Proposta de um sistema tutor inteligente baseado em contexto para apoio em atividades que envolvem manipulação de PCBs

• Ramayana Assunção Menezes Júnior Universidade Federal do Amazonas (UFAM)
• Zickson Josue Prestes de Lima Silva Universidade do Estado do Amazonas (UEA)
• Joao Marcos Bezerra do Nascimento Universidade do Estado do Amazonas (UEA)
• Enrike Rocha Fernandes Universidade do Estado do Amazonas (UEA)
• Jose Francisco Netto Universidade Federal do Amazonas (UFAM)
• Rodrigo Choji de Freitas Universidade do Estado do Amazonas (UEA)

DOI: https://doi.org/10.5753/sbie.2026.28125

Resumo

A manufatura e a manutenção de Placas de Circuito Impresso (PCBs – Printed Circuit Boards) exigem alta precisão, tornando o treinamento de operadores suscetível a falhas críticas. Para superar as limitações dos sistemas passivos de inspeção, este trabalho propõe uma abordagem educacional baseada em contexto para o treinamento em manufatura. A abordagem materializa-se na arquitetura de um Sistema Tutor Inteligente que integra Modelos de Linguagem de Visão (VLMs), Modelos de Linguagem de Grande Escala (LLMs) e Realidade Aumentada (RA). Um pipeline de inferência multimodal avalia, em tempo real, o estado físico da placa e os procedimentos de manuseio do operador, permitindo interação natural por comandos de voz e chat textual. Ao apresentar orientações no próprio ambiente de trabalho e reagir quando uma ação insegura ou incorreta é detectada, a abordagem favorece a aprendizagem situada e o feedback corretivo e imediato. Como resultados emergentes, apresentam-se um protótipo funcional da interface e sua demonstração técnica preliminar. O protótipo implementa o painel conversacional em RA e o fluxo de entrada por voz; a validação empírica posterior investigará redução de erros, carga cognitiva e usabilidade industrial. Espera-se que a abordagem viabilize uma aprendizagem dinâmica e adaptativa para a Indústria 4.0.

Palavras-chave: Sistema Tutor Inteligente, Realidade Aumentada, Manutenção Industrial

Referências

ALENCAR, M. A. S.; NETTO, J. F. M. Sistema Multiagente para Apoiar a Percepção e o Acompanhamento de Atividades em Ambientes Virtuais de Aprendizagem. In: Anais do XXX Congresso da Sociedade Brasileira de Computação (CSBC). Belo Horizonte, MG, Brasil, 2010. p. 1417-1420.

SILVA, F. S. D.; SÁ, T. R. D.; LIMA, K. A. S.; FREITAS, R. C. D.; PEREIRA, K. S.; JÚNIOR, R. A. M.; ALVES, N. F.; CARVALHO, M. G.; FLORES, L. G. Utilizando Redes Neurais Convolucionais para Automatizar a Detecção de Defeitos Físicos em PCBs na Indústria 4.0. In: Anais do Simpósio Brasileiro de Automação Inteligente (SBAI). 2023. DOI: 10.20906/SBAI-SBSE-2023/3800.

FERREIRA, A. R.; SILVA, A. C. Sistema de Linguagem Dinâmica para a Criação e o Processamento de Rotinas Interativas e Procedurais Sobre Cenários de Ambientes de Realidade Virtual Imersivos. Instituto Federal Goiano, Morrinhos, GO, 2023.

FREITAS, R. C.; ALVES, N. F.; MENEZES, R. A. et al. Curupira Project: A Platform for Intelligent Monitoring of Waste in Amazon Rivers. In: Anais do XVIII Simpósio Brasileiro de Sistemas de Informação (SBSI). Curitiba, PR, Brasil: SBC, p. 1-8, 2022.

GÉLIO, L. G.; CÉSAR, F. I. G. Utilização da realidade aumentada na manutenção industrial. Revista Científica Acertte, v. 2, n. 2, p. e2262, 2022.

GEMMA TEAM, et al. Gemma: Open models based on gemini research and technology. arXiv preprint arXiv:2403.08295, 2024.

HATTIE, J.; TIMPERLEY, H. The power of feedback. Review of Educational Research, v. 77, n. 1, p. 81–112, 2007.

HÜTTEN, N. et al. Deep Learning for Automated Visual Inspection in Manufacturing and Maintenance: A Survey of Open-Access Papers. Applied System Innovation, v. 7, n. 11, 2024.

LIU, H., et al. Visual instruction tuning. Advances in neural information processing systems, 36, 2024.

LAVE, J.; WENGER, E. Situated learning: Legitimate peripheral participation. Cambridge: Cambridge University Press, 1991.

MELO, R.; PIRES, F.; MENEZES, R. A.; CHOJI, R. Um projeto de desenvolvimento de software em parceria com a indústria: um estudo de caso em Educação em Computação. RENOTE - Revista Novas Tecnologias na Educação, v. 21, n. 1, p. 24-33, 2023.

SILVA, et al. Middleware de Supervisão de Processos 4.0: Uma aplicação de Etiquetagem de PCBs. In: Anais do Congresso Brasileiro de Automática (CBA). 2024. DOI: 10.20906/CBA2024/4796.

NAZARETH, D. R.; ALENCAR, M. A. S.; NETTO, J. F. M. ELRA - Ensino de Libras usando Realidade Aumentada. EST/Universidade do Estado do Amazonas, Manaus, AM, Brasil, 2014.

PARIKH, M. et al. Deep Learning for Automated Defect Detection in Industrial Manufacturing. In: Proceedings of the 6th International Conference on Electronics and Sustainable Communication Systems (ICESC-2025), 2025.

PARK, S.-H. et al. Deep Learning-Based Defect Detection for Sustainable Smart Manufacturing. Sustainability, v. 14, n. 2697, 2022.

ROMERO, D., et al. The Operator 4.0: human cyber-physical systems & adaptive automation towards human-automation symbiosis work systems. In: IFIP international conference on advances in production management systems. Springer, 2016. p. 677-686.

SHINGO, S. Zero quality control: Source inspection and the poka-yoke system. CRC press, 1986.

SHUKLA, V. et al. A systematic survey: role of deep learning-based image anomaly detection in industrial inspection contexts. Frontiers in Robotics and AI, v. 12, 1554196, 2025.

SILVA, A. P. et al. Metodologia para aplicação de realidade virtual em treinamentos de integração de segurança industrial. Revista Observatorio de la Economia Latinoamericana, v. 22, n. 12, 2024.

SILVA, D. B. A. Revisão sistemática sobre a realidade aumentada aplicada no processo de manutenção da indústria brasileira. Monografia (Bacharelado em Ciência da Computação) - Instituto Federal Goiano, Morrinhos, GO, 2025.

SUNDARAM, S.; ZEID, A. Artificial Intelligence-Based Smart Quality Inspection for Manufacturing. Micromachines, v. 14, n. 570, 2023.

MOTA VIEIRA, A. V.; MAGALHÃES NETTO, J. F. Adaptive learning in programming education: A systematic mapping of the literature. In: 2023 IEEE Frontiers in Education Conference (FIE). 2023. p. 1–7. DOI: 10.1109/FIE58773.2023.10342933.

WATANABE, G. Y.; CATAPAN, M. F.; SIERRA, I. S. Proposta de um sistema de análise ergonômica auxiliada por realidade virtual na indústria de manufatura. Revista Caribeña de Ciencias Sociales, v. 12, n. 1, p. 01-22, 2023.