Team 09

Necessidade do cliente (explicação não técnica)

Muitas pessoas recebem contas de energia elevadas, mas possuem pouca visibilidade sobre os hábitos que mais impactam seus gastos.

A solução deve permitir:

Entender o perfil de consumo energético; Identificar possíveis desperdícios; Receber recomendações de melhoria; Estimar custos associados ao consumo; Acompanhar indicadores de eficiência ao longo do tempo.

O objetivo é transformar dados de consumo em informações claras e úteis para apoiar decisões mais conscientes.

Validação de mercado

A preocupação com eficiência energética e sustentabilidade cresce continuamente em diferentes setores da sociedade.

Empresas, governos e consumidores buscam soluções capazes de:

Reduzir custos operacionais; Melhorar indicadores de sustentabilidade; Incentivar o consumo consciente; Monitorar padrões de utilização de energia; Apoiar estratégias de eficiência energética.

Mesmo soluções simples podem gerar valor ao fornecer análises e recomendações personalizadas com base nos dados dos usuários.

Objetivo do Hackathon

Desenvolver um MVP funcional capaz de:

Analisar padrões de consumo energético; Classificar perfis de eficiência energética; Gerar recomendações de melhoria; Estimar impactos financeiros com base em uma tarifa de referência; Disponibilizar os resultados por meio de uma API REST; Utilizar pelo menos um serviço OCI como parte da arquitetura da solução.

Resultados esperados

Ciência de Dados Notebook contendo:

Exploração e limpeza dos dados (EDA); Análise de padrões de consumo; Tratamento e transformação de variáveis; Treinamento de modelos supervisionados; Avaliação utilizando métricas adequadas; Geração de recomendações baseadas em regras ou modelos; Serialização do modelo treinado.

Back-End API REST contendo:

Endpoint para análise do consumo; Endpoint para consulta de resultados; Validação de entrada; Tratamento de erros; Documentação dos endpoints.

OCI Utilização de pelo menos um dos seguintes serviços:

Object Storage para armazenamento de modelos ou dados; OCI Compute para hospedagem da API; OCI Functions para processamento específico; Banco de dados opcional para persistência.

Funcionalidades obrigatórias (MVP)

Análise do perfil energético Endpoint:

POST /analise-energetica Entrada:

{ "consumokwh": 420, "usohorariopico": true, "quantidadeequipamentos": 10, "tipoimovel": "Casa", "horasaltoconsumo": 8 }

Saída:

{ "categoria": "Ineficiente", "probabilidade": 0.81 }

Recomendações de otimização Saída complementar:

{ "recomendacoes": [ "Reduzir o uso de equipamentos durante horários de pico", "Avaliar aparelhos com alto consumo energético", "Distribuir atividades de maior consumo ao longo do dia" ] }

Estimativa financeira Utilizando a tarifa de referência sugerida de R$ 0,75 por kWh:

{ "custoestimadomensal": 315.00 }

Requisitos mínimos

Modelo treinado e carregado corretamente; Classificação funcional; Geração de recomendações; Estimativa de custo energético; API documentada; Integração com OCI; Mínimo de três exemplos reais ou simulados de utilização.

Recursos opcionais

Dashboard de acompanhamento; Histórico de análises; Processamento em lote via CSV; Containerização com Docker; Testes automatizados; Alertas de alto consumo; Visualizações gráficas; Comparação entre períodos; Ranking de eficiência energética; Simulação de cenários de economia.

Diretrizes para Ciência de Dados

Cada equipe deverá construir sua própria base de dados relacionada ao consumo energético.

Os dados poderão ser:

Coletados em fontes públicas; Obtidos em bases abertas; Gerados manualmente pela equipe; Simulados para representar diferentes perfis de consumo.

Recomenda-se utilizar:

Python; Pandas; Scikit-Learn; Regressão Logística; Random Forest; Árvores de Decisão.

A utilização de outros modelos é permitida.

As equipes deverão definir e justificar os critérios utilizados para caracterizar os diferentes perfis de eficiência energética.

Diretrizes para Back-End A solução deverá disponibilizar uma API REST desenvolvida preferencialmente em Java com Spring Boot.

A API deverá:

Receber os dados de consumo; Executar a análise; Retornar classificação, probabilidade e recomendações; Disponibilizar respostas em formato JSON; Implementar validações e tratamento de erros.

A arquitetura escolhida deverá ser documentada pela equipe.

OCI A solução deve utilizar pelo menos um serviço OCI como parte obrigatória do projeto.

Sugestões:

Object Storage para armazenamento de modelos ou arquivos; OCI Compute para implantação da API; OCI Functions para processamento complementar; Banco de dados opcional para persistência.

Front-End (opcional) Opcionalmente, a equipe poderá desenvolver uma interface simples para:

Inserção de informações de consumo; Visualização dos resultados da análise; Exibição de recomendações; Apresentação de gráficos e indicadores.

O desenvolvimento de front-end não é obrigatório para o MVP.