“Sem preparação adequada, nem o melhor algoritmo de IA faz milagre”, afirma Luiz Bernardes, CEO da Futago
Na última quinta-feira (11) aconteceu o segundo encontro da série “Treine a IA que impulsionará sua manutenção industrial” com Luiz Bernardes, CEO da Futago e Engenheiro da Computação com mais de 20 anos de experiência na indústria. O webinar mostrou como aproveitar os dados já existentes na operação para treinar modelos de inteligência artificial capazes de elevar o nível da manutenção.
Dando continuidade ao primeiro episódio, que apresentou os fundamentos do treinamento de IA, o segundo webinar, transmitido às 10h, aprofundou o tema da preparação e pré-processamento de dados para modelos de IA no contexto da Indústria 4.0. O encontro explicou, na prática, como organizar, limpar e estruturar informações para que a IA entregue análises mais precisas e contribua de forma real na tomada de decisões da manutenção.
Inicialmente, Bernardes explicou que os dados são gerados de várias formas na indústria. Entre as variáveis consideradas essenciais para antecipar falhas, foram destacadas, por exemplo, vibração, temperatura, corrente elétrica, pressão e dados de processo, como rendimento, pH e nível. Esses indicadores, se bem aproveitados, formam a base para evoluir de uma manutenção reativa para uma manutenção preditiva e até prescritiva. Essas informações podem ser coletadas por meio de ferramentas como IoT, sensores, CLPs e SCADA (sistemas de automação), ERP e CMMS (Sistemas de gestão empresarial).
A “dor” da engenharia de dados
O webinar reforçou um dado já conhecido entre engenheiros e cientistas de dados: até 80% do tempo de um projeto de IA é consumido apenas na etapa de preparação.
A indústria, muitas vezes, trabalha com bases fragmentadas, sistemas heterogêneos e dados registrados em diferentes formatos e unidades. Integrar as informações exige alinhamento temporal, padronização, conversões e uma série de passos indispensáveis.
Bernardes relembrou: “Sem preparação adequada, nem o melhor algoritmo de IA faz milagre. Se não há qualidade na entrada, não haverá qualidade na saída”.
Tratando dados faltantes, ruídos e outliers
“Muitas organizações possuem dados abundantes, mas carecem de rotulação adequada”, explica o CEO da Futago. O webinar reforçou que dados não rotulados são dados que não ensinam, e que transformar conhecimento humano em informação estruturada continua sendo um dos maiores gargalos da IA industrial.
Assim, alguns dos maiores desafios na indústria são lidar com informações incompletas ou ruidosas e ter a rotulação adequada delas.
Para enfrentar esses desafios, entre as práticas recomendadas estão:
- Identificação de anomalias;
- Preenchimento ou descarte de dados faltantes;
- Filtragem de ruídos;
- Detecção de outliers, que podem representar tanto erros quanto eventos importantes.
Para a rotulação, podem ser usados, por exemplo, relatórios técnicos de intervenções, histórico de falhas, conhecimento tácito dos técnicos experientes, registros de paradas não planejadas e relatórios de inspeção e manutenção.
A engenharia de features como requisito
Em seguida, Bernardes abordou a criação de features, variáveis derivadas capazes de aumentar o poder preditivo dos modelos, um dos passos mais valiosos de todo o processo.
Foram citados três grupos principais:
- Features estatísticas (médias, desvios, picos, variações);
- Features espectrais (FFT, frequências dominantes);
- Features temporais (tendências, padrões e correlações).
De acordo com Bernardes, essa etapa pode reduzir drasticamente a complexidade do modelo necessário e melhorar significativamente a interpretabilidade das previsões.
Treinamento, teste e validação: respeitar a linha do tempo
Depois, o CEO destacou a importância de não usar todos os dados disponíveis para fazer o treinamento do modelo de IA. Assim, recomenda-se que a base de dados seja dividida em:
- 70% para treinamento
- 15% para teste
- 15% para validação
Dessa forma, é possível usar parte dos dados para verificar se o treinamento funcionou, se o retorno da IA é o esperado.
Por fim, Bernardes mostrou um exemplo e abriu o canal para dúvidas.
Confira o webinar completo aqui!
Aproveite e entre na nossa página de eventos para ficar por dentro dos próximos webinars da nossa série: “Treine a IA que impulsionará sua manutenção industrial”. No dia 15 de janeiro de 2026, você verá com mais detalhes sobre como construir modelos de manutenção preditiva.
