Framework de validação semântica de ordens de manutenção com LLM e RAG

Página do item simplificado
dc.contributor.advisorDoutor Rodrigo Cesar Pedrosa Silva
dc.contributor.authorChristhian da Silva Gonçalves
dc.date.accessioned2025-07-24T21:15:23Z
dc.date.available2025-07-24T21:15:23Z
dc.date.issued2025-06-13
dc.description.abstractA 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.
dc.description.abstract1The semantic validation of maintenance orders and notes is an important element to ensure the integrity of the information that supports technical and strategic decisions in the mining industry. The lack of conceptual and semantic accuracy in these records can compromise not only the reliability of assets, but also performance indicators, maintenance plans and continuous improvement processes. In this scenario, the development of automated and intelligent tools that allow auditing, interpreting and justifying this data autonomously becomes a necessary and strategic response to the growing volume, complexity and criticality of operational infor- mation. This work proposes and develops a framework for the automated semantic validation of maintenance orders and notes, using Large Language Models (LLMs) or Large Language Models, executed locally, supported by a Retrieval-Augmented Generation (RAG) architecture. The system, implemented in Python, uses the Gemma-3:4B model via Ollama, ensuring data privacy, and uses the LangChain library to orchestrate the interaction. Custom knowledge bases extracted from business rules data are queried to provide domain-specific context to the LLM. Prompt engineering techniques such as Chain of Thought (CoT) that force the LLM to generate reasoning to promote explainability, as well as conversational memory management to optimize efficiency and reduce token processing, were used. This study contributes with a working proto- type, a systematic methodology for developing AI agents that are experts in semantic compliance analysis, aiming to improve data quality and support more accurate decisions in maintenance management.
dc.identifier.urihttp://hdl.handle.net/20.500.14387/2406
dc.language.isoPortuguês
dc.publisher.campiOuro Preto
dc.publisher.countryBrasil
dc.publisher.institutionInstituto Federal de Minas Gerais
dc.publisher.programEspecialização em Inteligência Artificial
dc.rightsAcesso aberto
dc.subject.keywordAnálise, Chain of Thought, confiabilidade, framework, Inteligência Artificial, LangChain, Large Language Models, manutenção industrial, Prompt, raciocínio, Retrieval- Augmented Generation, semântica, tokens.
dc.titleFramework de validação semântica de ordens de manutenção com LLM e RAG
dc.typeTrabalho de Conclusão de Curso
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Framework de Validação Semântica de Ordens de Manutenção com LLM e RAG.pdf
Tamanho:
1.82 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.79 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar
Coleções
Trabalho de Conclusão de Curso