UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO

CURSO DE GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

PEDRO HENRIQUE GUALDI SILVA

ÁREA DA QUALIDADE SOB A PERSPECTIVA DE FEIGENBAUM: AS

CONTRIBUIÇÕES PARA A INDÚSTRIA 4.0

TRABALHO DE CONCLUSÃO DE CURSO

PONTA GROSSA
2020
 PEDRO HENRIQUE GUALDI SILVA

ÁREA DA QUALIDADE SOB A PERSPECTIVA DE FEIGENBAUM: AS

CONTRIBUIÇÕES PARA A INDÚSTRIA 4.0

Trabalho de Conclusão de Curso ou

apresentado como requisito parcial à
obtenção do título de Bacharel em
Engenharia de Produção, do
Departamento de Engenharia de
Produção da Universidade Tecnológica
Federal do Paraná.

Orientador: Prof.ª Dra. Joseane Pontes

PONTA GROSSA
2020
 Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO
PARANÁ PR
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

CÂMPUS PONTA GROSSA

Departamento Acadêmico de Engenharia de Produção

TERMO DE APROVAÇÃO DE TCC

ÁREA DA QUALIDADE SOB A PERSPECTIVA DE FEIGENBAUM: AS

CONTRIBUIÇÕES PARA A INDÚSTRIA 4.0

por

Pedro Henrique Gualdi Silva

Este Trabalho de Conclusão de Curso (TCC) foi apresentado em 4 de Dezembro de

2020 como requisito parcial para a obtenção do título de Bacharel em Engenharia de
Produção. O candidato foi arguido pela Banca Examinadora composta pelos professores
abaixo assinados. Após deliberação, a Banca Examinadora considerou o trabalho
aprovado.

____________________________________
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

“A folha de aprovação assinada encontra-se na coordenação do curso”.

 RESUMO

SILVA, Pedro Henrique Gualdi. Área da Qualidade sob a perspectiva de

Feigenbaum: as contribuições para a Indústria 4.0. 2020. Trabalho de Conclusão de
Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica
Federal do Paraná. Ponta Grossa, 2020.

Com a Indústria 4.0, fábricas estão se tornando inteligentes, interconectadas

e capazes de gerar, armazenar e processar gigantescas quantidades de dados.
Assim como nas outras revoluções industriais, as mudanças tendem a ir além do
ambiente fabril, transformando também a forma como diversas outras áreas
organizacionais realizam suas atividades. Ainda assim, para áreas altamente
dinâmicas e interconectadas como a Qualidade, ter consciência de como tudo está
mudando é um desafio, e pode garantir o alcance dos objetivos da organização.
Nesse sentido, este trabalho tem como objetivo identificar os impactos da Indústria
4.0 nas perspectivas conceituais da Qualidade, segundo Feigenbaum (1994). Para
consolidação deste objetivo, foi realizada uma revisão sistemática de literatura
composta por análise i liom trica e de conteúdo, elencando-se os impactos dos
pilares da Indústria 4.0 para Qualidade a partir de nove áreas de influência. O
principal resultado encontrado foram as melhorias na forma como as organizações
produzem e geram valor, destacando-se a automação e automatização de
processos, o 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. A consolidação dos objetivos deste trabalho, bem como
dos resultados encontrados, contribuem tanto nas pesquisas desta nova revolução
industrial, servindo de base para estudos futuros, como também na economia,
agregando na visibilidade e previsibilidade organizacional durante tempos de
transformações tecnológicas.

Palavras-chave: Qualidade. Indústria 4.0. Feigenbaum. Análise de impacto.

 ABSTRACT

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.

Keywords: Quality. Industry 4.0. Feigenbaum. Impact analysis.

SUMÁRIO
1 INTRODUÇÃO..................................................................................................... 8
1.1 PROBLEMA ..................................................................................................... 10
1.2 OBJETIVO GERAL .......................................................................................... 10
1.3 OBJETIVOS ESPECÍFICOS ............................................................................ 10
1.4 JUSTIFICATIVA ............................................................................................... 10
1.5 DEMILITAÇÃO DO TEMA ............................................................................... 12
1.6 ESTRUTURA DO TRABALHO ........................................................................ 13
2 REFERENCIAL TEÓRICO .................................................................................. 14
2.1 QUALIDADE .................................................................................................... 14
2.1.1 Gestão e Controle da Qualidade Total ........................................................... 17
2.1.2 Custos Da Qualidade ..................................................................................... 21
2.2 INDÚSTRIA 4.0 ................................................................................................ 22
2.2.1 Sistemas Ciber-Físicos .................................................................................. 27
2.2.2 Internet das Coisas ........................................................................................ 28
2.2.3 Computação em Nuvem ................................................................................ 28
2.2.4 Big Data ......................................................................................................... 29
2.2.5 Desafios da Indústria 4.0 ............................................................................... 31
2.3 CONSIDERAÇÕES SOBRE O CAPÍTULO ..................................................... 33
3 METODOLOGIA .................................................................................................. 34
3.1 DELINEAMENTO DA PESQUISA.................................................................... 34
3.1.1 Formação do portfólio de artigos ................................................................... 36
3.2 ANÁLISE DE RESULTADOS ........................................................................... 40
3.2.1 Análise Bibliométrica ...................................................................................... 40
3.2.2 Análise de Conteúdo ...................................................................................... 40
4 RESULTADOS .................................................................................................... 42
4.1 ANÁLISE BIBLIOMÉTRICA ............................................................................. 42
4.1.1 Ano de Publicação ......................................................................................... 42
4.1.2 País de Origem .............................................................................................. 43
4.1.3 Periódicos ...................................................................................................... 44
4.1.4 Autores........................................................................................................... 45
4.1.5 Palavras-chave .............................................................................................. 45
4.2 ANÁLISE DE CONTEÚDO .............................................................................. 46
4.2.1 Mercados ....................................................................................................... 47
4.2.2 Dinheiro.......................................................................................................... 48
4.2.3 Gestão ........................................................................................................... 51
4.2.4 Homens.......................................................................................................... 54
4.2.5 Motivação....................................................................................................... 56
4.2.6 Materiais ........................................................................................................ 58
4.2.7 Máquinas e Mecanização .............................................................................. 58
4.2.8 Métodos de Informação ................................................................................. 60
4.2.9 Exigências de Montagem ............................................................................... 63
4.3 CONSOLIDAÇÃO DE RESULTADOS ............................................................. 66
5 CONCLUSÃO ...................................................................................................... 70
REFERÊNCIAS ...................................................................................................... 73
APÊNDICE A – TABELAS DA ANÁLISE DE CONTEÚDO .................................. 79
 8

1 INTRODUÇÃO

A qualidade é um termo que está continuamente presente no cotidiano do

ser humano. Independente do produto, ou do serviço com as quais as pessoas
interagem, as influências da qualidade podem ser sentidas tanto diretamente quanto
indiretamente durante a percepção dos mesmos.
Nesse sentido, pode-se citar como exemplo a concentração de minerais que
influencia na qualidade da água que se bebe, ou a probabilidade de um componente
elétrico falhar, influenciando na qualidade dos televisores, veículos,
eletrodomésticos, dentre tantos outros produtos que utilizamos. Não obstante, o
comportamento das pessoas influencia na qualidade dos serviços usufruídos. A
aproximação entre a qualidade e a realidade humana, então, torna-se evidente.
Conforme os conhecimentos, desejos e necessidades do ser humano se tornam
maiores e mais complexos, a abrangência e importância da qualidade também
aumentam.
Além disso, com o aumento das exigências de consumidores, produções
artesanais se tornaram insuficientes para atender as necessidades humanas. Com
os avanços tecnológicos, as revoluções industriais propiciaram aumentos
significativos de produtividade, possibilitando as indústrias a acompanharem as
crescentes demandas da sociedade. Os motores a vapor impulsionaram as
indústrias durante a primeira revolução no século XIX, assim como a energia elétrica
e a produção em massa impulsionaram a segunda revolução no começo do século
XX, e a automação permitiu as indústrias a passarem pela terceira revolução nos
anos de 1970. Dessa forma, assim como os meios de produção, a qualidade
também acompanha as três revoluções industriais, e evolui das práticas artesanais
para práticas mais técnicas e científicas, chegando aos dias atuais, onde se atingem
níveis de excelência (ABRANTES, 2009).
Com a chegada da 4ª Revolução Industrial a partir de 2011, os meios de
produção encontram agora novos paradigmas de manufatura, baseados na Internet
das Coisas, Sistemas Ciber-Físicos online e integrados, e interconectados aos
recursos, máquinas e sistemas logísticos por meio de fábricas inteligentes, as quais
são capazes de aumentar ainda mais a eficiência, com processos produtivos locais,
autorreguláveis e independentes (KOVACS, 2018).
 9

A exemplo da Alemanha, berço da Indústria 4.0, Rüßmann et al. (2015)

afirmam que, entre 2015 e 2025, a produtividade dos setores de manufatura devem
aumentar entre 90 e 150 bilhões de euros, dependendo da indústria. A receita
desses setores também deve aumentar em torno de 30 bilhões de euros ao ano,
bem como os investimentos, os quais devem atingir aproximadamente 250 bilhões
de euros até 2025. Além disso, espera-se um crescimento de 6% do número de
vagas de trabalho dos setores de manufatura.
Não obstante, para áreas altamente dinâmicas e interconectadas como a
qualidade, manter o controle e ter consciência de tudo que está se transformando
tende a ser um desafio. Isso porque diversos são os processos e operações
suscetíveis aos impactos da Indústria 4.0 e que não necessariamente apresentam
relações explícitas com a qualidade, além dos diversos parâmetros e critérios
passíveis de ser adotados. Nesse sentido, estudiosos da qualidade desenvolveram
diferentes conceitos e abordagens em torno do tema, os quais vêm evoluindo
paralelamente com indústria e abrangendo cada vez mais variáveis dentro das
organizações. Dentre os vários autores da área da qualidade que serão explanados
no Capítulo 2, Armand Feigenbaum, em 1994, propôs nove áreas que influenciam a
qualidade de maneira a contemplar as organizações como um todo, dentro de uma
perspectiva de controle total da qualidade organizacional, suportando estudos e
observações mais holísticas a respeito de uma área que muda e evolui
constantemente.
Assim como nas outras revoluções, as consequências da Indústria 4.0
tendem a ir além do ambiente fabril, aumentando os níveis de eficiência e qualidade
em diversos níveis organizacionais, transformando a cadeia de valor e a vida das
pessoas como um todo. Estar preparado não apenas para lidar com as
consequências, mas também para alcançar todo o potencial que essa revolução
vem proporcionando pode ser crítico para uma estratégia organizacional de sucesso.
Dessa forma, faz-se necessário investigar como a área da qualidade tem evoluído
juntamente com a quarta revolução industrial, identificando assim, os impactos da
nova Era da qualidade influenciada pela Indústria 4.0.
 10

1.1 PROBLEMA

Como identificar os impactos da Indústria 4.0 nas perspectivas conceituais

da Qualidade, segundo Feigenbaum?

1.2 OBJETIVO GERAL

Identificar os impactos da Indústria 4.0 nas perspectivas conceituais da

qualidade, segundo Feigenbaum.

1.3 OBJETIVOS ESPECÍFICOS

 Identificar os conceitos que compõem a qualidade sob a perspectiva de

Feigenbaum;

 Identificar as tecnologias digitais presentes no contexto da Indústria 4.0;

 Estabelecer as melhorias ocorridas para a área da qualidade, sob a

perspectiva de Feigenbaum, diante do contexto da Indústria 4.0.

1.4 JUSTIFICATIVA

A Indústria 4.0 representa um grande potencial para diversas áreas

organizacionais, e sua implementação terá impactos em toda a cadeia de valor,
melhorando processos produtivos e de engenharia, a qualidade de produtos e
serviços, a relação entre clientes e organizações, propiciando novas oportunidades
de negócios e vantagens competitivas, mudando as necessidades educacionais e
transformando o atual ambiente de trabalho (PEREIRA; ROMEIRO, 2017).
Tjahjono et al. (2017) identificaram alguns benefícios evidentes quanto a
implementação da Indústria 4.0, como o aumento da flexibilidade produtiva, maiores
padrões de qualidade, eficiência e produtividade, melhores decisões tomadas com
auxílio da integração entre máquinas e seres humanos, além de possibilitar a
customização em massa, criando valor por meio da introdução frequente de novos
produtos e serviços ao mercado.
 11

Segundo Hofmann e Rüsch (2017) há diferentes oportunidades da Indústria

4.0 relacionadas à descentralização, auto regulação e eficiência fabril. Em sistemas
Just in Time, por exemplo, há a expectativa de benefícios como: redução do efeito
chicote, aumento da transparência e integração da cadeia de valor, e melhorias
quanto ao planejamento da produção. Enquanto isso, para as áreas de logística e
gestão da cadeia de suprimentos, Witkowski (2017) concluiu que as soluções mais
recentes relacionadas à Indústria 4.0, Big Data e Internet das Coisas têm criado
oportunidades para satisfazer os clientes e contribuído para o desenvolvimento das
áreas.
No contexto da qualidade, as empresas brasileiras apresentam um enorme
potencial para melhorarem seus níveis de qualidade e produtividade, uma vez que a
maioria delas se encontra em um nível intermediário de maturidade da qualidade,
onde as empresas se mostram mais dispostas a gerenciar atividades relacionadas à
inspeção e controle (GEROLAMO et al., 2014). Sousa e Voss (2002) complementam
que o aumento da qualidade do produto pode implicar em menores tempos de
garantia e custos relacionados à confiabilidade, resultando em melhores
desempenhos organizacionais.
Na mesma tendência, programas tradicionais da qualidade que focam em
abordagens como a Gestão da Qualidade Total (Total Quality Management – TQM)
e a ISO 9001, apresentam a necessidade de uma perspectiva de toda a cadeia de
suprimentos, a fim de que a integração entre os parceiros da cadeia de valor e as
melhorias da qualidade resulte na satisfação dos clientes (ROBINSON; MALHOTRA,
2005). Entretanto, avaliar as consequências dessa nova revolução industrial para
uma área como a qualidade tende a ser um desafio, uma vez que a mesma
apresenta ramificações por toda a cadeia de suprimentos.
Nesse sentido, Armand Feigenbaum e Joseph Juran têm sido os únicos a
estudar a qualidade de maneira a abranger toda a organização, com perspectivas
organizacionais que vem evoluindo desde os anos de 1920, com as ideias de Walter
Shewhart.Sendo assim, uma análise sobre a qualidade embasada em perspectivas
mais amplas e abrangentes se mostra mais adequada para a compreensão das
mudanças e para o alcance dos objetivos deste trabalho.
Mesmo assim, segundo Kamble et al. (2018), as publicações sobre Indústria
4.0 têm aumentado nos últimos anos, porém as revisões de literatura sobre a nova
revolução industrial ainda são escassas. Dessa forma, a necessidade de se
 12

identificar os possíveis cenários da qualidade no contexto da Indústria 4.0 se faz

pertinente.
Além da possibilidade de se revelar o potencial da Qualidade 4.0, este
estudo apresentará contribuições em três diferentes âmbitos. Primeiramente, no
âmbito acadêmico, por meio da disseminação, interpretação e aplicação de
conceitos da qualidade e das teorias de Feigenbaum. Em seguida, este trabalho
contribuirá economicamente, com a disseminação de conhecimentos e práticas
relacionados às tecnologias da Indústria 4.0 e à qualidade, aumentando a
visibilidade e previsibilidade organizacional em tempos de transformação. Por fim,
este trabalho contribui também no âmbito social, pois os mesmos conhecimentos e
práticas não impactam apenas os resultados das organizações, como também toda
a maneira como o ser humano interage com o trabalho e toda a cadeia de
suprimentos.

1.5 DEMILITAÇÃO DO TEMA

A amplitude dos temas contemplados por esse estudo é considerável. Tanto

a qualidade, quanto a Indústria 4.0 apresentam uma diversidade de conceitos,
componentes, visões e práticas. Nesse sentido, se faz necessário a delimitação do
que será discutido e analisado ao longo do trabalho.
Para que os objetivos da pesquisa possam ser atingidos, a qualidade será
analisada sob a perspectiva das nove áreas que impactam a qualidade de
Feigenbaum (1994), por ter uma abordagem de fatores que extrapolam a esfera das
características e atributos de produtos e serviços, como dinheiro, motivação das
pessoas e métodos de informação, por exemplo. Assim, esse estudo busca por
obter perspectivas mais amplas sobre as influências da Indústria 4.0 na área da
qualidade, não se aprofundando em questões técnicas relacionadas às
características e especificações de produtos e serviços.
Da mesma forma, questões técnicas das tecnologias e sistemas da Indústria
4.0 não serão contempladas nesse trabalho. O foco desse tema estará nos
conceitos, aplicações e implicações da Indústria 4.0 e dos seus componentes ao
ambiente organizacional.
 13

1.6 ESTRUTURA DO TRABALHO

O presente trabalho apresenta uma estrutura composta por cinco capítulos.

No capítulo inicial foi realizada a introdução do trabalho, a contextualização do
problema, bem como os objetivos, justificativa, delimitação e definição da estrutura
do trabalho.
No Capítulo 2 será realizada a revisão bibliográfica do estudo, contento os
seguintes temas para explanação: (1) Qualidade, contemplando definições,
contextualização, evolução histórica, Gestão e Controle da Qualidade Total, e custos
da qualidade, e (2) Indústria 4.0, explanando os conceitos, componentes,
implicações, expectativas e desafios futuros.
No Capítulo 3, será explanada a metodologia utilizada e o delineamento do
trabalho, descrevendo as etapas para a obtenção e formação do portfólio de artigos,
bem como os parâmetros a serem utilizados na análise de resultados.
Composto pelas Análises Bibliométrica e de Conteúdo, e pela seção de
Consolidação de Resultados, o Capítulo 4 apresentará e discutirá os resultados
obtidos por este trabalho. A conclusão, por fim, será realizada no Capítulo 5.
 14

2 REFERENCIAL TEÓRICO

A seguir será apresentada a revisão bibliográfica pertinente à qualidade e

indústria 4.0, que auxiliarão na consolidação dos objetivos do presente trabalho.

2.1 QUALIDADE

Embora no passado não houvesse a nomenclatura “qualidade”, seus

conceitos vêm sendo praticados no mundo há milhares de anos. Na China, por
exemplo, a produção com qualidade já era praticada há mais de três mil anos,
existindo inclusive leis e decretos do imperador relacionados à qualidade de
produtos, como a seda e o algodão (ABRANTES, 2009).
Ao longo da história, o conceito sobre o tema evoluiu. Até o começo da
década de 1950, a qualidade do produto era compreendida como sinônimo de
perfeição técnica. A partir de então, o nível de adequação aos requisitos do cliente
também começaram a ser considerados e o conceitos sobre qualidade
complementados, com influencias de vários teóricos como Shewhart, Deming,
Feigenbaum e Juran (CARPINETTI et al., 2011).
Souza e Voss (2002) dizem que o termo “qualidade” precisa ser definido em
cada estudo, devido ao fato de estudos diferentes apresentarem significados
diferentes para a qualidade, como em termos de satisfação do cliente, qualidade
interna de processo, uma ou múltiplas dimensões da qualidade de um produto, ou
desempenho operacional.
Para Juran e De Feo (2010), qualidade significa estar adequado ao
propósito, ou seja, independente do produto ou serviço, ele deve apresentar as
características e atributos corretos, a fim de que as necessidades dos clientes sejam
atingidas sem a ocorrência de falhas. A qualidade constitui então de uma
determinação do cliente, e não da área técnica, de marketing, ou da alta gestão.
Dessa forma, a maior parte das suas práticas e medidas terão como propósito a
determinação e avalição do nível com o qual o produto ou serviço corresponde a
essa combinação total (FEINGENBAUM, 1994).
Paladini (2012) diz que a multiplicidade de características que envolvem a
qualidade de um produto decorre de uma visão ampla do que seja adequação ao
 15

uso. Segundo Carpinetti et al. (2011), as características que conferem qualidade a

um produto são realmente diversas, e podem ser estratificadas de acordo com
parâmetros de qualidade perceptíveis para o cliente. O Quadro 1 apresenta esses
parâmetros:

Quadro 1 – Parâmetros da qualidade de produto.

Grau com que o produto cumpre funções
Desempenho técnico ou funcional
secundárias que suplementam a função básica.
Inclui o grau com que o produto cumpre funções
Facilidade ou conveniência de uso
secundárias que suplementam a função básica.
Grau com que o produto encontra-se disponível
para uso quando requisitado (por exemplo: não
Disponibilidade
está “que rado”, não se encontra em
manutenção, etc.).
Probabilidade que se tem de que o produto,
estando disponível, consegue realizar sua função
Confiabilidade básica sem falhar, durante um tempo
predeterminado e sob determinadas condições
de uso.
Facilidade de conduzir as atividades de
Mantenabilidade (ou manutenibilidade) manutenção no produto, sendo um atributo do
projeto do produto.
Vida útil media do produto, considerando os
Durabilidade
pontos de vista técnico e econômico.
Grau com que o produto encontra-se em
Conformidade
conformidade com as especificações de projeto.
Orientação e facilidades disponíveis para
Instalação e orientação de uso conduzir as atividades de instalação e uso do
produto.
Fatores relativos à qualidade (competência,
cortesia, etc.) dos serviços de assistência técnica
Assistência técnica
e atendimento ao cliente (pré, durante e pós-
venda).
Qualidade do ponto de vista ergonômico, de risco
Interface com o usuário de vida e de comunicação do usuário com o
produto.
Impacto no meio ambiente, durante a produção, o
Interface com o meio ambiente
uso e o descarte do produto.
Percepção do usuário sobre o produto a partir de
Estética
seus órgãos sensoriais.
Percepção do usuário sobre a qualidade do
produto a partir da imagem e reputação da
Qualidade percebida e imagem da marca
marca, bem como sua origem de fabricação (por
exemplo, made in Japan).
Fonte: Carpinetti et al. (2011).
 16

As necessidades dos clientes também variam, e atingi-las requer

abordagens sistemáticas quanto ao planejamento da produção, fluxo de materiais,
monitoramento e análise (ZAWADZKI e ŻYWICKI, 2016). Isso também é válido para
a qualidade. Adotadas a partir da década de 1970, as técnicas para gerir a qualidade
ganharam força após empresas estadunidenses perderem mercado devido à alta
qualidade dos produtos japoneses que eram produzidos na época. A adoção de
práticas de gestão da qualidade, então, foi a maneira de produzir bens de qualidade
superior e recuperar o mercado perdido (JURAN e DE FEO, 2010).
Aliás, segundo Feigenbaum (1994), o desenvolvimento do controle da
qualidade se estendeu por todo o século XX. Historicamente, mudanças
significativas que marcaram as eras da qualidade ocorreram aproximadamente a
cada vinte anos, como mostra a Figura 1.

Figura 1 – Evolução do controle da qualidade total.

Fonte: Adaptado de Feigenbaum (1994).

Inicialmente, cada trabalhador era capaz de controlar apenas a qualidade de

seu trabalho pessoal. No início do século XX, o agrupamento de atividades similares
permitiu a sua gestão por supervisores, os quais passaram a ser responsáveis pela
qualidade referente ao trabalho da equipe. A partir da Primeira Guerra Mundial, até a
Segunda Guerra Mundial, o sistema industrial apresentou o controle da qualidade
por meio de inspetores em períodos integrais. Após a Segunda Guerra Mundial, o
 17

aumento da eficiência das inspeções, somados a algumas ferramentas estatísticas,

como gráficos de controle e amostragem, abriu espaço para a era do controle
estatístico da qualidade. No entanto, esse trabalho permaneceu restrito às áreas da
produção até o surgimento do controle da qualidade total, onde as empresas
começaram a desenvolver processos decisórios definidos e estruturas operacionais
voltados para a qualidade do bem produzido.
Nascido em 1920, Armand Vallin Feigenbaum teve a maior parte dos seus
trabalhos desenvolvidos após a Segunda Guerra Mundial, já apresentando uma
orientação mais voltada a 3ª Revolução Industrial que começava a surgir em
meados do século XX. Por exemplo, uma das suas obras mais conhecidas, Controle
da Qualidade Total, foi publicado originalmente em 1961. Nesse contexto, embora
Feigenbaum tenha retratado a evolução da qualidade até 1980 na Figura 1, sua
perspectiva abrange toda a organização, e o presente trabalho continuará nesse
sentido até os dias de hoje, abrangendo a revolução que vivenciamos atualmente e
que será explanada nas próximas seções.

2.1.1 Gestão e Controle da Qualidade Total

Flynn et al. (1994) define gestão da qualidade como uma abordagem

integrada para atingir e manter o nível em que os bens produzidos sejam de alta
qualidade, focando em manutenção, melhorias contínuas de processos e em
prevenção defeitos em todos os níveis e funções possíveis da organização, com o
propósito de que as expectativas dos clientes sejam atingidas, ou superadas.
Segundo Paladini (2012), o conceito tradicional de Gestão da Qualidade
apresenta práticas em dois âmbitos: global e operacional. No âmbito global, a
Gestão da Qualidade deve colaborar com a alta administração na definição das
politicas da qualidade da organização. Enquanto isso, operacionalmente, é de
responsabilidade da Gestão de Qualidade o desenvolvimento, implantação e
avalição de programas da qualidade a partir das políticas estabelecidas.
Os departamentos de produção e qualidade são geralmente os responsáveis
pela produção, inspeção, detecção e garantia dos requisitos do produto, e possuem
suporte dos departamentos de design, empacotamento, preenchimento de pedido, e
logística (JURAN e DE FEO, 2010).
 18

Segundo Juran e Gryna (1991), para poder produzir e distribuir seus

produtos, uma organização realiza uma série de atividades especializadas
executadas por departamentos especializados como a produção, o desenvolvimento
de processos e produtos, e marketing por exemplo. Além de serem responsáveis
pelas funções especiais designadas, os departamentos também compartilham a
responsabilidade de funções que envolvem toda a empresa, como finanças,
relações humanas e a qualidade. A Figura 2 descreve uma sequência típica das
atividades organizacionais.

Figura 2 – Espiral do progresso na qualidade.

Fonte: Juran e Gryna (1991).

Zu et al. (2008) corrobora afirmando que o design de serviços, ou produtos,

e a gestão de processos são as duas práticas que afetam diretamente o
desempenho da qualidade. Dessa forma, cada departamento possui atividades
dedicadas à qualidade, uma vez que a qualidade do bem produzido depende do
trabalho todos eles (JURAN e GRYNA, 1991). Além disso, Paladini (2012) afirma
que a cultura existente na organização é um elemento determinante para a
implantação e consolidação de programas da qualidade.
Não obstante, Feigenbaum (1994) diz que a qualidade de produtos e
serviços é diretamente influenciada por nove áreas básicas, como pode ser
observado no Quadro 2.
 19

Quadro 2 – Áreas que influenciam a qualidade.

ÁREA CONCEITO
Consumidores têm exigido e obtido produtos melhores e em maiores
quantidades a fim de preencherem suas necessidades. Com isso, mercados
Mercados
estão se expandindo e se especializando, com negócios mais flexíveis e
ajustáveis às flutuações do mesmo.
No ambiente produtivo, melhorias na qualidade significam menos defeitos,
refugos, retrabalho e, consequentemente, menores custos relacionados à
manufatura (SOUZA; VOSS, 2002). Com a redução das margens de lucro
Dinheiro
devido ao aumento da competitividade, aumentou-se o foco nos custos da
qualidade associados à manutenção e aperfeiçoamento da qualidade, com
objetivos de redução de custos operacionais e com perdas.
O fato de todos os departamentos de uma empresa compartilharem
atividades relacionadas à qualidade, como descrito anteriormente por Garvin
Gerenciamento e Gryna (1991), aumenta a responsabilidade atribuída à alta gerência,
devido a maior dificuldade em alocar responsabilidade apropriada pela
correção dos desvios em relação a padrões da qualidade.
A especialização dos profissionais tornou-se necessária na medida em que
áreas do conhecimento cresceram em número e amplitude e, apesar de
Homens
apresentar vantagens, a especialização divide a responsabilidade pela
qualidade do produto em uma série de fragmentos.
A consciência sobre a qualidade e seus impactos têm auxiliado profissionais
Motivação a reforçarem a importância da realização das suas atividades para a
consecução das metas da organização.
Em virtude dos custos da produção e das exigências da qualidade, materiais
Materiais novos têm sido empregados na indústria, e os níveis de precisão técnica e
das especificações dos materiais têm aumentado.
Quanto mais as empresas optam pela mecanização e automatização das
Máquinas e suas atividades, visando alcançar custos menores, mais crítica se torna a
Mecanização qualidade, tanto para efetivar essa redução de custos, quanto para
aumentar a utilização de pessoas e maquinários a níveis satisfatórios.
A evolução e disseminação da tecnologia tornaram possíveis a coleta,
Métodos
armazenamento, manipulação e análise de informações provenientes de
modernos de
processos e máquinas, melhorando o gerenciamento das atividades e a
informação
tomada de decisão.
Exigências na Processos e projetos de engenharia têm apresentado maior complexidade e
montagem do nível de detalhamento, exigindo maiores níveis de controle sobre os
produto mesmos.
Fonte: Adaptado de Feigenbaum (1994).
 20

A integração da Gestão da Qualidade Total prioriza a atenção a todos os

elementos da organização, incluindo aqueles que não atuam diretamente no
processo produtivo, mas oferecem suporte, ou condições de contorno para o seu
funcionamento.
Dessa forma, pode-se afirmar que a Gestão da Qualidade envolve toda a
organização e é desenvolvida ao longo do tempo, de maneira contínua, progressiva,
e abrangente (PALADINI, 2012). Essa é a ideia que ampara o Controle e da Gestão
da Qualidade Total. Feigenbaum (1994, p. 20) define o Controle da Qualidade Total
como:
[...] um sistema eficiente que visa integrar esforços para desenvolvimento,
manutenção, e aperfeiçoamento da qualidade de vários grupos numa
organização, de forma a permitir marketing, engenharia, produção e
assistência dentro dos níveis mais econômicos e que possibilitem satisfação
integral do consumidor.

Segundo Carpinetti et al. (2011), as definições geralmente apresentam a

Gestão da Qualidade Total como uma estratégia empresarial a qual visa aumentar
sua a competitividade por meio de um conjunto de princípios de gestão, métodos e
ferramentas da qualidade, como ilustrados na Figura 3.

Figura 3 – Elementos da Gestão pela Qualidade Total.

Fonte: Carpinetti et al. (2011).

 21

Segundo Paladini (2012), a perfeita operação da Gestão da Qualidade

requer que esses três conjuntos estejam bem definidos, uma vez que a sua
eficiência e eficácia dependem de como as atividades da organização se
desenvolvem, tanto no âmbito estratégico, onde os valores são definidos, quanto no
tático, em que se definem os métodos utilizados, e no operacional, o qual faz uso
das ferramentas para a obtenção dos resultados.
Nesse sentido, a utilização de ferramentas de custos da qualidade e
processos estatísticos de controle para análise de dados de qualidade implica em
um desempenho agregado melhor, bem como um serviço ao cliente de melhor
qualidade (NAIR, 2005).

2.1.2 Custos Da Qualidade

Segundo Juran e De Feo (2010), ao se depararem com produtos, ou

serviços deficientes, clientes podem tomar atitudes as quais acarretam em custos
adicionais para os produtores como, por exemplo, realizar reivindicações, fazer a
devolução do produto, ou iniciar processos judiciais. Não obstante, os mesmos
clientes podem ainda parar de usufruir dos produtos e serviços da empresa, ou
começarem a divulgar suas insatisfações e seus motivos a outras pessoas, podendo
agravar ainda mais o impacto nas receitas da organização. Assim, os “custos da má
qualidade” (JURAN e DE FEO, 2010, p. 76) são definidos como sendo todos os
custos os quais deixariam de existir se o produto, ou serviço em questão não
apresentassem nenhuma falha, ou defeito.
Segundo Paladini (2012), os benefícios provenientes da economia gerada
pela qualidade são expressos sob a forma monetária, tanto em termos de receitas,
quanto de despesas, ou custos. Do ponto de vista das receitas, observa-se que a
empresa assegura maior atuação no mercado consumidor, apresenta maior
competitividade, trabalha com preços mais estáveis e cria maior fidelidade de
clientes por meio dos benefícios da qualidade.
Do ponto de vista das despesas, dividem-se os custos da qualidade em dois
grupos: custos relacionados ao controle (prevenção e avaliação) e custos de falha
no controle (falha interna e falha externa) (FEIGENABUM, 1994; JURAN e GRYNA,
1991). Os custos das falhas internas estão associados a defeitos encontrados antes
 22

da distribuição do produto ao consumidor, como, por exemplo, custos com

retrabalho, análise de falhas e sucata. Quando os defeitos são encontrados após a
sua distribuição, seus custos são associados a falhas externas, como acontece com
despesas relacionadas à garantia, correção de reclamações de clientes e
concessões.
Custos de avaliação são aqueles incorridos na determinação do nível de
conformidade aos requisitos de qualidade do produto, envolvendo inspeções, testes
e auditorias. Os custos de prevenção, por sua vez, são incorridos para manter em
níveis mínimos os custos das falhas e de avaliação, por meio do planejamento da
qualidade, dos processos e dos fornecedores, por exemplo.
Juran e Gryna (1991) dizem que tais definições devem ser moldadas de
acordo com cada organização, porém ressaltam que os custos das falhas são
aqueles a serem atacados em primeiro lugar, pois fornecem a maior oportunidade de
redução nos custos globais e na insatisfação do cliente.

2.2 INDÚSTRIA 4.0

A sociedade tem buscado continuamente por melhores produtos, serviços e

melhorias contínuas na qualidade de vida, e a indústria tem avançado para atender
a esse tipo de demanda (WANG, S. et al., 2016). Como podem ser observados na
Figura 4, desde o começo da industrialização, saltos tecnológicos têm mudado
paradigmas e levado a indústria a passar por revoluções: a 1ª revolução com a
mecanização e o início da manufatura organizada, o intensivo uso da energia
elétrica e a produção em massa na 2ª revolução, e a 3ª revolução industrial com
avanços nas áreas da computação e automação.
 23

Figura 4 – Revoluções Industriais

Mecanização, Produção em Computadores e Sistemas Ciber-

moinhos movidos a massa, linha de automação Físicos
água, energia a produção,
vapor eletricidade

Fonte: Adaptado de Christoph Roser em AllAboutLean.com.

A partir do avanço da digitalização nas fábricas, combinado com a tecnologia

da internet e de produtos inteligentes, uma nova mudança de paradigmas parece
estar ocorrendo na indústria (LASI et al., 2014). Para Hofmann e Rüsch (2017), a 4ª
Revolução Industrial pode ser descrita como uma mudança na lógica de produção
em prol de uma abordagem de criação de valor mais decentralizada, autorregulada e
preparada para as tecnologias como Sistemas Ciber-Físicos (Cyber-Physical
Systems – CPS), Internet das Coisas (Internet of Things – IoT) e dos Serviços
(Internet of Service – IoS), computação em nuvem, manufatura aditiva e fábricas
inteligentes, bem como para ajudar as empresas a atender suas necessidades
futuras.
Além dessas tecnologias, a Indústria 4.0 engloba também o Big Data e
instrumentos de realidade virtual, aumentada e mista (OESTERREICH e
TEUTEBERG, 2016). Além disso, essa revolução promove o uso do Big Data, IoT e
da inteligência artificial de maneira integrada, em um ambiente onde máquinas
inteligentes podem se comunicar, não apenas para permitir a automação de linhas
de produção, mas para entender e analisar determinado nível de problema produtivo
e, assim, resolve-los com o menor envolvimento humano possível (TJAHJONO et
al., 2017). Dessa forma, a principal função dos seres humanos nas fábricas
inteligentes é mudada de operadores de máquinas para tomadores de decisões e
solucionadores flexíveis de problemas (HERMANN; PENTEK; OTTO, 2016).
 24

Segundo Wang, S et al. (2016), a Indústria 4.0 apresenta três tipos de

integração, como ilustrados na Figura 5.

Figura 5 – Ilustração dos três tipos de integração.

Fonte: Adaptado de Wang, S et al. (2016).

A integração horizontal é desenvolvida por meio de redes de comunicação e

compartilhamento de valor entre organizações, facilitando a colaboração e
organização entre as mesmas. A integração vertical visa os subsistemas
hierárquicos da organização, a fim de criar um sistema de manufatura flexível e
configurável.
A integração fim-a-fim une toda a cadeia de valor envolvida, como
marketing, design e desenvolvimento de produtos, engenharia e planejamento da
produção, a produção em si, serviços associados, manutenção e logística reversa,
de forma que o nível de customização do produto, ou serviço, seja alcançado. A
integração fim-a-fim dos processos de engenharia tem como base a integração
vertical e horizontal para a sua implementação.
A Indústria 4.0 tem também como um dos seus princípios a consciência, ou
seja, ela demanda que a manufatura seja inteligente, gere conhecimento, tome
decisões e realize ações de modo independente e inteligente (QIN; LIU;
GROSVENOR, 2016). Isso pode ser um desafio, uma vez que processos de
manufatura não são constituídos de atividades isoladas, eles dependem de outros
processos na cadeia de valor, como a logística, planejamento e controle da
produção, design, controle de qualidade, manutenção e serviço ao cliente (BAENA
et al., 2017).
 25

Segundo Lasi et al. (2014), o modelo de produção do futuro contém sistemas

de manufatura eficientes e modulares, e apresenta cenários nos quais os próprios
produtos controlam seus processos de manufatura. Assim, de maneira
descentralizada, é possível produzir produtos individuais mantendo as condições
econômicas da produção em massa.
Kamble et al. (2018) definem a descentralização como a habilidade, tanto
das organizações, quanto das pessoas e das máquinas de tomar decisões sem a
dependência de um sistema computacional centralizado para tal, o que auxilia na
busca por flexibilidade e decisões mais rápidas.
A customização em massa, entretanto, apresenta certa contradição, na
opinião de Zawadzki e Żywicki (2016). Para esses autores, o conceito deve unir as
vantagens da produção de uma única peça (individual e precisa) com a da produção
em massa (rápida e de baixo custo). A implementação desse sistema seria
altamente atrativa na concepção dos clientes, porém um desafio para as empresas,
as quais assumem o risco de falhar, principalmente devido a altos custos de design
e manufatura.
Espera-se com a Indústria 4.0 que os custos totais de propriedade serão
reduzidos com a digitalização integrada, melhorias na área da manutenção, tomada
de decisão, desenvolvimento de produtos, e oferecendo serviços altamente
customizados de acordo com a demanda, porém uma comparação com seus altos
custos de implementação não deixar de ser recomendada (KAMBLE;
GUNASEKARAN; GAWANKAR, 2018).
Outras comparações entre os modelos de indústria podem ser feitos. O
Quadro 2, proposto por Wang, S et al. (2016), apresenta uma comparação entre
algumas características principais do modelo de indústria tradicional e da Indústria
4.0:

Quadro 2 – Comparação entre Indústria Tradicional e Indústria 4.0

Número Indústria Tradicional Indústria 4.0

1 Recursos Predeterminados e Limitados: Recursos Diversos: para produzir

para uma linha fixa de produção em massa pequenos lotes de vários produtos, mais
de um produto específico, os recursos são tipos de recursos devem coexistir no
cuidadosamente calculados e configurados sistema.
para minimizar redundâncias.
 26

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.

3 Controle de Rede Local: interconectores Conexões Compreensivas: máquinas,

podem ser usados para conectar o produtos, sistemas de informação e
controlador as subestações, mas pessoas estão conectadas e interagem
comunicação entre máquinas não é entre eles por meio da infraestrutura de
necessário. rede de alta velocidade.

4 Níveis Independentes: os componentes Convergência Profunda: a fábrica

da linha de produção são separados dos
sistemas de informações superiores.
inteligente opera em um ambiente
conectado, onde a nuvem integra todos os
componentes físicos e sistemas de
informação para formar a Internet das
Coisas e dos Serviços.

5 Controle Independente: cada máquina é Auto-organização: o controle das funções

pré-programada para desempenhar é distribuído para várias entidades. Essas
determinadas funções. Qualquer mau entidades inteligentes negociam entre elas
funcionamento, de qualquer componente, e se organizam para cooperar com a
quebra a linha de produção. dinâmica do sistema.

6 Informação Isolada: a máquina pode Big Data: artefatos inteligentes podem

gravar seus próprios dados de produção, produzir quantidades enormes de dados,
mas essa informação raramente é usado que podem ser transmitidos pela rede,
por outros. processados e analisados pela nuvem.
Fonte: Adaptado de Wang, S et al. (2016)

Zawadzki e Żywicki (2016) complementam ainda que, em contraste com a

produção em massa, em que grandes quantidades de produtos idênticos são
produzidas, a customização em massa possibilita que as expectativas de cada
cliente possam ser atingidas por meio de ajustes na configuração dos seus produtos.
Não obstante, uma linha de produção reajustável pode fabricar uma gama de
diferentes produtos, devido a sua variabilidade, escalabilidade e flexibilidade, que
são a base da manufatura flexível da Indústria 4.0 (CHEN et al., 2017).
Há expectativas de que essa revolução tenha mais consequências quanto à
gestão e aos futuros empregos, afetando todo o ciclo de vida dos produtos com uma
nova maneira de produzir e empreender, e propiciando nossos modelos de negócio
e melhorias em processos produtivos (PEREIRA e ROMERO, 2017). Segundo Stock
e Seliger (2016), a Indústria 4.0 apresenta uma grande oportunidade de criação de
valor industrial sustentável em todas as dimensões: econômica, social e ambiental.
Para Hofmann e Rüsch (2017), entretanto, ainda falta um conceito claro e
definitivo da Indústria 4.0. Apesar de ter sido inventado na Alemanha, a noção de
 27

Industrie 4.0 compartilha certos aspectos com desenvolvimentos realizados em

outros países europeus, onde o conceito tem sido rotulado diferente, como Smart
Factories, Smart Industry, Advanced Manufacturing ou Industrial Internet of Things
(IIoT) (TJAHJONO et al., 2017).
Pereira e Romero (2017) dizem que os avanços tecnológicos dessa
revolução estão quebrando paradigmas e diminuindo a fronteira entre o mundo físico
e o virtual, por meio da conexão integrada entre máquinas, pessoas, produtos,
trabalhadores, sistemas e processos produtivos. Eles salientam ainda que a
Indústria 4.0 está sendo predominantemente definida entorno de dois temas
principais: Sistemas Ciber-Físicos (CPS), e Internet das Coisas (IoT) e dos Serviços
(IoS).
Nas seções seguintes, portanto, esses dois temas principais serão
explanados, além de outros dois protagonistas nessa nova revolução industrial, o
Big Data e a Computação em Nuvem. A Indústria 4.0, entretanto, apresenta também
outros conceitos relevantes os quais não serão incluídos na explanação, nem
considerados durante a análise de dados, devido ao estágio de maturidade em que
tais conceitos se encontram no cenário industrial atual. Exemplos desses conceitos
são a Realidade Virtual e a Manufatura Aditiva, os quais se encontram em estágio
de prototipagem e pesquisa em muitos setores da indústria.

2.2.1 Sistemas Ciber-Físicos

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

Com as máquinas operando automaticamente, e suporte das análises do Big

Data, softwares e interfaces amigáveis ao usuário, as atividades de diagnóstico de
problemas e de manutenção se tornam mais fáceis (WANG, S. et al., 2016).

2.2.2 Internet das Coisas

Dentro e fora do ambiente produtivo, dispositivos físicos precisam estar

conectados e compartilhar dados para que trabalhem adequadamente. A
comunicação e o compartilhamento de dados entre dispositivos, como CPS,
instrumentos industriais, sensores, atuadores, servidores OPC e robôs industriais, e
entre dispositivos e pessoas culminou no que é chamado de Internet das Coisas
(KHAN et al., 2017). Com a adoção das tecnologias da internet, a integração dos
fluxos de trabalho também é facilitada (WOLLSCHLAEGER; SAUTER;
JASPERNEITE, 2017).
Chen et al. (2017) dizem que fábricas inteligentes devem integrar suas
fontes de dados em uma plataforma de serviços, capaz de fornecer produtos como
previsão de vendas e análises de qualidade. Zawadzki e Żywicki (2016)
complementam dizendo que IoT tem sido usado nas soluções para integração das
informações dos dispositivos de manufatura na área dos CPS, com os dados da
manufatura sendo monitorados e analisados pelos controladores e sensores, e a
possibilidade de comunicação mutua em tempo real entre os recursos do sistema.
Essas e outras aplicações, bem como os dados gerados, são armazenadas na
nuvem, onde se tornam acessíveis por qualquer pessoa com acesso à rede de
internet, ou software utilizado (KHAN et al., 2017).

2.2.3 Computação em Nuvem

A computação em nuvem é importante para a Indústria 4.0 por ser capaz de

prover serviços os quais podem ser acessados ao redor do mundo via internet.
Assim, informações e serviços podem ser integrados e utilizados com maior
facilidade (ROBLEK; MEŠKO; KRAPEŽ, 2016).
Dorian e Gaspar (2018) dizem que essa tecnologia tem influenciado
ambientes educacionais, médicos, relacionados à informática, petróleo e gás, e tem
 29

conseguido eliminar parte considerável da infraestrutura de hardware necessária,

bem como o espaço dedicado para tal e os softwares utilizados. Isso tem
ocasionado em uma redução dos custos com infraestrutura, e um aumento no
investimento e foco sobre a qualificação das pessoas e as necessidades do cliente.

2.2.4 Big Data

Segundo Khan et al. (2017), o nível de complexidade da automação

industrial tem aumentado, com mais robôs, CPS, sensores, atuadores, interruptores,
computadores industriais, dispositivos wireless, programadores lógicos
computadorizados (PLCs) e redes de comunicação industrial, a quantidade de dados
gerados na manufatura se tornou grande demais, explicando o termo em inglês Big
Data.
Chen et al. (2017) dizem que a maioria dados gerados pelos equipamentos
não são estruturados, ou seja, apesar de proverem uma descrição compreensiva da
fábrica inteligente, esses dados não podem ser utilizados sem tratamento prévio,
devido ao seu ruído, suas dimensões e métricas.
Khan et al. (2017) dizem que o conceito consiste de dados os quais são
difíceis de coletar, armazenar, gerenciar e processar por meio das tecnologias e
ferramentas clássicas, e complementa dizendo que a aquisição de dados é um
desafio para Indústria 4.0, devido às diferentes tecnologias empregadas, como
máquinas, equipamentos, sensores e redes e dispositivos de comunicação. As
ferramentas de análise do Big Data, então, se mostram capazes de facilitar a
limpeza, formatação e transformação de dados industriais. O modelo dos quatro V’s
do Big Data industrial, proposto por Khan et al. (2017), é mostrado na Figura 6.
 30

Figura 6 – Quatro V’s do Big Data.

Fonte: Adaptado de Khan et al. (2017)

Dados podem aparecer tanto do formato físico quanto no digital, serem

coletados com ou sem intervenção humana, e podem ser obtidos e compartilhados
de diversas formas (BUER; FRAGAPANE; STRANDHAGEN, 2018). Além disso, no
ambiente empresarial, dados também podem ser recebidos de fora do sistema
produtivo, vindos de feedbacks de clientes e da cadeia de suprimentos, enquanto
que, no nível estratégico, as informações geradas pela mineração desse conjunto de
dados e analises do Big Data podem ser utilizadas para tomada de decisões e
desenvolvimentos de planos (QIN; LIU; GROSVENOR, 2016).
O Big Data torna possível uma análise mais avançada das grandes
quantidades de dados do que as ferramentas tradicionais, auxiliando no processo de
separar as informações por graus de importância e, consecutivamente, na chegada
de conclusões e tomada de decisões (WITKOWSKI, 2017). Juntos com a
inteligência artificial e os algoritmos de otimização, essas tecnologias têm
conseguido analisar e extrair padrões e conhecimentos de múltiplas fontes, de forma
que alguém possa tomar a decisão certa no lugar certo (WANG, Y. et al., 2017).
Dessa forma, a manutenção ativa dos equipamentos, bem como a
otimização do processo produtivo, do design para a manufatura do produto pode ser
 31

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;

 Tolerância de erro e predição de vida útil de máquinas e equipamentos;

 Qualidade do produto, por meio de análise de demanda e opinião de clientes;

 Planejamento da produção, com melhores previsões de demanda;

 Cidades inteligentes, com redes de trânsito, energia e construção inteligentes;

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.

2.2.5 Desafios da Indústria 4.0

Segundo Hofmann e Rüsch (2017, p. 24):

Por mais promissora que a ideia de uma auto profetizadora “Quarta
Revolução Industrial” possa parecer a princípio, essencial salientar que
existem múltiplos desafios, riscos e barreiras a respeito da sua
implementação. [...] Definir padrões e infraestruturas adequadas, garantir a
segurança dos dados e educar empregados estão entre os problemas que
precisam ser desenvolvidos no caminho para a Indústria 4.0.

A digitalização é essencial para a nova era industrial, porém várias

empresas ainda não estão preparadas para isso, nem estão cientes das
oportunidades que as tecnologias da Indústria 4.0 têm para oferecer. A falta de
métodos sistemáticos e em tempo real para coletar e analisar dados provenientes
dos requisitos e feedbacks de clientes impossibilita as empresas de se
autodenominarem negócios inteligentes (HAMZEH; ZHONG; X. W. XU, 2018).
Além disso, a falta de treinamento e de cultura interna sobre o mundo digital,
bem como a falta de habilidade para implementar novos modelos de negócios
digitais estão também entre os desafios que carecem que melhores soluções
 32

(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.

Sung diz ainda que a privacidade é uma preocupação tanto para as

empresas, que nesse novo ambiente precisam coletar e analisar grandes
quantidades de dados, quanto para os clientes, que podem sentir sua privacidade
sendo invadida por tais atividades. O risco quanto à vulnerabilidade industrial é
maior preocupante devido à possibilidade de acesso e controle remoto de máquinas
e equipamentos físicos, uma vez que todos são controlados via portais de rede
(KHAN et al., 2017).
Tupa et al. (2017) dizem que a vulnerabilidade dos dados é aumentada
também pela utilização de serviços terceirizados e a conexão com a internet. Roblek
et al. (2016) diz que isso é um problema sérios para empresas fornecedoras de
serviços digitais de agenda e calendário, armazenamento em nuvem, entre outros,
pois a maioria dos roteadores domésticos são muito suscetíveis à invasões que
podem ter como consequência a eliminação, alteração, ou roubo de dados.
No contexto da manufatura inteligente, Mesmo quando analisados pelo Big
Data, Kovacs (2018) argumenta dizendo que o Big Data complementa, mas não
substitui de nenhuma forma a pesquisa científica e a análise de negócios, e que
 33

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.

2.3 CONSIDERAÇÕES SOBRE O CAPÍTULO

Nesse capítulo foi explanado inicialmente o tema qualidade, contemplando

conceitos de autores clássicos, bem como os custos relacionados à qualidade, a
evolução e as implicações do tema não apenas para a produção de produtos e
serviços, mas para todo o ambiente organizacional. Em seguida explanou-se o
conceito de Indústria 4.0, contemplando seus principais componentes e tecnologias,
implicações, aplicações e desafios futuros relacionados ao tema.
Como consequência desse processo, o primeiro objetivo específico desse
trabalho foi atingido por meio dos nove fatores que impactam a qualidade de
Feigenbaum (1994): Identificar os conceitos que compõem a qualidade sob a
perspectiva de Feigenbaum. Assim, as tecnologias digitais presentes no contexto da
Indústria 4.0, bem como as mudanças que essas tecnologias causarão na área da
qualidade podem ser identificadas ao longo dos próximos capítulos do trabalho.
 34

3 METODOLOGIA

Para que um conhecimento possa ser considerado científico, a sua

veracidade é fundamental. Para isso, torna-se necessário que o conjunto de
operações mentais, técnicas e procedimentos utilizados seja identificado, ou seja, o
método que possibilitou a obtenção do conhecimento em questão. Nesse sentido,
essa pesquisa é embasada no método indutivo, o qual, busca a verdade global por
meio da observação de casos particulares concretos que confirmem a realidade
(GIL, 2008).
Além disso, segundo Gil (2008) a pesquisa pode ser classificada quanto aos
seus objetivos, procedimentos, abordagem, e natureza. Os objetivos dessa pesquisa
são de caráter descritivo, buscando identificar as características acerca de um
determinado fenômeno. Quanto aos seus procedimentos, a pesquisa é denominada
como pesquisa bibliográfica, por ser desenvolvida a partir de pesquisas já
elaboradas sobre o tema. Essa pesquisa apresenta uma abordagem qualitativa, a
qual busca a compreensão de fenômenos por meio de dados narrativos, subjetivos.
Quanto a sua natureza, essa pesquisa classifica-se como pura, ou básica, ou seja,
estuda um problema relativo ao conhecimento científico, o qual não
necessariamente implicará em aplicações, ou soluções práticas.
A seguir, serão apresentados os procedimentos realizados em relação ao
delineamento da pesquisa, contemplando a metadologia

3.1 DELINEAMENTO DA PESQUISA

A metodologia utilizada para a revisão de literatura consiste no Methodi

Ordinatio, proposto por Pagani et al. (2015). Sua estratégia é baseada em uma
maneira sistemática de selecionar, coletar, classificar e realizar a leitura de artigos e
publicações científicas de periódicos. Assim, por meio de uma abordagem
estruturada e planejada, espera-se alcançar maior objetividade e eficiência tanto no
processo de revisão de literatura, como na organização e análise dos dados. Essa
metodologia emprega a equação Index Ordinatio (InOrdinatio):
 35

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.

Figura 7 – Methodi Ordinatio.

Fonte: Adaptado de Pagani et al. (2015).

 36

As bases de dados bibliográficos definidas para a realização dessa pesquisa

foram a Scopus e a ScienceDirect. A busca definitiva dos artigos teve como
palavras-chave os termos Industry 4.0, Quality, Quality Control e Quality
Management, os quais originaram as combinações utilizadas: “Industry 4.0” AND
“Quality”, “Industry 4.0” AND “Quality Control” e “Industry 4.0” AND ”Quality
Management”. A partir dessa etapa, foram selecionados apenas os artigos
científicos e revisões bibliográficas em inglês publicados entre 2009 e Maio de 2019.
Atualizado no dia 20 de Maio de 2019, o Quadro 3 traz o resultado bruto obtido.

Quadro 3 – Resultados brutos da pesquisa

BASE DE DADOS
Palavras-chave e
ScienceDirect Scopus TOTAL
Combinações
(Periódicos) (Periódicos)

94 Resultados de artigos e 171 Resultados de artigos

"Industry 4.0" AND
revisões em inglês ente e revisões em inglês ente
“Quality"
2009-2019 2009-2019

12 Resultados de artigos e 31 Resultados de artigos e

"Industry 4.0" AND
revisões em inglês ente revisões em inglês ente
"Quality Control" 317
2009-2019 2009-2019

2 Resultados de artigos e 7 Resultados de artigos e

"Industry 4.0" AND
revisões em inglês ente revisões em inglês ente
"Quality Management"
2009-2019 2009-2019

Total 108 209

Fonte: Autoria própria.

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.

3.1.1 Formação do portfólio de artigos

A partir dos resultados brutos da pesquisa, a base de dados é submetida a

um procedimento de filtragem, como previsto na quinta etapa do Methodi Ordinatio,
onde são eliminados os documentos duplicados. Esse procedimento reduziu a
 37

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.

Gráfico 1 – Publicações por ano.

Fonte: Autoria própria.
 38

Os procedimentos realizados para a formação do portfólio de artigos, por

sua vez, são ilustrado na Figura 8. Destaca-se aqui os dois processos de filtragem, o
primeiro com a remoção das duplicatas, e o segundo com a exclusão dos artigos
cujos títulos, palavras-chave, ou resumos não contenham os termos Indústria 4.0 e
qualidade, e aqueles com InOrdinatio inferior a 102.

Figura 8 – Formação do portfólio de artigos.

PORTFÓLIO DE ARTIGOS

Análise Análise
TOTAL
Bibliométrica de Conteúdo
- 2ª Filtragem
317 - Duplicatas 213 23
- InOrdinatio ≥ 102

Fonte: Autoria própria.

Dessa forma, foram separados para a Análise de Conteúdo os 23 artigos

mais relevantes de acordo com o método aplicado, conforme o Quadro 4.

Quadro 4 – Portfólio de artigos para a Análise de Conteúdo.

Título Ano Citações CiteScore InOrdinatio

Intelligent Manufacturing in the Context of Industry 4.0:

2017 190 4.05 270.00405
A Review
A review of industrial wireless networks in the context
2017 184 2.43 264.00243
of Industry 4.0
Understanding the implications of digitisation and
automation in the context of Industry 4.0: A
2016 188 6.05 258.00605
triangulation approach and elements of a research
agenda for the construction industry
China's manufacturing locus in 2025: With a
2018 99 4.32 189.00432
comparison of “Made-in-China 2025” and “Industry 4.0”
Cloud-assisted industrial cyber-physical systems: An
2015 82 1.44 142.00144
insight
Ubiquitous manufacturing: Current practices,
2017 43 5.90 123.00590
challenges, and opportunities
Implementation of industry 4.0 and lean production in
2018 32 4.34 122.00434
brazilian manufacturing companies
 39

Sustainable Industry 4.0 framework: A systematic

literature review identifying the current trends and 2018 27 4.60 117.00460
future perspectives
Energy efficient and QoS-aware routing protocol for
wireless sensor network-based smart grid applications 2018 25 1.52 115.00152
in the context of industry 4.0
The role of Information and Communication
Technologies in healthcare: taxonomies, perspectives, 2018 18 6.54 108.00654
and challenges
A framework to design a human-centred adaptive
2017 26 5.72 106.00572
manufacturing system for aging workers
IEEE 802.15.4e in a nutshell: Survey and performance
2018 15 33.62 105.03362
evaluation
MQRP: Mobile sinks-based QoS-aware data gathering
protocol for wireless sensor networks-based smart grid
2018 15 6.30 105.00630
applications in the context of industry 4.0-based on
internet of things
A critical investigation of Industry 4.0 in manufacturing:
2018 15 4.38 105.00438
theoretical operationalisation framework
A fog computing and cloudlet based augmented reality
2018 15 3.72 105.00372
system for the industry 4.0 shipyard
A fog computing based cyber-physical system for the
automation of pipe-related tasks in the industry 4.0 2018 13 3.72 103.00372
shipyard
Cost-Efficient Deployment of Fog Computing Systems
2018 12 8.82 102.00882
at Logistics Centers in Industry 4.0
Optimization of the energy consumption of industrial
2019 2 5.90 102.00590
robots for automatic code generation
Optimizing energy consumption of robotic cells by a
2019 2 4.56 102.00456
Branch & Bound algorithm
Delay Estimation of Industrial IoT Applications Based
2018 12 3.84 102.00384
on Messaging Protocols
Procedure for Defining the System of Objectives in the
Initial Phase of an Industry 4.0 Project Focusing on 2016 32 2.15 102.00215
Intelligent Quality Control Systems
How data will transform industrial processes:
Crowdsensing, crowdsourcing and big data as pillars of 2018 12 1.89 102.00189
industry 4.0
Sensors 4.0 - Smart sensors and measurement
2018 12 1.36 102.00136
technology enable Industry 4.0
Fonte: Autoria própria.

Curiosamente, apesar de nenhum artigo do portfólio ter apresentado o termo

“qualidade” em seu título, em todos eles o termo se encontra presente entre as
palavras-chave, ou no seu respectivo resumo. Assim, na seção seguinte, a Análise
de Conteúdo será feita com base nos 23 artigos selecionados, onde cada um
passará pelo processo de leitura completa, a qual buscará levantar as mudanças
que a qualidade vem passando em cada área estabelecida por Feigenbaum (1994)
no contexto o qual o artigo está inserido.
 40

3.2 ANÁLISE DE RESULTADOS

Após a consolidação do portfólio de artigos, a análise e discussão dos

resultados poderão ser realizadas. Como já mencionado anteriormente, essa fase é
caracterizada pela Análise Bibliométrica e pela Análise de Conteúdo.

3.2.1 Análise Bibliométrica

Segundo da Silva et al. (2011) , a bibliometria busca analisar a atividade

científica ou técnica por meio de dados quantitativos obtidos a partir de contagens
estatísticas de um conjunto de referências bibliográficas. Para Araújo e Alvarenga
(2011), os indicadores da bibliometria podem retratar o comportamento e
desenvolvimento de uma área do conhecimento, desempenhando assim um papel
relevante na análise da produção científica de um país.
Dessa forma, o presente estudo visa realizar uma análise bibliométrica do
portfólio de 213 artigos sobre os seguintes parâmetros: (i) ano de publicação, (ii)
país de origem, (iii) periódico, (iv) autores e (v) palavras-chave.

3.2.2 Análise de Conteúdo

Como já mencionado no início deste capítulo, esta pesquisa apresenta uma

abordagem qualitativa, a qual, na visão de Cavalcante et al. (2014), é orientada à
compreensão da manifestação do objeto de estudo, além de permitir a descoberta
de processos sociais ainda pouco conhecidos, e a criação de novas abordagens,
categorias e conceitos durante a investigação. Não obstante, para esses autores, a
organização e análise dos dados na pesquisa qualitativa podem ser feitas por meio
de diferentes técnicas, sendo a Análise de Conteúdo uma delas.
O presente estudo, portanto, utilizar-se-á da análise de conteúdo, uma vez
que ela permite, de forma sistemática, a descrição das mensagens e das atitudes
atreladas ao contexto das informações, bem como a compreensão dos significados
e das relações que se estabelecem além do que foi propriamente dito
(CAVALCANTE et al., 2014).
 41

Assim, a partir dos 23 artigos selecionados, uma leitura sistemática será

realizada com o objetivo identificar os pilares da indústria 4.0 abordados e as
conclusões obtidas. Mais detalhes de como esse processo foi realizado podem ser
vistos no Apêndice A. O resultado serão analisados sob a perspectiva das nove
áreas que afetam a qualidade, proposto por Feigenbaum (1994), buscando, assim,
estabelecer as mudanças provocadas pela indústria 4.0 na qualidade de maneira
abrangente.
 42

4 RESULTADOS

Nas próximas seções serão apresentados os resultados das Análises

Bibliométrica e de Conteúdo seguindo os parâmetros previamente definidos no
capítulo anterior.

4.1 ANÁLISE BIBLIOMÉTRICA

Realizada sobre 213 artigos, a Análise Bibliométrica deste estudo visa

apresentar um panorama atual do conhecimento científico referente à Indústria 4.0 e
a qualidade. Por meio dos parâmetros utilizados, essa análise busca fornecer uma
perspectiva ampla sobre o objeto de estudo.

4.1.1 Ano de Publicação

O Gráfico 2 apresenta a quantidade de artigos publicados ao longo dos

anos. Apesar de este estudo ter coletado artigos entre os anos de 2009 e 2019,
percebe-se que publicações sobre o assunto se iniciaram apenas em 2014, com
dois artigos publicados na Alemanha.

Gráfico 2 – Publicações por ano.

Fonte: Dados de pesquisa.
 43

Os dados também mostram a popularidade do tema em ascensão, com

aumentos significativos do número de publicações ao longo dos anos, chegando a
97 publicações em 2018. Até o dia 20 de Maio de 2019, foram publicados 50 artigos
sobre o tema.

4.1.2 País de Origem

Quanto ao número de artigos publicados por cada país, o Gráfico 3 mostra

os 10 países com mais publicações. Ao todo, 48 países foram responsáveis por
publicar os 213 artigos sobre o tema, liderados por Itália e Alemanha com,
respectivamente, 32 e 30 artigos.

Gráfico 3 – Publicações por país.

Fonte: Dados de pesquisa.

No gráfico é possível observar também que quase metade das publicações

(47,89%) é proveniente de cinco países: Itália, Alemanha, Estados Unidos, China e
Reino Unido. Além disso, vale ressaltar que dois continentes são representados por
apenas um país, sendo eles: a África, representada pela África do Sul com duas
publicações, e a América do Sul, representada pelo Brasil com três publicações. O
 44

continente europeu é o mais bem representado, com 28 países com artigos

publicados.

4.1.3 Periódicos

O Quadro 5 ilustra os periódicos com maior quantidade de artigos

publicados, liderados pelos holandeses Procedia Manufacturing, com 18
publicações, e Procedia CIRP, com 17.

Quadro 5 – Publicações por periódico.

CiteScore Periódico País Artigos

1.39 Procedia Manufacturing Holanda 18

2.15 Procedia CIRP Holanda 17

0.99 IFAC-PapersOnLine Áustria 8

6.05 Computers in Industry Holanda 6

Reino
4.68 Computers & Industrial Engineering 6
Unido

3.01 Sustainability Suíça 6

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.

Os 213 artigos do portfólio foram publicados por 120 periódicos. O CiteScore

médio dos periódicos analisados foi de 2,39, com uma amplitude de 33,62, o qual foi
o maior resultado do indicador apresentado pelo periódico estadunidense IEEE
Communications Surveys and Tutorials.
 45

4.1.4 Autores

No que se referem aos autores, quatro nomes lideram a lista de maior

quantidade de publicações, como pode ser observado no Quadro 6 abaixo.

Quadro 6 – Publicações por autor.

Autores País Filiação Artigos

Estados
Bouzary, H. University of Texas - San Antonio 3
Unidos
Abele, E. Alemanha Technische Universität Darmstadt 3

Pellicciari, M. Itália University of Modena and Reggio Emilia 3

Reino
Found, P.A. University of Buckingham 3
Unido
Estados Clemson University International Center for
Krugh, M. 2
Unidos Automotive Research
Cai, H. China Jiangxi University of Science and Technology 2

Padovano, A. Itália Università della Calabria 2

Fernández-
Espanha Universidade da Coruña 2
Caramés, T.M.
Tsai, W.-H. Taiwan National Central University Taiwan 2
Università degli Studi di Modena e Reggio
Peruzzini, M. Itália 2
Emilia
Fonte: Dados de pesquisa.

Ao todo, foram contabilizados 695 autores diferentes, sendo que apenas 55

(7,91%) deles apresentaram mais do que uma publicação no tema de estudo.

4.1.5 Palavras-chave

As palavras-chave mais utilizadas nos artigos analisados estão ilustradas no

Quadro 7. Nele, destaca-se a predominância do termo Industry 4.0, com 125
indexações. Em seguida, três das quatro principais tecnologias da Indústria 4.0
aparecem: Internet of Things com 31, Cyber Physical System com 30 e Big Data
com 17. A quarta tecnologia, Cloud Computing, aparece em décimo lugar, com 9
indexações.
 46

Quadro 7 – Palavras-chave mais usadas.

Palavras-chave Artigos Palavras-chave Artigos
Industry 4.0 125 Artificial Intelligence 9
Internet of Things 31 Condition Monitoring 8
Cyber Physical System 30 Process control 8
Big Data 17 Augmented reality 7
Manufacture 17 Smart factory 7
Quality control 16 Industrial Internet of Things 7
Embedded systems 15 Data mining 6
Automation 13 Simulation 6
Quality of Service 13 Industrial revolutions 6
Cloud computing 9 Optimization 6
Fonte: Dados de pesquisa.

No tocante à qualidade, os termos mais utilizados são Quality Control e

Quality of Service com, respectivamente, 16 e 13 indexações. Esse resultado se
mostra coerente com as proposições da Indústria 4.0 discutidas até aqui e sua
orientação para serviços.

4.2 ANÁLISE DE CONTEÚDO

Como já mencionado anteriormente, a Análise de Conteúdo será realizada

sob a perspectiva das áreas que impactam a qualidade, proposta por Feigenbaum
(1994). Neste caso, os 23 artigos selecionados no processo final de filtragem
passarão por uma leitura completa, a fim de que os impactos e mudanças
resultantes de qualquer um dos quatro pilares da Indústria 4.0 (Sistemas Ciber-
Físicos, Internet das Coisas, Big Data e Computação em Nuvem) sejam
identificados.
Tais mudanças e impactos, entretanto, podem ocorrer em diversas áreas de
uma organização, principalmente quando se trata de uma revolução como a
Indústria 4.0. A qualidade, por sua vez, também se mostra abrangente no contexto
organizacional, contemplando desde questões técnicas de produtos e serviços, até o
pós venda e pesquisas de mercado.
Portanto, uma vez identificados, uma categorização desses impactos, de
acordo com a área da qualidade em que estão inseridos, se faz necessária. Dessa
forma, será possível mapear de que maneira a qualidade está sendo impactada
 47

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

Na área de mercados, foram identificados três impactos, um proveniente da

Internet das Coisas, um da Computação em Nuvem e um abrangendo todos os
pilares da Indústria 4.0.

Quadro 8 – Impactos na qualidade na área de mercados.

Pilar Artigo Autor Trecho

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

“Nas indústrias, essa tecnologia ajudará

empresas a analisar o comportamento social
e sistema computacional para encontrar
demanda social e otimizar o gerenciamento
Reshoring and
Ancarani, A.; Di do ciclo de vida. Agora, com o aumento de
Computação industry 4.0: How
Mauro, C. p. 4. plataformas de computação social como
em Nuvem often do they go
(2018) Twitter, Facebook, Skype e YouTube, vai
together?
acelerar o desenvolvimento de manufatura
inteligente e fornecer serviços
personalizados e em tempo real para os
clientes.”
 48

Procedure for “A introdução de um controle de qualidade

Defining the baseado na Indústria 4.0 necessita de
System of Albers, A.; etapas de integração dentro e fora da
Todas as Objectives in the Gladysz, B.; empresa de manufatura. Ela afeta sensores
tecnologias Initial Phase of an Pinner, T.; e atuadores como também processos gerais
da Indústria Industry 4.0 Butenko, V.; da empresa, como fluxos de informação e
4.0. Project Focusing Stürmlinger, T. p. documentação. Além disso, os parceiros ou
on Intelligent 266. (2016) clientes da empresa têm que ser integrados
Quality Control ao desenvolvimento como todos eles fazem
Systems parte da cadeia de valor glo al.”

Fonte: Dados de pesquisa.

Como pode ser observado no Quadro 8, os impactos relacionados a

mercados afetam principalmente a cadeia de suprimentos da organização. A Internet
das Coisas e a Computação em Nuvem possibilitarão que os processos de
manufatura e logísticos se tornem inteligentes e com maior capacidade de previsão
e reação às mudanças, capazes de oferecer serviços mais personalizados e em
tempo real aos seus clientes (ANCARANI e DI MAURO, 2018; FATORACHIAN e
KAZEMI, 2018).
Entretanto, baseado no trecho de Albers et al. (2016) acima, é seguro
assumir que não apenas o controle de qualidade, como também diversos outros
processos necessitarão de etapas de integração dentro e fora da organização para
que esse potencial seja atingido. Serviços personalizados e em tempo real significa
que tanto clientes quanto fornecedores devem estar integrados aos processos, uma
vez que ambos fazem parte da cadeia de valor.

4.2.2 Dinheiro

Empatada com Métodos de Informação, a área de custos da qualidade é a

que mais apresentou impactos com a Indústria 4.0. O Quadro 9 apresenta todos os
oito identificados, sendo três relacionados à Computação em Nuvem, dois de
Internet das Coisas, um de CPS, um de Big Data e um contemplando todos os
pilares.
 49

Quadro 9 – Impactos na qualidade na área financeira.

Pilar Artigo Autor Trecho
“No entanto, o serve que ao usar o cache
local, os algoritmos tornam-se mais
Fernández-
A fog computing complexos, uma vez que o algoritmo de
Caramés, T.M.;
and cloudlet previsão tem que ser eficaz e tem que ser
Fraga-Lamas, P.;
based augmented verificado periodicamente se a memória
Suárez-Albela,
reality system for contém a versão mais recente dos dados.
M.; Vilar-
the industry 4.0 Além disso, a sincronização de cache torna-
Montesinos, M. p.
shipyard se cara em termos de custo de energia no
4. (2018)
caso de troca de grandes arquivos que
podem aca ar não sendo usados.”
“Nesta plataforma de nuvem, eles podem
alcançar trabalho colaborativo interno e
externo, sincronização de mensagens a
Computação Reshoring and
Ancarani, A.; Di qualquer momento e em qualquer lugar, e
em Nuvem industry 4.0: How
Mauro, C. p. 6. realizar imaginação ilimitada no sistema do
often do they go
(2018) escritório. Além disso, nessa plataforma,
together?
esses serviços são gratuitos e atualizados
com frequência, o que diminui custos e
aumenta a eficiência da produção.”
The role of “A computação em nuvem pode contri uir
Information and significativamente para conter custos de
Communication Aceto, G.; integração da saúde e otimizar os recursos.
Technologies in Persico, V.; Economia, simplificação e conveniência da
healthcare: Pescapé, A. p. maneira como os serviços relacionados à
taxonomies, 18. (2018) computação são entregues estão entre os
perspectives, and principais impulsionadores da computação
challenges em nuvem.”
“Redes industriais sem fio (IWNs) são
adotadas em sistemas industriais para
perceber parâmetros importantes, como
A review of Li, X.; Li, D.; Wan, monitorar o status da máquina e o ambiente
industrial wireless J.; Vasilakos, de trabalho ou o fornecimento de instruções
Internet das
networks in the A.V.; Lai, C.-F.; de controle e informações em tempo real.
Coisas
context of Wang, S. p. 24. Portanto baixa latência é exigida por esses
Industry 4.0 (2017) aplicativos. Na maioria dos casos, isso é à
custa do consumo de energia e um alto
custo para alcançar desempenho em tempo
real.”
 50

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.”

Fonte: Dados de pesquisa.

A partir dos trechos apresentados no quadro acima, percebe-se que todas

as mudanças são oriundas duas causas: a infraestrutura e os novos serviços
disponíveis. Por um lado, a crescente quantidade de dados que deve ser gerada,
 51

processada e compartilhada ao longo da execução dos processos, combinada com

a crescente demanda por análises e serviços em tempo real faz com que os custos
despendidos para sustentar uma infraestrutura compatível aumentem
significativamente (FERNÁNDEZ-CARAMÉS ET AL., 2018; LI ET AL. 2017; ACETO;
PERSICO; PESCAPÉ, 2018). Além disso, segundo uma pesquisa apontada
Tortorella e Fettermann (2018), esses custos elevados têm sido também a principal
causa de empresas não conseguirem progredir na Indústria 4.0.
Por outro lado, os benefícios oferecidos pela Computação em Nuvem e as
análises de Big Data estão fazendo com que os custos diminuam. Com serviços
mais inteligentes, eficientes e capazes de serem realizados remotamente, a
eficiência e comodidade dos processos tendem a aumentar. Dependendo do
contexto em que estiverem inseridas, análises mais assertivas podem reduzir erros,
desperdícios e detectar fraudes, com potencial de um retorno financeiro expressivo,
além de que muitos dos serviços de Computação em Nuvem se encontram gratuitos
atualmente (ANCARANI; DI MAURO, 2018; ACETO; PERSICO; PESCAPÉ, 2018).
Não obstante, os impactos identificados nessa área podem ser analisados
sob a perspectiva de despesas da qualidade, explanada no Capítulo 2 e proposta
por Feigenabum (1994) e Juran e Gryna (1991). Aqui, infraestrutura e novos
serviços disponíveis, podem ser inseridos no mesmo grupo, o de controle da
qualidade. Enquanto os elevados custos com infraestrutura aumentam as despesas
para prevenir que problemas de qualidade ocorram, os novos serviços estão
reduzindo os custos associados a avaliações, inspeções e medições. Ambos,
entretanto, objetivam reduzir as despesas de falha tanto interna, quanto externa.

4.2.3 Gestão

Com um impacto identificado a menos que a área de custos da qualidade, a

área de Gestão apresentou sete impactos. Deles, três abrangeram todos os pilares,
enquanto que foram identificados dois relacionados à Computação em Nuvem e dois
ao Big Data. O Quadro 10 mostra os trechos identificados.
 52

Quadro 10 – Impactos na qualidade na área de gestão.

Pilar Artigo Autor Trecho
“Com essas plataformas de serviços em
nuvem, podemos facilmente armazenar e
analisar nossos dados, trocar informações
entre empresas, integrar a cadeia de
produção entre empresas e transformar o
Reshoring and nosso modo de produção. Mas devemos
Ancarani, A.; Di
industry 4.0: How pensar em várias questões, como encontrar
Mauro, C. p. 3.
often do they go as demandas dos clientes, quais máquinas
(2018)
together? devem cooperar com outras, onde é o
melhor lugar para vender, e qual é o
problema com o nosso produto. As
respostas serão encontradas facilmente
através da nuvem e obviamente fornecerão
Computação
melhorias significativas para as empresas.”
em Nuvem
“Com o middleware certo, um sistema de
computação em nuvem pode executar todas
as aplicações que um computador normal
pode executar. Tudo, desde software de
Intelligent processamento de texto genérico até
Zhong, R.Y.; Xu,
Manufacturing in programas de negócios personalizados
X.; Klotz, E.;
the Context of projetados e desenvolvidos para uma
Newman, S.T. p.
Industry 4.0: A organização, pode potencialmente ser
622. (2017)
Review executado em um sistema de nuvem.
Computação em nuvem foi creditada com o
aumento da competitividade através de
maior flexibilidade, redução de custos,
elasticidade e ótima utilização de recursos.”
How data will
“Das considerações anteriores, tornou-se
transform
evidente que a quantidade impressionante
industrial
de dados vinda da multidão de sensores e
processes:
Pilloni, V. p. 12. dispositivos pessoais que caracterizam o
Crowdsensing,
(2018) ambiente industrial pode ser usada para
Big Data crowdsourcing
alcançar uma compreensão profunda, obter
and big data as
insights e realizar descobertas para tomadas
pillars of industry
uma decisão precisas.”
4.0
The role of Aceto, G.; “Análises de ig data podem efetivamente
Information and Persico, V.; reduzir as preocupações com a saúde, como
 53

Communication Pescapé, A. p. a seleção de vias de tratamento adequadas

Technologies in 21. (2018) e melhoria dos sistemas de saúde. Mais em
healthcare: geral, tecnologias de big data reduzirão o
taxonomies, desperdício e a ineficiência em operações
perspectives, and clínicas, saúde pública, pesquisa e
challenges desenvolvimento.”
“Este achado sugere que, em ora empresas
Implementation of
menores possam enfrentar desafios
industry 4.0 and
Tortorella, G.L.; diferentes dos enfrentados pelas maiores, a
lean production in
Fettermann, D. p. adoção simultânea da Indústria 4.0 e de
Brazilian
8. (2018) produção Lean é viável em ambos os
manufacturing
contextos e o tamanho não deve ser visto
companies
como um impedimento para isso.”
Sustainable
“Espera-se que a Indústria 4.0 reduza
Industry 4.0
significativamente o custo total de
framework: A
Kamble, S.S.; propriedade do equipamento de produção
systematic
Gunasekaran, A.; de capital, melhorando a manutenção
literature review
Gawankar, S.A. p. preditiva, reduzindo os custos de
identifying the
421. (2018) desenvolvimento de produtos, melhorando
current trends and
as decisões de compra e oferecendo
Todas as future
manufatura so demanda e so medida.”
tecnologias perspectives
da Indústria “Al m dos enefícios econômicos para
4.0. melhorar a produtividade, eficiência,
Understanding
qualidade e colaboração, a adoção pode
the implications of
ajudar a melhorar a segurança, a
digitisation and
sustentabilidade e, assim, melhorar a
automation in the
imagem precária da indústria da construção
context of
em longo prazo. Para colher esses
Industry 4.0: A Oesterreich, T.D.;
benefícios, múltiplos desafios políticos,
triangulation Teuteberg, F. p.
econômicos, sociais, tecnológicos,
approach and 23. (2016)
ambientais e legais precisam ser abraçados.
elements of a
Por exemplo, as empresas têm de lidar com
research agenda
mudanças organizacionais e de processo,
for the
com altos custos de implementação e a
construction
previsão pouco clara de redução de custos
industry
ou com a crescente necessidade de
segurança de dados e proteção de dados.”

Fonte: Dados de pesquisa.

 54

A partir dos resultados do Quadro 10, percebe-se que a gestão em uma

organização 4.0 será mais inteligente, flexível, acessível e integrada com outros
departamentos, o que se mostra de acordo com o conteúdo teórico de Indústria 4.0
explanado no Capítulo 2. Os serviços da Computação em Nuvem permitirão que
mais informações sejam compiladas e compartilhadas com os integrantes da cadeia
de valor, enquanto tornam essas atividades mais práticas e acessíveis, propiciando
análises e resultados mais eficientes (ZHONG ET AL., 2017; PILLONI, 2018;
KAMBLE; GUNASEKARAN; GAWANKAR, 2018). Em paralelo, com a massiva
quantidade de dados a disposição, o uso do Big Data aumentará não apenas a
quantidade de informações e insights, como também a qualidade desse conteúdo,
permitindo realizar descobertas melhores e ações mais precisas (PILLONI, 2018;
ACETO; PERSICO; PESCAPÉ, 2018).
Por fim, Tortorella e Fettermann (2018) afirmam que a adoção simultânea da
Indústria 4.0 com Lean Manufacturing é viável tanto em pequenas, quanto grandes
organizações, o que tende a facilitar a adaptação ou integração dos processos.
Mesmo assim, Oesterreich e Teuteberg (2016) argumentam que lidar com essas
mudanças e adaptações é um desafio a ser enfrentado pelas empresas, se elas
visam implementar a Indústria 4.0. E esse não é o único desafio, o alto custo de
implementação, como já foi citado também anteriormente, e a crescente demanda
por segurança e proteção de dados também deverão ser enfrentados.

4.2.4 Homens

A área relacionada ao ser humano também apresentou mudanças. A maioria

delas abrangendo todos os pilares da Indústria 4.0, enquanto que uma aborda os
Sistemas Ciber-Físicos. O Quadro 11 apresenta as três mudanças identificadas.

Quadro 11 – Impactos na qualidade na área humana.

Pilar Artigo Autor Trecho
A framework to “O estudo de caso descreveu como uma
design a human- ferramenta de máquina existente foi
Sistemas Peruzzini, M.;
centred adaptive aprimorada por comportamentos adaptativos
Ciber- Pellicciari, M. p.
manufacturing para apoiar trabalhadores idosos, graças ao
Físicos 347. (2017)
system for aging CPS e à arquitetura do sistema de
workers gerenciamento de conhecimento adequada.
 55

[...] O novo sistema adaptativo foi capaz de

adaptar inteligentemente seus
comportamentos de acordo com as
condições externas, condições de trabalho e
habilidades específicas do trabalhador,
tarefas e habilidades físico-cognitivas,
graças a um conjunto de regras de
configuração antropocêntricas e cientes do
contexto.”
“Especificamente, no contexto das
economias em desenvolvimento, como o
Implementation of
Brasil, a Confederação Nacional da Indústria
industry 4.0 and
Tortorella, G.L.; (2016) realizou uma pesquisa para
lean production in
Fettermann, D. p. identificar os desafios para implementar as
Brazilian
3. (2018) tecnologias da Indústria 4.0. [...] a falta de
manufacturing
trabalhadores qualificados foi apontada
companies
como o maior desafio entre os fatores
externos.”
Todas as Understanding
tecnologias the implications of
da Indústria digitisation and
“Para colher esses enefícios, múltiplos
4.0. automation in the
desafios políticos, econômicos, sociais,
context of
tecnológicos, ambientais e legais precisam
Industry 4.0: A Oesterreich, T.D.;
ser abraçados. [...] Os funcionários têm que
triangulation Teuteberg, F. p.
lidar com as crescentes exigências do
approach and 23. (2016)
trabalho e com um nível mais alto de
elements of a
estresse mental devido ao medo de perder o
research agenda
emprego.”
for the
construction
industry

Fonte: Dados de pesquisa.

Segundo Peruzzini e Pellicciari (2017), Sistemas Ciber-Físicos podem ser

utilizados também para tornar operações e ferramentas mais adaptativas ao
comportamento, ou às limitações humanas, bem como outras condições externas
que podem fazer a diferença no processo envolvido. Nesse sentido, operações e
ferramentas mais inteligentes impactam não somente o desempenho do trabalhador,
como também na maneira como o trabalho afeta a saúde e o psicológico humano.
 56

Os outros dois impactos identificados apresentam um tom mais desafiador

para o homem na Indústria 4.0. A partir dos trechos mostrados, conclui-se que a
automatização e automação de operações e atividades manuais, bem como o
aumento do nível e da complexidade tecnológica faz crescer no trabalhador o medo
de ser substituído e de ter demandas cada vez maiores, impactando negativamente
sua saúde mental, e aumenta a demanda por mão de obra cada vez mais
qualificada (TORTORELLA; FETTERMANN, 2018; OESTERREICH; TEUTEBERG,
2016).

4.2.5 Motivação

Impactos sobre a motivação também foram identificados. O contexto em que

se encontram, entretanto, é diferente daquele proposto por Feigenbaum (1994),
onde ele aborda a motivação do trabalhador no sentido da compreensão da
importância das suas ações para os resultados da organização, principalmente no
âmbito da qualidade. Apesar de também apresentar impactos sobre a
compreensibilidade do trabalhador, nesta subseção, as mudanças identificadas se
encontram mais relacionadas aos sentimentos provocados no trabalhador pelas
condições do seu trabalho e às perspectivas que ele possui sobre sua carreira. O
Quadro 12 traz os resultados obtidos.

Quadro 12 – Impactos na qualidade na área motivacional.

Pilar Artigo Autor Trecho
“Sobre satisfação, geralmente é melhorada
(+38%), com efeitos positivos,
especialmente na compreensibilidade
A framework to (+60%), capacidade de aprendizado (+46%),
design a human- facilidade de tarefas e familiaridade (ambos
Sistemas Peruzzini, M.;
centred adaptive +40%). Tais resultados positivos obtidos
Ciber- Pellicciari, M. p.
manufacturing também sobre a usabilidade do sistema em
Físicos 346. (2017)
system for aging termos de satisfação do usuário destacam
workers como os comportamentos adaptativos
projetados efetivamente apoiam os
trabalhadores percebendo a chamada
fabricação antropocêntrica.”
 57

“Serão asseguradas melhores condições de

trabalho, tendo em conta tanto a melhoria da
seguridade e da segurança, no tempo de
trabalho, na organização do trabalho e no
How data will
equilíbrio entre a vida profissional e familiar.
transform
Com efeito, graças às melhorias
industrial
proporcionadas pelo objetivo anterior e às
processes:
Pilloni, V. p. 7. novas tecnologias, como mobile
Big Data Crowdsensing,
(2018) crowdsensing e mobile crowdsourcing e a
crowdsourcing
análise de big data, serão fornecidos novos
and big data as
serviços inovadores. Isso não apenas criará
pillars of industry
novas oportunidades de valor, mas também
4.0
possibilitará trajetórias de carreira
diversificadas e flexíveis que permitirão que
as pessoas trabalhem e continuem
produtivas por mais tempo.”

Fonte: Dados de pesquisa.

Segundo Peruzzini e Pellicciari (2017), o aumento da adaptabilidade dos

processos com os Sistemas Ciber-Físicos terá impactos positivos na motivação do
trabalhador em relação ao seu trabalho, aumentando não somente sua satisfação
em relação ao mesmo, como também sua capacidade de aprender e compreender o
processo o qual está inserido. Quanto mais adaptado um trabalho está para as
condições e limitações do trabalhador, menores serão os incômodos físicos e
psicológicos sentidos por ele. Assim como foi observado na subseção anterior,
percebe-se aqui também o impacto da adaptabilidade na saúde do trabalhador, uma
vez que as saúdes física e mental estão relacionadas. A distinção, nesse caso, é
conceitual, uma vez que a área motivacional encontra-se mais relacionada à
consciência humana, enquanto que a de homens relaciona-se mais às competências
e qualificações profissionais.
Não obstante, com o uso do Big Data, a adaptabilidade dos processos
também é impactada pela maior capacidade do sistema de analisar e aprender com
o ambiente e com os usuários envolvidos. Uma análise de dados mais profunda
pode levar a descoberta de padrões de interação do trabalhador com o sistema e o
processo, indicando pontos que devam ser controlados ou melhorados.
 58

Consequentemente, são melhoradas as condições de trabalho enquanto o mesmo

se torna mais flexível e dinâmico (PILLONI, 2018).

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.

4.2.7 Máquinas e Mecanização

A área de Máquinas e Mecanização apresentou três impactos, dois

relacionados à utilização de Sistemas Ciber-Físicos, e um de Computação em
Nuvem. O Quadro 13 mostra os trechos correspondentes.

Quadro 13 – Impactos na qualidade na área de máquinas e mecanização.

Pilar Artigo Autor Trecho
“Além disso, os sensores da máquina
permitem a verificação automática de alguns
A framework to aspectos que eram originalmente verificados
design a human- por humanos (por exemplo, perfil da peça de
Sistemas Peruzzini, M.;
centred adaptive madeira após o carregamento e após o
Ciber- Pellicciari, M. p.
manufacturing processo de moagem, posicionamento
Físicos 341. (2017)
system for aging correto da peça de madeira no carregador)
workers enquanto outros controles automáticos
permitem evitar erros humanos (por
exemplo, controle do perfil correto da
 59

ferramenta e sua qualidade ou controle da

qualidade do produto final por
processamento de imagem).”
“O único processo de verificação que é
A fog computing realizado manualmente é o controle de
based cyber- Fernández- qualidade, embora, quando um tubo é
physical system Caramés, T.M.; colocado em uma área de verificação de
for the automation Fraga-Lamas, P.; qualidade, um evento é desencadeado para
of pipe-related Suárez-Albela, notificar a nova tarefa ao supervisor de
tasks in the M.; Díaz-Bouza, qualidade, que pode aprovar digitalmente
industry 4.0 M.A. p. 10. (2018) (ou seja, tablet conectado ao CPS) a
shipyard verificação de qualidade ou desaprová-lo,
indicando os problemas detectados.”
“Além disso, a nuvem industrial também
ajudará a monitorar a condição das
máquinas o tempo todo e relatar as
Reshoring and
Ancarani, A.; Di informações para o departamento de
Computação industry 4.0: How
Mauro, C. p. 6. manutenção. Ele vai encontrar os problemas
em Nuvem often do they go
(2018) com o equipamento com antecedência,
together?
reduzir o tempo de inatividade do
equipamento e melhorar a eficiência da
produção.”

Fonte: Dados de pesquisa.

A partir dos trechos mostrados, percebe-se que os Sistemas Ciber-Físicos

tornarão possíveis a automação e automatização de processos relacionados à
qualidade, reduzindo erros humanos e provavelmente o tempo de execução de
tarefas (PERUZZINI; PELLICCIARI, 2017; FERNÁNDEZ-CARAMÉS; FRAGA-
LAMAS; SUÁREZ-ALBELA; DÍAZ-BOUZA, 2018). Além disso, com a adição da
Computação em Nuvem, muitos desses processos poderão ser monitorados e
analisados remotamente pela nuvem. Além da praticidade, a prontidão e eficiência
das análises permitirá que problemas sejam encontrados com maior antecedência,
aumentando a eficiência dos processos (ANCARANI; DI MAURO, 2018).
 60

4.2.8 Métodos de Informação

Como já foi mencionado anteriormente, Métodos de Informação também

apresentou o maior número de impactos identificados, empatado com a área de
Dinheiro. A partir dos trechos analisados até agora, já é possível perceber que a
maneira como se coleta, armazena, manipula e analisa informações está mudando,
e a quantidade de impactos observados nessa área corrobora essa constatação.
Como pode ser visto no Quadro 14, três deles estão relacionados ao uso do Big
Data, três ao de Internet das Coisas, um de Computação em Nuvem e um de CPS.

Quadro 14 – Impactos na qualidade na área de métodos de informação.

Pilar Artigo Autor Trecho
A critical
investigation of “Alguns dos benefícios e oportunidades
Industry 4.0 in Fatorachian, H.; oferecidos pela IoT incluem maior percepção
manufacturing: Kazemi, H. p. 4. e visibilidade e colaboração entre o chão de
theoretical (2018) fábrica, bem como maior conectividade
operationalization máquina-máquina (M2M) em tempo real.”
framework
Sustainable
Industry 4.0
“Os produtos da IoT têm identificadores
framework: A
Kamble, S.S.; exclusivos e estão intrinsecamente ligados a
systematic
Gunasekaran, A.; informações sobre sua origem, uso e
literature review
Gawankar, S.A. p. destino. O uso da IoT ajuda na coordenação
Internet das identifying the
417. (2018) e sincronização eficaz dos fluxos de
Coisas current trends and
produtos e informações.”
future
perspectives
“Em termos mais gerais, a IoT permite que o
The role of monitoramento remoto da saúde do paciente
Information and em todas as suas facetas: de parâmetros
Communication Aceto, G.; físicos (também usando dispositivos
Technologies in Persico, V.; vestíveis), geração de dados estatísticos do
healthcare: Pescapé, A. p. risco de doenças, verificação da adesão ao
taxonomies, 18. (2018) tratamento e medicação, agenciamento e
perspectives, and prevenção de diabetes e obesidade (por
challenges exemplo, educar e capacitar bons hábitos
nutricionais ou programas fitness.”
 61

How data will

transform “Como apresentado acima, os dados
industrial coletados durante o monitoramento da
processes: utilização de ativos podem ser analisados
Pilloni, V. p. 6.
Crowdsensing, para melhorar a qualidade dos processos
(2018)
crowdsourcing industriais, por exemplo, através da
and big data as detecção de falhas, manutenção preditiva e
pillars of industry monitoramento do consumo de energia.”
4.0
“Assim sendo, o uso efetivo de dados não
envolve apenas melhorar a eficiência da
fabricação, mas também impulsiona maior
agilidade e maior integração com outras
partes, como logística e gestão de entidades
Intelligent da cadeia de suprimentos. Por exemplo, a
Zhong, R.Y.; Xu,
Manufacturing in fabricante de chips Intel usou uma
X.; Klotz, E.;
the Context of abordagem de análise de dados em seus
Newman, S.T. p.
Industry 4.0: A dados de equipamentos de fabricação para
626. (2017)
Review prever problemas de qualidade. Esse uso
reduziu bastante o número de testes de
Big Data
qualidade e melhorou a velocidade da
produção. O modelo baseado em dados usa
5 TB de dados de máquina por hora para
calcular as previsões de qualidade.”
“Um aspecto muito importante aqui é a
segurança de dados e com isso a questão
de quem possui quais dados e quem tem o
direito de acessar certos dados. Considere
um componente crítico sendo monitorado
em um processo de produção complexo:
Sensors 4.0 -
Schütze, A.; enquanto os dados brutos são produzidos
Smart sensors
Helwig, N.; na fábrica, o know-how para a sua
and measurement
Schneider, T. p. interpretação reside no fabricante do
technology enable
368. (2018) componente. Encaminhar dados brutos
Industry 4.0
completos do processo para o fabricante do
componente geralmente não é uma opção,
já que isso também inclui dados
confidenciais, como por exemplo o volume
de produção da fábrica.”
 62

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.”

Fonte: Dados de pesquisa.

O aumento significativo da conectividade entre máquinas, atuadores,

sensores e dispositivos provenientes dos Sistemas Ciber-Físicos e da Internet das
Coisas permite que a visibilidade, interação e colaboração entre setores da
organização também aumente. Além disso, com a coleta, armazenamento,
manipulação e análise de informações realizada praticamente em tempo real, uma
maior coordenação e sincronização dos fluxos de produtos e informações é
alcançada (FATORACHIAN; KAZEMI, 2018; KAMBLE; GUNASEKARAN;
GAWANKAR, 2018; ACETO; PERSICO; PESCAPÉ, 2018).
Combinado com as análises de Big Data e os serviços da Computação em
Nuvem, esses novos métodos de informação estão permitindo que a qualidade
alcance novos patamares, com monitoramentos e análises cada vez mais eficientes
e em tempo real. Como resultado, aumenta-se também a capacidade organizacional
de resolução e previsão de problemas (PILLONI, 2018; ZHONG ET AL., 2017;
ACETO; PERSICO; PESCAPÉ, 2018).
Entretanto, como também já foi apontado na área de Gestão, a segurança e
proteção de dados têm se tornado uma demanda crescente. Nesse contexto,
Schütze et al. (2018) destaca a importância de saber quais informações devem ou
não ser compartilhadas entre clientes e fornecedores. Mesmo em uma era de
 63

integração, colaboração e comunicação entre sistemas, departamentos e entre

empresas, a segurança de informações e do conhecimento industrial não deixa de
ser uma questão crítica para o sucesso de uma organização.

4.2.9 Exigências de Montagem

A última área, por fim, apresentou sete impactos, mostrados no Quadro 15

abaixo. O que se observou foi que as mudanças relacionadas às exigências de
montagem não afetam tanto a complexidade técnica de produtos e seus níveis de
controle, quanto à qualidade de dados e da rede, e os níveis de controle sobre os
mesmos. Indicando, assim, a importância da segurança, estabilidade e qualidade
dos dados e da rede, entre outros parâmetros, para os pilares da Indústria 4.0.

Quadro 15 – Impactos na qualidade na área de exigências de montagem.

Pilar Artigo Autor Trecho
“- Exposição a altas temperaturas. Em
certas áreas da oficina (ou seja, na
soldagem, áreas de fabricação e limpeza),
tubulações e algumas ferramentas podem
ser expostas a altas temperaturas.
- Presença de substâncias corrosivas. Em
algumas áreas da oficina de tubos (por
A fog computing exemplo, a área de limpeza) é comum o uso
based cyber- Fernández- de diferentes ácidos, soluções cáusticas ou
physical system Caramés, T.M.; combustíveis, que podem condicionar a
Sistemas
for the automation Fraga-Lamas, P.; seleção de sensores, atuadores e outros
Ciber-
of pipe-related Suárez-Albela, dispositivos eletrônicos.
Físicos
tasks in the M.; Díaz-Bouza, - Presença de fontes de interferência de
industry 4.0 M.A. p. 4. (2018) comunicação. A arquitetura de comunicação
shipyard do CPS deve ter em conta que existem na
oficina, além de fontes comuns de
interferência eletromagnética (por exemplo,
redes Wi-Fi ou dispositivos Bluetooth),
outros elementos que geram ruído
eletromagnético. Por exemplo, é difícil fazer
uso de Comunicações de Linha de Energia
(PLC) na oficina devido à presença de
 64

serras mecânicas e outras ferramentas

baseadas em motores AC que interferem
notavelmente com a comunicação através
de linhas de energia. Além disso, as
comunicações podem ser interferidas, por
exemplo, pelos testes de radar realizados no
estaleiro, cujo poder pode atingir vários KW.
- Exposição a fontes de pressão. Como em
outras indústrias, em uma oficina de
estaleiro os produtos são movidos em
grupos de uma área para outra, o que
geralmente leva a colisões e ao acúmulo de
peso nos produtos colocados no fundo. No
caso da oficina de tubos, até 35 tubos são
comumente movidos juntos em um palhete
que aguenta um peso de até 2 T. Portanto,
se sensores, atuadores ou outros
componentes eletrônicos forem colocados
nos tubos ou nos palhetes, eles devem ser
protegidos com um encapsulamento
adequado.”
A framework to
“Como resultado, o sistema é capaz de
design a human-
Peruzzini, M.; realizar quase uma adaptação em tempo
centred adaptive
Pellicciari, M. p. real, mas isso depende do desempenho da
manufacturing
341. (2017) rede de dados e da latência intrínseca dos
system for aging
sistemas conectados.”
workers
“Com mais e mais dispositivos conectados a
Reshoring and redes, isso causará congestionamento de
Ancarani, A.; Di
industry 4.0: How rede e o aumento da latência da rede. Por
Mauro, C. p. 7.
often do they go outro lado, se a rede é assaltada, todas as
(2018)
together? máquinas experimentarão tempo de
inatividade.”
Computação
The role of “De fato, a literatura torna evidente como o
em Nuvem
Information and compartilhamento de dados deve ser tratado
Aceto, G.;
Communication com tecnologias inovadoras e ferramentas
Persico, V.;
Technologies in quando se trata de nuvem. Mais
Pescapé, A. p.
healthcare: especificamente, a introdução da
31. (2018)
taxonomies, computação em nuvem representa um
perspectives, and número de questões relacionadas à
 65

challenges obtenção de dados de pacientes:

comunicação e segurança de dados e
privacidade de dados são as principais
prioridades.”
“Qualidade de serviço (QoS) e arquitetura
orientada a qualidade de dados (QoD) de
redes industriais sem fio (IWNs) são
configurados para QoS e QoD das
entidades. As entidades são a base de toda
A review of Li, X.; Li, D.; Wan,
a arquitetura, e incluem entidades da
industrial wireless J.; Vasilakos,
Internet das fábrica, instalações de redes e
networks in the A.V.; Lai, C.-F.;
Coisas equipamentos de serviço. Os índices de
context of Wang, S. p. 27.
QoS incluem tempo real, confiabilidade,
Industry 4.0 (2017)
longevidade, controles de segurança e
privacidade. O desempenho da QoD
abrange validade, precisão, confiabilidade e
integridade. Além disso, QoS e QoD são
influenciados um pelo outro.”
The role of
“Além disso, processar enormes volumes de
Information and
dados publicados em alta rapidez requer
Communication Aceto, G.;
uma infraestrutura compatível. Da
Technologies in Persico, V.;
Big Data perspectiva da comunicação, ao nível da
healthcare: Pescapé, A. p.
aplicação, arquiteturas inovadoras devem
taxonomies, 32. (2018)
ser implementadas para aplicações
perspectives, and
correspondentes.”
challenges
Understanding “Para colher esses benefícios, múltiplos
the implications of desafios políticos, econômicos, sociais,
digitisation and tecnológicos, ambientais e legais precisam
automation in the ser abraçados. [...] Do ponto de vista
context of técnico, há vários problemas não resolvidos
Todas as
Industry 4.0: A Oesterreich, T.D.; a serem enfrentados, como a falta de
tecnologias
triangulation Teuteberg, F. p. padrões para muitas tecnologias, os
da Indústria
approach and 23. (2016) requisitos mais altos para equipamentos de
4.0.
elements of a computação ou a necessidade crescente de
research agenda redes de comunicação aprimoradas.
for the Conformidade regulatória, incerteza legal e
construction contratual são outras questões a serem
industry levadas em conta.”

Fonte: Dados de pesquisa.

 66

O aumento da quantidade de sensores pelo ambiente produtivo com os

Sistemas Ciber-Físicos aumenta também a demanda em termos de exigência de
montagem do sistema pela estabilidade e integridade dos dispositivos eletrônicos. A
exposição desses aparelhos a altas temperaturas, substâncias corrosivas e altas
variações de pressão pode condiciona-los, não apenas impactando negativamente a
capacidade de realizar as medições corretamente, como também encurtando a vida
útil dos sensores (FERNÁNDEZ-CARAMÉS ET AL., 2018).
Além disso, com cada vez mais máquinas e dispositivos conectados entre si,
cresce também a preocupação com a capacidade e estabilidade da rede em que
todos estão conectados. Uma infraestrutura compatível com o fluxo de informações
que serão transmitidas, armazenadas, manipuladas e analisadas ao longo dos
processos se faz necessária, pois o sub-dimensionamento dessa infraestrutura pode
acarretar em uma indisponibilidade, ou congestionamento da rede e em problemas
de sincronização e integridade de dados, podendo impactar a qualidade de
informações e análises, bem como o funcionamento de serviços e linhas de
produção (PERUZZINI; PELLICCIARI, 2017; ANCARANI; DI MAURO, 2018;
ACETO; PERSICO; PESCAPÉ, 2018).
As exigências e níveis de controle exigidos sobre os dados também estão
aumentando. No trecho escrito por Li et al. (2017), é discutida a relação entre a
qualidade de serviço e a qualidade de dados, bem como parâmetros de controle já
existentes dos mesmos, como confiabilidade, precisão e segurança, por exemplo.
Nessa revolução, os dados se tornaram mais do que um recurso, sendo produto e
subproduto de muitas organizações e, assim como com qualquer outro produto,
quanto maior a qualidade desejada, maior deve ser o controle sobre o mesmo.

4.3 CONSOLIDAÇÃO DE RESULTADOS

Ao fim da Análise de Conteúdo, dos 23 artigos analisados, 14 deles

apresentaram um total de 41 impactos relacionados à qualidade provenientes de
pilares da Indústria 4.0, sob a perspectiva das nove áreas propostas por
Feigenbaum (1994). Como pode ser observado no Quadro 16, todos esses impactos
foram observados por estudos de oito países diferentes, liderados pela Itália, com
quinze impactos.
 67

Quadro 16 – Impactos por País.

ABRANGÊNCIA
PAÍS ARTIGOS IMPACTOS
CPS IoT Cloud Big Data
Itália X X X X 3 15
China X X 2 7
Alemanha X X X X 3 5
Espanha X X 2 4
Brasil X X X X 1 3
Nova Zelândia X X X 1 3
Reino Unido X 1 2
Estados Unidos X X X X 1 2
Fonte: Dados de pesquisa.

Observa-se também a abrangência dos impactos, em termos dos pilares da

Indústria 4.0, que os estudos de cada país apresentaram. Apesar da maioria dos
desafios que tem surgido nessa nova revolução ser comum às organizações, como
o custo de implementação, a preocupação com a segurança e qualidade de dados e
a necessidade de integração, por exemplo, esse resultado induz à interpretação de
que os países estão desenvolvendo caminhos e ritmos diferentes durante essa 4ª
Revolução Industrial, o que é de se esperar. Entretanto, ir além dessa afirmação não
se mostra seguro, uma vez que existe uma quantidade crescente de estudos sobre o
assunto que não foram analisados.
Sob outro ângulo, os resultados podem ser analisados graficamente em
função das nove áreas da qualidade. Isso auxilia na interpretação dos mesmos e
permite uma visualização mais clara e objetiva de onde a qualidade tem sido mais
impactada pela Indústria 4.0 até agora. Além disso, os impactos identificados foram,
de forma resumida, conectados as suas respectivas áreas. Assim, é possível ter
ainda uma visão mais ampla dos resultados, como pode ser observado na Figura 9.
 68

Figura 9 – Impactos da Indústria 4.0 na qualidade.

Fonte: Dados de pesquisa.

Como já mencionado anteriormente, pode ser observado na Figura 9 que as

áreas mais impactadas nas perspectivas da qualidade de Feigenbaum pela Indústria
4.0 têm sido a de Dinheiro e Métodos de Informação, com oito impactos
identificados, seguidos pelas áreas de Gestão e Exigências de Montagem, com sete
impactos. Isso mostra que a maneira como as organizações lidam com seus
recursos, geram valor e gerenciam seus negócios está se transformando
significativamente. Não obstante, essas transformações, suportadas principalmente
da computação em nuvem e do Big Data, impactam também os mercados, bem
como toda a cadeia de valor em que estão inseridos.
Controlar a qualidade do que se produz, por fim, se mostra cada vez mais
complexo. Não apenas porque a integração, tanto vertical, quanto horizontal, vem se
tornando cada vez mais necessária, mas também porque os dados vêm se tornando
cada vez mais críticos para esse processo. Apesar de ser não ser uma variável nova
nesse contexto, sua abundância e valor só vêm aumentando, bem como seu
impacto no resultado final das organizações. Como consequência, os níveis de
controle sobre os dados e a infraestrutura em que estão inseridos vêm se tornando
mais desafiadores, e isso pôde ser observado nos impactos relacionados às
Exigências de Montagem e Métodos de Informação.
 69

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

Durante transformações tecnológicas, como a que está ocorrendo com a

Indústria 4.0, diversas são as mudanças que acontecem simultaneamente dentro e
fora das empresas. Estar preparado para elas pode garantir o sucesso ou a vida de
uma organização e é um desafio, uma vez que a imprevisibilidade e a probabilidade
de não se estar preparado tendem a serem altas. Enquanto que algumas dessas
mudanças se mostram evidentes e até esperadas pelas organizações, outras são
mais sutis e apresentam conexões com áreas que nem sempre se imagina que
também possam estar sendo impactadas. Esse é o caso da qualidade, uma área a
qual historicamente vem mostrando ramificações cada vez maiores dentro das
organizações e na vida das pessoas.
Sendo assim, o presente Trabalho de Conclusão de Curso buscou abordar a
Indústria 4.0 e a Qualidade de forma abrangente, com o intuito de tornar aparente
como os temas estão relacionados e vêm evoluindo ao longo do tempo. Os
principais conceitos e definições foram explanados ao longo da revisão de literatura,
os quais se mostraram necessários para entender não apenas a natureza das
mudanças propiciadas pela Indústria 4.0, mas também as variáveis que compõem a
qualidade nessa revolução. Neste sentido, as perguntas de pesquisa “Como
identificar os impactos da Indústria 4.0 nas perspectivas conceituais da Qualidade,
segundo Feigen aum?” foi respondida ao longo do tra alho e o o jetivo geral de
identificar os impactos na Qualidade no contexto da Indústria 4.0 foi consolidado
especificamente na seção 4.3 deste trabalho. Da mesma forma, os objetivos
relacionados à identificação dos conceitos que compõem a qualidade sob a
perspectiva de Feigenbaum e das tecnologias digitais presentes no contexto da
Indústria 4.0 foram atendidos nas seções 2.1 e 2.2 respectivamente.
A metodologia adotada apresentou resultados satisfatórios, auxiliando no
pragmatismo e na coerência das etapas em que o portfólio bibliográfico foi originado.
Nesse processo, a Methodi Ordinatio foi importante para que a qualidade dos
resultados se estendesse também à Análise Bibliométrica e de Conteúdo realizadas
posteriormente. A Análise de Conteúdo realizada sob a perspectiva das nove áreas
da qualidade, proposta por Feigenbaum (1994), também apresentou resultados
satisfatórios, permitindo identificar as mudanças para a área da Qualidade no
 71

contexto da indústria 4.0 de uma maneira abrangente. Com exceção da área

relacionada a materiais, foram identificados impactos em todas as áreas: mercados,
dinheiro, gestão, homens, motivação, máquinas e mecanização, métodos de
informação e exigências de montagem. Mesmo tendo sido analisados uma fração de
uma quantidade crescente de artigos publicados sobre o assunto, fica evidente o
caráter multidimensional das transformações que a qualidade vem apresentando
com a Indústria 4.0.
Ao longo do estudo, houveram duas dificuldades. A primeira foi percebida
durante a formação do portfólio de artigos. Por se tratarem de dois temas amplos e
repletos de ramificações, estruturar os parâmetros de pesquisa em torno da
qualidade e da Indústria 4.0 se mostrou um desafio, uma vez que quantidades
massivas de documentos não teriam como ser processadas a tempo de execução
deste trabalho. A segunda, por sua vez, ocorreu na Análise de Conteúdo, durante o
processo de identificação e classificação dos impactos. Apesar das áreas que
influenciam a qualidade serem claramente definidas por Feigenbaum (1994), alguns
impactos apresentaram margem para serem classificados em mais de uma área.
Nesse sentido, as áreas de Gestão e de Dinheiro, e as de Homens e Motivação
foram as que apresentaram maior sobreposição de impactos. Isso mostra
novamente quão ramificadas são as relações entre a qualidade e todos os demais
elementos de uma organização.
Ao final deste trabalho, essas dificuldades geraram no autor duas
insatisfações com os resultados obtidos. A primeira consiste na quantidade de
artigos selecionados para o portfólio. Para uma consolidação satisfatória dos
objetivos deste trabalho, seria mais adequada uma quantidade em torno de cem
artigos ou mais para a análise de conteúdo. A segunda insatisfação foi com as áreas
propostas por Feigenbaum (1994). Além da sobreposição dos impactos entre áreas
já mencionada anteriormente, dados se mostraram relevantes em todas as áreas da
qualidade. Esse fato levantou questões relacionadas à quantidade de áreas
utilizadas para a análise de conteúdo, bem como o lugar dos dados dentro dessa
perspectiva. Apesar dos dados se mostrarem mais associados com as áreas de
Métodos Modernos de Informação e Exigências de Montagem, talvez fosse
interessante dedicar uma área somente a eles. Dessa forma, como esse trabalho já
está sendo encerrado, fica como contribuição acadêmica a experiência obtida com
essas insatisfações, a qual pode vir a auxiliar pesquisadores em trabalhos futuros.
 72

Com isso, além deste trabalho contribuir para a disseminação e

entendimento da temática, busca também propiciar novos caminhos de pesquisa em
relação a diversos aspectos que tangem tanto a Indústria 4.0, como a qualidade.
Sendo assim, sugere-se para trabalhos futuros estudos mais aprofundados sobre a
relação da Indústria 4.0 com alguma área específica da qualidade descrita por
Feigenbaum (1994) e estudos relacionados às ramificações da qualidade dentro e
fora das organizações ao longo das revoluções industriais. Não obstante, com a
evolução e maturidade de novas aplicações e tecnologias digitais, mais
transformações e perspectivas de análise há de serem identificadas e estudadas, as
quais virão não apenas para complementar este trabalho, mas também gerar novos
conhecimentos.
 73

REFERÊNCIAS

ABRANTES, J. Gestão da Qualidade, Rio de Janeiro: Interciência, 2009.

ACETO, G.; PERSICO, V.; PESCAPÉ, A. The role of Information and

Communication Technologies in healthcare: taxonomies, perspectives, and
challenges. Journal of Network and Computer Applications, vol. 107, p. 125-154.
2018.

ALBERS, A.; GLADYSZ, B.; PINNER, T.; BUTENKO, V.; STÜRMLINGER, T.

Procedure for Defining the System of Objectives in the Initial Phase of an
Industry 4.0 Project Focusing on Intelligent Quality Control Systems. Procedia
CIRP, vol. 52, p. 262-267. 2016.

ARAÚJO, R. F.; ALVARENGA, L. A bibliometria na pesquisa científica da pós-

graduação brasileira de 1987 a 2007. Encontros Bibli: revista eletrônica de
biblioteconomia e ciência da informação, 16(31), 51-70. 2011.

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.

BUER, S.-V.; FRAGAPANE, G. I.; STRANDHAGEN, J. O. The Data-Driven Process

Improvement Cycle: Using Digitalization for Continuous Improvement. IFAC-
PapersOnLine, v. 51(11), p. 1035–1040. 2018.

CARPINETTI, L. C. R.; MIGUEL, P. A. C.; GEROLAMO, M. C. Gestão da qualidade

ISO 9001: 2008: princípios e requisitos. 4ª Ed. São Paulo. Atlas. 2011.

CAVALCANTE, R. B.; CALIXTO, P.; PINHEIRO, M. M. K. Análise de conteúdo:

considerações gerais, relações com a pergunta de pesquisa, possibilidades e
limitações do método. Informação & Sociedade: Estudos, 24(1), 13-18. 2014.

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

DA SILVA, M. R.; HAYASHI, C. R. M.; HAYASHI, M. C. P. I. Análise bibliométrica e

cientométrica: desafios para especialistas que atuam no campo. InCID: Revista
de Ciência da Informação e Documentação, 2(1), 110-129. 2011.

DORIAN, U.; GASPAR, M. Quality Management in Cloud Services using Remote

Assistance – a Literature Review. Procedia-Social and Behavioral Sciences, v. 238,
p. 607-614. 2018.

FATORACHIAN, H.; KAZEMI, H. A critical investigation of Industry 4.0 in

manufacturing: theoretical operationalisation framework. Production Planning and
Control, vol. 29, p. 633-644. 2018.

FEIGENBAUM, A. V. Controle da qualidade total: Gestão e Sistemas. São Paulo.

Makron Books.1994.

FERNÁNDEZ-CARAMÉS, T.M.; FRAGA-LAMAS, P.; SUÁREZ-ALBELA, M.; VILAR-

MONTESINOS, M. A fog computing and cloudlet based augmented reality
system for the industry 4.0 shipyard. Sensors (Switzerland), vol. 18. 2018.

FERNÁNDEZ-CARAMÉS, T.M.; FRAGA-LAMAS, P.; SUÁREZ-ALBELA, M.;DÍAZ-

BOUZA, M.A. A fog computing based cyber-physical system for the automation
of pipe-related tasks in the industry 4.0 shipyard. Sensors (Switzerland), vol. 18.
2018.

FLYNN, B. B.; SCHROEDER, R. G.; SAKAKIBARA, S. A framework for quality

management research and an associated measurement instrument. Journal of
Operations Management, v. 11(4), p. 339–366. 1994.

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.

GEROLAMO, M. C.; POLTRONIERI, C. F.; YAMADA, T. T.; CINTRA, A. L. Quality

Management: How do Brazilian Companies use it? Procedia-Social and
Behavioral Sciences, 143, 995-1000. 2014.

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.

JURAN, J. M.; DE FEO, J. A. Juran’s quality handbook: the complete guide to

performance excellence. 2010.

JURAN, J. M.; GRYNA, F. M. Controle da qualidade: Conceitos, políticas e filosofia

da qualidade. 4ª Ed., v. 1. São Paulo: Makron Books, 1991.

KAMBLE, S. S.; GUNASEKARAN, A.; GAWANKAR, S. A. Sustainable Industry 4.0

framework: A systematic literature review identifying the current trends and future
perspectives. Process Safety and Environmental Protection, v. 117, p. 408–425.
2018.

KHAN, M.; WU, X.; XU, X.; DOU, W. Big data challenges and opportunities in the
hype of Industry 4.0. 2017.

KOVACS, O. The dark corners of industry 4.0 – Grounding economic governance

2.0. Technology in Society. 2018.

MARCONI, M. D.; LAKATOS, E. M. Fundamentos de metodologia científica. 5ª

Ed. São Paulo. Atlas. 2003.

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

NAIR, A. Meta-analysis of the relationship between quality management

practices and firm performance-implications for quality management theory
development. Journal of Operations Management, v. 24(6), p. 948–975. 2006.

NEE, A. Y. C.; ONG, S. K.; CHRYSSOLOURIS, G.; MOURTZIS, D. Augmented

reality applications in design and manufacturing. CIRP Annals - Manufacturing
Technology, v. 61(2), p. 657–679. 2012.

OESTERREICH, T. D.; TEUTEBERG, F. Understanding the implications of

digitization and automation in the context of Industry 4.0: A triangulation
approach and elements of a research agenda for the construction industry.
Computers in Industry, v. 83, p. 121–139. 2016.

PAGANI, R. N.; KOVALESKI, J. L.; RESENDE, L. M. Methodi Ordinatio: a

proposed methodology to select and rank relevant scientific papers encompassing
the impact factor, number of citation, and year of publication. Scientometrics, 105(3),
p. 2109-2135. 2015.

PALADINI, E. P. Gestão da Qualidade – Teoria e Prática. 3ª Ed. São Paulo. Atlas.

2012.

PEREIRA, A. C.; ROMERO, F. A review of the meanings and the implications of

the Industry 4.0 concept. Procedia Manufacturing, v. 13, p. 1206–1214. 2017.

PERUZZINI, M.; PELLICCIARI, M. A framework to design a human-centred

adaptive manufacturing system for aging workers. Advanced Engineering
Informatics, vol. 33, p. 330-349. 2017.

PILLONI, V. How data will transform industrial processes: Crowdsensing,

crowdsourcing and big data as pillars of industry 4.0. Future Internet, vol. 10. 2018.

QIN, J.; LIU, Y.; GROSVENOR, R. A Categorical Framework of Manufacturing for

Industry 4.0 and beyond. 2016.

ROBINSON, C. J.; MALHOTRA, M. K. Defining the concept of supply chain

quality management and its relevance to academic and industrial practice.
International Journal of Production Economics, 96(3), 315-337. 2005.
 77

ROBLEK, V.; MEŠKO, M.; KRAPEŽ, A. A Complex View of Industry 4.0. SAGE
Open, v. 6(2). 2016.

RODRÍGUEZ, A. R.; NAVARRO, J. R. Changes in the intellectual structure of

strategic management research: A bibliometric study of the Strategic Management
Journal, 1980-2000. Strategic Management Journal, v. 25(10), p. 981–1004. 2004.

SCHÜTZE, A.; HELWIG, N; SCHNEIDER, T. Sensors 4.0 - Smart sensors and

measurement technology enable Industry 4.0. Journal of Sensors and Sensor
Systems, vol. 7, p. 359-371. 2018.

SOUSA, R.; VOSS, C. A. Quality management re-visited: A reflective review and

agenda for future research. Journal of Operations Management, v. 20(1), p. 91–109.
2002.

STOCK, T.; SELIGER, G. Opportunities of Sustainable Manufacturing in

Industry 4.0. 2016.

SUNG, T. K. Industry 4.0: A Korea perspective. Technological Forecasting and

Social Change, v. 132, p. 40–45. 2018.

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.

TORTORELLA, G.L.; FETTERMANN, D. Implementation of industry 4.0 and lean

production in brazilian manufacturing companies. International Journal of
Production Research, vol. 56, p. 2975-2987. 2018.

TUPA, J.; SIMOTA, J.; STEINER, F. Aspects of Risk Management

Implementation for Industry 4.0. Procedia Manufacturing, v. 11, p. 1223–1230.
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

WITKOWSKI, K. Internet of Things, Big Data, Industry 4.0 - Innovative Solutions in

Logistics and Supply Chains Management. 2017.

WOLLSCHLAEGER, M.; SAUTER, T.; JASPERNEITE, J. The future of industrial

communication: Automation networks in the era of the internet of things and
industry 4.0. IEEE Industrial Electronics Magazine, v. 11(1), p. 17–27. 2017.

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.

ZU, X.; FREDENDALL, L. D.; DOUGLAS, T. J. The evolving theory of quality

management: The role of Six Sigma. Journal of Operations Management, v. 26(5),
p. 630–650. 2008.
 79

APÊNDICE A – TABELAS DA ANÁLISE DE CONTEÚDO

Esse conteúdo foi elaborado a fim de facilitar a sistematização da análise de

conteúdo dos 23 artigos selecionados pela Methodi Ordinatio dentro do portfólio de
artigos, e permitir uma gestão visual dos resultados que estavam sendo obtidos.
Como se pode observar abaixo, cada célula colorida representa um impacto
identificado, trazendo qual pilar da Indústria 4.0 ele está associado e seu número de
identificação dentro do portfólio em seu título, e contém na forma de comentário o
trecho transcrito da descrição do impacto. No exemplo, é mostrado o trecho de um
impacto do Big Data na área de Gestão apresentado pelo texto 196.

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)

Zhong, R.Y.; Xu, X.; Klotz, E.; Newman, S.T.

112 Intelligent Manufacturing in the Context of Industry 4.0: A Review
(2017)

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)

A tabela acima é a legenda de identificação dos textos contidos na tabela de

impactos. Aqui, os artigos que apresentavam pelo menos um impacto recebiam uma
cor única a qual permitia representa-lo na tabela e distingui-lo de outros impactos
identificados ao longo do processo.