WBA0334_v1.

MANUTENÇÃO
NA INDÚSTRIA 4.0
 Aristóteles Ramon Dias Couto Moreno

MANUTENÇÃO NA INDÚSTRIA 4.0

1ª edição

Londrina
Editora e Distribuidora Educacional S.A.
2020

2
 © 2020 por Editora e Distribuidora Educacional S.A.
Todos os direitos reservados. Nenhuma parte desta publicação poderá ser
reproduzida ou transmitida de qualquer modo ou por qualquer outro meio,
eletrônico ou mecânico, incluindo fotocópia, gravação ou qualquer outro tipo de
sistema de armazenamento e transmissão de informação, sem prévia autorização,
por escrito, da Editora e Distribuidora Educacional S.A.

Presidente
Rodrigo Galindo

Vice-Presidente de Pós-Graduação e Educação Continuada

Paulo de Tarso Pires de Moraes

Conselho Acadêmico
Carlos Roberto Pagani Junior
Camila Braga de Oliveira Higa
Carolina Yaly
Giani Vendramel de Oliveira
Henrique Salustiano Silva
Juliana Caramigo Gennarini
Mariana Gerardi Mello
Nirse Ruscheinsky Breternitz
Priscila Pereira Silva
Tayra Carolina Nascimento Aleixo

Coordenador
Mariana Gerardi Mello

Revisor
Sofia Maria Amorim Falco Rodrigues

Editorial
Alessandra Cristina Fahl
Beatriz Meloni Montefusco
Gilvânia Honório dos Santos
Mariana de Campos Barroso
Paola Andressa Machado Leal

Dados Internacionais de Catalogação na Publicação (CIP)

_________________________________________________________________________________________
Moreno, Aristóteles Ramon Dias Couto.
C871m Manutenção na indústria 4.0/ Aristóteles Ramon Dias
Couto, – Londrina: Editora e Distribuidora Educacional S.A.,
2020.
42 p.
ISBN 978-65-5903-037-8

1. Engenharia de manutenção 2. Manutenção industrial

3. Indústria 4.0 I. Título.

CDD 624
____________________________________________________________________________________________
Raquel Torres – CRB 6/2786

2020
Editora e Distribuidora Educacional S.A.
Avenida Paris, 675 – Parque Residencial João Piza
CEP: 86041-100 — Londrina — PR
e-mail: editora.educacional@kroton.com.br
Homepage: http://www.kroton.com.br/

3
MANUTENÇÃO NA INDÚSTRIA 4.0

SUMÁRIO
Internet das Coisas (loT). Big Data. Inteligência artificial______________ 05

Manufatura, Indústria 4.0 e veículos autônomos_____________________ 21

PCM, interoperabilidade e customização em massa _________________ 38

Gestão 4.0, energias renováveis e eficiência__________________________ 54

4
Internet das Coisas (loT).
Big Data. Inteligência artificial
Autoria: Aristóteles Ramon Dias Couto Moreno
Leitura crítica: Sofia Maria Amorim Falco Rodrigues

Objetivos
• Entender o funcionamento da Internet das Coisas e
as principais tecnologias empregadas.

• Compreender a importância do Big Data e

Inteligência Artificial para a indústria.

• Analisar as aplicações de IoT, Big Data e Inteligência

Artificial.

5
 1. Internet das coisas (IoT)

A Internet das Coisas (mais conhecida pela sigla inglesa IoT, que significa
Internet of Things) é uma coleção de muitos tipos de comunicação
sem fio. Em vários projetos da Internet das Coisas, sabe-se que a
conexão pode ser baseada em tecnologias como Wi-Fi (Wireless Fidelity),
Bluetooth, RFID (Radio Frequency Identification), LPWAN (Low Power
Wide Area Network), LTE (Long Term Evolution), 4G, 5G, NFC (Near Field
Communication), ZigBee, Li-Fi (Light Fidelity) etc. De acordo com Almeida
(2010), um lugar significativo nos projetos de IoT é ocupado por
sensores que coletam informações (sobre o ambiente urbano, sobre
a saúde humana e o estado dos equipamentos na fábrica) e fornecem
medidas de pressão, umidade, luz, movimento, fluxo de calor, nível,
entre outras. Assim, graças à comunicação sem fio e a vários protocolos,
esses sensores são capazes de interagir entre si e enviar as informações
coletadas para análise posterior, sendo ela realizada por uma pessoa ou
por aplicações de inteligência artificial.

Adicionalmente, sabe-se que centros de dados, tecnologias em nuvem e

Big Data são usados para armazenar e processar os dados recebidos e,
dessa forma, observa-se que hoje a Internet das Coisas não possui um
único padrão ou protocolo. O conceito que define a área foi formulado
em 1999, como uma compreensão das perspectivas de uso generalizado
dos meios de identificação por radiofrequência para interação de
objetos físicos entre si e com o ambiente externo. Além disso, ressalta-se
que o preenchimento do conceito com diversos conteúdos tecnológicos
e a introdução de soluções práticas para sua implementação, desde
2010, são considerados uma tendência estável na tecnologia da
informação, principalmente devido à onipresença das redes sem fio,
ao surgimento da computação em nuvem, ao desenvolvimento de
tecnologias de interação máquina a máquina, ao início de uma transição
ativa para IPv6 (protocolo de internet) e à adoção de redes definidas por
software.

6
1.1 Aplicabilidade do IoT

Uma das definições da internet das coisas corresponde a ideia de

que, qualquer objeto real ou virtual que existe e se move, no espaço
e no tempo, pode ser identificado de maneira única por meio da
internet. Assim, é importante ressaltar que a Internet das Coisas não
se define apenas pela infinidade de dispositivos e sensores diferentes
disponíveis, interconectados por canais de comunicação com e sem fio e
conectados à internet, mas sim como uma integração mais próxima dos
mundos real e virtual, nos quais a comunicação ocorre entre pessoas e
dispositivos.

Desse modo, supõe-se que, no futuro, “as coisas” se tornem

participantes ativas de negócios, informações e processos sociais, onde
poderão interagir e se comunicar, trocando informações sobre o meio
ambiente, reagindo e influenciando os processos que ocorrem no
mundo circundante, sem intervenção humana.

Ademais, para compreendermos a aplicabilidade da área, segundo Costa

e Lizarelli (2018, p. 25), ressalta-se que a Internet das Coisas pode ser
definida em quatro camadas:

• O nível 1 está associado à identificação de cada objeto.

• O nível 2 fornece um serviço para atender às necessidades do

consumidor (pode ser considerado uma rede de suas próprias
“coisas”, como é o caso de casas inteligentes, por exemplo).

• O nível 3 está associado à urbanização. Esse nível está relacionado

ao conceito de “cidade inteligente”, onde todas as informações que
dizem respeito aos moradores desta cidade são atraídas para uma
área residencial específica, para sua casa e casas vizinhas.

• O nível 4, por sua vez, está relacionado à estrutura de um planeta

sensorial.

7
Em outras palavras, a Internet das Coisas pode ser vista como uma rede
de redes, nas quais pequenas redes fracamente conectadas formam
redes maiores.

1.2 Tecnologias IoT

Geralmente, esse conceito está associado ao desenvolvimento de duas

tecnologias, como a de Identificação por Radiofrequência (RFID) e o
desenvolvimento de redes de sensores sem fio (BSS).

1.2.1 Redes de sensores sem fio

Uma rede de sensores sem fio, por sua vez, é uma estrutura distribuída
e auto organizada de muitos sensores e atuadores, interconectados
por meio de um canal de rádio. Além disso, a área de cobertura dessa
rede pode variar de vários metros a vários quilômetros, devido à sua
capacidade de retransmissão de mensagens de um elemento para
outro, sendo uma tecnologia muito usada para resolver problemas
práticos relacionados ao monitoramento, ao gerenciamento e à logística.

1.2.2 RFID

O RFID é um método de identificação automática de objetos, no qual os

dados armazenados nos chamados transponders ou etiquetas RFID são
lidos ou gravados por meio de sinais de rádio. A Figura 1 apresenta uma
etiqueta de RFID.

8
 Figura 1–Chip adesivo de RFID

Fonte: albln/iStock.com.

Segundo Almeida (2019), essa tecnologia é adequada para rastrear o

movimento de alguns objetos e obter algumas informações destes.
Assim, por exemplo, caso produtos e mantimentos fossem equipados
com etiquetas RFID e a geladeira com um leitor de RFID, ele poderia
rastrear facilmente informações importantes como a data de validade
dos produtos, além de possibilidades como a procura remotamente
executada pela própria geladeira, como para fornecimento de
informações do que precisaria ser comprado.

2. Big Data

De acordo com Almeida (2019), o Big Data é um campo que interpreta

maneiras de analisar, extrair sistematicamente informações ou lidar
com conjuntos de dados muito grandes ou complexos para lidar com

9
softwares e aplicativos tradicionais de processamento de dados. Desse
modo, dados com muitos casos (linhas), por exemplo, oferecem mais
poder estatístico; enquanto dados com maior complexidade (mais
atributos ou colunas) podem levar a um maior número de descobertas
falsas. Além disso, ressalta-se que, geralmente, grandes problemas da
área incluirão detalhes de coleta, armazenamento, análise, recuperação,
compartilhamento de dados, transmissão, visualização, consulta,
atualização, confidencialidade das informações e fonte de dados.

Desse modo, sabe-se que o Big Data foi originalmente associado à três
conceitos principais: volume, variedade e velocidade. Outros conceitos
posteriormente atribuídos ao Big Data foram a veracidade (ou seja,
quanto barulho há nos dados) e o significado. Além disso, percebe-se
cada vez mais que o termo big data se refere, geralmente, ao uso de
análise preditiva, análise de comportamento do usuário ou algumas
outras técnicas avançadas de análise de dados, que extraem valores
dessas informações.

Ainda, Big Data envolve mais do que apenas analisar grandes

quantidades de informações. Logo, o problema não é que as
organizações criem grandes quantidades de dados, mas a maioria
deles é apresentada em um formato que não corresponde bem ao
formato tradicional de banco de dados estruturado, como blogs,
vídeos, documentos de texto, código de máquina ou, por exemplo,
dados geoespaciais. Tudo isso é armazenado em muitos repositórios
diferentes, às vezes, até fora da organização. Como resultado, as
empresas podem ter acesso a uma grande quantidade de dados e não
possuem as ferramentas necessárias para estabelecer relacionamentos
entre esses dados e extrair conclusões significativas a partir deles.

Outro ponto importante é que a análise de conjuntos de dados pode

encontrar novas correlações para itens como negócios pontuais,
prevenção de doenças, prevenção de crimes e assim por diante. Desse
modo, cientistas, líderes empresariais, médicos, publicitários e os
próprios governos enfrentam regularmente desafios com grandes

10
conjuntos de dados em vários campos. Já os cientistas, por sua vez,
enfrentam as restrições referentes às grandes quantidades de dados
em seu trabalho com relação à eletrônica, incluindo áreas como
meteorologia, genômica, conectômica, simulações complexas de física,
biologia e pesquisa ambiental.

2.1 Características do Big Data

De acordo com Pires (2018), o Big Data pode ser descrito pelas seguintes
características:

• Volume: referente à quantidade de dados gerados e armazenados.

O tamanho dos dados determina o significado, o entendimento
potencial e se eles podem ser lidos como big data ou não.

• Rapidez: diz respeito à velocidade com que os dados são gerados

e processados, de acordo com os requisitos e desafios que estão
no caminho do crescimento e desenvolvimento. Geralmente, big
data está disponível em tempo real. Os dois tipos de velocidade
associados ao Big Data são: a taxa de geração e a taxa de
processamento, gravação e publicação.

• Veracidade: sendo esta uma definição estendida para grandes

quantidades de dados, que se refere à qualidade e valor dos
dados. A qualidade dos dados capturados, por sua vez, pode variar
bastante dependendo da precisão da análise.

As aplicações na utilização do Big Data são as mais diversas, sendo

possível citar áreas como:

• Governo: sendo que o uso e a adoção de grandes quantidades

de dados nos processos governamentais permitem eficiência de
custo, produtividade e inovação, mas há certas desvantagens.
Além disso, sabe-se que a análise de dados, geralmente, exige que
várias partes do governo (central e local) trabalhem juntas e criem

11
 processos novos e inovadores para obter o resultado desejado. O
CRVS (Registro Civil e Estatísticas Vitais), por exemplo, coleta todos
os certificados de status desde o nascimento até a morte, sendo
uma grande fonte de big data para os governos em geral.

• Desenvolvimento internacional: um exemplo prático disso é que

a pesquisa sobre o uso efetivo das tecnologias da informação e
comunicação para o desenvolvimento (também conhecido como
ICT4D) sugere que a tecnologia de big data pode dar importantes
contribuições, mas também apresentar desafios únicos ao
desenvolvimento internacional. Os avanços na tecnologia de ponta,
por sua vez, oferecem oportunidades econômicas de análise de
dados para melhorar a tomada de decisões em áreas críticas de
desenvolvimento, como saúde, emprego, eficiência econômica,
crime, segurança, desastres naturais e gerenciamento de
recursos. Além disso, os dados gerados pelo usuário abrem novas
possibilidades. No entanto, problemas de longa data para regiões
em desenvolvimento, como infraestrutura tecnológica insuficiente
e escassez de recursos econômicos e humanos, exacerbam os
problemas existentes com big data, como confidencialidade,
metodologia falha e problemas de compatibilidade.

• Produção: com base no Estudo de Tendências Globais, o

planejamento aprimorado de suprimentos e a qualidade do
produto oferecem valor máximo ao big data no contexto
fabricação. O Big Data fornece a infraestrutura para a
transparência no setor de manufatura, por exemplo, que no
contexto estará relacionada à capacidade de descobrir incertezas,
como o desempenho e disponibilidade incompatíveis de
componentes. A manufatura preditiva como uma abordagem
aplicável para tempo de inatividade e transparência próximo
de zero, requer grandes quantidades de dados e ferramentas
avançadas de previsão para processar sistematicamente os
dados em informações acionáveis. A estrutura conceitual para
produção preditiva começa com a aquisição de dados, onde

12
 as outras informações devem estar disponíveis para aquisição,
como acústica, vibração, pressão, corrente, tensão e dados do
controlador. Uma enorme quantidade de dados do sensor, além
dos dados históricos, para serem analisados grandes dados na
produção. O Big Data formado atua como uma entrada para
ferramentas preditivas e estratégias de prevenção, como o
Prognóstico e Gestão de Saúde (PHM).

• Cuidados de saúde: observa-se que a análise de big data

ajudou a melhorar a assistência médica, fornecendo remédios
personalizados e análises prescritivas, intervenções de riscos
clínicos e análises preditivas no contexto. Além disso, observa-
se com tais análises de dados a variabilidade de redução de
resíduos e cuidados, disponibilização de relatórios externos e
internos automatizados de dados do paciente, termos médicos
padronizados e registros do paciente e soluções pontuais
fragmentadas. Atualmente, existe uma necessidade ainda maior
de tais ambientes colocarem maior ênfase na qualidade dos
dados e das informações. Ademais, ressalta-se que a inspeção
humana em grande escala de dados é impossível e há uma
necessidade urgente de ferramentas inteligentes para a precisão e
plausibilidade no gerenciamento e processamento de informações
perdidas. Embora uma grande quantidade de informações sobre
saúde agora seja eletrônica, ela pode ser classificada como um
grande conjunto de dados, pois, a maioria das informações é
desestruturada e difícil de usar. Outro ponto importante é que
o uso de big data na área da saúde levantou questões éticas
significativas, variando de riscos a direitos individuais, privacidade
e autonomia, transparência e confiança.

• Educação: com relação à esta área, mais especificamente, um

estudo do McKinsey Global Institute (2016) constatou uma escassez
de 1,5 milhão de profissionais e gerentes de dados altamente
qualificados, e várias universidades, incluindo a Universidade
do Tennessee e a Universidade da Califórnia, em Berkeley,

13
 criaram programas de mestrado para atender a esta demanda.
O Private Bootcamps também desenvolveu programas com tal
intuito, incluindo programas gratuitos como uma incubadora de
dados ou programas pagos como a Assembleia Geral. Em uma
área específica de marketing, por exemplo, um dos problemas
destacados por Wedel e Kannan (2017) é que o marketing possui
vários subdomínios que usam diferentes tipos de dados (como
a publicidade, promoção, desenvolvimento de produtos e
marcas). Assim, como as soluções analíticas de tamanho único não
são desejáveis, as escolas de administração devem preparar um
gerente de marketing para ter amplo conhecimento de todos os
diferentes métodos usados nessas subáreas, a fim de obter uma
visão geral e trabalhar de maneira eficaz com os analistas.

• Meios de comunicação: para entender como a mídia usa big data,

primeiro você precisa fornecer algum contexto no mecanismo
usado para o processo de mídia. O setor parece estar se afastando
da abordagem tradicional de usar condições específicas da mídia,
como jornais, revistas ou programas de televisão e, em vez disso,
introduzindo aos consumidores tecnologias que atingem as
pessoas-alvo nos momentos ideais e nos locais ideais. O objetivo
final é veicular ou transmitir uma mensagem ou conteúdo que
seja (estatisticamente falando) consistente com a mentalidade
do consumidor. Assim, por exemplo, o meio de publicação
tem cada vez mais mensagens personalizadas (publicidade) e
conteúdo (artigos) para atrair consumidores que foram coletados
exclusivamente por meio de várias análises dos dados da
atividade.

Ademais, enfatiza-se que os dados devem ser processados com

ferramentas aprimoradas (análises e algoritmos), a fim de revelar
informações significativas. Por exemplo, para gerenciar uma planta,
problemas visíveis e invisíveis com vários componentes devem ser
considerados. Os algoritmos de geração de dados devem detectar

14
e eliminar problemas invisíveis, como a degradação da máquina, o
desgaste de peças, entre outros, passíveis de ocorrer no chão de fábrica.

2.2 Big Data na Indústria

De acordo com o Instituto Global da McKinsey (MCKINSEY GLOBAL

INSTITUTE, 2016), Big data é a próxima fronteira para inovação,
competição e produtividade, os dados se tornaram um fator tão
importante na produção quanto os ativos de trabalho e produtos. Ao
alavancar o big data, as empresas podem obter vantagens competitivas
tangíveis. As tecnologias de Big Data podem ser úteis para resolver as
seguintes tarefas:

• Previsão da situação do mercado.

• Otimização de marketing e vendas.

• Melhoria do produto.

• Tomada de decisão de gestão.

• Aumento da produtividade do trabalho.

• Logística eficiente.

• Monitoramento da condição do ativo imobilizado.

Nas empresas industriais, o Big Data também é gerado devido à

introdução de tecnologias da Internet Industrial das Coisas. Durante esse
processo, as principais unidades e partes de máquinas são fornecidas
com sensores, atuadores, controladores e, às vezes, processadores
baratos, capazes de executar cálculos. Já durante o processo de
produção, os dados são coletados continuamente e possivelmente
pré-processados, por meio de filtragem, por exemplo. As plataformas
analíticas envolvidas processam essas matrizes de informações em

15
tempo real, apresentam os resultados da forma mais fácil de entender e
economizam para uso posterior. Com base na análise dos dados obtidos
são tiradas informações sobre as condições do equipamento, a eficiência
de seu trabalho e a qualidade dos produtos.

Ao monitorar as informações em tempo real, o pessoal da empresa

pode:

• Reduzir o tempo de inatividade.

• Melhorar o desempenho do equipamento.

• Reduzir custos operacionais do equipamento.

• Prevenir acidentes.

O último ponto é especialmente importante. Por exemplo, os

operadores da indústria petroquímica recebem em média 1.500 alarmes
por dia ou mais de um por minuto. Isso leva ao aumento da fadiga do
operador, que precisa constantemente tomar decisões instantâneas
sobre como responder a um determinado sinal. Por outro lado, entende-
se que a plataforma analítica pode filtrar informações secundárias e,
em seguida, os operadores podem se concentrar em situações críticas.
Como resultado, os níveis de confiabilidade da produção, segurança
industrial, disponibilidade de equipamentos de processo e conformidade
com os requisitos regulamentares aumentam. Além disso, com base
nos resultados da análise de big data é possível calcular os períodos
de retorno do equipamento, as perspectivas de alteração dos modos
tecnológicos, redução ou redistribuição do pessoal de manutenção–ou
seja, tomar decisões estratégicas em relação ao desenvolvimento futuro
da empresa.

16
 3. Inteligência Artificial

O termo “inteligência artificial” (IA) surgiu em 1956, mas tal tecnologia

alcançou sua verdadeira popularidade mais recentemente, no
contexto de volumes crescentes de dados, aprimorando algoritmos,
otimizando o poder da computação e o armazenamento de dados. A
primeira pesquisa de IA, iniciada na década 1950, por Alan Touring,
focou na solução de problemas e no desenvolvimento de sistemas
de computação simbólicos. Nos anos 1960, esses achados atraíram o
interesse do Departamento de Defesa dos EUA, levando os militares
deste a treinar computadores para simular a atividade mental humana.
Outro exemplo é a Agência de Projetos de Pesquisa Avançada em Defesa
(DARPA), que realizou vários projetos na década de 1970 para criar
mapas de ruas virtuais, também sendo responsável por criar assistentes
pessoais inteligentes em 2003, muito antes de Siri, Alexa e Cortana
aparecerem, exemplos do cotidiano mais recente.

Esses trabalhos citados se tornaram a base para os princípios de

automação e lógica formal de raciocínio, usados em computadores
modernos, em particular nos sistemas de suporte à decisão e nos
mecanismos de busca inteligentes projetados para complementar e
aprimorar as capacidades humanas. Além disso, ressalta-se que embora
as IAs sejam frequentemente retratadas como robôs humanoides
dominando o mundo em filmes e romances de ficção científica,
essas tecnologias não são tão assustadoras ou inteligentes, com tal
estágio de desenvolvimento; embora seja importante enfatizar que
o desenvolvimento da inteligência artificial permite que se observem
benefícios reais em todos os setores da economia.

3.1 Importância da Inteligência Artificial

Segundo Pires (2018, p. 88), a inteligência artificial pode se aplicar a

vários processos industriais e do dia a dia, como:

17
 • Na automatização de processos repetitivos de aprendizado
e pesquisa por meio do uso de dados, de forma diferente da
robotização, que se baseia no uso de hardware. Assim, ressalta-
se que neste caso o objetivo da IA não é automatizar o trabalho
manual, mas executar de maneira confiável e contínua inúmeras
tarefas computadorizadas em larga escala. Esse tipo de automação
requer participação humana para inicializar o sistema e fazer
perguntas corretamente.

• Na transformação de produtos existentes em inteligentes.

Geralmente, a tecnologia de IA não é implementada como um
aplicativo independente, sendo que sua funcionalidade é integrada
aos produtos existentes para permitir aprimoramentos, assim
como a Siri foi adicionada aos dispositivos de próxima geração da
Apple, por exemplo. Certos sistemas de automação, plataformas
de comunicação, boots e computadores inteligentes, combinados
com grandes quantidades de dados podem melhorar uma
variedade de tecnologias usadas em residências e escritórios,
desde análises de dados de segurança até ferramentas de análise
de investimentos.

• Descoberta de estruturas e padrões nos dados que permitem

que um algoritmo aprenda uma certa habilidade, tornando-o um
classificador ou preditor. Assim, pelo mesmo princípio pelo qual o
algoritmo domina o jogo de xadrez, ele pode aprender a oferecer
produtos adequados on-line. Ao mesmo tempo, os modelos se
adaptam à medida que novos dados se tornam disponíveis, como
mostra a retropropagação, técnica que ajusta o modelo a aprender
com novos dados, se a resposta original estiver errada.

• Alcance de níveis de precisão sem precedentes, por meio de

redes neurais mais profundas. Por exemplo, trabalhar com Alexa,
Pesquisa do Google e Google Fotos é um processo computacional
de aprendizado profundo e, quanto mais usamos essas

18
 ferramentas, mais eficazes elas se tornam. No campo da saúde, o
diagnóstico de tumores cancerígenos em imagens de ressonância
magnética usando tecnologias de IA (aprendizado profundo,
classificação de imagens e reconhecimento de objetos) não é
inferior em precisão às conclusões de radiologistas altamente
qualificados.

• Aproveitamento máximo de dados, a partir dos algoritmos de

autoaprendizagem, nos quais os próprios dados se tornam um
objeto de propriedade intelectual.

A principal limitação da IA é que o aprendizado só é possível a partir de

dados e não o contrário. Isso significa que quaisquer imprecisões nos
dados afetarão os resultados. Portanto, novos níveis de previsão ou
análise devem ser adicionados separadamente.

3.2 Aplicações

Adicionalmente, sabe-se que os sistemas modernos de IA são

projetados para executar tarefas bem definidas. Um sistema de pôquer,
por exemplo, não poderá jogar paciência ou xadrez; já um sistema
configurado para detectar fraudes não poderá dirigir um carro ou
fornecer assistência jurídica. Além disso, um sistema de IA projetado
para detectar fraudes na área da saúde não poderá detectar fraudes
fiscais ou reclamações de garantia com o mesmo grau de precisão.
Em outras palavras, esses sistemas são caracterizados por uma
especialização muito estreita, sendo projetados para executar uma
tarefa específica e estão longe de serem multitarefas humanas. Ademais,
os sistemas de autoaprendizagem não são independentes. As imagens
da tecnologia de IA que vemos nas telas de TV e nos cinemas, ainda, são
elementos de fantasia, no entanto, os computadores capazes de analisar
dados complexos para aprender e aprimorar habilidades específicas não
são mais incomuns.

19
 Referências Bibliográficas
ALMEIDA, P. S. Indústria 4.0: princípios básicos, aplicabilidade e implantação na
área industrial. São Paulo: Érica, 2019
COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas:
de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018.
MCKINSEY GLOBAL INSTITUTE. Going from global trends to corporate strategy.
McKinsey & Company, New York, n. 3, 2016.
WEDEL, A.; KANNAN, J. How businesses are using web 2.0: a mckinsey global survey.
McKinsey & Company, New York, 2017.
PIRES, J. N. Robótica industrial: indústria 4.0. Lisboa: Lidel, 2018.

20
Manufatura, Indústria 4.0
e veículos autônomos
Autoria: Aristóteles Ramon Dias Couto Moreno
Leitura crítica: Sofia Maria Amorim Falco Rodrigues

Objetivos
• Compreender o papel da manufatura inteligente na
implementação da Indústria 4.0.

• Discutir técnicas da impressão 3D no cenário

industrial.

• Compreender os sensores robôs e os veículos

autônomos.

21
 1. Introdução

O surgimento de uma nova tecnologia industrial digital, conhecida

como Indústria 4.0, representa uma transformação que permite que os
dados sejam coletados e analisados em várias máquinas, possibilitando
processos mais rápidos, flexíveis e eficientes para produzir bens de
melhor qualidade a preços reduzidos. Essa revolução manufatureira
aumentará a produtividade, mudará as economias, estimulará o
crescimento industrial e remodelará o perfil da força de trabalho –
mudando, em última análise, a competitividade das empresas e das
regiões.

Eventualmente, os robôs interagirão uns com os outros, trabalharão

com segurança e aprenderão com os humanos. Esses robôs custarão
menos e terão uma gama mais ampla de recursos do que os usados
atualmente. As simulações, por sua vez, serão usadas mais amplamente
nas fábricas, utilizando dados em tempo real e espelhando o mundo
físico em um modelo virtual que pode incluir máquinas, produtos
e pessoas. Isso permitirá que os operadores testem e otimizem os
parâmetros da máquina para o próximo produto na linha de produção
no mundo virtual, antes de passar para o mundo físico, reduzindo
o tempo de configuração da máquina e melhorando a qualidade.
Com a Indústria 4.0, empresas, departamentos, funções e recursos
se tornarão muito mais coesos, à medida que as redes universais de
integração de dados evoluem e criam cadeias de valor verdadeiramente
automatizadas.

1.1 Manufatura inteligente

Segundo Almeida (2019), a manufatura inteligente define o uso mais

intensivo e abrangente de tecnologias de informação em rede e sistemas
ciberfísicos em todos os estágios da fabricação e entrega do produto.
Desse modo, nota-se que o conceito de manufatura inteligente foi

22
formado recentemente e não tem um significado estabelecido, podendo
ser usado para descrever a implementação de robôs, tecnologia da
informação ou qualquer outra inovação na manufatura.

Para atingir seus objetivos, as empresas “inteligentes” usam softwares

especializados, aplicações a laser e dispositivos de inteligência artificial
integrados às máquinas e à sua infraestrutura. Um exemplo disso é
que as organizações virtuais utilizam softwares para operação, a fim
de garantir uniformemente a interação entre os ativos de produção
distribuídos no espaço e para gerenciar esses ativos.

Adicionalmente, observa-se que uma das possíveis definições

fundamentais de manufatura inteligente, na interpretação de cientistas,
compreende um sistema de produção que pode levar em conta o
contexto e ajudar pessoas e máquinas na solução de seus problemas,
graças à implementação em larga escala de tecnologias de informação
e comunicação no sistema de gestão de workflows (fluxo de trabalho).
Além disso, podemos notar que a manufatura inteligente está
intimamente ligada à Indústria 4.0, que também pode ser compreendida
como um conceito que surgiu da estratégia de alta tecnologia do
governo alemão para informatizar a manufatura. Ademais, sabe-se que a
Indústria 4.0 é uma tendência moderna para a automação da produção,
realizando amplo uso de tecnologias de nuvem, Internet das Coisas e
sistemas ciberfísicos. Portanto, a chegada da Indústria 4.0 é impossível
sem a difusão massiva da produção inteligente.

De acordo com Almeida (2019, p. 30), possíveis especificações dentro da

manufatura inteligente envolverão:

• Máquinas inteligentes, capazes de trocar informações com outros

sistemas de produção e trabalhar com alto grau de autonomia,
além de robôs avançados.

23
 • Internet das Coisas industrial, com dispositivos e tecnologias que
fornecem conexão à internet para todas as máquinas na produção.

• Serviços em nuvem, que fornecem acesso à rede conveniente e

contínuo a um pool compartilhado de recursos de computação
configuráveis.

• Plataformas de integração empresarial, cuja tarefa é receber dados

dos equipamentos, analisá-los e agregá-los.

• Tecnologias de Big Data.

As tecnologias e sistemas que fazem parte da manufatura inteligente são

usados em
​​ fábricas e outras empresas para aumentar a produtividade e
reduzir custos. De acordo com Almeida (2019), a manufatura inteligente
é uma organização moderna do processo de negócios de uma
empresa, que se caracteriza pela automação dos sistemas de produção;
otimização dos processos de produção por meio da introdução de
tecnologias modernas, incluindo robótica; coleta, armazenamento e
processamento de grandes quantidades de dados usando a Internet
das coisas e serviços em nuvem; previsão e planejamento de produção
eficaz.

Entre as principais vantagens da produção inteligente, pode-se destacar:

controle contínuo da produção por meio da coleta e análise de dados
em tempo real; previsão de eventos futuros, acumulando e analisando
dados de períodos passados e comparando-os com a situação atual
e planejamento de produção eficiente. Além disso, é possível citar
como possíveis benefícios a minimização de erros associados ao
fator humano, devido ao aproveitamento máximo de modernos
equipamentos automatizados e, consequentemente, o aumento da
qualidade do produto; otimização do uso de recursos melhorando
a qualidade do serviço ao cliente, simplificando as comunicações,
recebendo feedback oportuno e reduzindo o tempo de serviço. Essas

24
vantagens podem reduzir significativamente os custos de produção e
aumentar a lucratividade do negócio.

1.2 Materiais na Indústria 4.0 e Impressão 3D e 4D

A tendência atual do mercado é comprar muitos sistemas complexos de

máquinas autônomas. Desse modo, a integração de sistemas não é o
único fenômeno significativo: o mercado está utilizando cada vez mais
máquinas capazes de processar novos materiais, como carbono, titânio,
caixas de alumínio fundido, materiais compósitos etc.

De acordo com Pires (2018), a manufatura aditiva (também conhecida

pela sigla AM, em inglês, additive manufacturing) representa um conjunto
de métodos tecnológicos para a produção de produtos e protótipos
baseados na adição gradual de material a uma base na forma de uma
plataforma plana, também, sendo popularmente conhecida pelo termo
impressão 3D, como será explicado adiante. Assim, observa-se que
a manufatura aditiva é classificada como uma classe de tecnologias
promissoras para a produção customizada de peças de forma complexa,
a partir de um modelo de computador tridimensional, pela aplicação
sequencial de material (geralmente camada por camada). A manufatura
aditiva atua em oposição à chamada produção subtrativa (por exemplo,
usinagem tradicional). Outra definição da área ressalta a manufatura
aditiva como o processo de unir materiais para criar objetos com base
em dados de modelos 3D, geralmente em camadas, em oposição aos
métodos subtrativos e de moldagem (PIRES, 2018).

Por outro lado, os termos usados em vários momentos incluem

manufatura aditiva, processos aditivos, métodos aditivos, manufatura de
camada aditiva, manufatura de camada e manufatura de forma livre.

A impressão 3D, no entanto, é definida como a fabricação de objetos

por meio da aplicação de material com cabeça de impressão, bico ou
outra tecnologia de impressão. No passado recente, o termo impressão

25
3D era associado às máquinas de baixo custo e baixa produtividade,
embora hoje em dia, usualmente, é comum ver na prática os termos
manufatura aditiva e impressão 3D com o mesmo significado. Além
disso, há a simulação por camadas de fusão (modelagem por deposição
fundida, FDM–Fused Deposition Modelling) e uma série de tecnologias
desenvolvidas com base nela. O próprio termo, impressão 3D,
originalmente se referia ao processo de impressão de sanduíche de
camada de pó usando cabeças de impressão a jato de tinta desenvolvido
no Massachusetts Institute of Technology (MIT), em 1993. O processo foi
proposto por alunos do MIT, Tim Anderson e Jim Bredt, que trabalharam
em sua pesquisa acerca da criação de impressão a jato de tinta, com
base na tecnologia do pó.

Outros possíveis sinônimos para o termo manufatura aditiva são:

manufatura automatizada (também conhecida como Autofab–Automated
Fabrication), para automação da produção e eliminação do trabalho
manual; prototipagem rápida de produtos de forma livre, síntese
camada por camada; fabricação aditiva adequada e moldagem aditiva
(mais frequentemente entendida no significado de prototipagem). Desse
modo, note que as tecnologias aditivas tornam possível fabricar uma
peça ou produto diretamente de um modelo 3D de computador, que
é virtualmente cortado em camadas finas, assim, o arquivo com este
modelo é transferido para o sistema que realiza a formação camada por
camada do produto.

Segundo Pires (2018), os principais processos tecnológicos e materiais

utilizados são:

• Fotopolimerização em banho (Vat Photopolymerization - VP):

fotopolímeros.

• Jato de material (MJ): fotopolímeros, cera e materiais orgânicos.

• Binder Jetting (BJ): metais, polímeros e cerâmicas.

26
 • Síntese em um substrato (Powder Bed Fusion, PBF): metais,
polímeros e cerâmicas.

• Extrusão de material (ME): polímeros, cerâmicas/compósitos e

materiais orgânicos.

• Fornecimento direto de energia e material (Deposição Dirigida de

Energia - DED): metais na forma de pó e fio.

• Laminação de folhas (SL): metais, polímeros e cerâmicas.

Além disso, é possível citar o CJP (ColorJet Printing), tecnologia de

impressão 3D em cores por meio da colagem de um pó especial à base
de gesso; o MJP (Impressão MultiJet) e modelagem multijato usando
fotopolímero ou cera. Outros exemplos são a SLA/DLP (Stereolithography
Apparatus/Digital Light Processing), estereolitografia a laser, baseada na
solidificação camada por camada de um material líquido sob a ação da
radiação laser; SLS (Selective Laser Sintering) sinterização seletiva a laser
sob um feixe de laser de partículas de um material pulverulento para
formar um objeto físico de acordo com um determinado modelo CAD
e a SLM/DMP (fusão seletiva a laser/impressão direta de metal), fusão
seletiva a laser de pó de metal usando modelos matemáticos de CAD em
um laser de itérbio.

Já com relação aos possíveis benefícios do uso de certos materiais,

conforme premissas da Indústria 4.0, além de vantagens com relação ao
uso da impressão 3D, é possível citar as seguintes possibilidades:

• Fabricação de peças de configuração complexa (por exemplo,

contendo canais de resfriamento internos), que não podem ser
fabricadas pelo método subtrativo.

• Capacidade de transferir rapidamente um modelo 3D de

computador para qualquer lugar do mundo, onde uma impressora

27
 adequada esteja instalada, o que permite organizar a produção
local em escala global.

• Proximidade entre o formato do produto resultante e o

especificado, o que reduz significativamente os custos de material
e desperdício de produção.

• Curta duração das etapas de desenvolvimento e rápido

lançamento do produto na produção.

• Possibilidade de pronta produção de ferramental.

• Impressão de desenhos de qualquer complexidade sem aumentar

o preço (o princípio “complexidade de graça”–quando a produção
de uma peça custa o mesmo que um lote grande).

• Viabilização econômica da produção em pequena escala e o

lançamento de produtos customizados.

• Possibilidade de realizar alterações rapidamente no projeto,

mesmo já estando na fase de produção.

• Realização de otimização topológica para requisitos especiais

(como alteração de elementos estruturais para reduzir as
características de peso e tamanho e melhorar as características
funcionais, sem reduzir a resistência e durabilidade do produto).

• Descentralização da produção, simplificação da logística, redução

dos prazos de entrega e possível redução dos estoques.

• Combinar vários componentes em uma peça, o que pode

simplificar a montagem e acelerar a produção.

• Desenvolvimento de produtos antes inatingíveis ou muito caros

para fabricação por métodos tradicionais.

• Impressão sob demanda.

28
 • Uso eficaz da robótica, visto que certas máquinas robóticas para
impressão 3D são capazes de automatizar o pós-processamento
das peças impressas.

Por outro lado, existem pontos importantes que devem ser levados
em consideração, especialmente quando se trata de novas tecnologias.
Nesse caso, observa-se que se tornou possível imprimir peças em
qualquer lugar em que uma impressora 3D adequada esteja instalada, o
que levanta preocupações sobre a retenção da propriedade intelectual
para fabricantes tradicionais e empresas que desenvolvem novas
peças e equipamentos para uso próprio. Assim, dadas essas limitações
específicas e outras possíveis desvantagens que possam ser vistas na
prática, eventualmente, podemos concluir que de fato as tecnologias
aditivas não podem substituir completamente a produção tradicional,
sendo essas tecnologias de fabricação complementares.

A impressão quadridimensional (impressão 4D; também conhecida

como bioprinting 4D, origami móvel ou sistema de deformação de
forma) usa a mesma tecnologia de impressão 3D para criar objetos
tridimensionais por meio da deposição de materiais programada
por computador em camadas sucessivas. No entanto, a impressão
4D aumenta a dimensão que muda com o tempo. Portanto, é uma
substância programável na qual após o processo de fabricação, o
produto impresso reage com os parâmetros do ambiente (umidade,
temperatura etc.) e muda de forma em conformidade. A capacidade
de fazer isso vem de configurações quase infinitas com resolução de
mícrons, criando sólidos com uma distribuição espacial de moléculas
projetadas, permitindo desempenho multifuncional sem precedentes.
A impressão 4D é um avanço relativamente novo na tecnologia de
fabricação biológica, tornando-se rapidamente um novo paradigma em
disciplinas como bioengenharia, ciência dos materiais, química e ciência
da computação.

29
Como a impressão 3D, a impressão 4D é um processo de aplicação de
materiais camada por camada e, assim, gera um objeto tridimensional
(peça), mas aqui também considera a quarta dimensão da peça acabada,
o tempo. Como resultado, o objeto pode se mover e/ou mudar sob
certos gatilhos sensoriais, como quando em contato com água, calor,
vibração ou som (materiais inteligentes). Por sua vez, a impressão 4D
está nos estágios iniciais de desenvolvimento e combina uma variedade
de ciências, como bioengenharia, ciência e engenharia de materiais,
química e ciência da computação e engenharia.

Segundo Pires (2018), as áreas de aplicação possíveis são:

• Casas e jardins (como construção automática de móveis,

adaptação a campos de gramado).

• Segurança de construção, construção, proteção ambiental e

tecnologias de energia (como tubos de reciclagem automática).

• Indústrias de vestuário e têxteis (como adaptação ao clima).

• Engenharia aeroespacial, transporte e engenharia de tráfego

(como, Adaptação de materiais às condições ambientais,
deformação de trajes espaciais, obstáculos de autoconstrução).

• Tecnologia médica e biologia (por exemplo, implantes e

bioimpressoras).

1.2.1 Tecnologia de impressão

A estereolitografia é uma tecnologia de impressão 3D que usa

fotopolimerização para unir substratos que foram colocados em
camadas para formar uma rede de polímero. Em contraste com
a modelagem de deposição fundida, onde o material extrudado
endurece imediatamente para formar uma camada, a impressão 4D
é basicamente baseada em estereolitografia, em que, na maioria dos

30
casos, a luz ultravioleta é usada para curar o material em camadas após
a conclusão do processo de impressão. A anisotropia é crucial para
projetar a direção e a magnitude da transformação sob determinadas
condições. Ao organizar os materiais microscópicos de uma certa
maneira, ela incorpora diretividade para a impressão acabada.

Por meio da impressão 4D, um método de fabricação rápido e

preciso que pode ser realizado para controlar a atuação autodobrável
espacial em estruturas macias projetadas de maneira personalizada.
A transformação de espaço e tempo pode ser alcançada por meio de
vários mecanismos de atuação, como transição de fase de gel de cristal
líquido, coeficiente de expansão térmica, diferença de condutividade
térmica e diferentes razões de expansão e desexpansão de vigas de
camada dupla ou compostas. Uma forma de simular a impressão 4D
é controlar os parâmetros de impressão 3D, como diferentes padrões
espaciais de dobradiças que afetam o tempo de resposta e o ângulo de
curvatura dos produtos impressos 4D. Para tanto, desenvolveu-se um
modelo paramétrico das propriedades físicas de painéis de polímero
com memória de forma contendo padrões impressos em 3D. O modelo
proposto prevê a forma final do atuador, que apresenta excelente
consistência qualitativa com pesquisas experimentais. Esses resultados
verificados podem orientar o projeto de impressão 4D baseada no modo
funcional.

1.3 Robótica e sensores

Sob a ótica da robótica, de acordo Costa e Lizarelli (2018), destacam-se

os sensores que são necessários para que os robôs possam receber
informações sobre eles próprios e seu ambiente físico. Atualmente, há
um grande número desses sensores, envolvendo grandezas mecânicas
(lineares, deslocamentos angulares, distância, aceleração, forças e
momentos); sistemas de visão; medidores de temperatura, corrente
e tensão; intensidade de luz; radioatividade e campos magnéticos;

31
sensores acústicos; detectores de umidade, gás, entre outros. Além
disso, é importante ressaltar que todos esses sensores, além dos
já citados, trabalham a partir de diferentes princípios físicos, que
determinam a gama de condições nas quais a qualidade necessária das
medições possa ser assegurada.

Por exemplo, considere a distância a objetos circundantes, que pode ser

medida utilizando elementos como sonares, telêmetros infravermelhos,
câmeras, radares, usando a radiação de diferentes comprimentos de
onda. Se o primeiro fica cego em superfícies felpudas, o último começa
a ficar com a radiação, e terceiro–ao medir a distância até superfícies
escuras, então, os sonares que diferem favoravelmente em resolução
e alcance, mas obviamente perdem em preço. Note, ainda, que a
escolha de certos sensores, comparados a outras opções, dependerá do
ambiente de uso pretendido.

Adicionalmente, perceba que além da qualidade a precisão e a

velocidade são parâmetros também necessários a um sistema, bem
como para os sensores associados, especialmente quando se tenta
avaliar um ambiente em mudança dinâmica. Um exemplo prático desta
necessidade é a obtenção da distância até os obstáculos em movimento
na navegação autônoma.

Em contrapartida, tem-se que encontrar um meio-termo entre preço

e qualidade é um problema científico e técnico não trivial, não só para
pesquisadores livres, mas startups e gigantes da indústria, embora
já tenha sido visto um grande salto. Um progresso significativo foi
feito com o advento dos sistemas microeletromecânicos (MEMS), em
boa parte atribuído à produção em massa de smartphones. Logo,
considerando que robôs anteriores usavam acelerômetros e giroscópios
caros e em grande escala, com a ajuda de sensores MEMS, até mesmo
a robótica de consumo agora pode ser equipada com sensores. Por

32
fim, esse é um exemplo habilitador tecnologia e como uma área da
tecnologia influencia o desenvolvimento de outra.

Com relação à robótica, observa-se que os robôs estão tentando “copiar”

humanos ou animais, embora seja importante enfatizar que, muitas
vezes, esses têm sistemas muito melhores. O aparelho vestibular de
uma pessoa, por exemplo, fixa uma mudança na posição do corpo ou
da cabeça, mas não há órgão que sugira quantos minutos angulares o
joelho ou cotovelo estão dobrados, ou a que distância de nós o objeto
está com uma precisão de um mícron, por exemplo.

Em geral, os robôs podem ser condicionalmente divididos em dois tipos:

de locomoção e manipulação. A principal tarefa do primeiro é mover-
se por si próprio, mover uma carga útil ou uma pessoa, por distâncias
consideráveis, como é o caso dos drones, veículos não tripulados
ou barcos. A principal possível tarefa dos sensores, neste caso, será
determinar a própria posição do robô no espaço, com base em dados
de odometria ou sistemas de posicionamento global, bem como sua
localização em relação aos objetos circundantes. Além disso, neste tipo
de sistema é possível adicionar sensores de aceleração linear e angular,
que fornecem uma sensação de equilíbrio, ou seja, orientação no campo
gravitacional.

Adicionalmente, segundo Costa e Lizarelli (2018), a tarefa dos robôs de

manipulação, por sua vez, que devem imitar funcionalmente as mãos, é
realizar várias operações com objetos. A este ponto torna-se importante
retomar conceitos como a sensação cinestésica, que dá informações
proprioceptivas, para sensações de posição, movimento e força. Desta
forma, percebe-se neste tipo de sistema a necessidade por sensores
que permitam a determinação da configuração atual e das velocidades
de partes individuais do robô, bem como sensores táteis e de força-
torque. Esses últimos são especialmente necessários para garantir uma
aderência confiável de objetos manipulados, para controlar as forças
de interação com objetos (o ambiente e uma pessoa), a fim de, por

33
exemplo, realizar uma operação de contato de forma eficiente e não
danificar o robô ou ferir uma pessoa que esteja por perto ou em contato
direto.

Além disso, ressalta-se que para todos os robôs listados, um grande

número de sensores auxiliares, também denominados como de
serviço, podem ser usados, cujo uso dependerá da aplicação específica
do sistema. Além disso, alguns deles poderão fornecer informações
sobre o estado interno do sistema (interocepção) e sobre o meio
ambiente (exterocepção), por exemplo. Neste contexto, vale mencionar
especialmente o caso de certos tipos de sensores, para organizar
as interfaces homem-robô, por exemplo, que são extremamente
importantes.

Ademais, ressalta-se que uma das possíveis direções mais importantes

no desenvolvimento da área sensorial robótica é a avaliação da
sensação de força-momento, com o desenvolvimento de sensores
táteis, por exemplo. Os robôs de manipulação modernos custam cada
vez menos para uso em células separadas, atrás de cercas de ferro ou
cortinas infravermelhas, sem falar nos robôs de serviço ou pessoais. O
progresso está caminhando para a criação de robôs que sejam capazes
de trabalhar com eficiência e segurança em um ambiente dinâmico e
não estruturado.

Além da área anterior, temos o sensoriamento distribuído, um novo

conceito no projeto de sistemas robótico, proporcionando um projeto
funcional integrado ou co-projeto de todos os componentes do robô.
Neste contexto, temos a situação quando a estrutura, atuadores,
sensores, fontes de alimentação, plataformas de computação,
algoritmos e software são desenvolvidos simultaneamente, com base
na funcionalidade final do sistema. Outra área de extensa pesquisa
e ênfase atualmente é a visão técnica. Um exemplo prático disso

34
é que uma das principais tarefas que precisam ser resolvidas hoje
para avançar no desenvolvimento de veículos não tripulados é tornar
o sensor lidar barato, visto que o preço dele ainda aumenta muito
o custo do robô acabado e não permite que tais sistemas sejam
produzidos em massa. Além disso, percebe-se que, em busca de uma
alternativa para a robótica móvel, as pessoas estão tentando fazer um
sistema de navegação autônomo baseado em outros sensores, por
meio de elementos como sonares, câmeras estéreo, sensores de luz
estruturados e câmeras de tempo de voo. Por último, em conexão com
o desenvolvimento da robótica pessoal, os sensores para interação
multimodal com uma pessoa devem receber uma adoção mais ampla,
incluindo, por exemplo, sensores combinados para leitura simultânea
de informações de áudio e visuais para posterior processamento de
linguagem natural.

1.4 Veículos autônomos

Segundo Costa e Lizarelli (2018), a desintegração, que começou

com veículos conectados, favorecerá o desenvolvimento da direção
autônoma, que pode ser definida como movimento em um autômato
que usa inteligência artificial, sensores e coordenadas do sistema de
posicionamento global para se comportar sem a intervenção ativa de
um operador humano. A direção (semi) autônoma, por sua vez, é uma
possível próxima vertente no desenvolvimento da indústria automotiva
e, para muitos autores e pesquisadores da área, a evolução natural
do carro como conhecemos atualmente. Os OEMs (Original Equipment
Manufacturer, ou “Fabricante Original do Equipamento) devem alinhar
suas estratégias com a trajetória dessa tecnologia, estando ciente
dos benefícios potenciais dela, sua provável cobertura em setores

35
relacionados e os desafios para a implantação completa, ajudando aos
OEMs a maximizar as oportunidades e minimizar os riscos.

Assim, ressaltamos que a direção autônoma tem benefícios potenciais

para os motoristas individuais, bem como para a sociedade como
um todo. A Figura 1 mostra como possivelmente prevê-se que será a
conexão dos carros no futuro.

Figura 1–Carros conectados em vias

Fonte: igphotography/iStock.com.

Um outro ponto importante a ser mencionado é que a direção

autônoma representará uma revolução na maneira como entendemos a
mobilidade pessoal e terá implicações imediatas e de longo alcance em
várias áreas.

Assim, de sistemas modernos de entretenimento informativo pela

Internet a sistemas mais avançados de assistência ao motorista em
médio prazo, até uma direção totalmente autônoma, a trajetória do

36
veículo com a tecnologia indica conectividade crescente. Os participantes
tradicionais da indústria automobilística–junto com um número
crescente de empresas que estão encontrando novas oportunidades na
indústria automotiva–terão que esperar mudanças no pool de lucros, o
que provavelmente levará à conectividade, uma vez que perturba cada
vez mais a cadeia de valor.

Visto que o valor geral do ciclo de vida do veículo provavelmente

permanecerá constante, é ainda mais importante que as empresas com
interesse no jogo agora tomem uma atitude. Especificamente, OEMs
e fornecedores terão que defender seus estoques atuais e se mover
de forma decisiva em áreas onde possam desempenhar um papel
importante na conectividade. Os seguradores, as telecomunicações e os
players digitais provavelmente se tornarão parceiros de OEMs de uma
forma ou de outra. Até que ponto os participantes tradicionais podem
manter seus pedaços do bolo automotivo e os participantes novos na
indústria podem reivindicar conectividade? Depende de quão bem eles
podem estabelecer benchmarks.

Referências Bibliográficas
ALMEIDA, P. S. Indústria 4.0: princípios básicos, aplicabilidade e implantação na
área industrial. São Paulo: Érica, 2019.
COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas:
de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018.
PIRES, J. N. Robótica industrial: Indústria 4.0. Lisboa: Lidel, 2018.

37
 PCM, interoperabilidade e
customização em massa
Autoria: Aristóteles Ramon Dias Couto Moreno
Leitura crítica: Sofia Maria Amorim Falco Rodrigues

Objetivos
• Apresentar o novo planejamento e controle da
manutenção na indústria 4.0.

• Aprender a interoperabilidade e confiabilidade das

manutenções.

• Compreender o papel da customização em massa no

cenário atual.

38
 1. O PCM (Planejamento e Controle da
Manutenção) na Indústria 4.0

No contexto da produção flexível e adaptável, as empresas com

manutenção prescritiva podem agir com previsão e reduzir
drasticamente os tempos de parada não planejados. Assim, instruções
específicas podem ser derivadas ao vincular fluxos de valor de produção
com software de autoaprendizagem.

Segundo Fogliato e Ribeiro (2009), os ciclos de vida mais curtos do

produto e saltos tecnológicos mais rápidos aumentam os requisitos para
o uso eficiente dos recursos de produção nas empresas de manufatura.
Falhas, desempenho insuficiente e perda de qualidade representam
um risco elevado, especialmente no contexto de uma reestruturação
dos processos produtivos. No âmbito do conceito Indústria 4.0, que alia
a moderna tecnologia da informação a processos industriais clássicos,
a manutenção e assistência são cada vez mais importantes. Com a
rede digital de máquinas, processos de fabricação, bem como sistemas
de vendas e armazenamento, garante-se alta disponibilidade das
instalações de produção e minimiza o tempo de inatividade.

Além dos sistemas de alta qualidade, a alta disponibilidade requer

reparos rápidos em caso de falha. No entanto, isso requer a
disponibilidade de recursos adequados, como especialistas, peças de
reposição ou logística. A fim de minimizar o esforço necessário para isso,
é necessário obter uma previsão dos eventos de avaria da forma mais
confiável possível, pois, é a única forma de disponibilizar os recursos
de manutenção necessários conforme a necessidade. Para fazer isso,
torna-se primordial uma estratégia de manutenção que reconheça
possíveis erros ou mau funcionamentos nos sistemas antes que eles
ocorram e, assim, permitindo que a manutenção ideal seja planejada.
Logo, a manutenção prescritiva fornece meios importantes dentro desta
estratégia.

39
Neste cenário, os dados também serão um fator decisivo. A partir dos
dados operacionais, por exemplo, pode-se obter informações técnicas
abrangentes, que não só se acumulam em grandes quantidades
com a Indústria 4.0 ou a Internet das Coisas, mas também podem
ser disponibilizados onde houver conexão à Internet. Com os dados
de velocidade, pressão do óleo, temperatura ou nível do líquido
refrigerante, por um lado, pode-se controlar e monitorar os sistemas
individuais para que os fabricantes ou prestadores de serviços possam
planejar de forma otimizada suas medidas. Por outro lado, informações
abrangentes sobre o comportamento dos sistemas são coletadas. Se
elas forem processadas adequadamente, as probabilidades estáticas
para a ocorrência de certos casos de serviço podem ser derivadas,
como se a velocidade no sistema X flutuar além da tolerância, há uma
probabilidade de uma quebra do eixo nos próximos m dias. Desse
modo, quanto mais dados estiverem disponíveis, os respectivos
algoritmos podem melhor determinar a probabilidade de ocorrência de
danos.

Com o uso da manutenção prescritiva, as despesas de manutenção nas

empresas de manufatura podem ser reduzidas drasticamente. Assim,
estima-se que os tempos de parada não planejados das máquinas
podem ser reduzidos em 40 a 60% em dois anos; ao passo que a carga
de trabalho e custos de material podem reduzir de 35 a 60%. Porém,
ainda, ao mesmo tempo, observa-se que a vida útil de um sistema
pode ser aumentada em 30 a 60%, a disponibilidade dos sistemas é
melhorada, estabelecendo-se um processo de produção ininterrupto,
o que é um fator competitivo decisivo em indústrias de alta tecnologia,
como as de fabricação de automóveis (FOGLIATO; RIBEIRO, 2009).

O que está mudando significativamente devido à digitalização é a

Internet das Coisas e a Indústria 4.0. Por exemplo, os fabricantes estão
equipando suas máquinas e sistemas com cada vez mais sensores,
que coletam cada vez mais dados e os encaminham pela Internet. Com

40
isso, inevitavelmente, a manutenção deve também mudar–no que
diz respeito às medidas individuais, no que se refere à qualificação
das pessoas que realizam a manutenção, e no que diz respeito
às tecnologias que são utilizadas para a manutenção. Em suma, a
Manutenção 4.0 deve ser desenvolvida paralelamente à Indústria
4.0. Por sua vez, essa dinâmica na manutenção se reflete em quatro
tendências, que serão vistas a seguir.

1.1 Rede de valor: com forças unidas

Normalmente, há três partes envolvidas na manutenção dos ativos: o

operador, o fabricante e a empresa de manutenção. Ao trabalharem
juntos, eles precisam realizar extensas trocas de informações, um
problema até certo período no passado. Um exemplo disto é o fato
de que as informações sobre a operação e manutenção de máquinas
e sistemas, ferramentas e veículos vêm do fabricante e ele até então
quase sempre enviava ao operador todas as especificações técnicas,
instruções de manutenção, entre outras em pen drives, CDs ou na
forma de manuais impressos. Em seguida, o fabricante armazena as
informações localmente em seu próprio sistema. No entanto, isso é
problemático porque as pistas permanecem isoladas. Em alguns casos,
os próprios funcionários não podem acessar ou, com dificuldade,
acessam as informações de que precisam para a operação.

Um outro problema comum é que quase todas as máquinas e sistemas

agora são equipados com sensores que coletam dados, fornecendo
assim informações sobre a condição deles. Esses dados ficam à
disposição do operador, que, na melhor das hipóteses, os utiliza para a
melhoria contínua dos processos.

Por fim, ressalta-se que as redes de valor agregado devem promover

mudanças acerca das dificuldades envolvidas na troca de dados
no futuro. A ideia central é: operadores, fabricantes e pessoal de

41
manutenção transmitem seus dados–ou pelo menos parte deles–para
sistemas baseados em nuvem que todas as três partes possam acessar.
O gêmeo digital desempenha um papel fundamental nisso.

1.2 Gêmeo digital: a imagem do espelho virtual

O gêmeo digital representa a imagem virtual de um ativo real, ao qual

todas as informações relevantes são atribuídas em formato digital. Isto
incluirá, especialmente, as instruções do fabricante sobre operação e
manutenção, a documentação sobre todas as medidas de manutenção
durante toda a vida útil e os dados registrados da máquina. Assim,
observa-se que o gêmeo digital é, de fato, muito além do que uma
coleção de informações e ressalta-se que o respectivo ativo também é
mapeado, com fotos e modelos 3D.

Desta forma, em uma rede de valor agregado, o gêmeo digital é um

elemento de conexão entre o operador, o fabricante e a empresa
de manutenção. A imagem virtual, por sua vez, realiza ainda mais,
pois, como os dados da máquina são registrados em tempo real, os
processos em andamento podem ser mapeados um a um e até mesmo
visualizados. Para o monitoramento de condições, usado por algumas
empresas, isso abre novas oportunidades e, além disso, o gêmeo
digital pode ser usado para simular desvios da operação normal que
podem causar mau funcionamento. Então, os operadores podem tomar
medidas preventivas em um estágio inicial. Por último, ressalta-se ainda
que o gêmeo digital é o ponto de partida para novos serviços e modelos
de negócios–como a manutenção preditiva. O pré-requisito para isso é
que os dados sejam avaliados de forma sistemática e específica.

1.3 Ciência de dados: a ciência da análise de dados

Os ativos equipados com sensores geram grandes quantidades de

dados, que são atribuídos a seus gêmeos digitais, um verdadeiro

42
progresso constatado, no entanto, para transformar os dados em um
conhecimento ainda mais útil, são necessários métodos analíticos
poderosos. Nesse contexto, a ciência de dados está se tornando cada
vez mais importante, trazendo técnicas como a mineração de dados, o
aprendizado de máquina, a pesquisa operacional e análises estatísticas,
entre outras à tona. Por sua vez, os métodos quantitativos são utilizados
para reconhecer padrões, por exemplo, em dados caóticos estruturados
e não estruturados do passado. Com base nesses padrões e com a ajuda
de algoritmos que avaliam os dados atuais em tempo real com análises
multivariadas, podemos realizar previsões.

Desta forma, observa-se que a manutenção preditiva é uma questão

fundamental para a indústria, visto que a análise dos dados da máquina
coletados permite o provável desenvolvimento da condição de um
ativo a ser calculado e possíveis avarias serem previstas em um estágio
inicial. A Figura 1 apresenta engenheiros analisando o planejamento da
manutenção por meio de software.

Figura 1–Planejamento da manutenção

Fonte: gorodenkof/iStock.com.

43
Assim, as falhas não planejadas podem ser evitadas e as medidas de
manutenção necessárias podem ser planejadas de forma otimizada.
Para o operador, isso está associado a uma redução considerável nos
custos bem como a um aumento na produção. Para fabricantes e
pessoal de manutenção, a manutenção preditiva pode ser uma forma de
expandir o portfólio de serviços com novos serviços.

1.4 Da previsão à decisão

O conceito de manutenção prescritiva pode ser introduzido

especialmente no contexto no qual sensores já estão coletando dados
extensos e uma infraestrutura de comunicação correspondente está
disponível. Caso isto não ocorra, sugere-se atualizar os sistemas de
monitoramento em uma data posterior, embora isso ocasione em um
aumento de tempo para que o rendimento seja realmente alcançado.

Assim, define-se que o conceito de manutenção prescritiva vai além da

mera previsão de eventos danosos. As soluções modernas inicialmente
combinam manutenção preditiva e tomada de decisão. Desse modo,
as estratégias de decisão são integradas com base em análises, mas
também em modelos históricos e informações de contexto. O sistema,
por sua vez, cria modelos levando em consideração as regras de
negócios, estratégias e diretrizes e sugere medidas específicas ou etapas
de processamento, por exemplo, como um reparo pode ser melhor
executado. Adicionalmente, em etapa posterior, o conceito é expandido
para incluir análises adaptativas. Logo, o sistema está habilitado a
aprender de forma independente e otimizar as “próximas melhores
ações” propostas, com base em informações em tempo real e um ciclo
de feedback contínuo. Com essa abordagem, a manutenção prescritiva
se encaixa perfeitamente nas estratégias da Indústria 4.0 e garante a
disponibilidade de longo prazo de sistemas industriais complexos.

44
 2. Interoperabilidade e confiabilidade

De acordo Costa e Lizarelli (2018), a qualidade está intimamente

relacionada à confiabilidade, definida como a propriedade de um objeto
de desempenhar funções especificadas, mantendo ao longo do tempo
os valores dos indicadores de desempenho estabelecidos dentro de
limites especificados, correspondentes aos modos e condições de uso
especificados. Em outras palavras, confiabilidade implica em qualidade
ao longo do tempo. Nesse sentido, em conexão com o desenvolvimento
de tecnologia moderna, aumentar a confiabilidade de vários tipos de
dispositivos adquiriu uma importância particular. Um dos exemplos
de confiabilidade de manipuladores espaciais, com base em dados
específicos, será analisado mais adiante.

A automação abrangente dos processos de produção, por sua vez,

apresenta tarefas extremamente importantes para dispositivos de
controle que devem ser executados sem falhas durante todo o período
de operação de uma linha automática, oficina automatizada ou
empresa. Uma interrupção no funcionamento do dispositivo de controle
pode levar não só a uma deterioração da qualidade dos produtos
manufaturados ou ao encerramento total do processo de produção,
mas também a acidentes muito graves que extrapolam o âmbito local
do empreendimento. Assim, os requisitos para a confiabilidade dos
mecanismos e vários tipos de dispositivos devem, naturalmente, ser
apresentados não apenas para aqueles que são encarregados da
gestão de certos processos. A figura a seguir ilustra a confiabilidade na
manutenção.

45
 Figura 2–Confiabilidade na manutenção

Fonte: Minerva Studio/iStock.com.

A medicina moderna faz uso extensivo de vários tipos de meios técnicos,

tanto para fins diagnósticos e de pesquisa quanto para desempenhar
funções importantes durante e após a cirurgia. Assim, devem ser feitas
demandas particularmente altas ao seu trabalho, já que interrupções
no trabalho de alguns corações artificiais durante uma operação, por
exemplo, podem levar à morte.

Com inúmeros exemplos em que a qualidade do produto desempenha

um papel importante, cada um de nós encontra em nosso dia a dia.
Além disso, tem-se que é denominada a disciplina científica geral
que estuda os métodos e técnicas gerais que devem ser seguidos no
projeto, fabricação, recepção, transporte e operação dos produtos
para garantir sua eficiência máxima no processo de uso, bem como
o desenvolvimento de métodos gerais para o cálculo da qualidade
dos dispositivos com base nas qualidades conhecidas de suas partes
constituintes de teoria da confiabilidade. A teoria da confiabilidade

46
estabelece os padrões de ocorrência de falhas de dispositivos e métodos
para sua previsão; procura maneiras de aumentar a confiabilidade
dos produtos durante o projeto e subsequente fabricação, bem como
métodos para manter a confiabilidade durante o armazenamento e
a operação. Ela desenvolve métodos de verificação de confiabilidade
ao aceitar grandes quantidades de produtos. Portanto, a teoria da
confiabilidade apresenta indicadores quantitativos da qualidade do
produto.

Quanto aos principais desafios acerca da confiabilidade e da

interoperabilidade, segundo Costa e Lizarelli (2018, p. 79), temos que:

• Aspectos com relação à segurança, visto que a consolidação de

sistemas é uma ameaça à segurança, por exemplo, em particular
do ponto de vista da proteção de dados. Os dados devem ser
protegidos de forma confiável contra-ataques de hackers externos
diretos e vazamentos de informações não intencionais associados,
por exemplo, com competência insuficiente ou erros de pessoal. A
cibersegurança é especialmente importante para as infraestruturas
de controle que são críticas para o funcionamento, como é o caso
de empresas envolvidas na produção e distribuição de eletricidade
e gás, além das infraestruturas em que existe o risco de situações
perigosas para o ambiente e a saúde humana, como centrais
químicas, centrais nucleares, entre outras.

• Quanto à testabilidade, já que cada novo sistema introduzido

ou cada alteração feita no sistema deve ser pré-testado, em um
ambiente de produção para garantir que estas sejam seguras e
confiáveis em várias situações. Com todos os sistemas da empresa
totalmente integrados e digitalizados, os testes são muito mais
desafiadores do que antes.

• Aproveitamento da inteligência artificial para o controle

autônomo, bem como para manutenção e reparo inteligente
e preditivo, otimização e processos de tomada de decisão e

47
 aumento da segurança. Um exemplo disso é a implementação
do reconhecimento facial ou de voz, uma das tendências
frequentemente discutidas. Para que os algoritmos funcionem
adequadamente, a inteligência artificial precisa passar por estágios
de “aprendizado” ou “treinamento” usando dados de amostra. No
entanto, obter essas amostras de dados também é um desafio,
visto que é necessário não apenas coletar a quantidade adequada
de dados relevantes para o treinamento, mas também provar
que os dados coletados contêm todas as informações necessárias
sobre os estados críticos do sistema, permitindo que ele seja
testado com sucesso.

• Por último, quanto à conformidade e padronização, sendo que

o setor de automação industrial está implementando requisitos
regulamentares cada vez mais rigorosos para proteger a saúde
humana e o meio ambiente. Assim, a esse ponto é importante
entender que o conceito da Indústria 4.0 representa um grupo de
padrões que continuam a ser complementados e aprimorados.

Por outro lado, não há dúvida de que a teoria da confiabilidade é

uma ciência complexa e pertence, principalmente, à competência de
um engenheiro, físico, químico e economista, sendo que um grande
número de problemas na teoria da confiabilidade é essencialmente
de natureza matemática e requerem ferramentas matemáticas já
conhecidas e o desenvolvimento de novas para sua solução. Além disso,
se nos esforçarmos para tirar a ciência da confiabilidade do estado de
conclusões puramente qualitativas e, às vezes, puramente subjetivas,
certamente devemos nos voltar para a linguagem da matemática. Um
exemplo disso são declarações como “Tenho certeza de que tal projeto
será mais confiável do que outro”, “estamos convencidos de que nossos
produtos são melhores do que os fabricados por uma empresa vizinha”,
que não têm outra evidência além da confiança pessoal, não podem
servir de base para conclusões confiáveis. De acordo com Seleme (2016),
com base em todas as premissas e colocações anteriores, é possível

48
formular uma definição clássica de confiabilidade, como a propriedade
de um objeto para desempenhar funções especificadas, mantendo no
tempo os valores dos indicadores de desempenho estabelecidos dentro
dos limites especificados, correspondentes aos modos e condições de
uso, manutenção, reparos, armazenamento e transporte especificados.

Em contrapartida, para alguns produtos de design relativamente

simples, o conceito de falha pode ser inserido com bastante precisão.
Por exemplo, uma lâmpada acende ou não acende se seu cabelo estiver
queimado. No entanto, mesmo para qualquer produto complexo, o
conceito de falha é muito relativo. Se um barbeador elétrico barbear,
mas fizer muito barulho, podemos presumir que ele falhou? A
relatividade do conceito de falha é especialmente clara no exemplo dos
produtos de engenharia de rádio. Se o valor de alguma resistência na TV
mudar alguns pontos percentuais, então, aparentemente, a imagem se
deteriorará um pouco. Por outro lado, a mesma mudança na magnitude
da resistência em um dispositivo complexo pode causar consequências
incomparavelmente mais sérias.

Por isso, é importante compreender que, em geral, os mecanismos reais

falham aleatoriamente e em momentos aleatórios. Isso significa que
para medir e avaliar as possibilidades é necessário usar um aparato que
descreva eventos e processos aleatórios. Com isto, torna-se necessário
elencar aspectos de conceitos como a teoria da probabilidade e
disciplinas matemáticas relacionadas. O principal indicador quantitativo
de confiabilidade, por sua vez, é a probabilidade de operação sem falhas
de um produto em um determinado período de tempo ou dentro de um
determinado tempo de operação.

Na prática, por vezes, a atenção principal é dada à melhoria das

unidades principais do produto, perdendo-se de vista que a causa da
insegurança e do subsequente acidente podem ser unidades estruturais,

49
que parecem ter um carácter secundário, auxiliar. Normalmente, são as
unidades principais e os equipamentos principais que são projetados
para alta confiabilidade.

3. Engenharia e customização em massa

Segundo Seleme (2016), a customização em massa se refere à

capacidade de uma empresa de produzir um produto customizado a
um custo unitário baixo. Isso é frequentemente comparável ao que é
alcançado pela produção em massa. Essa capacidade de personalizar um
produto a um preço acessível surgiu nas últimas décadas com o advento
dos computadores e da Internet. Dessa forma, a produção em massa
tem sido historicamente sinônimo de uniformidade e padronização
necessária, para manter os custos baixos. Já a personalização, por sua
vez, é o oposto, trazendo conceitos ao produto como individualizado e
singular, que quase sempre acarretarão custos maiores. Por outro lado,
perceba que à primeira vista o termo customização em massa parece
contraditório e tal contradição permanece ao longo do tempo, embora
visualize-se que a tecnologia digital mudou tudo isso.

Assim, é importante reforçar que os custos de fabricação são mais

baixos em muitas fábricas típicas devido ao uso de computadores.
Carros, barcos, aviões e trens são mais baratos hoje em dia devido
ao design e fabricação auxiliados por computador, por exemplo.
Além dos computadores, a Internet também ajuda a reduzir os
custos de fabricação, especialmente em setores de serviços, como
o gerenciamento de investimentos, pesquisa e desenvolvimento e
processamento de reclamações e centrais de atendimento ao cliente,
por exemplo. Já os custos de distribuição são significativamente mais
baixos graças à Internet. Inúmeros produtos, incluindo livros, jornais,
revistas, sinistros de seguros e educação universitária alcançaram custos
de envio mais baixos. Os custos de vendas, por sua vez, estão agora tão

50
baixos que a área de mercado para muitos produtos está se expandindo
em todo o mundo.

Desse modo, essas economias combinadas na produção e distribuição

tornaram a customização em massa uma realidade. Por exemplo, um
jornal antigamente, antes do digital, havia uma edição matinal, uma
vespertina e possivelmente uma edição posterior e para qualquer
edição, cada leitor recebia a mesma cópia. Hoje sai o mesmo jornal
impresso, como sempre e também pode haver uma versão online que é
constantemente atualizada, é quase infinitamente personalizável e pode
ser entregue em qualquer lugar do mundo onde haja uma conexão com
a Internet. Um leitor on-line, geralmente, pode selecionar o conteúdo e o
layout de acordo com suas preferências.

Essas novas oportunidades de produção e distribuição, possibilitadas

pelos computadores e pela Internet, ampliaram muito o arsenal
competitivo à disposição das empresas. Os computadores e a Internet
expandem muito as possibilidades de desenvolvimento de produtos.
A capacidade das empresas de usar tecnologia para customizar seus
produtos é uma nova arma competitiva.

Assim, ressalta-se que a principal tarefa da customização é criar no

consumidor a sensação de que o trabalho está sendo feito pessoalmente
para ele e satisfaz suas necessidades pessoais. Com isso, a customização
é considerada o ideal de interação fornecedor de bens/serviços–cliente,
não sendo apenas atraente por razões éticas, mas também tem boa
relação custo-benefício, pois, fornece uma vantagem competitiva ao criar
maior valor para o cliente. Dessa forma, observamos que a principal
ferramenta utilizada para melhorar a interação entre o fabricante e o
consumidor são os sistemas de CRM.

A gestão de relacionamento com clientes (CRM-system, The Customer the

Relationship Management) consiste em uma aplicação de software para
organizações, destinada a automatizar estratégias de interação com os

51
clientes, nomeadamente para aumentar as vendas, otimizar o marketing
e melhorar o serviço clientes, armazenando informações sobre os
clientes e o histórico de relacionamento com eles, estabelecendo e
melhorando os processos de negócios e, em seguida, analisando os
resultados (SELEME 2016). Além disso, observa-se que o CRM é um
modelo de interação baseado na teoria de que o centro de toda a
filosofia de negócios é o cliente, e as principais direções das atividades
da empresa são medidas para garantir um marketing, vendas e
atendimento ao cliente eficazes. Apoiar esses objetivos de negócios
inclui a coleta, armazenamento e análise de informações sobre clientes,
fornecedores, parceiros, bem como sobre os processos internos da
empresa. Por sua vez, as funções de suporte a essas metas de negócios
incluem vendas, marketing e suporte ao cliente.

De acordo com Seleme (2016), o sistema CRM pode incluir:

• Front part, atendendo aos clientes nos pontos de venda com

processamento de informações autônomo, distribuído ou
centralizado.

• A parte operacional, que fornece autorização de transações e

relatórios operacionais.

• Armazenagem de dados.

• Subsistema analítico.

• Sistema de suporte de vendas distribuído: réplicas de dados em

pontos de venda ou smart cards.

Ademais, observa-se que muitas implementações de personalização

em massa estão em vigor hoje, como configuradores de produtos de
software, que permitem adicionar e/ou modificar a funcionalidade
do produto principal ou criar gabinetes totalmente personalizados
do zero. No entanto, esse grau de customização em massa recebeu

52
apenas uma distribuição limitada. Se o departamento de marketing de
uma empresa oferece produtos separados (fragmentação atômica do
mercado), por exemplo, isso não significa que o produto está sendo
fabricado individualmente, mas que variantes semelhantes do mesmo
item produzido em massa estão disponíveis. Além disso, no contexto
da moda, demonstrou-se que as tecnologias existentes para prever o
tamanho das roupas com base na entrada do usuário ainda não são
adequadas para fins de personalização em massa.

Referências Bibliográficas
COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas:
de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018.
FOGLIATO, F.; RIBEIRO, J. L. D. Confiabilidade e manutenção industrial. São Paulo:
Elsevier Brasil, 2009.
SELEME, R. Manutenção industrial: mantendo a fábrica em funcionamento.
Curitiba: InterSaberes, 2016.

53
 Gestão 4.0, energias renováveis
e eficiência
Autoria: Aristóteles Ramon Dias Couto Moreno
Leitura crítica: Sofia Maria Amorim Falco Rodrigues

Objetivos
• Discutir técnicas da impressão 3D no cenário
industrial.

• Compreender o papel da manufatura inteligente na

implementação da Indústria 4.0.

• Analisar a utilização de energias renováveis e

eficiência energética.

54
 1. Introdução

O homem é a base da organização, sua essência e sua principal riqueza.

Porém, do ponto de vista da gestão, não se pode falar de pessoas em
geral, pois, todas as pessoas são diferentes. Nesse sentido, é importante
considerar que as pessoas se comportam de maneiras diferentes, têm
habilidades diferentes, atitudes diferentes em relação ao seu trabalho, à
organização, às suas funções; as pessoas têm necessidades diferentes,
seus motivos para a atividade podem diferir significativamente. Por
fim, as pessoas percebem a realidade das pessoas ao seu redor e de
si mesmas neste ambiente de forma diferente. Tudo isso sugere que
gerenciar pessoas em uma organização é extremamente difícil, mas ao
mesmo tempo extremamente responsável e importante para o destino
da organização. Logo, um gerente precisa saber muito sobre as pessoas
com quem trabalha para gerenciá-las com sucesso.

No entanto, o problema da gestão humana em uma organização não

se limita à interação de um funcionário e um gerente. Em qualquer
organização, uma pessoa trabalha cercada de colegas de trabalho. Ela
pertence a grupos formais e informais, o que exerce uma influência
extremamente grande sobre ele: seja ajudando-o a revelar mais
plenamente o seu potencial, seja suprimindo a capacidade e a vontade
de trabalhar de forma produtiva, com total dedicação. A organização,
por sua vez, espera que o indivíduo cumpra uma função específica.
Se um membro de uma organização cumpre com sucesso seu papel
e se, ao mesmo tempo, está pessoalmente satisfeito com a natureza,
o conteúdo, os resultados de suas atividades na organização e sua
interação com o ambiente organizacional, então, não há conflitos que
prejudiquem a interação de uma pessoa e da organização.

55
1.1 Gestão e liderança 4.0

Segundo Almeida (2019, p. 80), a organização da gestão é reconhecida

como eficaz quando são criadas condições ótimas, em que a equipe
da empresa consiga atingir os objetivos traçados com o melhor
desempenho, no menor tempo possível e com baixo custo de todos
os tipos de recursos. A tarefa da gestão é motivar os subordinados
para que trabalhem com a máxima eficiência e alta produtividade. A
administração resolve o problema do impacto direcionado no objeto,
como resultado do qual certos objetivos devem ser alcançados.

De acordo Almeida (2019, p. 95), conclui-se que os seguintes indicadores

podem ser usados para avaliar a eficácia da gestão:

• Os resultados das atividades de produção (o nível de lucro

recebido).

• Qualidade do planejamento (melhoria dos indicadores

orçamentários).

• Eficiência do investimento (retorno sobre o capital).

• Aumento da taxa de rotação do capital.

Desse modo, vários fatores influenciam a eficiência da gestão da

empresa, o que inclui o perfil da atividade, a escala de produção e
o número de colaboradores. Além disso, ressalta-se que há muitas
diferenças entre uma grande empresa industrial, uma cooperativa
agrícola e um banco, no que diz respeito à qualificação dos funcionários,
à organização do seu trabalho e à gestão dos recursos, por exemplo.
Eles têm objetivos diferentes, portanto, utilizam-se métodos diferentes
para atingi-los.

Os fatores dos quais depende a estabilidade dos resultados são

externos e internos, e afetam o objeto de gestão de diferentes formas.

56
Há vetores estruturais e ativadores da atividade gerencial, em que o
primeiro está focado na gestão do processo produtivo e o segundo no
trabalho com recursos humanos. Em cada empresa, eles se manifestam
à sua maneira.

De acordo com Seleme (2016, p. 78), os fatores externos incluem:

• Atividade do concorrente.

• Flutuações na solvência do cliente.

• Situação instável do mercado de trabalho: excesso de

especialistas do mesmo perfil, desemprego, baixa qualificação dos
trabalhadores.

• Crises econômicas e políticas que afetam a eficiência da empresa.

• Mudanças globais na sociedade.

• Reorganização estrutural no país.

• Processos migratórios que afetam negativamente a qualidade de

vida da população.

• Desastres naturais.

• Atos legislativos para regular os processos sociais às custas dos

empregadores.

• Flutuações inesperadas na demanda nos mercados de energia e

matérias-primas.

Geralmente, nas empresas, grandes volumes de dados são fornecidos

por pontos de medição, cujo número está em constante crescimento. As
máquinas podem lidar facilmente com esse processo e os humanos não
podem processar esses dados na mesma velocidade que as máquinas.

57
Assim, é aconselhável que as máquinas possam interagir umas com
as outras em determinadas áreas de produção. No entanto, muitos
processos podem se tornar mais eficientes, flexíveis e econômicos com
a criação de um ambiente equipado com medição. Por exemplo, o uso
de sensores de rádio muito pequenos e baratos são capazes de gravar
seus arredores e trocar dados entre si por meio de comunicação de
rádio. Além disso, observa-se que nestes novos cenários adaptados e
mais modernos há vários tipos de sensores, como sensores de pressão
e temperatura, sensores eletro-ópticos e infravermelhos, que trabalham
juntos para criar uma imagem geral do que está acontecendo.

Segundo Almeida (2019), no mundo da Indústria 4.0, os equipamentos e

produtos de produção se tornam então componentes ativos do sistema,
que regem seus processos de produção e logística. Eles incluirão
sistemas ciberfísicos ligando o espaço virtual da Internet ao mundo físico
real e, ao mesmo tempo, eles serão constituídos a partir de diferentes
sistemas mecatrônicos, com capacidade de interagir com seu ambiente,
planejar e adaptar seu próprio comportamento de acordo com as
condições circundantes, aprender novos modelos e comportamentos e,
consequentemente, ser auto-otimizantes. O uso desses tipos de sistema
garante uma produção eficiente, mesmo dos menores lotes, com trocas
de produto rápidas e um grande número de variações e aplicação de
conjuntos de sensores e atuadores embutidos que, por sua vez, garante
a comunicação máquina a máquina. Neste contexto, o uso de memória
semântica ativa levará ao surgimento de novos métodos de otimização
voltados à conservação de recursos no ambiente de produção.

Adicionalmente, outro ponto importante a ser ressaltado é que, no

contexto da Indústria 4.0, observa-se que a capacidade das máquinas
de entender certa situação levará a um nível completamente novo
de qualidade na produção industrial. A interação entre muitos
componentes individuais possibilitará o desenvolvimento de soluções
que antes eram impossíveis de programar nas fábricas. Assim, de
acordo com Seleme (2019, p. 72), considerando alguns conceitos

58
para compreender melhor estas novas relações, podemos citar como
exemplo que, em Física e Biologia, esse fenômeno é chamado de
“manifestação”. Outro bom exemplo disso é um formigueiro, onde cada
inseto individualmente não é particularmente inteligente, mas quando
muitas formigas interagem simultaneamente, elas podem desenvolver
soluções incríveis para encontrar alimento e se proteger contra
predadores. Em essência, temos que o todo é sempre maior do que a
soma de suas partes e esse fenômeno também é usado na Indústria 4.0.
Por exemplo, em caso de dano de componente ou falha completa da
peça, os componentes de trabalho restantes desenvolvem em conjunto
algum tipo de processo de autocura.

Por outro lado, deve-se retomar que um fator importante para o

sucesso da Indústria 4.0 é a interpretação inteligente das informações
ambientais. Consequentemente, o software desempenha um papel
fundamental, não devendo apenas registrar os dados recebidos dos
sensores e transmiti-los como uma sequência binária, mas também ter
uma ideia do conteúdo em um determinado contexto.

Para tanto, o software na produção do futuro também será dotado de

um sistema de conceitos que fornece uma descrição clara das funções
dos componentes do sistema, tarefas de produção, estados e eventos.
Assim, a Indústria 4.0 contribuirá para o desenvolvimento de interação
semântica de alta qualidade, que será compreensível não apenas para
os funcionários da empresa, mas também para os equipamentos da
fábrica. Para que isso funcione, precisamos de linguagens descritivas
unificadas e da Internet como plataforma de comunicação na empresa.

Por fim, a esse ponto é possível concluir que as pessoas serão ainda
mais importantes, o que pode ir contra ao “senso comum”, mas, afinal,
é impossível fabricar produtos sofisticados, de alta qualidade, sem
a mão de obra de trabalhadores qualificados. Na Indústria 4.0, os
processos tecnológicos serão realizados na velocidade definida pelos
trabalhadores, no entanto, deve-se ter em mente que algumas das

59
tarefas que as pessoas executam serão diferentes das tarefas atuais.
Segundo Gregório (2018, p. 95), um exemplo disso é que se estima
que uma nova geração de robôs inteligentes leves trabalhará em
colaboração com a equipe e, assim, na Indústria 4.0, os robôs interagirão
ativamente com os humanos, graças aos seus sensores inteligentes.
Dessa forma, compreendendo o que está ao seu redor, os robôs serão
capazes de avaliar, até mesmo, situações difíceis e apoiar os funcionários
no trabalho manual como assistentes de produção.

1.2 Lean Six Sigma

De acordo Gregório (2018, p. 36), o conceito de Six Sigma (ou

simplesmente Seis Sigma), que tem raízes americanas, está relacionado
ao conceito japonês de Lean Management por interesse mútuo em um
determinado processo. Isso os distingue significativamente de muitos
dos “veneráveis predecessores” focados na cobertura universal e
semelhantes aos conceitos de nova geração, como “reengenharia de
processos de negócios”. Então, conclui-se que o Six Sigma e Lean são o
complemento perfeito um do outro.

Assim, antes de analisar separadamente, devemos entender e revisar

alguns conceitos. O conceito de “gestão enxuta”, por sua vez, não
estabelece requisitos para a forma de implementação da infraestrutura
necessária para isso. Portanto, o sucesso do gerenciamento enxuto
depende da iniciativa e das habilidades organizacionais dos gerentes,
porém, quando há trocas na gerência, tudo pode entrar em colapso.
Além disso, ressalta-se que a gestão enxuta carece de compromisso
formal da alta administração, treinamento formalizado, alocação
planejada de recursos, acompanhamento do sucesso com ação
corretiva, entre outros.

60
Desse modo, sabe-se que o conceito de Lean Management não está
suficientemente focado nas necessidades do consumidor, sendo que sua
satisfação não está diretamente relacionada ao seu objetivo principal–a
eliminação de perdas e custos improdutivos. No Six Sigma, por outro
lado, o foco no cliente é um elemento-chave. Isso é confirmado pelo
fato de que todas as principais métricas desse conceito se baseiam
no rastreamento da relação dos parâmetros do processo e das
características do produto com as especificações estabelecidas pelos
consumidores. O princípio básico do conceito DMAIC Six Sigma, por sua
vez, começa com a definição dos requisitos do cliente: definir, medir,
analisar, melhorar, controlar.

Além disso, no conceito de Lean Management, podemos observar que os

defeitos e inconsistências são reconhecidos como uma das principais
fontes de perdas na empresa (GREGÓRIO, 2018, p. 45). Ao mesmo
tempo, percebe-se que o Lean não considera métodos de controle
estatístico de processos para eliminar desperdícios, sendo que o
conceito de Lean Management não está focado em encontrar as fontes
de variabilidade do processo e maneiras de reduzir a variabilidade, que é
um dos principais elementos do conceito Six Sigma.

Os defeitos, por sua vez, principal alvo do Six Sigma, são apenas um
dos muitos tipos de resíduos nas empresas. Na teoria clássica do
conceito de Lean Management, sete tipos de perdas são identificadas:
superprodução, espera, transporte, atividades que não agregam valor,
disponibilidade de estoque, movimentação de pessoas e produção de
defeitos. Por outro lado, muitos autores identificam tipos adicionais de
perdas, como a “falsa economia”, que consiste na utilização de matérias-
primas e materiais baratos e de baixa qualidade, a “diversidade” como
resultado da utilização de elementos não padronizados nos processos,
entre outros.

Além disso, sabe-se que o Seis Sigma não traça paralelos entre
qualidade e satisfação do cliente, por um lado, e duração e velocidade

61
dos processos, por outro. Ao mesmo tempo, a duração do processo está
diretamente relacionada à satisfação do cliente na prestação de serviços,
e aos processos de produção. No conceito de “gestão enxuta”, por sua
vez, a análise do tempo como um dos principais recursos do processo é
uma direção fundamental.

Adicionalmente, com relação à velocidade do processo é importante

analisar que o tempo de processamento, por exemplo, indica quanto
tempo leva para entregar um produto ou serviço a partir do momento
em que você recebe seu pedido. Uma fórmula simples conhecida como
Lei de Little (em homenagem ao matemático que a provou) ajuda a
compreender os fatores que afetam o lead time (no Brasil também
conhecida como unidade de trabalho):

Tempo de execução = Trabalho em andamento / Produtividade

Essa igualdade nos permite determinar quanto tempo levará para

concluir uma unidade de trabalho, sabendo a quantidade de trabalho
em andamento e a quantidade de trabalho que podemos fazer por dia,
semana etc. (produtividade). Além disso, é importante ressaltar que a Lei
de Little significa muito mais do que pode parecer à primeira vista. Para
entender, é necessário considerar como fato que a maioria parte dos
envolvidos não tem ideia sobre desempenho, muito menos de possíveis
variações. Além disso, a ideia de ter que rastrear todas as etapas do
processo de atendimento do pedido, especialmente se o processo durar
vários dias ou semanas, é desanimadora. Para se lembrar de como essa
observação é de fato importante, pense na história de permissão de Fort
Wayne e imagine como seria rastrear um processo de 51 dias. Segundo
Gregório (2018, p. 89), pratica-se que: se você conhece o trabalho em
andamento e a produtividade, é possível determinar o tempo de espera;
e se você conhece o lead time e a produtividade, você pode estimar o
trabalho em andamento no processo.

62
Outro ponto fundamental de ser analisado e considerado é que, às
vezes, quem trata da prestação de serviços evita o termo work in
progress, já que esse termo é tradicionalmente associado a uma linha
de produção. No entanto, o próprio conceito é aplicável a quase todos
os processos. Na prática, caso sinta a necessidade de transformar
esse termo de manufatura enxuta para aplicá-lo ao seu negócio, por
exemplo, tente pensar no trabalho em andamento como “objetos”
em um processo. Esses “objetos” podem representar necessidades
do cliente, recibos a serem processados, chamadas telefônicas a
serem atendidas, relatórios a serem concluídos etc., qualquer trabalho
aguardando para ser concluído. Logo, o termo “trabalho em andamento”
é usado em quase todos os lugares deste livro. Quando confrontado
com ele, imagina-se seu próprio trabalho e quantas tarefas inacabadas
estão em sua mesa, esperando nos bastidores no computador ou na
secretária eletrônica. Assim, tem-se ainda em termos Lean, este trabalho
está alinhado; e o tempo durante o qual não está ativado é chamado de
latência; o tempo na fila, independentemente da duração e do motivo, é
um atraso.

Além disso, observa-se que o objetivo do Lean é garantir que existam

recursos suficientes e que o trabalho seja feito em um determinado
ritmo de acordo com as necessidades do cliente. Com um processo
padronizado, a manufatura enxuta permite que você responda
rapidamente aos sinais do cliente, tornando o processo previsível,
gerenciável e estável, por exemplo. Com isto, surgem discussões
importantes como a agregação ou não de valor no trabalho. Para
compreender isso, considere a seguinte situação: quando você começa
a acompanhar o fluxo de trabalho, fica claro para você que algumas
atividades agregam valor do ponto de vista do cliente e, por isso, são
chamadas de trabalhos que agregam valor. Então, para testar se um
determinado trabalho agrega valor, pergunte-se se o seu cliente estaria
disposto a pagar por ele se soubesse que o custo está incluído no preço
total do produto. Se, com toda probabilidade, ele se recusar a pagá-

63
la, ou optar por fazer negócio com um fornecedor que não possui tais
custos, essa é uma obra que não agrega valor.

Segundo Almeida (2019), com relação à eficiência do processo é

importante observar que, para qualquer processo de entrega de
serviço, uma métrica muito importante é a proporção do tempo total
do ciclo gasto em atividades que agregam valor. Esse indicador mostra
simultaneamente a participação das perdas e é denominado eficiência
do ciclo do processo. Ele é a proporção do tempo para agregar valor ao
lead time total. Além disso, como acabou de ser mostrado, desperdício é
tudo que não agrega valor da perspectiva do cliente, como determinadas
medidas de tempo, custo e trabalho. Além disso, é importante
se lembrar que há uma certa quantidade de perdas em todas as
organizações, pois, há fraquezas em todos os lugares. No entanto, elas
devem ser eliminadas durante a otimização do processo. A quantidade
de desperdício em qualquer atividade é proporcional à duração dos
atrasos no andamento das obras, nesse sentido, o Lean ensina a
reconhecer e eliminar o desperdício, em vez de seguir descuidadamente
o caminho batido. Na prática da manufatura enxuta, sete tipos de
perdas são distinguidas.

Assim, na implementação do conceito Lean Seis Sigma, os recursos

incluem o tempo pago da equipe, o custo do treinamento e a captação
de recursos necessários para a preparação e implementação dos
projetos. A administração deve adquirir a quantidade de conhecimento
necessária para controlar e gerenciar essas atividades. O próprio
cálculo das horas de treinamento necessárias e do tempo gasto em
projetos pode ser encontrado em qualquer livro Seis Sigma e, além
disso, ressalta-se que o líder do projeto deve ter experiência prática
de participação em projetos de melhoria bem-sucedidos. Embora o
aprendizado seja importante, a experiência de participar de um projeto
de sucesso vale a pena estudar dezenas de estudos de caso.

64
Dessa forma, é possível concluir que o sucesso do Six Sigma no mercado
americano gerou o desejo de moldar o conceito e outras abordagens,
continuando no caminho da melhoria contínua, ou simplesmente ficar
à frente da concorrência. Ademais, ressalta-se que o conceito Lean Six
Sigma permite que você melhore as atividades gradualmente, de projeto
a projeto.

1.3 Energias renováveis: eficiência energética

Segundo Seleme (2016, p. 45), a economia de energia é uma tarefa

ambiental importante para preservar os recursos naturais e reduzir
a poluição ambiental pelas emissões de produtos da combustão de
combustível, além de ser uma tarefa econômica que reduz o custo de
bens e serviços. A relevância da conservação de energia é crescente
em todos os países, especialmente naqueles que não são ricos em
seus recursos energéticos, devido à superação da alta dos preços dos
principais tipos tradicionais de recursos energéticos e ao esgotamento
gradual de suas reservas mundiais.

Por outro lado, ao analisarmos os diferentes cenários, observa-se que

a disponibilidade relativa de eletricidade, calor, água quente cria uma
ideia para muitas pessoas de que esses benefícios aparecem por si
mesmos e nunca se esgotarão. Assim, surgem indagações importantes,
como: por que salvá-los se todos recebem em quantidade suficiente a
um preço acessível? Entretanto, já tem sido mais do que exposto nas
diversas áreas que essa visão de mundo levará, muito rapidamente,
a consequências negativas, porque os principais recursos usados
na produção de energia não são renováveis. Logo, a falta de uma
abordagem inteligente para o uso de energia levará muito rapidamente
ao fato de que ela se tornará menos disponível e mais cara.

Dessa forma, sabe-se que a eficiência energética e a economia de

energia são as direções prioritárias da política energética na maioria dos
países do mundo. Assim, melhorar a eficiência energética pode reduzir

65
o consumo de recursos energéticos, ao mesmo tempo que garante
o crescimento econômico e responde às necessidades dos cidadãos,
e também conduz a um aumento da competitividade da economia
nacional. A Figura 1 mostra uma lâmpada Led um dos principais itens
necessários para a redução do consumo de energia atualmente.

Figura 1–Lâmpada Led com bulbo e27

Fonte: sergeyryzhov/iStock.com.

Além disso, a esse ponto é importante considerar que um exemplo

protagonista dentro da implementação da eficiência energética nas
empresas e indústrias é a digitalização dos processos econômicos que,
segundo Seleme (2016, p. 58), permitirá:

• Acelerar a velocidade dos processos econômicos e administrativos.

• Permitirá que você forneça serviços remotamente.

66
 • Facilitará a gestão.

• Otimizará a circulação de pessoas e o uso do transporte.

A energia renovável, por sua vez, é derivada de vários processos

naturais, como radiação do sol, marés ou geração de calor na Terra. A
seguir, listamos os principais tipos de fontes alternativas de energia na
prática:

• Luz solar: uma certa quantidade de fluxo de luz solar pode ser
convertido em calor, eletricidade ou energia química.

• Vento: o movimento das moléculas de ar pode ser coletado em

turbinas eólicas, que giram o eixo de geradores elétricos ou
moinhos de vento.

• Biomassa: materiais orgânicos podem ser usados para cozinhar e

aquecer, bem como para a produção de combustíveis.

• Calor interno: pode ser utilizado em reaproveitamento de algum

outro processo, para aquecimento e geração de eletricidade.

• Água: o potencial e a energia cinética da água corrente podem ser

usados para gerar eletricidade ou realizar tarefas mecânicas.

A Figura 2 apresenta uma das principais energias renováveis

empregadas no Brasil.

67
 Figura 2–Energia Eólica e Solar

Fonte: yangna/iStock.com.

Ademais, é importante lembrar que não é novidade que cada método

de geração de eletricidade tem seus prós e contras. Desse modo,
ressalta-se que apesar de suas claras vantagens, todas as formas de
fontes renováveis também apresentam desvantagens. Os recursos
renováveis nem sempre estão disponíveis onde e quando são
necessários, como os recursos hidrelétricos que são geograficamente
limitados e, frequentemente, localizados em áreas remotas, além de
exigirem a instalação de linhas elétricas caras nas cidades. Já a energia
eólica, por sua vez, é intermitente e esse exemplo, no entanto, ela nos
leva a outra questão técnica importante para as energias renováveis:
armazenamento.

Desse modo, é importante ter em mente que um dos principais

problemas relacionados à geração de eletricidade, em geral, é que ela
não pode ser efetivamente armazenada em grandes quantidades para

68
uso posterior, já que não é prático ter uma bateria de reserva em uma
usina de gigawatts, por exemplo.

Além disso, embora os sistemas de energia renovável geralmente não

emitam tanta poluição do ar quanto os combustíveis fósseis, algumas
fontes têm impacto negativo no meio ambiente.

Referências Bibliográficas
ALMEIDA, P. S. Indústria 4.0: princípios básicos, aplicabilidade e implantação na
área industrial. São Paulo: Érica, 2019.
GREGÓRIO, G. F. P. Manutenção industrial. Porto Alegre: SAGAH, 2018.
SELEME, R. Manutenção industrial: mantendo a fábrica em funcionamento.
Curitiba: InterSaberes, 2016.

69
 BONS ESTUDOS!

70