Pular para o conteúdo
Smith Lino Moreno

Do chão de fábrica às decisões baseadas em dados

Engenheiro industrial, especialista em BI e análise de dados, pesquisador e fundador da LinoLabs.

Foto profissional de Smith Eusebio Lino Moreno

Smith Eusebio Lino Moreno

Assistente de Manutenção, Power BI e IA

AGROKASA S.A.
02.2026
UNI
2025
UPC
2020, 2025

Sou engenheiro industrial e trabalho como Assistente de Manutenção na AGROKASA, no Fundo La Catalina. Meu trabalho diário é manter os equipamentos de packing disponíveis quando a operação precisa: esteiras, enchedoras A&B, rotuladoras KETAN, arqueadoras REISOPACK, a calibradora MAF RODA de mirtilo e abacate, codificadoras, o sistema de frio com compressores FRICK, unidades Copeland e bombas de glicol. E tomar cada decisão de manutenção com dados.

Integrei as exportações do SAP PM ao Power BI para acompanhar o plano anual por tipo de manutenção, o status das ordens, MTBF, MTTR, disponibilidade e backlog por equipamento. Monitoro as unidades condensadoras turno a turno, controlo o orçamento de peças e serviços e treino os técnicos no registro correto das ordens.

Fora do turno desenvolvo o PredictMOP, uma plataforma de manutenção preditiva com Machine Learning sobre vibração e termografia. Especializei-me em BI e Análise de Dados na UNI e sou coautor de um artigo sobre TPM, SMED e Machine Learning na revista Sustainability.

Linha do tempo profissional

Experiência profissional

  1. 02.2026, Atual

    Assistente de Manutenção

    AGROKASA S.A.

    Fundo La Catalina. Plano anual no SAP PM e Power BI: MTBF, MTTR, disponibilidade, backlog, orçamento e monitoramento de unidades condensadoras.

  2. 2026

    Fundação da LinoLabs

    LinoLabs

    Consultoria de dados, BI, automação e IA para empresas.

  3. 2026

    PredictMOP, manutenção preditiva

    Proyecto propio

    ML + visão computacional sobre vibração e termografia. FastAPI + PostgreSQL.

Formação profissional

  1. 2025

    Especialização em BI e Análise de Dados

    Universidad Nacional de Ingeniería (UNI)

    Modelagem dimensional, ETL, Power BI e analítica avançada.

  2. 2025

    Publicação: TPM, SMED e Machine Learning

    Sustainability (MDPI), indexada en Scopus

    Coautor de um estudo de caso sobre eficiência operacional na indústria de plásticos.

  3. 2024

    Machine Learning, Power BI e Excel avançado

    UNI, Datdata, Fundación Telefónica

    Modelagem e transformação de dados com Power BI e ML com Python.

  4. 2021

    Python for Everybody e Estatística

    University of Michigan, Universidad Austral

    Base de programação em Python e estatística aplicada a negócios.

  5. 2020, 2025

    Bacharel em Engenharia Industrial

    Universidad Peruana de Ciencias Aplicadas (UPC)

    Menções em Qualidade e Supply Chain Management.

Tecnologias e ferramentas

BI e analíticaPower BI, DAX, Power Query (M), Excel avanzado
Power PlatformPower Apps, Power Automate, Power BI Service
Engenharia de dadosSQL, SQL Server, PostgreSQL, MySQL, FastAPI, ETL
IA e Machine LearningPython, Pandas, scikit-learn, XGBoost, Isolation Forest, OpenCV
Manutenção e confiabilidadeSAP PM, MTBF / MTTR, Backlog, Criticidad, AMEF / FMEA, RCA, TPM, Vibración, Termografía
Desenvolvimento WebNext.js, React, TypeScript, TailwindCSS, Prisma, Node.js

Formação e certificações

  1. 2025Especialización en Inteligencia de Negocios y Analítica de DatosUniversidad Nacional de Ingeniería (UNI)
  2. 2024Modelado y Transformación de Datos con Power BIDatdata
  3. 2024Machine Learning con PythonUniversidad Nacional de Ingeniería (UNI)
  4. 2024Microsoft Excel, Nivel AvanzadoFundación Telefónica Movistar Perú
  5. 2021Python for EverybodyUniversity of Michigan
  6. 2021Estadística Aplicada a los NegociosUniversidad Austral

Publicação científica

Lino, S., Navarro, B., Salas, R., & Nallusamy, S. (2025). Enhancement of Operational Efficiency in a Plastic Manufacturing Industry Through TPM, SMED, and Machine Learning, Case Study. Sustainability, 17(16), 7445.

Ler artigo

Idiomas

  • EspanholNativo
  • InglêsB2

Como eu trabalho

  • Dados acionáveis. Cada dashboard responde a uma decisão de negócio concreta.
  • Visão de chão de fábrica. Trabalho ao lado dos técnicos de manutenção: os indicadores saem da oficina, não de uma planilha isolada.
  • Rigor científico. Pesquisa indexada na Scopus e modelos validados com cross-validation.

Pronto para tomar decisões melhores com seus dados?

Agende uma consultoria gratuita de 30 minutos e receba um diagnóstico inicial da sua situação.