Do chão de fábrica às decisões baseadas em dados
Engenheiro industrial, especialista em BI e análise de dados, pesquisador e fundador da LinoLabs.

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
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.
2026
Fundação da LinoLabs
LinoLabs
Consultoria de dados, BI, automação e IA para empresas.
2026
PredictMOP, manutenção preditiva
Proyecto propio
ML + visão computacional sobre vibração e termografia. FastAPI + PostgreSQL.
Formação profissional
2025
Especialização em BI e Análise de Dados
Universidad Nacional de Ingeniería (UNI)
Modelagem dimensional, ETL, Power BI e analítica avançada.
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.
2024
Machine Learning, Power BI e Excel avançado
UNI, Datdata, Fundación Telefónica
Modelagem e transformação de dados com Power BI e ML com Python.
2021
Python for Everybody e Estatística
University of Michigan, Universidad Austral
Base de programação em Python e estatística aplicada a negócios.
2020, 2025
Bacharel em Engenharia Industrial
Universidad Peruana de Ciencias Aplicadas (UPC)
Menções em Qualidade e Supply Chain Management.
Tecnologias e ferramentas
| BI e analítica | Power BI, DAX, Power Query (M), Excel avanzado |
|---|---|
| Power Platform | Power Apps, Power Automate, Power BI Service |
| Engenharia de dados | SQL, SQL Server, PostgreSQL, MySQL, FastAPI, ETL |
| IA e Machine Learning | Python, Pandas, scikit-learn, XGBoost, Isolation Forest, OpenCV |
| Manutenção e confiabilidade | SAP PM, MTBF / MTTR, Backlog, Criticidad, AMEF / FMEA, RCA, TPM, Vibración, Termografía |
| Desenvolvimento Web | Next.js, React, TypeScript, TailwindCSS, Prisma, Node.js |
Formação e certificações
- 2025Especialización en Inteligencia de Negocios y Analítica de DatosUniversidad Nacional de Ingeniería (UNI)
- 2024Modelado y Transformación de Datos con Power BIDatdata
- 2024Machine Learning con PythonUniversidad Nacional de Ingeniería (UNI)
- 2024Microsoft Excel, Nivel AvanzadoFundación Telefónica Movistar Perú
- 2021Python for EverybodyUniversity of Michigan
- 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 artigoIdiomas
- 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.