🏆 Vencedor (1º Lugar) | Classificador de Peças para Chatbot de Atendimento (Hackathon CAF Máquinas)
Este projeto foi o vencedor do 1º lugar no hackathon da CAF Máquinas em parceria com a SECComp. O desafio era criar soluções inovadoras para otimizar o atendimento ao cliente.
O Problema
Identificamos um gargalo crítico no processo de venda de peças de reposição: a dificuldade dos clientes em comunicar o nome técnico das peças que necessitavam. Isso causava longos tempos de atendimento, dependência de atendentes experientes e potencial para erros na compra.
A Solução
Desenvolvemos uma solução ponta-a-ponta que automatiza a identificação de peças usando Visão Computacional integrada a um chatbot.
- Interface de Atendimento (Chatbot): Criamos um fluxo de conversa no ManyChat (implantado no Instagram como PoC, mas adaptável ao WhatsApp). O bot guia o cliente e, quando ele não sabe o nome da peça, solicita uma foto.
- Cérebro (Modelo de IA): A foto é enviada para uma API de Deep Learning (PyTorch). Este modelo classifica a imagem e retorna o nome técnico correto da peça.
- Resultado: O chatbot recebe o nome da peça (ex: "CARACOL MONTADO 8") e informa instantaneamente ao cliente, agilizando o pedido.
Como Prova de Conceito, o escopo foi focado em um único componente: o "Conjunto de Moagem" do Moedor CAF 8, composto por 5 peças principais.
Desafio Técnico e Estratégia
O principal desafio foi a ausência total de um dataset de imagens das peças. Para contornar isso:
- Geração Sintética de Dados: Usamos IA para gerar imagens-base das 5 peças.
- Data Augmentation Intensivo: Aplicamos um pipeline robusto de transformações (
RandomRotation, ColorJitter, RandomResizedCrop) para simular as diferentes condições de fotos que um cliente poderia enviar (ângulos, iluminação, zoom).
- Arquitetura: Usamos Transfer Learning com uma ResNet18 pré-treinada, congelando o backbone e treinando apenas um classificador customizado.
Stack de Tecnologias
- Inteligência Artificial: PyTorch, Torchvision (ResNet18), TensorBoard
- Backend (API do Modelo): FastAPI, Uvicorn
- Chatbot (Frontend): ManyChat
- Deploy (Demo): Instagram (via ManyChat), Ngrok (para expor a API ao chatbot)
Resultados
- 🏆 Vencedor do Hackathon (1º Lugar): A solução foi reconhecida pela sua viabilidade técnica, impacto direto no negócio e solução criativa para um problema real de atendimento.
- 🎯 Performance do Modelo: O modelo alcançou 90% de acurácia no conjunto de teste, validando a eficácia da abordagem, mesmo partindo de dados 100% sintéticos.
- 🚀 Demonstração: O fluxo completo (Cliente -> Chatbot -> API -> Modelo -> Chatbot -> Cliente) foi demonstrado com sucesso.
