No âmbito do Mestrado em Ciência de Dados na Universidade de Aveiro, na cadeira de Seminário, enquanto turma criámos uma startup fictícia chamada Smart Workbench, com o objetivo de desenvolver um sistema baseado em dados não estruturados (câmeras) e estruturados (tempos e logs) para automatizar e otimizar uma linha de produção.
A ideia era maximizar a eficiência da linha, reduzindo o tempo de espera e aumentando a produtividade através da análise de dados e do uso de algoritmos de machine learning e deep learning, ajudando a prever falhas, otimizar processos e aliviar a carga cognitiva dos operadores.
Participação no projeto:
Módulo de Hand Tracking: Desenvolvi um modelo de detecção de mãos utilizando a biblioteca MediaPipe, que identifica e rastreia as mãos dos operadores em tempo real. Este módulo é essencial para entender a interação dos operadores com a linha de produção e detectar ações específicas para otimização, servindo como input para o sistema.
Módulo de Object Detection: Fui responsável pela coleta de dados (imagens e criação de labels) e validação de modelos de detecção de objetos usando as bibliotecas YOLO e RF-DETR, técnicas avançadas para esta tarefa. Este módulo identifica e classifica objetos na linha, permitindo análise detalhada do processo, identificação de gargalos e anomalias.
Módulo de Task Division: Desenvolvi um algoritmo para distribuir tarefas eficientemente entre os operadores, baseado nos dados coletados pelos módulos anteriores, com programação linear binária. Este módulo otimiza a linha, garantindo uma divisão equilibrada e produtiva das tarefas, reduzindo tempos de espera.
Este projeto representa uma solução completa para automação e otimização de linhas de produção usando tecnologias modernas de visão computacional e machine learning.