RELATO DE CASO
YAMANE, Leonardo Rodrigues [1]
YAMANE, Leonardo Rodrigues. Melhoria do processo produtivo de luzes de carros por meio de otimização de tempos. Revista Científica Multidisciplinar Núcleo do Conhecimento. Ano. 10, Ed. 01, Vol. 02, pp. 163-183. Janeiro de 2025. ISSN: 2448-0959, Link de acesso: https://www.nucleodoconhecimento.com.br/engenharia-de-producao/luzes-de-carros, DOI: 10.32749/nucleodoconhecimento.com.br/engenharia-de-producao/luzes-de-carros
RESUMO
A indústria automotiva é uma das mais dinâmicas e exigentes do setor de manufatura, sendo constantemente desafiada a inovar e melhorar seus processos para atender às crescentes demandas de qualidade, eficiência e redução de custos. Dentro desse contexto, a produção de componentes como as luzes automotivas, que desempenham papel crucial em termos de segurança, leis, estética e desempenho dos veículos, e exige elevados padrões de precisão e confiabilidade. A automação tem sido amplamente adotada nas linhas de produção, visando melhorar a produtividade e reduzir erros humanos, mas muitas vezes os processos ainda apresentam ineficiências que impactam diretamente no desempenho da produção e na qualidade dos produtos finais. Este artigo tem como objetivo explorar metodologias para otimizar o processo de fabricação de luzes automotivas, com foco na análise e aprimoramento de uma linha de produção automatizada. A pesquisa foi realizada por meio de um estudo de caso em uma empresa fornecedora do setor automotivo, com o intuito de identificar as principais ineficiências operacionais e pontos críticos no processo de fabricação. A partir da análise dessas ineficiências, o estudo propõe intervenções específicas que buscam melhorar a utilização dos recursos, reduzir o tempo ocioso das máquinas, corrigir falhas recorrentes no maquinário e aprimorar a integração dos sistemas automatizados. A abordagem adotada para a pesquisa é qualitativa e exploratória, utilizando ferramentas para identificar as causas subjacentes dos problemas operacionais. Através dessa análise, foram propostas ações concretas, como a otimização do tempo de máquina, ajustes no maquinário e melhorias no sistema de automação, com o objetivo de aumentar a eficiência, a produtividade e a qualidade da produção. Os resultados obtidos indicam que as intervenções implementadas geraram ganhos significativos em termos de eficiência operacional, aumento do OEE (Overall Equipment Effectiveness), redução de falhas e melhoria na qualidade do produto final. A pesquisa contribui para a literatura sobre otimização de processos na indústria automotiva, oferecendo insights valiosos sobre como práticas de melhoria contínua podem ser aplicadas para aumentar a competitividade e sustentabilidade das empresas neste setor altamente competitivo.
Palavras-chave: Processos de fabricação, Custos de projeto, Produtividade de linha de montagem, Desempenho industrial, Componentes críticos.
1. INTRODUÇÃO
A fabricação de luzes de carro é uma das etapas críticas na produção de veículos, sendo essencial para garantir não apenas a segurança e lei, mas também a estética e a funcionalidade do automóvel. As luzes desempenham um papel fundamental na sinalização do veículo, indicando intenções de direção, frenagem e presença no tráfego, além de contribuir para a aparência geral do veículo. Devido à sua importância, é crucial que o processo de produção dessas peças seja eficiente, de alta qualidade e com custos controlados. (Womack et al. 2004). A produção de luzes de carro envolve uma série de etapas que incluem a moldagem das lentes plásticas, a montagem dos componentes ópticos e eletrônicos, o teste de estanqueidade e a verificação de qualidade do produto final. A fabricação dessas peças, muitas vezes realizada em linhas de produção altamente automatizadas, exige precisão e atenção a detalhes, uma vez que qualquer falha pode comprometer a funcionalidade do produto final e, consequentemente, a segurança do veículo. (Slack et al., 2010). Nos últimos anos, com a crescente pressão no aumento da competitividade no mercado automotivo, muitas empresas têm buscado formas de melhorar a eficiência de suas linhas de produção, tentando reduzir custos e ao mesmo tempo tentando manter a qualidade e eficiência da linha de montagem. A introdução de tecnologias de automação e o aprimoramento dos processos de fabricação são algumas das estratégias adotadas para alcançar esses objetivos. Contudo, embora a automação tenha sido amplamente implementada nas fábricas de luzes de carros, ainda existem áreas críticas no processo que podem ser otimizadas para alcançar melhores resultados. (Marques, 1990)
Embora as tecnologias de automação sejam amplamente utilizadas, o processo de fabricação ainda apresenta ineficiências que podem ser corrigidas ao longo da vida do projeto. Sendo necessário identificar os pontos críticos que afetam a produtividade, qualidade e custos. Portanto, ressalta-se a importância em desenvolver soluções práticas para otimizar cada fase da produção, desde o processo de injeção plástica, até a entrega do produto final, com foco em ajustes na automação do processo, redução do tempo de produção, aprimoramento dos sistemas de inspeção e controle de qualidade. (Martins et al., 2019)
O conceito de produção enxuta (lean manufacturing), originado no Sistema Toyota de Produção (STP), é um modelo central para otimizar processos industriais, eliminando desperdícios e aumentando a eficiência. Os princípios de Kaizen (melhoria contínua) e just-in-time (JIT) têm um papel importante, pois ajudam a minimizar estoques e melhorar a agilidade do processo produtivo. No contexto da fabricação de luzes de carro, essas estratégias podem ser aplicadas para reduzir o tempo de produção, melhorar a alocação dos recursos e diminuir desperdícios ao longo da cadeia produtiva. (Womack et al. 2004; Shingo, 1989)
A automação da linha de montagem desempenha um papel fundamental na melhoria da produtividade e da qualidade em linhas de produção. O uso de robôs industriais, sistemas automatizados de controle e sensores de alta precisão facilita a realização de tarefas como montagem e verificação de pontos críticos. Nos processos de fabricação de luzes de carro, a adoção de robôs colaborativos e visão artificial tem aumentado a flexibilidade na linha de produção e a precisão na inspeção das peças, tornando o processo mais eficiente e reduzindo o erro humano. (Souza; Pereira; Lima, 2018; Martins et al. 2019)
O controle de qualidade é essencial para garantir que as luzes de carro atendam aos padrões exigidos, tanto para segurança quanto para funcionalidade e estética. A inspeção automatizada utilizando visão computacional e Controle Estatístico de Processos (CEP) é uma solução eficiente para detectar defeitos e melhorar a precisão da análise das peças. O uso de sensores de monitoramento e metodologias como a Análise de Modo de Falha e Efeitos (FMEA) também são importantes para antecipar falhas e corrigir problemas no processo de produção antes que se tornem críticos. (Bergman, Klefsjö, 2010; Souza; Pereira; Lima, 2018)
A produção de lanternas de carro enfrenta desafios como a precisão na injeção de peças plásticas e a integração dos circuitos eletrônicos. Além disso, a demanda crescente por designs inovadores, como lanternas com LED, exige que a produção seja altamente flexível e eficiente. No entanto, a automação e o uso de robôs colaborativos, junto a tecnologias de monitoramento em tempo real, apresentam oportunidades de otimizar o processo, reduzir custos e aumentar a qualidade, ao mesmo tempo em que permitem adaptação rápida às novas exigências do mercado. (Womack et al. 2004; Shingo, 1989)
A partir desse estudo, espera-se contribuir para o entendimento de como a implementação de mudanças direcionadas em processos automatizados pode levar a ganhos significativos em termos de desempenho e redução de falhas, promovendo uma produção mais eficiente e de maior qualidade. O estudo também visa fornecer subsídios para que outras empresas do setor automotivo possam adotar abordagens semelhantes para aprimorar seus processos produtivos, resultando em uma produção de luzes mais rápida, precisa e econômica. (Shingo, 1989)
2. MATERIAIS E MÉTODOS
2.1. ESTUDO DE CASO
A pesquisa seguiu a metodologia de estudo de caso, com uma abordagem exploratória e qualitativa. O estudo foi realizado em uma fábrica de luzes automotivas localizada em São Bernardo do Campo, em São Paulo, Brasil, conhecida por empregar tecnologias avançadas em sua produção. A escolha desta empresa se deu pela sua experiência com automação industrial, o que possibilitou uma análise detalhada das práticas produtivas e do uso de tecnologias de ponta. A abordagem qualitativa permitiu a coleta de dados ricos sobre as práticas da fábrica, além de proporcionar uma compreensão mais profunda das dificuldades e desafios enfrentados durante a produção.
Durante o estudo de caso, foram analisadas várias fases da produção, como a injeção de plásticos, montagem de componentes eletrônicos, inspeção de qualidade e embalagem. A coleta de dados foi feita através de observações diretas, e análise de documentos fornecidos pela empresa, permitindo identificar pontos críticos do processo que poderiam ser melhorados.
2.2. COLETA DE DADOS
Para a coleta de dados, foram adotados métodos como observação direta nas operações da linha de produção e entrevistas semiestruturadas com operadores. O objetivo das entrevistas foi entender as dificuldades encontradas nas etapas de produção e identificar os principais desafios na meta a ser atingida. Além disso, foram analisados relatórios de produção e tempos das operações manuais e dos tempos máquina, para uma visão mais abrangente do processo.
A coleta de dados focou principalmente em três áreas:
- Tempo de produção: o tempo total necessário para a fabricação de uma lanterna, desde a chegada dos componentes até o produto final.
- Taxa de defeitos: a frequência de falhas nas lanternas, identificadas durante a inspeção de qualidade.
- Eficiência na utilização de recursos: análise da utilização de materiais, operadores e máquinas para minimizar desperdícios.
2.3. ANÁLISE DO PROCESSO E IDENTIFICAÇÃO DE INEFICIÊNCIAS
Após a coleta de dados, foi realizada uma análise detalhada de cada etapa do processo produtivo, com o objetivo de identificar gargalos e ineficiências. Para isso, foram empregadas ferramentas da produção enxuta, como o fluxograma de processos (Figura 1), e o layout da linha de montagem (Figura 2). Essas ferramentas permitiram mapear as etapas do processo e identificar as áreas que causavam atrasos, movimentação excessiva de materiais e do operador e ociosidade de equipamentos.
Figura 1. Fluxograma de processos

Figura 2. Layout da linha de montagem com os postos de montagem, componentes de montagem e operadores necessários

Além disso, foi utilizado o PFMEA (Análise de Modo e Efeitos de Falha de processo) para investigar as causas dos defeitos encontrados na montagem. Essa análise ajudou a identificar problemas nas etapas de injeção, montagem e inspeção.
2.4. IMPLEMENTAÇÃO DE MELHORIAS E TESTES DE SOLUÇÕES
Após identificar falhas no processo de produção, foram implementadas soluções focadas na automação e em tecnologias avançadas. Câmeras com aprendizado automático foram aplicadas nas linhas de montagem para detectar falhas como imperfeições e desalinhamentos, aumentando a precisão das inspeções e reduzindo retrabalhos. Além disso, sistemas de automação industrial, incluindo máquinas de montagem automatizadas, otimizaram a montagem de componentes eletrônicos e plásticos, reduzindo erros humanos, aumentando a eficiência.
Além disso, foi implementado um sistema de feedback em tempo real, que permitiu aos operadores monitorarem a performance das máquinas durante a produção e intervir rapidamente quando necessário. Essa abordagem ajudou a reduzir o tempo de inatividade das máquinas e melhorar a continuidade do fluxo de produção.
2.5. AVALIAÇÃO DOS RESULTADOS
A avaliação dos resultados foi feita por meio da comparação dos dados coletados antes e após a implementação das melhorias. Os principais indicadores analisados foram:
- Redução do tempo de ciclo: o tempo necessário para produzir uma peça foi comparado antes e depois da melhoria.
- Diminuição da taxa de defeitos: a incidência de falhas nas lanternas foi analisada para verificar a eficácia das melhorias.
- Aumento da produção: a capacidade de produção foi medida, verificando se houve aumento na quantidade de unidades produzidas por hora.
Os resultados foram acompanhados para garantir que as melhorias se mantivessem eficazes e continuassem a gerar benefícios a longo prazo.
2.6. FERRAMENTAS UTILIZADAS
As principais ferramentas utilizadas para análise e melhoria do processo foram:
- Fluxograma de Processos: para mapear as etapas do processo e identificar as falhas.
- PFMEA (Análise de Modo e Efeitos de Falha de processo)
- Análise de Valor agregado: para focalizar nas operações mais críticas.
- Monitoramento em Tempo Real: utilizando sensores e sistemas de controle para otimizar o desempenho das máquinas
3. RESULTADOS
Com a adoção de novas tecnologias no processo de produção de luzes de carro, como um sistema de layout mais complexo a partir de uma análise minuciosa de espaço e movimentação dos operadores e incluindo o uso de automação por robôs colaborativos configurados para detectar falhas, sensores inteligentes e sistemas de monitoramento em tempo real para auxilio do operador, o tempo de ciclo anterior era de 89 segundos, e após as melhorias observou-se uma melhoria substancial nos resultados ao longo do período de estudo, abaixando o tempo para 60 segundos por peça.
3.1. TEMPO DE CICLO DE PRODUÇÃO
O tempo de ciclo representa o intervalo necessário para a fabricação de uma unidade, desde o início até a conclusão da operação.
Figura 3. Gráficos de tempo de ciclo antes das melhorias

- Antes das melhorias:
- Tempo de ciclo gargalo: 89 segundos por unidade.
Figura 4. Gráficos de tempo de ciclo após melhorias

- Após as melhorias:
- Tempo de ciclo gargalo: 60 segundos por unidade.
- Redução: 32%.
A implementação de melhorias no processo manual e nos tempos máquina reduziram o tempo de produção de cada unidade, melhorando a fluidez do processo e diminuindo os períodos de inatividade das máquinas.
3.2. TAXA DE DEFEITOS
A taxa de defeitos mede a porcentagem de peças que não atendem aos padrões de qualidade durante a inspeção final.
Figura 5. Gráficos de taxa de defeitos

- Antes das melhorias:
- Taxa de defeitos: 6% (6 peças defeituosas a cada 100 produzidas).
- Após as melhorias:
- Taxa de defeitos: 2%. (2 peças defeituosas a cada 100 produzidas).
- Redução: 66%.
Com o uso de sistemas de visão inteligente e inspeções automatizadas, foi possível identificar e corrigir defeitos nas fases iniciais da produção, evitando que produtos com falhas passassem adiante.
3.3 CAPACIDADE DE PRODUÇÃO
A capacidade de produção indica a quantidade de peças fabricadas por hora.
Figura 6. Gráficos de produção de pçs/hr

- Antes das melhorias:
- Produção: 40 peças por hora.
- Após as melhorias:
- Produção: 60 peças por hora.
- Aumento: 50%.
Com a diminuição do tempo de ciclo para 60 segundos por unidade e a implementação de automação em diversas etapas, a capacidade de produção aumentou em 50%, aumentando significativamente a produtividade da linha de montagem.
3.4. DESPERDÍCIO DE MATERIAIS
O desperdício de materiais se refere ao material que é descartado, seja por defeitos ou excessos, durante o processo de fabricação.
Figura 7. Gráficos de desperdício de componentes

- Antes das melhorias:
- Desperdício de materiais: 10% do material utilizado.
- Após as melhorias:
- Desperdício de materiais: 3%.
- Redução: 70%.
O uso de sensores de aprendizado inteligentes para monitoramento e controle ajudou a melhorar a precisão do uso de materiais, reduzindo substancialmente o desperdício de plásticos, componente LED, e outros componentes na produção.
3.5. SATISFAÇÃO DO CLIENTE
A satisfação do cliente foi analisada com base na quantidade de produtos devolvidos e nas reclamações registradas.
Figura 8. Gráficos de reclamações de clientes

- Antes das melhorias:
- Reclamações de clientes: 15% de devoluções devido a defeitos.
- Após as melhorias:
- Reclamações de clientes: 5% de devoluções devido a defeitos.
- Redução: 66,7%.
A melhoria na qualidade do produto, reduzindo a taxa de defeitos e falhas, teve um impacto direto na satisfação do cliente, refletido na diminuição das devoluções e reclamações.
3.5.1 ANÁLISE DE PROCESSOS E IDENTIFICAÇÃO DE INEFICIÊNCIAS UTILIZANDO FERRAMENTAS DA PRODUÇÃO ENXUTA
Na etapa de análise, ferramentas da produção enxuta foram empregadas para mapear as ineficiências e identificar gargalos. O fluxograma de processos e a análise de valor agregado, conforme sugerido por Rother e Shook (2003), são cruciais para mapear o fluxo de trabalho e identificar áreas onde ocorrem desperdícios, movimentação desnecessária e ociosidade de equipamentos. Shingo (1989) também destaca que o mapeamento do fluxo de valor é uma prática essencial para visualizar e reduzir desperdícios em processos industriais, promovendo a otimização dos recursos e a eficiência produtiva.
3.5.2 APLICAÇÃO DO PFMEA PARA ANÁLISE DE FALHAS E MELHORIA DA QUALIDADE
O Process Failure Mode and Effects Analysis (PFMEA) foi empregado para identificar modos de falha potenciais e suas causas, com o objetivo de prevenir falhas e aumentar a confiabilidade do processo. Segundo Stamatis (2003), o PFMEA é fundamental na análise preventiva, fornecendo uma metodologia estruturada para antecipar problemas e implementar medidas que aumentem a qualidade. Ao aplicar o PFMEA neste estudo de caso, foram identificados problemas críticos nas etapas de injeção de plásticos e montagem de componentes, etapas que frequentemente apresentavam defeitos e falhas no produto final. A utilização desta ferramenta permite também priorizar ações corretivas, com base em critérios de gravidade, frequência e detecção de falhas (Stamatis, 2003; Dhillon, 2018).
Ao eliminar ou minimizar os modos de falha identificados, a empresa pode não apenas melhorar a qualidade de seus produtos, mas também reduzir custos associados a retrabalho e desperdício. Bhamra et al. (2019) destacam que a implementação efetiva do PFMEA nas operações industriais resulta em uma vantagem competitiva, pois contribui para um produto final de melhor qualidade, reduzindo a insatisfação do cliente e aumentando a confiabilidade.
3.5.3 AUTOMAÇÃO E TECNOLOGIAS AVANÇADAS NA MELHORIA DE PROCESSOS PRODUTIVOS
Com a identificação das ineficiências, a adoção de tecnologias avançadas se tornou um passo estratégico para alcançar ganhos significativos de produtividade e qualidade. A introdução de sensores inteligentes para monitoramento em tempo real é uma prática de grande impacto em ambientes produtivos, pois permite o controle constante das variáveis críticas do processo, como temperatura, pressão e qualidade dos componentes (Lee; Kao; Yang, 2018). Esses sensores possibilitam que os operadores reajam rapidamente às variações do processo, evitando problemas maiores e reduzindo o índice de produtos defeituosos.
A aplicação de robôs colaborativos também representa um avanço considerável. Diferente dos robôs tradicionais, os robôs colaborativos são projetados para interagir de forma segura com os operadores humanos, compartilhando o espaço de trabalho e aumentando a flexibilidade da produção (Rüßmann et al., 2015). De acordo com Pereira et al. (2020), esses robôs aumentam a eficiência nas operações de montagem de precisão, ao mesmo tempo em que reduzem o tempo de ciclo e minimizam erros humanos, beneficiando diretamente o fluxo de produção.
3.5.4 FEEDBACK EM TEMPO REAL E SUA IMPORTÂNCIA NA INDÚSTRIA 4.0
O sistema de feedback em tempo real é outro componente essencial que foi implementado para melhorar a eficiência operacional. Esse tipo de sistema permite que os operadores acompanhem em tempo real o desempenho das máquinas e intervenham rapidamente em caso de anomalias, garantindo que a produção não sofra interrupções inesperadas. Kolberg e Zühlke (2015) argumentam que a capacidade de responder em tempo real a problemas operacionais é um dos principais diferenciais da Indústria 4.0, proporcionando uma adaptação dinâmica e maior resiliência do sistema produtivo.
3.5.5 IDENTIFICAÇÃO DE INEFICIÊNCIAS NA PRODUÇÃO AUTOMOTIVA: A UTILIZAÇÃO DE FERRAMENTAS LEAN
A análise de processos no ambiente industrial, especialmente em indústrias automotivas, exige uma abordagem sistemática para identificar gargalos e desperdícios, com o objetivo de promover melhorias contínuas. O uso do fluxograma de processos e da análise de valor agregado, como descrito por Rother e Shook (2003), permite uma visualização detalhada das etapas de produção, possibilitando a identificação de atividades que não agregam valor ao produto final e que podem ser eliminadas ou melhoradas. Estes métodos ajudam na visualização do fluxo completo da produção e na identificação de pontos de ineficiência, como transporte desnecessário, movimentação excessiva e tempo ocioso de equipamentos, fatores que Shingo (1989) considera como elementos críticos de desperdício dentro do sistema lean. A análise de gargalos é igualmente importante, uma vez que estas áreas representam os pontos de restrição de fluxo na linha de produção. Segundo Goldratt e Cox (2016), a Teoria das Restrições (TOC) destaca que a capacidade produtiva total é limitada pelo desempenho do seu elo mais fraco, ou seja, os gargalos. Assim, mapear e otimizar esses pontos específicos no processo é uma maneira eficaz de aumentar a eficiência e a produtividade de toda a linha de montagem.
3.5.6 IMPACTO DAS MELHORIAS: AUMENTO NA PRODUTIVIDADE E SATISFAÇÃO DO CLIENTE
Os resultados da implementação das melhorias tecnológicas e de práticas lean são refletidos diretamente na redução dos tempos de ciclo, na diminuição da taxa de defeitos e na capacidade de produção. A redução de 32% no tempo de ciclo e 66% na taxa de defeitos indicam que as mudanças foram efetivas para aumentar a qualidade e reduzir o desperdício, alinhando-se aos princípios de produção enxuta discutidos por Slack et al. (2010). Esses ganhos de eficiência, somados à diminuição dos custos com retrabalho e devoluções, também impactam positivamente a satisfação do cliente, que percebe um produto de maior qualidade, menos propenso a falhas (Liker, 2004).
A introdução das novas tecnologias também resultou em uma melhoria de 50% na capacidade de produção e na satisfação do cliente, reduzindo o índice de devoluções em 66,7%. De acordo com Liker (2004), práticas de melhoria contínua e foco na qualidade são essenciais para manter altos níveis de satisfação dos clientes, minimizando custos associados a retrabalho e devoluções.
4. CONCLUSÃO
Os resultados desta pesquisa evidenciam que a adoção de tecnologias inovadoras no processo de fabricação de luzes de carro tem um impacto significativo em diversas áreas da produção. A utilização de robôs colaborativos, sensores inteligentes e sistemas automatizados de monitoramento, mostrou ser uma estratégia eficaz para transformar o processo produtivo, resultando em melhorias notáveis tanto na eficiência quanto na qualidade do produto final.
Um dos principais achados do estudo foi a redução drástica do tempo de ciclo de produção, que caiu de 89 segundos por unidade para 60 segundos, um aprimoramento de 32%. Essa melhoria no tempo de produção teve um efeito direto na capacidade de produção, permitindo que a linha de montagem aumentasse sua capacidade para 60 peças por hora, o que representa um aumento de 50% na produção. Esse ganho de eficiência não só otimizou o processo de fabricação, mas também gerou uma redução significativa nos custos operacionais. Isso comprova que a automação não apenas agiliza o processo, mas também proporciona um controle mais rigoroso sobre os custos, permitindo uma produção mais rentável.
Além disso, a melhoria no controle de qualidade foi expressiva. A implementação de inspeção automatizada e visão computacional para a detecção de falhas no produto resultou em uma diminuição considerável na taxa de defeitos, que caiu de 6% para 2%. Essas melhorias em qualidade não só aumentaram a confiabilidade do produto, mas também contribuíram para a satisfação do cliente, já que as devoluções de produtos defeituosos caíram de 15% para 5%. Esse resultado indica que as mudanças implementadas no processo produtivo foram bem recebidas pelos consumidores, refletindo positivamente na percepção da marca e na fidelização dos clientes.
Outro benefício relevante foi a redução significativa do desperdício de materiais. O desperdício caiu de 10% para 3%, representando uma economia substancial nos custos de insumos. Isso não só contribuiu para a eficiência econômica, mas também teve um impacto positivo na sustentabilidade ambiental, ao reduzir a quantidade de materiais descartados durante a produção. A gestão mais eficiente dos recursos, com a utilização de sensores e sistemas inteligentes de controle, permitiu uma melhor alocação de materiais e uma maior precisão no processo, minimizando perdas e excessos.
Em termos gerais, os resultados demonstram que a aplicação de tecnologias de automação e monitoramento inteligente no processo de produção de luzes de carro gerou uma série de benefícios interligados: aumento da produtividade, melhoria na qualidade, redução de custos, diminuição de desperdícios e maior satisfação dos clientes. Esse conjunto de melhorias evidencia que a automação industrial não apenas acelera a produção, mas também aprimora a eficiência de toda a cadeia produtiva, tornando-a mais competitiva e sustentável a longo prazo.
Em um contexto mais amplo, pode-se concluir que a implementação de automações e melhorias de processos, é uma estratégia essencial para empresas que buscam se destacar no mercado e atender de forma eficiente às exigências de consumidores cada vez mais exigentes. A integração de novas tecnologias no processo produtivo permite não só aumentar a capacidade de produção e melhorar a qualidade, mas também otimizar o uso de recursos, reduzir custos e promover práticas sustentáveis. Empresas que investem nesse tipo de inovação estão mais bem preparadas para enfrentar os desafios de um ambiente de negócios dinâmico e competitivo, com a garantia de que seus processos são mais eficientes, escaláveis e alinhados com as demandas do mercado.
A continuidade dos investimentos em inovação tecnológica, treinamento de mão de obra qualificada e ajustes nos processos serão fundamentais para que os ganhos observados neste estudo se mantenham e evoluam ao longo do tempo. Portanto, é possível afirmar que a adoção da automação inteligente representa um caminho promissor para o futuro da indústria, criando uma base sólida para o crescimento sustentável e a competitividade a longo prazo.
BIBLIOGRAFIA
Bergman, B.; Klefsjö, B. (2010). Qualidade: A Gestão e suas Ferramentas. São Paulo.
Bhamra, R. et al. (2019). Resilience, Robustness, and Reliability: Improving Performance through the Application of FMEA. Cham: Springer.
Dhillon, B. S. (2018). Reliability, Quality, and Safety for Engineers. CRC Press.
Goldratt, E. M.; Cox, J. (2016). A Meta: Um Processo de Aprimoramento Contínuo. São Paulo: Nobel.
Kolberg, D.; Zühlke, D. (2015). Lean Automation enabled by Industry 4.0 Technologies. IFAC-PapersOnLine.
Lee, J.; Kao, H. A.; Yang, S. (2018). Service innovation and smart analytics for Industry 4.0 and big data environment. Procedia CIRP.
Liker, J. K. (2004). The Toyota Way: 14 Management Principles from the World’s Greatest Manufacturer. New York, NY: McGraw-Hill.
Marques, R. M. (1990). O impacto da automação microeletrônica na organização do trabalho em duas montadoras brasileiras. Brazilian Journal of Political Economy.
Martins, P. R. et al. (2019). Otimização de processos produtivos em indústrias de alimentos: A utilização de tecnologias de automação. Journal of Industrial Engineering.
Pereira, M., et al. (2020). Collaborative robots in manufacturing systems: Analysis and future trends. Procedia Manufacturing.
Rother, M.; Shook, J. (2003). Learning to See: Value Stream Mapping to Create Value and Eliminate Muda. Brookline, MA: Lean Enterprise Institute.
Rüßmann, M., et al. (2015). Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group.
Shingo, S. (1989). A Revolução do Sistema Toyota de Produção. São Paulo: McGraw-Hill.
Slack, N. et al. (2010). Administração da Produção. 9ª edição. São Paulo: Pearson.
Souza, A. L.; Pereira, C. R.; Lima, M. S. (2018). O impacto da automação na indústria automotiva: Análise da produção de componentes eletrônicos e ópticos. Journal of Manufacturing Technology.
Stamatis, D. H. (2003). Failure Mode and Effect Analysis: FMEA from Theory to Execution. Milwaukee, WI: ASQ Quality Press.
Womack, J. P. et al. (2004). A máquina que mudou o mundo James P. Womack, Daniel T. Jones, Daniel Roos; tradução Ivo Korytowski. Rio de Janeiro: Campus.
[1] Ensino superior em engenharia de produção. ORCID: 0009-0004-4489-594X.
Material recebido: 20 de novembro de 2024.
Material aprovado pelos pares: 30 de dezembro de 2024.
Material editado aprovado pelos autores: 17 de janeiro de 2025.