A Importância da Análise de Dados e Big Data na Indústria 4.0.

Ana Clara Veiga Brandão (286256);

Ana Flávia Veiga Martins Brandão (286063);
Caroline Souza Pinto (286436);
Nicole de Jesus Silva (285733);
Vinicios de Oliveira de Miranda (285085);
Professor Orientador: Renato Sabino Geribello
Mogi das Cruzes – SP, 2019.

I. RESUMO: análise de dados pode fazer toda a diferença para o sucesso de

Este artigo tem como tema a importância da análise de dados e
Big Data na indústria 4.0, para isso foi realizado um estudo
referente a teoria da análise de dados e do Big Data, das
principais ferramentas e softwares utilizados, das principais
etapas para aplicá-los na indústria e das possíveis aplicações
em diversas áreas da empresa, porém com foco na gestão da
produção e manutenção. Com o Big Data e a análise de dados,
os profissionais de engenharia podem tomar decisões muito
mais ágeis e assertivas, podendo assim impactar positivamente
os resultados da empresa e consequentemente trazer mais
competitividade para o negócio. A aplicação dessas duas
teorias numa indústria, pode trazer resultados para todos os
setores, se aplicada de forma correta e o passo mais difícil e
crítico de sua implantação é o planejamento, pois se sua
implantação for bem planejada, a sua manutenção é mínima e
as informações estarão disponíveis de forma muito mais
rápida e acessível para todos os interessados.
Para a fundamentação teórica utilizamos, entre outros: KHAN
(2019); BRAGA (2005); Blog AEVO Gestão de Projetos e
Inovação (2019).
II. INTRODUÇÃO:
A Análise de Dados é uma das habilidades mais procuradas
em profissionais da área de engenharia. O poder de tomar
decisões traz grandes responsabilidades e apontar um caminho
que não esteja baseada em uma Análise de Dados pode ser
comprometedor para o negócio. A quantidade de dados
disponíveis é enorme, mas poucas pessoas conseguem
transformá-los em insights para decisões de negócios. E com a
chegada do Big Data na indústria, a quantidade e variedade de
dados só aumenta, tornando a Análise de Dados uma das
atividades mais importante na Industria 4.0.
uma organização, é imprescindível.
Hoje em dia, a globalização interliga as pessoas e as empresas
ao redor do mundo, as inovações tecnológicas já fazem parte
das rotinas profissionais e o setor industrial também se
beneficia delas. A linha de produção é composta por
profissionais e máquinas que trabalham em conjunto para
cumprir o cronograma, respeitar os padrões de qualidade e
atingir as metas previamente estabelecidas.
Independentemente do ramo ou porte da gestão, é necessário
contar com o auxílio de softwares para o controle de
manutenção. Por exemplo, caso um negócio tenha centenas de
máquinas funcionando ao mesmo tempo, é praticamente
impossível gerenciá-las e detectar falhas manualmente.
Além disso, qualquer erro de transcrição ou problema na
comunicação entre a equipe pode fazer com que o relatório
fique errado.
Vivemos em uma época em que a análise de dados é essencial
para tomar decisões que sejam certeiras em um curto intervalo
de tempo.
Um número isolado não oferece interesse algum para um
supervisor de manutenção. A título de exemplo, o número 5
pode não ter significado para a melhoria de sua atuação.
Porém, quando ele está atrelado à quantidade de máquinas
paradas por um defeito pode fazer toda a diferença na atuação.
O feeling empresarial apresenta bons resultados em alguns
casos isolados, a experiência também é outro fator essencial
para o bom desempenho na indústria. Mas a análise de
informações é um método com abordagens quantitativas e
qualitativas que são realizadas por profissionais bem
preparados.
O nivelamento dos recursos com análise de dados é baseado
em fatos mensuráveis e, por isso, oferece maior confiabilidade
e rastreabilidade. Como consequência, há mais chances de isso
acontecer com segurança e qualidade, o que garante a
obtenção de resultados melhores.

B. Teoria do Big Data

III. MATERIAIS E MÉTODOS:
A. Importancia da Analise de Dados na Industria
Sem incorporar inovações tecnológicas e automatizar
processos, é simplesmente impossível aumentar a
produtividade e se manter competitivo e entender como a
O Big Data surge em uma nova era, em que dados são gerados
constantemente devido ao grande número de acesso à
tecnologia seja no dia a dia de um simples cidadão em um
acesso as redes sociais ou do funcionamento de uma grande
multinacional com informações diárias de uma máquina. O
que antes era tão limitado, com um volume menor de dados
sendo gerados no mundo, hoje é possível ver claramente o
aumento drástico destes dados
Assim diante de tão grande mudança, se inicia uma das
grandes evoluções, quando compreenderam que com este
aumento de dados era possível utilizá-los a favor do
crescimento. Desta forma diversas áreas, pode obter
conhecimento de padrões de comportamento, correlações
entre dados até então desconhecidos, significados antes
ocultos e ajudar a prever tendências de consumo, tudo isso
transformando dados em informações.
Tendo em vista está grande oportunidade, empresas passaram
a utilizar o Big Data em seus processos e tal implementação
trouxe grandes resultados. Uma pesquisa realizada pelas
americanas LNS Research e MESA International
(Manufacturing Enterprise Solutions Association) apontou que
indústrias que utilizam o Big Data nos Estados Unidos
conseguem aumentar sua produtividade em 30%. Isso porque
com o Big Data permite – se a análise estatística mais
profunda, como por exemplo saber quando uma máquina irá
parar a produção por diversos motivos seja uma manutenção,
má utilização ou uma preventiva, o que ajuda na prevenção do
gerenciamento de dados para uma tomada de decisão.
O termo Big Data se refere a inúmeras informações
armazenadas, onde geralmente não estão estruturadas de
forma que possa fazer uma análise de dados e tomadas de
decisões, todas as empresas precisam de informações
suficientes e corretas para gerenciar indicadores e saber qual
equipamento precisa fazer uma manutenção.
Desta forma este volume grande de dados não pode ser
somente gerado, mas tratado. Este tem sido o grande desafio
das empresas não pelo fato tecnológico, mas pelo fator
humano, isso quer dizer o colaborador saber utilizar
corretamente o que está chegando até ele de maneira correta
para sua tomada de decisão.
Infelizmente mesmo com exemplos positivos, as indústrias
brasileiras ainda resistem a está nova tecnologia. De acordo
com pesquisas mais da metade das indústrias brasileiras
conhecem o Big Data, porém menos da metade o utiliza.
C. Definição do Problema
A resposta a uma pergunta mal formulada pode comprometer
todo o processo de Análise de Dados. O maior desafio do
Analista/Engenheiro é descobrir o que realmente impacta no
processo analisado para isso deve-se primeiro entender o
processo e para isso destaca-se algumas tarefas:
 Entrevista com time operacional;
 Entrevista com time de manutenção;
 Compilar documentação;
 Selecionar mídia e meio de armazenamento dos
Dados;
 Identificar as ferramentas a serem utilizadas.
Uma vez definido o problema devemos escolher as
ferramentas que vamos utilizar para compilar todos esses
dados e transformá-los em informações para tomada de
decisão.
D. Ferramentas de Levantamentos de Dados
Existem vários softwares para a gestão estratégica de uma
indústria no mercado.  Porém, esse tipo de ferramenta de
trabalho não oferece todas as funcionalidades que a indústria
exige. O que acaba fazendo com que as indústrias adotem
vários softwares para cada segmento um para gerenciamento
de manutenção, um para controle estatístico de processo, um
para controle de produção, além de várias planilhas separadas
para um ou outro apontamento.
Com essa grande quantidade de informação a importância de
transformar isso em “Dados” que possam ser analisados e
comparados é muito grande e para isso existem algumas
soluções entram alguns softwares como o SAS, um software
que nasceu inicialmente para um projeto agrícola, e hoje o
programa é utilizado para o auxílio de várias industrias. O
SAS oferece um grande ambiente de análises técnicas e
estatísticas, e por ser um programa com alta segurança é usado
para projetos de missão crítica. É o software com mais
destaque no Big Data pelo fato de não ter problemas com o
“tamanho” de banco de dados, ou seja, traz resultados com
base em um amplo campo de dados em alguns segundos, além
de ter como atrativo para os usuários a sua fácil linguagem de
uso.
Há também nesse grande mercado, a Linguagem R, sendo de
código aberto (disponível para downloads) muito utilizado
também para análise estatística e produção de gráficos. O
programa vem sido muito utilizado para captura de dados do
Twitter, construção de mapas eleitorais, mensurar riscos em
análise de redes financeiras e muitos outros projetos
estatísticos.
Existe também o programa MATLAB, que foi criado para
operações matemáticas sobre matrizes, mas hoje é um sistema
computacional bem flexível. O diferencial do sistema
MATLAB é que ao invés de linguagem de programação o
sistema utiliza de linguagem matemática, conta com
bibliotecas auxiliares, construção de gráficos e funções,
manipulação de funções especificas de cálculo e variáveis
simbólicas.
Já o programa Google Analytics é um sistema gratuito, capaz
de armazenar dados de trafego e de fazer monitoramento
deles, de forma a apresentar o “perfil” de usuários, ou seja,
como se comportam durante a navegação pelo site. Através
desta função de monitoramento de trafego é possível realizar
uma análise precisa sobre o alcance do objetivo do site, caso
não esteja dentro do esperado, pode-se realizar correções
também utilizando a base de informações armazenadas pelo
programa, ou seja, o Google Analytics auxilia na tomada de
decisão, já que traz informações como: número total de
visitantes, origem de trafego, metas, resultados de e-commerce
( desempenho) , marketing e mídias sociais.
Dentro do mercado de software para análise de dados há
vários outros como: Python, Tableau e Orange. Esses
Softwares conseguem transformar esses dados em Gráficos,
Dashboards que mostram tendências e caminhos a serem
seguidos por profissionais que trabalham com análise de
dados. Mas para que a análise possa ser o mais precisa
possível a qualidade dos daados coletados é muito importante.
E. Etapas
 Limpeza: Onde ruídos ou dados inconsistentes são
removidos.
 Integração: Onde diversas fontes de dados (bancos de
dados) são integradas ou centralizadas.
 Seleção: Onde os dados relevantes para a análise são
selecionados.
  Transformação: Onde os dados previamente
selecionados são transformados em formatos
apropriados para mineração. Nessa etapa, entra o data
warehouse (armazém de dados), que é uma tecnologia
de banco de dados de estrutura cúbica (diferente do
relacional) bastante usada em aplicações de Business
Intelligence.
 Mineração: Onde ferramentas de estatística,
algoritmos matemáticos e de inteligência artificial
(machine learning) são aplicados aos dados para
extração de padrões.
 Avaliação de padrões: Onde são identificados quais
padrões extraídos representam conhecimento e são
interessantes para o atingimento dos objetivos.
 Apresentação dos resultados: Onde o conhecimento
minerado será apresentado ao usuário final por meio
de recursos visuais.

F. Os 8 V’s da Analise de Dados e Big Data

Segundo Khan et al. (2017), a International Business Fonte: Khan et al. (2017). Adaptação Vinicios (2019)
Machines (IBM) propôs o modelo dos 4 “V’s”, que são:
Volume, Variedade, Velocidade e Veracidade. Mas com a
chegada do Big Data foram incorporados outros “V’s” que
acabaram ficando os 8 “V’s” do Big Data que são:

 Volume: Capacidade de armazenar grande volume G. Tipos de Análise de Dados

de dados;
 Valor: Importância dele na tomada de decisão;
 Veracidade: Detecção do conteúdo de dados para a
segurança do sistema;
 Visualização: Ele se apresenta de maneira a mostrar
uma tendência ou caminho;
 Variedade: Opera com vasta variedade de
informações coletadas de diferentes fontes;
 Velocidade: Habilidade de coleta, transmissão e
processamento de dados em tempo real;
 Viscosidade Quanto mais informação eu te dou sobre
um determinado espectro, maior viscosidade esta
informação tem, logo ela é mais relevante;
 Viralidade: Está relacionada ao número de
repetidores, como esses dados se replicam.
Tendo em mente que existem diversos tipos de dados e
inúmeras ferramentas de compilação, extração e armazenagem
desses dados, os dados por si só não dão uma resposta para o
problema é preciso fazer a análise desses dados e existem
diversas maneiras de realizar essa análise cada uma com um
foco e suas ferramentas exemplos:
 Descritiva: O que aconteceu? Ex: Reporting e
Dashboards.
 Diagnóstico: Por que isso aconteceu? Ex: Data
Mining e Data Discovery.
 Preditivo: O que vai acontecer? Ex: Planejamento e
Análise Preditiva.
 Prescritivo: O que nós deveríamos fazer? Ex:
Análise Prescritiva.

H. Aplicações do Big Data e Análise de Dados

O Big Data juntamente com a análise de dados pode ter

diversas funções e ser aplicado em diversas áreas da indústria,
dentre elas: Marketing, Logística e Planejamento, Produção e
Manutenção e até mesmo na Qualidade. Desta forma, podendo
trazer diversos benefícios, como por exemplo:

 No Marketing: Neste caso, podendo trabalhar

também com a IoT (Internet das coisas), o Big Data
pode coletar dados por exemplo de redes sociais, para
gerar dados e informações de forma simultânea para
um time de marketing que pode redefinir suas
estratégias de acordo com a opinião dos
 consumidores no momento, desta forma podendo
também auxiliar o time de logística e planejamento.
 Na Logística e Planejamento: Estando presente no
marketing, o Big Data pode gerar informações até
mesmo para o planejamento da empresa, que
dependendo do seu segmento pode até mesmo
reestruturar seu plano de produção de acordo com as
necessidades dos consumidores, e indo além disso, o
Big Data pode gerar informações para um sistema
MRP e gerar informações como necessidade de
materiais, frotas, dentre outros, podendo passar essa
informação de forma mais rápida e precisa para os
fornecedores.
 Na Produção e Manutenção: Neste caso, a Big Data e
a análise de dados podem ter várias funções. Dentre
elas a melhoria de processos, onde pode auxiliar na
coleta de dados e gerar informações para melhorar
processos de fabricação, desperdício de materiais,
prevenção de quebras e gestão de indicadores.
 Na Qualidade: O Big Data e a análise de dados pode
trazer diversos benefícios para o departamento de
qualidade de uma empresa, onde pode captar
informações de sensores, gerar índices de rejeitos e
até mesmo diagnosticar quais as maiores causas de
não conformidades no processo.
Neste artigo o foco será na aplicação do Big Data e análise de
dados nas áreas de produção e manutenção, onde iremos
mostrar como podem auxiliar na prevenção de quebras e
gestão de indicadores para melhoria de um processo
produtivo.
I. A importancia na gestão de produção e manutenção
O Big Data e a Análise de dados podem facilitar muito o
processo de gestão da produção e manutenção numa indústria,
de forma a gerar indicadores, reports e dashboards de maneira
consolidada para que todos possam saber de forma ágil o que
aconteceu, por exemplo, na linha de produção y e no turno x,
assim também facilitando o diagnóstico, onde fica mais fácil
detectar qual a causa raiz de determinado resultado, para que
os gestores possam tomar decisões de forma mais assertiva.
Além disso, pode atuar de forma preditiva, estando
sincronizado com sensores e gerando um estudo, por exemplo,
do tempo de vida útil de determinado equipamento, podendo
assim prever quebras e atuar de forma preventiva, diminuindo
as ocorrências das mesmas.
A possibilidade de fazer um link entre as ferramentas de Big
Data e análise de dados com diversos KPIs (Key Performance
Indicators – Indicador Chave de Desempenho) é gigante, com
o uso dessas ferramentas é possível gerar indicadores em
tempo real, eliminando a necessidade de realizar
apontamentos retroativos, onde a tomada de decisão pode ser
tardia.
Alguns indicadores chave de desempenho, da área de
produção e manutenção, onde o Big Data e análise de dados
podem estar presentes trazendo resultados em tempo real, são:
 OEE (Overall Equipment Efficiency): Eficiência
Global da Máquina
Neste indicador, os softwares utilizados podem mostrar o
OEE em tempo real de uma determinada linha de
produção, indicando por exemplo qual parte da máquina
está afetando o desempenho da mesma naquele momento,
assim possibilitando uma correção mais rápida, que pode
impactar positivamente nos resultados no fim do dia.
 MTBF (Mean Time Between Failures): Tempo
médio entre falhas
Este indicador mostra qual a média de tempo entre uma
falha e outra, com o uso do Big Data, além de apenas
saber a média, pode-se melhorar este indicador,
mostrando por exemplo, se há dias, ou horários
específicos onde há picos de quebras em determinada
máquina.
 MTTR (Men Time To Repair): Tempo Médio de
Reparo
Este indicador mostra qual o tempo médio que o setor de
manutenção, ou a própria manutenção leva para reparar a
máquina após uma quebra, porém com o uso apenas de
planilhas, ou outras ferramentas que dependam de um
apontamento manual, os dados coletados podem não ser
realistas, já com o Big Data não há como manipular estes
dados, elaborando assim, um indicador mais preciso.
Estes são alguns exemplos, porém a aplicação não se limita a
esses indicadores, com o uso do Big Data é possível criar
indicadores personalizados, de forma mais assertiva para o
segmento do negócio e com as estratégias da empresa. O
importante é deixar claro, que com o Big Data a estratificação
dos dados é mais fácil, rápida e precisa, assim podendo
auxiliar na tomada de decisão e consequentemente na
melhoria de resultados para todas as áreas de uma empresa.
IV. CONCLUSÃO:
Concluímos que o Big Data com o uso de ferramentas
tecnológicas ajudam as empresas a serem mais assertivas em
manutenções preventivas e preditivas, onde vemos a evolução
das práticas voltadas para a informação, o Big Data abre
enormes possibilidades quando associado ao volume de dados
gerados a partir de vários dispositivos móveis e das ações de
pessoas ao redor do mundo, onde informações desestruturadas
tornam se mecanismos de tomada de decisão.
O Big Data deve ser para gerar conhecimento, evolução e
trazendo consigo também a missão de abrir novos caminhos
tecnológicos e respectivas ondas.
V. REFERÊNCIAS:
Site: Blog AEVO Gestão de Projetos e Inovação.
Disponível em <https://blog.aevo.com.br/a-importancia-do-
big-data-e-analise-de-dados-nas-industrias/>. Acesso em 10 de
setembro de 2019.
Análise Multivariada de Dados / Joseph F Hair Jr ... [et al.];
tradução Adonai Schlup Sant’Anna. – 6. ed. – Porto Alegre:
Bookman, 2009. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788577805
341/cfi/0!/4/4@0.00:0.00
Braga, Luis Paulo V. Introdução à Mineração de Dados.
Rio de Janeiro: E-papers, 2005.
Samara, Eni de Mesquita. Historia & Documento e
metodologia de pesquisa. [livro eletrônico]. Belo Horizonte:
Autêntica, 2007. 168 p. (Historia &. reflexoções,10).
Disponível BRAZCUBAS - www.brazcubas.br 2 em:
https://integrada.minhabiblioteca.com.br/#/books/9788582172
223/cfi/0!/4/4@0.00:0.00

Brasileiro, Ada Magaly Matias. Leitura e produção textual.

[livro eletrônico]. Porto Alegre: Penso, 2016. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788584290
611/cfi/6/2!/4/2/2@0:0.00

Integridade na pesquisa e propriedade intelectual na

Universidade. [livro eletrônico]. Porto Alegre: EDIPUCRS,
2016. 2013. Disponível em:
https://bv4.digitalpages.com.br/#/legacy/epub/52877

KHAN, Maqbool et al. Big Data challenges and

opportunities in the hype of Industry 4.0. 2017 Ieee
International Conference on Communications (icc), [s.l.],
p.325-331, maio 2017. IEEE.
http://dx.doi.org/10.1109/icc.2017.7996801. Disponível em:
<http://ieeexplore.ieee.org/document/7996801/?reload=true>.
Acesso em: 06 set. 2019

VENTURELLI, Marcio. Utilização do Big Data na

indústria 4.0. 2017. Automação Industrial. Disponível em: <
.https://www.automacaoindustrial.info/utilizacao-de-big-data-
na-industria-4-0/>. Acesso em: 29 set.