Fazer um modelo de IA para manutenção preditiva como meu TCC é procurar sarna pra se coçar?
Opa pessoal, boa noite!
Tô no 5º período de Engenharia (numa federal aqui no Tocantins) e de vez em quando me pego pensando sobre meu futuro tcc pra não deixar tudo pra última hora.
A questão é a seguinte: aqui na minha região existe um polo gigante de energia solar, então 9 em cada 10 TCCs acabam indo pra essa área de painéis e inversores. Eu queria muito fugir desse padrão.
Eu curto bastante a área de otimização, Circuitos e Sinais e Sistemas (especialmente aquela parte de Transformada de Fourier). Também tô mexendo com uns projetos de IoT com microcontroladores recentemente e tô gostando muito.
Juntando tudo isso, pensei na seguinte ideia pro TCC: Manutenção Preditiva de Motores usando IA embarcada (TinyML).
A arquitetura seria basicamente:
- Usar datasets públicos (já achei uns bons no Mendeley/Kaggle) com dados de assinatura de corrente de motores (MCSA) com e sem falhas físicas (tipo desgaste no rolamento).
- Aplicar uma FFT nesses dados de corrente com Python.
- Treinar um modelo de Machine Learning clássico (Classificação) pra reconhecer o padrão de falha.
- Embarcar isso num microcontrolador potente (tipo um ESP32 ou STM32) usando plataformas como o Edge Impulse, pra ele dar o diagnóstico offline.
O meu medo e o motivo do post: Eu tenho muita vontade de aprender, mas gosto de ter os pés no chão. Não quero reinventar a roda nem criar uma matemática nova do zero. Eu quero usar as bibliotecas prontas pra resolver o problema de engenharia.
Fazer um projeto desses, treinando o modelo e embarcando no hardware, é viável pra um aluno de graduação normal no prazo de um TCC? Ou isso é daquelas ideias que parecem legais no papel, mas na prática é procurar sarna pra se coçar e eu vou acabar travado sem conseguir entregar o projeto?
Alguém aí já fez algo parecido com Edge AI/TinyML ou análise de sinais pra me dar um choque de realidade? Qualquer dica de onde focar ou do que evitar é bem-vinda. Valeu!