Proposta de Treinamento:
Python Aplicado à Automação Industrial
Prof. Filipe Fraga
Setembro de 2025
Apresentação
O presente documento visa apresentar a proposta do treinamento Python Aplicado
à Automação Industrial, voltado para profissionais técnicos, engenheiros e demais
interessados em integrar linguagens de programação modernas com sistemas industriais.
O curso foca em aplicações reais utilizando bibliotecas de Python para comunicação com
CLPs (Siemens, Rockwell e outros), visão computacional e inteligência artificial.
Objetivo Geral
Capacitar profissionais da área industrial para aplicar a linguagem Python em projetos
de automação, integrando-a com controladores lógicos programáveis (CLPs), sistemas de
visão e recursos de inteligência artificial.
Dores Resolvidas
• Falta de profissionais que dominem tanto automação quanto linguagens modernas
de programação.
• Dificuldade de integrar sistemas legados com tecnologias da Indústria 4.0.
• Baixa visibilidade de dados em tempo real no chão de fábrica.
• Manutenções corretivas frequentes por falta de análise preditiva.
• Formação técnica deficiente em aplicações práticas e modernas.
1
Público-alvo
Profissionais de automação industrial, técnicos, tecnólogos, engenheiros, programadores
iniciantes e demais interessados em tecnologias emergentes.
Carga Horária Total
60 horas, divididas em 5 módulos.
Conteúdo Programático
Módulo 1: Fundamentos de Python (14h)
– Aula 01: Introdução ao Python e aplicações industriais
– Aula 02: Instalação do Python, VS Code, Jupyter e estrutura de diretórios
– Aula 03: Variáveis, entrada e saı́da de dados
– Aula 04: Tipos de dados: inteiros, ponto flutuante, booleanos e strings
– Aula 05: Operadores matemáticos, relacionais e lógicos
– Aula 06: Estruturas de decisão: if, elif, else
– Aula 07: Estruturas de repetição: for, while e controle de fluxo
– Aula 08: Listas, tuplas e dicionários
– Aula 09: Funções: definição, argumentos, retorno e escopo
– Aula 10: Manipulação de arquivos: leitura, escrita, erros
– Aula 11: Módulos e pacotes em Python
– Aula 12: Bibliotecas padrão (math, datetime, os)
– Aula 13: Instalação e uso de bibliotecas com pip
– Aula 14: Criação de ambientes virtuais com venv
Módulo 2: Integração com CLPs - Siemens e Rockwell (15h)
– Aula 01: Redes industriais e protocolos (Ethernet/IP, Profinet, OPC UA)
– Aula 02: Introdução à biblioteca Snap7
– Aula 03: Leitura de dados do CLP Siemens com Snap7
– Aula 04: Escrita de dados no CLP Siemens com Snap7
– Aula 05: Integração com supervisórios e sensores usando Snap7
2
– Aula 06: Introdução à biblioteca pycomm3
– Aula 07: Leitura de dados do CLP Rockwell (ControlLogix/CompactLogix)
– Aula 08: Escrita de dados no CLP Rockwell
– Aula 09: Testes práticos com CLPs reais ou simuladores
– Aula 10: Introdução ao protocolo OPC UA
– Aula 11: Conectando Python a servidores OPC UA
– Aula 12: Comunicação via OPC com múltiplas marcas de CLPs
– Aula 13: Segurança e confiabilidade em redes industriais
– Aula 14: Diagnóstico e tratamento de falhas de comunicação
– Aula 15: Projeto prático de integração CLP + Python
Módulo 3: Visão Computacional Aplicada (12h)
– Aula 01: Conceitos e aplicações de visão computacional na indústria
– Aula 02: Introdução ao OpenCV e captura de vı́deo
– Aula 03: Conversão de imagem para escala de cinza e binarização
– Aula 04: Filtros e operações com kernel
– Aula 05: Detecção de bordas, contornos e formas
– Aula 06: Reconhecimento de cores e máscaras HSV
– Aula 07: Análise de objetos por área e forma
– Aula 08: Detecção de QR Code e códigos de barras
– Aula 09: Projetos com câmera industrial ou webcam
– Aula 10: Integração Python + OpenCV com CLP (sinal digital ou via rede)
– Aula 11: Casos reais de uso da visão computacional na automação
– Aula 12: Laboratório prático com análise de imagem em tempo real
3
Módulo 4: Introdução à Inteligência Artificial (12h)
– Aula 01: Fundamentos de IA e aplicações na indústria
– Aula 02: Diferença entre IA, Machine Learning e Deep Learning
– Aula 03: Instalação e introdução ao Pandas e NumPy
– Aula 04: Manipulação de dados com Pandas
– Aula 05: Algoritmos de classificação com Scikit-Learn
– Aula 06: Algoritmos de regressão e previsão
– Aula 07: Divisão de datasets, treino e teste
– Aula 08: Métricas de desempenho e ajuste de parâmetros
– Aula 09: Casos de uso na predição de falhas industriais
– Aula 10: Visualização de dados e relatórios com Matplotlib
– Aula 11: Exportação de modelo e integração com Python/CLP
– Aula 12: Projeto prático com dados reais ou simulados
Módulo 5: Projeto Integrador (7h)
– Aula 01: Definição do problema e objetivos do projeto
– Aula 02: Planejamento da solução e divisão de tarefas
– Aula 03: Desenvolvimento da solução com Python + CLP + IA/Visão
– Aula 04: Testes, ajustes e validação
Investimento
O investimento para participação neste treinamento é de R$ 2.997,00 por participante.