Centro Pi desenvolve projeto de manutenção preditiva para a Stone
O Centro Pi (Centro de Projetos e Inovação IMPA) concluiu o projeto de manutenção preditiva desenvolvido para a Stone, fintech brasileira de soluções financeiras. Iniciado no segundo semestre de 2024, o trabalho teve como objetivo prever possíveis falhas nas baterias das máquinas de cartão da empresa. Como resultado, a equipe conseguiu gerar modelos que têm uma boa taxa de previsão da bateria dos aparelhos em vários contextos.
O cientista de projetos do Centro PI Lucas Nissenbaum explicou que o “projeto buscava determinar com a maior precisão possível quando uma máquina de cartão teria problemas de bateria que a levariam a ter um funcionamento irregular”. Para resolver o problema proposto pela fintech, foram construídos vários modelos, baseados em machine learning, em processamento de séries temporais e análise de dados para gerar uma solução que tivesse uma boa relação com a saúde da bateria.
O Centro Pi utilizou janelas temporais variadas para o desenvolvimento do projeto, tendo como modelo ideal uma previsibilidade de semanas antes. A ideia foi determinar a ocorrência de dois eventos: os episódios de baixíssima duração das baterias das máquinas de cartão e os casos de não funcionamento dos aparelhos. Matematicamente, a solução foi desenvolvida com base em machine learning e processamento de dados.
Henrique Madeira, líder do time de Business Intelligence da Logística na Stone, atuou diretamente no projeto na interface estratégica entre o time técnico da Stone e a equipe do Centro Pi. Para ele, “a colaboração foi altamente produtiva: conseguimos traduzir dados operacionais em variáveis com forte poder preditivo, permitindo que a empresa adote uma abordagem mais proativa na gestão de falhas. Isso representa um avanço importante na manutenção do nosso parque de hardware, contribuindo para a redução de custos com trocas e, principalmente, para o aprimoramento da experiência da nossa principal razão de existir: os clientes. Este projeto marca mais um passo relevante na consolidação da nossa estratégia de uso de Inteligência Artificial aplicada ao negócio”
Além de Nissenbaum, integram a equipe o cientista de projetos Francisco Ganacim, quatro alunos de doutorado, um aluno de mestrado e um pós-doutorando. Vanessa Fernandes é aluna de doutorado em Ciência da Computação da Uerj (Universidade do Estado do Rio de Janeiro) e foi uma das colaboradoras do Centro Pi no neste projeto. Ela destaca a relevância do trabalho com engenharia de features e com redes neurais.
“Foi uma das melhores experiências que já tive. Amei poder fazer parte de uma equipe real, num projeto de verdade, para uma empresa grande, e tudo isso dentro do IMPA, que é uma das maiores referências de pesquisa no Brasil. Me senti super privilegiada. Acho que cresci em várias frentes: pessoal, interpessoal, computacional e matemática. Foi uma oportunidade de aprofundar o raciocínio em várias questões do modelo, entender melhor a parte de avaliação e até mesmo reforçar conceitos que às vezes a gente acha que já domina. Aprendi demais com a troca com a equipe também.”
Já Melvin Poveda, doutorando do IMPA, destaca a parte final do projeto: a extração de features (características das máquinas) para explicar a saúde da bateria e treinar os modelos de machine learning. “Considero que fui capaz de aperfeiçoar conhecimentos matemáticos que aprendi em diversos cursos dados no IMPA. Especialmente, a aula de machine learning, assim como também algoritmos, Teoria da Informação e outras áreas de pesquisa. Também gostei e aprendi muito na interação com a Stone. Eles sempre estavam disponíveis para qualquer dúvida e ajudaram muito a gente a criar juntos uma melhor solução para o problema”, contou.
Leia também: Folha: ‘Elena Cornaro Piscopia, primeira doutora da história’