Unindo a robustez do chão de fábrica (SCADA/Sistemas de Processo) com a escalabilidade da TI Moderna (Python, SQL, Dagster/Airflow, DuckDB, Docker)
Trabalho na intersecção crítica entre a Tecnologia da Operação (OT) e a Tecnologia da Informação (IT). Minha bagagem técnica une a graduação em Ciência da Computação e um MBA em Engenharia de Software com 7 anos de vivência diária de campo em operações industriais na Veolia Water Tech.
No chão de fábrica, aprendi que a qualidade do dado na origem é crítica: um sinal de telemetria corrompido não é apenas uma linha em branco em um relatório, é um risco operacional real que pode impactar a produtividade da planta. Hoje, traduzo essa visão prática no desenvolvimento de pipelines analíticos, modelagem dimensional e governança de qualidade de dados para monitoramento e suporte à decisão.
| 🏭 Automação & Campo (OT) | 💻 Engenharia de Dados & Cloud (IT) |
|---|---|
| Sistemas Supervisórios: SCADA, SDCD (Process Monitoring) | Linguagens & Ingestão: Python (Pandas/Pydantic), SQL Avançado, ETL/ELT |
| Protocolos Industriais: OPC-UA, ModbusTCP | Orquestração & Data Quality: Dagster, Apache Airflow, Great Expectations, Pydantic (Data Contracts), Data Modeling (Star Schema) |
| Historiadores de Dados: AVEVA PI System (OSIsoft PI) | Armazenamento & Nuvem: DuckDB, Parquet (Lakehouse), PostgreSQL, Google Cloud (GCP/Cloud Run) |
| Borda & Dashboards: Codesys, Node-RED | Infraestrutura & IaC: Docker, Terraform, Git, CI/CD |
Plataforma de engenharia de dados para telemetria de Fórmula 1 em alta frequência — Arquitetura Medalhão serverless sobre Parquet e DuckDB.
- O que faz: Ingere telemetria da OpenF1 API (~3.7Hz), orquestra Bronze/Silver/Gold com Dagster (assets declarativos com linhagem), e serve predições via FastAPI + DuckDB em memória com concorrência otimizada.
- Destaque Técnico: Ingestão resiliente (retentativas exponenciais com
tenacity), contratos de dados Pydantic na camada Silver, ASOF JOIN no DuckDB para alinhar sinais de frequências distintas (GPS ~1.5Hz × telemetria ~3.7Hz), e Feature Store na Gold para modelos preditivos de degradação de pneus. - Stack: Python, Dagster, DuckDB, Parquet, FastAPI, Pydantic, Plotly, scikit-learn.
Um simulador completo de Estação de Tratamento de Processo Químico integrando a camada de automação física (OT) com a nuvem analítica (IT).
- O que faz: Simula leituras de sensores em tempo real (pH, Turbidez, TOC) simulando protocolo ModbusTCP em tempo real.
- Destaque Técnico: Ingestão via Django/Python no banco PostgreSQL/SQLite com tratamento estatístico de anomalias e desvios de calibração (Data Quality & Sensor Drift).
- Stack: Python, Django 5, SQLite, Chart.js, Docker.
Pipeline de processamento e roteamento de transporte público com ingestão contínua em tempo real.
- O que faz: Consome dados de telemetria GPS e previsões de chegada de ônibus da cidade de SP via API Olho Vivo com tratativas de retentativas e concorrência.
- Destaque Técnico: Coleta multi-thread assíncrona, orquestração dockerizada e dashboard interativo para análise de rotas e atrasos no Streamlit.
- Stack: Python 3.11, Docker, Docker Compose, Pandas, Streamlit.
Data Warehouse estruturado focado no monitoramento global de indicadores de saúde humana.
- O que faz: Pipeline ETL que consome a API OData da Organização Mundial da Saúde, processa milhões de registros e popula um modelo analítico de dados.
- Destaque Técnico: Modelagem dimensional rigorosa (Kimball Star Schema) com tabelas Fato e Dimensão, orquestrado via Airflow e validado com Great Expectations.
- Stack: Python, Apache Airflow, Great Expectations, SQLite.
- Bacharelado em Ciência da Computação
- MBA em Engenharia de Software
- Elastic Google Cloud Infrastructure: Scaling and Automation
- Google Cloud Fundamentals: Core Infrastructure
- Técnicas Avançadas de Python
- DevOps & Cloud (Linux, Docker, Kubernetes, AWS)
