Traduzido do Inglês para o Português - www.onlinedoctranslator.
com
IJOPM
39,6/7/8
860
Recebido em 3 de janeiro de 2019
Revisado em 29 de abril de 2019 14 de
junho de 2019
Aceito em 30 de junho de 2019
International Journal of Operations &
Production Management
Vol. 39 Nº 6/7/8, 2019
pp. 860-886
© Emerald Publishing Limited
0144-3577
DOI 10.1108/IJOPM-01-2019-0005
A edição atual e o arquivo de texto completo desta revista estão disponíveis no Emerald
Insight em: www.emeraldinsight.com/0144-3577.htm
Adoção da indústria 4.0
como moderador do
impacto das práticas de
produção enxuta na melhoria
do desempenho operacional
Guilherme Luz Tortorella
Departamento de Engenharia de Sistemas e Produção,
Universidade Federal de Santa Catarina, Florianópolis, Brasil
Ricardo Giglio
Universidade Federal de Santa Catarina, Florianópolis, Brasil, e
Desirée H. van Dun
Universidade de Twente, Enschede, Holanda
Abstrato
Propósito -O objetivo deste artigo é examinar o papel moderador das tecnologias da Indústria 4.0 na relação
entre produção enxuta (LP) e melhoria do desempenho operacional no Brasil, um contexto de economia em
desenvolvimento.
Design/metodologia/abordagem -Um representante de cada uma das 147 empresas de manufatura estudadas preencheu uma
pesquisa sobre três pacotes de práticas lean internamente relacionados e dois pacotes de tecnologia da Indústria 4.0, com segurança,
entrega, qualidade, produtividade e estoque como indicadores de desempenho. Como este estudo foi fundamentado na teoria da
contingência, foram realizadas análises multivariadas dos dados, controlando quatro contingências. Descobertas -A Indústria 4.0
modera o efeito das práticas de LP na melhoria do desempenho operacional, mas em direções diferentes. As tecnologias relacionadas
ao processo moderam negativamente o efeito das práticas de baixa configuração no desempenho, enquanto as tecnologias
relacionadas ao produto/serviço moderam positivamente o efeito das práticas de fluxo no desempenho.
Originalidade/valor –Com o advento da Indústria 4.0, as empresas têm canalizado seus esforços para alcançar
um desempenho superior por meio do avanço dos níveis de automação e interconectividade. Eventualmente,
abordagens de fabricação difundidas e comprovadas, como LP, integrarão essas tecnologias que podem, por sua
vez, prejudicar ou favorecer o desempenho operacional. Ao contrário de estudos anteriores, as contingências
pareciam ter um efeito menos extenso. Os autores apontam para várias opções para um estudo mais
aprofundado em diferentes contextos socioeconômicos. Este estudo evidenciou que a adoção puramente
tecnológica não levará a resultados diferenciados. As práticas de LP auxiliam na instalação de hábitos e
mentalidades organizacionais que favorecem melhorias sistêmicas de processos, apoiando o desenho e o
controle da gestão das operações dos fabricantes rumo à era da quarta revolução industrial.
Palavras-chaveEconomias emergentes, Produção enxuta, Indústria 4.0, Melhoria de desempenho operacional Tipo de
papelTrabalho de pesquisa
1. Introdução
A quarta revolução industrial está cada vez mais no centro das atenções de pesquisadores,
formuladores de políticas econômicas e fabricantes (Liaoe outros,2017; Quezadae outros,2017).
Esta nova era de produção foi rotulada durante a Feira Alemã de Hannover 2011 como “Indústria
4.0” (Liaoe outros,2017); representa uma indústria caracterizada por máquinas interconectadas,
sistemas e produtos inteligentes e soluções inter-relacionadas (Tortorella e Fettermann, 2018). A
Indústria 4.0 orienta o estabelecimento de sistemas de produção inteligentes e dinâmicos e a
produção em massa de produtos altamente personalizados (Shroufe outros,2014). Isso envolve a
implementação de elementos digitais integrados que monitoram e controlam os dispositivos
físicos, sensores, tecnologias de informação e comunicação (TIC) e Internet das Coisas (IoT)
aplicativos (Lasie outros,2014). Apesar de sua crescente notoriedade, muitas empresas ainda Indústria 4.0
estão lutando para saber como as práticas de alta tecnologia da Indústria 4.0 devem ser adoção
implementadas em suas operações (Sanderse outros,2016, 2017; Erole outros,2016). A viabilidade
e eficácia da integração da Indústria 4.0 em sistemas de gestão de manufatura existentes ainda é
pouco estudada (Kolberge outros,2017).
Aspectos específicos podem prejudicar a adoção da Indústria 4.0, especialmente em empresas
manufatureiras em economias em desenvolvimento, incluindo menor intensidade tecnológica geral,
861
capital de investimento restrito e recursos humanos (Anderl, 2014). As economias em desenvolvimento
encontram diferentes desafios ao investir na Indústria 4.0. Por exemplo, a Confederação Nacional da
Indústria (2016) identificou os obstáculos existentes para a implementação da Indústria 4.0; o Ministério
da Economia do México (2016) apresentou um roteiro para adoção da Indústria 4.0 no México; e o
governo indiano introduziu uma iniciativa destinada a posicionar o país como um dos principais polos de
manufatura (Forbes India, 2016). Apesar dessas iniciativas, pouco se sabe sobre os efeitos da adoção das
tecnologias da Indústria 4.0.
A produção enxuta (PL), no entanto, é prática comum em diversas indústrias e países, pois envolve
um foco constante na redução de atividades com desperdício, ao mesmo tempo em que melhora a
produtividade e a qualidade na perspectiva dos clientes (Womack e Jones, 2003; Junior e Godinho Filho ,
2010; Kroese outros,2018; Narayanamurthye outros,2018; Soliman e outros,2018). Implementar o LP com
sucesso requer uma abordagem de mudança organizacional de baixa tecnologia e centrada no ser
humano que envolve a adoção de várias práticas de LP (Bortolottie outros,2015; Solimane outros,2018),
uma visão estratégica consistente e compartilhada com uma política de RH alinhada e funcionários
altamente envolvidos que possuem recursos suficientes para a melhoria contínua dos processos (Van
Dun e Wilderom, 2012). Muitas iniciativas lean começam no chão de fábrica (Shah e Ward, 2007) e são
gradualmente introduzidas em outras unidades, incluindo o nível corporativo (Hinese outros,2004; Man,
2005).
Devido às características convergentes e divergentes da Indústria 4.0 e do LP, ainda não está claro se
sua implementação simultânea em empresas de manufatura levará a um melhor desempenho. Por um
lado, o lean implica uma cultura organizacional subjacente na qual problemas e anormalidades se
tornam oportunidades para todos (Hoseus e Liker, 2008; Spear, 2009; Bortolottie outros,2015;
Narayanamurthye outros,2018). Essa cultura de chão de fábrica psicologicamente segura permite a
identificação clara do status quo do processo e o compartilhamento de informações (Van Dun e
Wilderom, 2012, 2016), o que pode ser reforçado pela interconectividade, aquisição de dados e análise
inerente às tecnologias da Indústria 4.0 (Sibatrova e Vishnevskiy, 2016). Além disso, tanto o LP quanto a
Indústria 4.0 favorecem estruturas descentralizadas simples (Zühlke, 2010). Por outro lado, o LP acarreta
mudanças socioculturais que são estimuladas diariamente por meio de experimentações rápidas e
simples no local de trabalho (Baudin, 2007; Dorae outros,2016), o que pode entrar em conflito com os
altos níveis de investimento de capital e conhecimento tecnológico exigidos pela Indústria 4.0 (Lasie
outros,2014). Esses conflitos podem ocorrer quando as práticas de LP e Indústria 4.0 são implementadas
em um contexto de economia em desenvolvimento, mas ainda faltam evidências empíricas para essa
suposição (Gjeldume outros,2016; Landscheidt e Kans, 2016; Kolberge outros,2017) e o que está
disponível é contraditório (por exemplo, Erole outros,2016; Schumachere outros,2016; Lixadeirase
outros,2016). A intenção deste estudo, portanto, é responder à seguinte questão de pesquisa:

RQ1.Como a adoção da Indústria 4.0 modera a relação entre as práticas de LP

e melhoria do desempenho operacional em um contexto de economia em desenvolvimento?

Pesquisamos 147 fabricantes brasileiros que implementaram práticas de LP e tecnologias da

Indústria 4.0. Esta pesquisa, portanto, contribui para os campos teóricos da tecnologia avançada
de fabricação e melhoria do desempenho operacional. A adoção e o gerenciamento de novas
tecnologias “tornaram-se gradualmente uma tarefa importante para empresas de manufatura em
todo o mundo” (Chenge outros,2018, pág. 239). Nosso estudo fornece uma
IJOPM melhor compreensão das interações entre as práticas de LP instaladas e as tecnologias da Indústria 4.0 e
39,6/7/8 seus efeitos na melhoria do desempenho operacional. Além disso, inicializamos a validação de uma
medida de adoção da tecnologia da Indústria 4.0. O estudo também pode permitir que os gestores
compreendam e antecipem melhor as vantagens e dificuldades de incorporar as tecnologias da Indústria
4.0 em seus sistemas de LP. Como os recursos financeiros dos gestores costumam ser escassos,
especialmente nas economias em desenvolvimento, é crucial que seus investimentos em novas

862 tecnologias sejam bem informados por estudos como o nosso. Por fim, vale ressaltar também que esta
pesquisa se expande a partir das pesquisas de Tortorella, Miorando, Caiado, Nascimento e Portioli
Staudacher (2018), Tortorella, Giglio e Van Dun (2018) e Tortorella e Fettermann (2018).
Este estudo foi fundamentado em pressupostos derivados da teoria da contingência (Sousa e
Voss, 2008; Van de Vene outros,2013; Romero-Silvae outros,2018). Fatores contextuais podem
influenciar a implementação simultânea de LP e Indústria 4.0 (Tortorella e Fettermann, 2018;
Rossinie outros,2019). Afirmou-se que o efeito das práticas de gestão de operações no
desempenho difere de acordo com as variáveis contextuais de cada empresa (Sousa e Voss,
2008). Assim, a validade dos conceitos de “tamanho único” ou “melhores práticas” é
provavelmente reduzida no gerenciamento de operações (Boere outros,2017). Nosso estudo,
portanto, inclui quatro contingências (ou seja, intensidade tecnológica, nível de camada, tamanho
da empresa e duração da implementação do LP) e considera uma amostra socioeconômica
brasileira específica, pois a cultura nacional pode afetar significativamente os resultados do LP
(Kulle outros,2014; Erthal e Marques, 2018). Contribuímos para uma melhor compreensão das
contingências necessárias para a implementação concomitante de LP e Indústria 4.0, descrevendo
como sua interação impacta na melhoria do desempenho operacional na indústria de manufatura.

2. Revisão da literatura e hipóteses

2.1 práticas de LP
De acordo com a definição conceitual proposta por Shah e Ward (2007, p. 799), a PL abrange seis
elementos operacionais centrais relacionados internamente: puxar, fluxo, baixo setup, processos
controlados, manutenção produtiva e funcionários envolvidos. Womack e Jones (2003) também listaram:
puxar, fluir e buscar a perfeição, por exemplo, baixos tempos de setup (ou troca). O objetivo desses
elementos-chave do LP (García-Alcaraze outros,2015) é conseguir um fluxo suave de material e
informação em todo o fluxo de valor (Abdulmalek e Rajgopal, 2007). No entanto, argumenta-se que a
implementação de PL por fabricantes em economias emergentes é menos extensa do que em empresas
localizadas em economias desenvolvidas (Saurin e Ferreira, 2009). Saurinet ai. (2010) demonstrou um
nível de conhecimento e implementação desequilibrado de práticas de LP neste contexto industrial. As
práticas de LP associadas aos sistemas de produção just-in-time (JIT) são mais amplamente
implementadas e compreendidas pelos fabricantes em economias emergentes em comparação com o
controle estatístico de processos mais avançado ou a manutenção total/produtiva/preventiva. Portanto,
assumimos que restringir nosso estudo às práticas abrangidas pelos construtos Pull, Flow e Set up, que
tendem a estar intimamente relacionados ao JIT, levaria a resultados mais confiáveis e perspicazes.

2.2 Tecnologias da Indústria 4.0

Uma grande variedade de tecnologias se enquadra na quarta revolução industrial. Muitos pesquisadores
tentaram consolidá-los em conjuntos e estruturas de implementação (por exemplo, Fettermann e outros,
2018; Fatorachian e Kazemi, 2018; Xue outros,2018). No entanto, independentemente das diferenças
nessas estruturas e da categorização das tecnologias da Indústria 4.0, os objetivos gerais desta última
são permitir melhorias nos fluxos de valor das empresas, abordando questões relacionadas a processos
e produtos/serviços (Liaoe outros,2017; Buere outros,2018). Exemplos de problemas relacionados ao
processo que podem ser resolvidos com a tecnologia são os controles de qualidade manuais e
demorados. As tecnologias também podem ajudar a reduzir problemas relacionados a produtos/serviços,
como ineficiências que levam a um maior tempo de lançamento no mercado. Como ainda falta
consenso sobre quais tecnologias compõem a Indústria 4.0, consultamos os resultados da Indústria 4.0
Confederação Nacional da Indústria (2016) da pesquisa intersetorial da Indústria 4.0 com 2.225 adoção
fabricantes. Esta pesquisa revelou as dez tecnologias digitais mais prováveis de serem adotadas
no setor industrial brasileiro.
As tecnologias da Indústria 4.0 podem não apenas ter um impacto positivo na maneira como os chãos de
fábrica são gerenciados e organizados, mas também influenciar os modelos de negócios, produtos e serviços das
organizações. Embora a adoção de certas tecnologias (por exemplo, automação digital e sensores para
monitoramento e controle remotos) possa influenciar predominantemente os processos de fabricação (Kolberge
863
outros,2017), outras tecnologias da Indústria 4.0 (por exemplo, big data, serviços em nuvem e prototipagem
rápida) podem ajudar na realização de melhorias significativas no desenvolvimento de produtos e inovação de
serviços (Zühlke, 2010; Wane outros,2015).

2.3 Efeitos de contingência no LP e na Indústria 4.0

A teoria da contingência indica que ambientes/contextos diferentes muitas vezes têm necessidades
diferentes, exigindo abordagens diferenciadas para a gestão de operações (Sousa e Voss, 2008; Van de
Vene outros,2013; Romero-Silvae outros,2018). A teoria da contingência é um ângulo popular (Walkere
outros,2015; dinamarquêse outros,2018) e vários estudos corroboraram para nossa compreensão dos
efeitos das contingências na implementação do LP. Shah e Ward (2003), por exemplo, indicaram uma
influência positiva do tamanho da planta na probabilidade de implementação do LP, enquanto a
influência da sindicalização e da idade da planta foi menos difundida do que o esperado. Kullet ai. (2014)
se concentrou em compreender como diferentes dimensões da cultura nacional moderam a eficácia do
LP. Mais tarde, Netland (2016) investigou como quatro variáveis de contingência (corporação, tamanho
da fábrica, estágio de implementação do PE e cultura nacional) influenciam o que os profissionais veem
como fatores de sucesso para a implementação do PE. Complementarmente, Tortorellaet ai. (2017)
estudou o impacto do tamanho da planta, nível da cadeia de suprimentos, nível de fornecedores onshore
e idade da iniciativa de LP na implementação de LP nas cadeias de suprimentos. No geral, a maioria dos
estudos reforça a necessidade de compreender principalmente o contexto em que a organização está
inserida para que a implementação do LP possa ser adequada. Romero-Silvaet ai. (2018) aconselhou
ainda o exame do ambiente organizacional e do tipo de estrutura organizacional, contingências que
juntas formam o sistema organizacional em que as práticas de LP são implementadas.

Como a Indústria 4.0 é um tópico de pesquisa mais recente, as evidências sobre o efeito das contingências
são muito mais escassas. Os poucos estudos existentes avaliaram vagamente o efeito de certas contingências,
como o tamanho da empresa (Brettele outros,2014) e intensidade tecnológica (Tortorella, Miorando, Caiado,
Nascimento e Portioli Staudacher, 2018), sobre o nível de adoção da Indústria 4.0. De fato, a maioria dos estudos
vislumbrou apenas conceitualmente algumas contingências que podem afetar o nível de adoção da Indústria 4.0,
como aspectos socioeconômicos (Vacek, 2016) e setor da indústria (Hofmann e Rüsch, 2017), mas sem qualquer
validação empírica. Essa lacuna de pesquisa destaca a importância do nosso estudo porque avaliamos os
resultados de quatro contingências do tipo ambiente organizacional e estrutura organizacional (ou seja,
intensidade tecnológica, nível de camada, tamanho da empresa e duração da implementação do PL). Com isso,
complementamos pesquisas anteriores e fornecemos evidências empíricas das associações.

2.4 Práticas de puxar e Indústria 4.0

De acordo com Rother e Shook (1999), um fluxo de valor compreende a soma de todo o valor fornecido
através das atividades e etapas necessárias em uma empresa ou cadeia de suprimentos desde o estado
bruto até seus clientes, ligando os fluxos de material e informação (Duggan, 2012). ). O fluxo de material
representa os aspectos físicos englobados na fabricação de um item; ou seja, os processos, etapas e
atividades que melhoram ou transformam o produto de acordo com as expectativas dos clientes
(Lummuse outros,2006). O fluxo de informação corresponde aos procedimentos, análises, decisões e
ordens necessárias para apoiar o processo de forma sequenciada de acordo com
IJOPM expectativas dos clientes (Seth e Gupta, 2005; Lue outros,2011), como desenvolvimento de produtos e serviços.

39,6/7/8 Muitos dos desperdícios identificados nos processos de fabricação têm origem em problemas que ocorrem no
desenvolvimento de produtos/serviços (Hinese outros,1998; Sim e Rogers, 2009). Portanto, para abordar
adequadamente as iniciativas de melhoria de uma perspectiva de todo o sistema, todos os elementos de um
fluxo de valor devem ser considerados na análise (Hinese outros,2004; Karim e Arif-Uz-Zaman, 2013). No entanto,
seus efeitos de interação na obtenção de maior desempenho operacional são geralmente negligenciados (Hines

864 e Rich, 1997; Sethe outros,2017; Hinese outros,2018).

O objetivo das práticas de puxar é facilitar a fabricação para que as empresas produzam as unidades
necessárias no prazo e nas quantidades necessárias (Ohno, 1988). Isso incluikanban cartões, os sinais
para desencadear a produção. A implementação bem-sucedida do pull é altamente dependente de
informações precisas e oportunas de produtos e serviços relacionadas às demandas de clientes internos
e/ou externos, evitando assim a superprodução devido a interpretações errôneas ou gatilhos de
produção errôneos (Netlande outros,2015). A incorporação de tecnologias da Indústria 4.0 pode
aprimorar os sistemas puxados em termos de informações relacionadas a produtos/serviços e processos
de fabricação.
Primeiro, em relação ao desenvolvimento de produtos/serviços, a integração de tecnologias
como “IoT”, “serviços em nuvem” e “big data”, emkanbansistemas, foi denotado como e-kanban,
ou seja, digitalização do convencionalkanbancartas (Takeda, 2006; Junior e Godinho Filho, 2010). E-
kanbanpermite a detecção imediata de caixas faltantes ou vazias, acionando o reabastecimento
automático. FisicakanbanOs sistemas geralmente são prejudicados devido a perdas de cartões durante
seus loops entre estações de trabalho ou instalações, levando a erros no controle ou programação da
produção e, portanto, redução do desempenho operacional (Abdulmalek e Rajgopal, 2007; Marodine
outros,2015). Por outro lado, os ajustes nas políticas de estoque devido a mudanças nos tamanhos dos
lotes, demandas de mercado, planos de trabalho ou tempos de ciclo tendem a ser muito mais fáceis
quando tecnologias como e-kanbansão incorporados ao sistema de tração.
Do ponto de vista do processo de fabricação, a implementação de tecnologias como “monitoramento
e controle remoto da produção” e “sensores para identificação e controle do produto e das condições de
operação” pode permitir a identificação rápida de possíveis problemas que podem perturbar o
cronograma original de produção e impactar negativamente o ritmo de produção (Sanderse outros,2017;
Buere outros,2018). A aplicação das TIC nos processos de fabricação contribui, assim, para um prazo
mais rápido de resolução de problemas, à medida que as ações passam de reativas para preventivas (Lasi
e outros,2014; Zawadzki eŻywicki, 2016). Por sua vez, a estabilidade do processo aumenta e podem ser
antecipados possíveis problemas que comprometem a entrega de acordo com as necessidades dos
clientes internos/externos (“pull”).
No entanto, a adoção exclusiva de TIC (sem sistemas puxados eficazes) pode facilitar os sistemas
empurrados usuais e seus processos subjacentes, mas pode não beneficiar o desempenho operacional.
Para testar como as tecnologias da Indústria 4.0, que suportam processos de fabricação e
desenvolvimento de produtos/serviços, interagem com as práticas de pull para melhorar o desempenho
operacional, formulamos as seguintes hipóteses:

H1a.A adoção de tecnologias da Indústria 4.0, que dão suporte aos processos de fabricação,
modera positivamente o efeito das práticas de puxar na melhoria do desempenho
operacional.
H1b.A adoção de tecnologias da Indústria 4.0, que suportam produtos/serviços
desenvolvimento, modera positivamente o efeito das práticas de puxar na melhoria do
desempenho operacional.

2.5 Práticas de fluxo e Indústria 4.0

O princípio do Lean de criar fluxo concentra-se no estabelecimento de mecanismos que
permitem e facilitam a obtenção de um fluxo de produção contínuo (Rother e Harris, 2001).
As práticas de fluxo englobam melhorias como a definição de famílias de produtos de acordo com rotinas Indústria 4.0
semelhantes, arranjos de layout planejados de acordo com essas famílias de produtos e balanceamento adoção
dos tempos de ciclo das estações de trabalho (Doolen e Hacker, 2005). Ao fornecer níveis de estoque e
reduções de lead time, o fluxo garante que os problemas de produção e qualidade sejam visíveis para
todos os funcionários. Assim, sua implementação é benéfica para o desempenho operacional de uma
empresa (Duggan, 2012). No entanto, se altos níveis de estabilidade do processo não forem alcançados, o
fluxo contínuo pode causar efeitos colaterais indesejados, como perda de entregas e aumento de custos
(Dorae outros,2016).
865
As tecnologias da Indústria 4.0, como sensores, Sistema de Execução de Manufatura e Controle
Supervisório e Aquisição de Dados, podem aumentar a conectividade e a interação de processos e
produtos, permitindo assim processos de fabricação mais eficientes (Hermanne outros, 2016;
Ganzarain e Errasti, 2016; Xue outros,2018). A interconexão e a comunicação aprimoradas entre
células e estações de trabalho podem facilitar um fluxo de material flexível, rápido e de alta
qualidade (Erole outros,2016; Thobene outros,2017) e, por sua vez, a viabilidade de implantação
do fluxo contínuo. No entanto, a adoção isolada de tecnologias, como IoT, serviços em nuvem e
manufatura aditiva, pode levar a ganhos marginais no desenvolvimento de produtos/serviços,
frustrando os gestores em termos de altos investimentos e expectativas (Chenge outros,2018).
Adotar uma nova TIC antes de implementar um nível razoável de práticas de “fluxo” leva a altos
gastos de capital em processos desperdiçados e mal projetados (Buere outros,2018).

As práticas de fluxo abordam continuamente oportunidades de melhoria de baixa tecnologia

(Womack e Jones, 2003), mas as tecnologias da Indústria 4.0 podem catalisar os resultados de processos
de fabricação bem estabelecidos e atividades de desenvolvimento de produtos/serviços (Kamblee outros,
2018). Thobene outros.'s (2017) de uma empresa alemã que organizou seu chão de fábrica de acordo
com os princípios do LP, ilustra como a introdução de um sistema de logística ciber-física pode aumentar
a flexibilidade por meio de decisões autônomas e reduzir estoques resolvendo erros em tempo real.
Embora haja uma indicação de uma relação positiva entre essas abordagens, evidências empíricas
limitadas confirmam tal associação. Assim, hipotetizamos que:

H2a.A adoção de tecnologias da Indústria 4.0, que suportam a fabricação

processos, modera positivamente o efeito das práticas de fluxo na melhoria do
desempenho operacional.
H2b.A adoção de tecnologias da Indústria 4.0, que suportam produtos/serviços
desenvolvimento, modera positivamente o efeito das práticas de fluxo na melhoria do
desempenho operacional.

2.6 Práticas de configuração baixa e Indústria 4.0

À medida que as necessidades dos clientes se diversificam, o sortimento de produtos também aumenta, com a
conseqüente redução do tamanho dos lotes. Assim, os altos tempos de troca (e, portanto, o tempo de inatividade
do processo) tornam-se um obstáculo para o alto desempenho (Doolen e Hacker, 2005; Stone, 2012). A Toyota
superou isso adotando o conceito “single-minute exchange of die” (SMED), que permite lotes menores e prazos
de entrega mais curtos, reduzindo drasticamente os tempos de troca (Shingo, 1988). A adoção plena de “práticas
de baixo setup” melhora a flexibilidade e agilidade na entrega da produção, uma vez que tempos de setup mais
curtos podem levar a reduções no tamanho dos lotes (Furlane outros,2011). Os níveis de estoque também
provavelmente serão reduzidos, o que afeta diretamente o fluxo de caixa da organização (Maskelle outros,2011).

As tecnologias da Indústria 4.0 podem aumentar o impacto de práticas de configuração baixa no

desempenho operacional. As empresas que adotam “prototipagem rápida e impressão 3D” e “sistemas
integrados de engenharia de desenvolvimento e fabricação de produtos” podem observar tempos de
troca mais baixos devido à redução da complexidade pela modularização estrita
IJOPM (Fatorachian e Kazemi, 2018). A modularidade do sistema facilita os ajustes de capacidade em
39,6/7/8 situações como flutuações sazonais, contribuindo para processos de fabricação mais flexíveis. Os
processos de fabricação podem se tornar processos individuais por meio da modularidade; ainda,
estes podem ser intimamente interligados, oferecendo intercambialidade (Lasie outros,2014; Qine
outros,2016; Kamblee outros,2018). A implementação simultânea de tais tecnologias com baixas
práticas de configuração poderia, assim, aumentar a flexibilidade e a produtividade dos processos
866 de fabricação.
Os sistemas Plug'n'Produce e distribuídos são equipados com comportamentos de auto-otimização e
aprendizado de máquina, permitindo que as empresas adaptem as máquinas a produtos específicos e produzam
lotes pequenos (Brettele outros,2014; Lixadeirase outros,2016). As práticas de baixa configuração concentram-se
principalmente em atividades de configuração interna (Shingo, 1988; Nicholas, 2015), em que as tecnologias
Plug'n'Produce reduzem a quantidade de tempo necessária para trocar ferramentas e/ou programas de controle
numérico computadorizado, o que normalmente exige que as máquinas sejam parou. Da mesma forma,
“sensores de controle de processo” e “identificação de condições de produto e operação” permitem identificar
problemas de processo mais rapidamente para que possíveis problemas de mudança possam ser antecipados.
Assim, essas tecnologias não apenas atenuam a necessidade de ajustes da máquina após a configuração
(Fatorachian e Kazemi, 2018), mas também aumentam a probabilidade de produtos corretos pela primeira vez
(Alberse outros,2016).
Kolberg e Zühlke (2015) anteciparam que interfaces físicas e de TIC padronizadas poderiam expandir os
conceitos SMED de uma unidade de trabalho para áreas inteiras de fabricação, levando a desenvolvimentos de
produtos/serviços mais assertivos. Da mesma forma, Moufet ai. (2018) identificou que uma das principais razões
para a adoção da Indústria 4.0 por empresas de pequeno porte é o aumento da flexibilidade por meio da
computação em nuvem e identificação por radiofrequência, por meio da qual os momentos certos para trocas de
máquinas podem ser previstos. A flexibilidade tanto dos processos de fabricação quanto do desenvolvimento de
produtos/serviços, devido ao aumento dos níveis de automação e mutabilidade provavelmente, reforça os
benefícios da implementação de práticas de baixa configuração. Por isso, propomos:

H3a.A adoção de tecnologias da Indústria 4.0, que dão suporte aos processos de fabricação,
modera positivamente o efeito de práticas de baixa configuração na melhoria do desempenho
operacional.

H3b.A adoção de tecnologias da Indústria 4.0, que suportam produtos/serviços

desenvolvimento, modera positivamente o efeito de práticas de baixa configuração na
melhoria do desempenho operacional.

Conforme elaborado a seguir, as hipóteses foram testadas empiricamente em uma pesquisa intersetorial.

3. Métodos
3.1 Seleção e características da amostra
Nós visamos respondentes de empresas brasileiras de manufatura com experiência em
tecnologias Lean e Indústria 4.0. A difusão de ambas as abordagens em todo o espectro industrial
ainda está espalhada, especialmente nas economias emergentes (Tortorellae outros, 2015;
Marodine outros,2016; Tortorella e Fettermann, 2018). Portanto, para evitar a exclusão de
respondentes que possam atender aos critérios de seleção estabelecidos, reduzindo o tamanho
da amostra e prejudicando a aplicação de uma análise estatística robusta, não restringimos nossa
coleta de dados a um setor industrial específico.
Enviamos a pesquisa para 147 líderes de diversas empresas industriais brasileiras (ver Tabela I). Eles
eram ex-alunos de diferentes cursos de educação executiva de LP oferecidos em fevereiro, abril, julho e
setembro de 2017 e concordaram em receber atualizações sobre pesquisas relacionadas a LP. Seguindo
os padrões éticos, indicamos no convite que a participação era voluntária e anônima. Os participantes
trabalhavam principalmente para empresas de grande porte
 Indústria 4.0
Categoria Descrição %
adoção
Quantidade

Nível de nível 1e2 97 65,9

3e4 50 34.1
Tamanho da empresa Grande (⩾500 funcionários) 81 55.1
Pequeno e médio (o500 funcionários) 66 44,9
Intensidade tecnológica Alto e médio-alto 79 53,7
Baixo e médio-baixo 68 45,3 867
Setor industrial Metal-mecânico 73 49,6
Químico 19 12,9
Comida 13 8,8
Têxtil 7 4,8
Outros 35 23,8
Duração da implementação do LP o2 anos 66 44,9
⩾2 anos 81 55.1
Experiência dos entrevistados com LP o2 anos 79 53,7
⩾2 anos 68 46,3
Cargo dos entrevistados Engenheiro ou analista 62 42.2
Supervisor ou coordenador 53 36,0
Gerente ou diretor 32 21,8 Tabela I.
Observação:n¼147 empresas Composição da amostra

(55,1 por cento); a maioria das empresas pertencia ao setor metal-mecânico (49,6%).
Exemplos dos “outros” 23,8% setores foram: construção civil, coureiro-calçadista e indústria
gráfica. Um total de 65,9 por cento estavam envolvidos no primeiro e segundo níveis. Em
relação à intensidade tecnológica das empresas, 53,7% foram categorizadas como alta ou
média alta (Confederação Nacional da Indústria, 2016). A maioria das empresas (55,1%)
havia iniciado sua implementação formal de PL há mais de dois anos, embora a maioria
(53,7%) da experiência pessoal dos entrevistados com LP tenha sido inferior a dois anos. Em
relação aos cargos dos respondentes, 42,2% eram engenheiros ou analistas, 36,0%
supervisores ou coordenadores e 21,8% gerentes ou diretores.

3.2 Medidas, validade de construção e confiabilidade

A pesquisa foi composta por quatro partes principais (veja o Apêndice): indicadores de
desempenho, informações sobre os respondentes e suas respectivas empresas (veja a Tabela I),
implementação de LP e nível de adoção de tecnologias da Indústria 4.0.
3.2.1 Melhoria do desempenho operacional.Avaliamos o nível de melhoria do
desempenho das empresas nos últimos três anos. Como os resultados financeiros muitas vezes são
cuidadosamente protegidos pelas empresas e, às vezes, compartilhados exclusivamente entre os
gerentes seniores de uma empresa, usamos uma composição de indicadores de desempenho
operacional como proxy do desempenho financeiro. Melhorias no desempenho operacional são mais
prováveis de serem percebidas por uma gama mais ampla de respondentes, como gerentes de nível
médio. Como a implementação do LP é conhecida por impactar uma ampla variedade de aspectos de
desempenho, medimos cinco indicadores relacionados a processos e pessoas sugeridos por Bhasin
(2012) e validados por estudos de LP baseados em pesquisas (por exemplo, Tortorella e Fettermann,
2018; Tortorella, Miorando, Caiado, Nascimento e Portioli Staudacher, 2018; Rossinie outros,2019):
produtividade, nível de serviço de entrega, nível de estoque, qualidade e segurança (ie acidentes). Cada
indicador foi medido em uma escala de cinco pontos (1¼piorou significativamente; a 5¼melhorou
significativamente). Foi realizada uma análise fatorial exploratória (AFE) por meio da análise de
componentes principais (ACP) com rotação varimax. A Tabela II mostra que todos os indicadores de
desempenho carregaram em um fator, com um autovalor de 3,259 explicando 65,1 por cento da
variação. de Cronbach αdeste fator foi de 0,86.
IJOPM 3.2.2 Práticas Lean.O nível de implementação das práticas enxutas relacionadas ao pull, flow
39,6/7/8 e os construtos de configuração baixa foram avaliados por meio dos 11 itens de Shah e Ward (2007) que
foram traduzidos para o português. Cada afirmação de prática foi avaliada por meio de uma escala Likert
de 1 (discordo totalmente) a 5 (concordo totalmente). Como essas práticas foram previamente validadas,
realizamos uma análise fatorial confirmatória (AFC) dos três construtos (ver Tabela III) usando o pacote
de linguagem de programação lavaan R (Oberski, 2014) para confirmar sua validade convergente e

868 unidimensionalidade. Inicialmente, foram estimados três modelos de CFA (um para cada construto), com
cargas fatoriais acima de 0,45 (Tabachnik e Fidell, 2007). Em seguida, reavaliamos cada modelo CFA para
verificar sua qualidade de ajuste com base em um χ2teste (χ2/df), índice de ajuste comparativo (CFI) e raiz
quadrada média do resíduo padronizado (SRMR). Valores de CFI superiores a 0,90 combinados com
valores de SRMR inferiores a 0,08 foram usados como limites, seguindo as recomendações de Hu e
Bentler (1999) para tamanhos de amostra menores (o250 observações). Todos os itens carregaram
satisfatoriamente em seus construtos (C0,45,po0,01) e todos apresentaram bons níveis de α de
Cronbach.

Indicadores de desempenho Significa SD Fator 1

Produtividade 3.795 1.193 0,590

Nível de serviço de entrega 3.619 0,974 0,792
Nível de inventário 3.503 1.029 0,858
Qualidade (sucata e retrabalho) 3.544 1.086 0,802
Segurança (acidentes) 3.156 1.083 0,707
Autovalores 3.259
Tabela II.
% inicial de variância explicada Soma de 0,571
Resultados do PCA para
rotação das cargas quadradas (total) % de 2.854
operacional
variância explicada 0,651
atuação
melhoria Notas:n¼147. Método de extração: análise de componentes principais. Método de rotação: varimax com
indicadores normalização Kaiser

Construir Item do questionário Coef. AVE χ2/df CFI SRMR

Puxar A produção é puxada pelo embarque de

produtos acabados 0,945 0,657 21.886/2 0,942 0,049
A produção nas estações é puxada pela demanda
atual da próxima estação 1.073
Usamos um sistema de produção puxada 1.158
Usamos Kanban, quadrados ou containers de
sinais para controle de produção 0,845
Fluxo Os produtos são classificados em grupos com requisitos de
processamento semelhantes 0,883 0,588 16.721/2 0,945 0,049
Os produtos são classificados em grupos com requisitos de
roteamento semelhantes 0,953
Os equipamentos são agrupados para produzir um fluxo
contínuo de famílias de produtos 0,857
Famílias de produtos determinam nosso layout de fábrica 0,933
Configuração baixa Nossos funcionários praticam configurações para reduzir o
Tabela III.
tempo necessário 0,669 0,539 10.770/2 0,949 0,050
LP operacional
0,747
constrói, mede Estamos trabalhando para diminuir os tempos de setup em nossa

e CFA planta Temos baixos tempos de setup de equipamentos em nossa

cargas fatoriais planta 0,795

Muitas possíveis situações atenuantes podem influenciar o χ2teste (χ2/df). É extremamente Indústria 4.0
sensível ao tamanho da amostra e ao número de variáveis observadas por construto, portanto, adoção
não deve ser usado como único critério de aceitação ou rejeição (Schermelleh-Engele outros,
2003). Além disso, não há consenso absoluto na literatura para χ normalizados aceitáveis2valores,
cujas indicações variam entre três e cinco (Marsh e Hocevar, 1985). De acordo com o cabeloet ai. (
2014), a aceitabilidade da qualidade de ajuste de um modelo não deve ser avaliada a partir de um
único critério. Nós, portanto, verificamos e relatamos tanto absoluto ( χ2) e medidas incrementais 869
(CFI) de adequação. Muitas das medidas de validade de construto atenderam aos limites
recomendados, incluindo os índices CFI e SRMR. Além disso, embora o χ2os valores de /df foram
superiores aos limites recomendados, seus respectivosp-os valores foram inferiores a 0,01. Não
prejudicam os nossos resultados e podem, portanto, ser aceites.
Por fim, verificamos a validade discriminante por meio da variância média extraída (AVE). O valor de
cada construto deve ser maior que os coeficientes de correlação ao quadrado (Fornell e Larcker, 1981;
Bagozzi e Yi, 1988). Nossos coeficientes de correlação quadrática foram menores que a AVE de cada
construto. A única exceção foi a correlação entre “Flow” e “Low setup” com um coeficiente quadrado de
0,616, que ficou um pouco acima da AVE de 0,588 e 0,539, respectivamente. A Tabela III mostra que a AVE
de cada variável latente ultrapassou o valor de corte.
3.2.3 Tecnologias da Indústria 4.0.A Indústria 4.0 é uma abordagem recente e pouco compreendida por
empresas. Embora alguns autores (por exemplo, Wane outros,2015; Rüßmanne outros,2015;
Fatorachian e Kazemi, 2018; Kamblee outros,2018; Moeufe outros,2018) argumentam que a
Indústria 4.0 envolve um conjunto de tecnologias digitais (sistemas embarcados, rede de sensores
sem fio, impressão 3D, computação em nuvem e big data), a maioria das quais foi desenvolvida
antes de 2011. considerada parte da era da quarta revolução industrial, investigamos o nível de
adoção de dez tecnologias digitais (Confederação Nacional da Indústria, 2016). Assim como
Tortorella e Fettermann (2018), não mencionamos explicitamente que eles fazem parte da
Indústria 4.0, mitigando assim quaisquer percepções borradas.
Utilizou-se uma escala Likert de cinco pontos onde 1 significava “não utilizado” e 5 referente a “totalmente
adotado”. Um PCA com rotação varimax foi usado para extrair componentes ortogonais, resultando em dois
componentes (ver Tabela IV). A rotação oblíqua deu resultados semelhantes. Assim, como

Componentes principais
Indústria 4.0
Tecnologias da indústria 4.0 Mean SD Factor_1 Factor_2 foco em tecnologias

eu1_non_sens_autom 2,63 1,22 0,483 0,133 Processo

eu2_sens_autom 2,74 1,28 0,810 0,305
eu3_controlo remoto 2,43 1,34 0,781 0,295
eu4_prod_operationID 2,30 1,30 0,748 0,340
eu5_integratedPD&Manuf eu6 2,46 1,27 0,562 0,424
_impressao 3D 2,01 1,18 0,416 0,464 Produto/Serviço
eu7_simulação 1,94 1,20 0,268 0,505
eu8_big_data 2,27 1,28 0,268 0,732
eu9_nuvem 2,16 1,24 0,178 0,820
eu10_Serviços 2,10 1,22 0,383 0,599
Autovalores 2.256 1,085
% inicial de variância explicada Soma de 0,509 0,118
rotação das cargas quadradas (total) % de 2.871 2.529
variância explicada 0,287 0,253
O teste de esfericidade de Bartlett ( χ2) Adequação do fator 196,51
Tabela IV.
Kaiser-Meyer-Olkin (MSA geral) 0,74 Resultados do PCA

Notas:n¼147. Método de extração: análise de componentes principais. Método de rotação: varimax com para a Indústria
normalização Kaiser tecnologias 4.0
IJOPM sugeridas por Tortorella, Miorando, Caiado, Nascimento e Portioli Staudacher (2018), as tecnologias voltadas principalmente para

39,6/7/8 processos de fabricação foram agrupadas no construto “Relacionado ao processo”, enquanto aquelas voltadas principalmente para
apoiar o desenvolvimento de produtos/serviços mais eficientes foram combinadas no construto “ construto relacionado ao produto/
serviço”. As tecnologias relacionadas a processos estão focadas principalmente em aprimorar e facilitar os processos de fabricação
reais, como automação digital, sensores e Sistema de Execução de Fabricação. Além disso, essas tecnologias estão intimamente
relacionadas à melhoria do fluxo de materiais, pois ajudam a identificar e solucionar eventuais problemas em processos e máquinas.

870 Tal suporte permite um maior nível de estabilidade do processo através da redução de variações e interrupções, o que implica fluxos
de valor mais suaves e confiáveis (Rother e Harris, 2001; Duggan, 2012). A segunda, tecnologias relacionadas a produtos/serviços,
como modelos virtuais e IoT, visam melhorar e apoiar processos relacionados ao desenvolvimento de produtos e inovação de
serviços. As tecnologias incluídas nesse construto são passíveis de potencializar os fluxos de informação ou de apoiar a gestão para
desenvolver produtos e serviços de forma mais rápida e assertiva, como a impressão 3D (Tortorella, Giglio e Van Dun, 2018). Esses
links foram brevemente imaginados por Lee As tecnologias incluídas nesse construto são passíveis de potencializar os fluxos de
informação ou de apoiar a gestão para desenvolver produtos e serviços de forma mais rápida e assertiva, como a impressão 3D
(Tortorella, Giglio e Van Dun, 2018). Esses links foram brevemente imaginados por Lee As tecnologias incluídas nesse construto são
passíveis de potencializar os fluxos de informação ou de apoiar a gestão para desenvolver produtos e serviços de forma mais rápida e
assertiva, como a impressão 3D (Tortorella, Giglio e Van Dun, 2018). Esses links foram brevemente imaginados por Leeet ai. (2014) e
Anderl (2014), mas não validado empiricamente. Verificamos a unidimensionalidade usando PCA em cada nível de componente (ver
Tabela IV)[1]. o αvalores acima de 0,80 (ver Tabela V) denotaram alta confiabilidade.
3.2.4 Variáveis de controle.Em relação aos efeitos das contingências, o tamanho da empresa é visto como
influenciar o nível de implementação do LP (por exemplo, Shah e Ward, 2003; Tortorellae outros,
2015). Tortorella e Fettermann (2018) indicaram que o tamanho da empresa também pode afetar
a associação entre Indústria 4.0 e LP, embora não na mesma proporção. Em segundo lugar, a
Confederação Nacional da Indústria (2016) e Tortorella, Miorando, Caiado, Nascimento e Portioli
Staudacher (2018) avaliaram o efeito da intensidade tecnológica no nível de adoção da Indústria
4.0, sugerindo que esta variável pode ter influência positiva na Adoção da indústria 4.0. Além
disso, Marodinet ai. (2016) e Tortorellaet ai. (2017) sugeriram que o nível de camada tem um efeito
significativo na implementação do LP, especialmente no setor industrial brasileiro cujas
características específicas da cadeia de suprimentos são diferentes das economias mais
desenvolvidas. Por fim, a duração da implementação do PL foi discutida como uma variável
contextual crítica, uma vez que pode ser usada para representar o nível de maturidade do PL de
uma empresa (Netland, 2016; Netland e Ferdows, 2016). Rossiniet ai. (2019) também considerou
isso na análise da adoção da Indústria 4.0 pelos fabricantes europeus. Assim, incluímos as quatro
contingências a seguir como variáveis de controle em nosso estudo: intensidade tecnológica,
nível de camada, tamanho da empresa e duração da implementação do LP.
A intensidade tecnológica foi classificada em duas categorias com base em seu setor industrial
sugerido pela Organização para Cooperação e Desenvolvimento Econômico (OCDE, 2011): alto e
médio-alto e baixo e médio-baixo. Além disso, dividimos as empresas em níveis 1 e 2 e níveis 3 e 4,
conforme apresentado na Tabela I. O tamanho da empresa foi dicotomizado como grande (C500
funcionários) e pequenas e médias (⩽500 funcionários) (SEBRAE, 2010). Por fim, seguindo as
categorizações de Netland e Ferdows (2016) da duração da implementação do LP, as empresas
foram divididas em menos de dois anos e mais de dois anos de implementação.

3.3 Contramedidas de viés

O viés de não resposta foi analisado para cada uma das quatro classes de educação executiva
pesquisadas (n1¼35,n2¼41,n3¼37 en4¼34) usando o teste de Levene para igualdade de variâncias
e umt-teste para a igualdade de médias (Armstrong e Overton, 1977). Ambos os testes indicaram
que as médias e variações dos quatro grupos não foram significativamente diferentes (po0,05).
Portanto, não houve evidência de diferenças entre esses grupos em relação à população.
Variáveis 1 2 3 4 5 6 7 8 9

1. Puxe –
2. Fluxo 0,667** –
3. Configuração baixa 0,635** 0,785** –
4. Tecnologias relacionadas ao processo 0,259** 0,369** 0,401** –
5. Tecnologias relacionadas a produtos/serviços 0,319** 0,291** 0,349** 0,143* –
6. Melhoria de desempenho operacional 0,356** 0,423** 0,505** 0,381** 0,216** –
7. Intensidade tecnológica − 0,188** - 0,148 − 0,192* - 0,077 − 0,164* − 0,182* –
8. Nível de nível - 0,096 - 0,016 - 0,060 0,050 0,030 0,155* 0,000 –
9. Tamanho da empresa - 0,026 - 0,049 0,050 0,278** - 0,039 0,100 0,049 - 0,026 –
10. Duração da implementação do LP α 0,338** 0,418** 0,422** 0,315** 0,155* 0,259* − 0,177* - 0,008 0,343**
de Cronbach 0,873 0,853 0,772 0,855 0,827 0,860
Confiabilidade composta 0,881 0,855 0,784 0,842 0,807 0,871
Notas: *po0,1; **ponível 0,01 (bicaudal)
adoção
Indústria 4.0

Tabela V.
Matriz de correlação
871
IJOPM Como os respondentes únicos responderam às perguntas de variáveis dependentes e independentes,
39,6/7/8 tomamos várias contramedidas para evitar o método comum e o viés de fonte, seguindo Podsakoff e
Organ (1986) e Podsakoffet ai. (2003). Em primeiro lugar, em relação à estrutura da pesquisa, os itens das
variáveis dependentes ficaram distantes dos itens das variáveis independentes. Além disso,
mantivemos os rótulos de escala originais: o uso de diferentes âncoras de escala é argumentado para
conter a covariação (Podsakoffe outros,2003). Naturalmente, esclarecemos que não havia respostas

872 certas ou erradas e as respostas dos respondentes seriam tratadas de forma anônima. Além disso, os
entrevistados tinham que ser os principais implementadores lean em suas organizações e, portanto,
eram informantes apropriados. Por fim, o teste monofatorial de Harman, com uma AFE incluindo todas
as variáveis independentes e dependentes (Malhotrae outros,2006), apresentou um primeiro fator que
explicou apenas 23,5 por cento da variância. Como nenhum fator isolado foi responsável pela maior
parte da variância, a variância do método comum foi considerada mínima.

3.4 Análise de dados

Realizamos um conjunto de modelos de regressão linear hierárquica Ordinary Least Square (OLS) para
testar nossas hipóteses. Três modelos foram examinados. O modelo 1 incluiu apenas o efeito das
variáveis de controle (intensidade tecnológica, nível de tier, porte da empresa e duração da implantação
do LP). Também testamos todos os modelos com variáveis dummy setoriais da indústria porque
considerações de processo e contingências externas inferidas pelo setor industrial podem explicar o nível
de maturidade tanto do LP quanto da Indústria 4.0. As quatro dummies do tipo indústria (ver Tabela I)
não foram significativas e os resultados permaneceram os mesmos ao excluir essas variáveis dos
modelos de regressão. Assim, para aumentar os graus de liberdade e significância de nossos testes,
seguimos o procedimento de Tortorella, Fettermann, Frank e Marodin (2018) e desconsideramos o setor
industrial na regressão. O Modelo 2 incluiu o efeito direto das três construções de LP e as duas
construções de tecnologias da Indústria 4.0. Por fim, o Modelo 3 implicou a adição dos efeitos
moderadores das tecnologias da Indústria 4.0.
Como sugerido pelo cabeloet ai. (2014), verificamos os pressupostos de normalidade,
linearidade e homocedasticidade entre variáveis independentes e dependentes. Os resíduos
foram verificados para confirmar a normalidade da distribuição dos termos de erro. Testamos a
linearidade plotando a regressão parcial para cada modelo. Nenhum dos modelos rejeitou a
hipótese de aderência à distribuição normal dos resíduos (teste de Kolmogorov-Smirnovpo0,05). A
homocedasticidade foi avaliada plotando os resíduos padronizados em relação ao valor previsto e
um exame visual desses gráficos. No geral, nossos testes apoiaram as suposições necessárias
para uma análise de regressão OLS.

4. Resultados e discussão
A Tabela V mostra as correlações de todas as variáveis, αs de Cronbach e confiabilidades compostas.
Todas as variáveis independentes apresentaram correlação positiva significativa com a melhora do
desempenho operacional. A intensidade tecnológica foi significativamente correlacionada negativamente
com práticas de pull e low setup, bem como tecnologias relacionadas a produtos/serviços. O tamanho da
empresa e a duração da implementação do LP foram significativamente correlacionados positivamente;
enquanto a duração da implementação do LP foi significativamente correlacionada negativamente com a
intensidade tecnológica.
Os resultados da regressão, tendo como variável dependente a melhora do desempenho operacional,
são apresentados na Tabela VI. Os coeficientes não padronizados são relatados aqui, pois as escalas de
cada construto já haviam sido padronizadas (Goldsbye outros,2013). Além disso, a multicolinearidade não
foi uma preocupação, uma vez que os fatores de inflação de variância nos modelos de regressão foram
todos inferiores a 3,0.
Os resultados sugerem que a adição das variáveis independentes (Modelo 2) e dos termos de
interação (Modelo 3) levou a uma melhoria incremental do modelo (ou seja, a Mudança no Adj.R2
foi significativo em ambos os modelos). Modelo 3, que explica 33,1 por cento da
 Indústria 4.0
Melhoria de desempenho operacional
Variáveis Modelo 1 Modelo 2 Modelo 3 adoção
Intensidade tecnológica (controle) Nível − 0,338** - 0,172 - 0,121
de nível (controle) 0,476* 0,567** 0,682***
Tamanho da empresa (controle) - 0,071 0,076 0,186
Duração da implementação do LP (controle) 0,373** - 0,043 - 0,067
Pull 0,063 0,073 873
Fluxo 0,013 0,088
Configuração baixa 0,382*** 0,299**
Processo 0,197** 0,194**
Produto/Serviço 0,021 0,005
Puxar×Processo - 0,072
Fluxo×Processo 0,110
Configuração baixa×Processar − 0,296**
Puxar×Produto/Serviço 0,022
Fluxo×Produto/Serviço 0,366**
Configuração baixa×Produto/Serviço - 0,214
F-valor 4.111*** 7.676*** 5.812***
R² 0,103 0,334 0,400
AjustadoR² 0,078 0,290 0,331
Tabela VI.
Mudança em Adj.R² – 0,212*** 0,041*
Comum mínimo
Notas:n¼147. Coeficientes de regressão não padronizados são relatados. Mudança em Adj.R2reporta resultados regressão de quadrados
comparados com o modelo anterior. *po0,1; **po0,05; ***po0,01 resultados

variação (F-valor¼5.812;po0,01), mostra que a adição dos termos de interação melhorou

significativamente a capacidade de previsão de melhoria do desempenho operacional,
conforme indicado pela mudança no ajusteR2. Nenhuma das contingências parece ter tido
impacto na melhoria percebida do desempenho operacional, com exceção do nível de nível
que está associado positivamente (b̂¼0,682;po0,01).
Surpreendentemente, dos construtos de LP investigados, apenas “low setup” apresentou uma
associação positiva significativa (b̂¼0,299;po0,05) com melhoria de desempenho operacional que
contradiz pesquisas anteriores (por exemplo, Shah e Ward, 2003; Shah e Ward, 2007; Taj e
Morosan, 2011). No entanto, no contexto fabril brasileiro, o efeito das práticas de puxar e fluir não
parece ser tão difundido quanto em outros contextos. Saurin et ai. (2010), Tortorellaet ai. (2015),
Marodinet ai. (2016) e Tortorellaet ai. (2017) enfatizou que a implementação de PL nas empresas
manufatureiras brasileiras é menos extensa do que nas economias desenvolvidas e a maioria das
empresas continua lutando para implementar práticas que proporcionem estabilidade mínima do
processo. Portanto, é razoável supor que práticas que exigem uma compreensão mais profunda
do LP como um verdadeiro sistema de criação de valor, como práticas de puxar e fluxo, podem
não estar associadas à melhoria de desempenho.
Além disso, foi observado um efeito direto das tecnologias da Indústria 4.0 para as tecnologias relacionadas
ao processo. Estes estão relacionados principalmente à melhoria e facilitação dos processos de fabricação (fluxo
de material) e parecem ter uma relação positiva com a melhoria do desempenho operacional (b̂¼0,194;po0,05).
Por outro lado, as tecnologias relacionadas a produtos/serviços, que se concentram principalmente em apoiar e
aprimorar o desenvolvimento de produtos e a inovação de serviços (fluxo de informações), não apresentam um
efeito direto significativo na melhoria do desempenho. Isso pode ser devido ao fato de que as empresas
manufatureiras localizadas em países emergentes costumam ter menos recursos financeiros do que aquelas em
economias desenvolvidas. Assim, os poucos investimentos implementados são geralmente focados em processos
de fabricação (Chene outros,2011). Além disso, empresas multinacionais localizadas em economias emergentes,
como em nosso estudo, normalmente desenvolvem seus produtos manufaturados no exterior, em sites com
know-how de engenharia e suporte tecnológico estabelecido (Bonagliae outros,2007). Portanto, é bastante
razoável que o
IJOPM o impacto das tecnologias relacionadas a produtos/serviços no desempenho operacional ainda é incipiente e menos

39,6/7/8 significativo do que o efeito direto das tecnologias relacionadas a processos.

No entanto, quando os termos de interação são levados em consideração, as tecnologias
relacionadas ao processo parecem moderar negativamente o efeito da configuração baixa
(b̂¼ −0,296;po0,05). Isso contraria a crença comum de que as tecnologias da Indústria 4.0,
que são principalmente focadas em processos de fabricação, devem reforçar positivamente
a relação entre práticas de gestão (lean) e indicadores de desempenho operacional
874 (Subramaniame outros, 2009; Dworschak e Zaiser, 2014). Como a Indústria 4.0 tende a
enfatizar a redução da complexidade pela modularização estrita, seria de se esperar que a
implementação simultânea de tais tecnologias com práticas de configuração baixas
aumentasse os efeitos positivos no desempenho operacional. No entanto, nossos
resultados não suportam uma suposição tão moderadora. Uma explicação é que, embora
tanto as práticas de baixa configuração quanto as tecnologias relacionadas a processos
pareçam afetar positivamente o desempenho quando analisadas separadamente, as
empresas brasileiras podem ainda não entender como se beneficiar de sua adoção
concomitante. Conforme indicado por Daviet ai. (2016) e Landscheidt e Kans (2016), a
iniciativa isolada de investir em tecnologia de ponta, sem lidar com a melhoria e design
sistêmicos de processos, não implica em melhor desempenho operacional. Ou seja, a
incorporação de uma tecnologia reconhecida em processos de fabricação mal estruturados
não trará os resultados esperados. Outra razão para essa constatação pode ser o equívoco
da adoção de tecnologias relacionadas a processos em termos de simplesmente aumentar o
nível de automação das máquinas. Se não forem projetados adequadamente, níveis mais
altos de automação de máquinas nas linhas de produção podem acarretar um layout mais
rígido, prejudicando a flexibilidade de troca e, assim, aumentar os custos relacionados à
introdução de novos produtos (Takeda, 2006; Baudin, 2007). Neste sentido,

Por sua vez, tecnologias relacionadas a produtos ou serviços parecem moderar positivamente
a relação entre fluxo e melhoria de desempenho operacional (b̂¼0,366;po0,05). De fato, se o
desenvolvimento de produtos e inovações de serviços forem devidamente suportados por essas
tecnologias da Indústria 4.0, é razoável esperar um impacto positivo no efeito das práticas de
fluxo, por meio da redução do time-to-market e, portanto, um fluxo mais confiável de valor. Além
disso, a prototipagem assertiva, juntamente com uma abordagem integrada de projeto e
comissionamento, pode antecipar problemas de fabricação devido à disponibilidade,
processamento e análise de big data (Hermanne outros,2016). Essas tecnologias podem apoiar
atividades de resolução de problemas e, assim, permitir estratégias de fluxo contínuo.
No geral, nosso estudo fornece argumentos para examinar a interação entre as duas
abordagens e sugere que a implementação de LP pode, em parte, se beneficiar significativamente
da adoção de tecnologias da Indústria 4.0. No entanto, a difusão dessa relação pode mudar de
acordo com o contexto em que a empresa de manufatura está localizada (economia desenvolvida
versus economia em desenvolvimento). De fato, nossos resultados suportam empiricamenteH2be
rejeitarH3a.Em relação às demais hipóteses, nossos achados não demonstram um efeito de
moderação significativo das tecnologias da Indústria 4.0.

5. Conclusões
5.1 Implicações teóricas
Com o advento da quarta revolução industrial, a integração de tecnologias inteligentes com a
implementação de LP está adquirindo especial importância. As práticas Lean tendem a ser mais
impactantes, pois a Indústria 4.0 permite um melhor entendimento das demandas dos clientes e acelera
os processos de compartilhamento de informações. Isso fortalece o engajamento dos funcionários, que é
fundamental no LP (Van Dun e Wilderom, 2016), bem como em toda a cadeia de valor. A Indústria 4.0
pode impulsionar os resultados da implementação tradicional de LP, resultando em
níveis de desempenho. Nosso estudo fornece evidências empíricas para tal associação e Indústria 4.0
aprimoramento, aumentando assim a compreensão da adoção de tecnologia de fabricação adoção
avançada (Chenge outros,2018; Kamblee outros,2018).
De fato, uma grande contribuição teórica é a evidência de que a adoção puramente tecnológica não
leva aos resultados esperados. As práticas de LP ajudam a instalar hábitos e mentalidades
organizacionais que favorecem melhorias sistêmicas de processos. Embora a Indústria 4.0 possa
impactar o desempenho em um certo nível (Zawadzki eŻywicki, 2016; Quezadae outros,2017), seu efeito
875
pode mudar quando as práticas de LP são implementadas simultaneamente. Em outras palavras, as
mudanças sociotécnicas organizacionais que coincidem com o LP reforçam práticas e comportamentos
que, quando combinados adequadamente com os avanços tecnológicos atuais, permitem às empresas
competir com sucesso no cenário, à primeira vista, paradoxal, em que aplicações de alta tecnologia e
simplicidade baseada existem simultaneamente. Há certamente uma oportunidade, ao implementar o
LP, para as empresas ponderarem de forma inteligente as compensações ao introduzir novas tecnologias
em vez de simples procedimentos operacionais padrão. Portanto, a adoção da tecnologia não leva
necessariamente a interações negativas com as práticas de LP, mas, seguindo o princípio da Toyota, deve
ser aplicada de forma a criar valor para pessoas e processos (Morgan e Liker, 2006; Liker e Morgan,
2011).
Nosso estudo também reforça a validação de dois pacotes de tecnologias da Indústria
4.0: tecnologias relacionadas a processos que suportam o fluxo de materiais e tecnologias
relacionadas a produtos/serviços que suportam o fluxo de informações. A Confederação
Nacional da Indústria (2016), na qual se baseou nossa medida, originalmente agrupou essas
tecnologias em três categorias de acordo com seu foco, a saber: processo, desenvolvimento
de produto e inovação de novo modelo de negócio/serviço. Nossa validação mostra que o
segundo e o terceiro clusters originais convergem em um pacote. As tecnologias
relacionadas ao processo incluem sensores, monitoramento remoto e sistemas integrados
de engenharia; as tecnologias relacionadas a produtos/serviços envolvem prototipagem
rápida, modelagem virtual e serviços em nuvem.et ai. (2014). Eles discutiram os benefícios
de certos grupos de tecnologias na fabricação, desenvolvimento de produtos e inovação
empresarial, mas sem testar seus efeitos simultâneos. Nesse sentido, nossa pesquisa
fornece evidências empíricas para tecnologias da Indústria 4.0 que se comportam de forma
semelhante e, portanto, podem ser adotadas em conjunto. Os estudos de
acompanhamento devem incluir tecnologias ainda mais avançadas da Indústria 4.0.

Os insights deste estudo também foram examinados sob a ótica da teoria da contingência,
uma vez que esclarecem alguns equívocos usuais relacionados à natureza contingente do LP e da
Indústria 4.0. Primeiro, nossas descobertas não suportam a suposição de que a adoção da
Indústria 4.0 pode ter um impacto indistinto no desempenho operacional. De fato, nossa pesquisa
sugere que novas tecnologias que focam principalmente no desenvolvimento e inovação de
produtos podem não ser tão valorizadas pelos fabricantes quanto o esperado, especialmente no
setor industrial brasileiro. Essa contingência também afeta as referidas práticas de LP, pois nossos
resultados diferem de estudos realizados em outros contextos socioeconômicos (eg Netland,
2016). Uma vez que este estudo foi empregado no Brasil,International Journal of Operations &
Production Managemente aJornal de Gestão de Operações (bôere outros,2017). Em segundo
lugar, identificamos que algumas contingências, como intensidade tecnológica, tamanho da
empresa e duração da implementação do LP, podem ter um efeito menos extenso na interação
entre LP e Indústria 4.0 do que indicado por estudos anteriores. De fato, nossa pesquisa mostra
que das quatro contingências, apenas o nível de camada desempenha um papel significativo no
modelo resultante. Embora inesperado, isso converge com Marodine outros.'s (2016), sugerindo
que efeitos semelhantes em nível de camada também podem ser observados ao integrar a
Indústria 4.0 com a implementação do LP. Pode ser que as organizações mais altas na cadeia de
suprimentos sejam hoje obrigadas a
IJOPM concentrar-se mais na melhoria do desempenho operacional do que no downstream, o que poderia ser

39,6/7/8 alcançado por meio da adoção de novas tecnologias.

No entanto, a Indústria 4.0 ainda é um conceito relativamente novo, especialmente em países
economicamente emergentes (Ministério da Economia do México, 2016; Tortorella e Fettermann, 2018),
portanto, mal-entendidos sobre seus conceitos e benefícios podem levar a efeitos moderadores contra-
intuitivos. Um padrão semelhante ocorreu em relação ao LP (por exemplo, Saurin e Ferreira, 2009; Hinese

876 outros,2018): efeitos contrários ocorreram quando os conceitos não foram bem compreendidos pelos
gestores que os implementaram. Nossa pesquisa enfatiza que a integração de tecnologias da Indústria
4.0 relacionadas a produtos/serviços nas práticas de fluxo pode levar a melhorias significativas de
desempenho operacional, mas somente se abordadas adequadamente. Portanto, uma melhor
compreensão do significado das tecnologias da Indústria 4.0 pode apoiar iniciativas proativas que podem
convergir potencialmente com os esforços anteriores de implementação de práticas de LP.

5.2 Contribuições gerenciais

À medida que os fabricantes buscam sistemas de produção eficientes e econômicos, novas tecnologias podem contribuir para aumentar sua competitividade. A Indústria 4.0 pode

facilitar o desenvolvimento de maior desempenho por meio de novos modelos de negócios e serviços. No entanto, sua adoção acarreta desafios adicionais para as empresas,

principalmente as de economias emergentes. Portanto, nossas descobertas fornecem aos gerentes e profissionais uma indicação do equilíbrio certo entre a adoção de tecnologias da

Indústria 4.0 e práticas de LP para melhorar o desempenho operacional em suas empresas. De fato, nosso estudo fornece argumentos para apoiar os processos de tomada de decisão

dos gerentes: se eles instalarem muitas práticas de LP relacionadas ao fluxo, devem priorizar a adoção de tecnologias orientadas a produtos/serviços, como serviços em nuvem, IoT ou

análise de big data, para alcançar altos níveis de desempenho operacional. Com sistemas avançados de informação e comunicação instalados, juntamente com um sistema operacional

LP, uma empresa tem potencial para expandir com novos padrões de desempenho. As indústrias agora têm a oportunidade de combinar os benefícios da integração em tempo real

com a geração mínima de resíduos em todo o fluxo de valor. Em suma, nossas descobertas podem ajudar os gerentes a antecipar dificuldades operacionais ao integrar novas

tecnologias relacionadas a processos com práticas de fluxo. Essas informações ajudam a definir expectativas justas, que apoiam as decisões de investimento de um gestor para atingir

determinados objetivos estratégicos em relação à Indústria 4.0. uma empresa tem potencial para se expandir com novos padrões de desempenho. As indústrias agora têm a

oportunidade de combinar os benefícios da integração em tempo real com a geração mínima de resíduos em todo o fluxo de valor. Em suma, nossas descobertas podem ajudar os

gerentes a antecipar dificuldades operacionais ao integrar novas tecnologias relacionadas a processos com práticas de fluxo. Essas informações ajudam a definir expectativas justas,

que apoiam as decisões de investimento de um gestor para atingir determinados objetivos estratégicos em relação à Indústria 4.0. uma empresa tem potencial para se expandir com

novos padrões de desempenho. As indústrias agora têm a oportunidade de combinar os benefícios da integração em tempo real com a geração mínima de resíduos em todo o fluxo de

valor. Em suma, nossas descobertas podem ajudar os gerentes a antecipar dificuldades operacionais ao integrar novas tecnologias relacionadas a processos com práticas de fluxo.

Essas informações ajudam a definir expectativas justas, que apoiam as decisões de investimento de um gestor para atingir determinados objetivos estratégicos em relação à Indústria

4.0.

5.3 Limitações e pesquisas futuras

Nossa amostra tem certas limitações. Primeiro, nossa amostra confirmou apenas alguns dos efeitos
moderadores das tecnologias da Indústria 4.0 na implementação de práticas de LP. Portanto, há a necessidade
de desenvolver e testar empiricamente modelos com amostras maiores. Aumentar a amostra replicando o
estudo em diferentes países apoiaria a inferência de resultados mais generalizáveis, independentemente do
contexto socioeconômico. Utilizamos indicadores de desempenho operacional como proxy do desempenho
financeiro, uma vez que os resultados financeiros muitas vezes são cuidadosamente protegidos pelas empresas e
difíceis de obter e o desempenho de determinados indicadores financeiros é compartilhado apenas entre os
gestores seniores. No entanto, as melhorias observadas nos indicadores de desempenho operacional
provavelmente impactaram diretamente no desempenho financeiro da empresa, mitigando quaisquer
preocupações relacionadas a isso. Além disso, examinamos o desempenho operacional como uma única
dimensão composta por cinco indicadores diferentes. Outros estudos poderiam analisar a associação individual
de cada um desses indicadores com LP e Indústria 4.0 para entender exatamente como o desempenho de uma
empresa é afetado por ambas as abordagens.
Em segundo lugar, conforme discutido na Seção 3.3, tomamos várias contramedidas para conter os vieses
que podem ter resultado de nosso projeto de pesquisa (transversal). Guide e Ketokivi (2015) recomendaram a
utilização de vários respondentes por empresa para mitigar o viés do método comum. Embora essa abordagem
não tenha sido viável em nosso estudo, convidamos outras pessoas a determinar os resultados no nível da
empresa com base em vários entrevistados.
 Terceiro, as diferentes experiências das empresas usando LP também foram uma Indústria 4.0
limitação da amostra, possivelmente influenciando as percepções dos entrevistados sobre a adoção
implementação das práticas de LP, pois suas mentalidades podem estar em diferentes
estágios de maturidade lean. No entanto, a maioria das empresas participantes tinha mais
de dois anos de experiência em implementação lean. Um estudo comparativo de empresas
na mesma fase enxuta (Netland e Ferdows, 2016) poderia evitar possíveis erros nos dados
coletados. Além disso, estudos adicionais podem incluir dados de arquivo (ou seja, relatórios
financeiros em nível de empresa disponíveis publicamente) para validar os dados de
877
desempenho auto-relatados. Eles poderiam abordar a associação entre LP e Indústria 4.0 a
partir de um nível prático, fornecendo detalhes adicionais que complementam nosso
estudo.
Estudos longitudinais futuros devem coletar medidas de produção mais objetivas ou envolver
supervisores de linha de frente na classificação dos níveis de implementação de LP e Indústria 4.0. Isso
também inclui variáveis adicionais de PL (por exemplo, o nível de envolvimento dos funcionários,
relacionamento com fornecedores e clientes, gestão da qualidade total e práticas de gestão de recursos
humanos) ou o uso de múltiplos níveis de análise para observar a influência composta dessas variáveis
ao longo do tempo. Além disso, estudos de caso aprofundados que abordam barreiras ou dificuldades
comuns com a implementação do LP e a adoção da Indústria 4.0 podem permitir uma melhor
compreensão dos desafios inerentes à implementação dessas abordagens simultaneamente. A falta de
pesquisa empírica neste campo emergente (Kamblee outros,2018) oferece amplas oportunidades para
uma investigação mais aprofundada em diferentes contextos socioeconômicos.

Observação

1. Para descartar a existência de quaisquer carregamentos cruzados entre as práticas de LP e as medidas de tecnologias I4.0 em
nossa pesquisa, executamos uma EFA adicional com todos os 21 itens. Nenhum carregamento cruzado foi encontrado (cargas
fatoriais⩾0,45).

Referências
Abdulmalek, F. e Rajgopal, J. (2007), “Analisando os benefícios da manufatura enxuta e valor
mapeamento de fluxo via simulação: um estudo de caso do setor de processos”,Revista Internacional de Economia
da Produção,Vol. 107 No. 1, pp. 223-236.

Albers, A., Gladysz, B., Pinner, T., Butenko, V. e Stürmlinger, T. (2016), “Procedimento para definir o
sistema de objetivos na fase inicial de um projeto de indústria 4.0 com foco em sistemas inteligentes de
controle de qualidade”,Procedia CIRP,Vol. 52, págs. 262-267.
Anderl, R. (2014), “Indústria 4.0: engenharia avançada de produtos inteligentes e produção inteligente”,
Anais do 19º Seminário Internacional de Alta Tecnologia, Inovações Tecnológicas no
Desenvolvimento de Produtos, Piracicaba, 15 a 16 de junho.
Armstrong, J. e Overton, T. (1977), “Estimating nonresponse bias in mail surveys”,Diário de
Pesquisa de marketing,Vol. 14 No. 3, pp. 396-402.
Bagozzi, R. e Yi, Y. (1988), “Sobre a avaliação de modelos de equações estruturais”,jornal da academia
de Ciências de Marketing,Vol. 16 No. 1, pp. 74-94.
Baudin, M. (2007),Trabalhando com Máquinas: As Porcas e Parafusos das Operações Lean com Jidoka,
Productivity Press, Nova York, NY.
Bhasin, S. (2012), “Desempenho do lean em grandes organizações”,Jornal de Sistemas de Manufatura,
Vol. 31 No. 3, pp. 349-357.
Boer, H., Boer, HEE, Demeter, K. e Szász, L. (2017), “Para uma teoria contingencial das operações
gestão",Conferência Internacional EuroMA, Edimburgo, 1-5 de julho.
Bonaglia, F., Goldstein, A. e Mathews, J. (2007), “Internacionalização acelerada por
multinacionais dos mercados: o caso do setor de linha branca”,Jornal de Negócios Mundiais,Vol. 42 No. 4,
pp. 369-383.
IJOPM Bortolotti, T., Boscari, S. e Danese, P. (2015), “Implementação lean bem sucedida: cultura organizacional
e práticas lean suaves”,Revista Internacional de Economia da Produção,Vol. 160, págs. 182-201.
39,6/7/8
Confederação Nacional da Indústria (2016), “Indústria 4.0: um novo desafio para a
indústria",Indicadores CNI,Vol. 17 No. 2, pp. 1-13.
Brettel, M., Friederichsen, N., Keller, M. e Rosenberg, M. (2014), “Como a virtualização, a descentralização
e construção de rede mudam o cenário de manufatura: uma perspectiva da Indústria 4.0”,
878 Revista Internacional de Mecânica, Ciência e Engenharia Industrial,Vol. 8 No. 1, pp. 37-44.
Buer, S., Strandhagen, J. e Chan, F. (2018), “A ligação entre a Indústria 4.0 e a manufatura enxuta:
mapear a pesquisa atual e estabelecer uma agenda de pesquisa”,Revista Internacional de
Pesquisa de Produção,Vol. 56 No. 8, pp. 2924-2940.
Chen, F., Hope, O., Li, Q. e Wang, X. (2011), “Qualidade de relatórios financeiros e eficiência de investimento de
empresas privadas em mercados emergentes”,A Revisão Contábil,Vol. 86 No. 4, pp. 1255-1288.
Cheng, Y., Matthiesen, R., Farooq, S., Johansen, J., Hu, H. e Ma, L. (2018), “A evolução do investimento
padrões de tecnologia avançada de fabricação (AMT) em operações de manufatura: uma análise
longitudinal”,Revista Internacional de Economia da Produção,Vol. 203, págs. 239-253.
Danese, P., Manfè, V. e Romano, P. (2018), “Uma revisão sistemática da literatura sobre pesquisas lean recentes:
o estado da arte e as direções futuras”,International Journal of Management Reviews,Vol. 20 No. 2,
págs. 579-605.
David, R., Stahre, J., Wuest, T., Noran, O., Bernus, P., Fast-Berglund, Å. e Gorecky, D. (2016),
“Rumo a uma tipologia de operador 4.0: uma perspectiva centrada no ser humano sobre as tecnologias
da quarta revolução industrial”,Anais da Conferência Internacional de Computadores e Engenharia
Industrial (CIE46), Tianjin, 29-31 de outubro.
Doolen, T. e Hacker, M. (2005), “Uma revisão da avaliação enxuta nas organizações: um estudo exploratório
das práticas enxutas dos fabricantes de eletrônicos”,Jornal de Sistemas de Manufatura,Vol. 24 No. 1, pp.
55-67.
Dora, M., Kumar, M. e Gellynck, X. (2016), “Determinantes e barreiras para a implementação enxuta em
PMEs de processamento de alimentos: uma análise de casos múltiplos”,Planejamento e Controle de Produção,Vol. 27 No. 1,
pp. 1-23.

Duggan, K. (2012),Criando Fluxos de Valor de Modelo Misto: Técnicas Lean Práticas para Construir para
Demanda,CRC Press, Londres.
Dworschak, B. e Zaiser, H. (2014), “Competências para sistemas ciber-físicos na fabricação: primeiro
descobertas e cenários”,Procedia CIRP,Vol. 25, págs. 3-8.
Erol, S., Schumacher, A. e Sihn, W. (2016), “Orientação estratégica para a Indústria 4.0: um
Modelo de processo",Anais da Conferência Internacional sobre Manufatura Competitiva
(COMA16), Stellenbosch.
Erthal, A. e Marques, L. (2018), “Cultura nacional e cultura organizacional nas organizações enxutas: a
revisão sistemática",Planejamento e Controle de Produção,Vol. 29 No. 8, pp. 668-687.
Fatorachian, H. e Kazemi, H. (2018), “Uma investigação crítica da Indústria 4.0 na manufatura:
quadro de operacionalização”,Planejamento e Controle de Produção,Vol. 29 No. 8, pp. 633-644.
Fettermann, D., Cavalcante, C., Almeida, T. e Tortorella, G. (2018), “Como a Indústria 4.0 contribui
à gestão de operações?”,Revista de Engenharia Industrial e de Produção,Vol. 35 No. 4, pp.
255-268.
Forbes India (2016), “Indústria 4.0: a próxima revolução industrial desmistificada”, disponível em: www.
forbesindia.com/article/nasscom-india-leadership-forum-2016/industry-4.0-the-next-industrialrevolution-
desmystified/42239/1 (acessado em 2 de março de 2018).
Fornell, C. e Larcker, D. (1981), “Avaliando modelos de equações estruturais com variáveis não observáveis
e erro de medição”,Revista de Pesquisa de Marketing,Vol. 18 No. 1, pp. 39-50.
Furlan, A., Vinelli, A. e Dal Pont, G. (2011), “Complementarity and lean manufacturing bundles: an
análise empirica",International Journal of Operations & Production Management,Vol. 31 No. 8,
págs. 835-850.
Ganzarain, J. e Errasti, N. (2016), “Modelo de maturidade em três estágios em PME's rumo à Indústria 4.0”, Indústria 4.0
Revista de Engenharia e Gestão Industrial,Vol. 9 No. 5, pp. 1119-1128. adoção
García-Alcaraz, J., Prieto-Luevano, D., Maldonado-Macías, A., Blanco-Fernández, J., Jiménez-Macías, E.
e Moreno-Jiménez, J. (2015), “Modelagem de equações estruturais para identificar o valor dos
recursos humanos na implementação do JIT: caso maquiladora do setor”,O Jornal Internacional de
Tecnologia de Manufatura Avançada,Vol. 77 Nos 5-8, pp. 1483-1497.
Gjeldum, N., Mladineo, M. e Veza, I. (2016), “Transferência de modelo de fábrica inteligente inovadora para
Economia croata usando fábrica de aprendizagem enxuta”,Procedia CIRP,Vol. 54, págs. 158-163.
879
Goldsby, T., Michael Knemeyer, A., Miller, J. e Wallenburg, C. (2013), “Medição e moderação:
encontrar as condições de fronteira em logística e pesquisa da cadeia de suprimentos”,Jornal de Logística
Empresarial,Vol. 34 No. 2, pp. 109-116.

Guide, V. Jr e Ketokivi, M. (2015), “Notas dos editores: redefinindo alguns critérios metodológicos
para o jornal”,Jornal de Gestão de Operações,Vol. 37 No. 1, pp. v-viii.
Hair, J., Black, W., Babin, B. e Anderson, R. (2014),Análise de dados multivariados, Pearson
Nova edição internacional,7ª ed., Pearson, Harlow.
Hermann, M., Pentek, T. e Otto, B. (2016), “Princípios de design para cenários da indústria 4.0”,Processos
da 49th Hawaii International Conference on System Sciences, IEEE,págs. 3928-3937.
Hines, P. e Rich, N. (1997), “As sete ferramentas de mapeamento do fluxo de valor”,Jornal Internacional de
Gestão de Operações e Produção,Vol. 17 No. 1, pp. 46-64.
Hines, P., Holweg, M. e Rich, N. (2004), “Aprendendo a evoluir: uma revisão da literatura do lean contemporâneo
pensamento",International Journal of Operations and Production Management,Vol. 24 No. 10, pp.
994-1011.
Hines, P., Taylor, D. e Walsh, A. (2018), “A jornada lean: temos errado?”,Qualidade total
Excelência em Gestão e Negócios (próximo).
Hines, P., Rich, N., Bicheno, J., Brunt, D., Taylor, D., Butterworth, C. e Sullivan, J. (1998), “Value
gerenciamento de fluxo”,O Jornal Internacional de Gestão Logística,Vol. 9 No. 1, pp. 25-42.
Hofmann, E. e Rüsch, M. (2017), “Indústria 4.0 e o status atual, bem como as perspectivas futuras sobre
logística",Computadores na Indústria,Vol. 89, págs. 23-34.

Hoseus, M. e Liker, J. (2008),Cultura Toyota: O coração e a alma do Toyota Way,Monte McGraw,

Nova York, NY.
Hu, L. e Bentler, P. (1999), “Critérios de corte para índices de ajuste na análise de estrutura de covariância:
Critérios convencionais versus novas alternativas",Modelagem de Equações Estruturais: Um Jornal
Multidisciplinar,Vol. 6 No. 1, pp. 1-55.
Junior, M. e Godinho Filho, M. (2010), “Variações do sistema kanban: revisão de literatura e
classificação",Revista Internacional de Economia da Produção,Vol. 125 No. 1, pp. 13-21.
Kamble, S., Gunasekaran, A. e Gawankar, S. (2018), “Quadro da Indústria Sustentável 4.0: a
revisão sistemática da literatura identificando as tendências atuais e perspectivas futuras”,Segurança de
Processo e Proteção Ambiental,Vol. 117, págs. 408-425.
Karim, A. e Arif-Uz-Zaman, K. (2013), “Uma metodologia para a implementação eficaz do lean
estratégias e sua avaliação de desempenho em organizações manufatureiras”,Jornal de gerenciamento de
processos de negócios,Vol. 19 No. 1, pp. 169-196.
Kolberg, D. e Zühlke, D. (2015), “Automação enxuta habilitada por tecnologias da indústria 4.0”,
IFAC-PapersOnLine,Vol. 48 No. 3, pp. 1870-1875.
Kolberg, D., Knobloch, J. e Zühlke, D. (2017), “Para uma interface de automação enxuta para
estações de trabalho”,Revista Internacional de Pesquisa de Produção,Vol. 55 No. 10, págs. 2845-2856.

Kroes, J., Manikas, A. e Gattiker, T. (2018), “Enxuta operacional e desempenho da empresa de varejo desde
1980”,Revista Internacional de Economia da Produção,Vol. 197, págs. 262-274.
Kull, T., Yan, T., Liu, Z. e Wacker, J. (2014), “A moderação da eficácia da manufatura enxuta por
dimensões da cultura nacional: testando hipóteses de congruência prática-cultura”,Revista
Internacional de Economia da Produção,Vol. 153, pp. 1-12.
IJOPM Landscheidt, S. e Kans, M. (2016), “Práticas de automação em indústrias de produtos de madeira: lições
39,6/7/8 aprendidas, práticas atuais e perspectivas futuras”,Anais do 7º Simpósio de Produção Sueco
SPS, Lund, 25 a 27 de outubro.
Lasi, H., Fettke, P., Kemper, H., Feld, T. e Hoffmann, M. (2014), “Indústria 4.0”,O negócio &
Engenharia de Sistemas de Informação,Vol. 6 No. 4, pp. 239-242.
Lee, J., Kao, H. e Yang, S. (2014), “Inovação de serviço e análise inteligente para a indústria 4.0 e grandes

880 ambiente de dados”,Procedia CIRP,Vol. 16, pp. 3-8.

Liao, Y., Deschamps, F., Loures, E. e Ramos, L. (2017), “Passado, presente e futuro da indústria 4.0: a
revisão sistemática da literatura e proposta de agenda de pesquisa”,Revista Internacional de Pesquisa de
Produção,Vol. 55 No. 12, pp. 3609-3629.
Liker, J. e Morgan, J. (2011), “Desenvolvimento de produtos enxutos como um sistema: um estudo de caso de corpo e
desenvolvimento de estamparia na Ford”,Revista de Gestão de Engenharia,Vol. 23 No. 1, pp. 16-28.
Lu, J., Yang, T. e Wang, C. (2011), “Um projeto de sistema puxado enxuto analisado pelo mapeamento do fluxo de valor e
método de tomada de decisão de múltiplos critérios sob incerteza de demanda”,Revista Internacional de
Pesquisa de Produção,Vol. 24 No. 3, pp. 211-228.
Lummus, R., Vokurka, R. e Rodeghiero, B. (2006), “Melhorar a qualidade através do fluxo de valor
mapeamento: um estudo de caso de uma clínica médica”,Gestão da Qualidade Total e Excelência Empresarial, Vol.
17 No. 8, pp. 1063-1075.

Malhotra, N., Kim, S. e Patil, A. (2006), “Variação de método comum na pesquisa de SI: uma comparação de
abordagens alternativas e uma reanálise de pesquisas anteriores”,Ciência da Administração,Vol. 52 No. 12, págs.
1865-1883.

Mann, D. (2005),Criando uma Cultura Lean: Ferramentas para Sustentar a Conversão Lean,Imprensa de produtividade,
Nova York, NY.
Marodin, GA, Frank, AG e Tortorella, GL (2016), “Fatores contextuais e produção enxuta
implementação na cadeia automotiva brasileira”,Gestão da Cadeia de Suprimentos: Um
Jornal Internacional,Vol. 21 No. 4, pp. 417-432.
Marodin, GA, Saurin, T., Tortorella, GL e Denicol, J. (2015), “Como os fatores de contexto influenciam o lean
práticas de produção em células de manufatura”,O Jornal Internacional de Tecnologia de
Manufatura Avançada,Vol. 79 Nos 5-8, págs. 1389-1399.
Marsh, H. e Hocevar, D. (1985), “Aplicação da análise fatorial confirmatória ao estudo de
autoconceito: modelos de fatores de primeira e mais alta ordem e sua invariância entre os grupos”.
Boletim Psicológico,Vol. 97 No. 3, págs. 562-572.
Maskell, B., Baggaley, B. e Grasso, L. (2011),Contabilidade Lean Prática: Um Sistema Comprovado para
Medindo e Gerenciando a Empresa Enxuta,CRC Press, NJ.
Ministério da Economia do México (2016),Crafting the Future: Um roteiro para a indústria 4.0 no México,
1ª ed., Ministério da Economia do México, Cidade do México, disponível em: www.promexico.mx/
documentos/mapas-de-ruta/industry-4.0-mexico.pdf
Moeuf, A., Pellerin, R., Lamouri, S., Tamayo-Giraldo, S. e Barbaray, R. (2018), “O
gestão de PMEs na era da Indústria 4.0”,Revista Internacional de Pesquisa de Produção, Vol.
56 No. 3, pp. 1118-1136.
Morgan, J. e Liker, J. (2006),O Sistema Toyota de Desenvolvimento de Produto,Productivity Press, Nova York, NY.
Narayanamurthy, G., Gurumurthy, A., Subramanian, N. e Moser, R. (2018), “Avaliando a prontidão
para implementar o lean em instituições de saúde: um estudo de caso”,Revista Internacional de Economia da
Produção,Vol. 197, págs. 123-142.

Netland, T. (2016), “Fatores críticos de sucesso para a implementação da produção enxuta: o efeito da
imprevistos”,Revista Internacional de Pesquisa de Produção,Vol. 54 No. 8, pp. 2433-2448.
Netland, T. e Ferdows, K. (2016), “O efeito da curva s da implementação enxuta”,Produção e
Gerenciamento de operações,Vol. 25 No. 6, pp. 1106-1120.
Netland, T., Schloetzer, J. e Ferdows, K. (2015), “Implementing lean: the effect of takt time”,
Anais do EurOMA, Nêuchatel, 26 de junho a 1 de julho.
Nicholas, J. (2015),Produção Lean para Vantagem Competitiva: Um Guia Abrangente para Lean Indústria 4.0
Metodologias e Práticas de Gestão,Productivity Press, Nova York, NY. adoção
Oberski, D. (2014), “Lavaan. inquérito: umRpacote para análise de levantamento complexo de equação estrutural
modelos”,Jornal de Software Estatístico,Vol. 57 No. 1, pp. 1-27.
OCDE (2011), “ISIC REV. 3 definição de intensidade de tecnologia”, disponível em: www.oecd.org/sti/ind/483502
31.pdf (acessado em 10 de junho de 2017).

Ohno, T. (1988),Sistema Toyota de Produção: Além da Produção em Grande Escala,CRC Press, Nova York, NY. 881
Podsakoff, P. e Organ, D. (1986), “Auto-relatos em pesquisa organizacional: problemas e perspectivas”,
Revista de Administração,Vol. 12 No. 4, pp. 531-544.
Podsakoff, P., MacKenzie, S., Lee, J. e Podsakoff, N. (2003), “Viés de método comum em comportamento
pesquisa: uma revisão crítica da literatura e remédios recomendados”,Revista de Psicologia
Aplicada,Vol. 88 No. 5, pp. 879-903.
Qin, J., Liu, Y. e Grosvenor, R. (2016), “Uma estrutura categórica de fabricação para a indústria 4.0
e além",Procedia CIRP,Vol. 52, págs. 173-178.
Quezada, L., da Costa, S. e Tan, K. (2017), “Excelência operacional para o desenvolvimento sustentável
metas através da Indústria 4.0”,Revista Internacional de Economia da Produção,Vol. 190, págs. 1-2.
Romero-Silva, R., Santos, J. e Hurtado, M. (2018), “Uma nota sobre a definição de sistemas organizacionais para
teoria da contingência em OM”,Planejamento e Controle de Produção,Vol. 29 No. 16, pp. 1343-1348.
Rossini, M., Costa, F., Tortorella, GL e Portioli-Staudacher, A. (2019), “A inter-relação entre
Indústria 4.0 e produção enxuta: um estudo empírico sobre fabricantes europeus”,O Jornal
Internacional de Tecnologia de Manufatura Avançada,Vol. 102 Nos 9-12, pp. 3963-3976.
Rother, M. e Harris, R. (2001),Criando fluxo contínuo: um guia de ação para gerentes, engenheiros
e Associados de Produção,Lean Enterprise Institute, Londres.
Rother, M. e Shook, J. (1999),Aprendendo a ver: mapeamento do fluxo de valor para agregar valor e eliminar
Muda,O Lean Enterprise Institute, Londres.
Rüßmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P. e Harnisch, M. (2015),
“Indústria 4.0: o futuro da produtividade e crescimento nas indústrias transformadoras”,Boston
Consulting Group,Vol. 9 No. 1, pp. 54-89.
Sanders, A., Elangeswaran, C. e Wulfsberg, J. (2016), “Indústria 4.0 implica manufatura enxuta:
atividades de pesquisa na indústria 4.0 funcionam como facilitadores para a manufatura enxuta”,
Revista de Engenharia e Gestão Industrial,Vol. 9 No. 3, pp. 811-833.
Sanders, A., Subramanian, K., Redlich, T. e Wulfsberg, J. (2017), “Indústria 4.0 e gestão enxuta:
sinergia ou contradição?”,Anais do IFIP International Conference on Advances in Production
Management Systems Springer, Cham,págs. 341-349.
Saurin, T. e Ferreira, C. (2009), “Os impactos da produção enxuta nas condições de trabalho: um estudo de caso
de uma linha de montagem de colheitadeiras no Brasil”,Revista Internacional de Ergonomia Industrial,Vol. 39 No.
2, pp. 403-412.

Saurin, T., Ribeiro, J. e Marodin, GA (2010), “Identificação de oportunidades de pesquisa com base em um
pesquisa sobre implementação da produção enxuta realizada em empresas brasileiras e estrangeiras”,
Gestão & Produção,Vol. 17 No. 4, pp. 829-841.

Schermelleh-Engel, K., Moosbrugger, H. e Müller, H. (2003), “Avaliando o ajuste da equação estrutural

modelos: testes de significância e medidas descritivas de adequação”,Métodos de Pesquisa
Psicológica Online,Vol. 8 No. 2, pp. 23-74.
Schumacher, A., Erol, S. e Sihn, W. (2016), “Um modelo de maturidade para avaliar a prontidão da Indústria 4.0
e maturidade das empresas manufatureiras”,Procedia CIRP,Vol. 52, págs. 161-166.
SEBRAE (2010), “Critérios para classificação de empresas manufatureiras no Brasil”, disponível em: www.
sebrae-sc.com.br/leis/default.asp?vcdtexto=4154 (acessado em 5 de maio de 2016).

Seth, D. e Gupta, V. (2005), “Aplicação do mapeamento do fluxo de valor para operações enxutas e tempo de ciclo
redução: um estudo de caso indiano”,Planejamento e Controle de Produção,Vol. 16 No. 1, pp. 44-59.
IJOPM Seth, D., Seth, N. e Dhariwal, P. (2017), “Application of value stream mapping (VSM) for lean and
redução do tempo de ciclo em ambientes de produção complexos: um estudo de caso”,Planejamento e Controle de
39,6/7/8
Produção,Vol. 28 No. 5, pp. 398-419.

Shah, R. e Ward, P. (2003), “Manufatura enxuta: contexto, pacotes de prática e desempenho”,

Jornal de Gestão de Operações,Vol. 21 No. 2, pp. 129-149.
Shah, R. e Ward, P. (2007), “Definindo e desenvolvendo medidas de produção enxuta”,Diário de
882 Gerenciamento de operações,Vol. 25 No. 4, pp. 785-805.
Shingo, S. (1988),Produção sem Estoque: O Sistema Shingo de Melhoria Contínua,Imprensa CRC,
Nova York, NY.
Shrouf, F., Ordières, J. e Miragliotta, G. (2014), “Fábricas inteligentes na indústria 4.0: uma revisão da
conceito e de gestão de energia abordados na produção com base no paradigma da
internet das coisas”,Anais do IEEE 2014, Sydney, 10-14 de junho.
Sibatrova, S. e Vishnevskiy, K. (2016), “Presente e futuro da produção: integrando lean
management into corporate foresight”, documento de trabalho, National Research University Higher
School of Economics (HSE), Moscou, disponível em: https://wp.hse.ru/data/2016/10/24/1110750
731/66STI2016.pdf ( acessado em 2 de março de 2018).
Sim, K. e Rogers, J. (2009), “Implementação de sistemas de produção enxuta: barreiras à mudança”,
Notícias de pesquisa de gestão,Vol. 32 No. 1, pp. 37-49.
Soliman, M., Saurin, T. e Anzanello, M. (2018), “Os impactos da produção enxuta na complexidade da
sistemas sócio-técnicos”,Revista Internacional de Economia da Produção,Vol. 197, págs. 342-357.
Sousa, R. e Voss, C. (2008), “Pesquisa de contingência nas práticas de gestão de operações”,Diário de
Gerenciamento de operações,Vol. 26 No. 6, pp. 697-713.
Spear, S. (2009),Perseguindo o coelho: como os líderes de mercado superam a concorrência e quão grande
As empresas podem alcançar e vencer,McGraw Hill, Nova York, NY.
Stone, K. (2012), “Quatro décadas de lean: uma revisão sistemática da literatura”,Revista Internacional de Lean
Seis Sigma,Vol. 3 No. 2, pp. 112-132.
Subramaniam, S., Husin, S., Singh, R. e Hamidon, A. (2009), “Sistema de monitoramento de produção para
monitorar o desempenho do chão de fábrica”,International Journal of Systems Applications,
Engineering & Development,Vol. 3 No. 1, pp. 28-35.
Tabachnik, B. e Fidell, L. (2007),Usando Estatísticas Multivariadas,Allyn e Bacon, Boston, MA.
Taj, S. e Morosan, C. (2011), “O impacto das operações enxutas na manufatura chinesa
atuação",Journal of Manufacturing Technology Management,Vol. 22 No. 2, pp. 223-240.
Takeda, H. (2006),O sistema de produção sincronizado: indo além do just-in-time através do Kaizen,
Kogan Page, Londres.
Thoben, K., Wiesner, S. e Wuest, T. (2017), “Industrie 4.0 and smart manufacturing: a review of
questões de pesquisa e exemplos de aplicação”,Revista Internacional de Tecnologia de Automação, Vol. 11
No. 1, pp. 4-16.
Tortorella, GL e Fettermann, D. (2018), “Implementação da Indústria 4.0 e produção enxuta no Brasil
companhias de manutafuramento",Revista Internacional de Pesquisa de Produção,Vol. 56 No. 8, págs. 2975-2987.

Tortorella, GL, Giglio, R. e Van Dun, DH (2018), “Indústria 4.0 como moderador no relacionamento
entre o desempenho enxuto e operacional”,25th International Annual EurOMA Conference: To
Serve, to Produce and Servitize in the Era of Networks, Big Data and Analytics, Budapeste, Junho.
Tortorella, GL, Miorando, R. e Tlapa, D. (2017), “Implementação da cadeia de suprimentos enxuta: uma análise empírica
pesquisa sobre o efeito do contexto”,O Jornal TQM,Vol. 29 No. 4, pp. 610-623.
Tortorella, GL, Fettermann, D., Frank, AG e Marodin, GA (2018), “Manufatura enxuta
implementação: estilos de liderança e variáveis contextuais”,International Journal of Operations &
Production Management,Vol. 38 No. 5, pp. 1205-1227.
Tortorella, GL, Marodin, GA, Miorando, R. e Seidel, A. (2015), “O impacto das variáveis contextuais
sobre a aprendizagem organizacional em empresas que estão implementando o lean: um estudo no Sul do Brasil”,
O Jornal Internacional de Tecnologia de Manufatura Avançada,Vol. 78 Nos 9-12, págs. 1879-1892.
Tortorella, GL, Miorando, R., Caiado, R., Nascimento, D. e Portioli Staudacher, A. (2018), “A mediação Indústria 4.0
efeito do envolvimento dos colaboradores na relação entre a Indústria 4.0 e a melhoria do
adoção
desempenho operacional”,Gestão da Qualidade Total e Excelência Empresarial (próximo).
Vacek, J. (2016), “Aspectos socioeconômicos da Indústria 4.0”,Gestão da Inovação, Empreendedorismo
e Sustentabilidade Empresarial (IMECS 2016), Vysokáškola ekonomická v Praze,págs. 731-741.
Van de Ven, A., Ganco, M. e Hinings, C. (2013), “Retornando à fronteira da teoria da contingência de
desenhos organizacionais e institucionais”,Anais da Academia de Administração,Vol. 7 No. 1, pp. 393-440. 883
Van Dun, DH e Wilderom, CPM (2012), “Dinâmica humana e facilitadores de uma equipe lean eficaz
culturas e climas”, em Hodgkinson, G. e Ford, J. (Eds),Revisão Internacional de Psicologia
Industrial e Organizacional,John Wiley and Sons, Chichester, pp. 115-152.
Van Dun, DH e Wilderom, CPM (2016), “Eficácia da equipe enxuta através dos valores do líder e
informação dos membros”,International Journal of Operations & Production Management,Vol. 36 No. 11,
pp. 1530-1550.

Walker, HL, Radnor, Z., Chicksand, D. e Watson, G. (2015), “Perspectivas teóricas em operações
gestão: uma análise da literatura”,International Journal of Operations & Production
Management,Vol. 35 No. 8, pp. 1182-1206.
Wan, J., Cai, H. e Zhou, K. (2015), “Indústria 4.0: tecnologias facilitadoras”,Processos de Inteligente
Computação e Internet das Coisas (ICIT), 2014 International Conference on IEEE, janeiro, págs.
135-140.
Womack, J. e Jones, D. (2003),Pensamento Lean: Elimine o Desperdício e Crie Riqueza em sua Corporação,
Simon & Schuster, Nova York, NY.
Xu, L., Xu, E. e Li, L. (2018), “Indústria 4.0: estado da arte e tendências futuras”,Jornal Internacional de
Pesquisa de Produção,Vol. 56 No. 8, pp. 2941-2962.
Zawadzki, P. eŻywicki, K. (2016), “Design de produto inteligente e controle de produção para massa efetiva
customização no conceito da Indústria 4.0”,Revisão de Engenharia de Gestão e Produção, Vol. 7
No. 3, pp. 105-112.
Zühlke, D. (2010), “Fábrica inteligente: rumo a uma fábrica-de-coisas”,Revisões Anuais no Controle,Vol. 34 Nº 1,
págs. 129-138.
IJOPM Apêndice. Pesquisa aplicada
39,6/7/8

884
Indústria 4.0
adoção

885
IJOPM
39,6/7/8

886

autor correspondente
Guilherme Luz Tortorella pode ser contatado em: gtortorella@bol.com.br

Para obter instruções sobre como solicitar reimpressões deste artigo, visite nosso site:
www.emeraldgrouppublishing.com/licensing/reprints.htm Ou entre em contato conosco
para mais detalhes:permissions@emeraldinsight.com