AULA 6 FILOSOFIAS DE SUPERVISAO

Prévia do material em texto

AULA 6 
FILOSOFIAS DE 
SUPERVISÃO 
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: 
2 
• 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. 
3 
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: 
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). 
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. 
4 
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. 
5 
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; 
 
6 
• 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 algoritmos 
que produzem padrões dos conjuntos de dados avaliados. É 
classificada de acordo com a sua capacidade de realizar 
tarefas: 
• Descrição: tarefa utilizadapara 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). 
7 
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. 
8 
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) 
9 
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. 
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. 
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). 
10 
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. 
11 
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. 
12 
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 
(integração de 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: usode 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: 
13 
Figura 7 – Utilização de pelo menos uma tecnologia digital 
Percentual de respostas (%) 
Não respondeu 
48 
Não sabe 
25 
6 
15 6 
Nenhuma das listadas 
Apenas CAD/CAM 
Utiliza 
Pouco menos da metade das empresas industriais utiliza pelo menos uma das 10 
tecnologias digitais consideradas 
Fonte: elaborado com base em Confederação das Indústrias, 2016. 
Figura 8 – Principais dificuldades para a adoção das tecnologias 
Percentual de respostas (%) 
 
Alto custo de implantação 
Falta clareza na definição do retorno sobre o investimento 
Estrutura e cultura da empresa 
Dificuldade para integrar novas tecnologias e softwares 
Infraestrutura de TI inapropriada Risco para segurança da informação Não sabe / Não respondeu 
Total 
0 10 20 30 40 50 60 70 80 90 Utiliza tecnologias digitais 
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 
14 
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. 
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. 
Saiba mais 
Mvisia: <https://www.youtube.com/watch?v=mw805fRVe5s>. 
 
15 
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- 
16 
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. 
17