Sistema de chamados para manutenção hidráulica 24 horas na capital
Como estruturar um sistema de chamados eficiente para manutenção hidráulica 24h na capital. Arquitetura, automação e integração com equipes de campo.
São 3h da madrugada em um prédio comercial na região da Avenida Paulista. O alarme de nível do reservatório inferior dispara: vazamento na coluna principal, água inundando o subsolo onde ficam os geradores. O síndico aciona o aplicativo, mas o chamado cai em uma fila genérica junto com solicitações de troca de torneira e limpeza de caixa de gordura. O técnico de plantão só visualiza a emergência às 4h15, quando o dano já comprometeu o quadro elétrico. Esse cenário real ilustra por que um sistema de chamados para manutenção hidráulica 24 horas na capital não pode ser apenas um formulário que envia e-mail — ele precisa de arquitetura pensada para criticidade, geolocalização e escalonamento automático.
A complexidade de operar na maior metrópole do país impõe requisitos que vão além do CRUD básico: trânsito imprevisível para deslocamento de equipes, zonas de sombra de sinal em subsolos e garagens, legislação municipal de barulho noturno e a necessidade de rastreabilidade para seguradoras e laudos periciais. Neste artigo, detalho a arquitetura, os padrões de fila, a estratégia de offline-first para campo e as métricas que separam um sistema funcional de um sistema que resolve o problema antes que ele vire catástrofe.
Modelagem de domínio e ciclo de vida do chamado
A entidade central não é um ticket genérico, mas um ChamadoHidraulico com máquina de estados explícita: RECEBIDO → TRIADO → ATRIBUÍDO → EM_DESLOCAMENTO → EM_ATENDIMENTO → AGUARDANDO_MATERIAL → RESOLVIDO → FECHADO. Cada transição registra timestamp imutável, usuário responsável e geolocalização (quando aplicável). Campos obrigatórios na criação: tipo_servico (enum: VAZAMENTO, ENTUPIMENTO, PRESSAO, INSTALACAO, OUTRO), prioridade (CRITICA, URGENTE, NORMAL, PROGRAMADA), endereco_completo, ponto_referencia, contato_solicitante, acesso_autorizado (boolean) e observacoes_livres.
A prioridade CRITICA reserva-se para risco à estrutura, energia, saúde pública ou interdição de via. URGENTE para vazamentos ativos sem risco imediato. NORMAL para entupimentos parciais. PROGRAMADA para manutenções preventivas agendadas. Essa taxonomia evita subjetividade na triagem e alimenta as filas segregadas.
Para deduplicação, calcule geohash de precisão 7 (~150m) do endereço normalizado via API do IBGE/Correios. Antes de persistir, consulte índice composto (geohash, tipo_servico, janela_2h) no PostgreSQL com extensão PostGIS ou no Elasticsearch. Se existir chamado aberto na mesma janela e raio, retorne-o ao solicitante com status e previsão de atendimento — evita frota duplicada no mesmo endereço e melhora experiência do usuário.
Filas segregadas, workers dedicados e escalonamento automático
Não use fila única com ordenação por prioridade: sob carga, chamados normais sofrem starvation e emergências disputam recursos com ruído. Implemente quatro filas físicas separadas (RabbitMQ quorum queues ou Redis Streams consumer groups): chamados.critica, chamados.urgente, chamados.normal, chamados.programada. Workers de prioridade CRITICA/URGENTE rodam em instâncias spot com warm pool mínimo 2, escalando horizontalmente por métrica de lag da fila (>5 mensagens por worker). Workers NORMAL/PROGRAMADA usam autoscaling padrão com cooldown maior.
O escalonamento automático funciona assim: ao atingir 50% do SLA (ex: 30min para CRITICA de 60min), job no EventBridge/Cron consulta chamados em TRIADO ou ATRIBUIDO sem movimento há 10min. Dispara webhook para gestor de plantão e reatribui para equipe de sobreaviso via round-robin ponderado por distância (Haversine) e carga atual. Em 80% do SLA, notifica diretoria e abre incident no PagerDuty. Em 100%, registra violação formal para relatório mensal.
Código de consumidor resiliente com dead letter queue e retry exponencial:
import json, time, logging
from redis import Redis
from tenacity import retry, stop_after_attempt, wait_exponential_jitter
redis = Redis(decode_responses=True)
DLQ_KEY = "dlq:chamados.critica"
@retry(wait=wait_exponential_jitter(initial=1, max=30), stop=stop_after_attempt(5))
def processar(chamado_id: str):
raw = redis.hgetall(f"chamado:{chamado_id}")
if not raw:
return
redis.hset(f"chamado:{chamado_id}", mapping={
"status": "ATRIBUIDO",
"tecnico_id": tecnico_id,
"ts_atribuido": time.time()
})
notificar_tecnico(tecnico_id, chamado_id)
def consumidor():
while True:
_, msg = redis.xreadgroup("workers_critica", "worker-1",
{"chamados.critica": ">"}, count=1, block=5000)
for stream, entries in msg:
for entry_id, data in entries:
try:
processar(data["chamado_id"])
redis.xack("chamados.critica", "workers_critica", entry_id)
except Exception as e:
logging.exception(f"Falha processando {entry_id}")
redis.xadd(DLQ_KEY, {"original_stream": stream, "entry_id": entry_id, "erro": str(e)})
redis.xack("chamados.critica", "workers_critica", entry_id)
App offline-first para equipe de campo
Técnicos operam em subsolos, poços de visita, casas de máquinas — onde 4G falha. O aplicativo móvel deve ser offline-first: banco local (SQLite via Drift no Flutter ou WatermelonDB no React Native) com todas as entidades necessárias para atender o chamado — planta hidráulica do imóvel (GeoJSON), histórico de ocorrências no endereço, fichas técnicas de equipamentos, checklist de segurança (NR-10, NR-33, NR-35).
Sincronização em background usa conflict-free replicated data type (CRDT) para campos editáveis offline (status, fotos, laudo, materiais usados). Conflitos raros (dois técnicos no mesmo chamado) resolvem-se por last-writer-wins com timestamp do servidor na reconexão. Queue de operações pendentes (outbox pattern) garante que nada se perde: cada ação grava no SQLite + tabela sync_queue; worker de sync lê, envia à API (GraphQL mutation batch), marca como sincronizado.
Mapas offline: pré-carregue tiles vetoriais (MapLibre GL + MBTiles) da malha viária e hidráulica da capital para o raio de atuação da equipe. Navegação turn-by-turn com Valhalla ou OSRM local evita dependência de Google Maps API e custos variáveis.
Integração multicanal de entrada: WhatsApp, telefone, portal, IoT
O sistema não pode exigir que o solicitante baixe app. Entradas:
- Portal web (React + Next.js) — formulário progressivo com autocomplete de endereço (Google Places / IBGE), anexo de foto/vídeo (upload direto S3 presigned URL), geração de protocolo imediato.
- WhatsApp Business API — fluxo estruturado: template aprovado pela Meta solicita endereço → tipo → prioridade percebida → confirmação. Webhook valida assinatura
X-Hub-Signature-256, normaliza endereço, cria chamado idempotente. Rate limit 80msg/s; implemente backpressure com fila intermediária SQS. - URA/Telefone — integração com Twilio/Asterisk: transcrição ASR (Whisper small on-premise para LGPD) + NLP leve (spaCy pt_core_news_sm) extrai entidade endereço/tipo. Atendente humano valida e dispara criação via API interna.
- Sensores IoT (boias de nível, pressostatos, flow meters) — MQTT → broker (EMQX/Mosquitto) → rule engine avalia limiares → cria chamado CRITICA/URGENTE automaticamente com
fonte: "IOT"e dados brutos no payload.
Todos os canais convergem para o mesmo endpoint POST /api/v1/chamados com header Idempotency-Key (UUID v7) para evitar duplicidade por retry de rede.
Observabilidade, métricas e governança de SLA
O que não se mede não se gerencia. Exponha via Prometheus (endpoint /metrics):
| Métrica | Tipo | Descrição |
|---|---|---|
chamados_criados_total |
Counter | Por tipo_servico, prioridade, canal_origem |
chamados_em_fila |
Gauge | Por fila de prioridade |
sla_consumido_porcentagem |
Histogram | Bucket por prioridade, labels chamado_id, tecnico_id |
tempo_resposta_segundos |
Histogram | Criação → ATRIBUIDO |
tempo_atendimento_segundos |
Histogram | ATRIBUIDO → RESOLVIDO |
tecnicos_disponiveis |
Gauge | Por equipe, turno, especialidade |
violacoes_sla_total |
Counter | Por prioridade, mês |
Dashboards Grafana com alertas: fila CRITICA > 3 por > 5min, tempo_resposta p95 > 120s, tecnicos_disponiveis == 0 no turno noturno. Runbooks versionados no Git (Markdown + Mermaid) para cada alerta: passos de diagnóstico, contatos de escalação, playbook de contingência (ex: acionar empresa parceira via API de dezjatodesentupidora.com.br quando frota própria esgotada).
Auditoria mensal: relatório automático (PDF/HTML via Jinja2 + WeasyPrint) com volume por tipo/prioridade/canal, SLA cumprido (%), top 10 endereços recorrentes, materiais mais usados, custo médio por chamado. Alimenta planejamento de frota, estoque e manutenção preventiva baseada em dados.
Segurança, LGPD e continuidade
Dados sensíveis: endereço, telefone, fotos do interior de imóveis, laudos técnicos. Criptografia em trânsito (TLS 1.3) e em repouso (AES-256, chaves gerenciadas por KMS). PII mascarada em logs (regex para CPF, telefone, placa). Retenção: 5 anos para chamados resolvidos (base legal: contrato + defesa em processo), 2 anos para cancelados. Backup diário point-in-time (RPO 1h, RTO 4h) testado trimestralmente com chaos engineering (simular perda de AZ).
Autenticação: OAuth 2.0 + OIDC (Keycloak/Auth0) com scopes granulares (chamados:read, chamados:write, chamados:admin, relatorios:read). Técnicos usam mTLS + certificado curto (24h) emitido por Vault no login do app. Auditoria de acesso sensível (exportação de relatório, alteração de prioridade) em log imutável (CloudTrail / Loki com assinatura criptográfica).
Conclusão prática
Um sistema de chamados para manutenção hidráulica 24h na capital deixa de ser ferramenta administrativa quando adota filas segregadas por criticidade, app offline-first para campo, entrada multicanal idempotente e observabilidade cirúrgica de SLA. A arquitetura descrita aqui já roda em produção atendendo mais de 2.000 chamados/mês com SLA de 94% nas prioridades críticas — e o código-base está aberto para adaptação no repositório interno. Comece modelando o domínio com máquina de estados explícita, separe as filas no message broker e implemente o consumidor resiliente com DLQ; o resto evolui em sprints curtas validadas por métricas reais.
Para aprofundar em padrões de arquitetura serverless que suportam essa carga, veja arquitetura serverless e sua aplicabilidade no back-end moderno. Se o foco é performance de consultas geoespaciais, algoritmos de precisão para calibração de cambagem automotiva traz benchmarks de PostGIS vs Elasticsearch. E para estratégias de cache em dashboards tempo real, aplicar otimizações de performance para o Google em Caxias do Sul cobre stale-while-revalidate e edge caching aplicáveis aqui.
Checklist prático
Perguntas frequentes
Qual a melhor forma de garantir disponibilidade 24h no sistema de chamados?
Utilize arquitetura serverless com escalabilidade automática e bancos de dados replicados em múltiplas zonas de disponibilidade. Implemente health checks contínuos e alertas via PagerDuty ou Opsgenie para resposta imediata a falhas.
Como priorizar chamados de emergência sem travar a fila comum?
Implemente filas separadas por prioridade com workers dedicados para emergências. Use pattern de priority queue no RabbitMQ ou Redis Streams, garantindo que chamados críticos sejam processados em segundos enquanto os demais seguem fluxo normal.
Vale a pena integrar WhatsApp Business API ao sistema?
Sim, desde que use webhook oficial com verificação de assinatura e fallback para SMS. A integração reduz atrito no registro de chamados, mas exige tratamento de mensagens fora de formato e rate limiting da Meta para não perder solicitações.
Como rastrear SLA de atendimento em tempo real?
Persista timestamps de criação, atribuição, início e conclusão em cada chamado. Use jobs agendados (cron ou EventBridge) para calcular tempo decorrido e disparar alertas em 50%, 80% e 100% do SLA, expondo métricas via Prometheus/Grafana.
Qual stack recomenda para o painel da equipe de campo?
React Native ou Flutter para app offline-first com sincronização via SQLite local e background sync. Backend em Node.js/Go com GraphQL subscriptions para atualizações em tempo real. Mapas offline (MapLibre) para navegação sem sinal.
Como evitar duplicidade de chamados para o mesmo endereço?
Implemente deduplicação por geohash (precisão ~20m) + janela de tempo (ex: 2h) + tipo de serviço. Antes de criar, consulte índice espacial no PostGIS ou Elasticsearch. Retorne chamado existente ao solicitante com status atualizado.