Avaliação Comparativa de Assistentes de Inteligência Artificial Generativa Aplicados à Configuração e Validação de Simulações de Processos Industriais

Descrição

O projeto propõe avaliar comparativamente respostas geradas por assistentes de inteligência artificial generativa em tarefas de apoio à configuração e validação de simulações de processos industriais. A proposta parte da importância da simulação de processos para a Engenharia Química, especialmente em atividades de ensino, pesquisa, projeto, análise operacional, otimização e controle. A configuração de modelos em simuladores exige decisões técnicas sobre componentes químicos, modelos termodinâmicos, correntes, blocos, conexões, parâmetros operacionais, malhas de controle e interpretação de resultados. Essas tarefas podem ser repetitivas, demoradas e sujeitas a erros, principalmente para estudantes de graduação e usuários em fase inicial de formação. A expansão recente dos assistentes de inteligência artificial generativa criou novas possibilidades para apoiar atividades técnicas. Esses sistemas podem auxiliar na explicação de conceitos, organização de procedimentos, interpretação de documentos, geração de códigos, análise de erros e orientação inicial para montagem de simulações. Apesar desse potencial, as respostas geradas por modelos de linguagem podem conter inconsistências técnicas, escolhas inadequadas de modelos, comandos inexistentes, informações sem rastreabilidade ou recomendações pouco compatíveis com o simulador utilizado. Em Engenharia de Processos, uma resposta aparentemente coerente pode induzir erros de modelagem, comprometer a interpretação dos resultados ou gerar configurações fisicamente inconsistentes. O objetivo do projeto é construir uma metodologia simples e reprodutível para comparar a qualidade das respostas geradas por diferentes assistentes de IA em tarefas típicas de simulação de processos. O AVEVA Process Simulation será utilizado como plataforma prática principal, considerando a disponibilidade de acesso e a continuidade com atividades anteriores relacionadas ao uso de IA generativa em simulação. O DWSIM será utilizado como ambiente complementar gratuito, permitindo a realização de testes simples e reprodutíveis. Aspen Plus e Aspen HYSYS serão considerados no levantamento documental do estado da técnica, devido à sua relevância na área, sem dependência de acesso direto a essas plataformas comerciais. A metodologia será adequada à execução por estudante de graduação ao longo de doze meses. Inicialmente, será realizado um levantamento sobre inteligência artificial generativa, Retrieval-Augmented Generation, automação, modelos híbridos, integração com linguagens de programação e aplicações de IA em simulação de processos. Em seguida, serão definidos cenários de teste com complexidade controlada, como sistemas de tanque, válvula, sensor, controlador, correntes de processo, operações unitárias básicas, seleção de modelos termodinâmicos simples e interpretação de fluxogramas com poucas conexões. A partir desses cenários, será construída uma base padronizada com aproximadamente 20 a 30 prompts técnicos, organizados por tipo de tarefa e nível de complexidade. Os prompts poderão envolver perguntas conceituais, solicitações de configuração, análise de erros, escolha de modelos termodinâmicos, interpretação de malhas de controle, identificação de componentes e avaliação de respostas técnicas. Para cada prompt, serão elaboradas respostas de referência com base em fundamentos de Engenharia Química, documentação técnica, exemplos de simulação, conhecimento especialista e testes simples no AVEVA Process Simulation. As respostas serão coletadas em diferentes assistentes de inteligência artificial generativa com acesso gratuito ou camada gratuita de uso. Cada resposta será registrada em planilha estruturada, contendo o prompt utilizado, o sistema consultado, a data de coleta, a resposta obtida e observações relevantes. A avaliação será feita por meio de uma matriz de critérios, considerando acurácia técnica, completude, clareza, consistência físico-química, rastreabilidade, reprodutibilidade, utilidade prática, identificação de limitações e risco de alucinação. Cada critério poderá receber pontuação em escala simples, permitindo comparar os assistentes por tipo de tarefa. Os resultados serão organizados em tabelas, gráficos simples e indicadores comparativos. O estudante poderá desenvolver uma planilha automatizada ou um protótipo simples em Python/Streamlit para registrar os dados, calcular pontuações e visualizar o desempenho dos assistentes avaliados. A proposta não exige treinamento de modelos de linguagem, infraestrutura computacional avançada, desenvolvimento de simulador próprio ou acesso a todos os simuladores comerciais citados. O escopo será concentrado na avaliação crítica das respostas e na verificação prática de casos simples em ferramentas disponíveis. Espera-se produzir uma base de prompts técnicos, um conjunto de respostas de referência, uma matriz de avaliação, uma planilha ou protótipo computacional, um relatório comparativo entre assistentes de IA e um protocolo de recomendações para uso responsável dessas ferramentas em simulação de processos. O projeto contribui para a formação do estudante em temas atuais, como IA generativa, simulação de processos, Python, avaliação crítica de respostas, organização de dados e documentação técnica. A proposta possui relevância tecnológica e educacional por apoiar o uso mais seguro, acessível e tecnicamente fundamentado de assistentes de IA em atividades de Engenharia Química.