Como separei o caminho de escrita de série temporal na Andritz com Kafka e InfluxDB para queries 3x mais rápidas, e entreguei otimização AI/ML que cortou 40% do tempo de calibração manual.
Restrição
As leituras de série temporal dos sensores da planta degradavam no SQL Server, e a calibração ainda dependia de ajuste manual do operador.
Decisão
Separei o caminho de escrita: streaming via Kafka para um store dedicado de série temporal no InfluxDB, com otimização AI/ML devolvendo a calibração ao operador por um console React.
Resultado
Queries analíticas 3x mais rápidas e 40% menos tempo de calibração manual.
Papel
Engenheiro de Software
Andritz · Mai 2024 - Presente
Stack
.NET
Kafka
InfluxDB
SQL Server
React
Python
Azure
O que eu fiz
Reduzi em 40% o tempo de calibração manual com sistemas de otimização industrial baseados em AI/ML
Liderei a migração para InfluxDB, melhorando em 3x a performance de queries de série temporal
Construí backends .NET e SQL Server com front ends React para times na Alemanha e no Canadá, em inglês no dia a dia
Padronizei o pipeline assistido por IA do time: agentes próprios, hooks, MCP servers, revisão automatizada e E2E com Playwright
Integrações event-driven com Apache Kafka; Python para automação e scripts de dados