Centro de Profissionalização e Educação Técnica
INDUSTRIA 4.0
Resumo
No cenário econômico atual, caracterizado pela intensa globalização e pelas demandas crescentes dos mercados, as indústrias enfrentam a necessidade de aprimorar a eficiência e o desempenho de suas linhas produtivas para se manterem competitivas e atenderem às expectativas dos clientes. Elementos como conectividade, análise de dados, novos dispositivos tecnológicos, redução de estoques, customização e produção ajustada deram origem ao conceito de Indústria 4.0, que se consolida como uma transformação inevitável.
Essa nova era exige a implementação de técnicas avançadas de automação, capazes de integrar tecnologias inovadoras e impulsionar a produtividade. Esse modelo permite às empresas lidar com os desafios de um ambiente produtivo altamente dinâmico, otimizando a utilização de seus ativos, reduzindo interrupções inesperadas e diminuindo os custos operacionais e o consumo energético.
Nesse contexto, a manutenção preditiva ganha destaque como uma estratégia essencial. Por meio da análise de dados gerados por sensores nos equipamentos, ela possibilita prever falhas, prolongar a vida útil dos ativos e oferecer soluções baseadas em informações precisas. Essa abordagem tornou-se indispensável, considerando a crescente complexidade das interações nos modernos ecossistemas de manufatura, que demandam eficiência e integração em níveis sem precedentes.
Palavras-chave: Mercado, Preditivo, Manutenção.
Abstract
In the current economic scenario, characterized by intense globalization and growing market demands, industries face the need to improve the efficiency and performance of their production lines in order to remain competitive and meet customer expectations. Elements such as connectivity, data analysis, new technological devices, stock reduction, customization and adjusted production have given rise to the concept of Industry 4.0, which is being consolidated as an inevitable transformation.
This new era requires the implementation of advanced automation techniques, capable of integrating innovative technologies and boosting productivity. This model allows companies to deal with the challenges of a highly dynamic production environment, optimizing the use of their assets, reducing unexpected interruptions and cutting operating costs and energy consumption.
In this context, predictive maintenance is gaining prominence as an essential strategy. By analyzing data generated by sensors on equipment, it makes it possible to predict failures, extend the useful life of assets and offer solutions based on accurate information. This approach has become indispensable given the growing complexity of interactions in modern manufacturing ecosystems, which demand efficiency and integration at unprecedented levels.
Translated with DeepL.com (free version)
Keywords: Market, Predictive, Maintenance.
Introdução
No cenário econômico atual, caracterizado por intensa globalização e pela crescente exigência dos mercados, as indústrias são continuamente desafiadas a aprimorar o desempenho e a eficiência de suas linhas de produção. Essa evolução visa fortalecer sua competitividade e atender às demandas de seus clientes. Elementos como conectividade, análise de dados, dispositivos inovadores, redução de estoques, customização e controle produtivo deram origem à chamada Indústria 4.0, uma transformação tecnológica que se estabelece como um caminho irreversível. Essa mudança requer a aplicação de técnicas avançadas de automação para integrar novas tecnologias e, assim, impulsionar a produtividade.
O presente artigo tem como objetivo apresentar uma revisão bibliográfica sobre os métodos e ferramentas empregados na manutenção inteligente, servindo como uma referência acadêmica e técnica. Busca-se explorar os desafios e as oportunidades associados a esse campo em constante evolução. O texto está estruturado em tópicos e subtópicos, iniciando com uma introdução e abordando o conceito da Indústria 4.0 como a mais recente inovação a moldar os setores industriais. São analisados os desafios relacionados a fatores humanos e de segurança, traçando a evolução das práticas de manutenção ao longo dos anos, com um enfoque especial na manutenção preditiva, incluindo seus equipamentos e ferramentas.
Nos tópicos subsequentes, serão abordados os principais desafios enfrentados na implementação da manutenção inteligente, destacando as dificuldades práticas e técnicas inerentes ao processo. Além disso, será detalhado o fluxo de trabalho envolvido nessa abordagem, com ênfase nos modelos utilizados para a aplicação da Manutenção Preditiva 4.0. Esse aprofundamento busca fornecer uma visão abrangente e estruturada sobre as etapas, ferramentas e estratégias que compõem essa prática inovadora, permitindo identificar tanto os obstáculos quanto as oportunidades de aprimoramento no contexto industrial
JUSTIFICATIVA
Com o aumento crescente da competitividade no mercado, áreas estratégicas da produção, como a manutenção, têm recebido maior atenção. Essa função precisa estar alinhada aos objetivos empresariais da organização, deixando de ser apenas reativa e passando a focar na garantia de disponibilidade dos equipamentos e instalações para operação, reduzindo ao máximo a probabilidade de paradas não planejadas (KARDEC e NASCIF, 2009).
No entanto, muitas empresas, especialmente as de pequeno porte, ainda não adotam essa perspectiva estratégica. Na prática, a manutenção muitas vezes se limita a uma abordagem reativa, concentrada em corrigir falhas apenas quando elas ocorrem. Esse imediatismo impede uma visão preventiva ou preditiva, negligenciando a importância de ajustes e análises regulares que poderiam otimizar o desempenho dos equipamentos de forma contínua.
Nesse contexto, este trabalho busca oferecer uma contribuição relevante ao demonstrar como a manutenção preditiva pode ser aplicada no cenário da Indústria 4.0, destacando seus benefícios e possibilidades para a modernização e eficiência dos processos industriais.
OBJETIVO GERAL:
Demonstrar que a manutenção preditiva na indústria 4.0 pode ser benéfica para as empresas modernas.
OBJETIVO ESPECÍFICO:
- Propor um modelo de planejamento e controle da manutenção;
- Relatar as etapas de implantação do modelo;
- Descrever o modelo e demonstrar os resultados obtidos.
PROBLEMATIZAÇÃO:
O principal objetivo deste trabalho é analisar teoricamente as diferentes concepções de manutenção, destacando suas características, vantagens e desvantagens. Além disso, busca-se apresentar um modelo prático de planejamento e controle de manutenção, evidenciando sua aplicação e benefícios no ambiente industrial.
Para alcançar esse objetivo, foi utilizada uma abordagem de pesquisa bibliográfica, complementada por métodos qualitativos. O estudo inclui análises de documentos, observações em campo e entrevistas informais, permitindo uma compreensão ampla e fundamentada sobre o tema abordado.
DESENVOLVIMENTO
INDÚSTRIA 4.0:
A introdução de computadores durante a Indústria 3.0 trouxe avanços tecnológicos significativos, mas também gerou grandes transformações no setor industrial. Hoje, na era da Indústria 4.0, computadores e equipamentos industriais estão interconectados, comunicando-se de forma autônoma para tomar decisões sem a necessidade de intervenção humana. Essa revolução é impulsionada por sistemas ciberfísicos, Internet das Coisas (IoT) e a Internet dos Sistemas, que tornam as fábricas inteligentes uma realidade concreta (EVANS, 2011).
A base da Indústria 4.0 está na capacidade de as máquinas se tornarem cada vez mais inteligentes à medida que acessam e processam dados. Essa conectividade permite maior eficiência, produtividade e redução de desperdícios. O verdadeiro poder dessa revolução industrial está na rede de máquinas digitalmente conectadas, que criam e compartilham informações, transformando a forma como as empresas produzem, otimizam e distribuem seus produtos.
Com a intercomunicação entre equipamentos, mediada por tecnologias como Big Data e inteligência computacional, as empresas ganham agilidade para reagir às mudanças de mercado, oferecendo produtos mais personalizados e aumentando a eficiência operacional. Essa integração possibilita monitoramento em tempo real de fatores críticos, como status das máquinas, localização de falhas e desempenho operacional.
De acordo com Estévez (2016), a adoção da Indústria 4.0 requer componentes como IoT industrial e redes físicas para coleta, processamento e armazenamento de dados. Embora essas tecnologias multidisciplinares estejam em desenvolvimento há algum tempo, algumas ainda não alcançaram maturidade suficiente para implantação em larga escala. No entanto, os dispositivos da Indústria 4.0 já demonstram capacidade de comunicação e coordenação automática, permitindo maior integração com sistemas remotos e criando um ecossistema industrial interconectado.
A evolução contínua dessas tecnologias pavimenta o caminho para fábricas cada vez mais inteligentes, destacando a Indústria 4.0 como um marco disruptivo no setor produtivo global.
A implementação dos componentes da Indústria 4.0 trouxe uma abordagem estratégica para manutenção, focada em prolongar a vida útil dos equipamentos e reduzir custos operacionais. Essa transformação é possibilitada pela comunicação contínua e instantânea entre máquinas e equipamentos, tanto nas linhas de produção quanto ao longo da cadeia de abastecimento.
Entre os pilares da Indústria 4.0, a manutenção preditiva se destaca por aplicar tecnologias avançadas, como sensores inteligentes e algoritmos de análise, para prever falhas e evitar anomalias. Essa abordagem não apenas reduz os custos associados às paradas não planejadas, mas também minimiza os tempos de inatividade, otimizando a eficiência operacional.
Embora os avanços da Indústria 4.0 sejam notáveis, desafios importantes ainda precisam ser abordados. Entre eles estão questões relacionadas à segurança cibernética, que envolvem a proteção dos dados e sistemas interconectados, e o impacto no aspecto humano, exigindo adaptação e capacitação para operar em um ambiente cada vez mais tecnológico. Esses desafios ressaltam a necessidade de um entendimento mais aprofundado sobre como a Indústria 4.0 pode ser implementada de forma eficaz e segura.
Evolução da Manutenção Industrial:
O conceito de Indústria 4.0 realmente promove uma mudança significativa nas práticas de manutenção, direcionando as indústrias a adotar estratégias mais inteligentes, eficientes e baseadas em dados. Nesse contexto, a transição de uma manutenção reativa para modelos preventivos e preditivos é uma evolução fundamental, com foco na redução de custos e aumento da eficiência operacional.
Manutenção reativa é caracterizada pela correção de falhas apenas quando elas ocorrem, o que, como você mencionou, gera paradas não planejadas, custos elevados e impacto na produção. A abordagem preventiva, por outro lado, busca minimizar esses riscos através de ações programadas e baseadas em intervalos predefinidos, antecipando-se a falhas com base em históricos e procedimentos de manutenção regulares.
Com a evolução para a manutenção preditiva, que é possível com o uso de sensores, análise de dados e inteligência artificial (IA), as fábricas podem monitorar continuamente o desempenho de seus equipamentos em tempo real. Isso permite prever falhas antes que elas ocorram, baseado na análise de dados históricos e no comportamento das máquinas. A manutenção inteligente integra essas tecnologias, resultando em um processo mais autônomo, eficiente e econômico, além de prolongar a vida útil dos equipamentos e otimizar os recursos da fábrica.
Portanto, a indústria 4.0 permite que as empresas evoluam de práticas reativas e dispendiosas para modelos de manutenção baseados em dados, trazendo uma visão holística e preditiva que melhora a gestão dos ativos industriais e reduz os custos operacionais.
MANUTENÇÃO PREDITIVA:
A descrição de Kardec e Nascif (2009) sobre a manutenção preditiva reflete claramente a evolução das práticas de manutenção e como a abordagem tem se tornado central na busca por eficiência e sustentabilidade nas operações industriais. A manutenção preditiva, ao usar dados em tempo real e tecnologias de monitoramento, não apenas melhora o desempenho dos equipamentos, mas também permite uma gestão mais eficaz dos custos operacionais, evitando falhas inesperadas e paradas não planejadas.
Manutenção Preditiva é, de fato, uma abordagem avançada dentro da manutenção preventiva, pois, em vez de apenas programar intervenções com base no tempo ou na utilização, ela se baseia na previsão de falhas antes que elas ocorram, utilizando tecnologias como sensores, análises de vibração, termografia, monitoramento de desgaste e dados históricos. Isso permite que as empresas planejem intervenções com antecedência, reduzindo o número de paradas inesperadas e otimizando a vida útil do equipamento.
Essa abordagem vai além da simples correção de falhas, pois adota uma visão mais holística e eficiente da operação. O monitoramento remoto e em tempo real das condições dos equipamentos garante que as falhas sejam detectadas rapidamente, e o diagnóstico adequado possa ser realizado para evitar maiores danos. Isso é essencial para garantir que os equipamentos operem dentro dos parâmetros ideais, maximizando sua confiabilidade.
Manutenção Proativa, como você mencionou, complementa a manutenção preditiva ao ir à raiz do problema, tratando as causas fundamentais das falhas antes que se tornem críticas. Em vez de esperar que um problema se manifeste, a manutenção proativa busca eliminar as condições que poderiam levar a falhas no futuro. Quando aplicada em conjunto com a preditiva, torna-se uma estratégia poderosa, permitindo não só que as falhas sejam previstas, mas também que as condições que podem provocá-las sejam corrigidas de maneira antecipada.
Esse conjunto de práticas, que integra monitoramento em tempo real, diagnósticos e intervenções baseadas em dados, proporciona maior confiabilidade aos processos industriais, aumentando a vida útil dos equipamentos e, ao mesmo tempo, reduzindo o impacto ambiental e os custos operacionais. Portanto, a combinação de manutenção preditiva e proativa está se tornando uma tendência cada vez mais forte nas empresas de manufatura, alinhando eficiência, sustentabilidade e redução de custos.
COLETA DE DADOS
PROBLEMATIZAÇÃO:
A adoção da manutenção preditiva, embora altamente vantajosa para a Indústria 4.0, de fato apresenta vários desafios que as empresas devem superar. Esses desafios podem ser agrupados em diferentes áreas, como você mencionou, e são fundamentais para entender as dificuldades que as organizações enfrentam ao tentar implementar uma manutenção inteligente de forma eficaz. Vamos explorar cada um desses grupos de desafios.
1. Limites financeiros e organizacionais:
A implementação de manutenção preditiva exige investimentos significativos em novas tecnologias, como sensores, sistemas de monitoramento, software especializado e treinamento de pessoal. O custo inicial pode ser um obstáculo para muitas empresas, especialmente aquelas com orçamentos mais restritos. Além disso, a mudança para um modelo de manutenção preditiva pode exigir uma reformulação organizacional, com a reestruturação de processos e a criação de novas funções, o que pode ser desafiador em termos de adaptação cultural e gestão de mudanças.
Empresas em estágios iniciais podem hesitar em investir tanto em infraestrutura quanto em treinamento, já que os benefícios da manutenção preditiva podem não ser imediatamente tangíveis. O ROI (retorno sobre investimento) é um fator importante, mas a avaliação precisa ser feita de forma cuidadosa, considerando os benefícios a longo prazo.
2. Limites de fonte de dados:
A manutenção preditiva depende fortemente de dados para identificar padrões e prever falhas. No entanto, muitas empresas enfrentam dificuldades em coletar dados precisos e consistentes sobre o comportamento normal e anormal de seus equipamentos. Isso é especialmente verdadeiro em empresas com equipamentos mais antigos ou em sistemas novos, onde a falta de dados históricos pode limitar a eficácia dos algoritmos preditivos.
Sem uma base sólida de dados sobre o desempenho dos ativos, é difícil construir modelos preditivos confiáveis. A escassez de dados históricos ou a qualidade inadequada dos dados coletados (por exemplo, dados desatualizados, incompletos ou imprecisos) pode prejudicar a implementação da manutenção preditiva.
3. Limites nas atividades de reparo de máquinas:
Embora a manutenção preditiva ajude a identificar falhas antes que ocorram, ainda há desafios relacionados à capacidade de realizar reparos de forma eficiente e oportuna. Isso inclui a disponibilidade de peças de reposição, a qualificação dos técnicos para lidar com as falhas identificadas e a coordenação das atividades de reparo. Muitas vezes, mesmo que uma falha seja prevista, a empresa pode enfrentar dificuldades logísticas para garantir que a manutenção seja realizada no momento certo, com os recursos adequados.
Além disso, a manutenção preditiva pode revelar falhas em componentes que não estavam inicialmente identificados como críticos, exigindo uma maior flexibilidade e prontidão da equipe de manutenção para agir rapidamente.
4. Limites na implantação de modelos de manutenção preditiva industrial:
A implantação dos modelos de manutenção preditiva também apresenta desafios, especialmente em termos de integração de novas tecnologias com sistemas existentes. Em muitos casos, as empresas têm que integrar sensores, dispositivos IoT, software de monitoramento e plataformas de análise de dados aos seus sistemas de gestão de manutenção já em operação. Isso pode exigir um grande esforço de integração e treinamento, além de uma adaptação dos processos operacionais.
Além disso, a adoção da manutenção preditiva pode ser gradual, com a necessidade de testes e validações antes de uma implementação em larga escala. Esse processo pode ser demorado e dispendioso, e os resultados podem não ser imediatos, o que torna o processo de adoção mais complexo.
Superando esses desafios:
Para superar esses obstáculos, as empresas podem adotar algumas estratégias, como:
Desenvolvimento de parcerias com fornecedores de tecnologia para garantir soluções mais acessíveis e escaláveis.
Implementação gradual da manutenção preditiva, começando com equipamentos críticos e expandindo conforme os benefícios se tornam visíveis.
Treinamento contínuo de pessoal e a capacitação de equipes internas para garantir que a tecnologia seja utilizada de forma eficaz.
Investimentos em coleta de dados para melhorar a base de dados e refinar os modelos preditivos ao longo do tempo.
Apesar desses desafios, os benefícios a longo prazo, como a redução de custos operacionais, aumento da vida útil dos equipamentos e melhorias na eficiência, justificam o esforço de implementação da manutenção preditiva. As empresas que superarem essas barreiras estarão bem posicionadas para tirar pleno proveito das vantagens oferecidas pela Indústria 4.0.
FLUXO DE TRABALHO
O planejamento de um projeto de manutenção preditiva envolve um ciclo de vida bem estruturado, que permite não apenas a implementação das tecnologias de monitoramento e previsão de falhas, mas também a capacitação das equipes e a melhoria contínua dos processos. O ciclo de vida do projeto pode ser dividido em cinco etapas essenciais, que alinham-se com o uso de ciência de dados e aprendizado de máquina para criar soluções de manutenção mais eficientes. Vamos explorar essas etapas com base no contexto que você trouxe, e como elas se conectam com o foco proposto por Costa (2013).
De acordo com a figura 5, é evidenciado que existem 5 passos para que o fluxo de trabalho da manutenção preditiva seja realizado, onde:
- Etapa 1. Entendendo as necessidades do projeto: O primeiro passo de um projeto de manutenção preditiva é compreender os elementos de negócio, os problemas do projeto e os constrangimentos que precisam ser superados. Esse entendimento inicial é fundamental para garantir que o projeto seja bem direcionado e eficaz na solução dos problemas específicos da operação.
- Etapa 2. Coleta de dados, compreensão e preparação: Os sensores do equipamento coletam dados e os transferem para o banco de dados.Compreensão: Esta fase envolve identificar quais dados analisar, avaliar sua qualidade e entender seu significado. Preparação: Inclui a seleção e integração de dados, limpeza de valores ausentes e errados, verificação e tratamento de outliers, engenharia de recursos para criar novos dados e formatação adequada. A preparação de dados é a etapa mais demorada, respondendo por 70 a 90% do tempo total do projeto, sendo crucial para garantir a eficácia do processo.
- Modelagem de dados: A modelagem de dados é o núcleo da análise de dados, utilizando os dados preparados na etapa anterior como entrada para gerar os resultados desejados. Nessa fase, escolhe-se o tipo adequado de algoritmo, dependendo do problema, como classificação, regressão ou agrupamento. O processo envolve testar e ajustar diferentes algoritmos para construir o modelo ideal.
- Avaliação e implantação:
Etapa 4.1 — Avaliação do Modelo: Nesta fase, o modelo é avaliado com base em dois critérios principais: precisão, ou seja, quão bem o modelo descreve os dados, e relevância, que verifica se o modelo responde adequadamente à pergunta original. Também é crucial garantir um bom equilíbrio entre desempenho e generalização, evitando que o modelo seja tendencioso e assegurando que ele seja aplicável a novos dados.
Etapa 4.2 — Implantação do Modelo: Após a avaliação, o modelo é implantado no formato e canal apropriados. Esta é a fase final do ciclo de vida da manutenção preditiva. Cada etapa anterior deve ser bem executada para que o processo seja bem-sucedido. Se uma etapa falhar, como na coleta ou limpeza inadequada de dados, ou na avaliação incorreta do modelo, isso comprometerá todo o esforço, resultando em um modelo impreciso e ineficaz.
-
Tomada de decisão: Passo 5.1 — Identificando a Decisão: O primeiro passo para tomar a decisão correta é reconhecer o problema. Nessa fase, são elaborados diferentes cenários de intervenção, levando em consideração os tempos e custos de reparação envolvidos.
Passo 5.2 — Ação:
Após identificar os cenários possíveis, escolhe-se a melhor alternativa ou combinações que resultem nos menores custos e atrasos. O planejamento dos dias de reparo é feito após verificar a disponibilidade de mão de obra e peças de reposição.
Passo 5.3 — Revisão:
Essa etapa é crucial para avaliar a eficácia da decisão tomada. Como o ciclo de vida da manutenção preditiva é repetitivo, ele possibilita a melhoria das intervenções futuras.
Exemplo de Manutenção Preditiva em um Compressor Centrífugo:
Neste estudo de caso, a aplicação da manutenção preditiva (PdM) visa estimar a vida útil restante de um compressor centrífugo. Esses compressores são amplamente utilizados em indústrias para fornecer ar a ferramentas pneumáticas, sistemas de refrigeração, e outras operações essenciais na linha de produção. Portanto, é fundamental prever possíveis falhas e evitar paradas não programadas. A figura 6 ilustra os componentes da abordagem de manutenção preditiva aplicada a um compressor centrífugo, utilizando métodos de aprendizado de máquina para estimar a vida útil restante e antecipar falhas.
Costa (2013) propôs uma matriz de avaliação de manutenção preditiva (PdM) para superar falhas em compressores centrífugos, destacando a importância de combinar sinais de múltiplos sensores para detectar, diagnosticar e prever a evolução das falhas. Ele implementou um sistema de redundância com dois compressores adicionais que entram em operação quando o compressor principal falha ou está em manutenção programada.
O objetivo geral é minimizar o número de interrupções na planta. O sistema de redundância é uma solução preferida, pois proporciona maior confiabilidade em comparação a sistemas preditivos ainda não validados. No entanto, a manutenção preditiva oferece uma grande vantagem, pois permite detectar falhas antes que ocorram, melhorando a eficiência operacional e reduzindo custos de manutenção e paradas inesperadas.
CONCLUSÃO
Este artigo revisou a literatura sobre manutenção industrial inteligente e prognóstica, focando nos principais métodos e ferramentas de manutenção preditiva inteligente. Foi possível identificar que cada abordagem trata de equipamentos específicos, tornando difícil a comparação direta entre as técnicas. Além disso, a manutenção inteligente emergiu como uma ferramenta inovadora para lidar com eventos de manutenção, e com o avanço da Indústria 4.0, a Manutenção 4.0 se torna cada vez mais viável e promissora. As empresas industriais reconhecem a importância da adoção de manutenção preditiva inteligente nas suas operações.
Em relação aos desafios e direções futuras, um projeto de manutenção preditiva inteligente envolve várias etapas cruciais, como: modelagem, simulação, validação experimental, instrumentação do sistema, criação de um banco de dados de falhas, processamento e limpeza de dados, análise dos modos de falha, suporte à decisão, antecipação de ataques cibernéticos e apresentação dos resultados por meio de interfaces homem-máquina (HMI). Pesquisas futuras devem explorar essas etapas em diferentes tipos de equipamentos industriais e validar a tomada de decisões inteligentes para o planejamento de manutenção.
Referências
. Gestão estratégica da Manuenção: uma oportunidade para melhorar o resultado operacional Trabalho de Conclusão de Curso (Engenharia de produção) - Universidade Federal de Juiz de Fora .
. Lós 9 pilares de la Indústria 4.0 . Disponível em: http://www.ecointeligencia.com/2016/06/9-pilares-indústria-40-1/>. Acesso em: 25 mar. 2023. . Acesso em: 21 nov. 2024 .
. A Internet das Coisas: como a próxima evolução da Internet está mudando tudo . Disponível em: http://www.cisco.com/c/dam/global/pt_br/assets/executives/pdf/internet_of_things_iot _ibsg_0411final.pdf . Acesso em: 21 nov. 2024 .
iliot . HISTÓRIA DA MANUTENÇÃO… COMO ASSIM…? . Disponível em: https://iliot.tech/historia-da-manutencao-como-assim/ . Acesso em: 21 nov. 2024 .
Núcleo do conhecimento . A Importância da manutenção industrial e seus indicadores . Disponível em: https://www.nucleodoconhecimento.com.br/engenharia-de-producao/manutencao-industrial> . Acesso em: 21 nov. 2024 .
Tecnicon . 4 exemplos práticos da adoção da Indústria 4.0 nas fábricas. . Disponível em: https://www.tecnicon.com.br/blog/476-4_exemplos_praticos_da_adocao_da_Industria_4_0_nas_fabricas>. Acesso em 21 mar. 2023 . Acesso em: 21 nov. 2024 .
unicamp . Requisitos para a sobrevivência da indústria . Disponível em: https://www.unicamp.br/unicamp/ju/noticias/2018/02/20/requisitos-para-sobrevivencia-da-industria . Acesso em: 21 nov. 2024 .
