Challenges in implementing Industry 4.0 in the brazilian metal-mechanics industry

analysis of entry barriers

Authors

  • Julia Possebon spellmeier Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil https://orcid.org/0000-0003-3244-9972
  • Luisa Zanuzo Kuntz Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil
  • Carmen Brum Rosa Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil
  • Arthur Martins Valentim Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil
  • Gabriela Michelon Baldessarelli Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil https://orcid.org/0009-0008-3665-3026
  • Graciele Rediske Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil https://orcid.org/0000-0003-4518-8724

DOI:

https://doi.org/10.14488/1676-1901.v25i2.5436

Keywords:

Industry 4.0, Barriers, Metal-mechanics, Manufacturing, Challenges

Abstract

Implementing industry 4.0 in the Brazilian metal-mechanics industry involves technological, organizational, cultural, and regulatory issues. The lack of adequate technological infrastructure, resistance to change by employees, the shortage of qualified professionals, and regulatory challenges are just some of the obstacles that companies face. In addition, the technological underexploitation of the metal-mechanics industry hinders the entry of 4.0 ideals and, under certain conditions, impedes competitive innovation. Given this scenario, this article seeks to provide interested parties, through a systematic literature review on the metal-mechanics industry in Brazil, with a broad analysis of the breaking of the status quo for the application of emerging technologies to understand the complexity of the mechanical properties and behavior of materials, the cost of implementing flexible technologies, technological barriers and the complexity in data collection and integration. In addition, it also presents a questionnaire prepared from a data collection instrument on the existence or not of industry 4.0 within Brazilian industries and their perspectives on the subject.

Downloads

Download data is not yet available.

Author Biographies

Julia Possebon spellmeier, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Estudante de Mestrado em Inteligência Organizacional no PPGEP - Programa de Pós Graduação em Engenharia de produção na Universidade Federal de Santa Maria- UFSM e graduada em Engenharia de Produção Graduada na UFSM. Durante a gradução foi bolsista de Iniciação Científica no Núcleo de Inovação e Competitividade (NIC). Realizou período de mobilidade acadêmica na Universidade do Porto, estudando licenciatura na Faculdade de Engenharia no curso de Engenharia e Gestão Industrial e mestrado na Faculdade de Economia no curso de Gestão. Tem experiência nas áreas de Engenharia de Produção e Gestão de Negócios em Energia. Possui publicação recente em periódico de alto impacto como Renewable Energy.

Luisa Zanuzo Kuntz, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Graduanda em Engenharia de Produção pela Universidade Federal de Santa Maria (UFSM).

Carmen Brum Rosa, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Doutora em Engenharia Elétrica, Mestre em Engenharia de Produção e Graduada em Engenharia Química pela Universidade Federal de Santa Maria (UFSM). Tem experiência profissional e acadêmica nas áreas de Engenharia de Produção, Gestão em Negócios de Energia e Inovação e Educação Empreendedora. As pesquisas possuem ênfase em Avaliação de Desempenho Organizacional, Modelagem Matemática para Mensuração da Competitividade Organizacional, Ferramentas de Apoio à Tomada de Decisão, Diagnóstico da Competitividade e Gerenciamento de Processos de Ambientes de Inovação. Professora Adjunta na Universidade Federal de Santa Maria no Centro de Tecnologia, Departamento de Engenharia de Produção e Sistemas e Professora Permanente do Programa de Pós-Graduação em Engenharia de Produção (PPGEP/UFSM), Professora pesquisadora do Núcleo de Inovação e Competitividade (NIC/UFSM) e do Grupo de Inovação, Transferência de Tecnologia, Educação e Empreendedorismo (GITEE/UFSM). Atualmente está Coordenadora de Educação Empreendedora da Pró-Reitoria de Inovação e Empreendedorismo (PROINOVA) da Universidade Federal de Santa Maria. Possui publicações recentes em periódicos de alto impacto como Energy for Sustainable Development, Energy Policy, Energy, Energies, Solar Energy, Renewable Energy, Renewable and Sustainable Energy Reviews e Journal of Cleaner Production e atuação em projetos de PD na área de Gestão em Negócios de Energia. Informação de cadastro de pesquisa: Bolsista de Produtividade Desen. Tec. e Extensão Inovadora 2 (2024-2027); index-h SCOPUS = 11; index-h Scholar Google = 13.

Arthur Martins Valentim, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Engenheiro Mecânico com mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (UFSM), com foco em Inteligência Organizacional e aplicação de tecnologias de manufatura inteligente para aumento da competitividade industrial. Possui mais de 10 anos de experiência na indústria metalmecânica e automotiva, atuando em desenvolvimento de produtos, engenharia de processos, gestão técnica e inovação industrial. Forte atuação em projetos de melhoria contínua, engenharia aplicada, e implementação de tecnologias digitais no chão de fábrica. Fluente em inglês, com histórico de participação em projetos internacionais.  

Gabriela Michelon Baldessarelli, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Graduanda em Engenharia de Produção UFSM.

Graciele Rediske, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil

Doutora e Mestre em Engenharia de Produção pela Universidade Federal de Santa Maria (UFSM), graduada em Engenharia de Produção pela Universidade de Santa Cruz do Sul (UNISC) e especialista em Engenharia do Tráfego pela Faculdade Dom Alberto. Atualmente é Pós-doutoranda no Programa de Pós-Graduação em Engenharia de Produção da UFSM (PPGEP/UFSM). Atuou como bolsista CAPES no Instituto Nacional de Ciência e Tecnologia em Geração Distribuída de Energia Elétrica (INCT GD) e como Professora Substituta no Campus Cachoeira do Sul da UFSM. Desenvolve pesquisas nas áreas de Engenharia Econômica, Métodos Multicritérios de Apoio à Decisão (MCDM), Avaliação de Desempenho Organizacional e Modelagem Matemática da Competitividade, com aplicações integradas a Sistemas de Informação Geográfica (SIG). Possui publicações recentes em periódicos como Applied Energy, Renewable and Sustainable Energy Reviews, Energy, Solar Energy e Journal of Cleaner Production, entre outros. Atua em projetos de PD na área de Gestão de Energia e integra a equipe do projeto SolarMap, tecnologia licenciada pela UFSM. Índices h: Scopus = 10; Google Scholar = 11.

References

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.

Downloads

Published

2025-06-16

How to Cite

spellmeier, J. P., Kuntz, L. Z., Rosa, C. B., Valentim, A. M., Baldessarelli, G. M., & Rediske, G. . (2025). Challenges in implementing Industry 4.0 in the brazilian metal-mechanics industry: analysis of entry barriers. Revista Produção Online, 25(2), 5436 . https://doi.org/10.14488/1676-1901.v25i2.5436

Issue

Vol. 25 No. 2 (2025): fluxo contínuo

Section

Papers

License

Copyright (c) 2025 Revista Produção Online

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

The Journal reserves the right to make spelling and grammatical changes, aiming to keep a default language, respecting, however, the style of the authors.

The published work is responsibility of the (s) author (s), while the Revista Produção Online is only responsible for the evaluation of the paper. The Revista Produção Online is not responsible for any violations of Law No. 9.610 / 1998, the Copyright Act.

The journal allows the authors to keep the copyright of accepted articles, without restrictions


 
This work is licensed under a Creative Commons License .