Navegando por Autor "Christhian da Silva Gonçalves"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Framework de validação semântica de ordens de manutenção com LLM e RAG
    (2025-06-13) Christhian da Silva Gonçalves; Doutor Rodrigo Cesar Pedrosa Silva
    A validação semântica de ordens e notas de manutenção constitui um elemento importante para assegurar a integridade das informações que sustentam as decisões técnicas e estratégicas no ambiente industrial da mineração. A ausência de precisão conceitual e semântica nesses registros pode comprometer não apenas a confiabilidade dos ativos, mas também os indicadores de desempenho, os planos de manutenção e os processos de melhoria contínua. Nesse cenário, o desenvolvimento de ferramentas automatizadas e inteligentes que permitam auditar, interpretar e justificar esses dados de forma autônoma torna-se uma resposta necessária e estratégica frente ao crescente volume, complexidade e criticidade das informações operacionais. Este trabalho propõe e desenvolve um framework para a validação semântica automatizada de ordens e notas de manutenção, utilizando os Large Language Models(LLMs) ou Grandes Modelos de Linguagem, executados localmente, apoiado por uma arquitetura de Retrieval-Augmented Generation(RAG) ou Recuperação e Geração Aumentada. O sistema, implementado em Python, emprega o modelo Gemma-3:4B via Ollama, garantindo a privacidade dos dados, e utiliza a biblioteca LangChain para orquestrar a interação. Bases de conhecimento customizadas, extraídas de dados de regras de negócio, são consultadas para fornecer contexto específico do domínio ao LLM. Foram utilizadas técnicas de engenharia de prompt, como Chain of Thought (CoT) que força o LLM a gerar raciocínio para promover explicabilidade, bem como uma gestão de memória conversacional para otimizar a eficiência e reduzir o processamento de tokens. Este estudo contribui com um protótipo funcional, uma metodologia sistemática para o desenvolvimento de agentes de IA especialistas em análise da conformidade semântica, visando melhorar a qualidade dos dados e apoiar decisões mais precisas na gestão da manutenção.