1

Emerson Lima Oliveira

Wilder Rayberg Penagorte Rego

INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria

Santárem

2023
 2

Emerson Lima Oliveira

Wilder Rayberg Penagorte Rego

INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria

Trabalho de Conclusão de Curso

apresentado ao Curso Técnico de
Mecânica industrial da instituição
Senai, como requisito parcial para
obtenção do título de Técnico em
Mecânica industrial.

Orientador: Lerinaldo Ferreira da Silva

Santarém

2023
 2

Emerson Lima Oliveira

Wilder Rayberg Penagorte Rego

INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria

Trabalho de Conclusão de Curso

apresentado ao Curso Técnico de
Mecânica industrial da instituição
Senai, como requisito parcial para
obtenção do título de Técnico em
Mecânica industrial.

Orientador: Lerinaldo Ferreira da Silva

_________________________________________________

Lerinaldo Ferreira da Silva - (Orientador)

Santarém, 31 de março de 2023

 2

RESUMO

No atual contexto econômico marcado pela globalização acirrada e mercados cada

vez mais exigentes, as indústrias são impulsionadas a melhorar o desempenho e a
eficiência de suas linhas de produção para fortalecer sua competitividade e
satisfazer seus clientes. Conectividade, dados, novos dispositivos, redução de
estoque, customização e produção controlada deram origem ao que se chama de
Indústria 4.0, que hoje parece imparável. Isso implica a necessidade de aplicar
técnicas de automação para integrar todas as novas tecnologias que posteriormente
aumentarão a produtividade. Essa abordagem inovadora leva as empresas a
enfrentar os desafios de um ambiente muito mais dinâmico. Nesse sentido, as
empresas conseguem maximizar a vida útil de seus equipamentos, evitando paradas
não planejadas e minimizando o consumo de energia e os custos por meio da
aplicação de manutenção preditiva. A manutenção preditiva tornou-se uma
abordagem promissora, fornecendo soluções para a vida útil remanescente dos
equipamentos por meio da previsão de dados coletados por vários sensores nos
equipamentos. Atingiu importância crítica para as indústrias devido à crescente
complexidade das interações entre diferentes atividades de produção em
ecossistemas de manufatura cada vez maiores. 

Palavras Chaves: Mercado, Preditivo, Manutenção.

 ABSTRACT

In the current economic context marked by fierce globalization and increasingly

demanding markets, driven companies are driven to improve the performance
and efficiency of their production lines to strengthen their competitiveness and
experience their customers. Connectivity, data, new devices, inventory reduction,
customization and controlled production gave rise to what is called Industry 4.0,
which today seems unstoppable. This implies the need to apply automation tech -
niques to integrate all the new technologies that will later increase productivity.
This innovative approach leads companies to face the challenges of a much
more dynamic environment. In this sense, companies are able to maximize the
useful life of their equipment, avoiding non-interactive stops and minimizing en -
ergy consumption and costs through the application of predictive maintenance.
Predictive maintenance has become a promising approach, providing solutions
for the remaining useful life of equipment by predicting data collected by various
sensors on equipment. It has reached critical importance for factories due to the
increasing complexity of emotions between different production activities in ever-
growing manufacturing ecosystems.

Keywords: Markets, Predictive, Maintenance.

 SUMÁRIO

1 INTRODUÇÃO.................................................................................................6
1.1 Justificativa........................................................................................................7
1.3 Objetivo geral....................................................................................................7
1.4 Objetivo específico...........................................................................................7
1.5 Problematização...............................................................................................8
3. INDÚSTRIA 4.0...................................................................................................8
3.1 Breve resumo da indústria 4.0.........................................................................8
3.2 Evolução da Manutenção Industrial................................................................10
3.3 Manutenção preditiva.....................................................................................11
4. COLETA DE DADOS.......................................................................................12
4.1 Problematização.............................................................................................12
4.2 Limites financeiros e organizacionais.............................................................13
4.3 Limites na Implantação de Modelos de Manutenção Preditiva Industrial......13
5. FLUXO DE TRABALHO DE MANUTENÇÃO PREDITIVA.............................14
5. CONCLUSÃO...................................................................................................20
6. REFERÊNCIAS................................................................................................21
 1 INTRODUÇÃO

No atual contexto econômico marcado pela globalização acirrada e

mercados cada vez mais exigentes, as indústrias são impulsionadas a melhorar o
desempenho e a eficiência de suas linhas de produção para fortalecer sua
competitividade e satisfazer seus clientes. Conectividade, dados, novos dispositivos,
redução de estoque, customização e produção controlada deram origem ao que se
chama de Indústria 4.0, que hoje parece imparável. Isso implica a necessidade de
aplicar técnicas de automação para integrar todas as novas tecnologias que
posteriormente aumentarão a produtividade.
Este artigo tem como objetivo apresentar uma revisão bibliográfica dos
métodos e ferramentas utilizados na manutenção inteligente para oferecer uma
referência acadêmica e técnica apresentando desafios e oportunidades neste
campo. Com este objetivo, o artigo está dividido em tópicos e subtópicos,
começando com uma introdução  e explorando o conceito de Indústria 4.0 como a
mais recente tecnologia para evoluir os domínios industriais, considerando os
desafios humanos e de segurança, a qual ilustra a evolução da manutenção interna
ao longo dos anos e foca na manutenção preditiva, seu hardware e ferramentas. 
Figura 1 - Tamanho do mercado de Manutenção 4.0 e a receita estipulada
para os próximos anos

Fonte: Unicamp, 2018.

6
 Nos demais tópicos, será apresentado os desafios enfrentados ao aplicar
esta manutenção inteligente enquanto revela seu fluxo de trabalho, buscando o foco
nos modelos utilizados na aplicação da Manutenção Preditiva 4.0.

1.1 Justificativa
Como resultado do crescente aumento da competitividade, há um maior
enfoque nas áreas estratégicas da produção, como a manutenção. Essa, precisa
estar voltada para os resultados empresariais da organização, seu objetivo não pode
ser simplesmente reparar o equipamento ou instalação, mas sim manter sua função
disponível para operação, reduzindo ao máximo a probabilidade de uma parada de
produção não planejada (KARDEC e NASCIF, 2009).
Infelizmente, a manutenção na maioria das empresas, principalmente nas
pequenas, ainda não segue essa lógica, o que acontece é que ela simplesmente
tem o papel de resolver de imediatismo, ou seja, apenas reparar o que quebrou,
sem a preocupação de realmente se fazer ajustes e análises periódicas, que
contribuiriam para constante otimização do maquinário.
Desta maneira, este trabalho pode auxiliar de como pode ser visualizada uma
manutenção preditiva na indústria 4.0.

1.3 Objetivo geral

Demonstrar que a manutenção preditiva na indústria 4.0 pode ser benéfica

para as empresas modernas.

1.4 Objetivo específico

 Propor um modelo de planejamento e controle da manutenção;

 Relatar as etapas de implantação do modelo;
 Descrever o modelo e demonstrar os resultados obtidos.

7
1.5 Problematização

O objetivo deste trabalho é realizar um estudo teórico acerca das concepções

de manutenção, conhecendo suas diferenças, vantagens e desvantagens, e
demonstrar um dos modelos de planejamento e controle da manutenção.
A metodologia de pesquisa adotada neste trabalho é pesquisa bibliográfica.
Através de uma busca qualitativa, foi desenvolvido um artigo com pesquisas em
campo, documental, e entrevista não estruturada ou informal.

3. INDÚSTRIA 4.0

3.1 Breve resumo da indústria 4.0

Quando os computadores foram introduzidos na Indústria 3.0, a adição de

toda uma nova tecnologia teve um efeito disruptivo. Hoje e no futuro, na Indústria
4.0, computadores e equipamentos industriais estão conectados e se comunicam
entre si para tomar decisões sem intervenção humana. A combinação de sistemas
ciberfísicos, a Internet das Coisas (IoT) e a Internet dos Sistemas tornam a Indústria
4.0 possível e a fábrica inteligente uma realidade (EVANS, 2011).
Ao oferecer suporte a máquinas inteligentes que se tornam mais inteligentes
à medida que mais dados são acessados, as fábricas se tornarão mais eficientes e
produtivas e produzirão menos resíduos. Em última análise, é a rede dessas
máquinas que estão conectadas digitalmente e criam e compartilham informações
que dão o verdadeiro poder da Indústria 4.0.
A Indústria 4.0 está revolucionando a forma como as empresas fabricam,
melhoram e distribuem seus produtos. Ele transformou radicalmente o mundo
industrial e de manufatura ao permitir a intercomunicação entre equipamentos por
meio da Internet das Coisas, Big Data, inteligência computacional e sistemas de
tomada de decisão. De fato, essa tecnologia digital permitirá que as empresas
reajam mais rapidamente às mudanças do mercado, ofereçam produtos mais
8
personalizados e aumentem a eficiência operacional graças ao Big Data informado
que ajuda a produzir bens de maneira mais eficiente e produtiva ao longo da cadeia
de valor. Eles fornecem detalhes em tempo real sobre o status das máquinas, como
localização de vazamentos e velocidade de operação. Essa tecnologia possibilita a
implantação de indústrias inteligentes, pois reproduz as informações recebidas em
tempo real em toda a cadeia produtiva e de abastecimento. 
De acordo com Estévez, 2016, para se beneficiar dessas melhorias, vários
componentes, como sistemas de Internet das Coisas Industrial (IoT) e sistemas de
rede física, são essenciais para a coleta, processamento e armazenamento de
dados. Para obter as vantagens e alcançar uma fábrica eficiente, o modelo da
Indústria 4.0 propõe o uso de tecnologias multidisciplinares. Embora alguns deles
tenham sido estudados por muito tempo, eles ainda não estão maduros para
implantação industrial em massa. Na verdade, os dispositivos da Indústria 4.0
podem se comunicar automaticamente entre si, permitindo que eles se coordenem
entre si e com outros sistemas remotos pela Internet. A figura 2 fornece uma visão
geral dos componentes da Indústria 4.0.

Figura 2 - Componentes das tecnologias da Indústria 4.0 no contexto da manufatura

inteligente

Fonte: Tecnicon, 2022.

9
 A aplicação dos componentes desta quarta revolução industrial traz consigo
uma estratégia de manutenção que procura prolongar a vida útil dos equipamentos e
reduzir os custos graças à comunicação contínua e instantânea entre diferentes
máquinas/equipamentos quer na produção quer na cadeia de abastecimento. Um
dos pilares desta última indústria é a manutenção preditiva, que procura aplicar as
tecnologias mais recentes para alterar os cenários e evitar qualquer tipo de avaria ou
anomalia através da previsão, redução de custos e redução de tempos de paragem.
Em relação ao entendimento básico apresentado sobre a quarta revolução
industrial e alguns dos fatores que a caracterizam, é importante investigar as razões
dos desafios de segurança que impedem a Indústria 4.0 e o aspecto humano da
Indústria 4.0.

3.2 Evolução da Manutenção Industrial

O conceito de Indústria 4.0 leva a uma fábrica conectada orientada por
dados. Com base nesse conceito, a tendência dominante na manutenção é afastar-
se da custosa manutenção reativa para a manutenção preventiva e preditiva,
chamada também de manutenção inteligente. Ao longo das revoluções industriais,
como mostra a figura 3, as estratégias de manutenção sofreram uma evolução
gradual e atualmente é um processo contínuo .
De fato, a filosofia de manutenção reativa ou corretiva é mais comum em
fábricas com falta de pessoal e incapazes de reter pessoal de manutenção
qualificado. As indústrias lutam há anos para abandonar essa filosofia de
manutenção porque é cara e geralmente resulta em paradas não planejadas
significativas e aumento de custos . A manutenção preventiva é um conjunto de
ações que visa prevenir falhas, reduzir o risco de falha e o número e duração de
paradas não programadas, o que implica no prolongamento da vida útil do
equipamento e consiste em intervir em um sistema antes que ocorra uma falha.

10
 Figura 3 - Evolução das atividades e métodos de manutenção

Fonte: Illiot, 2019.

3.3 Manutenção preditiva

De acordo com KARDEC e NASCIF, 2009, a manutenção preditiva é uma
abordagem recente de manutenção preventiva que consiste em melhorar o
desempenho e a eficiência do processo de fabricação, aumentando a vida útil dos
equipamentos e garantindo uma gestão operacional sustentável. Isto implica, por um
lado, uma diminuição do tempo de paragem e do número de paragens
desnecessárias, acompanhada de uma redução dos custos de reparação, ao
oferecer a possibilidade de intervenções através da previsão de avarias. Estratégias
inteligentes de manutenção preditiva estão sendo implementadas por empresas de
manufatura. Essa implementação é feita avaliando a vida útil remanescente dos
elementos responsáveis pela falha e permitindo o monitoramento remoto e em
tempo real das falhas dos equipamentos. Estes últimos precisam de detecção e
diagnóstico para que o equipamento funcione corretamente.
A manutenção preditiva é a forma mais recente de manutenção, oferecendo a
vida útil mais longa e a maior confiabilidade do equipamento apresentada na figura
4, e as soluções mais ecologicamente corretas e econômicas. O método de
manutenção usado para solucionar problemas indo até a fonte é chamado de
manutenção proativa. Este método de manutenção, que é muito eficaz quando
aplicado em conjunto com a manutenção preditiva, está se tornando cada vez mais
popular.
11
 Figura 4 - Diagrama de falha potencial apresentando intervalos de inspeção e
manutenção preditiva

Fonte: Abecom, 2021.

4. COLETA DE DADOS

4.1 Problematização

Embora a adoção da manutenção preditiva em um contexto industrial seja

inevitável, ela é cercada de desafios que dificultam a aplicação e adoção coletiva
dessa abordagem de manutenção inteligente. Apesar da disponibilidade de
algoritmos de manutenção preditiva, as empresas que desejam se beneficiar da
Indústria 4.0 ainda precisam negociar as oportunidades de manutenção preditiva
com as despesas de capital necessárias para adquirir instrumentações, software e
experiência necessários. 
Essa desvantagem é mais importante nos estágios iniciais do
desenvolvimento da manutenção preditiva, quando os dados reais sobre o
comportamento normal e anormal do equipamento são escassos ou escassos e, no
caso de novos sistemas, quando não há experiência com sua operação. Essa
situação pode levar as empresas a investirem mais em soluções de manutenção
12
preditiva. Na lista de desafios encontrados na literatura científica, quatro grupos
podem ser distinguidos e serão considerados, a saber: limites financeiros e
organizacionais, limites de fonte de dados, limites de atividades de reparo de
máquinas e limites na implantação de modelos de manutenção preditiva industrial.

4.2 Limites financeiros e organizacionais

Empresas com fins lucrativos inevitavelmente consideram os custos
esperados de qualquer novo investimento. Esforços de manutenção preditiva, como
instalação de sensores, recuperação de informações, preparação e manutenção de
modelos e atividades de manutenção geram custos para as empresas nas quais os
métodos de manutenção preditiva são introduzidos. Esses custos podem variar
dependendo de múltiplos fatores, como o tipo e complexidade do equipamento e
sensores correspondentes, o custo de consultoria, instalação e extração de
conhecimento, e se a expertise necessária pode ser encontrada interna ou
externamente. Um método para avaliar se a introdução da manutenção preditiva
pode ser benéfica é criar um retorno projetado sobre o investimento (ROI). A
projeção do ROI preditivo deve considerar o valor dos resultados da manutenção
preditiva, o tempo de retorno e os custos descritos. A justificativa financeira para o
uso e aplicabilidade da manutenção preditiva também depende do tamanho e do
tipo de negócio em que ela é introduzida

4.3 Limites na Implantação de Modelos de Manutenção Preditiva Industrial

Pereira (2009), relata que geralmente, existem três etapas desafiadoras após
o desenvolvimento de modelos inteligentes de previsão de falhas: sua integração,
monitoramento e atualização. A integração de modelos na indústria é um desafio,
pois muitas vezes essa tarefa é realizada por uma equipe de tecnologia da
informação (TI) que geralmente está dissociada da equipe de pesquisadores e
desenvolvedores que desenvolveram os modelos de manutenção preditiva. 
Construir tal infraestrutura de TI para manter os pipelines de dados pode ser
trabalhoso e geralmente não é levado em consideração no planejamento do
13
projeto. Já a etapa de monitoramento consiste em garantir que o modelo esteja
atualizado. Para fazer isso, um loop de feedback é adicionado ao modelo para que
os novos dados recebidos sejam entradas de aprendizado. Esse retreinamento
contínuo dos modelos de previsão tem a desvantagem de enfraquecer a
confiabilidade dos resultados. De fato, nem a integridade nem a relevância dos
dados são verificadas na produção, o que permite a introdução de outliers e, assim,
distorce as previsões no longo prazo. Finalmente, quanto à atualização dos
modelos, é necessário evitar o fenômeno de deriva conceitual que afeta os modelos
de aprendizado de máquina. Para atualizar os modelos de previsão, a empresa deve
modificar o código, o modelo e os dados ao mesmo tempo. 
Comparado às atualizações de software empresarial tradicionais, esse ciclo
de melhoria dos modelos de manutenção preditiva é muito mais complexo.
Para atualizar os modelos de previsão, a empresa deve modificar o código, o
modelo e os dados ao mesmo tempo. Comparado às atualizações de software
empresarial tradicionais, esse ciclo de melhoria dos modelos de manutenção
preditiva é muito mais complexo.

5. FLUXO DE TRABALHO DE MANUTENÇÃO PREDITIVA

Para planejar adequadamente um projeto de manutenção preditiva, segue-se
um ciclo de vida contendo cinco (5) etapas essenciais. Essas são as abordagens
para estruturar a solução de problemas que exigem ciência de dados e aprendizado
de máquina.  ilustra o ciclo de vida e o fluxo de trabalho de um projeto de
manutenção preditiva.
Costa (2013) afirma que o foco da metodologia do fluxo de trabalho e
manutenção preditiva, é capacitar os operadores para que conduzam a manutenção
de forma espontânea e trabalhem proativamente para a melhoria das condições
equipamentos, aliando a isso, a capacitação da equipe de manutenção para que
seja polivalente, atuando na busca permanente de economias, seja através de
reprojetos, seja através da eliminação dos obstáculos à produção.

14
 Figura 5 - Fluxo de trabalho da manutenção preditiva

1)
2) Coleta
Entendend
de dados,
oa
compreens
necessidad
ão e
e do
preparação
projeto

3)
5) Tomade
Modelagem
de decisão
dos dados

4) Avaliação
e
implantação

Fonte: Os autores (2023).

De acordo com a figura 5, é evidenciado que existem 5 passos para que o

fluxo de trabalho da manutenção preditiva seja realizado, onde:

 Etapa 1. Entendendo as necessidades do projeto

O primeiro passo consiste em compreender os elementos de negócio e os
problemas do projeto, bem como os constrangimentos a ultrapassar. Nesta etapa, é
necessário entender completamente o sistema e os equipamentos de interesse para
a resolução do projeto, bem como o funcionamento dos equipamentos. Isso implica
a definição das grandezas físicas a serem medidas, a escolha dos sensores e suas
instalações, se necessário. Nesta etapa, também devemos definir uma lista de tipos

15
de falhas que podemos enfrentar.

 Etapa 2. Coleta de dados, compreensão e preparação

Coleta de dados: Os sensores disponíveis no equipamento têm a capacidade
de coletar dados e transferi-los para o banco de dados.
Compreensão: esta fase envolve determinar precisamente quais dados analisar,
identificar a qualidade dos dados disponíveis e relacionar os dados ao seu
significado.
Preparação: Esta subetapa inclui elementos como a seleção de dados
relacionados; integração de dados mesclando conjuntos de dados; limpeza e
gerenciamento de valores ausentes, excluindo valores ausentes ou imputando-os
com dados relacionados; gerenciamento de dados errados excluindo dados
errados; verificar outliers e processá-los; usando engenharia de recursos para
construir novos dados e obter novos recursos de dados existentes; formatar os
dados na estrutura desejada; e removendo colunas e recursos desnecessários. A
preparação dos dados é a etapa que consome mais tempo, respondendo por 70 a
90% do tempo total do projeto, mas é a etapa mais importante em todo o ciclo de
vida.

 Etapa 3. Modelagem de dados:

A modelagem de dados é considerada o coração da análise de dados. O modelo
usa os dados preparados na etapa anterior (preparação de dados) como entrada e
fornece a saída necessária. Esta etapa envolve a escolha do tipo certo de algoritmo,
seja um problema de classificação, um problema de regressão ou um problema de
agrupamento. O teste e a parametrização de diferentes algoritmos escolhidos
constituem um modelo.

 Etapa 4. Avaliação e implantação:

Etapa 4.1—Avaliação do modelo: Em última análise, precisamos avaliar o
modelo medindo a precisão (quão bem o modelo funciona, ou seja, descreve com
precisão os dados) e a relevância (responde à pergunta original que precisa ser

16
respondida). Também precisamos garantir que haja um bom equilíbrio entre
desempenho e generalização, o que significa que o modelo criado não deve ser
tendencioso; deve ser um modelo generalizado.
Etapa 4.2—Implantação do modelo: O modelo avaliado é finalmente
implantado no formato e canal necessários. Esta é a última etapa do ciclo de vida da
manutenção preditiva relacionada aos dados. Cada estágio do ciclo de vida
explicado abaixo deve ser cuidadosamente considerado. Se uma etapa não for bem
executada, afetará a próxima etapa e todo o esforço será desperdiçado. Por
exemplo, se os dados não forem coletados adequadamente, as informações serão
perdidas e um modelo representativo não poderá ser criado. Se os dados não forem
devidamente limpos, o modelo não funcionará corretamente. Se o modelo não for
avaliado corretamente, ele falhará em fornecer uma saída perfeita no mundo
real. Desde a compreensão do projeto até a implantação do modelo, atenção, tempo
e energia adequados devem ser dados a cada etapa.

 Etapa 5. Tomada de decisão

Em geral, o processo de tomada de decisão ajuda os operadores a resolver
problemas, decidindo o melhor caminho a seguir. Usar uma abordagem passo a
passo é uma maneira eficaz de tomar decisões ponderadas e informadas que têm
um impacto positivo nas metas de curto e longo prazo.
Passo 5.1—Identificando a decisão: O primeiro passo para tomar a decisão
certa é reconhecer o problema. Nesta fase, são desenvolvidos vários cenários
possíveis de intervenção com tempos e custos de reparação associados.
Passo 5.2—Ação: Após a identificação dos cenários possíveis, escolhemos
uma alternativa ou combinamos a fim de encontrar aquela que verifique os custos e
atrasos mínimos. Os dias de reparo são planejados após verificação da
disponibilidade de mão de obra e peças de reposição.
Etapa 5.3—Revisão: Esta etapa é importante porque permite avaliar a
eficácia da decisão tomada; o ciclo de vida da manutenção preditiva é repetitivo,
pelo que nos permite melhorar as intervenções futuras.

17
5.1 Exemplo de uma manutenção preditiva em um compressor centrífugo
Nesta seção, um estudo de caso prático baseado em uma abordagem PdM é
apresentado para estimar a vida restante de um compressor centrífugo. Os
compressores são usados em toda a indústria para fornecer ar para oficinas ou
instrumentos, ferramentas pneumáticas, pulverizadores de tinta e equipamentos de
jateamento, defasagem de refrigerantes para ar condicionado e refrigeração,
propulsão de gás em tubulações, etc. Portanto, eles desempenham um papel
fundamental na linha de produção. Isso requer um estudo sobre a vida útil restante
desses equipamentos para prever falhas futuras e evitá-las ao aplicar métodos de
aprendizado de máquina. A figura 6 representa os componentes da abordagem para
uma manutenção preditiva em um compressor.

Figura 6 – Componentes de abordagem para manutenção preditiva em um

compressor

Fonte: Núcleo do conhecimento, 2019.

Costa (2013), propõem uma matriz de avaliação de manutenção preditiva
(PdM) para superar falhas de compressores centrífugos que destacam a ligação
entre a combinação de vários sinais de sensores e a capacidade de detectar,

18
diagnosticar e prever a evolução futura de falhas. Ali implementou um sistema de
redundância com dois compressores adicionais que são usados quando o
compressor principal falha ou está em manutenção programada. 
De um ponto de vista geral, o objetivo é minimizar o número de interrupções
possíveis, daí o sistema de redundância, no qual uma planta investirá com prazer,
em vez de um sistema preditivo não comprovado. No entanto, a aplicação da
manutenção preditiva pode ser uma grande vantagem para a planta, devido aos
diversos benefícios que ela traz.

6. CONCLUSÃO
Este artigo explorou uma revisão da literatura sobre métodos e ferramentas
em manutenção industrial inteligente e prognóstica, abrangendo os principais artigos
sobre manutenção preditiva inteligente. Como resultado, foi possível identificar cada
abordagem proposta como abordando equipamentos específicos de forma que fica
mais difícil compará-la com outras técnicas. Além disso, é possível perceber que a
própria manutenção inteligente surgiu como uma nova ferramenta para o tratamento
dos eventos de manutenção. De fato, após o avanço da Indústria 4.0, a Manutenção
4.0 está se tornando cada vez mais viável e promissora. A prioridade da adoção da
manutenção preditiva inteligente nas rotinas de manutenção dos setores fabris é
reconhecida pelas empresas industriais. 
Em termos de desafios e direções futuras, há várias etapas a serem
consideradas na verificação desse novo desenvolvimento. Geralmente, um projeto
de manutenção preditiva inteligente depende das seguintes atividades: modelagem,
simulação e validação experimental, instrumentação do sistema a ser estudado,
criação de um banco de dados de falhas, processamento e limpeza de dados,
análise dos principais modos de falha, suporte à decisão, antecipação de ataques
cibernéticos e apresentação dos resultados do projeto na forma de HMI (interface
homem-máquina). O trabalho de pesquisa futuro pode levar em consideração essas
etapas em diferentes tipos de equipamentos industriais e validar a tomada de
decisões inteligentes para o planejamento da manutenção industrial.

19
20
6. REFERÊNCIAS
4 exemplos práticos da adoção da Indústria 4.0 nas fábricas. Disponível em:
<https://www.tecnicon.com.br/blog/476-
4_exemplos_praticos_da_adocao_da_Industria_4_0_nas_fabricas>. Acesso em 21
mar. 2023

A Importância da manutenção industrial e seus indicadores. Disponível em:

<https://www.nucleodoconhecimento.com.br/engenharia-de-producao/manutencao-
industrial>. Acesso em: 26 mar. 2023.

COSTA, Mariana de Almeida. Gestão estratégica da Manuenção: uma

oportunidade para melhorar o resultado operacional. 2013. 103f. Trabalho de
Conclusão de Curso (Graduação em Engenharia de Produção). Universidade
Federal de Juiz de Fora, Juiz de Fora, 2013.

ESTÉVEZ, Ricardo. “Lós 9 pilares de la Indústria 4.0”. 2016.Disponível em:<

http://www.ecointeligencia.com/2016/06/9-pilares-indústria-40-1/>. Acesso em: 25
mar. 2023.

EVANS, Dave. “A Internet das Coisas: como a próxima evolução da Internet

está mudando tudo”. 2011.Disponível em :<
http://www.cisco.com/c/dam/global/pt_br/assets/executives/pdf/internet_of_things_iot
_ibsg_0411final.pdf>.Acesso em: 25 mar. 2023.

HISTÓRIA DA MANUTENÇÃO… COMO ASSIM…? | iliot. Disponível em:

<https://iliot.tech/historia-da-manutencao-como-assim/>. Acesso em 22 mar. 2023.

Requisitos para a sobrevivência da indústria. Disponível em:

<https://www.unicamp.br/unicamp/ju/noticias/2018/02/20/requisitos-para-
sobrevivencia-da-industria>. Acesso em: 28 mar. 2023.

PEREIRA, Pedro Miguel de Sá. Planos de Manutenção Preventiva: Manutenção

de Equipamentos Variáveis na BA Vidro, SA. 2009. 89f. Dissertação (Mestrado
Integrado em Engenharia Mecânica) - Faculdade de Engenharia da Universidade do
Porto, Porto, 2009.

WEBMASTER. Plano de manutenção para pequenas e médias empresas em 5

passos. Disponível em: <https://fersiltec.com.br/blog/manutencao-industrial/plano-
de-manutencao-pequenas-medias-empresas/>. Acesso em: 25 mar. 2023.

WWW.SOLLUNE.COM.BR, F. S. S. -. Manutenção preventiva: veja exemplos

dessa técnica e como fazer. Disponível em: <https://www.abecom.com.br/o-que-e-
manutencao-preventiva/>. Acesso em: 24 mar. 2023.

21