Análise multicritério de investimentos na Indústria 4.0 em uma montadora de automóveis

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Palma, Pedro Luis Tozoni
Orientador(a): Salomon, Valério Antonio Pamplona
Banca de defesa: Não Informado pela instituição
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