Dutra, RafaelPaulino, TayaneNascimento, Vanessa2022-06-142022-06-142022-06https://repositorio.animaeducacao.com.br/handle/ANIMA/22407A chamada manutenção preditiva 4.0 integra uma série de tecnologias que permitem a análise de dados, possibilitado assim, a previsão acerca de futuras falhas enquanto se mostra eficiente, assertiva e econômica. Os sensores inteligentes são favoráveis no processo da manutenção preditiva na indústria 4.0 pois têm a capacidade de facilitar a assertividade na coleta de dados, gerando otimização do gerenciamento de energia e facilidade no processo de manutenção. O controle de temperatura é uma das técnicas mais consideráveis do processo industrial, monitorar a temperatura nos níveis adequados pode evitar o superaquecimento das máquinas, mantendo seu funcionamento eficiente, como também sua confiabilidade. O objetivo do presente trabalho foi desenvolver um sistema de baixo custo para monitoramento dos parâmetros de temperatura visando a manutenção preditiva no contexto da indústria 4.0. Os materiais utilizados foram: sensor termopar tipo K para medição de temperatura, módulo ESP8266 o qual foi programado para transferir os dados coletados pelo sensor para planilha via Wi-Fi, display OLED 0.96” no qual é possível visualizar a medição de temperatura feita mais recente, bateria portátil power bank 2200mAh como fonte de energia para o dispositivo e uma mini protoboard de 170 pontos para auxiliar na conexão dos pinos. A metodologia utilizada no estudo foi a programação do dispositivo IoT para monitorar temperatura e transferir esses dados via Wi-Fi para o Google Sheets através do Apps Script.14ptAtribuição-NãoComercial-SemDerivados 3.0 BrasilAtribuição-NãoComercial-SemDerivados 3.0 BrasilAtribuição-NãoComercial-SemDerivados 3.0 BrasilAtribuição-NãoComercial-SemDerivados 3.0 BrasilManutenção PreditivaIndústria 4.0Monitoramento de temperaturaSistema de Baixo Custo para Monitoramento de Temperatura como Complemento à Manutenção Preditiva 4.0Low Cost System for Temperature monitoring as Complement to Predictive Maintenance 4.0Artigo Científico