dc.contributor.author | Maia, Daniele dos Reis Pereira | |
dc.date.accessioned | 2021-12-23T10:26:25Z | |
dc.date.available | 2021-12-23T10:26:25Z | |
dc.date.issued | 2021-10-25 | |
dc.identifier.citation | MAIA, Daniele dos Reis Pereira. Six Sigma and Big Data in the industry 4.0 context: systematic literature review and survey on brazilian manufacturing companies. 2021. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15402. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/15402 | |
dc.description.abstract | The development of interconnected, digitized, autonomous and integrated processes in
different parts of production systems has been supported by technological advances in
Industry 4.0. Industry 4.0 encompasses a wide range of technologies, among which are
technologies that support the generation and analysis of large volumes of data in real time,
supported by technologies such as Big Data, Big Data Analytics (BDA) and Internet of Things
(IoT), which support the search for operational improvements such as optimized flows and
real-time anomaly identification. Similar goals are shared by operational improvement
methodologies such as Six Sigma (SS) and Lean Six Sigma (LSS), which over the past 3
decades play an important role in process control and improvement following the DMAIC
structured method and tools and techniques for data analysis. Technological advances from
Industry 4.0 technologies can support and expand the resources of the SS methodology,
making it possible to reach other levels of operational performance. To identify the main
technologies of Industry 4.0 that can be integrated with the SS methodology, the main
relationships and benefits and the future in this field of study, a Systematic Literature Review
was carried out considering the Web of Science and Scopus databases. As a result, it was
identified that the technologies that most support SS are Big Data, BDA and IoT and that the
relationships presented that these technologies positively support data analysis and better
decision-making in improvement projects. Considering the evidence of the relationship
between the Six Sigma methodology and the BDA, the proposition of hypotheses and a
theoretical model were developed with the aim of investigating through a survey of
relationships between the practices of BDA, SS and quality and business performance. A
survey was carried out with SS specialists from several Brazilian manufacturing companies,
in a total of 171 founders. The proposed model and hypotheses were confirmed using the PLS SEM technique, showing that the BDA positively impacts SS practices and when integrated,
it has a greater impact on improving quality and business performance. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | eng | eng |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Seis Sigma | por |
dc.subject | Lean Seis Sigma | por |
dc.subject | Desempenho | por |
dc.subject | Six Sigma | eng |
dc.subject | Lean Six Sigma | eng |
dc.subject | Big Data | eng |
dc.subject | Performance | eng |
dc.subject | DMAIC | eng |
dc.title | Six Sigma and Big Data in the industry 4.0 context: systematic literature review and survey on brazilian manufacturing companies | eng |
dc.title.alternative | Six Sigma e Big Data no contexto da indústria 4.0: revisão sistemática da literatura e survey sobre empresas brasileiras de manufatura | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Lizarelli, Fabiane Letícia | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4525431419326559 | por |
dc.description.resumo | O desenvolvimento de processos interconectados, digitalizados, autônomos e integrados em
diferentes partes dos sistemas de produção tem se apoiado nos avanços das tecnológicos da
Indústria 4.0. A Indústria 4.0 engloba um amplo conjunto de tecnologias, dentre elas, estão as
tecnologias que suportam a geração e análise de grandes volumes de dados em tempo real,
apoiados por tecnologias como Big Data, Big Data Analytics (BDA) e Internet das coisas
(IoT), que dão suporte à busca por melhorias operacionais como fluxos otimizados e
identificação de anomalias em tempo real. Objetivos semelhantes são compartilhadas por
metodologias de melhoria operacional, como Seis Sigma (SS) e Lean Seis Sigma (LSS), que
durante as últimas 3 décadas desempenham um papel importante no controle e melhoria da
dos processos seguindo o método estruturado DMAIC e ferramentas e técnicas para análise
de dados. Os avanços tecnológicos provenientes das tecnologias da Indústria 4.0 podem apoiar
e ampliar os recursos da metodologia SS, possibilitando atingir outros patamares de
desempenho operacional. Para identificar as principais tecnologias da Indústria 4.0 que podem
ser integradas com a metodologia SS, as principais relações e benefícios e as direções futuras
neste campo de estudo, foi realizada uma Revisão Sistemática da Literatura considerando as
bases de dados Web of Science e Scopus. Como resultado foram identificadas que as
tecnologias que mais apoiam o SS são Big Data, BDA e IoT e que as relações mostram que
estas tecnologias suportam positivamente a análise de dados e a melhor tomada de decisões
nos projetos de melhoria. Consideradas as evidências da relação da metodologia Seis Sigma
com o BDA, foi desenvolvida a proposição de hipóteses e de um modelo teórico com o
objetivo de investigar por meio de uma Survey as relações entre as práticas de BDA, SS e
desempenho da qualidade e do negócio. A pesquisa foi realizada com especialistas SS de
diversas empresas de manufatura brasileiras, em um total de 171 respondentes. O modelo
proposto e as hipóteses foram confirmadas por meio da técnica PLS-SEM, mostrando que o
BDA impacta positivamente as práticas SS e quando integradas, tem maior impacto na
melhoria do desempenho da qualidade e do negócio. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Produção - PPGEP | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO | por |
dc.description.sponsorshipId | CAPES: Código de Financiamento 001 | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/6938205741811373 | por |