Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

Disponível online emwww.sciencedirect.com

ScienceDirect
Procedia Manufacturing 39 (2019) 886–893

25ª Conferência Internacional de Pesquisa em Produção Inovação em Manufatura:

Fabricação física cibernética 9 a 14 de
agosto de 2019 | Chicago, Illinois (EUA)

Pesquisando os efeitos da automação e digitalização

na Produtividade das Empresas de Manufatura
no estágio inicial da Indústria 4.0
Djerdj Horvatuma*, Henning Krolluma, Ângela Jägeruma

uma Instituto Fraunhofer para Pesquisa de Sistemas e Inovação ISI, Breslauer Strasse 48, 76139 Karlsruhe, Alemanha

Abstrato

Nos últimos anos, grandes expectativas se desenvolveram em relação à digitalização da indústria e seu potencial para aumentar o
desempenho da manufatura. A terminologia atualmente utilizada neste contexto indica que são esperados avanços exponenciais.
Estudos de caso concretos, no entanto, sugerem que existem, de fato, muitas formas de digitalização que precisam ser consideradas
separadamente. Além disso, parece que a simples integração de tecnologias digitais na produção não implica automaticamente em
aumento de produtividade e raramente ocorre como um processo sem atrito. Finalmente, evidências anedóticas sugerem que a
digitalização ocorre como parte de um esforço sistêmico, de modo que sua contribuição específica pode ser superestimada. Neste
artigo, apresentamos as descobertas de nossa pesquisa sobre os efeitos das tecnologias avançadas de fabricação (relevantes para a
Indústria 4. 0) no desempenho da produção. Com foco nos estágios iniciais da digitalização, quando o termo político “Indústria 4.0”
se tornou moda, realizamos uma análise com base em um conjunto de dados do Fraunhofer Institute for Systems and Innovation
Research de 2012Pesquisa de Manufatura Alemã. Além de confirmar os efeitos geralmente positivos das tecnologias de automação
na época, nossos resultados mostram que, embora certos efeitos sejam de fato diretamente atribuíveis à digitalização, eles não
surgiram sem pré-condições por conta própria. Além disso, os resultados sugerem que a "digitalização" da indústria avançou
gradualmente, em uma sequência de etapas, como foi o padrão para a introdução de todas as inovações tecnológicas de ponta no
sistema de produção, da máquina a vapor à eletricidade. Normalmente, a invenção de tecnologias inovadoras primeiro estimula o
desenvolvimento de outras tecnologias relacionadas antes que essas tecnologias se tornem predominantes no sistema de produção.

© 2019 Os autores. Publicado por Elsevier Ltda.

Este é um artigo de acesso aberto sob a licença CC BY-NC-ND (https://creativecommons.org/licenses/by-nc-nd/4.0/) Revisão
por pares sob responsabilidade do comitê científico dos membros do Comitê Científico e Consultivo Internacional da ICPR25

* Autor correspondente
E-mail: Djerdj.Horvat@isi.fraunhofer.de

2351-9789©2019 Os Autores. Publicado por Elsevier Ltda.

Este é um artigo de acesso aberto sob a licença CC BY-NC-ND (https://creativecommons.org/licenses/by-nc-nd/4.0/) Revisão por
pares sob responsabilidade do comitê científico dos membros do Comitê Científico e Consultivo Internacional da ICPR25

10.1016/j.promfg.2020.01.401
 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893 887

Palavras-chave:automação, digitalização, produção, desempenho, produtividade, Alemanha

1. Introdução

Dependendo do contexto, o termo 'digitalização', agora na moda, refere-se a diferentes aspectos da atividade socioeconômica. Nas
empresas de manufatura, refere-se particularmente à atualização dos processos de produção, ou seja, integração de robótica,
automação avançada e outras tecnologias digitais [1–3]. Além da automação clássica da produção, iniciada no início da década de
1970, a digitalização incorpora processos inteligentes que permitem às empresas gerenciar e controlar seu sistema interno de
produção, bem como seu envolvimento em cadeias de valor [4]. Nos últimos anos, a tendência para a digitalização do ambiente fabril
que se concentra no estabelecimento de processos de produção inteligentes [3,5,6] é geralmente referida como “Indústria 4.0”.

Este termo foi cunhado pela primeira vez na HANNOVER MESSE da Alemanha em 2011. Devido aos seus potenciais benefícios,
principalmente no que diz respeito à produtividade, lead time de produção e qualidade, tem recebido cada vez mais atenção nos
debates acadêmicos e políticos [5]. Em muitas contas, chegou perto de ser considerado uma panacéia, uma vez que a discussão se
estendeu à influência potencialmente benéfica dos esforços abrangentes de digitalização além da automação [4,7,8]. Apesar dos
benefícios projetados para a eficiência da produção, no entanto, muitas empresas continuam lutando ou hesitando em implementar
tecnologias digitais [9]. Os resultados da literatura existente sugerem que isso se deve a barreiras culturais e organizacionais e à
falta de conhecimento sobre como adaptar modelos de negócios [10-12]. Ainda hoje, muitos processos de digitalização são
interrompidos abruptamente ou resultam em custos de transação substanciais [13]. Mesmo em ambientes de produção que são
substancialmente automatizados no sentido tradicional, as medidas tomadas para a digitalização adicional podem não resultar em
benefícios concretos imediatos [14].

Nesse contexto, estávamos interessados em analisar os efeitos de tecnologias relevantes de manufatura inteligente ou
Indústria 4.0 no setor manufatureiro alemão durante o início de 2010, quando o conceito de Indústria 4.0 foi fortemente
promovido política e praticamente. Para este período de transformação, analisamos as diferenças entre os efeitos
resultantes de tecnologias de automação avançadas, mas ainda tradicionais, e os resultantes de uma digitalização
emergente e mais abrangente nos processos de produção.

Nossos achados contribuem para a literatura existente a partir de duas perspectivas. Primeiro, testando se o suposto impacto das
tecnologias relevantes da Indústria 4.0 em aspectos selecionados do desempenho de fabricação já poderia ser detectado no início de
2010. Em segundo lugar, ilustrando em que domínio os efeitos da automação industrial e da digitalização são rastreáveis em
relação à produtividade da produção.

2. Efeitos dos esforços para aumentar a eficiência da produção

Em comparação com o sucesso da inovação de produto – que se reflete diretamente no lançamento de novos produtos no mercado – os
avanços nas inovações de processo são mais difíceis de rastrear e documentar [15]. Uma das principais razões é que eles não podem ser
medidos diretamente usando indicadores como oparticipação de novos produtos nas vendas totais. Em vez disso, as inovações de processo
visam dimensões de desempenho como velocidade, eficiência e qualidade como "imperativos competitivos" para empresas em um ambiente
de mercado globalizado [16]. Ao nível da empresa, duas das medidas mais comuns são a produtividade do trabalho e a produtividade total
dos fatores (PTF) [17,18].

Produtividade do trabalhoreflete o valor acrescentado gerado por euro de custo do trabalho. Há um foco claro aqui na eficiência do
uso de recursos humanos nas empresas. Neste artigo, definimos a produtividade do trabalho em termos de preço como "valor
acrescentado (volume de negócios menos insumos de peças compradas, materiais, operações e serviços) por empregado" medido
em milhares de euros. Isso fornece um reflexo muito direto da eficiência de produção (técnica).Fator total de produtividadeleva em
consideração os custos com mão de obra e a depreciação de máquinas e equipamentos. É, portanto, influenciado por outros
insumos, por exemplo, material ou capital. Neste artigo, a PTF é dada como o valor adicionado (vendas menos insumos
intermediários) dividido pela soma dos custos de mão de obra e depreciação de máquinas e equipamentos. Assim, é um resultado
mais indireto da eficiência da produção que - apesar de diferentes fatores intervenientes - só muda significativamente se mudanças
substanciais e sustentáveis tiverem sido feitas no processo de produção de uma empresa específica ao longo do tempo.
888 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893

À luz desses indicadores e das diferentes funções e expectativas potencialmente diferentes que podem ser derivadas deles,
este artigo testa as duas hipóteses principais a seguir:

Hipótese 1: Mesmo durante sua adoção inicial, a digitalização foi positivamente associada à produtividade do trabalho em
empresas de manufatura

Hipótese 2:Mesmo durante sua adoção inicial, a digitalização foi positivamente associada à produtividade total dos fatores das
empresas de manufatura

Dado que, mesmo no início da década de 2010, as empresas raramente partiam de um campo de atuação nivelado, e o fato de que a literatura
descobriu que a aceitação tecnológica depende de ambientes de produção pré-existentes [3–5,8,12,19], acrescentamos uma terceira hipótese:

Hipótese 3: A presença de atividades pré-existentes para melhorar a eficiência da produção (como a automação
tradicional) deve facilitar a introdução de tecnologias digitais nas empresas de manufatura.

3. Dados e metodologia

Para analisar quais efeitos a automação e a digitalização já estavam tendo no desempenho das empresas de manufatura no
momento em que a Indústria 4.0 era mais promovida, realizamos uma pesquisa empírica com base em dados doPesquisa de
Manufatura Alemã2012 (GMS), compilado pelo Fraunhofer Institute for Systems and Innovation Research (ISI). O objetivo
desta pesquisa postal regular baseada em questionário é monitorar sistematicamente as indústrias de manufatura na
Alemanha e suas tendências de modernização. A pesquisa aborda empresas com 20 ou mais funcionários de todos os
setores de manufatura (NACE Rev. 2, 10-33). Os questionários são preenchidos por representantes de alto nível nos locais de
fabricação, ou seja, produção ou gerentes gerais (CEOs).

oPesquisa de Manufatura Alemãfoi lançado pela primeira vez em 1993 e atualmente é realizado a cada três anos. Em 2012, 15.383
empresas de manufatura foram convidadas a preencher o questionário, das quais 1.594 retornaram respostas úteis [20]. O conjunto
de dados representa um corte transversal dos setores manufatureiros: máquinas e equipamentos representam 17% do total,
produtos metálicos 20%, produtos eletrônicos e elétricos 11%, produtos químicos, borracha e plásticos 10%, e o restante são
empresas em outros setores, como papel e edição, madeira e marcenaria, processamento de alimentos, têxteis e equipamentos de
transporte.

A pesquisa fornece um grande conjunto de dados sobre empresas da indústria manufatureira, incluindo informações sobre o uso de
tecnologias de produção inovadoras, lançamento de novos produtos, práticas organizacionais, indicadores de desempenho e dados
gerais da empresa. Portanto, os dados nos permitem examinar os efeitos que a automação e as tecnologias digitais têm no
desempenho dos processos de fabricação.

Variáveis dependentes: Indicadores de eficiência e desempenho

Conforme justificado na seção conceitual, medimos aseficiência de produçãoem termos de "produtividade do trabalho" e "produtividade
total dos fatores". Estes valores não foram recolhidos directamente pelo questionário GMS mas sim calculados através do processamento de
informação de perguntas sobre o "faturamento anual 2011 (milhões de euros)", o "número de empregados da sua empresa em 2011" e a
extensão dos "serviços e materiais adquiridos 2011 (milhões de euros)". Obtivemos os dois indicadores de produtividade acima mencionados
ao nível da empresa com base nesta informação, calculamos os valores acrescentados ao nível da empresa ("valor acrescentado por
empregado (1.000 euros)") e consideramos as informações de outras perguntas sobre "custo geral do trabalho (milhões de euros) " e a
"depreciação de máquinas e equipamentos (milhões de euros)".

Variáveis independentes: principais fatores explicativos

O GMS coleta informações sobre se uma empresa de manufatura implanta ou não determinadas tecnologias, pedindo aos
entrevistados que forneçam respostas a uma lista fechada de tecnologias possíveis. A pesquisa também captura a "extensão
da utilização real em comparação com a utilização potencial mais razoável na fábrica". Construímos a seguinte
operacionalização com base em declarações de que a tecnologia já está em pleno uso (e não nas fases iniciais de
implementação ou piloto). Onde duas tecnologias estão listadas, definimos o indicador resultante com base no princípio
"ou" de qualquer tecnologia que está sendo usada.
 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893 889

Propomos que dois tipos principais de tecnologias podem ser selecionados para operacionalizar a automação tradicional não
integrada: Robôs industriais/sistemas de manuseio na fabricação e montagem e sistemas automatizados de gerenciamento de
armazém (WHS). Referimo-nos à variável agregada resultante como "automação".

Entre uma gama indiscutivelmente maior, duas tecnologias principais parecem ser proxies adequados para uma digitalização mais
avançada que se estende além dos limites da empresa ou aumenta substancialmente a integração de sua organização interna de
produção: Tecnologias para a troca digital de programação de operações com fornecedores de dados/ clientes (sistemas de gestão
da cadeia de suprimentos) e tecnologias de realidade virtual e/ou simulação na reconfiguração da produção. Referimo-nos à variável
agregada resultante como "digitalização (em produção)".

Para abordar a Hipótese 3, incluímos o indicador para efeitos de interação (digitalização*automação)em nossa análise para diferenciar as
empresas que investem em ambas as tecnologias daquelas que não o fizeram.

Variáveis independentes: fatores adicionais

Como é comum em estudos de desempenho industrial, controlamos paraatribuição setorial,tamanho da empresaassim comoorientação para
exportação, incluindo a participaçãodoexportações, todasque são conhecidos por influenciar a eficiência técnica da produção [15,21]. Além
disso, os dados GMS nos permitem apresentarcomplexidade do produtocomo outro fator suscetível de ter um impacto substancial nos
processos de produção relevantes [21,22] e, portanto, suscetível de ser um fator interveniente em ambos os casos.

A literatura relevante estabeleceu inequivocamente que a eficiência da produção não depende apenas dos fatores acima
mencionados, mais genéricos, mas é influenciada especificamente, e mais do que outras medidas de desempenho, pela tamanho do
batchque as empresas normalmente produzem [economias internas de escala, 21], a posição da empresa nocadeia de valor
(concentração de criação de valor em determinadas etapas da cadeia produtiva, [23] e, como proxy do conhecimento, orientação
para capital ou trabalho de seu modelo de negócios (o que influencia diretamente na relação de valor adicionado às horas
trabalhadas), bem como anível médio de qualificação dos funcionários.

Método

Com vistas à eficiência produtiva, todas as relações podem ser analisadas usando modelos de regressão
OLS padrão, pois ambas as variáveis dependentes são métricas. Para a produtividade do trabalho,
aplicamos uma transformação logarítmica, pois o indicador não é normalmente distribuído e uma
utilidade marginal decrescente é significativa para nossa hipótese. O requisito de homocedasticidade do
modelo é atendido usando o indicador transformado. Em geral, executamos todas as análises de
regressão com um número limitado de fatores básicos para começar, controlando as características da
empresa e da produção para explorar se a relação em questão poderia ser detectada (as relações são:
tamanho da empresa, setor, produto complexidade e, no caso de eficiência de produção, tamanho do
lote). Subseqüentemente,

4. Resultados

Tendo em vista as hipóteses 1 e 3, o modelo A1.1 (cf. tabela 1) documenta um impacto claro e positivo da digitalização na
produtividade, mesmo quando controlado por setor, tamanho da empresa, complexidade do produto e tamanho do lote. Não é, no
entanto, tão significativo ou forte como o impacto da automação tradicional, ou seja, a introdução de robôs no processo de
produção. Ao introduzir o produtor final, orientação para exportação e qualificação de funcionários como controles adicionais
(modelo A1.2), o quadro geral é ainda mais robusto.Tanto a automação quanto a digitalização exibem efeitos positivos e
estatisticamente significativos na produtividade do trabalho–embora o coeficiente de regressão para automação seja mais uma
vez notavelmente maior. Além disso, o efeito de interação negativa ainda é estatisticamente significativo ao controlar fatores de
influência substanciais. Isso indica que, em 2012, o uso paralelo de robôs e tecnologias digitais para aumentar a eficiência da
produção resultou em um impacto positivo consideravelmente menor na produtividade.O modelo documenta que o uso paralelo
de robôs e tecnologias digitais não melhorou a eficiência da produção em 2012,mas parece ter causado interferência, resultando
em um impacto reduzido de ambas as tecnologias na produtividade. Em contrapartida, deve-se destacar que, quando analisadas
separadamente, ambas as aplicações tecnológicas aumentaram consideravelmente a eficiência da produção. Com 0,078 e 0,153, os
R² ajustados dos modelos A1.1 e A1.2, respectivamente, são relativamente altos. Não
890 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893

surpreendentemente, várias variáveis de controle afetam a produtividade do trabalho, além da automação e digitalização.

Tabela 1. Modelos de regressão linear dos efeitos na produtividade do trabalho.

Modelo A1.1 Modelo A1.2

dV: ln_valor adicionado
� Coef. Padrão Errar. � Coef. Padrão Errar.

Automação 0,117 0,131 *** 0,041 0,131 0,146 *** 0,042

digitalização (produção) 0,067 0,075 * 0,042 0,087 0,098 ** 0,042

automação*digitalização - 0,063 - 0,097 0,061 - 0,088 - 0,133 ** 0,061

seg1 (NACE 10, 11, 12) seg2 - 0,042 - 0,086 0,078 0,055 0,116 0,085

(NACE 20 21) seg3 (NACE 22 0,123 0,322 *** 0,090 0,139 0,359 *** 0,090

23) seg4 (NACE 24 25) seg6 - 0,030 - 0,043 0,062 0,065 0,093 0,064

(NACE 26 27) seg7 (NACE 29 - 0,059 - 0,077 0,056 0,081 0,105 * 0,060

30) seg9 outro NACE - 0,051 - 0,090 0,066 - 0,046 - 0,079 0,068

- 0,064 - 0,201 * 0,104 - 0,008 - 0,023 0,103

- 0,101 - 0,145 ** 0,061 - 0,008 - 0,011 0,063

em tamanho_da_firma 0,130 0,073 *** 0,019 0,077 0,043 ** 0,020

prod_comp_simple 0,011 0,014 0,052 0,109 0,144 *** 0,054

prod_comp_medium - 0,022 - 0,024 0,041 0,079 0,085 * 0,042

batch_single - 0,082 - 0,102 * 0,055 - 0,093 - 0,116 * 0,058

batch_smallmid - 0,099 - 0,109 ** 0,046 - 0,088 - 0,096 * 0,047

produtor final 0,072 0,079 ** 0,035

no_export 0,014 0,024 0,078

ln export_quota 0,195 0,076 *** 0,020

z-val_share_highqual 0,162 0,099 *** 0,022

z-val_share_noqual - 0,105 - 0,059 *** 0,020

Constante 4.149 0,119 3.837 0,136

Observações 1.035 919

R² ajustado 0,078 0,153
Ass. . 000 . 000

Nível de significância: ***p<0,01, **p<0,05, *p<0,1

Fonte:Pesquisa de Manufatura Alemã2012, Fraunhofer ISI. Análise própria.

Tendo em vista as hipóteses 2 e 3, o modelo A2.1 (cf. tabela 2) documenta que, ao controlar por setor, tamanho da empresa,
complexidade do produto e tamanho do lote,um efeito positivo na produtividade total do fator só pode ser documentado para
automação, não para o uso de tecnologias digitais em 2012 para aumentar a eficiência da produção. Mesmo o efeito associado
ao uso de robôs só é estatisticamente significativo ao nível de 10%. Não detectamos nenhuma interação significativa de seus efeitos.
Ao introduzir o produtor final, a orientação para a exportação e a qualificação dos funcionários como controles adicionais (modelo
A2.2), desaparece até o efeito positivo associado ao uso de tecnologias de automação. Em termos gerais, os coeficientes de
regressão ainda são consistentes com outros modelos, mas deve-se concluir que a implementação de tecnologias digitais para
aumentar a eficiência produtiva não teve efeitos estatisticamente significativos na produtividade total dos fatores em 2012. No
entanto, isso deve ser visto no contexto do fato de que a produtividade total dos fatores está, por definição, sujeita a uma série de
outros fatores (salários, preços, etc. ) que não são controlados diretamente no modelo, resultando em baixos níveis de R² ajustado e
uma prevalência limitada de efeitos estatisticamente significativos também entre as variáveis de controle. De acordo com o modelo,
a produtividade total dos fatores está associada a diferenças setoriais e correlaciona-se positivamente com a orientação exportadora
e a proporção de pessoal altamente qualificado.
 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893 891

Tabela 2. Modelos de regressão linear dos efeitos na produtividade total dos fatores.

Modelo A2.1 Modelo A2.2

dV: Produtividade Total do Fator
- Coef. Padrão Errar. - Coef. Padrão Errar.

automação 0,073 0,064 * 0,036 0,066 0,057 0,037

digitalização (produção) 0,024 0,022 0,037 0,021 0,018 0,038

automação*digitalização - 0,010 - 0,012 0,053 - 0,016 - 0,019 0,055

Constante 0,391 0,103 0,258 ** 0,121

seg1 (NACE 10, 11, 12) 0,072 0,113 * 0,068 0,148 0,233 *** 0,074

seg2 (NACE 20 21) seg3 0,059 0,120 0,077 0,069 0,135 * 0,079

(NACE 22 23) seg4 0,035 0,040 0,055 0,079 0,090 0,058

(NACE 24 25) seg6 - 0,036 - 0,037 0,050 0,045 0,045 0,054

(NACE 26 27) seg7 - 0,080 - 0,112 * 0,059 - 0,077 - 0,103 * 0,061

(NACE 29 30) seg9 - 0,050 - 0,123 0,090 - 0,005 - 0,011 0,092

outro NACE 0,034 0,038 0,053 0,063 0,069 0,057

em tamanho_da_firma 0,038 0,017 0,017 0,010 0,005 0,018

prod_comp_simple 0,027 0,028 0,045 0,076 0,078 0,048

prod_comp_medium - 0,018 - 0,016 0,036 0,044 0,037 0,038

batch_single 0,029 0,029 0,048 0,031 0,030 0,051

batch_smallmid 0,016 0,014 0,040 0,004 0,004 0,041

produtor final 0,055 0,048 0,031

no_export 0,015 0,020 0,069

ln export_quota 0,118 0,036 ** 0,018

z-val_share_highqual 0,082 0,039 ** 0,019

z-val_share_noqual - 0,021 - 0,009 0,017

Observações 908 814

R² ajustado 0,016 0,031
Ass. 0,013 0,001
Nível de significância: ***p<0,01, **p<0,05, *p<0,1
Fonte:Pesquisa de Manufatura Alemã2012, Fraunhofer ISI. Análise própria.

Um efeito de interação entre digitalização e automação não é detectável. Assim, o modelo documenta que o uso
paralelo de robôs e tecnologias digitais para aumentar a eficiência produtiva não proporcionou amplificação positiva
em 2012.

5. Discussão e conclusões

Com base em uma das fontes de dados mais robustas e abrangentes disponíveis para o setor manufatureiro alemão, analisamos os
efeitos da automação e digitalização no desempenho das empresas manufatureiras durante o início de 2010, ou seja, em um
momento em que o conceito de Indústria 4.0 era cada vez mais promovido em Alemanha. Em certo sentido, este artigo fornece
resultados 'antes do fato', para servir de referência para análises subsequentes usando dados mais recentes.

Neste artigo, demonstramos como operacionalizar a noção bastante vaga de “tecnologias relevantes para a indústria 4.0” em termos
de inovações de processos concretos na fabricação. Ilustramos que, embora haja de fato uma tendência abrangente de digitalização
ou transformação digital na produção, ela é composta de várias partes e fluxos compostos que afetam o desempenho das empresas
em diferentes pontos de alavancagem. Com relação aos nossos achados, destacamos o seguinte
892 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893

implicações para pesquisas futuras, práticas empreendedoras e políticas de apoio:

- Em primeiro lugar, nossas descobertas sublinham que a digitalização na fabricação énem uma nova tendência nem um estágio
muito inicial para monitorar e analisar. Seus impactos significativos no desempenho das empresas de manufatura podem ser
demonstrados já em 2012, antes de ser amplamente divulgado em termos políticos.

- Segundo,tecnologias anteriores e, portanto, mais estabelecidas para aumentar o desempenho da produçãotiveram

um impacto mais significativo na produtividade do que tecnologias digitais mais avançadas, mas menos maduras. Em
nosso estudo, confirmamos os efeitos fortes e positivos da automação tradicional na produtividade da manufatura, que já
foram comprovados em muitos outros estudos [5,24].

- Terceiro, nossas descobertas mostram que, nos estágios iniciais da digitalização industrial,automação e
digitalização interferiam entre si em vez de se reforçarem mutuamente.Essa descoberta confirma que a
integração de tecnologias digitais nas configurações de produção existentes nem sempre é perfeita [12] e lança
dúvidas sobre a imagem às vezes evocada de empresas progredindo suavemente através dos diferentes estágios
de modernização no nível da empresa [3,19,25] . Em vez disso, levanta questões sobre a introdução paralela,
substituição imperfeita e os custos de transação associados a processos graduais de aprendizagem.

- Em quarto lugar, várias de nossas descobertas sugerem que, de uma forma ou de outra,a aceitação e implantação de
tecnologias digitais permaneceu incompleta ou foi pelo menos menos do que totalmente eficaz no início de 2010. Os efeitos
foram notavelmente mais fracos ao considerar a produtividade total dos fatores como variável dependente. Embora, na época, a
digitalização tivesse um primeiro impacto robusto em medições simples e diretas de produtividade, os efeitos desencadeados ainda
não eram dominantes ou estavam em vigor por tempo suficiente para permanecerem detectáveis em medidas sujeitas a uma
gama muito mais ampla de fatores de influência adicionais. .

- Quinto, independentemente de os efeitos da digitalização permanecerem estatisticamente significativos, todos os nossos

modelos destacaram vários fatores adicionais como preditores válidos da eficiência da produção. Em todos eles, essas
variáveis contribuíram mais para o poder explicativo dos modelos do que os efeitos da própria digitalização. Como era de
se esperar,digitalização émas um, embora central,fator no processo de produção que é e permanece dependente de
outros.

Em resumo, nossa análise sugere que a aceitação e integração de soluções digitais em ambientes de produção existentes
não é necessariamente suave, mas pode - pelo menos por um certo período - ser caracterizada por custos de transação,
interferência mútua e atrito organizacional que impedem em vez de melhorar a produção performances. Esta era a situação
numa fase inicial do ciclo de aceitação. Estudos posteriores devem explorar se essa situação persiste.

No geral, este artigo fornece ampla evidência de que esperar uma revolução digital na produção não é realista. É mais provável que
vejamos uma absorção gradual – embora às vezes rápida e implacável – de tecnologias nos processos de fabricação existentes. Do
ponto de vista da empresa, muitos outros fatores foram mais importantes do que a digitalização. Embora o tempo tenha passado,
essas descobertas diferenciadas sobre as origens da digitalização industrial permanecem relevantes para os estudos atuais,
principalmente de países e regiões "seguidores".

Referências

[1] L. Kromann, J. R Skaksen, A. Sørensen, Automação, produtividade do trabalho e emprego – uma comparação entre
países, CEBR, Copenhagen Business School (2011).
[2] J. Bourke, S. Roper, adoção e inovação de AMT: Uma investigação de efeitos dinâmicos e complementares,
Technovation;55 (2016) 42–55.
[3] D. Horvat, T. Stahlecker, A. Zenker, C. Lerch, M. Mladineo, Uma abordagem conceitual para analisar perfis de empresas
de manufatura em relação à Indústria 4.0 em economias emergentes: Paper ID: 1213, Procedia Manufacturing;17
(2018) ) 419-426.
[4] H. Kagermann, J. Helbig, A. Hellinger, W. Wahlster, Recomendações para a implementação da iniciativa estratégica
INDUSTRIE 4.0: Assegurando o futuro da indústria manufatureira alemã; relatório final do Grupo de Trabalho da
Indústria 4.0. Forschungsunion; (2013).
[5] T. D Oesterreich, F. Teuteberg, Entendendo as implicações da digitalização e automação no contexto da
 Djerdj Horvat et ai. / Procedia Manufacturing 39 (2019) 886–893 893

Indústria 4.0: Uma abordagem de triangulação e elementos de uma agenda de pesquisa para a indústria da construção,
Computadores na Indústria;83 (2016) 121–139.
[6] M. Brettel, N. Friederichsen, M. Keller, M. Rosenberg, Como a virtualização, a descentralização e a construção de
rede mudam o cenário da manufatura: uma perspectiva da indústria 4.0, International Journal of Mechanical,
Industrial Science and Engineering;8(1) (2014) 37-44.
[7] G. Chryssolouris, D. Mavrikios, N. Papakostas, D. Mourtzis, G. Michalos, K. Georgoulias, Fabricação digital:
História, perspectivas e perspectivas, Anais da Instituição de Engenheiros Mecânicos, Parte B: Journal of
Fabricação de Engenharia; 223(5) (2009) 451–462.
[8] K. Matzler, F. Bailom, S. F von den Eichen, Digital Disruption: Wie Sie Ihr Unternehmen auf das digitale
Zeitalter vorbereiten. Vahlen; (2016).
[9] H. Hirsch-Kreinsen, P. Ittermann, J. Niehaus (eds.), Digitalisierung industrieller Arbeit. 1ª edição. Baden-Baden:
Nomos; (2015).
[10] D. Horvat, N. Schaper, J. Decius, A. Virgillito (eds.), Gestaltung eines strategischen Kompetenzmanagements:
Lösungsansätze und Instrumente für nicht-forschungsintensive, kleine und mittelständische Unternehmen.
Stuttgart: Fraunhofer Verlag; (2018).
[11] K. Liere-Netheler, Análise dos processos de adoção na indústria 4.0.: CEUR Workshop Proceedings Vol. 1854. 3º
Workshop Internacional sobre Perspectiva Sociotécnica no Desenvolvimento de SI, STPIS 2017. Essen; (2017).
[12] S. S Kamble, A. Gunasekaran, R. Sharma, Análise do poder de condução e dependência das barreiras para adotar a indústria
4.0 na indústria manufatureira indiana, Computadores na Indústria;101 (2018) 107–119.
[13] M. Carcary, E. Doherty, G. Conway, C. Crowley, Transformando-se em uma empresa digital - Uma
investigação empírica: Anais da 11ª Conferência Europeia sobre Gestão de Sistemas de Informação, ECISM
2017; (2017).
[14] M. Rüßmann, M. Lorenz, P. Gerbert, M. Waldner, J. Justus, P. Engel et al., Indústria 4.0: O futuro da
produtividade e crescimento nas indústrias de manufatura, Boston Consulting Group;9 (2015 ).
[15] E. Kirner, S. Kinkel, A. Jaeger, Caminhos de inovação e desempenho de inovação de empresas de baixa tecnologia –
Uma análise empírica da indústria alemã, Política de Pesquisa;38(3) (2009) 447–458.
[16] S. C Wheelwright, K. B Clark, Revolucionando o desenvolvimento de produtos: saltos quânticos em velocidade, eficiência e
qualidade. Nova York, NY: The Free Press; (1992).
[17] G. Lay, S. Kinkel, A. Jäger, Stellhebel für mehr Produktivität. Benckmarking identifiziert Potenziale zur
Steigerung der Produktivität: (Mitteilungen aus der Produktionsinnovationserhebung Nr. 48. Karlsruhe:
Fraunhofer ISI; (2009).
[18] B. van Ark, Produtividade total dos fatores: Lições do passado e direções para o futuro; (2014).
[19] C. Lerch, A. Jäger, S. Maloca, Wie digital ist Deutschlands Industrie wirklich? Arbeit und Produktivität in der
digitalen Produktion; (2017).
[20] A. Jäger, S. Maloca, Dokumentation der Umfrage Modernisierung der Produktion 2012. Karlsruhe: Fraunhofer ISI;
(2013).
[21] A. Jäger, C. Moll, O. Som, C. Zanker, Análise do impacto dos sistemas robóticos no emprego na União
Europeia: Relatório final. Luxemburgo: Serviço das Publicações da União Europeia; (2015).
[22] S. Kinkel, S. Maloca, Flexibilitäts- und Stabilitätsstrategien in der deutschen Industrie: Mitteilungen aus der ISI-
Erhebung Modernisierung der Produktion Nr. 54. Karlsruhe: Fraunhofer ISI; (2010).
[23] E. Kirner, O. Som, A. Jäger, Estratégias e padrões de inovação de empresas que não realizam P&D e empresas não
intensivas em P&D. In: Som O, Kirner E, editores. Inovação de baixa tecnologia: Competitividade do setor
manufatureiro alemão. Cham: Springer International Publishing; (2015) 91-111.
[24] L. S Dalenogare, G. B Benitez, N. F Ayala, A. G Frank, A contribuição esperada das tecnologias da Indústria 4.0 para o
desempenho industrial, International Journal of Production Economics; 204 (2018) 383–394.
[25] D. Horvat, C. Dreher, O. Som, How Firms Absorb External Knowledge—Modeling And Managing The
Absorbtive Capacity Process, International Journal of Innovation Management;23(01) (2019) 1950041.