Indústria 4.0: Estado da arte, análise de casos de estudo e
proposta de um serviço de consultoria
João Pedro Almeida Lopes Ponte Reis Dissertação de Mestrado
Orientador na FEUP: Prof. Teresa Margarida Guerra Pereira Duarte Orientador na empresa: Eng. Pedro Neves
Mestrado Integrado em Engenharia Mecânica Junho de 2019
Resumo
A mais recente revolução industrial promete mudar o paradigma da produção, do desenvolvimento do produto e da interação com o cliente. Sendo um conceito muito abrangente e ainda em desenvolvimento, é necessário estudá-lo de forma a que seja possível criar um serviço de implementação de indústria 4.0 de qualidade.
Desta forma, foram estudadas as tecnologias inerentes à 4ª revolução industrial, os seus benefícios e impacto que podem ter na indústria, bem como as etapas a realizar para que a probabilidade de sucesso de transformação seja maximizada. Foi, ainda, analisado o nível de penetração da Indústria 4.0 em algumas empresas e o esforço que é feito em Portugal para sensibilizar as Pequenas e Médias Empresas e apoiá-las na transição.
Foi concluído que a digitalização é um pré-requisito para que a transformação possa ocorrer. Ainda que o governo português esteja a desenvolver um programa de apoio às PME para materializar o conceito indústria 4.0, as empresas da amostra analisada possuem níveis de digitalização reduzidos e, consequentemente, não estão preparadas para a transição. O serviço Desenho e Avaliação de Sistemas de Informação proporcionado pela Leanked revela-se como um serviço ideal para uma empresa que pretenda começar a sua transformação digital.
Industry 4.0: State of Art, Case Studies’ Analysis and Definition of a
Consulting service
Abstract
The most recent industrial revolution is set to change the paradigm of not only production and product development, but also client interaction. Being a very widespread concept, and since it is still in a development stage, it is important to study it in a way that makes it possible to create a quality implementation service regarding 4.0 industry.
Therefore, technologies related to the fourth industrial revolution were studied, as well as its benefits and the effects that may have in the industry, and also the required steps needed in order to achieve the maximum probability so that success in this transformation may occur. It was also taken into account the penetration level of 4.0 industry in a number of companies, and the effort made in Portugal to educate the small and medium-sized enterprises and support them in this transition.
It was concluded that digitalisation is a required condition so that the transition may take place. Even though the Portuguese government is developing a program to aid the SMEs in order to make the 4.0 concept a reality, the companies considered in the sample have reduced digitalisation levels, and, thus, are not yet ready to transition. The service Desenho e Avaliação de Sistemas de Informação, provided by Leanked has shown itself as an ideal service to a company which intends to make a start in its digital transition.
Agradecimentos
Em primeiro lugar, quero agradecer aos meus pais, Rui e Manuela, por todo o apoio que me deram no meu percurso académico, por me terem proporcionado os meios necessários para que eu tivesse uma educação de excelência e por me terem guiado ao longo da minha vida. Sem vocês não era a pessoa que sou hoje.
Ao meu irmão, Tomás, que está sempre do meu lado quando estou a receber reprimendas dos meus pais. Acredito muito em ti e continuo a dizer que só estou à espera de que dês jogador. Um obrigado por tudo.
E se a faculdade foi o melhor momento da minha vida, muito se deve ao meu grande grupo de amigos. Clitos, o apoio que me deram foi crucial para ultrapassar todos os obstáculos deste percurso e tenho orgulho em dizer que vos considero família. Um gigante obrigado.
Não menos importante que os que já foram mencionados, quero agradecer à Joana, porque sempre foi uma pessoa que acreditou nas minhas capacidades e me ajudou nos momentos menos bons. E claro, obrigado por me teres aturado em muitas madrugadas.
E não podia deixar de agradecer à minha orientadora da dissertação, Professora Teresa, por me ter orientado, não só neste projeto, mas também desde o primeiro ano do curso.
Quero ainda agradecer a todas as pessoas da Leanked, em especial ao Pedro Neves, pela orientação que me deu ao longo deste projeto e, acima de tudo, por ter sido verdadeiro e frontal comigo.
Por último, agradecer à grande instituição de ensino FEUP. Obrigado por formarem como um engenheiro de eleição e por me terem dado amizades que levo para o resto da minha vida. Foi um orgulho enorme ser estudante nesta casa e certamente que o sentimento de saudade vai ficar para sempre dentro de mim.
Índice de Conteúdos
1 Introdução ... 1
1.1 Apresentação da empresa Leanked ... 1
1.2 Estrutura da dissertação ... 1
2 Evolução da Indústria ... 3
2.1 Revoluções Industriais ... 3
3 Indústria 4.0 ... 5
3.1 Conceito ... 5
3.2 Tecnologias inerentes à Indústria 4.0 ... 6
3.2.1 Big Data e Análise ... 7
3.2.2 Robots autónomos ... 8
3.2.3 Simulação ... 9
3.2.4 Integração de sistemas ... 10
3.2.5 Internet das Coisas (IoT) ... 11
3.2.6 Computação em Cloud ... 21
3.2.7 Cibersegurança ... 24
3.2.8 Fabrico aditivo ... 27
3.2.9 Realidade aumentada ... 32
3.3 Resumo das tecnologias i4.0 ... 34
3.4 Estratégia de implementação da Indústria 4.0 ... 36
3.4.1 Maturidade máxima da i4.0 ... 36
3.4.2 Etapas a realizar para implementação da i4.0 ... 39
3.4.3 Avaliação da maturidade atual de Indústria 4.0 de uma empresa ... 41
4 Casos de estudo ... 45
4.1 Análise do estado atual de algumas empresas portuguesas ... 45
4.1.1 Apresentação e análise dos resultados obtidos através do inquérito ... 46
4.1.2 Caso de estudo - empresa Jofebar ... 56
4.1.3 Caso de estudo - empresa Autofer ... 58
4.1.4 Programa Indústria 4.0 ... 62
4.2 Proposta de valor ... 64
5 Conclusões e perspetivas de trabalho futuro ... 67
Referências ... 69
ANEXO A: Questionário Indústria 4.0 ... 73
Siglas
CAD - Computer Aided Design CNC - Computer Numerical Controls COO - Chief Operating Office
DASI - Desenho e Avaliação dos Sistemas de Informação ERP - Enterprise Resource Planning
ETL - Extraction, Transformation, Loading IaaS - Infraestucture as a Service
IEEE - Institute of Eletrical and Eletronics Engineers FA - Fabrico Aditivo
FIPP - Fair Information Practice Principles i4.0 - Indústria 4.0
IAPMEI - Instituto de Apoio a Pequenas e Médias Empresas e Inovação IoT - Internet of Things
ISO - International Organization for Standardization ISQ - Instituto de Soldadura e Qualidade
LAN - Local Area network
MRP - Material Requirement Planning M2H - Machine-to-Human
M2M - Machine-to-Machine PaaS - Platform as a Service PAN - Personal Area Network
PDP - Physical-to-Digital-to-Physical PME - Pequenas e Médias Empresas
PMOL - Projeto de Melhoria Operacional Leanked PLC - Programmable Logic Controller
POL - Projeto Operacional Leanked RA - Realidade Aumentada
RFID - Radio Frequency Identification Saas - Software as a Service
SCOR - Supply Chain Operations Reference TI - Tecnologias de Informação
Glossário
Big Data and Analytics - Análise de um grande volume de dados
Breakeven point - Ponto de equilíbrio nos negócios onde não há perdas nem ganhos
Business Intelligence – Conjunto de processos que assenta em três pilares: Recolha de dados, Organização e Análise destes e Monitorização e Ação
CapEx - Capital Expenditures: Gastos de uma empresa em ativos físicos
Commercial off-the-shelf - Produtos feitos para usos específicos e para uso do público geral. São desenhados para estarem prontamente disponíveis. Um exemplo de uma ferramenta COTS é o Microsoft Office.
Crossdocking - Sistema de distribuição no qual o produto recebido num armazém ou centro de distribuição não é armazenado, sendo preparado o mais rápido possível para expedição até ao cliente final
Digital Supply Network - Rede de Abastecimento Digital; Matriz flexível, conectada entre si, que permite que os dados e informação se movam não linearmente, de forma a que seja possível maximizar a eficiência quando há uma mudança das necessidades do consumidor ou da procura do mercado
Downtime - Tempo em que a máquina não está a produzir
Economia de Escala - Fatores que conduzem à redução do custo médio de produção de um
determinado bem à medida que a quantidade produzida aumenta
Economia de Gama – Diminuição dos custos unitários como resultado da criação de várias
sinergias entre os vários recursos que passam a ser utilizados
Enterprise Resource Planning - Software de gestão dos recursos empresariais. Este software gere os processos do negócio e integra as atividades de finanças, cadeia de abastecimento, operações, relatórios, produção e recursos humanos.
Extraction, Transformation, Loading - Extração, Transformação, Carregamento; Ferramenta de recolha, tratamento e armazenamento de dados
Feedback - Resposta/Reação a um determinado pedido ou acontecimento Internet Transit Price - Custo da transferência de dados através da Internet
Just in Time - Sistema de gestão de produção que determina que tudo deve ser produzido, transportado ou comprado na hora exata
Machine Learning - Capacidade de aprendizagem automática de uma máquina Machine to Human - Comunicação entre máquinas e humanos
Machine to Machine - Comunicação entre máquinas
Material Requirement Planning - Software que permite fazer a gestão do inventário, garantindo a disponibilidade de todas as unidades de matéria-prima ou componentes necessárias para a produção. Permite determinar o que é necessário, a quantidade e quando deve ser realizada a produção
OpEx - Operational Expenses: Gastos de uma empresa para que possam realizar as operações
necessárias
Índice de figuras
Figura 1 - Logótipo da empresa Leanked. ... 1 Figura 2 - Figura ilustrativa das 4 revoluções industriais (Deloitte et al. 2016). ... 4 Figura 3 - Ciclo Physical-to-Digital-to-Physical e tecnologias relacionadas (Adaptado de
Cotteleer e Sniderman (2017)). ... 6 Figura 4 - Tecnologias inerentes à Indústria 4.0 (Adaptado de Rüßmann et al. (2015)). ... 7 Figura 5 - Áreas de oportunidade de implementação de robots autónomos (Adaptado de
Fitzgerald e Quasney (2017)). ... 9 Figura 6 - Exemplo de uma planta de uma fábrica representada num software de simulação. ... 10 Figura 7 - Ciclo de valor da informação (Adaptado de Holdowsky et al. (2015)). ... 12 Figura 8 - Variação do preço médio dos sensores desde 1992 até 2014 (Adaptado de
Holdowsky et al. (2015)). ... 14 Figura 9 - Variação da velocidade de computação dos microprocessadores desde 1992 até
2014 (Adaptado de Holdowsky et al. (2015)). ... 14 Figura 10 - Classes de redes com exemplos representativos por tipo de conexão (Adaptado
de Holdowsky et al. (2015)). ... 15 Figura 11 - Velocidade da transferência de dados de algumas gerações de tecnologias de
telecomunicação, em função do ano (Adaptado de Holdowsky et al. (2015)). ... 16 Figura 12 - Internet Transit Price nos Estados Unidos da América (Adaptado de Holdowsky et
al. (2015)). ... 16 Figura 13 - Processo típico de ETL (Adaptado de Holdowsky et al. (2015)). ... 18 Figura 14 - Custo do armazenamento de dados (€ por Gygabite) (Adaptado de Holdowsky et
al. (2015)). ... 19 Figura 15 - Quantidade de informação gerada pelas empresas, globalmente (Holdowsky et al.
2015). ... 19 Figura 17 - Quantidade de robots vendidos, mundialmente, entre 2009 e 2017 e a previsão de
vendas entre 2018 e 2021 (Adaptado de Litzenberger et al. (2018)). ... 20 Figura 16 - Preço médio de venda dos robots industriais (Adaptado de Holdowsky et al.
(2015)). ... 20 Figura 18 - Partes e tecnologias envolvidas na Cloud Computing (Adaptado de Fastmetrics
(2018)). ... 22 Figura 19 - Exemplos de ferramentas adquiridas para cada tipo de serviço (Adaptado de
Azure (2019d)). ... 23 Figura 20 - Principais razões para o uso da Cloud (N=762, número de respostas de
empresas) (Adaptado de Brigs et al. (2018)). ... 24 Figura 21 - Paradigmas a adotar para os diferentes riscos em cada etapa do ciclo de
produção (Adaptado de Waslo et al. (2017)). ... 25 Figura 22 - Etapas do fabrico aditivo (Adaptado de Cotteleer, Holdowsky, e Matho (2013)). ... 28 Figura 23 - Exemplos de tecnologias de FA para cada processo e o princípio em que se
baseiam (Volpato et al. 2017). ... 29 Figura 24 - Tecnologias e materiais possíveis da matriz (Adaptado de Cotteleer, Holdowsky, e
Matho (2013)). ... 30 Figura 25- Comparação do custo médio de produção de uma unidade fabricada por métodos
Figura 34 - Classificações possíveis das empresas e respetivos grupos (Adaptado de
Lichtblau et al. (2015). ... 44
Figura 35 - Características das empresas da amostra. ... 45
Figura 36 - Frequência relativa (%) dos setores de atividade na amostra. ... 46
Figura 37 - Frequência relativa (%) das motivações para abraçar a Indústria 4.0. ... 47
Figura 38 - Frequência relativa (%) dos objetivos a atingir com a adoção da i4.0. ... 48
Figura 39 - Frequência relativa (%) do nível de implementação da estratégia i4.0. ... 48
Figura 40 - Frequência relativa (%) dos investimentos realizados nos últimos 2 anos e nos próximos 5 anos nas diferentes áreas. ... 49
Figura 41 - Frequência relativa do nível de recolha de dados das empresas. ... 50
Figura 42 - Frequência relativa (%) do tipo de utilização dos dados recolhidos. ... 51
Figura 43 - Frequência relativa (%) do tipo de informação externa integrada no ERP da empresa. ... 51
Figura 44 - Frequência relativa (%) das competências dos recursos humanos da empresa quanto aos requisitos i4.0. ... 52
Figura 45 - Frequência relativa (%) do esforço na aquisição das competências em falta. ... 53
Figura 46 - Frequência relativa (%) do nível das dimensões. ... 53
Figura 47 - Média do nível das dimensões. ... 54
Figura 48 - Frequência relativa (%) da informação interna, partilhada entre departamentos, integrada no sistema ERP. ... 55
Figura 49 - Exemplo de aplicação do produto Panoramah® (Panoramah 2016) ... 56
Figura 50 - Mesa de Ping-Pong montada na Autofer (Decathlon 2019b). ... 59
Figura 51 - Artigo mais produzido na Autofer (Decathlon 2019a). ... 60
Figura 52 - Figura representativa da informação disponível nos quadros brancos no chão de fábrica da Autofer. ... 60
1 Introdução
O tema da dissertação consiste na análise do estado de desenvolvimento da Indústria 4.0 (i4.0) e avaliação da penetração deste conceito em algumas empresas portuguesas. Este estudo levará à definição de uma proposta de valor considerada ideal para as empresas, tendo em conta o estado de desenvolvimento em i4.0 atual das mesmas. A quarta revolução industrial está a ocorrer a uma velocidade elevada, sendo que é crucial acompanhar a transformação, de modo a que a competitividade entre empresas se mantenha.
1.1 Apresentação da empresa Leanked
Este projeto foi proposto pela empresa Leanked (Figura 1) que pretende posicionar-se no mercado como uma empresa a considerar no planeamento de uma estratégia de i4.0.
A organização em causa é uma consultora especializada em liderança de projetos de mudança operacional que visem a criação de valor. Para tal, são aplicadas metodologias avançadas para a eliminação de desperdícios e maximização de produtividade, eficiência e valor. A empresa conta já com um portefólio vasto, em diferentes setores de atividade, sendo, assim, uma empresa versátil com um conhecimento abrangente sobre a realidade das pequenas e médias empresas portuguesas. No entanto, o paradigma da indústria está a mudar a um ritmo elevado, sendo que a Leanked não possui conhecimentos suficientes para poder oferecer um serviço de consultoria i4.0 de qualidade que possa ser implementado com êxito. Desta forma, este projeto tem como objetivo a aquisição de conhecimento de i4.0 no contexto atual, como o seu estado de desenvolvimento, o nível de integração na indústria e as necessidades das empresas, que levará à definição de uma possível proposta de valor.
1.2 Estrutura da dissertação
Para atingir os objetivos definidos, esta dissertação foi dividida em 5 capítulos: Introdução, Evolução da Indústria, Indústria 4.0, Casos de Estudo e Conclusões e perspetivas de Trabalhos Futuros.
Pequenas e Médias Empresas (PME) portuguesas e os resultados dos dois casos de estudo em duas empresas. Posteriormente, é avaliado o esforço que o governo português está a realizar para que a transformação seja realizada pelo maior número de PME. Por último, com base nos resultados obtidos, é proposto um serviço de consultoria considerado ideal para o início da transformação digital.
No último capítulo, Conclusões e perspetivas de Trabalhos Futuros, são apresentadas as conclusões essenciais obtidas com a realização deste projeto e uma perspetiva de um projeto a realizar no futuro relacionado com o mesmo tema.
2 Evolução da Indústria
2.1 Revoluções Industriais
Durante o percurso da história, o ser humano tem vindo a aperfeiçoar a indústria, devido ao aparecimento de recursos que levaram à criação de novas tecnologias, redefinindo por completo as operações industriais. Algumas das inovações tiveram um impacto tão grande na humanidade que fizeram com que certos períodos da história tenham sido destacados e nomeados como “Revoluções Industriais” (Sentryo 2017).
É comum pensar que ao longo dos últimos séculos da história industrial apenas tenha ocorrido uma revolução industrial. De facto, a 1ª revolução, que ocorreu entre os anos de 1760 e 1840, representou a transição da produção de bens manualmente por artesãos hábeis para a produção dos mesmos bens por operários com o auxílio de novas tecnologias, como as máquinas a vapor. Esta transição começou por ter impacto na indústria têxtil, sendo que, posteriormente, influenciou todos os aspetos da vida diária dos seres humanos.
A 2ª Revolução Industrial aconteceu no fim do século 19 e início do século 20. Ao contrário da revolução anterior, que foi caracterizada pelo surgimento de novas tecnologias, esta consistiu na melhoria das tecnologias existentes e da sinergia entre elas. Por exemplo, a eletricidade substituiu a água e o vapor como fonte de energia principal e iniciou-se a utilização de linhas de montagem, o que aumentou a produtividade e, consequentemente, marcou o início da produção em massa.
Semelhante à 1ª revolução industrial, a introdução de novas tecnologias disruptivas na indústria originou uma terceira revolução. Na segunda metade do século 20, a introdução de sistemas automatizados e informatizados aumentou a precisão e exatidão dos processos produtivos, através da utilização de robots, Programmable Logic Controllers (PLCs) e de Computer Numerical Controls (CNC).
Atualmente, devido à emergência da Internet, avista-se uma nova revolução na indústria que permitirá a obtenção de níveis de otimização nunca antes obtidos. Estas indústrias, conhecidas como i4.0, têm como conceito-base a conectividade em tempo real, através de plataformas digitais entre todas as máquinas de um processo produtivo, todos os departamentos de uma fábrica, entre todas as partes envolvidas na cadeia de abastecimento, trocando-se informação sobre as mais diversas etapas do processo produtivo, podendo ser tomadas, então, decisões com base em data, em tempo real. As tecnologias inerentes a esta indústria fazem com que o potencial desta seja incalculável (Wright 2018).
Os seres humanos têm duas capacidades: físicas e cognitivas. No passado, as máquinas competiam com as pessoas sobretudo nas aptidões físicas simples, enquanto que os humanos mantinham uma enorme vantagem sobre as máquinas no que respeitava à cognição. Contudo, com o surgimento de novas tecnologias como a Inteligência Artificial, as aptidões de análise,
3 Indústria 4.0
A i4.0, apesar de parecer um conceito futurista, é já hoje uma realidade que começa a ter efeito nos indicadores operacionais das empresas. Esta indústria é conhecida como a próxima fase da digitalização do sector de produção, que permite a recolha e análise de dados das máquinas físicas, permitindo que os processos sejam mais rápidos, flexíveis e eficientes, sendo, então, fabricados produtos de elevada qualidade com custos reduzidos (Rüßmann et al. 2015). Ou seja, esta revolução assenta em muito mais do que a simples produção. Tecnologias inteligentes e interligadas poderão transformar a forma como os produtos são desenhados, produzidos e utilizados.
3.1 Conceito
O conceito da i4.0 baseia-se no constante movimento de informação entre o mundo físico e digital, num ciclo repetitivo, denominado Physical-to-Digital-to-Physical (PDP) (Figura 3). O fluxo do movimento ocorre através de uma série de três etapas (Cotteleer e Sniderman 2017):
• Physical to Digital: Recolha de informação do mundo físico e criação de um registo digital dos mesmos dados;
• Digital to Digital: Partilha de informação e descoberta de visões significativas utilizando analítica avançada e inteligência artificial;
• Digital to Physical: Aplicação de algoritmos que transformem a informação digital em ações que possam ser processadas pelo mundo físico.
Muitas indústrias possuem atualmente porções do ciclo PDP, nomeadamente os processos Physical-To-Digital e Digital-To-Digital. No entanto, é na última etapa do ciclo que se encontra o verdadeiro valor da i4.0, pois é nesta em que a informação que foi recolhida e analisada é transformada em ações ou movimentos no mundo físico (Cotteleer e Sniderman 2017).
Para este processo ser alcançado, são combinadas diversas tecnologias físicas e digitais inovadoras, que, utilizadas em conjunto e de forma sincronizada, aumentam a produtividade e eficiência de uma indústria.
3.2 Tecnologias inerentes à Indústria 4.0
Existem diversas tecnologias disruptivas que têm sido desenvolvidas ao longo dos anos. Algumas delas ainda não estão suficientemente evoluídas para serem utilizadas em larga escala, sendo que outras possuem, já, um grau de confiabilidade elevado e um custo reduzido, sendo que a sua aplicação a nível industrial começa a fazer sentido (Baur e Wee 2015).
As principais tecnologias (Figura 4) que estão a transformar a produção industrial são: • Big Data e Análise;
• Robots Autónomos; • Simulação;
• Integração de Sistemas; • IoT- Internet das Coisas; • Computação na Cloud; • Cibersegurança;
Figura 3 - Ciclo Physical-to-Digital-to-Physical e tecnologias relacionadas (Adaptado de Cotteleer e Sniderman (2017)).
• Fabrico Aditivo; • Realidade Aumentada.
Cada empresa deve decidir como e onde investir nestas novas tecnologias e identificar quais delas melhor satisfazem as suas necessidades.
3.2.1 Big Data e Análise
Em tecnologias de informação, o termo Big Data refere-se a uma grande variedade de dados complexos e de elevado volume, gerados a elevada velocidade, sendo que os programas tradicionais de processamento de dados não os conseguem processar. Esta tecnologia é conhecida pelos 3 V’s:
• Volume: Processamento de uma elevada quantidade de dados;
• Velocidade: Velocidade com que os dados são recebidos e processados;
• Variedade: Variedade do tipo de dados recebidos (estruturados, semiestruturados, desestruturados).
Com o passar dos anos, foram introduzidos dois novos V’s: • Valor: Todos os dados possuem valor;
• Veracidade: Avalia o quão verdadeira e fiável é a informação.
O principal benefício da Big Data é o facto de ser possível realizar análises mais completas devido ao incremento da quantidade de dados e, consequente, é feita uma aproximação aos
• Fraude e conformidade: A Big Data ajuda na identificação de padrões na informação que indica indícios de fraude;
• Machine Learning: Capacidade de ensinar máquinas em vez de as programar.
A utilização desta tecnologia permitirá o aumento da eficiência operacional analisando, não só os dados relativos ao processo produtivo, mas também a informação relativa ao feedback do cliente. As possibilidades da Big Data and Analytics não têm fim e podem levar à implementação de estruturas de negócio inovadoras (Oracle 2018).
3.2.2 Robots autónomos
A 3ª revolução industrial foi marcada pela robotização dos processos produtivos. Atualmente, muitas das células de produção de uma fábrica são constituídas por robots mecânicos. A utilização destes requer programação complexa, levando a que a agilidade necessária para o ajuste entre operações seja baixa, diminuindo a flexibilidade da produção. No entanto, a face da indústria 4.0 é a produção autónoma, na qual os robots autónomos terão um tremendo impacto. Estes são dispositivos com Inteligência Artificial programados para realizar tarefas com pouca ou nenhuma intervenção humana, e possuem a capacidade de reconhecer padrões nos dados recolhidos e aprender com eles (Machine Learning), podendo, então, tomar decisões independentemente. A ligação entre robots e entre robots e humanos permite, também, o aumento da eficiência, produtividade e qualidade (Fitzgerald e Quasney 2017). A utilização, então, deste tipo de tecnologia tem como objetivo incrementar a eficiência das operações de todos os segmentos de uma cadeia de abastecimento:
• Reduzindo o número de erros e taxas de retorno;
• Melhorando a segurança para os trabalhadores em ambientes de operação perigosos; • Realizando as operações consideradas de pouco valor, mundanas, permitindo que os
humanos se concentrem mais na definição de estratégias de gestão de produção, aumentado, assim, o valor destes;
• Aumentando a velocidade de entrega e, consequentemente, a satisfação do cliente; • Fazendo previsão da procura, produzindo apenas o que é necessário, quando
necessário (Just in time).
As áreas de oportunidade de implementação de robots autónomos em supply chain (Figura 5) são (Modelo SCOR- Supply Chain Operations Reference) (Fitzgerald e Quasney 2017):
1. Desenvolvimento: O desenvolvimento de produtos e de protótipos pode beneficiar com os testes contínuos, por exemplo, à fadiga ou de qualidade, já que os robots autónomos são feitos para realizar tarefas repetitivas e contínuas;
2. Planeamento: Os dados recolhidos pelos robots permitem realizar um planeamento mais preciso de toda a cadeia de abastecimento;
3. Abastecimento: Os robots autónomos são capazes de realizar inspeções aos bens recebidos e fornecer informação sobre estes em tempo real aos fornecedores;
4. Produção: Robots colaborativos, trabalhando em conjunto com os humanos, melhoram a eficiência das operações, reduzem a quantidade de erros e permitem que os humanos se foquem mais em problemas estratégicos da supply chain;
5. Distribuição: Veículos autónomos podem reduzir o tempo de crossdocking e aumentar a precisão e taxa de recolha, empacotamento e de rotulagem;
6. Devolução: A utilização de câmaras com capacidades avançadas de scanning permitem receber os produtos devolvidos em menos tempo, permitindo que estes sejam redistribuídos mais rapidamente.
Estes são apenas alguns exemplos das possibilidades de melhoria de uma supply chain com a utilização desta tecnologia. Cada empresa tem de avaliar as suas necessidades e as capacidades atuais na cadeia de abastecimento e, ao implementar os robots autónomos necessários, incrementará a produtividade e eficiência do processo, reduzindo os custos relativos à mão de obra e melhorando o nível de satisfação do cliente (Fitzgerald e Quasney 2017).
3.2.3 Simulação
Em projetos de engenharia, a utilização da simulação é bastante comum na fase de desenvolvimento do produto, onde são simuladas, por exemplo, as dimensões ou os materiais do mesmo. No entanto, no futuro, esta tecnologia será utilizada extensivamente em plantas de operações. Através dos dados gerados pelos intervenientes de uma fábrica, as simulações fazem com que seja possível que essa informação espelhe o mundo físico num mundo virtual em tempo real, que poderá incluir as máquinas, produtos e pessoas. Ou seja, esta tecnologia cria um mundo virtual, denominado de Gémeo Digital (Figura 6) com base na informação obtida em tempo real no mundo físico, fazendo com que seja possível, por exemplo, monitorizar uma determinada fábrica a partir de casa.
Figura 5 - Áreas de oportunidade de implementação de robots autónomos (Adaptado de Fitzgerald e Quasney (2017)).
Com as simulações é ainda possível:
• Fazer alterações na linha de produção; • Testar diferentes cenários;
• Otimizar linhas de produção;
• Testar variações na produção de diferentes produtos;
• Visualizar problemas que possam reduzir a performance do processo.
É de salientar que todas estas ações são feitas no mundo virtual, ou seja, é possível prever com elevada precisão o que acontece na fábrica física caso sejam efetuadas alterações, tendo custos bastante reduzidos, comparativamente aos que se teriam caso as mesmas alterações fossem aplicadas diretamente no mundo real (Components 2014, 2015; Rüßmann et al. 2015).
3.2.4 Integração de sistemas
Atualmente, grande parte dos sistemas de informação de uma empresa não se encontra devidamente integrado. De facto, a empresa, os fornecedores e os clientes estão, raramente, conectados proximamente. Verifica-se o mesmo entre os vários departamentos de uma indústria, ou até entre as diferentes máquinas de uma célula de produção. Assim, a integração dos sistemas pretende que todas as partes envolvidas na supply chain estejam devidamente integradas e ligadas, de forma coesa. Esta é dividida em duas componentes (Rüßmann et al. 2015):
• Integração horizontal: Consiste na partilha de dados, isto é, na ligação, entre as partes envolvidas na supply chain. Ou seja, tem como objetivo conectar o que está dentro com o que está fora da indústria, como por exemplo, os fornecedores ou outros parceiros externos. Deste modo, a empresa possui a capacidade de adaptação, em tempo real, aos requisitos de logística necessários para responder às necessidades dos consumidores;
• Integração vertical: Consiste na partilha de informação entre os diferentes níveis de produção, ou seja, consiste na ligação entre o chão de fábrica e os administradores da
empresa. Desta forma, é possível obter uma melhor previsão do negócio, incrementando-se a agilidade para redesenhar e implementar ações corretivas entre flutuações na procura (Digital 2018).
A integração de sistemas confere, então, à empresa, a capacidade de ajustar dinamicamente os seus processos para ir ao encontro, com agilidade, das necessidades do negócio, dos fornecedores, dos clientes ou até do próprio mercado.
3.2.5 Internet das Coisas (IoT)
A Internet of Things (Internet das Coisas) é uma tecnologia que tem o potencial de gerar impacto, não só na forma de trabalhar, mas também na forma de viver (Morgan 2014).
Este pilar da i4.0 consiste no conjunto de dispositivos, desde sensores a smartphones, conectados através da Internet, onde interagem, partilham e analisam os dados gerados pelos mesmos, possibilitando a comunicação entre máquinas (Machine to Machine) e a comunicação entre máquinas e humanos (Machine to Humans). Em suma, esta tecnologia assenta na rede, nos dispositivos e nos dados (Burgess 2018).
As potencialidades da IoT não têm limites. De facto, esta é base de conceitos como (Amado et al. 2018):
• Infraestruturas inteligentes; • Mobilidade inteligente; • Cidades inteligentes.
Quando aplicada à indústria, esta tecnologia é conhecida com Industrial Internet of Things (IIoT). Esta consiste na utilização da Internet das Coisas com a finalidade de melhorar os processos de fabrico e industriais de uma empresa. À semelhança da IoT, também consiste em dispositivos conectados via Internet, formando um sistema que monitoriza, recolhe, troca e analisa dados. Estes dados gerados são movimentados num ciclo de valor (Figura 7), com diversas etapas que estão conectadas através de tecnologias que possibilitam o funcionamento da IoT.
As etapas do ciclo de informação são (Holdowsky et al. 2015):
1. Criação: A utilização de sensores para a geração de informações sobre um evento ou um estado físico;
2. Comunicação: Transmissão da informação de um lugar para o outro;
3. Agregação: Agregação de toda a informação gerada, em momentos diferentes e provenientes de diversas fontes;
4. Análise: Análise dos padrões e relações entre os dados, que leva à descrição, previsão ou prescrição de ações;
5. Ação: Iniciação, manutenção ou alteração do evento ou estado físico.
Estas etapas, para estarem conectadas, necessitam, então, de certas tecnologias ou conceitos: • Sensores: Dispositivos que geram sinais eletrónicos a partir de uma condição ou
evento físico;
• Networks: Mecanismos que comunicam os sinais eletrónicos;
• Normalização: Proibições ou prescrições frequentemente aceites para ação;
• Inteligência Aumentada: Ferramentas analíticas que incrementam a habilidade de descrever, prever e explorar relações entre os dados;
• Comportamento Aumentado: Tecnologias e técnicas que melhoram a conformidade com a ação prescrita.
É necessário, então, entender o que são estas tecnologias e conceitos e o porquê de serem essenciais para o funcionamento da IoT.
Sensores
Um sensor é um dispositivo que converte um sinal não-elétrico num sinal elétrico, que é enviado para um circuito eletrónico. É um termo genérico para um sistema sensorial, composto por sensores, microcontroladores, fontes de energia, processadores, entre outros. O Instituto de Engenheiros Eletrotécnicos (Intitute of Eletrical and Eletronics Engineers-IEEE) define-o como um dispositivo eletrónico que produz dados elétricos, digitais ou óticos derivados de uma condição ou evento físico. Os dados produzidos pelos sensores são, posteriormente, transformados eletronicamente, por outro dispositivo, em informação (output) útil para a tomada de decisão feita por dispositivos “inteligentes” ou por indivíduos (pessoas) (Holdowsky et al. 2015).
Existem diversos tipos de sensores, como por exemplo, sensores de posição, velocidade, força, pressão, temperatura, entre outros, sendo que a escolha do tipo depende, essencialmente, da função do sinal a ser medido. No entanto, existem fatores genéricos que determinam a aptidão de um sensor para uma certa aplicação, tais como:
• Exatidão: Medida que avalia o quão exato é o valor obtido pelo sensor;
• Repetibilidade: A performance de um sensor em reportar constantemente a mesma resposta quando está sujeito ao mesmo input e a condições do meio envolvente constantes;
• Amplitude: A banda de sinais de input com os quais o sensor consegue devolver um output exato. Sinais de entrada fora da amplitude de sinais do sensor levam a leituras pouco exatas e podem causar danos nos mesmos;
• Ruído: Flutuações no sinal de saída devido ao sensor ou ao meio envolvente;
• Resolução: A mais pequena alteração no sinal de entrada requerida para que o sensor a detete;
• Seletividade: Habilidade do sensor de selecionar e reportar o sinal.
Qualquer um destes fatores pode influenciar a confiabilidade dos dados recebidos e, consequente, o valor destes.
A razão pela qual os sensores são utilizados num sistema da Internet of Things assenta em três fatores (Holdowsky et al. 2015):
• Sensores mais baratos: O preço dos sensores tem vindo a cair ao longo dos anos e prevê-se que continue (Figura 8);
• Sensores mais inteligentes: Como foi dito anteriormente, um sensor pertence a um sistema composto por outros dispositivos como microprocessadores ou fontes de energia. Nos últimos anos, o poder computacional dos microprocessadores aumentou (Figura 9);
• Sensores mais pequenos: A redução das dimensões dos sensores permitiu, por exemplo, a implementação destes em dispositivos como smartphones, que em 2007 possuíam, em média, três sensores, e em 2014, cerca de dez. Similarmente, biossensores podem ser ingeridos, originando várias aplicações no setor da saúde.
Networks
A informação que os sensores criam raramente possui o seu máximo valor no momento e lugar de criação. Os sinais gerados têm de ser transportados para outras localizações para serem agregados e analisados. Esta ação de transporte é realizada pela infraestrutura de comunicação ou Network.
As tecnologias de rede são classificadas como (Figura 10): • Rede sem fios (Wireless);
• Rede com fios (Wired).
Com o contínuo movimento dos utilizadores e dispositivos, as redes wireless surgem como mais convenientes quando se pretende uma conectividade constante, sendo que as conexões wired são úteis para rotas de rede mais confiáveis, seguras e de alto volume. A escolha do tipo de rede a implementar depende da área geográfica que se pretende cobrir.
Figura 9 - Variação da velocidade de computação dos microprocessadores desde 1992 até 2014 (Adaptado de Holdowsky et al. (2015)).
Figura 8 - Variação do preço médio dos sensores desde 1992 até 2014 (Adaptado de Holdowsky et al. (2015)).
Por exemplo, quando é necessário transferir dados onde a distância a percorrer é reduzida, pode-se optar por dispositivos que usem uma tecnologia com ou sem fios de Personal Area Network (PAN). Se a área a cobrir for ligeiramente maior, como a de um escritório, deve-se eleger uma Local Area Network (LAN), com ou sem fios. No caso de transferência de dados, por exemplo, entre edifícios ou cidades, é utilizada a Wide Area Network (WAN), sendo que neste caso apenas é possível utilizar tecnologias wireless (Holdowsky et al. 2015).
Existem outros fatores chave que têm de ser considerados na seleção do tipo de rede para uma determinada aplicação:
• Velocidade de transferência de dados; • Requisitos de energia.
A adoção desta tecnologia para o funcionamento da IoT deve-se ao facto de as networks conseguirem transferir dados a elevadas velocidades, a custos reduzidos e com pouca utilização de energia. De facto, tendo como exemplo as tecnologias de telecomunicação (Figura 11), conclui-se que a velocidade de transferência de dados tem vindo a aumentar de geração em geração, sendo que com o 5G será possível obter velocidades de transferência superiores a 1 Gygabite por segundo.
Figura 10 - Classes de redes com exemplos representativos por tipo de conexão (Adaptado de Holdowsky et al. (2015)).
O Internet transit price é o preço cobrado por um fornecedor de um serviço de Internet para que a transferência de dados seja feita de um ponto da rede para outro. Em 2003, o custo da transferência de um Megabyte por segundo era, nos Estados Unidos da América, de 106 €. Em 2015, este mesmo custo foi reduzido para 0,56 €/Mbps. Deste modo, o custo da transferência de dados através destas tecnologias tem vindo a ser cada vez mais reduzido (Figura 12).
Normalização
A terceira etapa do ciclo de informação, a agregação, refere-se a todas as atividades relacionadas com a manipulação, processamento e armazenamento dos dados. A informação
Figura 11 - Velocidade da transferência de dados de algumas gerações de tecnologias de telecomunicação, em função do ano (Adaptado de Holdowsky et al. (2015)).
Figura 12 - Internet Transit Price nos Estados Unidos da América (Adaptado de Holdowsky et al. (2015)).
gerada pelos sensores em diferentes localizações é agregada de modo a que seja possível retirar conclusões com significado. Esta etapa aumenta o valor dos dados, incrementando, por exemplo, a escala, o alcance e a frequência da informação disponível para análise. A agregação é alcançada através do uso de várias normas, que dependem da finalidade da aplicação da IoT. A Organização Internacional de Normalização (ISO) define que uma norma é um documento que fornece requisitos, especificações, diretrizes ou características que podem ser usadas constantemente para garantir que materiais, produtos, processos e serviços são adequados ao seu propósito (Holdowsky et al. 2015).
Existem dois tipos de normalizações relevantes para a etapa de agregação: As normas regulamentares e normas tecnológicas.
As normas regulamentares são regulamentos claros relacionados com a recolha, manipulação, propriedade, uso e venda dos dados. Com o objetivo de expandir as aplicações da IoT, têm de ser consideradas as recomendações de privacidade e segurança da Comissão Federal de Comércio dos EUA, denominadas por Princípios Justos da Prática de Informação (Fair Information Practice Principles- FIPPs). Estes princípios são a base do Regulamento do Parlamento Europeu e do Conselho relativo à proteção das pessoas singulares no que diz respeito o tratamento de dados pessoais e à livre circulação desses dados (Europeu 2016), sendo estes os seguintes:
• Escolha e aviso: Este princípio declara que as entidades que recolhem os dados devem conferir aos utilizadores a opção de escolher o que querem revelar e notificá-los quando a informação pessoal dos mesmos estiver a ser gravada;
• Especificação do propósito e limitação da utilização: Este princípio diz que a entidade que recolhe informação deve referir claramente o propósito de o estar a fazer à autoridade que permite realizar a recolha. A utilização da informação deve estar limitada à finalidade especificada;
• Minimização dos dados: Este princípio sugere que a entidade apenas pode recolher os dados necessários para alcançar a finalidade requerida, eliminando-os após a sua utilização;
• Segurança e responsabilidade: Este princípio declara que a entidade responsável pela recolha e armazenamento de dados tem de ser responsável e implementar sistemas de segurança que evitem o acesso não autorizado, modificação, eliminação ou uso da informação.
As normas tecnológicas incluem três elementos:
• Protocolos de rede: Referem-se a um conjunto de regras pelas quais as máquinas se identificam e se autorizam umas às outras;
• Protocolos de comunicação: A partir do momento em que os dispositivos estão conectados à rede e identificados, estes protocolos (conjunto de regras) proporcionam uma linguagem comum para que os dispositivos possam comunicar;
• Normas de agregação de dados: Os dados recolhidos pelos diversos dispositivos são transferidos em diversos formatos e a diferentes frequências. Uma ferramenta de agregação de dados (Extraction, Transformation, Loading - ETL (Figura 13) agrega, processa e armazena dados num formato que seja passível de uso por uma aplicação de data analytics. A extração refere-se à recolha de dados de múltiplas fontes e validação destes, garantindo que apenas são selecionados os dados que vão ao encontro de determinados critérios. A transformação consiste no conjunto de
Inteligência Aumentada
Extrair conhecimento através das informações requer análise, a quarta etapa do ciclo da informação. Esta análise é conduzida por várias tecnologias cognitivas, com o auxílio de algoritmos, que facilitam a utilização das mesmas. Este conjunto é denominado de inteligência aumentada para capturar a ideia de que estes sistemas podem automatizar inteligência, de uma forma em que o agente humano é excluído.
Num contexto de valor, a análise é útil apenas na medida em que informa a ação. Para se obter, então, a informação sobre a ação, têm de ser realizados cálculos analíticos (Data Analytics), sendo que existem três análises possíveis (Holdowsky et al. 2015):
• Análise descritiva: Possibilita a análise de um maior volume de dados, mais complexos, permitindo ao utilizador a identificação de padrões que seriam, de outra forma, perdidos no meio da enorme quantidade de informação;
• Análise preditiva: Esta análise é o começo de uma perceção mais profunda do que pode estar a acontecer ou que poderá vir a acontecer, dadas as tendências históricas. Para tal, explora a grande quantidade de dados com grande variedade para construir modelos úteis que podem correlacionar variáveis aparentemente não relacionadas; • Análise prescritiva: Análise que inclui técnicas de otimização que são baseadas em
grandes volumes de informação, regras do negócio e modelos matemáticos. Os algoritmos de prescrição podem incluir, continuamente, novos dados, aumentando a exatidão nas decisões de otimização. Em suma, este tipo de análise recomenda qual a melhor decisão a realizar.
Com o avanço de novas tecnologias cognitivas, como a visão computacional, processamento de linguagem natural e reconhecimento de fala, novas formas de informação podem ser utilizadas para as análises preditivas e prescritivas.
A disponibilidade da Big Data, em conjunto com o crescimento de ferramentas de análise avançadas, está a conduzir o crescimento da inteligência aumentada. As aplicações inteligentes típicas são baseadas em processamento de lotes de dados. No entanto, a necessidade de constantes insights e ações imediatas está a impulsionar a adoção de ferramentas de análise de dados em tempo real.
Devido à redução dos custos de armazenamento de dados (Figura 14) e o aumento da informação gerada pelas diferentes entidades (Figura 15), os modelos de inteligência artificial podem ser melhorados.
Comportamento Aumentado
O conceito de comportamento aumentado consiste em realizar uma ação resultante de todas as fases precedentes do ciclo da informação. Esta última fase recomeça o ciclo pois uma ação leva à criação de novos dados e pode ser expressa de, pelo menos, três formas:
• Interfaces Machine-to-Machine (M2M): Referem-se ao conjunto de tecnologias que permitem a comunicação entre máquinas.
• Interfaces Machine-to-Human (M2H): Com base na informação obtida e cálculos algorítmicos, as máquinas têm o potencial de transmitir ações sugestivas aos indivíduos, que depois, segundo os seus critérios, decidem ou não exercer a ação recomendada.
• Entidades organizacionais: Uma organização inclui máquinas e indivíduos, ou seja, usufrui dos benefícios da M2M e M2H. Gerir comportamentos aumentados em organizações requer uma alteração no comportamento das pessoas e nos processos. O papel das máquinas tem vindo a evoluir ao longo dos anos, desde simples automação que
Figura 15 - Quantidade de informação gerada pelas empresas, globalmente (Holdowsky et al. 2015). Figura 14 - Custo do armazenamento de dados (€ por Gygabite) (Adaptado de Holdowsky et al. (2015)).
Figura 17 - Quantidade de robots vendidos, mundialmente, entre 2009 e 2017 e a previsão de vendas entre 2018 e 2021 (Adaptado de Litzenberger et al. (2018)).
Aplicações
Agregando todas as tecnologias abordadas anteriormente, a IoT incrementa a sua potencialidade de aplicação em inúmeras situações, com as mais diversas finalidades, como (Flair 2018; TechTarget 2018):
• Previsão de manutenção: A utilização dos dados gerados em tempo real pelos dispositivos IIoT para prever defeitos nas máquinas antes de estas acontecerem, possibilitando que a empresa aja antes da falha da máquina, diminuindo o downtime desta;
• Serviço pós-venda: Esta tecnologia permite a identificação de potenciais problemas nos equipamentos dos clientes, permitindo a correção prévia destes, aumentando, desta forma, a segurança e satisfação do consumidor;
• Acompanhamento dos produtos: Fornecedores, fabricantes e clientes podem acompanhar a localização e a condição dos produtos ao longo da supply chain. Por exemplo, o sistema enviará alertas constantes aos stakeholders da empresa se os produtos estão danificados ou em vias de, permitindo que sejam tomadas ações prévias para resolver a situação;
• Incremento da satisfação do consumidor: Quando os produtos estão conectados à IoT, o fabricante obtém e analisa os dados sobre como os clientes os utilizam, possibilitando o desenvolvimento de produtos ainda mais centrados nas necessidades do consumidor;
• Gestão da fábrica: Sendo as máquinas sensíveis ao desgaste e fadiga, como também a outras condições, os sensores permitem a monitorização das condições de produção, como temperatura ou vibrações, e verificam se estas são as adequadas ou se necessitam de ajustes;
• Monitorização da linha produção: Permite a monitorização em tempo real de todas as etapas de produção, possibilitando a realização de ajustes necessários que visam a uma melhor gestão das operações, diminuindo o custo destas.
Apesar da implementação desta tecnologia aumentar a eficiência, reduzir os custos e, consequentemente, aumentar os lucros de uma empresa, existem riscos que têm de ser considerados. A criação e transmissão de dados representa uma oportunidade para que estes sejam comprometidos. Assim, a possibilidade de criar e capturar valor através da informação capacitada pela IoT leva também à necessidade da proteção dessa mesma informação.
3.2.6 Computação em Cloud
Cloud computing, ou computação em Cloud, é a entrega de serviços de computação, como servidores, armazenamento, bases de dados, redes, software de análise, entre outros, através da Internet (Azure 2019a). Os utilizadores da Cloud pagam apenas as ferramentas que necessitam, quando necessitam. A informação e os dados são armazenados em servidores físicos ou virtuais, sendo que estes são controlados e conservados pelo fornecedor da Cloud (Fastmetrics 2018). Em suma, em vez de possuírem infraestruturas computacionais ou centros de dados, as empresas podem “alugar” as aplicações ou armazenamento das empresas (Figura 18) fornecedoras do serviço Cloud.
Existem vários tipos de nuvem, sendo que os diferentes modelos, tipos e serviços têm evoluído de forma a que as necessidades de todas as empresas possam ser satisfeitas. A Cloud pode ser (Azure 2019a):
• Pública: Pertence e é operada pelo fornecedor da Cloud, que fornece os seus recursos computacionais, como servidores e armazenamento, através da Internet. A gestão de todo o software, hardware e infraestrutura é feita pelo fornecedor;
• Privada: Recursos de computação são apenas utilizados por uma empresa ou organização. Todos os serviços e infraestruturas utilizados são mantidos numa rede privada;
• Híbrida: Combina a Cloud pública com a privada, utilizando tecnologias que permitem a partilha dos dados e aplicações entre Clouds. Desta forma, a flexibilidade do negócio é incrementada.
Cada empresa fornece diferentes serviços, como (Figura 19):
Figura 18 - Partes e tecnologias envolvidas na Cloud Computing (Adaptado de Fastmetrics (2018)).
• Infraestructure as a Service (IaaS): Categoria mais básica de todos os serviços. Este consiste no aluguer de infraestruturas de Tecnologias de Informação (TI), como servidores e máquinas virtuais, armazenamento ou redes de firewall. Assim, o custo elevado, a complexidade e gestão dos próprios servidores e centros de dados é evitado. As vantagens da utilização deste serviço são (Azure 2019b):
o Elimina o custo da aquisição de infraestruturas físicas; o Rápida inovação;
o Maior flexibilidade; o Melhor segurança.
• Platform as a Service (PaaS): Fornece serviços de computação em nuvem que criam todo o ambiente necessário ao ciclo de vida de uma aplicação web: construção, teste, implementação, manutenção e atualização. Para além da infraestrutura, este serviço inclui, ainda, ferramentas de desenvolvimento, serviços de business intelligence, sistemas de gestão de bases de dados, entre outros. Resumidamente, para além da infraestrutura, são fornecidas as ferramentas de desenvolvimento de aplicações e de análise de dados, permitindo que haja (Azure 2019c):
o Redução do tempo de programação;
o Adição de novas capacidades de desenvolvimento; o Uso de ferramentas sofisticadas, economicamente; o Gestão eficiente do ciclo das aplicações.
• Software as a Service (SaaS): É um método de entrega de softwares através da internet, sob solicitação e tipicamente com base em subscrições. Toda a infraestrutura, gestão e manutenção, como atualização do software e incremento de segurança, é realizada pelo fornecedor do serviço. Deste modo, é permitido, ao utilizador (Azure 2019d):
o Pagar apenas o que usa;
de TI podem concentrar-se noutros objetivos importantes do negócio;
• Performance: Constante atualização da última geração do rápido e eficiente hardware
computacional;
• Segurança: Os fornecedores oferecem um conjunto de políticas, tecnologias e
controlos que fortalecem a segurança do sistema, protegendo a informação, aplicações e infraestruturas de potenciais ameaças.
3.2.7 Cibersegurança
A conectividade das operações conduzidas pela i4.0 e a transformação digital levam a que os ciberataques tenham efeitos muito mais extensivos do que antes, sendo que os fabricantes e a sua rede de fornecedores poderão não estar preparados para estes riscos. Desenvolver uma estratégia que os previna e que possa ser integrada na cadeia de valor de produção é fundamental (Waslo et al. 2017).
Para se criar um modelo de gestão de risco eficiente, é aconselhável seguir o seguinte paradigma (Saif, Peasly, e Perinkolam 2015):
• Segurança: Uma gestão de risco eficiente começa com a prevenção de violações do
sistema;
Figura 20 - Principais razões para o uso da Cloud (N=762, número de respostas de empresas) (Adaptado de Brigs et al. (2018)).
• Vigilância: Ter um sistema seguro pode não ser suficiente, até porque nenhum
sistema de segurança é perfeito. Tanto o hardware como o software degradam-se com o tempo. Desta forma, é necessário complementar à segurança, um sistema de vigilância que monitorize e determine se o sistema continua seguro ou se foi comprometido;
• Resiliência: Quando um sistema é violado, é necessário possuir processos que
neutralizem de imediato as ameaças, de modo a que os danos sejam limitados e que as operações sejam reestabelecidas mais facilmente e rapidamente.
É, então, imperativo analisar as redes de abastecimento digitais, as fábricas inteligentes e os dispositivos conectáveis e os riscos que podem enfrentar (Figura 21).
Redes de abastecimento digitais
À medida que a digital supply network evolui, o resultado expectável é a criação de uma rede que permite, em tempo real, a prática de preços dinâmicos com base na procura dos clientes relativamente ao armazenamento disponível. No entanto, a resposta ágil desta rede só é possível com a partilha de dados entre todas as partes envolvidas na supply chain. Desta forma, as organizações terão de considerar que dados devem ser partilhados e como proteger os sistemas de informação e os seus dados, que podem apresentar riscos de privacidade (Waslo et al. 2017).
Figura 21 - Paradigmas a adotar para os diferentes riscos em cada etapa do ciclo de produção (Adaptado de Waslo et al. (2017)).
um processo, devido ao tempo necessário de reconstrução e recomeço do mesmo. Assim, os processos devem ser resilientes, de modo a que o tempo de recuperação em caso de falha do sistema seja o menor possível.
• Resolução proactiva de problemas: O funcionamento defeituoso e problemas de
produção nas fábricas pode ser crítico para a reputação, sendo que as alterações realizadas visam à proteção da marca e reputação da organização.
De seguida, as empresas têm de responder a diferentes valores operacionais no seu dia a dia, como:
• Operabilidade, confiabilidade e integridade dos sistemas: Para reduzir o custo de
substituição de componentes e facilitar esta operação, as organizações devem investir em sistemas interoperáveis que suportam o uso de múltiplas versões de diferentes fornecedores e softwares.
• Aumento da eficiência e redução de custos: As empresas estão constantemente sob
pressão para reduzir os custos operacionais. No futuro, poderá ser feito um investimento em ferramentas COTS (Commercial off-the-shelf), como a Cloud, reduzindo, desta forma, estes custos.
• Regulamentos: Os reguladores exigem requisitos de segurança e de cibersegurança
em ambientes de sistemas de controlo industrial. No futuro, as empresas podem ter que investir em alterações nos sistemas de controlo da mesma, de modo a garantir a confiabilidade do processo.
Os riscos cibernéticos na i4.0 vão para além da rede de abastecimentos e de produção. De facto, com o incremento da conectividade entre os produtos, estes apresentam, também, riscos no que toca a ataques cibernéticos (Waslo et al. 2017).
Dispositivos conectados
Os dispositivos IoT que realizam as tarefas mais críticas e sensíveis na indústria, como o controlo de geradores e distribuição de energia ou purificação de água, são sempre os mais vulneráveis de toda a rede. À medida que as instalações de produção reduzem a intervenção humana, as práticas tradicionais de cibersegurança deixam de ser eficientes e é necessário adotar novas estratégias, como:
• Implementar cibersegurança no processo de design do produto desde o início;
• Proteger os dados gerados pelos dispositivos com a utilização de encriptação, inteligência artificial ou machine learning, criando, desta forma, um sistema robusto;
• Ser resiliente quando um ataque surgir, ou seja, conseguir minimizar os efeitos de um incidente e restaurar, ao mesmo tempo, as operações e segurança da empresa.
Em suma, para que uma estratégia de cibersegurança seja eficiente, tem de ser segura, vigilante e resiliente e deve ser implementada na estratégia de i4.0 desde o início, para que seja possível obter uma integração completa (Waslo et al. 2017).
3.2.8 Fabrico aditivo
O fabrico aditivo (FA) é uma tecnologia revolucionária e alternativa à produção, com enorme potencial de crescimento na tendência de customização do produto (Silva 2018). Inicialmente, esta tecnologia era utilizada maioritariamente para a produção de protótipos de plástico. Hoje em dia, as impressoras 3D conseguem produzir peças funcionais em materiais que variam desde o titânio à cartilagem humana (Cohen, Sargent, e Somers 2014).
O processo consiste, ao contrário dos processos tradicionais de maquinagem, onde há remoção do material, na sobreposição de material camada a camada, sendo, desta forma, construído um modelo aditivo em vez de subtrativo. O processo (Figura 22) começa, necessariamente, com um modelo tridimensional de desenho assistido por computador (CAD 3D). Este modelo pode ser obtido com o auxílio de um software ou obtido através de scanners tridimensionais. Em seguida, o modelo CAD 3D é convertido num ficheiro STL, no qual as superfícies do modelo são convertidas em triângulos. Posteriormente, o ficheiro anterior é “laminado” digitalmente em secções bidimensionais com uma determinada espessura (Ficheiro SLI). A espessura das camadas determinará a resolução do produto final - quanto mais fina a camada, maior será a precisão. O produto final é, então, impresso, camada a camada, de acordo com a informação fornecida pelo modelo digital (Pombinha e Leite 2017; Cotteleer, Holdowsky, e Matho 2013).
Existem diferentes processos de FA, sendo que a escolha destes é influenciada pelo material que se pretende utilizar, propriedades mecânicas, acabamento superficial e custo.
Os principais processos são (Cotteleer, Holdowsky, e Matho 2013):
• Vat Photopolymerization;
• Material Jetting;
• Material Extrusion;
• Power Bed Fusion;
• Binder Jetting;
• Sheet Lamination;
• Directed Energy Deposition.
Cada processo tem como base um princípio. Dentro de cada processo existem várias tecnologias de fabrico aditivo (Figura 23).
Figura 22 - Etapas do fabrico aditivo (Adaptado de Cotteleer, Holdowsky, e Matho (2013)).
Cada tipo de tecnologia permite a utilização de diferentes materiais (Figura 24), sendo que os polímeros e metais são bastante utilizados em FA.
Figura 23 - Exemplos de tecnologias de FA para cada processo e o princípio em que se baseiam (Volpato et al. 2017).
Forma final obtida por laser (Laser
Engineered Net Shaping - LENS),
deposição direta de metal (Direct Metal
Deposition - DMD), revestimento a
laser tridimensional (3D Laser
Cladding ), outros
Energia térmica é usada para fundir materiais à
medida que estes são depositados
Direct Energy Deposition
Sinterização Seletiva a Laser (Selective
Laser Sintering - SLS), sinterização
direta de metal a laser (Direct metal
laser sintering - DMLS), fusão seletiva
a laser (Selective Laser Melting - SLM), fusão por feixe de eletrões (Electron Beam Melting - EBM),
outros Energia térmica funde
seletivamente regiões de uma base de pó
Power Bed Fusion
Fabrico laminar de objetos (Laminated
Object Manufacturing - LOM),
deposição seletiva de laminados (Selective Deposition Lamination -
SDL), outros Camadas de material são
unidas para formarem um objeto
Sheet Lamination
Material é depositado em pequenas gotas de forma
seletiva
Polyjet, impressão por múltiplos jatos (Multijet printing - MJP), outros
Material Jetting
Um agente líquido aglutinante é seletivamente
depositado para unir materiais em pó
Impressão colorida por jato (Colorjet Printing - CJP), tecnologia da VoxelJet,
outros
Binder Jetting
Esteriolitografia (Stereolithography - SL), produção contínua com interface líquida (Continuous liquid interface
production - CLIP), Processamentod
de luz digital (Digital Light Processing - DLP), outros
Polímero fotossensível líquido é curado seletivamente numa cuba por polimerização ativada
por luz Vat photopolymerization Material é extrudido através de um bico ou orifício, sendo seletivamente depositado
Fused deposition modeling - FDM Material Extrusion
Classificação das
As razões pelas quais o FA desempenhará um papel crucial na indústria do futuro são a redução de capital necessário para atingir economias de escala e a elevada flexibilidade do processo, que permite que se atinja uma economia de gama com reduzido capital.
De facto, a escala mínima eficiente do FA (ponto no qual o preço médio de produção de cada unidade é mínimo) pode ser alcançada com a produção de reduzidos volumes - tão reduzidos como lotes de uma unidade. Esta performance difere dos métodos de fabrico tradicionais, que possuem custos iniciais elevadíssimos devido à aquisição de ferramentas e ao set up da célula de produção.
Analisando a Figura 25, conclui-se que o FA é uma alternativa eficiente quando se necessita de produzir lotes pequenos ou médios, sendo que para produções em massa, os métodos tradicionais mantêm-se como ideais.
Figura 24 - Tecnologias e materiais possíveis da matriz (Adaptado de Cotteleer, Holdowsky, e Matho (2013)).
O impacto que o fabrico aditivo terá numa economia de gama poderá exceder o impacto na economia de escala. Dentro dos materiais de possível utilização por esta tecnologia disruptiva, é possível fabricar produtos de elevada versatilidade, devido à flexibilidade do FA, com tempos de set up reduzidos. Ou seja, com o mesmo capital investido, o fabrico aditivo permite o fabrico de produtos com diferentes configurações utilizando a mesma máquina e mesmo material (Cotteleer, Holdowsky, e Matho 2013).
Outros benefícios a ter em conta (Figura 26) são, por exemplo, o fabrico de protótipos funcionais em tempo reduzido, a redução do tempo de montagem, menor desperdício de material e a possibilidade da customização do produto, que incrementará a satisfação do consumidor (Bromberger e Kelly 2017).
Figura 25- Comparação do custo médio de produção de uma unidade fabricada por métodos tradicionais e por fabrico aditivo (Adaptado de Cotteleer, Holdowsky, e Matho (2013)).
