Escolar Documentos
Profissional Documentos
Cultura Documentos
Veja discussões, estatísticas e perfis de autores para esta publicação em: https://www.researchgate.net/publication/358924343
DOI: 10.3390/en15051806
CITAÇÕES LÊ
3 117
4 autores:
Alguns dos autores desta publicação também estão trabalhando nesses projetos relacionados:
Zrównowaÿona ÿywnoÿÿ – rozwój wiedzy i kompetencji kadry badawczo-dydaktycznej Uniwersytetu Ekonomicznego w Poznaniu Ver projeto
Todo o conteúdo desta página foi carregado por Krzysztof Wójcicki em 01 de março de 2022.
energias
Análise
1
Institute of Quality Science, Pozna ´n University of Economics and Business, Al. Niepodlegÿo´sci 10,
61-875 Pozna ´n, Polônia; marta.bieganska@ue.poznan.pl Instituto de Gestão, Pozna ´n
2
Universidade de Economia e Negócios, Al. Niepodlegÿo´sci 10, 61-875 Pozna ´n, Polônia;
beata.paliwoda@ue.poznan.pl (BP); justyna.gorna@ue.poznan.pl (JG)
* Correspondência: krzysztof.wojcicki@ue.poznan.pl
Resumo: A quarta revolução industrial que está ocorrendo no setor industrial está relacionada à
crescente digitalização e vinculação de bens, produtos, cadeias de valor e modelos de negócios. A
Indústria 4.0 é baseada na conexão global de pessoas, coisas e máquinas. Ao conectar dispositivos
e sensores à internet, estamos entrando em uma nova era de análise de dados, conectividade e
automação. Isso dá grandes oportunidades de inovação e progresso, antes inatingíveis em tal dimensão.
O termo Internet das Coisas (IoT) se difundiu junto com a visão de um mundo instrumentado
com entradas e saídas inteligentes capazes de se comunicar entre si por meio de dados e
tecnologias da internet. A IoT está sendo implementada em várias áreas da economia moderna,
por exemplo, saúde, controle de qualidade, logística, energia, agricultura e produção. A Internet
das Coisas Industrial (IIoT) abre caminho para uma melhor compreensão do processo de
fabricação, permitindo assim uma produção eficiente e sustentável. O artigo explica os conceitos
de IoT, IIoT e Indústria 4.0. Destaca as oportunidades, ameaças e desafios associados à sua implementa
Além disso, apresenta um esboço da arquitetura de computação em IoT e questões relacionadas ao
Citação: Wójcicki, K.; Biega ´nska, M.;
consumo de energia . Além disso, fornece exemplos de perfis de pesquisa de aplicativos e IIoT.
Paliwoda, B.; Górna, J. Internet das
Figura 1. As 56 perguntas mais frequentes dentro da IoT nos Estados Unidos, com base em
Figura
busca1.“Answer
As 56 perguntas mais frequentes dentro da IoT nos Estados Unidos, com base no mecanismo de
the Public”.
Motor de busca “Responda ao Público”.
Para empresas em todo o mundo, a IoT já passou da fase de ser vista apenas
Para
como empresas
uma em exploratória
tecnologia todo o mundo,
[2].aAIoT
IoTjáoferece
passouàsdoindústrias
estágio de ser vistaoportunidades,
múltiplas apenas
como uma tecnologia
de estratégias exploratória
e projetos únicos [2].
paraA implementar
IoT oferece às indústrias
seus múltiplas
conceitos. oportunidades , permitindo o início
Além disso,
laços,
industriais
permitindo
levam
o início
a “possibilidades
de estratégias
de e
exame
projetos
criativas
únicose para
eficazes
implementar
para seus conceitos. tais oportunidades
Além
especialistas
disso, essas
emoportunidades
áreas de pesquisa
industriais
multidisciplinares,
levam a “exames
combinando
criativospesquisa
e eficazes para pesquisadores e
bilidades
como estudos,
para pesquisadores
habilidades de
e especialistas
engenharia, ciências
em árease de
humanidades”
pesquisa multidisciplinares,
[5]. A IoT transforma
assimo mundo
em um mundo
combinando estudosdigital, moderno
de pesquisa, e inteligente,
habilidades ondeciências
de engenharia, tudo está prontamente
e humanidades” [5]. Adisponível. Para
IoT acompanha
transforma
a tendência,oasmundo em
indústrias um mundo
precisarão digital,
participar moderno e inteligente
de empreendimentos e investir noonde tudo é
prontamente
disponível tecnologias
à mão. Para IoT
acompanhar [5]. “Esses
a tendência, novos avanços
as indústrias precisarão tecnológicos
participar do venestão tornando
para adotar essa concebíve
tecnologia em todo o mundo, enquanto a Qualidade da Experiência (QoE) do usuário e
turas e investir nas tecnologias IoT [5]. “Esses novos avanços tecnológicos são pré-requisitos de
Qualidade
tornando de Serviço
concebível adotar(QoS) dos aplicativos
essa tecnologia que
em todo estão se
o mundo, expandindo
enquanto radicalmente”
a qualidade do usuário[5].
O futuro da
fabricação global mudou permanentemente como resultado da melhoria da experiência (QoE)Ae os pré-
requisitos da qualidade de serviço (QoS) dos aplicativos estão expandindo as indústrias inteligentes.
transformação
radicalmente” [5].aumentou a digitalização e influenciou
processos de fabricação
fabricação e distribuição
global mudou nas empresas.
permanentemente Adoção de
como resultado dedispositivos IoTnão
im tories que de apenas
fato O futuro da
influenciam a
produtividade, mas
desenvolvimento também têm
de indústrias impacto A
inteligentes. natransformação
segurança e qualidade
aumentouea digitalização e a gripe torna os
avanços complexos mais eficientes e eficazes. IoT, Inteligência
processos avançados de fabricação e distribuição nas empresas. AdotarArtificialappliances IoT (AI), Cloud e Big Data
nasAnalytics
fábricas(BDA)
não sósão conhecidos
influencia como “big four
a produtividade, mastechnologies”,
também tem permitindo
impacto na segurança e na qualidade o
e torna os avanços complexos mais eficientes e eficazes. IoT, automação
seguinte: conectar organizações, gerar dados, implementar Inteligência eArtificial tomando decisões
inteligentes
(AI), com
Cloud e Big base
Data em fatos,
Analytics números
(BDA) e dados. A como
são conhecidos IoT fornece ferramentas
“big four que permitem
technologies”, permitindo o acúmulo
automatizado de dados e gerando insights por meio de sensores, redes e
analítica. É o elemento mais significativo na “pilha digital”.
wng: cnncng rgnzns, gnrng , mpmnng mn n tomar decisões inteligentes com base em fatos, números
Machine Translated by Google
e dados. A IoT
de insights fornece
usando ferramentas
sensores, que
redes e Apermitem
definição2.da
Acúmulo automatizado
Indústria 4.0 refere-sede dados revolução
à quarta da Indústria 4.0 e geração
industrial, Figura
2. Pré-análise. É o elemento mais significativo na “pilha digital”. revoluções industriais anteriores levaram a aumentos
de produtividade e foram impulsionadas por mecha
usando
Motor tecnologia)
Indústria 2.0
Eletricidade
Indústria 1.0 Indústria 3.0
Água Indústria 4.0
em Massa e Produção Figura 2. Quatro Sistemas de
revoluções IoT
industriais.
Energia a vapor TI (tecnologia da
usando motor (transformação digital)
informação)
Eletricidade
Simultaneamente com a transformação dos modelos manufatureiros, houve uma transformação da sociedade da
“Sociedade da Caça, pela Sociedade Agrícola, na Figura 2. Quatro revoluções industriais.
Figura 2. Quatro revoluções industriais.
sociedade industrial, sociedade da informação para sociedade super inteligente” [10], Figura 3.
Simultaneamente com a transformação dos modelos manufatureiros, houve
uma trans .
transformação da sociedade de “Sociedade
sociedade da caça,
da informação paraatravés da sociedade
sociedade agrícola,
super inteligente” na sociedade,
[10], Figura 3.
sociedade industrial, sociedade da informação para sociedade super inteligente” [10], Figura 3.
Energias 2022, 15, 1806 com escalabilidade eficiente. Isso pode ser alcançado mudando para Cloud, Fog e Edge 5 de 25
paradigmas [32]. A arquitetura computacional desses paradigmas é apresentada na Figura 4.
A segunda
Internet dascamada da arquitetura
Coisas através de computação
da aplicação é a computação
de diferentes Fog. É como
sensores e atuadores que uma
geraextensão da
de uma Nuvem.
roteadores, Ele emprega
gate petabytes (PB)nós
de(por
dadosexemplo, estações
transmitidos parabase, pontos
o serviço de acesso,
Cloud switches, e computação [33].
para manutenção
maneiras) localizadas entre as camadas Cloud e Edge [35,36,38]. Assim, ele realiza baixa latência
Conforme mostrado na figura acima, Cloud é um data center ou servidor que pode ser acessado de
computação nos dados de IoT, roteando-os para a nuvem para agregação de dados extensiva [39].
O OpenFog define Fog como uma “arquitetura horizontal em nível de sistema que distribui funções
de computação, armazenamento, controle e rede mais próximas dos usuários ao longo de um
continuum Cloud-to-thing” [32,40]. O Fog normalmente está localizado próximo aos nós da rede
local e oferece arquitetura descentralizada em computação em nuvem. Ele serve a
Machine Translated by Google
em qualquer lugar do mundo através da Internet, como Microsoft Azure, Google Cloud Platform, Amazon
Web Services, IBM Watson Cloud ou ORACLE Cloud. A nuvem fornece recursos de processamento e
armazenamento escaláveis e de baixo custo. O termo computação em nuvem, definido pelo Instituto
Nacional de Padrões e Tecnologia (NIST), descreve-o como “um modelo para permitir acesso de rede
onipresente, conveniente e sob demanda a um conjunto compartilhado de recursos de computação
configuráveis (por exemplo, redes, servidores , armazenamento, aplicativos e serviços) que podem ser
rapidamente provisionados e liberados com o mínimo esforço de gerenciamento ou interação do provedor
de serviços.” [34]. No entanto, esse paradigma tem suas limitações, pois os dados dentro da infraestrutura
de nuvem precisam ser fornecidos aos servidores para processamento e, em seguida, devem ser
enviados de volta ao dispositivo. Isso, por sua vez, aumenta drasticamente a latência [35]. Além disso, a
computação em nuvem oferece uma arquitetura centralizada que resulta em limitações de largura de banda [33,36
A segunda camada da arquitetura de computação é a computação Fog. É como uma extensão de
uma nuvem. Ele emprega nós (por exemplo, estações base, pontos de acesso, switches, roteadores,
gateways) localizados entre as camadas Cloud e Edge [35,36,38]. Assim, ele realiza computação de
baixa latência nos dados de IoT, roteando-os para a nuvem para agregação de dados extensiva [39]. O
OpenFog define Fog como uma “arquitetura horizontal em nível de sistema que distribui funções de
computação, armazenamento, controle e rede mais próximas dos usuários ao longo de um continuum
Cloud-to-thing ” [32,40]. O Fog normalmente está localizado próximo aos nós da rede local e oferece
arquitetura descentralizada em computação em nuvem. Serve aos mesmos propósitos da Nuvem, mas
permite transferir para ela apenas os dados para armazenamento permanente, reduzindo assim a largura
de banda [33].
A terceira e última camada da arquitetura descrita é a computação de borda. Assim como a
computação Fog, ela oferece arquitetura distribuída, baixa latência e largura de banda, mas alta
escalabilidade. Ele usa computação compartilhada e processa informações no Edge gateway até o
nível do dispositivo, permitindo, por sua vez, a redução da quantidade de dados necessários para
serem movidos para a nuvem. Em outras palavras, a computação de borda usa dispositivos de borda
como ferramentas para mover o poder de computação e a inteligência de um gateway de borda. Seu
objetivo é transferir recursos computacionais da nuvem para a borda [35].
Tanto a computação Fog quanto a Edge podem operar em conjunto com a nuvem, proporcionando
melhor latência, confiabilidade e segurança de dados e melhores tempos de resposta. O processamento de
dados de fluxo pode ser executado com sucesso por nós distribuídos de Fog e Edge. Enquanto isso, big
data (dados em lote ) normalmente seria processado na nuvem.
Os sistemas Edge e Cloud podem ser integrados juntos como o continuum IoT-to-cloud.
A comunicação dentro da arquitetura descrita deve usar protocolos de comunicação padrão, como
Open Platform Communications United Architecture (OPC UA). É usado para automação industrial
em comunicação máquina a máquina (M2M) [41].
Outros padrões de conectividade são, por exemplo, Highway Addressable Remote Transducer Protocol
(HART), WirelessHart e Data-Distribution Service (DSS) [37]. Cabrini et ai. [42] investigaram uma
plataforma Helix Multilayered que oferece uma plataforma de serviço Industrial IoT estendendo o
continuum digital horizontal para a camada Fog e Edge com base em padrões abertos. Eles foram
capazes de rotear “informações de contexto através da borda próxima e do datacenter em nuvem da
cidade”.
A grande quantidade de dados gerados em IoT e transferidos para a nuvem exige soluções de
gerenciamento de dados como Big Data Analytics (BDA). As ferramentas de processamento BDA
podem apoiar ou em alguns casos permitir a resolução de problemas em tempo real e melhorar a
tomada de decisões, criando assim uma vantagem competitiva para as organizações em ambientes de
negócios em constante mudança [23,29,30]. Por outro lado, as soluções IoT requerem bases de dados
específicas para suportar a gestão de dados; O NoSQL é um exemplo de tal banco de dados. Por
exemplo, o Google desenvolveu os serviços de estrutura do Google IoT, permitindo o gerenciamento
de dados fácil e seguro de dispositivos localizados globalmente em tempo real. Já um framework da
General Electric PREDIX auxilia no funcionamento (operação, implantação, desenvolvimento) de
aplicações industriais na Nuvem e na Borda [30].
Uma preocupação potencial na ampla implementação da IoT é a segurança da informação.
A tecnologia Blockchain combinada com a IoT pode superar esse problema. Tal combinação
Machine Translated by Google
de tecnologias pode permitir uma ampla gama de aplicações que aumentariam a cadeia de valor
transparência e suporte à confiança Business-to-Business (B2B). Um Blockchain é uma estrutura de
dados digital, descentralizada e distribuída (também conhecida como ledger) onde dados/transações
são registrados e adicionados cronologicamente e compartilhados em uma rede Peer-To-Peer (P2P)
fornecendo registros permanentes e invioláveis [24,30,43]. Blockchain permite grandes quantidades
de dados gerados pela IoT a serem agregados de maneira centralizada ou descentralizada. este
influencia a escalabilidade das soluções de IoT.
Blockchain descentralizado consiste em vários usuários compartilhando a tomada de decisões, enquanto
o centralizado tem uma entidade central como o principal decisor. Esta tecnologia
foi introduzido pela primeira vez por aplicativos de criptomoeda Bitcoin, mas pode ser empregado em
indústrias diferentes. Cada transação, arquivo ou dado (bloco) possui um hash criptográfico e é
vinculado a um bloco anterior. Uma vez que um bloco é verificado por um certo número de membros da rede
(nós), é então adicionado aos blocos anteriores e forma uma Blockchain. Geralmente compreende
um livro-razão compartilhado, permissão, contratos inteligentes e consenso [30]. Esta tecnologia
aumenta a transparência, segurança, autenticidade e auditabilidade dos dados compartilhados [44,45].
A tecnologia Blockchain fornece proteção de privacidade criptografando e verificando os dados.
Para superar o déficit de tempo de criação de blocos do Blockchain, o Ethereum se tornou útil. Isso é
ligeiramente diferente do Bitcoin; no entanto, permite que os desenvolvedores escrevam contratos inteligentes
para plataformas Blockchain. Devido a isso, é possível personalizar o Blockchain para
aplicações desejadas. Em outras palavras, Ethereum possibilita a configuração de IoT
dispositivos e autenticação de gerenciamento de operações em infraestrutura de chave pública. Hoje,
A tecnologia Blockchain está entrando lentamente no uso de domínios não monetários [25].
Figura 5.
Figura 5.Rede
Rederesultante
resultantedadaanálise
análisedosdos dados
dados bibliométricos
bibliométricos do Scopus.
do Scopus. Fonte:
Fonte: trabalho
Metadados próprio baseado em
Scopus
obtidos
em com base
metadados em trabalho
Scopus obtidospróprio
[46]. [46].
A IIoT apresentada como o maior nó vermelho foi atrelada a termos como: Indústria
4.0, segurança de rede, computação de borda, criptografia, aprendizado profundo, aprendizado reforçado,
interoperabilidade, agendamento de alocação de recursos, padrões IEEE ou blockchain e muitos
mais. Isso mostra quão vastas e amplas são as correlações relacionadas à palavra-chave IIoT.
O ano de 2011 foi a primeira vez que a palavra-chave “IIoT” foi usada por Chen et al. [51].
Após dez anos, o número de publicações com a palavra-chave IIoT aumentou rapidamente. Dentro
Em 2020, havia 1.248 documentos, enquanto em 2021 (até outubro de 2021), havia 1.134.
sugere que o tópico IIoT está ganhando interesse hoje, como visto na Figura 6.
neroperay, resource aocaon sceung, sanars ou occan e muito mais. Isso mostra quão vastas e
Machine Translated by Google
amplas são as correlações relacionadas à palavra-chave IIoT.
O ano de 2011 foi a primeira vez que a palavra-chave “IIoT” foi usada por Chen et al. [51].
Após dez anos, o número de publicações com a palavra-chave IIoT aumentou rapidamente. Em 2020, havia 1248 documentos enquanto
visto na Figura 6.em 2021 (até outubro de 2021), havia 1134. Este Energies 2022, 15, 1806 sugere que o tema IIoT está ganhando interesse hoje, como 8 de 24
Figura 6. Tendência de publicação da amostra com base na análise bibliométrica Scopus [46]. Palavra-chave “IIoT”.
Figura 6. Tendência de publicação da amostra com base na análise bibliométrica Scopus [46]. Palavra-chave “IIoT”.
O próximo passo foi comparar as contagens de documentos para cinco fontes com o maior
número de artigos publicados. Os resultados são apresentados na Figura 7. O maior número de
O próximo passo
documentos
foi comparar
publicados
a contagem(com de
a palavra-chave
documentos para
IIoT)cinco
em IEE
fontes
Transactions
com os maiores
on Industrial Informatics
15, 1806 revista, comOs
número de artigos publicados. 255 artigos. Em
resultados são 2018, tiveram 35
apresentados na documentos publicados
Figura 7. O maior númeroenquanto
de 25 em 2021, foi
de9147.
O IEEE Internet of Things Journal também é
(com a palavra-chave IIoT) em IEE Transactions on Industrial Informatics muito popular, com 179 documentos publicados
mentos. Os dois primeiros documentos foram publicados em 2017. Em 2021, foram 105 publicados
revista, com 255 artigos. Em 2018, tinham 35 documentos publicados enquanto em 2021 eram
documentos. A primeira publicação sobre IIoT foi publicada em 2016 em Lecture Notes em
147. O IEEE
Ciência Internet of Things
da Computação. Journal
Até outubro detambém
2021, 124é muito popular,foram
documentos com 179 documentos
publicados nessapublicados
revista (41em
Computer Science. Até outubro de 2021, 124 documentos foram publicados nessa revista
mentos. Os dois primeiros
publicados em 2021). documentos
O IEEE Access foram
possui publicados
119 documentosem 2017. Em 2021,
publicados. tinham 105 documentos
Em 2018,publicados.
tinham 17 Em
(41 2018, eles tiveram
documentos em 2021). O IEEE Access possui 119 documentos
documentos.
enquanto em A primeira
2021, foi publicação
39. O último sobre IIoTéfoi
periódico publicada
Sensors; atéem 2016 de
outubro em2021,
Lecture Notes
eram 17 in documents,
documentos,
enquanto em 2021, eram 39. O último periódico é Sensors; até outubro de 2021, eles
teve 76 documentos publicados.
teve 76 documentos publicados.
Figura 8. Número de documentos publicados classificados por autores com base na bibliometria Scopus
Figura 8. Número de documentos publicados classificados por autores com base na análise de análise bibliométrica
Scopus [46]. Palavra-chave “IIoT”.
[46]. Palavra-chave “IIoT”.
2, 15, 1806
Realizar uma comparação dos documentos publicados por tipo de documento habilitado
10 de 25
A comparação dos documentos publicados por tipo de documento permitiu constatar que quase
metade (49,4%) dos documentos publicados eram artigos de congressos.
Constatamos queArtigos
quase metade (49,4%)
e capítulos dos documentos
de livros representarampublicados eram artigos
45,7%. Foram de conferências.
1647 artigos publicados (43,3%)
Artigos e capítulos de livros representaram 45,7%. Foram 1647 artigos publicados
de livros (2,3%). Revisão (82 documentos) e revisão de conferência e 86
(40capítulos
documentos)
(43,3%) e 86 consistiu
documentos) capítulos de um
em
consistiu livros (2,3%).
emtotal
um de 122
total Revisão (82 documentos)
depublicações (3,3%).
122 publicações e Lista
revisão
A lista
(3,3%). de de
de todos conferência
os
todos (40publicados
documentos
os documentos publicados ordenados por
mentos classificados9.por tipo ésão
o tipo apresentados
apresentado na Figura
na Figura 9.
Figura
Figura 9. Tendência do 9. documentos
tipo de Tendência do
datipo de documentos
amostra daanálise
com base na amostra com base Scopus
bibliométrica na análise
[46].bibliométrica Scopus [46].
Palavra -chave
“IIoT”. Palavra -chave “IIoT”.
A comparação dos documentos por país ou território é apresentada na Figura 10, que mostra
que 825 documentos publicados eram da China. Os Estados Unidos estão em segundo lugar com
526 documentos. A Alemanha tem 365 documentos publicados, enquanto a Índia
Machine Translated by Google
Figura 9. Tendência do tipo de documentos da amostra com base na análise bibliométrica Scopus [46]. Palavra-
chave “IIoT”.
A comparação dos documentos por país ou território é apresentada na Figura 10, que mostra
que 825 documentos publicados eram da China. Os Estados Unidos estão em segundo lugar com
526 documentos. A Alemanha
documentos
tem 365
pordocumentos
país ou território
publicados,
é apresentada
enquantona
a Figura
Índia A10,
comparação
que dos
tem 341. mostra que 825 documentos publicados eram da China. Os Estados Unidos estão em segundo lugar
lugar com 526 documentos. A Alemanha tem 365 documentos publicados, enquanto a Índia tem 341.
Figura 10. Os 10 principais países da amostra com o maior número de publicações baseadas no Scopus
Figura 10. Os 10 principais países
análise da amostra
bibliométrica com o maior número
[46]. Palavra-chave “IIoT”. de publicações com base na análise bibliométrica
Scopus [46]. Palavra-chave “IIoT”.
4.2. Aplicação de IoT na indústria
A aplicação de IoT na indústria leva à criação de Fábricas Inteligentes onde quase todos
objetos como máquinas, dispositivos e produtos são equipados com sensores que conectam
cada um para cada e para a Internet [52]. A IoT industrial é uma das aplicações mais exigentes [ 42]. Isso, por sua vez,
fornece visibilidade avançada das operações por meio de acesso em tempo real
à informação. Neste novo ambiente, equipamentos de fabricação e outros dispositivos podem
comunicar seu desempenho em tempo real e melhorar a produtividade, eficiência e qualidade
fornecendo um alto nível de capacidade de resposta e flexibilidade ao nível do processo [23]. Em 2017,
o mercado global de IIoT foi avaliado em US$ 312,79 bilhões com previsão de chegar a US$
700,38 bilhões até 2023 [53]. Normalmente, bandas não licenciadas de 2,4 GHz são usadas em IoT onde
várias tecnologias competem pelo acesso ao espectro. No entanto, não há intertecnologia
mecanismo de coordenação devido ao qual há interferência mútua, que por sua vez desencoraja a
implementação de monitoramento e controle industrial. O que foi mencionado acima
A banda não licenciada de 2,4 GHz oferece um amplo espectro gratuito de 85 MHz em todo o mundo. Isso tem levado a
aumento do uso de padrões sem fio, como Bluetooth Low Energy (BLE), IEEE 802.11
e IEEE 802.15.1 em uma escala enorme. O domínio de automação de processos em IIoT usa o IEEE
Camada física 802.15.4 na qual os principais padrões wireless WirelessHART e ISA 100.11a
são baseados [54-57].
A IoT no nível industrial leva à criação de sistemas de produção totalmente automatizados,
em conjunto com sistemas Cloud e BDA permitindo uma melhor análise da demanda do mercado
padrões, melhorando significativamente o planejamento e o controle da produção. Isto por sua vez
contribui para a rápida customização de produtos em nível individual ou local [23].
São apresentadas categorias selecionadas do setor da indústria com potencial para implementação de IIoT
na Figura 11.
Os principais padrões sem fio 100.11a são baseados [54–57].
Machine Translated by Google A IoT no nível industrial leva à criação de sistemas de produção totalmente automatizados,
juntamente com sistemas Cloud e BDA, permitindo uma melhor análise dos padrões de demanda do
mercado, melhorando significativamente o planejamento e o controle da produção. Isso, por sua vez,
contribui para a rápida personalização de produtos em nível individual ou local
Energias 2022, 15, 1806 11 de 24
[23]. As categorias selecionadas do setor industrial com potencial para implementação de IIoT são
apresentadas na Figura 11.
À medida que o ambiente de fabricação mudou nas últimas décadas, junto com ele
novos modelos de negócios desenvolveram Sistemas Produto-Serviço Industrial (IPSS). Eles mudam
negócios desde a simples venda de produtos, gerando lucros, até a venda de funcionalidades.
No modelo IPSS, os produtos e serviços industriais são entregues de forma consistente, o que em
muitos casos requer BDA vindo de diferentes fontes, como os dispositivos IoT. o
As soluções de IIoT levam em consideração os detalhes técnicos da produção do produto e a
partes interessadas que fazem parte do modelo de negócio das IPSS. Nesse sentido, permitem uma dinâmica
adoção à demanda do consumidor em constante mudança e habilidades de fabricação [29].
O conceito de internet industrial teve origem nos Estados Unidos e foi mencionado pela primeira vez por
General Electric, enquanto o próprio conceito de Indústria 4.0 se originou na Alemanha. Os dois
conceitos não são idênticos, mas na verdade eles se sobrepõem. “Internet das Coisas Industrial: Um sistema
compreendendo objetos inteligentes em rede, ativos ciber-físicos, informações genéricas associadas
tecnologias e plataformas opcionais de computação em nuvem ou de ponta, que permitem
acesso inteligente e autônomo, coleta, análise, comunicações e troca de
informações de processo, produto e/ou serviço, dentro do ambiente industrial, de modo a
otimizar o valor geral da produção.” [21]. IIoT é uma extensão da tecnologia IoT, fornecendo
indústria com um conjunto de ferramentas utilizadas na criação de sua vantagem competitiva. Atende a indústria
e, portanto, deve atender a requisitos muito mais rigorosos do que no caso do domínio do consumidor.
Normalmente, um modelo de arquitetura IIoT (Figura 12) consiste em várias camadas com diferentes conjuntos
de redes [58]. IIoT através do uso de sensores e atuadores dentro de uma organização,
através da coleta, análise e troca de dados, permite que máquinas (embutidas com sensores)
alterar seu próprio modo de ação ou indicar outros dispositivos para fazê-lo sem a necessidade
para a ação humana. Além disso, pode apoiar a tomada de decisão humana com base em dados coletados
em tempo real, mas também pela capacidade de armazenar esses dados, usá-los para avaliação periódica
e/ou previsão de manutenção.
Machine Translated by Google caso de domínio do consumidor. Normalmente, um modelo de arquitetura IIoT (Figura 12) consiste
em várias camadas com diferentes conjuntos de redes [58]. A IIoT por meio do uso de sensores e
atuadores dentro de uma organização, por meio de coleta, análise e troca de dados, permite que
máquinas (embutidas com sensores) alterem seu próprio modo de ação ou indiquem outros
Energias 2022, 15, 1806 dispositivos para fazê-lo sem a necessidade de ação humana. Além disso, pode apoiar a tomada 12 de 24
de decisão humana com base em dados recolhidos em tempo real, mas também pela capacidade
de armazenar esses dados, de os utilizar para avaliação periódica e/ou previsão de manutenção.
Apesar de muitas possibilidades de uso, a IIoT enfrenta barreiras (por exemplo, problemas
de segurança, apesar de muitas possibilidades de uso, a IIoT enfrenta barreiras (por exemplo, problemas
de segurança, sistemas não escaláveis e desafios de interoperabilidade) que podem ser abordadas pela IIoT
ref sistemas escaláveis e desafios de interoperabilidade) que podem ser abordados por arquiteturas de
referência de IIoT. Mencionamos apenas três: Indústria de Modelos de Arquitetura de Referência
4.0 (RAMI 4.0), Arquitetura Industrial de Referência da Internet (IIRA) e Internet das Coisas
Arquitetura (IoT-A).
Sensores e atuadores (por exemplo, posição, movimento, biossensor, medição de massa/volume
e ambiente) conectados a diversos dispositivos e à internet são uma fonte essencial
de dados de produção onipresentes em IIoT [29]. Esses sensores, juntamente com o balanço de energia
folhas e dispositivos integrados inteligentes, podem suportar o monitoramento de energia para auxiliar
na tomada de decisões de fabricação usando dados online em tempo real [59]. Uma das soluções
tecnológicas de IoT e IIoT são as etiquetas e sensores RFID. A tecnologia RFID é baseada na coleta de dados e
identificação automática de objetos por meio de ondas de rádio, onde uma etiqueta transmite sua identidade para a etiqueta
leitor. A etiqueta pode ser anexada ou incorporada a um dispositivo ou produto e é equipada
com um microcircuito com um código único e/ou um conjunto de informações. O leitor de etiquetas tem um
antena emitindo ondas de rádio e a etiqueta envia de volta seus dados para o leitor. Dados coletados
são enviados e agrupados em um sistema de gerenciamento de informações incluindo um servidor conectado
com um banco de dados e software que pode ser conectado ao Enterprise Resource Planning
(ERP) [60,61]. O uso de etiquetas RFID pode aumentar a transparência no fornecimento
cadeia fornecendo ferramentas e produtos para sistema de rastreamento em tempo real. Essas etiquetas também podem ser
usado para rastreabilidade de recursos em tempo real, melhorando assim a gestão de estoque, mas
também para as máquinas nas linhas de produção para detectar variações na produção ou montagem
desempenho [23,24]. Tais inovações já estão sendo implementadas na indústria onde
máquinas monitoram e controlam a velocidade e o status das peças de montagem e enviam informações para
os próximos operadores com instruções específicas sobre como e quando juntar os elementos
através de displays digitais [20,62]. Outras aplicações RFID na fabricação e cadeia de suprimentos
são apresentados na Figura 13. Exemplos de ramos da indústria que já exploram a tecnologia RFID
incluem automotiva, autopeças, máquinas, indústria pesada, eletrônica,
indústria alimentícia, indústria farmacêutica e muitas outras [60]. A utilização de RFID também
auxilia em abordagens antifalsificação por meio da rastreabilidade do produto, garantindo alto fornecimento
visibilidade da cadeia e autenticação do produto. Além disso, as etiquetas RFID passam a fazer parte do
produto movendo-se através da cadeia de suprimentos até o ponto de venda. No entanto, embora a RFID
autopeças, máquinas, indústria pesada, eletrônica, indústria alimentícia, indústria farmacêutica e muitas
Machine Translated by Google
outras [60]. A utilização de RFID também auxilia em abordagens antifalsificação por meio da
rastreabilidade do produto, garantindo alta visibilidade da cadeia de suprimentos e autenticação do
produto. Além disso, as etiquetas RFID tornam-se parte do produto que se desloca através da cadeia
Energias 2022, 15, 1806 13 conhecida
de abastecimento até ao ponto de venda. No entanto, embora a tecnologia RFID seja bem de 24 e
de baixo custo, não é a única ferramenta de construção da IoT Industrial. Outros componentes com
capacidade de vincular o mundo real com o digital são as Comunicações de Campo Próximo (NFC) e a
tecnologia
menos RedesWire
de éSensores
bem conhecida e de baixo
e Atuadores (WSAN)custo, não sendo a única ferramenta de construção da IoT
[61].
Outros componentes com a capacidade de vincular o mundo real com o digital são o Near Field
Comunicações (NFC) e Redes de Sensores e Atuadores Sem Fio (WSAN) [61].
As possibilidades da IIoT são infinitas e é apenas uma questão de tempo até que sejam implementadas
em grande escala.
complexidade e os desafios técnicos são as maiores barreiras para as empresas que desejam
explorar a IoT. Por esses motivos, 30% das organizações pesquisadas decidem não adotar a IoT [4]
em favor do uso de soluções atuais.
Conectar tantos dispositivos juntos é um sério desafio da IoT/IIoT. Hoje, contamos com o
paradigma servidor/cliente centralizado para autorizar, autenticar e conectar diferentes nós em
uma rede. Para um sistema interconectado, os dispositivos devem trabalhar juntos para funcionar
corretamente, mesmo que esses dispositivos funcionem em campos diferentes. A falta de
conectividade comum, formatos de dados padrão e interfaces de software comuns complicam a
implementação da IoT. Outro desafio é a dispendiosa adaptação ou substituição dos dispositivos
tradicionais para trabalhar com as tecnologias mais recentes [67]. A maioria dos dispositivos IoT
são alimentados por baterias, portanto, a IoT também deve lidar com alto consumo de energia.
Despesas relacionadas à manutenção e/ou substituição de tais dispositivos são uma séria
preocupação devido ao fato de que no futuro um grande número de sensores será usado. Sem a
devida consideração de manutenção e avaliação do ciclo de vida, mais cedo ou mais tarde eles
podem se tornar lixo eletrônico. Ainda hoje, o número de dispositivos conectados à internet supera a popul
Outro desafio é desenvolver baterias de sensores de alta eficiência energética e longa vida útil que irão
operar durante a vida útil de um sensor [68,69], e definir métodos responsáveis de seu reprocessamento
no final de sua vida útil.
A alta quantidade de dados produzidos por meio da IoT tem um papel crucial no cenário do big
data . Milhões de dispositivos estão equipados com sensores conectados entre si, comunicando,
coletando e trocando dados. Esses dispositivos coletam uma enorme quantidade de dados que é
conhecida como Big Data. O desafio significativo será garantir o tratamento adequado desses vários
tipos de dados, em particular em tempo, recursos e escassez de capacidade de processamento.
Segundo Said e Masud [70], a maior preocupação está relacionada com a crescente quantidade de
informação que é gerada através de RFID. Cada objeto na IoT produz informações sobre si mesmo.
Essas informações (em quantidade massiva) devem ser coletadas e posteriormente processadas, o
que pode causar problemas na transmissão e armazenamento de dados que se aceleram a cada dia.
Como mencionado em [71], “80.000 petabytes de dados foram armazenados em todo o mundo em
2000, e isso deve aumentar para 35 zettabytes até 2020”. Os diferentes tipos de dados, como dados
estruturados , dados semiestruturados e dados não estruturados provenientes de sensores, são
coletados e analisados pelo Big Data e armazenados em um data warehouse. Apenas 20% desses
dados são processados, enquanto 80% não podem ser usados pelos métodos tradicionais. A maioria
desses dados são inúteis para processos de tomada de decisão [43]. Camadas de inteligência são
necessárias para transformar essa enorme quantidade de dados coletados por dispositivos conectados à interne
Outro desafio é “ajustar estruturas em dados semiestruturados e não estruturados antes de integrar e
analisar esses tipos de dados” [72]. b. Falta de orçamento e conhecimento
desafio para os operadores do sistema. Eles não terão apenas que gerenciar o sistema original, mas também
administrar todos os novos sistemas. O treinamento de engenheiros leva muito tempo, especialmente porque
a maioria dos sistemas de gerenciamento de interface do usuário (UIMSs) não é dedicada à automação industrial.
As tarefas de gerenciamento são muito diferentes e requerem ferramentas diferentes. A configuração
manual da rede pode aumentar o erro humano e aumentar as horas de trabalho. Além disso, envolve
custos adicionais para a empresa por meio da contratação de especialistas e engenheiros de
transformação digital e treinamento no uso dos sistemas (para melhorar a velocidade de resposta a erros).
De acordo com o Relatório de Sinais de IoT da Microsoft [4], 26% das organizações
relataram que a falta de orçamento e equipe estavam no topo das razões para adiar a adoção da IoT.
As empresas reclamam que é difícil encontrar os funcionários qualificados e experientes certos.
No total, 26% das empresas que já adotaram a IoT disseram que ainda não possuem
trabalhadores qualificados suficientes e 24% das organizações relataram falta de conhecimento
técnico. c. Desafios de segurança da informação e proteção de dados
Uma das barreiras de adoção da IoT são as preocupações corporativas sobre segurança e
privacidade da informação. Quase um terço (29%) das organizações acredita que os riscos de segurança
prevalecem sobre os benefícios da implementação da IoT [3]. Basicamente, bilhões de interconexões
entre dispositivos e pessoas e troca de dados causam um enorme risco de vazamento de dados. Devido
à onipresença e difusão dos sistemas IoT, surgirão problemas inevitáveis com privacidade e segurança
na rede . Do ponto de vista do desenvolvimento e expansão da IoT, é fundamental garantir a proteção
de dados e a segurança da informação em diversas atividades, como serviços de transporte, atividades
pessoais, processos ou proteção da informação. Esta é uma questão significativa; muita pesquisa foi
feita, mas também existem serviços relacionados às tendências atuais no sistema de segurança IoT
[61]. Vários serviços apresentaram alguns dos desafios, pois não são projetados com a segurança em
mente e podem se tornar vetores de ataque a vários dispositivos IoT e protetores de dispositivos [73].
De acordo com Siby e cols. [74], hoje é difícil gerenciar a segurança da organização e dos negócios
da IoT enquanto surgem várias ameaças à privacidade, que podem penetrar na IoT e em sua rede. As
organizações precisam desenvolver sistemas de varredura e monitoramento para todos os tipos de
dispositivos IoT que possam estar em risco de violação de privacidade e segurança das informações.
Analisadores e interceptores de tráfego ajudam a identificar e investigar várias ameaças cibernéticas.
Um dos principais tipos de ataques cibernéticos é chamado de ataque “False Data Injection” (FDI). Um
ataque FDI corrompe as medições do sensor; como resultado, o dispositivo enganou a plataforma industrial [75].
Para evitar ataques maliciosos externos, os seguintes sistemas de segurança podem ser utilizados:
criptografia para garantir a confidencialidade dos dados e códigos de autenticação de mensagens para
garantir a integridade e autenticidade dos dados [76]. No entanto, a criptografia não protege contra
“ataques internos”. Esses ataques representam uma séria ameaça para redes de sensores sem fio.
Diferentes ataques de rede sem fio IoT e possibilidades de detecção foram apresentados por Pamarthi
e Narmadha [77] e Balogh et al. [78].
A segurança na nuvem é a próxima área significativa de pesquisa que precisará de mais
consideração. Isso se deve ao fato de que as empresas usarão nuvens híbridas que contêm nuvens
privadas e públicas. Por esta razão, segurança e proteção se tornam muito importantes para prevenir
ataques cibernéticos [79].
Abomhara e Koien [80] propuseram uma série de componentes de segurança contribuindo para a
melhoria da segurança da IoT. Os autores mencionaram também que existem muitos desafios de
segurança e privacidade, como os seguintes: • “privacidade do usuário e proteção de dados, •
autenticação e gerenciamento de identidade, gerenciamento de confiança e integração de políticas,
•
• autorização e controle de acesso, •
segurança de ponta a ponta, • soluções
de segurança resistentes a ataques”.
Os problemas mencionados acima são significativos para o desenvolvimento da IoT.
Para superar esses desafios, várias soluções foram desenvolvidas, como a ortogonal anônima
Machine Translated by Google
esquema de preservação de privacidade baseado em código para sistemas ciberfísicos. Ele usa, entre outros,
códigos de bits ortogonais para privacidade do usuário, autenticação e anonimato, ao mesmo tempo em que
fornece baixo overhead de comunicação e computação [81].
Tawalbeh et ai. [82] disseram que a implementação dos conceitos de segurança da informação
existentes em sistemas IIoT não é tão fácil. Os autores propuseram implementar a segurança em múltiplas
camadas, desde o nível do dispositivo até o nível do sistema. Para garantir que os processos de comunicação
e controle em tempo real (duração do ciclo de 10 a 100 ms) não sejam interrompidos, são necessárias
contramedidas de segurança na IoT. No entanto, soluções utilizadas em sistemas de TI, como software de
detecção de malware, são insuficientes [28]. Na IIoT típica, a criptografia de chave simétrica pode fornecer
uma solução leve [83]. Isso, no entanto, pode ser insuficiente quando são usados dispositivos de baixa
capacidade. Ali et ai. [84] propuseram um esquema de criptografia simétrica para resolver este problema. Essa
solução permitiu obter privacidade e integridade do usuário ao usar recursos de computação e sobrecarga de
comunicação mais baixos. Outra solução de segurança é a Elliptic-Curve Cryptography (ECC), que fornece
tamanho de chave menor, reduzindo assim os requisitos de armazenamento e transmissão [27].
Outra solução para proteger dados dentro da IoT é a esteganografia. De acordo com Djebbar [85], tais
sistemas “manipulam as características dos arquivos de mídia digital para usá-los como suportes ou capas” (por
exemplo, imagens, áudio, vídeo, texto, protocolos ou dispositivos de armazenamento) para ocultar informações
secretas (payload) . A própria carga útil está escondida em qualquer tipo de capa digital. Ele usa uma chave
para proteger os dados e produz um arquivo stego (esteganálise cega).
Como os diferentes sistemas de controle usados em IoT precisam operar 24 ha por dia, durante todo o
ano, e ter uma vida útil de 5 a 10 anos, as atualizações de segurança se tornam um desafio. Eles não podem
causar mau funcionamento do sistema e, ao contrário dos sistemas de TI, as atualizações não podem resultar
na parada e reinicialização do sistema [28]. d. Escalabilidade
Como mencionado anteriormente, a IoT e a IIoT são compostas por um enorme número de
dispositivos. Esses dispositivos geralmente são conectados uns aos outros em subdomínios
hierárquicos em vez de em uma malha. Isso, por sua vez, faz com que o número de objetos
conectados seja significativamente maior do que a Internet atual. A complexidade de tal arquitetura
é um obstáculo para a escalabilidade. Para superar esse desafio, a retenção de tecnologias de
forma muito simples na rede e o tratamento da complexidade no ponto final devem ser implementados [56,86
Isso pode ser alcançado com um esquema que identifica, endereça e nomeia um grande número de
dispositivos e que irá suportar e dimensionar com eles [58]. e. Interoperabilidade do ambiente IIoT
regulatória é entendida como a conformidade dos dispositivos IoT com as normas legais relativas, por exemplo, à
Garantia de qualidade (43%) e segurança na nuvem (42%) são os principais motivadores que levam as
empresas a implementar a IoT [4]. Outros fatores para os adotantes de IoT são questões relacionadas à segurança
do dispositivo (40%) e otimização de operações (40%). Mais de um terço das empresas também adota a IoT para
melhorar produtos e serviços para os clientes [4].
Há muitos benefícios para as organizações que adotam a IoT. Com base no relatório da Microsoft [4] , os
mais importantes são: “aumento da eficiência das operações (55%), melhoria das condições de segurança (51%) e
aumento da produtividade dos funcionários (50%)”. As empresas também perceberam que a implementação de IoT
deu retorno sobre o investimento por meio de melhor produtividade, aumento da capacidade de produção, redução
de erros humanos e redução de despesas. A IoT também pode aumentar a satisfação do cliente e aumentar as
oportunidades para as organizações com base em decisões mais informadas e melhores. Abaixo, listamos algumas
das principais oportunidades para implementação de IoT na indústria.
uma.
Desenvolvimento de software
O software adequado para a coleta de dados por dispositivos IoT e, em seguida, sua análise,
poderia melhorar a eficiência e confiabilidade [89]. b.
Consumo de energia
A IoT industrial pode se tornar um participante importante no controle do consumo de energia. Pode contribuir
para minimizar o consumo de energia e otimizar sua produção. Muita energia é consumida para produzir o produto
final e garantir sua boa qualidade nas fábricas tradicionais. Além disso, os recursos humanos são necessários para
controlar cada processo e operação de produção. Por esta razão, ações devem ser tomadas para evitar o
desperdício de energia nos processos de produção [36]. Várias soluções tecnológicas como Green IoT são
propostas por Xu et al. [90].
Plataformas de nuvem, dispositivos de gateway, servidores web e redes de hubs IoT, acessíveis com
dispositivos móveis inteligentes, podem ser usados como equipamentos de monitoramento. Comunicações com e
sem fio (Bluetooth, WiFi, ZigBee, etc.) podem ser usadas para conectar diferentes dispositivos. Além disso, os
sensores inteligentes podem ser instalados em cada dispositivo da fábrica inteligente, o que detectará maior
consumo de energia dos componentes, ultrapassando os limites estabelecidos [36].
Outra oportunidade será o desenvolvimento de unidades de detecção de baixa potência. As novas baterias
compactas e eficientes, dispositivos de geração de energia e células de combustível serão o fator chave para a
implementação de sistemas inteligentes sem fio autônomos. [91]. O conceito de Green Sensors On a Chip (SoC)
pode ser usado para reduzir o consumo de energia de toda a infraestrutura (tráfego, lixo eletrônico, pegada de
carbono) [92,93].
Machine Translated by Google
5. Conclusões
A revolução da IoT continua avançando; isso significa que estamos no início de uma nova
era de dados. Esta revolução terá um impacto significativo no dia-a-dia e nos comportamentos
dos utilizadores, tanto privados como corporativos. Os aplicativos de IoT se expandirão em
vários setores, melhorando-os e trazendo benefícios tangíveis. As oportunidades oferecidas
pela implementação da IoT significarão que todos os setores afetados agora podem acessar
funcionalidades que não existiam alguns anos antes. As aplicações IoT podem afetar, entre
outros: automação da produção industrial, logística, gestão de processos individuais e gestão
empresarial, bem como o transporte através do desenvolvimento de um sistema inteligente de
transporte de pessoas e mercadorias. A Internet das Coisas Industrial, conforme confirmado
pela pesquisa de perfis, goza de interesse constante. Também é importante que essas soluções possibi
Machine Translated by Google
trabalho e limitar o trabalho humano, especialmente em locais onde a mão de obra pode ser
exposta a fatores perigosos (trabalho em mina, em altura, submerso em grandes profundidades,
etc.). A IoT está em estágio inicial de desenvolvimento e, apesar dos muitos benefícios e
oportunidades que traz, enfrenta desafios, barreiras e riscos. As preocupações relacionadas à
implementação da IoT não são infundadas. Cada organização deve se perguntar se os benefícios
da implementação da IoT superam os desafios associados a ela. Além disso, como acontece com
a maioria das novas tecnologias , está sujeito a certas regras; em particular, o ciclo de vida de
adoção de tecnologia. Como a IoT está em fase de crescimento de difusão, inovadores e adotantes
iniciais já abriram caminho para outras organizações que precisam de soluções completas e confiáveis para
A partir da nossa análise, a imagem da difusão da IoT é moldada de forma a
reconhecer os benefícios e oportunidades para as empresas resultantes da
implementação desta tecnologia. Ao mesmo tempo, os participantes do chamado
mercado inicial tiveram problemas com a implementação e operação da IoT. Essas
limitações e barreiras atualmente impedem a difusão mais rápida da IoT, mas, por
outro lado, há cada vez mais estudos e soluções de pesquisa que abordam esses problemas.
superar esses problemas, e erros e falhas ocorrerão ao longo do caminho. No entanto, todos
nós nos beneficiaremos da IoT em maior ou menor grau. Terá impactos em nossa vida
cotidiana e estilo de vida e reduzirá erros humanos em muitas atividades.
Financiamento: Esta pesquisa foi financiada pelo projeto Economics in face of the New Economy financiado no âmbito do
programa Regional Initiative for Excellence do Ministro da Ciência e Ensino Superior da Polônia, anos 2019–2022,
subvenção no. 004/RID/2018/19, financiamento de 3.000.000 PLN.
Conflitos de interesse: Os autores declaram não haver conflito de interesse. Os financiadores não tiveram nenhum papel
no desenho do estudo; na coleta, análise ou interpretação dos dados; na redação do manuscrito, ou na decisão de publicar
os resultados.
Abreviaturas
Lista alfabética de abreviaturas usadas no texto:
Veículos guiados automatizados de AGVs
IA Inteligência artificial
B2B De empresa para empresa
Referências
1. Ventilador, YV; Pintaric, ZN; Klemeš, JJ Ferramentas Emergentes para Projeto de Sistemas de Energia Aumentando a Economia e o Meio Ambiente
Sustentabilidade. Energias 2020, 13, 4062. [CrossRef]
2. Deloitte. Internet das Coisas (IoT)—A Ascensão do Mundo Conectado. Disponível online: https://www2.deloitte.com/content/dam/
Deloitte/in/Documents/technology-media-telecommunications/in-tmt-IoT_Theriseoftheconnectedworld-28aug-noexp.pdf
(acessado em 12 de janeiro de 2021).
3.
Cisco. Internet das Coisas. Disponível online: https://www.cisco.com/c/en/us/products/collateral/se/internet-of-things/at-a relance-c45-731471.pdf
(acessado em 12 de janeiro de 2021).
4. Microsoft. Sinais de IoT, 3ª ed.; Disponível online: www.azure.microsoft.com (acessado em 16 de outubro de 2021).
5. Zikria, YB; Ali, R.; Afzal, MK; Kim, SW Next-Generation Internet of Things (IoT): Oportunidades, Desafios e Soluções.
Sensores 2021, 21, 1174. [CrossRef] [PubMed]
6. Lião, Y.; Deschamps, F.; Loures, ED; Ramos, LF Passado, presente e futuro da Indústria 4.0—Uma revisão sistemática da literatura e
proposta de agenda de pesquisa. Int. J. Prod. Res. 2017, 55, 3609-3629. [CrossRef]
7. Zheng, T.; Ardolino, M.; Bacchetti, A.; Perona, M. As aplicações das tecnologias da Indústria 4.0 no contexto fabril: A
Revisão Sistemática da Literatura. Int. J. Prod. Res. 2021, 59, 1922-1954. [CrossRef]
8. Oztemel, E.; Gursev, S. Revisão da literatura da Indústria 4.0 e tecnologias relacionadas. J. Intel. Manuf. 2020, 31, 127-182. [CrossRef]
9. Lasi, H.; Fettke, P.; Kemper, H.-G.; Feld, T.; Hoffmann, M. Indústria 4.0. Ônibus. Inf. Sistema Eng. 2014, 6, 239-242. [CrossRef]
10. Yikilmaz, ÿI. Nova era: A transformação da sociedade da informação para a sociedade super inteligente (sociedade 5.0). Em Dados, Informações
e Gestão do Conhecimento; Nobel Bilimsel Eserler: Ancara, Turquia, 2020; págs. 85-112.
11. Wichmann, R.; Eisenbart, B.; Gericke, K. A Direção da Indústria: Uma Revisão da Literatura sobre a Indústria 4.0; Cambridge University Press:
Cambridge, Reino Unido, 2019; Volume 1, pp. 2129-2138. [CrossRef]
12. Silvestri, L.; Forcina, A.; Introna, V.; Santolamazza, A.; Cesarotti, V. Transformação da manutenção por meio de tecnologias da Indústria 4.0:
Uma revisão sistemática da literatura. Computar. Ind. 2020, 123, 103335. [CrossRef]
13. Alqahtani, AY; Gupta, SM; Nakashima, K. Análise de garantia e manutenção de produtos embarcados em sensores usando internet de
coisas na indústria 4.0. Int. J. Prod. Eco. 2019, 208, 483-499. [CrossRef]
14. Hizam-Hanafiah, M.; Soomro, MA; Abdullah, NL Modelos de Preparação para a Indústria 4.0: Uma Revisão Sistemática da Literatura do Modelo
Dimensões. Informações 2020, 11, 364. [CrossRef]
15. Stentoft, J.; Adsbøll Wickstrøm, K.; Philipsen, K.; Haug, A. Drivers e barreiras para a prontidão e prática da Indústria 4.0: Empírico
evidências de pequenos e médios fabricantes. Prod. Plano. Controle 2021, 32, 811-828. [CrossRef]
16. Lee, J.; Kao, H.-A.; Yang, S. Inovação em Serviços e Análise Inteligente para Indústria 4.0 e Ambiente de Big Data. Procedia CIRP
2014, 16, 3-8. [CrossRef]
17. Bahrin, M.; Othman, F.; Azli, N.; Talib, M. Indústria 4.0: Uma revisão sobre automação industrial e robótica. J. Teknol. 2016, 78, 6-13.
[CrossRef]
18. Almada-Lobo, F. A revolução da Indústria 4.0 e o futuro dos Sistemas de Execução de Fabrico (MES). J. Inov. Gerenciar 2016,
3, 16-21. [CrossRef]
19. Vaidya, S.; Ambad, P.; Bhosle, S. Industry 4.0—A Glimpse. Procedia Manuf. 2018, 20, 233-238. [CrossRef]
20. Malik, PK; Sharma, R.; Singh, R.; Gehlot, A.; Satapatia, SC; Alnumay, WS; Pelusi, D.; Ghosh, U.; Nayak, J. Internet Industrial
das Coisas e suas Aplicações na Indústria 4.0: Estado da Arte. Computar. Comum. 2021, 166, 125-139. [CrossRef]
21. Boyes, H.; Hallaq, B.; Cunningham, J.; Watson, T. A Internet Industrial das Coisas (IIoT): Uma estrutura de análise. Computar. Ind.
2018, 101, 1-12. [CrossRef]
22. Dlodlo, N.; Foko, T.; Mvelase, P.; Mathaba, S. O Estado de Assuntos na Pesquisa da Internet das Coisas. Elétron. J. Inf. Sistema Avaliação 2012,
3, 244-258.
23. Fatorachian, H.; Kazemi, H. Impacto da Indústria 4.0 no desempenho da cadeia de suprimentos. Prod. Plano. Controle 2021, 32, 63-81. [CrossRef]
Machine Translated by Google
24. Rejeb, A.; Keogh, JG; Treiblmaier, H. Aproveitando a Internet das Coisas e a Tecnologia Blockchain no Gerenciamento da Cadeia de Suprimentos.
Internet futura 2019, 11, 161. [CrossRef]
25. Alfa, AA; Alhassan, JK; Olaniyi, OM; Olalere, M. Tecnologia Blockchain em sistemas IoT: tendências atuais, metodologia,
problemas, aplicações e direções futuras. J. Reliab. Intel. Ambiente. 2021, 7, 115-143. [CrossRef]
26. Garg, K.; Goswami, C.; Chhatrawat, RS; Kumar Dhakar, S.; Kumar, G. Internet das coisas na fabricação: Uma revisão. Mater.
Hoje Proc. 2022, 51, 286-288. [CrossRef]
27. Sisinni, E.; Saifullah, A.; Han, S.; Jennehag, U.; Gidlund, M. Internet Industrial das Coisas: Desafios, Oportunidades e
Instruções. Trans. IEEE Ind. Informar. 2018, 14, 4724-4734. [CrossRef]
28. Matsumoto, N.; Fujita, J.; Endoh, H.; Yamada, T.; Sawada, K.; Kaneko, O. Método de gerenciamento de ativos de sistemas industriais de IoT
para contramedidas de segurança cibernética. Informações 2021, 12, 460. [CrossRef]
29. Alexopoulos, K.; Koukas, S.; Boli, N.; Mourtzis, D. Arquitetura e desenvolvimento de um framework de Internet das Coisas Industrial
para a realização de serviços em Sistemas de Serviços de Produtos Industriais. Procedia CIRP 2018, 72, 880-885. [CrossRef]
30. Esmaeilian, B.; Sarkis, J.; Lewis, K.; Behdad, S. Blockchain para o futuro da gestão sustentável da cadeia de suprimentos na Indústria 4.0.
Recurso. Conserv. Recicle. 2020, 163, 105064. [CrossRef]
31. Forsstrom, S.; Butun, I.; Eldefrawy, M.; Jennehag, U.; Gidlund, M. Desafios de Proteger a Cadeia de Valor da Internet das Coisas Industrial. In Proceedings of
the 2018 Workshop on Metrology for Industry 4.0 and IoT, Brescia, Itália, 16–18 de abril de 2018; págs. 218–223.
[CrossRef]
32. Ometov, A.; Molua, OL; Komarov, M.; Nurmi, J. Uma Pesquisa de Segurança em Cloud, Edge e Fog Computing. Sensores 2022, 22, 927.
[CrossRef]
33. Karakaya, A.; Akleylek, S. Um novo modelo de análise tática e de saúde baseado em IoT com computação em névoa. PeerJ Comput. Sci. 2021,
7, e342. [CrossRef]
34. Mell, P.; Grance, T. A Definição NIST de Computação em Nuvem; Instituto Nacional de Padrões e Tecnologia: Gaithersburg, MA,
EUA, 2011; pág. 2.
35. Mijuskovic, A.; Chiumento, A.; Bemthuis, R.; Aldea, A.; Tendoa, P. Técnicas de gerenciamento de recursos para nuvem/névoa e borda
Computação: Um Quadro de Avaliação e Classificação. Sensores 2021, 21, 1832. [CrossRef]
36. Motlagh, NH; Mohammadrezaei, M.; Hunt, J.; Zakeri, B. Internet das Coisas (IoT) e o Setor de Energia. Energias 2020, 13, 494.
[CrossRef]
37. Wang, G.; Nixon, M.; Boudreaux, M. Rumo à plataforma de IoT industrial assistida por nuvem para monitoramento contínuo de condições em larga escala .
Proc. IEEE 2019, 107, 1193-1205. [CrossRef]
38. Pinto, D.; Dias, JP; Ferreira, HS Alocação Dinâmica de Funções Serverless em Ambientes IoT. In Proceedings of the 2018 IEEE 16th International Conference
on Embedded and Ubiquitous Computing (EUC), Bucareste, Romênia, 29 a 31 de outubro de 2018; págs. 1–8.
39. Mohan, N.; Kangasharju, J. Edge-Fog cloud: Uma nuvem distribuída para computação da Internet das Coisas. In Proceedings of the 2016 Cloudification of the
Internet of Things (CIoT), Paris, França, 23–25 de novembro de 2016. [CrossRef]
40. OpenFogConsortium. Arquitetura de referência OpenFog para computação em névoa; OPFRA001.020817; OpenFogConsortium: Fremont, CA,
EUA, 2017.
41. Vaclavova, A.; Strelec, P.; Horak, T.; Kebisek, M.; Tanuska, P.; Huraj, L. Proposta para uma solução de dispositivo IIoT de acordo com a indústria
4.0 Conceito. Sensores 2022, 22, 325. [CrossRef]
42. Cabrini, FH; Filho, FV; Rito, P.; Filho, AB; Sargento, S.; Neto, AV; Kofuji, ST Ativando a Internet Industrial das Coisas para Cloud Continuum em um ambiente
de cidade real. Sensores 2021, 21, 7707. [CrossRef]
43. Lim, MK; Li, Y.; Wang, C.; Tseng, M.ÿL. Uma revisão da literatura de aplicações de tecnologia blockchain em cadeias de suprimentos: uma análise abrangente
de temas, metodologias e indústrias. Computar. Ind. Eng. 2021, 154, 107133. [CrossRef]
44. Benzídia, S.; Makaoui, N.; Subramanian, N. Impacto da ambidestria da tecnologia blockchain e fatores sociais no novo produto
Desenvolvimento: Uma Cadeia de Suprimentos e Perspectiva da Indústria 4.0. Tecnol. Previsão. Soc. Chang. 2021, 169, 120819. [CrossRef]
45. Dietrich, F.; Ge, Y.; Turgut, A.; Louw, L.; Palm, D. Revisão e análise de projetos blockchain na gestão da cadeia de suprimentos.
Procedia Comput. Sci. 2021, 180, 724-733. [CrossRef]
46. Escopo. Banco de dados de resumos e citações. 2021. Disponível online: https://www.scopus.com (acessado em 16 de outubro de 2021).
47. Katoch, R. Pesquisa de IoT em gerenciamento e logística da cadeia de suprimentos: Uma análise bibliométrica usando o software vosviewer. Mater.
Hoje Proc. 2021, no prelo. [CrossRef]
48. Singh, VK; Singh, P.; Karmakar, M.; Leta, J.; Mayr, P. A cobertura da revista Web of Science, Scopus and Dimensions: A
análise comparativa. Cientometria 2021, 126, 5113-5142. [CrossRef]
49. Donthu, N.; Kumar, S.; Mukherjee, D.; Pandey, N.; Lim, WM Como conduzir uma análise bibliométrica: uma visão geral e diretrizes. J. Ônibus. Res. 2021, 133,
285-296. [CrossRef]
50. Xie, L.; Chen, Z.; Wang, H.; Zheng, C.; Jiang, J. Análise Bibliométrica e Visualizada de Publicações Científicas sobre Cirurgia da Coluna Atlantoaxial com base
em Web of Science e VOSviewer. Neurocirurgia Mundial. 2020, 137, 435-442.e434. [CrossRef]
51. Chen, Y.; Guo, G.; Hu, Y.; Ning, B.; Wang, W. Coleta de informações de fusos e peças para internet industrial das coisas. ICIC Express Lett. 2011, 5, 455-459.
52. Gebremichael, T.; Ledwaba, LPI; Eldefrawy, MH; Hancke, GP; Pereira, N.; Gidlund, M.; Akerberg, J. Segurança e Privacidade na Internet das Coisas Industrial:
Padrões Atuais e Desafios Futuros. Acesso IEEE 2020, 8, 152351–152366. [CrossRef]
Machine Translated by Google
53. Gidlund, M.; Han, S.; Sisinni, E.; Saifullah, A.; Jennehag, U. Editorial Convidado De Redes Industriais de Sensores Sem Fio a
Internet das Coisas Industriais. Trans. IEEE Ind. Informar. 2018, 14, 2194-2198. [CrossRef]
54. Grimaldi, S.; Mahmood, A.; Hassan, SA; Gidlund, M.; Hancke, GP Mapeamento de Interferência Autônoma para Redes Industriais da Internet das Coisas
em Bandas Não Licenciadas: Identificando Interferência de Tecnologia Cruzada. IEEE Ind. Electron. Mag. 2021, 15, 67-78.
[CrossRef]
55. Åkerberg, J.; Gidlund, M.; Lennvall, T.; Neander, J.; Björkman, M. Integração eficiente de segurança e segurança crítica industrial
redes de sensores sem fio. EURASIP J. Wirel. Comum. Rede 2011, 2011, 100. [CrossRef]
56. Basir, R.; Qaisar, S.; Ali, M.; Aldwairi, M.; Ashraf, MI; Mahmood, A.; Gidlund, M. Fog Computing Ativando a Internet Industrial
das Coisas: Estado da Arte e Desafios da Pesquisa. Sensores 2019, 19, 4807. [CrossRef] [PubMed]
57. Grimaldi, S.; Martenvormfelde, L.; Mahmood, A.; Gidlund, M. Análise Espectral Integrada para Dispositivos IoT de Baixa Complexidade. Acesso IEEE
2020, 8, 43027–43045. [CrossRef]
58. Lennvall, T.; Gidlund, M.; Akerberg, J. Desafios ao trazer a IoT para a automação industrial. Nos Anais do IEEE 2017
AFRICON, Cidade do Cabo, África do Sul, 18–20 de setembro de 2017; págs. 905-910. [CrossRef]
59. Peng, C.; Peng, T.; Liu, Y.; Geissdoerfer, M.; Evans, S.; Tang, R. A Internet Industrial das Coisas permitiu a modelagem de energia do lado da oferta para
gerenciamento de energia refinado na fabricação de extrusões de alumínio. J. Limpo. Prod. 2021, 301, 126882. [CrossRef]
60. Liukkonen, M. Tecnologia RFID na fabricação e cadeia de suprimentos. Int. J. Computação. Integr. Manuf. 2015, 28, 861-880. [CrossRef]
61. Arulogun, OT; Falohun, AS; Akande, NO Identificação por radiofrequência e Internet das coisas: uma sinergia frutífera. Br. J.
Aplic. Sci. Tecnol. 2016, 18, 1-16. [CrossRef]
´
62. Ma´sniak, L.; Marcisz, K.; Pÿodzich, J.; Swi ÿetochowska, E.; Tomala, A.; Zaboklicki, J. IOT W Polskiej Gospodarce; Ministrostwo
Cyfryzacji: Varsóvia, Polônia, 2019.
63. Sharif, A.; Abbasi, QH; Arshad, K.; Ansari, S.; Ali, MZ; Kaur, J.; Abbas, HT; Imran, MA Machine Learning Habilitado a Detecção de Contaminação de
Alimentos Usando RFID e Sistema de Internet das Coisas. J. Sens. Atuador Netw. 2021, 10, 63. [CrossRef]
64. Kodan, R.; Parmar, P.; Pathania, S. Internet das Coisas para o Setor Alimentar: Status Quo e Potencial Projetado. Alimentos Rev. Int. 2020,
36, 584-600. [CrossRef]
65. Lloret, J.; Sendra, S.; Garcia, L.; Jimenez, JM Uma implantação de rede de sensores sem fio para monitoramento de umidade do solo com precisão
Agricultura. Sensores 2021, 21, 7243. [CrossRef]
66. Abdollahi, A.; Rejeb, K.; Rejeb, A.; Mostafa, MM; Zailani, S. Redes de Sensores Sem Fio na Agricultura: Insights da Bibliometric
Análise. Sustentabilidade 2021, 13, 12011. [CrossRef]
67. Petrut, I.; Otesteanu, M. Os Desafios da Conectividade IoT. In Proceedings of the 12th International Symposium on Applied Computational Intelligence
and Informatics (SACI), Timisoara, Romênia, 17–19 de maio de 2018; pp. 000385–000388.
68. Farhan, L.; Shukur, ST; Alissa, AE; Alrweg, M.; Raza, U.; Kharel, R. Uma pesquisa sobre os desafios e oportunidades da Internet das Coisas (IoT). In
Proceedings of the 2017 11th International Conference on Sensing Technology (ICST), Sydney, Austrália, 4 a 6 de dezembro de 2017; págs. 1–5.
69. Chen, Y. Desafios e oportunidades da internet das coisas. In Proceedings of the 17th Asia and South Pacific Design Automation
Conferência, Sydney, Austrália, 30 de janeiro a 2 de fevereiro de 2012; págs. 383-388.
70. Said, O.; Masud, M. Rumo à Internet das Coisas: Pesquisa e Visão de Futuro. Int. J. Computação. Rede 2013, 5, 1-17.
71. Thabet, N.; Soomro, T. Desafios de Big Data. Computar. Eng. Inf. Tecnol. 2015, 4, 31-40. [CrossRef]
72. Baars, H.; Kemper, H.-G. Suporte de gerenciamento com dados estruturados e não estruturados — uma estrutura integrada de inteligência de negócios .
Inf. Sistema Gerenciar 2008, 25, 132-148. [CrossRef]
73. Noor, MBM; Hassan, WH Pesquisa atual sobre segurança da Internet das Coisas (IoT): Uma pesquisa. Computar. Rede 2019, 148, 283-294.
[CrossRef]
74. Siby, S.; Maiti, RR; Tippenhauer, NO IoTScanner: Detectando ameaças à privacidade em bairros de IoT. In Proceedings of the 3rd ACM International
Workshop on IoT Privacy, Trust, and Security, Abu Dhabi, Emirados Árabes Unidos, 2 de abril de 2017; págs. 23-30.
75. Aboelwafa, MMN; Seddik, KG; Eldefrawy, MH; Gadallah, Y.; Gidlund, M. Uma Técnica Baseada em Aprendizado de Máquina para Falsas
Detecção de Ataques de Injeção de Dados em IoT Industrial. IEEE Internet Things J. 2020, 7, 8462–8471. [CrossRef]
76. Neill, DB Estatísticas de varredura rápida Bayesiana para detecção e visualização de eventos multivariados. Estado. Med. 2011, 30, 455-469. [CrossRef]
77. Pamarthi, S.; Narmadha, R. Revisão da literatura sobre segurança de rede em redes móveis sem fio Ad-hoc para aplicativos IoT:
Ataques à rede e mecanismos de detecção. Int. J. Intel. Sistema não tripulado 2021. antes da impressão. [CrossRef]
78. Balogh, S.; Gallo, O.; Ploszek, R.; Špaÿcek, P.; Zajac, P. Desafios de segurança da IoT: nuvem e blockchain, criptografia pós-quântica,
e Técnicas Evolutivas. Eletrônica 2021, 10, 2647. [CrossRef]
79. Kaufman, LM Segurança de dados no mundo da computação em nuvem. IEEE Seguro. Priv. 2009, 7, 61-64. [CrossRef]
80. Abomhara, M.; Køien, GM Segurança e privacidade na Internet das Coisas: Status atual e questões em aberto. In Proceedings of the 2014 International
Conference on Privacy and Security in Mobile Systems (PRISMS), Aalborg, Dinamarca, 11–14 de maio de 2014; págs. 1–8.
81. Ali, W.; Din, IU; Almogren, A.; Kumar, N. ALPHA: Um esquema de preservação de privacidade baseado em código ortogonal anônimo para
Sistemas Ciber-Físicos Industriais. Trans. IEEE Ind. Informar. 2021, 17, 7716-7724. [CrossRef]
82. Tawalbeh, L.; Muheidat, F.; Tawalbeh, M.; Quwaider, M. IoT Privacidade e Segurança: Desafios e Soluções. Aplic. Sci. 2020,
10, 4102. [CrossRef]
83. Vinoth, R.; Débora, LJ; Vijayakumar, P.; Kumar, N. Esquema de acordo de chave autenticado multifator seguro para IoT industrial.
IEEE Internet Things J. 2021, 8, 3801–3811. [CrossRef]
Machine Translated by Google
84. Ali, W.; Din, IU; Almogren, A.; Guizani, M.; Zuair, M. Um esquema de medição baseado em IoT leve e sensível à privacidade para dispositivos inteligentes
Ecossistemas Industriais. Trans. IEEE Ind. Informar. 2021, 17, 6134-6143. [CrossRef]
85. Djebbar, F. Protegendo dados de IoT usando esteganografia: uma abordagem de implementação prática. Eletrônica 2021, 10, 2707. [CrossRef]
86. Van Kranenburg, R.; Bassi, A. Desafios da IoT. Comum. Mob. Computar. 2012, 1, 9. [CrossRef]
87. IEC+AMD. Redes de comunicação industrial—Redes de comunicação sem fio—Parte 2: Gerenciamento de coexistência. Em IEC
62657-2:2017+AMD1:2019 CSV; IEC: Genebra, Suíça, 2019.
88. Iot e a Economia Polonesa, Relatório do Grupo de Trabalho para a Internet das Coisas do Ministério de Assuntos Digitais. Disponível online: https://
www.gov.pl/attachment/f79e07cc-9f3e-491b-a205-30b4a67855a7 (acessado em 12 de janeiro de 2021).
89. Nižetic, S.; Šoli´c, P.; González-De-Artaza, DL-D.; Patrono, L. Internet das Coisas (IoT): Oportunidades, questões e desafios
para um futuro inteligente e sustentável. J. Limpo. Prod. 2020, 274, 122877. [CrossRef]
90. Xu, L.; Ele, W.; Li, S. Internet das Coisas nas Indústrias: Uma Pesquisa. Trans. IEEE Ind. Informar. 2014, 10, 2233-2243. [CrossRef]
91. Chen, S.; Xu, H.; Liu, D.; Eixo.; Wang, H. Uma Visão de IoT: Aplicações, Desafios e Oportunidades com a Perspectiva da China.
IEEE Internet Things J. 2014, 1, 349–359. [CrossRef]
92. Arshad, R.; Zahoor, S.; Shah, MA; Wahid, A.; Yu, H. Green IoT: uma investigação sobre práticas de economia de energia para 2020 e além.
Acesso IEEE 2017, 5, 15667–15681. [CrossRef]
93. Bol, D.; Vos, JD; Botman, F.; Streel, Gd; Bernardo, S.; Flandre, D.; Legat, J. Green SoCs para uma Internet das Coisas sustentável. In Proceedings of the
2013 IEEE Faible Tension Faible Consommation, Paris, França, 20–21 de junho de 2013; págs. 1–4.
94. Peruzzi, G.; Pozzebon, A. Uma revisão das técnicas de captação de energia para redes de longa distância de baixa potência (LPWANs). Energias
2020, 13, 3433. [CrossRef]
95. Elahi, H.; Munir, K.; Eugeni, M.; Atek, S.; Gaudenzi, P. Colheita de energia para dispositivos IoT autoalimentados. Energias 2020,
13, 5528. [CrossRef]
96. Alladi, T.; Chamola, V.; Rodrigues, JJPC; Kozlov, SA Blockchain em Smart Grids: Uma Revisão sobre Diferentes Casos de Uso. Sensores 2019, 19,
4862. [CrossRef] [PubMed]
97. Kumar, NM; Chand, AA; Malvoni, M.; Prasad, KA; Mamun, KA; Islam, F.; Chopra, SS Recursos energéticos distribuídos e o
aplicação de IA, IoT e blockchain em redes inteligentes. Energias 2020, 13, 5739. [CrossRef]
98. Tightiz, L.; Yang, H. Uma revisão abrangente sobre os recursos dos protocolos de IoT na comunicação de rede inteligente. Energias 2020, 13, 2762.
[CrossRef]