O slideshow foi denunciado.
Seu SlideShare está sendo baixado. ×

E-book - Indústria 4.0.pdf

Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Anúncio
Carregando em…3
×

Confira estes a seguir

1 de 47 Anúncio
Anúncio

Mais Conteúdo rRelacionado

Mais recentes (20)

Anúncio

E-book - Indústria 4.0.pdf

  1. 1. Introdução à Indústria 4.0
  2. 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. 3. 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).
  4. 4. 5
  5. 5. 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.
  6. 6. 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.
  7. 7. 8
  8. 8. 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.
  9. 9. 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.
  10. 10. 11
  11. 11. 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).
  12. 12. 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.
  13. 13. 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.
  14. 14. 15
  15. 15. 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.
  16. 16. 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
  17. 17. 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.
  18. 18. 19
  19. 19. 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.
  20. 20. 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/
  21. 21. 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.
  22. 22. 23
  23. 23. 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.
  24. 24. 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/
  25. 25. 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).
  26. 26. 27
  27. 27. 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.
  28. 28. 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
  29. 29. 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.
  30. 30. 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.
  31. 31. 32
  32. 32. 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.
  33. 33. 34 Saiba mais Aprofunde seus conhecimentos sobre IA e AM acessando o link a seguir. https://www.scielo.br/j/ea/a/ wXBdv8yHBV9xHz8qG5RCgZd/
  34. 34. 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).
  35. 35. 36 Figura 1 - Índice de maturidade ACATECH Fonte: Adaptado de Schuh (2017)
  36. 36. 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.
  37. 37. 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.
  38. 38. 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.
  39. 39. 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.
  40. 40. 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.
  41. 41. 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).
  42. 42. 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.
  43. 43. 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.
  44. 44. 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.
  45. 45. 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.
  46. 46. 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.

×