Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
tOMADA DE DECISAO APP TCC tOMADA DE DECISAO APP TCC tOMADA DE DECISAO APP TCC tOMADA DE DECISAO APP TCC
Tipologia: Teses (TCC)
1 / 49
Esta página não é visível na pré-visualização
Não perca as partes importantes!
A TOMADA DE DECISÃO BASEADA EM DADOS NA INDÚSTRIA 4.0: REVISÃO SISTEMÁTICA ALUNO: GUILHERME RAVAZI RUY ORIENTADOR: EDSON WALMIR CAZARINI São Carlos 2017
Relatório final do trabalho de conclusão de curso, apresentado à Universidade de São Paulo como parte das exigências para a obtenção do Título de Engenheiro de Produção. Orientador: Edson Walmir Cazarini São Carlos 2017
RUY, G. R. A Tomada de Decisão Baseada em Dados na Indústria 4.0: Revisão Sistemática. Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos,
Mudanças de hábitos de consumo nos últimos anos fizeram com que produtos de alta variedade e curto ciclo de vida se tornassem cada vez mais comuns. Nesse contexto, organizações foram obrigadas a repensar seu modo de agir e se organizar, uma vez que agilidade e flexibilidade na linha de produção passaram a ser fatores determinantes para o sucesso da organização em resposta à demanda. Avanços em tecnologias de sensores e comunicação podem fornecer as bases para ligar a instalação física ao mundo cibernético de aplicativos de internet e softwares, criando os chamados Sistemas Físico-Cibernéticos, que caracterizam a Indústria 4.0. Neste contexto, entender como a tomada de decisão pode ser modificada pelo uso intensivo de dados dos Sistemas Físico-Cibernéticos torna-se importante para a melhor compreensão das oportunidades e desafios da Indústria 4.0. Assim, foi realizada uma revisão bibliográfica sistemática a fim de identificar estudos que elucidem o processo de tomada de decisão com base em dados, no âmbito da Indústria 4.0, respondendo a questão: “Como será dada a tomada de decisão baseada em dados no contexto da Indústria 4.0?”. A pesquisa foi realizada nos mecanismos de busca Elsevier, Web of Science e Scopus, utilizando três grupos de palavras ligadas a: Indústria 4.0, decisão e dados. Os artigos selecionados serviram como base para a realização de uma análise crítica conectando os Pilares da Indústria 4.0 com a tomada de decisão. Por fim, a Indústria 4.0 poderá transformar a tomada de decisão com seu caráter descentralizado, capacidade de virtualização e acesso a dados em tempo real. Para isso, orientação a serviços e modularidade tornam-se essenciais para garantir flexibilidade e agilidade, sendo interoperabilidade e segurança grandes desafios a serem superados. Assim, decisões operacionais poderão se tornar cada vez menos frequentes, podendo o colaborar se concentrar em decisões táticas e estratégicas, transformando seu papel. Palavras-chave: Indústria 4.0, Tomada de Decisão, Dados.
RUY, G. R. Data-Driven Decision Making in Industry 4.0: Systematic Review. Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2017. Changes in consumer habits in recent years have made products of high variety and short life cycle become increasingly common. In this context, organizations were forced to rethink their way of acting and organizing, since agility and flexibility in the production line became determining factors for the organization's success in response to demand. Advances in sensor and communication technologies can provide the foundation for connecting physical installation to the cyber world of Internet applications and software, creating the so-called Cyber-Physical Systems, which characterizes Industry 4.0. In this context, understanding how decision-making can be modified by the intensive use of Cyber-Physical Systems’ data becomes important for a better understanding of the opportunities and challenges of Industry 4.0. Thus, a systematic literature review was conducted to identify studies that elucidate the data-driven decision-making process within Industry 4.0, answering the question: "How data- driven decisions will be made in the context of Industry 4.0?". The research was performed in the Elsevier, Web of Science and Scopus search engines, using three groups of words related to: Industry 4.0, decision and data. The articles selected served as the basis for conducting a critical analysis connecting the Pillars of Industry 4.0 with decision-making. Finally, Industry 4.0 can transform decision making with its decentralized character, virtualization capability and real-time data access. For this, service orientation and modularity become essential to ensure flexibility and agility, with interoperability and security being great challenges to be overcome. In this way, operational decisions may become less and less frequent, and collaboration may focus on tactical and strategic decisions, transforming their role. Keywords: Industry 4.0, Decision-Making, Data.
Tabela 1 – Palavras principais e sinônimos utilizados na pesquisa de materiais 31
Quadro 1 – Estudos primários 33 Quadro 2 – Artigos selecionados 34
Hoppen (1992) notou que, ao reconhecer a organização como um sistema em constante transformação, percebe-se que as atividades da empresa, analisando seus sistemas estrutural e hierárquico, são primordialmente relacionadas com a tomada de decisão e resolução de problemas. Devido ao desenvolvimento de Tecnologia da Informação (TI), monitoramento e controle, os sistemas foram impulsionados para aumentar sua capacidade de coletar, processar e gerenciar dados em processos industriais. O aumento da complexidade da informação torna difícil organizar e compreender o grande volume de dados criados sob diferentes perspectivas de decisão operacional e de manutenção. O fluxo de informações e a integração dos sistemas envolvidos são um tema no recente desenvolvimento da Indústria 4.0, uma vez que muitos registros estão sendo gerados, mas pouco conhecimento está sendo explorado nesse cenário (SANTOS et al., 2017) O crescimento da Indústria 4.0 compreende desafios que vão desde os investimentos em equipamentos que integrem essas tecnologias, à adequação de layouts , ajuste de processos e dos modos de relacionamento entre empresas ao longo da cadeia produtiva, desenvolvimento de novas especialidades e competências. Novas maneiras de gerenciamento e engenharia em toda a cadeia produtiva serão exigidas para viabilizar o cruzamento de informações que possibilite conectar a solicitação de compra, a fabricação e a distribuição de forma autônoma, sem a necessidade de indivíduos tomarem decisões a todo momento (GOMES et al., 2016). Poucas empresas estão capacitadas para enfrentar todos estes desafios de uma vez. Por outro lado, há milhares de empresas que deverão se envolver no processo de multiplicação dessas novas tecnologias progressivamente, de acordo com suas trajetórias, capacitações e técnicas (GOMES et al., 2016).
A utilização da informação de maneira efetiva pode impactar os principais objetivos comerciais, como o crescimento do negócio e as operações comerciais. A implementação pode ser possível em toda a cadeia de valor e suas diversas parte, que possuem interesse. O
caminho para a realização da Indústria 4.0 envolve uma compreensão clara das maneiras pelas quais o físico pode informar o digital e vice-versa (SNIDERMAN; MONIKA; COTTELEER, 2016). Diante da necessidade de trabalhos que explorem o segmento da tomada de decisão baseada em dados na Indústria 4.0, uma revisão bibliográfica sistêmica foi realizada buscando embasamento para uma posterior análise crítica que conecta os Pilares da Indústria 4.0 com o a tomada de decisão para responder a pergunta: “Como será dada a tomada de decisão baseada em dados no contexto da Indústria 4.0?”.
Ao discutir como as empresas devem abordar as oportunidades oferecidas pela Indústria 4.0, torna-se óbvio que algumas delas ainda estão aguardando vantagens mais claras ao se juntar ao novo paradigma. Por outro lado, os exemplos de empresas que estão se modernizando continuam crescendo. Essa diferença de atitude pode ser crítica para o sucesso, no médio a longo prazo, de empresas que não estão acompanhando a tendência (MARQUES et al., 2017). Várias consultorias têm estimado as consequências que o crescimento da digitalização da economia poderá ter sobre a competitividade do país. De acordo com Accenture Strategy (2015), estima-se que a implementação das tecnologias associadas à Internet das Coisas nas mais variadas áreas da economia deverá impactar o Produto Interno Bruto (PIB) brasileiro em torno de US$ 39 bilhões até 2030. O lucro pode atingir US$ 210 bilhões, se o país elaborar condições para agilizar a absorção das tecnologias relacionadas, o que depende de avanços no ambiente de negócios, na infraestrutura, programas de difusão tecnológica e aprimoramento regulatório. Segundo Mckinsey Global Institute (2015) estima-se que, até 2025, os processos relacionados à Indústria 4.0 poderão aumentar a eficiência do trabalho entre 10% e 25%, diminuir as despesas de manutenção de equipamentos entre 10% e 40%, reduzir o consumo de energia entre 10 % e 20%
O referencial teórico possibilita fundamentar e dar consistência a todo o estudo realizado, tendo como objetivo nortear a pesquisa, apresentando um embasamento da literatura já publicada por outros autores sobre o tema a ser discutido.
No final do século XVIII teve início a industrialização, que introduziu a fabricação mecânica. Este evento ficou conhecido como a Primeira Revolução Industrial e originou uma revolução no modo como os produtos eram produzidos. A máquina mecânica de tear possibilitou um aumento na produtividade, sendo um dos exemplos da revolução. Em seguida, por volta da virada do século XX, ocorreu a Segunda Revolução Industrial, esta compreendeu o emprego da energia elétrica e a divisão de tarefa; um exemplo desta revolução foi o motor a combustão. Já a Terceira Revolução Industrial, ficou representada pelo emprego de componentes eletrônicos e de TI, com o objetivo de alcançar uma maior automatização dos processos de produção, teve início no começo dos anos 70 e continua até os dias de hoje. Finalmente, A Quarta Revolução Industrial, intitulada pelo governo alemão de “Indústria 4.0”, é uma nova era industrial, concentrada no uso de recursos de informação e tecnologia da comunicação objetivando o aprimoramento no processo de manufatura e negócio (KAGERMANN; WAHLSTER; HELBIG, 2013). A Figura 1 apresenta as 4 fases da revolução industrial:
Figura 1 – Os 4 estágios da revolução industrial. Fonte: KAGERMANN; WAHLSTER; HELBIG ( 2013 ). A expressão Indústria 4.0 tornou-se popular em 2011, quando uma companhia de representantes do governo, organizações e academia promoveu a ideia de uma abordagem com o intuito de aperfeiçoar a competitividade da indústria alemã. Desta maneira, o governo alemão deu suporte à iniciativa e declarou que a Indústria 4.0 seria parte do projeto High-Tech Strategy 2020 for Germany , com o objetivo de levar a Alemanha à liderança na inovação tecnológica (KAGERMANN; WAHLSTER; HELBIG, 2013). Kagermann, Wahlster e Helbig (2013) discutem como as empresas deverão introduzir redes globais, que incorporem suas máquinas, sistemas de armazenagem e instalações de produção na forma de Sistemas Físico-Cibernéticos. Os CPS propõem a integração de mundos físicos e virtuais para suportar todos essas exigências e capacidades, incorporando elementos computacionais em entidades físicas e conectando essas entidades em uma
de prever possíveis falhas. Ao implementar esta análise preditiva junto com um sistema de suporte de decisão, os serviços adequados podem ser solicitados e as ações tomadas para maximizar o tempo de atividade, produtividade e eficiência dos sistemas industriais. O CPS, como ponto central para gerenciamento de dados em nível de frota, desempenha um papel essencial para alcançar os objetivos mencionados acima (LEE et al., 2015).
O Prognostics and Health Management (PHM) é capaz de transformar os dados em informações e conhecimentos desejados sobre os padrões invisíveis de degradação em recursos, inconsistências e ineficiências dos processos. Esses padrões são geralmente invisíveis, até ocorrer uma falha (LEE et al., 2013). A descoberta dos padrões subjacentes evita as falhas de alto custo e o tempo de inatividade das máquinas que não foi planejado. Esse esquema de manutenção leva a uma maior sustentabilidade de recursos e, eventualmente, a um desarranjo de quase zero. Além disso, transformar esses problemas invisíveis em visíveis pode auxiliar a ajustar e sintonizar os processos para torná-los mais consistentes e eficientes sistemas de manutenção inteligente (LEE et al., 2015). Nos últimos anos, o avanço acelerado das Tecnologias de Informação e Comunicação facilitou a implementação de sensores avançados, instrumentos de coleta de dados, dispositivos de comunicação sem fio e soluções de computação remota. Tais tecnologias, juntamente com os avanços na análise preditiva, estão transformando a face da indústria moderna (LEE et al., 2015).
Lucke, Constantinescu e Westkämper (2008) definem Smart Factory (SF) como uma fábrica que identifica o contexto para auxiliar pessoas e máquinas na realização de suas tarefas. Em uma SF, tudo está interligado (JACINTO, 2014). As máquinas de produção, os seres humanos, os produtos, as opções de transporte e as ferramentas de TI se comunicam entre si e são organizadas com o objetivo de melhorar a produção geral, não apenas dentro dos limites físicos da empresa, mas também além delas. Uma das principais características é a capacidade de descentralizar o controle e a decisão, pois facilita modificações no processo de produção contribuindo para atender a crescente demanda por personalização em massa (MARQUES et al., 2017) Segundo Westkämper et al. ( 2005 ) após o desenvolvimento das fábricas digitais e virtuais, a próxima fase é a combinação do mundo físico e digital/virtual sob a chamada SF. De acordo com Lucke, Constantinescu e Westkämper (2008) o conceito de SF possibilita a coleta, distribuição e acesso em tempo real de dados importantes de produção em qualquer instante e lugar. Os sistemas que funcionam em segundo plano executam suas tarefas baseadas em informações provenientes do mundo físico e virtual. A SF representa um ambiente de produção sensível ao contexto, em tempo real, capaz de lidar com turbulências na produção utilizando informações descentralizadas e estruturas de comunicação para um ótimo gerenciamento de processos de produção. Conforme Lucke, Constantinescu e Westkämper (2008) espera-se que os componentes de detecção, como sensores dentro da instalação industrial, tornem-se "inteligentes" e cada vez mais autossuficientes, com habilidades de informática agregadas e consumo reduzido de energia.
Hermann, Pentek e Otto (2015) definiram os princípios de design da Indústria 4. como: interoperabilidade, virtualização, descentralização, capacidade em tempo real, orientação a serviços e modularidade. Abaixo, os princípios são detalhados e exemplificados por meio da SmartFactoryKL :
