Sistema baseado em conhecimento para avaliação e orientação sobre economia circular com aplicação ao setor metalmecânico

Abstract

As empresas de manufatura enfrentam diversos desafios para a promoção de uma produção sustentável. Além da escassez de recursos e, em alguns casos, do aumento de preços e da dificuldade de acesso às matérias-primas, somam-se desafios associados às mudanças climáticas. Nesse contexto, a adoção de práticas de Economia Circular (EC) pode contribuir para a operação em ciclos produtivos fechados, promovendo maior eficiência no uso de recursos naturais e equilíbrio econômico. O uso da Inteligência Artificial (IA) tem sido apontado como um meio para apoiar as empresas nesses desafios, ao possibilitar o desenvolvimento e o planejamento de produtos e processos mais sustentáveis, bem como o apoio à revisão de modelos de negócios circulares. Entre as abordagens de IA, os Sistemas Baseados em Conhecimento (SBC) destacam-se por utilizarem conhecimento humano explícito para resolver problemas em domínios específicos. O objetivo desta tese é desenvolver um SBC híbrido, orientado à avaliação do nível de adoção da EC em empresas do setor metalmecânico, integrando o índice Overall Circularity Effectiveness (OCE), valores de referência setoriais e conhecimento especializado, com vistas ao apoio à tomada de decisão e à orientação para a transição circular. O sistema proposto concentra-se no contexto industrial do setor metalmecânico, permitindo a avaliação do desempenho circular e a proposição de conhecimento especializado. O desenvolvimento do sistema ocorreu de forma incremental, com validação junto a especialistas da academia e da indústria. Os resultados do protótipo e dos testes de campo indicam que o SBC apresenta potencial para apoiar a mensuração, a interpretação dos resultados e a reflexão estratégica sobre a adoção da EC, demonstrando que a base de conhecimento estruturada contribui para a sistematização da avaliação, a disseminação de boas práticas e o suporte qualificado à tomada de decisão no setor metalmecânico.

Abstract: Manufacturing companies face several challenges in promoting sustainable production. In addition to resource scarcity and, in some cases, rising prices and limited access to raw materials, there are also challenges associated with climate change. In this context, the adoption of Circular Economy (CE) practices may contribute to operating in closed production cycles, promoting greater efficiency in the use of natural resources and economic balance. The use of Artificial Intelligence (AI) has been identified as a means to support companies in addressing these challenges by enabling the development and planning of more sustainable products and processes, as well as supporting the revision of circular business models. Among AI approaches, Knowledge-Based Systems (KBS) stand out for using explicit human knowledge to solve problems in specific domains. The objective of this thesis is to develop a hybrid KBS aimed at assessing the level of CE adoption in companies in the metal-mechanical sector, integrating the Overall Circularity Effectiveness (OCE) index, sectoral benchmark values, and expert knowledge in order to support decision-making and guide circular transition. The proposed system focuses on the industrial context of the metal-mechanical sector, enabling the assessment of circular performance and the provision of specialized knowledge. The system was developed incrementally and validated with experts from academia and industry. The results of the prototype and field tests indicate that the KBS has the potential to support measurement, interpretation of results, and strategic reflection on CE adoption, demonstrating that the structured knowledge base contributes to systematizing the assessment process, disseminating best practices, and providing qualified decision support in the metal-mechanical sector.