AULA6 - FILOSOFIAS DE SUPERVISÃO

Prévia do material em texto

AULA 6 
FILOSOFIAS DE SUPERVISÃO 
Prof.ª Ana Carolina Bueno Franco 
 
 
2 
CONVERSA INICIAL 
A indústria 4.0 tem sido um dos temas mais comentados no ambiente 
industrial. A adoção de seus conceitos e tecnologias impacta diretamente na 
estratégia da automação. Os objetivos desta aula são: 
• Entender o conceito de indústria 4.0; 
• Compreender as principais características e tecnologias envolvidas; 
• Aprender a planejar a implementação dos conceitos; 
• Entender o posicionamento das indústrias nacionais e as principais 
dificuldades; 
• Ter contato com benefícios e estudos de casos. 
CONTEXTUALIZANDO 
O conceito de indústria 4.0 surgiu na Alemanha, apontando uma nova 
revolução industrial. Fala-se muito neste tema, mas ainda há desconhecimento 
das tecnologias envolvidas, bem como dos impactos que esta mudança trará não 
só à indústria: o comportamento dos consumidores também mudará. Produtos 
customizados, redução de desperdício, total integração na fábrica: a automação 
terá papel fundamental e deve ser adequada para a adoção de novas tecnologias. 
TEMA 1 – INDÚSTRIA 4.0: CONCEITO 
O termo “indústria 4.0” vem sendo bastante utilizado recentemente, mas, 
afinal, do que se trata? O conceito surgiu na Alemanha e trata de uma alteração 
no modo produtivo, em que a digitalização e a conectividade entre sistemas serão 
diferenciais. Para que isso ocorra, processos de fabricação, automação e novas 
tecnologias de informática serão imprescindíveis. 
A indústria 4.0 envolve alguns conceitos importantes, tais como big data, 
internet das coisas, sistemas ciberfísicos, entre outros. De forma geral, o objetivo 
é que máquinas, pessoas e sistemas estejam conectados ao longo da cadeia 
produtiva. Essa conectividade trará algumas vantagens: autonomia na tomada de 
decisões, capacidade de prever falhas e flexibilidade com relação às mudanças 
(não planejadas) no processo produtivo. 
Para que seja possível aplicar o conceito de indústria 4.0 a um processo 
produtivo, é necessário que ele possua as seguintes características: 
 
 
3 
• Virtualização: ter uma fábrica virtualizada, com a capacidade de simulação 
e monitoramento de processos e produtos; 
• Interoperabilidade: todos os sistemas da fábrica devem estar 
interconectados; 
• Descentralização: com base na análise de dados, os sistemas devem ter a 
capacidade de tomar decisões de forma autônoma e em tempo real. Isso 
garante maior agilidade ao processo; 
• Flexibilidade e modularidade: deve ter a capacidade de se adaptar às 
mudanças não planejadas, conforme a demanda do consumidor. 
Figura 1 – Evolução dos modos de produção 
 
Saiba mais 
Assista ao vídeo do SENAI São Paulo para conhecer melhor o conceito 
de indústria 4.0. Disponível em: 
<https://www.youtube.com/watch?v=3ixQQ4elwm0>. Acesso em: 20 abr. 
2018. 
TEMA 2 – INDÚSTRIA 4.0: CARACTERÍSTICAS 
Sempre que se fala em indústria 4.0, diversos termos técnicos são 
mencionados. É importante que o gestor de automação tenha conhecimento e 
saiba aplicá-los ao processo produtivo. 
 
 
4 
2.1 Realidade aumentada 
“A realidade aumentada teve sua origem através das etiquetas, já que os 
códigos de barras não conseguiam mais, carregar todas as informações 
necessárias. Foram criados códigos bidimensionais (2D), que combinados com 
programas de computador, geram a realidade aumentada” (Lapastini ,2016). 
O processo de realidade aumentada envolve os seguintes componentes: 
• É necessário que o objeto possua alguma marca de referência (para a 
interpretação e a criação do objeto virtual); 
• Uma câmera para a leitura e transmissão da marca de referência; 
• Um software dedicado à interpretação do sinal transmitido pela câmera. 
Após a transmissão do sinal pela câmera, o objeto virtual é projetado. Um 
exemplo prático pode ser visto na loja Tok&Stok, que usa a realidade aumentada 
para ajudar os clientes na decisão de compra dos móveis: 
Saiba mais 
Assista ao vídeo para conhecer o sistema da Tok&Stok. Disponível em: 
<https://www.youtube.com/watch?v=DRfiSpZAhGA>. Acesso em: 20 abr. 2018. 
2.2 Sistemas ciber-físicos 
Um sistema “ciber-físico” ou “cyber-physical system” (CPS) é composto 
pela união de vários subsistemas físicos que estão conectados por uma rede de 
comunicação. Para que estejam inseridos no contexto da indústria 4.0, esses 
sistemas devem abranger clientes, máquinas, produtos, estoques e prestadores 
de serviços, para que possam interagir entre si e executar ações de forma 
autônoma. Esses sistemas impactam significativamente na indústria: desde 
projetos de engenharia, o uso adequado de materiais, logística, entre outros 
(Pisching et al., 2017). 
Uma arquitetura proposta para integração de sistemas ciber-físicos 
aplicada ao ambiente industrial é mostrada na Figura 2. Essa arquitetura é 
conhecida como “Arquitetura 5C” e se baseia no modelo de automação de 
processos (Pisching et al., 2017). 
 
 
 
5 
Figura 2 – Arquitetura proposta para sistemas ciber-físicos focada em ambientes 
industriais 
 
Fonte: Pisching et al., 2017. 
• Conexão inteligente: é a camada de interface com o processo físico. Nela, 
são feitos tanto a atuação do processo quanto o sensoriamento. É nesta 
camada que os dados extraídos do processo (“objeto inteligente”) são 
analisados pelo sistema digital. 
• Inteligência local: nesta camada, os dados coletados são convertidos em 
informações relevantes, relativas ao objeto inteligente em análise. 
• Cibernética: é a camada que recebe e envia informações, agregando os 
dados de todo o sistema para, então, elaborar seu modelo virtual. 
• Cognitiva: camada responsável pela análise do sistema como um todo. O 
foco é o comportamento. Além das informações, são analisadas as 
interações entre as camadas e os objetos. Na análise é possível identificar, 
por exemplo, gargalos de produção, necessidade de aquisição de insumos, 
entre outros. 
• Coordenação: é a camada na qual as decisões do sistema são tomadas e 
a comunicação é feita com outros sistemas. 
 
 
 
6 
Saiba mais 
Assista ao vídeo a seguir para conhecer mais detalhes sobre a indústria 
4.0. Disponível em: <https://www.youtube.com/watch?v=iSuwkzHFlds>. Acesso 
em: 20 abr. 2018. 
2.3 Big Data 
O big data pode ser definido como um sistema de armazenamento de 
dados que atende, obrigatoriamente, os seguintes requisitos: volume, 
velocidade, veracidade, valor e variedade nas informações. Esse sistema 
permite a tomada de decisões dentro de uma indústria, que pode ser feita através 
da modelagem e análise dos dados, com base em ferramentas matemáticas tais 
como estatística, mineração da dados e aprendizado (machine learning) 
(Venturelli, 2017a). 
Tabela 1 – Relação de características do big data 
 
Fonte: Silva; Dornelas, 2017. 
No geral, os dados são compartilhados na “nuvem”, tornando-o um serviço 
disponibilizado dentro da indústria 4.0. Dentre os benefícios de sua utilização, é 
possível citar: 
• O sistema consegue tomar decisões, diminuindo operadores e aumentando 
a rapidez; 
• Melhora o desempenho do processo, aumenta a segurança da planta e 
provê economia de energia, por exemplo; 
https://www.youtube.com/watch?v=iSuwkzHFlds
 
 
7 
• O planejamento não será mais reativo, pois o sistema será virtualizado e 
realimentará o processo em tempo real para a tomada de decisões 
(mineração); 
• O sistema será preditivo e atuará no processo como conhecimento 
(machine learning). 
Para que possa tomar e analisar as decisões, uma plataforma de big data 
disponibiliza vários serviços: 
2.3.1 Mineração de dados (data mining) 
A mineração de dados ou data mining pode ser definida como a análise de 
um grande volume de dados com o objetivo de transformá-los em informações 
úteis e relevantes. É um tema complexo, pois envolve três áreas: banco de dados, 
estatística e aprendizado de máquina (machine learning). 
Para a análise de dados, são utilizados técnicas e algoritmosque produzem 
padrões dos conjuntos de dados avaliados. É classificada de acordo com a sua 
capacidade de realizar tarefas: 
• Descrição: tarefa utilizada para descrever padrões e tendências 
revelados pelos dados. Geralmente, oferece uma possível 
interpretação para os resultados obtidos. 
• Classificação: visa identificar a qual classe pertence um determinado 
grupo. Com isto, o sistema consegue identificar através do 
aprendizado supervisionado, a qual classe pertence um novo 
registro. 
• Estimação ou regressão: a estimação é similar à classificação, porém 
é usada quando o registro é identificado por um valor numérico e não 
categórico. 
• Predição: a predição visa descobrir p valor futuro de um determinado 
atributo. Por exemplo: predizer o valor de uma ação nos próximos 
três meses, predizer o comportamento de uma determinada variável 
no processo produtivo, entre outros. 
• Agrupamento (Clustering): visa identificar e agrupar registros 
similares. Nesta tarefa, os registros não precisam estar previamente 
categorizados” (Camilo; Silva, 2009). 
 
 
 
8 
Figura 3 – Etapas da mineração de dados 
 
Fonte: elaborado com base em Camilo; Silva, 2009. 
2.3.2 Aprendizado de máquina (machine learning) 
O termo machine learning, ou aprendizado de máquina, é usado para 
descrever as técnicas que permitem que aos computadores utilizar dados para 
prever tendências, resultados e comportamentos. Através do aprendizado de 
máquina, os computadores são “treinados” e aprendem sem terem sido 
previamente programados. Muitas empresas já utilizam machine learning: em 
sites de compras, é possível detectar os produtos que mais agradam o consumidor 
(com base em algumas escolhas) e sugerir a compra de itens similares. Outra 
aplicação bastante comum é para a detecção de fraudes em cartões de crédito: 
com base no histórico de compras do consumidor, é possível identificar quando 
há algum comportamento atípico. Existem várias aplicações industriais e na área 
de energia que utilizam essas técnicas. 
O aprendizado de máquina é feito de três formas: 
• Aprendizado supervisionado: é feito quando os dados de análise são 
“rotulados”, como em aplicações para detecção de fraudes em cartões de 
crédito (já existe um conjunto prévio de dados rotulados de cobranças 
fraudulentas). 
• Aprendizado não supervisionado: é realizado quando os dados não são 
rotulados e o algoritmo aplicado precisa identificar relações e semelhanças 
entre eles. 
• Aprendizado por reforço: ocorre quando há uma forma de feedback 
disponível para cada passo ou ação preditiva, porém sem identificação ou 
mensagem de erro. 
 
 
9 
Figura 4 – Tipos de aprendizado de máquina 
 
Fonte: Lopes, 2017. 
Existem diversas técnicas e algoritmos usados no aprendizado de máquina. 
A escolha da melhor técnica depende do conjunto de dados a ser analisado. Para 
o aprendizado supervisionado: 
• Classificação: utilizados quando o resultado pertence a um conjunto 
finito de possibilidades e os resultados da previsão são de natureza 
distinta do tipo “sim” ou “não”. 
• Regressão: é usado quando o valor que está sendo previsto segue 
um espectro numérico e contínuo. Pode ser usado para estabelecer 
relações entre variáveis. Sistemas de Regressão poderiam ser 
usados por exemplo para responder as perguntas “Quanto custa?”, 
“Quantos existem?” ou “Como está se comportando ao longo do 
tempo?” (Lopes, 2017) 
10 
Alguns exemplos de algoritmos e técnicas supervisionadas: árvores de 
decisão, classificação de Naïves Bayes, regressão linear de mínimos quadrados 
e regressão logística. 
Já no método não supervisionado, uma técnica bastante usada é a do 
agrupamento (cluster), na qual objetos semelhantes são agrupados. 
Saiba mais 
2.4 Internet das coisas (internet of things – IOT) 
A internet das coisas ou IoT (internet of things) pode ser definida como um 
conjunto de diversas tecnologias cuja característica é capturar, analisar e agir por 
meio de dados gerados por objetos e máquinas conectados à internet. Com 
relação às tecnologias que compõem a internet das coisas, é possível destacar: 
• Dispositivos e sensores;
• Redes de telecomunicações (incluindo as novas redes de transmissão de
dados de IoT);
• Softwares que rodam em servidores na nuvem;
• Ferramentas de análise de grandes volumes de dados (big data);
A proposta da internet das coisas é conectar tudo entre si, através da 
internet (nuvem) para facilitar e melhorar processos e serviços, tornando-
os mais ágeis. Na indústria o termo IIoT (Industrial Internet of Things) foi 
adotado para as informações da cadeia produtiva que estão conectadas 
pela nuvem, por exemplo, é possível conectar um fornecedor de produto 
em tempo real, para analisar a qualidade e demanda de seu produto. O 
uso do IoT ou IIoT em indústrias pode trazer os seguintes benefícios: 
• Redução de operações ou paradas;
• Melhoria do uso do ativo (performance);
• Melhoria e otimização da produção;
• Agilidade na tomada de decisões.
• Permitir a venda de produto ou serviço pela internet (Venturelli,
2017b).
 Assista ao vídeo a seguir e conheça melhor o que é big data. 
Disponível em: <https://www.youtube.com/watch?v=qN_-sltGFOw>. Acesso 
em: 20 abr. 2018.
https://www.youtube.com/watch?v=VIjqX3RhOmc
 
 
11 
Figura 5 – Conectividade através da IOT 
 
Fonte: Trindade, 2016. 
Com as informações todas digitalizadas e redes disponíveis para que 
esses dados possam trafegar, as tomadas de decisões ocorrem não só 
entre operadores e máquinas, mas também entre máquinas (“Machine 
to Machine” – M2M). Outro fator importante de digitalização da produção, 
é a possibilidade de rastrear todos os elementos de uma planta. Para 
isto, é muito comum o uso de RFID (Radio Frequency Identification), ou 
seja, a identificação é feita por sistemas de rádio frequência, permitindo 
que sejam tomadas ações e correções em tempo real” (Venturelli, 
2017b). 
Através de todas essas camadas digitais (fornecidas pelo IoT ou IIoT), é 
possível fazer o planejamento de qualidade e operação de uma fábrica de forma 
totalmente inovadora e ágil. Um protocolo bastante usado em IoT é o MQTT 
(Message Queue Telemetry Transport), criado em 1999 por IBM e Arcom. Foi 
desenvolvido para atuar em equipamentos em redes de baixa velocidade e alta 
latência. O uso do OPC-UA (visto em aulas anteriores) também é bastante 
considerado na indústria 4.0. 
 
 
 
12 
Figura 6 – Exemplo de uso do RFID na indústria 
 
Fonte: elaborado com base em Waghmare, 2014. 
TEMA 3 – INDÚSTRIA 4.0: IMPLANTAÇÃO 
Com exceção de indústrias novas, a maioria não está preparada para 
adotar os conceitos da indústria 4.0. Tem sido cada vez mais frequente a busca 
por consultorias especializadas em apoiar os gestores de automação e produção, 
para que possam fazer esta migração. 
A primeira etapa do projeto é o gestor entender o conceito de indústria 4.0. 
Conforme visto nos tópicos anteriores, há uso de diversas tecnologias. Outro 
ponto a ser levado em conta são os impactos que esta implementação trará. 
A segunda etapa consiste na análise do sistema de automação e produção 
atual: quais são as tecnologias e o grau de automação existentes e se podem ser 
adequados ao novo conceito. 
A terceira etapa abrange na otimização do processo. Já a quarta etapa trata 
da convergência de dados do processo produtivo. Boa parte dos processos atuais 
possui as chamadas “ilhas de informação”. A quinta etapa é a implementação das 
tecnologias da indústria 4.0. 
 
 
13 
Outro fator importante que deve ser levado em consideração é a mudança 
do conceito. As principais características da indústria 4.0 é que o processo 
industrial passa a ser colaborativo, preditivo e inteligente. Essas alterações 
impactarão diretamente na escala produtiva, na mão de obra e nas tomadas de 
decisões. 
As principais diretrizes para a implementação da indústria 4.0 são: 
• Instrumentação: adoção do uso de redes ethernet e wireless (integraçãode 
dados do processo e de IoT); 
• Controle: adoção da descentralização; 
• Infraestrutura: uso de ferramentas de virtualização e computação em 
“nuvem” (cloud computing); 
• Operação: adoção do uso de dispositivos móveis; 
• Manutenção: uso de modelos baseados em eventos, com conexão dos 
dados na nuvem; 
• Gestão: através do conceito de big data, usar ferramentas de análise e 
predição como apoio à tomada de decisões. 
TEMA 4 – INDÚSTRIA 4.0 NO BRASIL 
O conceito de indústria 4.0 ainda é relativamente novo. Uma pesquisa 
realizada pela Confederação Nacional da Indústria (CNI) em 2016 aponta que, do 
total das indústrias, apenas 58% conhecem a importância da adoção do conceito 
e da implementação de novas tecnologias. 
Não há, ainda, o conhecimento dos ganhos obtidos com a digitalização, 
tanto com respeito ao aumento de produtividade como às oportunidades de novos 
modelos de negócio, flexibilização e customização da produção. Além disso, o alto 
custo de implementação das tecnologias ainda é apontado como um dos 
principais fatores de entrave (Confederação das Indústrias, 2016). Outro fator que 
tem bastante impacto é o desconhecimento das tecnologias adotadas, bem como 
de seus benefícios. Alguns dados da pesquisa são apresentados: 
 
 
 
14 
Figura 7 – Utilização de pelo menos uma tecnologia digital 
 
Fonte: elaborado com base em Confederação das Indústrias, 2016. 
Figura 8 – Principais dificuldades para a adoção das tecnologias 
 
Fonte: elaborado com base em Confederação das Indústrias, 2016. 
TEMA 5 – INDÚSTRIA 4.0: BENEFÍCIOS 
Apesar do alto custo de implementação, os benefícios de adoção de 
tecnologias da indústria 4.0 são bastante abrangentes. A satisfação do cliente 
passa a ser o foco principal. Os fabricantes são obrigados a elevar o nível de 
25
6
15
6
48
Percentual de respostas (%)
Não respondeu Não sabe Nenhuma das listadas Apenas CAD/CAM Utiliza
0 10 20 30 40 50 60 70 80 90
Não sabe / Não respondeu
Risco para segurança da informação
Infraestrutura de TI inapropriada
Dificuldade para integrar novas tecnologias e
softwares
Estrutura e cultura da empresa
Falta clareza na definição do retorno sobre o
investimento
Alto custo de implantação
Percentual de respostas (%)
Total Utiliza tecnologias digitais
Pouco menos da 
metade das 
empresas industriais 
utiliza pelo menos 
uma das 10 
tecnologias digitais 
consideradas 
15 
serviço ofertado e não há mais a produção em massa: o cliente tem a possibilidade 
de customizar produtos de acordo com a sua necessidade. Isso agrega 
competitividade à indústria. Há redução de insumos e de desperdício de material. 
Outro benefício bastante importante é que, através da comunicação entre 
máquinas e com a análise das informações, é possível prever falhas e gerenciar 
a manutenção de forma mais eficiente. A descentralização do controle e das 
tomadas de decisões também confere maior agilidade ao processo. 
Saiba mais 
Mvisia: <https://www.youtube.com/watch?v=mw805fRVe5s>.
FINALIZANDO 
É muito importante que os profissionais de automação conheçam essas 
tecnologias e seus benefícios. Com o passar do tempo, essa mudança de conceito 
na produção será exigida. O uso racional de materiais e energia, além de processos 
e decisões mais rápidos, farão parte da cultura dos consumidores. Por esse motivo, 
é preciso se antecipar e buscar qualificação e entendimento para a sua adoção. 
16 
REFERÊNCIAS 
CAMILO, C. O.; SILVA, J. C. Mineração de dados: conceitos, tarefas, métodos e 
ferramentas. Disponível em:
<http://www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_001-
09.pdf>. Acesso em: 20 abr. 2018.
CONFEDERAÇÃO NACIONAL DAS INDÚSTRIAS. Indústria 4.0: novo desafio 
para a indústria brasileira. Portal da Indústria. Disponível em: 
<http://www.portaldaindustria.com.br/relacoesdotrabalho/media/publicacao/cham
adas/SondEspecial_Industria4.0_Abril2016.pdf>. Acesso em: 20 abr. 2018. 
LAPASTINI, D. Realidade aumentada: como funciona? Disponível em: 
<https://manufatura-inteligente.blogspot.com.br/2016/06/realidade-aumentada-
como-funciona.html>. Acesso em: 20 abr. 2018. 
LEÇA, I. O que é machine learning ou aprendizagem de máquina? SAP. 
Disponível em: <https://news.sap.com/brazil/2017/10/11/o-que-e-machine-
learning-ou-aprendizagem-de-maquina/>. Acesso em: 20 abr. 2018. 
LOPES, J. G. Introdução ao Machine Learning e seus principais algoritmos. 
Disponível em: <http://joseguilhermelopes.com.br/introducao-ao-machine-
learning-e-seus-principais-algoritmos/>. Acesso em: 20 abr. 2018. 
MICROSOFT. Introdução ao machine learning na nuvem do Azure. Disponível em: 
<https://docs.microsoft.com/pt-br/azure/machine-learning/studio/what-is-
machine-learning>. Acesso em: 20 abr. 2018. 
PISCHING, M. et al. Arquitetura para desenvolvimento de sistemas ciber-físicos 
aplicados na industria 4.0. XIII Simpósio Brasileiro de Automação Inteligente. 
Anais... 2017. Porto Alegre. Disponível em: 
<https://www.ufrgs.br/sbai17/papers/paper_112.pdf>. Acesso em: 20 abr. 2018. 
SILVA, E. M. S.; DORNELAS, J. S. The big data technology in the decision-making 
process: potentialities and possibilities. 14th International Conference on 
Information Systems & Technology Management - CONTECSI. Anais... 2017. 
TRINDADE, S. Aplicação da internet das coisas na indústria-1. Ianalítica. 
Disponível em: <https://ianalitica.com.br/industria-4-0/>. Acesso em: 20 abr. 2018. 
VENTURELLI, M. A Internet das Coisas na Indústria 4.0. Automação Industrial. 
Disponível em: <https://www.automacaoindustrial.info/internet-das-coisas-na-
 
 
17 
industria-4-0/>. Acesso em: 20 abr. 2018. 
VENTURELLI, M. Utilização de big data na Indústria 4.0. Automação Industrial. 
Disponível em: <https://www.automacaoindustrial.info/utilizacao-de-big-data-na-
industria-4-0/>. Acesso em: 20 abr. 2018. 
WAGHMARE, V. 8 processes where IoT can positively impact supply chains. 
Simafore. Disponível em: <http://www.simafore.com/blog/bid/205997/8-
processes-where-IoT-can-positively-impact-supply-chains>. Acesso em: 20 abr. 
2018.