indústria 4.0

Prévia do material em texto

AULA 2 
 
 
 
 
 
 
 
 
 
 
 
TECNOLOGIAS PARA A 
INDÚSTRIA 4.0 
 
 
 
 
 
 
 
 
 
 
 
 
 
Prof. Gabriel Vergara 
 
 
2 
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 
 
 
3 
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. 
 
 
4 
 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). 
 
 
5 
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; 
 
 
6 
 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 doBig Data 
Setor Descrição 
Bancos Satisfação do cliente, fraudes 
Governo Gestão de serviços públicos 
Manufatura Aumentar qualidade e produção 
Educação Aprendizado otimizado 
Saúde Atendimento ao paciente 
Varejo 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. 
Saiba mais 
Para entender melhor sobre o assunto, acesse a nossa Biblioteca Virtual 
Pearson e busque pelo livro Big Data, de Cezar Taurion. 
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. 
 
 
 
7 
Figura 2 – Plataforma Big Data 
 
Fonte: RVLSOFT/Shutterstock. 
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; 
Fonte de 
dados 
Coleta de 
dados 
Armazenamento 
de dados 
Tratamento 
de dados 
Visualização 
 
 
8 
 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. 
 
 
9 
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 
 
 
10 
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 deEngenharia da Internet (IETF). 
Adaptado do HTTP, foi otimizado para dispositivos com potência e capacidade de 
processamento limitado, além de grande aplicação 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 
 
 
11 
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 
 
 
12 
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. 
 
 
 
13 
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; 
 
 
14 
 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. 
 
 
 
15 
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. 
 
 
16 
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.