AULA 2 TECNOLOGIAS PARA A INDUSTRIA 4 0

Prévia do material em texto

AULA 2 
TECNOLOGIAS PARA 
A INDÚSTRIA 4.0 
TEMA 1 – O QUE É BIG DATA? POR QUE ELE É 
IMPORTANTE? 
Anteriormente, apresentamos diversos tópicos de aspecto macro 
no intuito de contextualizar o que veremos em mais detalhes. 
Essas questões têm grande aplicabilidade para profissionais ou 
mesmo curiosos da área com interesse em abrir a sua própria 
empresa ou se especializarem para atuar numa empresa dentro do 
ramo. Um dos pilares mais importantes da indústria 4.0 vem a ser o 
Big Data. 
1.1 Considerações iniciais 
Para introduzirmos a temática do Big Data, é importante fazermos 
o seguinte questionamento: você, empreendedor ou colaborador, já 
pensou em implementar conceitos da indústria 4.0, por exemplo, o 
Big Data? 
É importante frisar que quando pensamos em construir o nosso 
modelo de negócios tendo como base os pilares da indústria 4.0, 
devemos sempre considerar a integração destes. 
Dentro dessa temática, diversas startups têm buscado 
oportunidades por intermédio de anjos investidores para que o seu 
negócio seja efetivado e alcance o devido sucesso. Como avaliador 
desses projetos, tive a oportunidade de constatar exatamente a 
falta de integração dos pilares, em que a proposta abrangia a 
Internet das Coisas e a Computação em Nuvem, mas não levava 
em consideração o Big Data, sendo este um conceito essencial 
para a tomada de decisão, independentemente do gênero do 
negócio de interesse. 
1.2 O que é Big Data? 
O conceito de Big Data é relativamente novo, mas as origens dos 
grandes conjuntos de dados fazem referência às décadas de 1960 
e 1970, com os datacenters e o desenvolvimento do banco de 
dados relacional (Oracle, 2019). 
Segundo a Mckinsey Global Institute, “o Big Data é a intensa 
utilização de redes sociais online, de dispositivos móveis para 
conexão à internet, transações e conteúdos digitais”. Por sua vez, a 
Gartner Group define Big Data como o termo adotado pelo 
mercado para descrever problemas no gerenciamento e 
processamento de informações extremas, as quais excedem a 
capacidade das tecnologias de informações tradicionais ao longo 
de uma ou várias dimensões. 
Simplificando, o Big Data é um conjunto de dados tão volumosos e 
complexos que o software tradicional de processamento de dados 
simplesmente 
2 
não consegue gerenciá-los. No entanto, esses grandes volumes de 
dados podem ser usados para resolver problemas de negócios que 
você não conseguiria resolver antes (Oracle, 2019). 
Pode-se comparar o Big Data com a descoberta do microscópio, 
visto que este abriu uma nova janela para vermos coisas que já 
existiam (bactérias, vírus etc.), contribuindo, assim, com a medicina 
e com a sociedade. O Big Data, por sua vez, tem a mesma 
característica, visto que nos permite verificar novas oportunidades 
de negócio e/ou suporte para a tomada de decisão, sendo 
destinado para a empresa e a própria sociedade (Taurion, 2013). 
Para a correta compreensão da presente temática ou para 
aplicarmos o Big Data em nosso negócio devemos ter em mente os 
5Vs: 
• �  Volume: é a quantidade de dados gerados, 
armazenados e gerenciados para análise de dados. O 
advento da web social e dos dispositivos interconectados 
levou ao surgimento de grande quantidade de dados (Batty, 
2012; Kapoor et al., 2018). Segundo Gupta et al. (2018), 
esses dados podem ser estruturados ou não estruturados, e 
um sistema cognitivo normalizaria e limparia os dados em um 
formato específico para análise posterior. O desafio do dilúvio 
de dados pode ser efetivamente combatido pelo uso de 
sistemas cognitivos, pois o ser humano terá cada vez mais 
dificuldade em fazer observações em uma quantidade tão 
grande de dados. 
• �  Velocidade: é um atributo do Big Data em que é 
importante monitorar a taxa na qual os dados são gerados e, 
ao mesmo tempo, também se preocupa com a velocidade 
com que esses dados são processados (Hurwitz et al., 2015). 
Ao mesmo tempo, é essencial trazer eficácia na análise dos 
dados para que a avaliação seja confiável e precisa 
(Gandomi; Haider, 2015). 
• �  Variedade: refere-se aos mais variados tipos de 
dados. Essa variedade de dados pode ser obtida de várias 
vias, como mídias sociais, dispositivos IoT, dispositivos RFID 
(Identificação por Rádio Frequência), e-mails, dispositivos 
GPS (Sistema de Posicionamento Global) e assim por diante 
(Bertino et al., 2011). 
• �  Veracidade: é uma característica do Big Data, que 
lida com a previsão da qualidade, incerteza e confiabilidade 
dos dados (Demirkan et al., 2015). Gupta et al. (2018) cita que 
para um sistema cognitivo avaliar os dados, é essencial que o 
sistema execute essa tarefa de maneira oportuna, confiável e 
precisa. 
3 
� Valor: sugere que o grande volume de dados é inútil até sejam 
convertidos em conhecimento (Saberi; Hussain; Chang, 2017). 
Esse processo também pode levar ao redirecionamento de dados 
que podem ser processados e analisados posteriormente para 
criação de conhecimento (Relatório da OIC, 2014). Esse valor pode 
ser percebido em diferentes contextos de uso de Big Data, como 
cidades inteligentes, mídias sociais, conteúdo gerado pelo usuário 
e mecanismos de busca (Alalwan et al., 2017). 
1.3 Por que o Big Data é importante? 
Ao considerar o alto volume de dados, caso o profissional não 
utilize o Big Data, terá problemas em relação aos 5Vs, uma vez 
que o ser humano tem dificuldade para grandes volumes e a 
respectiva complexidade. Para tanto, utiliza- se um sistema 
cognitivo baseado em inteligência artificial. 
Como pode se observar, o Big Data não está relacionado apenas 
ao volume de dados, mas também ao que é feito com esses dados 
no intuito de agregar valor, seja por meio de insights de negócio, 
maior conhecimento dos processos envolvidos e pela coleta de 
dados para tomadas de decisão futuras. 
Após coleta, armazenamento e preparação dos dados, deve-se 
considerar o que se denomina por Big Data Analytics. Nesta etapa, 
devemos levar em conta alguns conceitos: 
• �  Observação: é o requisito básico para um sistema 
cognitivo em que a agregação, a integração e o exame de 
dados ocorrem (Chen et al., 2016). 
• �  Interpretação: busca de melhor compreensão e 
solução de um conjunto 
complexo de problemas quando houver uma variedade de 
fontes de 
informação. 
• �  Avaliação: gerar informações para responder a uma 
consulta faz parte da 
capacidade natural de um ser humano. Um sistema cognitivo 
converte os dados brutos que reúne em redes visuais de 
dados, o que leva à criação de muitos relacionamentos dentro 
dos dados. O processamento dessa enorme quantidade de 
dados requer que o sistema cognitivo seja capaz de fazer isso 
dentro de um prazo muito curto (Gupta et al.,2018). 
• �  Decisão: refere-se à capacidade do sistema cognitivo 
de tomar decisões com base nos dados que foram analisados. 
Um dos principais critérios para a tomada de decisão é a 
disponibilidade de evidências (Chen et al., 2016). 
4 
Em suma, tais procedimentos visam atingir o topo da Figura 1, 
podendo resultar em novas oportunidade de negócio, redução de 
custos, otimização de ofertas, satisfação do cliente etc. 
Figura 1 – Processo lógico do Big Data e computação cognitiva 
Fonte: Gupta et al., 2018. 
1.4 Quais são as operações que o Big Data executa? Onde ele 
é utilizado? Considerando os 5Vs explicados na seção anterior, o 
Big Data realiza as 
seguintes operações: 
� Armazenamento e processamento de arquivos, sejam eles 
PDFs, planilhas, imagens e vídeos; 
� Processamento de grandes blocos de texto em linguagem 
natural; 
 
5 
• �  Postagens no blog, anúncios de emprego e 
descrições de produto; 
• �  Processamento de dados não estruturados, entre 
eles arquivos de log CSV, 
XML, Machine e web, bem como dados de sensores. 
A utilização do Big Data ocorre em diversos setores, entre 
eles: 
Tabela 1 – Utilização do Big Data 
Setor 
Bancos Governo Manufatura Educação Saúde Varejo 
 
Descrição 
Satisfação do cliente, fraudes Gestão de serviços públicosAumentar qualidade e produção Aprendizado otimizado 
Atendimento ao paciente Forma de abordagem ao cliente 
 
 
 
 
 
A expectativa é que a utilização do Big Data se amplie tanto no 
aspecto da atividade quanto nos demais setores cabíveis. 
TEMA 2 – BIG DATA – ETAPAS E DESAFIOS 2.1 Etapas 
de Big Data 
Após verificarmos a Figura 1, notamos uma sequência lógica do 
Big Data e do sistema cognitivo focado em agregar valor. Num 
aspecto macro, a plataforma para o Big Data é apresentada da 
seguinte forma: 
• �  Coleta de dados: quaisquer projetos de Big Data 
devem ter como base um objetivo específico; 
• �  Mineração de dados: ato de examinar uma enorme 
quantidade de dados a fim de extrair padrões consistentes; 
• �  Visualização de dados: foco em exposição clara de 
resultados e manejo intuitivo. 
Saiba mais 
Para entender melhor sobre o assunto, acesse a nossa Biblioteca 
Virtual Pearson e busque pelo livro Big Data, de Cezar Taurion. 
6 
Figura 2 – Plataforma Big Data 
Fonte de Coleta de Armazenamento Tratamento 
dados dados de dados de dados 
Fonte: RVLSOFT/Shutterstock. 
Visualização 
 
 
 
 
 
A Figura 2 tem por objetivo demonstrar o passo a passo da 
plataforma Big Data. Na primeira coluna, temos as fontes de dados 
que podem ser redes sociais, vídeos, planilhas, entre outros, 
lembrando que tais dados podem ser estruturados, não 
estruturados ou híbridos. Na segunda coluna, inicia-se de fato a 
plataforma com a coleta de dados com base na utilização, por 
exemplo, do software Apache Flume. Por sua vez, na terceira 
coluna, os dados serão armazenados num banco de dados como o 
Apache Cassandra, que reúne a arquitetura do DynamoDB, da 
Amazon Web Services e modelo de dados baseado no BigTable, 
do Google. 
Na sequência, na quarta coluna, tem-se o tratamento dos dados, 
como exemplo, o Hadoop, que é uma plataforma de software em 
Java de computação distribuída para processamento de grandes 
volumes de dados. Após esse procedimento, pode-se incluir a 
etapa de analitycs com a utilização do Apache Mahout, por 
exemplo. Por fim, na etapa de visualização, teremos um framework 
comum UI para facilitar o processo de tomada de decisão. 
2.2 Desafios para o Big Data 
Após conceituar cada uma das etapas do Big Data, deve-se 
verificar a 
existência de alguns desafios que surgem naturalmente, como: 
• �  Estratégia: adequação para aproveitar os benefícios 
do Big Data; 
• �  Talento: desenvolver conjunto de habilidades 
necessárias; 
• �  Analítica: aprimoramento dos algoritmos para 
melhorar a experiência do 
usuário; 
7 
• �  Qualidade dos dados: compromisso de qualidade 
perante volume de variedade de dados. Deve-se acrescentar 
ainda o custo de manutenção; 
• �  Governança: desenvolvimento de estratégia 
apropriada. 
• �  Privacidade: problemas relacionados ao uso direto e 
indireto de fontes de 
Big Data. 
TEMA 3 – O QUE É IOT (INTERNET OF THINGS)? 
POR QUE ELA É 
NECESSÁRIA? 
A Internet das Coisas ou IoT (Internet of Things) tem sido alvo 
de grandes investimentos, visto o porte da quebra de 
paradigma inserido nele. Inclusive, existem diversas startups 
destinadas às aplicações desta tecnologia. 
3.1 O que é IoT (Internet of Things)? 
A Internet das Coisas (IoT), conhecida como um dos pilares da 
indústria 4.0, partiu inicialmente da ideia de conectar objetos 
em 1991. Por sua vez, em 1999, Kevin Ashton do MIT propôs o 
referido termo e dez anos depois escreveu o artigo intitulado A 
Coisa da Internet das Coisas para o RFID Journal. 
Segundo Lee e Lee (2015), 
a IoT representa um novo paradigma tecnológico concebido como uma 
rede global de máquinas e dispositivos capazes de interagir entre si. A IoT é 
reconhecida como uma das áreas mais importantes da tecnologia do futuro 
e está ganhando grande atenção de uma ampla gama de indústrias. O 
verdadeiro valor da IoT para empresas pode ser totalmente alcançado 
quando os dispositivos conectados podem se comunicar entre si e integrar-
se a sistemas de inventário gerenciados por fornecedores, sistemas de 
suporte ao cliente, aplicativos de inteligência de negócios e análises de 
negócios. 
Em suma, a Internet das Coisas é uma rede de comunicação 
entre objetos, dispositivos e máquinas que estão interagindo 
entre si com o objetivo de realizar tarefas. Gartner (2014) 
prevê que a IoT chegará a 26 bilhões de unidades até 2020, 
ante 0,9 bilhão em 2009, e impactará as informações 
disponíveis para os parceiros da cadeia de suprimentos e 
como ela funciona. 
Desde a linha de produção e armazenamento até a entrega no 
varejo e as prateleiras das lojas, a IoT está transformando os 
processos de negócios, fornecendo uma visibilidade mais 
precisa e em tempo real do fluxo de materiais e produtos. As 
empresas investirão na IoT para redesenhar os fluxos de 
trabalho da fábrica, melhorar o rastreamento de materiais e 
otimizar os custos de distribuição. 
8 
Por exemplo, a John Deere e a UPS já estão usando tecnologias 
de rastreamento de frota habilitadas para IoT para reduzir custos e 
melhorar a eficiência do fornecimento. 
A adoção dessa tecnologia está rapidamente ganhando força, à 
medida que pressões tecnológicas, sociais e competitivas 
pressionam as empresas a inovarem e se transformarem. À 
medida que a tecnologia da IoT avança e um número crescente de 
empresas adota a tecnologia, a análise de custo-benefício da IoT 
se tornará um assunto de grande interesse. Devido aos benefícios 
potenciais, porém incertos, e aos altos custos de investimento da 
IoT, as empresas precisam avaliar cuidadosamente todas as 
oportunidades e desafios induzidos pela IoT para garantir que seus 
recursos sejam gastos criteriosamente (Lee; Lee, 2015). 
3.2 Funcionamento da Internet das Coisas 
Para entender o funcionamento da IoT, é necessário nos 
remetermos a como a internet funciona, sendo que sua base está 
na teoria matemática da comunicação, desenvolvida por Claude 
Shannon e Warren Weaver em 1949. 
Figura 3 – Elementos básicos da comunicação 
Fonte: Sacomano et al., 2018. 
Também segundo Sacomano et al (2018), 
Essa teoria estabelece que toda comunicação tem, essencialmente, uma fonte e 
um destino separados espacialmente. A fonte tem a intenção de passar uma 
mensagem ao destino e, para isso, necessita de um meio de comunicação que 
permita que a mensagem chegue até ele. A fonte aciona o elemento emissor, 
que tem como função colocar a mensagem no formato adequado (processo de 
codificação) ao meio físico de comunicação (chamado de canal) que trafegará a 
mensagem até o 
 
9 
receptor, que cumpre o papel inverso ao emissor, decodificando a mensagem 
para entendimento do destino. 
Algo fundamental para que a comunicação seja efetivada é que 
tanto o emissor quanto o receptor devem estar submetidos ao 
mesmo código e protocolo. Seguindo a teoria matemática da 
comunicação, no caso da internet, o emissor é um computador que 
codifica a mensagem na forma de pacotes de dados digitais, sendo 
estes transmitidos para outro computador que funciona como 
receptor (Sacomano et al., 2018). 
Figura 4 – IoT entre máquinas 
Fonte: Sacomano et al., 2018. 
Quando tratamos de máquinas, há diversos protocolos (MQTT, 
AMPQ e CoAP), sendo que a adoção de cada um deles depende 
de diversos fatores, como performance, limitação de dispositivos, 
segurança etc. 
Criado pela IBM e pela Eurotech, o MQTT é um protocolo aberto 
projetado com características adequadas para dispositivos 
embarcados com recursos de memória e/ou processamento 
limitados. O pequeno overhead de transporte faz do MQTT uma 
solução interessante para redes não-confiáveis com recursos 
limitados como largura de banda e alta latência (Frigieri; Parreira, 
2017). 
O protocolo CoAP foi projetado pelo Grupo de Trabalho para 
Ambientes RESTful Limitados (CoRE), da Força-Tarefa de 
Engenharia da Internet (IETF). Adaptado do HTTP, foi otimizado 
para dispositivos com potência e capacidade de processamento 
limitado, além de grandeaplicação em ambientes IoT. 
Por sua vez, o protocolo AMPQ é uma especificação de padrão 
aberto de mensagens de middleware, baseado no paradigma de 
filas de mensagens orientadas a tópicos, em que produtos escritos 
para diferentes plataformas e em 
 
10 
diferentes linguagens podem trocar mensagens. Esse protocolo é 
suportado por empresas como Cisco Systems e JPMorgan Chase 
Bank (Frigieri; Parreira, 2017). 
3.3 Aplicações e desafios da IoT 
As aplicações de IoT geralmente estão centradas em 
monitoramento e controle, Big Data e análise de negócios e, por 
fim, compartilhamento e colaboração de informações. Alguns 
exemplos práticos seriam QR Codes, sistema de identificação 
automática de veículos e celulares com NFC. 
Os desafios inerentes a uma tecnologia disruptiva como a IoT 
promovem certas barreiras para a adoção de empresas. Tal fato 
representa uma grande oportunidade de criação de novos negócios 
no intuito de promover soluções para tópicos como gerenciamento 
de dados, mineração de dados, privacidade, segurança e caos. 
Um exemplo que temos referente ao gerenciamento de dados vem 
a ser os sensores e dispositivos de IoT, uma vez que estes estão 
gerando grandes quantidades de dados que precisam ser 
processados e armazenados. A arquitetura atual do Data Center 
não está preparada para lidar com a natureza heterogênea e o 
grande volume de dados pessoais e empresariais (Gartner, 2014). 
Ao considerarmos o grande volume de dados para processamento 
e análise, a utilização de ferramentas de mineração de dados se 
torna indispensável. Elas podem ter uma variedade considerável, 
contemplando inclusive dados de streaming, como localização, 
movimento, vibração, temperatura, umidade, entre outros. Além da 
excessiva quantidade de dados, as técnicas tradicionais de 
mineração não são diretamente aplicáveis a imagens e vídeos de 
origem não estruturada. Vale acrescentar aqui a escassez de 
analistas de dados para esse fim. 
Por sua vez, em relação à privacidade de dados, temos, por 
exemplo, o caso de equipamentos de saúde inteligentes e serviços 
de emergência de carros inteligentes. Os dispositivos da IoT podem 
fornecer uma grande quantidade de dados sobre a localização e 
movimentos dos usuários da IoT, condições de saúde e 
preferências de compra — todos os quais podem provocar 
importantes preocupações com a privacidade (Lee; Lee, 2015). 
Ao abordarmos sobre segurança, devemos analisar e/ou refletir 
que à medida que a quantidade de dispositivos, bem como sua 
variedade, é introduzida 
11 
nas redes IoT, a ameaça potencial à segurança aumenta. Embora a 
IoT promova melhoras como na produtividade e até mesmo na 
qualidade de vida, ela também aumentará as possíveis interfaces 
de ataque de hackers e outros criminosos cibernéticos. 
Por fim, em relação ao caos, o mesmo ocorre como consequência 
dos fatores anteriores, uma vez que o ciclo de inovação está muito 
acelerado do que os típicos produtos de consumo. Ainda, os 
problemas com segurança, privacidade e qualidade do produto 
prevalecem. 
TEMA 4 – IOT – CENÁRIO BRASILEIRO E VALOR 
AGREGADO À INDÚSTRIA 4.1 Cenário brasileiro 
Conforme apontado em temas anteriores, a IoT possui um grande 
potencial no que tange à criação de novos negócios para esse fim, 
bem como para empresas em busca de competitividade no 
mercado. Segundo Silva et al. (2018), o Banco Nacional de 
Desenvolvimento Econômico e Social (BNDES) e o Ministério da 
Ciência, Tecnologia, Inovações e Comunicações (MCTIC) verificam 
na IoT as seguintes potencialidades: 
• �  Estimular o crescimento econômico por meio da 
melhoria de produtividade; 
• �  Criar novos modelos de negócios e empregos; 
• �  Estimular a gestão de recursos das cidades e 
serviços prestados aos 
cidadãos. 
O BNDES realizou um estudo no intuito de planejar um 
modelo de negócios destinado a novos produtos com o foco 
em IoT que identificou três nichos: 
• �  Industrial: o uso da tecnologia no ambiente industrial 
para fins de aumento de competitividade; 
• �  Sociedade: melhoria da qualidade de vida; 
• �  Empregabilidade: reposicionamento de 
oportunidades. 
Além do estudo do BNDES, podem-se averiguar outras ações 
para fomentar o uso da internet na indústria. Como exemplo, 
temos a Associação Brasileira de Internet Industrial (ABII), 
criada em 1996, para estimular trocas de experiências. 
12 
4.2 Valor agregado à indústria 
Segundo Silva et al. (2018), a Internet das Coisas proporciona 
inúmeros benefícios, entre eles: 
• �  Aumento da eficiência dos equipamentos; 
• �  Aumento na produtividade; 
• �  Aumento na qualidade de vida; 
• �  Monitoramento do meio ambiente; 
• �  Otimização de serviços; 
• �  Transparência no uso de recursos; 
• �  Aumento na segurança; 
• �  Rastreabilidade. 
TEMA 5 – ESTUDO DE CASO 
Diversos estudos de casos poderiam ser aqui descritos para 
trazer um bom norte da utilização dos conceitos abordados 
em aula. Contudo, eles não atenderiam ao apelo tecnológico 
do momento. Para tanto, foi pesquisado algo que realmente 
chama a atenção por ser a tecnologia de ponta no momento, 
que vem a ser os wearables. 
Para o presente caso, temos uma empresa norte-americana 
desenvolvedora de softwares IoT que teve o desafio de unir 
três vertentes fundamentais de nosso ecossistema: biológico, 
físico e digital, sendo que o objetivo era construir roupas 
conectadas. O desafio dessa empresa era coletar dados de 
saúde e bem-estar do consumidor e exibi-los em um 
dispositivo de forma segura. Para tanto, o impasse, neste 
caso, vem a ser a capacidade de conectar esses dispositivos 
vestíveis a uma nuvem segura e escalável o que, 
frequentemente, está fora do escopo dos fabricantes de 
dispositivos. 
A empresa propôs, então, uma plataforma IoT que fornece 
conectividade abrangente para dispositivos, nuvem e 
aplicativos móveis. Dessa forma, permitiu que os fabricantes 
de dispositivos vestíveis criassem versões conectadas à 
nuvem, tornando os produtos conectados mais seguros, 
confiáveis e econômicos. Atrelado à solução proposta, a 
empresa obteve alguns benefícios, entre eles: 
� Coletar dados médicos anonimizados para fins de pesquisa; 
13 
• �  Permitir que os fabricantes melhorem futuras versões 
de seus dispositivos vestíveis com base no conhecimento do 
mundo real e produtos atuais; 
• �  Relatórios e análises aprofundadas para permitir 
mudanças no estilo de vida. 
Como resultados, a empresa obteve a possibilidade de: 
• �  Monitorar remotamente os sinais vitais de pessoas 
afins; 
• �  Configurar prompts com base nos níveis de atividade; 
• �  Comparar estatísticas de bem-estar com outras 
pessoas/gamificação; 
• �  Exibir alertas dos dispositivos, usando e-mail e SMS; 
• �  Sincronizar automaticamente com o dispositivo 
quando estiver dentro do 
alcance; 
• �  Integra-se a Uis baseadas em fala, como a Siri da 
Apple. 
14 
REFERÊNCIAS 
ALALWAN, A., et al. Social media in marketing: A review and 
analysis of the existing literature. Telematics and Informatics, 34, 
n. 7, 1177-1190, 2017. 
BATTY, M. Smart cities, Big data. Environment and Planning B: 
Planning and Design, 39, n. 2, 2012. 
BERTINO, E. et al. Challenges and opportunities with Big data, 
2011. 
CHEN, Y.; ARGENTINIS, E.; WEBER, G. IBM watson: How 
cognitive computing can Be applied to Big data challenges in life 
sciences research. Clinical Therapeutics, 38, n. 4, 688-701, 2016. 
DEMIRKAN, H, et al. Innovations with smart service systems: 
Analytics, big data, cognitive assistance, and the internet of 
everything. Communications of the Association for Information 
Systems, 37, n. 1, 2015. 
FRIGIERI, D. M.; PARREIRA, L. F. C. G. Protocolos M2M para 
Ambientes Limitados no Contexto do IoT: Uma Comparação de 
Abordagens. Santa Rita do Sapucaí/MG, 2017. Disponível em: 
<https://www.inatel.br/smartcampus/imgs/protocolos-para-iot-
pt.pdf>. Acesso em: 15 dez. 2019. 
GANDOMI, A.; HAIDER, M. Beyond the hype: Big data concepts, 
methods,and analytics. International Journal of Information 
Management, 35, n. 2, 2015. GARTNER. Gartner Says the 
Internet of Things Will Transform the Data Center. Disponível 
em: < https://iot.do/gartner-says-internet-things-will-transform- data-
center-2014-03l>. Acesso em: 15 dez. 2019. 
GUPTA et al. Big data with cognitive computing: a review for the 
future. Elsevier, 2018. 
HURWITZ, J. S.; KAUFMAN, M.; BOWLES, A. Cognitive 
computing and Big data analytics. Estados Unidos: John Wiley & 
Sons, Inc, 2015. 
I. LEE; K. LEE. The Internet of Things (Iot): Applications, 
investments, and challenges for enterprises. Elsevier, 2015. 
ORACLE. O que é big data? Disponível em: <https://
www.oracle.com/br/bigdata/guide/what-is-big-data.html>. Acesso 
em: 15 dez. 2019. 
15 
SABERI, M.; HUSSAIN, O. K.; CHANG, E. Past, present and future 
of contact centers: A literature review. Business Process 
Management Journal, 23, n. 3, 574-597, 2017. 
SACOMANO, J. B. et al. Indústria 4.0: Conceitos e Fundamentos. 
São Paulo: Blucher, 2018. 
SILVA, E. et al. Automação & Sociedade: Quarta Revolução 
Industrial, Um Olhar Para O Brasil. 1. ed. São Paulo: Brasport, 
2018. 
TAURION, C. Big data. 1. ed. Rio de Janeiro: Brasport, 2013. 
16