The Fourth Industrial Revolution, also named Industry 4.0, is leveraging several modern computing fields. Industry 4.0 comprises automated tasks in manufacturing facilities, which generate massive quantities of data through sensors. These data contribute to the interpretation of industrial operations in favor of managerial and technical decision-making. Data science supports this interpretation due to extensive technological artifacts, particularly data processing methods and software tools. In this regard, the present article proposes a systematic literature review of these methods and tools employed in distinct industrial segments, considering an investigation of different time series levels and data quality. The systematic methodology initially approached the filtering of 10,456 articles from five academic databases, 103 being selected for the corpus. Thereby, the study answered three general, two focused, and two statistical research questions to shape the findings. As a result, this research found 16 industrial segments, 168 data science methods, and 95 software tools explored by studies from the literature. Furthermore, the research highlighted the employment of diverse neural network subvariations and missing details in the data composition. Finally, this article organized these results in a taxonomic approach to synthesize a state-of-the-art representation and visualization, favoring future research studies in the field.

Industry 4.0 considers the combinations of Internet of Things, computing and communication infrastructure, sensors, and artificial intelligence (AI) to provide predictive maintenance and process optimization. These benefits are very relevant to the semiconductor industry, where high reliability and low operating costs are critical for a business’ success. Analyzing the state-of-the-art of the projects that present the implementation of the fourth industrial revolution in semiconductor companies, we noticed mainly two branches of initiatives: (i) articles that explain the final achievements, not detailing how they were assembled and structured; (ii) articles that detail a part of the industry ecosystem, for example, approaching only the communication system or AI algorithms. In this context, this article proposes an I4.0 Pilot as a compilation of lessons learned during an end-to-end development of a reference design applied to a semiconductor packaging and test company. We explore the requirements of clean rooms and information related to sensors and data acquisition boards, in addition to performance details and configurations pertaining to visualization tools and warning notifications. The main contribution appears in presenting the advantages of adopting flexible decisions in the pilot to enable the best characteristics for a final expandable solution. Our final idea is to emphasize the importance of having a pilot project without significant expenses, presenting the reader with the acquired knowledge, and how they can benefit from it.

Cloud, IoT, big data, and artificial intelligence are currently very present in the industrial and academic areas, being drivers of technological revolution. Such concepts are closely related to Industry 4.0, which can be defined as the idea of a flexible, technological, and connected factory, encompassing the shop floor itself and its relationship between workers, the chain of supply, and final products. Some studies have already been developed to quantify a company’s level of maturity within the scope of Industry 4.0. However, there is a lack of a global and unique index that, by receiving as input how many implemented technologies a company has, enables its classification and therefore, comparison with other companies of the same genre. Thus, we present the I4.0I (Industry 4.0 Index), an index that allows companies to measure how far they are in Industry 4.0, enabling competitiveness between factories and stimulating economic and technological growth. To assess the method, companies in the technology sector received and answered a questionnaire in which they marked the technologies they used over the years and the income obtained. The results were used to compare the I4.0I with the profit measured in the same period, proving that the greater the use of technology, the greater the benefits for the company.

Resumo A aprendizagem ubíqua surgiu da combinação das tecnologias de computação ubíqua com modelos de aprendizagem focados em mobilidade e na adaptação aos diferentes contextos do cotidiano do aprendiz. Desta forma, essa tecnologia pode ser oferecida como um recurso nas relações do aprendiz com o contexto educacional, permitindo oferecer, encontrar e recuperar informações na interação do aprendiz com o ambiente de aprendizagem. O entendimento dessas relações pode ajudar na organização de informações que impactam a aprendizagem e a tomada de decisões na regulação do bem-estar deles na busca por uma aprendizagem mais significativa. A organização de dados em formato de informações de contexto, que inclui identidade, local, tempo e status, facilita a análise de resultados e tomada de decisão por parte de gestores educacionais. Ontologias têm o propósito de armazenar e compartilhar conhecimento por meio de classes e relações. Este artigo propõe a ontologia OntoLearnWell, com foco em aprendizagem ubíqua e bem-estar emocional usando informações de contexto. A ontologia foi implementada na linguagem Python e consultas SPARQL foram utilizadas para extração de dados, usando como cenário uma escola de ensino médio e a relação entre professores e alunos durante uma aula prática em laboratório.

As indústrias de semicondutores consomem água de altíssima pureza em abundância. Esta água é chamada de Água DI (deionizada), e possui um alto custo de produção devido às diversas etapas necessárias para atingir os parâmetros de utilização. Um dos processos que utilizam este fluido é o lixamento traseiro de wafers de silício (backside grinding ou BSG), correspondendo sozinho a quase um terço do consumo de toda a fábrica. No processo BSG são incorporados sólidos provenientes dos wafers e dos abrasivos, sendo que os compostos que constituem estas matérias primas, são praticamente insolúveis em água, minimizando a contaminação desta e facilitando etapas de segregação e limpeza. Deste modo, o trabalho propôs realizar o tratamento do efluente do processo BSG de forma puramente física, sem utilizar produtos químicos, o que contribui para o condicionamento visando o retorno direto desta água tratada no processo BSG, de modo que seja aplicado o nível 2 da Produção Mais Limpa com a reciclagem interna. O tratamento proposto no trabalho tem um grande potencial de aplicabilidade na reciclagem interna da água presente no efluente do processo de lixamento traseiro de wafers de silício da indústria de semicondutores, permitindo sua reinserção no processo, de modo a se obter ganhos econômicos, sociais e ambientais após a implementação deste.