Escolar Documentos
Profissional Documentos
Cultura Documentos
PONTA GROSSA
2020
PEDRO HENRIQUE GUALDI SILVA
PONTA GROSSA
2020
Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO
PARANÁ PR
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
por
____________________________________
Prof.ª Dra. Joseane Pontes
Prof. Presidente da banca
____________________________________
Prof. Dr. Luis Mauricio Martins de Resende
Membro titular
____________________________________
Prof.ª Dra. Leozenir Mendes Betim
Membro titular
SILVA, Pedro Henrique Gualdi. The area of Quality under the perspective of
Feigenbaum: the contributions for Industry 4.0. 2020. Work of Conclusion Course
(Bachelor in Industrial Engineering) - Federal University of Technology – Paraná.
Ponta Grossa, 2020.
With Industry 4.0, factories are becoming intelligent, interconnected and capable of
generating, storing and processing huge amounts of data. As in other industrial
revolutions, changes tend to go beyond the factory environment, transforming also
the way in which several other organizational areas carry out their activities. Still, for
highly dynamic and interconnected areas like Quality, being aware of how everything
is changing is a challenge, and can guarantee the achievement of the organization's
objectives. In this sense, this work aims to identify the impacts of Industry 4.0 in the
conceptual perspectives of Quality, according to Feigenbaum (1994). To consolidate
this objective, a systematic review of the literature was carried out, composed of
bibliometric and content analysis, listing the impacts of pillars of Industry 4.0 on
Quality from nine areas of influence. The main result found was the improvement in
the way organizations produce and generate value, highlighting the automation and
automatization of processes, the increase of analytical capacity and efficiency both in
production and in information flow, and in the way which humans interact, manage
and perform their work. The consolidation of the objectives of this work, as well as
the results found, contribute both to the research of this new industrial revolution,
serving as a basis for future studies, as well as to the economy, adding to the
visibility and organizational predictability during times of technological changes.
1 INTRODUÇÃO
1.1 PROBLEMA
1.4 JUSTIFICATIVA
2 REFERENCIAL TEÓRICO
2.1 QUALIDADE
2 Rotas Fixas: linhas de produção são Rotas Dinâmicas: recursos e as rotas que
rígidas, reconfiguradas apenas os conectam devem ser reconfigurados de
manualmente por pessoas especializadas. acordo com o tipo de produto produzido.
Lasi et al. (2014) dizem que CPS é caracterizado por atividades autônomas
independentes da localização, serviços automatizados, integração disseminada e
pela capacidade de reagir especificamente ao contexto dos requisitos e
necessidades do cliente.
Na concepção de Wang, Y. et al. (2017), a implementação do CPS tem
passado por três fases: (1) inclusão de identificadores de rádio frequência (RFID),
definidas por Khan et al. (2017) como sendo tecnologias constituídas por tags (cada
tag possui um número de identificação único) e leitores, os quais identificam objetos
por meio da leitura das tags; (2) uso de sensores e atuadores capazes de realizar
funções determinadas; (3) RFID, sensores e atuadores são conectados com a rede
e capazes de armazenar e analisar dados gerados.
28
alcançada na Indústria 4.0 (CHEN et al., 2017). Segundo Khan et al. (2017), outras
oportunidades e aplicações do Big Data na perspectiva da indústria 4.0 se
apresentam nas áreas de:
Inteligência nos negócios, com a obtenção de conhecimentos úteis para a
elaboração de planos e estratégias organizacionais;
Khan et al. (2017) diz ainda que tanto o processo de coleta de dados, quanto
os de processamento, transporte, integração, transformação, armazenamento,
computação e extração de conhecimento do Big Data se mostram como desafios
para as ferramentas de análises dessa tecnologia, as quais carecem de
aperfeiçoamentos quanto a velocidade, espaço e automação.
(HAMZEH; ZHONG; X. W. XU, 2018). Sung (2017) ressalta que as empresas têm
sido recomendadas a terem um comportamento sério a respeito de futuras iniciativas
no assunto, uma vez que os modelos tradicionais de produção se mostram
incompatíveis com as tecnologias emergentes no novo ambiente da Indústria 4.0, e
cita outros problemas a serem observados, como:
Confiabilidade e estabilidade necessária para a comunicação crítica entre
máquinas (machine-to-machine – M2M);
Necessidade de manter a integridade dos processos produtivos;
Empecilhos relacionados á área de Tecnologia da Informação (TI);
Proteção do conhecimento industrial;
Possível redundância de departamentos de TI;
Relutância por parte dos acionistas;
Redução de postos de trabalho, principalmente de menor nível técnico, os
quais tendem a ser substituídos por processos automatizados, ou
semiautomatizados.
dados em excesso não garante que as melhores decisões serão tomadas pela
pessoa informada.
Oesterreich e Teuteberg (2016) concluíram também que as tecnologias da
Indústria 4.0 estão em níveis de maturidade diferentes quanto ao estado da arte.
Enquanto que tecnologias como a computação em nuvem e aos componentes
modulares estão atingindo o mercado, a manufatura aditiva e instrumentos de
realidade virtual, aumentada e mista ainda se encontram em estágio de
prototipagem.
A evolução e o desenvolvimento de novas tecnologias, portanto, reflete não
apenas as crescentes demandas dos consumidores, como também o esforço
humano em prol de melhores meios de se gerar valor, com produtos e serviços de
melhor qualidade. Dessa forma, as consequências práticas para a qualidade vindas
dos pilares tecnológicos dessa nova revolução industrial impactam muito mais do
que o produto de uma organização em si, abrangendo todo o processo operacional e
gerencial por detrás.
3 METODOLOGIA
Para que a classificação dos artigos de acordo com sua relevância científica
possa ser feita, essa equação leva em consideração três critérios: o ano da
publicação do documento, o número de vezes em que foi citado (NC), e seu fator de
impacto (FI). Podendo variar de 1 a 10, o valor de alpha (α) é atribuído pelo próprio
pesquisador, e assumirá valor 10 nessa pesquisa. A Figura 7 apresenta o
fluxograma das atividades propostas pela metodologia.
Assim, 317 artigos foram obtidos a partir da busca definitiva, sendo 108
provenientes da ScienceDirect e 209 da Scopus. Esse total, entretanto, pode ser
constituído também por textos duplicados. Dessa forma, uma verificação e remoção
de duplicatas se fazem necessárias, as quais serão realizadas na seção seguinte.
quantidade de artigos de 317 para 213, resultando no primeiro portfólio que será
utilizado na primeira parte da análise dos resultados, a Análise Bibliométrica.
Em seguida, esse portfólio é submetido a um segundo processo de filtragem.
Desta vez, são eliminados os artigos os quais não contenham em seu título, ou em
suas palavras-chave os termos ”Indústria 4.0” e “qualidade”, e aqueles cujo resumo
não se mostra compatível com o tema de estudo. Concluída essa etapa, o número
de citações e o fator de impacto dos artigos são levantados para que o InOrdinatio
dos artigos possa ser calculado. Quanto ao fator de impacto, apesar da preferência
pelo JCR, o fator de impacto adotado será o CiteScore, por ser o mais provável de
ser encontrado entre todos os artigos do portfólio, uma vez que uma busca
preliminar mostrou que diversos artigos não apresentavam JCR, apenas CiteScore.
Os artigos melhores classificados por meio do Methodi Ordinatio são
considerados mais relevantes para a pesquisa, compondo então o segundo portfólio
que será utilizado na segunda parte da análise dos resultados, a Análise de
Conteúdo. A fim de conciliar os objetivos do trabalho com os recursos disponíveis
para a execução do mesmo, decidiu-se por selecionar os artigos com InOrdinatio
igual ou superior a 102. Filtrando, assim, uma quantidade capaz de ser analisada
dos melhores artigos sobre Indústria 4.0 e qualidade, como pode ser observado no
Gráfico 1.
PORTFÓLIO DE ARTIGOS
Análise Análise
TOTAL
Bibliométrica de Conteúdo
- 2ª Filtragem
317 - Duplicatas 213 23
- InOrdinatio ≥ 102
4 RESULTADOS
4.1.3 Periódicos
Reino
4.68 Computers & Industrial Engineering 6
Unido
Estados
4.96 IEEE Access 5
Unidos
0.49 Quality - Access to Success Romênia 5
Estados
10.7 Manufacturing Letters 4
Unidos
Reino
5.9 Robotics and Computer-Integrated Manufacturing 4
Unido
Fonte: Dados de Pesquisa.
4.1.4 Autores
4.1.5 Palavras-chave
pelas transformações da Indústria 4.0, em que sentido ela está mudando mais e
onde estão os maiores problemas até agora.
Nas subseções seguintes, os resultados dessa análise serão discutidos de
acordo com cada área da qualidade: Mercado, Dinheiro, Gestão, Homens,
Motivação, Materiais, Máquinas e Mecanização, Métodos de Informação e
Exigências na Montagem.
4.2.1 Mercados
A critical
“Isso pode, não apenas, permitir processos
investigation of
de fabricação inteligentes e dinâmicos, mas
Industry 4.0 in Fatorachian, H.;
Internet das também pode criar uma logística inteligente
manufacturing: Kazemi, H. p. 4.
Coisas e auto organizada que pode prever e reagir
theoretical (2018)
a mudanças imprevistas em toda a cadeia
operationalization
de suprimentos.”
framework
4.2.2 Dinheiro
The role of
“Em termos mais gerais, com a
Information and
intensificação e implantação futura da IoT,
Communication Aceto, G.;
espera-se que redes sem fio consumam
Technologies in Persico, V.;
uma quantidade crescente de energia para
healthcare: Pescapé, A. p.
atender ao desempenho desejado em
taxonomies, 18. (2018)
termos de qualidade de serviço e qualidade
perspectives, and
de experiência.”
challenges
“Assim, um grande número de sensores
desempenha papéis importantes em um
CPS. Por exemplo, vários dispositivos
Intelligent
Zhong, R.Y.; Xu, sensoriais são amplamente usados no CPS
Sistemas Manufacturing in
X.; Klotz, E.; para alcançar diferentes propósitos, como
Ciber- the Context of
Newman, S.T. p. telas sensíveis ao toque, sensores de luz e
Físicos Industry 4.0: A
620. (2017) sensores de força. No entanto, integrar
Review
vários subsistemas diferentes é demorado e
caro, e todo o sistema deve ser mantido
operacional e funcional.”
The role of
“Big data está a rindo caminho para o
Information and
atendimento personalizado da saúde, tanto
Communication Aceto, G.;
a nível individual como populacional.
Technologies in Persico, V.;
Big Data Implementando esta abordagem, leva a
healthcare: Pescapé, A. p.
reduzir os custos relacionados à saúde
taxonomies, 30. (2018)
como big data é útil para detectar fraudes,
perspectives, and
a uso, desperdício, e erros.”
challenges
“Especificamente, no contexto das
economias em desenvolvimento, como o
Implementation of
Brasil, a Confederação Nacional da Indústria
Todas as industry 4.0 and
Tortorella, G.L.; (2016) realizou uma pesquisa para
tecnologias lean production in
Fettermann, D. p. identificar os desafios para implementar as
da Indústria Brazilian
3. (2018) tecnologias da Indústria 4.0. Os altos custos
4.0. manufacturing
de implementação foram apontados como a
companies
principal barreira interna para avançar na
Indústria 4.0.”
4.2.3 Gestão
4.2.4 Homens
4.2.5 Motivação
4.2.6 Materiais
A área de materiais foi a única a não apresentar impactos dentro dos textos
analisados. Uma explicação possível para esse resultado pode ser a natureza dos
pilares da Indústria 4.0. Sistemas Ciber-Físicos, Internet das Coisas, Big Data e
Computação em Nuvem estão inseridos basicamente no domínio digital, não
apresentando até o momento maiores relações com as especificidades e usabilidade
de materiais. Principalmente se comparado com a capacidade de máquinas,
atuadores e sensores de percepção, captação e compartilhamento de dados, onde
essa revolução vem apresentando maiores impactos. Entretanto, para tecnologias
relacionadas à impressão 3D, um dos pilares que ainda se encontram em estágio de
desenvolvimento da Indústria 4.0, o desenvolvimento de novos materiais apresenta
potencial para trazer mudanças promissoras à área de materiais.
A fog computing
based cyber- Fernández- “Graças ao CPS proposto neste artigo, a
physical system Caramés, T.M.; grande maioria das informações pode ser
Sistemas
for the automation Fraga-Lamas, P.; armazenada e modificada através de
Ciber-
of pipe-related Suárez-Albela, dispositivos digitais, removendo a maioria
Físicos
tasks in the M.; Díaz-Bouza, dos gargalos e erros relacionados aos
industry 4.0 M.A. p. 4. (2018) preenchimentos e envios manuais.”
shipyard
“As soluções em nuvem têm sido
The role of
amplamente adotadas tanto para melhorar
Information and
quanto simplificar o design, o
Communication Aceto, G.;
desenvolvimento, e a implantação de vários
Computação Technologies in Persico, V.;
sistemas de informação temáticos,
em Nuvem healthcare: Pescapé, A. p.
projetados para coletar, processar e
taxonomies, 30. (2018)
compartilhar dados médicos como registros
perspectives, and
clínicos, informações administrativas gerais
challenges
de hospitais, ou imagens.”
Por meio dos impactos identificados, pode-se afirmar que essa revolução
industrial está melhorando a forma como as organizações produzem e geram valor.
Dentre as melhorias, destacaram-se a automação e automatização de processos,
aumento da capacidade analítica e de eficiência tanto produtiva, quanto no fluxo de
informações, e na maneira como o ser humano interage, gerencia e desempenha
seu trabalho. Por outro lado, alguns impactos se mostraram como desafios a serem
enfrentados, como a necessidade de integração cada vez mais abrangente, a
dependência de uma infraestrutura de rede de dados compatível, que seja também
estável e segura, e o gargalo atualmente existente em relação à padronização de
tecnologias e à qualificação profissional.
70
5 CONCLUSÃO
REFERÊNCIAS
BAENA, F.; GUARIN, A.; MORA, J.; SAUZA, J.; RETAT, S. Learning Factory: The
Path to Industry 4.0. Procedia Manufacturing, v. 9, p. 73–80. 2017.
CHEN, B.; WAN, J.; SHU, L.; LI, P.; MUKHERJEE, M.; YIN, B. Smart Factory of
Industry 4.0: Key Technologies, Application Case, and Challenges. IEEE Access, v.
6, p. 6505–6519. 2017.
74
RÜßMANN, M.; LORENZ, M.; GERBERT, P.; WALDNER, M.; JUSTUS, J.; ENGEL,
P.; HARNISCH, M. Industry 4.0-The Future of Productivity and Growth in
Manufacturing Industries. The Boston Consulting Group. 2015.
GIL, A. C. Métodos e técnicas de pesquisa social. 6ª Ed. São Paulo. Atlas. 2008.
75
HAMZEH, R.; ZHONG, R.; XU, X. W. A Survey Study on Industry 4.0 for New
Zealand Manufacturing. v. 26, p. 49–57. 2018.
HERMANN, M.; PENTEK, T.; OTTO, B. Design principles for industrie 4.0
scenarios. 2016.
HOFMANN, E.; RÜSCH, M. Industry 4.0 and the current status as well as future
prospects on logistics. Computers in Industry, v. 89, p. 23–34. 2017.
KHAN, M.; WU, X.; XU, X.; DOU, W. Big data challenges and opportunities in the
hype of Industry 4.0. 2017.
LASI, H.; FETTKE, P.; KEMPER, H.-G.; FELD, T.; HOFFMANN, M. Industry 4.0.
Business and Information Systems Engineering, v.6(4), p. 239–242. 2014.
LI, X., LI, D.; WAN, J.; VASILAKOS, A.V., LAI, C.-F.; WANG, S. A review of
industrial wireless networks in the context of Industry 4.0. Wireless Networks,
vol. 23, p. 23-41. 2017.
76
ROBLEK, V.; MEŠKO, M.; KRAPEŽ, A. A Complex View of Industry 4.0. SAGE
Open, v. 6(2). 2016.
TJAHJONO, B.; ESPLUGUES, C.; ARES, E.; PELAEZ, G. What does Industry 4.0
mean to Supply Chain? Procedia Manufacturing, v. 13, p. 1175–1182. 2017.
WANG, S.; WAN, J.; LI, D.; ZHANG, C. Implementing Smart Factory of Industrie
4.0: An Outlook. International Journal of Distributed Sensor Networks. 2016.
WANG, Y.; MA, H. S.; YANG, J. H.; WANG, K. S. Industry 4.0: a way from mass
customization to mass personalization production. Advances in Manufacturing, v.
5(4), p. 311–320. 2017.
78
YUE, X.; CAI, H.; YAN, H.; ZOU, C.; ZHOU, K. Cloud-assisted industrial cyber-
physical systems: An insight. Microprocessors and Microsystems, vol. 39, p. 1262-
1270. 2015.
ZAWADZKI, P.; ZYWICKI, K. Smart product design and production control for
effective mass customization in the industry 4.0 concept. Management and
Production Engineering Review, v. 7(3), p. 105–112. 2016.
ZHONG, R.Y.; XU, X.; KLOTZ, E.; NEWMAN, S.T. Intelligent Manufacturing in the
Context of Industry 4.0: A Review. Engineering, vol. 3, p. 616-630. 2017.
9 FATORES DA QUALIDADE
Máquinas e Métodos de Exigências na
Mercados Dinheiro Gestão Homens Motivação Materiais
Mecanização Informação Montagem
IOT CLOUD CLOUD CPS CPS CPS IOT CPS
TEXTO 7 TEXTO 12 TEXTO 59 TEXTO 15 TEXTO 15 TEXTO 15 TEXTO 7 TEXTO 13
CLOUD IOT * BIG DATA I 4.0 BIG DATA CPS CPS CPS
TEXTO 59 TEXTO 26 TEXTO 91 TEXTO 102 TEXTO 91 TEXTO 13 TEXTO 13 TEXTO 15
I 4.0 CLOUD I 4.0 I 4.0 CLOUD BIG DATA IOT
TEXTO 149 TEXTO 59 TEXTO 102 TEXTO 209 TEXTO 59 TEXTO 91 TEXTO 26
I 4.0 CLOUD BIG DATA CLOUD
TEXTO 102 TEXTO 112 TEXTO 112 TEXTO 59
CPS I 4.0 BIG DATA CLOUD
TEXTO 112 TEXTO 178 Pedro Henrique Silva: TEXTO 165 TEXTO 196
CLOUD BIG DATA Análises de big data pode efetivamente reduzir as IOT BIG DATA
TEXTO 196 TEXTO 196 preocupações com a saúde, como a seleção de TEXTO 178 TEXTO 196
BIG DATA I 4.0 vias de tratamento adequadas e melhoria dos sistemas IOT I 4.0
de saúde. Mais em geral, tecnologias de big data
TEXTO 196 TEXTO 209 reduzirão o desperdício e a ineficiência em operações TEXTO 196 TEXTO 209
IOT clínicas, saúde pública, pesquisa e desenvolvimento. CLOUD
TEXTO 196 TEXTO 196
80
Textos
Título Autor
Analisados
A critical investigation of Industry 4.0 in manufacturing: theoretical operationalization
7 Fatorachian, H.; Kazemi, H. (2018)
framework
Fernández-Caramés, T.M.; Fraga-Lamas, P.;
12 A fog computing and cloudlet based augmented reality system for the industry 4.0 shipyard
Suárez-Albela, M.; Vilar-Montesinos, M. (2018)
A fog computing based cyber-physical system for the automation of pipe-related tasks in the Fernández-Caramés, T.M.; Fraga-Lamas, P.;
13
industry 4.0 shipyard Suárez-Albela, M.; Díaz-Bouza, M.A. (2018)
15 A framework to design a human-centred adaptive manufacturing system for aging workers Peruzzini, M.; Pellicciari, M. (2017)
Li, X.; Li, D.; Wan, J.; Vasilakos, A.V.; Lai, C.-
26 A review of industrial wireless networks in the context of Industry 4.0
F.; Wang, S. (2017)
57
59 Reshoring and industry 4.0: How often do they go together? Ancarani, A.; Di Mauro, C. (2018)
64
69
82
How data will transform industrial processes: Crowdsensing, crowdsourcing and big data as
91 Pilloni, V. (2018)
pillars of industry 4.0
96
102 Implementation of industry 4.0 and lean production in brazilian manufacturing companies Tortorella, G.L.; Fettermann, D. (2018)
129
144
145
Procedure for Defining the System of Objectives in the Initial Phase of an Industry 4.0 Project Albers, A.; Gladysz, B.; Pinner, T.; Butenko, V.;
149
Focusing on Intelligent Quality Control Systems Stürmlinger, T. (2016)
165 Sensors 4.0 - Smart sensors and measurement technology enable Industry 4.0 Schütze, A.; Helwig, N.; Schneider, T. (2018)
Sustainable Industry 4.0 framework: A systematic literature review identifying the current Kamble, S.S.; Gunasekaran, A.; Gawankar, S.A.
178 trends and future perspectives (2018)
The role of Information and Communication Technologies in healthcare: taxonomies,
196 Aceto, G.; Persico, V.; Pescapé, A. (2018)
perspectives, and challenges
208
Understanding the implications of digitisation and automation in the context of Industry 4.0: A
209 triangulation approach and elements of a research agenda for the construction industry
Oesterreich, T.D.; Teuteberg, F. (2016)