Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
RAMON SOLTOVSKI
MODELO TEÓRICO DE CATEGORIZAÇÃO DOS RISCOS
PROVENIENTES DA IMPLANTAÇÃO DA INDÚSTRIA 4.0 NO SETOR
MANUFATUREIRO
DISSERTAÇÃO
PONTA GROSSA
2020
RAMON SOLTOVSKI
MODELO TEÓRICO DE CATEGORIZAÇÃO DOS RISCOS
PROVENIENTES DA IMPLANTAÇÃO DA INDÚSTRIA 4.0 NO SETOR
MANUFATUREIRO
Dissertação apresentada como requisito parcial à obtenção de título de mestre em Engenharia de Produção do Programa de Pós-Graduação em Engenharia de Produção da Universidade Tecnológica Federal do Paraná (UTFPR), campus Ponta Grossa-PR
Orientador: Prof. Dr. Luis Maurício Martins de Resende
Coorientador: Profa. Dra. Joseane Pontes
PONTA GROSSA
2020
S691 Soltovski, Ramon
Modelo teórico de categorização dos riscos provenientes da implantação da Indústria 4.0 no setor manufatureiro. / Ramon Soltovski, 2020.
140 f.; il. 30 cm. Orientador: Prof. Dr. Luis Mauricio Martins de Resende Coorientadora: Profª. Drª. Joseane Pontes Dissertação (Mestrado em Engenharia de Produção) - Programa de Pós-Graduação
em Engenharia de Produção, Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020.
1. Administração de risco. 2. Automação industrial. 3. Bibliometria. 4. Categorias
(Matemática). 5. Indústria manufatureira. I. Resende, Luis Mauricio Martins de. II. Pontes, Joseane. III. Universidade Tecnológica Federal do Paraná. IV. Título.
CDD 670.42
Ficha catalográfica elaborada pelo Departamento de Biblioteca da Universidade Tecnológica Federal do Paraná,Câmpus Ponta Grossa n.13/20
Elson Heraldo Ribeiro Junior. CRB-9/1413. 04/03/2020.
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
PR
Universidade Tecnológica Federal do Paraná Campus Ponta Grossa
Diretoria de Pesquisa e Pós-Graduação PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA DE PRODUÇÃO
FOLHA DE APROVAÇÃO
Título de Dissertação Nº 349/2020
MODELO TEÓRICO DE CATEGORIZAÇÃO DOS RISCOS PROVENIENTES DA IMPLANTAÇÃO DA INDÚSTRIA 4.0 NO SETOR MANUFATUREIRO
por
Ramon Soltovski
Esta dissertação foi apresentada às 17 horas e 30 min de 14 de fevereiro de 2020, como
requisito parcial para a obtenção do título de MESTRE EM ENGENHARIA DE PRODUÇÃO,
com área de concentração em Gestão Industrial, do Programa de Pós-Graduação em
Engenharia de Produção. O(a) candidato(a) foi arguido(a) pela Banca Examinadora composta
pelos professores abaixo citados. Após deliberação, a Banca Examinadora considerou o
trabalho aprovado.
Prof. Dr. Paulo Leitão Prof.ª Dr.ª Fernanda Tavares Treinta (IPB) (UTFPR)
Prof. Dr. Rui Tadashi Yoshino Prof. Dr. Luis Mauricio Martins de Resende (UTFPR) (UTFPR) Orientador(a) e Presidente da Banca
Prof. Dr. Cassiano Moro Piekarski
Coordenador do PPGEP UTFPR – Campus Ponta Grossa
A FOLHA DE APROVAÇÃO ASSINADA ENCONTRA-SE NO DEPARTAMENTO DE
REGISTROS ACADÊMICOS DA UTFPR –CÂMPUS PON GROSSA
AGRADECIMENTOS
A trajetória do mestrado exige muita dedicação, foco e perseverança. Desafios,
incertezas e percalços permeiam a caminhada até o fim. Apesar desta tortuosa
estrada possuir um processo solitário comum a todo pesquisador, a presença e
contributo de pessoas especiais garantem o sucesso e alcance dos objetivos. Desta
forma, agradeço a todos aqueles que estiveram apoiando nos momentos de
dificuldade e compartilhando mementos de conquistas.
Sou muito grato a todo o corpo docente por disponibilizar a oportunidade de
trabalhar e executar a pesquisa. Agradeço ao Prof. Dr. Luis Maurício Martins de
Resende e a Profa. Dra. Joseane Pontes pela orientação técnica e pessoal durante o
trabalho. Estiveram sempre atenuando momentos ansiedade, abrindo visões claras e
mais assertivas. Obrigado pela paciência e confiança depositada.
À minha banca avaliadora, Profa. Dra. Fernanda Tavares Treinta, Prof. Rui
Tadashi Yoshino e Prof. Dr. Paulo Leitão, agradeço pela disponibilidade em participar
da construção desta pesquisa e também pelas grandes contribuições engrandecendo
os nossos resultados.
Agradeço também à Universidade Tecnológica Federal do Paraná por
disponibilizar toda estrutura da instituição, tanto física como intelectual, fundamental
ao desenvolvimento das atividades.
Obrigado aos meus queridos amigos dentro e fora da universidade por tornar
este percurso uma válida e agradável experiência de aprendizagem, trazendo mais
leveza aos momentos de dificuldade. Sou grato por todo incentivo e apoio, sem os
quais não seria possível a conclusão e a conquista final.
À minha fiel companheira, Leticia Dalcol Medeiros, agradeço por ser meu
alicerce emocional. Obrigado pela enorme compreensão, generosidade e alegria,
contribuindo de forma essencial para a chegada ao fim deste percurso.
Agradeço também a minha família por estar sempre presente e acreditando em
meus sonhos.
A todos que direta ou indiretamente fizeram parte da produção deste
trabalho, o meu muito obrigado.
RESUMO
SOLTOVSKI, Ramon. Modelo teórico de categorização dos riscos provenientes da implantação da Indústria 4.0 no setor manufatureiro. 2020.140 f. Dissertação (Mestrado em Engenharia de Produção) –Programa de Pós-Graduação em Engenharia da Produção, Universidade Tecnológica Federal do Paraná. Ponta Grossa, 2020.
Embora o tema indústria 4.0 esteja sendo muito discutido, muitas incertezas ainda estão presentes e questões voltadas aos riscos envolvidos são pouco debatidas. Neste contexto, entender quais são e como organizar os riscos negativos provenientes dos conceitos e tecnologias da Quarta Revolução industrial para empresas e toda a cadeia de valor envolvida, pode ajudar no enfrentamento dos desafios que podem surgir. Desta forma, este trabalho tem como objetivo a construção de um modelo teórico de categorização de tais riscos dentro do escopo industrial. Para tanto, foi desenvolvida uma revisão bibliográfica sistematizada (RBS), segundo o Methodi Ordinatio de Pagani, Kovaleski e Resende (2015). O portfólio bibliográfico de 66 artigos permitiu, através de uma análise temática, o mapeamento de 28 riscos que foram divididos em quatro dimensões baseadas no conceito de sustentabilidade do Tipple Bottom Line (TBL): Riscos Econômicos, Riscos Sociais, Riscos Ambientais e Riscos Tecnológicos, e posteriormente em onze subdimensões. Em seguida, foi percebido relações entre as dimensões, nas quais riscos podem estar contidos em mais de uma dimensão simultaneamente. Estas relações foram posteriormente representadas através da construção de um framework teórico. Por fim, esse framework possibilitou o desenvolvimento do modelo teórico de categorização que permite a alocação de riscos provenientes da Indústria 4.0 em 15 categorias e 4 níveis. Cada nível representa quantas dimensões um mesmo risco pode causar efeito, por exemplo, um risco de nível I pode exercer efeito em uma única dimensão, um risco de Nível II em duas, e assim se segue. Após a construção das categorias, os 28 riscos mapeados anteriormente foram categorizados segundo o modelo. A categorização permitiu entender como os riscos se comportam dentro das dimensões, suas relações e como futuros riscos ainda a serem mapeados em trabalhos posteriores podem ser agrupados. O modelo se mostrou flexível para aplicações numa perspectiva prática, no qual gerentes ou especialistas podem realizar a categorização baseados em contextos diferentes. Este estudo contribui para a academia ajudando a construir maior aporte teórico sobre a questão de riscos da Indústria 4.0, para as empresas que podem melhor se preparar para os possíveis desafios encontrados no contexto da Quarta Revolução Industrial e para o meio social que pode se beneficiar de discussões trazidas pelos riscos voltados a questões de capital humano dentro dos limites empresariais, questões que envolvem toda uma sociedade e também questões ético-legais.
Palavras-chave: Indústria 4.0. Gerenciamento de Riscos. Framework Teórico. Análise Temática. Modelo teórico de Categorização.
ABSTRACT
SOLTOVSKI, Ramon. Theorical categorization model of risks arising from the implementation of Industry 4.0 in the manufacturing sector. 2020. 140 pp. Dissertation (Master Degree in Production Engineering) –Postgraduate Program in Production Engineering, Federal Technology University - Paraná. Ponta Grossa, 2020.
Although the theme of industry 4.0 is being discussed a lot, many uncertainties are still present and issues related to the risks involved are little debated. In this context, understanding what they are and how to organize the negative risks arising from the concepts and technologies of the Fourth Industrial Revolution for companies and the entire value chain involved, can help in facing the challenges that may arise. Thus, this work aims to build a theoretical model for categorizing such risks within the industrial scope. For this, a systematic bibliographic review (SBR) was developed, according to the Methodi Ordinatio of Pagani, Kovaleski and Resende (2015). The bibliographic portfolio obtained allowed, through a thematic analysis, the mapping of 28 risks that were divided into four dimensions based on based on the Tipple Bottom Line (TBL) sustainability concept: Economic Risks, Social Risks, Environmental Risks and Technological Risks, and later in eleven subdimensions. Then, it was noticed relationships between the dimensions, in which risks can be contained in more than one dimension simultaneously. These relationships were later represented through the construction of a theoretical framework. Finally, this framework enabled the development of the theoretical categorization model that allows the allocation of risks from Industry 4.0 in 15 categories and 4 levels. Each level represents how many dimensions the same risk can have an effect, for example, a level I risk can have an effect on a single dimension, a Level II risk on two, and so on. After building the categories, the 28 risks previously mapped were categorized according to the model. The categorization allowed to understand how the risks behave within the dimensions, their relationships and how future ones yet to be mapped in later works can be grouped. The model proved to be flexible for applications in a practical perspective, in which managers or specialists can categorize risks based on different contexts. This study contributes to the academy by helping to build a greater theoretical contribution on the issue of risks in Industry 4.0, for companies that can better prepare for the possible challenges encountered in the context of the Fourth Industrial Revolution and for the social environment that can benefit from discussions brought about by risks related to human capital issues within corporate boundaries, issues that involve an entire society and also ethical-legal issues.
Keywords: Industry 4.0. Risk management. Theoretical framework. Thematic Analysis. Theorical categorization Model.
LISTA DE FIGURAS
Figura 1 - Estruturação da Pesquisa ......................................................................... 19
Figura 2 – Evolução das Revoluções Industriais ....................................................... 22
Figura 3 – Triple Bottom Line de Elkington................................................................ 36
Figura 4 - Processo de Gestão de Risco ................................................................... 38
Figura 5 – Processo de Gestão de Risco de Projetos ............................................... 39
Figura 6 - Framework conceitual para riscos na cadeia de suprimentos ................... 40
Figura 7 - Etapas do Methodi Ordinatio. .................................................................... 45
Figura 8 – Exemplo de combinação de variantes ...................................................... 46
Figura 9 – Interface software Nvivo® versão 10 ........................................................ 50
Figura 10 - Exemplo de Nó construído no Nvivo® ..................................................... 51
Figura 11 - Agrupamento experimental dos riscos .................................................... 52
Figura 12 - Organização dos riscos no Nvivo ............................................................ 54
Figura 13 - Exemplo de Identificação dos Riscos ...................................................... 55
Figura 14 - Resumo dos riscos mapeados ................................................................ 55
Figura 15 - Informação sobre o número de fontes utilizadas na discussão dos riscos .................................................................................................................................. 56
Figura 16 – Análise da Relação entre as dimensões ................................................ 57
Figura 17 - Resumo da Metodologia ........................................................................ 58
Figura 18 – Gráfico da relação entre número de publicações relativo a cada ano .... 59
Figura 19 - Resumo dos Riscos Mapeados .............................................................. 63
Figura 20 - Representatividade dos riscos de forma gráfica ..................................... 93
Figura 21 - Triple Bottom Line de Elkington .............................................................. 96
Figura 22 - Framework teórico para os efeitos dos riscos da indústria 4.0 ............... 97
Figura 23 – Representação resumida dos riscos sobre as dimensões propostas. .... 98
Figura 24 – Categorização dos riscos da indústria 4.0 a partir dos efeitos. (I) Riscos Primários; (II) Riscos Secundários; (III) Riscos Terciários; (RS) Riscos à Sustentabilidade. ....................................................................................................... 99
Figura 25 – Riscos categorizados segundo as categorias desenvolvidas. ( I ) Riscos Primários; ( II ) Riscos Secundários; ( III ) Riscos Terciários. ................................. 101
LISTA DE QUADROS
Quadro 1 - Os princípios da Indústria 4.0 .................................................................. 30
Quadro 2 – Resumo da Caracterização da Pesquisa ............................................... 44
Quadro 3 - Variantes para os dois principais eixos utilizadas como palavras-chave. 46
Quadro 4 – Riscos da Indústria 4.0 ........................................................................... 64
Quadro 5 – Categorias dos riscos da indústria 4.0. ................................................. 100
LISTA DE TABELAS
Tabela 1 – Números de artigos encontrados em cada base de dados ..................... 47
Tabela 2 – Resumo das etapas de filtragem ............................................................. 48
Tabela 3 – Relação de representatividade dos periódicos ........................................ 60
Tabela 4 – Periódicos com maior fator de impacto utilizados na pesquisa ............... 60
Tabela 5 – Relação dos países e a quantidade de artigos em que estavam presentes .................................................................................................................................. 61
Tabela 6 – Relação dos autores com maior relevância na pesquisa ........................ 62
Tabela 7 - Representatividade dos riscos ................................................................. 92
LISTA DE SIGLAS E ACRÔNIMOS
ABREPRO Associação Brasileira de Engenharia de Produção
ABNT Associação Brasileira de Normas Técnicas
BDA Big Data
CPS Cyber Physical System
IA Inteligência Artificial
ISO International Organization of Standardization
I 4.0 Indústria 4.0
IoT Internet of Things
IoTT Industrial Internet of Things
JCR Journal Citatation Report
PMI Project Management Institute
PME Pequenas e Médias Empresas
RBS Revisão Bibliográfica Sistematizada
SRA Society for Risk Analysis
SSM Soft System Methodology
TBL Tripple Bottom Line
TI Tecnologia da Informação
WEF World Economic Forum
IaaS Infrastructure as a Service
PaaS Plarform as a Service
SaaS Software as a Service
SUMÁRIO
1 INTRODUÇÃO .....................................................................................................12
1.1 OBJETIVOS ......................................................................................................14
1.1.1 Objetivo Geral .................................................................................................14
1.1.2 Objetivos Específicos ......................................................................................14
1.2 JUSTIFICATIVA ................................................................................................14
1.2.1 Relações entre o Tema de Estudo, Engenharia de Produção e a Linha de Pesquisa do Grupo ..................................................................................................15
1.3 ASPECTOS METODOLÓGICOS .....................................................................16
1.4 ESTRUTURA DA PESQUISA ...........................................................................17
2 REFERENCIAL TEÓRICO ...................................................................................20
2.1 INDÚSTRIA 4.0 .................................................................................................20
2.1.1 As Três Formas de Integração da Indústria 4.0 ..............................................23
2.1.2 Conceitos e Tecnologias-Chave da Indústria 4.0............................................23
2.1.3 Os Princípios de Design da Indústria 4.0 ........................................................28
2.1.4 As Influências da Indústria 4.0 sobre a Cadeia de Valor ................................31
2.2 SUSTENTABILIDADE .......................................................................................33
2.2.1 Tripé da Sustentabilidade ...............................................................................35
2.3 GERENCIAMENTO DE RISCO ........................................................................37
2.3.1 Gerenciamento de Riscos em Projetos ...........................................................38
2.3.2 Gerenciamento de Riscos na Cadeia de Suprimentos ...................................39
2.3.3 Identificação e classificação de riscos ............................................................41
2.4 CONSIDERAÇÕES SOBRE O CAPÍTULO ......................................................42
3 METODOLOGIA DA PESQUISA .........................................................................43
3.1 CARACTERIZAÇÃO DA PESQUISA ................................................................43
3.2 REVISÃO BIBLIOGRÁFICA SISTEMATIZADA (RBS)......................................44
3.3 ANÁLISE BIBLIOMÉTRICA ..............................................................................49
3.4 ANÁLISE TEMÁTICA ........................................................................................50
3.4.1 Mapeamento Preliminar ..................................................................................51
3.4.2 Definição de Critérios de Agrupamento ..........................................................52
3.4.3 Agrupamento final ...........................................................................................54
3.4.4 Estudo Quantitativo dos riscos........................................................................56
3.5 ASPECTOS GERAIS SOBRE O MODELO DE CATEGORIZAÇÃO ................56
3.6 RESUMO DA METODOLOGIA .........................................................................58
3.7 CONSIDERAÇÕES SOBRE O CAPÍTULO ......................................................58
4 RESULTADOS DO ESTUDO DO PORFÓLIO DE ARTIGOS ..............................59
4.1 RESULTADOS DA ANÁLISE BIBLIOMÉTRICA ...............................................59
4.2 ANÁLISE TEMÁTICA: OS RISCOS DA INDÚSTRIA 4.0 ..................................63
4.2.1 Riscos econômicos .........................................................................................68
4.2.2 Riscos Sociais .................................................................................................73
4.2.3 Riscos Ambientais ..........................................................................................80
4.2.4 Riscos Tecnológicos .......................................................................................82
4.2.5 A Questão Regulamentar ...............................................................................90
4.2.6 Estudo Quantitativo dos Riscos ......................................................................91
4.3 CONSIDERAÇÕES SOBRE O CAPÍTULO ......................................................94
5 MODELO TEÓRICO DE CATEGORIZAÇÃO DOS RISCOS DA INDÚSTRIA 4.0 …………………………………………………………………………………………….95
5.1 FRAMEWORK TEÓRICO DOS RISCOS DA INDÚSTRIA 4.0 .........................95
5.1.1 A Relação entre as dimensões .......................................................................95
5.1.2 Construção do Framework Teórico .................................................................96
5.2 CATEGORIAS DOS RISCOS DA INDÚSTRIA 4.0 ...........................................99
5.3 CATEGORIZAÇÃO DOS RISCOS MAPEADOS ..............................................100
5.3.1 Riscos de Nível I .............................................................................................102
5.3.2 Riscos de Nível II ............................................................................................103
5.3.3 Riscos de Nível III ...........................................................................................105
5.3.4 Riscos à sustentabilidade ...............................................................................105
5.3.5 Generalidades .................................................................................................106
5.4 CONSIDERAÇÕES SOBRE O CAPÍTULO ......................................................107
6 CONSIDERAÇÕES FINAIS .................................................................................109
6.1 ANÁLISE DOS OBJETIVOS .............................................................................109
6.2 CONSIDERAÇÕES GERAIS ............................................................................110
6.3 CONTRIBUIÇÕES DO TRABALHO..................................................................111
6.4 SUGESTÕES PARA TRABALHOS FUTUROS ................................................113
REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................114
APÊNDICE A – RELAÇÃO DAS COMBINAÇÕES DE PALAVRAS-CHAVE E QUANTIDADE DE ARTIGOS LEVANTADOS ........................................................126
APÊNDICE B – RELAÇÃO DOS ARTIGOS CONSTITUINTES DO PORTFÓLIO FINAL UTILIZADOS NA PESQUISA ORDENADOS PELA METODOLOGIA METHODI ORDINATIO ...........................................................................................129
APÊNDICE C – QUADRO COM OS RESULTADOS DO ESTUDO DA RELAÇÃO ENTRE AS DIMENSÕES DE RISCO .....................................................................136
12
1 INTRODUÇÃO
As chamadas “revoluções industriais” são caracterizadas por saltos
tecnológicos capazes de mudar a forma como se produz (LASI et al., 2014). A primeira
revolução que iniciou no final do século XVIII, introduziu sistemas de manufatura
mecânica através da utilização de água e vapor. A Segunda Revolução Industrial,
iniciada ao fim do século XIX, foi caracterizada pela utilização da energia elétrica para
produção em massa. Em meados do século XX, a Terceira Revolução Industrial
possibilitou a utilização da automação e a tecnologia microeletrônica (XU, XU, LI,
2018).
Percebe-se, a partir da segunda década do século XXI, uma mudança na
lógica de manufatura com uma abordagem de criação de valor cada vez mais
decentralizada e auto regulável através de tecnologias avançadas que, segundo
Zheng et al. (2018), tem diminuído as barreiras entre o mundo físico e virtual. As
mudanças e impactos que isso vem causando no setor industrial, tem sido chamado
de “Quarta Revolução Industrial” ou “Indústria 4.0”.
A utilização dos conceitos emergentes e tecnologias em evidência através das
discussões promovidas pela Indústria 4.0 como Internet das Coisas (IoT),
Computação em Nuvem, Sistemas Cyber-físicos (CPS), entre outros, pode levar
grandes benefícios para as empresas. Neste cenário, a criação de valor industrial
pode melhorar em diversos pontos, pois, segundo Kiel et al. (2017), pode haver
aumento de produtividade, vantagens competitivas, redução de custos, melhoria na
qualidade de trabalho, maior conexão vertical e horizontal entre empresas, entre
outros benefícios.
Porém, ao mesmo tempo que as empresas podem se beneficiar da evolução
tecnológica trazida pela Quarta Revolução Industrial elas precisam estar atentas aos
riscos negativos envolvidos. Segundo a ISO 31000, os riscos estão relacionados a
incertezas, as quais são muito presentes no contexto da Indústria 4.0 devido a ser um
tema que ainda está em estado conceitual e definições diferentes podem ser
encontradas (ROBLEK, MEŠKO E KRAPEŽ, 2016; PICCAROZZI, AQUILANI, GATTI,
2018). Segundo Müller, Kiel e Voigt (2018), a implantação da indústria 4.0 exige que
oportunidades compensem os desafios e os riscos sejam avaliados. Apesar disso,
poucos estudos são encontrados destacando tais pontos negativos (PICCAROZZI,
AQUILANI, GATTI, 2018).
13
Um dos problemas que mais se discute dentro do contexto da Indústria 4.0, são
os relacionados à cibersegurança, devido à alta conectividade viabilizada por
tecnologias como Internet das coisas (IoT) deixando dados em estado de
vulnerabilidade (JANSEN, JESCHKE, 2018; KAMBLE, GUNASEKARAN, SHARMA,
2018). Segundo a Harvey Nash / KPMG CIO Survey 2019, uma pesquisa que
relaciona liderança de TI de todo o mundo, 56% dos entrevistados listam a
cibersegurança como prioridade para o desenvolvimento tecnológico dos próximos
anos (um valor que aumentou 14% em relação ao ano anterior).
No entanto, no contexto da indústria 4.0, mais áreas dentro de uma cadeia de
valor podem ser afetadas pelas mudanças tecnológicas, como questões econômicas,
sociais e ambientais. É nesse contexto que pode se encaixar o conceito de
sustentabilidade de Elkington (1998a) que relaciona o desenvolvimento a longo prazo
de empresas ao equilíbrio de três dimensões (econômico, social e ambiental). Assim,
para que as empresas possam ser mais sustentáveis e garantam um desenvolvimento
mais conciso no cenário da Indústria 4.0, questões relacionadas aos riscos para essas
dimensões precisam ser discutidas.
Baseado nisto, o gerenciamento de riscos se torna uma ferramenta
fundamental para o desenvolvimento tecnológico sustentável. Para Tupa, Simota e
Steiner (2017), o gerenciamento eficaz de riscos é um componente crítico de qualquer
área estratégica de gestão vencedora. Segundo Tchankova (2002), um bom
gerenciamento de riscos depende de um correto levantamento ou identificação dos
riscos, sendo etapa básica para passos posteriores. Além disso, a categorização dos
riscos em ramos apropriados pode auxiliar na organização e observação dos seus
efeitos (PMI, 2013).
Diante disto, desenvolver uma forma estruturada de categorização dos riscos
gerados pelas tecnologias e conceitos da indústria 4.0 faz-se importante para um
melhor entendimento de quais são e como os riscos envolvidos podem afetar
diferentes dimensões de uma cadeia de valor industrial. E assim, companhias
industriais podem ter alternativas para um maior sucesso e assertividade no
enfretamento dos desafios envolvidos.
Dessa forma, este trabalho possui a finalidade de responder o seguinte
questionamento: Como categorizar os riscos negativos para empresas do setor
industrial relativos à implantação de conceitos e tecnologias da Indústria 4.0?
14
1.1 OBJETIVOS
1.1.1 Objetivo Geral
Desenvolver um modelo teórico de categorização dos riscos negativos
provenientes da implantação das tecnologias e conceitos da Indústria 4.0 em
empresas do setor industrial.
1.1.2 Objetivos Específicos
• Realizar uma revisão bibliográfica sistematizada (RBS) para construção de um
portfólio bibliográfico a ser utilizado como base teórica da pesquisa;
• Realizar uma análise bibliométrica dos artigos utilizados na construção da
pesquisa;
• Realizar uma análise temática para o mapeamento e estudo dos riscos da
Indústria 4.0;
• Propor um framework teórico dos riscos mapeados baseado em seus possíveis
efeitos;
• Construir categorias de risco a partir do framework proposto;
• Categorizar os riscos mapeados a partir do modelo construído;
1.2 JUSTIFICATIVA
As novas gerações estão observando uma adoção crescente de tecnologias
digitais, onde a indústria 4.0 aparece como uma revolução que remodelará as
indústrias manufatureiras de forma similar as revoluções anteriores (REISCHAUER,
2018). Este conceito tem um importante impacto estratégico de longo prazo sobre o
desenvolvimento industrial global (XU, XU, LI, 2018). Além disso, a quarta revolução
Industrial estimula os avanços na ciência e tecnologia (LIAO et al., 2018).
Dessa forma, este é um tema que tem sido muito discutido e ganhado
popularidade nos últimos anos tanto na academia como no setor industrial (BUER,
STRANDHAGEN, CHAN, 2018).
Apesar de sua popularidade, a Indústria 4.0 ainda não possui uma identidade
(REISCHAUER, 2018) ou definições claras, o que pode levar a uma representação
15
distorcida do tema (PICCAROZZI, AQUILANI, GATTI, 2018). Além disso, a maioria
das pesquisas destacam as vantagens, benefícios e resultados positivos da Indústria
4.0, porém com uma escassez de trabalhos voltados para os pontos negativos
(PICCAROZZI, AQUILANI, GATTI, 2018).
Numa perspectiva empresarial, um grande avanço tecnológico pode, algumas
vezes, ser prejudicial para as empresas bem como para toda a sociedade envolvida
(LI, HOU, WU, 2017). Segundo Redanliev et al., (2019), novos riscos podem surgir na
adoção de novas tecnologias, e desta forma Müller, Kiel e Voigt (2018) alertam que a
indústria 4.0 não irá cumprir todo seu potencial até que todos os benefícios e riscos
envolvidos neste conceito sejam bem compreendidos.
Baseado no contexto sustentável, no qual uma empresa necessita de um
equilíbrio entre as dimensões econômica, social e ambiental para que possua
desenvolvimento de sucesso a longo prazo em relação ao seu ambiente
(ELKINGTON, 1998a, ELKINGTON, 1998b, ELKINGTON, 2004), o estudo dos riscos
provenientes da Indústria 4.0 que afetem tais questões também trata-se de um ponto
importante.
Portanto, devido as influências da Indústria 4.0 sobre a cadeia de valor de
empresas e a falta de pesquisas voltados aos pontos negativos envolvidos neste
contexto, um trabalho voltado ao estudo que possibilite uma forma de categorização
dos riscos provenientes da implantação deste conceito traz benefícios para a
academia, que ampliará seu aporte teórico sobre conceituações da Quarta Revolução
Industrial. No contexto de negócios, as empresas poderão se preparar melhor para
enfrentar os desafios e problemas gerados pelo avanço tecnológico através do estudo
dos possíveis efeitos dos riscos mapeados numa perspectiva econômica, social,
ambiental e tecnológica. Além disso, a sociedade também poderá se beneficiar deste
estudo a partir das discussões sociais construídas no decorrer da pesquisa.
1.2.1 Relações entre o Tema de Estudo, Engenharia de Produção e a Linha de Pesquisa do Grupo
Segundo a ABREPRO (2019), “compete a Engenharia de Produção o projeto,
a implantação, a operação, a melhoria e a manutenção de sistemas produtivos
integrados de bens e serviços, envolvendo homens, materiais, tecnologia, informação
e energia”. Além disso, as atividades também podem estar envolvidas com
16
especificação, previsão e avaliação dos resultados obtidos desses sistemas para a
sociedade e meio ambiente. Para, Almeida et al. (2007), as atribuições do engenheiro
de produção estão relacionadas ao desenvolvimento de meios que possibilitem
otimizar processos sempre na busca por acompanhamento da evolução tecnológica
e do mercado (ALMEIDA et al., 2007).
Desta forma, pode-se perceber que o estudo da Indústria 4.0 faz parte do
ramo de trabalho do Engenheiro de Produção, devido a estar ligado ao meio produtivo
e também a grande multidisciplinaridade encontrada. Segundo Roblek, Meško e
Krapež (2016), a Indústria 4.0 pretende incluir características tecnológicas com caráter
dinâmico envolvendo múltiplas indústrias como de TI, mobilidade, construção,
medicina, etc. Para Kagerman, Wahlster e Helbig (2013), a Quarta Revolução
Industrial vem descrevendo uma tendência para o uso crescente de tecnologias de
informação e automação no ambiente de produção.
Fazendo parte da linha de pesquisa Gestão do Conhecimento e Inovação e
grupo de estudo de Engenharia Organizacional em Redes de Empresas (EORE) do
Programa de Pós-Graduação em Engenharia de Produção (PPGEP), este trabalho
contribui para o desenvolvimento de maior aporte teórico em relação a gestão da
produção principalmente relacionado a gestão de riscos.
Além do mais, questões voltadas a riscos que envolvem empresas de uma
cadeia de valor, independentemente do setor industrial, auxiliam na ampliação de
discussões na área de redes de empresas. E ainda, segundo a ABRERO, a área de
Engenharia Organizacional também envolve conhecimentos de Gestão da Tecnologia
e Desempenho Organizacional, os quais são compreendidos por esta pesquisa
quando relacionamos questões técnicas voltadas a tecnologia e melhoria de processo
através das suas aplicações.
1.3 ASPECTOS METODOLÓGICOS
Este estudo foi realizado através de metodologias específicas que são
brevemente introduzidas neste tópico. A pesquisa foi iniciada pelo Revisão
Bibliográfica Sistematizada (RBS) onde um portfólio de artigos foi identificado
buscando entender quais são os riscos provenientes da implantação da Indústria 4.0
no setor manufatureiro. Após isso, baseado no conteúdo que pretendia-se
desenvolver na pesquisa, outras fontes teóricas foram buscadas para construção do
17
referencial teórico com temas clássicos, como gerenciamento de riscos e
sustentabilidade, e temas mais recentes como o Indústria 4.0.
Para entender melhor como os artigos mapeados no portfólio final através da
RBS, uma análise bibliométrica foi realizada, a qual será discutida no item 4.1. A
Análise temática para mapeamento dos riscos, foi baseado em princípios
desenvolvidos por Braun e Clark (2006) de agrupamento de informações. Além disso,
cada passo deste agrupamento é descrito no item 3.4 utilizando como apoio o software
QSR Nvivo® versão 10. Este programa auxilia na análise temática através de
ferramentas de codificação e seleção de informações. Desta forma, 28 riscos divididos
em 4 dimensões e 11 subdimensões foram mapeados.
Após o mapeamento dos riscos, foi possível perceber algumas
particularidades que permitiram a construção de um framework teórico para
representa-los. Essa construção foi baseada no Triple Bottom Line de Elkington
(1998a, 1998b) onde as dimensões da sustentabilidade são discutidas como forma de
garantir um equilíbrio no desenvolvimento sustentável. A forma como é construção foi
realizada é demonstrada no item 3.5.
Tendo como base o framework desenvolvido, foi possível construir 15
categorias de riscos divididas em quatro níveis que foram formadas através de uma
análise das relações entre as dimensões que permitiram ter um olhar mais especifico
para os possíveis efeitos que riscos podem desencadear. Este desenvolvimento de
categorias pode ser visto no item 3.6, o qual foi utilizado para a categorização dos
riscos mapeados.
1.4 ESTRUTURA DA PESQUISA
Esta pesquisa está estruturada em oito capítulos e seus objetivos são descritos
na sequência. Ao fim de cada capítulo são realizadas considerações sobre o assunto
tratado em cada um.
Capítulo 1 – Introdução: Possui considerações iniciais do estudo. O capítulo
possui o objetivo de apresentar a importância do estudo de riscos no contexto da
Indústria 4.0 que ainda é pouco discutida na literatura. Logo após é apresentado o
problema de pesquisa seguido pelo objetivo principal e específicos. Além disso, a
justificativa do trabalho é apresentada baseada na literatura.
18
Capítulo 2 – Referencial Teórico: Este capítulo apresenta o aporte
bibliográfico necessário para o entendimento da proposta de pesquisa e para a busca
de informações utilizadas como auxílio na construção do trabalho como um todo. É
conceituado neste capítulo a Indústria 4.0, a Sustentabilidade e o Gerenciamento de
Riscos.
Capítulo 3 – Metodologia de Estudo: Apresenta como a pesquisa foi
realizada e sua caracterização. Neste capítulo encontra-se como portfólio bibliográfico
foi obtido para a realização da pesquisa, demonstrado através de uma metodologia
sistematizada de revisão da literatura. Demonstra também como a análise bibliométrica
e a análise temática para mapeamento dos riscos foram conduzidos. E ainda, neste
capítulo encontra-se como o modelo de categorização dos riscos da Indústria 4.0 foi
desenvolvido de forma breve em aspectos gerais.
Capítulo 4 – Resultados do Estudo do portfólio de artigos: Apresenta todos
os resultados voltados à análise temática dos artigos levantados no portfólio final e
também da categorização dos riscos mapeados. Entre eles está a análise bibliométrica
que identifica como os artigos utilizados estão distribuídos em ano, Journals de maior
representatividade, quantidade de publicações por países e autores de maior
relevância. Outro resultado é a discussão dos riscos mapeados divididos em quatro
dimensões (Riscos Econômicos, Riscos Sociais, Riscos Ambientais e Riscos
Tecnológicos) e 11 subdimensões. Além disso, este capítulo descreve um breve estudo
quantitativo dos riscos mapeados para identificar a representatividade dos assuntos
estudados no portfólio de artigos.
Capítulo 5 – Modelo de Categorização dos Riscos da Indústria 4.0: Este
capítulo descreve como um modelo de categorização é desenvolvido baseados nos
resultados encontras na discussão dos riscos. Primeiramente há a demonstração da
construção de um framework teórico para a representação das relações entre as
dimensões de riscos, em seguida categorias de riscos são desenvolvidas, e por fim, os
riscos mapeados no capítulo 4 são categorizados.
Capítulo 6 – Considerações finais: Neste capítulo, é descrito as principais
contribuições desta pesquisa baseado nos resultados do capítulo 4 e 5. É possível
encontrar uma análise sobre os objetivos da pesquisa e como foram alcançados,
considerações gerais e contribuições para o setor acadêmico, para empresas que
pretendem integrar-se no ambiente da Indústria 4.0 e para a sociedade como um todo.
Além disso, é possível encontrar nesse capítulo sugestões para futuros trabalhos.
19
Referências Bibliográfica e Apêndices: Finalmente, as referências utilizadas
na pesquisa estão disponíveis na última parte do trabalho.
A estrutura deste trabalho, como descrita acima, pode ser observada na Figura
1 de forma ilustrativa.
Figura 1 - Estruturação da Pesquisa
Fonte: Autor (2020)
Realizar uma revisão bibliográfica
sistematizada (RBS) para construção de
um portifólio bibliográfico a ser
utilizado como base teórica da pesquisa
PROBLEMA DE PESQUISAComo categorizar os riscos negativos provenientes da implantação dos conceitos e
tecnologias da Indústria 4.0 no setor industrial?
OBJETIVO GERALDesenvolver um modelo teórico de categorização dos riscos negativos provenientes da
implantação das tecnologias e conceitos da Indústria 4.0 sobre empresas do setor industrial.
OBJETIVO ESPECÍFICOS
Indústria 4.0
REFERENCIAL TEÓRICO
SustentabilidadeGerenciamento de
risco
METODOLOGIA DE ESTUDO
RESULTADOS DO ESTUDO DO PORTFÓLIO DE ARTIGOS
Resultados da análise bibliométrica
Estudo de Conteúdo: Os riscos da indústria
4.0
MODELO DE CATEGORIZAÇÃO DOS RISCOS DA INDÚSTRIA 4.0
Capítulo 3
Capítulo 5
Realizar uma Análise Bibliométrica dos
artigos utilizados na construção da
pesquisa;
Realizar uma análise temática para
mapeamento dos riscos da Indústria
4.0;
Propor um framework teórico dos riscos
mapeados baseado em seus possíveis
efeitos;
Construir categorias de risco a partir do framework proposto;
Categorizar os riscos mapeados a partir do modelo contruídos;
Categorização da Pesquisa
Revisão Bibliográfica
Sistematizada
Análise Bibliométrica
Estudo de Conteúdo
Aspectos gerais sobre o modelo de
categorização
Framework teórico dos riscos da indústria 4.0
Categorias dos riscos da Indústria
4.0
Categorização dos riscos mapeados
Capítulo 6 CONSIDERAÇÕES FINAIS
Capítulo 4
Capítulo 2
Capítulo 1
20
2 REFERENCIAL TEÓRICO
2.1 INDÚSTRIA 4.0
O termo indústria 4.0 foi construído na Alemanha a partir de um plano de
desenvolvimento tecnológico do país (LASI et al., 2014). O plano chamado “High-Tech
Strategy 2020 Action Plan” foi lançado em janeiro de 2011, no qual a Indústria 4.0
surgiu como uma iniciativa estratégica que teve posteriormente suas recomendações
iniciais de implementação formuladas por um grupo chamado “Industrie 4.0 Working
Group” entre janeiro e outubro de 2012 sob a coordenação da Academia Nacional de
Ciência e Engenharia (ACATECH) da Alemanha (KAGERMANN, WAHLSTER,
HELBIG, 2013). Em 2013 Kagermann, Wahlster e Helbig lançaram um relatório
relacionando o termo indústria 4.0 como sendo a Quarta Revolução Industrial.
Em Davos no ano de 2016, esse termo ficou ainda mais forte e influente no
Fórum Econômico Mundial (World Economic Forum - WEF) com o lema “Dominando
a Quarta Revolução Industrial” discutindo como a tecnologia poderá levar a indústria
a um novo patamar de desenvolvimento (PFEIFFER, 2017). Em pouco tempo este
termo começou a ser discutido por empresas, centro de pesquisas e universidades
em âmbito global (BAHRIN et al., 2016).
O conceito de indústria 4.0 ainda não é um senso comum na ciência, não
possuindo clareza em sua definição (REISCHAUER, 2018). Apesar de ser relacionada
com a quarta revolução industrial, o fundador do Fórum Econômico Mundial comenta
que esta transformação está em curso, no entanto considera a indústria 4.0 como uma
das manifestações que impulsiona essa revolução (REISCHAUER, 2018). Segundo
Roblek, Meško e Krapež (2016), a indústria 4.0 ainda está em estado conceitual, mas
que pretende incluir características tecnológicas com caráter dinâmico envolvendo
múltiplas indústrias como de TI, mobilidade, construção, medicina, etc.
Apesar de sua inconsistência conceitual, é possível encontrar na literatura
algumas definições para este fenômeno. Para Lu (2017) é um processo de manufatura
integrado, adaptado, otimizado, orientado a serviços e interoperável, correlacionado
com algoritmos, big data e altas tecnologias. Ahuett-Garza e Kurfess (2018)
descrevem como um conceito que compreende a integração de tecnologias e agentes
com objetivo de melhorar a eficiência e a capacidade de resposta de um sistema de
21
produção. Para Liu e Xu (2017), a indústria 4.0 é a quarta revolução industrial e é
caracterizada pela utilização generalizada de sistemas ciber-físicos para conectar o
mundo físico ao virtual. Reischauer (2018) levanta dois pontos de vista, o primeiro
colocando a indústria 4.0 como uma revolução tecnológica que faz parte de um ciclo
econômico capitalista a partir da teoria das ondas longas de Kondratiev, e o segundo
ponto de vista é como sendo um discurso de inovação orientado por políticas
manufatureiras que objetivam institucionalizar sistemas de inovação englobando
negócios, academia e política. Para Hofmann e Rüsch, (2017) a Indústria 4.0 possui
uma concepção de natureza abrangente, que exige que as empresas definam
individualmente o que ela significa dentro de sua realidade e valores.
De toda forma, o termo “indústria 4.0” vem descrevendo uma tendência para o
uso crescente de tecnologias de informação e automação no ambiente de produção
(KAGERMANN, WAHLSTER, HELBIG, 2013). Assim, a digitalização da indústria, por
meio dos conceitos da indústria 4.0, inclui a utilização de uma multiplicidade de
tecnologias (AHUETT-GARZA, KURFESS, 2018), como Internet das Coisas (IoT),
Impressão 3D, Sistemas Ciber-Físicos, Robôs Autônomos, Simulação, Segurança de
dados, Computação em Nuvem, realidade aumentada, Big Data, Machine Learning,
(AHUETT-GARZA, KURFES, 2018; MOKTADIR et al., 2018) entre outras.
Considerando a visão relativa à descrição como sendo a Quarta Revolução
Industrial, é possível realizar um breve histórico para descrever as diferenças entre as
revoluções anteriores. A primeira revolução industrial iniciada no final do século XVIII,
impulsionada pela construção de ferrovias (SCHWAB, 2016), foi caracterizada pela
utilização de sistemas de manufatura mecânica movidos a através de água e vapor.
Esta revolução promove a evolução da economia agrária para manufaturas
mecanizadas (XU, XU, LI, 2018). Na segunda revolução, iniciada no final do século
XIX, a utilização da energia elétrica foi a base das transformações industriais, onde foi
possível realizar a produção em massa (XU, XU, LI, 2018) e introduzir as linhas de
montagem (FONSECA, 2018). Havia ênfase no aumento da capacidade de produção,
padronização e redução de custos (FONSECA, 2018). Em meados do século XX, a
terceira revolução industrial foi caracterizada pela utilização da tecnologia
microeletrônica, tecnologias da informação (XU, XU, LI, 2018), computadores e
internet (SCHWAB, 2016) possibilitando a automação da produção (XU, XU, LI, 2018).
22
Por fim, a Indústria 4.0, com início na virada do século XX (SCHWAB, 2016),
pode ser caracterizada pelo estreitamento entre o mundo físico e o virtual (ZHENG et
al., 2018) através da utilização de sistemas ciber-físicos de forma generalizada (LIU,
XU, 2017). Para Schwab (2016), a Quarta Revolução Industrial vai além de máquinas
e sistemas inteligentes conectados; seu escopo é mais amplo abrangendo áreas que
vão desde o sequenciamento genético à nanotecnologia, de energia renováveis à
computação quântica. A Figura 2, ilustra esse breve histórico.
Figura 2 – Evolução das Revoluções Industriais
Fonte: Autor (2019).
Assim, do ponto de vista técnico, pode-se descrever a indústria 4.0 como um
termo coletivo para tecnologias e conceitos da organização da cadeia de valor
(HERMANN, PENTEK, OTTO, 2015), no qual acontece a digitalização e automação
crescente do ambiente de produção, bem como a criação de uma cadeia de valor
digital para permitir a comunicação entre parceiros de negócios, produtos, ambiente
produtivo (LASI, 2014; SCHMID, 2015) e pessoas (LEZZI, LAZOI, CORALLO, 2018)
unindo o real ao virtual (ZHENG et al., 2018). Esta é a abordagem utilizada neste
trabalho como definição para Indústria 4.0.
23
2.1.1 As Três Formas de Integração da Indústria 4.0
Para Kagermann, Wahlster e Helbig (2013), a implementação da indústria 4.0
possui algumas características-chaves relativas a integração de empresas e agentes
internos de uma companhia: (1) Integração horizontal através de redes de valor, (2)
integração vertical e sistemas de manufatura em rede e (3) Integração digital de ponta
a ponta da engenharia ao longo da cadeia de valor. A integração horizontal acontece
pela construção de linguagens apropriadas para comunicação entre as empresas da
cadeia de valor e a integração vertical é realizada pela compreensão fundamental das
atividades e fluxo de informações dentro das empresas de manufatura (e.g. sistema
ERP). No entanto, segundo Mazak e Huemer (2015), para que as camadas vertical e
horizontal possam ser complementadas, a integração digital de ponta a ponta permite
que todos os níveis de uma empresa de manufatura sejam conectados uns aos outros
através de um sistema global de informações com clientes, fornecedores e outros
participantes externos, ou seja, toda a cadeia de valor de um produto é conectada.
Numa integração digital de ponta a ponta, ao contrário de sistemas
interorganizacionais existentes, critérios específicos dos clientes podem ser
acomodados no projeto, configuração, pedido, planejamento, fabricação e operação.
Isto torna o sistema produtivo flexível permitindo que alterações de última hora
possam ser incorporadas e o volume de produção seja reduzido a números muito
baixos (MAZAK, HEUMER, 2015).
2.1.2 Conceitos e Tecnologias-Chave da Indústria 4.0
Alguns dos principais conceitos e tecnologias utilizadas para o desenvolvimento
digital proposto pela Quarta Revolução Industrial são descritos na sequência. Vale
destacar que por se tratar um tema ainda em construção na literatura, novos conceitos
e tecnologias podem surgir como integrantes da Indústria 4.0 dependendo da
perspectiva analisada. No trabalho de Basseto, (2019), por exemplo, a autora cita 25
componentes, já no estudo de Moktadir et al. (2018), apenas 8 tecnologias são
citadas. De toda forma, a presente pesquisa traz 11 conceitos:
Sistema Ciber-Físico (CPS). Os sistemas Ciber-Físicos (Cyber Physical
Systems – CPS), uma das principais tecnologias da Indústria 4.0, combinam
estatísticas, modelagem computacional e dados à sistemas concretos (AHUETT-
24
GARZA, KURFESS, 2018), proporcionando a união do nível físico ao digital (LASI et
al., 2014). Computadores e redes monitoram e controlam processos físicos que
também afetam os sistemas computacionais e vice-versa. Assim, o design de tais
sistemas, requer a compreensão da dinâmica de computadores, software, redes e
processos físicos de forma conjunta (DERLER, LEE, VINCENTELLI, 2011). Essas
integrações podem acontecer através de uso de sensores, atuadores, unidades de
processamento e dispositivos de comunicação (HOFMANN, RÜSCH, 2017). Além
disso, os CPSs compreendem máquinas inteligentes, sistemas de armazenamento e
instalações de produção capazes de trocar informações de forma autônoma,
acionando ações e controlando umas às outras de maneira independente
(KAGERMANN, WAHLSTER, HELBIG, 2013).
Alguns exemplos de sistemas ciber-físicos podem incluir a Internet das Coisas,
os sistemas de controle industrial, veículos não tripulados ou autônomos e até
sistemas militares (ZEGZHDA, 2016).
Internet das coisas (IoT). A Internet das coisas (Internet of Things – IoT) é um
paradigma tecnológico que visa conectar qualquer um a qualquer hora e em qualquer
lugar, dando origem a novas aplicações e serviços (LU, PAPAGIANNIDIS,
ALAMANOS, 2018). Através da IoT, equipamentos ligados a recursos de identificação,
detecção, rede e processamento poderão se comunicar uns com os outros e também
com serviços pela internet. Os conceitos voltados à IoT não são novos, algumas
tecnologias como RFID (Radio-Frequency IDentification), rede de sensores e a ideia
básica de conexão da internet são utilizados há muitos anos, mas as mudanças que
a IoT propõe é ampliar a utilização dessas tecnologias em número e tipos de
equipamentos como equipar dispositivos que não foram projetados para tal uso
(WHITMORE, AGARWAL, DA XU, 2015). Além do mais, a IoT pode aumentar a
captação de dados em tempo real (LI, DA XU, ZHAO, 2015) e também permite a
interoperabilidade de informações dentro de uma organização e com o mundo externo
(AHUETT-GARZA, KURFESS, 2018).
Uma variação deste conceito é também utilizada para representar a IoT dentro
de processos de fabricação industrial: Internet das coisas industrial (Industrial Internet
of things - IIoT). Para Lezzi, Lazoi e Corallo (2018), a IIoT está relacionada à utilização
de redes de sensores sem fio e tecnologias em nuvem dentro de contextos industriais
onde dispositivos IoT, associados a máquinas, computadores e pessoas comunicam-
se entre si pela rede. Segundo Mouratidis e Diamantopoulou (2018), a IIoT oferece a
25
oportunidade para indústrias construírem grandes sistemas interconectados entre as
mais diversas tecnologias e atores do processo.
Big Data Analytics (BDA). O grande número de dispositivos conectados
através de tecnologias já mencionadas como IoT e CPS podem gerar um grande
volume de dados e em diferentes formatos (HE et al., 2016). Neste contexto, segundo
Badri, Boudreau-TrudeL e Souissi (2018), o Big Data é este grande montante de
informações em volume tão amplo que excedem as capacidades intuitivas e analíticas
humanas e até mesmo de ferramentas de computação convencionais para
gerenciamento de dados.
O Big Data pode ser caracterizado por 5 V’s: Volume, Velocidade, Variedade,
Veracidade e Valor (EMANI, CULLOT, NICOLLE, 2015). O volume está relacionado à
quantidade de dados, a velocidade é a frequência de geração ou frequência de dados,
a variedade é a questão da grande diversidade de fontes geradoras de dados, a
veracidade é relativa a qualidade e confiabilidade dos dados e o valor é a questão de
extrair benefícios economicamente valiosos dos dados (WAMBA et al., 2015).
Segundo Ivanov, Dolgui e Sokolov, (2018), a veracidade e o valor são particularmente
importantes, pois, a partir de análises, é possível verificar o valor real do Big Data.
Desta maneira, o Big Data Analytics (BDA) se baseia na extração de informações úteis
deste grande volume de dados facilitando as tomadas de decisões (IVANOV, DOLGUI
E SOKOLOV, 2018).
Computação em nuvem. A computação em nuvem é a prestação de serviços
relacionados à computação ou tecnologia da informação (TI) via internet como
servidores, armazenamento ou bancos de dados. O termo nuvem é devido ao fato de
o serviço utilizado não estar presente, mas em uma local remoto, no qual todo o
sistema é controlado por um terceiro (LIU, XU, 2017).
Segundo Khan et al. (2017) os três principais modelos de serviço são na forma
de Infraestrutura como Serviço (Infrastructure as a Service – IaaS), Plataforma como
Serviço (Platform as a Service – PaaS) e Software como serviço (Software as a
Service – SaaS). A IaaS fornece aos usuários recursos de computação e rede, como
servidores de alto desempenho, armazenamento em nuvem e redes sem fio. A PaaS
fornece um ambiente de desenvolvimento ou uma plataforma que permite aos
usuários desenvolver e gerenciar aplicativos baseados na nuvem sem manter uma
infraestrutura (Wu et al., 2018). E finalmente a SaaS é o software hospedado
26
remotamente, desenvolvido e gerenciado via Internet por um provedor de serviços
(CHO, CHAN, 2015).
Portanto, com a computação em nuvem, o grande volume de dados
proveniente da utilização da IoT pode ser armazenado e processado de forma rápida
permitindo decisões em tempo real (LEE, LEE, 2015) auxiliando empresas em
atividades como gerenciamento de risco e melhoria na segurança de processos
usando tecnicas de mineração de dados e algoritmos genéticos (GOBBO JUNIOR et
al., 2018). Além disso, os dados armazenados em nuvem podem ser acessados de
qualquer lugar e por diferentes usuários (gerentes, clientes, operadores,
programadores, etc.) com qualquer navegador Web ou software específico (KHAN et
al., 2017).
Segurança Cibernética (cyber-security). O aumento da conectividade
devido às tecnologias atreladas à indústria 4.0 podem aumentar a vulnerabilidade de
sistemas (JANSEN, JESCHKE, 2018). Neste contexto, a questão de segurança
cibernética representa um dos desafios mais relevantes a serem enfrentados por
empresas que pretendem adotar conceitos da indústria 4.0 (LEZZI, LAZOI, CORALLO
2018). Ataques cibernéticos podem atingir tanto sistemas em domínios
exclusivamente virtualizados como também físicos (WU, SONG, MOON, 2019). Por
exemplo, redes sem fio podem ser facilmente ser interceptadas (PILLONI, 2018) e
hackers podem comprometer um sistema cyber-físicos (JANSEN, JESCHKE, 2018)
ou praticar espionagem industrial (TUPTUK, HAILES, 2018). Assim, para proteger o
sistema de manufatura industrial contra tais ataques, estruturas de segurança
cibernética confiáveis são necessárias (MOKTADIR et al., 2018).
Realidade Aumentada. Esta tecnologia está relacionada com a utilização de
dispositivos inteligentes em que a realidade física ou real é combinada com elementos
virtuais (SAUCEDO-MARTINEZ et al., 2018) (e.g. Oculus Rift). Num cenário onde a
complexidade das máquinas aumenta progressivamente, trabalhadores podem ter
seus serviços facilitados a partir a adoção da realidade aumentada, na qual a
comunicação visual com estas máquinas pode ser ampliada através de dispositivos
poderosos e de baixo custo (STORK, 2015) fornecendo informações anteriormente
indisponíveis e simplificando atividades que antes exigiam maiores qualificações
(STOCK et al., 2018). Por exemplo, trabalhadores em operações de reparo podem ter
a visualização de instruções das atividades melhorada ajudando na conclusão de
ações (MOKTADIR et al., 2018). Ou ainda, em relação a clientes, manutenções ou
27
montagens simples podem ser disponibilizadas através desta tecnologia
(SCHNEIDER, 2018).
Simulação. Num contexto industrial, a simulação é a forma de representação
do comportamento de um processo manufatureiro através de um modelo
computacional utilizando parâmetros e variáveis do processo em estudo (BADRI,
BOUDREAU-TRUDEL, SOUISSI, 2018). A simulação utilizando dados em tempo real
pode tornar possível a virtualização do mundo físico incluindo máquinas, produtos e
seres humanos. Isso permite que testes possam ser feitos para otimização de
máquinas antes mesmo de o produto físico entrar na linha produtiva reduzindo o
tempo de configuração de maquinas e aumento de qualidade (BAHRIN et al., 2016).
O uso desta tecnologia pode ajudar a reduzir o tempo de inatividade e falhas de um
processo de produção relativos à taxa e quantidade de produtos (MOKTADIR et al.,
2018). Entre outras aplicações da simulação pode-se citar o estudo de
comportamentos gerados por ataques cibernéticos (YU et al. 2017), estudos de
rastreamento de custo de fabricação em tempo real (RAMADAN, AL-MAIMANI,
NOCHE, 2017), ou estudos de eficiência energética (LIN et al., 2016).
Inteligência Artificial (IA). A inteligência artificial é um recurso interativo,
autônomo e de autoaprendizagem que permite que artefatos computacionais realizem
atividades que, de outra forma, exigiriam a inteligência humana para serem
executadas com sucesso (TADDEO, FLORIDI, 2018). Dentre as possibilidades
provenientes desta tecnologia pode-se citar os sistemas autônomos e machine
learning.
Machine Learning. O Machine Learning é um dos nichos mais ativos no campo
da Inteligência Artificial (LI, HOU, WU, 2017). É um termo que se refere a uma
disciplina na área da computação na qual máquinas são programadas para aprender
a partir de dados, baseando-se em um conjunto de regras matemáticas e suposições
estatísticas (CAMACHO et al., 2018). Máquinas podem adquirir a capacidade de
encontrar insights sem que haja uma programação exata para tal ação. Usando
algoritmos, as máquinas podem se adaptar e aprender de forma iterativa podendo
tomar decisões confiáveis quando expostos a novos dados (LI, HOU, WU, 2017).
Empresas podem utilizar essa tecnologia para analisar defeitos e melhorar o
desempenho de operações (MOKTADIR et al., 2018). Por exemplo, o Machine
Learning pode extrair informações úteis do Big Data gerado numa empresa ou fábrica,
tanto a partir de dados estruturados como não estruturados (AHUETT-GARZA,
28
KURFESS, 2018) ou para monitoramento de segurança de redes (TUPTUK, HAILES,
2018).
Sistemas autônomos. Máquinas e equipamento terão a capacidade de
melhorar os processos através de tomada de decisões autônomas (ROBLEK,
MEŠKO, KRAPEŽ, 2016). Elementos autônomos tornam-se cientes de seu ambiente
e podem se comunicar com outros elementos para controlar o que for necessário. Por
exemplo, em uma linha de produção um produto pode se comunicar com máquinas e
informar o que é necessário em determinada etapa do processo, tornando o controle
flexível entre produtos e máquinas (TUPTUK, HAILES, 2018). O transporte através de
veículos autônomos, movimentadores de carga internas e o processamento de
pedidos poderiam interagir entre si (HOFMANN, RÜSCH, 2017). Além disso, robôs
autônomos irão interagir não somente entre eles, mas também com humanos e
aprender com eles de forma colaborativa (BAHRIN et al., 2016) e ainda, robôs
autônomos podem reduzir erros em tarefas simples (SAUCEDO-MARTINEZ et al.,
2018). Assim, tomadas de decisão serão descentralizadas, onde dados são adquiridos
e processados no mesmo local e em tempo real. A auto-organização, o auto-reparo,
a automanutenção e auto-governança são alguns dos atributos que podem aparecer
neste cenário (TUPTUK, HAILES, 2018).
Impressão 3D. A forma de usinagem tradicional acontece a partir de subtração
de material em uma peça bruta de forma a chegar no artefato desejado (KIETZMANN,
PITT, BERTHON, 2015). De maneira inversa, a impressão 3D utiliza um processo de
manufatura aditiva, no qual os produtos são formados em uma base, camada por
camada a partir de uma modelagem computacional. Do ponto de vista produtivo, a
também chamada “manufatura aditiva” pode ajudar a fabricar peças personalizadas
em pequenas quantidades atendendo a demandas específicas. Assim, peças de
reposição, próteses e produtos personalizados a clientes podem ser produzidos
(BERMAN, 2012). É possível posicionar impressoras 3D mais próximos dos pontos
de consumo diminuindo dificuldades logísticas e impactos ambientais devido a
transportes de materiais (KIETZMANN, PITT, BERTHON, 2015).
2.1.3 Os Princípios de Design da Indústria 4.0
Segundo Hermann, Pentek e Otto (2015) a indústria 4.0 pode ser baseada em
seis princípios de design: Interoperabilidade, Virtualização, Descentralização,
29
Capacidade em Tempo real, Orientação a Serviços e Modularidade, descritos a
seguir.
Interoperabilidade. A interoperabilidade é uma das maiores vantagens da
indústria 4.0 (LU, 2017) que representa a capacidade de conexão e comunicação
entre dispositivos, sistemas ciber-físcos (CPS), organizações, humanos e indústria
através da Internet das Coisas e Internet de Serviços (HERMANN, PENTEK, OTTO,
2015). Além disso, também pode-se adicionar nesta definição as três formas de
conexão entre empresas de uma cadeia descritas por Kagermann, Wahlster e Helbig
(2013).
Virtualização. Criação de uma cópia virtual do mundo físico através de objetos
conectados que lançam informação em tempo real possibilitando representa-los nos
sistemas de acordo com suas relações e atividades. Cada objeto, equipamento ou
“coisa” possui uma representação digital na qual suas informações são atualizadas
continuamente e transmitidas (DAI, VASARHELYI, 2016). Através de plantas
virtualizas, sensores conectados e tais informações atualizadas (HERMANN,
PENTEK, OTTO, 2015), modelos de simulação podem ser criados para estudo do
comportamento de objetos (DAI, VASARHELYI, 2016). Por meio da virtualização da
cadeia de suprimentos, por exemplo, empresas podem se comunicar fornecendo
informações importante sobre produtos e produção em tempo real para todas as
entidades participantes (BRETTEL, 2014).
Descentralização. A descentralização de decisões é realizada através da
capacidade de CPS realizarem ações independentemente sem nenhum comando
central (HERMANN, PENTEK, OTTO, 2015). Altas demandas de customização em
massa exigem que sistemas de produção reajam rapidamente e as tomadas de
decisões podem ser realizadas por máquinas ou linhas de produção (SCHUH et al.,
2014). Máquinas podem adquirir a capacidade de encontrar insights sem que haja
uma programação exata para tal ação (LI, HOU, WU, 2017), assim, equipamentos
autônomos, serão capazes de melhorar os processos produtivos através de tomada
de decisões próprias (ROBLEK, MEŠKO, KRAPEŽ, 2016).
Trabalho em tempo real. Este princípio tem estreita ligação com a
virtualização. Através da conexão de sistemas IoT e computação em nuvem,
empresas poderão ter acesso a dados processados de forma rápida (LEE, LEE,
2015), permitindo ações como detecção de falhas de máquinas, ajustes de produção
(DAI, VASARHELYI, 2016) e tomadas de decisão em tempo real (LEE, LEE, 2015). O
30
status de uma planta produtiva pode ser verificado de forma permanente, onde
sistemas IoT e CPS se comunicam com seres humanos a todo instante (HERMANN,
PENTEK, OTTO, 2015).
Orientação a Serviços. Capacidade de apresentar as funções dos processos
de produção como um conjunto de serviços (AL-JAROODI, MOHAMED, JAWHAR,
2018). Uma mentalidade voltada a serviços que vai além dos produtos é identificada
no contexto da indústria 4.0. Uma estrutura que descreve o desenvolvimento
integrado, onde pacotes específicos de produtos e serviços é oferecido para os
clientes (IBARRA, GANZARAIN, IGARTUA, 2018). Além disso, qualquer recurso,
como linhas de produção, linhas de montagem, armazenamento, computação, mão-
de-obra, know how, pode ser oferecido por meio de uma rede (DAI, VASARHELYI,
2016), tanto interna como externamente às fronteiras empresariais (HERMANN,
PENTEK, OTTO, 2015), na qual outras empresas podem pagar por esses serviços
(DAI, VASARHELYI, 2016). Como resultado, fornecedores, clientes e outros parceiros
tornam-se parte de um ecossistema em rede (IBARRA, GANZARAIN, IGARTUA,
2018).
Modularidade. Sistemas modulares são capazes de se ajustar de forma
flexível em casos de flutuações sazonais ou alterações nas características do produto
(HERMANN, PENTEK, OTTO, 2015). Por exemplo, módulos de produção podem ser
construídos, e cada estação pode individualmente compor os processos necessários
para uma configuração específica de clientes (DAI, VASARHELYI, 2016).
O Quadro 1 apresenta o resumo dos princípios da Indústria 4.0.
Quadro 1 - Os princípios da Indústria 4.0
Princípio Descrição
Interoperabilidade Capacidade de conexão entre dispositivos, sistemas ciber-físicos (CPS),
humanos e indústrias
Virtualização Criação de uma cópia virtual do mundo físico como forma de simulação e
controle de processos
Descentralização A capacidade de máquinas tomarem decisões independentemente sem
nenhum comando central
Trabalho em Tempo Real
Capacidade de coleta e análise de dados em tempo real
Orientação a serviços Capacidade de apresentar as funções dos processos de produção como
um conjunto de serviços1
Modularidade Sistemas modulares são capazes de se ajustar de forma flexível em casos de flutuações sazonais ou alterações nas características do
produto.
Fonte: Hermann, Pentek e Otto (2015), Al-Jaroodi, Mohamed e Jawhar, (2018), Dai, Vasarhelyi
(2016).
31
Dessa forma, a partir dos princípios de design da Indústria 4.0, nota-se que
toda uma cadeia de valor envolvida em um empreendimento pode ser afetada.
2.1.4 As Influências da Indústria 4.0 sobre a Cadeia de Valor
A cadeia de valor desagrega uma empresa em atividades estratégicas
relevantes para entender o comportamento dos custos e a existência de potenciais
fontes de diferenciação, onde empresas podem se posicionar à frente de
competidores (PORTER, 1985). Além disso, para Hofbauer e Sangl (2018), essas
atividades possuem o intuito de criar valor para os clientes bem como determinam o
custo e proposição do valor afetando a rentabilidade de empresas a longo prazo. De
forma prática, a cadeia de valor é a descrição das transações e o processamento de
um produto até atingir seu mercado final no qual em cada estágio da cadeia o produto
está agregando valor (QOSE, PERI, PROKO, 2018) que posteriormente é percebido
pelo cliente.
Neste contexto, a Indústria 4.0 e os conceitos envolvidos podem afetar como
o valor é percebido dentro de uma cadeia empresarial. As formas de integração
descritas por Kagermann, Wahlster e Helbig (2013) (tem 2.1.1) é um exemplo disto,
principalmente quando tratamos da integração digital de ponta a ponta.
A digitalização e utilização de sistemas cooperativos e inteligentes
transformará a cadeia de suprimentos, tornando-a mais eficiente, integrada e
transparente. Segundo Barreto, Amaral e Pereira (2017), haverá também maior
proximidade com os clientes promovendo um aumento significativo na qualidade de
tomada de decisão. Para Kagerman, Wahlster e Helbig, (2013), as tecnologias e os
conceitos da indústria 4.0 podem trazer grandes benefícios, como o atendimento
individual de clientes, permitindo alterações com pequenos prazos e produção em
volumes mais baixos, onde critérios específicos podem ser incluídos nas fases de
projeto, configuração, pedido, planejamento, fabricação e operação. Ainda para os
mesmos autores, a flexibilidade da indústria é ampliada para atender flutuações
repentinas através de uma transparência de ponta a ponta garantindo tomadas de
decisões mais assertivas, e a utilização de recursos pode ser aprimorada, permitindo
que os trabalhadores se concentrem em atividades criativas e maior valor agregado,
automatizando serviços rotineiros.
32
Quanto ao controle de processos, a mecanização e automação serão
ampliados a ponto de criar sistemas autônomos capazes de controlar a produção de
forma independente. Além disso, a digitalização do meio produtivo levará a uma
grande quantidade de dados provindos de sensores e atuadores garantindo novas
formas de análises, e assim, abrindo espaço a novas tecnologias como simulação,
proteção digital e realidade amentada (LASI et al., 2014). Dessa forma, a melhoria dos
processos de produção provenientes da Indústria 4.0 levará a uma redução do tempo
de produção, melhoria de produtividade e aumento de flexibilidade. A tomada de
decisão também será otimizada permitindo que menores quantidades de recursos
sejam utilizadas para produzir um maior volume de produtos (PILLONI, 2018).
No contexto de integração entre parceiros de uma cadeia de suprimentos, a
indústria 4.0 pode trazer uma coordenação e alinhamento total entre todas as partes
interessadas. Por exemplo, sistemas de transporte poderão comunicar sua posição e
prever horário de chegada para um sistema de armazenamento inteligente que pode
se organizar de maneira a otimizar uma entrega just-in-time ou just-in-sequence
(BARRETO, AMARAL, PEREIRA, 2017).
Apesar destes benefícios, novos desafios podem surgir a partir dos conceitos
e tecnologias da Indústria 4.0 (BARRETO, AMARAL, PEREIRA, 2017). O mercado
consumidor começando a demandar produtos e serviços com nível alto de
personalização pode tornar complexo o processamento de tais requisições, levando à
necessidade de uma cadeia de suprimentos altamente adaptável, que não pode ser
tratada com práticas comuns de gerenciamento (PREMM, KIRN, 2015). Devido à alta
sofisticação de sistemas produtivos através de tecnologias como a IoT, as
competências dos recursos humanos mudarão drasticamente e um maior grau de
especialização será demandado (BARRETO, AMARAL, PEREIRA, 2017). O grande
número de dispositivos, ferramentas e equipamentos conectados podem gerar um
grande volume de dados e em diferentes formatos tornando-se um desafio para a
gestão de dados (KHAN et al., 2017). Além disso, vários outros desafios podem estar
envolvidos, como a questão do desemprego devido a substituição de funções por
máquinas, menos controle humano devido a descentralização da tomada de decisão,
impactos ambientais (LUTHRA, MANGLA, 2018), questões legais sobre propriedade
de dados (ZHOU et al., 2018), etc.
Baseado nas transformações digitais citadas acima e suas influências, a
sustentabilidade das empresas pode ser afetada. Dessa forma, o conceito de
33
sustentabilidade é discutido no tópico seguinte para que possa ser estudada no
contexto da Quarta Revolução Industrial e no decorrer da pesquisa.
2.2 SUSTENTABILIDADE
A conceituação de sustentabilidade ainda não está consolidada, pois
definições dos mais variados pontos de vista são encontrados, desafiando a eleição
de um conceito adequado para o termo (MOORE et al., 2017; SALAS‐ZAPATA,
ORTIZ‐MUÑOZ, 2019). Uma contradição gerada nestas diferentes visões é a
compreensão da sustentabilidade como desenvolvimento sustentável (SALAS‐
ZAPATA, ORTIZ‐MUÑOZ, 2019). Semanticamente, sustentabilidade é o equilíbrio
entre um artefato e seu ambiente de suporte que interagem um com o outro sem
prejuízos mútuos (FABER, JORNA, VAN ENGELEN, 2005). Por outro lado, a definição
de desenvolvimento sustentável, em uma de suas formas mais conhecidas, foi
introduzida em 1987 na Comissão Mundial de Meio Ambiente e Desenvolvimento
(WCED – World Commission on Environment and Development) como sendo “o
desenvolvimento que satisfaz as necessidades presentes, sem comprometer a
capacidade de gerações futuras de suprir suas próprias necessidades” (WCED, 1987).
Segundo Lankoski (2016) o desenvolvimento sustentável é o desenvolvimento com o
atributo adicional de acontecer de forma sustentável.
Na atualidade, a discussão sobre a conceituação de sustentabilidade, é
também um tema abordado devido ao fato de trazer desafios para pesquisa (MOORE
et al., 2017); SALAS‐ZAPATA, ORTIZ‐MUÑOZ, 2019). Numa perspectiva empresarial
por exemplo, existem muitos esforços e frameworks para tentar elucidar o conceito de
sustentabilidade corporativa (AMINI, BIENSTOCK, NARCUM, 2018). Mesmo
restringindo para uma abordagem de negócios a sustentabilidade por ser entendida
de maneiras bem diferentes (LANKOSKI, 2016). Essas divergências de conceituação
são influenciadas pelo fato dos autores que discutem tal assunto possuírem currículos
das mais diversas áreas como ecologia, economia, geografia, sociologia,
administração, etc. (BOLIS, MORIOKA, SZNELWAR, 2014).
Segundo Salas‐Zapata e Ortiz‐Muñoz (2019) uma forma de lidar com o termo
“sustentabilidade” é através de seus usos, podendo ser divido em quatro formas: (a)
como um conjunto de critérios sócio ecológicos que orientam a ação humana, (b)
34
como uma visão ou meta de convergência de propósitos sociais, econômicos e
ambientais que as ações humanas pretendem atingir, (c) como um objeto que pode
ser pensado, estudado ou representado ou (d) como uma abordagem de estudo das
dimensões econômicas, sociais e ambientais de um sistema.
De toda forma, as diferentes definições de sustentabilidade parecem convergir
para uma ideia de incluir algum elemento de continuidade, durabilidade ou capacidade
de manter (LANKOSKI, 2016). Esta característica pode ser encontrada em algumas
definições de sustentabilidade voltadas para certas áreas em específico, apesar de
algumas delas não possuir uma forma clara de definição. A seguir estão algumas
delas.
Sustentabilidade Econômica. Empresas economicamente sustentáveis são
aquelas que garantem, a qualquer momento, fluxo de caixa suficiente para garantir
liquides e rentabilidade, produzindo retorno persistente acima da média para os
acionistas (DYLLICK E HOCKERTS, 2002). Além disso, para Spangenberg (2005), a
economia sustentável não deve prejudicar a sustentabilidade dos sistemas com os
quais está interagindo ao mesmo tempo que protege sua própria viabilidade.
Sustentabilidade Social. A sustentabilidade social busca melhorar a
proteção das pessoas contra riscos promovendo a adaptação de políticas sociais,
econômicos e ambientais de forma justa e equitativa (EIZENBERG, JABAREEN,
2017). Segundo o estudo de Boström (2012), este conceito está envolvido com a
qualidade de vida das pessoas e das gerações futuras assim como a qualidade de
governança de processo de desenvolvimento.
Sustentabilidade Ambiental. Condição de equilíbrio, resiliência e
interconectividade que permita que a sociedade humana possa satisfazer suas
necessidades de recursos e serviços das gerações atuais e futuras sem exceder a
capacidade de regeneração e saúde dos ecossistemas que os fornece (MORELLI,
2011).
De todo forma, o conceito de sustentabilidade utilizado na pesquisa é o tripé
da sustentabilidade desenvolvido por Elkington (ELKINGTON, 1998a, ELKINGTON,
1998b, ELKINGTON, 2004). Este conceito é melhor descrito no tópico seguinte.
35
2.2.1 Tripé da Sustentabilidade
O tripé da sustentabilidade (Triple Bottom Line – TBL) é um conceito introduzido
por John Elkington a partir do princípio de que para empresas possuírem um
desenvolvimento de sucesso a longo prazo em relação ao seu ambiente é preciso
focar em três dimensões: econômica, social e ambiental (ELKINGTON, 1998a,
ELKINGTON, 1998b, ELKINGTON, 2004). A questão econômica é baseada no fato
de que empresas precisam garantir um fluxo de caixa suficiente para possibilitar
liquidez e rentabilidade (DYLLICK E HOCKERTS, 2002). O aspecto social é relativo
ao impacto que empresas e seus fornecedores possuem no capital humano da
comunidade em que trabalham. E a questão ambiental é relacionada à quantidade de
recursos que uma empresa utilizada em suas operações e aos subprodutos que
geram (e.g. resíduos, emissões atmosféricas, etc.) (HUBBARD, 2009). Assim,
segundo Elkington (2004), o TBL possui uma agenda voltada não apenas para criação
de valor econômico, mas também valor ambiental e social. Além disso, de acordo com
Hammer e Pivo (2017), a abordagem do TBL é relacionada ao conceito de
desenvolvimento sustentável exposta na WCED (1987), onde as necessidades de
desenvolvimento atuais não devem comprometer gerações futuras, ou seja, é uma
forma de expressar o valor das empresas em termos de sustentabilidade.
Portanto, de acordo com Norman e Macdonald (2004), o paradigma por trás
deste conceito do TBL é que o sucesso ou saúde de empresas pode e deve ser
medido não apenas pelo resultado financeiro, mas também por seu desempenho
social e ambiental. Para Dyllick e Hockerts (2002), o foco apenas na questão
econômica pode ser bem-sucedido no curto prazo, no entanto, a sustentabilidade de
forma completa exige que as três dimensões sejam satisfeitas simultaneamente. Isso
acontece devido ao fato dessas dimensões estarem conectadas e poderem influenciar
umas nas outras. Assim, muitos estudos sobre essas conexões tornam-se tópico de
muitas pesquisas (VENKATRAMAN, NAYAK, 2015; RENNINGS, SCHRÖDER,
ZIEGLER, 2003; CONNELLY, LIMPAPHAYOM, 2004; BOLANLE, ADEBIYI,
MUYIDEEN, 2012; HAMMER E PIVO, 2017; GIBSON, 2006).
36
Figura 3 – Triple Bottom Line de Elkington.
Fonte: Baseado na Teoria de Elkington (1998a, 1998b, 2004).
A Figura 3 demonstra uma forma comum de representação desta teoria
devido a essas relações entre as questões econômica, social e ambiental tratado no
conceito do Tripple Bottom Line de Elkington, em que o equilíbrio entre elas leva
empresas à sustentabilidade.
Elkington (2004) ainda comenta que na transição para um capitalismo
sustentável, as empresas poderão se envolver em sete paradigmas que precisarão
ser mudados: o mercado, movendo-se da submissão para a competitividade, os
valores mudando de rígidos para flexíveis, a transparência de fechada para aberta, a
tecnologia do ciclo de vida de produção para função, as parcerias de desunião para
simbiose, a concepção de tempo de intenso para longo prazo e a governança de
exclusiva para inclusiva.
Baseado neste conceito de sustentabilidade, entender melhor como essas
dimensões (econômica, social e ambiental) podem ser afetadas pela indústria 4.0 é
uma questão importante. Assim, como o trabalho visa estudar os riscos provenientes
da Indústria 4.0 que também podem tomar formas nestas frentes abordadas por
Elkington, possuir uma maneira estruturada de estudar tais riscos é um ponto que
pode trazer benefícios para a presente pesquisa.
Portanto, o tópico seguinte traz informações sobre como realizar um
gerenciamento de riscos, o qual posteriormente será utilizado para mapeamento dos
riscos da Quarta Revolução Industrial.
37
2.3 GERENCIAMENTO DE RISCO
A ISO (International Organization for Standardization) define risco como o
efeito da incerteza nos objetivos, podendo ser positivo, negativo ou ambos resultando
em oportunidades ou ameaças (ABNT, 2018). A SRA (Society for Risk Analysis),
também relaciona o risco com incertezas de eventos e suas consequências (SRA,
2018). No contexto do ambiente corporativo, essas incertezas levam a diversos tipos
de riscos, como, riscos de mercado, risco competitivo, risco da cadeia de suprimentos,
risco político, risco cambial, etc. (BROMILEY et al., 2015). Assim, estudos voltados ao
entendimento do risco (sua tipologia, métricas de avaliação e técnicas de controle)
são essências para o sucesso de uma empresa. Segundo Wolke (2017), esse controle
pode ser realizado através de técnicas de gerenciamento de riscos.
A NBR ISO 31000:2018 define o gerenciamento de risco como: “atividades
coordenadas para dirigir e controlar uma organização no que se refere a riscos”.
Segundo Dionne (2013), o gerenciamento de risco deve ir além do que simplesmente
minimizar a exposição de uma empresa a riscos, deve também estar ligado a
maximização do valor da empresa através da redução de custos devido aos diferentes
tipos de riscos.
Uma fundamentação genérica para a área de conhecimento voltada ao estudo
de risco é uma tarefa difícil, pois trata-se de um conhecimento multidisciplinar. Isto
proporciona uma ampla quantidade de pontos de vista sobre o assunto (AVEN, ZIO,
2014).
No entanto, a norma NBR ISO 31000:2018 propõe diretrizes para realização
de gestão risco de forma generalizada, podendo ser aplicada a organizações de
qualquer tipo e tamanho (ABNT, 2018). De acordo com essa norma,
o processo de gestão de riscos envolve a aplicação sistemática de políticas,
procedimentos e práticas para atividades de comunicação e consulta,
estabelecimento do contexto e avaliação, tratamento, monitoramento, análise
crítica, registro e relato de riscos (ABNT, 2018, p.9).
A Figura 4 ilustra como o processo de gestão de risco é definido segundo a
norma NBR ISO 31000:2018.
38
Figura 4 - Processo de Gestão de Risco
Fonte: Adaptado de ABNT. NBR ISO 31000:2018 (2018).
A seguir, outras duas formas de abordagem de gerenciamento de riscos são
apresentadas dependendo do contexto ao qual irá ser aplicado. Isso tem como
objetivo demonstrar que o gerenciamento de riscos pode tomar diferentes formas,
mas, independentemente disso, sua estrutura se mante semelhante.
2.3.1 Gerenciamento de Riscos em Projetos
Na área de projetos, segundo Cagliano, Grimaldi e Rafele (2014), o
gerenciamento de risco pode ser resumido em três macro fases: Fase inicial, Fases
intermediárias e Fase Final.
A primeira macro área é relacionada à atividades referentes a compreender
as características e os objetivos do projeto em questão, definindo seu escopo e
propósito. As etapas intermediárias possuem o objetivo de identificar os riscos
juntamente com suas causas, efeitos e como se relacionam entre si, além de avaliar
suas probabilidades de ocorrência e impacto para elaborar estratégias de resposta a
esses riscos e também planos de contingência. A fase final forma atividades como,
realizar as respostas da etapa anterior monitorando-as e refinando-as, além de
39
identificar, avaliar e tratar novos riscos, bem como registrar os conhecimentos,
experiências e lições aprendidas na implementação da gestão de risco.
As macro-fases de Cagliano, Gimaldi e Rafele (2014) descritas acima, podem
ser detalhadas de acordo com o processo de gerenciamento de riscos de projetos
segundo o PMI (Project Management Institute) que sugere as seguintes etapas:
planejamento, identificação, análise, planejamento de respostas e, finalmente,
monitoramento e controle (PMI, 2013). Estas etapas são definidas como:
(1) planejamento, fase onde os objetivos, a forma de abordagem e os recursos
são levantados;
(2) identificação, a qual trata-se da identificação dos riscos juntamente com
suas causas;
(3) análise, estudo das probabilidades de ocorrência e os impactos
relacionados ao risco, bem como suas influências nos resultados do projeto em termos
de custo, cronograma, escopo e variação da qualidade;
(4) planejamento de respostas, são desenvolvidas ações para aumentar as
oportunidades e diminuir as ameaças;
(5) monitoramento e controle, trata-se do controle e monitoramento dos riscos
identificados, monitoramento de riscos residuais, identificação de novos riscos, além
de avaliar a eficácia do processo de gerenciamento de riscos bem como a
formalização de lições aprendidas.
As macro-fases descritas por Cagliano, Gimaldi e Rafele (2014), juntamente
com o processo de gerenciamento de riscos de projetos segundo o PMI (2013) podem
ser relacionados segundo a Figura 5.
Figura 5 – Processo de Gestão de Risco de Projetos
Fonte: Autor (2019)
2.3.2 Gerenciamento de Riscos na Cadeia de Suprimentos
Segundo HO et al. (2015), ainda não há uma definição unificada do risco e da
gestão de risco na cadeia de suprimentos, no entanto, os autores propõem em seu
40
trabalho de revisão uma definição como sendo “um esforço colaborativo
interorganizacional que utiliza metodologias quantitativas e qualitativas de
gerenciamento de riscos para identificar, avaliar, mitigar e monitorar eventos ou
condições inesperadas em nível macro e micro, o que pode afetar negativamente
qualquer parte de uma cadeia de suprimentos” (Ho et al., 2015).
Ainda no trabalho de HO et al. (2015), é possível classificar os tipos de riscos
na cadeia de suprimentos de forma holística em duas categorias: Macro-riscos e
micro-riscos. Os macro-riscos estão relacionados a eventos externos raros que podem
causar impactos negativos nas empresas, como os riscos naturais (e.g. terremotos e
desastres naturais) e os man-made risks (e.g. terrorismo, instabilidade política e
guerras). Os micro-riscos são relacionados a eventos mais corriqueiros e operacionais
originados internamente nas empresas e em sua cadeia de suprimentos. Além disso,
os micro-riscos podem ser divididos em quatro categorias: riscos de demanda, riscos
de manufatura, riscos relativos à cadeia de suprimentos e riscos de infraestrutura.
Dessa forma, em seu framework conceitual, ilustrado na Figura 6, HO et al.
(2015) unem a definição de gestão de risco na cadeia de suprimentos e a classificação
dos riscos (macro e micro riscos).
Figura 6 - Framework conceitual para riscos na cadeia de suprimentos
Fonte: Adaptado de Ho et al. (2015).
41
Além disso, segundo sua revisão, os autores incluem em seu framework a
tecnologia da informação, transporte e sistemas financeiros devido a serem pontos
críticos para assegurar o funcionamento saudável da cadeia de suprimentos.
Comumente, segundo Heckmann, Comes e Nickel (2015), os riscos da cadeia
de suprimentos são associados a um conceito puramente orientado a eventos. Num
contexto de gerenciamento de riscos, os eventos são caracterizados pela sua
probabilidade de ocorrência e suas consequências na CS. No entanto, Dunke et al.
(2018) consideram que uma análise de “evento por evento” levando a uma
determinação das consequências de forma exclusiva em cada caso não é completa.
Para os autores, o fator tempo também deve ser considerado como um ponto
importante quando se trata de estudar os riscos na cadeia de suprimentos. Assim, um
risco não depende apenas de sua severidade e da probabilidade de ocorrência, mas
também do tempo, pois possui influência no grau de incerteza sobre o risco.
2.3.3 Identificação e classificação de riscos
Independentemente da abordagem da gestão de riscos (a forma generalista
da ISO, a perspectiva de gestão de projetos ou a abordagem relativa à cadeia de
suprimentos), a etapa de classificação e identificação dos riscos é uma atividade
importante que deve ser realizada.
Segundo Tchankova (2002), a identificação de riscos é um estágio básico que
dá suporte para as próximas etapas do gerenciamento de risco que revela e determina
os possíveis riscos enfrentados pelos recursos da organização. Uma correta
identificação pode assegurar a efetividade do gerenciamento de riscos. Esta etapa,
de acordo com Wu, Blackhurst e Chidambaram (2006), envolve a enumeração de
fatores de risco e é utilizada para posterior caracterização em ramos apropriado no
sistema de classificação.
Segundo o PMI (2013) e num contexto de gestão de projetos, os riscos
podem ser classificados por fontes de risco, por área afetada ou por categorias úteis
para determinar as áreas de um projeto que são mais expostas aos efeitos da
incerteza.
Esta identificação dos riscos é a etapa mais importante para esta pesquisa,
devido ao fato de que para realizar um estudo dos riscos da Indústria 4.0,
primeiramente será necessário mapeá-los.
42
2.4 CONSIDERAÇÕES SOBRE O CAPÍTULO
Este capítulo teve o intuito de descrever definições importantes que são
utilizadas no decorrer do trabalho. O conceito da Indústria 4.0 é discutido em formas
diversas assim como questões chaves envolvidas. Como trata-se do tema central da
pesquisa, sua fundamentação é ponto essencial para a pesquisa.
O tema de sustentabilidade é discutido no segundo tópico para trazer
conceitos chave que serão utilizados em algumas definições desenvolvidas para
agrupamento dos riscos no capítulo 4, além do tema do tripé da sustentabilidade que
é essencial para construção do framework teórico que é proposto em um dos objetivos
específicos.
O último tema, gerenciamento de risco, é um tema também muito importante
para fundamentar a questão voltada às incertezas que a indústria 4.0 pode gerar.
Assim, é um tópico importante para descrever como os riscos podem ser mapeados,
agrupados e estudados, embasando o atingimento do terceiro objeto específico:
“Realizar um estudo uma análise temática para o mapeamento e estudo dos riscos da
Indústria 4.0”.
43
3 METODOLOGIA DA PESQUISA
Este capitulo descreve como o estudo foi desenvolvido. Na primeira seção a
caracterização da pesquisa é realizada. Em seguida, descreve-se como foi feita a
obtenção do portfólio bibliográfico que é utilizado para mapeamento dos riscos da
Indústria 4.0. Na terceira seção, é descrito como a análise temática foi realizada em
etapas. As seções quatro e cinco trazem informações gerais sobre a construção do
framework teórico baseado nos riscos mapeados e do modelo de categorização. Por
fim, um resumo da metodologia é realizado para que as informações possam ser
integradas em uma imagem.
3.1 CARACTERIZAÇÃO DA PESQUISA
Esta pesquisa pode ser classificada, quanto a natureza, como básica, pois, de
acordo com Turrioni e Mello (2012) busca-se em uma pesquisa básica o progresso
científico e ampliação de conhecimento teóricos sem aplicações práticas, ou seja, tem
por meta o conhecimento pelo conhecimento. Assim, como a pesquisa é realizada
apenas através da literatura e construções teóricas, o estudo por ser caracterizado
desta forma.
Quanto aos objetivos, a pesquisa é classificada como exploratória pois busca
a partir de uma revisão bibliográfica mapear os riscos provenientes da implantação da
Indústria 4.0 sobre empresas do setor industrial. Segundo Turrioni e Mello (2012), a
pesquisa exploratória visa proporcionar maior familiaridade com o problema de
pesquisa com vista a torná-lo explícito ou a construir hipóteses podendo envolver
levantamento bibliográfico, entrevista com pessoas ou análise de exemplos que
estimulem compreensão. Segundo Gil (2008), este tipo de pesquisa normalmente é
aplicado em temas que são pouco explorados, na qual é difícil de formular hipóteses
operacionalizáveis.
Em relação a abordagem do problema, a pesquisa é caracterizada como
qualitativa, pois, assim como descrito por Turrioni e Mello (2012), o processo e seu
significado são focos principais de abordagem. Além disso, possui a característica
predominantemente descritiva considerando uma relação entre o mundo real e o
sujeito sem uma tradução direta em números.
44
De acordo com Turrioni e Mello (2012), classifica-se este estudo quanto ao
método de pesquisa como soft system methodology (SSM) pois, auxilia na
estruturação do pensamento sobre problemas através de construção de modelos
conceituais e na comparação desses modelos com o mundo real.
Por fim, a técnica de coleta de dados deste estudo é através de pesquisa
bibliográfica. Segundo Gil (2008), este tipo de levantamento é elaborado
exclusivamente através de fontes bibliográficas constituídos de livros e artigos
científicos.
De forma resumida, podemos verificar a caracterização desta pesquisa no
Quadro 2 da página seguinte.
Quadro 2 – Resumo da Caracterização da Pesquisa
Caracterização da Pesquisa
Quanto à natureza Pesquisa Básica
Quanto aos objetivos Pesquisa Exploratória
Quanto a abordagem de pesquisa Pesquisa Qualitativa
Quanto ao método de pesquisa Soft System Methodology (SSM)
Quanto a técnica de coleta de dados Pesquisa Bibliográfica
Fonte: Autor (2019)
A seguir, será demonstrado como a Revisão bibliográfica Sistematizada (RBS)
foi realizada para mapeamento dos riscos da Indústria 4.0.
3.2 REVISÃO BIBLIOGRÁFICA SISTEMATIZADA (RBS)
A obtenção do portfólio bibliográfico baseou-se na busca através de uma revisão
bibliográfica sistematizada (RBS), utilizando a metodologia Methodi Ordinatio de
Pagani, Kovaleski e Resende (2015). Esta metodologia ordena artigos a partir de
critérios como o fator de impacto dos periódicos aos quais os artigos foram publicados,
o ano de publicação e número de citações. Para a aplicação desta metodologia as
etapas devem ser seguidas estão representadas na Figura 7.
Além disso, foi utilizado o software QSR Nvivo® versão 10 na Etapa 9 para
fazer o estudo dos artigos selecionados nas etapas anteriores e mapear os riscos da
45
Industria 4.0. Portanto, as atividades desenvolvidas nas etapas da metodologia estão
descritas a seguir.
Figura 7 - Etapas do Methodi Ordinatio.
Fonte: Adaptado de Pagani, Kovaleski e Resende (2015).
Etapa 1 – Determinar a intenção da Pesquisa: A utilização desta metodologia de
revisão sistemática tem o objetivo de auxiliar no mapeamento dos riscos provenientes
da implantação dos conceitos e tecnologias da Indústria 4.0. Assim, a intensão da
pesquisa deste tópico contido dentro desta metodologia foi definida a partir de um dos
objetivos específicos descritos neste trabalho: mapeamento dos riscos da indústria
4.0 através de uma revisão sistemática da literatura. Estes riscos serão
posteriormente utilizados para construção do modelo de categorização.
Etapa 2 – Pesquisa exploratória preliminar com palavras-chave: Na segunda
etapa, foi realizada uma pesquisa preliminar com palavras-chave que se adequavam
ao estudo em dois principais eixos: “indústria 4.0” e “riscos” nas bases de dados
Scopus e Web of Science. Essas duas bases de dados foram selecionadas devido a
retornarem um montante de artigos com fator de impacto relevante.
Etapa 3 – Definição e combinação das palavras-chave: A terceira etapa se baseou
na identificação de variantes para os dois eixos e defini-las como palavras-chaves.
Para o eixo “Indústria 4.0”, as variantes foram baseadas no fato desse termo descrever
a tendência da digitalização e automação do ambiente de produção, bem como a
criação de valor digital. Assim, termos com propósito similar utilizados ao redor do
mundo encontrados na literatura foram empregados como as variantes da “indústria
1 - Determinação da intenção da Pesquisa
2 - Pesquisa Exploratória preliminar com palavras-chave
3 - Definição e combinação das palavras-chaves
4 - Pesquisa final nas bases de dados
5 - Processos de filtragem
6 - Levantamento do Fator de impacto, ano
de publicação e número de citações
7 - Ordenação dos Artigos Segundo o
InOrdinatio
8 - Obtenção dos artigos completos
9 - Leitura final e formação do portfólio
final
46
4.0”. Para o eixo “Riscos”, as variantes foram baseadas na definição de risco segundo
a NBR ISO 31000:2018 como o “efeito da incerteza nos objetivos”. O Quadro 3 resume
quais foram tais variantes para cada eixo que posteriormente foram utilizadas como
palavras-chave.
Quadro 3 - Variantes para os dois principais eixos utilizadas como palavras-chave.
Indústria 4.0 Riscos
Industry 4.0 Risk*
Industrie 4.0 Uncertainty
Advanced Manufacturing Uncertainties
Industrial Internet Challenge*
Smart Manufacturing Barrier*
Fourth Industrial Revolution Driver*
Internet of Everything Opportunity
Made-in-China 2025 Opportunities
Fonte: Autor (2019)
O termo “Made-in-China 2025” foi utilizado devido a trazer questões de
desenvolvimento tecnológico semelhantes à Industria 4.0, assim, riscos relativos a
questões que os dois termos compreendem podem ser analisados.
Para algumas palavras-chave relativas ao eixo “Riscos”, suas versões plural e
singular foram utilizadas de forma separada devido as terminologias diferentes nestas
formas. As outras palavras-chaves que apenas necessitavam do acréscimo da letra
“S” para se tornar em sua versão plural, foi utilizado somente um asterisco.
Por fim, os dois eixos e suas variantes foram combinados uma a uma gerando
64 combinações diferentes. A Figura 8 mostra um exemplo das combinações, onde o
termo “Industry 4.0” é combinada com as variantes de “Risco”.
Figura 8 – Exemplo de combinação de variantes
Fonte: Autor (2019)
AND
47
Etapa 4 – Pesquisa final nas bases de dados: A pesquisa final foi então realizada
através das combinações de palavras-chave descrita na etapa anterior nas bases de
dados Web of Science e Scopus para encontrar um número bruto de artigos. A relação
de todas as combinações, assim como a quantidade de artigos encontrados em cada
base de dados podem ser vistas no Apêndice A. De forma resumida, na Tabela 1 é
apresentado o resultado inicial deste levantamento.
Tabela 1 – Números de artigos encontrados em cada base de dados
Combinações Scopus Web of Science Total
Industry 4.0
Industrie 4.0
Advanced Manufacturing
Industrial Internet
Smart Manufacturing
Fourth Industrial Revolution
Internet of Everything
Made-in-China 2025
AND
Risk*
Uncertainty
Uncertainties
Challenge*
Barrier*
Driver*
Opportunity
Opportunities
5148 2622 7770
Fonte: Autor (2019)
Portanto, foi levantado um total bruto de 7770 artigos para realizar o estudo
em questão. As informações desses artigos extraídas em formato BibTex foram então
levadas ao software de gerenciamento de referências Mendeley Desktop©, onde o
processo de filtragem foi iniciado.
Etapa 5 – Processos de filtragem: O número bruto de artigos foi então filtrado
seguindo os seguintes critérios: “Exclusão de duplicatas”, “Exclusão de livros e
capítulos de livros”, “Exclusão pela leitura dos títulos” e “Exclusão pela leitura do
resumo”. Além disso, os artigos de conferência não foram excluídos devido ao
assunto ser recente e estes tipos de artigos poderem possuir conteúdos relevantes
para a pesquisa.
Na filtragem pelo critério de “Exclusão de duplicatas”, através de uma
ferramenta disponível no software Mendeley Desktop©, o número bruto de artigos foi
reduzido para 3190 artigos. Estes artigos, agora sem duplicatas, foram filtrados pela
“Exclusão de livros e capítulos de livros” como segundo critério de exclusão, no qual
o número de trabalhos diminuiu para 3088. Após isso, a terceira etapa de filtragem
através do critério de “Exclusão pela leitura dos títulos” reduziu o número de artigos
para 1246 que então passaram pelo último filtro através “Exclusão pela leitura dos
48
resumos” levando ao número final do portfólio preliminar de 112 artigos. O resultado
dessas filtragens pode ser melhor visualizada na Tabela 2.
Tabela 2 – Resumo das etapas de filtragem
Etapas Artigos excluídos Quantidade
Número Bruto de Artigos - 7770
Filtro por duplicatas 4582 3190
Filtro pela exclusão de livros e capítulos de livros 102 3088
Filtro pela leitura de títulos 1842 1246
Filtro pela leitura de resumos 1134 112
Portfólio Final - 112
Fonte: Autor (2019)
Após isso, os 112 artigos do portfólio preliminar foram extraídos do
gerenciador de referências e lavados ao software Excel® para que pudessem ser
tabelados e analisados na etapa posterior.
Etapa 6 – Identificação do ano de publicação, fator de impacto e número de
citações: Nesta etapa, foram extraídas as informações dos 112 artigos do portfólio
preliminar necessárias para a realização da Etapa 7. O ano de publicação já estava
contido nos arquivos quando extraídos em formato BibTex na Etapa 4. O fator de
impacto foi consultado através da relação disponível no site da Clarivate Analytics e o
número de citações de cada artigo foi adquirido através do Google Scholar.
Etapa 7 – Ordenação dos artigos segundo o InOrdinatio: Esta etapa de ordenação
dos artigos proposta na metodologia, é realizada através do cálculo do índice
InOrdinatio através da seguinte expressão (1).
𝐼𝑛𝑂𝑟𝑑𝑖𝑛𝑎𝑡𝑖𝑜 = ((𝐹𝑖1000⁄ ) + 𝛼[10 − (𝐴𝑛𝑜𝑃𝑒𝑠𝑞 − 𝐴𝑛𝑜𝑃𝑢𝑏)] + (∑ 𝐶𝑖)) (1)
Onde, Fi: Fator de impacto do periódico; α: Coeficiente definido pelo pesquisador; AnoPesq: Ano em que a pesquisa foi realizada; AnoPub: Ano de publicação do artigo; Ci: Número de citações do artigo em outros trabalhos.
O Valor de α é atribuído pelo pesquisador podendo variar entre 1 e 10. Quanto
mais próximo de 1, menor será a importância que o pesquisador atribui ao ano de
publicação dos artigos, e quanto mais próximo de 10 maior será o peso do ano de
publicação no cálculo.
No entanto, como o portfólio final de artigos foi integralmente utilizado nesta
pesquisa, então esta ordenação não teve propósito prático. É melhor utilizado este
49
ranqueamento quando há a necessidade de um critério de escolha entre as obras
mais relevantes do portfólio final (Pagani, Kovaleski, Resende, 2015).
Etapa 8 – Obtenção dos artigos por completo: Os 112 artigos foram adquiridos na
íntegra para que pudessem ser analisados na Etapa 9.
Etapa 9 – Leitura final e formação do portfólio final: Os artigos do portfólio
preliminar foram analisados no software QSR Nvivo® Versão 10 para que as
informações fossem melhor organizadas e os riscos pudessem estudados. No
entanto, durante a leitura dos artigos foi verificado que muitos deles não possuíam
informações que pudessem ser aproveitadas para o estudo dos riscos da Indústria
4.0. Desta forma, após a leitura dos 112 artigos, o número realmente utilizado nesta
pesquisa no mapeamento dos riscos da Indústria 4.0 foi de 66, os quais estão
disponíveis no Apêndice B em forma de tabela com suas informações de títulos,
autores, periódicos de publicação, fator de impacto das revistas e valor do InOrdinatio.
Os 66 artigos finais foram estudados primeiramente em uma análise
bibliométrica, brevemente comentada no subitem seguinte (3.3), e em uma análise
temática para estudo do conteúdo no próximo item (3.4).
3.3 ANÁLISE BIBLIOMÉTRICA
Os 66 artigos foram primeiramente analisados com intuito de se obter um
panorama geral bibliométrico. Segundo DA SILVA, HAYASHI, HAYASHI (2011), a
análise bibliométrica é um estudo que possibilita construir indicadores para avaliar a
produção científica de indivíduos, áreas do conhecimento e países.
Desta forma, esta análise foi realizada a partir dos dados encontrados nos
artigos. Foram levantadas informações para encontrar o número de publicações em
cada ano através da data de publicação de cada artigo, os autores de maior
relevância, os periódicos de maior representatividade através do número de
publicações que possuem dentro do portfólio estudado e, por fim, os países de maior
relevância baseada nas afiliações referentes aos autores dos artigos.
50
3.4 ANÁLISE TEMÁTICA
Utilizando os 66 artigos do portfólio final, o estudo dos riscos negativos
provenientes da implementação de conceitos e tecnologias da Indústria 4.0 foi
realizado a partir de uma análise temática. Segundo Braun e Clark (2006), a análise
temática é baseada no estudo de informações textuais com intuito de identificar,
analisar e relatar padrões ou temas em uma composição de dados. Para isto, quatro
etapas foram desenvolvidas: (1) Mapeamento Preliminar, (2) Estabelecimento de
critérios de agrupamento, (3) Agrupamento Final e (4) Estudo Quantitativo dos Riscos
Mapeados. Todas estas etapas foram realizadas com auxílio do software QSR Nvivo®
Versão 10. A Figura 9 apresenta a interface geral do programa.
Figura 9 – Interface software Nvivo® versão 10
Fonte: Nvivo® versão 10
As quatro etapas realizadas para análise temática são discutidas em detalhes
na sequência.
51
3.4.1 Mapeamento Preliminar
O mapeamento preliminar foi realizado a partir do estudo de todos os artigos
individualmente a procura de indícios sobre riscos provenientes da Indústria 4.0. Isto
pôde ser feito através das etapas inicias de uma análise temática que, segundo Braun
e Clark (2006), são baseadas na leitura do conteúdo das fontes de informações e
posteriormente codificação de dados reunindo extratos relevantes a cada código.
Para isto, durante a leitura dos artigos os trechos que pudessem trazer informações
sobre tais riscos eram marcados através de uma codificação que o software QSR
Nvivo® permite chamada de “nó”. Nestes “nós” os trechos de texto podem ser
imputados e agrupados em caixas de conteúdo. Por exemplo, durante a pesquisa um
“nó” foi construído para que os trechos de texto com informações relativas a riscos
para o capital humano pudessem ser agrupados (Figura 10). Esse procedimento de
agrupamento de conteúdo foi então sendo repetido, onde os riscos foram sendo
identificados e o conteúdo dos artigos analisado.
Figura 10 - Exemplo de Nó construído no Nvivo®
Fonte: Nvivo® versão 10
Desta forma, os riscos com características comuns foram sendo agrupados
em “nós” de forma preliminar até que um padrão pudesse ser encontrado. A Figura
11, mostra vários agrupamentos construídos no Nvivo® ainda em fase experimental.
52
Figura 11 - Agrupamento experimental dos riscos
Fonte: Autor com auxílio do Nvivo® versão 10 (2019).
Após a distribuição das informações em códigos (“nós”), em uma análise
temática uma das fases que podem ser realizadas é o agrupamento em temas. Estes
temas reúnem os códigos construídos em um sentido mais amplo relacionando-os
(BRAUN, CLARK, 2006). A etapa seguinte demonstra como isto é realizado.
3.4.2 Definição de Critérios de Agrupamento
Após o estudo preliminar, a segunda etapa é baseada na criação de temas
através de critérios de agrupamento com intuito de organizar os códigos mapeados
anteriormente em uma maneira mais lógica. Para isto, um padrão foi encontrado entre
os códigos no qual o agrupamento dos riscos poderia ser baseado nos efeitos que
podem gerar sobre a sustentabilidade das empresas.
Dessa forma, foram utilizados três conceitos de sustentabilidade já discutidos
anteriormente na revisão bibliográfica (item 2.2) que são utilizados como base de
criação dos temas: Sustentabilidade Econômica, Sustentabilidade Social e
Sustentabilidade Ambiental. O entendimento desses conceitos é descrito a seguir:
Sustentabilidade Econômica. É a capacidade de garantia de fluxo de caixa
suficiente para manter liquides e rentabilidade produzindo retorno persistente acima
da média para os acionistas (DYLLICK E HOCKERTS, 2002) além de não prejudicar
53
a sustentabilidade dos sistemas com os quais está interagindo (SPANGENBERG,
2005).
Sustentabilidade Social. Trata-se da busca da melhoria da proteção das
pessoas promovendo políticas sociais, econômicas e ambientais justas, equitativas
(EIZENBERG, JABAREEN, 2017) e com qualidade de vida para a atual e futuras
gerações (BOSTRÖM, 2012).
Sustentabilidade Ambiental. É a condição de equilíbrio, resiliência e
interconectividade que permita que a sociedade humana possa satisfazer suas
necessidades de recursos e serviços das gerações atuais e futuras sem exceder a
capacidade de regeneração e saúde dos ecossistemas que os fornece (MORELLI,
2011).
Além desses três conceitos de sustentabilidade, é proposto nesse trabalho um
quarto conceito para a sustentabilidade, que se optou por denomina-lo de
Sustentabilidade Tecnológica 4.0 e descrito na sequência. A definição deste conceito
se mostrou necessário para a pesquisa devido a alguns riscos identificados possuírem
características e efeitos que afetam diretamente a utilização de tecnologias e
conceitos da Indústria 4.0. Neste contexto, a utilização eficiente dessas tecnologias é
primordial para o sucesso de empresas que pretendem se integrar na Quarta
Revolução Industrial onde, segundo Moktadir et al. (2018), a falta de uma política
estratégica de implantação é um desafio a ser enfrentado.
Sustentabilidade tecnológica 4.0. É a capacidade de manter, utilizar e
implantar tecnologias, sistemas tecnológicos e princípios da Indústria 4.0 de forma
completa e eficiente com intuito de conduzir a melhorias estruturais e aumentar valor
tecnológico garantindo desempenho social, econômico e ambiental. Esta definição foi
construída baseada na pesquisa de Lankoski (2016) que comenta sobre a
característica de sustentabilidade de possuir um elemento de durabilidade ou
capacidade de manter, no equilíbrio sustentável baseado no Triple Bottom Line de
Elkington (1998) e nos princípios de design da Indústria 4.0 de Hermann, Pentek e
Otto (2015).
Assim, partindo dos conceitos de sustentabilidade descritos anteriormente,
foram criados os temas de agrupamento de informações em forma de quatro
Dimensões de Risco: Riscos Econômicos, Riscos Sociais, Riscos Ambientais e Riscos
Tecnológicos. Essas dimensões compõem os riscos mapeados de acordo com sua
capacidade de afetar um dos conceitos de sustentabilidade propostos. Por exemplo,
54
um risco econômico é o risco que pode impactar a sustentabilidade econômica, e
assim por diante.
Além disso, subdimensões foram propostas para representar áreas ou setores
de vulnerabilidade dentro de cada dimensão seguindo a proposta do PMI (2013), na
qual os riscos também podem ser agrupados de forma a determinar as áreas mais
expostas aos seus efeitos.
Feito a construção dos critérios de agrupamento, a etapa seguinte demonstra
como os riscos ficaram finalmente distribuídos.
3.4.3 Agrupamento final
Assim como comentado na etapa anterior, 4 dimensões foram desenvolvidas
como representantes dos temas. Dentro destas dimensões foram construídas 11
subdimensões (“subtemas”) que agrupam um total de 28 riscos negativos relativos à
implantação dos conceitos e tecnologias da Indústria 4.0. A Figura 12 mostra como
este agrupamento ficou distribuído no Nvivo®, onde é possível ver uma das dimensões
dividida em suas subdimensões e os riscos alocados. Cada risco foi construído em
formato de “nó”, onde ficam alocados os trechos de textos referentes aquele
determinado risco.
Figura 12 - Organização dos riscos no Nvivo
Fonte: Autor com auxílio do Nvivo® versão 10.
Dimensão
Subdimensão
Risco
55
Além disso, os riscos foram identificados em símbolos com intuito de que
pudessem ser representados de forma esquemática em análises posteriores. Essa
identificação foi baseada nas iniciais da dimensão e subdimensão que cada risco
pertence além de uma numeração sequencial. A seguir, um esquema é demonstrado
na Figura 13.
Figura 13 - Exemplo de Identificação dos Riscos
Fonte: Autor (2019)
Por fim, um resumo de como o mapeamento dos riscos foi organizado pode ser
observado na Figura 14. Todos os riscos, foram discutidos individualmente a partir da
literatura.
Figura 14 - Resumo dos riscos mapeados
Fonte: Autor (2019)
Além das 4 dimensões encontradas, outro assunto foi encontrado durante o
mapeamento dos riscos e que estava presente em todas as dimensões: questões
56
regulamentares. Estas questões foram tratadas em um tópico a parte (item 4.2.5) e
também discutidas nos resultados.
3.4.4 Estudo Quantitativo dos riscos
Para finalizar o estudo dos riscos, uma análise quantitativa referente a
porcentagem de representatividade de cada risco foi realizada. Apesar da análise
temática não possui caráter quantitativo (BRAUN, CLARK, 2006), Boyatzis (1998)
comenta que pode ser utilizada para transformar dados qualitativos em uma forma
que possibilite estudos estatísticos. Para isto, as informações encontradas no Nvivo®
referentes ao número de diferentes fontes utilizadas na discussão dos riscos foram
adquiridas. A Figura 15 mostra um exemplo deste tipo de informação encontrada.
Figura 15 - Informação sobre o número de fontes utilizadas na discussão dos riscos
Fonte: Autor com auxílio do Nvivo® versão 10.
Assim, a porcentagem de representatividade de cada risco foi calculada pela
relação entre o número de fontes utilizadas para sua construção sobre o total de 66
artigos do portfólio final.
3.5 ASPECTOS GERAIS SOBRE O MODELO DE CATEGORIZAÇÃO
A partir do conteúdo dos riscos discutidos nos resultados obtidos pelos passos
do item anterior foi possível encontrar relações entre as dimensões devido a alguns
riscos possuírem efeitos em diferentes dimensões simultaneamente. Dessa forma,
alguns riscos poderiam estar alocados em mais de uma dimensão. Baseado nisso,
cada risco foi estudado individualmente em todas as dimensões a procura de citações
que demonstrassem tais relações. Partindo do pressuposto que um risco classificado
em uma dessas dimensões possui efeito sobre a sustentabilidade que deu nome para
tal dimensão (e.g. Riscos Ambientais possuem efeitos sobre a sustentabilidade
ambiental), basta identificar quais outras sustentabilidades podem exercer efeito. Os
57
quadros que possuem os resultados de tal análise, podem ser visualizados no
Apêndice C. A Figura 16 demostra um trecho de como esta análise foi realizada.
Figura 16 – Análise da Relação entre as dimensões
Fonte: Autor (2019)
Posteriormente, estas relações entre as dimensões foram então estudadas
baseado no Tripple Bottom Line de Elkington como forma de construir um framework
teórico. Esta representação é realizada para que os riscos mapeados possam ter uma
forma de visualização mais didática.
Partindo da análise das relações entre as dimensões, apesar dos riscos
mapeados estarem divididos em grupos (4 dimensões e 11 subdimensões), a
possibilidade de um risco permutar entre dimensões exige uma forma mais adequada
de categorizá-los. Portanto, para resolver esta condição, uma nova categorização é
proposta neste modelo.
Feito o desenvolvimento das novas categorias, os riscos mapeados são
novamente distribuídos. Baseado nisto, algumas considerações foram encontradas e
discutidas podendo trazer benefícios para os estudos dos riscos da Indústria 4.0.
Desta forma, as empresas poderão verificar uma maneira de categorizar os riscos
mapeados neste trabalho e também novos riscos que podem surgir.
58
3.6 RESUMO DA METODOLOGIA
O resumo dos passos para construção desta pesquisa é esquematizado
através da Figura 17.
Figura 17 - Resumo da Metodologia
Fonte: Autor (2019)
3.7 CONSIDERAÇÕES SOBRE O CAPÍTULO
Neste capítulo é descrito de forma detalhada como os procedimentos da
pesquisa foram realizados. Primeiramente é feita a caracterização da pesquisa
demonstrando quais são os tipos de estudo e esta pesquisa faz parte. Em seguida
apresenta-se como a revisão bibliográfica sistematizada (RBS) foi realizada a partir
da metodologia utilizada. Esta revisão da literatura permitiu a construção de um
portfólio bibliográfico que foi utilizado em todas as etapas posteriores da pesquisa e
assim, o primeiro objetivo específico foi atingido.
A análise bibliométrica e a análise temática são descritos em etapas, das
quais os resultados podem ser vistos no capítulo seguinte.
Além disso, a breve descrição da construção do framework teórico e das
categorias de riscos baseadas no Triple Bottom Line é apresentada com intuito de
trazer uma primeira visão de como o estudo dos riscos em dimensões foi realizado.
59
4 RESULTADOS DO ESTUDO DO PORFÓLIO DE ARTIGOS
Este capítulo traz os resultados referentes a análise bibliométrica (4.1) e
análise temática (4.2) dos 66 artigos do portfólio final levantados a partir da
metodologia proposta por Pagani, Kovaleski e Resende (2015) descritas no capítulo
anterior.
4.1 RESULTADOS DA ANÁLISE BIBLIOMÉTRICA
O número de publicações por ano pode ser observado na Figura 18, na
qual pode-se visualizar que existe um crescimento exponencial à medida que os anos
se tornam mais recentes. Isso indica que o assunto estudado possui uma tendência
de aumento de pesquisas nos próximos anos. Esta pesquisa foi realizada em janeiro
de 2019.
Figura 18 – Gráfico da relação entre número de publicações relativo a cada ano
Fonte: Autor (2019*)
* Análise realizada em janeiro de 2019
O maior montante de artigo é de 2018 com uma quantidade de 39 artigos
representando aproximadamente 59,1 % do total. Assim, esta pesquisa possui um
caráter atual, pois o tema está em alta. Apesar da base de artigos representada neste
gráfico possuir esta tendência, o assunto discutido no presente trabalho relativo aos
“riscos da Indústria 4.0” até a data de levantamento deste portfólio não possuiu
nenhum artigo tratando desta temática de forma específica. Portanto, trata-se de um
ramo de estudo novo na academia.
4 6
15
39
2
0
10
20
30
40
50
"2015" "2016" "2017" "2018" "Jan/2019"
Número de Publicações por Ano
60
O estudo dos Journals com maior representatividade dentro deste portfólio
de 66 artigos pode ser observado na Tabela 3. Foram encontrados apenas quatro
periódicos que publicaram mais que dois artigos no período analisado: Process Safety
and Environmental Protection, AI & Society, IEEE Access e Sustainability. Isto mostra
uma grande pulverização de publicações do tema.
Tabela 3 – Relação de representatividade dos periódicos
Journal Quantidade de artigos
Fator de Impacto
Representatividade (%)
Process Safety and Environmental Protection 5 2,905 7,57
AI & Society 4 0 6,06
IEEE Access 3 3,557 4,55
Sustainability 3 2,075 4,55
IEEE Transactions on Industrial Informatics 2 5,430 3,03
Journal of Manufacturing Systems 2 3,699 3,03
Computer in Industry 2 2,850 3,03
Technological Forecasting and Social Change 2 3,131 3,03
International Journal of Production Research 2 2,623 3,03
Procedia Manufacturing 2 0 3,03
Procedia CIRP 2 0 3,03
Advances in Intelligent Systems and Computing 2 0 3,03
Demais Journals 30 - 45,46
Eventos 5 - 7,57
Total 66 - 100
Fonte: Autor (2019)
Uma outra análise que se pode realizar é elencando os sete Journals com
maior fator de impacto segundo o Índice JCR (Journal Citation Report), onde é
possível perceber que temos periódicos de alta influência acadêmica no estudo.
Tabela 4 – Periódicos com maior fator de impacto utilizados na pesquisa
Journal Quantidade de artigos Fator de Impacto
Science 1 41,058
Nature Nanotechnology 1 37,490
IEEE Communications Magazine 1 9,270
Proceedings of the IEEE 1 9,107
IEEE Signal Processing Magazine 1 7,451
IEEE Transactions on Industrial Informatics 2 6,764
Technovation 1 4,802
Fonte: Autor (2019)
61
Em relação aos países com maior representatividade, a análise foi
realizada baseada nos países das afiliações referentes aos autores dos artigos. Dessa
forma, como um mesmo artigo pode conter mais de um autor, ele também pode conter
mais de uma afiliação. Isto leva a possibilidade de um país pontuar mais de uma vez
no mesmo estudo. Assim, o resultado dessa análise está disponível na Tabela 5, na
qual os países estão dispostos em ordem decrescente com relação ao número de
artigos em que esteve presente através de suas afiliações.
Tabela 5 – Relação dos países e a quantidade de artigos em que estavam presentes
País Quantidade de artigos País Quantidade de artigos
EUA 25 França 2
Reino Unido 18 Japão 2
Alemanha 16 Suíça 2
China 14 Taiwan 2
Itália 10 Bélgica 1
Brasil 5 Dinamarca 1
Suécia 5 Espanha 1
Canadá 4 Finlândia 1
Índia 4 Gana 1
Portugal 4 Holanda 1
Bangladesh 3 Hong Kong 1
Eslovênia 3 Noruega 1
Hungria 3 Paquistão 1
Malásia 3 República Tcheca 1
México 3 Rússia 1
Arábia Saudita 2 Singapura 1
Áustria 2 Tunísia 1
Fonte: Autor (2019)
Através dessa análise é possível perceber que o país com maior influência na
pesquisa em questão é os EUA seguido do Reuni Unido. Além disso, a Alemanha
estar entre os países mais representativos era um fato esperado devido ao termo
“indústria 4.0” ter surgido neste país. No entanto, o Reino Unido, a China e a Itália
também tiveram uma pontuação elevada. Assim, pode-se observar que a pesquisa
possui uma ampla variedade de países atuantes em seu desenvolvimento.
A última análise bibliográfica é relativa aos autores de maior relevância. O
resultado desta análise está disponível na Tabela 6, na qual observar-se informações
sobre o nome do autor, o h-index do autor (índice disponível pela Scopus que mede
62
tanto a produtividade como o impacto dos autores dentro desta base de dados), a
afiliação do autor, o país da afiliação, número de artigos em que o autor teve
participação e a porcentagem de representatividade do autor sobre o total de artigos.
Tabela 6 – Relação dos autores com maior relevância na pesquisa
Autor h-
índex Afiliação País
Quantidade de Artigos
Representa-tividade (%)
Voigt, K.-I. 9 Friedrich-Alexander University Erlangen-
Nürnberg Alemanha 4 6,06
Wan, J. 36 South China University of
Technology China 4 6,06
Kiel, D. 5 Friedrich-Alexander University Erlangen-
Nürnberg Alemanha 3 4,55
Wang, S. 10 South China University of
Technology China 3 4,55
Arnold, C. 4 Friedrich-Alexander University Erlangen-
Nürnberg Alemanha 2 3,03
Gunasekaran, A. 60 California State University EUA 2 3,03
Kamble, S.S. 8 National Institute of
Industrial Engineering (NITIE)
Índia 2 3,03
Li, D. 22 South China University of
Technology China 2 3,03
Müller, J.M. 5 Friedrich-Alexander University Erlangen-
Nürnberg Alemanha 2 3,03
Stock, T. 3 Technische Universität
Berlin Alemanha 2 3,03
Vasilakos, A.V. 83 Luleå University of
Technology Suécia 2 3,03
Fonte: Autor (2019)
O restante dos autores não apresentados na Tabela 6 estiveram presentes
em apenas um único artigo. Portanto, a partir dos dados da Tabela 6 é possível
perceber que não há uma representatividade tão expressiva entre os autores de maior
relevância onde os autores Voigt, K.-I. e Wan, J. na primeira colocação possuem
apenas 6,15% sobre o total de artigos. Isso pode ter ocorrido devido ao tema de
pesquisa (“riscos da indústria 4.0”) possuir certo ineditismo e ainda pode não haver
autores referência no assunto. No entanto, existe uma proeminência da Alemanha
entre estes autores o que, como aconteceu na análise dos países mais relevantes,
era esperado devido a ser o berço da Indústria 4.0. Outro fator observável nesta tabela
63
é o fato da Universidade alemã Friedrich-Alexander University Erlangen-Nürnberg ser
afiliação da maioria dos autores neste levantamento.
4.2 ANÁLISE TEMÁTICA: OS RISCOS DA INDÚSTRIA 4.0
Considerando a metodologia de mapeamento, os 28 riscos agrupados nas 4
dimensões e 11 subdimensões são discutidos nesta seção. A distribuição dos riscos
é apresentada no Quadro 5 juntamente com os autores utilizados para formular a
conceituação e construção dos riscos. Além disso, a codificação para cada risco
demonstrada na metodologia também está representada em uma coluna do Quadro
5. Outra informação que pode ser encontrada neste mapeamento são as fontes e
efeitos dos riscos. Essas informações trazem um esqueleto mais completo de cada
um dos riscos.
A Figura 19, já apresentada na metodologia é novamente trazida aqui para
melhor visualização do mapeamento realizado.
Figura 19 - Resumo dos Riscos Mapeados
Fonte: Autor (2019)
64
Quadro 4 – Riscos da Indústria 4.0
RISCOS ECONÔMICOS
Cód. Risco Fonte Efeito Autores
Su
bd
ime
ns
õe
s
Fin
ance
iro REF1
Risco de altos custos de implantação
Alto grau de complexidade da infraestrutura de implantação
- Desprendimento de grandes quantias em investimentos;
Kamble, Gunasekaran e Sharma (2018); Moktadir et al. (2018); Li, Hou e Wu (2017); Luthra e Mangla (2018); Kiel et al. (2017);
Liao et al. (2018)
REF2 Risco de retorno financeiro incerto
Falta de clareza sobre os custos-benefícios das
tecnologias
- Prejuízo sobre investimentos; - Não atingimento de metas de implantação;
Man e Strandhagen (2017); Kamble, Gnasekaran e Sharma (2018); Le e Le
(2015); Kiel et al. (2017); Müller, Buliga e Voigt (2018)
Pla
ne
jam
en
to e
Gestã
o
REP1 Risco de imprecisão
na implantação Falta de planejamento ou
padrão de implantação
- Implantação ineficaz; - Adoção de soluções de baixa incorporação de valor; - Adoção de soluções de baixo impacto positivo; - Utilização ineficiente de tecnologias;
Schneider (2018); Kamble, Gunasekaran e Sharma (2018); Müller, Buliga e Voigt
(2018); Moktadir et al. (2018); Müller, Kiel, Voigt (2018); Piccarozzi, Aquilani e Gatti (2018); Freddi (2018); Kiel et al. (2017)
REP2
Risco de autossabotagem
sobre a cadeia de valor
Falta de planejamento da cadeia de suprimentos
- Enfraquecimento da cadeia de suprimentos; - Parceiros com dificuldades de acompanhamento tecnológico; - Pressão sobre PMEs
Müller, Kiel e Voigt (2018); Sommer (2015); Kamble, Gunasekaran e Sharma (2018); Luthra e Mangla (2018); Müller, Buliga e
Voigt (2018)
REP3 Risco de
dependência de parceiros
Falta de competência interna para desenvolvimento de
tecnologias - Monopolização de fornecedores;
Müller, Buliga e Voigt, (2018); Schneider, (2018); Kiel et al., (2017)
Me
rca
do
REM1 Risco de problemas
de concorrência Surgimento facilitado de
novos players
- Pressão competitiva; - Dificuldade mercadológica; - Colapso competitivo;
Barreto, Amaral e Pereira (2017); Kiel, et al. (2017); Freddi (2018); Li, Hou e Wu (2017)
REM2 Risco de
intervenções negativas de clientes
Clientes com alta influência na criação de valor
- Confusão na atribuição de valor; - Dificuldade de atingimento de objetivos estratégicos;
Li, Hou e Wu (2017); Kamble, Gunasekaran e Gawankar (2018); Barreto, Amaral e
Pereira (2017); Kiel, Arnold e Voigt (2017); Pilloni, (2018); Müller, Buliga e Voigt, (2018)
REM3 Risco de dificuldade
de aceitação de clientes
Resistência as inovações tecnológicas
- Perda de clientes; - Perda de mercado consumidor;
Kiel, Arnold e Voigt (2017); Kiel et al. (2017); Schneider (2018)
Continua
65
Continuação
RISCOS SOCIAIS
Cód. Risco Fonte Efeito Autores
Su
bd
ime
ns
õe
s
Cap
ital H
um
an
o
RSC1 Risco de falta de
mão de obra qualificada
Exigência de qualificação para utilização das novas
tecnologias
- Dificuldade de desenvolvimento de
trabalhadores;
- Utilização ineficiente de tecnologias;
- Imprecisão na implantação da Indústria 4.0;
- Aumento de custos para contratação de mão de obra qualificada;
Kamble, Gunasekaran e Sharma (2018); Li, Hou e Wu (2017); Moktadir et al. (2018); Kiel et al. (2017); Freddi (2018); Imran e
Kantola (2018); Lee e Lee (2015); Saucedo-Martínez et al. (2018); Tupa, Simota e
Steiner, (2017)
RSC2 Risco de relutância a
mudanças Má gestão da transferência
de conhecimento
- Aumento da dificuldade de implantação da
Indústria 4.0;
- Difusão ineficiente do conceito da indústria 4.0;
Pressão sobre trabalhadores;
Luthra e Mangla (2018); De Souza Jabbour et. al., (2018); Schneider (2018)
RSC3 Risco à integridade
física de trabalhadores
Novas formas de interação homem-máquina
- Acidentes de trabalho;
- Custo de adaptação de maquinários;
Badri, Boudreau-Trudel e Souissi, (2018); Robla-Gómez et al. (2017); Gobbo Junior et
al. (2018); Gao et al. (2015); Jansen e Jeschke (2018)
RSC4 Risco de problemas
psicossociais
Pressões sobre trabalhadores devido as mudanças
tecnológicas - Adversidades psicossociais de trabalhadores;
Badri, Boudreau-Trudel e Souissi, (2018); Hirschi, (2018); Imran e Kantola (2018)
So
cie
da
de
RSS1 Risco de aumento da
desigualdade e tensões sociais
Vantagens para uma menor classe da sociedade
- Diminuição do bem-estar social;
- Desigualdade Salarial;
- Desigualdade na distribuição de renda;
- Acumulação de renda;
- Desigualdade entre países;
Maynard (2015); Salento (2018); Caruso (2017); Bonilla et al. (2018); Li, Hou e Wu
(2017); Rajnai e Kocsis (2017); Freddi (2018)
RSS2 Risco de perda de
posições de trabalho Substituição da mão de obra
por máquinas
- Pressão sobre trabalhadores;
- Impactos e problemas sociais;
Li, Hou e Wu (2017); Freddi, (2018); Caruso (2017); Fonseca (2018); Salento (2018);
Hirschi, (2018)
Ética
e L
eg
alid
ad
e
RSE1 Risco de
inteligências artificias antiéticas
Inteligências artificias com capacidades decisórias
- Dificuldade nas responsabilizações das
consequências geradas por AIs;
- Influência de máquinas nas decisões humanas;
- Escolhas antiéticas de máquinas;
- Acidentes entre trabalhadores e máquinas
Taddeo e Floridi (2018); Winderfiel et al. (2019)
RSE2 Risco de invasão de
privacidade Acesso a dados privados
- Consequências éticas e legais;
- Utilização de informações sem consentimento
dos usuários;
- Segurança pessoal fragilizada;
Lee e Lee (2015); Zhou et al. (2018); Roblek, Meško e Krapež (2016); Sisinni et
al. (2018); Strange e Zucchella (2017); Romero et al. (2018); Özdemir (2018)
Continua
66
Continuação
RISCOS AMBIENTAIS
Cód. Risco Fonte Efeito Autores
Su
bd
ime
ns
õe
s
Recu
rso
s N
atu
rais
RAR1
Risco de alto consumo de
recursos naturais para produção de
tecnologias
Fabricação das novas tecnologias 4.0
- Aumento da utilização de recursos escassos;
- Sobrecarga ambiental; Bonilla et al. (2018); Stock et al. (2018);
RAR2
Risco de alto consumo de energia
para operação de tecnologias
Operação das novas tecnologias 4.0
- Custos com alto consumo de energia; Zhou et al. (2018); Pilloni (2018); Moktadir
et al. (2018); Li et al. (2017);
Con
tro
le d
e
po
luen
tes RAC1
Risco de aumento de lixo eletrônico e
resíduos
Falta de interoperabilidade de equipamentos e utilização de recursos de difícil reciclagem
- Descarte de obsoletos no meio ambiente;
- Altos custos de reciclagem; Bonilla et al. (2018); Stock et al. (2018)
RAC2 Risco de aumento de
consumo de combustíveis
Fabricação de equipamentos, transporte de obsoletos e alto
consumo de energia - Poluição atmosférica;
Bonilla et al. (2018); Stock et al. (2018); Moktadir et al. (2018)
RISCOS TECNOLÓGICOS
Cód. Risco Fonte Efeito Autores
Su
bd
ime
ns
õe
s
Té
cnic
os
RTT1 Risco de
interferência nos sinais
Ambiente com excesso de equipamentos conectados e condições desafiadoras do
ambiente fabril
- Baixa eficiência no trânsito de informações;
- Baixa confiabilidade de informações;
- Impacto sobre a produtividade;
Pilloni, (2018); Preuveneers e Ilie-Zudor, (2017); Sisinni et al. (2018); Li et al. (2017)
RTT2 Risco de
incapacidade técnica da rede
Rede de internet com baixa capacidade técnica
- Atraso no intercâmbio de dados;
- Alto consumo de energia para diminuição de
latência.
- Impacto sobre equipamentos físicos;
- Baixo desempenho do controle em tempo real;
He et al. (2016); Khan et al. (2017); Pilloni (2018); Preuveneers e Ilie-Zudor (2017);
Sisinni et al. (2018); Moktadir et al. (2018); Luthra e Mangla (2018); Chen et al. (2018)
RTT3 Risco de falta de interoperabilidade
Equipamentos e sistemas incompatíveis
- Baixa integração de equipamentos e sistemas;
- Aumento de custo de implantação de novas
tecnologias;
- Ajustes de equipamentos antigos;
- Lixo eletrônico;
Kamble, Gunasekaran e Sharma (2018); Khan et al. (2017); Wan et al. (2016); Ur
Rehman (2018); Pilloni (2018); Sisinni et al. (2018); Xu, Xu e LI (2018); Gao et al.
(2015); Kalør et al. (2018); Bonilla et al. (2018); Kiel et al. (2017)
Continua
67
Fonte: Autor (2019).
Continuação
RISCOS TECNOLÓGICOS
Cód. Risco Fonte Efeito Autores
Té
cnic
os
RTT4 Risco de caos
tecnológico Hiperconectividade
- Impacto sobre o desempenho de um sistema;
- Impacto sobre o desempenho de uma cadeia
de suprimentos;
- Propagação de erros de forma generalizada e descontrolada;
Stock e Seliger (2016); Maynard (2015); Lee e Lee (2015); Özdemir (2018); Ivanov,
Dolgui e Sokolov, (2018)
Se
gu
rança
de
Da
do
s
RTS1 Risco de ataque
cibernético Sistema de segurança de
dados ineficiente
- Queda produtividade;
- Danos financeiros;
- Lesão de trabalhadores;
- Produtos defeituosos;
- Vazamento e manipulação de dados;
- Sucateamento de máquinas;
- Danos ambientais;
- Espionagem industrial;
- Ataques terroristas;
Tupa, Simota e Steiner (2017); Jansen e Jeschke (2018); Tuptuk e Hailes (2018); Wu
Song e Moon (2019); Radanliev et al. (2018); He et al. (2016); Lezzi, Lazoi e
Corallo (2018); (Gao et al., 2015); Kamble, Gunasekaran e Sharma (2018); Kiel et al. (2017); Lee e Lee (2015); Maynard (2015); Pilloni, (2018); Özdemir (2018); Strange e
Zucchella (2017); Wang et al. (2016); Zhou et al. (2018); Dawson (2018), WU et al.,
(2018); Kiel et al. (2017)
RTS2 Risco de divulgação de dados privados
Sistema de segurança de dados ineficiente
- Perda de lucratividade;
- Vazamento de dados privados alheios;
- Problemas legais;
- Fragilização da reputação empresarial;
Müller, Buliga e Voigt (2018); Freddi (2016); Roblek, Meško e Krapež (2016); Xu, Xu e li
(2018)
Ge
stã
o d
e D
ado
s RTG1
Risco de análise ineficaz dos dados
Sobrecarga de dados
- Baixa eficiência no trânsito de informações;
- Comprometimento da análise em tempo real;
- Custos com processamentos desnecessários;
- Comprometimento de sistemas;
Foidl e Felderer (2016); He et al. (2016); Khan et al. (2017); Ivanov, Dolgui e
Sokolov, (2018); Wang et al. (2016); Li et al. (2017); Ur Rehman (2018)
RTG2 Risco de dados de
má qualidade Sobrecarga de dados
- Baixa confiabilidade de informações;
- Baixa precisão das informações;
- Tomada de decisões erradas;
- Custos com processamento de dados não
proveitosos;
- Sistemas de análise de informação ineficientes;
Ur Rehman (2018); Li et al. (2017); Kirchen et al. (2017); Yan et al. (2017); Xu, Xu e LI (2018); Chen et al. (2018); Luthra e Mangla
(2017)
68
A seguir é realizada a discussão dos riscos apresentados no Quadro 5.
4.2.1 Riscos econômicos
Além de estudar como as tecnologias podem desempenhar ações num
contexto da Quarta Revolução Industrial, entender como implantá-las, qual as suas
consequências e quais riscos econômicos estão envolvidos são pontos importantes a
serem tratados para a estruturação de um plano tecnológico. Dessa forma, as
incertezas relativas à Indústria 4.0 com relação a sustentabilidade econômica são
discutidas a seguir.
4.2.1.1 Financeiro
• (REF1) – Risco de alto custo de implantação
Devido à concorrência, as empresas necessitarão responder às mudanças de
mercado que as novas tecnologias provocam ajustando-se de maneira oportuna e
positiva (LI, HOU, WU, 2017). No entanto, o alto grau de complexidade para
desenvolver uma infraestrutura adequada para implementação da Indústria 4.0 pode
exigir pesados custos de investimento (KAMBLE, GUNASEKARAN, SHARMA, 2018;
MOKTADIR, 2018; KIEL et al., 2017; LUTHRA, MANGLA, 2018). Investimento em
parques de máquinas e estruturação de sistemas de TI serão necessários (MÜLLER,
BULIGA, VOIGT, 2018) Para Liao et al. (2018), este é um desafio em potencial pois,
uma infraestrutura de apoio bem implementada pode ditar uma eficaz instalação dos
conceitos e tecnologias da indústria 4.0.
Além disso, segundo Li, Hou e Wu (2017), para uma transformação eficiente,
as empresas necessitarão investir não somente em problemas atuais e fixos, mas
também para desenvolvimentos futuros. E ainda, pode haver a necessidade de altos
investimentos em mão de obra qualificada (KIEL et al., 2017) e treinamentos
(MÜLLER, BULIGA, VOIGT, 2018), onde habilidades técnicas serão cada vez mais
requisitadas (LI, HOU, WU, 2017).
Portanto, o desprendimento de capital pode ser alto e empresas devem ficar
atentas para que o elevado custo não seja aplicado de forma danosa.
69
• (REF2) – Risco de retorno financeiro incerto
Todo investimento possui incertezas quanto aos seus retornos, e com a
implantação da indústria 4.0 não é diferente. O custo-benefício dos investimentos na
Quarta Revolução Industrial ainda não possui uma definição clara. As tecnologias
emergentes, mesmo demandando grandes investimentos, podem não ter os retornos
monetários esperados (KAMBLE, GUNASEKARAN, SHARMA, 2018). Por exemplo,
segundo Lee e Lee (2015) e Kiel et al. (2017), as empresas devem ser cuidadosas
quanto ao investimento em tecnologias como a IoT devido aos potenciais benefícios
ainda serem incertos. Na pesquisa de Müller, Buliga e Voigt (2018), entrevistados
percebem a Indústria 4.0 como muito custosa no curto prazo enquanto os seus
benefícios podem ser sentidos a longo prazo. Os autores também trazem a
preocupação sobre a possibilidade da Indústria 4.0 aumentar substancialmente os
custos enquanto a disposição dos clientes em pagar pode não aumentar
proporcionalmente.
Müller, Buliga e Voigt (2018), ainda comentam que a criação de valor pode
ser um desafio, pois empresas que investem em coleta de informações através das
tecnologias da Indústria 4.0, podem ter dificuldade em colocá-las em uso comercial.
Além disso, de acordo com Man e Strandhagen (2017), os custos das soluções da
Indústria 4.0 em algumas áreas como apoio de serviços ao cliente, otimização da
cadeia de suprimentos e facilitação de práticas sustentáveis não estão atualmente
mapeados. Dessa forma, é um desafio fazer estimativas sobre seus retornos e
desenvolver uma relação de custo-benefício.
Portanto, as empresas precisam estar atentas a esse tópico devido ao fato de
que escolhas errôneas de tecnologias podem ser custosas e não garantir o
atingimento de melhorias e tendências esperadas.
4.2.1.2 Planejamento e Gestão
• (REP1) – Risco de imprecisão na implantação da Indústria 4.0
Apesar das oportunidades gerais da indústria 4.0 já estarem bem
documentadas (SCHNEIDER, 2018), existe falta de padrões de implantação
(KAMBLE, GUNASEKARAN, SHARMA, 2018). Há uma escassez de estudos
70
quantitativos voltadas para as demandas da indústria 4.0 com foco em entender quais
são os serviços digitais realmente necessários e urgentes ou quais serviços os
clientes estão dispostos a pagar (SCHNEIDER, 2018). É importante entender a
relação de criação de valor a partir de soluções da indústria 4.0 (MÜLLER, BULIGA,
VOIGT, 2018). Dessa forma, o desconhecimento desse tipo de informação pode levar
uma implementação equivocada iniciando por soluções digitais de menor impacto
positivo. Segundo Kiel et al. (2017) a implementação de tecnologias imaturas pode
ameaçar a qualidade de produtos e do processo, bem como a robustez da produção.
Além do mais, gerentes podem tem dificuldade em desenhar estratégias de
implementação nos casos específicos de suas corporações (SCHNEIDER, 2018),
onde as empresas devem estar prontas para mudar do topo as raízes (PICCAROZZI,
AQUILANI, GATTI, 2018). Moktadir et al. (2018) levanta a falta de uma política
estratégica em relação a indústria 4.0 como um desafio para a implantação, o que
também pode envolver a necessidade de mão de obra qualificada para sua correta
construção. Para Müller, Kiel, Voigt (2018), a implantação exige que oportunidades
compensem os desafios e os riscos sejam avaliados.
Em um cenário de longo-médio prazo, a pesquisa de Freddi (2018) trouxe a
discussão sobre algumas tecnologias terem desenvolvimento evolutivo acelerado e
as empresas não possuírem a mesma taxa de desenvolvimento, assim, quando as
empresas estão prontas para adotar novas soluções, as tecnologias podem já ter
progredido para um estágio adicional. Segundo Caruso (2017), existe uma lacuna
entre o crescimento exponencial das tecnologias e a taxa lenta de adoção de
inovações pelas empresas.
• (REP2) – Risco de autossabotagem sobre a cadeia de valor
As cadeias de valor de corporações podem conter Pequena e Médias
Empresas (PMEs) como participantes ativas. No entanto, segundo o estudo de Müller,
Kiel e Voigt (2018), as tecnologias e conceitos da Indústria 4.0 possuem relações
positivas mais fortes em grandes empresas do que em PMEs. A pesquisa de Sommer
(2015), mostrou que empresas grandes se sentem mais preparadas para a Indústria
4.0 que as menores. Além do mais, essa pesquisa também mostra que quanto menor
o tamanho da empresa, maior o risco de se tornarem vítimas em vez de beneficiários
da Quarta Revolução Industrial. De acordo com Kamble, Gunasekaran e Sharma
71
(2018) e Luthra e Mangla (2018), é difícil adotar tecnologias da indústria 4.0 em PMEs
devido à falta ou disponibilidade de fundos. Ou ainda, Sommer (2015), comenta que
PMEs podem ter dificuldades quanto à escassez de know how e de capital humano
qualificado. Isso fica mais evidente na pesquisa de Müller, Buliga e Voigt (2018), na
qual PMEs revelam possuírem esta falta de expertise para lidar com os desafios
trazidos pela Indústria 4.0 bem como sua necessidade de auxílio externo como
governo e comunidades comerciais.
Dessa forma, num contexto onde grandes empresas podem afetar a própria
cadeia de suprimentos devido aos investimentos em tecnologias da Quarta Revolução
Industrial, PMEs podem ter dificuldades na adaptação digital. Assim, aumentar as
pressões de digitalização sobre parceiros de menor porte, pode afetar também os
investidores do topo da cadeia, onde, segundo Sommer (2015), ampliar a diferença
entre PMEs e grandes corporações não é interessante.
• (REP3) – Risco de dependência de parceiros
A conexão dos integrantes em toda uma cadeia de valor devido a digitalização
proposta pela Indústria 4.0 requer completa abertura, cooperação e confiança. Isto é
referente não apenas a parceiros, mas também clientes e fornecedores. Assim, a
cooperação é um desafio crítico para a integração horizontal interempresarial (KIEL et
al., 2017). Neste contexto de integração, empresas podem se beneficiar de
tecnologias e modelos de negócios cooperativos (SCHNEIDER, 2018), no entanto, o
alto envolvimento pode trazer problemas para as empresas que temem ficar
dependentes de companhias experientes de TI (Tecnologia da Informação) possuídas
de conhecimentos e expertise necessárias para o desenvolvimento tecnológico
(MÜLLER, KIEL, VOIGT, 2018; SCHNEIDER, 2018).
4.2.1.3 Mercado
• (REM1) – Risco de problemas de concorrência
Organizações e empresas estão profundamente interessadas em encontrar
novas tecnologias com intuito de oferecer melhores serviços e, assim, aumentar sua
vantagem competitiva (BARRETO, AMARAL, PEREIRA, 2017). Espera-se que as
72
novas tecnologias como IIoT (Industrial Internet of Things) aumentem a
competitividade se as empresas forem capazes de aproveitar propositalmente a
dinâmica de mercado acelerada e as mudanças das fronteiras industriais (KIEL, et al.,
2017). No entanto, o aumento de competitividade pode representar uma ameaça de
crescente concorrência devido ao surgimento de novas áreas de negócio e a mudança
do equilíbrio de mercado (KIEL, et al., 2017). Através da digitalização, os limites de
empresas individuais podem desaparecer possibilitando a integração de companhias
de diferentes setores e de diferentes regiões geográficas (XU, XU, LI, 2018). Um
aumento da quantidade de players de mercado pode surgir rapidamente facilitados
pelas alterações de tais fronteiras industriais (KIEL, et al., 2017). Além disso, os líderes
tecnológicos têm mudado a expectativa de clientes quanto a como os produtos devem
ser, levando as empresas a mudarem seu modelo de negócios (LI, HOU, WU, 2018),
em que serviços oferecidos estão aumentando sua capacidade de criação de valor
(FREDDI, 2018). Um fato que pode influenciar estes novos modelos de negócio é a
questão de que a personalização é algo cada vez mais procurada por clientes, onde
para atender tais necessidades individuais, as empresas começam a converter a
cadeia de valor do lado da produção para o lado do serviço (LI, HOU, WU, 2018). Ou
ainda, para Stock e Seliger (2016), vender funcionalidade, acessibilidade e serviços
de valor agregado além de apenas o produto tangível, será um conceito de liderança
no mercado.
Assim, se as empresas não puderem responder às mudanças de mercado de
forma oportuna e positiva, é provável que enfrentem os desafios da concorrência e
até mesmo entrem em colapso (LI, HOU, WU, 2017).
• (REM2) – Risco de intervenções negativas de clientes
Assim como comentado no risco anterior, a partir da transformação digital e o
uso de sistemas inteligentes, novos modelos de negócio surgirão e empresas estarão
mais próximos das necessidades individuais dos consumidores (BARRETO,
AMARAL, PEREIRA, 2017), onde além de produtos as empresas necessitarão
fornecer serviços. Neste cenário, o ponto de vista dos clientes se torna ainda mais
importante que antes (KIEL, ARNOLD, VOIGT, 2017).
Num contexto em que empresas utilizam tecnologias que permitam a
personalização ou customização de produtos, as companhias colocarão o cliente
73
como um participante ativo no processo de criação de valor de um produto. Clientes
poderão intervir e ajustar especificações não apenas antes da finalização de um
pedido, mas também durante o projeto, fabricação, montagem e teste (LI, HOU, WU,
2017), incorporando também mudanças de última hora possibilitando customização
em massa (PILLONI, 2018). Assim, empresas podem ter dificuldades em atingir seus
objetivos se houverem clientes influindo no processamento de forma a otimizar seus
ganhos. Por exemplo, a empresa pode ter o valor de sustentabilidade como algo
importante dentro da organização, no entanto, o cliente pode avaliar esse valor como
item de baixa prioridade (KAMBLE, GUNASEKARAN, GAWANKAR, 2018). Além do
mais, o alto índice de personalização e demandas individuais que podem surgir,
dificultam e atrasam a implementação de soluções da indústria 4.0 devido a levarem
a baixas taxas de padronização (MÜLLER, BULIGA, VOIGT, 2018).
• (REM3) – Risco de dificuldade de aceitação de clientes
A utilização de novas tecnologias e novas formas de apresentar um produto
ou serviço para clientes pode gerar desafios de aceitação. Segundo Kiel et al. (2017),
trabalhando de forma orientada à clientes e serviços, desafios podem surgir quanto a
envolver e entender de perto os problemas e expectativas dos consumidores. Para
Kiel, Arnold e Voigt (2017), a partir da conectividade através de tecnologias como a
IIoT, novos segmentos de clientes podem surgir além dos limites das empresas.
Assim, equipes de vendas especializadas serão necessárias para enfrentar os
desafios de convencer clientes sobre a natureza benéfica dos novos recursos. Neste
contexto, segundo Schneider (2018), estudos devem ser feitos para entender melhor
quais os serviços os clientes estão dispostos a pagar.
Dessa forma, os prós e contras dessas novas oportunidades devem ser
estudadas de forma estratégica (KIEL, ARNOLD, VOIGT, 2017) para que clientes não
sejam perdidos.
4.2.2 Riscos Sociais
A digitalização de empresas também pode trazer consequências sociais tanto
interna como externamente às suas dependências. Portanto, essa dimensão de riscos
possui o intuito de descrever como as companhias que adotam tecnologia da Indústria
74
4.0 podem influenciar a sustentabilidade social do meio onde está inserido e também
as influencias sociais para trabalhadores.
4.2.2.1 Capital humano
• (RSC1) – Risco de falta de mão de obra qualificada
O aprimoramento da mão de obra é uma das barreiras levantadas por Kamble,
Gunasekaran e Sharma (2018) para implantação da Indústria 4.0. Profissionais cada
vez mais qualificados e talentos inovadores podem ser muito requisitados para
atender as novas necessidades requeridas pela Quarta Revolução Industrial e para
as novas exigências dos clientes (LI, HOU, WU, 2017). Em uma pesquisa com
empresas de couro, Moktadir et al. (2018) comentam que gestores podem enfrentar
algumas situações críticas envolvendo tecnologias complexas requerendo habilidades
técnicas de mão de obra.
Assim, encontrar talentos humanos para as demandas da indústria 4.0 pode
ser um desafio em potencial (SAUCEDO-MARTÍNEZ et al., 2018; TUPA, SIMOTA,
STEINER, 2017). Além disso, não só durante a operação das novas tecnologias que
a escassez de mão de obra qualificada pode ser um desafio, segundo Moktadir et al.
(2018), a implementação bem-sucedida da Indústria 4.0 também pode depender
fortemente de profissionais especializados. Os estudos de Kiel et al. (2017) e Freddi
(2018) trazem resultados que demonstram o desafio que empresas possuem devido
a demanda de profissionais capacitados para este cenário tecnológico tanto para
recrutamento quanto para treinamento e desenvolvimento interno. E ainda, Kiel et al.
(2017) também comentam que a escassez de mão de obra qualificada exigirá de
empresas investimentos financeiros para supri-la.
Baseado nestas demandas, a gestão de carreira pode ser uma saída que
empresas podem seguir para se adaptar no cenário de competências gerado pelas
transformações tecnológicas (IMRAN, KANTOLA, 2018).
• (RSC2) – Risco de relutância a mudanças
Luthra e Mangla (2018), levantam em seu estudo que comportamentos
relutantes relativos à indústria 4.0 é um desafio a ser enfrentado, no qual podem haver
75
algumas empresas que ainda se sentem inseguras ou ainda não estão familiarizadas
com os conceitos da Industria 4.0.
De forma intraempresarial, a transição para a indústria 4.0 pode encontrar
problemas quanto a resistência a mudanças por parte de trabalhadores (DE SOUZA
JABBOUR et. al., 2018). Gestores precisam estar preparados para problemas de
aceitação de mudanças, ceticismo e tendências de inércia. Alguns pontos devem ser
analisados dentro desse contexto tal qual a forma como o conceito da indústria 4.0 é
percebida pelos trabalhadores, verificar se esse entendimento é influenciado pelos
níveis hierárquicos ou entender quais medos relativos à transformação tecnológica
podem surgir (SCHNEIDER, 2018). Ou ainda, entender se a digitalização pode fazer
com que engenheiros se sintam ameaçados quanto a perda de competências ou se
gestores podem temer perder poder de escolha devido a descentralização da decisão,
são pontos a serem discutidos pois também podem gerar certa resistência às
mudanças digitais (SCHNEIDER, 2018). Assim, um entendimento comum sobre a
relevância da digitalização deve ser alcançado em todos os departamentos
interdisciplinares e níveis hierárquicos uma vez que os trabalhadores podem temer às
mudanças tecnológicas (KIEL et al., 2017).
• (RSC3) – Risco à integridade física de trabalhadores
As mudanças causadas pela indústria inteligente no ambiente de trabalho,
podem gerar riscos ocupacionais. Como as regulamentações ou padrões
normalmente são criados de forma reativa, os primeiros trabalhadores em contato com
tais mudanças, podem sofrer consequências (BADRI, BOUDREAU-TRUDEL,
SOUISSI, 2018).
Em um ambiente industrial proposto pela Quarta Revolução Industrial,
humanos e máquinas podem interagir em tarefas difíceis e perigosas. À medida que
que a separação dos espaços entre humanos e robôs é removida, procedimentos de
segurança já estabelecidos podem ser rompidos abrindo espaço para riscos de
impactos entre homens e máquinas (ROBLA-GÓMEZ et al., 2017; GOBBO JUNIOR
et al., 2018). Neste contexto, as interações entre homem-máquina em estreita relação
apresentam uma gama ampla de riscos difíceis de serem previsíveis. Portanto, robôs
colaborativos devem ser conscientes da segurança e devem reconhecer ações que
76
possam causar ferimentos ou ameaçar a seguridade dos trabalhadores (BADRI,
BOUDREAU-TRUDEL, SOUISSI, 2018).
Além disso, em um caso de segurança cibernética, a integridade de
operadores e consumidores também pode ser ameaçada se um invasor puder
controlar sistemas (GAO et al., 2015). Existe a possibilidade de manipulações de
máquinas através de hackers levarem consequências como ferimentos e até mesmo
perdas de vidas (JANSEN, JESCHKE, 2018).
Outro ponto a ser considerado, é a questão da necessidade do
desenvolvimento de padrões voltados à segurança, em que empresas poderão ser
demandadas de desprendimento de investimentos para adaptar maquinários (BADRI,
BOUDREAU-TRUDEL, SOUISSI, 2018).
• (RSC4) – Riscos de problemas psicossociais
Ainda dentro de um cenário de riscos ocupacionais, num contexto de
sociabilidade, as mudanças e o aumento de complexidade do ambiente de trabalho
devido as transformações digitais da Indústria 4.0 pode levar a alterações no conteúdo
de tarefas (variedade, ciclo, habilidade, incertezas, etc.), no gerenciamento
(responsabilidades, comunicações, funções, relações, etc.), e outros fatores
organizacionais como aumentos salariais, promoção, segurança de emprego, valor
social, etc. (BADRI, BOUDREAU-TRUDEL, SOUISSI, 2018). Além disso, a
capacidade de adaptação das pessoas às mudanças tecnológicas torna-se cada vez
mais importante, onde o desenvolvimento da noção de adaptabilidade da carreira
pode ajudar na compreensão de quais recursos psicossociais precisam lidar para ter
sucesso nos desafios do modelo de trabalho cada vez mais digitalizado e
automatizado (HIRSCHI, 2018). Portanto, esses tipos de mudanças e interações na
forma e organização do trabalho podem ser vistos de maneira negativa e gerar riscos
psicossociais que devem ser considerados (BADRI, BOUDREAU-TRUDEL, SOUISSI,
2018).
Baseado nestas transformações, Imran e Kantola (2018) propõem que os
desafios no gerenciamento dos recursos humanos durantes as mudanças
tecnológicas, podem ser administrados a partir de uma visão ligada a competências
dos trabalhadores com intuito de analisar fraquezas e fortalezas do capital humano e
desenvolvê-las de acordo.
77
4.2.2.2 Sociedade
• (RSS1) – Risco de aumento da desigualdade e tensões sociais
Assim como todas as revoluções industriais anteriores existe o risco de a
Quarta Revolução Industrial aumentar a desigualdade social, ampliar a tensão
geopolítica e diminuir o bem-estar de um grande número de pessoas (MAYNARD,
2015). Não é improvável que a digitalização possa reproduzir as mais sérias
contradições devido a acumulação de renda: o declínio do emprego e o aumento das
desigualdades (SALENTO, 2018).
Segundo Caruso (2017), a transformação tecnológica poderá implicar em uma
necessidade de mão de obra qualificada e diminuir a demanda de mão de obra pouco
qualificada. A pressão sobre trabalhadores que possuem baixos salários aumentará e
terão seus empregos ameaçados. Dessa forma, as vagas de emprego podem ser
destinadas a uma menor parcela da sociedade com nível de qualificação mais elevada
(CARUSO, 2017) que reorganiza a distribuição de renda e aumenta a desigualdade
social (RAJNAI, KOCSIS, 2017) e salarial (FEDDI, 2018). Além disso, em um cenário
de desenvolvimento tecnológico, se os aumentos de produtividade não forem
traduzidos em aumento de salários a todos os níveis hierárquicos, os ganhos podem
ficar nas mãos de poucos selecionados (CARUSO, 2017).
Em uma visão mais ampla, pode haver um aumento de desigualdade entre
países. Se a disseminação da Indústria 4.0 não for feita de forma geograficamente
homogênea, haverá nichos de países economicamente e socialmente desfavorecidos,
assim a diferença entre países desenvolvidos e subdesenvolvidos pode aumentar
(BONILLA et al., 2018).
Outro fator que pode agravar a desigualdade social é o chamado “platform
effect”, no qual plataformas digitais desfrutam de grandes retornos criando redes para
conectar compradores e vendedores em uma variedade de serviços e produtos. O
problema deste efeito é a geração do domínio de mercado por grandes plataformas
excluindo pequenos participantes (LI, HOU, WU, 2017).
• (RSS2) – Risco de perda de posições de trabalho
Assim como comentado no risco anterior, os trabalhadores podem ser
pressionados devido a possibilidade de seus empregos serem ameaçados (CARUSO,
78
2017). O desenvolvimento tecnológico tem aumentado a automatização de trabalhos
e atividades em todos os seus níveis (LI, HOU, WU, 2017). Há uma preocupação
quanto à capacidade de o uso de robôs substituir o trabalho humano, não apenas em
tarefas repetitivas e pouco qualificadas, mas em ocupações de alta complexidade
(FREDDI, 2018), onde posições de trabalho podem desaparecer. De certa forma,
ainda existe uma incerteza quanto a previsões relativas a esse assunto tanto por
instituições públicas como privadas (CARUSO, 2017). Quando olhamos em um nível
micro, os impactos da digitalização sobre as ocupações de trabalho podem ser
negativos (FREDDI, 2018) principalmente para aquelas que exigem baixa qualificação
(LI, HOU, WU, 2017; FONSECA, 2018). Essa concorrência entre máquinas e homens
em que trabalhos físicos são substituídos gradualmente, pode causar problemas
sociais como já aconteceu no passado (RAJNAI, KOCSIS, 2017).
Apesar disso, estamos prestes a passar por mudanças no mercado em que
ao mesmo tempo que ocupações correm riscos, novas irão surgir (CARUSO, 2017;
HIRSCHI, 2018; SALENTO, 2018) o que abre discussão sobre os reais efeitos
negativos na empregabilidade gerada pela indústria 4.0.
4.2.2.3 Ética e Legalidade
• (RSE1) – Risco de consequências éticas provenientes de inteligências
artificiais
A questão ética devido as consequências de decisões realizadas por sistemas
autônomos e inteligentes é uma discussão importante e necessária (WINFIELD et al.,
2019). Por exemplo, a inteligência artificial (IA) é alimentada por dados diversos,
portanto possui desafios relacionados à governança, incluindo consentimento,
propriedade e privacidade. Apesar desses tipos de obstáculos existirem mesmo sem
a inteligência artificial, essa tecnologia possui desafios únicos devido a sua natureza
autônoma e autodidata (TADDEO, FLORIDI, 2018). Um desafio é a questão de
responsabilização ética consequentes de ações provenientes de inteligências
artificias, na qual é discutível como e a quem o erro deve ser atribuído (TADDEO,
FLORIDI, 2018; WINFIELD et al., 2019). Por exemplo, Taddeo e Floridi (2018) citam
o caso onde máquinas descriminavam homens afro-descentes e hispânicos em
tomadas de decisões sobre concessão de liberdade condicional.
79
Outro desafio que deve ser levado em consideração é a proteção da
autodeterminação humana devido a onipresença invisível dessas tecnologias (e.g. AIs
podem influenciar nossas decisões e escolhas de forma silenciosa à medida que se
fundem em nosso ambiente) (TADDEO, FLORIDI, 2018).
Dentro desse contexto, o campo de estudo da ética de robôs é divida em dois
ramos. O primeiro é relativo a como desenvolvedores, fabricantes e operadores
podem se comportar para minimizar danos éticos que podem surgir a partir de robôs
e inteligências artificias. O segundo trabalha a questão de como os robôs podem se
comportar eticamente, onde tanto a engenharia como filosofia estariam envolvidos
para solucionar tal questionamento (WINFIELD et al., 2019).
Portanto, para Winfield et al. (2019), desenvolver máquinas conscientes de
suas ações e das possíveis consequências prejudiciais é um problema que merece
atenção. O autor também comenta que em um cenário onde máquinas éticas
estivessem prontas para aplicação, elas precisariam ser protegidas contra utilização
indevida, além do surgimento da necessidade de criação de normas técnicas e
processos de investigação de acidentes. E ainda, Taddeo e Floridi (2018) trazem o
fato de que identificar o conjunto correto de princípios éticos no desenvolvimento de
IAs não é uma tarefa fácil devido ao fato de tais princípios variarem de acordo com
domínios de análise e contextos culturais.
• (RSE2) – Risco de invasão de privacidade e uso indevido de dados
A propriedade de dados alheios abre espaço para discussões sobre invasão
de privacidade. Por exemplo, uma grande quantidade de dados de usuários pode ser
disponibilizada (e.g. localização, movimentação, condições de saúde, preferências de
compra, etc.) devido a dispositivos IoT provenientes de equipamentos inteligentes
como instrumentos de saúde, serviços de emergência de carros, etc. (LEE, LEE,
2015). Zhou et al. (2018), comentam que utilizar informações privadas para análises
preditivas pode gerar impactos negativos e informações confidencias como estado de
saúde pode ser informado a familiares sem consentimento do indivíduo. Ou ainda,
Roblek, Meško e Krapež (2016) discorrem sobre produtos inteligentes poderem ter
sensores em suas embalagens para indicar quando estão sendo utilizados pelos
usuários e podem se conectar com dispositivos quando digitalizados. Segundo os
autores, preocupações de privacidade e segurança pessoal começam a surgir a partir
80
desse tipo de apropriação de informações, onde, de acordo com Zhou et al. (2018),
questões legais podem estar envolvidas. Assim, segundo Strange e Zucchella (2017),
há necessidade de regulamentações para este cenário.
Sisinni et al. (2018) cometam que a privacidade de dados pode ser garantida
através de proteção criptográfica, no entanto, a grande diversidade de dados para
serem anonimizados contidos nas informações, é um desafio para este tipo de defesa.
A apropriação de dados pode gerar problemas legais e éticos, pois
informações podem ser utilizadas de forma indevida (ROMERO et al., 2018), por
exemplo, empresas podem utilizar dados pessoais para prever a saúde de um
funcionário com intuito de basear uma promoção ou rescisão de contrato (ROMERO
et al., 2018). Ou ainda, uma pessoa no controle total de redes possui terreno fértil para
novas estruturas de poder social e políticos em forma de governança autoritária
(ÖZDEMIR, 2018).
Portanto, utilizar dados alheios de forma despótica, manipuladora ou para
benefício próprio, também é um assunto que pode levar empresas e organizações a
situações éticas que precisam ser discutidas.
4.2.3 Riscos Ambientais
A indústria 4.0 também pode gerar impactos para o meio ambiente. Dessa
forma, a sustentabilidade ambiental é discutida nesta dimensão com intuito de melhor
entender quais são os riscos ambientais envolvidos na digitalização de empresas no
contexto da Quarta Revolução Industrial.
4.2.3.1 Recursos Naturais
• (RAR1) – Risco de alto consumo de recursos naturais para produção de
tecnologias
Uma infraestrutura de apoio para a transformação digital devido à Indústria
4.0 será necessária, incluindo novas máquinas, sensores, sistemas softwares, etc.
Uma adoção massiva de tecnologias a partir dessa nova demanda dependerá de
utilização de recursos naturais como matéria-prima, água, energia e combustíveis
para fabricação dos novos equipamentos (BONILLA et al., 2018). Pode haver aumento
de demanda de materiais críticos para determinadas regiões geográficas (STOCK et
81
al., 2018). Recursos escassos no planeta como o lítio e terras raras, que são difíceis
de extrair, manipular, purificar e reciclar, também podem ter suas demandas
aumentadas (BONILLA et al., 2018). Além disso, a miniaturização de tecnologias tem
possibilitado a utilização de pequenas quantidades de metais tecnológicos em
composições o que dificulta a sua recuperação podendo ser perdidos para sempre
(STOCK et al., 2018). Neste cenário de utilização de recursos, pesquisas de
minimização da utilização de metais raros e reciclagem devem ser incentivadas
(BONILLA et al., 2018).
• (RAR2) – Risco de alto consumo de energia para operação de tecnologias
Em uma etapa operacional, apesar de as novas tecnologias oferecerem
serviços que melhoram o controle de consumos da produção, a demanda de alto
consumo de energia pode ser ainda considerada como um desafio a ser enfrentado
(BONILLA et al., 2018, STOCK et al., 2018). Por exemplo, a Indústria 4.0 em
funcionamento devido ao uso crescente de tecnologias (MOKTADIR et al., 2018)
como as redes wireless industriais que demandam de latência baixa (LI et al., 2017;
PILLONI, 2018), sistemas criptográficos de segurança de dados (ZHOU et al., 2018)
e processamento de dados (STOCK et al., 2018) podem requer pesados consumos
desse recurso (LI et al., 2017; PILLONI, 2018). Dessa forma, Kamble, Gunasekaran e
Gawankar (2018) comentam que estudos voltados a esgotamento de fontes de
energia devem ser realizados.
Portanto, o meio ambiente pode ficar sobrecarregado e um impacto negativo
na sustentabilidade ambiental deve ser esperado (BONILLA et al., 2018).
4.2.3.2 Controle de Poluentes
• (RAC1) – Risco de aumento de lixo eletrônico e resíduos
A falta de interoperabilidade entre equipamentos pode gerar consequências
ambientais. Maquinários poderão ser substituídos na aquisição de novas tecnologias
devido a não poderem ser integrados aos novos sistemas. Portanto, haverá a
necessidade de se pensar em como será feito o descarte de materiais obsoletos pois
a substituição de maquinários pode aumentar a quantidade de lixo eletrônico
(BONILLA et al., 2018). Além do mais, pode haver a um aumento na utilização de
82
materiais e recursos naturais difíceis de reutilizar, onde ainda não há práticas de
reciclagem ou os custos envolvidos podem ser altos (STOCK et al., 2018). Assim, a
reciclagem e reaproveitamento de equipamentos obsoletos pode se tornar um assunto
recorrente na utilização das novas tecnologias.
• (RAC2) – Risco de aumento de consumo de combustíveis
A fabricação de novos equipamentos devido a adoção massiva de tecnologia
da Indústria 4.0 pode também exigir a utilização de combustíveis (BONILLA et al.,
2018) no funcionamento dos processos fabris. Além disso, Bonilla et al. (2018)
comentam que haverá a necessidade de transporte de materiais obsoletos para
descarte ou reciclagem também demandando a utilização deste recurso. E ainda, em
uma perspectiva operacional, Stock et al. (2018) comentam que pode haver aumento
de emissões de CO2 devido ao crescimento da demanda de energia primária para
processamento de data centers responsáveis por grandes volumes de dados e,
segundo e Moktadir et al. (2018), grandes quantias de gases do efeito estufa podem
ser emitidos diariamente.
4.2.4 Riscos Tecnológicos
As tecnologias digitais são um dos assuntos mais discutidos quando é
abordado o conceito de Indústria 4.0. Essas tecnologias ao serem implantadas podem
ter alguns impedimentos técnicos e de utilização em que as empresas devem se
atentar. Além do mais, as incertezas tecnológicas podem afetar a forma como dados
são manuseados e geridos levando possíveis problemas. Desta forma, os riscos
atrelados as tecnologias da Quarta Revolução Industrial e como a sustentabilidade
tecnológica 4.0 pode ser afetada estão descritos a seguir.
4.2.4.1 Técnico
• (RTT1) – Risco de interferência nos sinais
Com a rápido crescimento da conectividade provenientes da Indústria 4.0
devido a conceitos como IIoT (Internet das Coisas Industrial), haverá muitos
dispositivos conectados e coexistindo em proximidade. As implantações densas e em
83
larga escala destes dispositivos podem levar a um número sem precedentes de
interferências entre eles (SISINNI et al., 2018). Redes de internet Industrial sem fio
(Industrial Wireless Network), por exemplo, podem enfrentar grandes desafios devido
aos múltiplos sinais existentes em ambientes conectados (LI et al., 2017).
Dessa forma, estes dispositivos podem ser limitados em memória e
inteligência com intuito evitar tais interferências (SISINNI et al., 2018). Além disso, o
ambiente industrial é caracterizado por ter condições desafiadoras para transferência
de sinais (LI et al. 2017), por exemplo, presença de poeira, vibrações, temperaturas
críticas, umidade, presença de motores, obstáculos metálicos, etc. Dessa forma, a
confiabilidade e eficiência de comunicação pela rede pode ser prejudicada (PILLONI,
2018; PREUVENEERS, ILIE-ZUDOR, 2017, LI et. al, 2017). Para Li et al. (2017), a
falta de capacidade de gerar dados confiáveis pode causar situações inesperadas
para toda uma fábrica, onde a etapa de produção ou sistemas de alarme, por exemplo,
podem ser afetados (LI et al, 2017).
• (RTT2) – Risco de incapacidade técnica da rede
No cenário de alta conectividade da Indústria 4.0, a grande quantidade de
dispositivos e equipamentos heterogêneos conectados podem sobrecarregar a rede
(CHEN et al., 2018). O controle e acesso em tempo real, uma questão importante
dentro do contexto da Indústria 4.0, necessita que a largura de banda (bandwidth) seja
rápida e descarregada (KHAN et al., 2017). Segundo Preuveneers e Ilie-Zudor (2017),
possuir baixa latência (atraso na transferência de dados) é preocupação fundamental
para realizar o controle de sistemas de produção em tempo real.
Na pesquisa de Pilloni (2018), o autor levanta a redução na latência e a
precisão da rede como desafios a serem enfrentados antes da implementação de
conceitos da indústria 4.0. Um atraso na transferência de dados, por exemplo, pode
criar problemas para os dispositivos físicos conectados entre si os quais podem ter
atuadores trabalhando em sequência com intervalos de tempo pré-definidos (KHAN
et al., 2017). Além disso, a redução de latência pode exigir altos custos e grande
consumo de energia (LI et al., 2017).
Além disso, o crescimento explosivo de tecnologias como os aplicativos
também aumenta a dificuldade para o desempenho em tempo real, especialmente em
termos de escala e complexidade (SISINNI et al., 2018). De forma mais ampla, a
84
comunicação em tempo real entre empresas também possui obstáculos devido a
problemas de rede, como conectividade instável (MOKTADIR et al., 2018).
Dessa forma, a largura de banda e o fluxo de dados são desafios para a
transferência de informações (HE et al. 2016), assim uma boa infraestrutura e redes
de internet eficientes são cruciais para um eficaz gerenciamento de dispositivos
interconectados (LUTHRA, MANGLA, 2018).
• (RTT3) – Risco de falta de interoperabilidade
As redes industriais a partir conceitos da indústria 4.0 serão altamente
heterogêneas, pois apresentarão diversas tecnologias de comunicação (KALØR et al.,
2018) como máquinas, sensores, CPSs, dispositivos IoT, etc. (KHAN et al., 2017).
Uma barreira na adoção de soluções de IoT e a criação de um ecossistema de CPS,
é o estabelecimento de uma integração e interoperabilidade contínua entre essas
diferentes tecnologias e sistemas (KAMBLE, GUNASEKARAN, SHARMA, 2018).
Muitas instalações podem conter máquinas e equipamentos, em que cada um possui
um formato diferente para se comunicar com outras máquinas (GAO et al., 2015).
Além do mais, fornecedores podem oferecer serviços em interfaces diferentes que
não possuem interação entre elas (WAN et al., 2016).
Assim, uma grande heterogeneidade nos formatos de dados pode ser gerada
(UR REHMAN, 2018) que segundo Khan et al. (2017) dificultam a aquisição e análise
de informações, onde dados devem ser convertidos para garantir certa
interoperabilidade entre componentes. Para Wan et al., (2016) ainda é muito difícil
capturar, analisar e utilizar todos os tipos informações dos diferentes tipos de
dispositivos devido à falta de arquiteturas padronizadas de IoT. Ainda são necessárias
pesquisas para lidar com o obstáculo do gerenciamento de coisas conectadas em uma
plataforma comum e padrão (XU, XU, LI, 2018). Além do mais, a interoperabilidade e
conexão entre empresas ao longo de uma cadeia de valor também pode ser afetada
devido à falta de uma linguagem comum de transferência de dados (KIEL et al., 2017).
A falta de interoperabilidade entre dispositivos aumentará significativamente
a complexidade e o custo de implantação e integração de tecnologias da indústria 4.0
como a IIoT (SISINNI et al., 2018). Equipamentos industriais mais antigos podem
exigir ajustes para que possam conversar com novas tecnologias (PILLONI, 2018;
SISINNI et al., 2018) ou mesmo serem descartados gerando lixo eletrônico (BONILLA
85
et al., 2018). Portanto, a interoperabilidade é um princípio chave para adoção e
automação da Indústria 4.0 (KHAN et al., 2017).
• (RTT4) – Risco de caos tecnológico
O alto índice de integração é uma das consequências das tecnologias
relativas à indústria 4.0. De acordo com Stock e Seliger (2016), a partir do conceito de
integração End-to-End, uma das características da indústria 4.0, todos os
stakeholders, produtos e equipamentos podem ser integrados em uma rede virtual
que intercambiam dados em diferentes fases do ciclo de vida de um produto.
No entanto, à medida que tecnologias se tornam mais sofisticadas, surge uma
necessidade de uma nova geração de capacidades de previsão que respondam a
trajetórias de alta velocidade, não-lineares e estreitamente acopladas (MAYNARD,
2015). Além disso, neste cenário onde muitos dados estarão disponíveis e requisitos
intensivos de processamento serão exigidos, sistemas podem enfrentar dificuldades
de resiliência (XU, XU, LI, 2018), ou seja, será um desafio para os sistemas se auto
organizarem frente a situações difíceis.
Portanto, em um mundo hiperconectado, um erro em uma parte do sistema
pode causar desordem de forma generalizada (LEE; LEE, 2015) como em um efeito
dominó (ÖZDEMIR, 2018). Um único dispositivo pode ter um problema insignificante,
mas para um sistema, as reações em cadeia de outros dispositivos conectados podem
se tornar desastrosas. Por exemplo, a largura de banda de internet pode ficar
sobrecarregada causando problemas de desempenho para todo um sistema (LEE;
LEE, 2015). Ou ainda, algumas tecnologias podem aumentar a exposição a riscos
externos (catástrofes naturais, resseções econômicas, greves etc.) e efeito cascata,
onde uma interrupção na cadeia de suprimentos não localizada cai em cascata
afetando o desempenho da cadeia como um todo. Isto é devido aos sistemas poderem
se tornar mais complexos e flexíveis no qual estoques intermediários podem se tornar
desnecessários (IVANOV, DOLGUI, SOKOLOV, 2018).
4.2.4.2 Segurança de dados
• (RTS1) – Risco de ataque cibernético
Um dos riscos mais comentados pela literatura está atrelado à segurança de
dados. As integrações de TI e digitalização da produção pode criar um perigo em
86
potencial (TUPA, SIMOTA, STEINER, 2017), tanto em conexões vertical e internas às
empresas como em conexões horizontais em cadeias de valor inteiras (KIEL et al.,
2017). A medida que a conectividade aumentada devido as tecnologias, os sistemas
industriais ficam cada vez mais suscetíveis e vulneráveis em relação à segurança
cibernética (JANSEN, JESCHKE, 2018; KAMBLE, GUNASEKARAN, SHARMA, 2018;
LEE, LEE, 2015; MAYNARD, 2015; ÖZDEMIR, 2018; STRANGE, ZUCCHELLA, 2017;
XU, DAVID, KIM, 2018; ZHOU et al., 2018; DAWSON, 2018, WU et al., 2018). O
volume de dados heterogêneos e sua transferência para a nuvem aumenta o risco de
segurança (KHAN et al., 2017), pois redes sem fio podem ser facilmente interceptadas
(PILLONI, 2018) assim como a conexão aberta entre participantes de uma cadeia de
valor (KIEL et al., 2017). Hackers podem acessar sistemas de TI e comprometer um
sistema cyber-físico (CPS), por exemplo. Essas intervenções devido ao Hacking
podem ter fontes com diferentes intensões como: utilização de forma não intencional
por usuários autorizados, hackers por diversão, hackers experientes com más
intensões ou estados atacando infraestruturas de outros países, empresas ou
indivíduos (JANSEN, JESCHKE, 2018).
Tuptuk e Hailes (2018) levantam alguns tipos de ataques cibernéticos como:
Ataques de negação de serviço (DoS atack), ataques de espionagem, sabotagem de
informações entre dispositivos, injeção de informações falsas, injeção de atrasos na
transferência de dados, adulteração de dados, retransmissão de dados, falsificação
de identidade para acesso ilegítimo, obtenção de dados vazados, exploração de
vulnerabilidades, manipulação de sistemas físicos e ataques contra machine learning.
Os danos causados por ataques cibernéticos podem tomar diferentes
dimensões. Hackers podem manipular máquinas causando danos físicos e
sucateamento, podem realizar modificações de especificações técnicas resultando
em produtos defeituosos (WU, SONG, MOON, 2019), ou ainda, podem gerar perda
de produção devido a indisponibilização de máquinas. Por consequência, danos
financeiros podem ser causados (JANSEN, JESCHKE, 2018). Além disso, uma
interrupção de serviços pode afetar muitas empresas quando consideramos uma
cadeia como um todo (RADANLIEV et al., 2018). Num contexto econômico mais
amplo, ataques podem realizar manipulações no mercado de ações (HE et al., 2016).
Para o capital humano, a segurança de operadores pode ser ameaçada (GAO et al.,
2015), pois ferimentos e perdas de vidas podem ser causados pela manipulação de
máquinas (JANSEN, JESCHKE, 2018). Quando consideramos preocupações
87
governamentais, efeitos catastróficos podem atingir toda uma nação (JANSEN,
JESCHKE, 2018) como ataques terroristas (TUPTUK, HAILES, 2018). No contexto
ambiental, Tuptuk e Hailes citam um exemplo em que um ataque cibernético causou
o vazamento de um sistema de esgoto atingindo parques e rios. Outros casos reais
são citados nos estudos de Tuptuk e Hailes (2018), Jansen e Jeschke (2018); Wu,
Song e Moon (2019); He et al. (2016) demonstrando que se trata de um problema já
existente.
Além disso, para Lezzi, Lazoi, Corallo (2018), os riscos de segurança estão
relacionados a perda de confidencialidade, integridade ou disponibilidade dos
sistemas de informações, onde a falta de confidencialidade pode resultar em
divulgação de dados, a falta de integridade pode resultar em modificação ou perda de
dados e a falta de disponibilidade pode resultar em negação de serviço e perda de
produtividade. Assim, segundo os autores, as empresas devem estar atentas as
consequências dos riscos de segurança de dados pois pode levar a altos custos e
perda de lucratividade.
Portanto, os efeitos e desafios devido a ataques cibernéticos podem tomar
dimensões muito diferentes. Assim, mecanismos de segurança cibernética terão
papéis importantes quando o assunto é o tema da Indústria 4.0 (HE et al., 2018).
• (RTS2) – Risco de divulgação de dados privados
Este risco é brevemente comentado no item anterior como consequência de
ataques cibernéticos. Contudo, essa possibilidade é aqui melhor explanada.
Neste cenário, o crescente número de objetos IIoT sendo equipados com
tecnologias para fornecer recursos de identificação, computação e comunicação em
operações da indústria, a questão de segurança e privacidade deve ser considerada
(ZHOU et al., 2018). Empresas devem estar atentas a possibilidade de dados sigilosos
serem divulgados (TUPTUK, HAILES, 2018). Informações estratégicas como dados
comerciais e know-how, se revelados, podem levar perda de lucro (WANG et al.,
2016). Zhou et al. (2018) comentam que na ausência de mecanismos de segurança
apropriados, o vazamento de informações privadas é inevitável (ZHOU et al., 2018).
Além disso, devido a digitalização, empresas podem ter acesso a dados de
todos os stakeholders de uma cadeia de suprimentos. Para Müller, Buliga e Voigt
(2018), como as informações compartilhadas entre empresas podem envolver dados
88
confidenciais, as empresas são não somente responsáveis pela segurança de seus
próprios dados, mas também pelos dados dos parceiros ligados a elas. Freddi (2016)
comenta que algumas dessas informações podem ser muito sensíveis no que diz
respeito a sua divulgação como a composição de medicamentos em setores do ramo
farmacêutico. Várias informações sobre clientes e fornecedores são geralmente
armazenadas em nuvem pública em vez de data centers privados, na qual os dados
podem ficar vulneráveis (WANG et al., 2016). Neste cenário, pode haver o
envolvimento de questões legais (WANG et al., 2016; ZHOU et al., 2018) relativas a
direitos de propriedade de dados (FREDDI, 2018). Como levantado por Roblek, Meško
e Krapež (2016), se informações privadas podem ser utilizadas, regras éticas devem
ser seguidas apesar de, segundo Xu, Xu e li (2018), interpretações legais ainda serem
vagas para o contexto de segurança cibernética.
Outra consequência é possibilidade de comprometimento da
interoperabilidade entre empresas, as quais podem ficar receosas em aderir a um
sistema integrado devido à, segundo (ZHOU et al., 2018), informações privadas
poderem ser divulgadas.
4.2.4.3 Gestão de dados
• (RTG1) – Risco de análise ineficaz dos dados
Além dos problemas de interoperabilidade já mencionado o grande número
de dispositivos, ferramentas e equipamentos conectados gerando um grande volume
de dados e em diferentes formatos (Big Data) é também um desafio para a aquisição,
transformação (KHAN et al., 2017), armazenamento e análise das informações (HE et
al., 2016). Saber quais dados devem ser coletados, como esses dados devem ser
coletados e como formulá-los são pontos importantes a serem estudados (WANG et
al., 2016). Neste contexto, o processamento e análise de informações heterogêneas
pode ser dificultado pela falta de soluções em formato unificado (UR REHMAN, 2018)
como arquiteturas de IoT padronizadas (WAN et al., 2016).
O tempo de respostas num sistema de Análise de Big Data (BDA) totalmente
automatizado e operando de forma completa (executando todas as operações de
engenharia, preparando e analisando dados automaticamente), é também um tema
importante devido à pontualidade de informações poderem afetar todo um sistema.
89
Por exemplo, sistemas ciber-físicos, atuadores e outros dispositivos precisam de
acesso em tempo real (KHAN et al., 2017) e atrasos podem comprometer a análise.
Ivanov, Dolgui e Sokolov (2018), comentam que o aumento da complexidade de
coordenação dos dados gerando problemas de atraso nas respostas pode afetar os
processos de toda uma cadeia de suprimentos.
Assim, caso a análise dessa grande quantidade de dados não seja realizada
de forma eficaz, o controle em tempo real pode ser comprometido (HE et al., 2016),
uma sobrecarga de informações pode ser gerada (FOIDL, FELDERER, 2016) e um
sistema inteiro pode ser afetado (UR REHMAN, 2018). Desta forma, armazenar e
gerenciar os dados além de possuir um tempo de resposta baixo no sistema são
objetivos primários para o desemprenho do BDA (UR REHMAN, 2018).
Além do mais, sistemas tradicionais de gerenciamento de dados possuem
impedimentos para a análise do Big Data, pois é difícil realizar coleta,
armazenamento, gerenciamento e processamento em ferramentas e tecnologias
clássicas (KHAN et al., 2017). E ainda, a análise e processamento de dados exigem
conhecimentos profundo das ferramentas do Big Data (KHAN et. Al., 2017), assim a
mão de obra altamente qualificada pode ser exigida (UR REHMAN, 2018), assim, a
falta dela pode se tornar um desafio para o desempenho do processamento de dados.
• (RTG2) – Risco de dados de má qualidade
A enorme quantidade de informações geradas no contexto da indústria 4.0 a
partir de várias fontes heterogêneas também pode trazer dificuldades para a qualidade
de dados (LI et al., 2017; KIRCHEN et al., 2017). De acordo com o levantamento de
Luthra e Mangla (2017) a qualidade dos dados é uma preocupação crítica para a
Indústria 4.0 pois, segundo Li et al. (2017), os fluxos de trabalhos conectados
dependem de informações precisas. Segundo Kirchen et al. (2017), dados de má
qualidade podem levar a análises de informações de forma errônea prejudicando
tomadas de decisões.
O grande montante de dados gerados pode dificultar a obtenção de
informações proveitosas (LI et al., 2017). De acordo com Ur Rehman (2018), existe
um campo de estudo voltado a transmissão de dados significativos, onde a massa de
dados poderá conter informações não desejadas, que, segundo Xu, Xu e Li (2018),
poderá caracterizar um desafio para construção de aplicações práticas. Para Chen et
90
al. (2018), a grande maioria dos dados provenientes da manufatura inteligente são
não-estruturados o que, segundo Yan et al. (2017), devem ser transformados em
dados estruturados para que as barreiras devido a diferença de fonte, formato,
dimensão e outros fatores sejam eliminados e as informações úteis possam ser
extraídas. Portanto, haverá a necessidade de desenvolver sistemas IoT capazes de
fazer uma análise limpa apenas com dados proveitosos, pois desta forma custos
quanto ao armazenamento e análise de dados sem muita significância podem ser
economizados (UR REHMAN, 2018).
Além disso, no contexto da Indústria 4.0 é fácil obter dados incompletos e
deficientes devido a falha de transporte, limitações de dados e erros ou perda de
pacotes, especialmente em redes industriais de grande escala. Ou seja, a integridade
dos dados é uma característica importante a ser avaliada para a composição de
sistemas conectados (LI et al., 2017). E ainda, a confiabilidade dos dados é também
um aspecto a ser considerado devido ao fato de sistemas inteiros poderem ser
afetados devido a problemas relativos a este tema (LI et al., 2017).
4.2.5 A Questão Regulamentar
Além de todos os aspectos econômicos, sociais, ecológicos e tecnológicos,
questões regulamentares e legais envolvidas na digitalização de empresas devem ser
discutidas, pois podem fundamentar os benefícios da digitalização. Segundo Salento
(2018), espera-se que as instituições nacionais e supranacionais ajustem a
regulamentação econômica de maneira a oferecer uma estrutura facilitadora das
melhorias digitais.
Na questão de segurança cibernética, não há padrões específicos na
manufatura, muito menos para a manufatura inteligente (TUPTUK, HAILES, 2018).
Strange e Zucchella (2017) chamam atenção para a necessidade de regulamentação
devido aos potenciais riscos cibernéticos e implicações para a privacidade de
indivíduos, onde Saleem et al., (2018) comentam que a ausência de padrões e
regulamentações efetivas alheados a uma governança fraca limitam o funcionamento
da IoT. Além disso, de acordo com Tuptuk e Hailes (2018), não há métricas que
avaliem a eficácia e a seleção da melhor abordagem para esta questão, causando a
falsa sensação de segurança na utilização de algumas diretrizes.
91
Em uma perspectiva social, regulamentações de segurança, saúde e
integridade física de trabalhadores, podem ser estabelecidas tardiamente devido a
leis, regulamentos e padrões surgirem de forma reativa à acontecimentos. Além disso,
padrões devem se adequar as mudanças conduzidas pelas inovações tecnológicas
onde regras antigas não se apliquem (BADRI, BOUDREAU-TRUDEL, SOUISSI,
2018). Para Salento (2018), é questionável se a extrema digitalização dos processos
de produção terá efeitos benéficos na regulação do trabalho e do emprego. Ou ainda,
segundo Taddeo e Floridi (2018), a regulamentação ética envolvida na utilização de
Inteligências artificias é uma tarefa necessária, pois oportunidades de melhoria do
bem-estar individual e social podem ser perdidas.
Em relação ao meio ambiente, dentro do portfólio estudado, há poucos
trabalhos voltados ao impacto ambiental negativo da Indústria 4.0 o que pode levar a
problemas não esperados para este ramo do conhecimento, em que regulamentações
podem estar envolvidas.
De forma mais abrangente, Maynard (2015) comenta que a digitalização pode
possibilitar a fabricação de produtos físicos na mesma velocidade que produtos de
software. No entanto, as regulamentações de fabricação permanecem em ciclos de
produção que se estendem por anos e não por horas. Isso pode levar as tecnologias
emergentes a caírem em buracos em uma rede regulatória inadequada que podem
causar ameaças para saúde, segurança e meio ambiente.
Dessa forma, regulamentações imprecisas podem afetar todas as dimensões
de riscos discutidas neste trabalho, aumentando, assim, a necessidade de criação de
padrões que ajudem a gerir e diminuir incertezas da implementação da Indústria 4.0.
Segundo Tuptuk e Hailes (2018), apesar de padrões não serem regulamentações, os
reguladores podem ditar a conformidade com um padrão de tal forma que ele se torne
parte de um regulamento.
4.2.6 Estudo Quantitativo dos Riscos
Os riscos que são mais comentados na literatura podem ser vistos através
dos dados dispostos na Tabela 7 a seguir. Estes dados trazem um forma de realizar
um estudo quantitativo baseado no portfólio literário estudado.
92
Tabela 7 - Representatividade dos riscos
Cód. Risco Quantidade de artigos
(%)
RTS1 Risco de ataque cibernético 31 46,97
RTS2 Risco de divulgação de dados privados 20 30,30
RSC1 Risco de falta de mão de obra qualificada 12 18,18
RSS2 Risco de perda de posições de trabalho 11 16,67
RTT2 Risco de incapacidade técnica da rede 11 16,67
RSE2 Risco de invasão de privacidade e uso indevido de dados 9 13,64
RTT3 Risco de falta de interoperabilidade 8 12,12
REF1 Risco de alto custo de implantação 7 10,61
RSS1 Risco de aumento da desigualdade e tensões sociais 7 10,61
REF2 Risco de retorno financeiro incerto 6 9,09
REP1 Risco de imprecisão na implantação da Indústria 4.0 6 9,09
RTG2 Risco de dados de má qualidade 6 9,09
REP2 Risco de autossabotagem sobre a cadeia de valor 5 7,58
RSC3 Risco à integridade física de trabalhadores 5 7,58
RAR2 Risco de alto consumo de energia para operação de tecnologias
5 7,58
RTG1 Risco de análise ineficaz dos dados 5 7,58
RSC2 Risco de relutância a mudanças 4 6,06
RTT1 Risco de interferência nos sinais 4 6,06
REM1 Risco de problemas de concorrência 3 4,55
REM3 Risco de dificuldade de aceitação de clientes 3 4,55
RAC2 Risco de aumento de consumo de combustíveis 3 4,55
RTT4 Risco de caos tecnológico 3 4,55
REP3 Risco de dependência de parceiros 2 3,03
REM2 Risco de intervenções negativas de clientes 2 3,03
RSC4 Riscos de problemas psicossociais 2 3,03
RSE1 Risco de consequências éticas provenientes de inteligências artificiais
2 3,03
RAR1 Risco de alto consumo de recursos naturais para produção de tecnologias
2 3,03
RAC1 Risco de aumento de lixo eletrônico e resíduos 2 3,03
Fonte: Autor (2019)
Pode-se perceber a partir da Tabela anterior que os riscos relacionados com
segurança cibernética são os mais comentados (RTS1 e RTS2). O risco de ataque
cibernético presente em 46,97 % dos artigos e o risco de divulgação de dados privados
em 30,30 %. Isto pode ter ocorrido pela crescente utilização de tecnologias de
conexão como o a IoT, um dos principais conceitos da Indústria 4.0 (LEZZI, LAZOI,
CORALLO, 2018). Ao mesmo tempo, podemos ver as questões ambientais em
posições mais abaixo no ranking, como por exemplo o RAR1 (Risco de alto consumo
de recursos naturais para produção de tecnologias) e o RAC1 (risco de amento de lixo
93
eletrônico e resíduos), ambos com apenas 3,03% de representatividade. Apesar
disso, podemos ver o risco ambiental relacionado ao consumo de energia (RAC2) na
posição 15 com uma porcentagem de participação um pouco maior (4,55%).
O entendimento de como as dimensões de risco estão distribuídas nessa
análise pode ser melhor verificada na Figura 20.
Figura 20 - Representatividade dos riscos de forma gráfica
Fonte: Autor (2019)
A partir do gráfico acima, podemos perceber que as dimensões que mais são
discutidas na literatura são a Tecnológica e a Social. O risco social em maior posição
no ranking é o risco de falta de mão de obra qualificada (RSC1) com 18,18% de
representatividade, seguido pelo risco de perda de posições de trabalho (RSS2) com
16,67%. Isso pode ser causado pela grande discussão referente ao aprimoramento
da mão de obra como sendo uma das maiores barreiras no contexto da Quarta
Revolução Industrial (KAMBLE, GUNASEKARAN SHARMA, 2018).
Na dimensão econômica, o primeiro risco aparece apenas na posição 8 do
ranqueamento (risco de alto custo de implantação - REF1). Isso demonstra que mais
estudos devem ser feitos para o contexto econômico. No entanto, pode-se perceber
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
0
5
10
15
20
25
30
35
RT
S1
RT
S2
RS
C1
RS
S2
RT
T2
RS
E2
RT
T3
RE
F1
RS
S1
RE
F2
RE
P1
RT
G2
RE
P2
RS
C3
RA
R2
RT
G1
RS
C2
RT
T1
RE
M1
RE
M3
RA
C2
RT
T4
RE
P3
RE
M2
RS
C4
RS
E1
RA
R1
RA
C1
Repre
senta
tivid
ade
Núm
ero
de A
rtig
os
Quantidade de Artigos Representatividade
94
que questões financeiras são as que mais aparecem nesta dimensão (REF1 – 10,61%
- e REF2 – 9,09%), seguidos pelo risco de planejamento relacionado a imprecisão na
implantação da Indústria 4.0 (REP1 – 9,09%).
4.3 CONSIDERAÇÕES SOBRE O CAPÍTULO
Este capítulo descreve os resultados obtidos a partir dos métodos construídos
na metodologia relativos ao estudo do portfólio dos artigos. Cada risco mapeado foi
individualmente discutido para que pudessem ser melhor compreendidos e o apoio
teórico pudesse ser desenvolvido. Assim, o terceiro objetivo específico (“Realizar uma
análise temática para o mapeamento e estudo dos riscos da Indústria 4.0”) foi atingido.
A questão regulamentar também faz parte dessa construção teórica, pois traz
pontos importantes para embasamento das dimensões de risco e para o
enfrentamento dos desafios emergentes da Indústria 4.0, pois trata-se de um assunto
encontrados em todas as dimensões de riscos.
O resultado do estudo quantitativo traz insights importantes sobre as áreas
discutidas dentro do contexto de riscos da Quarta Revolução Industrial, tais como:
quais riscos são mais discutidos na literatura, quais precisam de mais estudos e quais
merecem atenção para pesquisadores e gerentes empresariais.
95
5 MODELO TEÓRICO DE CATEGORIZAÇÃO DOS RISCOS DA INDÚSTRIA 4.0
Este capítulo representa como o modelo de categorização foi construído de
forma detalhada, assim como sua aplicação sobre os riscos mapeados. Na primeira
parte, a construção do framework teórico é discutida para organização dos riscos
mapeados. Na segunda seção, as categorias de riscos são construídas, e na última
parte, os riscos mapeados são categorizados.
5.1 FRAMEWORK TEÓRICO DOS RISCOS DA INDÚSTRIA 4.0
Esta seção descreve como o framework teórico foi construído. Primeiramente,
discute-se as relações entre as dimensões, em seguida a construção propriamente
dita do framework é apresentada.
5.1.1 A Relação entre as dimensões
Baseado nas informações de fontes e efeitos do Quadro 5 do item 4.2 e nos
resultados apresentados no Apêndice C, é possível perceber as relações entre as
dimensões devido a alguns riscos possuírem efeitos em mais de um tipo de
sustentabilidade. Por exemplo, o risco de falta de interoperabilidade (RTT3), apesar
de categorizado como Risco Tecnológico, também pode exercer efeitos sobre a
sustentabilidade econômica. O contrário também é verdadeiro, pois o risco econômico
REP1 (risco de imprecisão na implantação) pode gerar efeito tecnológico devido a
causar desafios para adoção das tecnologias e conceitos da Indústria 4.0. Outros
exemplos são os riscos RSC1 (risco de falta de mão de obra qualificada) e RAR1
(risco de aumento de consumo de recursos naturais) categorizados respectivamente
nas dimensões de risco social e ambiental, que também podem gerar efeitos
econômicos. E ainda, o risco tecnológico RTT2 (risco de incapacidade técnica da
rede) também pode exercer o efeito ambiental de aumento do consumo de energia.
Além disso, também é possível perceber essa relação entre as dimensões, a
partir do conceito de sustentabilidade tecnológica 4.0 desenvolvido, onde uma
empresa que pretenda ser sustentável no contexto tecnológico da Indústria 4.0,
também precisa seguir os princípios de design Hermann, Pentek e Otto (2015). Assim,
um risco que pode afetar um desses princípios, também tem influência sobre esta
definição de sustentabilidade. Apesar da maioria dos riscos mapeados que afetam
96
estes princípios serem de origem na Dimensão de Riscos Tecnológicos, outras
dimensões também podem afeta-los. Por exemplo, o risco RSE1 (risco de
consequências éticas provenientes de inteligências artificiais) tem influência direta
sobre o princípio de Descentralização da Indústria 4.0, pois decisões de Inteligências
Artificiais (IA) precisam ser avaliadas em suas possíveis consequências (TADDEO,
FLORIDI, 2018; WINFIELD et al., 2019) podendo levar a um atraso na adoção dessas
tecnologias.
5.1.2 Construção do Framework Teórico
Dessa forma, após verificar cada risco individualmente sobre suas relações
em outras dimensões (Apêndice C), é possível construir um framework que possa
representar tal condição.
Para esta construção, partiu-se do conceito do tripé da sustentabilidade (Triple
Bottom Line) de Elkington, na qual uma representação gráfica e teórica permite a
interseção entre três dimensões (Econômica, Social e Ambiental). Estas interseções
podem ser utilizadas para representar os riscos com efeitos sobre mais de um tipo de
sustentabilidade, como ilustrado na Figura 21.
Figura 21 - Triple Bottom Line de Elkington
Fonte: Baseado na teoria de Elkington (1998a; 1998b)
No entanto, a representação da Figura 21 não satisfaz esta pesquisa devido
as questões tecnológicas não poderem ser representadas. Assim, para que uma
construção gráfica possa ser desenvolvida e este desfalque possa ser suprido, as
quatro Dimensões de Risco (Riscos Econômicos, Riscos Sociais, Riscos Ambientais
e Riscos Tecnológicos) precisam ser representadas. Para isto, quatro elipses
97
dimensionais entrelaçadas foram construídas, onde tal condição é satisfeita. Além do
mais, a questão regulamentar verificada durante o levantamento dos riscos do capítulo
anterior (item 4.2.5) também pode ser representada na construção desta formação.
Como existe a necessidade de regulamentações precisas para o contexto da indústria
4.0, a questão regulamentar será ilustrada como uma base de suporte para todas as
dimensões.
Desta forma, o framework teórico proposto baseado nos efeitos dos riscos da
Indústria 4.0 sobre os conceitos de sustentabilidade definidos pode ser finalizado em
forma de quatro elipses dimensionais correlacionadas e suportadas pelas
regulamentações (Figura 22).
Figura 22 - Framework teórico para os efeitos dos riscos da indústria 4.0
Fonte: Autor (2019).
Com a ilustração da Figura 22 pode-se verificar todas as áreas possíveis entre
as quatro dimensões, assim os riscos da Indústria 4.0 podem ser alocados nesta
diagramação de acordo com seus efeitos. Por exemplo, um risco com efeito sobre a
sustentabilidade econômica pode ser alocado na área amarela e um risco que possua
efeito em mais de um tipo de sustentabilidade pode ficar alocado em uma das
interseções.
Com intuito de resumir os riscos levantados sem a distribuição individual nas
áreas propostas, as quatro Dimensões de Risco descritas no capítulo anterior (Riscos
Tecnológicos, Riscos Sociais, Riscos Ambientais e Riscos Tecnológicos) podem ser
organizadas de acordo com a ilustração da Figura 23.
Dimensão de Riscos Sociais (DRS)
Dimensão de Riscos Ambientais (DRA)
Dimensão de Riscos Econômicos (DRE)
Dimensão de Riscos Tecnológicos (DRT)
98
Figura 23 – Representação resumida dos riscos sobre as dimensões propostas.
Fonte: Autor (2019)
Apesar desta distribuição, representada na Figura 23, trazer uma forma de
organizar os riscos esquematicamente, eles não estão organizados corretamente
conforme o Apêndice C. Assim, para que estes riscos possam ser organizados de
forma correta, primeiramente categorias de riscos serão construídas para denominar
cada área proposta no framework. Esta categorização é apresentada no modelo do
capítulo seguinte.
• Risco de perda de posições de trabalho
• Risco de consequências éticas provenientes de inteligências artificiais
• Risco de invasão de privacidade e uso indevido de dados
Riscos Sociais
• Risco de falta de mão de obra qualificada
• Risco de relutância a mudanças
• Riscos à integridade física de trabalhadores
• Riscos de problemas psicossociais
• Risco de aumento das desigualdades e tensões sociais
Riscos Ambientais
• Risco de aumento de consumo de recursos naturais para produção de tecnologias
• Risco de alto consumo de energia para operação de tecnologias
• Risco de aumento de lixo eletrônico e resíduos
• Risco de aumento de consumo de combustíveis
Riscos Tecnológicos
• Risco de interferência nos sinais
• Risco de sobrecarga da rede
• Risco de falta de interoperabilidade
• Risco de caos tecnológico
• Risco de ataque cibernético
• Risco de divulgação de dados privados
• Risco de análise ineficaz dos dados
• Risco de dados de má qualidade
Regulamentações
Riscos Econômicos
• Risco de alto custo de implantação
• Risco de retorno financeiro incerto
• Risco de autossabotagem sobre a cadeia de suprimentos
• Risco de imprecisão na implantação
• Risco de Dependência de parceiros
• Risco de problemas de concorrências
• Risco de intervenções negativas de clientes
• Risco de dificuldade de aceitação de clientes
Legenda
Dimensão de Riscos Sociais (DRS) Dimensão de Riscos Ambientais (DRA)
Dimensão de Riscos Tecnológicos (DRT) Dimensão de Riscos Econômicos (DRE)
DRT
DRE
DRA
DRS
99
5.2 CATEGORIAS DOS RISCOS DA INDÚSTRIA 4.0
Após a construção do framework teórico para os efeitos dos riscos é possível
desenvolver categorias baseadas nas áreas demonstradas pela representação gráfica
proposta possibilitando retratar quais e quantas dimensões os riscos possuem efeito.
Portanto, a partir das elipses dimensionais e suas interseções, uma forma de
categorização é desenvolvida, na qual categorias e níveis de categorização estão
inseridos. Para isto, cada área presente no framework é considerada uma categoria
que são denominadas a partir dos efeitos que os riscos possuiriam caso fossem
alocados em determinada área e também a partir uma combinação das denominações
das quatro sustentabilidades (Econômica, Social, Ambiental e Tecnológica)
conceituadas nesta pesquisa. A Figura 24 demonstra esse raciocínio.
Figura 24 – Categorização dos riscos da indústria 4.0 a partir dos efeitos. (I) Riscos Primários; (II) Riscos Secundários; (III) Riscos Terciários; (RS) Riscos à Sustentabilidade.
Fonte: Autor (2019)
Além do mais, também representado na Figura 24, as categorias são
agrupadas em três níveis: Primário ( I ), Secundário ( II ) e Terciário ( III ). O nível
primário indica que um risco possui efeito em apenas uma dimensão, o secundário
indica que um risco possui efeito em duas dimensões e o terciário indica que um risco
I
II
III
100
possui efeito em três dimensões. Finalmente, ao centro do framework fica indicado os
riscos que possuem efeito nas quatro dimensões, denominados aqui como Riscos à
Sustentabilidade (RS). Portanto, a Sustentabilidade de forma completa é tratada neste
trabalho como a capacidade das empresas em equilibrar as quatro dimensões de
forma a garantir seu sucesso econômico, social, ambiental e tecnológico no contexto
da indústria 4.0.
A categorização descrita pela Figura 24 é demonstrada em forma de um
quadro, em que as informações propostas podem ser observadas de forma conjunta.
Quadro 5 – Categorias dos riscos da indústria 4.0.
Níveis Categoria Conceito de Sustentabilidade que possui
efeito
Pri
mári
os
(I)
Riscos Puramente Econômicos Econômica
Riscos Puramente Sociais Social
Riscos Puramente Ambientais Ambiental
Riscos Puramente Tecnológicos Tecnológica
Secu
nd
ári
os
(II
)
Riscos Socioambientais Social e Ambiental
Riscos Econômicos-ambientais Econômica e Ambiental
Riscos Socioeconômicos Social e Econômica
Riscos Tecnoeconômicos Tecnológica e Econômica
Riscos Tecnoambientais Tecnológica e Ambiental
Riscos Tecnosociais Tecnológica e Social
Terc
iári
os
(III
)
Riscos Tecnosocioambientais Tecnológica, Social e Ambiental
Riscos Econômico-socioambientais Econômica, Social e Ambiental
Riscos Tecnosocioecômicos Tecnológica, Social e Econômica
Riscos Tecnoeconômico-ambientais Tecnológica, Econômica e Ambiental
Riscos à Sustentabilidade Tecnológica, Econômica, Social e Ambiental
Fonte: Autor (2019)
Dessa maneira, os riscos podem ser categorizados de acordo com seus
efeitos possibilitando entender quais e quantos conceitos de sustentabilidade são
afetados.
5.3 CATEGORIZAÇÃO DOS RISCOS MAPEADOS
Por fim, baseado nas relações entre as dimensões (Apêndice C) e nas
categorias construídas, os riscos mapeados foram categorizados e corretamente
101
distribuídos no framework. Assim, o resultado dessa organização pode ser visto na
Figura 25.
Figura 25 – Riscos categorizados segundo as categorias desenvolvidas. ( I ) Riscos Primários; ( II ) Riscos Secundários; ( III ) Riscos Terciários.
Fonte: Autor (2019)
A seguir, como forma de facilitação do entendimento, as relações e a forma
como os riscos foram alocados na Figura 25 são discutidas em tópicos divididos nos
níveis de categorização a seguir.
Legenda
Dimensão de Riscos Econômicos
Dimensão de Riscos Ambientais
Riscos Puramente Ambientais ( I )
• Risco de alto do consumo de recursos naturais para produção de tecnologias
• Risco de aumento do consumo de combustíveis
• Risco de alto consumo de energia para operação de tecnologias
Riscos Econômico-Ambientais ( II )
• Risco de aumento de lixo eletrônico e resíduos
Riscos Puramente Econômicos ( I )
• Risco de alto custo de implantação
• Risco de Retorno financeiro incerto
• Risco de autossabotagem sobre a cadeia de valor
• Risco de dependências de parceiros
• Risco de problemas de concorrência
Riscos Tecnoeconômico-Ambiental ( III )
• Risco de incapacidade técnica da rede
• Risco de falta de interoperabilidade
Riscos Tecnoeconômico ( II )
• Risco de Imprecisão na implantação
• Risco de intervenção negativas de clientes
• Risco de Interferência nos sinais
• Risco de Caos tecnológico
• Risco de Divulgação de dados privados
• Risco de análise ineficaz dos dados
• Risco de dados de má qualidade
• Risco de dificuldade de aceitação dos clientes
Riscos à Sustentabilidade
• Risco de ataque cibernético
Regulamentações
Riscos Tecnosocial ( II )
• Risco de relutância a mudanças
• Risco de consequências éticas provenientes de Inteligências Artificiais
•
Riscos Socioeconômicos ( II )
• Risco à integridade física de trabalhadores
Riscos Tecnosocioeconômicos ( III )
• Risco de falta de mão de obra qualificada
Dimensão de Riscos Sociais
Dimensão de Riscos Tecnológicos
Riscos Puramente Sociais ( I )
• Risco de problemas psicossociais
• Risco de desigualdade e tensões sociais
• Risco de perda de posições de trabalho
• Risco de Invasão de privacidade
102
5.3.1 Riscos de Nível I
Os riscos que podem trazem consequências para apenas uma das dimensões
separadamente são a seguir discutidos com intuito de trazer insigths provenientes
deste tipo de nível de riscos.
Riscos Puramente Econômicos
Os riscos puramente tecnológicos trazem uma relação interessante na forma
como as empresas se posicionarão frente aos efeitos negativos providentes da Quarta
Revolução Industrial. Essa afirmação é baseada no fato de que as empresas podem
necessitar cobrir o alto custo de implantação de toda infraestrutura necessária para
aplicação da Indústria 4.0 (REF1), ao passo que podem enfrentar problemas de um
retorno financeiro incerto (REF2). Segundo Lee e Lee (2015) e Kiel et al. (2017), as
empresas devem ser cuidadosas quanto ao investimento nas tecnologias emergentes.
Além da afirmação acima, os riscos REM1 (Risco de problemas de
concorrência) e REP (Risco de dependências de parceiros) demostram que o
mercado e o fornecimento de produtos e serviços pode se modificar e as empresas
precisam estar atentas em como se posicionar neste meio. Ao mesmo tempo que
enfrentam a concorrência e possível dependência de parceiros, as empresas
necessitarão olhar para sua própria cadeia de valor e verificar se seus parceiros estão
aptos para acompanhar seu desenvolvimento tecnológico (REP 2).
Riscos Puramente Sociais
Os riscos mapeados neste trabalho e categorizados como riscos puramente
sociais colocam questões em que os efeitos podem ser diretamente sentidos por
trabalhadores ou a sociedade como um todo. Numa perspectiva interna às empresas,
os trabalhadores podem enfrentar problemas psicossociais devido as pressões das
mudanças geradas pela Indústria 4.0 (RSC4) (BADRI, BOUDREAU-TRUDEL,
SOUISSI, 2018), ou enfrentar infrações à privacidade em que dados pessoais ficam
cada vez mais conectados (RSE2). Isso pode significar um trabalho da área de gestão
de pessoas necessitando agir sobre os trabalhadores para conduzir uma transição
tecnológica menos impactante, os fazendo se adaptar e se proteger contra possíveis
percalços. Imran e Kantola (2018) propõem que os desafios no gerenciamento dos
recursos humanos, podem ser administrados a partir de uma visão ligada a
103
competências dos trabalhadores com intuito de analisar fraquezas e fortalezas do
capital humano e desenvolvê-las de acordo.
Quanto abrangemos de forma mais ampla envolvendo toda uma sociedade,
os riscos que aparecem trazem questões de desigualdades ou tensões sociais (RSS1)
e perdas de posição de trabalho (RSS2). Aqui, as ações de prevenção podem ser
provenientes do setor público ou mesmo do meio privado com projetos sociais para
evitar o que Caruso (2017) traz como a discussão sobre os ganhos ficarem nas mãos
de poucos selecionados.
Riscos Puramente Ambientais
Esta categoria de riscos demonstra falta de estudos na literatura voltadas
questões ambientais no ambiente da Indústria 4.0. Dos quatro riscos ambientais
(código iniciados por “RA”), três deles ficaram alocados nesta categoria. Assim,
poucas relações entre outras dimensões puderam ser mapeadas. Além do mais, esta
categoria trouxe riscos que estão ligados a algum consumo de recursos, naturais ou
não, portanto, esperava-se que também trouxessem relações com a dimensão
financeira devido aos custos relacionados. No entanto, essas relações não se
mostram de forma explicita pelos pesquisadores.
Apesar das afirmações acima, as preocupações com o consumo de recursos
é um ponto de alerta trazido por esta categoria, tanto para a produção das novas
tecnologias como para sua operação (riscos RAR1, RAR2 e RAC2).
5.3.2 Riscos de Nível II
Os casos relacionados aos riscos que podem afetar dois conceitos de
sustentabilidade e, portanto, alocados em interseções de duas dimensões são
discutidos na sequência.
Riscos Tecnosociais
Os riscos Tecnosociais trazem questões de efeitos gerados através da
relação entre os trabalhadores e tecnologias da Quarta Revolução Industrial. Isso
acontece tanto no sentido humano para com as tecnologias, onde trabalhadores
podem se tornar relutantes às mudanças envolvidas na Indústria 4.0 (RSC2) (DE
104
SOUZA JABBOUR et. al., 2018) podendo dificultar a adoção de novas tecnologias,
como no sentido das tecnologias para com os humanos que podem ganhar atribuições
inteligentes de decisão e gerar consequências éticas (RSE1) (TADDEO, FLORIDI,
2018; WINFIELD et al., 2019).
Riscos Tecnoeconômico
Essa categoria é a que possui a maior quantidade de riscos, portanto,
questões tecnológicas e econômicas em conjunto são as mais discutidas na literatura.
Nesta categoria encontramos problemas relacionados ao uso ineficiente ou a própria
ineficiência técnica das tecnologias 4.0 e como podem afetar de forma negativa o setor
financeiro. Por exemplo, a interferência de sinais do excedente de tecnologias
conectadas (RTT1) ou o risco de caos tecnológico (RTT4) podem gerar perda
produtiva, assim como a análise ineficaz do Big Data (RTG1).
Além disso, essa categoria mostra como à relação com clientes pode afetar
questões tecnológicas e financeiras. Primeiramente, a intervenção dos clientes pode
ser uma realidade no meio produtivo durante todo o ciclo de fabricação (LI, HOU, WU,
2017) possibilitando a geração de ineficiências tecnológicas e, por consequência,
financeiras. Num extremo oposto, os clientes podem ter dificuldade de aceitar as
novas tecnologias e serviços (KIEL, ARNOLD, VOIGT, 2017), injustificado um
investimento.
Riscos Econômico-Ambientais
Nesta categoria, apenas um risco foi identificado e alocado, o qual descreve
como a geração de lixo de eletrônico pode ser também um problema financeiro devido
o investimento na correta destinação ou processamento do mesmo (RAC1). Isso
acontece devido ao fato de haver uma possível substituição de substituição de
tecnologia obsoletas (BONILLA et al., 2018).
Riscos Socioeconômicos
O risco à integridade física de trabalhadores é o único representante dessa
categoria. Este risco envolve a necessidade do desenvolvimento de padrões voltados
à segurança, em que empresas poderão ser demandadas de desprendimento de
105
investimentos para adaptar maquinários em casos onde trabalhadores necessitarão
realizar atividades com máquinas inteligentes. (BADRI, BOUDREAU-TRUDEL,
SOUISSI, 2018).
5.3.3 Riscos de Nível III
Na sequência são apresentados e discutidos os riscos encontrados nesta
pesquisa que podem afetar três conceitos de sustentabilidade simultaneamente.
Riscos Tecnoeconômico-Ambientais
Os riscos dessa categoria, demonstram que investir nas tecnologias em
evidência através do conceito da Indústria 4.0, exigem uma alta conectividade entre
os agentes participantes como sistemas ciber-físcos (CPS), organizações, humanos
e indústria através da Internet das Coisas e Internet de Serviços (HERMANN,
PENTEK, OTTO, 2015). Esta alta conectividade, além de poder trazer empecilhos
tecnológicos como a falta de interoperabilidade (RTT3) e incapacidade técnica da rede
(RTT2), pode acarretar em custos com substituição de maquinários obsoletos e
aumento no consumo de energia para redução de latência da rede de conexão (LI et
al., 2017). Além disso, pode gerar consequências ambientais como o próprio consumo
de energia (LI et al., 2017) e também o lixo eletrônico gerado pela substituição dos
equipamentos (BONILLA et al., 2018).
Riscos Tecnosocioeconômicos
Como representante desta categoria está o risco de falta de mão de obra
qualificada (RSC1). Além de ser um risco orginalmente social, pode ter consequências
tecnológicas devido a implementação bem-sucedida da Indústria 4.0 depender de
profissionais capacitados (MOKTADIR et al., 2018) e também consequências
econômicas devido a necessidade de investimentos em mão de obra qualificada (KIEL
et al., 2017).
5.3.4 Riscos à sustentabilidade
Como nesta pesquisa a Sustentabilidade é considerada como a capacidade
das empresas em equilibrar as quatro dimensões de forma a garantir seu sucesso
106
econômico, social, ambiental e tecnológico no contexto da Indústria 4.0, os riscos
atribuídos nessa categoria merecem atenção especial. Este é o caso do risco de
ataque cibernético que pode exercer efeito sobre as quatro dimensões.
Num contexto econômico, um ataque cibernético pode causar perda de
produtividade (LEZZI, LAZOI, CORALLO, 2018), produtos defeituosos, sucateamento
de máquinas (WU, SONG, MOON, 2019), etc. No âmbito social, a segurança de
trabalhadores pode ser ameaçada (GAO et al., 2015), pois ferimentos e perdas de
vidas podem ser causados pela manipulação de máquinas (JANSEN, JESCHKE,
2018). E quando tratamos de questões ambientais, podemos citar problemas como o
mencionado por Tuptuk e Hailes (2018) de vazamento de esgoto casado por um
ataque cibernético atingindo parques e rios, e também outros encontrados nos
trabalhos de Jansen e Jeschke (2018); Wu, Song e Moon (2019) e He et al. (2016).
Por fim, a questão tecnológica trata-se da própria interferência na execução e
manipulação das tecnologias.
Um fato que pode ter alocado este risco na categoria central, é o fato de ele
ser o risco mais comentado na literatura dentro do portfólio estudado (item 4.2.6). Isso
pode auxiliar a ter mais informações e facilitar a localização de relações com outras
dimensões.
5.3.5 Generalidades
De forma geral outros pontos podem ser encontrados a partir dos resultados
encontrado na Figura 25. Nota-se a partir desta distribuição que todos os riscos
tecnológicos (código iniciado por “RT”) possuem algum efeito sobre a sustentabilidade
econômica, pois todos eles encontram-se em áreas onde existe interseções com a
Dimensão de Riscos Econômicos. Destes, apenas dois estão contidos também na
interseção com a Dimensão de Riscos Ambientais (Risco de incapacidade técnica da
rede - RTT2 - e Risco de falta de interoperabilidade - RTT3), um ao centro da imagem
(risco de ataque cibernético – RTS1) e o restante na área de riscos Tecnoeconômicos.
Dessa forma, é possível entender que os efeitos sobre a sustentabilidade tecnológica
4.0 possui uma estreita relação com a sustentabilidade econômica.
Outro ponto que também pode ser notado é que algumas áreas da Figura 25
não foram preenchidas, principalmente as representantes dos riscos de nível III. No
entanto, o desenvolvimento desta forma de categorização possui o intuito de ser
107
aplicável em momentos futuros. Esta afirmação é baseada no fato da Quarta
Revolução Industrial ainda ser um tema muito recente, onde muitas tecnologias e
conceitos ainda não foram totalmente explorados ou aplicados. Portanto, riscos ainda
não mapeados podem surgir futuramente e, assim serem classificados segundo a
estrutura proposta por este trabalho. Além do mais, perspectivas diferentes podem
utilizadas para avaliar os riscos nas categorias construídas, como análises subjetivas
de gerentes que podem avaliar os efeitos dos riscos de acordo com seu contexto ou
visão de negócios.
Ainda sobre áreas vazias no gráfico, a categoria de riscos puramente
tecnológicos não apresentou representantes. Segundo a definição desta pesquisa, os
riscos puramente tecnológicos representaram aqueles que podem exercer efeitos
apenas sobre a sustentabilidade tecnológica 4.0 sem afetar questões econômicas,
sociais e ambientais. No entanto, é importante frisar que o presente trabalho possui
em seu escopo o ambiente industrial, no qual esta questão específica pode não estar
contida. Segundo Roblek, Meško e Krapež (2016), a indústria 4.0, apesar de ainda
estar em estado conceitual, pretende incluir características tecnológicas com caráter
dinâmico envolvendo múltiplos setores como de TI, mobilidade, construção, medicina,
etc. Dessa forma, riscos que estão fora do escopo industrial, em dimensões não
mapeadas neste trabalho, podem conter possíveis efeitos que não o social, ambiental
e econômico como os contextos de saúde ou culturais. Com isso, para que os
objetivos deste trabalho sejam preservados em relação ao ambiente industrial, o
capítulo posterior apresentará como sugestões para trabalhos futuros, o mapeamento
de riscos puramente tecnológicos, uma vez que este torna-se tema para um outro
trabalho.
5.4 CONSIDERAÇÕES SOBRE O CAPÍTULO
Este capítulo descreve a construção de uma modelo de categorização dos
riscos da indústria 4.0 a partir de uma perspectiva da sustentabilidade. A construção
do framework e as categorias desenvolvidas, sugerem uma forma de distribuir os
riscos baseados em seus efeitos sobre os quatro tipos de sustentabilidades utilizados
na pesquisa (sustentabilidade econômica, sustentabilidade social, sustentabilidade
ambiental e sustentabilidade tecnológica 4.0).
108
Desta forma, é possível verificar como os riscos se comportam dentro das
dimensões e as relações baseados na literatura. Assim, pontos relativos a que tipo de
efeitos os riscos podem tomar, são estabelecidos. Além disso, este modelo pode ser
utilizado em estudo futuros para categorizar riscos futuros.
Outro ponto a ser levado em consideração é o fato do modelo se mostrar
flexível para utilização em perspectivas e contextos específicos de empresas. Como
a presente pesquisa utilizou a literatura como base de julgamento de como os riscos
poderiam ser categorizados dentro do modelo proposto, gerentes e especialistas
podem avaliar os efeitos dos riscos de maneira diferente e categorizá-los de acordo.
Isto pode ajudar empresas a se preparar para Quarta Revolução Industrial dentro de
sua realidade.
Por fim, o modelo também apresentou possíveis análises para dimensões fora
do escopo estudado, podendo preencher a área de dimensão tecnológica que se
mostrou vazia. Isto pode ser o estopim para estudos na área de gerenciamento de
riscos no contexto da Indústria 4.0, principalmente em questões além do escopo
industrial como saúde, cultura, etc.
109
6 CONSIDERAÇÕES FINAIS
Este capítulo tem o objetivo de apresentar as considerações finais da
pesquisa realizada. Com intuito de deixo mais organizado, será dividido em seções:
Análise dos objetivos, considerações gerais, contribuições do trabalho e limitações e
sugestões para trabalhos futuros.
6.1 ANÁLISE DOS OBJETIVOS
O presente trabalho atingiu o objetivo geral proposto: Desenvolver um modelo
teórico de categorização dos riscos negativos provenientes da implantação das
tecnologias e conceitos da Indústria 4.0 sobre empresas do setor industrial. Além
disso, trouxe uma forma de categorização que pode ser utilizada para futuros riscos
ainda a ser mapeados no contexto da Quarta Revolução Industrial.
Os objetivos específicos também foram atingidos e as considerações sobre
cada um pode ser vista a seguir.
1. Realizar uma revisão bibliográfica sistematizada (RBS) para construção
de um portfólio bibliográfico a ser utilizado como base teórica da
pesquisa: Foi atingido no capítulo de metodologia, onde é descrito passo a
passo e resultou no portfólio de 66 artigos utilizado na pesquisa.
2. Realizar uma Análise Bibliométrica dos artigos utilizados na construção
da pesquisa: Foi atingido através do estudo bibliométrico do item 4.1.
3. Realizar uma análise temática para mapeamento dos riscos da Indústria
4.0: Foi atingido no item 4.2, onde cada risco foi discutido individualmente
mapeados através dos passos propostas na metodologia utilizando o software
Nvivo®. Além disso, o item 4.2.6 demonstra o resultado do estudo quantitativo
dos riscos mapeados.
4. Propor um framework teórico dos riscos mapeados baseado em seus
possíveis efeitos: Foi atingido na construção do framework do item 5.1, onde
é possível visualizar como ele foi estabelecido baseado no Tripple Bottom Line.
5. Construir categorias de risco a partir do framework proposto: pode ser
visto no item dos resultados 5.2. Cada categoria foi construída baseada no
framework desenvolvido.
110
6. Categorizar os riscos mapeados a partir do modelo construído: Foi
atingido no item 5.3, no qual os riscos mapeados foram categorizados segundo
as categorias construídas.
6.2 CONSIDERAÇÕES GERAIS
A indústria 4.0 possui o potencial de gerar grandes mudanças no contexto
industrial, no entanto, vulnerabilidades e riscos podem estar envolvidos durante a
implantação das novas tecnologias e transformação digital de empresas. Dessa
forma, o presente trabalho traz uma visão sobre os potencias riscos provenientes a
implantação da Indústria 4.0 no setor industrial numa perspectiva da sustentabilidade.
Para isto, foram mapeados e discutidos os riscos a partir de uma extensa revisão da
literatura relacionando as palavras-chave “risco” e “indústria 4.0”.
Após o mapeamento dos riscos foi possível dividi-los em quatro dimensões
(Riscos Econômicos, Riscos Sociais, Riscos Ambientais e Riscos Tecnológicos)
baseadas nos efeitos que os riscos possuem em quatro conceitos de sustentabilidade
definidos a partir da literatura (sustentabilidade econômica, sustentabilidade social,
sustentabilidade ambiental e sustentabilidade tecnológica 4.0).
A partir da discussão e estudo quantitativo dos riscos foi possível perceber
que existem mais questões tecnológicas e sociais discutidas na literatura e questões
econômicas e ambientais precisam de mais contribuições acadêmicas. Os riscos
econômicos demonstraram vulnerabilidade financeiras, de planejamento e
mercadológicas. Os riscos sociais apresentam possíveis efeitos tanto interna (capital
humano) como externamente aos limites empresariais (sociedade) além de questões
éticas e legais. Os riscos ambientais demonstram haver possíveis aumentos no
consumo de recursos naturais e poluição. E na perspectiva tecnológica, riscos
técnicos, de segurança de dados e manuseio de dados são apresentados. Além disso,
questões regulamentares foram verificadas, onde todas as dimensões podem ser
influenciadas.
Além da discussão dos riscos, o estudo de seus efeitos permitiu desenvolver
um framework para representar as relações entre as dimensões devido a alguns riscos
apresentarem a condição de poder exercer efeito em mais de um tipo de
sustentabilidade. O framework construído possibilitou o desenvolvimento de
111
categorias, no qual tanto riscos puros (com efeito em apenas uma sustentabilidade)
quanto riscos que possuem a condição descrita poderiam ser alocados.
Foi possível entender também através da caracterização dos riscos que a
sustentabilidade tecnológica possui estreita relação com a sustentabilidade
econômica. Além disso, relações entre as outras dimensões também foram
encontradas, nas quais é possível visualizar de forma completa como os riscos
levantados podem ser distribuídos.
Apesar de não serem encontrados riscos puramente tecnológicos, riscos
dessa categoria poderiam ser mapeados em relação a questão de substituição de
softwares que não afetam questões econômicas, sociais ou ambientais. Este tipo de
ocasião pode ser encontrado na grande concorrência de empresas de TI que gera
grande oferta de serviços tecnológicos.
Além disso, a forma de caracterização construída se mostra útil para futuros
mapeamentos de riscos pois garante abertura para categorizar questões que ainda
não foram encontradas ou discutidas sobre a Indústria 4.0. Por se tratar de um tema
recente, muitos riscos ainda podem ser encontrados e categorizados segundo a
proposta deste trabalho, enaltecendo dessa forma, a importância e relevância do
presente trabalho.
6.3 CONTRIBUIÇÕES DO TRABALHO
Diante da originalidade do presente trabalho, visualizada através das
pesquisas obtidas a partir do portfólio bibliográfico, nota-se a importância deste estudo
no contexto mundial atual, onde a Quarta Revolução Industrial é eminente. Conhecer
os riscos da Indústria 4.0 instiga o embasamento de futuras pesquisas sobre o mesmo
tema, além de promover o conhecimento industrial sobre os riscos da indústria 4.0, o
que melhora economicamente e socialmente as chances de obter melhores resultados
a partir da implantação dos conceitos de indústria por parte das indústrias, dado o
impacto e magnitude do tema “Indústria 4.0” em questão.
Para melhor organizar as contribuições deste trabalho, estes serão divididos
em acadêmico, econômico e social.
Âmbito Acadêmico: Numa perspectiva teórica, o trabalho contribui para a
construção literária sobre a Indústria 4.0, principalmente no tema relacionado aos
112
riscos negativos que ainda não possui aporte teórico considerável. Além do mais, este
estudo pode ser visto como uma integração ao conceito de sustentabilidade do Tripple
Bottom Line de Elkington, pois uma nova dimensão é proposta e questões
tecnológicas podem ser tratas em uma perspectiva própria. Outro ponto interessante,
é questão de os riscos mapeados estarem apensa no contexto empresarial, propondo
possíveis novos estudos para categorias não abrangidas.
Por fim, esta pesquisa desenvolveu uma metodologia de análise temática
(item 3.4) que pode auxiliar em pesquisas qualitativas futuras.
Âmbito Econômico: As empresas podem verificar como riscos dentro de seu
contexto pode afetar os pilares da sustentabilidade e se preparar para problemas
esperados. Além disso, os riscos futuros que podem surgir durante a mudança
tecnológica podem ser categorizados segundo o framework proposto e entender e tipo
de efeito podem gerar. Assim, entender a natureza dos riscos da Quarta Revolução
Industrial ajuda a prevenir problemas, evitar gastos inesperados e contornar pontos
negativos. Como este estudo faz parte de uma das etapas de um gerenciamento de
riscos (Levantamento dos riscos), pode ajudar gerentes a ter uma primeira noção de
como iniciar esta análise dentro do âmbito de sua empresa.
Âmbito Social: A sociedade pode se beneficiar deste estudo através das
discussões sociais estabelecidas nesta pesquisa. Questões como desigualdade
social, desemprego e qualificação profissional são pontos levantados que podem ser
o estopim de novos estudos. Órgãos públicos podem se preparar melhor para estes
desafios com intuito de minimizá-los e as empresas podem apoiar a diminuição dos
impactos negativos através do conhecimento prévio levantado neste trabalho. Além
disso, um ponto levantado é a questão de desigualdades entre países, onde nações
inteiras podem necessitar estar atentas em questões de desenvolvimento tecnológico.
E ainda, a questão das regulamentações levantadas no item 4.2.5 é um ponto
importante, pois podem ajudar no processo de padronização que ainda é frágil no
contexto da Indústria 4.0 tanto em questões econômicas como ambientais, sociais e
ético-legais.
113
6.4 SUGESTÕES PARA TRABALHOS FUTUROS
Como o estudo realizado utilizou apenas a literatura para o levantamento dos
riscos, pesquisas baseadas na aplicação do modelo teórico através de opiniões de
especialistas podem ser realizadas onde novos riscos podem ser mapeados. A
aplicação também pode ser realizada dentro do escopo de uma empresa específica
para verificar como os riscos se comportam dentro de um contexto prático ou mesmo
em diferentes setores industrias (e.g., indústria alimentícia, indústria automobilística,
indústria têxtil, etc.).
A perspectiva puramente teórica deste estudo também abre espaço para
pesquisas quantitativas, onde a probabilidade e o impacto dos riscos mapeados
podem ser avaliados. Além disso, investigações voltadas a estratégias de mitigação e
monitoramento dos riscos levantados podem ser estruturadas.
Outra sugestão para trabalhos futuros é a investigação dos riscos puramente
tecnológicos, pois apenas o setor industrial foi pesquisado, assim, novos estudos
podem ser realizados para verificar se novas dimensões podem ser mapeadas em
escopos de pesquisa diferentes (e.g. Saúde, Cultura, Smart Cities, etc.) que não o
econômico, social, ambiental ou tecnológico.
Através do estudo quantitativo dos riscos do item 4.2.6, pode-se perceber que
existem poucos trabalhos voltados para a perspectiva ambiental abrindo espaço para
pesquisas nesta área. Isto também é percebido para questões econômicas que
aparecem apenas na oitava posição no ranking de representatividade dentro do
portfólio estudado. Além do mais, não foram verificados trabalhos que estudassem a
viabilidade da Indústria 4.0, tornando-se um ponto importante para pesquisas futuras.
114
REFERÊNCIAS BIBLIOGRÁFICAS
ABNT – Associação Brasileira de Normas Técnicas. NBR ISO 31000/2018
Gerenciamento de Riscos–Diretrizes. Rio de Janeiro, ABNT, 2018.
ABREPRO- Associação Brasileira de Engenharia de Produção. A Profissão.
Disponível em: <http://portalabepro.educacao.ws/a-profissao /#1521896790619c
29714ce-c6b0>. Acesso em: 02 de Nov. 2019.
ALMEIDA, A. T.; FLEURY, A.; RACHID, A.; LERIPIO, A. A.; PICHARSKI, A. E. T.;
TORKOMIAN, A. L. V.; COSTA, A. P. C. S.; BORNIA, A. C.; RENTES, A. F.;
ALLEDI, C.; SANTOS, F. C. A.; MÁSCULO, F. S.; CAMPOS, L. M. S.; MEIRIÑO, M.
J.; CARVALHO, M. M.; QUELHAS, O. L. G.; SELIG, P. M.; MORABITO, R.
NAVEIRO, R. M. Introdução a Engenharia de Produção. In: Mário Otávio Batalha
(Org). 1. Ed. Rio de Janeiro: Editora Elsevier, 2007, 296p.
AL-JAROODI, Jameela; MOHAMED, Nader; JAWHAR, Imad. A service-oriented
middleware framework for manufacturing industry 4.0. ACM SIGBED Review, v. 15,
n. 5, p. 29-36, 2018.
AMINI, Mehdi; BIENSTOCK, Carol C.; NARCUM, John A. Status of corporate
sustainability: a content analysis of Fortune 500 companies. Business Strategy and
the Environment, v. 27, n. 8, p. 1450-1461, 2018.
AHUETT-GARZA, H.; KURFESS, T. A brief discussion on the trends of habilitating
technologies for Industry 4.0 and Smart manufacturing. Manufacturing Letters, v.
15, p. 60-63, 2018.
AVEN, Terje; ZIO, Enrico. Foundational issues in risk assessment and risk
management. Risk Analysis, v. 34, n. 7, p. 1164-1172, 2014.
BADRI, Adel; BOUDREAU-TRUDEL, Bryan; SOUISSI, Ahmed Saâdeddine.
Occupational health and safety in the industry 4.0 era: A cause for major
concern?. Safety Science, v. 109, p. 403-411, 2018.
BASSETO, A. L. C. Modelo de maturidade para a análise das indústrias no
contexto da indústria 4.0. 2019. 184 f. Dissertação (Mestrado em Engenharia de
Produção) - Programa de Pós-Graduação em Engenharia de Produção,
Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2019.
BARRETO, L.; AMARAL, A.; PEREIRA, T. Industry 4.0 implications in logistics: an
overview. Procedia Manufacturing, v. 13, p. 1245-1252, 2017.
BAHRIN, Mohd Aiman Kamarul; OTHMAN, Mohd F.; AZLI, Nor Hayati; TALIB,
Muhamad. Industry 4.0: A review on industrial automation and robotic. Jurnal
Teknologi, v. 78, n. 6-13, p. 137-143, 2016.
115
BERMAN, Barry. 3-D printing: The new industrial revolution. Business Horizons. p.
155-162. mar. 2012.
BOLANLE, Amole Bilqis; ADEBIYI, Sulaimon Olanrewaju; MUYIDEEN, Awolaja
Ayodeji. Corporate social responsibility and profitability of Nigeria banks-a causal
relationship. Research journal of finance and accounting, v. 3, n. 1, p. 6-17, 2012.
BOLIS, Ivan; MORIOKA, Sandra N.; SZNELWAR, Laerte I.. When sustainable
development risks losing its meaning. Delimiting the concept with a comprehensive
literature review and a conceptual model. Journal Of Cleaner Production. p. 7-20.
set. 2014.
BONILLA, Silvia et al. Industry 4.0 and Sustainability Implications: A Scenario-Based
Analysis of the Impacts and Challenges. Sustainability, v. 10, n. 10, p. 3740, 2018.
BOSTRÖM, Magnus. A missing pillar? Challenges in theorizing and practicing social
sustainability: introduction to the special issue. Sustainability: Science, practice
and policy, v. 8, n. 1, p. 3-14, 2012.
BOYATZIS, Richard E. Transforming qualitative information: Thematic analysis
and code development. sage, 1998.
BUER, Sven-Vegard; STRANDHAGEN, Jan Ola; CHAN, Felix TS. The link between
Industry 4.0 and lean manufacturing: mapping current research and establishing a
research agenda. International Journal of Production Research, v. 56, n. 8, p.
2924-2940, 2018.
BRETTEL, Malte et al. How virtualization, decentralization and network building
change the manufacturing landscape: An Industry 4.0 Perspective. International
journal of mechanical, industrial science and engineering, v. 8, n. 1, p. 37-44,
2014.
BROMILEY, Philip et al. Enterprise risk management: Review, critique, and research
directions. Long range planning, v. 48, n. 4, p. 265-276, 2015.
CARUSO, Loris. Digital innovation and the fourth industrial revolution: epochal social
changes?. AI & SOCIETY, p. 1-14, 2017.
CAGLIANO, Anna Corinna; GRIMALDI, Sabrina; RAFELE, Carlo. Choosing project
risk management techniques. A theoretical framework. Journal Of Risk Research.
Torinto, p. 232-248. mar. 2014.
CAMACHO, Diogo M. et al. Next-generation machine learning for biological
networks. Cell, 2018.
CONNELLY, J. Thomas; LIMPAPHAYOM, Piman. Environmental reporting and firm
performance: evidence from Thailand. Journal of Corporate Citizenship, n. 13, p.
137-149, 2004.
116
CHEN, Baotong et al. Smart factory of industry 4.0: key technologies, application
case, and challenges. IEEE Access, v. 6, p. 6505-6519, 2018.
CHO, Vincent; CHAN, Aman. An integrative framework of comparing SaaS adoption
for core and non-core business operations: An empirical study on Hong Kong
industries. Information Systems Frontiers. p. 629-644. jun. 2015.
DA SILVA, Márcia Regina; HAYASHI, Carlos Roberto Massao; HAYASHI, Maria
Cristina Piumbato Innocentini. Análise bibliométrica e cientométrica: desafios para
especialistas que atuam no campo. InCID: Revista de Ciência da Informação e
Documentação, v. 2, n. 1, p. 110-129, 2011.
DAI, Jun; VASARHELYI, Miklos A. Imagineering Audit 4.0. Journal of Emerging
Technologies in Accounting, v. 13, n. 1, p. 1-15, 2016.
DAWSON, Maurice. Cyber security policies for hyperconnectivity and Internet of
Things: a process for managing connectivity. In: INFORMATION TECHNOLOGY-
NEW GENERATIONS. Springer, Cham, 2018. p. 911-914.
DE SOUZA JABBOUR, Ana Beatriz Lopes et al. When titans meet–Can industry 4.0
revolutionise the environmentally-sustainable manufacturing wave? The role of
critical success factors. Technological Forecasting and Social Change, v. 132, p.
18-25, 2018.
DIONNE, Georges. Risk management: History, definition, and critique. Risk
Management and Insurance Review, v. 16, n. 2, p. 147-166, 2013.
DUNKE, Fabian; HECKMANN, Iris; NICKEL, Stefan; GAMA, Francisco Saldanha da.
Time traps in supply chains: Is optimal still good enough? European Journal of
Operational Research. Vol. 264, p. 813-829. fev. 2018.
DYLLICK, Thomas; HOCKERTS, Kai. Beyond the business case for corporate
sustainability. Business strategy and the environment, v. 11, n. 2, p. 130-141,
2002.
ELKINGTON, J. Accounting for the triple bottom line. Measuring Business
Excellence, v. 2, n. 3, p. 18-22, 1998a.
ELKINGTON, J. Partnerships from cannibals with forks: The triple bottom line of 21st‐
century business. Environmental quality management, v. 8, n. 1, p. 37-51, 1998b.
ELKINGTON, J. Enter the triple bottom line. In: Henriques, A., Richardson, J. (EDS.).
The Triple Bottom Line: Does it All Add Up?. Londres: Earthscan, 2004. Cap.1, p. 1
-16.
EMANI, Cheikh Kacfah; CULLOT, Nadine; NICOLLE, Christophe. Understandable
big data: a survey. Computer science review, v. 17, p. 70-81, 2015.
117
EIZENBERG, Efrat; JABAREEN, Yosef. Social sustainability: A new conceptual
framework. Sustainability, v. 9, n. 1, p. 68, 2017.
FABER, Niels; JORNA, René; VAN ENGELEN, Jo. The sustainability of
“sustainability” — a study into the conceptual foundations of the notion of
“sustainability”. Journal Of Environmental Assessment Policy And Management.
p. 1-33. mai 2005.
FOIDL, Harald; FELDERER, Michael. Research challenges of industry 4.0 for quality
management. In: FELDERER M., PIAZOLO F., ORTNER W., BREHM L., HOF HJ.
(EDS) INNOVATIONS IN ENTERPRISE INFORMATION SYSTEMS
MANAGEMENT AND ENGINEERING. ERP Future 2015. Lecture Notes in
Business Information Processing, vol 245. Springer, Cham, 2016. p. 121-137.
FONSECA, Luis Miguel. Industry 4.0 and the digital society: concepts, dimensions and
envisioned benefits. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE
ON BUSINESS EXCELLENCE. Sciendo, 2018. p. 386-397.
FREDDI, Daniela. Digitalisation and employment in manufacturing. AI & SOCIETY, v.
33, n. 3, p. 393-403, 2018.
GAO, Robert et al. Cloud-enabled prognosis for manufacturing. CIRP annals, v. 64,
n. 2, p. 749-772, 2015.
GIBSON, Robert B. Beyond the pillars: sustainability assessment as a framework for
effective integration of social, economic and ecological considerations in significant
decision-making. Journal of Environmental Assessment Policy and
Management, v. 8, n. 03, p. 259-280, 2006.
GIL, A. C. Métodos e Técnicas de Pesquisa Social. 6 Ed. São Paulo: Editora
Atalas, 2008, 200p.
GOBBO JUNIOR, Jose Alcides et al. Making the links among environmental
protection, process safety, and industry 4.0. Process Safety and Environmental
Protection, v. 117, p. 372-382, 2018.
HARVEY NASH / KPMG. Harvey Nash / KPMG CIO Survey 2019: A changing
perspective. Disponível em: <https://home.kpmg/br/pt/home/insights/2019/06/harvey-
nash-kpmg-cio-survey-2019.html>. Acesso em: 20 jan. 2019.
HAMMER, Janet; PIVO, Gary. The triple bottom line and sustainable economic
development theory and practice. Economic Development Quarterly, v. 31, n. 1, p.
25-36, 2017.
HE, Hongmei et al. The security challenges in the IoT enabled cyber-physical
systems and opportunities for evolutionary computing & other computational
intelligence. In: 2016 IEEE Congress on Evolutionary Computation (CEC). p.
1015-1021. IEEE, 2016.
118
HIRSCHI, Andreas. The fourth industrial revolution: Issues and implications for
career research and practice. The Career Development Quarterly, v. 66, n. 3, p.
192-204, 2018.
HECKMANN, Iris; COMES, Tina; NICKEL, Stefan. A critical review on supply chain
risk–Definition, measure and modeling. Omega, v. 52, p. 119-132, 2015.
HERMANN, Mario; PENTEK, Tobias; OTTO, Boris. Design Principles for Industrie
4.0 Scenarios: A Literature Review. Working Paper. Dortmund, p. 3-16. jan. 2015.
HO, William; ZHENG, Tian; YILDIZ, Hakan; TALLURI, Srinivas. Supply chain risk
management: a literature review. International Journal of Production Research, v.
53, n. 16, p. 5031-5069, 2015.
HOFMANN, Erik; RÜSCH, Marco. Industry 4.0 and the current status as well as
future prospects on logistics. Computers in Industry, v. 89, p. 23-34, 2017.
HOFBAUER, Günter; SANGL, Anita. Considerations to Rearrange the Value Chain.
Archives of Business Research, v. 6, n. 4, 2018.
HUBBARD, Graham. Measuring organizational performance: beyond the triple
bottom line. Business strategy and the environment, v. 18, n. 3, p. 177-191, 2009.
IBARRA, Dorleta; GANZARAIN, Jaione; IGARTUA, Juan Ignacio. Business model
innovation through Industry 4.0: A review. Procedia Manufacturing, v. 22, p. 4-10,
2018.
IVANOV, Dmitry; DOLGUI, Alexandre; SOKOLOV, Boris. The impact of digital
technology and Industry 4.0 on the ripple effect and supply chain risk analytics.
International Journal of Production Research, p. 1-18, 2018.
IMRAN, Faisal; KANTOLA, Jussi. Review of Industry 4.0 in the Light of
Sociotechnical System Theory and Competence-Based View: A Future Research
Agenda for the Evolute Approach. In: INTERNATIONAL CONFERENCE ON
APPLIED HUMAN FACTORS AND ERGONOMICS. Springer, Cham, 2018. p. 118-
128.
JANSEN, Christoph; JESCHKE, Sabina. Mitigating risks of digitalization through
managed industrial security services. AI & SOCIETY, v. 33, n. 2, p. 163-173, 2018.
KAGERMANN, Henning; WAHLSTER, Wolfgang; HELBIG, Johannes.
Recommendations for implementing the strategic initiative INDUSTRIE 4.0.
Berlim: Acatech, 2013.
KALØR, Anders Ellersgaard et al. Network slicing in industry 4.0 applications:
Abstraction methods and end-to-end analysis. IEEE Transactions on Industrial
Informatics, v. 14, n. 12, p. 5419-5427, 2018.
119
KAMBLE, Sachin S.; GUNASEKARAN, Angappa; SHARMA, Rohit. Analysis of the
driving and dependence power of barriers to adopt industry 4.0 in Indian
manufacturing industry. Computers in Industry, v. 101, p. 107-119, 2018.
KAMBLE, Sachin S.; GUNASEKARAN, Angappa; GAWANKAR, Shradha A.
Sustainable Industry 4.0 framework: A systematic literature review identifying the
current trends and future perspectives. Process Safety and Environmental
Protection, v. 117, p. 408-425, 2018.
KIEL, Daniel et al. Sustainable industrial value creation: Benefits and challenges of
industry 4.0. International journal of innovation management, v. 21, n. 08, 2017.
KIEL, Daniel; ARNOLD, Christian; VOIGT, Kai-Ingo. The influence of the Industrial
Internet of Things on business models of established manufacturing companies–A
business level perspective. Technovation, v. 68, p. 4-19, 2017.
KIETZMANN, Jan; PITT, Leyland; BERTHON, Pierre. Disruptions, decisions, and
destinations: Enter the age of 3-D printing and additive manufacturing. Business
Horizons, v. 58, n. 2, p. 209-215, 2015.
KIRCHEN, Iris et al. Metrics for the evaluation of data quality of signal data in
industrial processes. In: 2017 IEEE 15TH INTERNATIONAL CONFERENCE ON
INDUSTRIAL INFORMATICS (INDIN). IEEE, 2017. p. 819-826.
KHAN, Maqbool et al. Big data challenges and opportunities in the hype of Industry
4.0. In: 2017 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS
(ICC). IEEE, 2017. p. 1-6.
LANKOSKI, Leena. Alternative conceptions of sustainability in a business context.
Journal of cleaner production, v. 139, p. 847-857, 2016.
LASI, Heiner; FETTKE, Peter; KEMPER, Georg H.; FELD, Thomas; HOFFMANN,
Michael. Industry 4.0. Business & Information Systems Engineering, v. 6, n. 4, p.
239-242, 2014.
LEE, In; LEE, Kyoochun. The Internet of Things (IoT): Applications, investments, and
challenges for enterprises. Business Horizons, v. 58, n. 4, p. 431-440, 2015.
LEZZI, Marianna; LAZOI, Mariangela; CORALLO, Angelo. Cybersecurity for Industry
4.0 in the current literature: A reference framework. Computers in Industry, v. 103,
p. 97-110, 2018.
LIAO, Yongxin et al. The impact of the fourth industrial revolution: a cross-country /
region comparison. Production, v. 28, 2018.
LI, Xiaomin et al. A review of industrial wireless networks in the context of Industry
4.0. Wireless networks, v. 23, n. 1, p. 23-41, 2017.
120
LI, Guoping; HOU, Yun; WU, Aizhi. Fourth Industrial Revolution: technological
drivers, impacts and coping methods. Chinese Geographical Science, v. 27, n. 4, p.
626-637, 2017.
LI, Shancang; DA XU, Li; ZHAO, Shanshan. The internet of things: a survey.
Information Systems Frontiers, v. 17, n. 2, p. 243-259, 2015.
LIN, Chun-Cheng et al. Key design of driving industry 4.0: Joint energy-efficient
deployment and scheduling in group-based industrial wireless sensor networks. IEEE
Communications Magazine, v. 54, n. 10, p. 46-52, 2016.
LIU, Yongkui; XU, Xun. Industry 4.0 and cloud manufacturing: A comparative
analysis. Journal of Manufacturing Science and Engineering, v. 139, n. 3, 2017.
LU, Yang. Industry 4.0: A survey on technologies, applications and open research
issues. Journal of Industrial Information Integration, v. 6, p. 1-10, 2017.
LU, Yang; PAPAGIANNIDIS, Savvas; ALAMANOS, Eleftherios. Internet of Things: A
systematic review of the business literature from the user and organisational
perspectives. Technological Forecasting and Social Change, v. 136, p. 285-297,
2018.
LUTHRA, Sunil; MANGLA, Sachin Kumar. Evaluating challenges to Industry 4.0
initiatives for supply chain sustainability in emerging economies. Process Safety
and Environmental Protection, v. 117, p. 168-179, 2018.
MAN, Johannes Cornelis de; STRANDHAGEN, Jan Ola. An Industry 4.0 research
agenda for sustainable business models. Procedia Cirp, v. 63, p. 721-726, 2017.
MAYNARD, Andrew D. Navigating the fourth industrial revolution. Nature
nanotechnology, v. 10, n. 12, p. 1005, 2015.
MELO, T.; NICKEL, S.; SALDANHA-DA-GAMA, F. Network design decisions in
supply chain planning. Fraunhofer-institut Für Techno- Und
Wirtschaftsmathematik. p. 1-19. jun. 2008.
MOURATIDIS, Haralambos; DIAMANTOPOULOU, Vasiliki. A Security Analysis
Method for Industrial Internet of Things. IEEE Transactions on Industrial
Informatics, v. 14, n. 9, p. 4093-4100, 2018.
MOORE, Julia E. et al. Developing a comprehensive definition of sustainability.
Implementation Science, v. 12, n. 1, p. 110, 2017.
MORELLI, John. Environmental sustainability: A definition for environmental
professionals. Journal of environmental sustainability, v. 1, n. 1, p. 2, 2011.
MOKTADIR, Md Abdul et al. Assessing challenges for implementing Industry 4.0:
Implications for process safety and environmental protection. Process Safety and
Environmental Protection, v. 117, p. 730-741, 2018.
121
MÜLLER, Julian Marius; BULIGA, Oana; VOIGT, Kai-Ingo. Fortune favors the
prepared: How SMEs approach business model innovations in Industry 4.0.
Technological Forecasting and Social Change, v. 132, p. 2-17, 2018.
MÜLLER, Julian Marius; KIEL, Daniel; VOIGT, Kai-Ingo. What drives the
implementation of Industry 4.0? The role of opportunities and challenges in the
context of sustainability. Sustainability, v. 10, n. 1, p. 247, 2018.
NORMAN, Wayne; MACDONALD, Chris. Getting to the bottom of “triple bottom line”.
Business ethics quarterly, v. 14, n. 2, p. 243-262, 2004.
ÖZDEMIR, Vural. The dark side of the moon: the internet of things, industry 4.0, and
the quantified planet. Omics: a journal of integrative biology, v. 22, n. 10, p. 637-
641, 2018.
PAGANI, Regina. N.; KOVALESKI, João Luiz.; RESENDE, Luis Maurício. Methodi
Ordinatio: a proposed methodology to select and rank relevant scientific papers
encompassing the impact 95 factor, number of citation, and year of publication.
Scientometrics, v. 105, n. 3, p. 2109-2135, 2015.
PILLONI, Virginia. How data will transform industrial processes: Crowdsensing,
crowdsourcing and big data as pillars of Industry 4.0. Future Internet, v. 10, n. 3, p. 24,
2018.
PICCAROZZI, Michela; AQUILANI, Barbara; GATTI, Corrado. Industry 4.0 in
management studies: A systematic literature review. Sustainability, v. 10, n. 10, p.
3821, 2018.
PORTER, Michael. Vatangem Competitiva: Criando e sustentando um desempenho
superior. 16a Edição. Rio de Janeiro: Campus, 1989.
PORTER, Michael. Competitive Advantage. New York: Free Press, 1985.
PMI. A Guide to the Project Management Body of Knowledge. 5. ed. Pennsylvania:
Project Management Institute, 2013.
PREUVENEERS, Davy; ILIE-ZUDOR, Elisabeth. The intelligent industry of the future:
A survey on emerging trends, research challenges and opportunities in Industry 4.0.
Journal of Ambient Intelligence and Smart Environments, v. 9, n. 3, p. 287-298,
2017.
PREMM M., KIRN S. A Multiagent Systems Perspective on Industry 4.0 Supply
Networks. In: Müller J., Ketter W., Kaminka G., Wagner G., Bulling N. (eds) Multiagent
System Technologies. MATES 2015. Lecture Notes in Computer Science, Vol. 9433.
Springer, Cham, 2015.
PFEIFFER, Sabine. The Vision of “Industrie 4.0” in the Making—a Case of Future Told,
Tamed, and Traded. Nanoethics. Vol. 11, p. 107-121. jan. 2017.
122
QOSE, Anisa; PERI, Leonidha; PROKO, Arsen. Value Chain Analysis of Maps on
Skrapari's Area. Albanian Journal of Agricultural Sciences, v. 17, n. 4, p. 243-250,
2018.
RADANLIEV, Petar et al. Economic impact of IoT cyber risk-analysing past and present
to predict the future developments in IoT risk analysis and IoT cyber insurance. In:
LIVING IN THE INTERNET OF THINGS: CYBERSECURITY OF THE IOT. 2018,
London. IET Conference Publications, London. p. 1-9. 2018.
RAJNAI, Zoltán; KOCSIS, István. Labor market risks of industry 4.0, digitization, robots
and AI. In: 2017 IEEE 15TH INTERNATIONAL SYMPOSIUM ON INTELLIGENT
SYSTEMS AND INFORMATICS (SISY). IEEE. p. 343-346, 2017.
RAMADAN, Muawia; AL-MAIMANI, Hassan; NOCHE, Bernd. RFID-enabled smart
real-time manufacturing cost tracking system. The International Journal of
Advanced Manufacturing Technology, v. 89, n. 1-4, p. 969-985, 2017.
RENNINGS, Klaus; SCHRÖDER, Michael; ZIEGLER, Andreas. The Economic
Performance of European Stock Corporations. Greener Management International,
n. 44, 2003.
REISCHAUER, Georg. Industry 4.0 as policy-driven discourse to institutionalize
innovation systems in manufacturing. Technological Forecasting and Social
Change, v. 132, p. 26-33, 2018.
ROBLA-GÓMEZ, Sandra et al. Working together: A review on safe human-robot
collaboration in industrial environments. IEEE Access, v. 5, p. 26754-26773, 2017.
ROBLEK, Vasja; MEŠKO, Maja; KRAPEŽ, Alojz. A Complex View of Industry 4.0.
Sage Open. p. 1-11. abr. 2016.
ROMERO, David et al. Digitalizing Occupational Health, Safety and Productivity for the
Operator 4.0. In: IFIP INTERNATIONAL CONFERENCE ON ADVANCES IN
PRODUCTION MANAGEMENT SYSTEMS. Springer, Cham, 2018. p. 473-481.
SALAS‐ZAPATA, Walter Alfredo; ORTIZ‐MUÑOZ, Sara Milena. Analysis of meanings
of the concept of sustainability. Sustainable Development, v. 27, n. 1, p. 153-161,
2019.
SALENTO, Angelo. Digitalisation and the regulation of work: theoretical issues and
normative challenges. AI & SOCIETY, p. 1-10, 2018.
SALEEM, Jibran et al. IoT standardisation: challenges, perspectives and solution. In:
PROCEEDINGS OF THE 2ND INTERNATIONAL CONFERENCE ON FUTURE
NETWORKS AND DISTRIBUTED SYSTEMS. ACM, 2018. p. 1-9.
SAUCEDO-MARTÍNEZ, Jania Astrid et al. Industry 4.0 framework for management
and operations: a review. Journal of Ambient Intelligence and Humanized
Computing, p. 1-13, 2018.
123
SISINNI, Emiliano et al. Industrial internet of things: Challenges, opportunities, and
directions. IEEE Transactions on Industrial Informatics, v. 14, n. 11, p. 4724-4734,
2018.
SOKOLOV, Boris; IVANOV DMITRY; DOLGUI, Alexandre; PAVLOV, Alexander.
Structural quantification of the ripple effect in the supply chain. International Journal
of Production Research, v. 54, n. 1, p. 152-169, 2015.
SOMMER, Lutz. Industrial revolution-industry 4.0: Are German manufacturing SMEs
the first victims of this revolution?. Journal of Industrial Engineering and
Management, v. 8, n. 5, p. 1512-1532, 2015.
SCHNEIDER, Paul. Managerial challenges of Industry 4.0: an empirically backed
research agenda for a nascent field. Review of Managerial Science, v. 12, n. 3, p.
803-848, 2018.
SCHMID, Rainer; MÖHRING, Michael; HÄRTING, Ralf-Christian; REICHSTEIN,
Christopher; NEUMAIER, Pascal; JOZINOVIĆ, Philip. Industry 4.0 - Potentials for
Creating Smart Products: Empirical Research Results. Business Information
Systems. p. 16-27. jun. 2015.
SCHUH, Günther et al. Collaboration Mechanisms to increase Productivity in the
Context of Industrie 4.0. Procedia CIRP, v. 19, p. 51-56, 2014.
SPANGENBERG, Joachim H. Economic sustainability of the economy: concepts and
indicators. International journal of sustainable development, v. 8, n. 1-2, p. 47-64,
2005.
SRA. Society for Risk Analysis. Society for Risk Analysis Glossary. Disponível em:
< https://www.sra.org/sites/default/files/pdf/SRA%20Glossary%20-%20FINAL.pdf>.
2018.
STOCK, Tim; SELIGER, Günther. Opportunities of sustainable manufacturing in
industry 4.0. Procedia Cirp, v. 40, p. 536-541, 2016.
STOCK, Tim et al. Industry 4.0 as enabler for a sustainable development: A
qualitative assessment of its ecological and social potential. Process Safety and
Environmental Protection, v. 118, p. 254-267, 2018.
STORK, André. Visual Computing Challenges of Advanced Manufacturing and
Industrie 4.0. Ieee Computer Graphics And Applications. Germany, p. 21-25. jan.
2015.
STRANGE, Roger; ZUCCHELLA, Antonella. Industry 4.0, global value chains and
international business. Multinational Business Review, v. 25, n. 3, p. 174-184,
2017.
SCHWAB, Klaus. The fourth industrial revolution. Crown Business, 2017.
124
TADDEO, Mariarosaria; FLORIDI, Luciano. How AI can be a force for good. Science,
v. 361, n. 6404, p. 751-752, 2018.
TCHANKOVA, Lubka. Risk identification–basic stage in risk management.
Environmental management and health, v. 13, n. 3, p. 290-297, 2002.
TURRIONI, J. B.; MELLO, C. H. P. Metodologia de Pesquisa em Engenharia de
Produção: Estratégias, Métodos e Técnicas para Condução de Pesquisas
Quantitativa e Qualitativas. Programa de Pós-Graduação em Engenharia de
Produção. Itajubá: Editora UNIFEI, 2012, 199p.
TUPA, Jiri; SIMOTA, Jan; STEINER, Frantisek. Aspects of risk management
implementation for Industry 4.0. Procedia Manufacturing, v. 11, p. 1223-1230, 2017.
TUPTUK, Nilufer; HAILES, Stephen. Security of smart manufacturing systems.
Journal of manufacturing systems, v. 47, p. 93-106, 2018.
UR REHMAN, Muhammad Habib et al. Big data analytics in industrial IoT using a
concentric computing model. IEEE Communications Magazine, v. 56, n. 2, p. 37-43,
2018.
VENKATRAMAN, Sitalakshmi; NAYAK, Raveendranath Ravi. Relationships among
triple bottom line elements: Focus on integrating sustainable business practices.
Journal of Global Responsibility, v. 6, n. 2, p. 195-214, 2015.
WAMBA, Samuel Fosso et al. How ‘big data’can make big impact: Findings from a
systematic review and a longitudinal case study. International Journal of Production
Economics, v. 165, p. 234-246, 2015.
WAN, Jiafu et al. Software-defined industrial internet of things in the context of industry
4.0. IEEE Sensors Journal, v. 16, n. 20, p. 7373-7380, 2016.
WANG, Shiyong et al. Implementing smart factory of industrie 4.0: an outlook.
International Journal of Distributed Sensor Networks, v. 12, n. 1, 2016.
WANG, Xun; DISNEY, Stephen M. The bullwhip effect: Progress, trends and
directions. European Journal of Operational Research, v. 250, n. 3, p. 691-701,
2016.
WINFIELD, Alan F. et al. Machine Ethics: The Design and Governance of Ethical AI
and Autonomous Systems. Proceedings of the IEEE, v. 107, n. 3, p. 509-517, 2019.
WOLKE, Thomas. Risk Management. Walter de Gruyter GmbH & Co KG, 2017.
WU, Mingtao; SONG, Zhengyi; MOON, Young B. Detecting cyber-physical attacks in
CyberManufacturing systems with machine learning methods. Journal of intelligent
manufacturing, v. 30, n. 3, p. 1111-1123, 2019.
125
WU, Dazhong et al. Cybersecurity for digital manufacturing. Journal of
manufacturing systems, v. 48, p. 3-12, 2018.
WU, Teresa; BLACKHURST, Jennifer; CHIDAMBARAM, Vellayappan. A model for
inbound supply risk analysis. Computers in industry, v. 57, n. 4, p. 350-365, 2006.
WCED. Report of the World Commission on Environmental and Development: Our
Common Future Acronyms and Note on Terminology Chair’s Foreword. Oxford
University Press: Oxford, 1987.
WHITMORE, Andrew; AGARWAL, Anurag; DA XU, Li. The Internet of Things—A
survey of topics and trends. Information Systems Frontiers, v. 17, n. 2, p. 261-274,
2015.
XU, Li Da; XU, Eric L.; LI, Ling. Industry 4.0: state of the art and future trends.
International Journal of Production Research, v. 56, n. 8, p. 2941-2962, 2018.
XU, Min; DAVID, M. Jeanne; KIM, Suk Hi. The Fourth industrial Revolution:
Opportunities and Challenges. International Journal of Financial Research. v. 9, n
2, p. 1-6, 2018.
YAN, Jihong et al. Industrial big data in an industry 4.0 environment: Challenges,
schemes, and applications for predictive maintenance. IEEE Access, v. 5, p. 23484-
23491, 2017.
YU, Zhenhua et al. Formal modeling and control of cyber-physical manufacturing
systems. Advances in Mechanical Engineering, v. 9, n. 10, p. 1-12, 2017.
ZEGZHDA, Dmitry P. Sustainability as a criterion for information security in cyber-
physical systems. Automatic control and computer sciences, v. 50, n. 8, p. 813-
819, 2016.
ZHENG, Pai et al. Smart manufacturing systems for Industry 4.0: Conceptual
framework, scenarios, and future perspectives. Frontiers of Mechanical
Engineering, v. 13, n. 2, p. 137-150, 2018.
ZHOU, Lu et al. Security and Privacy for the Industrial Internet of Things: An Overview
of Approaches to Safeguarding Endpoints. IEEE Signal Processing Magazine, v. 35,
n. 5, p. 76-87, 2018.
126
APÊNDICE A – RELAÇÃO DAS COMBINAÇÕES DE PALAVRAS-CHAVE E QUANTIDADE DE ARTIGOS LEVANTADOS
127
Combinações Scopus Web of science Total
"Industry 4.0" AND "risk*" 182 106 288
"Industrie 4.0" AND "risk*" 21 7 28
"Advanced Manufacturing" AND "risk*" 140 68 208
"Industrial Internet" AND "risk*" 49 28 77
"Smart Manufacturing" AND "risk*" 40 18 58
"Fourth Industrial Revolution" AND "risk*" 38 27 65
"Internet of Everything" AND "risk*" 15 9 24
"Made-in-China 2025" AND "risk*" 2 3 5
"Industry 4.0" AND "uncertainty" 65 29 94
"Industrie 4.0" AND "uncertainty" 6 3 9
"Advanced Manufacturing" AND "uncertainty" 100 74 174
"Industrial Internet" AND "uncertainty" 11 7 18
"Smart Manufacturing" AND "uncertainty" 29 10 39
"Fourth Industrial Revolution" AND "uncertainty" 10 8 18
"Internet of Everything" AND "uncertainty" 4 1 5
"Made-in-China 2025" AND "uncertainty*" 2 2 4
"Industry 4.0" AND "uncertainties" 65 13 78
"Industrie 4.0" AND "uncertainties" 6 1 7
"Advanced Manufacturing" AND "uncertainties" 100 18 118
"Industrial Internet" AND "uncertainties" 11 5 16
"Smart Manufacturing" AND "uncertainties" 29 7 36
"Fourth Industrial Revolution" AND "uncertainties" 10 4 14
"Internet of Everything" AND "uncertainties" 4 2 6
"Made-in-China 2025" AND "uncertainties" 2 1 3
"Industry 4.0" AND "challenge*" 770 549 1319
"Industrie 4.0" AND "challenge*" 152 83 235
"Advanced Manufacturing" AND "challenge*" 383 241 624
"Industrial Internet" AND "challenge*" 260 203 463
"Smart Manufacturing" AND "challenge*" 183 118 301
"Fourth Industrial Revolution" AND "challenge*" 159 118 277
"Internet of Everything" AND "challenge*" 98 74 172
"Made-in-China 2025" AND "challenge" 11 3 14
"Industry 4.0" AND "barrier*" 40 26 66
"Industrie 4.0" AND "barrier*" 10 3 13
"Advanced Manufacturing" AND "barrier*" 69 36 105
"Industrial Internet" AND "barrier*" 8 5 13
"Smart Manufacturing" AND "barrier*" 16 12 28
"Fourth Industrial Revolution" AND "barrier*" 8 9 17
"Internet of Everything" AND "barrier*" 3 3 6
"Made-in-China 2025" AND "barrier*" 0 0 0
Continua
128
Continuação
Combinações Scopus Web of science Total
"Industry 4.0" AND "driver*" 83 50 133
"Industrie 4.0" AND "driver*" 17 6 23
"Advanced Manufacturing" AND "driver*" 33 25 58
"Industrial Internet" AND "driver*" 21 14 35
"Smart Manufacturing" AND "driver*" 13 5 18
"Fourth Industrial Revolution" AND "driver*" 16 10 26
"Internet of Everything" AND "driver*" 7 6 13
"Made-in-China 2025" AND "driver*" 1 1 2
"Industry 4.0" AND "opportunity" 338 36 374
"Industrie 4.0" AND "opportunity" 60 4 64
"Advanced Manufacturing" AND "opportunity" 210 41 251
"Industrial Internet" AND "opportunity" 84 14 98
"Smart Manufacturing" AND "opportunity" 78 9 87
"Fourth Industrial Revolution" AND "opportunity" 102 12 114
"Internet of Everything" AND "opportunity" 46 4 50
"Made-in-China 2025" AND "opportunity" 5 0 5
"Industry 4.0" AND "opportunities" 338 163 501
"Industrie 4.0" AND "opportunities" 60 25 85
"Advanced Manufacturing" AND "opportunities" 210 97 307
"Industrial Internet" AND "opportunities" 84 40 124
"Smart Manufacturing" AND "opportunities" 78 42 120
"Fourth Industrial Revolution" AND "opportunities" 102 61 163
"Internet of Everything" AND "opportunities" 46 23 69
"Made-in-China 2025" AND "opportunity" 5 0 5
Total 5149 2623 7770
Fonte: Autor (2019)
129
APÊNDICE B – RELAÇÃO DOS ARTIGOS CONSTITUINTES DO PORTFÓLIO FINAL UTILIZADOS NA PESQUISA ORDENADOS PELA METODOLOGIA METHODI ORDINATIO
130
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
1 Lee, I., Lee, K. The Internet of Things (IoT): Applications,
investments, and challenges for enterprises 2015 Business Horizons 2,588 705 765
2 Wang, S., Wan, J., Li, D.,
Zhang, C. Implementing Smart Factory of Industrie 4.0: An
Outlook 2016
International JournaL of Distributed Sensor Networks
0 469 539
3 Stock, T., Seliger, G. Opportunities of Sustainable Manufacturing in
Industry 4.0 2016 Procedia Cirp 0 369 439
4 Wan, J., Tang, S., Shu,
Z., Li, D., Wang, S., Imran, M., Vasilakos, A.V.
Software-Defined Industrial Internet of Things in the Context of Industry 4.0
2016 IEEE Sensors Journal 2,617 231 301
5 Roblek, V., Mesko, M.,
Krapez, A. A Complex View of Industry 4.0 2016 Sage Open 0 203 273
6 Gao, R., Wang, L., Teti,
R., Dornfeld, D., Kumara, S., Mori, M., Helu, M.
Cloud-enabled prognosis for manufacturing 2015 Cirp Annals-Manufacturing
Technology 3,333 212 272
7 Li, Xi A review of industrial wireless networks in the
context of industry 4.0. 2017 Wireless networks 1,981 180 260
8 Xu, L.D., Xu, E.L. e Li, L. Industry 4.0: state of the art and future trends 2018 International Journal of Production Research
2,623 106 196
9 Chen, B., Wan, J., Shu, L., Li, P., Mukherjee, M.,
Yin, B.
Smart Factory of Industry 4.0: Key Technologies, Application Case, and Challenges
2018 IEEE Access 3,557 88 178
10 Sommer, L. Industrial Revolution - Industry 4.0: Are German
Manufacturing SMEs the First Victims of this Revolution?
2015 Journal of IndustriaL
Engineering and Management-JIEM
0 109 169
11 Müller, J.M., Buliga, O.,
Voigt, K.-I. Fortune favors the prepared: How SMEs approach
business model innovations in Industry 4.0 2018
Technological Forecasting and Social Change
3,131 70 160
12 Mueller, J.M., Kiel, D.,
Voigt, K.-I.
What Drives the Implementation of Industry 4.0? The Role of Opportunities and Challenges in the
Context of Sustainability 2018 Sustainability 2,075 56 146
131
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
13 Barreto, L., Amaral, A.,
Pereira, T. Industry 4.0 implications in logistics: an overview 2017 Procedia Manufacturing 0 63 143
14 Strange, R., Zucchella, A. Industry 4.0, global value chains and international
business 2017
Multinational Business Review
0 52 132
15 Kiel, D., Mueller, J.M., Arnold, C., Voigt, K.-I.
Sustainable Industrial Value Creation: Benefits and Challenges of Industry 4.0
2017 International Journal of Innovation Management
0 50 130
16 Wu, M., Song, Z., Moon,
Y.B.
Detecting cyber-physical attacks in CyberManufacturing systems with machine
learning methods 2019
Journal of Intelligent Manufacturing
3,667 27 127
17
De Souza Jabbour, A.B.L., Jabbour, C.J.C., Foropon, C., Godinho
Filho, M.
When titans meet – Can industry 4.0 revolutionise the environmentally-sustainable manufacturing
wave? The role of critical success factors 2018
Technological Forecasting and Social Change
3,131 36 126
18 Sisinni, E., Saifullah, A., Han, S., Jennehag, U.,
Gidlund, M.
Industrial internet of things: Challenges, opportunities, and directions
2018 IEEE Transactions on Industrial Informatics
5,430 35 125
19 Kiel, D., Arnold, C., Voigt,
K.-I.
The influence of the Industrial Internet of Things on business models of established manufacturing
companies - A business level perspective 2017 Technovation 4,802 40 120
20
Saucedo-Martinez, J.A., Perez-Lara, M.,
Marmolejo-Saucedo, J.A., Salais-Fierro, T.E.,
Vasant, P.
Industry 4.0 framework for management and operations: a review
2018 Journal of Ambient
Intelligence and Humanized Computing
1,423 30 120
21 Maynard, A.D. Navigating the fourth industrial revolution 2015 Nature Nanotechnology 37,49 56 116
22 Ivanov, D., Dolgui, A.,
Sokolov, B. The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics
2018 International Journal of Production Research
2,623 26 116
23 Li, G., Hou, Y., Wu, A. Fourth Industrial Revolution: Technological
Drivers, Impacts and Coping Methods 2017
Chinese GeographicaL Science
1,114 36 116
132
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
24 Tupa, J., Simota, J.,
Steiner, F. Aspects of risk management implementation for
Industry 4.0 2017 Procedia Manufacturing 0 36 116
25
Robla-Gomez, S., Becerra, V.M., Llata, J.R.,
Gonzalez-Sarabia, E., Torre-Ferrero, C. and
Perez-Oria, J.
Working Together: A Review on Safe Human-Robot Collaboration in Industrial Environments
2017 IEEE Access 3,557 35 115
26 Yan, J., Meng, Y., Lu, L.
and Li, L.
Industrial Big Data in an Industry 4.0 Environment: Challenges, Schemes, and Applications for
Predictive Maintenance 2017 IEEE Access 3,557 35 115
27 Kamble, S.S.,
Gunasekaran, A., Gawankar, S.A.
Sustainable Industry 4.0 framework: A systematic literature review identifying the current trends and
future perspectives 2018
Process Safety and Environmental Protection
3,441 25 115
28 Hirschi, A. The Fourth Industrial Revolution: Issues and
Implications for Career Research and Practice 2018
Career Development Quarterly
1,500 22 112
29 Taddeo, M., Floridi, L. How Ai can be a force for good 2018 Science 41,058 21 111
30 Luthra, S., Mangla, S.K. Evaluating challenges to Industry 4.0 initiatives for supply chain sustainability in emerging economies
2018 Process Safety and
Environmental Protection 3,441 20 110
31
Radanliev, P., De Roure, D., Cannady, S., Montalvo, R.M.,
Nicolescu, R., Huth, M.
Economic impact of IoT cyber risk - Analysing past and present to predict the future developments in
IoT risk analysis and IoT cyber insurance 2018 IET Conference Publications 0 20 110
32 Preuveneers, D., Ilie-
Zudor, E.
The intelligent industry of the future: A survey on emerging trends, research challenges and
opportunities in Industry 4.0 2017
Journal of Ambient Intelligence and Smart
Environments 0,878 29 109
33 Xu, M., David, J.M., Kim,
S.H. The fourth industrial revolution: Opportunities and
challenges 2018
International Journal of Financial Research
0 18 108
34
Ur Rehman, M.H., Ahmed, E., Yaqoob, I., Hashem, I.A.T., Imran,
M., Ahmad, S.
Big Data Analytics in Industrial IoT Using a Concentric Computing Model
2018 IEEE Communications
Magazine 9,270 15 105
133
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
35 Piccarozzi, M., Aquilani,
B., Gatti, C. Industry 4.0 in Management Studies: A Systematic
Literature Review 2018 Sustainability 2,075 15 105
36
He, H., Maple, C., Watson, T., Tiwari, A.,
Mehnen, J., Jin, Y., Gabrys, B.
The Security Challenges in the IoT enabled Cyber-Physical Systems and Opportunities for
Evolutionary Computing & Other Computational Intelligence
2016 2016 IEEE Congress on
Evolutionary Computation (CEC)
0 35 105
37 Liao, Y., Loures, E.R.,
Deschamps, F., Brezinski, G., Venâncio, A.
The impact of the fourth industrial revolution: A cross-country/region comparison
2018 Producao 0 15 105
38
Man, J.C.D., Strandhagen, J.O., de
Man, J.C., Strandhagen, J.O.
An Industry 4.0 Research Agenda for Sustainable Business Models
2017 Procedia CIRP 0 24 104
39 Tuptuk, N. and Hailes, S. Security of smart manufacturing systems 2018 Journal of Manufacturing
Systems 3,699 13 103
40 Schneider, P. Managerial challenges of Industry 4.0: an
empirically backed research agenda for a nascent field
2018 Review of Managerial
Science 1,483 13 103
41 Caruso, L. Digital innovation and the fourth industrial
revolution: epochal social changes? 2018 AI and Society 0 13 103
42 Kamble, S.S.,
Gunasekaran, A., Sharma, R.
Analysis of the driving and dependence power of barriers to adopt industry 4.0 in Indian
manufacturing industry 2018 Computers in Industry 2,850 12 102
43 Badri, A., Boudreau-
Trudel, B., Souissi, A.S. Occupational health and safety in the industry 4.0
era: A cause for major concern? 2018 Safety science 2,835 11 101
44 Pilloni, V. How Data Will Transform Industrial Processes: Crowdsensing, Crowdsourcing and Big Data as
Pillars of Industry 4.0 2018 Future Internet 0 11 101
45 Winfield, A. F., Michael,
K., Pitt, J., Evers, V. Machine Ethics: The Design and Governance of
Ethical AI and Autonomous Systems 2019 Proceedings of the IEEE 9,107 0 100
46 Stock, et al Industry 4.0 as enabler for a sustainable
development: Aqualitative assessment of its ecological and social potential.
2018 Process Safety and
Environmental Protection 3,441 10 100
134
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
47 Khan, M., Wu, X., Xu, X.
and Dou, W. Big Data Challenges and Opportunities in the
Hype of Industry 4.0 2017
2017 IEEE International Conference on
Communications (ICC) 0 20 100
48 Foidl, H. and Felderer, M. Research Challenges of Industry 4.0 for Quality
Management 2016
Lecture Notes in Business Information Processing
0 29 99
49 Moktadir, M.A., Ali, S.M.,
Kusi-Sarpong, S. and Shaikh, M.A.A.
Assessing challenges for implementing Industry 4.0: Implications for process safety and
environmental protection 2018
Process Safety and Environmental Protection
3,441 8 98
50 Jansen, C., Jeschke, S. Mitigating risks of digitalization through managed
industrial security services 2018 AI and Society 0 8 98
51
Bonilla, S.H., Silva, H.R.O., da Silva, M.T.,
Goncalves, R.F., Sacomano, J.B.
Industry 4.0 and Sustainability Implications: A Scenario-Based Analysis of the Impacts and
Challenges 2018 Sustainability 2,075 7 97
52 Freddi, D.
Digitalisation and employment in manufacturing: Pace of the digitalisation process and impact on employment in advanced Italian manufacturing
companies
2018 AI and Society 0 7 97
53 Fonseca, L.M. Industry 4.0 and the digital society: concepts,
dimensions and envisioned benefits 2018
Proceedings of the InternationaL Conference on
Business Excellence 0 7 97
54 Kalor, A.E., Guillaume,
R., Nielsen, J.J., Mueller, A., Popovski, P.
Network slicing in industry 4.0 applications: Abstraction methods and end-to-end analysis
2018 IEEE Transactions on Industrial Informatics
5,430 5 95
55 Gobbo Junior, J.A.,
Busso, C.M., Gobbo, S.C.O., Carreao, H.
Making the links among environmental protection, process safety, and industry 4.0
2018 Process Safety and
Environmental Protection 3,441 5 95
56 Salento, A. Digitalisation and the regulation of work:
theoretical issues and normative challenges 2018 AI and Society 0 5 95
57 Özdemir, V., Ozdemir, V. The dark side of the moon: The internet of things,
industry 4.0, and the quantified planet 2018
OMICS A Journal of Integrative Biology
0 5 95
58 Zhou, L., Yeh, K.-H.,
Hancke, G., Liu, Z., Su, C.
Security and Privacy for the Industrial Internet of Things An overview of approaches to safeguarding
endpoints 2018
IEEE Signal Processing Magazine
7,451 4 94
135
Ranking Autores Título Ano Periódico / Evento JCR No
Citações InOrdinatio
59 Imran, F., Kantola, J. Review of industry 4.0 in the light of sociotechnical
system theory and competence-based view: A future research agenda for the evolute approach
2018 Advances in Intelligent
Systems and Computing 0 4 94
60 Lezzi, M., Lazoi, M.,
Corallo, A. Cybersecurity for Industry 4.0 in the current
literature: A reference framework 2018 Computers in Industry 2,850 3 93
61 Wu D., Ren A., Zhang, W., Fan, F., Liu, P., Fu,
X., Terpenny, J. Cybersecurity for digital manufacturing 2018
Journal of Manufacturing Systems
3,699 2 92
62 Romero, D., Mattsson, S., Fast-Berglund, Å., Wuest, T., Gorecky, D., Stahre, J.
Digitalizing occupational health, safety and productivity for the operator 4.0
2018 IFIP Advances in Information and
Communication Technology 0 1 91
63 Saleem, J., Hammoudeh,
M., Raza, U., Ande, R. IoT standardisation: challenges, perspectives and
solution 2018
ACM International Conference Proceeding
Series 0 1 91
64 Rajnai, Z., Kocsis, I. Labor Market Risks of Industry 4.0, Digitization,
Robots and AI 2017
2017 IEEE 15th International Symposium on
Intelligent Systems and Informatics (SISY)
0 10 90
65 Kirchen, I., Schütz, D.,
Folmer, J., Vogel-Heuser, B.
Metrics for the evaluation of data quality of signal data in industrial processes
2017 2017 IEEE 15th
International Conference on Industrial Informatics
0 4 84
66 Dawson, M. Cyber Security Policies for Hyperconnectivity
and Internet of Things: A Process for Managing Connectivity
2017 Information Technology-
New Generations. Springer, Cham,
0 2 82
136
APÊNDICE C – QUADRO COM OS RESULTADOS DO ESTUDO DA RELAÇÃO ENTRE AS DIMENSÕES DE RISCO
137
Riscos Econômicos
Cód. Subc. Riscos Efeito na Sustentabilidade
Tecnológica 4.0
Efeito na Sustentabilidade
Social
Efeito na Sustentabilidade Ambiental
REF1 F
inance
iros Risco de altos custos
de implantação _ _ _
REF2 Risco de retorno financeiro incerto
_
_ _
REP1
Pla
ne
jam
ento
e G
estã
o
Risco de imprecisão na implantação
A falta de uma política estratégica de implantação pode ser um desafio para a adoção das tecnologias e conceitos
da indústria 4.0 (MOKTADIR et al., 2018).
_ _
REP2
Risco de autossabotagem
sobre a cadeia de valor
_ _ _
REP3 Risco de
dependência de Parceiros
_ _ _
REM1
Merc
ado
lóg
icos
Risco de problemas de concorrência
_ _ _
REM2 Risco de
intervenções negativas de clientes
O alto índice de personalização e demandas individuais, dificultam e
atrasam a implementação de soluções da indústria 4.0 (MÜLLER,
BULIGA, VOIGT, 2018).
_ _
REM3 Risco de dificuldade
de aceitação de clientes
Podem haver desafios para convencimento de clientes sobre a
natureza benéfica das novas soluções (KIEL, ARNOLD, VOIGT, 2017) podendo afetar o princípio de orientação a serviços da I4.0.
_ _
138
Riscos Sociais
Cód. Subc. Riscos Efeito na Sustentabilidade
Tecnológica 4.0 Efeito na Sustentabilidade
Econômica Efeito na Sustentabilidade
Ambiental
RSC1
Capital H
um
an
o
Risco de falta de mão de obra qualificada
A implementação bem-sucedida da Indústria 4.0 pode depender de
profissionais capacitados (MOKTADIR et al., 2018)
Haverá a necessidade de investimentos em mão de obra qualificada (KIEL et al., 2017)
_
RSC2 Risco de relutância a
mudanças
A transição para a indústria 4.0 pode encontrar problemas quanto a
resistência a mudanças por parte de trabalhadores (DE SOUZA JABBOUR
et. al., 2018)
_ _
RSC3 Risco à integridade
física de trabalhadores
_
Pode haver custos com adaptação de maquinários (BADRI,
BOUDREAU-TRUDEL, SOUISSI, 2018)
_
RSC4 Risco de problemas
psicossociais _ _ _
RSS1
Socie
da
de
Risco de aumento da desigualdade e
tensões sociais _ _ _
RSS2 Risco de perda de
posições de trabalho _ _ _
RSE1
Ética e
Lega
lidad
e
Risco de Inteligências
Artificias antiéticas
Decisões de AIs precisam ser avaliadas em suas consequências éticas (TADDEO, FLORIDI, 2018;
WINFIELD et al., 2019) podendo afetar o princípio de descentralização da I4.0.
_ _
RSE2 Risco de invasão de
privacidade _ _ _
139
Riscos Ambientais
Cód. Subc. Riscos Efeito na Sustentabilidade
Tecnológica 4.0 Efeito na Sustentabilidade
Econômica Efeito na Sustentabilidade
Social
RAR1
Recurs
os N
atu
rais
Risco de alto consumo de
recursos naturais para produção de
tecnologias
_ _ _
RAR2
Risco de alto consumo de energia
para operação de tecnologias
_ _ _
RAC1
Contr
ole
de P
olu
ente
s
Risco de aumento de lixo eletrônico e
resíduos _
Pode haver a um aumento na utilização de materiais e recursos naturais difíceis de reutilizar, onde os custos de reciclagem podem ser
altos (STOCK et al., 2018).
_
RAC2 Risco de aumento
de consumo de combustíveis
_ _ _
140
Riscos Tecnológicos
Cód. Subc. Riscos Efeito na Sustentabilidade
Econômica Efeito na Sustentabilidade
Social Efeito na Sustentabilidade
Ambiental
RTT1
Técnic
o
Risco de interferência nos
sinais
A produtividade pode ser afetada pela falta de dados confiáveis (LI et al. 2017)
_ _
RTT2 Risco de
incapacidade técnica da rede
Reduzir latência pode exigir altos custos (LI et al., 2017)
_ Reduzir latência pode exigir
grande consumo de energia (LI et al., 2017).
RTT3 Risco de falta de interoperabilidade
A falta de interoperabilidade entre dispositivos aumentará significativamente a complexidade e o custo de implantação
tecnologias (SISINNI et al., 2018).
_
A substituição de maquinários pode aumentar a quantidade de lixo eletrônico (BONILLA et al.,
2018).
RTT4 Risco de caos
tecnológico
Um sistema inteiro pode ser afetado (LEE; LEE, 2015). Toda uma cadeia de suprimentos pode ser afetada (IVANOV,
DOLGUI E SOKOLOV, 2018)
_ _
RTS1
Seg
ura
nça d
e
Dados
Risco de ataque cibernético
Pode ocorrer sucateamento de máquinas (WU, SONG, MOON, 2019) e perda de
produtividade (LEZZI, LAZOI, CORALLO, 2018)
Ferimentos e perdas de vidas podem ser causados pela manipulação de máquinas
(JANSEN, JESCHKE, 2018).
Ataques cibernéticos podem causar problemas ambientais
como mencionado no exemplo de Tuptuk e Hailes (2018)
RTS2 Risco de divulgação de dados privados
Informações estratégicas como dados comerciais e know-how podem ser
revelados (WANG et al., 2016). _ _
RTG1
Gestã
o d
e
Dados
Risco de análise ineficaz dos dados
Sistemas inteiros podem ser afetados (KHAN et al., 2017)
_ _
RTG2 Risco de dados de
má qualidade
Recursos podem ser gastos com processamento de dados sem
significância (UR REHMAN, 2018). _ _