[PT] Quando faltam dados reais, o relatório mostra como criar dados sintéticos mais realistas com VAEs em vez de suposições simples. Ele ensina como avaliar se o sintético parece o real e se melhora o treino dos modelos. É útil para temas como vibração e fragmentação, em que medir tudo é caro. Assim, dá para treinar ML com mais qualidade. [EN] When real data are scarce, this report shows how to generate more realistic synthetic data using VAEs instead of simple assumptions. It explains how to check realism and whether the synthetic data improve training. It’s useful for vibration and fragmentation, where measurement is costly. A practical way to train ML with better inputs.