Unindo a robustez da operação industrial à escalabilidade de pipelines analíticos e protocolos modernos de IA (Python, SQL, TypeScript, MCP, Dagster, 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 & Analytics | 🤖 Protocolos de IA & Plataforma (Core) |
|---|---|---|
| Sistemas Supervisórios: SCADA, SDCD | Linguagens & Processamento: Python, SQL Avançado, Pandas, Polars | Protocolos & Agentes: Model Context Protocol (MCP - stdio/HTTP), Tool Calling seguro |
| Protocolos Industriais: OPC-UA, ModbusTCP | Orquestração & Governança: Dagster, Apache Airflow, Great Expectations, Pydantic | Linguagens & Runtime: TypeScript, Node.js, Next.js, FastAPI |
| Historiadores: AVEVA PI System (OSIsoft PI) | Armazenamento Analítico: DuckDB, Parquet (Lakehouse), PostgreSQL, SQLite (WAL) | Segurança & Resiliência: Fail-Closed Fencing, Rate Limiting, Prevenção de Prototype Pollution |
| Borda & Lógica: Codesys, Node-RED | Modelagem: Star Schema (Kimball), Feature Store | Deploy & Infraestrutura: Docker, Kubernetes, Helm Charts, Git CI/CD |
Implementação do servidor oficial Model Context Protocol (MCP) para o LibreDB Studio, viabilizando integração segura entre agentes de IA e múltiplos motores de banco de dados.
- O que faz: Adiciona endpoint
/api/mcp(HTTP) e transporte local via stdio com ferramentas de inspeção de esquemas e execução segura de consultas analíticas (list_connections,inspect_schema,run_read_query). - Destaque Técnico: Barreira de execução fail-closed contra instruções destrutivas, proteção contra prototype pollution (
__proto__), orçamento estrito de wire (limite de 64KB e teto determinístico de linhas), cancelamento atômico de queries com heartbeat, suporte multi-SO a SQLite WAL somente leitura, suíte completa de testes unitários e de integração, além de empacotamento com Helm Charts e CLI npx. - Rastreabilidade: Aceito e integrado na branch principal via PR #1070 (commit b384395).
- Stack: TypeScript, Next.js, Node.js, Model Context Protocol (MCP SDK), SQLite, Docker, Helm, Vitest.
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)
