise
e
melhoria
de
processos
-
MASP
868
Legislao
aplicada
logstica
de
suprimentos
-
Lei
8.666/93
869
Anlise
e
melhoria
de
processos
-
MASP
870
Gesto
estratgica
de
pessoas
e
planos
de
carreira
871
Legislao
aplicada
gesto
de
pessoas
-
Lei
8112/90
e
legislao
complementar
909
e-MAG
-
Cartilha
tcnica
de
acessibilidade
1042
e-MAG
-
Cartilha
tcnica
de
acessibilidade
1054
Fundamentos
em
Gerncia
de
Projetos
1297
Oficina
Virtual
Planejamento
e
implementao
de
projetos
de
capacitao
a
distncia
1304
EXCLUIR
1352
Governo
Eletrnico:
estratgias
de
elaborao,
desenvolvimento
e
implementao
de
projetos
1353
Gesto
de
convnios
e
de
contratos
de
repasse
para
convenentes
1384
Oficina
Estilos
de
Aprendizagem
na
Modalidade
Mista
de
Capacitao
1404
Seminrio
A
Formao
On-line
na
Administrao
Pblica
-
Experincias
Brasil
e
Espanha
1436
Oficina
Programa
Avaliao
Socioeconmica
de
Projetos
(ASP)
11
1437
Programa
Formao
de
Professores
Tutores
para
Educao
Continuada
a
Distncia
1459
Legislao
aplicada
gesto
de
pessoas
-
Lei
8112/90
1468
tica
e
Servio
Pblico
1638
Legislao
Aplicada
Logstica
de
Suprimentos
-
Lei
n
8.666/93,
prego
e
registro
de
preos
1725
Conceitos
essenciais
aplicados
a
projetos
de
grande
vulto
1730
Macroeconomia
aplicada
anlise
de
projetos
de
grande
vulto
1731
Microeconomia
aplicada
anlise
de
projetos
de
grande
vulto
1732
Matemtica
financeira
aplicada
anlise
de
projetos
de
grande
vulto
1773
ASP-Conceitos
essenciais
1774
ASP
-
Macroeconomia
1775
ASP
-
Microeconomia
1776
ASP
-
Matemtica
Financeira
1847
Gerncia
de
Projetos:
teoria
e
prtica
1957
Tutoria
On-line
em
Organizaes
Pblicas
1971
Oficina
Teorias
Pedaggicas
em
Educao
a
Distncia
2085
Gesto
de
Convnios
para
Convenentes
2087
tica
no
Servio
Pblico
2101
PDTI
-
Elaborao
do
Plano
Diretor
de
Tecnologia
da
Informao
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
"Plataforma
Moodle:
Gesto
2107
acadmica,
monitoramento
de
cursos
e
funcionalidades
administrativas".
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Recursos
Multimdia
para
2108
Educao
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Repositrios,
Referatrios
e
2109
Recursos
Educacionais
Abertos
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Funcionalidades
da
plataforma
2110
Moodle
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Uso
da
sala
virtual
de
2111
tutores/professores
como
ferramenta
de
coordenao
de
cursos
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Como
utilizar
a
sala
de
TIC:
a
2112
lousa
digital
Programa
de
Formao
para
o
Uso
das
Tecnologias
na
Educao
-
Oficina
Como
maximizar
o
uso
do
2113
Google
2131
PCTI
-
Planejamento
da
Contratao
de
Tecnologia
da
Informao
2166
Oramento
Pblico:
Viso
Geral
2208
rumo
a
aprndizagem
virtual
2217
SFTI
-
Seleo
de
Fornecedores
de
Tecnologia
da
Informao
2284
Conceitos
Essenciais
para
Avaliao
Socioeconmica
de
Projetos
2349
1.
Regras
Gerais
-
Acesso
aos
Recursos
de
Saneamento
2361
ASP
-
Ciclo
de
Gesto
do
Investimento
Pblico
2362
ASP
-
Estatstica
2369
Oramento
Pblico:
Conceitos
Bsicos
2373
2.
Mecanismos
OGU-PAC
(Transferncias
Obrigatrias)
2375
3.
Mecanismos
OGU-
NO
PAC
(Transferncias
Voluntrias)
2376
4.
Mecanismos
PAC
-
Financiamento
2430
SICONV
-
Ordem
Bancria
de
Transferncia
Voluntria
(OBTV)
-
Convenente
2431
SICONV
-
Ordem
Bancria
de
Transferncia
Voluntria
(OBTV)
-
Concedente
12