Framework de IA Explicável com Indicadores de QoS de Telecomunicações e Socioeconômicos para Classificação e Caracterização de Municípios

Este artigo propõe um framework de inteligência artificial (IA) explicável estruturado em quatro camadas para a análise de indicadores de Qualidade de Serviço (QoS) de telecomunicações no Brasil, estendendo a abordagem apresentada em [1]. O pipeline metodológico integra: i) segmentação global via K-Means; ii) redução de dimensionalidade e agrupamento local via UMAP e HDBSCAN; iii) detecção de anomalias individuais intracluster com LOF; e iv) explicabilidade baseada em valores SHAP sobre um modelo substituto Random Forest. A aplicação do modelo em 5.570 municípios brasileiros, utilizando dados de QoS do sistema RQUAL/ANATEL e socioeconômicos do IBGE, extraiu cinco perfis de desempenho, detectando 204 municípios em subgrupos coesos e 559 anomalias isoladas, com sobreposição nula. A principal contribuição técnica reside na separação explícita de perfis globais, subestruturas locais e anomalias, revelando uma modelagem mais robusta do que aquelas baseadas em clusterização convencionais, fornecendo métricas mais precisas para o monitoramento de QoS e suporte à gestão regulatória.