Assistente para interpretação de diagramas elétricos industriais

Contexto

Diagramas elétricos industriais são documentos essenciais para manutenção, operação e diagnóstico de falhas. Eles mostram como motores, contatores, relés, proteções, botoeiras, sensores e painéis estão conectados e como o circuito deve funcionar.

Na prática, porém, muitos diagramas são difíceis de interpretar, principalmente quando estão em PDF, escaneados, desatualizados ou sem uma explicação associada. O objetivo deste projeto é criar um assistente que ajude a transformar esses diagramas em explicações claras, checklists e hipóteses de diagnóstico.

Problema

Diagramas elétricos industriais são frequentemente difíceis de interpretar por técnicos iniciantes, equipes de manutenção, profissionais de PCM e até por engenheiros que não participaram do projeto original.

As principais dificuldades são:

• identificar componentes e suas funções;
• compreender tags como QF1, KM1, RT1, S0, S1, M1, KT1 etc.;
• entender a relação entre circuito de comando e circuito de potência;
• reconhecer lógica de selo, intertravamento, partida, parada e proteção;
• associar partes diferentes do mesmo equipamento lógico, como bobina, contatos principais e contatos auxiliares de KM1;
• transformar o diagrama em roteiro de inspeção ou diagnóstico;
• lidar com diagramas escaneados, antigos, incompletos ou sem explicação didática;
• depender excessivamente de profissionais experientes para leitura e troubleshooting.

Abordagem

A solução será desenvolvida como um assistente técnico para apoiar a leitura de diagramas elétricos industriais.

A ideia é que o usuário envie um diagrama em imagem ou PDF e o sistema ajude a identificar os principais componentes, explicar a função provável do circuito, separar comando e potência, indicar proteções e sugerir pontos de verificação em caso de falha.

O projeto também pretende aproveitar técnicas de reconhecimento de diagramas e representação em grafos. Essa camada servirá para dar mais rastreabilidade à interpretação, permitindo que o assistente não apenas “descreva” o desenho, mas relacione componentes e conexões de forma mais estruturada.

O foco inicial será em circuitos industriais comuns, como partida direta de motores, partida estrela-triângulo, reversão de motor, circuitos com relés térmicos, contatores, botoeiras e intertravamentos.

Ferramentas

As ferramentas previstas para o desenvolvimento inicial são:

• Python;
• Streamlit;
• OpenCV;
• PyMuPDF;
• PaddleOCR ou EasyOCR;
• NetworkX;
• Pydantic;
• SQLite;
• LLM API para geração de explicações;
• pytest para testes.

Em fases posteriores, poderão ser avaliadas ferramentas para detecção automática de símbolos, anotação de imagens e armazenamento em grafo, como YOLO, Roboflow, CVAT, FastAPI, React e Neo4j.

Resultado esperado

O resultado esperado é um assistente capaz de apoiar a interpretação de diagramas elétricos industriais.

Na primeira versão, o sistema deverá ser capaz de:

• explicar circuitos industriais simples;
• identificar componentes principais;
• indicar a função provável de cada componente;
• diferenciar comando e potência;
• gerar uma sequência básica de funcionamento;
• sugerir pontos de inspeção;
• apoiar diagnósticos simples, como “motor não liga”.

Em versões futuras, a solução deverá evoluir para reconhecer componentes diretamente em imagens ou PDFs, gerar uma representação estruturada do circuito e produzir diagnósticos mais rastreáveis.

Maturidade atual

O projeto está em fase de concepção e estruturação técnica.

Já foram definidos o problema, o público-alvo, a proposta de valor, o escopo inicial e o caminho de implementação. A decisão principal é começar por circuitos industriais simples e evoluir gradualmente para reconhecimento visual, representação em grafo e diagnóstico assistido.

Próximos passos

Os próximos passos são:

• definir o modelo de representação dos circuitos;
• criar exemplos iniciais de partida direta e estrela-triângulo;
• implementar uma primeira interface em Streamlit;
• testar a geração de explicações técnicas;
• adicionar upload de imagem ou PDF;
• implementar OCR para leitura de tags;
• evoluir para reconhecimento de componentes;
• desenvolver o assistente de diagnóstico baseado na estrutura do circuito.