SOLUÇÕES PARA A INDÚSTRIA 4.0

Programa Trainee de Consultores de Digitalização e Indústria 4.0 - 2019
Treinamento de Engenheiros
Consultores de Digitalização e
Indústria 4.0
Artigos Técnicos
Soluções para a Indústria
2019

Conheça os diversos projetos de aplicações (Proposta de Implantação) de Tecnologias
Habilitadoras aplicadas na Indústria.
Estes projetos foram desenvolvidos como parte do Treinamento de Engenheiros
Consultores de Digitalização e Indústria 4.0 do SENAI São Paulo (2019).
Estas Propostas de Aplicações, tem suas Soluções baseadas em 3 dimensões
(Tecnologia, Processos e Pessoas), com foco na Digitalização e Indústria 4.0.
Estes desafios contemplaram 12 tecnologias habilitadoras, 7 setores da cadeia de valor
da indústria e 31 setores industriais (ou relacionado).
TECNOLOGIA
HABILITADORA
SETOR DA
INDÚSTRIA
SEGMENTO
INDUSTRIAL
Blockchain Qualidade Siderurgia
BLOCKCHAIN PARA AUTOMAÇÃO DO REGISTRO DE QUALIDADE DOS MATERIAIS
NA SIDERURGIA
Mineração de Dados Qualidade Química
MINERAÇÃO DE DADOS NA MOAGEM DO PIGMENTO PARA CONTROLE DE
QUALIDADE DA TINTA
Geolocalização Logística Cerâmica
RFID PARA GEOLOCALIZAÇÃO DE REVESTIMENTOS CERÂMICOS, APLICADA ÀO
CONTROLE DE ESTOQUE EM CENTROS DE DISTRIBUIÇÃO
Impressão 3D Logística Metalurgia
IMPRESSÃO 3D NO SETOR DE MANUTENÇÃO DA INDÚSTRIA METALÚRGICA
COMO FORMA DE MITIGAR O ESTOQUE DE FIEIRAS UTILIZADAS NA TREFILAÇÃO

Geolocalização Logística Sucroenergético
GEOLOCALIZAÇÃO PARA UM SISTEMA ANTIFRAUDE NO TRANSPORTE DE
ETANOL
Gêmeo Digital Produção Petróleo
GÊMEO DIGITAL PARA A REDUÇÃO DO TEMPO DE ESTUDO DE BROCAS NA
EXPLORAÇÃO DE PETRÓLEO
Mineração de Dados Planejamento Mineração
MINERAÇÃO DE DADOS PARA OTIMIZAÇÃO DO PLANEJAMENTO DE PRODUÇÃO
DE MINÉRIO DE FERRO
Realidade Virtual Operação Petróleo
REALIDADE VIRTUAL APLICADA A TREINAMENTOS OPERACIONAIS NA INDÚSTRIA
DE REFINO DE PETRÓLEO
Drones Manutenção Petróleo
DRONES PARA MANUTENÇÃO PREDIVITA DE VASOS DE PRESSÃO NO
TRANSPORTE DE ÓLEO E GÁS
Cobôs Qualidade Vestuário
ROBOS COLABORATIVOS (COBÔS) PARA APOIO NA INSPEÇÃO DE QUALIDADE NO
SETOR DE VESTUÁRIO
AGV Logística Calçado
AGV (AUTOMATED GUIDED VEHICLE) EM UM ARMAZÉM DE UM E-COMMERCE DE
CALÇADOS PARA OTIMIZAÇÃO DA MOVIMENTAÇÃO DO ESTOQUE NO SETOR
LOGÍSTICO

Realidade Aumentada P&D Curtume
REALIDADE AUMENTADA PARA DESENVOLVIMENTO E PERSONALIZAÇÃO DE
TONALIDADES NA MANUFATURA DE COUROS
Impressão 3D Planejamento Plástico
MANUFATURA ADITIVA PARA OTIMIZAR O CICLO DE DESENVOLVIMENTO DE
MOLDES DE SOPROS
Realidade Virtual Operação Hidrelétrica
REALIDADE VIRTUAL NA OPERAÇÃO DE HIDRELÉTRICA PARA ASSEGURAR
MELHOR PREÇO DE VENDA NO MERCADO DE ENERGIA DE CURTO PRAZO
Aprendizado de Máquina Manutenção Açúcar
APRENDIZADO DE MÁQUINA PARA MANUTENÇÃO PREDITIVA DA VÁLVULA DE
MATÉRIA PRIMA DO COZEDOR NO SETOR DE AÇÚCAR
Impressão 3D Desenvolvimento Embalagem
IMPLANTAÇÃO DE IMPRESSÃO 3D NA SUBSTITUIÇÃO DE MOLDES NO SETOR DE
INJEÇÃO PLÁSTICA
Drones Manutenção Agricultura
DRONES PARA PLANEJAMENTO DA MANUTENÇÃO DE IRRIGAÇÃO NO CAMPO
Mineração de Dados Logística Tratamento Água
MINERAÇÃO DE DADOS NO AUXÍLIO DE TOMADAS DE DECISÃO E PREDIÇÃO DE
PERDAS NA LOGÍSTICA DE DISTRIBUIÇÃO DE ÁGUA

Geolocalização Logística Máquinas
GEOLOCALIZAÇÃO PARA OTIMIZAÇÃO LOGÍSTICA NA LOCAÇÃO DE MÁQUINAS
PESADAS
Gêmeo Digital P&D Eletrodoméstico
GÊMEO DIGITAL PARA COLETA DE DADOS PARA PERSONALIZAÇÃO DE
DESENVOLVIMENTO DE ELETRODOMÉSTICO
Realidade Virtual Produção Farmácia
REALIDADE VIRTUAL PARA REDUÇÃO DO TEMPO DE VALIDAÇÃO DE PROCESSO
DE UM MEDICAMENTO JUNTO A ANVISA
Aprendizado de Máquina Manutenção Papel
APRENDIZADO DE MÁQUINA PARA REDUÇÃO DE FALHAS NA PRODUÇÃO DE
PAPEL
Drones Manutenção Celulose
DRONES NA GESTÃO DE ATIVOS NO SETOR DE PRODUÇÃO CELULOSE
Cobôs Qualidade Automotiva
ROBÔS COLABORATIVOS NA INSPEÇÃO DE PORTAS E ALINHAMENTO DE
JUNÇÕES EM VEÍCULOS NA LINHA DE MONTAGEM
Blockchain Logística Automotiva
BLOCKCHAIN PARA RASTREIO DE RODAS NO SETOR LOGÍSTICO AUTOMOTIVO

Realidade Aumentada P&D Energia Elétrica
REALIDADE AUMENTADA PARA ANÁLISE ROBUSTA DE CENÁRIOS DE PROJETOS
DE ENERGIA EÓLICA
5G - LORA Qualidade Portuário
REDES LoRa PARA RASTREABILIDADE DE PARÂMETROS EM CONTAINERS
REFRIGERADOS DENTRO DE NAVIOS
5G - LORA Manutenção Ferroviário
REDE LoRa PARA MONITORAMENTO DE VAGÕES GRANELEIROS HOPPER PARA
MANUTENÇÃO PREVENTIVA E PREDITIVA
Aprendizado de Máquina Qualidade Alimentos
APRENDIZADO DE MÁQUINA (MACHINE LEARNING) PARA CONTROLE DA
QUALIDADE NA ARMAZENAGEM DE GRÃOS DE CAFÉ
AGV Qualidade Moveleira
AGV (VEÍCULO AUTOGUIADO) PARA REDUÇÃO DE DEFEITOS DE FABRICAÇÃO NA
INDÚSTRIA MOVELEIRA
5G Manutenção Tratamento Esgoto
REDE 5G PARA DETECTAR VAZAMENTOS DE ÁGUA E ESGOTO NO SETOR DE
SANEAMENTO BÁSICO
Coordenador Orientador: Márcio Henrique Ventureli – Coordenador Técnico
Junho/2019

PROPOSTA DE IMPLANTAÇÃO DE AGV (AUTOMATED GUIDED VEHICLE)
EM UM ARMAZÉM DE UM E-COMMERCE DE CALÇADOS PARA
OTIMIZAÇÃO DA MOVIMENTAÇÃO DO ESTOQUE NO SETOR LOGÍSTICO
Autor: Felipe Martini Pantaleão
Consultor Trainee de Digitalização e Indústria 4.0 do SENAI São Paulo
Orientador: Márcio Henrique Venturelli
Coordenador Técnico de Digitalização e Indústria 4.0 do SENAI São Paulo
RESUMO
O Brasil é o 4º maior produtor de calçados em geral. Mesmo com fortes competidores
internacionais, principalmente a China, o país apresenta previsão de crescimento. Esse
crescimento é mais representativo quando se trata de vendas por e-commerce. O setor de
calçados necessita de um forte gerenciamento de códigos SKU (Stock Keeping Unit/Unidade de
Manutenção de Estoque) devido à alta variedade de produtos. Como consequência, os armazéns
desses produtos necessitam de grande equipe de operadores, o que gera alto custo na logística e
possibilidade de erros no carregamento. Esse artigo propõe a implementação de AGV (Automated
Guided Vehicle) dentro de um armazém de um e-commerce, será possível integrar as vendas e as
movimentações dos veículos com o auxílio dos SKUs, onde todo esse processo ocorrerá pela
internet, mais precisamente por uma inteligência artificial na nuvem. Essa integração trará maior
produtividade nas atividades no armazém, onde alguns operadores serão capacitados de forma a
se tornarem supervisores de todo o processo. Com uma logística mais integrada, o setor de
calçados poderá atuar de forma mais competitiva e auxiliar no progresso da indústria nacional.
Palavras chave: AGV, LOGÍSTICA, CALÇADOS, E-COMMERCE.
ABSTRACT
Brazil is the fourth largest footwear producer in the world. Even with strong international
competitors, mainly China, there is a growth forecast in Brazil. The increasing e-commerce sales
confirm the current growth is this sector. The footwear sector needs a stronger management of SKU
(Stock Keeping Unit) codes due to high variety of products. Pursuant to, the warehouses of these
products require a big team of operators, which creates high logistics costs and the probability of
loading errors. This paper proposed the implementation of AGV (Automated Guided Vehicles) in the
warehouse of an e-commerce. It will be possible to integrate sales and the load handling with the
aid of SKU codes, such process will take place on the internet, specifically by artificial intelligence in
the cloud. This integration will give more productivity to the warehouse activities, in which some
operators will be trained to achieve supervisory positions of the whole process. Using a better
integrated logistics, the footwear sector will support the progress of the national industry.
Keywords: AGV, LOGISTICS, FOOTWEAR, E-COMMERCE.
1. INTRODUÇÃO
Desde o final do século XVIII, com a introdução das máquinas a vapor no meio industrial,
caminhamos em meio a grandes revoluções. Passamos pela introdução do petróleo e da
eletricidade como fontes de energia e pela criação da produção em massa, iniciada por Henry Ford
no final do século XIX. A 3ª Revolução ocorreu no final do século XX e é caracterizada pela
inserção da eletroeletrônica nas fábricas, com computadores e robôs (MACHADO, 2016).

Em 2011, em meio a discussões e publicações na Alemanha, surgiu o termo Indústria 4.0,
que trouxe a interconexão de toda a cadeia de valor, onde pessoas, máquinas e informações são
conectadas pela internet. Pode-se dizer que o fator mais relevante dessa revolução é a capacidade
de predição, ou seja, com dados passados e com as ferramentas disponíveis, como a internet das
coisas e análise de dados em nuvem, é possível saber como um processo irá responder a
alterações sem mesmo realizá-las de fato (HERMANN et Al, 2016).
Assim como outras indústrias, o setor de calçados também deverá revitalizar e transformar
seus processos de forma a manter sua sustentabilidade num meio competitivo. Mais
especificamente no Brasil, o setor de calçados passou por fortes crises devido à entrada de
produtos chineses no país. Como forma de melhorar o setor no país, foi criada a taxa antidumping,
que age como uma defesa comercial, onde é colocada uma sobretaxa na importação de calçados
da China (PETRY, 2017).
O Brasil está na 4ª posição entre os maiores produtores de sapatos do mundo, porém a
competividade do país no mercado doméstico e internacional passou por algumas baixas. De
acordo com o presidente executivo da ABICALÇADOS, Heitor Klein, há vários motivos para uma
perda de mercado de sapatos que passam pelo alto custo de produção no Brasil, pelas altíssimas
cargas tributárias e pela logística “cara e ineficiente”.
Dentro do setor de calçados, o número de vendas por e-commerce segue com um
crescente aumento. Dessa forma, tendo como foco armazéns de centro de distribuição de lojas
virtuais, esse trabalho visa proporcionar uma solução na área de logística, empregando o AGV
(Automated Guided Vehicle), criando uma nova forma de recebimento e despache dos calçados,
otimizando o gerenciamento dos produtos, evitando extravios, diminuindo esforço operacional para
alcançar maior competitividade do setor frente às adversidades.
2. O SETOR DE CALÇADOS
A indústria de calçados é um setor altamente dependente de uma logística estruturada.
Esse fato vem de aspectos como a alta diversidade de produtos, com modelos, tamanhos, cores e
materiais diversos, de diferentes valores agregados, além disso novas coleções são lançadas em
curtos períodos de tempo, onde a renovação de portfólio é uma consequência das necessidades
do cliente em querer novidades e pelo aumento do poder de consumo dos brasileiros em várias
áreas do país (PRADO et al., 2012). Outro fator a ser destacado é a forte concorrência entre as
empresas, destaca-se as operações asiáticas de vendas, por isso é de grande necessidade uma
renovação da cadeia logística e fornecedores, de forma a aumentar a rentabilidade e
competividade do negócio (JARA, 2013).
De acordo com o relatório setorial da indústria de calçados (2018), proporcionado pela
Abicalçados, a previsão para 2018 era de um crescimento tanto na produção de pares de calçados,
quanto em milhões de reais (veja FIGURA 1). Mesmo com outras previsões negativas e em meio a
crises em diversos setores, segundo uma pesquisa da Associação Brasileira de Lojistas de
Artefatos e Calçados, o varejo de calçados cresceu 2,6% em 2018. Portanto, mesmo em meio as
oscilações no mercado, o setor de calçados tem alto poder de crescimento no país, isso ainda
pode ser assemelhado ao aumento da produção de calçados em escala mundial.
FIGURA 1: Produção nacional em milhões de pares e em milhões de reais entre os anos de 2015 e 2018
Fonte: IBGE/Abicalçados

3. O DESAFIO
A logística abrange um campo amplo de atuação e tem foco na redução de custos, tempo e
de entrega. A logística é responsável por elevar a acessibilidade de um produto no tempo esperado
pelo consumidor, portanto, esse é um dos mais importantes meios para agregar valor às
mercadorias (SILVA et. Al, 2017). A Logística é definida não apenas pelo transporte, mas também
pela aquisição, armazenagem, planejamento de estoque, ou seja, a logística trata de operações
entre o fornecedor, a produção e a satisfação do cliente (NETO, 2015).
O setor de calçados demanda um atendimento logístico diferenciado devido aos pedidos
fracionados e diversificados. São observadas demandas sazonais, previstas ou não, e como
mencionado anteriormente, a criação de novas
coleções aumentam o número de produtos
(modelos, cores e tamanhos diferentes). Por
consequência, o número de unidades de
manutenção de estoque (SKU) ativas, é maior
do que em outros setores industriais. Esse
último fato é ampliado devido à alta
obsolescência dos calçados, o que faz girar mais
rapidamente o estoque e incrementa o número
de SKU’s (PRADO et al., 2012).
O número grande de variados calçados
dentro de um centro de distribuição irá exigir
maior quantidade de pessoas para a realização
da separação e expedição, de modo a alcançar
as exigências do mercado pelo serviço. O
gerenciamento desses processos logísticos
também exige maior esforço, pois a distribuição
dos calçados deve abranger um território
continental e deve acontecer a cada lançamento
de produtos, o que ocorre dinamicamente. Deve
ser salientado o fato de as lojas não manter
grandes estoques de calçados, pois a
diversidade destes é alta (PRADO et al., 2012).
Dentro desse setor, a venda pelo canal e-
commerce está em alta, o que pode ser
conferido pelo aspecto de que 20% do volume
de produtos transportados no Brasil são de
calçados. Segundo uma pesquisa do
eShopWorld, uma empresa provedora de plataformas de vendas online e global, o número de e-
consumidores passará de 60,5 milhões (2016) para 94,6 milhões de pessoas em 2021, o que gera
um crescimento de mais de 57% em cinco anos (veja FIGURA 2). Mais ainda, a pesquisa indica
que o segmento da moda continuará sendo líder do mercado de e-commerce no Brasil e pode
representar U$ 10 bilhões em 2021.
FIGURA 2: Número de consumidores online no Brasil em milhões de pessoas
Fonte: eshopworld
O QUE É SKU?
SKU vem do inglês e é a abreviação de Stock
Keeping Unit, ou Unidade de Manutenção de
Estoque. SKU é um código que é utilizado para
identificar um produto. Esse código deve ser único
para cada item, e gera informações como a
localização e quantidade dos produtos dentro do
fluxo logístico de uma empresa (HUDSON, 2018).
O código SKU segue uma lógica e deve ser criado
para que toda a equipe de logística entenda essa
identificação. O código pode ser criado pela cor,
modelo, formato, material, entre outros. Por exemplo,
se um produto for da marca X, cor Y e de material Z,
o código poderia ser o seguinte: MARX-COY-MATZ
(LIMA, 2016).
Uma diferença significativa entre o SKU e o
código de barras é o fato desse último código não ter
caráter único, pois de acordo com sua construção
numérica, eles podem ser comuns a várias outras
organizações, o que pode resultar em conflitos na
leitura dos produtos, tanto no centro de distribuição
como nos pontos finais de entrega (OLIVEIRA,
2018). A diferença do SKU com o código de barras é
que o SKU possui uma forma lógica e pode ser
identificado pelos operadores sem um leitor
A classificação dos produtos por SKU no ramo do
e-commerce facilitará e muito a gestão de estoques e
pedidos, pois o código estará integrado à loja virtual.
Isso impede, ou pelo menos evita, que produtos
errados cheguem aos consumidores.

Assim, com um maior número de compras, o setor deverá estar fortemente preparado para
atender e manter esse mercado. O gerenciamento dos produtos acabados desde o final da
produção, no armazenamento, na separação, expedição e logística reversa exigirá um controle
avançado que pode ser oferecido pelas tecnologias habilitadoras da chamada Indústria 4.0.
4. A PROPOSTA
Como o e-commerce está em alto crescimento, a proposta apresentada nesse artigo terá
como foco um armazém de um centro de distribuição de uma loja online X.
A proposta é implementar AGV na área do centro de distribuição para diminuir o esforço
braçal, ler os códigos de barras com sistema de sensoriamento embarcado e comparar com os
SKU’s registrados na loja online, organizar os produtos no local, receber e entregar as caixas de
sapatos na área de carregamento e acabar com erros entre pedidos e produtos entregues.
Para esclarecer mais sobre a proposta, é válido mencionar uma pesquisa disponibilizada
pela INDEVA® AGV (veja FIGURA 3) constatou que há um custo anual 64% menor considerando 5
AGV do tipo empilhadeira quando comparadas a 2 empilhadeiras comuns atuados por operadores
(mais detalhes sobre as considerações desses valores são encontrados na referência). Dessa
forma, essa modificação no armazém trará mais produtividade nas operações.
FIGURA 3: Gráfico comparativo de custos médios anuais entre AGV e empilhadeiras comuns
Fonte: INDEVA® AGV
Numa breve exemplificação, os AGV irão percorrer por todo o armazém movimentando os
produtos, identificando-os pelos códigos de barras e relacionando esses códigos com seus
respectivos SKUs (armazenados na nuvem). Esse processo:
• Irá otimizar o processo de organização dos produtos, diminuindo esforço operacional e
aumentando a produtividade da área.
• Controlará de forma eficiente as vendas com seus pedidos (pois os códigos SKUs estarão
relacionados aos produtos e serão apresentados nas páginas dos pedidos online);
• Reduzirá de forma extrema a probabilidade de ocorrer pedidos incorretos e extravio de
produtos dentro do armazém;
• Eliminará o gerenciamento dos produtos por planilhas ou outros softwares atualmente
empregados;
Além disso, se houver um conflito entre o sistema e os dados de algum produto, ou mesmo
algum problema nos próprios AGV, os supervisores de plantão irão buscar soluções e auxiliar todo
o processo logístico interno.
Os caminhões de entrega também estarão integrados a todos os dados gerenciados na
nuvem, dessa forma, suas rotas e suas cargas previstas seguirão num processo de otimização,
onde os AGV levarão às docas apropriadas os produtos previstos para determinado caminhão.
Tudo isso de forma a evitar cargas fracionadas e empregar sempre que possível a lotação (espaço
do caminhão completamente utilizado).

4.1. TECNOLOGIA AGV
AGV (Automated Guided Vehicle) é um veículo autoguiado, ou seja, não precisa de um
operador em sua operação, que é utilizado no transporte de materiais e produtos acabados e é
atualmente empregado na área de processos e logística em indústrias. Esses veículos são guiados
por demarcações no chão de fábrica ou se movimentam, que compõem o sistema de navegação
desses aparelhos e, devido a sua precisão os AGV podem se mover em espaços estreitos e
realizar manobras com habilidade superior às mãos humanas (LEITE et. Al, 2015).
Os AGV têm a função de garantir um eficiente fluxo de materiais dentro do processo em que
é alocado. Esses robôs garantem que os produtos cheguem nas estações no devido tempo, com o
produto correto e na quantidade determinada, atuando de forma Just in Time.
As maiores vantagens desse veículo são (ROCHA et al. 2010):
• Ausência da necessidade de um motorista;
• Controle mais eficiente da produção (ótimo para movimentos repetitivos/otimiza
espaço/trabalha com agendamento via cloud)
• Diminuição de danos causados por operação manual;
• Possui escalabilidade (aumento da expansão da frota)
• Flexibilidade e compacto (modificação de rotas/customização para produto);
• Segurança e ergonomia (menos acidentes e ambientes mais limpos);
• Facilidade na implementação e manutenção (de acordo com a maturidade da empresa);
• Retorno de investimento a médio prazo (redução do custo operacional);
4.1.1. Tipos de AGV
Essa tecnologia está em grande avanço no mercado e são utilizados para diversos fins e em
diferentes aplicações, portanto, não seria válido mencionar todos os tipos de AGVs existentes.
Dessa forma, utilizando o aspecto de como as cargas são transportadas, pode-se listar alguns tipos
representados a seguir (FELEDY & LUTTENBERGER, 2017).
a) AGV empilhadeiras (FIGURA 4a);
b) AGV piggyback/mesa de rolos (não carrega diretamente do chão) - (FIGURA 4b);
c) AGV de reboque (movimenta estruturas com cargas) - (FIGURA 4c);
d) AGV underride/arraste (movimentam carrinhos sob sua estrutura) - (FIGURA 4d);
e) AGV da linha de produção (transportam objetos durante a linha de produção) - (FIGURA
4e);
FIGURA 4: Imagens representativas dos cinco tipos mais comuns de AGV
Fonte: FELEDY & LUTTENBERGER, 2017
Além dos AGV mencionados, existem os veículos que são construídos especificamente para
determinados setores e necessidades.
a
e
d
c
b

1.2.2. Sistemas de Navegação
Assim como os tipos, existem vários sistemas de navegação dos AGV e a escolha do
sistema depende da necessidades e disponibilidade de investimento, pois eles são diferentes e
necessitam de manutenção adequada.
Dentre os sistemas mais empregados, estão (LATIF, 2015):
a) Wired AGV – ativo indutivo (um fio fixado e estendido por todo o mapa de navegação envia
sinais ao AGV) - (FIGURA 5a);
b) Fita-guia (uma fita magnética ou colorida e fixada ao chão e o sensor do AGV detecta a fita
na sua movimentação) - (FIGURA 5b);
c) Navegação a Laser (um laser é transmitido à espelhos refletores e de acordo com os
ângulos e distância é possível determinar a posição e a movimentação do AGV) - (FIGURA
5c);
d) Navegação natural (é realizado um mapeamento do ambiente e o AGV armazena pontos
característicos e únicos do ambiente de modo a se movimentar sem implementação de
outros dispositivos) - (FIGURA 5d);
FIGURA 5: Sistemas de navegação mais comuns dos AGV
Fonte: LATIF (2015); TRANSBOTICS
Ainda existem outros sistemas de navegação que empregam pontos magnéticos, câmera-
guia, orientação geográfica e outros. A escolha do sistema ocorre da mesma forma como na
escolha do tipo de AGV, ou seja, é necessário verificar as necessidades requeridas, as atividades
em si e o budget disponível.
5. A SOLUÇÃO
Antes de apresentar uma solução é preciso entender o nível de maturidade atual da área
em estudo. A TABELA 1 a seguir apresenta um modelo simples de cálculo para obter o grau de
maturidade. Os fatores são analisados e suas pontuações são somadas e divididas pelo número de
fatores. De forma a utilizar um armazém com um nível de maturidade pronto para a implementação
de artifícios da indústria 4.0, será considerado um cenário apresentado pela TABELA 1, onde o
nível de otimização e automação é máximo, e a convergência de dados já apresenta boa estrutura
para a fase da digitalização.
d
c
b
a

TABELA 1 – Tabela de cálculo da maturidade de um setor ou de uma planta.
Não Existe Baixo Uso Está Implantando É Comum Alto Uso Uso Total PONTOS
0 1 2 3 4 5 -
1 NÍVEL DE AUTOMAÇÃO x 5
2 OTIMIZAÇÃO DE FÁBRICA x 5
3 CONVERGÊNCIA DE DADOS x 2
4 DIGITALIZAÇÃO (IoT) x 0
5 CIBERSEGURANÇA x 0
6 USO DE CLOUD COMPUTING x 0
7 DECISÕES DIGITAIS (BIG DATA) x 0
8 TECNOLOGIAS HABILITADORAS x 0
12
ÍNDICE DE MATURIDADE PONTOS / QTD 1,5
ANÁLISE DE MATURIDADE DA PLANTA - PORTO VIDROS
n Fatores
Fonte: O autor (2019)
A FIGURA 6 mostra a escala de maturidade em relação a digitalização de uma área, setor,
ou uma planta em geral. Do valor 0 ao 1 temos um setor com alta automação e otimização. Entre o
1 e 5, temos a transição dessa planta entre a maturidade 3.0 e a maturidade completamente digital.
Nesse estudo, foi considerado um valor que pudesse representar de forma geral o setor e-
commerce de calçados no país, ou seja, maturidade de 1,5.
FIGURA 6 - Escala de maturidade
Fonte: O autor (2019)
Um sistema de navegação do AGV que será adequado ao centro de distribuição de
calçados é o sistema de navegação natural. Com esse sistema, a área será escaneada por um
scanner que lança laser por todo o ambiente. Além disso, o caminho do veículo pode ser facilmente
expandido ou modificado, possui um ótimo controle no gerenciamento de tráfico e não necessita de
implementação de aparelhos como refletores no prédio (LATIF, 2015). Esse sistema de navegação,
junto ao software de controle e visualização das rotas dos AGV possibilitará identificar a posição
dos veículos e sua movimentação com as caixas de sapatos.
Os AGV em questão possuirão elevadores de carga, para possibilitar a movimentação das
caixas em racks (estruturas horizontais de armazenamento). O carregamento será por indução,
onde a carga é transferida sem contato físico e implementa mais rapidez e autonomia nas
operações dos veículos. (veja modelo de AGV e carregamento na FIGURA 7 e FIGURA 8,
respectivamente).
FIGURA 7 - Exemplo de AGV com elevador de
carga
Fonte: SKILLED GROUP®
FIGURA 8 - Exemplo de sistema de caga por
indução (transferência de energia sem fio)
Fonte: SINOVA
Outro fator importante para a escolha desse modelo de AGV é devido ao fato de possuir
um movimento mais flexível e isso é requerido depois ao relativo pequeno tamanho das caixas de
sapato. Ou seja, se utilizássemos sistemas com fitas magnéticas, seria necessário implementar
muitos caminhos para movimentação, o que com o tempo poderia trazer falhas ao sistema, pois
pode haver desgaste dessas fitas.

6. IMPLANTAÇÃO
6.1. LAYOUT DO ARMAZÉM E SUAS MOVIMENTAÇÕES
A FIGURA 9 representa um layout do centro de distribuição do e-commerce X, e compõe
um modelo genérico do posicionamento das áreas. De forma mais prática e direta, sabendo que
um carregamento de calçados para determinado comprador é composto por diversos produtos
(vários SKUs), é conhecido a necessidade do auxílio de diversos operadores para possibilitar a
movimentação das caixas de várias seções, num tempo adequado, de modo a atender a
demanda advinda das vendas pelo e-commerce.
Supondo que a loja virtual X venda 1000 pares de sapatos por dia, que os sapatos sejam
de seções diferentes em igual distribuição, que o tempo de localização e carregamento por caixa
seja de 10 minutos, que a velocidade média dos operadores seja de 1,5 m/s, e que a distância
média entre a caixa de sapato e área de carregamento seja de 25 m (o qual foi considerado a
partir de uma média de rotas disponíveis entre as seções e as docas de expedição na FIGURA 9),
que a jornada diária de um operador é composto por 6,5h de atividades (considerando apenas um
turno), e que é possível realizar o carregamento simultâneo de três caixas sapatos por operador,
obtém-se um valor médio de operadores igual à:
𝑁º 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠 = (1000 𝑝𝑎𝑟𝑒𝑠 𝑑𝑒 𝑠𝑎𝑝𝑎𝑡𝑜𝑠 ∗ 𝑡𝑒𝑚𝑝𝑜 𝑑𝑒 𝑝𝑖𝑐𝑘𝑖𝑛𝑔) / (6,5ℎ ∗ 3 𝑐𝑎𝑖𝑥𝑎𝑠/𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟)
𝑁º 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠 = (1000 𝑝𝑎𝑟𝑒𝑠 𝑑𝑒 𝑠𝑎𝑝𝑎𝑡𝑜𝑠 ∗ ((25 𝑚/1,5 𝑚/𝑠) + 10min) / (6,5ℎ ∗ 3 𝑐𝑎𝑖𝑥𝑎𝑠/𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟)
𝑁º 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠 = 9 (𝑒𝑚 𝑢𝑚 𝑡𝑢𝑟𝑛𝑜 𝑎𝑝𝑒𝑛𝑎𝑠)
𝑁º 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠 = 27 (𝑛𝑜𝑠 𝑡𝑟ê𝑠 𝑡𝑢𝑟𝑛𝑜𝑠)
FIGURA 9: Layout demonstrativo do armazém e centro de distribuição do e-commerce X
Fonte: Criado a partir do software SMARTDRAW
Considerando a implantação dos AGV e sabendo que a atuação desses veículos é
ininterrupta numa jornada de 8 horas, considerando uma velocidade média de 2 m/s, é possível
obter um valor para a quantidades de veículos necessários nesse ambiente que trabalhará
durante os três turnos.
𝑁º 𝑑𝑒 AGV = (1000 𝑝𝑎𝑟𝑒𝑠 𝑑𝑒 𝑠𝑎𝑝𝑎𝑡𝑜𝑠 ∗ ((25 𝑚/2 𝑚/𝑠) + 10min) / (8ℎ ∗ 3 𝑐𝑎𝑖𝑥𝑎𝑠/𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟)
𝑁º 𝑑𝑒 AGV = 7 (𝑝𝑎𝑟𝑎 𝑜𝑠 𝑡𝑟ê𝑠 𝑡𝑢𝑟𝑛𝑜𝑠)
Os cálculos e os valores gerados ainda necessitam de forte embasamento empírico, mas
de forma genérica é possível perceber o quanto em aumento de produtividade será gerado a partir
da implementação desses veículos.

6.2. MAPEAMENTO DO ARMAZÉM
O mapeamento do ambiente é realizado por um laser scanner dedicado à navegação.
Esse laser é denominado LIDAR (Light Imaging Detection And Ranging). O funcionamento desse
sistema a laser ocorre pela emissão de pulsos de radiações eletromagnéticas com elevada
frequência de repetição, esses pulsos retornam ao sensor do AGV, fazendo com que seja possível
medir estimativas de distâncias entre o AGV e os componentes físicos do ambiente (GIONGO et
al., 2010). O processo de reconhecimento e mapeamento do prédio, racks, colunas, máquinas, é
realizado em três etapas.
As etapas descritas a seguir foram bem descritas pela empresa BALYO NAVIGATION,
desse modo, é válido apresentar os modelos construídos com o sistema apresentado pela
empresa. Inicialmente o AGV é movido manualmente por toda a estrutura onde será integrado.
Com o sistema a laser, o AGV reconhece e grava aspectos (racks, muros, pallets, etc) do
ambiente dentro de um mapa em 2D (FIGURA 10a).
No segundo estágio o sistema realiza uma limpeza do rascunho do mapa criado. Dessa
forma, o sistema pode reconhecer e pontuar de forma mais clara os pontos de referência, como
paredes ou colunas, que serão empregadas como guias na movimentação do AGV (FIGURA
10b).
No último estágio, um mapa de referência é integrado no computador do AGV, de modo
que haja uma comparação entre o ambiente conhecido (mapa de referência) com o ambiente
criado pelo robô (laser scanner) (FIGURA 10c).
FIGURA 10: Etapas do mapeamento por Laser (sistema LIDAR).
Fonte: BALYO NAVIGATION
6.3. A ARQUITETURA DO SISTEMA
A arquitetura de um sistema representa como os dispositivos são conectados entre si e
como as informações são compartilhadas entre eles. No caso em estudo, é preciso mencionar que
nas empresas existe o sistema ERP (Enterprise Resource Planning) que é um sistema integrado
de gestão empresarial, onde há a integração entre as atividades de vendas, finanças, estoque,
compras, recursos humanos, produção e logística. Agora, se tratando mais especificamente de
armazéns, as indústrias geralmente empregam o sistema WMS (Warehouse Management
a b
c

System), o qual é um sistema que atua como um banco de dados de todas as movimentações
dentro de um armazém em tempo real, e isso é possibilitado a partir da leitura de códigos de
barras em todas as operações logísticas.
Os sistemas WMS e o ERP geralmente se encontram alocados num servidor local, como é
representado pela FIGURA 11. Esses sistemas irão gerenciar as informações internas e externas
de forma a adequar as operações dentro do armazém. Esses sistemas receberão informações de
vendas pelo e-commerce e dos fornecedores pela nuvem, onde a conexão entre ambos os pontos
será realizada via protocolo OPC-UA (linguagem de comunicação altamente empregada numa
conexão com clouds). Entre esses pontos é necessário inserir barreiras de proteção como os
firewalls e o roteador será encarregado por conectar as diferentes redes entre si.
No armazém, os dados recebidos pelo ERP e pelo WMS serão integrados ao software de
controle dos AGV, dessa forma, as informações geradas a partir do gerenciamento de tráfego
serão disponibilizados aos sistemas de controles dos AGV por meio de switches dentro da rede
local e enviadas via Wi-Fi a partir de pontos de acessos espalhados pelo armazém.
Dentro do armazém, os AGV se movimentarão de acordo com o mapeamento
anteriormente definido. As conferências de código de barras e SKUs e sistemas de segurança
serão realizadas a partir de sensores embarcados ao controle dos veículos. Além disso, haverá
uma comunicação entre os veículos de modo a otimizar o trafego de todo o armazém.
FIGURA 11: Esquema de uma arquitetura de sistema utilizando a tecnologia habilitadora AGV
Fonte: O autor
O objetivo de integrar todo esse projeto na nuvem é o de otimizar com uma maior
velocidade o sistema de tráfegos dos AGV, integrando as rotas de coletas das caixas de sapatos
com o recebimento de materiais com as vendas na internet e a necessidade de reposição dos
produtos com maior número de saída. A inteligência artificial dentro dessa arquitetura
disponibilizará uma predição de vendas e compras de produtos, dessa forma, o processo se
tornará mais autônomo e preparado para períodos de sazonalidade, onde pode haver aumento ou
diminuição das operações dentro do armazém.
7. PROCESSOS
A inclusão dos AGV no processo fará com que as informações entre clientes e
fornecedores sejam difundidas mais rapidamente e com um processo à prova de erros. Essas

considerações farão com que a maturidade dos processos vá de um valor de 1,5 ao valor 4, pois
haverá notável uso de tecnologia habilitadora, cloud computing, big data e convergência de dados
(veja TABELA 1).
A partir do clique de compra do produto pelo consumidor, o SKU respectivo ao calçado
será enviado à nuvem e relacionado ao código de barras do produto, o qual foi criado a partir do
sistema WMS. Na sequência, o sistema de rotas dos veículos direcionará o AGV ao produto, dado
que o sistema já tem armazenado a localização específica de todos os lotes com o auxílio do
mapeamento feito anteriormente com o LIDAR.
Após a localização e o despache do calçado, essa informação é enviada aos fornecedores
de modo a repor de forma inteligente novas unidades do mesmo produto, inserindo-o novamente
no sistema WMS do armazém e enviando-o via AGV do setor de recebimento até a localização
correta da caixa para armazenamento de sua posição de acordo com suas distâncias e
angulações a laser em referência a pontos físicos fixos e únicos.
Essa mudança do processo manual para o automático fará com que a produtividade
aumente, o tempo de picking diminua, dificultará extravios, evitará o envio de produtos diferentes
aos solicitados pelo consumidor, eliminará o gerenciamento dos SKUs por planilhas, e irá criar um
controle em tempo real desde os pedidos e entregas até os fornecedores.
8. PESSOAS
Há uma grande preocupação no universo da Indústria 4.0 tocante à empregabilidade.
Nesse estudo, a implementação de fato irá substituir a operação da movimentação manual de
caixas de sapatos dentro do armazém, mas os colaboradores que possuem essa atividade podem
ser treinados de modo a realizar outras funções.
Ainda será necessário pessoas que possam organizar as caixas de sapato dentro do
caminhão, pois a tecnologia empregada nesse trabalho não possuirá a habilidade de
movimentações diversas, apenas operações repetitivas. Além disso, será necessário implementar
treinamentos de como a capacitar operadores para serem supervisores da movimentação das
cargas pelos AGV, isso envolve tanto a correção de possíveis falhas que possam ocorrer na
leitura dos códigos e discrepâncias entre códigos e cargas, e também na necessidade de haver
pessoas habilitadas à realizar procedimentos para solucionar problemas técnicos de manutenção
durante a operação desses veículos.
Portanto, o objetivo aqui é o aumento da produtividade buscando sempre a preocupação
com os colaboradores da área. Incentivando a capacitação e a criação de novos cargos
adequados à transformação digital do armazém.
9. RESULTADOS ESPERADOS
A implementação dos AGV aumentará a produtividade do processo de movimentação
dentro do armazém, dado que essas operações repetitivas não serão mais manuais. Devido à
operação 24/7 dos veículos, não será necessário adquirir vários equipamentos, pois uma mínima
quantidade poderá ser empregada nos três turnos.
O investimento dos veículos tem um retorno a médio prazo, mas a diminuição operacional
do setor compensará os gastos envolvidos. Com a capacitação, alguns dos operadores da área se
tornarão supervisores do processo, corrigindo falhas pontuais e auxiliando em operações não
repetitivas.
De maneira geral, os AGV estarão integrados à toda logística do e-commerce X, desse
modo, as movimentações serão realizadas de forma inteligente, evitando desperdícios causados
por extravios, ou mesmo a realização de uma possível logística reversa caso seja enviado um
produto errado ao consumidor. Um ponto altamente conveniente é o fato de as compras
realizadas no site do e-commerce estarem conectadas via nuvem às movimentações dos
veículos, dessa forma o processo se torna mais otimizado e à prova de erros.

10. CONCLUSÕES
O setor de calçados no Brasil já passou por fortes quedas em vendas, porém, atualmente
há uma aparente elevação na produção, principalmente no mercado online. Os estudos indicam
crescimento do setor em e-commerce, pois o número de consumidores online está em contínuo
aumento. Como essa área trabalha com vários modelos, marcas, cores e números, é necessário
um forte controle logístico e operacional para atender a demanda atual.
De forma a otimizar os processos atuais, a implementação dos AGV visa otimizar a
movimentações dos estoques em conjunto com os pedidos diretamente do e-commerce em tempo
real. Essa tecnologia evitará erros devido aos seus sistemas ligados à nuvem, onde o
gerenciamento dos SKUs será aprimorado. A conexão direta entre o e-commerce X,
gerenciamento dos SKUs e movimentação dos AGV, trará uma logística no setor de calçados
altamente integrada e eficiente.
É evidente que a alocação desses equipamentos dentro dos armazéns substituirá o
esforço braçal, mas é também evidente e necessário a realização de capacitação de parte desses
funcionários para atuarem como supervisores do processo, tanto na parte de manutenção, quanto
na assistência de problemas advindos de falhas de leitura dos códigos, rotas de movimentação e
integração de toda a arquitetura do sistema.
Para ser mais competitivo, o país precisará se atualizar e implementar tecnologias
envolvidas à Indústria 4.0. Para o caso do setor calçadista, a otimização de processos dentro da
logística se torna um requisito de subsistência, dado aos baixos custos de produção em outros
países como a China. O estabelecimento da Indústria 4.0 é inevitável, portanto, devido à alta
competitividade em escala mundial, a inovação e o uso de novas tecnologias se tornou algo
fundamental.
REFERÊNCIAS BIBLIOGRÁFICAS
BALYO NAVIGATION. Geoguidance: navigation without infrastructure. Disponível em:
<https://www.balyo.com/Technology/Navigation>. Acessado em: 19/03/2019.
FELEDY, C.; LUTTENBERGER, M. S. A State of the Art Map of the AGVS Technology and a
Guideline for How and Where to Use It. FACULTY OF ENGINEERING, LTH – DEPARTMENT
OF INDUSTRIAL MANAGEMENT & LOGISTICS, DIVISION OF ENGINEERING LOGISTICS.
Maio de 2017.
GIONGO, M.; KOEHLER, H. S.; MACHADO, S. A.; KIRCHNER, F. F.; MARCHETTI, M. LIDAR:
princípios e aplicações florestais. Universidade Federal do Paraná. 2010.
HERMANN, M.; PANTEK, T.; OTTO, B. Design Principles for Industrie 4.0 Scenarios. IEE
Computer Society. Hawaii International Conference on System Sciences, 2016.
HUDSON, M. What Is a Stock Keeping Unit (SKU)?. Stock Keeping Units, or SKUs, are Valuable
for Tracking Inventory, outubro de 2018. Disponível em: <https://www.thebalancesmb.com/what-is-
a-sku-in-retail-terms-2890158>. Acessado em 01/04/2019.
JARA, M. C. CONCORRÊNCIA DOS PRODUTOS CHINESES E IMPACTOS NA INDÚSTRIA
CALÇADISTA DO RIO GRANDE DO SUL. Universidade Federal do Rio Grande do Sul. Porto
Alegre, 2013.
LATIF, A. K. B. A.; Robust Automated Guided Vehicle (AGV) Controller Design Method For
Uneven Terrains Application. UNIVERSITI TEKNIKAL MALAYSIA MELAKA. UNIVERSITI
TEKNIKAL MALAYSIA MELAKA / FACULTY OF ENGINEERING TECHNOLOGY. 2015.
LEITE, L. F. V. et. Al. SIMULATION OF A PRODUCTION LINE WITH AUTOMATED
GUIDED VEHICLE: A CASE STUDY. Independent Journal of Management and Production. Junho
de 2015.

LIMA, R. O que é SKU? (Stock Keeping Unit), julho de 2016. Disponível em:
<http://aprendendogestao.com.br/o-que-e-sku-stock-keeping-unit/>. Acessado em 01/04/2019.
MACHADO, L. A. Revoluções industriais: do vapor à Internet das coisas. COFECON –
CONSELHO FEDERAL DE ECONOMIA, outubro de 2016. Disponível em: <
https://www.cofecon.gov.br/2016/10/13/revolucoes-industriais-do-vapor-a-internet-das-coisas/>.
Acessado em 01/04/2019.
NETO, U. J. dos S. & SANTANA, L. C. de.; LOGÍSTICA E SERVIÇO AO CLIENTE COMO
ESTRATÉGIA COMPETITIVA. Faculdade Visconde de Cairu. Junho de 2015.
OLIVEIRA, D. SKUs: por que são tão importantes para minha empresa?, setembro de 2018.
Disponível em: < https://www.traycorp.com.br/conteudo/skus-por-que-sao-tao-importantes-para-
minha-empresa/>. Acessado em: 22/03/19.
PETRY, R.; Fim da barreira aos calçados da China já preocupa setor no País. DCI (Diário,
Comércio, Indústria e Serviços), outubro de 2017. Disponível em: <
https://www.dci.com.br/2.252/fim-da-barreira-aos-calcados-da-china-ja-preocupa-setor-no-pais-
1.515562>. Acessado em: 20/03/2019.
PRADO, A. A.; MAYO, D.; SIMABUKULO, L. F.; LOGWEB. Setor calçadista: uma logística com
itens fracionados e regida pela moda (2012). Disponível em: <http://www.logweb.com.br/setor-
calcadista-uma-logistica-com-itens-fracionados-e-regida-pela-moda/>. Acessado em 08/03/2019.
ROCHA, L. F., MOREIRA, A. P.; AZEVEDO, A. Flexible Internal Logistics Based on AGV
System’s: A Case Study. Faculdade de Engenharia Universidade do Porto, setembro de 2010.
SILVA, A. S.; SOUZA, A. H. ANÁLISE DA LOGÍSTICA INTERNA EM UMA EMPRESA DE
COMPONENTES PARA CALÇADOS EM SOMBRIO. Universidade Estadual de Santa Catarina.
Criciúma, Santa Catarina. 06/2017.
SINOVA. Veículos autoguiados (Sistema AGV): perfeitos para sua indústria. Disponível em:
<http://www.sinova.com.br/sistema-agv/> Acesso em: 11/03/2019.
SKILLED GROUP. AUTOMATED GUIDED VEHICLES. Disponível em: <
https://www.skilledgroup.com/products-category/automated-guided-vehicles/>. Acessado em
20/03/2019.
TRANSBOTICS. Guidance / Navigation Technology. Disponível em:
<https://www.transbotics.com/learning-center/guidance-navigation>. Acessado em: 18/03/19.
GLOSSÁRIO
ACCESS POINT – Dispositivo que se conecta a uma rede cabeada e fornece acesso sem fio a
essa rede.
E-COMMERCE – Comércio de produtos de uma empresa numa plataforma virtual própria.
ETHERNET – Padrão de interconexão entre redes locais.
FIREWALL – Dispositivo de segurança da rede que permite ou bloqueia tráfegos de dados
específicos segundo regras pré-definidas de segurança.
MES – Manufacturing Execution System / Sistemas de execução da manufatura.

NUVEM/CLOUD – Rede global de servidores remotos associados à internet.
OPC UA – Open Platform Communications Unified Architecture é um protocolo aberto de
comunicação de dados industriais que está sendo amplamente empregado no campo da Indústria
4.0.
PROFINET – Protocolo (linguagem) baseado em Ethernet para conectar dispositivos do processo
aos sistemas de controle.
PIMS – Plant Information Management System / Sistema de gerenciamento de informações da
Planta.
SWITCH – Equipamento para estender os pontos de rede, conectando todos os aparelhos que em
uma rede.
TEMPO DE PICKING – Tempo de preparação, separação e despache dos pedidos.
(*) Autor: Autor: Felipe Martini Pantaleão, Consultor Trainee de
Digitalização e Indústria 4.0 – SENAI São Paulo
(**) Orientador: Márcio Henrique Venturelli, Coordenador
Técnico - Digitalização e Indústria 4.0 - SENAI São Paulo

PROPOSTA DE APLICAÇÃO DE AGV (VEÍCULO AUTOGUIADO) PARA REDUÇÃO
DE DEFEITOS DE FABRICAÇÃO NA INDÚSTRIA MOVELEIRA
Autor: Vinícius Barcos Galli
Consultor Trainee de Digitalização e Indústria 4.0 – SENAI São Paulo
Coordenador Técnico – Digitalização e Indústria 4.0 – SENAI São Paulo
RESUMO
O presente artigo trata da proposta de aplicação de veículos guiados automaticamente (AGVs) em
uma indústria de móveis planejados, para solucionar problemas de defeitos de fabricação nos
produtos, seguindo a crescente do conceito de indústria 4.0 na manufatura. O objetivo do uso da
tecnologia é garantir a qualidade dos produtos pelo transporte e manuseio preciso e controlado de
peças acabadas. Como solução, propõe-se a utilização de veículos autoguiados nas etapas finais
de produção e a adição de uma linha de inspeção visual. Na implantação, é sugerida a utilização
de dois sistemas de veículos autônomos, um empregando AGV com função de reboque e outro de
carga única, ambos com tecnologia de navegação por faixas magnéticas e comunicação Wi-Fi.
Para o meio produtivo, são necessárias modificações como a instalação de fitas magnéticas,
pontos de acesso e Desktop para o monitoramento e controle dos AGVs via Software. Como
resultados da implementação, espera-se a redução de defeitos de fabricação e reclamações dos
consumidores, além de ganhos em produtividade e segurança. De forma geral, conclui-se que os
AGVs são tecnologias flexíveis, seguras e altamente produtivas, sendo uma ótima solução para
automatizar o transporte de materiais e garantir a qualidade dos produtos na indústria.
Palavras chave: AGV, veículos autônomos, indústria, tecnologia, qualidade.
ABSTRACT
The present article deals with the proposed application of automated guided vehicles (AGVs) in a
planned furniture industry, to solve problems of manufacturing defects in products, following the
growing concept of industry 4.0 in manufacturing. The objective of using the technology is to
ensure products quality by transporting and handling finished parts in a precise and controlled way.
As a solution, it is proposed the application of autonomous vehicles in the final stages of
production and the addition of a visual inspection line. In the implementation, it is suggested the
utilization of two autonomous vehicle systems, one applying AGV with towing function and other
with single load function, both using magnetic tape navigation technology and Wi-Fi
communication. For the productive environment, modifications are required such as the installation
of magnetic tapes, access points and Desktop for monitoring and controlling the AGVs by
Software. As a result of the implementation, it is expected to reduce the manufacturing defects and
complaints from consumers, besides increased productivity and safety. In general, it is concluded
that AGVs are a flexible, safe and highly productive technologies, being a great solution to
automate the materials transportation and guarantee the quality of the products in industry.
Keywords: AGV, autonomous vehicles, industry, technology, quality.
INTRODUÇÃO
A quarta revolução industrial já é um processo em andamento, países como Estados Unidos
e Alemanha já dispõem de processos onde as decisões no chão de fábrica são tomadas pelas
próprias máquinas, a partir de uma coleta de dados em tempo real. Essa realidade é uma
necessidade das indústrias se manterem competitivas, empresas do mundo todo correm contra o
tempo para entrar na era da chamada indústria 4.0 (ESTÚDIO ABC, 2017).

A nova lógica de produção, conhecida como indústria 4.0, nasceu na Alemanha no ano de
2011, onde deu início o processo de digitalização da operação industrial. O conceito de internet
das coisas (IoT) junto com a automatização industrial resulta em uma inteligência na manufatura e
um universo de possibilidades para diversos fabricantes. Nessa realidade, máquinas estão
interconectadas, conversam e trocam informações entre si, armazenando e processando dados
em uma nuvem computacional. Isso resulta em auxílio para tomada de decisões, controles
operacionais, predições de manutenção, identificação e correção de defeitos de forma autônoma
(ESTÚDIO ABC, 2017).
No Brasil, a indústria 4.0 ainda é uma realidade distante. Apesar de muitas indústrias já
terem automatizado seus processos, ainda não alcançaram a manufatura digital. O conceito de
digitalização ainda é pouco difundido, investir em inovação e educação são formas de reverter
esse cenário. Já até existem instituições, empresas e universidades trabalhando em torno da
indústria 4.0, porém, ainda é um movimento disperso, não há um grande projeto que agregue
esforços e gere massa crítica de mão de obra, qualificação e mercado (ESTÚDIO ABC, 2017).
Para a indústria atingir um patamar digital, é necessário percorrer um caminho de transição,
onde é necessário implementar sistemas de automação que a indústria digital demanda. O que
conhecemos hoje com a pirâmide da automação 3.0, um sistema majoritariamente verticalizado,
caracterizado pelas decisões lentas e pouco flexíveis, será substituído por um sistema digital,
onde existe a interconexão de todas as informações, verticais e horizontais, integrando toda a
cadeia de valor do negócio em tempo real (VENTURELLI, 2018).
No setor moveleiro, a indústria 4.0 atinge não apenas as etapas de produção do mobiliário,
mas todos os aspectos da empresa, desde a gestão de aquisição de matérias-primas até a
execução de projetos em máquinas operacionais como a formação de redes de computadores e
armazenagem de dados em nuvem, impressoras e equipamentos, reposição automática de
matérias-primas, Softwares ERP multiplataforma, modelagem de projetos 3D, ordens de produção
automáticas (EMOBILE, 2018).
Segundo Cláudio Perin, consultor especializado em processos industriais moveleiros, o
cenário mais relevante de indústria 4.0 para o setor moveleiro é o de integração de todos os
elementos e processos, a conexão e tráfego mais fluído de informações entre os diferentes
departamentos, reduzindo a ação humana e garantindo maior eficiência, produtividade,
assertividade e registro de informações. O consultor ainda afirma que a indústria 4.0 é um
conceito aplicável nos mais diferentes tipos de indústrias moveleiras, como seriadas, planejadas e
mesmo a sob medida. Entretanto, a demanda para a customização e personalização do processo
produtivo cresce na medida que existem tecnologias disponíveis que propiciam a melhor
experiência aos clientes (EMOBILE, 2018).
Figura 1 - Indústria 4.0 no setor moveleiro – (Fonte: WPS CONSULTORIA E SISTEMAS-2018)
Em meio ao desenvolvimento tecnológico e desafios inerentes à quarta revolução industrial,
o presente artigo apresenta uma proposta de aplicação da tecnologia habilitadora de veículos
guiados automaticamente (AGVs) em uma indústria de móveis planejados, que apresenta
problemas com excesso de defeitos de fabricação nos produtos e elevado número de
reclamações de clientes. Os AGVs são capazes de auxiliar na solução por ser uma tecnologia que

automatiza o transporte através de um manuseio preciso e controlado de peças, reduzindo,
portanto, defeitos oriundos do transporte manual e manuseio incorreto dos materiais.
O SETOR
As tecnologias são ferramentas que podem auxiliar no processo produtivo e proporcionar
aos consumidores a melhor experiência na aquisição de produtos através da personalização,
qualidade, rapidez e custo acessível. O presente artigo trata de uma indústria de móveis
planejados, com automação e nível de maturidade suficiente para iniciar um processo de
digitalização. O fluxograma produtivo da empresa é apresentado a seguir (CORSO; BERTIN;
SEVERO; GUIMARÃES; EL-AOUAR, 2015):
Figura 2 - Fluxograma do processo produtivo – (Fonte: Autoria própria)
Na etapa de estoque de matéria prima (MDF), a empresa possui um sistema eletrônico e
automatizado de armazenagem e transporte, utilizando tecnologias de sucção por vácuo para
manuseio das peças. Posteriormente, nas etapas de manufatura, a empresa conta com máquinas
automatizadas, centros de usinagem (CNC) associados à um Software CAD/CAM, onde o projeto
do móvel é realizado junto ao cliente, participando ativamente das decisões. O transporte de
peças entre as etapas de produção é realizado manualmente por pessoas, carros de transporte e
empilhadeiras. Após produzidas e acabadas, as peças são estocadas para posterior separação e
embalagem para envio ao cliente final. A inspeção visual de qualidade é realizada pelos
operadores durante as etapas de produção. A empresa conta com um sistema ERP para
planejamento das produções diárias.
O DESAFIO
A empresa enfrenta sérios problemas de qualidade nos produtos, com excesso de defeitos
de fabricação e inúmeras reclamações de clientes relatando avarias em peças como riscos,
deformações, pinturas desbotadas, componentes soltos ou mal encaixados. As falhas são
extremamente prejudiciais por denegrir a imagem da empresa com a cadeia de clientes, gerar
grandes demandas de assistência técnica, reprocessos e retrabalhos.

Portanto, o principal desafio da empresa é aprimorar o processo produtivo para garantir a
qualidade dos produtos produzidos. Além disso, criar um controle de qualidade para tratar falhas
internamente e evitar que atinjam os clientes finais.
A PROPOSTA
Após mapeamento do fluxo produtivo, acredita-se que a principal causa para os defeitos nos
produtos é o transporte e manuseio inadequado das peças acabadas. Essas tarefas são
realizadas manualmente, sem o controle e precisão que são necessários para uma produção
eficiente e homogênea.
Para solucionar essas adversidades, propõe-se a aplicação da tecnologia de veículos
guiados automaticamente (AGVs), que garantem o transporte automatizado, controlado, preciso e
seguro, manuseando as peças corretamente e evitando falhas. Além disso, propõe-se adicionar
uma linha para inspeção visual, estação de trabalho entre as etapas de embalagem e separação,
garantindo a qualidade dos produtos antes de embalar e enviar ao cliente final.
A seguir, são apresentadas, esquematicamente, as mudanças sugeridas no fluxo produtivo
da empresa:
Figura 3 - Fluxograma produtivo sugerido – (Fonte: Autoria própria)
A SOLUÇÃO E IMPLANTAÇÃO
Como apresentado na proposta, é sugerida a implementação da tecnologia de veículos
autoguiados (AGVs) nas etapas finais de produção e a adição de uma linha de inspeção visual.
Para a linha de inspeção, propõe-se criar uma estação de trabalho fixa, entre as etapas de
separação e embalagem, alocando uma pessoa que será responsável por essa função. Dessa
forma, os AGVs transportam as peças até esse local e, após inspecionadas e liberadas pela
pessoa responsável, os veículos seguem caminho e conduzem os insumos até a etapa de
embalagem.
Para a implantação da tecnologia de AGVs, determinam-se as rotas de operação, que
variam de acordo com o leiaute produtivo e atividades a serem executadas. A seguir, apresenta-
se, de forma esquemática, o desenho de rotas sugerido para a empresa:

Figura 4 - Leiaute produtivo e implantação de AGVs – (Fonte: Autoria própria)
Como apresentado na figura 4, são sugeridos dois sistemas de AGVs com duas rotas, uma
que abastece o estoque intermediário, vindo da etapa de acabamento, outra que abastece as
etapas de separação, embalagem e expedição, vindo do estoque intermediário.
Em termos de tecnologia de navegação, propõe-se, para ambos os sistemas de veículos
autônomos, o uso do método de faixas magnéticas, por ser pouco invasivo, flexível e
economicamente viável. Nesse caso, é necessária a instalação de fitas magnéticas no chão da
fábrica, que guiarão os AGVs nas trajetórias desenhadas.
Como os sistemas irão executar tarefas com necessidades distintas, é sugerida a aplicação
de diferentes tipos de veículos autônomos. Para o sistema 1, recomenda-se o emprego de AGVs
com a função de reboque, pois é a solução mais adequada para os grandes volumes de materiais
a serem transportados, desde a etapa de acabamento até o estoque intermediário.
Com relação ao sistema 2, é recomendada a utilização de AGVs com a função de carga
única, pois é a solução mais adequada para as altas densidades de entrega de produtos nas
etapas produtivas. Esse sistema permite a automatização dos carregamentos e
descarregamentos, reduzindo operações manuais em que um manuseio inadequado poderia
danificar os materiais. Nesse caso, são empregados múltiplos AGVs.
Os veículos autoguiados são controlados e gerenciados por Software, hospedado em
nuvem computacional. A comunicação com a rede Ethernet local é via Wi-Fi. A implantação dos
sistemas propostos exige uma eficiente infraestrutura de comunicação, onde recomenda-se
espalhar pontos de acesso (access points) pela fábrica, próximos às trajetórias dos AGVs. Para
supervisão e operação do Software, é sugerido a instalação de um Desktop dedicado e uma
pessoa que ficará responsável por essa função.
A seguir, de forma esquemática, apresenta-se a arquitetura de solução com as propostas
apresentadas:

Figura 5- Arquitetura de solução da proposta de AGV – (Fonte: Autoria própria)
A TECNOLOGIA
O veículo guiado automaticamente (AGV – Automated Guided Vehicle) é uma das
tecnologias mais interessantes para o transporte, transferência e armazenagem de produtos,
interconectando diversas áreas ou máquinas. É um sistema de transporte seguro e eficaz,
gerando benefícios à produção e aos seus usuários. Surgem como alternativa ao transporte
clássico manual, realizado por pessoas e máquinas empilhadeiras (SOUZA; ROYER, 2013).
Os AGVs são veículos elétricos programados com locomoção autônoma em trajetórias
definidas, guiados por fitas magnéticas, trilhos, sensores ópticos, laser ou rádio frequência.
Empregam baterias como fonte de energia, o que lhes permitem operar 24 horas diárias,
oferecendo, portanto, ganhos em disponibilidade com relação ao sistema tradicional de
equipamentos manuais e intervenções humanas (SOUZA; ROYER, 2013).
Dentre as vantagens do sistema de veículos autoguiados, podem-se citar a flexibilidade,
pois podem ser implementados ou adaptados em diferentes aplicações, eficiência e redução de
custos (SANTOS, 2013).
Um dos principais ganhos da utilização dos veículos autônomos no meio produtivo é a
segurança, pois o sistema opera em velocidade contínua e programada, além de ser equipado
com sensores ópticos e ultrassônicos em todos os lados, evitando colisões com obstáculos,
operadores ou até mesmo outros veículos da fábrica. Além disso, evidencia-se ganhos em
produtividade, melhor controle operacional devido ao sistema ser controlado por computador,
melhores condições ambientais e acústicas da fábrica por gerarem mínimos ruídos (SOUZA;
ROYER, 2013).
Os veículos sem motorista podem estar em um futuro distante para os consumidores, mas
no âmbito da indústria de manufatura já estão sendo usados para aumentar a produtividade e
melhorar a flexibilidade no fluxo de produção. Os AGVs podem estar vinculados a sistemas de
planejamento de recursos empresariais (ERP) e sistemas de execução de manufatura (MES), se
tornando parte integrante da fabricação sincronizada e sob encomenda (LYDON, 2018).

Figura 6 - AGVs no ambiente industrial – (Fonte: LYDON-2018)
O avanço das tecnologias de navegação tem sido um fator essencial para o aumento da
utilização de veículos autoguiados como sistema de transporte no ambiente industrial (LYDON,
2018). A seguir, serão apresentados os principais métodos empregados na indústria e suas
características:
Sistema filoguiado: método de navegação de trajetória fixa amplamente empregado nas
indústrias. Consiste em traçar uma rota e fazer um corte no piso, onde são instalados condutores
elétricos embutidos. O mecanismo de funcionamento é pelo cabo que cria um campo magnético
devido à corrente elétrica que o atravessa, sendo detectado por uma antena colocada no AGV. É
um sistema não flexível por não permitir a fácil alteração de rotas, porém, amplamente empregado
pela sua simplicidade e robustez (SANTOS, 2013).
Sistema de faixas: método de navegação de trajetória fixa, consiste na colocação de fitas
magnéticas no piso, coladas ou pintadas. O mecanismo de funcionamento é semelhante ao
sistema filoguiado, porém, ao invés de cabos elétricos utiliza faixas magnéticas e sensores
apropriados. A principal vantagem é a flexibilidade na modificação das rotas, porém, em
contrapartida, a fita pode ser danificada ou desgastada na movimentação de pessoas e objetos
sobre ela. O sistema é recomendado para AGVs de baixo custo e pequenas dimensões
(SANTOS, 2013).
Sistema óptico: método de navegação de trajetória fixa, consiste na colocação de faixas
marcadas por pintura ou adesivas. O mecanismo de funcionamento é através de sensores ópticos
que detectam as faixas e calculam desvios de trajetória. É um sistema flexível por permitir a fácil
modificação de rotas. Alguns sistemas utilizam luz ultravioleta (UV) embaixo do veículo para
iluminar faixas que podem não ser visíveis em luz natural. Podem ser transmitidas imagens de
vídeo em tempo real para um monitor, ou realizar leitura de código de barras fixos no chão para
identificar estações de trabalho ou trocas de trajetória. A aplicação do sistema em ambientes
industriais pode ser dificultada pela necessidade de limpeza e reaplicação das faixas (CRANE
TECH SOLUTIONS, 2019).
Sistema de triangulação laser: método de navegação de trajetória dinâmica, consiste no
posicionamento de postes ou faróis refletores em colunas, paredes ou locais altos de fácil acesso
ao laser utilizado pelos AGVs, que executa um varrimento rotativo à procura dos refletores, que
são pontos de referência para a localização dos veículos autônomos. A detecção de 3 pontos de
referência fornece a localização dos AGVs por triangulação, baseando-se em algoritmos de
controle. Portanto, é necessário um bom planejamento da disposição dos refletores. O sistema
não requer nenhuma modificação no piso da fábrica. É um método flexível, confiável, seguro e
preciso (SANTOS, 2013).

Figura 7 - Tecnologias de navegação: filoguiado, magnético, óptico e laser – (Fonte: CRANE TECH
SOLUTIONS-2019)
Sistema de marcadores: método de navegação de trajetória dinâmica, consiste na
marcação do chão da fábrica com pequenos discos magnéticos espaçados entre si. O mecanismo
de funcionamento baseia-se no armazenamento das coordenadas dos discos em uma base de
dados do AGV e, ao serem detectados por sensores, determina-se a posição do veículo. Caso
ocorra algum desvio na trajetória idealizada por acumulação de erros, o AGV não irá encontrar o
próximo marcador e ficará perdido, por isso, esse sistema é normalmente empregado com um
giroscópio. É um modelo bastante flexível e permite que as rotas sejam alteradas facilmente
(SANTOS, 2013).
Sistema natural: método de navegação de trajetória dinâmica, utiliza o ambiente existente
para a locomoção, sem a necessidade de modificar o ambiente produtivo, facilitando a integração
aos processos existentes e apresentando um curto tempo de implementação. A principal
tecnologia empregada é o sensor LiDAR (Light Detection And Ranging) (LYDON, 2018).
Para a implementação, primeiramente é realizado o mapeamento do local de operação por
scanners a laser, onde o robô recebe os dados e transcreve para um mapa 2D, utilizando como
base elementos de referência. O mapa de referência é integrado na memória do robô juntamente
com as rotas. A operação é feita através da emissão em tempo real de feixes laser pelo scanner
em 360° do ambiente que está inserido, correlaciona com o mapa de referência e calcula sua
posição, movendo-se de forma autônoma (BYLON, 2016).
Embora seja uma tecnologia amplamente difundida, ainda esbarra nos elevados custos do
sensor LiDAR. Embora algumas alternativas mais baratas tenham surgido, ainda não oferecem o
mesmo nível de detalhe que os carros autônomos precisam para operar com segurança (NAPOL,
2017).
Figura 8 - AGV com sistema de navegação natural (LiDAR) – (Fonte: LIDAR NEWS-2016)

Além das diversas tecnologias de navegação empregadas nos sistemas de veículos
autônomos, existem tipos de AGVs que executam funções distintas no ambiente produtivo, de
acordo com a aplicação. A seguir, serão apresentados os modelos mais comumente utilizados
(MHI, 2012):
Função de reboque (Tow Vehicle): veículo autônomo com mecanismo para rebocar um ou
mais trens de carga para transporte de produtos. As cargas podem ser colocadas nos trens
manualmente ou por máquinas autônomas. É uma solução econômica por transportar grandes
quantidades de carga por viagem e suportar pesos elevados.
Figura 9 - AGV com a função de reboque (Tow Vehicle) – (Fonte: DEMATIC-2019)
Função de carga única (Unit Load): veículo autônomo que transporta cargas individuais,
com design compacto e projetado para suportar o peso acima de sua base. Pode ter a capacidade
de carregamentos e descarregamentos automáticos junto a cilindros e correias transportadoras.
Normalmente, são aplicados para transporte de pequenas cargas.
Figura 10 - AGV para transporte de carga única (Unit Load) – (Fonte: MURATEC-2019)
Função de cargas em pallets (Pallet Trucks): veículo autônomo aplicado no transporte de
cargas em pallets, são flexíveis e dotam de mecanismo de movimento vertical para alcance de
materiais em prateleiras e estantes, relembrando máquinas usuais como empilhadeiras manuais.
Figura 11- AGV para transporte de cargas em pallets (Pallet Trucks) – (Fonte: REYNOLDS-2014)

Função de cargas customizadas: veículo autônomo utilizado em situações que
necessitem a movimentação de cargas únicas, onde tamanho, formato e capacidade podem variar
consideravelmente. Essa solução é comumente empregada para transporte de produtos durante o
processo produtivo ou acabado.
Figura 12 - AGV para transporte de peças únicas, feitos sob medida – (Fonte: REDVIKING-2015)
Os AGVs operam de forma segura e garantem a integridade do meio produtivo, pois dotam
de dispositivos de segurança e são construídos com base na norma europeia para segurança de
veículos autônomos (EN1525 - Driverless industrial trucks and their systems) (SANTOS, 2013).
Os principais dispositivos de segurança são os sensores de obstáculos, que detectam
objetos no seu campo de visão, calculam distâncias e, em caso de aproximação, reduz a
velocidade do veículo ou atinge o repouso. Em caso de falha nos sensores, um sistema de para-
choques aciona mecanicamente e garante o repouso. Além disso, os veículos são equipados com
dispositivos de sinalização para indicar presença, como luzes piscantes e alertas sonoros. O
sistema ainda tem a opção de operar manualmente e, em caso de emergência, botões de
paragem brusca podem ser acionados (SANTOS, 2013).
Figura 13 - Dispositivos de segurança nos AGVs – (Fonte: SICK-2019)
AS PESSOAS
A indústria 4.0 potencializa a automação, cenário onde as máquinas assumem ainda mais
as funções humanas. Com essa nova realidade, surgem novas profissões como o cientista de
dados. Em contrapartida, muitos profissionais deixam de existir e precisam ser realocados para
atividades mais estratégicas. Ao que tudo indica, o saldo será negativo, e as máquinas
inteligentes vão resultar em demissões no mundo todo (FIA, 2018).
Na Europa, governantes e economistas começam a planejar soluções para esses
problemas. Uma das propostas é aperfeiçoar o Estado de bem-estar social que vigora com
sucesso, especialmente em países nórdicos, como a Dinamarca do economista Erik Brynjolfsson.
Em seu livro, A segunda era das Máquinas, o autor afirma que a sociedade precisa discutir a

distribuição de prosperidade com urgência, afinal, a indústria 4.0 trará riqueza para alguns, mas
demissões em massa para outros. Para o economista, ações como o aumento de impostos e
renda básica universal são soluções para o novo cenário econômico evidenciado pela indústria
4.0 (FIA, 2018).
Do presente artigo, para entender como as pessoas são impactadas com as propostas
sugeridas, primeiramente é necessário entender como as atividades são realizadas. No geral, o
transporte e manuseio de peças são realizados manualmente por pessoas, carros e
empilhadeiras. Entre as etapas de produção, pelo menos uma pessoa atua no transporte de
material. Como a solução abrange quatro etapas de produção, no mínimo quatro pessoas serão
afetadas pelas mudanças sugeridas.
A ideia sempre é a realocação das pessoas, porém, uma consequência quase que inevitável
do uso das tecnologias é a redução da necessidade de mão de obra operacional, pois as
soluções, em si, automatizam tarefas antes executadas por pessoas.
Das quatro pessoas afetadas, sugere-se a realocação de duas dentro dos próprios setores.
Uma pode ser alocada na linha de inspeção visual, estação de trabalho adicionada na solução. A
outra ficará responsável pela gestão e supervisão do sistema de AGVs.
Para as outras duas pessoas, recomenda-se a capacitação para exercer funções mais
estratégicas, possivelmente vão ser realocadas para outros setores.
RESULTADOS ESPERADOS
Os principais resultados esperados são a redução de defeitos de fabricação nos produtos e
reclamações dos consumidores, além da consequente redução de trabalhos de assistência
técnica, reprocessos e retrabalhos. Os resultados secundários são os ganhos inerentes à
tecnologia de AGVs, como o aumento de produtividade, segurança e otimização dos espaços
produtivos.
Dessa forma, espera-se estabelecer uma melhor relação com a cadeia de clientes e
aumento de eficiência na produção. Além disso, é natural que a empresa incorpore a mentalidade
de utilização de tecnologias para aprimoramento produtivo, abrindo caminho para novos projetos
tecnológicos.
CONCLUSÕES
Do presente artigo, conclui-se que a tecnologia de veículos autoguiados (AGVs) são
soluções eficazes na automatização do transporte nas indústrias. Na empresa de móveis
planejados, foi sugerida a aplicação dessa tecnologia para solucionar problemas de qualidade nos
produtos, pelo manuseio preciso e controlado de peças proporcionado pelos veículos autônomos.
Dessa forma, aliado à linha de inspeção adicionada, são esperadas reduções nos defeitos de
fabricação e melhorias no controle de qualidade.
Verificou-se que os AGVs promovem diversas melhorias no ambiente produtivo. Podem-se
citar os ganhos em produtividade, por operarem de forma autônoma e em alta disponibilidade,
segurança, por serem programados e dotarem de dispositivos de segurança que evitam colisões,
e otimização dos espaços produtivos. Além disso, são sistemas flexíveis e adaptáveis, podem ser
empregados em diferentes cenários e funções.
Na proposta de aplicação, viu-se que a implementação de AGVs depende das
particularidades da fábrica, como o leiaute produtivo e tarefas a serem executadas, podendo
empregar diferentes tipos de sistemas de veículos autônomos conforme as necessidades. Além
disso, é importante avaliar o impacto das mudanças nas pessoas, procurando a capacitação e
realocação para atividades mais estratégicas.
REFERÊNCIAS
BALYO. Geoguidance: navigation without infraestructure. 2016. Disponível em:
<https://www.balyo.com/Technology/Navigation>. Acessado em 26/03/2019.

CORSO, E.; BERTIN, R.; SEVERO, E. A.; GUIMARÃES, J. C. F.; EL-AOUAR, W. A.
MAPEAMENTO DO PROCESSO PRODUTIVO EM UMA INDÚSTRIA DE MÓVEIS. Connexio,
Ano 4, n. 2, fev./jul.2015 - ISSN 2236-8760, 2015.
CRANE TECH SOLUTIONS. GOETTING Optical Guidance. 2019. Disponível em:
<https://cranetechsolutions.com/wp-content/uploads/2018/06/GoettingOptical090903-1.pdf>.
DEMATIC. COMPACT TUGGER. 2019. Disponível em: <http://egeminusa.com/automated-guided-
vehicles/agv-types/egv-compact/compact-tugger/>. Acessado em 01/04/2019.
EMOBILE. Qual o nível de maturidade da Indústria 4.0 na sua empresa? 17 set. 2018.
Disponível em: <https://www.automacaoindustrial.info/a-evolucao-da-automacao-industrial-no-
contexto-da-digitalizacao-e-industria-4-0//>. Acessado em 15/03/2019.
ESTÚDIO ABC. O Brasil está pronto para a indústria 4.0? EXAME, 7 jul. 2017. Disponível em:
<https://exame.abril.com.br/tecnologia/o-brasil-esta-pronto-para-a-industria-4-0/>. Acessado em
11/03/2019.
FIA. Indústria 4.0: o que é, consequências, impactos positivos e negativos. 6 jul. 2018. Disponível
em: <https://fia.com.br/blog/industria-4-0/>. Acessado em 05/04/2019.
LIDAR NEWS. Three advantages of lidar technology for intralogistics and order fulfillment
robots. 2016. Disponível em: <https://lidarnews.com/project-showcase/three-advantages-of-lidar-
technology-for-intralogistics-and-order-fulfillment-robots/>. Acessado em 26/03/2019.
LYDON, B. Automated guided vehicles improve production. INTERNATIONAL SOCIETY OF
AUTOMATION, ago. 2018. Disponível em: <https://www.isa.org/intech/20180803/>. Acessado em
22/03/2019.
MHI. How do the vehicles work in an AGV system? 2012. Disponível em: <
http://www.mhi.org/downloads/industrygroups/agvs/elessons/vehicles-work-agv.pdf>. Acessado
em 01/04/2019.
MURATEC. AGV-Unit Load Magnetic Tape Guided. 2019. Disponível em: <https://www.muratec-
usa.com/machinery/material-handling/transportation/agv-unit-load-magnetic-tape-guided/>.
NAPOL, I. Sensor LiDAR ainda mantém o custo alto para carros autônomos. Tecmundo, 27 jul.
2017. Disponível em: <https://www.tecmundo.com.br/mobilidade-urbana-smart-cities/119983-
sensor-lidar-ainda-mantem-custo-alto-carros-autonomos.htm>. Acessado em 26/03/2019.
REDVIKING. Flexible, ‘Invisible’ Assembly Lines Gain Popularity. 2015. Disponível em:
<https://www.redviking.com/post/flexible-invisible-assembly-lines/>. Acessado em 01/04/2019.
REYNOLDS, P. Perrigo – propelled by AGVs and organization readiness. Healthcare Packaging,
14 jan. 2014. Disponível em:
<https://www.healthcarepackaging.com/article/controls/networking/perrigo-propelled-agvs-and-
organizational-readiness>. Acessado em 01/04/2019.
SANTOS, E. A. S. Logística baseada em AGVs. 2013. 67p. Dissertação (Mestrado Integrado em
Engenharia Eletrotécnica e de Computadores) – Faculdade de Engenharia da Universidade do
Porto, Porto, 2013. Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2013_TN_STO_177_010_22461.pdf>. Acessado em
22/03/2019.

SICK. Proteção de veículos guiados automaticamente (AGV). 2019. Disponível em:
<https://www.sick.com/br/pt/ramos-industriais/produtos-alimenticios-e-bebidas/embalagem-
final/veiculos-guiados-automaticamente-agv/protecao-de-veiculos-guiados-automaticamente-
agv/c/p514344>. Acessado em 05/04/2019.
SOUZA, J.; ROYER, R. IMPLANTAÇÃO DE UM SISTEMA AGV – VEÍCULO GUIADO
AUTOMATICAMENTE UM ESTUDO DE CASO. XXXIII ENCONTRO NACIONAL DE
ENGENHARIA DE PRODUCAO. Salvador, outubro/2013.
VENTURELLI, M. A evolução da Automação Industrial no contexto da Digitalização e Indústria 4.0.
AUTOMAÇÃO INDUSTRIAL, 10 dez. 2018. Disponível em:
<https://www.automacaoindustrial.info/a-evolucao-da-automacao-industrial-no-contexto-da-
digitalizacao-e-industria-4-0//>. Acessado em 11/03/2019.
WPS CONSULTORIA E SISTEMAS. Benefícios da Indústria 4.0 para as Fabricantes de
Móveis. 6 mar. 2018. Disponível em: <http://www.wpsconsultoria.com/beneficios-da-industria-4-0-
para-as-fabricantes-de-moveis/>. Acessado em 15/03/2019.
Autor: Vinícius Barcos Galli, Consultor Trainee de Digitalização e
Indústria 4.0 – SENAI São Paulo
Orientador: Márcio Henrique Venturelli, Coordenador Técnico –

PROPOSTA DE IMPLANTAÇÃO DE APRENDIZADO DE MÁQUINA (MACHINE
LEARNING) PARA CONTROLE DA QUALIDADE NA ARMAZENAGEM DE GRÃOS DE
CAFÉ
Autor: Victor Lomba Pinto Queiroz
Consultor Trainee de Digitalização e Indústria 4.0 – SENAI São Paulo
Coordenador Técnico - Digitalização e Indústria 4.0 - SENAI São Paulo
RESUMO
A armazenagem de grãos é um setor da indústria brasileira que carece de tecnologias. Aliado a
isso existe o problema da sua defasagem em relação à produção. Em especial, os grãos de café
sofrem de diversos problemas relacionados à qualidade, decorrentes dessa problemática. O
objetivo desse artigo é propor a implantação da tecnologia habilitadora da indústria 4.0 que é o
aprendizado de máquina para atuar diretamente no processo da armazenagem dos grãos a fim de
garantir a qualidade do produto e, em casos especiais, prever possíveis situações.
Palavras chave: Café, Armazenagem, Aprendizado de Máquina, Indústria 4.0.
ABSTRACT
The grain storage is a brazilian industry’s sector that lacks of technology. Allied with it there is a
problem of its gap beteween production. In special, the coffee grains suffers various problems
related to quality due this problem. The purpose of this paper is to propose the implantation of the
enabling technology of 4.0 industry called Machine Learning to act directly on the grain storage
process to guarantee the product quality and, in special cases, predict possible situations.
Keywords: Cofee, Storage, Machine Learning, 4.0 Industry.
INTRODUÇÃO
No Brasil, o setor agrícola vem colaborando para o crescimento econômico e devido ao
aumento da produção e da produtividade deste, tarefas importantes como a oferta de alimentos e
matérias-primas para o mercado interno, geração de excedentes para exportação, transferência
de mão de obra para outros setores da economia, bem como fornecimento de recursos para os
mesmos e o consumo dos bens produzidos no setor industrial são desenvolvidas. Entretanto, o
país possui deficiências relacionadas tanto à distribuição espacial quanto às modalidades de
manuseio da produção agrícola, mesmo com a sua produção de grãos expressiva (SOUSA E
SILVA, CAMPOS e SILVEIRA, 2008).
Desde o seu surgimento até o início dos anos 70, o sistema de armazenagem brasileiro foi
concentrado no litoral e somente foi impulsionado para o interior, em fazendas por exemplo,
devido a condições muito especiais de acordo com o tipo de cultura. A princípio, a conservação
dos produtos era feita em sacarias e posteriormente o sistema foi adotando o método a granel.
De acordo com (SOUSA E SILVA, CAMPOS e SILVEIRA, 2008), a armazenagem em
fazendas representa aproximadamente 5% da capacidade total de armazenagem brasileira.
Entretanto, esse método de armazenagem possui alguns problemas que faz com que ocorra
perdas quantitativas e qualitativas nos grãos. A deficiência de armazenagem na fazenda e a
necessidade da comercialização de maneira imediata desses grãos acaba impulsionando a
realização da colheita de maneira precoce, antes mesmo que o produto alcance os padrões ideias
de comercialização. Esse fato, juntamente com a precariedade do sistema de transporte brasileiro,
contribui diretamente com esse número de perdas.
Quando o assunto se trata sobre a armazenagem do café é necessário ressaltar que, em
condições inadequadas, é um dos principais fatores que ocasionam essas perdas quantitativas e
qualitativas. É necessário observar alguns fatores presentes nessa atividade como a alteração do

nível de umidade, condensação de vapores, infestação de insetos, além de outros fatores que
podem contribuir para o desenvolvimento de fungos e contaminação por microtoxinas
(NOGUEIRA, ROBERTO e SAMPAIO, 2007).
Portanto, a fim de analisar a qualidade dos grãos de café durante a armazenagem desse
grão será proposto um monitoramento desse processo com apoio de tecnologias de inteligência
artificial como o aprendizado de máquina (machine learning) para que possamos ter um maior
controle e análise mais aprofundada, contribuindo dessa forma, para o crescimento desse setor no
Brasil. A metodologia utilizada e como o aprendizado de máquina irá ser aplicado será descrito
mais detalhadamente abaixo.
O SETOR
O setor de armazenagem de grãos possui um grande problema no Brasil devido ao baixo
poder e capacidade de armazenamento se relacionado com a quantidade de produtos produzidos.
Desta forma, a armazenagem é, muitas vezes, realizada de maneira inadequada e assim
comprometendo diversos fatores do grão. Entre eles, a qualidade.
A Agência Safras (2004) define as unidades armazenadoras de grãos como complexos
agroindustriais constituídos de estruturas e recursos para receber, pré-beneficiar, armazenar e
expedir a produção agrícola de uma determinada área de abrangência. Estas demandam a
condução de um conjunto de operações unitárias, tais como: pesagem, descarregamento, pré-
limpeza, secagem, limpeza, tratamento químico, armazenagem e expedição. Ou seja, a
armazenagem representa uma das mais complexas etapas do processo logístico do agronegócio,
mas que enfrenta, no Brasil, um contraponto, tendo em vista a produção brasileira de grãos ser
bem maior que a capacidade disponível pelos armazéns (MESQUITA, MACEDO e BARBOSA,
2007).
De acordo com Lacerda Filho et. al. (2000), o método de armazenamento graneleiro é uma
proposta de concorrência ao padrão de armazenagem. Hoje os armazéns graneleiros possuem
sistemas de termometria a fim de prevenir o aumento de temperatura interna e aeração, desta
forma eliminando também possíveis fontes de aquecimento a fim de manter os grãos em boas
condições e desta forma contribuindo para o aumento da qualidade do mesmo.
Além do citado anteriormente, Lacerda et al (2000) também afirma que a unidade
armazenadora de grãos precisa ter a competência de armazenar o produto por um período
determinado e garantir a sua qualidade em padrões desejáveis para uma futura utilização,
protegendo-o contra intempéries e também tendo o controle da temperatura, umidade dos grãos e
pragas (insetos, roedores e pássaros).
Figura 1 – Unidades Armazenadoras de Grãos
Fonte: Blog VIASOFT. Disponível em: https://viasoft.com.br/armazenagem-de-graos-tao-importante-quanto-
o-resto-da-producao/ (Acesso em 28/04/2019).
Apesar do grande desenvolvimento experimentado pelo agronegócio nacional, os problemas
estruturais brasileiros ainda persistem, impactando fortemente a expansão do agronegócio
nacional, seja como atividade produtiva, seja como fonte de riqueza geradora de divisas
internacionais de nosso país. Entre tais problemas, o mais importante em termos de impacto

sobre o agronegócio nacional é a persistente ausência de infraestrutura adequada para o
armazenamento e comercialização da produção agropecuária, que promove perdas consideráveis
de produção, dificultando a obtenção de maior eficiência no aproveitamento dos recursos
econômicos, humanos e naturais aplicados ao agronegócio nacional (MESQUITA, MACEDO e
BARBOSA, 2007).
O DESAFIO
Na construção de um armazém para grãos de café alguns aspectos devem ser levados em
consideração como por exemplo a temperatura e umidade do ar. Para um bom armazenamento
do café a umidade dos grãos não deverá ultrapassar o valor de 11 a 12%, pois o seu excesso
facilita o desenvolvimento de fungos e bactérias que são prejudiciais à qualidade do grão.
Outro aspecto importante que deve ser levado em consideração é a iluminação dos
armazéns por ser outro fator que influencia diretamente com a qualidade do grão do café quando
exposto a uma quantidade de luz excessiva. Portanto, o seu controle é necessário e é
recomendável que esta esteja apenas nos locais específicos para que o trabalhador possa
exercer a sua função.
Além destes, podemos citar também a ventilação, a localização das portas e o sistema de
cobertura dos armazéns como fatores importantes na conservação do café a fim de prezar pela
sua qualidade.
Condições inadequadas de armazenamento podem dar ao café sabores divergentes do
padrão. Recomenda-se que a unidade armazenadora do grão possua uma boa incidência de raios
solares, uma boa drenagem e uma boa ventilação, com a temperatura ambiente na faixa dos 20º
C, umidade relativa do ar não superior a 65% e umidade do grão entre 11 e 12% já que o café é
um grão extremamente higroscópico, podendo absorver a umidade do ar se for armazenado
inadequadamente (NOGUEIRA, ROBERTO e SAMPAIO, 2007).
Dessa forma, é proposto um desafio de monitorar as principais variáveis relacionadas à
armazenagem do grão de café, como umidade do ar, temperatura e iluminação para que possa
ser feito um estudo via inteligência artificial e big data sobre a qualidade do produto e que a partir
dessas analises possamos trabalhar com o aprendizado de máquina (machine learning) em cima
dessa problemática.
A PROPOSTA
A utilização das tecnologias da indústria 4.0 como digitalização, rastreabilidade e
monitoramento em tempo real contribuem para a melhoria na tomada de decisões sobre o
estoque, pois é capaz de ter informações mais precisas sobre os grãos e o ambiente externo
como temperatura e umidade além de saber as informações ideais para secagem e resfriamento
dos grãos. Os principais benefícios que podemos citar são a conservação da qualidade do grão,
evitando perdas desnecessárias, além da diminuição dos custos energéticos para realizar o
processo.
Portanto, esse trabalho propõe a utilização da tecnologia habilitadora da indústria 4.0 de
aprendizado de máquina (machine learning) para prever possíveis alterações no processo de
armazenagem dos grãos de café que impacte direta e/ou indiretamente na qualidade do mesmo.
A SOLUÇÃO
A proposta de solução se baseará na aplicação de sensores que irão monitorar e prover
dados para o aprendizado do algoritmo do machine learning. As variáveis analisadas serão
temperatura, umidade do ar e a luz que é utilizada para realizar alguns trabalhos específicos
dentro da instalação.
Essas três variáveis serão coletadas em tempo real através de sensores IoT e enviadas
para um servidor/provedor de serviço de computação em nuvem. A partir dessas coletas, serão
identificados padrões relacionados a problemas encontrados durante o processo e a partir de um
ponto serão realizadas previsões a partir desses padrões. Também serão gerados dashboards
com essas informações (variáveis monitoradas, ocorrências de inconformidades e previsões) a fim

de prover ao produtor informações sobre o andamento do processo e ajuda-lo na tomada de
decisões do negócio.
O sistema terá automação e inteligência necessária para que a partir das previsões sejam
feitas correções e/ou atuações nessas três variáveis de maneira que mantenham ou até melhorem
a qualidade do grão armazenado.
Figura 2 – Solução para a proposta
Fonte: Autor.
AS TECNOLOGIAS
Esse trabalho irá se basear na utilização da tecnologia habilitadora de aprendizado de
máquina (machine learning). O aprendizado de máquina é um ramo da inteligência artificial e, a
grosso modo, é um método no qual as máquinas/equipamentos conseguem aprender através de
dados obtidos e tomar decisões de forma autônoma, enquanto que a inteligência artificial é a
ciência na qual as máquinas/equipamentos são treinadas para realizar atividades humanas.
O aprendizado de máquina possui um aspecto iterativo bastante interessante devido a sua
independente adaptação à exposição de novos dados. Eles aprendem com computações prévias
a fim de tomar decisões e expor resultados confiáveis.
Figura 3 – Fluxograma do Algoritmo de Aprendizado de Máquina
Fonte: Autor.
O aprendizado de máquina pode ser subdividido em 4 métodos de aplicação que são:
A. Aprendizado Não Supervisionado
O aprendizado não supervisionado é utilizado quando os dados obtidos não possuem
rótulos históricos, ou seja, o sistema não tem uma resposta certa conhecida. Portanto, o
algoritmo precisa entender o que está sendo exibido através de uma exploração e
análise dos dados a fim de encontrar uma estrutura a partir deles.

Esse tipo de aprendizado é comumente utilizado em sistemas que tratam de dados
transacionais como, por exemplo, segmentos de clientes com atributos similares ou ele
consegue identificar atributos específicos que separam segmentos distintos de clientes.
B. Aprendizado Supervisionado
O algoritmo é treinado através de exemplos rotulados, como uma entrada na qual a
saída desejada é conhecida. É informado ao algoritmo os parâmetros do processo
(entradas e saídas) e a partir dessas informações há uma comparação entre as saídas
reais com as especificadas previamente a fim de encontrar erros e então ele modifica o
modelo de acordo com esses resultados.
O aprendizado supervisionado é comumente utilizado em aplicações onde dados
históricos são capazes de predizer possíveis ocorrências futuras.
C. Aprendizado Semi Supervisionado
O aprendizado semi supervisionado pode ser aplicado para as mesmas tarefas que o
aprendizado supervisionado. Entretanto, este método trata dados tanto rotulados quanto
não rotulados a fim de treinar o algoritmo.
Esse tipo de aprendizado é útil quando o custo dos dados rotulados é excessivo para
que seja utilizado somente o método supervisionado. Ele é comumente empregado com
métodos de classificação, regressão e previsão e podemos citar como exemplo a
aplicação de reconhecimento facial através de uma webcam.
D. Aprendizado Reforçado
O aprendizado reforçado funciona pela lógica de tentativa e erro onde o propósito é
descobrir qual ação irá produzir uma melhor recompensa. Esse método possui três
componentes principais: 1- O Agente (o aprendiz ou tomador de decisão); 2- O Ambiente
(tudo com que o agente interage); 3- As Ações (o que o agente pode fazer). O objetivo é
que o agente opte a ação com a maior recompensa esperada em um prazo determinado.
Esse tipo de aprendizado é comumente aplicado na robótica, jogos e navegação. O foco
do aprendizado reforçado é descobrir a melhor maneira de se obter o melhor resultado.
O objetivo desses aprendizados é descobrir grupos de exemplos similares com os dados ou
determinar a distribuição dos dados no tempo de entrada, conhecido como densidade
estimada.
Figura 4 - Métodos de Aprendizado
Fonte: GE, Z.; SONG, Z; DING, S. X.; HUANG, B (2017).

OS PROCESSOS
A armazenagem dos grãos de café pode ser feita de diferentes maneiras, como café coco
ou pergaminho que é feita logo após a secagem e antes do beneficiamento dos grãos, a granel ou
em tulhas e como café beneficiado onde, normalmente, os grãos são acondicionados em saco de
juta e empilhados nos armazéns.
O serviço de secagem e armazenamento do café começa pela demanda do produtor rural
por esse tipo de serviço. Geralmente, nas pequenas propriedades, os grãos já têm destino certo
quando saem dos cafezais: vão para uma secadora industrial que se encarrega de secar, ensacar,
armazenar, expedir e muitas vezes até vender a produção.
A adoção de tecnologias no preparo, secagem e armazenagem de café, muitas vezes
simples e acessíveis a pequenos produtores, pode resultar na obtenção de um produto de boa
qualidade, partindo-se do pressuposto de que na lavoura, sob o aspecto agronômico, é
aproveitado todo o potencial em produtividade e sanidade das plantas. Para se obter maior
lucratividade na atividade cafeeira, é imprescindível a observação da qualidade, adequando-se ou
adotando-se sistemas de preparo, secagem e armazenagem condizentes com a produção
(SEBRAE, 2006).
Portanto, aliado às tecnologias do preparo, secagem e armazenagem de grãos do café será
utilizado o aprendizado de máquina a fim de controlar e garantir a qualidade desse produto.
AS PESSOAS
O processo de armazenagem de grãos não sofrerá uma alteração significativa no que é
referente às pessoas, pois a ação do trabalhador nesse processo ainda será basicamente a
mesma realizada anteriormente à implantação dessa proposta e ainda continuará sendo
necessária. Entretanto, com a adequação do sistema ao aprendizado de máquina e com as
melhorias nas tomadas de decisões, a atividade dos trabalhadores será feita de maneira mais
eficiente e eficaz.
Um ponto a ser observado é a necessidade de treinamento para os trabalhadores visto que
a implantação de novas tecnologias, tanto físicas (sensores), quanto digitais (inteligência artificial),
são sensíveis ao processo.
IMPLANTAÇÃO
O processo de implantação do aprendizado de máquina (machine learning) se baseará
instalação dos sensores de temperatura, umidade e iluminação já adaptados para a Internet das
Coisas (IoT) com o protocolo de comunicação MQTT a fim de enviar os dados diretamente para a
nuvem e diminuindo pontos de possíveis falhas de cibersegurança.
As coletas dos sensores serão enviadas para um serviço de nuvem (Amazon Web Service,
Microsoft Azure, etc.) e a partir disso a inteligência artificial do processo entrará em ação tanto
para a geração de gráficos e informações quanto para o próprio aprendizado de máquina.
Vale ressaltar que a nuvem será utilizada como ponto de convergência dos dados do
processo, podendo ser acessado remotamente.
É necessário que a unidade armazenadora possua automação e otimização o suficiente
para que esses sensores atuem de forma inteligente e eficaz. Dessa forma, através do
aprendizado de máquina, a tomada de decisões será realizada de maneira mais coesa, rápida e
melhor estruturada, garantindo assim a manutenção e/ou melhoria na qualidade do grão do café.
Dessa forma, a qualidade do grão do café será monitorado desde a sua entrada na unidade
armazenadora, durante o período de armazenagem e até o momento que o mesmo sai para a
distribuição/fornecimento por meio do controle da temperatura, umidade do ar e do grão e da luz
durante o trabalho realizado visto que os mesmos não poderão ultrapassar os valores citados
anteriormente.

RESULTADOS ESPERADOS
Por meio da aplicação do aprendizado de máquina (machine learning) durante o processo
da armazenagem do grão de café é esperado que, com o monitoramento das variáveis
previamente citadas, melhoria na tomada de decisões e com a reeducação do processo se
consiga manter a qualidade do grão ou até mesmo a sua melhoria.
A adoção desse método fará com que seja possível identificar previamente futuros
problemas relacionados à armazenagem e à qualidade do grão assim como ajudará o empresário
a tomar decisões relacionadas ao seu sistema produtivo.
É interessante ressaltar que a reeducação do processo também engloba o treinamento
pessoal com todos os envolvidos durante essa atividade.
CONCLUSÕES
A partir do estudo acerca da implantação do aprendizado de máquina (machine learning)
durante o processo de armazenagem do café, nós podemos concluir que essa aplicação poderá
render frutos quando compararmos a qualidade dos grãos sem a implantação e após a
implantação. Além disso, mesmo que não haja uma mudança direta na atividade diária do
trabalhador, é possível compreender que as suas tarefas serão otimizadas e haverá uma
qualificação desses funcionários de modo que estejam preparados para a indústria 4.0 que cada
dia cresce mais.
Um ponto a ser levantado é que a contribuição dessa tecnologia não será possível se a
unidade a ser instalada não possua um nível de maturidade suficiente para a adoção das
tecnologias habilitadoras da indústria 4.0 e que todos os funcionários não consigam aceitar e/ou
se adaptar a essa revolução que estamos participando.
REFERÊNCIAS
[1] GE, Z.; SONG, Z; DING, S. X.; HUANG, B. Data Mining and Analytics in the Process
Industry: The Role of Machine Learning. IEEE Access. Volume 5, 2017.
[2] MESQUITA, J. L.; MACEDO, M.; BARBOSA, A. C.; Avaliação do Sistema Brasileiro de
Armazenagem Convencional e a Granel: Um Estudo Apoiado em Análise Envoltória de Dados
(DEA). XLV Congresso da SOBER “Conhecimentos para Agricultura do Futuro”. Londrina, 2007.
[3] PATRÍCIO, D. I.; RIEDER, R.; Computer vision and artificial intelligence in precision
griculture for grain crops: A systematic review. ELSEVIER, 2018.
[4] TREBOUX, J.; GENOUD, D.; Improved Machine Learning Methodology for High Precision
Agriculture. Institute of Information Systems – University of Applied Sciences. Switzerland, 2018.
[5] LIAKOS, K. G.; BUSATO, P.; MOSHOU, D.; PEARSON, S.; BOCHTIS, D.; Machine
Learning in Agriculture: A Review. MDPI – Sensors. 2018
[6] Machine Learning: O que é e qual sua importância. SAS – The power to know. Disponível em:
< https://www.sas.com/pt_br/insights/analytics/machine-learning.html#machine-learning-
importance>. Acesso em: 29 de março de 2019.
[7] LI, Z.; ZHU, Y.; Prediction of Grain Storage Temperature Based on Deep Learning. Revista de
la Facultad de Ingenieria U. C. V., Vol. 32, Nº 14, pp. 918-924, 2017.
[8] YU, H.; LI, B.; SHEN, D.; CAO, J.; MAO, B.; Study on prediction modelo f grain post-harvest
loss. Information Technology and Qautitative Management (ITQM 2017).

[9] SILVA, J.; CAMPOS, M.; SILVEIRA, S.; Secagem e Armazenagem de Produtos Agrícolas.
Departamento de Engenharia Agrícola/CBP&D-Café. Universidade Federal de Viçosa. Viçosa –
MG, 2008.
[10] BARONI, G.; BENEDETI, P. H.; SEIDEL, D. J.; Cenários prospectivos da produção e
armazenagem de grãos no Brasil. Revista THEMA. Volume 14, Nº 4, pg 55-64, 2017.
[11] NOGUEIRA, R.; ROBERTO, C.; SAMPAIO, C. Armazenamento de café: Preservação da
qualidade que vem do campo. Café Point, 2007. Disponivel em:
<https://www.cafepoint.com.br/noticias/tecnicas-de-producao/armazenamento-de-cafe-preservacao-
da-qualidade-que-vem-do-campo-34893n.aspx>. Acesso em: 15 Abril 2019.
[12] SPEROTTO, F. C.; BRANDÃO, F. J.; DA SILVA, M. A.; BIAGGIONI, M. A.; SAATH, R.;
Armazenamento de Grãos de Café (coffea arábica L.) em dois tipos de Embalagens e dois tipos de
Processamento. Universidade Estadual Paulista (UNESP), Faculdade de Ciências Agronômicas,
Câmpus de Botucatu. Botucatu – SP, 2015.
[13] SEBRAE. Secagem e Armazenamento do Café. SEBRAE. Espiríto Santo, p. 10. 2006.
SOUSA E SILVA, J.; CAMPOS, M. G.; SILVEIRA, S. D. F. R. Armazenagem e Comercialização
de Grãos no Brasil. Viçosa: Aprenda Fácil, 2008.
(*) Autor: Victor Lomba Pinto Queiroz, Consultor Trainee de
(**) Orientador: Márcio Henrique Venturelli, Coordenador
Técnico - Digitalização e Indústria 4.0 - SENAI São Paulo

SOLUÇÕES PARA A INDÚSTRIA 4.0

SOLUÇÕES PARA A INDÚSTRIA 4.0

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a SOLUÇÕES PARA A INDÚSTRIA 4.0

Semelhante a SOLUÇÕES PARA A INDÚSTRIA 4.0 (20)

Mais de Marcio Venturelli

Mais de Marcio Venturelli (16)

SOLUÇÕES PARA A INDÚSTRIA 4.0