Desafios na implementação da Indústria 4.0 no setor metalmecânico brasileiro
análise de barreiras de entrada
DOI:
https://doi.org/10.14488/1676-1901.v25i2.5436Palavras-chave:
Indústria 4.0, Barreiras, Metal mecânico, Manufatura , DesafiosResumo
O processo de implementação da indústria 4.0 no setor metal mecânico brasileiro é complexo e multifacetado, envolvendo questões tecnológicas, organizacionais, culturais e regulatórias. A falta de infraestrutura tecnológica adequada, a resistência à mudança por parte dos colaboradores, a escassez de profissionais qualificados e os desafios regulatórios são apenas alguns dos obstáculos que as empresas enfrentam. Além disso, a subexploração tecnológica do setor metal mecânico retrai a entrada dos ideais 4.0 e, em determinadas condições, impede a inovação competitiva. Diante desse cenário, o presente artigo busca fornecer aos interessados, por meio de uma revisão sistemática de literatura no setor metal mecânico no Brasil, uma ampla análise sobre o rompimento do status quo para aplicação de tecnologias emergentes, com vistas a compreender a complexidade das propriedades mecânicas e comportamento dos materiais, o custo de implementação de tecnologias flexíveis, as barreiras tecnológicas e a complexidade na coleta e integração de dados. Além de apresentar também, um questionário elaborado a partir de um instrumento de coleta de dados sobre a existência ou não da indústria 4.0 dentro das indústrias brasileiras e suas perspectivas sobre o assunto.
Downloads
Referências
ABIO, Albert et al. Machine Learning-Based Surrogate Model for Press Hardening Process of 22MnB5 Sheet Steel Simulation in Industry 4.0. Materials, [S. l.], v. 15, n. 10, p. 3603, 2022. Disponível em: https://www.mdpi.com/1996-1944/15/10/3603. Acesso em: 22 maio 2024.
BEAUCHEMIN, Maude et al. Dynamic allocation of human resources: case study in the metal 4.0 manufacturing industry. International Journal of Production Research, [s. l.], v. 61, n. 20, p. 6891–6907, 2023. Disponível em: https://doi.org/10.1080/00207543.2022.2139002. Acesso em: 22 maio 2024.
BONNARD, Renan et al. Big data/analytics platform for Industry 4.0 implementation in advanced manufacturing context. [s. l.], Disponível em: https://doi.org/10.1007/s00170-021-07834-5. Acesso em: 22 maio 2024.
CHEN, Shikang et al. Blockchain applications in PLM towards smart manufacturing. [s. l.], Disponível em: https://doi.org/10.1007/s00170-021-07802-z. Acesso em: 22 maio 2024.
DIAZ, David Enrique Apaza et al. Optimization Model to Increase the Productive Flow, Applying SLP, 5s and Kanban-Conwip Hybrid System in Companies of the Metalworking Sector. In: INTERNATIONAL CONFERENCE ON INFORMATION MANAGEMENT (ICIM), 8., 2022, Cambridge. Proceedings [...]. Cambridge: IEEE, 2022. p. 186–190. Disponível em: https://ieeexplore.ieee.org/document/9904944. Acesso em: 22 maio 2024.
DURÃO, Luiz Fernando C. S. et al. Digital twin requirements in the context of industry 4.0. In: AMARAL, A.; D'ORAZIO, A.; GOMES, J. (ed.). Product Lifecycle Management in the Era of Internet of Things. Cham: Springer, 2018. p. 204–214. (IFIP Advances in Information and Communication Technology, v. 540). Disponível em: https://link.springer.com/chapter/10.1007/978-3-319-99707-0_20. Acesso em: 22 maio 2024.
FEDDOUL, Yassine et al. Exploring human-machine collaboration in industry: a systematic literature review of digital twin and robotics interfaced with extended reality technologies. The International Journal of Advanced Manufacturing Technology, [S. l.], v. 128, n. 1-2, p. 15-46, 2023. Disponível em: https://link.springer.com/article/10.1007/s00170-023-11883-7. Acesso em: 22 maio 2024.
GHARIBVAND, Vahid et al. Cloud based manufacturing: A review of recent developments in architectures, technologies, infrastructures, platforms and associated challenges. The International Journal of Advanced Manufacturing Technology, [S. l.], v. 130, n. 9-10, p. 4119-4158, 2024. Disponível em: https://link.springer.com/article/10.1007/s00170-023-12795-6. Acesso em: 22 maio 2024.
GHAURI, Pervez N.; ELG, Ulf; MELÉN HÅNELL, Sara. Achieving a Sustainable Competitive Advantage: A Holistic Approach. Cheltenham: Edward Elgar Publishing, 2021. Disponível em: https://www.elgaronline.com/view/book/9781800378069/9781800378069.xml. Acesso em: 22 maio 2024.
GLEESON, Brendan; DAVIDSON, Kathryn. The urban revolution that isn’t: The political ecology of the new “urbanology”. The Journal of Australian Political Economy, Wentworth Building, University of Sydney, New South Wales, Australia, n. 72, p. 52–79, 2013. Disponível em: https://search.informit.org/doi/10.3316/informit.846330743067917
GROBLER-DĘBSKA, Katarzyna; KUCHARSKA, Edyta; BARANOWSKI, Jerzy. Formal scheduling method for zero-defect manufacturing. International Journal of Advanced Manufacturing Technology, [S. l.], v. 118, n. 11–12, p. 4139–4159, 2022. Disponível em: https://link.springer.com/article/10.1007/s00170-021-08149-z. Acesso em: 22 maio 2024.
GROCHE, Peter; STORBECK, Martin; WANG, Tianbo. Continuous forming of height-variable profiles by flexible roller beading. International Journal of Advanced Manufacturing Technology, [S. l.], v. 103, n. 5–8, p. 2649–2663, 2019. Disponível em: https://link.springer.com/article/10.1007/s00170-019-03716-1. Acesso em: 22 maio 2024.
HUAMÁN, Jonathan et al. Production Management Model Based on Lean Manufacturing Focused on the Human Factor to Improve Productivity of Small Businesses in the Metalworking Sector. In: AHRAM, T. et al. (org.). Human Systems Engineering and Design II. Cham: Springer International Publishing, 2020. p. 847–853. Disponível em: https://link.springer.com/chapter/10.1007/978-3-030-27928-8_125. Acesso em: 22 maio 2024.
HUMPHREY, John. THE ADOPTION OF JAPANESE MANAGEMENT TECHNIQUES IN BRAZILIAN INDUSTRY. Journal of Management Studies, [s. l.], v. 32, n. 6, p. 767–787, 1995. Disponível em: https://doi.org/10.1111/j.1467-6486.1995.tb00151.x. Acesso em: 22 maio 2024.
LI, Yuanyuan et al. Machine learning and optimization for production rescheduling in Industry 4.0. International Journal of Advanced Manufacturing Technology, [S. l.], v. 110, n. 9–10, p. 2445–2463, 2020. Disponível em: https://link.springer.com/article/10.1007/s00170-020-05973-5. Acesso em: 22 maio 2024.
MALUF, Arthur S.; SAGAWA, Juliana K.; BORGES, Roberto F. S. Toward the use of bond graphs for manufacturing control: comparison of existing models. The International Journal of Advanced Manufacturing Technology, [S. l.], v. 121, n. 9-10, p. 6783-6804, 2022. Disponível em: https://link.springer.com/article/10.1007/s00170-022-09673-x. Acesso em: 22 maio 2024.
MARIO, Coccia. Sources of disruptive technologies for industrial change. [s. l.], p. 97–120, 2017. Disponível em: https://www.rivisteweb.it/doi/10.1430/87140. Acesso em: 22 maio 2024.
MATENGA, Alice Elizabeth; MPOFU, Khumbulani. Blockchain-Based Cloud Manufacturing SCM System for Collaborative Enterprise Manufacturing: A Case Study of Transport Manufacturing. Applied Sciences (Switzerland), [S. l.], v. 12, n. 17, p. 8769, 2022. Disponível em: https://www.mdpi.com/2076-3417/12/17/8769. Acesso em: 22 maio 2024.
MEDEIROS, Eveliny D.; SANTOS, Luciano C.; GOHR, Cláudia F. Modelos de maturidade para a indústria 4.0: uma revisão sistemática da literatura. Revista Gestão & Tecnologia, [S. l.], v. 24, n. 5, p. 154–181, 2024. Disponível em: https://revistagt.fpl.edu.br/get/article/view/2764. Acesso em: 22 maio 2024.
MEJÍA, Gonzalo et al. Job shop rescheduling with rework and reconditioning in Industry 4.0: an event-driven approach. International Journal of Advanced Manufacturing Technology, [S. l.], v. 119, n. 5–6, p. 3729–3745, 2022. Disponível em: https://link.springer.com/article/10.1007/s00170-021-08428-9. Acesso em: 22 maio 2024.
MORENO, Aitor et al. Virtualisation process of a sheet metal punching machine within the Industry 4.0 vision. International Journal on Interactive Design and Manufacturing, [S. l.], v. 11, n. 2, p. 365–373, 2017. Disponível em: https://link.springer.com/article/10.1007/s12008-016-0318-7. Acesso em: 22 maio 2024.
PAPAVASILEIOU, A. et al. An optical system for identifying and classifying defects of metal parts. International Journal of Computer Integrated Manufacturing, [S. l.], v. 35, n. 3, p. 326–340, 2022. Disponível em: https://www.tandfonline.com/doi/full/10.1080/0951192X.2021.2017830. Acesso em: 22 maio 2024.
RALPH, Benjamin James et al. Transformation of a rolling mill aggregate to a cyber physical production system: from sensor retrofitting to machine learning. Journal of Intelligent Manufacturing, [S. l.], v. 33, n. 2, p. 493–518, 2022. Disponível em: https://link.springer.com/article/10.1007/s10845-020-01662-7. Acesso em: 22 maio 2024.
SANTOS, Reginaldo Carreiro; MARTINHO, José Luís. An Industry 4.0 maturity model proposal. Journal of Manufacturing Technology Management, [S. l.], v. 31, n. 5, p. 1023–1043, 2020. Disponível em: https://www.emerald.com/insight/content/doi/10.1108/JMTM-09-2018-0315/full/html. Acesso em: 22 maio 2024.
SELICATI, Valeria et al. A monitoring framework based on exergetic analysis for sustainability assessment of direct laser metal deposition process. International Journal of Advanced Manufacturing Technology, [S. l.], v. 118, n. 11–12, p. 3641–3656, 2022. Disponível em: https://link.springer.com/article/10.1007/s00170-021-08110-0. Acesso em: 22 maio 2024.
SHAHIN, Mohammad et al. Integration of Lean practices and Industry 4.0 technologies: smart manufacturing for next-generation enterprises. International Journal of Advanced Manufacturing Technology, [S. l.], v. 107, n. 5–6, p. 2927–2936, 2020. Disponível em: https://link.springer.com/article/10.1007/s00170-020-05051-8. Acesso em: 22 maio 2024.
SIMEONE, Alessandro; DENG, Bin; CAGGIANO, Alessandra. Resource efficiency enhancement in sheet metal cutting industrial networks through cloud manufacturing. International Journal of Advanced Manufacturing Technology, [S. l.], v. 107, n. 3–4, p. 1345–1365, 2020. Disponível em: https://link.springer.com/article/10.1007/s00170-020-05085-y. Acesso em: 22 maio 2024.
TATIPALA, Sravan et al. A hybrid data-based and model-based approach to process monitoring and control in sheet metal forming. Processes, [S. l.], v. 8, n. 1, p. 81, 2020. Disponível em: https://www.mdpi.com/2227-9717/8/1/81. Acesso em: 22 maio 2024.
TESSARINI JUNIOR, Geraldo; SALTORATO, Patrícia. Impactos da Indústria 4.0 na organização do trabalho: uma revisão sistemática da literatura. Revista Produção Online, Florianópolis, v. 18, n. 2, p. 743-768, 2018. Disponível em: https://producaoonline.org.br/rpo/article/view/2838. Acesso em: 22 maio 2024.
TORTORELLA, Guilherme Luz; FETTERMANN, Diego. Implementation of Industry 4.0 and lean production in Brazilian manufacturing companies. International Journal of Production Research, [s. l.], v. 56, n. 8, p. 2975–2987, 2018. Disponível em: https://doi.org/10.1080/00207543.2017.1391420. Acesso em: 22 maio 2024.
TSAI, Sung Yu; CHANG, Jen Yuan. Regression approach to a novel lateral flatness leveling system for smart manufacturing. Applied Sciences (Switzerland), [S. l.], v. 11, n. 14, p. 6363, 2021. Disponível em: https://www.mdpi.com/2076-3417/11/14/6363. Acesso em: 22 maio 2024.
YANG, D. Y. et al. Flexibility in metal forming. CIRP Annals, [S. l.], v. 67, n. 2, p. 743–765, 2018. Disponível em: https://www.sciencedirect.com/science/article/pii/S000785061830154X. Acesso em: 22 maio 2024.
ZAMBRANO, Valentina et al. Industrial digitalization in the industry 4.0 era: Classification, reuse and authoring of digital models on Digital Twin platforms. Array, [S. l.], v. 14, p. 100175, 2022. Disponível em: https://www.sciencedirect.com/science/article/pii/S259000762200055X. Acesso em: 22 maio 2024.
ZUTIN, Gabriel Consoni et al. Readiness levels of Industry 4.0 technologies applied to aircraft manufacturing—a review, challenges and trends. International Journal of Advanced Manufacturing Technology, [S. l.], v. 120, n. 1–2, p. 927–943, 2022. Disponível em: https://link.springer.com/article/10.1007/s00170-022-08977-0. Acesso em: 22 maio 2024.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Revista Produção Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
