Na última década, investigações do MPF do Brasil expuseram uma rede de cartéis atuando no setor de óleo e gás. Este caso foi considerado o maior da história do setor ocorrido fora dos EUA (DOJ, 2016). Segundo a OCDE (2022, p. 3), Cartéis são a principal ameaça a lei de concorrência e causam um sobrepreço médio de 20% nos mercados afetados (Smuda, 2012). Mesmo sendo tema relevante, não existe ferramenta universalmente aceita para identificação de Cartéis. Este trabalho propõe a construção de uma rede neural artificial — RNA que classifique as propostas recebidas em uma licitação como sendo ou não parte de um cartel, a partir da análise de um conjunto de características destas propostas. Será utilizado como estudo de caso o processo de compras de uma grande empresa do ramo de óleo e gás, sendo os dados obtidos no portal de compras desta empresa e através de aval gerencial. Este trabalho abordará o processo de tratamento dos dados para a construção do dataset, através da definição de metodologia para escolha das características das propostas (feauture engineering) que serão utilizadas no treinamento da RNA, também serão aplicadas técnicas de exploração estatística no intuito de se entender o comportamento das variáveis.