Visão Geral

O curso Big Data e Analytics para Indústria 4.0 apresenta os principais conceitos, tecnologias e técnicas para coleta, armazenamento, processamento, análise e visualização de grandes volumes de dados provenientes de ambientes industriais.

O treinamento aborda como dados de máquinas, sensores, sistemas SCADA, MES, ERP, IIoT e outras fontes industriais podem ser integrados e transformados em informações estratégicas para melhorar processos, reduzir custos, aumentar a eficiência operacional e apoiar a tomada de decisões.

Os participantes conhecerão arquiteturas de Big Data, processamento de dados em lote e em tempo real, bancos de dados, análise exploratória, dashboards, séries temporais e aplicações de Analytics em manutenção, produção, qualidade e eficiência energética.

O curso utiliza ferramentas open source e ambientes de laboratório acessíveis, permitindo a criação de projetos práticos sem depender de uma infraestrutura industrial proprietária.

Publico Alvo

• Engenheiros de produção
• Engenheiros de automação e controle
• Engenheiros de processos
• Analistas de dados
• Cientistas de dados
• Profissionais de TI e OT
• Profissionais de Indústria 4.0
• Profissionais de IoT e IIoT
• Técnicos e analistas industriais
• Profissionais de manutenção
• Profissionais de transformação digital
• Gestores de tecnologia, dados e inovação

Informações Gerais

Após realizar este curso Big Data e Analytics para Indústria 4.0, você será capaz de:

• Compreender os fundamentos de Big Data
• Compreender o conceito de Analytics aplicado à indústria
• Identificar fontes de dados industriais
• Compreender arquiteturas de Big Data para ambientes industriais
• Trabalhar com grandes volumes de dados
• Diferenciar processamento Batch e Streaming
• Compreender Data Lake, Data Warehouse e Lakehouse
• Integrar dados provenientes de IoT e IIoT
• Realizar tratamento e preparação de dados
• Utilizar ferramentas de análise de dados
• Criar indicadores e dashboards industriais
• Analisar séries temporais
• Identificar padrões e anomalias
• Aplicar Analytics em manutenção, produção e qualidade
• Compreender a integração entre Big Data, Machine Learning e IA
• Desenvolver um projeto de Analytics aplicado à Indústria 4.0

Materiais

Conteúdo Programatico

Módulo 1 – Fundamentos de Big Data

• O que é Big Data
• Evolução dos dados
• Dados tradicionais x Big Data
• Os 5 Vs do Big Data
  • Volume
  • Velocidade
  • Variedade
  • Veracidade
  • Valor
• Dados estruturados
• Dados semiestruturados
• Dados não estruturados
• Big Data na Indústria 4.0
• Principais desafios de Big Data

Módulo 2 – Big Data na Indústria 4.0

• Indústria 4.0 e transformação digital
• Smart Factory
• Data-Driven Manufacturing
• Dados como ativo estratégico
• Convergência IT/OT
• IIoT e Big Data
• Sistemas industriais como fontes de dados
• Dados de sensores
• Dados de máquinas
• Dados de produção
• Dados de qualidade
• Dados de manutenção
• Dados de energia
• Casos de uso industriais

Módulo 3 – Fontes de Dados Industriais

• Sensores
• PLCs
• Sistemas SCADA
• Historiadores industriais
• MES
• ERP
• Sistemas de manutenção
• Bancos de dados
• Arquivos CSV
• APIs
• MQTT
• OPC UA
• Dados de IIoT
• Dados de equipamentos
• Dados em tempo real
• Dados históricos

Laboratório

Simulação de coleta de dados de sensores industriais e preparação para armazenamento e análise.

Módulo 4 – Arquiteturas de Big Data

• Componentes de uma arquitetura Big Data
• Data Sources
• Data Ingestion
• Data Processing
• Data Storage
• Data Analytics
• Data Visualization
• Data Governance
• Arquiteturas centralizadas
• Arquiteturas distribuídas
• Arquitetura Batch
• Arquitetura Streaming
• Lambda Architecture
• Kappa Architecture
• Arquiteturas modernas para Indústria 4.0

Módulo 5 – Data Lake, Data Warehouse e Lakehouse

• Conceito de Data Warehouse
• Conceito de Data Lake
• Conceito de Data Lakehouse
• Diferenças entre as arquiteturas
• Dados brutos
• Dados tratados
• Dados estruturados
• Data Lake industrial
• Armazenamento de grandes volumes
• Organização dos dados
• Metadados
• Catálogo de dados
• Casos de uso industriais

Módulo 6 – Ingestão de Dados

• Conceito de Data Ingestion
• ETL
• ELT
• Batch ingestion
• Streaming ingestion
• APIs
• MQTT
• Arquivos
• Bancos de dados
• Gateways
• Dados de sensores
• Integração IIoT
• Qualidade durante a ingestão
• Tratamento de dados em tempo real

Laboratório

Implementação de um fluxo de ingestão:

Sensor/Simulador → MQTT → Node-RED → Banco de Dados

Módulo 7 – Processamento de Grandes Volumes de Dados

• Processamento distribuído
• Batch Processing
• Stream Processing
• Paralelismo
• Escalabilidade
• Tolerância a falhas
• Processamento em memória
• Introdução ao Apache Spark
• Arquitetura do Spark
• Spark Core
• DataFrames
• Spark SQL
• PySpark

Laboratório

Processamento de um grande dataset industrial utilizando Apache Spark e PySpark.

Módulo 8 – Análise de Dados com Python

• Python para Analytics
• NumPy
• Pandas
• DataFrames
• Importação de datasets
• Limpeza de dados
• Transformação
• Agregação
• Filtragem
• Estatística descritiva
• Correlação
• Análise exploratória
• Visualização de dados

Laboratório

Análise exploratória de dados provenientes de máquinas industriais.

Módulo 9 – Time Series Analytics

• Conceito de séries temporais
• Dados de sensores
• Timestamp
• Frequência de amostragem
• Tendência
• Sazonalidade
• Ruído
• Janelas temporais
• Agregação temporal
• Detecção de mudanças
• Análise de comportamento
• Monitoramento de equipamentos

Laboratório

Análise de séries temporais de:

• Temperatura
• Pressão
• Vibração
• Consumo energético

Módulo 10 – Analytics em Tempo Real

• Conceito de Real-Time Analytics
• Streaming Analytics
• Eventos
• Event Processing
• Dados em tempo real
• Monitoramento de sensores
• Alertas
• Detecção de eventos
• Processamento contínuo
• Edge Analytics
• Cloud Analytics

Laboratório

Construção de um fluxo de análise em tempo real:

Sensor → MQTT → Processamento → Banco de Dados → Dashboard

Módulo 11 – Visualização de Dados Industriais

• Data Visualization
• Dashboards
• Indicadores industriais
• KPIs
• Gráficos
• Tendências
• Comparações
• Heatmaps
• Monitoramento em tempo real
• Alarmes
• Histórico
• Grafana
• Construção de dashboards industriais

Laboratório

Criação de dashboard para monitoramento de uma fábrica contendo:

• Produção
• Temperatura
• Pressão
• Consumo energético
• Status das máquinas
• Alarmes
• Indicadores de eficiência

Módulo 12 – Analytics para Produção

• Análise de produtividade
• OEE
• Disponibilidade
• Performance
• Qualidade
• Análise de gargalos
• Análise de perdas
• Tempo de ciclo
• Capacidade produtiva
• Previsão de produção
• Identificação de padrões
• Otimização baseada em dados

Módulo 13 – Analytics para Manutenção

• Manutenção baseada em dados
• Manutenção preventiva
• Manutenção preditiva
• Histórico de falhas
• Dados de sensores
• Análise de condição
• Identificação de anomalias
• Indicadores de manutenção
• MTBF
• MTTR
• Predição de falhas
• Integração com Machine Learning

Módulo 14 – Analytics para Qualidade

• Data Analytics aplicado à qualidade
• Controle estatístico
• Identificação de padrões
• Análise de defeitos
• Correlação entre parâmetros
• Detecção de desvios
• Predição de problemas
• Classificação de produtos
• Análise de causas
• Quality Analytics

Módulo 15 – Analytics para Eficiência Energética

• Monitoramento de energia
• Dados de consumo
• Indicadores energéticos
• Consumo por máquina
• Consumo por produto
• Identificação de desperdícios
• Análise de demanda
• Eficiência energética
• Análise de tendências
• Previsão de consumo

Laboratório

Desenvolvimento de um dashboard de eficiência energética utilizando dados simulados de equipamentos industriais.

Módulo 16 – Big Data e Machine Learning

• Big Data como base para Machine Learning
• Preparação de datasets
• Feature Engineering
• Modelos preditivos
• Classificação
• Regressão
• Clusterização
• Detecção de anomalias
• Machine Learning em grandes volumes de dados
• Processamento distribuído para IA
• Analytics preditivo

Módulo 17 – Governança e Segurança de Dados Industriais

• Governança de dados
• Qualidade dos dados
• Data Ownership
• Data Stewardship
• Catálogo de dados
• Metadados
• Controle de acesso
• Autenticação
• Autorização
• Criptografia
• Segurança de dados industriais
• Proteção de dados
• Auditoria
• LGPD e dados corporativos