Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis
| Ano de defesa: | 2026 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Estadual Paulista (UNESP)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | https://hdl.handle.net/11449/331906 |
Resumo: | As decisões de investimento em tecnologias da Indústria 4.0 (I4.0) exigem avaliação multidimensional, e não apenas financeira, condição que limita o uso isolado de indicadores de retorno. A aplicação conjunta do Analytic Hierarchy Process (AHP) e da estrutura Benefícios, Oportunidades, Custos e Riscos (BOCR) à avaliação de investimentos em I4.0 permanece pouco documentada na manufatura. Esta pesquisa desenvolveu e aplicou um modelo de apoio à decisão que integra o AHP e o BOCR para essa avaliação. O estudo foi conduzido por pesquisa-ação, combinada com modelagem matemática e abordagem quali-quantitativa, em uma montadora de veículos, com hierarquia de quatro méritos estratégicos e vinte subcritérios nas perspectivas de competitividade, aspectos sociotécnicos e sustentabilidade. Um painel de 12 especialistas seniores forneceu 864 julgamentos pareados, agregados pela média geométrica e submetidos à verificação de consistência, em ferramenta computacional desenvolvida na pesquisa, com módulo de cálculo verificado por comparação com implementação independente e camada de interpretabilidade com inteligência artificial explicável (XAI) baseada em Geração Aumentada por Recuperação (RAG). Os resultados foram avaliados por análise de sensibilidade, por cinco métodos de síntese e por devolutiva à alta direção. Na priorização entre duas alternativas para reduzir o consumo de gás natural nas estufas de cura, os pesos estratégicos foram de 0,3723 para Benefícios, 0,2786 para Riscos, 0,1974 para Custos e 0,1517 para Oportunidades, e o controle em tempo real dos queimadores por inteligência artificial foi priorizado frente ao gêmeo digital com simulação termodinâmica na formulação subtrativa com rescaling weights, com manutenção do ranking nos cinco métodos e na análise de sensibilidade. O estudo restringe-se a um caso e a um painel, e as inconsistências individuais e as estimativas financeiras de escopo não equivalente exigem a revisão dos julgamentos e dos fluxos de caixa antes da decisão de investimento. Como implicação prática, a pesquisa disponibiliza protocolo replicável e ferramenta computacional para priorizar investimentos em I4.0, com transparência e rastreabilidade na alocação de capital. A originalidade reside na configuração do AHP-BOCR para a priorização de projetos tecnológicos em um ativo produtivo automotivo, com elicitação separada dos pesos estratégicos e de magnitude, três perspectivas decisórias e camada de interpretação ancorada na literatura, que preserva o cálculo determinístico do modelo. |
| id |
UNSP_6ccf32999849f0ffb6b3cd06d53b4fa3 |
|---|---|
| oai_identifier_str |
oai:repositorio.unesp.br:11449/331906 |
| network_acronym_str |
UNSP |
| network_name_str |
Repositório Institucional da UNESP |
| repository_id_str |
|
| spelling |
Palma, Pedro Luis TozoniFaculdade de Engenharia e Ciências de GuaratinguetáUniversidade Estadual Paulista (UNESP)Muniz Junior, Jorgeunesp::4f6fbb5e799bf56e8f8dafd8402a398a600Ribeiro, Vagner Batistaunesp::77f3e58be36e399881e8aab24a690189600Anholon, RosleySalomon, Valério Antonio Pamplonaunesp::e0cc8247bf37d67628912d2001e2a0c9600unesp::d89d31590a15dea42f75ec6aca5c9106unesp::e0cc8247bf37d67628912d2001e2a0c9Salomon, Valério Antonio Pamplona2026-09-21T11:24:33Z2026-08-26PALMA, Pedro Luis Tozoni. Análise multicritério de investimentos na indústria 4.0 em uma montadora de automóveis. 2026. 189 f. Dissertação (Mestrado Profissional em Engenharia de Produção) – Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2026.https://hdl.handle.net/11449/33190633004080052P004298961928476430009-0000-5609-397XAs decisões de investimento em tecnologias da Indústria 4.0 (I4.0) exigem avaliação multidimensional, e não apenas financeira, condição que limita o uso isolado de indicadores de retorno. A aplicação conjunta do Analytic Hierarchy Process (AHP) e da estrutura Benefícios, Oportunidades, Custos e Riscos (BOCR) à avaliação de investimentos em I4.0 permanece pouco documentada na manufatura. Esta pesquisa desenvolveu e aplicou um modelo de apoio à decisão que integra o AHP e o BOCR para essa avaliação. O estudo foi conduzido por pesquisa-ação, combinada com modelagem matemática e abordagem quali-quantitativa, em uma montadora de veículos, com hierarquia de quatro méritos estratégicos e vinte subcritérios nas perspectivas de competitividade, aspectos sociotécnicos e sustentabilidade. Um painel de 12 especialistas seniores forneceu 864 julgamentos pareados, agregados pela média geométrica e submetidos à verificação de consistência, em ferramenta computacional desenvolvida na pesquisa, com módulo de cálculo verificado por comparação com implementação independente e camada de interpretabilidade com inteligência artificial explicável (XAI) baseada em Geração Aumentada por Recuperação (RAG). Os resultados foram avaliados por análise de sensibilidade, por cinco métodos de síntese e por devolutiva à alta direção. Na priorização entre duas alternativas para reduzir o consumo de gás natural nas estufas de cura, os pesos estratégicos foram de 0,3723 para Benefícios, 0,2786 para Riscos, 0,1974 para Custos e 0,1517 para Oportunidades, e o controle em tempo real dos queimadores por inteligência artificial foi priorizado frente ao gêmeo digital com simulação termodinâmica na formulação subtrativa com rescaling weights, com manutenção do ranking nos cinco métodos e na análise de sensibilidade. O estudo restringe-se a um caso e a um painel, e as inconsistências individuais e as estimativas financeiras de escopo não equivalente exigem a revisão dos julgamentos e dos fluxos de caixa antes da decisão de investimento. Como implicação prática, a pesquisa disponibiliza protocolo replicável e ferramenta computacional para priorizar investimentos em I4.0, com transparência e rastreabilidade na alocação de capital. A originalidade reside na configuração do AHP-BOCR para a priorização de projetos tecnológicos em um ativo produtivo automotivo, com elicitação separada dos pesos estratégicos e de magnitude, três perspectivas decisórias e camada de interpretação ancorada na literatura, que preserva o cálculo determinístico do modelo.Investment decisions on Industry 4.0 (I4.0) technologies require a multidimensional assessment rather than a purely financial one, a condition that limits the isolated use of return indicators. The joint application of the Analytic Hierarchy Process (AHP) and the Benefits, Opportunities, Costs, and Risks (BOCR) framework to I4.0 investment assessment remains sparsely documented in manufacturing. This research aimed to develop and apply a decision-support model integrating AHP and BOCR to assess I4.0 investments in manufacturing. The study was conducted through action research, combined with mathematical modeling and a qualitative-quantitative approach, at an automotive assembly plant, with a hierarchy of four strategic merits and twenty subcriteria across the perspectives of competitiveness, sociotechnical aspects, and sustainability. A panel of 12 senior specialists provided 864 pairwise judgments, aggregated by the geometric mean and submitted to consistency verification, using a computational tool developed for this research, with an AHP-BOCR computation module verified by comparison with an independent implementation and an explainable artificial intelligence (XAI) interpretation layer based on Retrieval-Augmented Generation (RAG). The results were assessed through sensitivity analysis, five synthesis methods, and a feedback session with top management. In prioritizing between two alternatives for reducing natural gas consumption in the curing ovens, the strategic weights were 0.3723 for Benefits, 0.2786 for Risks, 0.1974 for Costs, and 0.1517 for Opportunities, and real-time burner control using artificial intelligence was prioritized over the digital twin with thermodynamic simulation under the subtractive formulation with rescaling weights, with the ranking preserved across the five synthesis methods and in the sensitivity analysis. The study is limited to a single case and a single panel, and the individual inconsistencies and the financial estimates of non-equivalent scope require the revision of judgments and cash flows before the investment decision. As a practical implication, the research provides industrial managers with a replicable protocol and a computational tool to prioritize I4.0 investments with transparency and traceability in capital allocation. The originality lies in the configuration of AHP-BOCR for prioritizing technology projects in an automotive production asset, with separate elicitation of strategic and magnitude weights, three decision perspectives and an interpretation layer grounded in the literature, which preserves the deterministic computation of the model.Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)2023/14761-5porUniversidade Estadual Paulista (UNESP)Indústria 4.0Decisão de investimentoTomada de decisão multicritérioBOCRIndústria automotivaInteligência artificialProcesso decisório por critério múltiploIndústria automobilísticaAnalytic Hierarchy ProcessAnálise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveisMulticriteria analysis of Industry 4.0 investments at an automotive plantinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis600600info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPEngenharia de Produção - FEGOutraNada constaUniversidade Estadual Paulista (UNESP), Faculdade de Engenharia e Ciências, GuaratinguetáBanca públicaDo ponto de vista organizacional, a pesquisa disponibiliza um protocolo replicável e uma ferramenta computacional de apoio à decisão, com interpretação rastreável dos resultados assistida por inteligência artificial, que formalizam a priorização de investimentos em Indústria 4.0 e favorecem a transparência na alocação de capital. Do ponto de vista social, a priorização de tecnologias voltadas à redução do consumo de gás natural contribui para a diminuição das emissões do processo produtivo, e a incorporação de critérios sociotécnicos insere a dimensão humana na avaliação de investimentos tecnológicos. Sob a perspectiva acadêmica, o trabalho documenta a aplicação estruturada do AHP e do modelo BOCR à priorização de investimentos em um ativo produtivo, com procedimentos de construção da hierarquia, coleta de julgamentos, verificação de consistência e síntese das prioridades passíveis de reprodução em futuras investigações.From an organizational standpoint, the research provides a replicable protocol and a decision-support software tool, with traceable interpretation of results assisted by artificial intelligence, which formalize the prioritization of Industry 4.0 investments and foster transparency in capital allocation. From a social standpoint, prioritizing technologies aimed at reducing natural gas consumption contributes to lowering emissions from the production process, and the incorporation of sociotechnical criteria brings the human dimension into the evaluation of technology investments. From an academic perspective, the study documents the structured application of AHP and the BOCR model to the prioritization of investments in a production asset, with procedures for hierarchy construction, judgment collection, consistency verification, and priority synthesis that can be reproduced in future research.Publicationa4071986-4355-47c3-a5a3-bd4d1a966e4fvirtual::321070-1a4071986-4355-47c3-a5a3-bd4d1a966e4fvirtual::321070-122add0c4-a773-4e47-9426-7c32d166bd5evirtual::320734-122add0c4-a773-4e47-9426-7c32d166bd5evirtual::320734-1LICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-82192https://repositorio.unesp.br/bitstreams/89b7c3b3-d0c2-4e52-9016-9be41d7dd673/download9a2966d4a2cfb71a0b846f3fe5f2c26cMD51falseORIGINALpalma_plt_me_guara.pdfpalmapltpmeguara.pdfapplication/pdf4202821https://repositorio.unesp.br/bitstreams/c1d1a505-80a1-4efc-9eb9-46a5f9df22fa/download843a87bba9735d6d0536185e699ce15fMD52trueAnonymousREADTEXTpalma_plt_me_guara.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2026-09-21T15:07:06Z (GMT).Extracted texttext/plain103027https://repositorio.unesp.br/bitstreams/88b02ec9-8dbc-4ff4-b8a7-1bdeb9c1616c/downloadd58b7879e0661c6dd13e2225ed394f9fMD53falseTHUMBNAILpalma_plt_me_guara.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2026-09-21T15:07:08Z (GMT).Generated Thumbnailimage/jpeg2794https://repositorio.unesp.br/bitstreams/0ec92b25-6218-4088-8969-a18ac5112e3d/download5c34af7dbe693e2c311279616dabfb3cMD54falseAnonymousREAD11449/3319062026-09-22T05:02:24.566413Zopen.accessoai:repositorio.unesp.br:11449/331906https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-09-22T05:02:24Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
| dc.title.pt.fl_str_mv |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| dc.title.alternative.en.fl_str_mv |
Multicriteria analysis of Industry 4.0 investments at an automotive plant |
| title |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| spellingShingle |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis Palma, Pedro Luis Tozoni Indústria 4.0 Decisão de investimento Tomada de decisão multicritério BOCR Indústria automotiva Inteligência artificial Processo decisório por critério múltiplo Indústria automobilística Analytic Hierarchy Process |
| title_short |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| title_full |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| title_fullStr |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| title_full_unstemmed |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| title_sort |
Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis |
| author |
Palma, Pedro Luis Tozoni |
| author_facet |
Palma, Pedro Luis Tozoni |
| author_role |
author |
| dc.contributor.institution.none.fl_str_mv |
Faculdade de Engenharia e Ciências de Guaratinguetá |
| dc.contributor.institution.pt.fl_str_mv |
Universidade Estadual Paulista (UNESP) |
| dc.contributor.coadvisor.none.fl_str_mv |
Muniz Junior, Jorge |
| dc.contributor.committeeMember.none.fl_str_mv |
Ribeiro, Vagner Batista Anholon, Rosley Salomon, Valério Antonio Pamplona |
| dc.contributor.author.fl_str_mv |
Palma, Pedro Luis Tozoni |
| dc.contributor.authorID.fl_str_mv |
unesp::d89d31590a15dea42f75ec6aca5c9106 |
| dc.contributor.advisor1ID.fl_str_mv |
unesp::e0cc8247bf37d67628912d2001e2a0c9 |
| dc.contributor.advisor1.fl_str_mv |
Salomon, Valério Antonio Pamplona |
| contributor_str_mv |
Salomon, Valério Antonio Pamplona |
| dc.subject.por.fl_str_mv |
Indústria 4.0 Decisão de investimento Tomada de decisão multicritério BOCR Indústria automotiva Inteligência artificial Processo decisório por critério múltiplo Indústria automobilística |
| topic |
Indústria 4.0 Decisão de investimento Tomada de decisão multicritério BOCR Indústria automotiva Inteligência artificial Processo decisório por critério múltiplo Indústria automobilística Analytic Hierarchy Process |
| dc.subject.eng.fl_str_mv |
Analytic Hierarchy Process |
| description |
As decisões de investimento em tecnologias da Indústria 4.0 (I4.0) exigem avaliação multidimensional, e não apenas financeira, condição que limita o uso isolado de indicadores de retorno. A aplicação conjunta do Analytic Hierarchy Process (AHP) e da estrutura Benefícios, Oportunidades, Custos e Riscos (BOCR) à avaliação de investimentos em I4.0 permanece pouco documentada na manufatura. Esta pesquisa desenvolveu e aplicou um modelo de apoio à decisão que integra o AHP e o BOCR para essa avaliação. O estudo foi conduzido por pesquisa-ação, combinada com modelagem matemática e abordagem quali-quantitativa, em uma montadora de veículos, com hierarquia de quatro méritos estratégicos e vinte subcritérios nas perspectivas de competitividade, aspectos sociotécnicos e sustentabilidade. Um painel de 12 especialistas seniores forneceu 864 julgamentos pareados, agregados pela média geométrica e submetidos à verificação de consistência, em ferramenta computacional desenvolvida na pesquisa, com módulo de cálculo verificado por comparação com implementação independente e camada de interpretabilidade com inteligência artificial explicável (XAI) baseada em Geração Aumentada por Recuperação (RAG). Os resultados foram avaliados por análise de sensibilidade, por cinco métodos de síntese e por devolutiva à alta direção. Na priorização entre duas alternativas para reduzir o consumo de gás natural nas estufas de cura, os pesos estratégicos foram de 0,3723 para Benefícios, 0,2786 para Riscos, 0,1974 para Custos e 0,1517 para Oportunidades, e o controle em tempo real dos queimadores por inteligência artificial foi priorizado frente ao gêmeo digital com simulação termodinâmica na formulação subtrativa com rescaling weights, com manutenção do ranking nos cinco métodos e na análise de sensibilidade. O estudo restringe-se a um caso e a um painel, e as inconsistências individuais e as estimativas financeiras de escopo não equivalente exigem a revisão dos julgamentos e dos fluxos de caixa antes da decisão de investimento. Como implicação prática, a pesquisa disponibiliza protocolo replicável e ferramenta computacional para priorizar investimentos em I4.0, com transparência e rastreabilidade na alocação de capital. A originalidade reside na configuração do AHP-BOCR para a priorização de projetos tecnológicos em um ativo produtivo automotivo, com elicitação separada dos pesos estratégicos e de magnitude, três perspectivas decisórias e camada de interpretação ancorada na literatura, que preserva o cálculo determinístico do modelo. |
| publishDate |
2026 |
| dc.date.accessioned.fl_str_mv |
2026-09-21T11:24:33Z |
| dc.date.issued.fl_str_mv |
2026-08-26 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
PALMA, Pedro Luis Tozoni. Análise multicritério de investimentos na indústria 4.0 em uma montadora de automóveis. 2026. 189 f. Dissertação (Mestrado Profissional em Engenharia de Produção) – Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2026. |
| dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/11449/331906 |
| dc.identifier.capes.none.fl_str_mv |
33004080052P0 |
| dc.identifier.lattes.none.fl_str_mv |
0429896192847643 |
| dc.identifier.orcid.none.fl_str_mv |
0009-0000-5609-397X |
| identifier_str_mv |
PALMA, Pedro Luis Tozoni. Análise multicritério de investimentos na indústria 4.0 em uma montadora de automóveis. 2026. 189 f. Dissertação (Mestrado Profissional em Engenharia de Produção) – Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2026. 33004080052P0 0429896192847643 0009-0000-5609-397X |
| url |
https://hdl.handle.net/11449/331906 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.confidence.fl_str_mv |
600 600 |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (UNESP) |
| publisher.none.fl_str_mv |
Universidade Estadual Paulista (UNESP) |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
| instname_str |
Universidade Estadual Paulista (UNESP) |
| instacron_str |
UNESP |
| institution |
UNESP |
| reponame_str |
Repositório Institucional da UNESP |
| collection |
Repositório Institucional da UNESP |
| bitstream.url.fl_str_mv |
https://repositorio.unesp.br/bitstreams/89b7c3b3-d0c2-4e52-9016-9be41d7dd673/download https://repositorio.unesp.br/bitstreams/c1d1a505-80a1-4efc-9eb9-46a5f9df22fa/download https://repositorio.unesp.br/bitstreams/88b02ec9-8dbc-4ff4-b8a7-1bdeb9c1616c/download https://repositorio.unesp.br/bitstreams/0ec92b25-6218-4088-8969-a18ac5112e3d/download |
| bitstream.checksum.fl_str_mv |
9a2966d4a2cfb71a0b846f3fe5f2c26c 843a87bba9735d6d0536185e699ce15f d58b7879e0661c6dd13e2225ed394f9f 5c34af7dbe693e2c311279616dabfb3c |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
| repository.mail.fl_str_mv |
repositoriounesp@unesp.br |
| _version_ |
1878343367692124160 |