093.584_aula3_7077760 (2)

CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS
RAFAELA EDUARDA ALMEIDA LOPES
BENEFÍCIOS DA ROBÓTICA COLABORATIVA COMO
VANTAGEM COMPETITIVA PARA O SEGMENTO
INDUSTRIAL
NUREMBERG
2022

CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS
RAFAELA ALMEIDA LOPES
BENEFÍCIOS DA ROBÓTICA COLABORATIVA COMO
VANTAGEM COMPETITIVA PARA O SEGMENTO
INDUSTRIAL
Artigo final elaborado na disciplina de
trabalho de conclusão de curso – TCC
do curso de Engenharia de produção
do Centro Universitário da Grande
Dourados - para fins de obtenção do
Grau de Bacharel em Engenharia de
produção, sob orientação da Prof.
Bárbara Helen Rodrigues Ramires
Seribeli
NUREMBERG
2022

CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS
RAFAELA EDUARDA ALMEIDA LOPES
BENEFÍCIOS DA ROBÓTICA COLABORATIVA COMO
VANTAGEM COMPETITIVA PARA O SEGMENTO
INDUSTRIAL
Aprovado em: ____/____/2022
Orientador (a): Prof.(a). Bárbara Helen Rodrigues Ramires Seribeli
________________________________
Prof. Thiago Vinicius Krencyznski
Coordenador do Curso
NUREMBERG
2022

BENEFÍCIOS DA ROBÓTICA COLABORATIVA COMO
VANTAGEM COMPETITIVA PARA O SEGMENTO INDUSTRIAL
RAFAELA EDUARDA ALMEIDA LOPES
RESUMO
O desenvolvimento de robôs colaborativos tem, como principal finalidade, o uso por
indivíduos sem especialização técnica, aliado a aspectos preventivos e segurança para
evitar ao máximo qualquer espécie de acidente no ambiente de trabalho. Os robôs
colaborativos são desenvolvidos por meio de métodos específicos de visão, além de
sensores para detectar a aproximação de objetos e indivíduos, antecipando eventuais
colisões. O sistema pelo qual são desenvolvidos os robôs colaborativos reduzem a
velocidade e impedem a direção do equipamento após detectar um determinado espaço
em relação ao indivíduo – usuário – e objetos que, eventualmente, possam causar alguma
espécie de choque com o robô colaborativo. Nesse sentido, os robôs colaborativos
possuem um design devidamente planejado para redução de eventuais colisões, ou
qualquer outra espécie de acidente no ambiente de trabalho, além de apresentar uma
película de revestimento macia com alto nível de sensibilidade ao toque. Os robôs
colaborativos caracterizam-se também por serem flexíveis e simples quanto ao seu
manuseio, permitindo um sistema teach-in por meio de indicações manuais associadas a
direção e funcionamentos adicionais. O presente estudo justifica-se, principalmente, pelo
fato de que os robôs colaborativos oferecem diversos benefícios nas atividades
consideradas exaustivas e repetitivas para os indivíduos, oferecendo também segurança e
prevenção em ambientes de trabalho que possam ofereçam riscos para a saúde dos
indivíduos, com foco no aumento de qualidade e eficiência nos processos de produção.
Por meio dos robôs colaborativos, as organizações possuem uma importante ferramenta
competitiva no mercado e, ao criar estabilidade no mercado, as organizações criam
também condições para geração de novos empregos. Averiguando-se essa conjuntura,
ressalta-se o seguinte problema de pesquisa: quais as principais vantagens competitivas
no mercado para as organizações que utilizam a robótica colaborativa nos processos
produtivos? O objetivo geral é averiguar as principais características da robótica
colaborativa nos processos de produção, com ênfase para as vantagens competitivas que
este mecanismo tecnológico pode proporcionar para as organizações. Sobre a definição
dos objetivos específicos, estabeleceu-se o seguinte: vantagem competitiva e robótica
colaborativa; investigar aspectos técnicos e mercadológicos sobre a robótica colaborativa
no ambiente de trabalho das organizações; analisar as vantagens competitivas no mercado
para as organizações que utilizam a robótica colaborativa nos processos produtivos. A
metodologia adotada nesse estudo foi a seguinte: Revisão Bibliográfica Narrativa
(Revisão de Literatura).
Palavras-chave: Ambiente de Trabalho. Competitividade. Processos Produtivos.
Robótica Colaborativa. Segurança e Prevenção.

ABSTRACT
The development of collaborative robots has, as main purpose, the use by individuals
without technical specialization, combined with preventive and safety aspects to avoid as
much as possible any accident in the work environment. Collaborative robots are
developed using specific vision methods, as well as sensors to detect the approach of
objects and individuals, anticipating possible collisions. The system by which
collaborative robots are developed reduces the speed and prevents the direction of the
equipment after detecting a certain space in relation to the individual - user - and objects
that, eventually, may cause some kind of shock with the collaborative robot. In this sense,
the collaborative robots have a duly planned design to reduce possible collisions, or any
other type of accident in the work environment, in addition to presenting a soft coating
film with a high level of sensitivity to touch. Collaborative robots are also characterized
by being flexible and simple in their handling, allowing for a teach-in system by means
of manual indications associated with direction and additional functions. The present
study is justified, mainly, by the fact that collaborative robots offer several benefits in
activities considered exhaustive and repetitive for individuals, also offering safety and
prevention in work environments that may offer risks to the health of individuals,
focusing increasing quality and efficiency in production processes. Through collaborative
robots, organizations have an important competitive tool in the market and, by creating
market stability, organizations also create conditions for generating new jobs. In the light
of this situation, the following research problem is highlighted: what are the main
competitive advantages in the market for organizations that use collaborative robotics in
production processes? The general objective is to investigate the main characteristics of
collaborative robotics in production processes, with emphasis on the competitive
advantages that this technological mechanism can provide for organizations. Regarding
the definition of specific objectives, the following was established: competitive advantage
and collaborative robotics; investigate technical and marketing aspects of collaborative
robotics in the organizations' work environment; analyze the competitive advantages in
the market for organizations that use collaborative robotics in production processes. The
methodology adopted in this study was as follows: Narrative Bibliographic Review
(Literature Review).
Keywords: Collaborative Robotics. Competitiveness. Productive Processes. Security and
Prevention. Work Environment.

INTRODUÇÃO
A utilização da automação é um procedimento recorrente quando se objetiva a
promoção do aumento dos níveis de produção e eficiência em diversos sistemas. Contudo,
mesmo considerando o elevado desenvolvimento observado nesta área, ainda não há
comprovações contundentes de que o trabalho manual tenha sido suplantado enquanto
recurso totalmente flexível. Sendo este um dos maior entraves no desenvolvimento de
sistemas de montagem reconfiguráveis (DENCKER, et. al., 2009)
De modo cada vez mais elevado, a competitividade dos sistemas de produção
apresenta-se fortemente ligada com aspectos de flexibilidade e, na maioria das vezes, está
relacionada com sua disposição para a reconfiguração. Destarte, mostra-se como
essencial que se desenvolva processos colaborativos e com altos índices efetividade entre
pessoas e máquinas sendo esta questão primordial para se incrementar os processos de
produção. Com o objetivo de extrair ao máximo as qualidades técnicas dos indivíduos e,
concomitantemente, tirar proveito das vantagens oferecidas pelo desenvolvimento
tecnológico da automação, a influência mútua entre estes necessita ser pesquisada,
desenvolvida e bem arquitetada. A chave do sucesso em relação a essa questão passa por
estabelecer atividades mistas, promovendo a associação de operações manuais e
automatizadas em modos de produção semi-automáticos que instiguem o trabalho
colaborativo entre estes diferentes recursos (DAEMON, 2017).
Por meio da robótica colaborativa, o homem e o robô conseguem desenvolver
atividades notadamente mais sensíveis. Grades de proteção são eliminadas, novos postos
de trabalho são criados, proporcionando maior rentabilidade e máxima eficiência nas
empresas da indústria 4.0. Os robôs colaborativos, que estão sendo reconhecidos pelas
destacadas alterações no mercado por conceber diversas novas possibilidades de
utilização da automação em decorrência de suas características inovadoras. Uma das
principais vantagens dos robôs colaborativas, diz respeito a possibilidade de trabalharem
em conjunto com pessoas e de modo seguro (GUILD; DANAHER, 2016).
Segundo pesquisas, o mercado mundial de robôs colaborativos deve investir quase
12 bilhões de dólares até o ano de 2025. Sendo praticamente todo o capital presente,
atualmente, no setor robótico hoje (VITALLI, 2017). Os robôs colaborativos foram
criados para serem manuseados sem grandes complicações por pessoas não especialistas

em robótica, ou seja, a partir de comandos intuitivos podem ser empregados nas mais
diferentes funções e apresentando baixo risco de acidentes.
Em cada junta/eixo rotativo estão presentes sensores de força e torque que
detectam até o mais sutil impacto ou toque no decorrer do andamento contínuo da
programação estabelecida. Os robôs colaborativos são instrumentalizados com sistemas
inteligentes de visão e sensores que detectam a aproximação, antecipando-se desta forma,
de uma acidental colisão, diminuindo a velocidade de deslocamento ou parando
completamente ao chegar a uma distância mínima do trabalhador ou elemento que se
apresente como risco de colisão. Exibem design arredondado para reduzir danos mesmo
de fronte a leves contatos em pessoas e ainda podem apresentar uma envoltório com
revestimento macio e sensitivo ao toque. Flexibilidade e simplicidade são, da mesma
forma, atributos importantes e possibilitam programação teach-in (“Ensino por meio de
chaves”) a partir de orientação manual do percurso de deslocamento e das demais funções
acessórias (VITALLI, 2017).
Pode-se alocar os robôs colaborativos em linhas de montagem de equipamentos
de pequenas dimensões, como eletrônicos e componentes automotivos, ou colaborar no
controle da qualidade de produtos produzidos manualmente. Pequenos e livre de riscos,
podem ser utilizados em linhas de montagem já estabelecidas, sem ter que realizar
grandes alterações. Os robôs colaborativos apresentam custo reduzido, reconhecidamente
fáceis de usar e apresentam elevada segurança. Outro aspecto positivo é que podem ser
prontamente reconfigurados para novas funções, sendo deste modo, apropriados para a
produção de pequenas séries. Importante ressaltar que antes da utilização dos robôs
colaborativos, deve-se desenvolver uma análise dos riscos e prováveis acidentes de
acordo com as normas internacionais ISO/TS 15066:2016 (ISO, 2016) e ISO 10218-
1:2011 (ISO, 2011) (VITALLI, 2017).
Destaca-se ainda que as novas tecnologias de robôs, os chamados robôs
colaborativos, bem como os robôs tradicionais utilizados em aplicações colaborativas,
possuem uma regulamentação técnica e legal: a Norma Técnica nº 31 (BRASIL, 2018).
Tal norma técnica é regulamentada com base na Norma Regulamentadora nº 12
(BRASIL, 1978), bem como baseado nas atribuições e entendimento da Auditoria Fiscal
do Trabalho em relação aos requisitos de segurança necessários ao trabalho seguro com
os referidos robôs (NR-12, 2010).
Averiguando-se essa conjuntura, ressalta-se o seguinte problema de pesquisa:
quais as principais vantagens competitivas no mercado para as organizações que utilizam

a robótica colaborativa nos processos produtivos? O objetivo geral é averiguar as
principais características a robótica colaborativa nos processos de produção, com ênfase
para as vantagens competitivas que este mecanismo tecnológico pode proporcionar para
as organizações. Sobre a definição dos objetivos específicos, estabeleceu-se o seguinte:
verificar conceitos e características da robótica colaborativa; investigar aspectos técnicos
e mercadológicos sobre a robótica colaborativa no ambiente de trabalho das organizações;
analisar as vantagens competitivas no mercado para as organizações que utilizam a
robótica colaborativa nos processos produtivos.
Para o desenvolvimento efetivo dos objetivos específicos num corpo consistente
de análise e argumentação, é utilizada uma abordagem objetiva e qualitativa como um
processo metodológico, baseado no estudo comparativo do conteúdo dos trabalhos de
diferentes autores, numa revisão bibliográfica e documental que permite maior
aprofundamento no tema da investigação. Após esta introdução os seguintes capítulos
estarão organizados da seguinte maneira. No capítulo 2 foram verificados conceitos e
características da robótica colaborativa. No capítulo 3 são investigados aspectos técnicos
e mercadológicos sobre a robótica colaborativa no ambiente de trabalho das organizações.
As vantagens competitivas no mercado para as organizações que utilizam a robótica
colaborativa nos processos produtivos estará sendo abordada no capítulo 4. No capítulo
5 será abordada a metodología aplicada. E para finalizar, no capítulo 6 serão apresentadas
as considerações finais.
2 A IMPORTÂNCIA DOS SISTEMAS COLABORATIVOS
O desenvolvimento do trabalho colaborativo, inicialmente, foi utilizada em
atividades como o deslocamento preciso de grandes cargas em operações de montagem,
possibilitando o controle do movimento de um transmissor robótico diretamente por um
colaborador que, desta forma, recebe informações do bom andamento do processo. Os
impeditivos virtuais vieram contribuir com o controle livre nos sistemas colaborativos e
possibilitaram que se desenvolvessem atividades cansativas e que demandavam alto grau
de exatidão a partir do estabelecimento de regras relacionadas ao movimento realizado
pelo operador (RIBEIRO, 2010).
A robótica tem ampliado seu campo de atuação, tornando-se, gradativamente,
mais presente nos processos manufaturados em todos os setores de mercado, haja vista
que diminui os gastos relacionados com o trabalho e problemas ligados à utilização de

recursos humanos em ambientes perigosos ou insalubres. A utilização da automação e
robótica pode ser aplicada junto à simples operações de transporte até robôs multieixos
com sistemas avançados de visão integrada e flexibilidade de reconfiguração em tempo
real (GOLNABIA; ASADPOURB, 2007).
Espera-se que o desenvolvimento tecnológico relacionado com os robôs
colaborativos tornem os processos de manufatura atuais, obsoletos. Estruturas autônomas
ou semiautônomas irão impulsionar o desenvolvimento da visão computacional, de
sensores, incluindo radares e GPS, e linhas de código de controle remoto. Medidores em
3D e os sensores de visão e localização possibilitarão a adaptação de máquinas conforme
o ambiente e a relação destas com as pessoas (BATCHELOR, 2012). Programas de
capacitação em automação serão gradativamente essenciais para o desenvolvimento de
competências estratégicas, mas deve ser estabelecido de modo adequado, considerando
os colaboradores de baixa escolaridade, que deverão ser treinados para melhor se
adequarem à nova realidade (FORESIGHT, 2013).
Processo de modelação e simulação da manufatura interligadas a todos os
processos de design, em conjunto com dispositivos de realidade virtual, possibilitarão que
todos os aspectos da produção sejam melhorados em um fluxo ascendente de acordo com
os princípios de produção ágil, isto é, just in time, ação rápida e produção enxuta
(DICKENS; KELLY; WILLIAMS, 2013). A partir do suporte de novos materiais e de
máquinas reprogramáveis, os níveis de produção apresentaram índices cada vez mais
elevados, sendo fundamentais para suprir as demandas cada vez mais acentuadas da
sociedade (BRUNO, 2016).
Adotando princípios da Indústria 4.0, os modos de organização do trabalho, os
modelos de negócio e os serviços utilizarão tics para atrelar a produção a todas as demais
atividades envolvidas. Tais ações, além de possibilitarem maior vantagem competitiva,
serão determinantes para agregar mais valor ao produto, consequentemente, maior
reconhecimento por parte do consumidor, integrado, do mesmo modo, às novas
tecnologias. A reorganização com a utilização de robôs colaborativos irá ser determinante
para a transformação de toda a cadeia produtiva (FORESIGHT, 2013).
A revolução da manufatura irá acontecer fazendo-se uso da integração de sensores
em rede, lingando produtos aos processos e à Internet (VARHEENMAA; MEINANDER,
2007).Sensores são conversores que avaliam quantidades físicas e as transformam em
sinais que são interpretados por um observador ou por um aparelho eletrônico. Todos os
equipamentos automatizados apresentam sensores (BOOK et al., 2010).

Os fluxos de dados dos produtos possibilitarão o desenvolvimento de novos
serviços, a administração autônoma de estoques pelo sistema, a autoavaliação de
imperfeições e o autorreparo antes mesmo que as falhas possam ocorrer, além de
reduzirem a utilização de energia (FORESIGHT, 2013).
Outros destaques e outros setores de desenvolvimento tecnológico também devem
ser observados – Big Data, IdC - Internet das Coisas, IdS - Internet dos Serviços,
Inteligência Artificial e Impressão 3D –, todos vastamente estudados como possíveis
ferramentas a serem utilizadas manufatura. Na manufatura, o Big Data, isto é, as formas
de armazenamento e tratamento de um volume elevado de dados, contribuirá com a
otimização do design, dos meios de produção e com os ciclos de produtos, contribuindo
com a redução do uso de recursos (MANYIKA; SINCLAIR; DOBBS, et al., 2012).
Todo o histórico relacionado com a cadeia produtiva poderá ser armazenada e
utilizada como fontes de dados para novas pesquisas e possíveis incrementos no processo.
O Big Data contribuirá para uma substancial mudança no modo como a manufatura se
relaciona com o consumidor. O grande volume de dados poderá compreender desde a
comunicação online dos consumidores sobre determinada marca ou produto até dados
obtidos em tempo real de máquinas-ferramentas e robôs. Todas essas informações serão
essenciais para que se possa refinar o processo de manufatura, destarte o tratamento
analítico das informações e possíveis insights acerca do material avaliado, todo esse
processo com o desígnio de aperfeiçoar o desempenho operacional (BRUNO, 2016).
2.1 A IMPORTÂNCIA DOS SISTEMAS COLABORATIVOS
Um conjunto de trabalho coordenado, ou, em outras palavras, um determinado
sistema pode ser classificado como colaborativo se nele for possível identificar uma
comunicação simultânea entre o agente operador e a máquina robótica durante a
realização de uma atividade (PESHKIN; COLGATE; WANNASUPHOPRASIT, et al.,
2001).
A palavra ‘colaborativo’, é a expressão utilizada para dar referência aos sistemas
robóticos, que possibilitam a diferenciação existente entre dois modelos: a
telemanipulação e a manipulação colaborativa. No que se diz respeito à telemanipulação,
é a presença de uma relação indireta entre o agente operador e o sistema robótico nos
quais integram- se mutuamente. Neste ponto, o agente operador do sistema estabelece

uma relação direta com um robô de comando central, que permite manipular um ou vários
robôs remotamente, que interconectados, serão os responsáveis pela realização do
trabalho. Entretanto, nestes casos, justamente pela ausência do operador no mesmo
espaço físico de trabalho, são necessárias a utilização de meios que permitam ter
percepções táteis e orientações visuais (MARAYONG, 2007).
No âmbito da manipulação colaborativa o agente operador, está presente em
pessoa no espaço onde se realiza o trabalho e comanda prontamente o sistema robótico.
Nesta inter-relação o robô repete sequencialmente tudo o que o agente operador
presencialmente comanda. Com isso, o operador sustenta a capacidade em manter a
movimentação sobre o espaço físico e o mecanismo terminal do robô, não se fazendo
necessários quaisquer outros instrumentos (EMEAGWALI, 2004).
É imprescindível ter em mente a devida diferenciação entre estes sistemas e os
sistemas colaborativos robóticos, que indicam uma colaboração entre dois ou mais robôs.
Os sistemas colaborativos avançaram muito no aspecto suplementar aos sistemas
robóticos dos setores industriais nos quais, por motivos de segurança do trabalho, não
poderiam proceder conjuntamente com pessoas, dado o nivel de perigo e/ou risco que
essas atividades apresentam (PESHKIN; COLGATE, 1999). Ao manejar diretamente o
robô dentro do espaço de operações o agente condiciona a sua capacidade cinestésica,
isto é, sua percepção de movimentação, deixando os manipuladores colaborativos mais
harmônicos e sensíveis ao utilizá-los do que pelos sistemas de telemanipulação
(RIBEIRO, 2010).
A evolução da inteligência artificial apresenta-se como fundamental para a
automatização das máquinas. A compreensão das linguagens e vozes humanas faz com
que as máquinas realizem comandos com maior facilidade. A aprendizagem das máquinas
tem se mostrado de estimado valor para o diagnósticos médico, por exemplo. No capítulo
3, são abordados aspectos conceituais e técnicos a respeito da inteligência artificial,
ampliando a dimensão a respeito da influência da robótica colaborativa no meio social e
mercadológico em todo o mundo (DICKENS; KELLY; WILLIAMS, 2013).
3 INTELIGÊNCIA ARTIFICIAL: CONCEITOS E QUESTÕES TÉCNICAS
A inteligência artificial é tecnologia que teve a sua criação nos anos de 1950 e que
vem recebendo elevado destaque na imprensa midiática. A concepção atual que se tem
acerca da IA deriva de diversos enlaces de diferentes áreas do conhecimento ocorridas no

decorrer da história e que contribuíram de modo significativo para o seu desenvolvimento
– matemática; neurociência; tecnologia da informação; entre outras diversas áreas
relevantes (RUSSELL; NORVIG, 2004).
Criada no ano de 1956, uma das principais finalidades da inteligência artificial é
fazer com que os equipamentos computacionais executem atividades inteligentes com
base em algoritmos com características de alta complexidade, bem como por meio de
procedimentos similares ao comportamento do ser humano – no sentido do pensamento,
do raciocínio e, principalmente, na forma de solucionar problemas sem a necessidade de
um comando humano (SOUZA; TALON, 2013).
Russell e Norvig (2013) afirmam que a inteligência artificial vem modificando e,
deveras, incrementando de forma geral, o modo como o ser humano desenvolve as suas
atividades, compreendendo a sua comunicação e aspectos práticos de seu trabalho. Os
autores classificam a inteligência artificial em quatro principais sistemas – Quadro 1.
Quadro 1 – Inteligência Artificial – Classificação de quatro sistemas principais.
Tipo de sistema
Conceitos
Sistemas que pensam Esforço para fazer os computadores pensarem. Máquinas com
como seres humanos mentes, no sentido total e literal. Automatização de atividades
associadas ao pensamento humano - tomada de decisões,
resolução de problemas e aprendizado, por exemplo.
Sistemas que pensam Estudos das faculdades mentais pelo uso de modelos
racionalmente computacionais que torna possível perceber, raciocinar e agir.
Sistemas que atuam A arte de criar máquinas que executam funções que exigem
como seres humanos
inteligência quando executadas por pessoas.
Sistemas que atuam A inteligência computacional é o estudo de projeto de agentes
racionalmente
inteligentes.
Fonte: Russell e Norvig (2013, p. 16), adaptado pelo autor.
A inteligência artificial utiliza algoritmos que trabalham com dados, sendo esta a
sua força impulsional. Os algoritmos empregues em inteligência artificial são constituídos
de três principais famílias: machine learning; deep learning; processamento de linguagem
natural. O sucesso atual e o franco aperfeiçoamento da inteligência artificial decorre em
grande medida da utilização de dados provenientes de grandes centros de processamento

de informações como a Big Data Analytics – avaliação e uso de gigantes grupos de dados,
denominado como Big Data (CLABURN, 2015).
Observa-se, na sociedade contemporânea, a presença de grandes entidades
estritamente voltadas para o desenvolvimento de estudos no campo da IA e que estão
possibilitando substanciais mudanças na sociedade como a conhecemos. O
gerenciamento de dados, a privacidade e o trabalho colaborativo de diferentes entidades,
como a The Boston Consulting Group (BCG) que desenvolve um trabalho colaborativo
com o MIT examinando e explorando o constante aumento da utilização da inteligência
artificial no cenário empresarial. Estes estudos avaliam os novos riscos e aspectos
prejudiciais relacionados ao grau de dependência, perda de empregos e segurança,
procurando contribuir acerca da compreensão de gerentes e indivíduos com poder
decisório no cotidiano das organizações, para que consigam mesclar de modo coeso e
assertivo as potencialidades presentes tanto na inteligência humana e quanto na
inteligência artificial (SANTOS, 2017).
De maneira geral, a área da tecnologia é caracterizada como uma inteligência
ubíqua, segmentada em três grupos principais: inteligência assistida; inteligência
aumentada; inteligência autônoma. Esses três grupos são reconhecidos
internacionalmente pela sigla IAAA (STONE; BROOKS; BRYNJOLFSSON, et al.,
2016).
A denominação ‘ubíquo’, de acordo com as regras de português no Brasil, tem o
seguinte significado: onipresente. A inteligência artificial, mesmo em um estágio
considerado incipiente, já se mostra como uma tecnologia cada vez mais frequente no
cotidiano dos indivíduos, acessível e à disposição em quase todos os espaços. Disponível
como a energia elétrica ou saneamento básico, sendo aos pouco integrada à sociedade
como ferramenta básica de auxílio às necessidades humanas (SOCIETY, 2016).
A inteligência assistida defende a participação das pessoas por trás de toda ação
automatizada. Este posicionamento demanda de princípios que advogam a importância
de se ter indivíduos em papel ativo no processo de tomada de decisão, sendo que a
inteligência artificial executa as tarefas conforme programas pelo humano, sendo
utilizada como forma de otimizar as atividades já realizadas, recebendo como atribuições
a execução de tarefas repetitivas e com alto nível de padronização. Cita-se à critério de
exemplificação, a utilização de IA em linhas de montagem de fábricas automatizadas,
maximizando dessa forma, a produção e eximindo o ser humano de atividades repetitivas,
deixando-o livre para exercer a sua função de ser cognoscente (CLABURN, 2015).

Assim como na indústria, inteligência artificial está presente no comércio, onde
certas marcas fazem uso dessa ferramenta para estabelecer comunicação com seus
clientes sanando dúvidas simples e possibilitando que a inteligência humana se concentre
em atendimentos que requerem mais sofisticação. A inteligência artificial não somente
responde a certos questionamentos como também pode estabelecer um diálogo com o
consumidor. Esta tecnologia é denominada como ChatBot, que além de manter
conversação pode transferir o processo para outro setor quando perceber que o assunto
tratado não diz respeito à sua programação específica (SANTOS, 2017).
Em relação à inteligência aumentada, trata-se do conceito de um sistema de
computador que auxilia o pensamento humano e sugestiona o emprego da tecnologia
como suporte e não substituição do homem no trabalho. A inteligência aumentada
objetiva elevar a capacidade de processamento humano, haja vista que os sistemas
buscam replicar o escopo completo de inteligência humana (CLABURN, 2015).
A inteligência aumentada apresenta um grande potencial de desenvolvimento,
pois é visível em uma realidade próxima, sendo possível visualizar a inteligência artificial
contribuindo com os médicos a avaliarem os dados médicos e o histórico de seus
pacientes; os indivíduos a terem respostas sobre seguros, carga tributária e programas
sociais; os estudantes e docentes utilizarem para estruturar processos de ensinoaprendizagem
mais efetivos; as organizações financeiras a efetuarem melhores decisões
sobre risco e fraude; utilizada para equacionar os problemas de segurança pública,
ambientais e da sociedade de um modo geral (SANTOS, 2017).
Quanto à inteligência autônoma, esta trata-se da concepção de máquinas com
maior autonomia, ou seja, equipamentos computacionais que tomam para si a atividade
de tomada de decisões conforme certas especificidades definidas pelo indivíduo com a
responsabilidade pelo processo de tomada de decisões. Quando as pessoas passarem a
depositar maior confiança na inteligência artificial, estas passarão a serem utilizadas com
mais contundência e em diversas áreas, tendo autonomia para gerir processos antes
coordenados pelo ser humano. Os carros autônomos são um exemplo desta nova realidade
pautada na confiança em relação às tecnologias atuais utilizadas na inteligência artificial
(CLABURN, 2015).
Importante frisar que a atividade de dar autonomia à máquinas ‘inteligentes’
repousará, em grande medida, em mãos humanas e será realizada com base em inúmeros
fatores, compreendendo a velocidade da tomada de decisões por parte do ser humano, a
viabilidade e os aspectos positivos de se tomar decisões autônomas em processos

específicos, a relação custo-benefício em construir tais soluções, e a confiança que será
creditada em tais soluções. Parte do corpo científico compreende a inteligência artificial
como uma ameaça. Personalidades importantes do segmento tecnológico em nível
internacional – Stephen Hawking, Bill Gates, Elon Musk (CEO da Tesla Motors), entre
outros – estão entre aqueles que alertam, de forma constante, sobre os riscos relacionados
com a criação de sistemas de inteligência artificial. Em 2014, Hawking alertou que o
desenvolvimento da inteligência artificial completa pode ser determinante para o fim da
raça humana (GUILD; DANAHER, 2016).
Dietterich e Horvitz (2015) afirmam que a inteligência artificial não apresenta
riscos, destacando que os riscos no processo de desenvolvimento de sistemas de
inteligência artificial são totalmente autônomos, com a capacidade de raciocinar e
aprender é nulo. Dietterich e Horvitz (2015) ressaltam que um sistema de inteligência
artificial não se tornará por conta própria autônomo a menos que seja estruturado desta
maneira. Desta forma, os computadores não colocarão a humanidade em risco em algum
momento de sua evolução, a menos que sejam programados para tal finalidade. Apesar
da inteligência autônoma ser compreendida como uma ameaça, algumas organizações
vem investindo substancialmente na tecnologia e parece irreversível que sistemas deste
porte venham a ser criados. A inteligência artificial autônoma já está sendo aplicada em
muitos processos que envolvem poder decisório de elevado periculosidade, como carros
de autônomos, armas autônomas e auxiliares cirúrgicos automatizados. Os riscos
relacionados a estes sistemas devem ser discutidos antes que seja seguro implantá-los de
modo completo (DIETTERICH; HORVITZ, 2015).
4 ROBÓTICA COLABORATIVA: VANTAGENS COMPETITIVAS NO
PROCESSO PRODUTIVO
O presente capítulo aborda vantagens da Robótica Colaborativa no processo
produtivos de alguns setores do mercado. Por meio dos Quadros 2, 3 e 4, e das Figuras 1,
2 e 3, verificam-se alguns casos práticos de soluções promovidas pela Robótica
Colaborativa.
Quadro 2 – Casos práticos de soluções promovidas pela Robótica Colaborativa –
Utilização de robôs em células de moldagem por injeção para aumentar a produtividade.

Tarefa Solução Resultado
Implementar uma pequena
solução robotizada para
montar e adicionar
inserções numa ampla
gama de peças moldadas
por injeção híbridas de
metal e plástico.
Fonte: Fanuc (2020a).
Criar uma célula
empregando os versáteis
robôs FANUC M-1, tanto
de forma independente
como em combinação com
os robôs Cartesianos.
Equipados com iRVision,
estes conseguem
reconhecer e posicionar
peças com níveis
extremamente elevados de
precisão.
Um design de célula
económico e flexível.
Montagem e
reconhecimento perfeito de
inserções e maior
competitividade para os
clientes.
Figura 1 – Casos práticos de soluções promovidas pela
Robótica Colaborativa – Utilização de robôs em células de
moldagem por injeção para aumentar a produtividade.
Fonte: Fanuc (2020a).
Quadro 3 – Casos práticos de soluções promovidas pela Robótica Colaborativa –
Utilização de robô colaborativo para movimento automatizado, sem barreiras de
segurança e à velocidade máxima.
Tarefa Solução Resultado

Promover a evolução da
abordagem "fábrica de
inteligente", para que a
cadeia de abastecimento e
os processos de produção
se auto-organizem e os
pedidos dos clientes sejam
satisfeitos de forma ainda
mais eficiente.
Fonte: Fanuc (2020b).
Instalação de 600 robôs
que se encarregam
essencialmente de tarefas
de soldadura e
manuseamento, atrás de
barreiras de segurança. A
exceção a este cenário é o
robô CR-35iA da FANUC,
que não necessita de
barreiras de segurança e
funciona à velocidade
máxima, 750 mm/s neste
caso, para colocar a peça
fabricada numa estrutura
de suporte.
Tarefas simples como o
transporte de peças no
ambiente de produção
passarão a ser efetuadas
por sistemas automáticos
e, um dia, darão lugar a
locais de trabalho
ergonómicos, silenciosos e
isentos de lesões físicas.
Figura 2 – Casos práticos de soluções promovidas pela
Robótica Colaborativa – Utilização de robô colaborativo para
movimento automatizado, sem barreiras de segurança e à
velocidade máxima.
Fonte: Fanuc (2020b).
Quadro 4 – Casos práticos de soluções promovidas pela Robótica Colaborativa –
Utilização de célula especial para manusear, orientar e processar componentes.

Tarefa Solução Resultado
Para produzir montagens
de cabinas para a DAF, é
necessário manusear
automaticamente fundições
pesadas ao longo de
processos de fresagem,
perfuração, fundição e
rebarbação, sem
intervenção humana.
Fonte: Fanuc (2020c).
Os robôs de
manuseamento FANUC R-
2000iB/165F equipados
com visão e um sistema de
laser, respetivamente,
visualizam, posicionam e
orientam as fundições e
carregam e descarregam as
mesmas ao longo das
máquinas na célula.
As montagens são
processadas numa única
fixação. A interação
perfeitamente integrada
entre os robôs e as
máquinas-ferramentas
reduziu de forma
significativa o tempo de
maquinação total e
aumentou a capacidade da
célula.
Figura 3 – Casos práticos de soluções promovidas pela
Robótica Colaborativa – Utilização de célula especial para
manusear, orientar e processar componentes.
Fonte: Fanuc (2020c).
A seguir, o presente estudo destaca algumas vantagens importantes da Robótica
Colaborativa em determinados setores mercadológicos.
4.1 VANTAGENS COMPETITIVAS DA ROBÓTICA COLABORATIVA NO SETOR
AGRÍCOLA

Entre alguns dos principais motivos na limitação da utilização de tecnologias de
robótica colaborativa em território brasileiro, consideram- se as mais importantes: o baixo
custo de força de trabalho; uma limitação da quantidade de computadores instalados em
áreas produtivas; alta carga de tributos para a importação de máquinas e outros
equipamentos com tecnologia de ponta; um deficitário suporte técnico e o baixo nível de
preparo profissional especializado; redução dos valores de comércio das mercadorias
agrícolas; um decréscimo dos índices de produção na maioria das propriedades agrícolas;
e os baixos valores financeiros das terras (HACKENHAAR; HACKENHAAR; ABREU,
2015).
As vantagens evidentes da robótica são o incremento tecnológico tanto em
quantidade quanto na qualidade da produção como um todo, buscando uma melhora real
e significativa no planejamento e no gerenciamento dos recursos naturais, adotando novas
práticas mais eficientes de toda a cadeia produtiva, principalmente no que diz respeito ao
consumo de insumos e outras matérias- primas (CRESTANA; FRAGALLE, 2012).
Embora seja uma proposta ambiciosa que vise criar condições ou soluções
altamente automatizadas ou específicamente técnicas, ainda há pouco acesso a essa
realidade na grande maioria dos sistemas produtivos da agricultura rudimentar no Brasil.
A robótica e a tecnologia voltadas para o campo, mais incisivamente para a denominada
agricultura de precisão, essencialmente fomentam o volume de produção e o valor
energético dos grãos, intrinsicamente ligada a um tipo de manipulação restrita e localizada
na utilização de um conjunto de itens ligados à produção do setor, ou por assim dizer, de
insumos (SILVEIRA, 2012).
Essa direção mais efetiva permite um aumento da capacidade de produção que
inclinam- se em alcançar os mais altos patamares produtivos das glebas, muitas vezes
alavancando a média de produção de grãos de 2 toneladas e meia por hectare para até 8
toneladas por hectare – tratando-se do trigo, por exemplo (INAMASU, 2011).
Por volta de 25% de todo volume de produção mundial de gêneros alimentícios
vem sendo ameaçado, ano a ano, como resultado da insuficiência de água, ou pela ação
de pragas mais destrutivas e resistentes aos defensivos agrícolas e que constantemente
são agredidas pela destruição e empobrecimento dos campos cultiváveis. Nesse ponto,
um aporte social mais significativo, pode ser conferido como uma consequência das
tecnologias adotadas, se for levado em consideração o peso do desafio para o aumento da
produção de alimentos em detrimento das demandas de uma população cada vez maior,

e em contraponto de uma diminuição dos danos ambientais e de decréscimo das
intercorrências relativamente previsíveis, dada ao grau de risco dessas atividades mais
insalubres (OLIVEIRA, 2009).
O assunto da automatização ou robotização e de sua ressonância sobre a criação
do emprego, passou a ser discutida com maior ênfase no Brasil nos últimos tempos. Vale
frisar sobre a atenção que se deve ter no que diz respeito ao processo de inserção e
disseminação desse aparato tecnológico, pois, é prudente que seja acompanhado de
modificações nas estruturas de origens sociais e econômicas, de maneira que possa
introduzir as condições necessárias de projeções rentáveis para a adoção das novas
técnicas. No caminho inverso ao de indústrias do setor aeroespacial, por exemplo, a
agricultura é um ramo industrial que possui pouca margem de lucro, por isso é essencial
que os novos robôs sejam eficientes e que o acesso a estes equipamentos seja facilitado
(HACKENHAAR; HACKENHAAR; ABREU, 2015).
O setor agrícola, a partir do ano de 2030 – aproximadamente –, mesclará o modo
mais tradicional com novíssimas gerações de robôs que deverão ser suficientemente
capazes de executar trabalhos com o ambiente natural para que seja possível estabelecer
um nível mínimo de competitividade econômica e sustentável frente aos outros mercados
produtores, com a oferta de alimentos de alta qualidade e em larga escala
(EUROBOTICS, 2012).
A pluridisciplinaridade e os progressos da tecnologia que passam a transformar e
criar novas práticas agrícolas, poderão abrir outras oportunidades para a entrada de
sistemas independentes nas lavouras. Esses, por seu turno, devem ser entendidos como
mecanismos de suporte que irão compor e adicionar ao sistema de manuseio e não apenas
como uma solução isolada e imediata (INAMASU, 2011).
4.2 VANTAGENS COMPETITIVAS DA ROBÓTICA COLABORATIVA NO SETOR
ALIMENTÍCIO
O crescimento da robótica colaborativa no setor de gêneros alimentícios e bebidas,
permite o desenvolvimento da produtividade e, especialmente, traz outras vantagens para
a segurança alimentar e para a segurança do trabalhador. Isso, sem levar em conta que a
robotização abre espaço para que os agentes operadores que antes estavam atrelados
diretamente à execução de tarefas de esforço repetitivo, agora possam assumir outras

atividades muito mais dinâmicas, complexas e estratégicas (FISPAL TECNOLOGIA,
2018).
Por fim, a utilização dos robôs colaborativos permite criar uma linha de
mercadorias diversificadas e mais flexíveis, onde há pouca necessidade de conformidade
eletromecânica ou de re-programação do maquinário (VITALLI, 2017). Embora seja
possivel identificar o evidente aumento de produtividade que a implementação da
tecnologia robótica colaborativa propiciou no setor industrial agrícola, é de suma
importância ressaltar que, essa redução de gastos de produção também podem ocorrer por
uma série de outras questões, pois a empresa que emprega mais integração de
comunicação entre robôs e pessoas na sua linha de produção, reduz seus gastos com
outras medidas de segurança, pois, para estes funcionários, não será mais preciso realizar
tais atividades que anteriormente eram comuns (FISPAL TECNOLOGIA, 2018).
Outro ponto que deve ser exposto é que praticamente não há diminuição na
velocidade de produção, pois são os robôs colaborativos que realizam as atividades e que
não estão mais sujeitos ao esgotamento físico dos trabalhadores diretamente ligados à
atividade em si. Nessa mesma esteira, desaparecem os riscos de acidentes de trabalho,
que costumavam acarretar grandes consequências e prejuízos para os empresários
(HACKENHAAR; HACKENHAAR; ABREU, 2015).
Com a diminuição dos custos de produção, é evidente que há um aumento da
margem de lucro. E, como exposto acima, essas vantagens não ocorrem somente pelo fato
de obterem maior eficiência e velocidade da linha produtiva, mas, também por conta da
diminuição dos riscos relacionados à area da saúde laboral e de processos trabalhistas
(FISPAL TECNOLOGIA, 2018). No geral, a indústria cresce em competitividade e
aumenta sua atuação no mercado, conferindo maior tranquilidade e estabilidade, o que
por consequência poderá aumentar os aportes financeiros e de pessoal, na capacitação
destes profissionais e na melhoria dos processos de administração como um todo e sempre
buscando manter- se no tempo de desenvolvimento de novas tecnologias.
5 METODOLOGIA
O presente artigo foi realizado com base em autores de renome e nos seus
trabalhos publicados na área de robotica colaborativa. Como metodologia para o
desenvolvimento deste trabalho, foi utilizada uma Revisão Bibliográfica Narrativa,
revisão da literatura, a qual, segundo Marconi e Lakatos (2017), fundamenta-se no

arrolamento de um amplo volume de publicações, incluindo livros, revistas e textos
avulsos ou trabalhos acadêmicos. Basicamente, o propósito de tal método é estabelecer
um contato mais direto entre pesquisador/autor e o conhecimento sobre o tema em
questão.
A Revisão Bibliográfica do tipo narrativa abrange uma quantidade extensa de
materiais, e Gil (2017) assinala que esse tipo de busca admite que o pesquisador/autor
absorva diversos fenômenos mais amplos, quando comparado com uma pesquisa direta.
Destarte, não seria cogente abordar sistematicamente a busca, seleção e análise dos
materiais, como é comum em outras metodologias bibliográficas (MELNIK; FINEOUT-
OVERHOLT, 2018). Não obstante, diversos autores argumentam que tal perspectiva
possa gerar vieses de seleção.
No que diz respeito ao tipo de pesquisa, considerou-se a pesquisa qualitativa como
um ponto de refência importante para o pesquisador, uma vez que este tipo de pesquisa
poderia ser balizada pela ação que coloca o pesquisador no universo de seu objeto de
pesquisa (DENZIN; LINCOLN, 2000). Essa categoria de pesquisa pode ser muito
acertada para unir significado e intenção, interpretando o significado dos acontecimentos,
fatores e decorrências (FLEMMING; BRIGGS, 2007).
Minayo (2014) esclarece que a heterogeneidade da pesquisa qualitativa não está
restrita a uma técnica somente, não apresenta uma teoria conceitual, ao assumir distintas
abordagens é capaz de investigar comportamentos, crenças e precedências. Adota um
panorama interpretativo extenso, demonstrando-o de forma prática e significativa ao
cenário real. Para Rother (2007), a pesquisa qualitativa trabalha com dados obtidos, sendo
capaz de apresentar conclusões relevantes, conforme o problema de pesquisa.
Neste sentido, a pesquisa qualitativa realizada é do tipo descritiva, a qual mostra
atributos de uma população ou eventos específicos, propondo observar, registrar, avaliar,
tipificar e interpretar os dados. Assim, a revisão narrativa admite um caráter descritivo e
bibliográfico, avaliando e descrevendo um objeto, através da consideração dos principais
estudos realizados por outros pesquisadores, analisando os temas correspondentes ao
primeiro. Os dados secundários são obtidos de textos previamente publicados, o que
permite ao pesquisador preocupar-se com a compilação e avaliação das informações
disponíveis, preservando a não manifestação de possíveis inconsistências (MARCONI;
LAKATOS, 2017).
Sousa, et al., (2018) destaca que uma das vantagens da Revisão Bibliográfica
Narrativa é a pergunta de pesquisa passível de ser respondida, podendo melhorar as

revisões já disponíveis; em função de não delimitar o tempo de revisão, os critérios de
inclusão e exclusão, denota a heterogeneidade, reconhece e assinala os possíveis vieses
de estudo, ao conceber conclusões adstritas aos fatos, sem maiores extrapolações. Caberia
aos autores a ciência dos desafios metodológicos.
6 CONSIDERAÇÕES FINAIS
A massificação da utilização de novas tecnologias de materiais, produtos,
processos, comunicação, informação e gestão, em conjunto com a evolução a hibridização
de produtos e serviços, irão ocasionar profundas alterações estruturais, gerando
oportunidades para a concepção de novos perfis empresariais. A intensa utilização de
novas tecnologias produtivas e o desenvolvimento de interfaces entre os consumidores e
os sistemas de produção contribuirão para que se estabeleça novos modelos de negócios.
Profissionais autônomos, empresas de todos os portes, consultorias e instituições
de formação técnica e científica irão atuar de modo integrada concorrendo e colaborando
entre si para a agregação de valor à produção, gerando otimização e celeridade nos
processos. Pequenos empreendimentos que hoje se apresentam limitados sem a
possibilidade de assumir maiores demandas poderão incrementar seus negócios a partir
de processos mais ágeis com a utilização de robôs colaborativos e, mediante o acesso aos
bancos de dados, poderão melhor desenvolver seus produtos, alinhando-se aos desejos
dos consumidores. As alterações da estrutura industrial deverá ser instigada, tanto em
comércios locais quanto inter-regionais, fazendo-se uso dos novos conceitos de produção
e consumo.
A discussão das novas tecnologias no processo produtivo rural ainda se encontra
nas fases iniciais. Estudos devem ser realizados como forma de conhecer os impactos da
utilização da tecnologia em larga escala na produção agrícola. A história nos mostra que
grande parte do êxodo rural ocorreu devido ao fechamento de postos de trabalho, a partir
da utilização de maquinário como substitutivo da mão de obra de trabalhadores. Tal
questão deve ser levada em consideração, haja vista que, uma sociedade sustentável e que
busque a inclusão da tecnologia e da internet das coisas no cotidiano das pessoas, deve
avaliar tantos os impactos positivos quanto negativos da utilização de tais tecnologias.
Em linhas gerais, pode-se dizer que a utilização de tecnologias alterou de modo
significativo o modo de viver do agricultor em muitas localidades. No século XXI, o
grande corpo de fazendeiros e seus respectivos colaboradores necessitam saber operar

maquinário sofisticado, assim como ter conhecimentos de sua mecânica para possíveis
reparos. Este pequeno recorte serve para ilustrar como as novas tecnologias podem
impactar o mundo das pessoas.
Na grande parte de sua história o homem se viu como fabricante direito de suas
coisas, sendo que, com o advento dos modos automatizados de produção, muitas
atividades que sempre preencheram o seu tempo deixaram de ser, por ele, diretamente
realizadas. Em defesa dessa modificação de postura, pode-se dizer que, sem as demandas
‘braçais’ o homem poderá demandar mais tempo para realizar atividades superiores e que
necessitam de pensamento complexo. Nesta perspectiva, o desenvolvimento de
tecnologias irá contribuir para o desenvolvimento do homem enquanto ser pensante.
Observou-se que as novas tecnologias possibilitarão um refinado alinhamento
entre os modos de produção com os consumidores. A utilização do Big Data será
fundamental para se estruturar uma nova forma de se fazer comércio, sendo de extrema
importância que os processos de produção se tornem mais ágeis e cirurgicamente
precisos. Nesta perspectiva, os robôs colaborativos ganham relevada importância, pois
poderão contribuir com a otimização dos processos, diminuição de custos com segurança
e contribuindo com o melhor aproveitamento dos espaços no interior das indústrias.
A tecnologia pode contribuir com o fechamento de postos de trabalho, mas esta
realidade acompanha a evolução do homem, pois assim como não se utiliza mais
máquinas de escrever e considerando o fato de que datilógrafos não estão entre os
profissionais requisitados no mundo do trabalho do século XXI, haverá sempre a
renovação dos postos de trabalho e, a utilização das tecnologias será fundamental para
que se estruture uma sociedade sustentável, com modos de produção mais complexos que
contribuam para o aumento da qualidade de vida da população, afinal as tecnologias
foram criadas para melhorar a realidade do homem e, se bem utilizadas, irão possibilitarão
seu desenvolvimento.
Averiguou-se que a expectativa sobre a inteligência artificial está relacionada ao
fato deste estar em franca evolução de acordo com novos cenários sociais e
mercadológicos.
Analisou-se que o desígnio da inteligência artificial não é substituir os
profissionais que atuam nas organizações, mas contribuir com a sua tomada de decisão,
aumentar o seu nível de eficiência, agilidade e produtividade, zelando também pela sua
saúde e segurança no ambiente de trabalho.

Concluiu-se que a Robótica Colaborativa promove melhores condições de
planejamento para os gestores realizarem tomadas de decisão com maior eficiência. Tais
aspectos favorecem no aumento da qualidade sobre os processos produtivos, bem como
promovem a redução de custos das organizações, aumentando a competitividade
mercadológica das mesmas.
Assim, em síntese, o presente estudo analisou as principais vantagens
competitivas no mercado para as organizações que utilizam a robótica colaborativa nos
processos produtivos. Sugere-se, ainda, que outros estudos sejam desenvolvidos para
discutir e fortalecer o tema da presente pesquisa, levando-se em consideração a evolução
da sociedade, do mercado e da legislação, bem como os principais autores no segmento
de Engenharia Mecânica, com ênfase na área de Robótica Colaborativa.

REFERÊNCIAS
BATCHELOR, B. G. Machine Vision for industrial applications. In: Machine Vision
Handbook, pp. 1-59. London: Springer-Verlag, 2012.
BLACKMORE, S. M.; GRIEPENTRONG, H. W. Autonomous Vehicles and Robotics.
Chapter 7, Section 7.3. Mechatronics and Applications. v. 6, pp. 204-215. ASAE CIGR
Handbook of Agricultural Engineering, 2006.
BOOK, W.; WINCK, R.; KILLPACK, M.; HUGGINS, J.; DICKERSON, S.;
JAYARAMAN, S.; COLLIN, T.; PRADO, R. Automated garment manufacturing
system using novel sensing and actuation. Proceedings of 2010 ISFA. 2010
International Symposium on Flexible Automation. Tokyo, Japan, Jul. 12-14, 2010.
BRASIL. (1978). NR-12 Segurança no Trabalho em Máquinas e Equipamentos. 115
p. Disponível em: http://www.trabalho.gov.br/images//Documentos/SST/NR/NR12/NR-
12.pdf. Acesso em: 23 nov. 2021.
BRASIL. (2018). Nota Técnica n° 31. Assunto: Esclarecimentos quanto às novas
tecnologias de robôs, denominados "ROBÔS COLABORATIVOS", e robôs tradicionais
em "APLICAÇÕES COLABORATIVAS", cuja utilização vem crescendo no parque
industrial brasileiro, bem como acerca das normas que os regulamentam e dos requisitos
de segurança necessários, à luz da Norma Regulamentadora 12, e das atribuições e
entendimento da Auditoria Fiscal do Trabalho em relação aos requisitos de segurança
necessários ao trabalho seguro com os referidos robôs. Ementa: Norma Regulamentadora
nO12 - NR 12. Robôs industriais colaborativos (cobots). Indústria 4.0. SIT - Secretaria
de Inspeção do Trabalho. DSST - Departamento de Segurança e Saúde no Trabalho.
CGNOR - Coordenação-Geral de Normatização e Programas. MT - Ministério do
Trabalho. Brasília: DSST/CGNOR/SIT/MT, 2018. Disponível em:
http://abimaq.org.br/Arquivos/HTML/Documentos/NR12/NT_N%C2%B031%20-
%20DSST%20-%20NR-12%20-
%20Rob%C3%B4s%20industriais%20colaborativos.pdf. Acesso em: 23 nov. 2021.
BRUM, Crhis Netto; ZUGE, Samuel; RANGEL, Rosiane; FREITAS, Maria Barbosa;
PIESZAK, Greice. Revisão narrativa de literatura: aspectos conceituais e metodológicos
na construção do conhecimento da enfermagem. In: LACERDA, Maria Ribeiro;
RIBEIRO, Renata Perfeito; COSTENARO, Regina Gema (Orgs.). Metodologias da
pesquisa para a enfermagem e saúde: da teoria à prática. Porto Alegre: Moriá, 2015.
BRUNO, Flavio da Silveira. A Quarta Revolução Industrial do Setor Têxtil e de
Confecção: a visão de futuro para 2030. 1. ed., 149 p. ISBN: 978-85-68552-31-5 . São
Paulo: Estação das Letras e Cores, 2016.
CHEN, H. Design of a controlled environment agricultural plant inspection robot.
Thesis (Master of Science Industrial Engineering). University of Iowa, 2012.
CLABURN, Thomas. Artificial intelligence: 10 things to know. Software. Informa
Tech, InformationWeek, 24 nov. 2015. Disponível em:

https://www.informationweek.com/software/artificial-intelligence-10-things-to-know-
/d/d-id/1323284. Acesso em: 3 out. 2020.
COSTA, Thaíse Kelly de Lima Costa; MACHADO, Liliane dos Santos; MORAES,
Ronei Marcos de. Inteligência artificial e sua aplicação em serious games para saúde.
RECIIS – Revista Eletrônica de Comunicação, Informação e Inovação em Saúde, v. 8, n.
4, p. 525-539, out./dez. 2014. DOI 10.3395/reciis.v8i4.844.pt. Disponível em:
https://www.researchgate.net/profile/Liliane_Machado/publication/271829147_Intelige
ncia_Artificial_e_sua_Aplicacao_em_Serious_Games_para_Saude/links/54d26a570cf2
8e0697241872/Inteligencia-Artificial-e-sua-Aplicacao-em-Serious-Games-para-
Saude.pdf. Acesso em: 3 out. 2020.
CRESTANA, S.; FRAGALLE, E. P. A Trilha da quinta potência: um primeiro ensaio
sobre ciência e inovação, agricultura e instrumentação agropecuária brasileira. v. 1,
n. 1, pp. 6-27. Brasília: Revista Eixo, 2012.
DAEMON, Flávia Xavier Moreira. A cooperação homem-robot em sistemas de
produção flexíveis e reconfiguráveis: contribuições para uma metodologia de desenho
de linhas de produção. 2017. 152 f. Dissertação (Mestrado Integrado em Engenharia
Eletrotécnica e de Computadores). FEUP - Faculdade de Engenharia da Universidade do
Porto. Porto: FEUP, 2017.
DENCKER, K.; FASTH, K.; STAHRE, J.; MARTENSSON, L.; LUNDHOLM, T.;
AKILLIOGLU; H. Proactive assembly systems-realising the potential of human
collaboration with automation. Annual reviews in control, 33(2):230–237, 2009.
DENZIN, Norman K.; LINCOLN, Yvonna S. Handbook of qualitative research.
Thousand Oaks-CA: Sage Publications, 2000.
DICKENS, P.; KELLY, M.; WILLIAMS, J. R. What are the significant trends shaping
technology relevant to manufacturing? Future of Manufacturing Project, Evidence
Paper n. 6. Foresight. out. 2013. London: The Government Office for Science, 2013.
DIETTERICH, Thomas G.; HORVITZ, Eric J. Rise of concerns about AI.
Communications of the ACM, v. 58, n. 10, p. 38-40, set. 2015. DOI 10.1145/2770869.
EARL, R.; THOMAS, G.; BLACKMORE, B. S. The potencial role of GIS in
autonomous field operations. v. 25, pp. 107-120. Computers and Eletronics in
Agriculture, 2000.
ELIAS, Claudia Souza Rodrigues; SILVA, Leandro Andrade; MARTINS, Miriam Teresa
Sá Leitão; RAMOS, Neide Ana Pereira Ramos; SOUZA, Maria das Graças Gazel;
HIPÓLITO, Rodrigo Leite. Quando chega o fim? Uma revisão narrativa sobre
terminalidade do período escolar para alunos deficientes mentais. SMAD: Revista
Electrónica em Salud Mental, Alcohol y Drogas, São Paulo, v. 8, n. 1, p. 48-53, 2012.
ISSN: 1806-6976.
EMEAGWALI, I. Performance Analysis of Steady-Hand Teleoperation versus
Cooperative Manipulation. Symposium on Hapit Interfaces for Virtual Environment
and Teleoperator Systems. Chicago: IEEE Virtual Reality, 2004.

EUROBOTICS. Challenge 2: Cognitive Systems, Interaction, Robotics. FP7-ICT-
244852; 01/2010-12/2012. Eurobotics - European Robotics Coordination. Eurobotics,
2012.
FANUC. (2020a). A AGI utiliza robôs em células de moldagem por injeção para
aumentar a produtividade. FANUC Robotics Company. Disponível em:
https://www.fanuc.eu/pt/pt/casos-de-clientes/agi. Acesso em: 23 nov. 2021.
FANUC. (2020b). A BENTELER Automotive de Schwandorf, na Alemanha, utiliza
o robô colaborativo CR-35iA da FANUC num movimento automatizado, sem
barreiras de segurança e à velocidade máxima. FANUC Robotics Company.
Disponível em: https://www.fanuc.eu/pt/pt/casos-de-clientes/benteler. Acesso em: 23
nov. 2021.
FANUC. (2020c). A Elburg Engineering utiliza uma célula especial para manusear,
orientar e processar componentes para a DAF. FANUC Robotics Company.
Disponível em: https://www.fanuc.eu/pt/pt/casos-de-clientes/elburg. Acesso em: 23 nov.
2021.
FERREIRA, Carlos Augusto Lima. Pesquisa quantitativa e qualitativa: perspectivas para
o campo da educação. Revista Mosaico, Vassouras-RJ, v. 8, n. 2, p. 173-182, jul./dez.
2015. ISSN: 2178-7719.
FERRETI, P. A. G.; CASTANHO, M. J. P. Modelo Matemático Fuzzy para
Determinar o Risco Arterial Coronariano. v. 14, n. 1, pp. 9-23. Revista Ciências Exatas
e Naturais, 2012.
FISPAL TECNOLOGIA. 3 vantagens de inserir robôs na linha de produção de
alimentos. Artigo publicado em 20 de junho de 2018. Disponível em:
https://digital.fispaltecnologia.com.br/3-vantagens-de-inserir-robos-na-linha-deproducao-de-alimentos/.
Acesso em: 23 nov. 2021.
FLEMMING, Kate; BRIGGS, Michelle. Eletronic Searching to locate qualitative
research: evaluation of three strategies. J. Adv. Nurs., v. 57, n. 1, p. 95-100, jan., 2007.
DOI: 10.1111/j.1365-648.2006.04083.x.
FORESIGHT. The Future of Manufacturing: a newera of opportunity and challenge
for the UK. Summary Report. London: The Government Office for Science, 2013.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 6. ed. São Paulo: Atlas,
2017. 192 p. ISBN-10: 8597012617. ISBN-13: 978-8597012613.
GOLNABIA, H.; ASADPOURB, A. Design and application of industrial machine
vision systems. v. 23, pp. 630-637. Robotics and Computer-Integrated Manufacturing,
2007.
GOULART, D. A.; TACLA, M. A.; MARBACK, P. M. F.; SOLÉ D.; JÚNIOR, A. P.;
PEREZ, H. B. Redes neurais artificiais aplicadas no estudo de questionário de
varredura para conjuntivite alérgica em escolares. v. 69, n. 5, pp. 707-713. Arq Bras
Oftalmol., 2006.

GRIFT, T. E. Robotics in Crop Production. Illinois: Urbana, 2007.
GUILD, Monty; DANAHER, Tony. The Artificial Intelligence vs. Intelligence
Augmentation Debate. 01/15/2016. Disponível em:
https://www.financialsense.com/contributors/guild/artificial-intelligence-vsintelligence-augmentation-debate.
Acesso em: 3 out. 2020.
HACKENHAAR, Neusa Maria; HACKENHAAR, Celso; ABREU, Yolanda Vieira de.
Robótica na agricultura. 11 p. v. 16, n. 1, pp. 119-129, jan./jun. 2015. Campo Grande:
Revista Interações, 2015.
HERMANN, M.; PENTEK, T.; OTTO, B. Design principles for industrie 4.0
scenarios: a literature review. Working Paper n. 01/2015. Technische Universität
Dortmund. Fakultät Maschinenbau. Audi Stiftungslehrstuhl Supply Net Order
Management, 2015.
INAMASU, R. Agricultura de precisão para a sustentabilidade de sistemas
produtivos do agronegócio brasileiro. Ribeirão Preto: Embrapa Instrumentação
Agropecuária, 2011.
ISO. (2011). ISO 10218-1:2011. Robots and robotic devices -- Safety requirements for
industrial robots -- Part 1: Robots. ISO - International Organization for Standardization.
ISO, 2011. Disponível em: https://www.iso.org/standard/51330.html. Acesso em: 23 nov.
2021.
ISO. (2016). ISO/TS 15066:2016. Robots and robotic devices -- Collaborative robots.
ISO - International Organization for Standardization. ISO, 2016. Disponível em:
https://www.iso.org/standard/62996.html. Acesso em: 23 nov. 2021.
HEILALA J.; VOHO P. Modular reconfigurable flexible final assembly systems.
Assembly Automation, 21(1):20–30, 2001
KAGERMANN, H.; WAHLSTER, W.; HELBIG, J. Recommendations for
implementing the strategic initiative INDUSTRIE 4.0: Final report of the Industrie
4.0. Working Group. abr. 2013. National Academy of Science and Engineering, 2013.
KNECHTEL, Maria do Rosário. Metodologia da pesquisa em educação: uma
abordagem teórico-prática dialogada. Curitiba: Intersaberes, 2014.
LACERDA, Maria Ribeiro; COSTENARO, Regina Gema Santini. (Orgs). Metodologias
da pesquisa para Enfermagem e Saúde: da teoria à prática. 1. ed. Porto Alegre: Moriá,
2016. 496 p. ISBN: 978-85-99238-17-2.
LAMM, R.; SLAUGHTER, D.; GILES, D. Precision Weed Control System for Cotton.
v. 45, n. 1, pp. 231-238. Transactions of the ASABE, 2002.
MANYIKA, J.; SINCLAIR, J.; DOBBS, R.; STRUBE, G.; RASSEY, L.; MISCHKE, J.;
REMES, J.; ROXBURGH, C.; GEORGE, K.; O’HALLORAN, D.; RAMASWAMY, S.

Manufacturing the future: the next era of global growth and innovation. nov. 2012.
McKinsey Global Institute, 2012.
MARAYONG, P. Motion Control Methods for Human-Machine Cooperative
Systems. John Hopkins University, 2007.
MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Metodologia do trabalho
científico. 8. ed. São Paulo: Atlas, 2017. 256 p. ISBN-10 8597010665. ISBN-13 978-
8597010664.
MELNYK, Bernadette M.; FINEOUT-OVERHOLT, Ellen. Making the case for
evidence-based practice. In: MELNIK, Bernadette M.; FINEOUT-OVERHOLT, Ellen.
Evidence-based practice in nursing and healthcare. A guide to best practice. 4. ed.
Filadélfia: Wolters Kluwer Health, 2018.
MINAYO, Maria Cecília S. O desafio do conhecimento: pesquisa qualitativa em saúde.
São Paulo-SP: Hucitec, 2014. 416 p. ISBN-10: 8527101815. ISBN-13: 978-8527101813.
MORAIS, Alana Marques de. Planejamento e desenvolvimento de um serious game
voltado ao ensino de saúde bucal em bebês. 2011. 148 f. Dissertação (Mestrado em
Modelos de Decisão e Saúde). UFPB - Universidade Federal da Paraíba. Departamento
de Estatística. Centro de Ciências Exatas e da Natureza. Programa de Pós-Graduação.
João Pessoa: UFPB, 2011. Disponível em:
http://de.ufpb.br/~mds/DissertacoesAprovadas/Dissertacao_Alana_Marques_de_Morais
-2011.pdf. Acesso em: 3 out. 2020.
NOGUCHI, N. Development of Automated and Robot Agriculture in Japan.
Sapporo: Journal of Agricultural Engineering Research, 2010.
OLIVEIRA, R. P. Agricultura de precisão: a Tecnologia da Informação em suporte ao
conhecimento agronômico clássico. Ano 11, n. 15, pp. 63-71, jul./dez. 2009. Rio de
Janeiro: Revista Tecnologia & Cultura, 2009.
PACHECO, M. A. C. Algoritmos genéticos: princípios e aplicações. Inteligência
Computacional Aplicada. Departamento de Engenharia Elétrica. PUC-Rio - Pontifícia
Universidade Católica do Rio de Janeiro. Rio de Janeiro: PUC-Rio, 1999.
PASSOS, U. R. C.; MATIAS, I. O. Algoritmos genéticos e raciocínio baseado em casos
aplicados a sistemas de suporte ao diagnóstico médico. pp. 10-12, nov. 2014. Bauru:
Anais do XXI Simpósio de Engenharia da Produção, 2014.
PESHKIN, M.; COLGATE, J. E. Cobots. Industrial Robot. v. 26, n. 5, pp. 335-341. An
Internacional Journal, 1999.
PESHKIN, M.; COLGATE, J. E.; WANNASUPHOPRASIT, W.; MOORE, C. A.;
GILLESPIE, R. B.; AKELLA, P. Cobot Architecture. v. 17, n. 4, pp. 337-390. IEEE
Transactions on Robotic and Automation, 2001.
PY, M. X. Sistemas especialistas: uma introdução. Instituto de Informática. UFRGS -
Universidade Federal do Rio Grande do Sul. v. 10, n. 11. UFRGS, 2009.

RIBEIRO, Fernando Manuel da Silva. Sistema Robótico Colaborativo utilizando
Restrições Virtuais. Dissertação (Mestrado Integrado em Engenharia Mecânica). FEUP
- Faculdade de Engenharia da Universidade do Porto. Porto: FEUP, 2010.
ROTHER, Edna Terezinha. Revisão sistemática x revisão narrativa. Acta Paulista de
Enfermagem, São Paulo, v. 20, n. 2, p. 5-6, 2007.
RUSSELL, Stuart; NORVIG, Peter. (2004). Inteligência artificial. 2. ed. Rio de Janeiro:
Elsevier, 2004.
RUSSELL, Stuart; NORVIG, Peter. (2013). Inteligência artificial. Referência completa
para cursos de computação. Adotado em mais de 750 universidades em 85 países.
Elsevier, Campus, 2013. ISBN-10: 8535237011. ISBN-13: 978-8535237016.
SAHEKI, André Hideaki. Construção de uma rede bayesiana aplicada ao diagnóstico
de doenças cardíacas. 2005. 84 f. Dissertação (Engenharia Mecatrônica). USP -
Universidade de São Paulo. Escola Politécnica. São Paulo: USP, 2005. Disponível em:
http://www.teses.usp.br/teses/disponiveis/3/3132/tde-06042005-
203820/publico/ANDRESAHEKI.pdf. Acesso em: 3 out. 2020.
SANCHEZ, H. J. et al. Mechanical Design and Development of an Electric Mobile
Robot for Agricultural Tasks in Greenhouses. Almería: University of Almería,
Agrifood Campus of International Excellence, 2011.
SANTOS, A. M.; SEIXAS, J. M.; PEREIRA, B. B.; MEDRONHO, R. A. Usando Redes
Neurais Artificiais e Regressão Logística na Predição da Hepatite A. v. 8, n. 2, pp.
117-126. Rev Bras Epidemiol., 2005.
SANTOS, Yasmine Conceição Pereira dos. Desafios e Impacto da Inteligência
Artificial na Medicina. 2017. 57 f. Monografia (Graduação em Sistemas de Informação).
UFPE - Universidade Federal de Pernambuco. Centro de Informática. Recife: UFPE,
2017.
SILVA, Aldo Antônio Vieira da. Desenvolvimento de aplicações em medicina e
agronomia utilizando lógica fuzzy e neuro fuzzy. 2014. 75 f. Tese (Doutorado em
Engenharia Elétrica). UNESP - Universidade Estadual Paulista Júlio de Mesquita Filho.
Faculdade de Engenharia. Programa de Pós-Graduação. Campus de Ilha Solteira. Iha
Solteira: UNESP, 2014. Disponível em:
https://repositorio.unesp.br/bitstream/handle/11449/110517/000794270.pdf. Acesso em:
3 out. 2020.
SILVA, Brigiane Machado da; VANDERLINDE, Marcos. Inteligência artificial,
aprendizado de máquina. 2012. 10 f. Artigo. CEAVI - Centro de Educação Superior do
Alto Vale do Itajaí. UDESC - Universidade do Estado de Santa Catarina. Ibirama:
CEAVI/UDESC, 2012.
SILVEIRA, Paulo Cezar Rocha. Robô baseado em tecnologia celular Android e lógica
nebulosa para inspeção e monitoração em usinas nucleares. 2012. 118 f. Dissertação
(Mestrado em Engenharia Nuclear). COPPE - Instituto Alberto Luiz Coimbra de Pós-

Graduação e Pesquisa de Engenharia. UFRJ - Universidade Federal do Rio de Janeiro.
Rio de Janeiro: UFRJ, 2012. Disponível em:
http://antigo.nuclear.ufrj.br/MSc%20Dissertacoes/2012/Dissertacao_PauloCezar_rs.pdf.
Acesso em: 23 nov. 2021.
SOCIETY, I. C. The 13th IEEE International Conference on Ubiquitous Intelligence
and Computing. 2016.
SOUSA, Luís Manuel Mota de; FIRMINO, Cristiana Furtado; MARQUES-VIEIRA,
Cristina Maria Alves; SEVERINO, Sandy Silva Pedro; PESTANA, Helena Castelão
Figueira Carlos. Revisões da literatura científica: tipos, métodos e aplicações em
enfermagem. Revista Portuguesa de Estudos Regionais, Angra do Heroísmo, v. 1, n. 1,
jun. 2018.
SOUZA, Ademar Rosa de; TALON, Anderson Francisco. Inteligência Artificial
Aplicada à Medicina. Departamento de Computação. FATEC - Faculdade de Tecnologia
de Bauru. v. 1, n. 1, 14 p., jul. 2013. Bauru: FATEC, 2013.
STONE, Peter; BROOKS, Rodney; BRYNJOLFSSON, Erik; CALO, Ryan; ETZIONI,
Oren; HAGER, Greg; HIRSCHBERG, Julia; KALYANAKRISHNAN, Shivaram;
KAMAR, Ece; KRAUS, Sarit; LEYTON-BROWN, Kevin; PARKES, David; PRESS,
William; SAXENIAN, AnnaLee (Anno); SHAH, Julie; TAMBE, Milind; TELLER,
Astro. Artificial Intelligence and Life in 2030. One hundred year study on artificial
intelligence. Report of the 2015 study panel. September 2016. 27 p. Disponível em:
https://ai100.stanford.edu/sites/default/files/ai_100_report_0831fnl.pdf. Acesso em: 3
out. 2020.
TANGERINO, Giovana T.; GODOY, Eduardo P.; TABILE, Rubens A.; SANCHES,
Rodrigo M.; INAMASU, Ricardo Y.; PORTO, Arthur J. V. Controle de Esterçamento
de Robô Agrícola Móvel de Quatro Rodas Guiáveis. X SBAI – Simpósio Brasileiro de
Automação Inteligente. 18 a 21 de setembro de 2011 . São João del-Rei - MG - Brasil. v.
10, pp. 797-802. ISSN: 2175-8905. São João del-Rei: SBAI, 2011. Disponível em:
https://fei.edu.br/sbai/SBAI2011/87239.pdf. Acesso em: 23 nov. 2021.
TANKE, Niels F.; LONG, Guoming A.; AGRAWAL, Dhruv; VALADA, Abhinav;
KANTOR, George A. Automation of Hydroponic Installations using a Robot with
Position Based Visual Feedback. 6 p. Pittsburgh: The Robotics Institute, Carnegie
Mellon University, 2011. Disponível em:
https://pdfs.semanticscholar.org/d564/ef9bfb622ceaf987b5152a82d998bdff4e76.pdf.
Acesso em: 23 nov. 2021.
VARHEENMAA, M.; MEINANDER H. Mechanical properties as a base for haptic
sensing of virtual fabrics. jun. 2007. Tampere: Proc. Autex Conference, 2007.
VILELA, A. R. S.; SOUZA, E. M.; GONÇALVES, R. R.; SANTIAGO, R. G. Suporte
ao processo de tomada de decisão na operação de bombas centrífugas, através de
um sistema informatizado que emprega inteligência artificial. pp. 29-30, nov. 2013.
Campinas: Anais do Congresso Nacional de Iniciação Científica, 2013.

VITALLI, Rogério. Reforço Superinteligente. O chão de fábrica recebe a nova geração
de robôs colaborativos, que traz mais inovação no seu DNA. Produtuvidade. pp. 18-21,
jan. 2017. O Mundo da Usinagem, 2017.
VOSGERAU, Dilmeire Sant’Anna Ramos; ROMANOWSKI, Joana Paula. Estudos de
revisão: implicações conceituais e metodológicas. Revista de Diálogo Educacional,
Curitiba-PR, v. 14, n. 41, p. 165-189, 2014. ISSN: 1981-416X.
WANNASUPHOPRASIT, W. Cobots: Collaborative Robots. Evanston: Northwestern
University, 1999.
WESTPHAL, J. T. Modelagem difusa de um sistema especialista médico: avaliação
dos fatores de internação em crianças queimadas. 2003. 123 f. Dissertação (Mestrado em
Ciência da Computação). UFSC - Universidade Federal de Santa Catarina. Florianópolis:
UFSC, 2003.
YAMAGATA, N. The integrated agricultural GIS: GeoMation Farm. Proceedings of
4th Asian Conference on Precision Agriculture, 2011.