🏆 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.

1. 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.
2. 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.
3. 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:

1. Geração Sintética de Dados: Usamos IA para gerar imagens-base das 5 peças.
2. 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).
3. 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.