Engineering Intelligence Hub

Case de portfólio que integra, em um único produto, competências de quatro oportunidades Industria/Inovacao:

1. OCR + LLMs para leitura e extração de especificações técnicas;
2. Geração automatizada de desenhos para aprovação de engenharia;
3. Ciência de Dados e IA para inteligência mercadológica e tecnológica;
4. IoT + HMI para telemetria e integração com software executado em Linux.

Escopo de demonstração: este repositório usa dados sintéticos e serviços simulados. Não representa arquitetura interna, dados ou processos proprietários da .

Visão do caso de uso

Uma empresa industrial recebe especificações técnicas em PDF/imagem, precisa transformar essas informações em dados estruturados, gerar um desenho preliminar para aprovação, acompanhar sinais de um inversor de frequência e consolidar indicadores de mercado/tecnologia.

O Engineering Intelligence Hub centraliza esse fluxo:

PDF/Imagem -> OCR/Extração -> LLM/Validação -> Banco SQL
                                      |          |
                                      |          +-> Indicadores de mercado
                                      |
                                      +-> Geração SVG/PDF de desenho

MQTT/Telemetria -> API IoT -> HMI React/Next.js -> Alertas/Anomalias

Stack

Front-end

• Next.js
• React
• TypeScript
• HTML/CSS

Back-end

• Node.js
• NestJS
• REST API
• Prisma ORM
• PostgreSQL

IA e dados

• Python
• FastAPI
• OCR/document parsing (adaptador demonstrativo)
• Extração estruturada compatível com LLM
• Pipeline de dados não estruturados
• Indicadores e detecção simples de anomalias

IoT

• MQTT
• Simulador de inversor em Python
• Tópicos de telemetria
• HMI web
• Serviço preparado para execução em Linux

DevOps e qualidade

• Docker / Docker Compose
• GitHub Actions
• Testes automatizados
• ESLint
• Pytest

Como cada vaga é contemplada

Vaga	Evidência no projeto
IA Full Stack – OCR e LLMs	Upload de documento, OCR, schema estruturado, prompt template, validação, tela de revisão, métricas de extração
Geração Automatizada de Desenhos	NestJS REST, React/Next.js, SQL/PostgreSQL, Prisma, versionamento de revisão, SVG paramétrico, testes, Docker/CI
Ciência de Dados e IA	Pipeline de ingestão, normalização, indicadores de mercado, análise de texto não estruturado, API Python, exportação CSV para BI
IoT e IA / HMI	MQTT, telemetria, web server/API em Linux, dashboard HMI, integração de ferramentas e detecção simples de anomalias

Estrutura

apps/
  web/                 # Next.js / React / TypeScript
  api/                 # NestJS / Prisma / PostgreSQL
services/
  ai-service/          # FastAPI / Python / IA / OCR / analytics
  iot-simulator/       # Simulador MQTT de inversor
packages/
  shared/              # Schemas e contratos compartilhados
infra/
  node-red/            # Fluxo opcional low-code
.github/workflows/     # CI
 docs/                 # Arquitetura, roteiro de demo e avaliação
 data/sample/          # Dados sintéticos

Fluxos demonstráveis

1. Documento técnico -> dados estruturados

• Upload de um documento sintético.
• Extração de campos: potência, tensão, corrente, frequência, modelo e observações.
• Validação de unidade e formato.
• Registro da evidência textual por campo.
• Revisão humana na interface.

2. Dados estruturados -> desenho de aprovação

• Seleção de uma revisão de especificação.
• Geração de SVG paramétrico com dimensões e bloco de identificação.
• Registro de revisão e status: DRAFT, UNDER_REVIEW, APPROVED, REJECTED.

3. Inteligência de mercado

• Importação de um CSV sintético de mercado.
• Agregações por segmento, ano e tecnologia.
• Extração de palavras-chave de notícias/textos.
• Endpoint de indicadores e exportação para Power BI/Excel.

4. HMI IoT

• Simulador publica RPM, corrente, tensão, temperatura e frequência via MQTT.
• API armazena a última leitura.
• HMI exibe telemetria e status de comunicação.
• Serviço de IA sinaliza anomalia simples por z-score/regras.

Execução local

Pré-requisitos

• Docker Desktop ou Docker Engine + Docker Compose
• Node.js 20+
• Python 3.11+

Subir a stack

docker compose up --build

Serviços planejados:

• Web: http://localhost:3000
• API NestJS: http://localhost:3001
• AI Service: http://localhost:8000
• PostgreSQL: localhost:5432
• MQTT: localhost:1883
• Node-RED (opcional): http://localhost:1880

Demo rápida para entrevista

1. Abrir /documents e processar uma especificação sintética.
2. Revisar os campos extraídos.
3. Abrir /drawings e gerar uma revisão de desenho.
4. Abrir /market e mostrar indicadores de mercado.
5. Rodar o simulador IoT e abrir /hmi para acompanhar telemetria.
6. Mostrar docker-compose.yml, testes e workflow de CI.

Critérios de avaliação do case

OCR/LLM

• acurácia por campo;
• taxa de campos ausentes corretamente identificados;
• rastreabilidade da evidência;
• tempo de processamento.

Desenhos

• consistência entre revisão de parâmetros e desenho;
• reprodutibilidade;
• rejeição de combinações inválidas.

Dados/IA

• qualidade do pipeline;
• completude e duplicidade;
• atualização dos indicadores;
• explicabilidade das conclusões.

IoT

• atualização da HMI;
• detecção de dados obsoletos;
• comportamento após queda/reconexão;
• consumo de recursos no Linux.

Roadmap

• Arquitetura e contratos
• API NestJS inicial
• Serviço Python inicial
• UI Next.js inicial
• Simulador MQTT
• Docker Compose
• CI
• OCR real com Tesseract/Docling
• Integração opcional com API de LLM
• Persistência completa de telemetria em TimescaleDB
• Exportação PDF do desenho
• Dashboard Power BI publicado
• Benchmark de latência em hardware ARM/Linux embarcado

Segurança e privacidade

O projeto utiliza somente dados sintéticos. Para produção, incluir:

• autenticação e autorização por perfil;
• trilha de auditoria;
• criptografia de segredos;
• retenção e classificação de dados;
• revisão das obrigações de LGPD e segurança corporativa.

Licença

MIT para fins de portfólio e demonstração.