O documento introduz os conceitos fundamentais da Indústria 4.0, descrevendo sua evolução histórica, principais tecnologias habilitadoras como IoT, Big Data e Cloud Computing, e potenciais aplicações, com foco em como os dados podem ser usados para aumentar a eficiência industrial.
2. 2
Uma década após sua introdução, em 2011, pelo grupo
alemão Aliança de Pesquisa Indústria-Ciência, o termo
“Indústria 4.0” é cada vez mais presente no cotidiano dos
profissionais da indústria em todos os níveis de atuação e
através de todos os segmentos. Essa presença, no entanto,
se dá majoritariamente em caráter de promessa, indicando
uma mudança que deve, a qualquer momento, revolucionar
a indústria e as relações de trabalho como um todo. É
natural que, nesse cenário, surjam dúvidas quanto às reais
implicações e benefícios trazidos pelas tecnologias da
“revolução 4.0”, bem como às necessidades de adaptação
de empresas e profissionais para essa revolução. Para
esclarecer essas questões, é necessário que se coloque em
um mesmo contexto os conceitos que definem a Indústria
4.0 e a realidade encontrada na indústria nacional e regional,
tornando possível enxergar as etapas que constituem a
jornada 4.0 da indústria brasileira e os papéis dos diferentes
profissionais na construção desse caminho.
3.
4. 4
A Quarta Revolução Industrial é um conjunto de tecnologias
que, integradas, reduzem as barreiras entre os mundos virtual
e físico, permitindo que máquinas e humanos trabalhem
colaborativamente. Essa integração tecnológica possui um
pilar principal: dados. Atualmente sendo referidos como “o
novo petróleo”, os dados possuem um papel de extrema
relevância na sociedade moderna, tendo seu imenso valor
demonstrado por empresas pioneiras na sua exploração,
como as representantes do “Big Tech” Google, Amazon e
Facebook (MAKRIDAKIS, 2017). A introdução do uso de dados
na indústria possui potencial semelhante de geração de valor,
podendo revolucionar toda a cadeia produtiva e beneficiar
o trabalho tanto de operadores de equipamentos quanto
de gestores. A geração de dados é inerente a todo tipo de
processo, seja ele industrial ou não – o desafio se dá em
sua coleta e transformação em informação capaz de gerar
resultados. Dessa forma, a primeira fronteira a ser ultrapassada
para que se possua os requisitos básicos para a Indústria
4.0 é a digitalização, caracterizada pela informatização e
interconectividade de processos (SCHUH, 2017).
6. 6
Cada etapa das evoluções
tecnológicas, mesmo
apresentando inúmeros
benefícios frente aos cenários
anteriores e constituindo
mudanças inevitáveis no
médio a longo prazo, nem
sempre encontram as
condições necessárias para sua
implantação imediata, sejam
estes referentes a infraestrutura,
condições financeiras, mão de
obra qualificada, ou cultura
organizacional. Essa dissonância
entre a necessidade de
mudança e a dificuldade de
adoção de novas tecnologias
pode ser sanada a partir de um
entendimento claro dos usos
práticos de cada tecnologia e de
como se dá o retorno sobre seus
investimentos.
Dessa forma, torna-se possível
planejar a evolução gradativa
dos processos industriais e da
capacitação profissional dos
colaboradores, garantindo que cada
etapa gere valor à organização e
motive avanços constantes. Na
sequência, serão apresentados
os conceitos essenciais para
a compreensão da Indústria
4.0, como suas tecnologias
habilitadoras e suas aplicações, a
medição da maturidade industrial
para sua adoção, bem como as
novas profissões e capacidades
exigidas dos profissionais atuantes
nesse novo contexto.
7. 7
Evolução da indústria, conceito e
aplicações da I4.0
As revoluções industriais, historicamente,
constituem não apenas grandes mudanças de
paradigma nas atividades industriais, mas também
profundas alterações sociais refletidas pelo
avanço da tecnologia. A transição da Indústria 1.0,
caracterizada pelo uso de máquinas a vapor e
condições extremamente precárias de trabalho,
para a Indústria 2.0, com a utilização da energia
elétrica e equipamentos mais sofisticados, promoveu
um grande impacto na produtividade industrial e
no acesso aos bens produzidos. Já a introdução
da tecnologia da informação (TI) e da automação
na revolução 3.0 foi responsável por alterações
igualmente disruptivas, apresentando a possibilidade
de substituição da mão de obra humana por
autômatos em larga escala.
9. 9
Enquanto o modelo de Indústria 2.0 completamente substituiu seu
antecessor, a transição para a Indústria 3.0 ainda está ocorrendo,
principalmente em países em desenvolvimento, como o Brasil, onde o
nível de uso de robôs é relativamente baixo. É comum observar modelos
de produção 2.0 e 3.0 coexistindo em uma mesma fábrica. Isso demonstra
que a transição entre diferentes estágios tecnológicos não é um processo
abrupto, mas que ocorre de maneira gradual e conforme as necessidades
e objetivos de cada organização.
10. 10
Da mesma forma, a adoção de tecnologias
referentes à Indústria 4.0 também pode ocorrer
sem a exigência de uma transição completa
para o modelo 3.0. Visto que o principal pilar da
Indústria 4.0 são os dados, o seu objetivo final
e o que lhe propicia o caráter de “revolução” é
justamente a habilidade de transformar dados
em informações sobre cada uma das etapas do
processo produtivo, fornecendo transparência na
detecção de problemas e possíveis melhorias. Essa
transparência acaba por aumentar a eficiência da
gestão de ativos e acelerar tomadas de decisão
e processos de adaptação corporativos. Assim, a
transformação 4.0 não busca substituir a mão de
obra humana por sistemas inteligentes, mas auxiliar
nas tomadas de decisão humanas, aumentando
a eficiência de todos os processos da cadeia
produtiva.
12. 12
Segundo a Academia Alemã de
Ciência e Engenharia (ACATECH),
a Indústria 4.0 pode ser definida
como a “comunicação multilateral,
em tempo real, de grandes volumes
de dados, e interconectividade
entre sistemas ciberfísicos e
pessoas” (SCHUH, 2017). Portanto, a
significância da Indústria 4.0 se dá
no processamento de informação
para garantir agilidade na tomada
de decisão por pessoas capacitadas
para interpretá-la.
A comunicação contínua entre
diversas fontes permite que
decisões sejam tomadas com base
em dados reais de equipamentos,
fornecedores e clientes,
promovendo um entendimento mais
completo sobre como as coisas se
relacionam na prática e permitindo
uma preparação para cenários
futuros de maneira mais assertiva.
O resultado dessas
práticas é o aumento de
eficiência tanto nas áreas de
desenvolvimento, produção,
logística e vendas quanto
nos objetivos de unidades
inteiras e em mudanças de
modelos de negócios. Frente
a mercados cada vez mais
competitivos e dinâmicos, uma
maior eficiência de processos
produtivos e de gestão é uma
vantagem essencial para que
as empresas se mantenham
competitivas no longo prazo. O
papel fundamental da Indústria
4.0 é propiciar a transformação
de empresas em empresas ágeis
(SCHUH, 2017).
13. 13
Obviamente, a integração baseada em dados de toda uma organização
se refere a um estágio avançado de adoção das tecnologias 4.0. Mesmo a
conectividade de um número pequeno de equipamentos com caráter de
operação crítico já é capaz de trazer resultados expressivos. A manutenção
preditiva baseada em dados, por exemplo, é uma das aplicações possíveis
de tecnologias 4.0 com potencial de retorno em curto prazo, e que pode
beneficiar até mesmo equipamentos antigos ou operados manualmente.
14. 14
Tecnologias habilitadoras: visão geral
As ferramentas tecnológicas utilizadas para tornar a Indústria 4.0 uma
realidade é comumente referida como “Tecnologias Habilitadoras”. Entre
elas, destacam-se a Internet das Coisas (IoT – do inglês, Internet of Things),
Big Data, Computação em Nuvem, a Inteligência Artificial (IA) e os Sistemas
Ciberfísicos (CPS – do inglês, Cyber-Physical Systems). Essas tecnologias
estão estreitamente conectadas e possuem uma série de conceitos
adjacentes que interagem entre si.
IoT
A IoT ou IoT (Internet Industrial das Coisas) está intimamente
relacionada com o conceito de digitalização, sendo a base para que
se comece a estruturação do modelo 4.0. Como o próprio nome já
diz, a IoT se refere à conexão dos mais variados objetos à internet,
para que seus dados sejam armazenados e analisados, ou para que
sejam controlados de maneira remota. Esses objetos podem ser tanto
dispositivos eletrônicos quanto celulares ou aparelhos de TV, sensores
acoplados em equipamentos industriais, ou mesmo o próprio corpo
humano, a partir dos dispositivos “vestíveis” (ou wearables). A IIoT, ou
IoT industrial, se refere à utilização de dispositivos para a coleta de
dados em ambientes industriais.
16. 16
Com a redução de preços de
dispositivos eletrônicos ao longo
dos anos, o sensoriamento de
equipamentos em larga escala
torna-se cada vez mais viável, e
equipamentos com sensoriamento
já são uma realidade em grande
parte da indústria, mesmo se
em baixa quantidade. Enquanto
equipamentos modernos já saem
de fábrica contando com um
conjunto de sensores e sistema de
monitoramento, muitas fábricas
ainda contam com equipamentos
antigos que seguem provendo
um bom desempenho. Diversas
soluções existem no mercado para
permitir que esses equipamentos
sejam conectados à internet e
possam também gerar valor na
forma de dados, num processo
conhecido como retrofitting.
Quando realizado em larga escala,
o sensoriamento permite que o
funcionamento de uma empresa
inteira seja monitorado em
tempo real. Quando aliado a
modelos digitais em CAD, esse
tipo de sensoriamento permite
a criação de uma sombra
digital: uma representação
em formato digital de uma
fábrica e seus equipamentos
que apresenta informações
atualizadas em tempo real
sobre seu funcionamento. A
partir desse sistema, torna-
se possível observar o estado
real e atualizado de toda uma
linha de produção a partir do
computador. Esse é um exemplo
de Sistema Ciberfísico, onde os
dados físicos de equipamentos
e suas representações digitais
estão totalmente integrados,
possibilitando uma grande
profundidade de análises aos
responsáveis pelas diferentes
áreas da organização.
17. 17
Saiba mais
Confira, no link a seguir, o
que é o IoT e quais são suas
aplicações.
https://brasil.softlinegroup.com/
sobre-a-empresa/blog/o-que-e-
a-internet-das-coisas-industrial-
e-quais-sao-suas-aplicacoes
18. 18
Big Data
Em cenários como o atual, em que encontramos uma geração de dados
em grande volume, entra-se no domínio da área de big data. O termo big
data é utilizado para se referir não apenas a grandes volumes de dados,
mas também às ferramentas utilizadas para tratar esses dados e viabilizar
a extração de informações deles. Há cinco características-chave em big
data: volume, velocidade, variedade, veracidade e valor (ISHWARAPPA, 2015).
Volume se refere à quantidade de dados sendo obtidos, armazenados
e analisados. É importante que os dados sejam armazenados com uma
indexação que viabilize sua rápida recuperação.
Velocidade se refere à taxa de coleta e de recuperação dos dados. Na
Indústria 4.0, é comum mencionarmos a análise de dados em “tempo real”.
Esse termo se refere ao objetivo de tornar os dados coletados disponíveis
para análise no menor tempo possível, aproximando o cenário analisado da
real situação da fábrica.
20. 20
Variedade refere-se à coleta de dados de diferentes
formatos, como texto, áudio ou imagens. Para cada aplicação,
deve-se identificar o tipo de dados mais relevante para a
análise e geração de valor. Coletar e processar cada tipo de
dado requer o uso de técnicas específicas.
Veracidade refere-se à necessidade de se obter dados
confiáveis, verdadeiros e de qualidade. Deve-se garantir
que os dados sejam relevantes para a aplicação desejada e
coletados e processados de maneira robusta.
Valor se refere ao objetivo da coleta dos dados em primeiro
lugar: garantir que sua análise possa gerar valor na forma de
conhecimentos e retorno para a indústria.
Sistemas como esse, no entanto, requerem investimentos
em infraestrutura para serem implementados. Recursos
computacionais avançados são requeridos para permitir
o armazenamento, processamento e análise de dados de
maneira ágil.
21. 21
Saiba mais
Leia mais sobre big data: o
que é, como funciona e como
aplicar. Clique no link a seguir.
https://www.totvs.com/blog/
inovacoes/big-data/
22. 22
Cloud
A computação em nuvem (do inglês, cloud computing) é
uma ferramenta que surge para fornecer a infraestrutura
necessária a fim de que seja possível lidar com a coleta e
a análise de dados em grande quantidade promovidas pela
IoT. O Instituto Nacional de Padrões e Tecnologia (NIST),
órgão do departamento de governo dos Estados Unidos da
América, define computação em nuvem como “[...] um modelo
para habilitar acesso sob demanda, conveniente e ubíquo,
por meio de redes, a um reservatório compartilhado de
recursos computacionais configuráveis, por exemplo, redes,
servidores, armazenamento, aplicações etc. que podem ser
provisionados rapidamente e liberados com esforço mínimo de
gerenciamento ou interação com o provedor de serviços”. Esse
modelo de negócios pode ser referido como Infraestrutura
como Serviço (IaaS - Infrastructure as a Service), Plataforma
como Serviço (PaaS - Platform as a Service) ou Software
como Serviço (SaaS - Software as a Service), dependendo dos
serviços contratados.
24. 24
Dessa forma, a computação em nuvem pode ser
compreendida como um conjunto de recursos
computacionais contratados conforme a necessidade do
cliente e acessados através da Internet. Esses recursos
podem ser de infraestrutura (IaaS), como servidores e
sistemas de armazenamento, aplicações prontas para
execução de análises (SaaS), ou plataformas fornecendo
ambientes de desenvolvimento (PaaS). O uso desses
sistemas em conjunto com a IoT permite que dados de
equipamentos sejam automaticamente enviados para um
servidor em nuvem via internet e estejam rapidamente
disponíveis para acesso e análise. Esses serviços
eliminam a necessidade de compra e manutenção de
recursos computacionais por parte das empresas, além
de proporcionarem alta performance e disponibilidade,
facilitando a implementação do modelo de Indústria 4.0
de maneira robusta e confiável.
25. 25
Saiba mais
Quer ficar ainda mais por
dentro do assunto? Acesse o
link a seguir e entenda melhor
como sua empresa pode usar a
cloud.
https://respostas.sebrae.com.br/
cloud-computing-o-que-e-e-
como-sua-empresa-pode-usar-
esse-recurso/
26. 26
CPS
Os sistemas ciberfísicos (CPSs) são formados pela
comunicação constante entre máquinas e equipamentos
na planta, trafegando informações no formato de imagens,
áudio, sinal de sensores, vídeos, planilhas ou texto. Essa
comunicação pode ser em sentido unidirecional (one-way),
quando os equipamentos apenas enviam informação, ou em
sentido bidirecional (two-way), quando enviam e recebem
informação ou comandos. Enquanto a sombra digital constitui
um sistema CPS unidirecional, sua versão bidirecional é
chamada de gêmeo digital (GD) (RABELO, 2020).
28. 28
Um gêmeo digital é um modelo digital de um equipamento,
ou mesmo de toda uma fábrica, que, além de ser atualizado
pelas informações recebidas dos sistemas reais, pode enviar
informações e comandos para esses sistemas, promovendo
interações ativas entre os mundos físico e digital. Os GDs
possuem diversas possibilidades de uso, como monitoramento
de ativos em tempo real; análise e previsão do consumo de
energia; otimização e atualização inteligente baseados na
operação do usuário ou em dados do produto ou processo
de produção; manutenção virtual do produto, com o uso de
realidade virtual ou aumentada.
Visto que um sistema de GD permite o controle de
equipamentos de maneira remota, é essencial que estejam
aliados a um projeto robusto de cibersegurança. O uso da
cibersegurança busca garantir que esses sistemas estejam
protegidos do acesso de terceiros, como possíveis invasores
maliciosos. A cibersegurança é importante não apenas para
proteger sistemas de GD, mas os dados armazenados de uma
organização de maneira geral.
29. 29
Saiba mais
Você sabia que o conceito de
sistema ciberfísico é a base da
Indústria 4.0? Leia mais sobre esse
assunto nos links a seguir:
https://www.industria40.ind.br/
artigo/18514-sistema-ciber-fisico-na-
industria-40
https://www.kaspersky.com.br/resource-
center/definitions/what-is-cyber-security
30. 30
IA
O grande diferencial da Indústria 4.0 é a
exploração do valor dos dados. Para que os
dados coletados e armazenados tenham
seu valor extraído, é essencial que sejam
executadas análises inteligentes sobre os
mesmos, a fim de obter informações úteis
que contribuam com os processos de uma
organização. Em um cenário de Big Data,
onde tratamos de volumes imensos de dados,
a análise humana torna-se pouco eficiente.
Algoritmos de IA são especializados em
detectar padrões em conjuntos complexos de
dados, sendo capazes de realizar análises de
maneira ágil e automatizada.
31. 31
O Aprendizado de Máquina (AM) é uma área da IA
cujos modelos estão sendo empregados de modo
crescente nos mais diversos contextos, tendo
destaque também em soluções voltadas para a
Indústria 4.0. Os modelos de Aprendizado de Máquina
são modelos matemáticos criados por algoritmos
capazes de “aprender” através de experiência,
adaptando-se para encontrar a melhor representação
de um problema (MITCHELL, 1997). Assim, modelos
podem ser “treinados” de forma que aprendam, por
exemplo, quando um equipamento está funcionando
normalmente e quando está prestes a apresentar
uma falha. Dessa maneira, é possível fazer predições
quanto ao estado futuro de cada equipamento,
projetando uma sombra digital ou gêmeo digital no
tempo. Essas predições se tornam mais precisas ao
longo do tempo, conforme a quantidade de dados
coletados aumenta. Podemos dizer, portanto, que
um sistema de Aprendizado de Máquina é como
um funcionário recém contratado, melhorando sua
performance com a experiência.
33. 33
Esse tipo de sistema permite antecipar acontecimentos
e planejar ações apropriadas para cada situação. O ideal
é que os modelos de IA possam fornecer informação
de maneira contextualizada para cada problema e,
possivelmente, fornecer prescrições sobre planos de ação
recomendados (CHENG, 2020). Portanto, fica claro que o
objetivo da IA não é substituir o trabalho humano, mas
potencializá-lo. Se bem estruturados, modelos de IA podem
beneficiar as tomadas de decisões em todas as áreas de
uma organização, possibilitando tomá-las com base em
dados. Para que as predições sejam confiáveis, é necessário
fornecer dados relevantes e de qualidade para garantir
um aprendizado eficiente. É importante que os dados
relevantes sejam identificados caso a caso, e, portanto,
os conhecimentos de um especialista no processo em
questão são essenciais. Além disso, os dados possuem um
ciclo de vida e precisam ser coletados de maneira contínua
para que os modelos de IA possam ser constantemente
atualizados. Assim, é essencial que os modelos estejam
sob constante monitoramento humano, garantindo que
estejam atualizados e prontos para a análise não apenas do
histórico de dados antigos, mas também dos dados recém
coletados.
34. 34
Saiba mais
Aprofunde seus conhecimentos
sobre IA e AM acessando o link
a seguir.
https://www.scielo.br/j/ea/a/
wXBdv8yHBV9xHz8qG5RCgZd/
35. 35
Índice de Maturidade 4.0
A transição para o modelo 4.0 envolve
atualizações significativas da infraestrutura e
das capacidades digitais de uma organização.
Cada uma das tecnologias habilitadoras possui
aplicabilidades e complexidades próprias, de
modo que suas adoções só se tornam viáveis
quando realizadas de maneira gradual. Com
o intuito de fornecer direcionamento para
a execução estratégica dessa transição, a
ACATECH publicou, em 2017, o estudo intitulado
“Índice de Maturidade da Indústria 4.0: gerindo
a transformação digital de empresas”. Nesse
trabalho, o órgão apresenta uma escala de
“maturidade” em que cada etapa representa o
grau de desenvolvimento tecnológico de uma
empresa quanto à adoção das tecnologias
habilitadoras (SCHUH, 2017).
36. 36
Figura 1 - Índice de maturidade ACATECH
Fonte: Adaptado de Schuh (2017)
37. 37
O índice de maturidade da ACATECH possui 6 etapas:
informatização, conectividade, visibilidade, transparência,
capacidade preditiva e adaptabilidade. Essas etapas
constituem desde requisitos básicos até uma implementação
total de Indústria 4.0, sendo apresentadas sucessivamente
de maneira que cada uma delas compreenda ganhos de valor
para a empresa. De acordo com os autores, cabe a cada
empresa analisar qual etapa está mais alinhada com sua
realidade e objetivos.
38. 38
As primeiras duas etapas – informatização e conectividade – referem-se
à estruturação dos requisitos básicos para a Indústria 4.0, compondo juntos
o estágio de digitalização. Na etapa de informatização, diferentes sistemas
de TI são utilizados de maneira separada. Ela se dá através do controle
computacional de equipamentos e da instalação de interfaces homem-
máquina (IHMs), ambos cenários bem disseminados na indústria brasileira.
Já a conectividade se refere à conexão em rede de sistemas e equipamentos
através de internet.
Visibilidade, a terceira etapa, se refere à capacidade de
acessar e observar os dados sendo coletados de diferentes
processos e a informações-chave relativas a esses dados. Seu
conceito está muito alinhado com a tecnologia de sombra
digital. Quanto maior a abrangência da sombra digital de uma
empresa, maior sua capacidade de gerar KPIs e dashboards
em tempo real para a análise de diferentes processos.
39. 39
A etapa seguinte – transparência – refere-se a não somente
observar os dados disponibilizados na sombra digital, mas
a produzir conhecimento acerca das causas-raízes dos
acontecimentos do chão de fábrica, trazendo contexto para
os dados coletados. A transparência, portanto, é um requisito
fundamental para técnicas como a manutenção preditiva, por
exemplo.
Dessa forma, a etapa que sucede a transparência é a capacidade
preditiva. A partir da visibilidade de processos e da contextualização
das informações obtidas pelos dados, torna-se possível aplicar
sistemas inteligentes para prever cenários futuros e se adaptar, com
antecedência, aos cenários mais prováveis. Essas previsões podem
agregar valor a todos os setores de uma empresa, desde o setor de
manutenção, a partir da manutenção preditiva, até setores de vendas
e logística, por meio da adaptação a possíveis mudanças de mercado.
40. 40
A etapa final é chamada de adaptabilidade, em que a
capacidade preditiva é utilizada para que sistemas de
TI tomem decisões de maneira autônoma, adaptando
os processos da empresa automaticamente a partir
das previsões futuras. Um exemplo seria alterar
automaticamente planejamentos logísticos de acordo
com possíveis falhas de equipamentos. O objetivo dessa
etapa é permitir que a empresa responda ao dinamismo
do mercado da maneira mais rápida possível. O nível de
autonomia dos sistemas adaptativos deve ser medido
cuidadosamente quanto a seus riscos e custo benefício.
41. 41
O SENAI disponibiliza, de maneira online, no
site SENAI 4.0, um sistema para avaliação de
maturidade empresarial para a Indústria 4.0,
seguindo os moldes definidos pela ACATECH.
A avaliação, disponível de maneira gratuita,
se dá a partir de um questionário a ser
respondido pelos profissionais da empresa
interessada, contando com perguntas sobre
a realidade atual da empresa, seus objetivos
futuros e planejamentos de investimentos.
As empresas participantes recebem como
resultado orientações para os próximos
passos na sua jornada 4.0.
42. 42
Profissões do futuro: desafios e oportunidades
Frente a esse panorama de renovação da indústria, fica clara a necessidade
de capacitação dos profissionais em todas as áreas de atuação. Além das
funções que desempenham atualmente, os trabalhadores deverão ter
habilidade para lidar com os dados – a matéria prima da Indústria 4.0.
Tanto profissionais atuando no chão de fábrica quanto gestores e diretores
precisarão de conhecimentos sobre o valor dos dados e de seus usos e
integração através da empresa. Nesse contexto, é possível identificar o
surgimento de uma série de novas profissões e ocupações desempenhadas
por trabalhadores com habilidades relacionadas às tecnologias habilitadoras
(SESI, 2020).
43. 43
A capacitação para novas profissões pode ocorrer de duas formas:
pela capacitação de profissionais já atuando na indústria, ou
profissionais brownfield, e pela formação de novos profissionais em
cursos direcionados para a Indústria 4.0, ou profissionais greenfield.
Ambas as formas de capacitação são necessárias e complementares
para atender às necessidades industriais de desenvolvimento
tecnológico.
Como exemplo de capacitação brownfield, podemos citar a
capacitação de Operadores para lidar com tecnologias de IoT e
sistemas ciberfísicos, acarretando a figura do Operador Digital,
cargo em que as tarefas do operador de equipamentos atual são
complementadas com conhecimentos de sensoriamento e coleta de
dados, além da análise e monitoramento de informações em painéis
digitais. O investimento na capacitação desses profissionais já é
uma forte tendência em empresas que estão iniciando a adoção das
tecnologias 4.0.
44. 44
Já quanto aos profissionais greenfield, ainda não inseridos na indústria,
pode-se destacar a demanda por cursos específicos referentes às
tecnologias habilitadoras, a fim de formar profissionais técnicos em
IoT, técnicos em cibersistemas, cientistas de dados, técnicos em
cibersegurança e especialistas em big data ou inteligência artificial. Nos
próximos anos, espera-se que a oferta desses cursos em instituições de
ensino receba cada vez mais destaque.
45. 45
Ao longo da última década, as indústrias ao redor do globo vêm
se preparando para a chegada da Quarta Revolução Industrial.
Essa revolução, que traz consigo uma série de novas tecnologias,
conceitos e implicações para a indústria, requer não apenas
investimentos em tecnologia e infraestrutura, mas em capacitação.
Os trabalhadores 4.0 deverão estar preparados para compreender a
realidade de fábricas que combinam sistemas físicos e digitais e o
papel que devem desempenhar no seu funcionamento.
Frente às possibilidades trazidas pela introdução da IIoT em larga
escala, como o desenvolvimento de gêmeos digitais e a utilização
de sistemas preditivos baseados em inteligência artificial, crescerá a
demanda por profissionais com uma série de novos conhecimentos,
mas com um ponto em comum: a compreensão do uso de dados.
Nesse cenário, tanto profissionais especialistas nas tecnologias
habilitadoras quanto especialistas nos processos e equipamentos de
cada fábrica deverão combinar seus conhecimentos para garantir que
a transição para a Indústria 4.0 ocorra de maneira correta e adaptada
para a realidade de cada organização.
A adoção da Indústria 4.0 caminha a passos largos no Brasil, e é
fundamental que empresas e profissionais estejam cientes de suas
implicações de maneira a manter sua competitividade frente
a mercados globais e dinâmicos.
46. 46
Referências
CHENG, J. C. P. CHEN, W.; CHEN, K.; WANG, Q. Data-driven predictive
maintenance planning framework for MEP components based on BIM and
IoT using machine learning algorithms. Automation in Construction, v. 112.,
103087, 2020.
ISHWARAPPA, J. A. A Brief Introduction on Big Data 5Vs Characteristics and
Hadoop Technology. Procedia Computer Science, v. 48, p. 319-324, 2015.
MAKRIDAKIS, S. The forthcoming artificial intelligence (AI) revolution: Its
impact on society and firms. Futures, v. 90, p. 46–60, 2017.
MITCHELL, T. M. Machine learning. New York (NY, USA): McGraw-Hill Inc.,
1997.
OLIVEIRA, F. Brasil fica entre os últimos lugares em ranking de automação
de empresas. Folha de S. Paulo, Edição Online, 08 de agosto de 2018.
Disponível em: https://www1.folha.uol.com.br/mercado/2018/08/brasil-fica-
entre-os-ultimos-lugares-em-ranking-de-automacao-de-empresas.shtml.
Acesso em: 04 out. 2021.
47. 47
RABELO, R. J. et al. Uma Proposta de Arquitetura de Referência de Gêmeo
Digital para Sistemas Ciberfísicos em um cenário de Indústria 4.0. Anais do
XXIII Congresso Brasileiro de Automática. Revista da Sociedade Brasileira de
Automática, CBA2020, v. 2, n. 1, 2020.
SESI. Departamento Regional do Paraná. Skills 4.0: habilidades para a
indústria. Departamento Regional do Paraná. Curitiba: Sesi/PR, 2020.
SCHUH, G. et al. Industrie 4.0 maturity index: managing the digital
transformation of companies. The Acatech Study Series. Munich: Herbert
Utz Verlag, 2017.