A Indústria 4.0 representa a transformação da indústria por flexibilidade e agilidade de produtos e processos. A produção, associada a entregas rápidas de produtos personalizados e a preços competitivos, demanda de processos automatizados e sensorizados. No entanto, estima-se que menos que 5 % dos robôs industriais (RI) sejam aplicados em processos de usinagem, mesmo com o atual crescente número de instalações nos últimos anos. O Brasil ainda não aplica 0,5 % de RI em processos de usinagem. A aplicação de RI no processo de fresamento de ligas aeronáuticas torna-se uma solução complementar aos processos tradicionais que utilizam máquinas-ferramenta, principalmente devido à previsão de crescimento do setor aeroespacial. Outra tendência da indústria é a alta demanda pela substituição de materiais leves com alta resistência e baixo peso, como os polímeros reforçados por fibra de carbono - CFRP e ligas de Titânio como a Ti-6Al-4V. Sendo assim, fomentar e investir em desenvolvimento de sistemas alternativos para o processo de fresamento de ligas aeronáuticas pode garantir ganhos de produtividade. Esta tese tem por objetivo propor ensaios de usinagem para definir os requisitos dos RI para obtenção de produtividade. Para atingir os objetivos, investigou-se a performance estática e dinâmica de um RI; a aplicação em processos de fresamento, e o desenvolvimento de um sistema, através da Ciência de Dados, para aplicação de robôs industriais em operações de fresamento. Os resultados indicam a viabilidade para a aplicação do RI para forças de usinagem F < 1000 N. Além disso, resultados do fresamento de CFRP demonstraram que as principais influências são os parâmetros de corte e geometria da ferramenta de corte. No fresamento trocoidal robótico da liga Ti-6Al-4V apresentou desvio dimensional D = 40 µm. O desenvolvimento da configuração da trajetória e as estratégias de usinagem, junto a aplicação de técnicas de Machine Learning (ML) proporcionaram ganhos na melhoria da trajetória de 16.89 % em relação à trajetória sem aplicação do ML. Esses resultados demonstram o uso promissor da tecnologia de fresamento robótico com a aplicação de ML.