A Mogai queria ir além da fiscalização tradicional de segurança em suas fábricas. A ideia não era punir quem esquecia o equipamento de proteção, mas sim evitar que isso acontecesse, cuidando das pessoas antes que qualquer risco se tornasse um problema real.
2024
Uso de IA
App mobile
Jonnpo Tecnologia
Identificando o uso de EPIs com Inteligência Artificial
HammerHead IA é o app da Mogai que avisa, em tempo real, quando alguém está sem o equipamento de proteção correto na fábrica.
- Cliente
- Mogai
- Empresa
- Jonnpo Tecnologia
- Ano
- 2024
- Meu papel
- Product Designer · UX/UI
- Plataforma
- App mobile · iOS e Android
- Duração
- ~3 meses
01
Contexto & Problema
02
Objetivo
Criar um aplicativo capaz de identificar, em tempo real, quando alguém está sem o equipamento de proteção correto, avisando na hora para que a correção seja simples e imediata.
Um app pensado para apoiar o dia a dia de quem trabalha em áreas de risco, não para vigiar.
03
Duas visões, um app
Usuários e administradores acessam o mesmo aplicativo, cada um com o que precisa ver. A estrutura foi desenhada em módulos para que novas funcionalidades entrassem aos poucos, sem refazer o que já existia.
Quem está no chão de fábrica
UsuárioVídeos ao vivoCâmeras de cada área, com o EPI detectado destacado
EventosHistórico de alertas com data, hora, EPI e imagem
PerfilNome, e-mail, senha e foto
LoginAcesso e recuperação de senha
Quem gerencia a segurança
AdministradorCadastro de EPIs e áreasQuais equipamentos monitorar e onde
Sensibilidade dos alertasPrecisão e tempo mínimo/máximo de cada aviso
Perfis de usuáriosCadastro e gestão de quem acessa o app
Câmeras e notificaçõesCadastro de vídeos ao vivo e alertas push
04
Do rascunho à tela
Comecei pelos fluxos principais em wireframe, junto com o mapa de módulos de cada visão. Validar a estrutura antes da cor permitiu ajustar o comportamento do app com o cliente rapidamente, sem retrabalho na fase de desenvolvimento.
Wireframes iniciais dos fluxos principais (v1.0) e mapa de módulos por perfil.
05
Decisões de design
Num app de segurança, confiança é tudo: se o alerta parecer exagerado ou confuso, as pessoas param de prestar atenção. Cada decisão buscou deixar claro o que a IA viu e por quê.
5.1
Mostrar o que a IA viu, não só que algo aconteceu
Na câmera ao vivo, a pessoa detectada recebe uma marcação com o nome do EPI e o estado Alerta sonoro fica sempre visível. No histórico, cada ocorrência traz miniatura, EPI, ID e horário, para que a correção aconteça sem precisar investigar.
5.2
Traduzir parâmetros técnicos para a linguagem de quem usa
Tempo mínimo e máximo de alerta são conceitos do modelo de IA, não do gestor. Cada campo ganhou uma explicação curta com valor recomendado, reduzindo erro de configuração e evitando alertas repetidos para a mesma pessoa.
5.3
Configurar sem medo de perder nada
No painel do administrador, cada EPI pode ser ligado ou desligado com um toggle, sem apagar a configuração. Perfis, lista de EPIs e teste sonoro ficam a dois toques da tela de configurações.
06 · Resultado
Uma interface simples, feita para virar rotina na fábrica.
Do primeiro rascunho até a tela final, o processo foi construído passo a passo: a visualização das câmeras, o histórico de alertas, os detalhes de cada ocorrência e as configurações de sensibilidade dos avisos.
O resultado é uma interface simples, pensada para se tornar parte natural da rotina de quem está na fábrica.
1Câmeras ao vivo
2Histórico de alertas
3Detalhe da ocorrência
4Sensibilidade dos avisos