Inteligência Artificial para Redução de Deslocamentos Improcedentes na Distribuidora de Energia Elétrica
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ · 51 min de gravação
Trechos em vídeo

Diferença entre despachos procedentes e improcedentes
Trecho de a da gravação

Priorização de canais de retorno com redes neurais LSTM
Trecho de a da gravação

Como funciona a persistência de modelos de machine learning com pickle
Trecho de a da gravação
Sobre o conteúdo
A palestra "Inteligência Artificial para Redução de Deslocamentos Improcedentes na Distribuidora de Energia Elétrica", realizada no âmbito do evento "Curso de aprofundamento Engenharia Elétrica", apresenta uma solução inovadora desenvolvida pela Radix em parceria com o Grupo CPFL ao longo de um projeto de P&D com quatro anos de duração. O foco principal é mitigar custos e desperdícios operacionais gerados pelos deslocamentos improcedentes (DIs), que ocorrem quando equipes de campo são enviadas a locais onde não há falha real sob responsabilidade da distribuidora, como em casos de inadimplência, restabelecimento automático prévio ou desarme de disjuntores internos.
O palestrante Bruno Accioli explica o fluxo operacional de atendimento ao consumidor e a transição arquitetural proporcionada pelo sistema RDI (Redução de Deslocamentos Improcedentes). Inicialmente, o módulo de Filtro recebe as reclamações dos canais de entrada e avalia a probabilidade de DI com um modelo LightGBM treinado sobre variáveis cadastrais da unidade consumidora e atributos do chamado, contornando o severo desbalanceamento de classes antes do agrupamento. Na etapa seguinte, o agrupador identifica chamados correlatos e gera incidentes, momento em que o módulo PDI (Probabilidade de Deslocamento Improcedente) entra em ação para incidentes isolados, aplicando algoritmos de Gradient Boosting (XGBoost) alimentados por dados do chamado, histórico e variáveis climáticas.
Para otimizar o retorno ao cliente antes do envio de viaturas, o sistema incorpora um Seletor de Canais que equilibra o contato entre a URA automatizada e o callback humano. Uma rede neural recorrente do tipo LSTM prevê a capacidade horária da equipe de atendimento telefônico, direcionando os casos com maior risco de DI para os atendentes humanos e os demais para a automação. No módulo de Analytics, o agrupamento espacial via K-Means combinado a LSTMs multivariadas projeta a criticidade de ocorrências em horizontes de 2 e 4 horas, possibilitando dimensionar equipes em situações de contingência e tempestades.
Por fim, Bruno detalha a estrutura de monitoramento, governança e explicabilidade dos modelos em produção no Analytics, registrando métricas, hiperparâmetros, artefatos e a importância dinâmica das variáveis. A sessão de encerramento responde a dúvidas da audiência a respeito das tecnologias utilizadas (como Python na modelagem e C# no ecossistema web), aplicabilidade para setores além da distribuição de eletricidade e a persistência de artefatos de modelos com bibliotecas de serialização.
O que é abordado
- Abertura e apresentação inicial
- Contexto da distribuição de energia e deslocamentos improcedentesTrecho de 1 min 45 s
- Fluxo de atendimento e visão geral do sistema RDI
- Módulo PDI: Classificação de incidentes isolados com XGBoost
- Módulo Filtro: Triagem de reclamações com LightGBM
- Seletor de Canais: Previsão de capacidade com LSTMTrecho de 1 min 51 s
- Analytics: Previsão de dias críticos e monitoramento de modelos
- Sessão de perguntas e respostasTrecho de 45 s
- Sorteio e encerramento
Dúvidas que o conteúdo responde
Quais linguagens e tecnologias foram utilizadas no desenvolvimento do sistema?
Na parte de ciência de dados e inteligência artificial para o desenvolvimento, treinamento e inferência dos modelos, foi utilizado Python. Para a aplicação corporativa e interface com o usuário em ambiente web, utilizou-se C#.
A solução pode ser aplicada fora do setor elétrico?
Sim, a lógica de redução de deslocamentos improcedentes é extensível a outras distribuidoras e a outros segmentos com atendimento presencial de campo, como empresas de telecomunicações e saneamento, adaptando-se as variáveis e os dados às particularidades de cada negócio.
Foram comparados modelos de Machine Learning com regras heurísticas simples?
Sim, no módulo Seletor de Canais a abordagem baseada em modelos de aprendizado de máquina (como a rede LSTM) foi comparada a heurísticas simples baseadas em médias históricas e contagem de operadores, confirmando que o modelo de aprendizado de máquina obteve erro substancialmente inferior.
O que representam arquivos com extensões como .pickle identificados nos artefatos do sistema?
Tratam-se dos arquivos gerados pelo processo de serialização de objetos em Python por meio da biblioteca pickle, registrando os pesos e parâmetros do modelo treinado para posterior carga e inferência em ambiente de produção.
Assuntos
Palestrantes
Bruno Accioli
Palestrante
Outros conteúdos deste evento
Gravados no evento Semana da Engenharia Elétrica 2021 - UFRJ
Data Science
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Nesta apresentação da Semana de Engenharia Elétrica (SENEL), Rômulo Amaral introduz a área de Ciência de Dados e os fundamentos essenciais para quem deseja ingressar no mercado…
Ver resumo e capítulosCurrículo e marketing pessoal
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A palestra 'Currículo e marketing pessoal', realizada no evento 'Curso de aprofundamento Engenharia Elétrica', aborda estratégias de desenvolvimento de carreira e inserção no…
Ver resumo e capítulosInovações elétricas no setor automobilístico
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A apresentação aborda os fundamentos e avanços das inovações elétricas no setor automobilístico, com ênfase especial na propulsão elétrica e nos sistemas de célula a combustível…
Ver resumo e capítulosMetodologia SCRUM
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
O minicurso apresenta uma introdução abrangente à metodologia ágil de gestão de projetos Scrum, contextualizando sua aplicação tanto no desenvolvimento de produtos e softwares…
Ver resumo e capítulosDimensionamento Fotovoltaico
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Nesta apresentação da SENEL 2021, Alexandre Rosa aborda os conceitos fundamentais para o dimensionamento fotovoltaico de micro e miniusinas conectadas à rede elétrica. São…
Ver resumo e capítulosIntegração do Hidrogênio Verde às Fontes Renováveis
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A palestra aborda as rotas de obtenção e aplicação do hidrogênio verde integrado a diferentes matrizes energéticas renováveis. O palestrante explora fontes como hidrelétrica,…
Ver resumo e capítulosAnarede
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Neste minicurso, Renan Pinto Fernandes apresenta o programa ANAREDE, software desenvolvido pelo Cepel para análise de sistemas de potência em regime permanente. O palestrante…
Ver resumo e capítulosSistemas Isolados no Brasil
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Nesta palestra do Curso de aprofundamento Engenharia Elétrica, Michele Souza aborda a realidade técnica, regulatória e de planejamento dos Sistemas Isolados no Brasil. A…
Ver resumo e capítulos






