Desenvolvimento de um chatbot para análise termodinâmica em sistemas de refrigeração

Abstract

O presente trabalho apresenta o desenvolvimento de um chatbot baseado em Inteligência Artificial para análise termodinâmica de sistemas de refrigeração, com foco no cálculo automático do Coeficiente de Performance (COP) e na interpretação de resultados sob diferentes condições operacionais. O projeto foi implementado no ambiente Microsoft Copilot Studio, integrado ao ecossistema Microsoft 365, utilizando o modelo GPT-5 como núcleo de processamento. As tabelas termodinâmicas dos fluidos R-12, R-22, R-134a e amônia (R-717) foram incorporadas ao sistema em formato digital, permitindo que o agente realizasse consultas diretas e cálculos sem necessidade de ferramentas externas. O chatbot foi configurado para compreender instruções em linguagem natural, acessar dados termodinâmicos armazenados no SharePoint e executar cálculos de forma autônoma e rastreável, garantindo precisão e padronização das unidades utilizadas. Foram simulados três casos reais representando diferentes aplicações: uma câmara frigorífica comercial, uma indústria de processamento de alimentos e um sistema industrial de alta carga térmica. Os resultados obtidos demonstraram coerência com os valores teóricos previstos, com Coeficientes de Performance de aproximadamente 6,4 para o R-22, 3,6 para o R-134a e 1,42 para a amônia, confirmando a consistência dos cálculos realizados. Apesar de pequenas limitações observadas na recuperação de dados e na busca em planilhas, o desempenho geral do sistema foi estável e satisfatório. O estudo evidencia que a integração entre Termodinâmica e Inteligência Artificial é viável e representa um avanço na digitalização de processos de engenharia, contribuindo para maior eficiência, segurança e agilidade na análise de ciclos frigoríficos, além de oferecer potencial didático no ensino de Engenharia Química.

This work presents the development of an Artificial Intelligence–based chatbot for thermodynamic analysis of refrigeration systems, focusing on the automatic calculation of the Coefficient of Performance (COP) and the interpretation of results under different operating conditions. The project was implemented in the Microsoft Copilot Studio environment, integrated into the Microsoft 365 ecosystem, using the GPT-5 model as its processing core. Thermodynamic tables for refrigerants R-12, R-22, R-134a, and ammonia (R-717) were incorporated into the system in digital format, allowing the agent to perform direct data queries and calculations without external tools. The chatbot was configured to understand natural language instructions, access thermodynamic data stored in SharePoint, and execute calculations autonomously and traceably, ensuring precision and unit consistency. Three real-world cases were simulated to represent different applications: a commercial cold room, a food processing industry, and an industrial high thermal load system. The results obtained were consistent with theoretical expectations, yielding COP values of approximately 6.4 for R-22, 3.6 for R-134a, and 1.42 for ammonia, confirming the accuracy of the calculations performed. Although minor limitations were observed in data retrieval and spreadsheet indexing, the overall system performance proved stable and satisfactory. The study demonstrates that integrating Thermodynamics and Artificial Intelligence is feasible and represents progress in the digitalization of engineering processes, contributing to greater efficiency, safety, and agility in refrigeration cycle analysis while also offering educational potential in Chemical Engineering.