Research in industry 4.0 is growing, driven by the innovations in production systems on a continuous basis. In this study, we identified the evolution of themes inherent in the industry 4.0 using a bibliometric software, namely SciMAT (Science Mapping Analysis Software Tool). The analyses included 1882 documents, 4231 keywords, and the relevant information was extracted based on frequency of co-occurrence of keywords. The clusters were plotted in two-dimensional strategic diagrams and analysed using the bibliometric indicators such as the number of publications, number of associated documents, and h-index. The results revealed that 2017 had the largest number of publications. Expert authors in the field and the periodicals that published the most were identified. The science mapping presented 31 clusters in which the most representative motor themes were CPS (Cyber-Physical System), IoT (Internet of Things), and Big Data. In addition, it was possible to identify fields with high investment of efforts by the scientific community such as the union between lean production and industry 4.0, production-centered CPS (CPPS), IoT (Industrial Internet of Things - IIoT), among others. The overlapping map showed an increase in the number of keywords from 338 to 1231 over the period of data. The map of scientific developments supported by an exhaustive research, it was possible to show the state of the art, the main challenges and perspectives for future research in the field of industry 4.0 such as Technology, Collaboration/Integration, Management and Implementation.

The increasing number of studies that underline the relationship between industry 4.0 and sustainability shows that sustainability is one of the pillars of smart factories. Through a bibliometric performance and network analysis (BPNA), this research describes the existing relationship between industry 4.0 and sustainability, the strategic themes from 2010 to March 2019, as well as the research gaps for proposing future work. With this goal in mind, 894 documents and 5621 keywords were included for bibliometric analysis, which were treated with the support of Science Mapping Analysis Software Tool (SciMAT). The bibliometric performance analysis presented the number of publications over time and the most productive journals. The strategic diagram shown 12 main research clusters, which were measured according to bibliometric indicators. Moreover, the network structure of each cluster was depicted, and the patterns found were discussed based on the documents associated to the network. Our findings show the scientific efforts are focused to enhance economic and environmental aspects and highlights a lack of effort relating the social sphere. Finally, the paper concludes the challenges, perspectives, and suggestions for the potential future work in the field of study relating to industry 4.0 and sustainability.

The objective of this study was to identify what competencies are identified in the literature as necessary for Industry 4.0 by conducting a survey of the literature and a scientific mapping of the evolution of the issues related to the qualification of professionals for Industry 4.0 and possible paths for research and education. A search was conducted on the Scopus, Web of Science and Science Direct databases for the interval from 2010 to 2018. This systematic review revealed topics and authors currently specialized in the field and allowed mapping the field of study. The identification of journals and keywords useful in future studies was also an object of this study. SciMAT software was used for the systematic literature review. The results are highlighted by the set of competencies (knowledge and skills) that must be developed in professional education to accompany the new industrial revolution, as well as the importance of integrating efforts by companies, governments and universities. These efforts should focus on creating “learning factories”, which are understood to be environments that provide practical experiences to these professionals, preparing them in the best way possible for the requirements of Industry 4.0. This conceptual map showed that the main competencies needed include skills: (leadership, strategic vision of knowledge, self-organization, giving and receiving feedback, pro-activity, creativity, problem solving, interdisciplinarity, teamwork, collaborative work, initiative, communication, innovation, adaptability, flexibility and self-management) and knowledge of contemporary fields (information and communication technology, algorithms, automation, software development and security, data analysis, general systems theory and sustainable development theory).

Precision Agriculture (PA) and Agriculture 4.0 (A4.0) have been widely discussed as a medium to address the challenges related to agricultural production. In this research, we present a Systematic Literature Review (SLR) supported by a Bibliometric Performance and Network Analysis (BPNA) of the use of A4.0 technologies and PA techniques in the coffee sector. To perform the SLR, 87 documents published since 2011 were extracted from the Scopus and Web of Science databases and processed through the Preferred Reporting Items for Systematic reviews and Meta-Analyzes (PRISMA) protocol. The BPNA was carried out to identify the strategic themes in the field of study. The results present 23 clusters with different levels of development and maturity. We also discovered and presented the thematic network structure of the most used A4.0 technologies in the coffee sector. Our findings shows that Internet of Things, Machine Learning and geostatistics are the most used technologies in the coffee sector, we also present the main challenges and trends related to technological adoption in coffee systems. We believe that the demonstrated results have the potential to be considered by researchers in future works and decision making related to the field of study.

The COVID-19 pandemic has affected all aspects of society. Researchers worldwide have been working to provide new solutions to and better understanding of this coronavirus. In this research, our goal was to perform a Bibliometric Network Analysis (BNA) to investigate the strategic themes, thematic evolution structure and trends of coronavirus during the first eight months of COVID-19 in the Web of Science (WoS) database in 2020. To do this, 14,802 articles were analyzed, with the support of the SciMAT software. This analysis highlights 24 themes, of which 11 of the more important ones were discussed in-depth. The thematic evolution structure shows how the themes are evolving over time, and the most developed and future trends of coronavirus with focus on COVID-19 were visually depicted. The results of the strategic diagram highlight ‘CHLOROQUINE’, ‘ANXIETY’, ‘PREGNANCY’ and ‘ACUTE-RESPIRATORY-SYNDROME’, among others, as the clusters with the highest number of associated citations. The thematic evolution. structure presented two thematic areas: “Damage prevention and containment of COVID-19” and “Comorbidities and diseases caused by COVID-19”, which provides new perspectives and futures trends of the field. These results will form the basis for future research and guide decision-making in coronavirus focused on COVID-19 research and treatments.

In order to identify the strategic topics and the thematic evolution structure of data mining applied to healthcare, in this paper, a bibliometric performance and network analysis (BPNA) was conducted. For this purpose, 6138 articles were sourced from the Web of Science covering the period from 1995 to July 2020 and the SciMAT software was used. Our results present a strategic diagram composed of 19 themes, of which the 8 motor themes (‘NEURAL-NETWORKS’, ‘CANCER’, ‘ELETRONIC-HEALTH-RECORDS’, ‘DIABETES-MELLITUS’, ‘ALZHEIMER’S-DISEASE’, ‘BREAST-CANCER’, ‘DEPRESSION’, and ‘RANDOM-FOREST’) are depicted in a thematic network. An in-depth analysis was carried out in order to find hidden patterns and to provide a general perspective of the field. The thematic network structure is arranged thusly that its subjects are organized into two different areas, (i) practices and techniques related to data mining in healthcare, and (ii) health concepts and disease supported by data mining, embodying, respectively, the hotspots related to the data mining and medical scopes, hence demonstrating the field’s evolution over time. Such results make it possible to form the basis for future research and facilitate decision-making by researchers and practitioners, institutions, and governments interested in data mining in healthcare.

The agriculture sector is one of the backbones of many countries' economies. Its processes have been changing to enable technology adoption to increase productivity, quality, and sustainable development. In this research, we present a scientific mapping of the adoption of precision techniques and breakthrough technologies in agriculture, so-called Digital Agriculture. To do this, we used 4694 documents from the Web of Science database to perform a Bibliometric Performance and Network Analysis of the literature using SciMAT software with the support of the PICOC protocol. Our findings presented 22 strategic themes related to Digital Agriculture, such as Internet of Things (IoT), Unmanned Aerial Vehicles (UAV) and Climate-smart Agriculture (CSA), among others. The thematic network structure of the nine most important clusters (motor themes) was presented and an in-depth discussion was performed. The thematic evolution map provides a broad perspective of how the field has evolved over time from 1994 to 2020. In addition, our results discuss the main challenges and opportunities for research and practice in the field of study. Our findings provide a comprehensive overview of the main themes related to Digital Agriculture. These results show the main subjects analyzed on this topic and provide a basis for insights for future research.

In this study, we explore a 100 years of Work and Organizational Psychology (WOP). To do this, we carry out a bibliometric performance and network analysis (BPNA) to understand the evolution structure and the most important themes in the field of study. To perform the BNPA, 8,966 documents published since 1919 were exported from the Web of Science and Scopus databases. The SciMAT software was used to process data and to create the evolution structure, the strategic diagram, and the thematic network structure of the strategic themes of the field of WOP. We identified 29 strategic clusters and discuss the most important themes (motor themes) and their relationship with other clusters. This research presents the complete evolution of the field of study, identifying emerging themes and others with a high degree of development. We hope that this work will support researchers and future research in the field of WOP.

Purpose The purpose of this paper is to identify the relationships between process modeling and Industry 4.0, the strategic themes and the most used process modeling language in smart factories. The study also presents the growth of the field of study worldwide, the perspectives, main challenges, trends and suggestions for future works. Design/methodology/approach To do this, a science mapping was performed using the software SciMAT, supported by VOS viewer. Findings The results show that the Business Process Model and Notation (BPMN), Unified Modelling Language (UML) and Petri Net are the most relevant languages to smart manufacturing. The authors also highlighted the need to develop new languages or extensions capable of representing the dynamism, interoperability and multiple technologies of smart factories. Originality/value It was possible to identify the most used process modeling languages in smart environments and understand how these languages assist control and manage smart processes. Besides, the authors highlighted challenges, new perspectives and the need for future works in the field.

Digital technologies (DT) help decision-makers cope with disruptive events and, consequently, boost the resilience of healthcare supply chains (HSC). However, previous studies on HSC have not focused on the types of resilience capabilities supported by respective DT or taken a holistic perspective of resilience from both proactive and reactive dimensions. In order to address this gap, we conducted a study of eight healthcare organizations based on semi-structured interviews with 15 HSC managers and document analysis. As a result, we identified 14 DT, such as big data analytics, predictive health data analysis, and remote monitoring of inventories. These DT supported organizational capabilities of resilient HSC, such as long-term collaborative planning and strategic alliances based on trust and shared goals. These findings were articulated in a framework that describes what and how technology adoption improves HSC resilience. We also present four research propositions for theory-testing in future studies, which stress that the relationship between DT and the four major potentials of resilient systems (i.e., anticipating, responding, monitoring and learning) is mediated by organizational resilience capabilities. The framework is expected to offer guidance and ideas for managers and policy-makers interested in designing and operating resilient HSC.