TN_STO_264_515_36525

Prévia do material em texto

COMO AS TECNOLOGIAS DA 
INDÚSTRIA 4.0 ESTÃO SENDO 
APLICADAS? UM SURVEY DAS 
INDÚSTRIAS DO SETOR METAL- 
MECÂNICO E AUTOMOBILÍSTICO DE 
CURITIBA E REGIÃO 
METROPOLITANA 
Paulo Henrique Brunheroto 
paulobrunheroto@hotmail.com 
Bruna Pirão Ling 
bruna.ling@gmail.com 
Fernando Deschamps 
fernando.deschamps@ufpr.br 
Pablo Deivid Valle 
pablo.valle@ufpr.br 
O termo Indústria 4.0 surgiu em meados de 2011 e vem sendo utilizado 
para denominar a quarta revolução industrial. Atualmente, existem 
diversos trabalhos abordando esse tema, principalmente em relação às 
tecnologias sendo utilizadas. Por outro lado, os trabalhos referentes 
aos impactos provocados por estas tecnologias nos sistemas de gestão 
da produção são quase inexistentes. Baseando-se nesse contexto, o 
presente trabalho tem como objetivo determinar o cenário atual das 
empresas do setor metal-mecânico e automobilístico de Curitiba e 
Região Metropolitana em relação à adoção de tecnologias comumente 
associadas à Indústria 4.0. Para isso, foi elaborado um questionário, 
hospedado no Google Forms, e enviado às empresas do setor estudado, 
com o objetivo de se obter esses dados. Como resultado, foi 
identificado que Smart Sensors, Cybersecurity e Cloud são as 
tecnologias mais utilizadas, enquanto o Blockchain sendo menos 
utilizada. Além dessas tecnologias, os Virtually Guided Self-Services 
também se destacaram, apresentando-se como alternativa para 
melhorar a flexibilidade. Porém, mesmo com a constante adoção das 
tecnologias associadas à Indústria 4.0, o percentual de utilização das 
mesmas continua baixo, atingindo um valor máximo de 46% para a 
tecnologia mais utilizada (Smart Sensors), demonstrando que o 
conceito ainda está em fase de desenvolvimento, sendo o acesso às 
tecnologias restrito às grandes empresas. 
 
Palavras-chave: Industria 4.0, Tecnologias, survey, Áreas de decisão, 
Critérios de Desempenho 
 
 
 
 
 
 
 
 
XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil” 
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018. 
 
mailto:paulobrunheroto@hotmail.com
mailto:bruna.ling@gmail.com
mailto:fernando.deschamps@ufpr.br
mailto:pablo.valle@ufpr.br
1 
1. Introdução 
O termo “Indústria 4.0” ficou conhecido publicamente em 2011 a partir de uma iniciativa do 
governo alemão que promovia a ideia como uma abordagem para fortalecer a competitividade 
de suas indústrias de transformação (HERMANN; PENTEK; OTTO, 2015). Essa abordagem 
baseia-se em processos novos e radicalmente alterados, em um conceito no qual, os dados são 
coletados de fornecedores, clientes e da própria empresa e avaliados antes de serem 
vinculados a produção real. Nesta produção, estão sendo utilizadas cada vez mais novas 
tecnologias, como sensores, impressão 3D e robôs da próxima geração. Como resultado, os 
processos de produção são aperfeiçoados, ajustados ou configurados de forma diferente em 
tempo real (DUJIN; GEISSLER; HORSTKÖTTER, 2014). 
 
Atualmente, existem diversos trabalhos abordando este tema, principalmente em relação as 
tecnologias sendo utilizadas, tais como a Internet das coisas (IoT) e técnicas computacionais 
associadas a grandes volumes de dados (Big Data e Analytics) (LIAO et al., 2017). Contudo, 
inexistem trabalhos acadêmicos que discutam de uma maneira mais formal as implicações do 
uso dessas tecnologias para a gestão da produção, focando de forma excessiva nas tecnologias 
sem tratar do impacto das mesmas nos sistemas de gestão. 
 
Mediante esse contexto, o presente trabalho tem como objetivo determinar o cenário atual das 
empresas do setor metal mecânico e automobilístico de Curitiba e Região Metropolitana em 
relação à adoção de tecnologias comumente associadas à Indústria 4.0. Para isso, foram 
levantadas as principais tecnologias associadas à Indústria 4.0 a serem investigadas, assim 
como o modelo de referência para gestão de sistemas de produção. Com base nessas 
informações, um questionário, hospedado no Google Forms, foi elaborado e enviado às 
empresas do setor estudado, com o objetivo de se obter esses dados. 
 
Dito isso, o presente artigo segue organizado em mais cinco secções, além da lista de 
referências bibliográficas. Na próxima seção são apresentados alguns conceitos em relação às 
informações utilizadas na confecção do questionário, relacionadas a áreas de decisão e 
critérios de desempenho em gestão de operações e tecnologias da Indústria 4.0. Após isso, é 
mostrada a metodologia de pesquisa utilizada tanto para a elaboração desse questionário 
quanto para a coleta das respostas e análise dos dados. Em seguida, são apresentados os 
resultados obtidos por meio da metodologia apresentada. E, por fim, nas duas últimas seções, 
2 
são apresentadas as discussões a respeito dos resultados obtidos, assim como as conclusões 
obtidas com a presente pesquisa. 
 
2. Referencial Teórico 
 2.1. Áreas de decisão 
As áreas de decisão podem ser definidas como conjuntos de decisões necessárias para 
gerenciar os recursos das operações (SLACK; LEWIS, 2015). Existem muitas discussões a 
respeito da categorização dessas áreas em dois grupos (infraestrutural e estrutural) (OKOSHI, 
2017). Porém, para a presente pesquisa, foi utilizado o modelo proposto por Slack & Lewis 
(2015), onde esse tipo de classificação não é realizado, sendo as mesmas consideradas como 
pertencentes a um único grupo. Além disso, tais autores ainda consideram um menor número 
de áreas de decisão, quatro áreas, sendo um fator determinante para a simplificação do 
processo de análise das respostas obtidas. Portanto, para a presente pesquisa, as áreas de 
decisão foram divididas em: “Capacidade”, “Gestão”, “Processos de Produção” e “Supply 
Chain”, de maneira similar à divisão proposta por Slack & Lewis (2015). As definições 
dessas áreas podem ser observadas na Tabela 1, disposta abaixo. 
 
Tabela 1 - Definição das Áreas de Decisão 
 
Área de Decisão Definição 
Capacidade 
(Capacity Strategy) 
Diz respeito à forma como a capacidade e as instalações em geral devem ser 
configuradas (SLACK; LEWIS, 2015). 
Gestão 
(Development and organization) 
Diz respeito ao conjunto de decisões a longo prazo que governam a forma 
como a operação é executada de forma contínua (SLACK; LEWIS, 2015). 
Processo de Produção 
(Process technology strategy) 
Diz respeito da escolha e desenvolvimento de sistemas, máquinas e processos 
que atuam direta ou indiretamente em recursos transformados para convertê- 
los em produtos e serviços finalizados (SLACK; LEWIS, 2015). 
Supply Chain 
(Supply network strategy including 
purchasing and logistics) 
Diz respeito à forma como as operações se relacionam com a rede 
interconectada de outras operações, incluindo clientes, clientes de clientes, 
fornecedores, fornecedores de fornecedores, e assim por diante (SLACK; 
LEWIS, 2015). 
Fonte: O autor 
 
 
 2.2. Critérios de desempenho 
Os critérios de desempenho podem ser definidos como aspectos que determinam o 
desempenho de uma operação, visando atender os requisitos do mercado. Quanto à definição 
desse conjunto, muitos autores possuem um conjunto próprio, inexistindo um acordo geral a 
respeito dessa terminologia (SLACK; LEWIS, 2015). Sendo assim, na presente pesquisa, 
assim como nas áreas de decisão, foi utilizado o modelo proposto por Slack & Nigel (2015), 
onde são considerados cinco critérios genéricos, sendo eles: “Confiabilidade”, “Custo”, 
3 
 “Flexibilidade”, “Qualidade” e “Velocidade”. Na Tabela 2, a seguir, podem ser observados 
alguns exemplos ilustrativos de processos, produtos, serviços, sistemas de produção e outros 
elementos que atendem estes critérios. 
 
Tabela 2 - Critérios de Desempenho 
 
Critério de Desempenho Exemplos 
Confiabilidade 
(Dependability) 
 Operações sem interrupções 
 Menos eventualidades que afetem a operação 
 Entrega/chegada deprodutos e serviços no prazo, sem variabilidade 
Custo 
(Cost) 
 Margens de lucro mais elevadas 
 Custo de operação de processos baixo 
 Custo de matéria-prima menor 
 
Flexibilidade 
(Flexibility) 
 Capacidade de se adaptar rapidamente a novos produtos e serviços 
 Ampla gama de produtos e serviços que podem ser colocados para 
fabricação rapidamente 
 Capacidade de poder ajustar volumes de produção 
Qualidade 
(Quality) 
 Processos sem erros 
 Produtos e serviços conforme suas especificações 
 Produtos e serviços que atendem as expectativas dos clientes 
Velocidade 
(Speed) 
 Baixos tempos de processamento que permitem rápida entrega ao cliente 
 Curtos tempos de entrega e filas 
 Resposta rápida aos pedidos dos clientes 
Fonte: O autor 
 
 
 2.3. Tecnologias 
Para a avaliação e levantamento das tecnologias associadas à Indústria 4.0, foram tomados 
como base cinco relatórios de consultoria, que podem ser observados na Tabela 3 juntamente 
com o número de tecnologias apresentadas nos mesmos. Realizado o levantamento, os 
resultados foram filtrados, resultando em 27 tecnologias a serem utilizadas para analisar o 
panorama de Curitiba e Região Metropolitana em relação à Indústria 4.0. 
 
Tabela 3 - Relatórios de Consultoria analisados 
 
Título do Relatório Empresa (s) 
Número de 
Tecnologias 
Referencias 
“Industry 4.0 - The Capgemini Consulting 
View” 
Capgemini 
Consulting 
7 (BECHTOLD et al., 2014) 
“Industry 4.0: Building the digital 
enterprise” 
Price Waterhouse 
Coopers 
11 
(REINHARD; JESPER; 
STEFAN, 2016) 
“Industry 4.0 The new industrial 
revolution How Europe will succeed” 
Roland Berger 
Strategy Consultants 
13 
(DUJIN; GEISSLER; 
HORSTKÖTTER, 2014) 
“Industry 4.0 - how to navigate 
digitization of the manufacturing sector” 
McKinsey & 
Company 
26 (WEE et al., 2015) 
“Erschließen der Potenziale der 
Anwendung von Industrie 4.0 im 
Mittelstand” 
agiplan, Fraunhofer 
IML e ZENIT 
 
32 
 
(BISCHOFF et al., 2015) 
Fonte: O autor 
4 
Para facilitar sua organização, essas tecnologias foram divididas em quatro áreas: Automação, 
Digitalização, Manufatura (Fabricação e Produção) e Sustentabilidade. A listagem dessas 
tecnologias, assim como a sua respectiva área, pode ser observada na Figura 1. 
 
Figura 1 - Relação de tecnologias adotadas 
 
Fonte: O autor 
 
 
3. Método 
Com o objetivo de facilitar o entendimento do método usado na presente pesquisa, a mesma é 
dividida em quatro sub tópicos. No primeiro é abordado como foi realizada a definição da 
amostra, mostrando as fórmulas utilizadas e como foi realizado o levantamento do universo 
das empresas. Após isso, é abordado, simplificadamente, como ocorreu o processo de 
elaboração do questionário e como o mesmo foi subdividido. Por fim, os dois últimos sub 
tópicos abordam como ocorreu o processo de coleta das respostas e como foi realizado o 
tratamento dos dados obtidos. 
 
 3.1. Definição da Amostra 
Para a definição da amostra, primeiramente se fez necessário o levantamento do universo das 
empresas que se enquadrariam no setor e região estudada. Para isso, foi utilizado o Cadastro 
das Indústrias do Sistema FIEP (Federação das Indústrias do Estado do Paraná), sendo a 
busca refinada para as indústrias do setor metal mecânico e automobilístico de Curitiba e 
Região Metropolitana, com o fim de se obter esse universo. Realizada a busca, as empresas 
foram subdivididas quanto ao seu tamanho segundo a classificação proposta pelo SEBRAE 
5 
para as indústrias (SEBRAE; DIEESE, 2013). Os resultados obtidos com essa pesquisa, assim 
como as subdivisões quanto ao seu tamanho, podem ser observados na Tabela 4. 
 
Tabela 4 - Universo de indústrias do setor metal mecânico e automobilístico de Curitiba e Região 
Metropolitana 
Universo 
Micro Pequena Média Grande 
373 299 86 14 
Total: 772 empresas 
Fonte: O autor 
 
 
Definido o universo amostral, a próxima etapa consistiu na determinação do tamanho da 
amostra. Para isso, foi utilizado a fórmula proposta por Pascal & Yves (2006) para cálculo de 
amostras finitas, que pode ser observada na Figura 2. 
 
Figura 2 - Fórmula para cálculo de amostras finitas 
 
Fonte: Adaptado de Pascal & Yves. Sampling Methods: exercises and solutions (2006) 
 
Como resultado, foi obtido um valor de 64 respostas como necessárias para a validação da 
pesquisa, para um índice de confiabilidade de 90% e um erro amostral de 10%. Definido o 
tamanho necessário da amostra, o próximo passo consistiu na elaboração do questionário. 
 
 3.2. Elaboração do Questionário 
Com base nas informações levantadas no referencial teórico, foi elaborado um questionário 
composto por uma seção de apresentação, quatro seções principais e uma última seção 
referente a comentários e sugestões. Nesta primeira seção, foram apresentadas informações a 
respeito do questionário, tais como: objetivo da pesquisa, tempo estimado de resposta, 
confidencialidade das informações, informações de contato, dentre outras. Após essa 
apresentação, o questionário seguiu dividido em mais quatro seções principais, que serão 
descritas a seguir. 
 
As duas primeiras seções principais consistiram em uma etapa de descrição do respondente e 
apresentação de alguns conceitos relacionados às áreas de decisão e aos critérios de 
desempenho, de maneira similar ao apresentado no referencial teórico. Após isso, o 
6 
respondente foi solicitado a informar a utilização ou não de cada tecnologia de acordo com 
essas áreas de decisão e critérios de desempenho, conforme mostrado na Figura 3. Essas 
tecnologias, por sua vez, foram separadas em quatro subseções, referentes à classificação 
apresentada anteriormente (Automação, Digitalização, Sustentabilidade e Manufatura), de 
forma a organizar melhor a sequência do questionário. Realizadas as perguntas principais, a 
última seção consistiu em uma pergunta opcional a respeito da utilização de alguma outra 
tecnologia relacionada à Indústria 4.0 que não tenha sido mencionada no decorrer do 
questionário, sendo solicitado, em caso afirmativo, para quais áreas de decisão ela está sendo 
utilizada e sob quais critérios de desempenho. 
 
Figura 3 - Exemplo ilustrativo do questionário hospedado no Google Forms 
 
Fonte: O autor 
 
 
 3.2. Coleta das Respostas 
Terminada a confecção do questionário, a próxima etapa consistiu na coleta de respostas para 
o mesmo, visando atender o número mínimo de respostas, calculado anteriormente, para a 
validação da pesquisa. O envio destes questionários foi realizado, predominantemente, via 
Internet. Para isso, foram levantados os e-mails de cada uma das empresas referentes ao 
universo amostral da pesquisa por meio do Cadastro das Indústrias do Sistema FIEP. 
7 
Realizado o levantamento, um modelo de e-mail com o link para o questionário, assim como 
algumas outras informações relevantes, foi elaborado e enviado para esta lista de e-mails 
levantada. Após o envio destes e-mails, ainda foi necessário a realização de ajustes nesta lista, 
visto que algumas destas empresas haviam fechado ou estavam com as informações de 
contato erradas, sendo os questionários posteriormente enviados para os contatos corretos. 
Terminado o envio do questionário para todo o universo amostral, ainda foram necessárias a 
realização de algumas medidas para a coleta destas respostas, que serão brevemente descritas 
a seguir. 
 
A primeira delas foi a confecção de um questionário em formato de documento, via Microsoft 
Word, devido a alguns problemas com acesso ao link por parte de empresas que possuem 
restrições no acesso à Internet. Já a segunda medida realizada foi em relação ao risco do e- 
mail enviado ter sido redirecionado a caixa de spam ou a lixeira. Para isso, após os envios 
preliminares (link e documento em anexo), foi enviado um aviso a todo o universo, sem links 
ou anexos, a respeito do questionário, pedindo para solicitaro reenvio do mesmo em caso de 
não recebimento. 
 
Realizadas essas duas medidas principais, em relação ao acesso do questionário, foram 
realizadas também outras abordagens alternativas para a coleta dessas respostas, tais como o 
envio de mensagens às empresas via redes sociais e a aplicação de questionários impressos. 
Finalizado o período de coleta das respostas, iniciou-se o processo de tratamento dos dados. 
 
 3.4. Tratamento dos Dados 
Para o tratamento dos dados, as respostas foram exportadas e posteriormente organizadas via 
Microsoft Excel, de forma que os dados pudessem ser melhor visualizados. Para a 
apresentação desses resultados, as informações foram organizadas em três tabelas (rankings), 
que serão explicados a seguir. 
 
Na primeira tabela, as respostas foram organizadas de forma a elaborar um ranking das 
tecnologias mais utilizadas, independentemente da área de decisão em que ela foi utilizada, 
incluindo o número de utilizações e a percentagem de utilização em relação ao total de 
respostas. Já na segunda tabela, as respostas foram organizadas de maneira similar à primeira, 
porém, neste ranking seriam apresentadas as tecnologias mais utilizadas para cada uma das 
áreas de decisão. Por fim, na última tabela, as respostas foram organizadas de forma a definir 
8 
um ranking dos critérios de desempenho mais levados em consideração nas respostas, 
baseando-se no seu número ocorrência nas respostas, e na sua percentagem em relação ao 
total de ocorrências dos critérios de desempenho. 
 
4. Resultados 
 4.1. Caracterização dos respondentes 
Por meio da metodologia descrita anteriormente, foram obtidas 68 respostas, atendendo ao 
número mínimo de respostas estipulado. Quanto à caracterização das empresas respondentes, 
ela é abordada no tópico de discussões, para facilitar o entendimento dos resultados. 
 
 4.2. Rankings obtidos 
Em relação ao aos rankings obtidos por meio da metodologia apresentada, os mesmos serão 
demonstrados a seguir. Os rankings referentes às tecnologias, independentemente da área de 
decisão e para cada uma das áreas de decisão podem ser observados, respectivamente, na 
Tabela 5 e Tabela 6. 
 
Tabela 5 - Ranking das tecnologias independente das áreas de decisão 
 
Posição Tecnologia Número de utilizações Percentagem de utilização 
1º Smart Sensors 31 46% 
2º Cybersecurity 26 38% 
3º Cloud 26 38% 
4º Advanced Materials 24 35% 
5º Virtually Guided Self-Services 21 31% 
: : : : 
23º Veículos Autônomos e Conectados 5 7% 
24º Semantics Visualization 5 7% 
25º Realidade Aumentada 5 7% 
26º Controle por Voz e por Gestos 5 7% 
27º Blockchain 2 3% 
Fonte: O autor 
9 
 
Tabela 6 - Ranking das tecnologias para cada área de decisão 
 
Capacidade Gestão Processos de Produção Supply Chain 
Pos. Tecnologia Qtde. Pos. Tecnologia Qtde. Pos. Tecnologia Qtde. Pos. Tecnologia Qtde. 
1º Smart Sensors 20 1º Cybersecurity 26 1º Smart Sensors 28 1º 
Virtually Guided Self- 
Services 
19 
2º 
Virtually Guided Self- 
Services 
18 2º Cloud 25 2º Advanced Materials 24 2º Cloud 18 
3º Cloud 16 3º 
Virtually Guided Self- 
Services 
20 3º 
Virtually Guided Self- 
Services 
20 3º Cybersecurity 16 
 
4º 
Sistemas de 
Manufatura Flexível 
(FMS) 
 
14 
 
4º 
 
Smart Sensors 
 
17 
 
4º 
Sistemas de 
Manufatura Flexível 
(FMS) 
 
19 
 
4º 
 
Internet Of Things 
 
13 
5º Advanced Materials 14 5º Internet Of Things 17 5º Cybersecurity 17 5º 
Location Detection 
Technologies 
11 
: : : : : : : : : : : : 
23º 
Controle por Voz e 
por Gestos 
4 23º Multi-Agent Systems 5 23º 
Controle por Voz e 
por Gestos 
5 23º 
Realidade 
Aumentada 
2 
24º 
Realidade 
Aumentada 
4 24º Advanced Robots 4 24º Smart Grid 5 24º 
Controle por Voz e 
por Gestos 
2 
25º 
Semantics 
Visualization 
2 25º 
Controle por Voz e 
por Gestos 
4 25º 
Realidade 
Aumentada 
4 25º Blockchain 2 
26º Smart Grid 2 26º Mini-Sensors 3 26º 
Semantics 
Visualization 
3 26º Realidade Virtual 1 
27º Blockchain 1 27º Blockchain 2 27º Blockchain 1 27º Smart Grid 1 
Fonte: O autor 
10 
Já em relação ao ranking dos critérios de desempenho, ele pode ser observado na Tabela 7. 
Vale ressaltar que, o cálculo referente as percentagens de utilização são em função do número 
total de aparições de cada um dos critérios. 
 
Tabela 7 - Ranking dos critérios de desempenho segundo o número de aparições 
 
Posição Tecnologia Número de utilizações Percentagem de utilização 
1º Confiabilidade 450 29% 
2º Qualidade 345 22% 
3º Custo 290 19% 
4º Velocidade 243 15% 
5º Flexibilidade 231 15% 
Fonte: O autor 
 
 
5. Discussões 
 5.1. Caracterização dos respondentes 
Em relação à caracterização dos respondentes, podemos dizer, primeiramente, que o objetivo 
inicial da pesquisa foi atendido, visto que o número mínimo de respostas calculado 
anteriormente foi atingido. Já em relação ao tamanho das empresas respondentes, quando 
comparado ao universo amostral, podemos observar que a amostra possui uma diversidade 
maior de tamanho de empresas em relação ao universo (Figura 4). 
 
Figura 4 - Tamanho das empresas (Universo e Amostra) 
 
Fonte: O autor 
 
 
Essas diferenças, apresentadas na Figura 4, podem ser explicadas por dois principais motivos. 
O primeiro deles é a mudança do tamanho das empresas do universo, relativo ao fechamento e 
abertura de novas empresas, devido a desatualização do cadastro utilizado. Já o outro motivo, 
válido para o grande índice de respostas das grandes empresas, é devido ao maior acesso as 
pessoas que trabalham nas mesmas, devido ao maior número de funcionários, e também pelo 
interesse demonstrado em relação ao tema, a Indústria 4.0, visto que muitas das micro e 
11 
pequenas empresas não responderam ao questionário devido não apresentarem nenhuma das 
tecnologias ou por não se interessarem pelo tema. 
 
 5.2. Rankings obtidos 
Em relação aos rankings referentes às tecnologias, Tabela 5 e Tabela 6, podemos observar 
que as tecnologias mais utilizadas foram os Smart Sensors, com 31 utilizações, sendo 
seguidos pela Cybersecurity e Cloud, com 26 utilizações. Por meio desses resultados 
individuais, combinados com os resultados para cada uma das áreas de decisão, conseguimos 
identificar que tais tecnologias, mesmo sendo as mais utilizadas pelas empresas respondentes, 
não apresentam tanta diversificação quanto ao seu uso, restringindo suas utilizações a apenas 
algumas áreas de decisão. 
 
No caso dos Smart Sensors, por exemplo, a tecnologia, mesmo sendo a tecnologia mais 
utilizada no ranking geral, encontra-se na primeira posição apenas para as áreas de 
“Capacidade” e de “Processos de Produção”, o que é compreensível, visto que tal tipo de 
tecnologia normalmente é utilizada no meio produtivo. Quanto ao motivo para a grande 
utilização destas tecnologias, ele pode ser explicado devido a sua acessibilidade, visto que, 
inclusive as micro e pequenas empresas conseguem ter acesso a tais tecnologias, mesmo que 
de uma forma mais básica. 
 
Além dessas tecnologias, outra tecnologia que deve ser ressaltada são os Virtually Guided 
Self-Services, que, diferentemente das tecnologias apresentadas anteriormente, apresentou 
uma grande flexibilidade quanto a sua utilização, o que pode ser observado através da 
comparação dos rankings. Quando avaliada a utilização desta tecnologia apenas em relação a 
sua posição no ranking geral, ela encontra-se apenas na 5ª posição com 21 utilizações, 
podendo não apresentar o grau de importância desta tecnologia. Já por meio do ranking para 
cada uma das áreas, a tecnologia encontra-se entre as três mais utilizadas para as quatro áreas 
de decisão, sendo a mais utilizada na área de “Supply Chain”, comprovando assim a sua 
flexibilidade. 
 
Já em relação as tecnologias menos utilizadas, podemos observar que o Blockchain foi a 
tecnologia menos utilizada, com apenas 2 utilizações, enquanto que, as outras 4 tecnologias 
que ficaram empatadasno penúltimo lugar tiveram 5 utilizações cada, ou seja, apresentaram 
quase o triplo de utilizações em relação ao Blockchain, conforme foi apresentado na Tabela 6. 
12 
O motivo para esta baixa utilização pode ser explicado de maneira análoga as tecnologias 
mais utilizadas, pois, diferentemente das mesmas, o Blockchain não é muito acessível por ser 
um conceito relativamente novo e não apresentar tantas informações quando comparado as 
demais tecnologias, justificando sua baixa utilização por parte das empresas estudadas. 
 
Por fim, em relação ao ranking dos critérios de desempenho, apresentado na Tabela 7, 
podemos observar que o critério mais utilizado pelas empresas na adoção das tecnologias foi 
“Confiabilidade” e “Qualidade”, demonstrando que as empresas, em sua maioria, adotaram 
tais tecnologias com o objetivo de otimizar o seu processo produtivo em relação a qualidade 
do produto final. Já em relação aos menos adotados, “Velocidade” e “Flexibilidade”, eles 
demonstram que, para as empresas estudadas, a adoção das tecnologias está sendo utilizada 
com uma maior preocupação em relação ao produto final entregue para o cliente, assim como 
os seus prazos de entrega, deixando em segundo plano a flexibilidade do processo e a 
velocidade de produção destes produtos. 
 
6. Conclusões 
Por meio do método apresentado, pode-se dizer que o objetivo proposto neste trabalho, 
determinar o cenário atual das empresas do setor metal-mecânico e automobilístico de 
Curitiba e Região Metropolitana em relação à adoção de tecnologias comumente associadas à 
Indústria 4.0, foi atendido, visto que foi alcançado o número mínimo de respostas para a 
validação da pesquisa (64 respostas). Além disso, vale ressaltar que, os resultados 
apresentados no presente trabalho se referem apenas ao cenário de Curitiba e Região 
Metropolitana, mais especificamente das empresas do setor metal-mecânico e 
automobilístico, podendo o mesmo divergir em relação a outros setores ou regiões estudadas. 
 
Como apresentado nos tópicos de resultados e discussões, as tecnologias mais utilizadas pelas 
empresas foram os Smart Sensors, enquanto que, a menos utilizada foi o Blockchain. Para 
ambas as tecnologias, a possível explicação para os seus respectivos graus de utilização esteja 
relacionada ao acesso às informações referentes a tecnologia, assim como a disponibilidade da 
mesma no mercado. Assim como estas tecnologias, os Virtually Guided Self-Services também 
tiveram sua relevância, devido sua alta flexibilidade em relação as áreas de decisão, estando 
presente entre as três mais utilizadas para todas as quatro áreas. 
13 
Já em relação aos critérios de desempenho levados em consideração para a adoção das 
tecnologias, os mais citados foram a “Qualidade” e “Confiabilidade”, o que pode sugerir uma 
certa preocupação por parte das empresas em relação ao produto final entregue ao cliente, 
assim como aos prazos para a fabricação e entrega dos mesmos. 
 
Sendo assim, pode-se concluir que as empresas da região estudada estão adotando cada vez 
mais as tecnologias relacionadas à Indústria 4.0 para otimizações em relação à qualidade e à 
confiabilidade de seus processos, por meio de tecnologias, que até o momento, são mais 
acessíveis. Porém, mesmo com essa constante adoção das tecnologias relacionadas à Indústria 
4.0 por parte das empresas, o percentual de utilização das mesmas continua baixo, atingindo 
um valor de 46% para a tecnologia mais utilizada (Smart Sensors), representando que este 
conceito ainda não está tão difundido nas empresas ou que estas tecnologias ainda não são 
acessíveis para todos os tamanhos de empresas. 
 
REFERÊNCIAS 
 
ARDILLY, P.; TILLÉ, Y. Sampling Methods: Exercises and Solutions. New York: Springer, 2006. 
BECHTOLD, J. et al. Industry 4.0 - The Capgemini Consulting View. Capgemini Consulting, p. 1–31, 2014. 
BISCHOFF, J. et al. Erschließen der Potenziale der Anwendung von Industrie 4.0 im Mittelstand. agiplan, 
Fraunhofer IML, ZENIT, p. 1–401, 2015. 
 
DUJIN, A.; GEISSLER, C.; HORSTKÖTTER, D. Industry 4.0 The new industrial revolution How Europe will 
succeed. Roland Berger Strategy Consultants, p. 1–24, 2014. 
 
HERMANN, M.; PENTEK, T.; OTTO, B. Design Principles for Industrie 4.0 Scenarios: A Literature Review. 
Technische Universität Dortmund, n. 1, p. 1–16, 2015. 
 
LIAO, Y. et al. Past, present and future of Industry 4.0 - a systematic literature review and research agenda 
proposal. International Journal of Production Research, v. 55, n. 12, p. 3609–3629, 2017. 
 
OKOSHI, C. Y. Identificação da estratégia de operações fundamentada na análise de indicadores de 
desempenho. Pontifícia Universidade Católica do Paraná, 2017. 
 
REINHARD, G.; JESPER, V.; STEFAN, S. Industry 4.0: Building the digital enterprise. Price Waterhouse 
Coopers, p. 1–39, 2016. 
 
SEBRAE; DIEESE. Anuário do trabalho na micro e pequena empresa: 2013. 6th ed. São Paulo, 2013. 
SLACK, N.; LEWIS, M. Operations Strategy. 3rd. ed. Harlow: Pearson, 2015. 
WEE, D. et al. Industry 4.0 - how to navigate digitization of the manufacturing sector. McKinsey & Company, 
p. 1–62, 2015.