Relatoìrio Final PI (rev 1 7 - 16 dez 2019)

•

UDESC

Tiago Santos

08/04/2020

Prévia do material em texto

UNIVERSIDADE VIRTUAL DO ESTADO DE SÃO PAULO

Bruna de Paiva Gonçalves
Felipe Ferreira Pereira
Felipe Freitas de Oliveira
Gabriel Felipe Reis Scarpari
José Maria Fernandes Marlet
Rodrigo Vieira Peres
Tiago Tosca dos Santos

FERRAMENTA PARA PLANEJAMENTO E PROGRAMAÇÃO DE
PRODUÇÃO EM MPM EMPRESAS

Link do vídeo: youtu.be/d3k89iAd09Dd

São José dos Campos – SP
Polo Santana
2019

UNIVERSIDADE VIRTUAL DO ESTADO DE SÃO PAULO

FERRAMENTA PARA PLANEJAMENTO E PROGRAMAÇÃO DE
PRODUÇÃO EM MPM EMPRESAS

Relatório apresentado na disciplina de
Projeto Integrador para o curso de
Engenharia da computação da Fundação
Universidade Virtual do Estado
de São Paulo (UNIVESP).

Tutora: Tatiana Dias Chiacchio

São José dos Campos – SP
Polo Santana
2019

GONÇALVES, Bruna de Paiva; MARLET, José Maria Fernandes; OLIVEIRA, Felipe
Freitas de; PEREIRA, Felipe Ferreira; SCARPARI, Gabriel Felipe Reis; PERES,
Rodrigo Vieira; SANTOS, Tiago Tosca. FERRAMENTA PARA PLANEJAMENTO E
PROGRAMAÇÃO DE PRODUÇÃO EM MPM EMPRESAS. __ f. Relatório Técnico-
Científico (Engenharia da Computação) – Universidade Virtual do Estado de São
Paulo. Tutora: Tatiana Dias Chiacchio. Polo: São José dos Campos / Santana, 2019.

RESUMO

O presente trabalho foi desenvolvido a partir da necessidade de inclusão das
empresas no contexto da Indústria 4.0. Várias são as ferramentas necessárias para
essa inclusão, como Manufacturing Execution System, [ MES ] (Sistema de
Execução da Manufatura). Uma maneira de otimizar o lucro bruto das empresas é
usar o Advanced Planning Scheduling, [ APS ] (Planejamento Avançado da
Produção), que é um subsistema do MES.
Neste trabalho foi desenvolvida uma aplicação para uma ferramenta APS, que
permite a maximização do lucro bruto de uma empresa do ramo gráfico, a partir da
otimização do planejamento de produção desta empresa. As simulações executadas
indicam um potencial de ganho expressivo em termos de lucro bruto a um custo de
licença reduzido.
Esta metodologia de apoio à produção também pode ser expandida para outras
necessidades das empresas em geral. O fato de ser possível responder às
demandas de mercado e ao mesmo tempo maximizar o lucro bruto das empresas, é
um dos pilares do que se convencionou chamar de Indústria 4.0.

Palavras-chave: Indústria 4.0, otimização da produção, MES, APS, planejamento
avançado, algoritmos genéticos.

ABSTRACT

The present work was developed from the need to include companies in the context
of Industry 4.0. There are several tools required for such inclusion, such as
Manufacturing Execution System, [MES]. One way to optimize companies' gross
profit is to use Advanced Planning Scheduling, [APS], which is a subsystem of the
MES.
In this work an application for an APS tool was developed, which allows the
maximization of the gross profit of a graphic company, by optimizing the production
planning of this company. The simulations performed indicate a significant gain
potential in terms of gross profit at a reduced license cost.
This production support methodology can also be expanded to other business needs
in general. The fact that it is possible to respond to market demands while
maximizing companies' gross profit is one of the pillars of what is commonly called
Industry 4.0.

Keywords: Industry 4.0, production optimization, MES, APS, advanced planning,
genetic algorithms.

Sumário:
1. Introdução .......................................................................................................................... 6
1.1 Justificativa e Problema .............................................................................................. 13
1.2. Objetivos da Pesquisa................................................................................................ 17
1.3. Objetivo Geral ............................................................................................................ 17
1.4. Objetivos Específicos ................................................................................................. 18
1.5. Organização do Trabalho ........................................................................................... 18
2. Fundamentação Teórica ................................................................................................... 19
2.1 – Indústria 4.0, MES e APS – Conceitos básicos ........................................................ 19
2.1 – Design Thinking – Conceitos básicos ....................................................................... 23
2.2 – Metodologia Científica – Conceitos básicos ............................................................. 24
3. Materiais e Métodos Empregados .................................................................................... 26
3.1. Elaboração das Perguntas ......................................................................................... 26
3.2. Análise da Pesquisa ................................................................................................... 27
3.3. Design Thinking ......................................................................................................... 27
3.4. Questionário ............................................................................................................... 29
3.5. Prototipagem .............................................................................................................. 30
3.6. Teste do Protótipo ...................................................................................................... 33
3.7. Implementação da Solução ........................................................................................ 33
4. Análise e Discussão dos Resultados ................................................................................ 33
5. Conclusões e Considerações Finais ................................................................................. 35
6. Referências Bibliográficas ................................................................................................ 36

1. Introdução

As revoluções industriais trazem consigo grandes avanços tecnológicos, que geram
enorme impacto para o ambiente de comércio. No total já aconteceram quatro
revoluções industriais, sendo que atualmente a quarta está em curso. [5]

Na primeira, houve o advento das máquinas a vapor e do uso do carvão como
combustível. Na segunda, a eletricidade foi a grande invenção, também causando
uma grande transformação nos meios de produção. Na sequência, a terceira trouxe a
automação das máquinas, o uso dos computadores, a internet e um prenúncio do
que estava por vir: a digitalização e o mundo virtual, que estão colocando a
humanidade em outro patamar de interação e desenvolvimento.

Aquelas previsões futurísticas começam, em certa medida, a fazer sentido diante das
possibilidades de que se dispõe. (COLLABO, 2018).[5]

A indústria 4.0, ou 4ª Revolução Industrial tem vários elementos, mas os três
principais são: Internet of Things (IoT), Big Data Analytics e Segurança. Internet of

Fonte: Elisabeth (2019)

Things tem como seu proposito fazer a ligação entre a rede da internet, seus
usuários e objetos físicos, permitindo o compartilhamento de informações entre eles.
Big Data Analytics tem como fim uma análise de grande quantidade de dados. Por
fim, a Segurança tem como objetivo não somente proteger os dados como garantir
sua fidelidade. [5,11]

A cada revolução as inovações foram diferentes, trazendo com elas melhorias para
seus setores. No momento atual, com a quarta revolução, a principal ferramenta é a
internet, que vem se tornando a cada dia mais indispensável na vida das pessoas, e
para indústria também. A rede wireless é responsável, crescentemente, pela conexão
em rede de diversos computadores, logo IoT. Este mecanismo é de grande auxilio
para as indústrias. [11]

No mundo moderno, a grande exigência por tempo e as preferências do cliente
geram um mercado cada vez mais competitivo. Para se manter nele é necessário
fazer uso das tecnologias que a indústria 4.0 trouxe. Utilizando-as, é possível
devolver um Manufacturing Execution System, ou MES. Um sistema que faz
monitoramento e o gerencie, capaz então de entrar em contato com a linha de
produção. [11]

Logo vive-se em uma época digital na qual a quantidade um volume de dados
produzidos, armazenados e transacionados tomam proporções nunca vista
anteriormente. Um dos desafios das empresas modernas é justamente transformar
estes dados em valor, aumentando sua competitividade. Imagine-se um cenário de
uma indústria qualquer, na qual os dados são coletados manualmente numa
prancheta, podem ser de registros referentes à quantidade de peças produzidas,
data/hora que a máquina produziu, que pessoa operou a máquina, etc.

A primeira verificação ainda na fase da coleta é da veracidade desses dados, seja
por erro humano dolosa ou culposamente, intencional ou acidental, uma massa
crítica de dados, que não expresse verdadeiramente a realidade, pode induzir a
erros também, influenciando e gerando percepções igualmente equivocadas, e por
fim a tomada de decisão é realizada sem ser a mais otimizada possível, algo

imperdoável num cenário de alta competição. Assim já vislumbra-se aqui a primeira
possibilidade de melhoria, que é a justamente aplicar hardware e software na coleta
de dados e principalmente integrá-los. Integração consiste na troca de dados, assim
um cenário é construído no qual sistemas conversem com sistemas, máquinas
conversem com máquina, com o uso de robôs mais sofisticados e inteligência
artificial analisando padrões e interagindo.

A próxima fase após a coleta trata da organização destes dados, para que se possa
construir efetivamente uma informação. Percebe-se que a informação trata de um
conjunto, de uma somatória de dados particularizados. Por exemplo: a data de 21 de
outubro isoladamente refere-se à apenas uma data, mas na coluna ao lado desta
data colocamos um outro dado (por exemplo o nome da pessoa), e numa outra
coluna um outro dado com a palavra aniversário. Imediatamente infere-se que se
trata do aniversário de uma pessoa em determinada data. Pode-se utilizar essa
informação que agora sim é relevante para realizar um telefonema ou para
presentear, ou seja para tomar uma ação baseada na informação.

Por sua vez somando vários conjuntos de informações relevantes tem-se o
conhecimento. A somatória de conhecimentos resulta em inteligência. É exatamente
nessa era que se vive, na era da informação, do conhecimento, da inteligência, na
era dos dados transacionados em altíssima velocidade, no momento da
hiperconectividade e principalmente transformação digital.

Ilustrativamente:

Outra variável intrinsecamente importante é o tempo, os dados são transacionados
em altíssima velocidade, assim as informações precisam ser verdadeiras, validadas e
principalmente estarem disponíveis em tempo hábil ou em tempo real, ou seja, num
determinado momento no qual eu ainda possa tomar alguma decisão e ação efetiva
visando o resultado almejado. No exemplo acima, se a informação chegasse apenas
no dia 22 de outubro, D+1 no dia posterior, está informação não teria mais validade
como lembrete de uma data de aniversário.

A seguir uma lista de abreviações e termos da tecnologia da informação,
considerados relevantes pela sua grande aplicação:

Business Intelligence [ BI ] (Inteligência do Negócio): Para efetiva gestão e tomada
de decisão mostrando variados gráficos com os “Key Performance Indicator” (KPI –
indicadores-chave), onde a informação é sumarizada e apresentada em gráficos, cuja
imagem permite ao administrador instantaneamente mensurar o resultado, prever
cenários e fazer correções se necessário.

Para a efetiva gestão global de uma empresa, precisa-se de um Enterprise
Resource Planning, [ ERP ] (Planejamento de Recursos da Empresa). Este sistema
cuida dos recursos da empresa, sendo seus sub sistemas: financeiro, contábil,
compra, estoque. Sem um sistema deste é difícil apurar um fluxo de caixa,

Elaboração próprios autores.

orçamento financeiro anual, dar entrada automaticamente de todas as notas fiscais,
registrar todas as notas de vendas, apurar os impostos e tributos, entre outras
operações.

Para efetiva gestão comercial de uma organização precisa-se de um Customer
Relationship Management, [ CRM ] (Gerenciamento do Relacionamento com o
Cliente). Este sistema cuidará de todos os prospectos, clientes em potencial,
orçamentos e propostas realizadas, “follow-up” (acompanhamento) com os clientes,
contratos firmados, atingimento de metas de vendas, etc.

Para a efetiva gestão do chão de fábrica, da produção propriamente dita, precisa-se
de um Manufacturing Execution System, [ MES ] (Sistema de Execução da
Manufatura). Este sistema cuidará da execução das ordens de produção ou ordem
de fabricação, em mensurar o tempo despendido na produção, alertas sobre
manutenção preventiva corretiva e preditiva das Máquinas, cálculo de indicadores
como overall equipment effectiveness (OEE – eficiência geral do equipamento),
efetividade ou produtividade global das máquinas e equipamentos, etc.

Sendo um subsistema do MES, especificamente, o Advanced Planning
Scheduling, [ APS ] (Planejamento Avançado da Produção), permite a roteirização
das ordens de fabricação ou ordens de produção. Logo o sistema APS é capaz de
sugerir quais ordens de produção devem ser realizadas naquele determinado
momento, sequenciando-as de acordo com os maquinários disponíveis, e utilizando
regras de restrições e limitações.

Entende-se que estes sistemas se complementam e se integram. Seja sobrepondo
ou em bloco preenchendo as lacunas, visando a melhor gestão.

Elaboração/adaptação dos próprios autores.

Exatamente neste sistema [ APS ], de roteirização das ordens de produção que é o
foco deste trabalho.

O mercado brasileiro de TI apresenta-se relativamente segmentado em poucos
players, quando trata-se de empresas já consolidadas, geralmente médias e grandes
empresas. Como aponta a 30ª Pesquisa Anual do Uso de TI nas Empresas, 2019,
realizada pela FGVcia - Centro de Tecnologia de Informação Aplicada da FGV-
EAESP, este relatório tem em sua idealização 66% das maiores +500 Brasil. Já em
no outro extremo, nota-se uma precariedade de soluções para as micro e pequenas
empresas, que muitas vezes nem sequer apresentam um planejamento da produção
em Excel.

Fonte: https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf

https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf
https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf

Fonte: https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf

Para o mercado internacional,tratando-se de MES identifica-se o mesmo ponto:
grandes players com soluções robustas, porém excessivamente dispendiosas e
caras. Inviáveis para pequenas e até médias empresas no Brasil, seja pelo valor, por
pré-requisitos, ou pelo preço cotado em dólares ou euros.

Comparando os últimos relatórios disponíveis, de novembro de 2018 a novembro
2017, do Gartner sobre MES, encontram-se praticamente as mesmas empresas:

Fonte: https://discover.3ds.com/magic-quadrant-for-manufacturing-executionsystems

https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf
https://eaesp.fgv.br/sites/eaesp.fgv.br/files/pesti2019fgvciappt_2019.pdf

E para mercado nacional de MES, são encontrados os seguintes fornecedores:

PPi Multi-task, empresa parceira dos ERP da Totvs, novamente focada em clientes
grandes, tais como: Coca-Cola, Bosch, Alstom, Pfizer.

Prodwin Tecnologias, com integração em qualquer solução ERP, com os principais
cases: BomBril, Amanco, Vigor, TetraPak, EMS.

1.1 Justificativa e Problema

Seja um dia comum na rotina de uma empresa na qual existe produção.
Independentemente do tipo de estratégia adotado, sendo estes quatro processos os
mais comuns:

Make-to-Stock (MTS) produção para estoque;
Make-to-Order (MTO) produção por pedido confirmado;
Assembly-to-Order (ATO) processos finais de montagem na linha de produção por
pedido confirmado;
Engineering-to-Order (ETO) compreende desde o planejamento até a produção do
produto. Em outras palavras, o cliente participa de todo o processo de criação do
produto.

Elaboração/adaptação dos próprios autores.

A vasta maioria das empresas produz ou para estoque ou para atender um venda
realizada. Assim sempre existe uma pilha de ordens de produção, quer seja para
pedidos já confirmados pelos clientes, quer seja destinados ao estoque. De qualquer
forma a fábrica deve executar essas ordens de produção ou ordens de fabricação.

Os tipos de produção podem ser diferenciados por segmento de mercado vs.
especificidade do cliente vs. necessidade da visibilidade da unidade:

Elaboração/adaptação dos próprios autores.

Quanto aos tipos de processos das manufaturas vê-se no gráfico de variedade de
produtos vs. volume, manufaturas discretas vs. manufatura contínua:

Elaboração/adaptação dos próprios autores.

Como percebe-se claramente cada tipo de manufatura apresenta características
diferentes, conforme segue tabela abaixo:

Elaboração/adaptação dos próprios autores.

A primeira variável é justamente o tempo, a data de entrega desejada pelo cliente.
Uma segunda variável é a quantidade de insumos e matérias-primas disponíveis no
estoque e necessárias para manufatura desses produtos. Uma terceira variável é a
disponibilidade de máquinas e pessoas empenhadas nesta produção. Uma quarta
variável é o custo por unidade produzida em cada máquina, entendendo que esse
custo deve ser calculado exatamente.

No cenário real existem inúmeras variáveis possíveis, como defeito imprevisível da
máquina, fora eventos aleatórios e de força maior como catástrofes ambientais, uma
escassez momentânea de matérias-primas como na crise dos caminhoneiros, greve
geral de funcionários, alta dos preços, alta do câmbio de moeda estrangeira, entre
outras externalidades em geral.

Analisando apenas essas quatros simples variáveis, acima elencadas, verifica-se que
em geral, os interesses são em alguns casos conflitantes e em outros sinérgicos:

Ponto 1: o cliente sempre quer o produto entregue o mais rápido possível com o
menor preço possível;

Ponto 2: o estoque de matéria-prima e insumos deve ser sempre o menor possível,
para que o dinheiro não fique parado, e sim rendendo juros ao ser investido. Porém
se não se garante um estoque mínimo não se consegue entregar rapidamente,
conflitando com o tópico 1. Por um lado, o cliente quer sempre comprar mais barato,
e por outro lado a empresa quer sempre vender com maior margem de lucro
possível, novamente objetivos opostos;

Ponto 3: é necessário o cálculo da capacidade produtiva, e do desempenho em
tempo real, para que o empresário possa extrair o máximo das máquinas,
equipamentos e das pessoas contratadas. Percebe-se aqui que a não utilização de
uma máquina, ou de hora humano, impacta sensivelmente na lucratividade de uma
organização.

Ponto 4: os custos devem ser exatamente calculados, de outro modo a situação
ficará contraproducente;

Ponto 5: sem um sistema que indique e sugira a melhor distribuição das ordens de
produção segundo variáveis e restrições pré-definidas , é quase impossível para um
humano, por mais experiente que seja, definir o melhor cenário de roteirização das
ordens de produção, traduzindo-se em prejuízo pois ao fabricar o produto numa
máquina com um custo maior, ficando contraditório com o tópico 2 maior margem de
lucro.

Neste contexto e ponto foi feito o seguinte questionamento: “como a micro e
pequena empresa faz para otimizar seu planejamento de produção sem um
sistema que o faça?”

1.2. Objetivos da Pesquisa

O objetivo desse trabalho é permitir colocar em prática tudo o que foi aprendido até o
momento no curso de Engenharia de Computação, integrando as matérias estudadas
no semestre, com a possibilidade de aprofundamento em questões reais e o mais
importante: a oportunidade de criar uma solução inovadora para essas questões.

Outro objetivo é a utilização da pesquisa como meio para resolver problemas,
estimular o espírito de equipe, interdisciplinaridade e desenvolvimento de novas
ideias.

1.3. Objetivo Geral

O objetivo do trabalho deste PI é o desenvolvimento e/ou aplicação de ferramentas
de apoio à tomada de decisão em processos de engenharia e tenham como principal
ponto, serem ferramentas de baixo custo para planejamento e programação de
produção em MPM (micro, pequenas e médias) empresas.

1.4. Objetivos Específicos

i. Realizar um questionário específico para levantamento das necessidades dos
clientes com relação às atividades de planejamento e controle da produção.
ii. Realizar um levantamento da literatura e do estado da arte do mercado, com
não só artigos técnicos, mas também com soluções de aplicativos já
disponíveis de mercado e que atendam às exigências de baixo custo.
iii. Identificar aplicativos já desenvolvidos no mercado e que atendam às
necessidades elencadas pelos clientes potenciais, levantadas no questionário
acima.
iv. Realizar um estudo de caso para verificar a viabilidade de uso em MPM
empresas, levando em consideração o custo final da solução, para o caso de
aplicativos já existentes no mercado.
v. Desenvolver um aplicativo com características de uma plataforma de baixo
custo, que proporcione às empresas o sequenciamento de suas ordens de
produção e fabricação. Este objetivo está condicionado ao objetivo anterior, ou
seja, este aplicativo somente será desenvolvido, caso não se encontre no
mercado um aplicativo satisfatório em termos de custo e desempenho.

1.5. Organização do Trabalho

Este trabalho foi dividido em 6 capítulos. O primeiro capítulo apresenta a introdução
do trabalho com sua contextualização e justificativa. No capítulo dois tem-se a
fundamentação teórica com uma breve apresentação sobre indústria 4.0,
Manufacturing Execution System e Advanced Planning and Scheduling. No capítulo
três serão apresentados os materiais e métodos, essencialmente como os
questionários serão desenvolvidos assim como o programa que tratará da
manipulação das informações obtidas das respostas dos questionários. No capítulo
quatro serão apresentados as análises e discussões dos resultados. As
considerações finais e conclusõesserão apresentadas no capítulo cinco. Finalmente,
as referências empregadas estão no capítulo seis.

2. Fundamentação Teórica

2.1 – Indústria 4.0, MES e APS – Conceitos básicos

O tema do trabalho de PI deste semestre trata de ferramentas de apoio à tomada de
decisão em processos de engenharia. Esta temática está alinhada com as
necessidades da Indústria 4.0, quando ferramentas informatizadas de suporte à
produção precisam ser desenvolvidas.

O termo “Indústria 4.0” surgiu a primeira vez em 2011 numa feira em Hannover como
resultado de um projeto estratégico de alta tecnologia do governo alemão, para
promover a informatização da manufatura, a partir do uso da automação, big data,
internet das coisas, wi-fi e outras tecnologias. Em 2013, o governo alemão
apresentou os princípios do projeto Indústria 4.0, a saber [11]:

• Interoperabilidade;
• Virtualização;
• Descentralização;
• Capacidade em tempo real;
• Orientação a serviço;
• Modularidade.

Este presente trabalho aborda aspectos da capacidade em tempo real, nos quesitos
de coletar e analisar dados de manufatura e auxiliar os gestores das MPM empresas
a administrar seu fluxo produtivo.

O assunto abordado é bastante crítico no contexto brasileiro, pois conforme pesquisa
promovida pela CNI – Confederação Nacional das Indústrias, 57% das pequenas
empresas não têm ideia de quais tecnologias podem aumentar sua competitividade.
Este percentual cai para 32% no caso de grandes empresas [10].

Jacir Venturi [11] exprime de maneira bastante clara e direta os problemas
enfrentados no país, o que aumenta em muito a atratividade do presente trabalho
dentro do contexto das MPM empresas:

"Reconhecidamente, o Brasil tem muitas ilhas de excelência, seja no
agronegócio, seja na indústria (produção de aviões, extração de
petróleo em águas profundas etc.). Porém, é pouco provável que o
país esteja preparado para o advento da indústria 4.0. Não temos
uma agenda desenvolvimentista, tampouco a educação é uma
prioridade nacional, conquanto “a escola seja a nova riqueza das
nações”, nas oportunas palavras de Peter Drucker. E sem
profissionais qualificados, o atraso se perpetua."

Algumas iniciativas estão acontecendo, como é o caso da adotada pelo governo
brasileiro com a criação de um centro (“hub”) de inovação [8], cujo objetivo principal é
a difusão de um “Governo 4.0”. Até o momento da edição da matéria, haviam sido
aceleradas 55 empresas nascentes (“startups”) para desenvolver soluções de apoio a
municípios e gestores públicos. Espera-se que essas iniciativas também possam
migrar para a iniciativa privada.

Uma das maneiras que as MPM empresas podem adotar neste esforço em direção à
Indústria 4.0 é a adoção de técnicas de Sistemas de Execução de Manufatura ou
“MES (Manufacturing Execution System)”. Conforme Duarte [3], o MES tem a função
básica de concentrar, organizar e distribuir as informações de manufatura,
permitindo:

• Entender o processo;
• Mapear ineficiências do processo;
• Tomar ações corretivas.

Uma descrição detalhada do “MES” pode ser encontrada em [7]:

“Sistemas de execução de manufatura (MES) são sistemas
computadorizados usados em manufatura, para acompanhar e
documentar a transformação de matérias-primas em produtos. MES
fornece informações que permitem aos tomadores de decisão da
manufatura entender como as condições presentes no chão de
fábrica podem ser otimizadas, para aumentar as taxas de produção.
MES trabalha em tempo real para permitir o controle de múltiplos

elementos do processo produtivo (p.ex.: entradas, pessoal, máquinas
e serviços de suporte).”

Estudos de mercado indicam haver várias soluções de MES. Este trabalho de PI tem
a pretensão de abordar aspectos de Planejamento e Programação Avançados ou
“APS (Advanced planning and scheduling)”. Sistemas “APS” são adotados, quando
algumas das seguintes características estão presentes no ambiente produtivo [1]:

• Fabricação sob encomenda (diferente da fabricação para estoque).
• Processos de produção intensivos em capital, onde a capacidade da fábrica é
restrita.
• Produtos 'concorrentes' pela capacidade da planta: onde muitos produtos
diferentes são produzidos em cada instalação.
• Produtos que requerem um grande número de componentes ou tarefas de
fabricação.
• A produção requer mudanças frequentes no cronograma que não podem ser
previstas antes do evento.

Existem também várias soluções de APS, disponíveis no mercado, como descrito em
[1], porém costumam apresentar custo elevado. Neste trabalho de PI será
identificada uma ferramenta de baixo custo de “APS”.

Um exemplo de implementação de APS encontrado na literatura provém do trabalho
de Chen e colaboradores [2] que aplicaram os algoritmos Tabu-Search e
SimulatedAnnealing para otimizar o processo de produção numa fábrica de telas LCD
em Taiwan. As rotinas foram implementadas usando o Microsoft Visual Basic. Como
resultado, conseguiu-se chegar em uma solução ótima para a produção dos pedidos
recebidos, poupando tempo expressivo de planejamento e reduzindo os custos
associados à atividade.

Figuras: Entrada de parâmetros de produção e simulação de produção [8]

Um outro algoritmo amplamente utilizado na indústria para otimização no
planejamento de produção é o algoritmo genético (AG). Ele é uma metaheurística
inspirada no processo de seleção natural que pertence à classe maior de algoritmos
evolutivos (AE). Os algoritmos genéticos são comumente usados para gerar soluções
de alta qualidade para problemas de otimização e pesquisa, contando com
operadores de inspiração biológica, como mutação, cruzamento e seleção.

Num algoritmo genético, uma população de soluções candidatas (chamadas
indivíduos, criaturas ou fenótipos) para um problema de otimização é desenvolvida
para melhores soluções. Cada solução candidata possui um conjunto de
propriedades (seus cromossomos ou genótipo) que podem ser mutadas e alteradas;
tradicionalmente, as soluções são representadas em binário como cadeias de 0s
(zeros) e 1s (uns), mas outras codificações também são possíveis.

A evolução geralmente começa a partir de uma população de indivíduos gerados
aleatoriamente e é um processo iterativo, com a população em cada iteração

chamada geração. Em cada geração, a aptidão de cada indivíduo na população é
avaliada; a adequação é geralmente o valor da função objetivo no problema de
otimização que está sendo resolvido. Os indivíduos mais aptos são selecionados
estocasticamente da população atual e o genoma de cada indivíduo é modificado
(recombinado e possivelmente mutado aleatoriamente) para formar uma nova
geração. A nova geração de soluções candidatas é usada na próxima iteração do
algoritmo. Geralmente, o algoritmo termina quando um número máximo de gerações
foi produzido ou um nível de aptidão satisfatório foi alcançado para a população.

Um algoritmo genético típico requer:
• uma representação genética do domínio da solução,
• uma função de adequação para avaliar o domínio da solução.

Uma representação padrão de cada solução candidata é como uma matriz de bits.
Matrizes de outros tipos e estruturas podem ser usadas essencialmente da mesma
maneira. A principal propriedade que torna essas representações genéticas
convenientes é que suas peças são facilmente alinhadas devido ao seu tamanho fixo,
o que facilita operações simples de cruzamento. Representações de comprimento
variável também podem ser usadas, mas a implementação de crossover é mais
complexa nesse caso. Representações em forma de árvore são exploradas em
programação genética e representações em forma de gráfico são exploradas em
programação evolutiva; uma mistura de cromossomos lineares e árvoresé explorada
na programação de expressão gênica.

Uma vez definidas a representação genética e a função de adequação, um AG
prossegue para inicializar uma população de soluções e, em seguida, melhorá-la
através da aplicação repetitiva dos operadores de mutação, cruzamento, inversão e
seleção.

2.1 – Design Thinking – Conceitos básicos

A utilização do conceito de Design Thinking que preconiza a adoção das 5 etapas, a
saber:

1- Identificar onde encontrar oportunidades de inovação
Trata de descobrir onde encontrar caminhos para inovar a partir do conhecimento
próprio e do ambiente externo.

2- Descobrir a Oportunidade de Inovação
Nesta etapa busca-se ampliar a abrangência das ideias identificadas no item anterior
e já se inicia a mapear o mercado para saber da atratividade da ideia.

3- Desenvolver a Oportunidade de Inovação (Produto ou Serviço)
A partir das etapas anteriores, inicia-se a etapa de desenvolvimento do produto.

4- Testar as ideias — protótipos
À medida que o desenvolvimento do produto avançar, é iniciado um processo de
PDCA (“Plan, Do, Check, Act”). A ideia é trazer o cliente/usuário do produto
desenvolvido para próximo do ambiente de desenvolvimento, de modo a desenvolver
um produto “sob medida” e que efetivamente atenda às suas necessidades.

5- Implementar a solução
A etapa de implementação do produto começa quando forem executados todos os
passos anteriores.

2.2 – Metodologia Científica – Conceitos básicos

Protótipo

O protótipo é a melhor maneira de definir um projeto, trazendo rapidez e economia
ao definir e testar um projeto.

Metodologia

O protótipo será desenvolvido com o intuito de possibilitar a melhoria na tomada de
decisão de micro, pequenas e médias empresas, uma vez que permitirá a

automatização de cálculos complexos que em maior escala seriam impraticáveis de
serem feitos por humanos. Este buscará sempre o menor custo possível no menor
tempo possível no planejamento e programação da produção.

O protótipo poderá desenvolvido em plataforma web e disponibilizado no endereço
eletrônico http://www.piunivesp.com.br/sistema, onde terão informações sobre o
projeto junto à ferramenta que será desenvolvida. Um conceito foi desenvolvido em
formato planilha (Excel/Libre Office) e será apresentado a seguir.

Outra opção será a utilização de aplicativos já desenvolvidos no mercado e que
atendam aos quesitos de possibilitar a execução de prototipagens a custo zero, e
também apresentem custo compatível com as necessidades de MPM empresas.

Tecnologia Empregada

Ao desenvolver uma aplicação em ambiente web, é necessário prover condições
favoráveis para a Interação do usuário com o sistema. É preciso pensar em sistemas
que reduzam o ruído de comunicação e facilitem a visualização das informações,
sem causar desconforto ou dificuldade de entendimento (CYBIS, 2003).

A interação entre o usuário e o programam é dada por meio da interface, onde são
disponibilizadas mensagens inteligíveis como as sonoras, verbais e icônicas para os
usuários e sinais elétricos para os programas. É necessário criar um ambiente
propício à recepção da mensagem, seja ela por meio de textos, áudios ou vídeos.

Para a interação proposta é preciso entender como as pessoas utilizam a tecnologia
da informação, para isso é utilizada a interação humano-computador para observar
como o homem interage com um sistema computadorizado, a fim de avaliar o design
de sistemas interativos e seus fenômenos, bem como atributos de usabilidade.
Sabendo como o usuário utiliza a tecnologia, podemos desenvolver a interface com
base em ergonomia e usabilidade, estas dispostas pela ISO 9241 que determina que
a extensão em que um produto pode ser usado por usuários específicos para
alcançar objetivos específicos de uso. A interface será desenvolvida com as

tecnologias que são os pilares do Web Designer Responsivo, HTML5, JavaScript e
CSS, disponibilizando ao usuário uma experiência rica independente se o acesso é
dado por dispositivo móveis como smartphones e tablets ou por computadores
desktops.

3. Materiais e Métodos Empregados

3.1. Elaboração das Perguntas

Primeiramente, foi definida a realização de um questionário voltado para empresas
que potencialmente poderiam se favorecer com uma eventual solução desenvolvida
pelo Projeto Integrador. Optou-se por micro, pequenas e médias (MPM) empresas
pois são aquelas cujas necessidades são mais imediatas e próximas da realidade de
realização do grupo, bem como a implementação de tal solução terá um maior
impacto nas suas atividades.

As perguntas do questionário foram definidas de acordo com os objetivos
previamente expostos do Projeto Integrador, relacionados à programação e
planejamento de produção dessas empresas. As perguntas foram do tipo abertas,
pedindo aos entrevistados para escrever comentários, opiniões ou qualquer outro tipo
de texto de resposta livre. Elas tiveram o caráter simples e direto, utilizando a
linguagem da maioria dos respondentes. No caso da utilização de algum jargão
técnico ou conceito pouco difundido nas perguntas, o mesmo foi explicado ao
respondente. Também, cada pergunta feita abordou uma ideia por vez para não
gerar confusão na interpretação da mesma. Finalmente, as perguntas foram
equilibradas e objetivas para que não gerassem vícios e interpretações tendenciosas.

Foram obtidos feedbacks sobre a pesquisa, os quais serão utilizados na revisão do
questionário e elaboração da pesquisa final.

3.2. Análise da Pesquisa

Após a coleta das respostas da pesquisa, os dados obtidos foram organizados e
tabulados para análise. Foram realizadas análises qualitativas e quantitativas das
informações prestadas. Filtros e tabulações cruzadas foram aplicados para restringir
o foco a temas comuns às empresas questionadas. As informações analisadas foram
utilizadas no desenvolvimento da plataforma para o cumprimento dos objetivos
estabelecidos para esse projeto.

3.3. Design Thinking

Neste projeto adotou-se a abordagem do Design Thinking. De acordo com a empresa
Endeavor.org, o Design Thinking “é uma abordagem que busca a solução de
problemas de forma coletiva e colaborativa, em uma perspectiva de empatia máxima
com seus stakeholders (interessados): as pessoas são colocadas no centro de
desenvolvimento do produto – não somente o consumidor final, mas todos os
envolvidos na ideia (trabalhos em equipes multidisciplinares são comuns nesse
conceito)”.

A abordagem do Design Thinking preconiza a adoção de algumas etapas, a saber: 5
etapas vistas na fundamentação teórica do trabalho. Apresenta-se a seguir, a forma
como cada etapa relacionou-se com este trabalho.

1- Identificar onde encontrar oportunidades de inovação
No caso deste projeto, o grupo adotou uma série de reuniões, até que optou pelo
desenvolvimento e/ou a aplicação de uma ferramenta de apoio para micro, pequenas
e médias empresas a programarem e planejarem sua produção. Vários foram os
pontos fortes identificados neste projeto:
● O tema tem grande potencial a ser explorado.
● O tema é aderente à temática central do Projeto Integrador: “Apoio à tomada
de decisão em processos de engenharia”.

2- Descobrir a Oportunidade de Inovação

A fim de identificar as oportunidades de inovação, o questionário foi elaborado
buscando-se entender quais as necessidades dos nossos clientes. Uma vez
definidas as necessidades comuns às empresas pesquisadas, realizou-se uma
sessão de brainstorming para gerar ideias que pudessem abarcar o problema. Foram
identificadas três possíveis soluções com potencial de sucesso. Para definir o
conceito vencedor, fez-se uma análise SWOT para identificar os pontos fortes e
fracos, oportunidadese riscos de cada ideia frente ao Projeto Integrador.

A partir da ideia vencedora, fez-se um esboço da solução através de uma planilha
Libre Office, combinado à ferramenta “Solver” que permite uma série de cálculos
rápidos que auxiliam na tomada da melhor decisão por parte da empresa. Assim, os
interessados poderão visualizar o conceito do projeto e compartilhar opiniões e
soluções antes da fase de criação do protótipo, permitindo um refino do conceito.

3- Desenvolver a Oportunidade de Inovação (Produto ou Serviço)

A partir das respostas obtidas foram levantadas as oportunidades de inovação.

Fonte: Con ta Azul, 2019

4- Testar as ideias — protótipos

Foi desenvolvido um primeiro conjunto de questões que compõem a revisão inicial do
protótipo.

5- Implementar a solução

A partir das respostas ao questionário, foram avaliadas as possibilidades de se
implementar as soluções desejadas pelos clientes.

3.4. Questionário

Conforme demonstrado na fundamentação teórica vista previamente, a fim de bem
compreender as necessidades de nossos clientes, ou seja, dos usuários potenciais
para este trabalho, foi desenvolvido um questionário para a realização de uma
pesquisa de campo.

Desta forma foi possível saber a opinião de alguns possíveis usuários da ferramenta
quando em seu estágio final. As perguntas do questionário foram definidas de acordo
com os objetivos previamente expostos do Projeto Integrador. As perguntas foram do
tipo abertas, pedindo aos entrevistados para escrever comentários, opiniões ou
qualquer outro tipo de texto de resposta livre. Elas tiveram o caráter simples e direto,
utilizando a linguagem da maioria dos respondentes. No caso da utilização de algum
jargão técnico ou conceito pouco difundido nas perguntas, o mesmo foi explicado ao
respondente. Também, cada pergunta feita abordou uma ideia por vez para não
gerar confusão na interpretação da mesma. Finalmente, as perguntas foram
equilibradas e objetivas para que não gerassem vícios e interpretações tendenciosas.
Eis o questionário:

1) Como funciona atualmente seu planejamento de produção?

2) Você possui bem definido os custos operacionais e preços que pode praticar
para os seus projetos/produtos/processos de fabricação?

3) Você acredita haver margem para uma melhora neste planejamento? Por que?

4) Quais são os problemas que lhe preocupam com relação à programação e
planejamento da sua produção?

5) Qual recurso você gostaria de ter, que você considera que lhe ajudaria com
este planejamento?

6) Quais outras necessidades da empresa você identificaria relativas à essa
problemática?

3.5. Prototipagem

Com base nos questionários respondidos por alguns interessados, a empresa do
ramo gráfico e que gostaria de oferecer produtos offset como panfletos, filipetas,
artigos promocionais, cartão de visita, mobiles, etc, foi criado uma ferramenta para
auxiliá-la na tomada de decisões de negócio. Como não se conseguiu autorização da
empresa para divulgação de marca e logotipo, optou-se por identificá-la como
“empresa do ramo gráfico”.

Esta dimensionou sua capacidade produtiva a partir do investimento que fará para
entrar em operação, oferecendo os produtos citados. Porém, ela gostaria de saber
que combinação de preços poderia adotar para o seu mix de produtos de forma a
maximizar o seu lucro bruto, respeitando a sua capacidade produtiva.

Dada essa necessidade, foi elaborado um modelo no Excel que reflete a sua
capacidade produtiva, custo variável de produção, custo fixo mensal de operação e
demanda de produto a partir de um preço praticado para cada produto.

Figura: Modelo do Excel que correlaciona a combinação de preços do mix de
produtos da empresa gráfica com a sua capacidade produtiva e lucro final bruto ao
mês.

Selecionou-se um solver (aplicativo) de mercado para resolver esse problema,
achando a combinação ótima de preços de venda para a linha de produtos que
resulte no maior lucro possível, seguindo as restrições dos recursos disponíveis. O
solver adotado Evolver é uma solução de baixo custo (a licença para a indústria custa
em torno de mil dólares) que resolve facilmente esse tipo de problema de otimização
utilizando o algoritmo genético, ferramenta que foi previamente explicada. O
programa é um add-in do Excel que pode ser facilmente operado por analistas e
gestores em que o treinamento para operação não leva mais de uma hora.

Dados dos Produtos Cartão de Visita Folder Panfleto Bolacha de Chopp Ventarola
Horas de mão de obra por mil unidades 1 2 4 5 3
Bobina Papel Couche 300g por cem mil unidades 1 30 14 2 15
Preço de venda por mil unidades -R$ -R$ -R$ -R$ -R$
Preço Min. de venda por mil unidades 70,40R$ 427,00R$ 223,00R$ 214,00R$ 482,00R$
Preço Max. de venda por mil unidades 211,20R$ 1.281,00R$ 669,00R$ 642,00R$ 1.446,00R$
Custo Variável por mil unidades 70,40R$ 427,00R$ 223,00R$ 214,00R$ 482,00R$
Demanda Mensal 0 0 0 0 0
Plano de Produção Mensal Cartão de Visita Folder Panfleto Bolacha de Chopp Ventarola
Unidades Produzidas (em milhares) 0 0 0 0 0
Restrições quanto aos Recursos Recurso Consumido Disponível
Bobina Papel Couche 300g 0 <= 50
Horas de Mão de Obra 0 <= 2400
Receita -R$
Custo Variável -R$
Custo Fixo Mensal 120.000,00R$
Lucro Bruto 120.000,00-R$
Modelo de Otimização de Mix de Produtos

Figura: definição de parâmetros para otimização pelo Evolver.

Figura: Resultado final de otimização do Evolver após alguns minutos de iteração.

Após poucos minutos rodando, o programa convergiu para a solução ótima de
combinação de preços que resultou num lucro bruto final aproximado de 165 mil
reais.

Esse problema sem uma ferramenta como essa levaria algumas horas para ser
resolvido por um analista experiente e poderia possivelmente resultar num valor de
lucro final um pouco inferior, gerando a perda de alguns milhares de reais. A
Dados dos Produtos Cartão de Visita Folder Panfleto Bolacha de Chopp Ventarola
Horas de mão de obra por mil unidades 1 2 4 5 3
Bobina Papel Couche 300g por cem mil unidades 1 30 14 2 15
Preço de venda por mil unidades 184,40R$ 1.127,00R$ 549,00R$ 618,00R$ 1.152,00R$
Preço Min. de venda por mil unidades 70,40R$ 427,00R$ 223,00R$ 214,00R$ 482,00R$
Preço Max. de venda por mil unidades 211,20R$ 1.281,00R$ 669,00R$ 642,00R$ 1.446,00R$
Custo Variável por mil unidades 70,40R$ 427,00R$ 223,00R$ 214,00R$ 482,00R$
Demanda Mensal 951 30 96 140 101
Plano de Produção Mensal Cartão de Visita Folder Panfleto Bolacha de Chopp Ventarola
Unidades Produzidas (em milhares) 951 30 96 140 101
Restrições quanto aos Recursos Recurso Consumido Disponível
Bobina Papel Couche 300g 49,9 <= 50
Horas de Mão de Obra 2398 <= 2400
Receita 464.750,40R$
Custo Variável 179.810,40R$
Custo Fixo Mensal 120.000,00R$
Lucro Bruto 164.940,00R$
Modelo de Otimização de Mix de Produtos
RESULTADO FINAL
OTIMIZADO

ferramenta adotada sem dúvida pode auxiliar pequeno e grandes negócios no
planejamento e tomada de decisões.

3.6. Teste do Protótipo

O protótipo desenvolvido será testado com o grupo de referência (as empresas
pesquisadas) em uma sessão de cocriação em que os envolvidos interagirão com a
plataforma e indicarão as suas experiências de uso, podendo propor ajustes na
interface das páginas.

3.7. Implementação da Solução

Uma vez validado o protótipo, serão feitos os ajustes necessários paradisponibilizar
a plataforma para os interessados e serão realizados estudos mais aprofundados do
mercado para compor um modelo de negócio e definir estratégias de lançamento do
serviço.

4. Análise e Discussão dos Resultados

Como o projeto integrador foi executado em duas fases, o foco inicial foi direcionado
para a revisão bibliográfica sobre o tema, com imersão em literaturas de
Manufacturing Execution System (MES), e Advanced Planning and Scheduling
(APS).

Na segunda fase, são apresentados os cálculos referentes a viabilidade do projeto,
com um estudo de caso e incluindo o cálculo de valor presente líquido, cálculo de
taxa interna de retorno, cálculo de taxa mínima de atratividade, entre outros.

Para definição dos objetivos específicos, foi utilizada a ferramenta de mapa mental, e
em reuniões de brainstorm foram discutidos detalhes fundamentais para a sequência
do projeto. Sempre utilizando o design Thinking, foi mantido contato com possíveis

clientes finais, proprietários de pequenas manufaturas. As perguntas disparadoras
foram fundamentais para elaboração.

Neste contexto, desenvolveu-se um estudo de caso usando uma ferramenta de baixo
custo para planejamento e programação de produção em MPM (micro, pequenas e
médias) empresas e, que fosse aderente às necessidades desta categoria de
empresas em seu esforço para se ajustar a um cenário cada vez mais voltado ao que
se convencionou chamar de Indústria 4.0.

Na revisão bibliográfica, foi possível identificar o grau de complexidade matemática,
que um aplicativo de APS costuma apresentar. Por exemplo, Chen e colaboradores
[2] que aplicaram os algoritmos Tabu-Search e SimulatedAnnealing para otimizar o
processo de produção numa fábrica de telas LCD em Taiwan. Enquanto que outros
autores adotam a abordagem do algoritmo genético (AG), que é metaheurística
inspirada no processo de seleção natural que pertence à classe maior de algoritmos
evolutivos (AE).

O protótipo testado para a indústria do ramo gráfico, usa algoritmos genéticos.
Selecionou-se um solver (aplicativo) de mercado para resolver esse problema,
achando a combinação ótima de preços de venda para a linha de produtos que
resulte no maior lucro possível, seguindo as restrições dos recursos disponíveis. O
solver adotado (Evolver) é uma solução de baixo custo (a licença para a indústria
custa em torno de mil dólares) que resolve facilmente esse tipo de problema de
otimização utilizando o algoritmo genético, ferramenta que foi previamente explicada.

O protótipo apresenta ótimo potencial, pois a partir de uma modelagem relativamente
simples, isto é, com poucos parâmetros, foi possível passar de uma composição
inicial de produtos que conduziu de um lucro bruto (-) para um lucro bruto (+):
i. Composição inicial de produtos: lucro bruto de (-) R$ 120.000,00.
ii. Composição otimizada de produtos: lucro bruto de (+) R$ 164.940,00.

A ferramenta de Advanced Planning and Scheduling (APS), baseada em algoritmos
genéticos conduziu a bons resultados, levando ainda em consideração que o custo
de licença é da ordem de R$ 4.000,00.

5. Conclusões e Considerações Finais

1. Foi aplicada uma ferramenta computacional, baseada em algoritmo genético,
para APS (Advanced Planning and Schedulling), a uma empresa do ramo
gráfico, para a otimização da composição de produtos para maximizar o lucro
bruto com bons resultados.
2. Na simulação efetuada para uma indústria do ramo gráfico, foi possível ajustar
a composição de produtos, de forma que o lucro bruto saltou de (-) R$
120.000,00 para um lucro bruto de (+) R$ 164.940,00. Convém realçar que
estes valores devem ser examinados com cautela, visto tratarem de
simulações hipotéticas.
3. Foi desenvolvido um questionário específico para levantamento das
necessidades dos clientes com relação às atividades de planejamento e
controle da produção.
4. A solução adotada para o protótipo apresenta custo relativamente reduzido: a
licença custa da ordem de R$ 4.000,00. Este valor, conforme análise do
grupo, representa um investimento reduzido face os ganhos de lucro bruto
passíveis de serem obtidos.

Como sugestão de trabalhos futuros, recomenda-se partir para o detalhamento da
metodologia de algoritmos genéticos, com ênfase na matemática das soluções
apresentadas na literatura, para aplicações de APS (Advanced Planning and
Scheduling). Também se considera de interesse, aplicar o questionário desenvolvido
a mais empresas e a partir das respostas obtidas, desenvolver aplicativos dedicados
que atendam às necessidades específicas dos clientes. E finalmente, seria
interessante verificar se os aplicativos desenvolvidos ou já disponíveis no mercado
podem ser usados como SAAS (software as a system), permitindo um barateamento
ainda maior do aplicativo para APS.

6. Referências Bibliográficas

[1] Advanced planning and scheduling. 2019. Disponível em:
<https://en.wikipedia.org/wiki/Advanced_planning_and_scheduling>. Acesso em: 14
out. 2019.

[2] CHEN, James C. et al. Comparison of simulated annealing and tabu-search
algorithms in advanced planning and scheduling systems for TFT-LCD colour filter
fabs. International Journal Of Computer Integrated Manufacturing, [s.l.], v. 30, n.
6, p.516-534, 23 fev. 2016. Informa UK Limited.
http://dx.doi.org/10.1080/0951192x.2016.1145805.

[3] DUARTE, Tulio. O controle de produção MES na indústria 4.0: Manufatura
Avançada. 2018. Disponível em: <https://www.industria40.ind.br/artigo/16718-
ocontrole-de-producao-mes-na-industria-40>. Acesso em: 14 out. 2019.

[4] GOMES, Gerlane Pereira; SANTOS, Wesley Pereira dos; CAMPOS, Paola
Souto. INDÚSTRIA 4.0: UM NOVO CONCEITO DE GERENCIAMENTO NAS
INDÚSTRIAS. 2018. Disponível em:
<https://semanaacademica.org.br/system/files/artigos/artigo_industria_4.0__revisao_
em_29.11.2018.pdf>. Acesso em: 10 out. 2019.

[5] Indústria 4.0. Disponível em:
<https://pt.wikipedia.org/wiki/Ind%C3%BAstria_4.0>.
Acesso em: 14 out. 2019.

[6] MAGALHÃES, Regina; VENDRAMINI, Annelise. OS IMPACTOS DA
QUARTA REVOLUÇÃO INDUSTRIAL. 2018. Disponível em:
<http://bibliotecadigital.fgv.br/ojs/index.php/gvexecutivo/article/viewFile/74093/71080
>. Acesso em: 10 out. 2019.

[7] Manufacturing execution system. 2019. Disponível em:
<https://en.wikipedia.org/wiki/Manufacturing_execution_system>. Acesso em: 14
out. 2019.
http://dx.doi.org/10.1080/0951192x.2016.1145805
http://dx.doi.org/10.1080/0951192x.2016.1145805

[8] Programa Rumo à Indústria 4.0: uma iniciativa importante, mas que não
pode ser isolada. 2018. Disponível em: <https://brazillab.org.br/noticias/programa-
rumo-aindustria-4-0?gclid=EAIaIQobChMIuOPf-
66c5QIViYeRCh2H6w2MEAAYASAAEgJCzfD_BwE>. Acesso em: 14 out. 2019.

[9] RODRIGUES, Jonathan Vasconcelos. Indústria 4.0 – Desenvolvimento de um
Manufacturing Execution System. 2018. Disponível em:
<https://comum.rcaap.pt/bitstream/10400.26/28842/1/MIA_Thesis_JonathanRodrigu
es_2_05_2018_Final-semcoments.pdf>. Acesso em: 10 out. 2019.

[10] Só 48% das indústrias brasileiras são '4.0', diz CNI. 2016. Disponível em:
<https://revistapegn.globo.com/Empreendedorismo/noticia/2016/05/so-48-
dasindustrias-brasileiras-sao-40-diz-cni.html>. Acesso em: 14 out. 2019.

[11] VENTURI, Jacir. Estamos no limiar da Quarta Revolução Industrial. 2018.
Disponível em: <https://www.gazetadopovo.com.br/opiniao/artigos/estamos-no-
limiarda-quarta-revolucao-industrial-885y6uwhv24ams3xr5pd0eykw/>. Acesso em:
15 out. 2019.