Apostila Estatistica para Melhoria

Estatstica para Melhoria
Sumrio
Captulo 01 02 03 04 05 06 07 08 09 10 11 12 13 14 Contedo Dados e Estatstica Definio Operacional Dot Plot e Histograma Grfico deTendncia Estatstica Descritiva Associao entre Variveis Causas de Variao Diagrama de Pareto Medidas de Capacidade para Atributos (slides) Amostragem (slides) Pesquisa (slides) Formulrio de Coleta de Dados Resoluo de Problemas Atividades
Estatstica para Melhoria
Captulo 1. Dados e Estatstica Introduo Em quase todas as atividades de melhoria de processos necessrio coletar e analisar dados. Os dados, quando corretamente coletados e analisados possibilitam aprendizados sobre o processo. Processo Um processo pode ser definido como uma combinao de pessoas, matria prima, mquinas, informaes e procedimentos que combinados produzem um resultado que pode ser um produto ou um servio. Variabilidade Um produto ou servio pode ser definido, e avaliado, a partir de caractersticas de qualidade que so medidas no produto ou servio. Dois itens produzidos nas mesmas condies no so, em geral, idnticos, com respeito s caractersticas de qualidade consideradas. Variabilidade inerente aos processos. Estatstica A Estatstica um conjunto de conceitos e tcnicas utilizadas no planejamento da coleta de dados e na sua anlise, visando resolver problemas reais. Os mtodos estatsticos so desenvolvidos para lidar com a incerteza e a variabilidade e fornecer subsdios para processos decisrios onde a incerteza est presente. Cada vez mais as empresas baseiam suas decises em anlises estatsticas, o que faz com que os profissionais tenham de adquirir algum conhecimento dessas tcnicas. Sua aplicao em situaes ou processos em que a incerteza e a variabilidade esto presentes torna essa disciplina de grande utilidade.
Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica
Usos das tcnicas estatsticas As tcnicas estatstica so em geral utilizados para: Planejar a coleta de dados; Analisar os dados obtidos; Desenvolver mtodos para transformar dados em informaes Desenvolver modelos de predio; Avaliar os riscos envolvidos com as decises que so tomadas. Coleta de dados Processos geram dados. Os dados processados se transformam em informaes. A coleta de dados o primeiro passo a ser executado quando se est analisando um processo. Mesmo nas situaes mais simples, esse passo deve ser planejado para que os dados sejam relevantes ao estudo. necessrio saber porque os dados so necessrios, que dados sero coletados, quando e como eles sero obtidos e como eles sero analisados. A deciso sobre como os dados sero coletados dever levar em considerao o custo e o tempo para obt -los e a qualidade dos mesmos. O Que So Dados? Dados so observaes documentadas ou resultados da medio. Os dados podem ser obtidos pela percepo atravs dos sentidos (por exemplo observao) ou pela execuo de um processo de medio. A Figura abaixo ilustra as fontes dos dados. Figura : Fontes dos Dados
Mundo Fsico: Medir:
Execuo de uma tarefa tempo gasto para realizar a tarefa

3
Instrumento de medio: Medida: Mundo Comportamental: Medir: Instrumento de medio: Medida: Mundo sensorial: Medir: Instrumento de medio: Medida:
cronmetro minutos gasto na realizao da tarefa Realizao de uma reunio atitude das pessoas na reunio observao atitude positiva, atitude negativa, atitude neutra Provar um alimento aroma provadores ruim, regular bom excelente
Tipos de Dados Antes de iniciar a anlise de uma base de dados, preciso determinar corretamente que tipo de dados est disponvel. Disso depende o tipo de anlise a ser feito e a ferramenta a ser utilizada. Existem muitas formas de classificar dados, dependendo do seu uso e da forma como os dados sero armazenados (em papel, em arquivo eletrnico, etc.). Na rea da Qualidade utiliza-se um sistema de classificao de dados simplificado. O resultado de um processo de medio ou de uma observao pode ser classificado como: Contnua, tambm chamada simplesmente de varivel (peso, altura, tempo de ciclo) Contagem (nmero de acidentes, nmero de defeitos, nmero de ligaes perdidas em um Call Center). Classificatria (conforme/no conforme, defeituoso/no defeituoso, atrasado/no atrasado). A Tabela abaixo lista alguns exemplos de tipos de dados de um processo de medio segundo essa classificao. Tabela : Exemplos de Tipos de Dados dos Processos de Medio Dados Contnuos Dimenso de uma pea mecanizada
4
Dados de Contagem
Dados de Classificao
Viscosidade de um lquido Peso de uma pessoa Tempo para completar uma tarefa Custos de produo Nmero de partculas pretas numa amostra Nmero de erros numa pgina Nmero de acidentes num ms Nmero de vezes que uma tarefa foi concluda Contagem do estoque Pgina com erro ou sem erro Classificao de um produto (Tipo A ou Tipo B)
As medies podem ser transformadas de um tipo de dado para outro, entretanto geralmente isso s pode ser feito em uma direo. Os dados contnuos ou de contagem geralmente podem ser convertidos em dados de classificao, mas no na direo inversa. Por exemplo, o horrio de chegada de um nibus fretado pode ser medido utilizando-se um relgio (varivel contnua), e depois convertidos em no horrio ou atrasado (classificatrio).
Captulo 2. Definio Operacional Introduo Uma definio operacional uma descrio precisa de o que algo e de como se obtm um valor para esse algo que estamos tentando medir, ou seja, de como medi-lo. Uma definio operacional tem que ser especfica, concreta, mensurvel e til para as pessoas envolvidas. O uso de definies operacionais remove ambigidades de tal forma que todas as pessoas envolvidas tem o mesmo entendimento e medem da mesma forma a caracterstica em questo. Um componente importante de uma definio operacional a especificao do processo de medio a ser utilizado. A definio operacional de um conceito ir mudar de acordo com a aplicao. Por exemplo, o termo limpo ter significados bastante distinto numa residncia e numa sala de cirurgia de hospital. Portanto, geralmente melhor pensar em definies operacionais teis ou inteis ao invs de definies operacionais corretas ou erradas. A utilizao de definies operacionais ir eliminar as discordncias sobre os significados dos termos enquanto fonte de confuso ou conflito nas relaes. Desenvolvimento de Definies Operacionais O primeiro passo para se obter a definio operacional estabelecer um processo de medio. Por exemplo, para determinar se um produto ou servio obedece regulamentao governamental ou s exigncias contratuais de um cliente, a medio comparada a um conjunto de critrios e um julgamento feito para se verificar se estes critrios foram observados. As linhas areas so obrigadas a manter informaes sobre o nmero de decolagens com atraso. A linha area e o governo precisam concordar quanto medio da diferena entre a decolagem efetiva e a decolagem
Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica 6
programada. Um avio decolou quando as portas se fecharam, quando a escada de embarque foi retirada ou quando a aeronave alou vo? Para estudar e aperfeioar o processo, a linha area no precisa necessariamente de um critrio para definir atraso, ela simplesmente necessitar de uma definio operacional da diferena entre a decolagem programada e a decolagem efetiva. Como parte dos critrios de julgamento, algumas vezes existe uma necessidade de se levar em considerao questes referentes uniformidade das caractersticas e amostragem. Por exemplo, se o conceito a ser operacionalmente definido 80% de gordura na manteiga, as questes de uniformidade sero muito importantes. Se um cliente compra um quilo de manteiga empacotada em quatro barras, isto significa que 80% deste um quilo so gordura ou que todas as quatro barras possuem pelo menos 80% de gordura? Se uma pequena fatia (quo pequena?) de uma barra avaliada, ela precisa ter 80% de gordura? Geralmente no existe uma resposta certa ou errada para estas questes. O que importa que as partes interessadas estabeleam o grau de uniformidade que precisa existir. Quando a uniformidade for importante, a definio operacional deve especificar os procedimentos para amostragem. Exemplos de Definies Operacionais Exemplo 1: As definies operacionais de horrio de chegada e chegada no prazo foram utilizadas para comparar o desempenho de diferentes linhas areas. O horrio de chegada de um vo ser o horrio em que as rodas tocarem a pista de pouso. Este horrio ser determinado pelo cronmetro utilizado para a navegao durante o vo. Uma chegada estar no prazo se o horrio de chegada no ocorrer mais do que quinze minutos depois do horrio de chegada programado. Exemplo 2: Uma das exigncias de determinado processo qumico era que o alimentador de um reator tinha que estar limpo antes de ser instalado. O cone est limpo se (1) no existirem partculas maiores que 100 mm quando examinado por um microscpio de 40x e, (2) no existir fluorescncia visual sob luz ultravioleta a 2.700-3.500 A.
Exemplo 3: Uma das caractersticas de qualidade dos pssegos enlatados a quantidade de pequenos pedaos de matria vegetal estranha. Pequenos pedaos de matria vegetal estranha significam talos com menos de 10 mm de comprimento, pedaos de ramo com menos de 50 mm de comprimento e qualquer fragmento de folhas. Outras partes do padro especificam o mtodo de medio desses tamanhos. As definies operacionais so utilizadas para eliminar a confuso e os conflitos resultantes da ausncia de consenso sobre o significado dos termos. El as so um meio importante para a promoo da cooperao entre indivduos e grupos.
Captulo 3. Dot plot e Histograma Dot plot O dot plot um grfico muito til para representar a distribuio de uma pequena quantidade de dados numricos. Dot plot, como o nome indica, um grfico de pontos. Desenha-se uma linha horizontal com uma escala que contenha a faixa de variao dos dados da amostra. Cada observao contribui com um ponto no grfico. Se um valor aparece mais de uma vez, ento os pontos so empilhados, tantas vezes quantos forem os valores repetidos. O grfico permite observar algumas caractersticas de um conjunto de dados como o centro e a variao. Alm disso, permite identificar com facilidade pontos desgarrados ou aberrantes. Outra grande vantagem do dot plot a possibilidade de comparar visualmente diversas situaes, como em situaes em que os dados so provenientes de estratos diferentes. A tabela abaixo contm o tempo de set up de trs mquinas similares. O set up foi realizado 10 vezes em cada mquina. maq1 maq2 maq3 1,58 2,22 1,29 1,52 2,40 0,58 2,04 2,47 1,03 1,28 1,55 1,02 1,43 2,03 2,20 2,01 2,23 2,50 1,20 1,33 2,40 2,23 1,00 1,06 1,04 1,55 0,70
1,54 2,57 0,55
Os grficos abaixo mostram dot plot de todos os dados e o dot plot comparativo por mquina. Dessa forma possvel perceber as diferenas de comportamento entre as mquinas, principalmente da mquina 3 em comparao com as mquinas 1 e 2.
Dotplot for tempo
Dotpl ot for tempo
maquina
maq3 maq2
0,5
1 ,5
2,5
maq1
tempo
0 ,5
1,5
2,5
tempo
O dot plot til em vrias situaes: 1. Quanto a amostra contm poucos valores (caso em que o uso do histograma no adequado) 2. Quanto necessrio comparar duas ou mais situaes (amostra estratificada) Lembre-se: quando os dados forem coletados de forma seqencial, use o grfico de tendncia em conjunto com o grfico dot plot. Distribuio de freqncia e Histograma Considere o conjunto de dados que contm o nmero de atendimentos dirio em um ambulatrio de um hospital universitrio.
Dia 1 2 3 4 5 6 7 N_atend 197 192 232 214 193 185 230 Dia 16 17 18 19 20 21 22 N_atend 219 191 203 210 200 197 176 Dia 31 32 33 34 35 36 37 N_atend 213 198 188 203 215 223 190 Dia 46 47 48 49 50 51 52 N_atend 196 206 198 193 189 216 240
8 9
232 208
23 24
205 180
38 39
185 195
53 54
200 204
10
10 11 12 13 14 15
204 215 202 208 181 243
25 26 27 28 29 30
205 200 170 182 205 181
40 41 42 43 44 45
171 207 202 192 195 213
55 56 57 58 59 60
204 191 178 175 237 211
Como os dados foram coletados ao longo do tempo, adequado fazer o grfico de tendncia para verificar se o processo est estvel. O grfico apresentado abaixo.
Grfico de Tendncia: N_ atendimentos
250 240 230 N _at endimentos 220 210 200 190 180 170 1 5 10 15 20 25 30 Dia 35 40 45 50 55 60
Pode-se constatar que o processo esteve estvel no perodo examinado. Examinando o arquivo, encontramos que o nmero de atendimento varia de 170 a 253. Em geral, no estamos interessados em examinar cada valor individual da amostra. Uma outra forma de analisar os dados construir o histograma dos dados. Um histograma um grfico de barras que mostra a distribuio de um conjunto de dados. Diferentemente de um Grfico de Tendncia, um histograma no mostra a performance dos dados ao longo do tempo. O Histograma utilizado para organizar um conjunto de dados e exibi-lo em uma forma grfica ressaltando a forma da distribuio. No histograma mais fcil visualizar onde os dados esto em uma escala de medida e quanto de variao existe. O histograma permite:
Sumarizar graficamente um conjunto de dados Comparar os resultados com limites de especificao Verificar quis valores ocorrem com mais freqncia Verificar se existe alguma medida discrepante Verificar se a distribuio simtrica ou assimtrica Diagnosticar problemas com o processo que produziu os dados Passos para a construo de um histograma: Contar o nmero de dados Ordenar os valores do conjunto de dados Encontrar o valor mnimo e o valor mximo do conjunto de dados e calcular a amplitude dos dados (maior-menor) Escolher um nmero de intervalos, em geral de igual comprimento, que contm o mnimo e o mximo, de tal forma que eles no se superponham, ou seja, cada medida classificada em apenas um dos subintervalos. Esses subintervalos so chamados de intervalos de classe, e seus limites de limites de classe. O nmero de intervalos influencia o padro e a forma do histograma. Use a tabela seguinte para determinar o nmero de intervalos a ser usado: Quantidade de dados Menos que 50 Entre 50 e 99 100 a 250 Mais que 250 Nmero de intervalos 5a7 6 a 10 7 a 12 10 a 20
Formar os intervalos de classe. Para isso, divida a amplitude dos dados pelo nmero de intervalos de classe. Dessa forma obtm-se a amplitude aproximada de cada intervalo. Faa ajustes na amplitude do tamanho do intervalo de classe de forma a obter limites convenientes para os intervalos Contar o nmero de observaes que em cada intervalo de classe. Esse nmero chamado de freqncia da classe ou simplesmente freqncia. Determinar a freqncia relativa do intervalo de classe dividindo a freqncia pelo nmero total de observaes. Freqncia relativa = freqncia/Total de observaes.
Construa um grfico de barras onde cada barra se assenta em cada intervalo de classe. A altura de cada barra igual freqncia freqncia relativa do intervalo. No exemplo acima temos 60 dados, sendo o mnimo 170 e o mximo 243. Portanto a amplitude dos dados 243-170 = 73. Vamos usar 8 intervalos de classe. A amplitude de cada intervalo aproximadamente 73/8 = 9. Para obter limites adequados para os intervalos, vamos construir intervalos com amplitude 10, iniciando em 165 e terminando em 245. Vamos convencionar tambm que o intervalo fechado esquerda e aberto direita, ou seja, o primeiro intervalo contm valores de 165 a 174, o segundo intervalo contm valores de 175 a 184, e assim por diante. A distribuio de freqncia obtida est apresentada abaixo e o histograma correspondente apresentado a seguir. Distribuio de freqncia do nmero de atendimentos Interv. de Pt. Freq. Porc. Porc.Acum classe Mdio Freq Acum . 165<=x<175 175<=x<185 185<=x<195 195<=x<205 205<=x<215 215<=x<225 225=<x<235 235<=x<245 170 180 190 200 210 220 230 240 2 7 11 17 12 5 3 3 2 9 20 37 49 54 57 60 0.03 0.12 0.18 0.28 0.20 0.08 0.05 0.05 0.03 0.15 0.33 0.61 0.81 0.89 0.94 0.99
13
Histograma: N_atendimentos
18 16 14 12 Frequncia 10 8 6 4 2 0 170 180 190 200 210 N_atendimentos 220 230 240
Anlise do Histograma O histograma fornece uma impresso visual da distribuio das observaes de uma varivel. Alguns aspectos devem ser observados em um histograma, pois eles revelam caractersticas importantes sobre a amostra: Simetria A distribuio das observaes pode ou no ter um eixo de simetria. Se tiver, a distribuio simtrica, caso contrrio assimtrica, sendo que a assimetria pode ser esquerda (negativa) ou direita (positiva). Muitas tcnicas estatsticas pressupem simetria para que suas aplicaes sejam vlidas. Dados econmicos, em geral, apresentam distribuio assimtrica positiva. Moda Se a amostra retirada de uma populao bem definida, ento a freqncia dos intervalos de classe crescem at um certo valor e depois decrescem. Nesse caso dizemos que a distribuio unimodal. Se a distribuio apresenta mais de uma moda, indicativo que as observaes provm de mais de uma populao. Caso as populaes sejam identificadas, interessante fazer uma anlise separadamente cada uma das sub-populaes envolvidas. Continuidade Se o nmero de intervalos de classe for escolhidos de forma conveniente, o histograma no deve apresentar buracos. Caso eles apaream, indicativo de algum problema com os dados do processo. Pontos extremos Em condies normais, no existem observaes desgarradas (outliers) das demais. A presena de pontos extremos pode indicar vrios problemas: erro na anotao do valor, erro na digitao do
valor, presena de elementos no conjunto de dados que no fazem parte da populao em estudo, etc. Pontos extremos devem ser sempre investigados. Nas distribuies assimtricas podemos observar pontos extremos mesmo em condies normais. Comparao dos resultados de um processo com limites de especificao. Se os limites de especificao (quando existirem) forem desenhados no histograma, possvel identificar visualmente a quantidade de itens que esto sendo produzidos fora de especificao. O histograma uma tcnica que auxilia o diagnstico. Se tivermos padres formados do que normal em um determinado processo, o histograma, assim como uma radiografia para um mdico, permite identificar se alguma anormalidade est presente. O histograma o dot plot so tcnicas semelhantes e podem ser utilizadas para a mesma finalidade. O dot plot mais conveniente quando a quantidade de dados pequena e quando queremos comparar situaes. O histograma mais conveniente quando a quantidade de dados grande, mas no adequado para fazer comparaes entre duas ou mais situaes.
15
Captulo 4. Grfico de Tendncia muito comum a situao em que os dados sobre uma varivel so coletados ao longo do tempo. O Grfico de Tendncia uma ferramenta adequada para analisar dados com essas caractersticas. O Grfico de Tendncia obtido colocando-se no eixo vertical a varivel sendo analisada e no eixo horizontal a varivel relacionada com o tempo. Grficos de Tendncia so muito teis para ganhar entendimento sobre o sistema de variao que est atuando no processo, revelar ciclos, tendncias ou mudanas de desempenho. Exemplo: Vinte e oito pedidos foram processados por uma empresa e o tempo de processamento de cada pedido foi medido. Os dados esto na tabela abaixo. Pedido 1 2 3 4 5 6 7 8 9 10 11 12 13 14 tempo 27 23 28 26 26 27 24 22 27 26 29 27 27 25 O grfico de tendncia do tempo est na figura abaixo
Gr fico de Tendncia: tempo
29 28 27 tempo 26 25 24 23 22 1 2 3 4 5 6 7 8 Pedido 9 10 11 12 13 14
Aplicaes O Grfico de Tendncia tipicamente utilizado para: Identificar problemas/oportunidades Determinar potenciais causas de problemas
Acompanhar resultados Identificar ciclos e efeitos sazonais Verificar o impacto de mudanas no processo O grfico de tendncia um grfico simples, onde o eixo horizontal mede o tempo e o eixo vertical representa a medida de um evento. O grfico de tendncia : Simples Fcil de construir, utilizar e entender. Apresenta os valores dos pontos de dados ao longo do tempo. Aponta momentos de problemas no processo. Mostra como as iniciativas de melhoria esto caminhando para as metas ou objetivos. A prpria simplicidade do grfico o que o torna to poderoso. Todas as pessoas ligadas ao processo podem usar e entender um grfico de tendncia. O Grfico de Tendncia uma ferramenta adequada para avaliar se mudanas em um processo resultam em melhoria. importante identificar a presena de tendncias ou deslocamentos. Elas significam que no temos um nico processo presente, o que pode invalidar o uso de outras tcnicas estatsticas. Muitas vezes o objetivo ao se utilizar um grfico de tendncia identificar ciclos, tendncias temporais e efeitos sazonais. Nesses casos mais comum denominar o Grfico de Tendncia de Srie Temporal. Considere a srie temporal abaixo. A srie apresenta o nmero de passageiros transportados pelo sistema de transportes publico de uma cidade ( em 1000 passageiros).
17
Data JAN 1949 FEB 1949 MAR 1949 APR 1949 MAY 1949 JUN 1949 JUL 1949 AUG 1949 SEP 1949 OCT 1949 NOV 1949 DEC 1949 JAN 1950 FEB 1950 MAR 1950 APR
N Data Passag 112 118 132 129 121 135 148 148 136 119 104 118 115 126 141 135 DEC 1950 JAN 1951 FEB 1951 MAR 1951 APR 1951 MAY 1951 JUN 1951 JUL 1951 AUG 1951 SEP 1951 OCT 1951 NOV 1951 DEC 1951 JAN 1952 FEB 1952 MAR
N Data Passag 140 145 150 178 163 172 178 199 199 184 162 146 166 171 180 193 NOV 1952 DEC 1952 JAN 1953 FEB 1953 MAR 1953 APR 1953 MAY 1953 JUN 1953 JUL 1953 AUG 1953 SEP 1953 OCT 1953 NOV 1953 DEC 1953 JAN 1954 FEB
N Passag 172 194 196 196 236 235 229 243 264 272 237 211 180 201 204 188
18
1950 MAY 1950 JUN 1950 JUL 1950 AUG 1950 SEP 1950 OCT 1950 NOV 1950 125 149 170 170 158 133 114
1952 APR 1952 MAY 1952 JUN 1952 JUL 1952 AUG 1952 SEP 1952 OCT 1952 181 183 218 230 242 209 191
1954 MAR 1954 APR 1954 MAY 1954 JUN 1954 JUL 1954 AUG 1954 SEP 1954 235 227 234 264 302 293 259
A srie temporal correspondente est na figura abaixo. Note que alm da tendncia crescente ao longo do tempo podemos observar um efeito sazonal com picos em torno de julho e valores baixos no incio do ano.
Srie Temporal: n_ pass
300
250 n_pass
200
150
100
N JA 49 19 L JU 49 19 B FE 5 19 0 P SE 50 19 R 51 19 V NO 51 19 N JU 52 19 N 19 53 G AU 53 19 AR M 54 19
AP
JA
data
Instrues para construo de um Grfico de Tendncia 1. Identifique a varivel que ser medida ao longo do tempo; 2. Elabore um plano para coletar dados ao longo do tempo e execute o plano;
3. Crie um grfico com o tempo no eixo horizontal e os dados no eixo vertical, para exibir a mensurao ao longo do tempo. 4. Plote os dados no grfico 5. Desenhe uma linha horizontal na posio da mediana dos dados plotados. 6. Analise os resultados.
20
Captulo 5. Estatstica Descritiva Introduo Quando avaliamos uma caracterstica de qualidade atravs de um conjunto de medidas da mesma, no estamos interessados em cada medida individual, mas sim no padro de comportamento como um todo. O padro pode ser caracterizado por alguns poucos nmeros e grficos que quantificam e exibem informaes importantes. O sumrio dos aspectos importante de um conjunto de dados chamado de Estatstica Descritiva. Sob esse nome reunimos um conjunto de tcnicas que visam condensar os dados atravs de grficos e tabelas que mostram a distribuio dos dados, e calcular alguns nmeros que indicam a localizao dos dados (mdia, mediana, quartis, etc.), e outros que medem a variabilidade dos mesmos (amplitude, desvio padro, etc.). Trataremos inicialmente de tcnicas que so apropriadas para variveis numricas contnuas ou para variveis numricas discretas cujo nmero de valores possveis grande. Um dos objetivos desse tipo de anlise descobrir padres no conjunto de dados. Esses padres revelam importantes aspectos da populao ou do processo e so geralmente utilizados para realizar diagnstico sobre a populao ou processo. As principais ferramentas que sero utilizadas so: distribuio de freqncia e histograma, grfico de tendncia, Dotplot, grfico de Pareto, tabelas, grficos de barra e medidas de localizao e de disperso.
Medidas de Localizao e de Disperso
Dois conceitos importantes no estudo de caractersticas numricas, e que so intensamente utilizados so os conceitos de localizao e de disperso (ou variabilidade). Medidas de Localizao: A localizao pode ser caracterizada de vrias formas: Mnimo O menor valor observado.
Mximo O maior valor observado. O mnimo e o mximo localizam a faixa onde os valores se distribuem. Mdia Aritmtica A media aritmtica das medidas da amostra um valor que representa o centro da distribuio dos valores. A mdia aritmtica de um conjunto de n valores, como o prprio nome indica, igual soma de todas as medidas divido por n, o nmero de medidas. A mdia representada pelo smbolo X . Mediana A mediana uma medida alternativa mdia aritmtica para representar o centro da distribuio. A mediana de um conjunto de medidas um valor M de tal forma que metade das medidas so menores ou iguais a M e metade das medidas so maiores ou iguais a M. Exemplo: (para n par) Considere os seguintes valores:71, 70, 70, 72 e 70: Os valores ordenados so: 70 70 70 71 72 A mediana 70 Exemplo: (para n impar) Os dados abaixo so tempos de vida de 8 clientes (nmero de dias desde que o cliente obteve o carto). 500 550 550 550 600 700 750 2000 Note que temos 2 valores que satisfazem a condio de ser mediana, o quarto (550) e o quinto (600) valor na lista ordenada. Nesse caso, definimos a mediana como sendo a mdia dos dois valores centrais: Mediana = (550+600)/2=575 A mdia aritmtica desses valores 575. Observe que se o cliente com 2000 dias estivesse como cliente com 3950 dias o valor da mediana no se alteraria, mas a mdia aritmtica aumentaria. No ser afetada por valores extremos uma vantagem da mediana em relao mdia. Quando a distribuio dos dados simtrica os valores da mdia e da mediana praticamente coincidem. Quando a distribuio assimtrica a mdia "puxada" na direo da assimetria.
Quase sempre, quando olhamos uma mdia, fazemos algum julgamento de valor. Ao lermos no jornal a renda mdia de uma determinada comunidade, somos tentados a avaliar como a sua situao econmica. O valor pode ser alto e mesmo assim a situao social ser muito ruim. Basta que poucos ganhem muito e muitos ganhem pouco. A mediana no influenciada por esses valores extremos e, nesse caso, refletir melhor a condio econmica da comunidade. Em qualquer relatrio interessante reportar as duas medidas de tendncia central. Quartis e Percentis Se o nmero de observaes grande, interessante calcular outras medidas de posio. Essas medidas so uma extenso do conceito de mediana. Vimos que a mediana um valor que divide o conjunto de dados em duas partes contendo 50% dos valores abaixo e 50% acima dela. Por isso, a mediana pode ser chamada de percentil 50. Existem outros valores de percentis que so utilizados para localizar a distribuio. So eles: 1 Quartil (Q1) : Divide a distribuio em 25% e 75%; 3 Quartil (Q3) : Divide a distribuio em 75% e 25% Note que o 1 Quartil a mediana da primeira metade dos dados e o 3 Quartil a mediana da segunda metade. Este conceito pode ser estendido um pouco mais, e em lugar de 25%, 50% e 75%, podemos querer calcular percentis 5%, 10%, 90%, 95%, etc. Seja p um nmero qualquer entre 0 e 1. O 100*p-simo percentil um valor tal que, depois das medidas terem sido ordenadas, pelo menos 100*p% das medidas so menores ou iguais a esse valor, e pelo menos 100*(1-p)% das medidas so maiores ou iguais a esse valor.
23
Softwares de anlise estatstica calculam percentis utilizando diferentes mtodos, os quais envolvem algum tipo de interpolao. Por isso possvel encontrar discrepncias entre os valores calculados por diferentes programas. Essas discrepncias, em geral, no afetam a anlise. Medidas de Disperso Como dissemos anteriormente, variabilidade est presente em praticamente todos os fenmenos estudados. importante entender essa variabilidade, e principalmente saber quantific-la. Calcular somente a mdia ou mediana de uma varivel numrica no suficiente para caracterizar a varivel. Se a idade mdia de duas pessoas 25 anos, as duas pode ter 25 anos ou uma pode ter 1 ano e a outra ter 49 anos. Para distinguir entre as duas situaes preciso medir a quantidade de variao presente nos dados. A quantidade de variao ou disperso que existe em uma varivel uma informao importante e pode ser medida. Observe a distribuio de dois conjuntos de dados com a mesma mdia.
O fator que diferencia os dois conjuntos a quantidade de variao entre eles. Existem vrias formas de se medir a disperso de um conjunto de dados. As mais comuns so a Amplitude e o Desvio padro. Amplitude A forma mais simples de medir disperso a Amplitude, que nada mais que a diferena entre o maior e o menor valor do conjunto. No exemplo acima, a amplitude do Saldo Anterior 1.7 - 1.2 = 0.5. Desvio Padro Outra forma de medir a variabilidade, que muito utilizada, o desvio padro. Considere os seguintes dados
70
71
73
74
77
A soma 365 e a mdia 73. Os desvios em relao mdi a fornecem informao sobre a disperso. Esses desvios esto na tabela abaixo: -3 -2 0 1 4 A soma dos desvios zero (de fato, a soma dos desvios em relao mdia zero para qualquer conjunto de dados). Desvios com mesmo valor absoluto contribuem da mesma forma para a quantidade de variao. Para calcular o desvio padro, inicialmente calcula-se o quadrado dos desvios. Os valores esto na tabela abaixo: 9 4 0 1 16 O prximo passo somar os quadrados dos desvios. Nesse exemplo, a soma igual a 30. Agora divide-se essa soma por 4 (nmero de dados menos 1). O resultado 7.5. Finalmente, extrai- se a raiz quadrada desse nmero, que nesse caso 2.74. Portanto, o desvio padro igual a 2.74. A tabela abaixo resume todos os clculos. Soma 365 0 30 2.74 Mdia 73
X (xmdia) (x2 mdia)
70 -3 9
71 -2 4
73 0 0
74 1 1
77 4 16 DP=
Alguns Cuidados no Uso da Mdia e do Desvio Padro A mdia e o desvio padro so duas medidas muito utilizadas para sumarizar um conjunto de dados. Essas medidas so adequadas quando o conjunto de dados bem comportado, mas podem ser enganosas em muitas situaes. Considere os quatro conjuntos de dados apresentados abaixo N Conj Conj Conj Conj 1 2 3 4
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
40.5 41.6 35.0 44.5 0 4 0 0 41.5 58.3 37.0 45.0 0 6 0 0 42.5 42.2 42.0 45.5 0 9 0 0 43.5 57.7 53.9 46.0 0 1 0 0 44.5 42.9 53.0 46.5 0 3 0 0 45.5 57.0 50.6 47.0 0 7 0 0 46.5 43.5 50.5 47.5 0 7 0 0 47.5 56.4 53.8 48.0 0 3 0 0 48.5 44.2 52.5 48.5 0 1 0 0 49.5 55.7 53.6 49.0 0 9 0 0 50.5 44.8 50.4 49.5 0 6 0 0 51.5 55.1 52.2 50.0 0 4 0 0 52.5 45.5 52.7 50.5 0 0 0 0 53.5 54.5 52.4 51.0 0 0 0 0 54.5 46.1 52.7 51.5 0 4 0 0 55.5 53.8 51.4 52.0 0 6 0 0 56.5 46.7 53.8 52.5 0 9 0 0
26
18
57.5 53.2 52.9 53.0 0 1 0 0
Grfico dos conjuntos de valores

5
3 CONJ
0 30
40
50 VALOR
60
70
80
19 20 Mdia Desv. Pad.
58.5 47.4 56.8 72.7 0 3 1 1 59.5 52.5 42.7 49.7 0 7 9 9 50.0 50.0 50.0 50.0 0 0 0 0 5.92 5.92 5.92 5.92
Olhando apenas as mdias e os desvios padres, os conjuntos parecem idnticos. O grfico de todas as observaes, separadas por conjunto, mostra uma situao bem diferente e mostra claramente que os quatro conjuntos tm uma distribuio bastante diferente. Se os dados tm distribuio aproximadamente simtrica em torno de um valor central e sem pontos aberrantes, ento a mdia aritmtica uma boa representao da tendncia central. No exemplo acima, o conjunto 4 tem um ponto aberrante, o conjunto 3 tem pelo menos 2 pontos que esto deslocados em relao aos demais, o conjunto 2 uma mistura de duas distribuies e o conjunto 1 o mais bem comportado. Esse exemplo serve para ilustrar o fato de que preciso examinar um conjunto de dados atravs de vrias tcnicas descritivas, sejam elas numricas ou grficas. Todas as tcnicas tm suas vantagens e desvantagens, e a utilizao simultnea delas em geral compensa as
desvantagens individuais e permitem uma caracterizao adequada dos dados.
28
Captulo 6. Relao entre variveis At agora vimos tcnicas de anlise de uma varivel por vez. Vamos apresentar a partir desse ponto algumas tcnicas de anlise de relao entre variveis. Iniciaremos com a anlise de relao entre duas variveis numricas. Em seguida apresentaremos tcnicas para analisar relaes entre variveis categricas
Anlise de relao entre variveis numricas
Grfico de disperso Um grfico de disperso pode ajud-lo a determinar se existe um relacionamento entre duas variveis numricas de um processo e, se existir, qual o tipo de relacionamento. Por exemplo, voc pode examinar o relacionamento entre causas especficas identificadas em um diagrama de causa e efeito e o problema. A identificao do relacionamento ajuda a trabalhar em cima da soluo. O diagrama de causa e efeito produz uma avaliao subjetiva do sistema de causas. preciso, num passo seguinte, quantificar a relao entre as causas e o problema. O diagrama de disperso uma ferramenta que caminha nessa direo. O grfico de disperso exibe graficamente os relacionamentos entre duas variveis. Os pontos de um grfico de disperso so baseados em pares de observaes. Por que usar esta ferramenta? O grfico de disperso costuma ser usado para determinar se existe uma correlao entre dois fatores ou variveis. A correlao implica que, se uma varivel muda, a outra tambm muda. Embora isso possa indicar um relacionamento de causa e efeito, este nem sempre o caso. De fato, um ou mais fatores diferentes podem ser a causa do efeito e os dois fatores que voc est examinando podem ser o resultado de outros fatores. Se for possvel estabelecer a existncia de uma boa correlao entre dois fatores, voc poder usar um fator para prever o outro.
Instrues detalhadas 1. Determine as duas variveis que voc quer estudar. Exemplo: Estudar a relao entre o peso de um automvel e o consumo de combustvel. 2. Faa a coleta de dados (Use dados existentes, se disponveis) peso_kg con_km_l 1542 1723 1860 998 1179 1315 907 1225 862 1542 7.74 7.21 6.54 12.88 11.81 9.24 14.66 11.81 13.72 8.68
3. Desenhe um grfico com um eixo vertical e um eixo horizontal. Use o eixo vertical para uma varivel e o eixo horizontal para a outra, usa ndo a escala apropriada.
15 14 13 12
con_ km_ l
11 10 9 8 7 6 1000 1500 2000
peso_kg
4. Represente os pontos de dados no grfico, usando os pares de valores coletados para cada varivel. Se possvel, estratifique seus dados por algum fator (exemplo: dias teis e finais de semana).
5. Rotule e d um ttulo ao grfico de disperso
15 14 13
con_km_l
12 11 10 9 8 7 6 1000 1500 2000
peso_kg
6. Interprete os resultados Quando representamos dados graficamente, queremos antes de tudo verificar padres gerais. De um diagrama de disperso podemos comentar sobre a direo, forma e a fora da associao entre as variveis. Direo Sobre a direo, as variveis podem estar positivamente associadas, isto , quando altos valores numa varivel tende a levar a altos valores na outra e negativamente associadas, quando ocorre o contrrio. Forma Na forma, as relaes podem ser lineares, curvas, quadrticas, sazonais, cclicas ou em muitas vezes pode no haver relao nenhuma. Fora Quanto fora da relao, podemos dizer que a relao forte quanto a disperso dos pontos em torno da tendncia pequena e fraca caso contrrio. A vantagem de criar um grfico de disperso no est na representao dos dados em si, mas na interpretao dos resultados. Dependendo da localizao e do agrupamento dos pontos de dados no grfico, voc ver um dos cinco padres gerais de correlao.
Tipo Direo: nenhuma Forma: nenhuma Fora: nula Direo: positiva Forma: linear Fora: forte Direo: positiva Forma: linear Fora: mdia Direo: negativa Forma: linear Fora: forte Direo: negativa Forma: linear Fora: mdia
Grfico
Descrio No existe nenhum relacionamento aparente entre as duas variveis. Considere o estudo de um grupo diferente de variveis.
Existe um relacionamento previsvel definido entre as duas variveis. O aumento de uma varivel acompanhado por um aumento previsvel na outra.
Um relacionamento definido entre as duas variveis pode estar presente. O aumento de uma varivel talvez cause o aumento da outra, mas outros fatores tambm podero estar envolvidos. A conduo de testes adicionais sugerida. Existe um relacionamento previsvel definido entre as duas variveis. O aumento de uma varivel acompanhado pela diminuio previsvel da outra.
Um relacionamento definido entre as duas variveis pode estar presente. O aumento de uma varivel talvez cause a diminuio da outra varivel, mas outros fatores tambm podem estar envolvidos. A conduo de testes adicionais sugerida.
Nota: Muitos outros padres reais so possveis, incluindo padres no-lineares do tipo parbolas, por exemplo.
O coeficiente de correlao O diagrama de disperso mostra a forma, direo e a fora da relao em estudo. No entanto, a interpretao da fora deste modo bastante subjetiva. Uma mudana nas escalas dos eixos do grfico pode alterar nossa percepo para esse aspecto. Podemos medir essa fora atravs do Coeficiente de Correlao r. Por definio, o coeficiente de correlao r mede a fora da associao linear entre duas variveis quantitativas. Ele descreve a direo da relao linear e indica quo prximos os pontos esto de uma reta que melhor se ajusta a eles. Aqui temos algumas propriedades do coeficiente de correlao: Amplitude : vai de 1 at 1 (por causa do modo como definido) Sinal : indica a direo (sinal negativo: direo negativa e vice-versa) Magnitude : Quanto mais prximo dos extremos (-1 e 1), mais forte a associao linear. Valor de r prximo de zero significa que no h associao linear, podendo haver outro tipo de relao entre as variveis, como uma quadrtica, por exemplo. O coeficiente de correlao uma quantidade adimensional . No afetada por mudanas de escala das variveis Calcular o coeficiente de correlao na mo muito incmodo. Recomendamos sempre utilizar um computador ou uma calculadora programvel para isso. A frmula do clculo :
r=
( x
(x
i
x )( y i y )
2
x)
(y
y)
33
Cuidados na Anlise de Coeficientes de Correlao A Correlao No Resiste a Pontos Estranhos Cuidado ao calcular coeficientes de correlao sem antes ter observado o grfico de disperso. preciso observar se no existem pontos que esto muito fora do padro da correlao. Veja, no exemplo abaixo, se por um erro de digitao o valor do saldo faturado de 2.570,48 passasse a 257,48. A correlao entre o saldo faturado e o saldo anterior passaria de 0,92097 para 0,54059. Note o ponto estranho no grfico abaixo.
Correlao No Implica Causalidade!

EVOLUO DA POPULAO DE OLDENBURG E DO NMERO DE CEGONHAS (1930-1936)
78
POPULAO (EM MILHARES)
74
70
66
62
58
54 120
140
160
180
200
220
240
260
NMERO DE CEGONHAS
34
O grfico acima mostra a populao de Oldenburg ao final de 7 anos (de 1930 a 1936) graficada contra o nmero de cegonhas observadas ao final dos mesmos anos. Embora nesse exemplo poucos diriam que um aumento de cegonhas causa um aumento na populao, s vezes podemos ser levados a esse tipo de erro em outros contextos.
Anlise de relao entre Variveis Categricas
Tabelas de freqncia, tambm chamadas de tabelas de cont ingncia, so usadas para descrever variveis qualitativas (categricas) e associaes entre elas. Para duas variveis categricas faremos tabelas chamadas de dupla entrada. Se adicionarmos uma terceira varivel, teremos de fazer uma tabela de dupla entrada para cada nvel da terceira varivel. Fazer comparaes simplesmente observando a tabela no to fcil, a menos que tenhamos nmero idntico de observaes em cada cruzamento. Veremos que a associao entre duas variveis categricas ser mais bem analisada calculando-se porcentagens apropriadas. Para representar os resultados das tabelas podemos fazer grficos de barras ou de setores. Testes estatsticos para a associao entre as variveis podem ser realizados e os veremos mais para frente no mdulo de Inferncia Estatstica. Explorando um Arquivo de Clientes Uma empresa de crdito tem 9946 clientes cadastrados com informaes sobre seu relacionamento com a empresa. O arquivo de clientes contm algumas variveis categricas cujas relaes vamos explorar. Vejamos essas variveis escolhidas e suas descries: STATUS: classifica o cliente como BOM, MAU e OUTROS SITUACAO: indica se o cliente est em atraso (ATRASADO) ou em dia (EM DIA) com sua fatura A Relao entre STATUS e SITUAO Vamos examinar a relao entre as variveis STATUS e SITUACAO. A tabela abaixo mostra quantos clientes aparecem em cada cruzamento das categorias das variveis.
35
Tabela de Situao (freqncia) Status Situa o Atrasa do Em dia Total Bom 88 5052 5139 Mau 208 171 279
por
Status
Outros 344 4084 4428
Total 640 9306 9946
Cada combinao de linha com coluna na tabela chamada de clula. O valor 208 na primeira linha e segunda coluna diz que h 208 dos 9946 clientes classificados como MAU e que tm saldo em atraso. Dess a mesma forma podemos ler cada clula. Esse processo pode levar a uma idia da relao entre essas duas variveis. No entanto um melhor entendimento pode ser alcanado se calcularmos percentuais apropriados. Vejamos o que mais podemos obter de informao de uma tabela como essa. A Distribuio Marginal Observamos a distribuio marginal quando temos interesse em informaes de uma varivel separadamente. Ela sumariza as freqncias obtidas para cada nvel da varivel em questo. Numa tabela de dupla entrada, temos as distribuies marginais observando os totais das linhas ou colunas. Vejamos a distribuio marginal para a varivel STATUS: Distribuio de STATUS Status Freqncia Bom 5139 Mau 379 Outros 4428 Podemos representar a distribuio marginal atravs de um grfico de barras. Vejamos para a varivel STATUS como ele simples. No eixo
horizontal colocamos as categorias e sobre cada uma, erguemos um retngulo proporcional sua freqncia conforme a escala do eixo vertical. Distribuio de Freqncias para STATUS
Alm das freqncias, podemos calcular as porcentagens e melhorar nossa observao da distribuio marginal. Distribuio de STATUS Status Bom Mau Outros Freqncia 5139 379 4428 Porcentagem 51.7 3.8 44.5
Outra representao grfica dessa distribuio feita pelo grfico de setores. comum cham-lo de grfico de pizza. Esse grfico adequado para representar propores. Evite us-lo para outras estatsticas seno porcentagens, pois isso desviar a ateno para os valores e o q ue importa nesse grfico a proporo de cada parte (setores) em relao ao todo. Distribuio de Freqncias para STATUS
37
Outras Informaes nas Clulas Outras anlises podem ser feitas com uma tabela de dupla entrada. Por exemplo, podemos querer investigar o comportamento de estatsticas de uma varivel quantitativa para cada clula da tabela. Suponha que desejemos saber a o saldo mdio da fatura para os clientes em cada cruzamento, veja o resultado abaixo.
%(Colu na) Situa o
Status Bom Sdo_fat _R Mdia Mau Outros
Sdo_fat_ Sdo_fat_ R R Mdia Mdia 1759.07 578.76 1489.14 70.88
Atrasa do Em dia
149.29 405.50
Um grfico de barras bem vindo para visualizar melhor esse resultado.

Mdia do Saldo Faturado em cada Cruzamento
Cuidado ao analisar tabelas Tenha cuidado com suas anlises. Faa, antes, uma anlise descritiva da varivel em estudo evitando interpretaes falsas. No grfico acima, por exemplo, o valor mdio do saldo pode estar fortemente influenciado por valores nulos (cartes inativos). Entenda, por favor, a anlise anterior somente para efeitos didticos. Assim como uma terceira varivel pode afetar totalmente a correlao entre variveis quantitativas, pode tambm afetar associaes entre categricas. Veja um estudo entre altura e salrio de executivos. Eles foram classificados quanto altura como altos e baixos e quanto ao salrio, tambm como altos e baixos salrios. Veja a tabela de freqncia obtida no estudo: Salrio Baixo 1000 600
Altura Baixa Alta
Alto 500 825
Baseado nessa tabela, a proporo entre os executivos baixos que tm salrio baixo de 1000/1600=62,5% e a proporo entre os executivos altos que tm salrio baixo de 500/1325=37,8%. Portanto poderemos
pensar que executivos altos tendem a ter salrios mais altos. Ser isso verdade? Vejamos o que ocorre se quebrarmos a tabela acima em duas tabelas conforme o sexo do executivo. Sexo Feminino Altura Baixa Alta Salrio Baixo 800 200 Alto 100 25
Masculino Salrio Baixo 200 400 Alto 400 800
Agora percebemos que no h mais a relao altura x salrio. O que ocorreu na verdade o confundimento provocado pelo fato das mulheres terem altura geralmente inferior aos homens e a proporo de homens foi maior no estudo.
40
Captulo 7. Causas de Variao Uma questo delicada a interpretao do grfico. comum as pessoas considerarem qualquer variao como significante. Gasta-se muito tempo tentando explicar variao aleatria. Por exemplo: No semestre passado o ndice de reprovao em Clculo passou de 10% para 12%. Como isso aconteceu? Nesse ms o consumo de energia eltrica aumentou em 5%. Precisamos tomar algumas providncias para reverter essa tendncia no prximo ms. A teoria de variao nos ensina que a questo relevante : os resultados so significati vamente diferentes? e no os resultados so diferentes?. Grficos de Tendncia so muito teis para ganhar entendimento sobre o sistema de variao que est atuando no processo. Variao sob o ponto de vista do processo Para que aes em um processo visando a sua melhoria sejam eficazes necessria uma boa compreenso de variabilidade. Variao devida a dois tipos de causas: Causas Comuns aquelas causas que so inerentes ao processo no decorrer do tempo, afetam a todos que trabalham no processo e afetam todos os resultados do processo; e Causas Especiais aquelas causas que no so parte do processo durante todo o tempo ou que no afetam a todos, mas que surgem em funo de circunstncias especficas. Por exemplo, o tempo que uma pessoa leva para percorrer o trajeto de sua casa ao trabalho varia ao longo do tempo. As causas de variao podem ser: Causas comuns Semforos estarem vermelho ou verde. Volume de trfego Pedestres atravessando a rua Aguardar para fazer converses Causas especiais Um acidente Uma obra em um trecho do caminho
Um pneu furado Trfego tranqilo por muitos no trabalharem naquele dia Um processo que tenha apenas causas comuns afetando os resultados denominado processo estvel ou sob controle estatstico. Um processo estvel aquele no qual o sistema de causas para a variao se mantm essencialmente constante ao longo do tempo. Isto no significa que no haja variao nos resultados do processo, que a variao seja pequena ou que os resultados satisfaam s exigncias do cliente. Um processo cujos resultados so afetados tanto por causas comuns quanto por causas especiais denominado processo instvel. Um processo instvel no significa necessariamente algo com grande variao. Quando as causas especiais so identificadas e removidas o processo torna-se estvel. O desempenho de um processo estvel previsvel. Uma das grandes utilidades de um grfico de tendncia identificar se a variao observada na varivel sendo analisada devida somente a causas comuns ou se esto presentes causas especiais de variao. Variao o grande inimigo da qualidade e preciso estar trabalhando constantemente para reduzir variao nos processos. A diferenciao entre causa comum e causa especial de variao importante porque as estratgias de melhoria so diferentes para os diferentes tipos de variao. Se uma causa especial foi encontrada, necessrio descobrir o que de diferente aconteceu quando aqueles pontos foram coletados. Algo especial aconteceu, e necessrio descobrir o que foi e desenvolver uma ao especfica (eliminar a causa, desenvolver um plano de contingncia, incorporar de forma definitiva ao processo, etc). Se somente causas comuns de variao esto presentes e a quantidade de variao presente grande, nece ssrio atuar nos fatores que esto presentes o tempo todo no processo, ou seja, precisa fazer mudanas no sistema que gera os resultados. Em atividades de melhoria de processos, necessrio primeiro eliminar as causa especiais de variao antes de atuar para reduzir a variao devido a causas comuns.
42
Regras para identificar causas especiais Embora causas especiais de variao sejam difceis de prever, a ocorrncia delas facilmente identificvel se tcnicas apropriadas forem utilizadas. Caso no existam causas especiais de variao atuando no sistema, o padro do Grfico de Tendncia de pontos dispersos sem padro identificvel, com a linha mdia e a quantidade de variao praticamente constante ao longo do tempo. Qualquer padro identificvel uma indicao de ocorrncia de causa especial. Um padro identificvel algo que ocorre com baixa probabilidade se o processo s tem causas comuns de variao. A seguir so apresentadas algumas regras que podem ser utilizadas para identificar a ocorrncia de causas especiais. 8 ou mais pontos em uma linha do mesmo lado da linha mediana indicam uma mudana no processo
6 ou mais pontos em uma linha aumentando ou diminuindo continuamente indicam uma tendncia (comece a contar no ponto onde a direo muda.)
14 pontos ou mais pontos numa seqncia alternando para cima e para baixo indicam interferncias de operador
43
Um ou mais pontos muito afastados dos demais indicando que h algo de diferente com esses pontos.
A ocorrncia de um sinal indica apenas que uma possvel causa especial se fez presente, mas no diz qual a causa. Alm das medidas de desempenho, preciso reunir outros dados sobre o processo como mudana de matria prima, reparo de mquinas, troca de operadores, queda de energia e outras ocorrncias que auxiliem na anlise da causa especial para que seja possvel trabalhar na sua remoo ou preveno. Obs. Durante a coleta de dados histricos, preciso definir o intervalo de tempo a ser usado. necessrio reunir dados suficientes para exibir o comportamento do processo a longo prazo. Um total de 25 a 30 pontos de dados costuma ser suficiente para estabelecer para que se formem padres que sirvam como referncia para o desempenho do processo; Nem toda causa especial ruim. Muitas vezes ela indica uma melhora no processo. Nesse caso devemos buscar sua causa para possivelmente incorpora-la;
44
Captulo 8. Diagrama de Pareto
Um dos objetivos centrais de um programa de qualidade reduzir perdas provocadas por itens defeituosos que no atendem s especificaes. Existem muitos tipos de defeitos que fazem com um produto no atenda s especificaes. Concentrar esforos no sentido de eliminar todos os tipos de defeitos no uma poltica eficaz. Geralmente, alguns poucos tipos de defeitos so responsveis pela maioria das rejeies, e mais eficaz atacar as causas desses poucos defeitos mais importantes. Essa abordagem j foi proposta por J. M. Juran, um dos pioneiros da Qualidade. Ele estabeleceu uma regra hoje conhecida como a regra dos poucos vitais e dos muitos triviais. Para identificar os poucos vitais ele props a utilizao de um diagrama conhecido como Diagrama de Pareto. O diagrama basicamente um histograma da distribuio dos defeitos pelos tipos, ordenado em ordem decrescente de freqncia de ocorrncia. O grfico de Pareto deve seu nome a Vilfredo Pareto (1848-1923), economista italiano do sculo 19, que foi pioneiro no esforo de enunciar uma lei de distribuio de rendimentos. Em essncia, ele descobriu que 80% da riqueza estava concentrada em cerca de 20% da populao. O termo se tornou amplamente usado na indstria depois de sua proeminncia nas Mesas Redondas de Gerenciamento conduzidas na Universidade de Nova Iorque no incio da dcada de 40. Ele mostra a importncia relativa de diferentes causas de um problema, facilitando a identificao dos aspectos a serem enfocados e solucionados primeiro. Essa ferramenta baseia-se no princpio de Pareto, que sugere que geralmente um problema resultado de um nmero relativamente pequeno de causas. O princpio de Pareto, tambm conhecido como regra de 80/20, diz que das muitas causas de um problema, 80% so triviais e 20% so vitais. Alguns exemplos nos quais ele pode ser til para classificar problemas so:

Uma pea montada falha em um teste devido a um componente com defeito. Lotes de produtos qumicos podem estar abaixo do padro para muitas especificaes diferentes.
45
Cobranas podem estar incompletas devido falta de muitos tipos de informao.
H vrios tipos de problemas que os hspedes experimentam em um hotel. A tabela abaixo apresenta o resultado de uma pesquisa feita com pacientes em um hospital. O Grfico de Pareto apresentado a seguir. Observa-se que trs categorias representam 75% das reclamaes. Motivo de reclamao Cdigo nmero do motivo outros A B C D E F G H 13 21 15 27 102 117 83 21
Aborrecimento com pacientes/visitantes Atrasos para exames
Barulho Falta de atendimento campainha Respostas inadequadas s perguntas Servio de alimentao precrio Tratamento rspido por parte do corpo de funcionrios Todos os outros
46
Pareto Char t of Codi go do moti vo

400 100 80 60 200 40 100 20
300 Count
0 Codigo do motivo Count Per cent Cum %
F 117 29.3 29.3
E 102 25.6 54.9
G 83 20.8 75.7
D 27 6.8 82.5
B 21 5.3 87.7
H 21 5.3 93.0
C 15 3.8 96.7
A 13 3.3 100.0
O eixo vertical esquerda para freqncia de ocorrncias (altura das barras) e o eixo vertical direita para propores. Construo do Grfico de Pareto Um grfico de Pareto requer dados. Antes de comear a usar essa ferramenta, voc precisa: Definir um problema especfico. (Voc coletar os dados para esse problema) Listar as causas (categorias) que podem estar provocando o problema. As categorias podero j estar definidas, se voc estiver usando dados existentes, ou geradas atravs de um brainstorm com a equipe. Determinar uma medida comum para comparar as categorias. Definir o perodo de tempo durante o qual os dados sero coletados. Escolha um perodo que seja suficiente para representar a situao, mas lembre-se de que os estudos muito longos nem sempre significam informaes melhores. Coletar dados referente ao problema, caso eles ainda no existam. Atribuir responsabilidades aos membros da equipe para coletar os dados necessrios Uma vez que tenham sido coletados dados suficientes (pelo menos 30 ocorrncias), ordene as classificaes de dados por freqncia de ocorrncia.
Perc ent
Construa o grfico de Pareto como se segue: Trace os eixos vertical e horizontal. Use o eixo horizontal para classificaes. Ordene as classificaes colocando as que ocorrem mais freqentemente na extrema esquerda e as menos freqentemente na extrema direita (se existir uma categoria outros melhor coloc-la na extrema direita, a despeito da freqncia). Use o eixo vertical para a freqncia de ocorrncia (ver discusso posterior para outras escalas para o eixo vertical). Trace as barras para cada classificao at a posio apropriada no eixo vertical. O princpio de Pareto A primeira coisa a se checar em um Grfico de Pareto se o princpio de Pareto se aplica. Umas poucas categorias devem ser responsveis pela maior parte dos problemas.
Se voc encontrar isto Ento... O Princpio de Pareto se aplica: uma ou algumas categorias responsveis pela maioria dos problemas. Concentre os esforos de melhoria no topo de uma ou duas barras
O Princpio de Pareto no se aplica: as barras so todas de alturas semelhantes. Procure por outras maneiras de categorizar os dados, ou procure po r um diferente tipo de dado para este problema.
Cuidado ao construir o Grfico de Pareto A altura do eixo vertical esquerda deve ser um pouco maior do que o nmero total de ocorrncias. Observe abaixo o que pode acontecer quando esse princpio no for seguido.
Se voc encontrar isto
80 60 40 20 0
Ento O eixo-Y s to alto quanto a barra mais alta. A altura das barras vista em relao barra mais alta, no em relao ao nmero total de problemas
250
200
Quando corretamente desenhado, no parece que a Barra A seja realmente to mais alta do que as outras. Trate como se o Princpio de Pareto no se aplicasse (isto , no concentrese somente na Barra A).
150
100
50
0 A B C D E F G
Estratificao com Anlise de Pareto Quando os dados so coletados e existe alguma varivel de estratificao, pode ser interessante utilizar essa informao na anlise de Pareto, a fim de aprimorar a investigao e focalizar melhor os esforos de melhoria. Por exemplo, se informaes sobre defeitos de entrega so coletados em todas as subsidiarias e a informao sobre a subsidiria est disponvel, pode ser
interessante quebrar a anlise por subsidiria. Existem pelo menos trs mtodos que podem ser utilizados para estratificar a anlise de Pareto: Mostre vrios grficos de Pareto colocando-os lado a lado . (figura A) Subdivida dentro das barras. Use sombras ou hachuras para distinguir entre as subclassificaes (figura B). Use o bom senso no que diz respeito a quantas subclassificaes colocar dentro das barras muitas barras tornam a interpretao difcil. Coloque as barras representando as subclassificaes lado a lado dentro da classificao principal listada no eixo horizontal (figura C). Essa tcnica eficaz quando existem duas ou trs subclassificaes e quando a ordenao das classificaes a mesma para quase todas as classificaes. As barras adjacentes representando as subclassificaes devem ser agrupadas e contrastadas por sombreamento . O melhor mtodo de estratificao depende de qual mtodo permite que os dados sejam facilmente interpretados. Figura A: Grfico de Pareto com Estratificao Grficos Lado a Lado
50
Figura B: Grfico de Pareto com Estratificao Mtodo da Barra Subdividida
Figura C: Grfico de Pareto com Estratificao Barras Adjacentes
Modificaes no Grfico de Pareto bsico Existem muitas opes para o eixo vertical nos grficos de Pareto. A escala mais comum a do nmero de ocorrncias. Trs alternativas importantes so:

Valor monetrio Tempo Contribuio percentual de cada classificao para o total (tempo, ocorrncias, dinheiro etc.).
O exemplo da Figura abaixo compara as escalas de freqncia de ocorrncias e tempo. Nesse exemplo a escala de freqncia de
ocorrncias a apropriada se o objetivo for o de reduzir o nmero de ocorrncias. A escala de tempo apropriada se o objetivo for o de reduzir o tempo parado. Ao se decidir sobre onde focalizar os esforos de melhoria usando anlise de Pareto deve-se considerar cuidadosamente uma escala apropriada. Freqentemente vrios grficos de Pareto devem ser preparados com escalas diferentes. Figura : Escalas de Tempo e Freqncia de Ocorrncia em Grficos de Pareto
Por Tempo
100
Por Ocorrncia
Nmero de Ocorrncias Horas Paradas
100 80 60 40 20 0 C E A J G I H B F D 80 60 40 20 0 A C G B F D I E H J
Classificao Classificao
Observao: A classificao E uma das poucas vitais em termos de nmeros de ocorrncias, mas uma das muitas triviais em termos de horas paradas. O oposto ocorre para a classificao A. A classificao C permanece um foco importante em ambas as escalas. Os esforos de melhoria podem ser ainda mais focalizados fazendo-se uma anlise de Pareto na maior barra de um grfico de Pareto. Repetir esse procedimento, conhecido como anlise de Pareto de macro para micro, freqentemente leva ao estudo dos aspectos mais produtivos do processo. A Figura abaixo um exemplo de anlise de macro para micro nas categorias de lotes abaixo do padro.
52
Figura: Estreitando o Foco (Macro para Micro)
Importncia da Estabilidade na Anlise de Grficos de Pareto De forma similar s outras ferramentas usadas para investigar e melhorar processos (por exemplo, grficos de freqncia), o grfico de Pareto tem que ser usado com conhecimento adequado da estabilidade da caracterstica medida. Se o processo for estvel, o grfico de Pareto mostra os importantes modos de falha ou classificaes de problema produzidos pelo sistema de causas comuns. Se o processo for instvel, deve ser feita a estratificao dos dados para separar os dados obtidos quando causas especiais estavam presentes dos dados produzidos por causas comuns. Assim, a anlise de Pareto pode ser feita para as duas situaes .
Usando Anlise de Pareto com Causas

Os exemplos de Pareto mostrados at agora lidaram com situaes nas quais uma contagem de algum efeito ou classificao tinha sido feita, tal como o nmero de entregas atrasadas por fornecedor, ou tipos de deficincias de produto. Nessas situaes, enquanto tivermos definies das classificaes, o grfico ter um significado claro para ns. Podemos questionar se as classificaes escolhidas apresentam as informaes mais teis e podemos questionar a preciso das contagens, mas se estivermos confiantes nesses dois pontos o grfico de Pareto tem um significado definido para todos os membros da equipe. Outro uso do grfico de Pareto o de resumir dados a respeito das causas de um dado efeito. A Figura abaixo um exemplo comum de um grfico de Pareto para causas. Apesar de grficos de Pareto para causas serem usados comumente, preciso tomar alguns cuidados especiais. Como exatamente podemos interpretar esse grf ico? Figura : Causas de Pagamento Atrasado
35
30
25
% Atrasos
20
15
10
0 Correio Computador Assinatura Outros erros Recibos Cdig. vendedor
Causas
A determinao de causas requer o julgamento de um perito, algumas vezes usando ferramentas de qualidade tais como grficos de controle, grficos de disperso ou planejamento de experimentos. Sempre que declararmos que sabemos a causa de algo devemos considerar qu al o grau de nossa crena. Ele alto, baixo ou algo no meio? Quais dados e quais anlises estamos usando para apoiar nossa crena sobre o sistema de causa? Deve-se notar que entender causas uma coisa bem diferente de simplesmente colocar uma observao em uma de vrias categorias que ns mesmos fornecemos. Grandes desperdcios e perdas podem
resultar de pensar que sabemos o sistema de causas quando, de fato, tudo que tnhamos era uma opinio pobremente fundamentada, tornada ainda mais perigosa por sua apresentao autorizada como dados em um grfico. Outro problema surge quando tentamos usar a anlise de Pareto para resumir nosso conhecimento do sistema de causas. Com freqncia no existe uma causa nica ou dominante. Por exemplo, um produto pode ter ficado com defeito devido a uma combinao de matria prima ruim, ferramentas desgastadas e tcnicas operacionais ruins. Mesmo supondo que somos capazes de produzir uma estimativa razovel para a contribuio de cada um desses fatores, como relataremos isso em nosso grfico de Pareto? Uma contagem em cada categoria? Uma contagem de um tero (1/3) em cada categoria? Freqentemente um efeito ser causado por uma interao de causas. Por exemplo, um processo pode ser capaz de produzir um bom produto com matrias primas de qualidade inferior ou com uma ferramenta j meio gasta, mas o processo produzir defeitos quando ambos estiverem presentes ao mesmo tempo. Como listaramos as causas desse efeito? Essas so questes que tm que ser consideradas cuidadosamente antes de se usar um grfico de Pareto para resumir conhecimentos sobre o sistema de causa. Resumindo, se voc vir um grfico de Pareto que mostra causas seja particularmente ctico. Em que bases as causas foram determinadas? Como que as combinaes de efeitos foram registradas? Como que as interaes de efeitos foram registradas? O quo certo voc est de que estas de fato representam o grfico de Pareto das causas?
55
Captulos 9 a 11 - Slides e Apresentaes
56
Captulo 12 - Formulrios para a Coleta de Dados

Introduo
Excludo:
Ns coletamos dados para obter o conhecimento necessrio para alcanar um objetivo. Uma ferramenta til para ser usada em conjunto com o mtodo PDSA o formulrio para a coleta de dados. Projete o formulrio para a coleta de dados visando: Responder questes especficas colocadas na fase de planejamento do ciclo de melhoria. Fazer os registros de observaes de modo fcil, eficiente e preciso. Facilitar a anlise dos dados durante a fase de estudo do ciclo de melhoria. Este Captulo discute dois tipos bsicos de formulrios para a coleta de dados: folhas de verificao e formulrios de registro. A figura 12-1 mostra um exemplo de cada tipo de formulrio. Use as folhas de verificao quando os valores especficos dos dados so definidos e planejados antes da coleta. Quando os valores no so definidos antes da coleta de dados, use os formulrios de registro. A folha de verificao da figura 1 um simples registro de defeitos. A folha de verificao especifica os tipos de defeitos antes da coleta de dados. O formulrio de registro na Figura 1 um grfico de controle de variveis. Com um formulrio de registro, os valores dos dados no so conhecidos antecipadamente. Ao invs disso, estes valores devem ser registrados enquanto so observados e no apenas conferidos em categorias prselecionadas, como ocorre nas folhas de verificao.
Folhas de Verificao
Excludo:
Excludo: Excludo: para
Excludo: Responder Excludo: s Excludo: questes especficas colocadas na fase de planejamento do ciclo de melhoria. Fazer os registros de observaes de modo fcil, ef i Inserido: i Excludo: i Excludo: ciente e preciso. Facilitar a anlise dos dados durante a fase de estudo do ciclo de melhoria. Excludo: c Excludo: inspeo Excludo: Excludo: inspeo Excludo: inspees Excludo: inspeo Excludo: Excludo: inspeo Excludo: Excludo: v Inserido: verificao Excludo: Inspeo Excludo: Excludo: inspeo Excludo: inspeo Excludo: inspeo Excludo: inspeo Excludo: inspeo
As folhas de verificao em uso hoje em dia atendem diversos propsitos. Uma folha de verificao simplesmente um formulrio para o registro de dados de um produto ou processo em categorias ou incrementos preestabelecidos. As folhas de verificao podem ser usadas para conferir as presenas numa escola ou os atributos de um servio em um banco. Uma folha de verificao lista os itens, atividades, nmeros, etc, que o usurio espera encontrar. O usurio ento inspeciona os itens observados enquanto eles ocorrem. A tripulao de uma linha area acha um checklist til antes da partida. A maioria de ns tem usado esta simples ferramenta em nosso prprio trabalho. Embora uma lista de verificao
seja uma ferramenta comum e til, existem vantagens e desvantagens no seu uso.
Figura 1: Folha de Verificao versus Formulrio de Registro Folha de Verificao Problema Segund Tera a Falta de Papel Falta de Toner Cpias muito claras Separador no funciona Alimentador de documentos Alimentao de transparncias Outros: A copiadora parou Painel confuso Copiadora sem energia Formulrio de Registro
Nmero do Grfico Objetivo do Grfico Processo Responsvel Data Horrio 1 2 3 4 5 6 Mdia Ampl. Subgrup o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Medies Nome do Grfico Objetivo/Limites de Especificao Limites de Controle Calculado Caracterstica Mtodo de Medio Unidade de Medida
Excludo: Excludo: Inspeo Excludo: Excludo: Inspeo
Ocorrncias Quarta Quinta
Sexta
Vantagens da Folha de Verificao
Desvantagens da Folha de Verificao

58
Facilidade de coleta de dados Simplificao das anlises
Possibilidade de confuso se os dados no aparecem no formulrio Exige planejamento cuidadoso do formato, antes de ver os dados
Ajuda no planejamento dos ciclos de melhoria

Excludo: inspeo
Geralmente usamos as folhas de verificao sem reconhecer o mtodo como uma folha de verificao, mas simplesmente como algo que faz sentido na poca. Por exemplo, a Figura 2, mostra como um fluxograma foi facilmente convertido em um formulrio de coleta de dados. Esta ferramenta foi usada para listar o nmero de vezes que o circuito completo do processo de retrabalho ou sucateamento foi usado. Figura 2: Fluxograma Usado como uma Simples Folha de Verificao
Pedido de Mudana de Preo Recebido Aprovao do Vendedor Contabilidade implementa novas mudanas Preo Atualizado
Excludo: inspeo
Excludo: Inspeo
Sim Vendedor designado? Sim De acordo com as diretrizes? No No Mudana das diretrizes da poltica Fim
Gerente de produo designa vendedor
Mudana da poltica?
No
Cancelar pedido de mudana
59
Esta seo discute os seguintes tipos de folhas de verificao: Folha de Verificao de Tipos de Defeito Folha de Verificao de Localizao de Dados Folha de Verificao Dgito e Ponto
Folha de Verificao de Tipos de Defeito
Excludo: inspeo
Formatados: Marcadores e numerao
Excludo: Inspeo Excludo: Inspeo Excludo: Inspeo Excludo: Inspeo
A classificao de defeitos e erros, ou no-conformidades, til nos esforos para a melhoria da qualidade. A folha de verificao de tipos de defeito projetada para classificar os defeitos por tipo. Este tipo de formulrio para a coleta de dados auxilia na resposta da popular questo: rejeitado por qu?. Portanto ele mais til que uma simples lista de nmeros de defeitos. A figura 3 mostra um exemplo de uma folha de verificao de tipos de defeito. Figura 3: Folha de Verificao de Tipos de Defeito para Relatrios de Despesas
Excludo: inspeo
Excludo: e Excludo: inspeo
Excludo: Inspeo
Tipo de Erro
Venda s
Pessoa Fabrica l o
Engenharia
Finana s
Treinament o
Falta de assinatura
Funcionrio
Gerente Depto.
Vice-presidente

60
Falta de Recibos
Txi
Refeies extras
Estacionamento

Combustvel
Nota: Os dados deste formulrio so usados no captulo sobre a Anlise de Pareto.

Excludo: inspeo
O projeto da folha de verificao na Figura 3 permite que alguma informao de fundo seja listada. Esta informao de fundo pode incluir a
unidade sob verificao (relatrio de despesas), o nmero de unidades inspecionadas, o nmero de erros e a data e nome da pessoa que realizou o formulrio para a coleta de dados. O projeto do formulrio mostra os tipos de erros cometidos pelo pessoal da rea. Algumas consideraes importantes ao desenvolver e utilizar este tipo de formulrio para a coleta de dados incluem: A contagem de defeitos pode no necessariamente ser o mesmo nmero de unidades rejeitadas (isto , mais de um defeito por unidade). A contagem de defeitos pode no refletir as mudanas ao longo do tempo. Definies operacionais podem ser necessrias para certos defeitos (veja discusso a seguir, neste captulo). Estas consideraes podem ser gerenciadas atravs de um planejamento cuidadoso do formulrio de coleta de dados (veja discusso a seguir, neste captulo). O formulrio de tipos de defeito usualmente precede a construo bem sucedida de um grfico de Pareto. Para completar a anlise, arranje as categorias de defeitos em ordem de contagem e prepare o diagrama.
Folha de Verificao de Localizao de Dados
Excludo: inspeo
Excludo: Inspeo
O projeto da folha de localizao de dados permite a identificao e o registro da localizao fsica das no-conformidades, defeitos, acidentes ou outros tipos de observao. Ele amplamente til em aplicaes como trabalhos de manufatura para eliminao de defeitos estticos, redues de leses pelos engenheiros de segurana e por pesquisadores mdicos para a descoberta da fonte geogrfica de uma epidemia. Por muitos anos os fabricantes vem usando as folhas de verificao de localizao de dados para identificar e contar defeitosestticos em produtos finais. A folha de verificao de localizao de dados da Figura 4 assinala os defeitos encontrados em 6 m2 de uma chapa de vidro. Cada marca indica a presena de bolha, poeira, falha e outros materiais estranhos. Figura 4: Folha de Verificao de Localizao de Dados Exemplo da Chapa de Vidro
62
Excludo: cosmtico Excludo: s
Excludo: inspeo Excludo: cosmticos Excludo: inspeo Excludo: 64 p2
Excludo: Inspeo
Orifcio
Bolha
N Gota Total 13
Mancha tinta
Pedra
Excludo: inspeo
As folhas de verificao de localizao de dados so teis para determinar a localizao e a freqncia de acidentes. Um mapa da cidade pode ser til para mostrar a freqncia de acidentes por rua ou rea. Os engenheiros de segurana algumas vezes usam a folha de verificao de localizao de dados para mostrar a freqncia e localizao das leses no corpo humano. A folha de verificao da Figura 5 foi usada por um gerente de fbrica e mostra a localizao e freqncia dos acidentes em sua fbrica.
Figura 5: Folha de Verificao de Localizao de Dados Acidentes
Excludo: inspeo
Excludo: inspeo Excludo: Inspeo
Expedio e Recebimento 100 x x X
Inspeo Final 510 X x
x x
Departamento de Montagem 600 x x
Inspeo 510
Departamento de Corte de Metal 110
xx
Escritrio Central
x x x x x Excludo:
Departamento de Tornearia 210 x x
Xx xx x
Inventrio em processo 220 Retrabalho 520 x
Departament o de Laminao 300 x x
Departamento de Solda x 400 x x xx
Excludo:
Excludo: x x x
63
Excludo: Inspeo
Folha de Verificao de Dados de Dgito e Ponto
Um tipo de folha de verificao til para dados variveis a folha de verificao de dgito e ponto. Esta folha de verificao permite ao usurio simultaneamente coletar dados em tempo real e construir um dot plot. A viso dos dados na ordem de percurso adiciona valores atravs do destaque do realce que pode estar ocorrendo ao longo do tempo. Ao plotar os dados observados, coloque um ponto na seqncia de tempo correspondente com os dgitos do grfico de dot plot. A Figura 6 mostra uma folha de verificao de dot plot para registro de porcentagem de entregas atrasadas.
Figura 6: Folha de Verificao de Dados de Dot Plot
Excludo: inspeo Excludo: inspeo Excludo: inspeo
Excludo: inspeo Excludo: Inspeo
Porcentagem 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 10
Contaminante
X X
X X X X X X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X X X X X X
20
30
40
Excludo: inspeo
A folha de verificao de dados e dot plot fornece um registro visual completo dos dados observados ao longo do tempo. Alm disso, ela preserva os valores reais registrados pelo uso da tcnica do dot plot. Formulrio de Registro O formulrio de registro o segundo tipo principal de formulrio de coleta de dados. Como mencionado na introduo, use os formulrios de
Excludo: tronco
Excludo: principal
registro quando os valores a serem registrados no so conhecidos antes da atividade da coleta de dados. Em outras palavras, o usurio deve escrever a informao e no apenas chec-la. Muitos formulrios de registro usados em negcios se enquadram na definio acima. Dois tipos bsicos comumente usados de maneira para melhorar a qualidade so o formulrio de coleta de dados de variveis e o grfico de control e. Formulrios de Coleta de Dados Variveis Algumas vezes os esforos para melhoria exigem mais dados descritivos do que os dados de classificao e contagem. Medidas de tamanho, comprimento, presso, temperatura e outras variveis contnuas so necessrias para se conhecer a causa da variao. O formulrio de coleta de dados para dados de variveis uma til adio caixa de ferramentas de diagnstico. A figura 12-7 um exemplo de um formulrio usado para coletar dados de um reator de processo.
Excludo: registro
Excludo: para a
65
Figura 7: Formulrio de Coleta de Dados Variveis Exemplo do Reator

Excludo: Taxa de Fluxo
FOLHA DE DADOS PROBLEMA X Data Fase ltima Fase Tempo Tempo na Fase Turno
Excludo: Taxa de Fluxo Excludo: Excludo: Taxa de Fluxo Excludo: Taxa de fluxo
Condies registradas antes do incio Tempo Presso Temperatura A Taxa de mistura Condies no incio Presso Temperatura A Taxa de mistura Condensao Temperatura B Densidade Vazo Temperatura C Taxa de fuso Condensao Temperatura B Densidade Vazo Temperatura C Taxa de fuso
Condies uma hora e meia depois do incio Presso Temperatura A Taxa de mistura Condensao Temperatura B Densidade Vazo Temperatura C Taxa de fuso
Condies uma hora depois do inicio Presso Temperatura A Taxa de mistura Condensao Temperatura B Dens idade Vazo Temperatura C Taxa de fuso
66
O formulrio na figura 7 auxiliou uma equipe a coletar dados sobre as condies numa parada do reator. As vrias categorias neste formulrio de coletas de dados, tais como o perfil da temperatura, vazes e taxas de mistura, foram identificadas como provveis causas importantes das paradas, em um diagrama de causa e efeito criado pela equipe em uma reunio anterior. Grficos de Controle como Formulrios de Registro O formulrio do grfico de controle X -barra e R na figura 1 um outro exemplo de formulrio de registro para dados variveis. Este tipo de formulrio til quando os valores dos dados so desconhecidos antes da coleta de dados. Planejamento do Formulrio para a Coleta de Dados Obter informaes a partir de dados exige um bom planejamento. Antes de coletar os dados considere os seguintes itens: Perguntas a serem respondidas Dados a serem registrados Variveis para estratificao Definies operacionais Durao e localizao da coleta de dados Administrao
Quando estiver desenvolvendo um formulrio para a coleta de dados, use o formulrio de planejamento da Figura 12-8 para considerar estes itens. Perguntas a Serem Respondidas Quando estiver projetando o formulrio para a coleta de dados, considere a informao necessria para o esforo de melhoria. A busca a partir dos dados da informao til pode ser orientada por questes pertinentes. As respostas para essas perguntas contribuem para o objetivo total da melhoria.
Excludo: jornada Excludo: at a Excludo: t Excludo: para a
67
Quando uma equipe ou um indivduo usa o Modelo para Melhorias, as questes ocorrem logo na fase de planejamento do ciclo de melhoria. Para os propsitos da coleta de dados, as questes auxiliam no projeto de um formulrio apropriado. A Tabela 1 lista questes tpicas que sugerem um tipo de formulrio particular. Dados a Serem Registrados A identificao de dados especficos a serem registrados importante para o esforo de coleta de dados. Geralmente uma deciso significativa inicial ir referir-se ao tipo de dados que sero coletados: dados de atributos, bem como contagem ou classificao; ou dados de variveis. O esforo para melhoria algumas vezes requer dados que no so coletados rotineiramente. Por exemplo, um Departamento de Compras historicamente coleta dados do nmero de ordens de compras com erros. Entretanto, eles no categorizaram e localizaram a rotina por tipo de erro. Uma ao inicial para este trabalho, para melhorar este processo, ser projetar um formulrio para coletar dados de categorias de erros. Figura 8: Formulrio de Planejamento para Coleta de Dados
1. Perguntas a serem respondidas
2. Dados a serem registradas
3. Variveis para estratificao
4. Definies operacionais
5. Durao e localizao da coleta de dados
6. Administrao Tarefa Desenvolvimento do formulrio

Universidade Estadual de Campinas - UNICAMP Coleta de dados Programa de Desenvolvimento Gerencial - Disciplina Estatstica 68
Responsabilidade
Anlise dos dados
Tabela 1: Tipo de Formulrio para Responder Questes Tpicas
Questes O processo estvel com relao porcentagem do contaminante? Quais cores os nossos clientes preferem? Onde os nossos clientes esto localizados? Qual a porcentagem dos nossos produtos de linha mostrada como fora de estoque no inventrio? Entre os fatores velocidade e alimentao, qual afeta mais o acabamento da superfcie? Porque os relatrios esto atrasados?
Tipo de Coleta de Dados Formulrio de Variveis: grfico de controle X-barra & R Folha de Verificao Simples: pesquisa Folha de Verificao de Dados de Localizao (mapa) Folha de Verificao Simples: transferida depois para um grfico de controle de atributo Formulrio de Dados Variveis: experimento planejado Folha de Verificao de Tipo de Defeito: razes para o atraso dos relatrios
Excludo: Inspeo Excludo: Inspeo Excludo: levantamento Excludo: Inspeo
Excludo: Inspeo
Variveis para Estratificao
Uma considerao importante em qualquer esforo para a coleta de dados se refere maneira como os dados so agrupados ou estratificados. A estratificao a separao e classificao dos dados, de acordo com fatores ou variveis selecionados. O objetivo encontrar padres que auxiliem na compreenso dos mecanismos causais de um processo. Por exemplo, uma equipe, apresentando um relatrio de despesas (Figura 3), estratifica os erros no relatrio por rea. A seleo das variveis atravs da qual os dados so estratificados critica. Cada observao no conjunto de dados deve ter seu estrato bem definido e identificado. Uma vez que a coleta de dados tenha sido completada, esquematize ou coloque em um grfico os dados na ordem sugerida pela(s) varivel(s) de estratificao. Examine os grficos para ver se uma ou mais categorias permanecem fora. Um fornecedor exibe mais variabilidade que outro? Quais tipos de pedidos esto propensos a erros?
Excludo: e
Excludo: o conjunto prprio de estratificao de variveis
Considere as variveis para estratificao na fase de planejamento, pois usualmente difcil, ou impossvel, adicionar variveis para estratificao aps a coleta de dados.
Definies Operacionais
Quando iniciada a coleta de dados e os dados a serem registrados so identificados, podem aparecer questes em que se sente falta de uma definio operacional. Uma definio operacional fornece um significado comunicvel a um conceito. Ela especifica a aplicao do conceito dentro de um conjunto particular de circunstncias. Por exemplo, uma equipe quer coletar dados sobre atrasos de entrega. As questes aparecem: O que queremos dizer com entrega imediata? Se uma entrega est marcada para 8h00 h, estar atrasada se for entregue s 8h01? Qual relgio dever ser usado para medir o tempo?. A equipe concorda com a definio operacional de que imediata significa uma margem de mais ou menos quinze minutos do horrio planejado, de acordo com o relgio da fbrica. Agora que imediata est operacionalmente definida, a coleta de dados pode ser iniciada.
Durao e Localizao da Coleta de Dados
Durante a fase de planejamento da coleta de dados, decida qual a durao e em qual ponto do processo ser feita a coleta de dados. Projete o formulrio de forma a atender as suas necessidades.
Administrao
A administrao do processo de coleta de dados envolve trs tarefas bsicas: Desenvolvimento do formulrio Coleta de dados: Conhecimento do propsito geral da coleta de dados O propsito dos dados a serem coletados Instrues especiais e treinamento no uso de formulrios para a coleta de dados Anlise dos dados Em cada caso, deixe clara a responsabilidade dos que realizam estas tarefas. Geralmente assumimos que um formulrio de coleta de dados particular auto-explicativo e o entregamos aos outros para uso, sem
instrues. Ento somos surpreendidos quando os dados coletados fornecem como retorno, pouca informao. Outras vezes quando as pessoas no sabem porque esto registrando dados, dados pobres nos surpreende de novo. Evite essas duas armadilhas atribuindo responsabilidades, fornecendo informaes sobre o propsito dos dados e se necessrio, treinando os envolvidos sobre as tcnicas para a coleta dos dados. A responsabilidade pela anlise dos dados devem ser conhecidas anteriormente ao projeto do formulrio de coleta de dados. Afinal, essa pessoa ou equipe o cliente dos dados. A informao do cliente sobre suas necessidades de informao crtica para a capacidade de resposta dos dados s questes anteriores. Se dados errados ou coletados incorretamente, forem o produto do esforo de uma coleta de dados, o resultado menos que adequado, apesar da sofisticao da anlise. Resumo
Excludo: t
Excludo: amento
Excludo: t Excludo: Esta Excludo: as Excludo: a
Excludo: inspeo
Muitos tipos de folha de verificao e formulrios de registro podem auxiliar no processo de co leta de dados. Este Captulo discute: Folha de Verificao de Tipo de Defeito Folha de Verificao de Localizao de Dados Formulrio de Dados para Variveis Folha de Verificao de Dgito e Ponto e Fluxograma do Processo, como um folha de verificao para a coleta de dados. Planeje a coleta de dados para contribuir para o esforo de melhoria e auxiliar na anlise dos dados. O planejamento para a coleta de dados usualmente exige: A questo a ser respondida pelos dados A natureza dos dados a serem registrados A estratificao por fatores ou variveis Definies operacionais A durao e localizao da coleta de dados Atividades administrativas
Excludo: Inspeo Excludo: Inspeo Excludo: Inspeo Excludo: inspeo
Excludo: das
71
Exerccios
Reuna-se com seus membros de equipe para chegar a um acordo sobre as informaes que seriam teis ou interessantes com respeito aos demais participantes do seminrio. Por exemplo, quantas horas dirias, em mdia, cada um gastou em melhoria nos ltimos seis meses? Use a planilha do PDSA para planejar um ciclo para obter as informaes. Para auxiliar nesta etapa da fase do planejamento, use um Formulrio de Planejamento para Coleta de Dados (Figura 8). Uma considerao importante ser a seleo do tipo mais til de formulrio para a coleta de dados. Uma vez que a equipe chegue a um acordo sobre o planejamento, colete os dados. Use as diretrizes no passo Fazer do ciclo PDSA. Quando os dados tiverem sido coletados, estude os resultados. Use as diretrizes da etapa Estudar do ciclo PDSA. Se adequado, execute aes, baseado no aprendizado deste ciclo. Estabelea um objetivo possvel para o prximo ciclo. Desenvolva um formulrio para a coleta de dados, que possa ser usado regularmente num processo em seu trabalho.
72
Captulo 13. Resoluo de Problemas

Introduo
A resoluo de problemas um caso especial da melhoria. Os problemas so definidos aqui como situaes no satisfatrias ou desvios das expectativas que se tornaram visveis. O sintoma usualmente descrito como o problema, no como a causa do sintoma. A resoluo de um problema muitas vezes apenas retorna o sistema ou processo para o normal, para onde ele deveria operar. Algumas vezes, a resoluo de um problema pode realmente levar melhoria de um sistema. Quando uma organizao comea a focar uma melhoria, a resoluo dos problemas que so bvios para a organizao freqentemente a primeira prioridade. Figura 1: O Mtodo para Resolver Problemas
73
Excludo: tarefas
Uma das tarefas mais bsicas para qualquer organizao que procura melhorar eliminar os problemas que surgem pelo no atendimento das expectativas do cliente. Como em todos os esforos para melhorias, O Modelo para Melhorias (Figura 1) fornece o mapa para a resoluo do problema. Reao Imediata para os Problemas de Qualidade Os pro blemas de qualidade ocorrem quando um produto ou servio no atende s expectativas do cliente. Existem duas facetas a considerar com relao aos problemas de qualidade. 1. 2. Resolver o problema imediatamente assim que detectado pelo cliente. Melhorar o sistema para prevenir o problema no futuro. Tabela 1: Exemplos de Reaes Imediatas Adequadas para Problemas de Qualidade Problema Entrega de mveis atrasada Ao Imediata Pea desculpas, mantenha o cliente informado de quando os mveis sero entregues ou oferea uma reprogramao em um momento mais conveniente. Qualquer pessoa que no esteja atendendo um cliente dever parar o que est fazendo e auxiliar aquele que est atendendo os clientes. Entregue as peas na residncia do cliente ou oferea a pea do mostrurio at que as peas novas cheguem; adicionalmente d a ele um pequeno brinquedo de presente.
74
Excludo: Captulos 1 e 4 Excludo: rodovirio
Excludo: relativas
Excludo: Quebra de pgina
Filas longas no banco ou loja
Falta de peas num brinquedo
Informao incorreta no jornal Bagagem extraviada num vo
Veicule a correo, dando espao grtis pessoa afetada. Mantenha o cliente informado sobre a localizao da bagagem, envie a bagagem para a sua residncia, d s pessoas o apoio necessrio se estiverem longe de sua casa.
Quando um cliente experimenta um problema de qualidade, o dano j ocorreu. Entretanto, uma organizao pode repor o dano ou suaviz-lo, dependendo de como a situao tratada. Resolver o problema para o cliente imediatamente dever ser a primeira prioridade. Uma vez que os clientes comentam o problema com seus amigos e familiares, devemos tentar ajudar o cliente a esquecer o problema. A Tabela 1 traz exemplos de algumas reaes imediatas adequadas aos problemas de qualidade. Em alguns dos casos as aes podem parecer excessivas. Este exatamente o ponto. O cliente deve pelo menos ser aliviado do fardo resultante do problema. Entretanto, para recuperar um pouco da boa vontade perdida, o cliente deve receber algo extra, que no receberia se o problema no tivesse ocorrido. A Tabela 2, contm alguns Faa e No Faa com respeito s reaes imediatas aos problemas de qualidade. Tabela 2: Diretrizes para Lidar com Problemas de Qualidade com o Cliente Faa Tenha um processo para lidar com problemas de qualidade Desculpe-se e escute com ateno No Faa Culpe o cliente
Diga ao cliente que ele deveria ter lido ou seguido as orientaes Faa o cliente se sentir estpido Pea desculpas, explicando seu sistema e porque o problema
75
V a extremos para resolver o problema Use reembolsos ou crditos
ocorreu Mantenha o cliente informado do estado da resoluo do problema D ao cliente algo que ele no teria direito se o problema no tivesse ocorrido Deixe a ao para a resoluo do problema resultar no mesmo ou em outro problema Se aborrea com o cliente
Faa o cliente assumir a inconvenincia causada pelo problema Nenhuma das aes sugeridas nas Tabelas 1 ou 2 evitam a ocorrncia do problema ou a sua repetio peridica. Elas apenas reduzem o grau de insatisfao experimentado pelo cliente. A prxima seo discute os tipos de aes necessrias para evitar que os problemas ocorram novamente. Reaes para Prevenir Problemas Futuros Historicamente, o controle da qualidade em organizaes de servios e industriais tem usado diversos tipos de atividades de inspeo para evitar que os problemas ocorram. Na fabricao esta funo realizada pelo Departamento de Controle de Qualidade; nas empresas de servios esse departamento geralmente chamado de Auditoria. Na educao os testes tomam o lugar das inspees. Na fabricao, quando o produto est inspecionado, ele classificado como bom ou ruim e o ruim retrabalhado ou sucateado. Nas aplicaes de servios, o retrabalho normalmente ocorre para os resultados que falharam na inspeo. Algumas das bem conhecidas inadequaes com esta abordagem so: Assuntos relativos qualidade no so considerados at que o produto ou servio j esteja concludo. A qualidade obtida a um alto custo e com perda da produtividade.
Excludo: strias Excludo: de servios e fabricao Excludo: indstrias Excludo: o Departamento de Controle de Qualidade Excludo: Departamento de
76
Uma abordagem de apagar o fogo encorajada, o que resulta em solues de curto prazo para problemas imediatos, em detrimento das melhorias a longo prazo.
Excludo: s custas
Para nos movermos para a preveno de problemas, devemos colocar o foco nos processos que produzem o produto ou o servio. Essa mudana de pensamento necessria se quisermos eliminar os problemas sem aumentar os custos. A figura 2 ilustra esta mudana de abordagem. Figura 2: Inspeo versus Melhoria
melhoria da qualidade
Excludo: t
Excludo: Quebra de pgina
inspeo dos resultados
melhoria processo
do
quando a qualidade melhora a produtividade diminui
quando a qualidade melhora a produtividade melhora
A nfase na melhoria do processo aumenta a uniformidade dos resultados. A reduo dos custos alcanada pela reduo do retrabalho, sucateamento ou complexidade. O processo estudado e o aprendizado ocorre, mesmo quando no h problemas. A qualidade aumentada pelo uso de novo conhecimento, como base para alteraes no processo. Uma vez que estas alteraes permitem que as tarefas sejam feitas de modo melhor, mais rpido e com mais facilidade, a reduo dos custos acompanha as melhorias na qualidade. Ferramentas para a Resoluo de Problemas Uma vez que a resoluo de problemas uma categoria especial das melhorias, todos os mtodos e ferramentas introduzidas neste manual podem ser usadas para auxiliar na resoluo de problemas. A Tabela 3 resume como as ferramentas introduzidas nesse curso podem ser usadas num esforo para a resoluo de problemas.
Excludo: previamente
Tabela 3: Uso de Mtodos e Ferramentas para a Resoluo de Problemas Mtodo ou Ferramenta Fluxograma Conexo de Processos Formulrio de Coleta de Dados Pesquisas Benchmarking Mtodos de Criatividade Diagrama de Afinidades Anlise do Campo de Foras Diagrama de Causa e Efeito Diagrama de rvore Exemplo de Aplicao para o Esforo de Resoluo de um Problema Identifique onde os materiais so perdidos no processo Identifique falta de conexes entre as atividades Colete dados de onde e como o problema ocorre Pea aos clientes que priorizem as reas com problemas Estude um sistema que no tenha um problema de interesse Desenvolva uma abordagem criativa para eliminar o problema Desenvolva um grupo comum de problemas diversos Identifique as foras que impedem que o problema seja resolvido Faa um brainstorming e organize as possveis causas do problema Organize as informaes em diferentes nveis para chegar aos detalhes do problema Priorize as informaes sobre o problema Aprenda como as solues para o problema afetam outras caractersticas Aprenda como a magnitude do problema muda ao longo do tempo Aprenda se o problema devido a causas especiais ou comuns Qual a categoria do problema mais importante a ser focada Identifique alguns dos problemas nos dados registrados
78
Excludo: Levantamentos
Excludo: Anlises
Diagrama de Matriz Desdobramento da Funo Qualidade Grfico de Tendncia Grficos de Controles Anlise de Pareto Histograma
Excludo: a Excludo: Organize
Excludo: Run Charts (sries)
Outros Grficos
Compare diferentes estratificaes do problema Diagrama de Disperso Estude as possveis relaes de variveis que afetam o problema Tabela de Contingncias O que diferente quando o problema e quando no ocorre Planejamento de Identifique fatores potenciais e nveis Experimentos para controlar o problema Uma anlise de Pareto fornece um dos mais poderosos mtodos para a resoluo de problemas. Um grfico de Pareto pode ser usado para focar os esforos nos aspectos particulares do sistema que mais necessitam de reprojeto. Por exemplo, em uma oficina de reparos automobilsticos, os retrabalhos para os servios j entregues aos clientes um grande problema. Uma anlise de Pareto pode ser feita para auxiliar a focar os esforos na eliminao destes problemas. A figura 3 mostra um grfico de Pareto para os retornos numa oficina de reparos num ms. Esta anlise indica que os reparos em motores e transmisses tem a maior porcentagem de retornos.
79
Figura 3: Anlise de Pareto dos Tipos de Reparos que Geram Retornos

Excludo:
50
Excludo: a inserir
porcentagem dos retornos
40 30 20 10 0 motor freio eltrica suspenso outros
tipo de reparo
Embora esta anlise seja um bom ponto de partida, ela no foi suficientemente detalhada para fornecer um foco no esforo de reduo de retornos. A figura 4 contm um segundo grfico de Pareto baseado em falhas detalhadas de problemas de motores e transmisses. Depois desta anlise estaremos prontos para fazer questes muito especficas sobre vazamento aos mecnicos que trabalham no processo. A anlise de Pareto fornece um foco para os esforos de resoluo de problemas ao averiguar cada vez mais profundamente as caractersticas especficas do problema. Quando um problema identificado: Que alteraes podemos fazer que resultaro em melhorias?
Excludo: as perdas no
Excludo: grfico
Depois de estabelecer o Plano de Melhoria: Quais alteraes podemos fazer para assegurar que os reparos sejam feitos corretamente, eliminando os retornos?
Excludo: para o esforo Excludo: m
80
Figura 4: Segunda Anlise de Pareto para Reparos de Motores e Transmisses

80
Excludo: Excludo: a inserir
Porcentagem dos retornos
70 60 50 40 30 20 10 0 vazamentos desempenho rudo enguios outros
Tipo de reparo
Depois de realizar a segunda anlise de Pareto: Quais alteraes podemos fazer para reduzir os retornos por vazamentos nos reparos dos motores e transmisses? Depois de conversar com os mecnicos: Quais alteraes podemos fazer para identificar melhor a fonte dos vazamento em motores e transmisses? No ltimo nvel do questionamento estaremos perguntando sobre o problema em um nvel de especificidade que ir nos conduzir a solues. Perguntar por qu? diversas vezes ao desenvolver um diagrama de causa e efeito pode nos conduzir ao mesmo nvel de especificidade, como as mltiplas anlises de Pareto. Os Cinco Porqus (Ohno, 1988) so um caminho para se chegar fonte dos problemas. Quando um cliente entra em contato para reclamar sobre uma entrega atrasada: 1. 2. 3. Por que a entrega atrasou? Houve uma quebra do caminho. Por que o caminho quebrou? A mangueira do radiador quebrou. Por que a mangueira do radiador quebrou? A mangueira tinha mais de dois anos de uso.
81
Excludo: de Excludo: falhas
Excludo: a Excludo: falhas
Excludo: e
Excludo: e
4. 5.
Por que a mangueira tinha mais de dois anos de uso? Estamos atrasados com o programa de manuteno preventiva. Por que estamos atrasados com a manuteno preventiva? A equipe da manuteno esteve envolvida em um projeto especial que durou mais do que o esperado.
Somando-se aos outros mtodos e ferramentas discutidos neste manual, os dois mtodos seguintes foram considerados muito teis nos esforos de resoluo de problemas. Anlises de Prs e Contras: Este mtodo pode ser usado para selecionar uma abordagem potencial para a resoluo do problema a partir de alternativas diferentes. Para cada alternativa de abordagem, colete informaes das vantagens e impactos positivos (os prs) e das desvantagens e impactos negativos e efeitos colaterais (os contras). Os prs e os contras podem ser agrupados de vrias maneiras (clientes, fornecedores, funcionrio, investidor; imediato, curto prazo, longo prazo, etc). Ento, organize a informao em um diagrama matriz para comparar as alternativas. A figura 5 mostra um exemplo de anlise de prs e contras de um problema. Figura 5: Exemplo de Anlise de Prs e Contras na Resoluo de Problemas Impacto Esperado: Alternativa A Prs Clientes Contras Alternativa B Prs Contras Possveis aumentos de preo no futuro
Forneciment Risco de o contnuo perder o do produto forneciment para atender o a longo a demanda prazo
Fornecedore s
Demanda previsvel num futuro
Imagem melhorada dos produtos que eles esto comprando Menos Possivelmen negcios a te mais curto prazo negcios
Aumento da concorrnci a de novos

82
fornecedore s Funcionrio Segurana Dispensa de Possveis Risco de s do trabalho funcionrios novas mais para os menos oportunidad dispensas funcionrios graduados es para no futuro mais promoo graduados Acionistas Estabilidade Menor Potencial Retornos do potencial de crescente menores a investimento crescimento do curto prazo a longo investimento prazo Comunidade Manuteno Aumento do Novas Aumento na da desemprego companhias poluio da viabilidade realizando gua do negcio negcios na comunidade
Excludo:
prximo
Anlise /No-: Esta ferramenta (Kepner e Tregoe, 1978) outra aplicao especial do diagrama matriz para a resoluo de problemas. O mtodo auxilia na identificao e organizao de informaes especficas sobre o problema de interesse e acesso ao seu conhecimento atual. A idia do mtodo compreender as diferenas quando o problema est ocorrendo e quando no est. As questes onde, quando, quem, que tipo e quanto so usadas para entender melhor o problema. A figura 6 mostra um exemplo de uma anlise /no-. A anlise /no- fornece uma maneira til de resumir o conhecimento atual sobre um problema e se inicia com investigaes para tornar este conhecimento mais completo. A anlise pr/contra fornece um formato para mover um grupo na resoluo de problemas que fornece uma soluo ganha/ganha para todas as partes envolvidas.
Excludo: Excludo:
Excludo:
Figura 6: Exemplo de Anlise /No- Problema: Descolorao de um Produto Qumico

(o problema ocorre) Onde? Amostras depois da Localizao fsica ou coluna de processo geogrfica Quando? Durante os meses de vero nos ltimos Hora do dia, ms, dois anos ano; relao com outros eventos Quem? Matria-prima dos fornecedores B, C, E Grupos, indivduos, e F. Todos os turnos organizaes na fbrica Que tipo? Produto de grau regular; altas taxas Categoria, tipo, de alimentao outras variveis de estratificao Quanto? Maior descolorao em dias quentes. Extenso, grau, Maior quando a durao matria-prima B est em uso. Maior durante os ltimos dois meses Princpios de Resoluo de Problemas
No (o problema no ocorre) Amostras antes da coluna de processo De Outubro a Maro. Sempre antes de 1993 Matria-prima dos fornecedores A e D
Produto de grau Premium; baixas taxas de alimentao Menor descolorao em dias frios. Menor descolorao com as matrias- primas E e F.
Embora uma ampla variedade de ferramentas e mtodos possam ser usados para auxiliar na resoluo de problemas, seguir uns poucos princpios bsicos ir ajudar a manter o esforo no caminho correto: 1. Tenha um definio clara do problema. 2. Use uma abordagem que encoraje opinies e novas idias. 3. Veja o todo primeiro, e ento estude as partes. 4. Use os dados para aprender.
5. Desenvolva mudanas que conduzam a melhorias, no apenas remova sintomas.

Excludo: a
6. Use a estratificao e mova-se montante no processo. 7. Planeje aprender alguma coisa rapidamente, mas no tudo. Tenha uma definio clara do problema A primeira questo do Modelo para Melhorias fornece a oportunidade para definir claramente o que estamos tentando conseguir com este esforo de resoluo de problema. O formato da apresentao do problema no importante. O importante que cada um envolvido com o esforo tenha as mesmas respostas para a questo o que estamos tentando realizar?. Use uma abordagem que encoraje opinies e novas idias Ao trabalhar em um problema fcil ter uma viso de tnel e aplicar solues tradicionais para o problema. Estas solues repetitivas podem no ser suficientes para alguns problemas. Como podemos encorajar os outros a participar e oferecer sugestes? Alguns mtodos como o brainstorming para criar um diagrama de causa e efeito, mtodos de criatividade e diagrama de afinidades apoiam este princpio de resoluo de problemas. O uso do Modelo para orientar o esforo na resoluo de problemas tambm fornece uma estrutura para as pessoas que queiram contribuir. Veja o todo primeiro, e ento estude as partes Muitos problemas so realmente causados por solues previamente aplicadas. Esforos de resoluo de problemas anteriores resultaram em solues que resolveram o problema, mas tambm criaram cinco novos problemas em outras reas. importante compreender o contexto no qual o problema est inserido antes de tentar resolv-lo.
Excludo: jusante
Excludo: obter
Excludo: anlise
85
Algumas vezes este contexto est descrito no Plano de Melhoria. Antes de comear a desenvolver solues til eliminar partes do sistema que no causaram o problema. Este processo de pensamento ir minimizar o tampering em reas que no necessitam de mudanas. Uma diagrama de conexo de processos uma ferramenta usada para ilustrar um sistema feito de processos que se inter-relacionam. Ferramentas como benchmarking e levantamentos podem abrir nossos pensamentos para os pontos de vista dos clientes e de outros fora da organizao. O foco do esforo da resoluo de problemas deve estar nas solues que eliminam o problema e contribuam para os objetivos globais da organizao. O uso de um grfico de controle outra maneira de focar o sistema como um todo. Um grfico de controle, ou um conjunto de grficos, ajuda a dirigir o esforo da resoluo de problema para mudanas fundamentais num processo (variaes de causa comum) ou correes, ajustes e reparos em processos existentes (variaes de causa especial). Uma anlise do grfico de controle do problema ir minimizar os resultados negativos do tampering (interveno indevida no processo)
Excludo: grfico para o esforo
Excludo: os
Use dados para aprender

Excludo: os
O uso de dados pode minimizar a emoo que geralmente acompanham os problemas. A tabela 4 contm algumas fontes de dados teis para focar os esforos na eliminao de problemas de qualidade. Dois dos mais importantes tipos de dados para a resoluo de problemas so os dados da freqncia da ocorrncia colhidos ao longo do tempo e os dados que caracterizam as ocorrncias. Observe que muitos dos tipos de dados da tabela 4 so existentes mas podem no estar prontamente disponveis para anlises. Normalmente se adota um processo formal para coletar e armazenar estes tipos de dados ao se resolver problemas.
Excludo: o policiamento e
86
Tabela 4: Fontes de Dados para a Resoluo de Problemas Registros de retrabalhos Ajustes da contabilidade Reclamaes Modos de falha Levantamentos com clientes Questes colocadas por 0800 Resultados de inspees Reivindicaes da garantia Observaes dos funcionrios Reembolsos Relatrios de retorno de pedidos Retornos Relatrios de pedidos atrasados Processos legais Um aspecto essencial da anlise de dados em problemas plotar a freqncia da ocorrncia ou a severidade do problema ao longo do tempo. O propsito desta anlise determinar se as causas especiais devem ser investigadas ou se os problemas se incorporam ao sistema de maneira previsvel. A falha na interpretao dos dados ao longo do tempo pode reduzir significativamente o sucesso na resoluo do problema. Desenvolva mudanas que conduzam a melhorias, no apenas remova sintomas Ainda que todas as mudanas no conduzam a melhorias, todas as melhorias exigem mudanas. Para prevenir que os problemas ocorram, os produtos e processos dentro do sistema devem ser reprojetados. Apenas a eliminao do sintoma do problema no normalmente suficiente. A construo de novas prises pode eliminar o problema atual da superpopulao de presos, mas no esclarece porque nossas prises atuais esto superpovoadas. Conceitos para Mudana so noes ou abordagens gerais para a mudana. Foram avaliados como teis no desenvolvimento de idias especficas para mudanas que levem a melhorias. Que tipos de mudana que resolvem problemas tambm iro levar a melhorias? Normalmente uma nica e especfica mudana necessria para se obter a melhoria para um conjunto especfico de circunstncias. Mas essa mudana especfica desenvolvida de um conjunto limitado de conceitos. A tabela 5
Excludo: dos telefones
Excludo: esquematizao
Excludo: Um Excludo: c Excludo: de Excludo: m Excludo: Excludo: uma Excludo: o Excludo: m Excludo: l Excludo: , que foi Excludo: il Excludo: Quais espcies Excludo: s
contm uma lista com alguns conceitos de mudana que se mostraram teis nos esforos de resoluo de problemas. Tabela 5: Conceitos de Mudanas para a Resoluo de Problemas Diversos Variao na Reduo Acordar quanto s expectativas Padronizao Treine os clientes Planos de contingncia Otimize o nvel da inspeo Melhore as previses Conduza treinamento Pare com o tampering Institua a manuteno preventiva Altere os set points ou objetivos Verificao de erros Trabalhe com os fornecedores Lembretes Reprima defeitos ou problemas Diferenciao Elimine entradas mltiplas Restries Obviedades A variao indesejvel uma fonte de muitos problemas de qualidade. Por exemplo uma entrega que no ocorre no prazo prometido. A chegada atrasada do embarque pode ser resultado de uma causa especial de variao, como um acidente, ou porque o sistema de entregas tem causas comuns de variao que previsivelmente produzem uma certa porcentagem de entregas com atraso. Ao tentar desenvolver mudanas para reduzir uma variao, uma anlise sobre se o processo estvel ou instvel normalmente muito til. Realizar esta anlise permite que os esforos se concentrem nas circunstncias especficas que produzem causas especiais de variao e resultam em um processo instvel. Para os sistemas estveis que so simplesmente incapazes de atender s expectativas, sero necessrias mudanas mais fundamentais. Para causas especiais inevitveis, como acidentes de trnsito ou condies severas de clima, sero necessrios planos de contingncia para prevenir problemas de qualidade. Outros exemplos de variaes indesejveis incluem as variaes nas dimenses de um componente automotivo, variaes no contedo de gordura da manteiga, variaes na cor de diferentes rolos de papis de parede e variaes no tempo de espera.
Excludo: de Excludo: s
Excludo: Alcance acordo nas
Excludo: foquem
Uma das razes para a existncia de variaes em processos no se trabalhar sempre da mesma maneira. A padronizao do processo para reduzir a variao da operao normalmente ir resultar na reduo da variao dos seus resultados. Em alguns casos a variao nas operaes to severa que poderia se dizer que nem mesmo existe um processo, e portanto, deveria ser criado um processo formal para a realizao do trabalho. Os fluxogramas so ferramentas teis para desenvolver e documentar processos. Os esforos para reduzir a variao podem algumas vezes ter o efeito oposto a variao no sistema aumenta. Estes efeitos adversos de atividades bem intencionadas ocorrem predominantemente como resposta a uma simples medida ou evento, por exemplo a previso de vendas para o ms foi 10% maior que as vendas atuais, assim, as previses subsequentes so ajustadas para baixo 10%. Se o sistema estvel, a resposta para cada medida ou evento ir aumentar a variao. Isto vem sendo chamado tampering. Um simples, mas efetivo, sistema de preveno de tampering e eliminao das causas especiais o controle estatstico de processo. Este um sistema de controle que usa grficos de controle para orientar as aes desejadas na reduo da variao. Alguns eventos so inevitveis, mas no devem ser usados como desculpas para os problemas. Poder haver um acidente de trnsito, um desastre natural, um incndio ou um corte na energia eltrica. Estes eventos podem ser causas especiais e suas ocorrncias so normalmente imprevisveis. Porm, podem ser desenvolvidos planos de contingncia para mitigar os efeitos de tais ocorrncias. Organizaes como o corpo de bombeiros, esquadres de resgate e paramdicos tm planos de contingncia como pea central para alcanarem seus propsitos. Os planos de contingncia so particularmente teis para processos instveis ou que so suscetveis a raros, mas devastadores, eventos. Uma outra fonte comum de problemas so os chamados erros (Norman, 1988). Os erros ocorrem quando as aes no esto de acordo com as intenes, mesmo que a pessoa seja capaz de realizar a tarefa com sucesso. Embora os erros sejam resultado de aes humanas, eles ocorrem atravs da interao das pessoas com o sistema. Alguns sistemas so mais propensos a erros que outros. Podemos reduzir os erros
reprojetando o sistema, para fazer com que os erros sejam menos provveis. Este tipo de projeto ou reprojeto chamado de prova de erros. Uma vez que os erros so predominantemente deslizes do subconsciente, prova de erros apropriada para a reduo da probabilidade destes deslizes, ao invs de mudanas no comportamento consciente. Quatro importantes mtodos para prova de erros incluem o uso de lembretes, diferenciaes, restries e exibies. Muitos erros so cometidos pelo esquecimento de fazer algo. Os lembretes auxiliam a recordao. Eles podem vir de muitas formas diferentes. Um lembrete pode ser um aviso escrito, uma chamada telefnica, um checklist das coisas a realizar, um alarme, um formulrio padro ou a documentao das etapas a serem seguidas em um processo. Os lembretes so simples de fazer e fceis de usar, mas exigem esforos conscientes para serem efetivos. Os erros podem ocorrer quando estamos lidando com coisas que parecem similares. Podemos copiar um nmero errado ou pegar uma pea errada devido sua similaridade ou proximidade com outros nmeros ou peas. Os erros tambm podem ocorrer quando as aes forem similares. Ns podemos acabar no lugar errado ou usar uma pea maneira errada, porque as instrues ou procedimentos so similares a outros que podemos ter usado em outra situao, como por exemplo pegar-se dirigindo para o trabalho num Domingo ao invs de ir para a padaria. Para reduzir os erros, devem ser adotadas etapas para quebrar os padres. Isto pode ser conseguido de diversas maneiras como cdigo de cores, ndices, uso de smbolos diferentes ou separao fsica de itens similares. Uma restrio delimita o desempenho de certas aes que conduzem a erros. Ter de remover o carto instantneo antes do dinheiro ser liberado um exemplo de restrio. A restrio o mtodo mais desejvel de prova de erros porque normalmente no requer um comportamento consciente para ser efetiva na reduo de erros. Um atributo importante de uma restrio efetiva que a restrio delimita a ao indesejvel enquanto no impede a ao desejvel. Uma obviedade (coisa bvia) fornece previsibilidade, sem a necessidade de explicaes de como alguma coisa deva ser usada. Em contraste com uma restrio, que limita s possveis aes, uma coisa bvia traz uma incitao visual (ou de outro sentido) para as aes que devam ser
Excludo: que Excludo: que o Excludo: saa
realizadas. Ao vermos as dobradias de uma porta, estamos aptos a determinar se ela abre para dentro, para fora ou se desliza. No deveria existir necessidade de se recorrer a etiquetas ou usar abordagens de tentativa e erro. Se um processo ou produto pode ser projetado para levar o usurio a realizar as aes corretas, ento menos erros ocorrero.
Excludo: a
Use a estratificao e mova-se montante A estratificao a separao e classificao de dados de acordo com as variveis ou fatores selecionados. O objetivo encontrar padres que auxiliem a compreenso dos mecanismos causais de um processo. Isto , respondendo a questo, quem, o que, onde e quando. O problema ocorre apenas com clientes ou fornecedores especficos? O que houve para causar o problema ao cliente? Existe um local particular onde o problema ocorra com mais freqncia? Existe uma poca particular em que o problema ocorre com mais freqncia?
Excludo: jusante
Excludo: a jusante
Uma maneira especfica de estratificar mover-se montante. Se um problema est ocorrendo em um processo, colete dados em todos os processos que fornecem entradas para o processo com problema. Ou, estratifique os dados de entrada de inspeo por fornecedor. O conceito de estratificao pode ser usado com todas as ferramentas de anlise de dados. Por exemplo, smbolos diferentes podem ser usados para representar diferentes variveis no processo ou grupos de dados num grfico de tendncia ou histograma. Planeje aprender alguma coisa rapidamente, mas no tudo H uma tendncia natural nos esforos de resoluo de problemas para se chegar rapidamente soluo do mesmo. Depois disso, algum ter que conviver com o problema. Esta tendncia geralmente leva a solues que aumentam o custo, trazem impactos negativos em outras partes do sistema ou apenas mascaram os sintomas. O Modelo para Melhorias projetado para realizar melhorias com base no aprendizado. Os Ciclos para Aprendizado e Melhoria fornecem um mecanismo para organizar os esforos de resoluo dos problemas. Os Ciclos podem ser planejados para aprender, desenvolver mudanas, testar mudanas e implement-las. Ao projetar ciclos pequenos, para se dirigir ao encontro da soluo do problema, podem ser feitos progressos sem que tornem inteis mais tarde.
Excludo: run chart (srie)
Excludo: assoberbados
Resumo A resoluo de problemas um caso especial da melhoria. A resoluo de um problema geralmente retorna o sistema ou processo para onde ele deveria operar. Como em todos os esforos de melhoria, o Modelo para Melhorias fornece um mapa para a resoluo de problemas. Existem duas facetas relacionadas aos problemas de qualidade a serem consideradas: 1) Resolva de imediato o problema do cliente; e, 2) Melhore o sistema para prevenir o problema no futuro. Quando um cliente experimenta um problema de qualidade, os danos j ocorreram. Entretanto, uma organizao pode repor o dano ou diminu-lo, dependendo de como a situao conduzida. Vrios tipos de inspees so geralmente implementadas para a resoluo de problemas. A inadequao primria desta abordagem que os assuntos relativos ao problema no so abordados at que o produto ou servio j esteja concludo. Isto acaba gerando uma abordagem de apagar o fogo, o que resulta em solues de curto prazo para problemas imediatos em vez de melhorias a longo prazo. Para prevenir a ocorrncia de problemas, devemos focar os processos que produzem o servio ou produto. Uma vez que a resoluo de problemas apenas uma categoria especial da melhoria, todos os mtodos e ferramentas apresentados neste manual podem ser usados para ajudar na resoluo de problemas. Em particular, uma anlise de Pareto, fornece um dos mais poderosos mtodos para a soluo de problemas. Somando-se aos outros mtodos e ferramentas discutidos neste livro, dois mtodos foram achados teis nos esforos para a resoluo de problemas. Uma Anlise Pr/Contra um mtodo para selecionar a aproximao potencial para resolver o problema, de diferentes alternativas. Uma Anlise /No-, uma aplicao do diagrama de matriz para auxiliar na compreenso das diferenas na situao, quando o problema est ocorrendo e quando o problema no est ocorrendo. Os seguintes princpios devem ser usados para orientar os esforos na resoluo de problemas: 1. Tenha um definio clara do problema.
Excludo: rodovirio
Excludo: s custas das
Excludo:
2. Use uma abordagem que encoraje opinies e novas idias. 3. Veja o todo primeiro, e ento estude as partes. 4. Use os dados para aprender. 5. Desenvolva mudanas que conduzam a melhorias, no apenas remova sintomas.
Excludo: a jusante
6. Use a estratificao e mova-se montante no processo. 7. Planeje aprender alguma coisa rapidamente, mas no tudo.
93
Referncias Kepner, Charles H., and Tregoe, Benjamin B. The Rational Manager, A Systematic Approach to Problem Solving and Decision Making. Kepner-Tregoe, Inc., Research Road, Princeton, New Jersey. 1978. Langley, J., Nolan, K., Nolan, T., Norman, C., Provost, L. The Improvement Guide: A Practical Approach to Enhancing Organizational Performance. San Francisco: Jossey -Bass Publishers. 1996. Norman, Donald A. The Psychology of Everyday Things . New York: Harper Collins. 1988. Ohno, Taiichi. Toyota Production System. Cambridge, MA: Productivity Press. 1988 p. 17. Ott, Ellis R. Process Quality Control. New York: McGraw-Hill, Inc. 1975. Exerccios 1. Identifique um problema que voc experimentou recentemente como cliente. Como o fornecedor reagiu ao problema? O que o fornecedor poderia ter feito para minimizar a sua inconvenincia com o problema? Identifique todos os tipos de inspees usadas em suas atividades de trabalho. Qual o objetivo destas inspees? Que outras maneiras podem ser usadas para alcanar estes objetivos? Identifique um problema que sua organizao est experimentando atualmente. Use o Modelo para Melhorias para iniciar o trabalho do problema. Responda s duas primeiras questes do Modelo para o problema. Planeje uma srie de ciclos para alcanar a terceira questo do Modelo. Descreva como os mtodos prova de erros podem ser usados para eliminar um problema que voc experimentou.
2.
3.
4.
94
Captulo 14. Atividades Atividade 1 1. Classifique cada uma das seguintes variveis como classificatria, contagem ou contnua. a) Nmero de telefones por domiclio b) Nmero de chamadas de longa distncia realizadas por ms c) Durao de cada chamada de longa distncia d) Cor do telefone utilizado com mais freqncia e) Se existe uma linha conectada ao modem na residncia f) Quantia gasta com livros g) Tempo gasto na livraria por ms h) Se filiado a algum Partido Poltico i) Caso seja, a que Partido Poltico filiado j) Satisfao com um determinado produto k) Classificao de hotis l) Quantidade de calorias de um produto alimentcio m) Nmero de bolhas em uma garrafa de vidro n) Tempo mdio de espera para se atendido em um Call Center o) Nmero de atendentes em um Call Center p) Nmero de ligaes perdidas em um Call Center q) Motivos para ligaes perdidas em um Call Center r) Fontes de consumo de gua em uma residncia s) Consumo de gua em uma residncia
95
Atividade 2 Pediu-se a um grupo de gerenciamento de projeto que estudasse e melhorasse o sistema de entrega de projetos. Depois de analisar os resultados de entrevistas, a equipe decidiu coletar as seguintes medidas dos ltimos 25 projetos: Custo Total (em milhares de dlares) Nmero de Dias Adiantados () ou Atrasados (+) (em relao data de entrega) Nmero de Mudanas de Engenharia no Projeto ndice de Satisfao do Cliente (pontuao variando de 1 (no sati sfeito) at 5 (muito satisfeito)) Faa Grficos de Disperso para pares de variveis e calcule a correlao entre elas. Comente os resultados obtidos. Dados de Gerenciamento de Projeto para os ltimos 25 Projetos Custo Dias # Mudanas de ndice de Satisfao Total Horrio Engenharia do Cliente 447 -3 18 3.9 833 -6 7 3.42 1258 -1 7 3.1 1515 0 19 2.95 922 4 23 1.83 1073 5 19 2.25 947 9 4 1.92 978 11 23 3.15 1090 19 5 2.85 1190 12 4 3 418 -5 11 2.64 1138 -6 17 3.96 922 -8 11 3.91 969 8 16 3.57 715 -15 26 4.4 849 -15 19 4.63 1161 10 4 2.98 552 -11 23 4.11 1209 11 20 1.83
769 -13 23 4.57 1084 4 6 2.92 714 0 19 3.7 718 10 21 2.63 665 -7 11 4.51 545 -27 6 4.22 Atividade 3 Uma empresa fabrica em torno de 100 peas por hora em trs linhas de montagem idnticas. A pea produzida apenas no turno do dia. A empresa fornece essa pea para um cliente que usa a mesma como um componente chave de um produto que fabrica. O produto tem uma especificao crtica de 2.010 polegadas. A tolerncia + ou - 0.003 polegadas. Recentemente o cliente notificou a empresa que algumas das peas no estavam atendendo a especificao e causando problemas na performance do produto. O gerente das linhas de montagem pediu ao supervisor que no dia seguinte retirasse uma pea de cada uma das linhas de montagem a cada 10 minutos e medisse a especificao crtica. Os seguintes dados foram obtidos: Hora 08:10 08:20 08:30 08:40 08:50 09:00 09:10 09:20 09:30 09:40 09:50 10:00 10:10 10:20 10:30 10:40 A 15 7 13 11 14 10 9 12 9 4 10 11 8 10 7 11 B 12 10 8 10 10 11 10 11 13 11 13 11 11 12 10 7 C 10 8 9 10 11 12 11 10 11 10 9 12 16 4 6 13 Hora 01:10 01:20 01:30 01:40 01:50 02:00 02:10 02:20 02:30 02:40 02:50 03:00 03:10 03:20 03:30 03:40 A 11 10 10 9 8 11 8 15 10 10 12 11 8 9 7 4 B 9 14 10 12 16 12 15 15 13 10 9 11 12 10 9 11 C 11 11 11 13 7 8 9 9 10 8 9 11 4 15 14 7
97
10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00
9 12 10 10 6 12 9 12
4 6 8 4 7 10 7 8
7 15 6 10 10 12 12 13
03:50 04:00 04:10 04:20 04:30 04:40 04:50 05:00
6 13 10 16 10 13 7 11
10 10 9 9 9 8 6 7
10 10 10 12 7 9 10 8
1. Quais so as causas que motivam a reclamao do cliente? 2. O processo capaz de atender a especificao? 3. Que recomendaes voc faria para melhorar o processo? Use ferramentas como grfico de tendncias, histograma, box plot, etc.
98
Registro de ocorrncias durante o estudo 7:30 Completada a manuteno do equipamento 8:30 Lquido refrigerante com nvel baixo na linha C - nvel completado 8:35 Mudana de ferramenta - linha A 9:20 Entrada de novo lote de matria prima - linha B 10:00 Perodo de alvio 10:30 Entrada de novo lote de matria prima - linha C 10:35 Ajuste - linha B 11:00 Entrada de novo lote de matria prima - linha A 12:00 Intervalo para almoo 1:05 Ajuste - linha B 1:20 Verificado o nvel do refrigerante na linha C - OK 2:10 Mudana de ferramenta - linha C 3:00 Perodo de alvio 3:10 Mudana de ferramenta - linha B 3:45 Entrada de novo lote de matria prima - linha B 4:20 Ajuste - linha B 4:40 Verificado nvel do refrigerante na linha C - OK 5:00 Encerramento
99
Atividade 4 Uma pesquisa sobre satisfao do cliente com uma amostra de 210 indivduos que tiveram alta de um grande hospital urbano durante o ms de junho levou seguinte listagem de 384 reclamaes: Motivo de reclamao Aborrecimento com outros pacientes/visitantes Atrasos para exames Barulho Falta de atendimento campainha Respostas inadequadas s perguntas Servio de alimentao precrio Tratamento rspido por parte do corpo de funcionrios Todos os outros Total nmero 13 34 28 71 38 117 62 21 384
Construa um diagrama de Pareto Faa um resumo dos resultados que encontrou e sugira melhorias.
100
Atividade 5 Uma empresa de telemarketing resolveu estudar o comportamento das vendas ao longo do tempo. Durante 25 dias ela anotou o nmero de vendas efetuadas em 500 tentativas. Os dados esto na tabela abaixo. Dia Ligaes Realizadas 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 Num. de Vendas efetuadas 12 15 19 13 9 26 18 14 17 18 16 24 11 31 16 10 16 17 20 15 8 13 12 17 18
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Calcule o nmero mdio de vendas e o erro padro do nmero mdio de vendas.

Construa um grfico de tendncias para os dados do estudo. O processo est sob controle nesse perodo?
102
Atividade 6 1. Na Folha de SP de 20.08.99 foi publicado grficos do dlar e do IGP/FGV de janeiro a agosto/99. O jornalista disse que o dlar teve um reflexo no acompanhamento de preos pela FGV. Explore os dados abaixo e veja se isso pode ser afirmado. (Dica: faa um diagrama de disperso) Data 10JAN99 20JAN99 30JAN99 10FEB99 20FEB99 28FEB99 10MAR99 20MAR99 30MAR99 10APR99 20APR99 dlar 1.21 1.59 2.10 1.90 1.97 2.04 1.88 1.85 1.75 1.70 1.74 IGP/FGV 0.89 0.84 1.15 2.64 3.61 4.44 3.51 2.83 1.98 1.19 0.71 Data 30APR99 10MAY99 20MAY99 30MAY99 10JUN99 20JUN99 30JUN99 10JUL99 20JUL99 30JUL99 10AUG99 dlar 1.67 1.65 1.69 1.72 1.76 1.76 1.75 1.80 1.81 1.80 1.87 IGP/FGV 0.03 -0.22 -0.29 -0.34 -0.06 0.36 1.02 1.39 1.55 1.59 1.58
5 4 3 2 1 0
IGP/FGV
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
dlar
103
2. Faa os grficos das sries temporais (grfico de tendncia) do dlar e do IGP para uma melhor visualizao
2.1 2.0 1.9 1.8 dlar 1.7 1.6 1.5 1.4 1.3 1.2 Index 5 10 15 20
5 4 3 2 1 0
IGP/FGV
Index
10
15
20
104
Atividade 7 Considere um processo que produz um produto ou um servio. O produto ou servio pode ser classificado como conforme ou no conforme de acordo com especificaes estabelecidas. Pode-se ainda contar o nmero de defeitos que o produto ou servio apresenta. Considere as seguintes nomenclaturas, definies e relaes: D = nmero de defeitos U = unidades de um produto ou servio DPU = D/U (defeitos por unidade) DPO = DPU/O (defeitos por unidade de oportunidade) DPMO = DPO*106 1. Considere o seguinte exemplo. Um texto com 5 pginas com 200 palavras por pgina apresentou 20 palavras digitadas incorretamente. Complete: D= U= O= DPU = DPO = DPMO = 2. Um processo tem defeitos dos tipos A, B, C, D, E e F. Dados foram coletados durante um perodo de tempo sobre D, U e O para cada tipo de defeito. As quatro primeiras colunas da tabela abaixo apresentam os dados coletados. a) Complete a tabela. Tipo de D U O DPU DPO DPMO Defeito A 21 327 92 B 10 350 85 C 8 37 43 D 68 743 50 E 74 80 60 F 20 928 28 Total b) Faa um grfico de Pareto para o nmero de defeitos por tipo de defeito. c) Faa um grfico de Pareto para DPMO por tipo de defeito. d) Comente os resultados. Quais tipos de defeitos so prioritrios em termos de melhorar o processo?
105
Atividade 8 1. O acidente com o nibus espacial Challenger O nibus espacial Challenger foi lanado ao espao s 11:38h do dia 28 de janeiro de 1986 no Cabo Kennedy, Flrida e explodiu minutos aps ser lanado ao espao. A temperatura ambiente no momento do lanamento o era 36 F. Os metereologistas haviam predito temperaturas em torno de o 30 F para a manh do lanamento. No dia anterior houve muito debate entre os tcnicos e executivos da empresa fabricante do nibus e oficiais da NASA. sobre se o lanamento seria aconselhvel naquelas condies previstas de temperatura. Vrios engenheiros eram contra o lanamen to porque eles pensavam que falhas no anel O (O-ring, um anel que sela uma passagem de gases aquecidos) estavam relacionadas com a temperatura. Dados sobre falhas no O-ring que ocorreram em lanamentos anteriores foram estudados na noite anterior ao lanam ento. Haviam ocorrido sete incidentes com O-ring no passado. A tabela abaixo mostra os dados relacionando a temperatura com o nmero de incidentes. Lanam Temperatur Nmero de ento a ( oF) incidentes Por lanamento 1 52 3 2 56 1 3 57 1 4 62 1 5 70 1 6 70 1 7 74 2 Construa o grfico de disperso do nmero de incidentes pela temperatura
106
O que se pode aprender desse grfico? Existe alguma relao entre o nmero de incidentes e a temperatura?
Num. de inc. por lanamento
0 30 35 40 45 50 55 60 65 70 75
Temperatura (oF)
107
Examinando o grfico, no parece haver relao forte entre o nmero de falhas em O -ring e a temperatura. Baseado nessa informao, juntamente com outras consideraes tcnicas e polticas, decidiu -se pelo lanamento da Challenger. O que se seguiu de conhecimento de todos: o lanamento foi um desastre com perda de sete vidas e bilhes de dlares, alm de uma perda de credibilidade no programa espacial. Pode-se argir que os engenheiros examinaram o grfico de disperso do nmero de incidentes versus a temperatura e no viram relao entre as duas variveis. Entretanto, esse argumento no leva em conta que os engenheiros no examinaram todos os dados que eram relevantes para a questo. Eles examinaram somente as situaes onde ocorreram incidentes. Eles ignoraram os casos onde no aconteceram falhas. Houveram 17 lanamentos anteriores com nenhuma falha. A tabela abaixo apresenta os dados de todos os lanamentos anteriores. Lanamento Temperatura ( oF) 52 56 57 62 70 70 74 66 67 67 67 68 69 70 70 Nmero de incidentes Por lanamento 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 3 1 1 1 1 1 2 0 0 0 0 0 0 0 0
108
16 17 18 19 20 21 22 23 24
72 73 76 77 77 78 79 81 82
0 0 0 0 0 0 0 0 0
Faa o grfico de disperso do nmero de incidentes pela temperatura.
Num. de inc. por lanamento
0 30 40 50 60 70 80
Temperatura (oF)
1. Existe alguma relao entre o nmero de incidentes e a temperatura? 2. Qual era a temperatura no momento de manh do lanamento da Challenger (-1oC aprox. 30oF)? 3. Existiam dados na faixa de temperatura em que a Challenger foi lanada? 4. O que se pode aprender dessa situao?
2. Estudo sobre a eficincia de drogas. Um centro de cirurgia clnica pretende fazer mudanas no nvel de infeces ps-cirrgicas. Era um procedimento padro administrar antibiticos antes da cirurgia para evitar infeces. Eles fizeram algumas mudanas para assegurar que os antibiticos fossem dados na hora mais oportuna. Em seguida eles focalizaram em que tipo de antibitico seria mais eficaz. Eles executaram um ciclo para analisar alguns dados histricos de 100 pacientes que tinham desenvolvido infeces aps a cirurgia. Para cada paciente foram registradas algumas informaes demogrficas, assim como o tipo de antibitico que foi administrado. Das 100 pessoas que desenvolveram infeces, 12 receberam antibiticos A, 60 antibitico B e 28 antibitico C. Preencha a tabela abaixo com os dados acima. Dados sobre a Eficcia de Antibiticos Antibitico A Antibitico B Antibitico C Infeco Essa tabela uma tabela de contingncia ou tabela cruzada ou tabela de dupla entrada. Qual antibitico foi mais eficaz no combate infeco?
110
O hospital resolveu coletar dados de 100 pacientes que no desenvolveram infeco. Desses 100 pacientes, 10 usaram o antibitico A, 20 o antibitico B e 70 o antibitico C. Preencha a tabela abaixo com os dados das pessoas que desenvolveram e que no desenvolveram infeco. Tabela de Contingncia para Eficcia de Antibiticos Antibitico A Antibitico B Infeco Sem Infeco 1. Qual a concluso agora que temos esses dados disponveis? 2. Qual o antibitico que se mostra mais eficaz no combate infeco? 3. Qual o aprendizado desse exemplo? 4. Qual a relao desse exemplo com o exemplo da Challenger? Antibitico C
111
3. Dados sobre bombardeio areo Uma forma de coletar dados denominada de diagrama de concentrao. uma forma grfica de anotar os dados. Num diagrama de concentrao, desenha-se uma figura do item que se est inspecionando e enquanto se inspeciona o item o coletor de dados verifica onde aconteceram problemas e marca na figura o local da ocorrncia do problema. A concentrao cumulativa de marcas no desenho pode indicar onde h maior propenso par que os problemas ocorrem, e assim direcionar a realizao de mudanas que melhorem o item. O diagrama mostrado na figura abaixo foi utilizado para estudar os padr es de danos causados por fogo antiareo a bombardeiros que retornaram Inglaterra aps realizar misses sobre a Alemanha durante a Segunda Guerra Mundial. O desafio enfrentado pelos que estudavam os danos era: em que reas da aeronave a blindagem adicional deveria ser colocada? Para minimizar o peso da aeronave, a blindagem deveria ser mantida no mnimo possvel. Com base nos dados mostrados, onde voc colocaria a blindagem?
112
Atividade 9 1) A Folha de 25/08/99 publicou uma matria sobre jovens de Braslia. A manchete foi: Busca de poder leva jovem s gangues: Unesco entrevista 810 jovens de cidades-satlites do DF, onde 47 mil esto ou j estiveram em algum grupo. No meio do texto h essas informaes aqui re-fraseadas para melhor entendimento: Estimativas dos pesquisadores apontam que 47 mil jovens do DF esto ou estiveram envolvidos em gangues. O nmero foi obtido da seguinte forma: como h 435 mil jovens no DF, os pesquisadores fizeram uma projeo com base na proporo que aparece na amostra (10,7%). Qual o tamanho da amostra? Qual o tamanho da Populao? 10,7% um parmetro ou uma estatstica? Porque? Calcule a margem de erro (ME) para p, a proporo de jovens do DF que esto ou estiveram ligados gangues e apresente o resultado da pesquisa na forma de um intervalo (estimativa-ME , estimativa+ME). Esse intervalo chamado de intervalo de confiana de 95% para p. Faa um IC 95% para o total de jovens do DF que esto ou estiveram ligados a gangues. Qual o tamanho da amostra para obter uma margem de erro de 5 mil jovens? Calcule para dois casos: a) sem ter idia de p priori b) considerando p = 10,7% 2) Nmero de pessoas na mesma casa. Um estudo foi realizado para se estimar o nmero de pessoas que moram na mesma casa numa cidade do interior. 1000 pessoas foram sorteadas para responder quantas pessoas moram em suas casas. A mdia foi 5,6 pessoas por casa. Qual a Populao de interesse? Qual a varivel de interesse? Qual o parmetro de interesse? Critique a estimativa 5,6 quanto ao vcio: Positivo, negativo ou nulo? Explique. Proponha uma amostragem adequada. 3) Clculo de tamanho de amostra e margem de erro Caso A Informaes e instrues Informaes: Uma empresa recebe semanalmente um lote de 50000 unidades de uma determinada pea. Voc quer saber qual a proporo de
peas defeituosas no lote. Voc acredita que no mais que 5% delas no passaro no teste. Responda as perguntas abaixo. Voc est estimando uma mdia ou uma proporo? Se a empresa utiliza inspeciona 50 peas do lote para estimar a proporo de itens defeituosos, qual a margem de erro da estimativa? Suponhamos que voc decida que uma preciso de 0.05 seja desejvel. Use a frmula para n para determinar o tamanho da amostra. Suponha que voc tenha escolhido amostrar 2000 peas mas a % de defeituosas mostrou ser 55% ao invs de 10%. Como isso afeta a preciso de sua estimativa? Caso B Informaes e instrues Informaes: Voc quer saber o contedo mdio de gua no ltimo estgio de um produto. Este estgio continha 3000 unidades. Voc espera que o desvio padro do contedo de gua seja cerca de 12.. Responda as questes abaixo. Voc est estimando uma mdia ou uma proporo? Se a empresa usar uma amostra de tamanho 10, qual a preciso da estimativa do contedo mdio de gua? Suponha que voc conclua que uma preciso de 1.2 seja a adequada. Use a frmula para n para decidir quantas amostras voc precisa. Suponha que voc tenha amostrado 133 unidades pois queria que a preciso fosse 2.0, e o desvio padro revelou ser 5 (em vez de 12). Como isso afeta a preciso (d) da estimativa para a mdia dos dados?
114
Atividade 10 Objetivo: Esta atividade tem o objetivo de ilustrar o uso de tabelas de contingncia (tabelas cruzadas). Fatos Importantes: As tabelas abaixo contm um conjunto de dados com contagens de uma populao em risco e fatalidades ocorridas em um evento raro. Este episdio trgico muito bem conhecido historicamente. A populao em risco totalizava 2201 pessoas. Esta populao est subdividida por classe social ( I alta, II mdia, III baixa, e Outros), idade (criana ou adulto), sexo (masculino ou feminino) e sobrevivncia (sobreviveu ou no sobreviveu). No possvel explicitar detalhes sobre a categoria outros da classe social, pois forneceria a resposta do desafio. Instrues: Examine os dados cuidadosamente. Procure por caractersticas interessantes. Para ajudar a construir uma fotografia mais completa de cada varivel explanatria (classe social, idade e sexo) e suas relaes com a varivel resposta (sobrevivncia), complete as questes abaixo. Aps analisar os dados e responder as questes abaixo, d seu melhor palpite quanto a que evento histrico esse conjunto se refere. Dados: Populao em Risco e Mortes para o Evento Raro: Por Classe Social e Sexo Nmero de Populao em Risco Mortes Classe Social I (ricos) II III (pobres) Outros Total Masc. 180 179 510 862 1731 Fem. 145 106 196 23 470 Ambos 325 285 706 885 2201 Masc. 118 154 422 670 1364 Fem. 4 13 106 3 126 Ambos 122 167 528 673 1490
115
Classe Social I (ricos) II III (pobres) Outros Total
Por Classe Social e Idade Nmero de Populao em Risco Mortes Adulto Criana Adulto Criana s s Ambos s s 319 6 325 122 0 261 24 285 167 0 627 79 706 476 52 885 0 885 673 0 2092 109 2201 1438 52
Ambo s 122 167 528 673 1490
Questes: 1. (a) Calcule o percentual geral de mortes: morreu.
_____% da populao em risco
(b) Do total de mortos, calcule o percentual de homens e mulheres. Mortes Homens Mulheres % % 2. Voc acha que existe associao entre o sexo e o nmero de mortos para este evento raro? Justifique sua resposta. 3. Construa uma tabela de contingncia contendo as variveis classe social e sobrevivncia: Classe Social I II Sobrevivncia Sim No 4. Calcule abaixo os percentuais de sobrevivncia e no sobrevivncia em cada uma das quatro classes sociais. Classe Social
III
Outros
I Sobrevivncia Sim No
II
III
Outros
5. Existe associao entre classe social e sobrevivncia neste evento raro? Justifique sua resposta. 6. Construa uma tabela de contingncia contendo as variveis classe social e sobrevivncia masculina: Classe Social I II Sobrevivncia Sim Masculina No 7. Calcule abaixo as porcentagens de sobrevivncia masculina dada a classe social. Classe Social I II Sobrevivncia Sim Masculina No
III
Outros
III
Outros
8. Existe associao entre classe social e sobrevivncia masculina neste evento raro? Justifique sua resposta. 9. Construa uma tabela de contingncia contendo as variveis classe social e sobrevivncia feminina: Classe Social I II Sobrevivncia Sim Feminina No
III
Outros
117
10. Calcule abaixo as porcentagens de sobrevivncia feminina dada a classe social. Classe Social I II Sobrevivncia Sim Feminina No 11. Existe associao entre classe social e sobrevivncia feminina neste evento raro? Justifique sua resposta.
III
Outros
12. Construa uma tabela de contingncia contendo as variveis classe social e sobrevivncia infantil: Classe Social I II Sobrevivncia Sim Infantil No 13. Calcule as porcentagens de sobrevivncia infantil dada a classe social (I, II, III). Classe Social I II Sobrevivncia Sim Infantil No 14. Existe associao entre classe social e sobrevivncia infantil neste evento raro? Justifique sua resposta. 15. A que evento raro histrico este conjunto de dados se refere? Justifique sua resposta.
III
III
118
Atividade 11 Caso N 1Custos de Treinamento A diretora de recursos humanos estava examinando suas despesas com treinamento dos ltimos dois anos. Baseada nos ltimos 12 meses, ela havia colocado no oramento um custo mdio de $ 98.000 por ms; mas as despesas do ltimo ms foram de $ 105.000. Ela queria saber o que havia de diferente com o ltimo ms e pediu sua equipe para descobrir o que aconteceu, para que pudessem evitar o problema no futuro Os dados do ltimo ms so o resultado de causas comuns ou especiais? Por que? A diretora de recursos humanos tomou a providncia adequada? O que ela deveria esperar que fossem seus custos mensais de treinamento?
119
Caso N 2 Horas Paradas Uma linha de embalagem teve, em mdia, 4 horas de interrupes por semana, de 8 de maro a 23 de agosto. J que muitos dos problemas estavam relacionados a quedas na energia eltrica, os tcnicos suspeitaram que o equipamento de proteo da rede eltrica estivesse funcionando mal. Eles o substituram na semana de 23 de agosto e ento continuaram a coletar dados por mais oito semanas. Acaso o novo equipamento de proteo da rede ajudou? Em caso afirmativo, em que semana eles tiveram seu primeiro sinal? H outros sinais de uma mudana no processo?
120
Caso N 3 Volume de Call Center Um fornecedor de bens de consumo acompanha os pedidos que chegam via EDI. Ele quer usar esses dados para ajudar a planejar o oramento para o novo ano. Se o processo for estvel, os gerentes podero estimar em mdia quantos pedidos sero recebidos a cada dia. Mas primeiro eles precisam saber se h quaisquer indicaes de causas especiais no processo. Os dados indicam a presena de causa especial ou a variao toda ela resultado de causas comuns? Por que? Qual o nmero mdio de pedidos que deveriam esperar por dia? Qual o nmero mximo de pedidos que deveriam esperar receber por dia?
121
Caso N 4 Pureza da gua Uma fbrica que produz cartes de plstico (cartes de crdito, cartes de identificao de seguro mdico, etiquetas de embalagem etc.) usa gua de um rio prximo para refrigerar o equipamento usado no processo de aquecimento. Eles podem reciclar a gua e devolv-la ao rio, contanto que esta no contenha mais de 50 mg de impurezas. Um tcnico monitora o volume de impurezas em uma amostra que tirada todos os dias. Os dados indicam a presena de uma causa especial ou a variao , toda ela, resultado de causas comuns? Se h uma causa especial, qual amostra assinala isso primeiro? Quais so algumas aes adequadas?
122
Caso N 5 Bagagens Perdidas O grfico abaixo apresenta o nmero de bagagens perdidas num vo entre os dias 7 de fevereiro e 13 de maro. Qual a amplitude de dados que deve ser esperada para perda de bagagem em um nico dia? Existem quaisquer indicaes de causas especiais? A companhia area deveria usar aes de causa comum ou causa especial para responder ao nmero de bagagens perdidas no dia 9 de Maro?
123
Atividade 12 Uma empresa de carto de crdito resolveu testar duas abordagens diferentes, padro e personalizada, para verificar o efeito na deciso do cliente de adquirir o carto. Os dados obtidos no experimento esto na tabela abaixo. Analise os dados e responda a pergunta do gerente: h diferena na efetivao de vendas para duas abordagens diferentes: a padro versus a personalizada?
PROPOSTA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 FECHOU sim sim sim sim sim sim sim sim no no no sim sim sim sim sim sim sim sim no sim sim sim sim sim sim sim sim PRODUTO personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado per sonalizado personalizado personalizado personalizado personalizado PROPOSTA 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 FECHOU sim sim sim sim sim no no sim sim no no sim sim sim sim sim sim no no no no no sim no sim sim no sim PRODUTO personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado personalizado padro padro padro padro padro padro padro padro padro padro padro padro personalizado personalizado personalizado personalizado personalizado personalizado
124
29 30 31 32
sim sim sim sim
personalizado personalizado personalizado personalizado
61 62 63
sim sim sim
personalizado personalizado personalizado
Atividade 13 O Departamento de Recursos Humanos recebeu reclamaes por parte dos gerentes da empresa quanto ao tempo que estava sendo gasto para repor um funcionrio que havia pedido demisso. Para entender a situao atual, o Diretor de RH solicitou que fosse levantado o tempo gasto nas ltimas 30 contrataes. Pediu ainda que fosse anotado o nvel do funcionrio contratado. Os dados esto na tabela abaixo. Nvel Tempo Nvel Tempo (dias) (dias) Sr 129 Sr 43 Sr 113 Jr 17 Pl 100 Pl 58 Sr 180 Sr 124 Pl 11 Sr 98 Sr 114 Pl 63 Sr 142 Sr 62 Sr 251 Sr 118 Jr 28 Sr 51 Pl 19 Sr 139 Pl 34 Sr 84 Jr 7 Pl 52 Sr 59 Sr 37 Pl 50 Pl 61 Jr 43 Jr 41 Faa uma anlise dos dados e escreva um relatrio sucinto para o Diretor.
125
Atividade 14 Um restaurante funciona no mesmo local h 10 anos. Durante esse perodo, o restaurante construiu uma boa reputao por ter um bom servio e servir uma boa comida. Recentemente, os clientes comearam a reclamar que eles esto gastando mais de um tero do horrio de almoo para conseguir ordenar e obter o a refeio. Como os clientes dispe de pouco tempo para o almoo, o restaurante corre o risco de perder clientes se nada for feito. Os proprietrios do restaurante resolveram fazer alguma coisa para melhorar o servio. Fatos importantes observados Clientes estavam ficando na fila por at 15 minutos Existiam mesas disponveis A maioria dos clientes eram freqentadores assduos As pessoas que atendiam os pedidos e preparavam a comida estavam se esbarrando umas nas outras Possveis medidas a serem coletadas Nmero de clientes na fila Nmero de mesas vazias Tempo mdio para que um cliente seja atendido Varivel medida Tempo mdio para que um cliente seja atendido DIA TEMPO 1 14 2 16 3 13 4 14 5 18 6 13 7 16 8 14 9 17 10 16 11 17 12 11 13 14 14 18 15 15
Possveis mudanas Alterar o Menu Mudar para novo local Mudar o lay out do setor de atendimento e de preparo da comida Fazer com que os clientes regulares faam o pedido antecipadamente por telefone Aumentar o nmero de empregados Fazer com que os clientes regulares faam o pedido antecipadamente por fax Mudana testada Fazer com que os clientes regulares faam o pedido antecipadamente por fax Medida realizada aps a mudana Medidas do tempo mdio para o cliente ser atendido aps a mudana DIA TEMPO 19 6 20 7 21 4 22 7 23 6 24 3 25 8 26 5 27 7 28 4 29 8 30 4 31 6 32 7 33 8 Para a mtrica TEMPO, calcule as seguintes estatsticas para os perodos antes e depois da mudana: mdia, desvio padro, mnimo mximo, mediana, quartil 1 e quartil 3. Fase Mdia DP Mnimo Mximo Amplitude Mediana Q1 Q3 Antes Depois
Faa o Dot Plot comparativo do TEMPO para antes e depois da mudana.
Faa o grfico de tendncia do TEMPO (antes e depois da mudana no mesmo grfico).
Analise a efetividade da mudana realizada.
128

Apostila Estatistica para Melhoria

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Estatistica para Melhoria

Enviado por

Direitos autorais:

Formatos disponíveis

Estatstica para Melhoria

Estatstica para Melhoria

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Mundo Fsico: Medir:

Execuo de uma tarefa tempo gasto para realizar a tarefa

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

1,54 2,57 0,55

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

204 215 202 208 181 243

205 200 170 182 205 181

171 207 202 192 195 213

204 191 178 175 237 211

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

X (xmdia) (x2 mdia)

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

57.5 53.2 52.9 53.0 0 1 0 0

Grfico dos conjuntos de valores

19 20 Mdia Desv. Pad.

desvantagens individuais e permitem uma caracterizao adequada dos dados.

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

11 10 9 8 7 6 1000 1500 2000

5. Rotule e d um ttulo ao grfico de disperso

12 11 10 9 8 7 6 1000 1500 2000

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Correlao No Implica Causalidade!

POPULAO (EM MILHARES)

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Outros 344 4084 4428

Total 640 9306 9946

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

%(Colu na) Situa o

Status Bom Sdo_fat _R Mdia Mau Outros

Sdo_fat_ Sdo_fat_ R R Mdia Mdia 1759.07 578.76 1489.14 70.88

Um grfico de barras bem vindo para visualizar melhor esse resultado.

Mdia do Saldo Faturado em cada Cruzamento

Altura Baixa Alta

Alto 500 825

Masculino Salrio Baixo 200 400 Alto 400 800

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Captulo 8. Diagrama de Pareto

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Cobranas podem estar incompletas devido falta de muitos tipos de informao.

Aborrecimento com pacientes/visitantes Atrasos para exames

Universidade Estadual de Campinas - UNICAMP Programa de Desenvolvimento Gerencial - Disciplina Estatstica

Pareto Char t of Codi go do moti vo

0 Codigo do motivo Count Per cent Cum %

F 117 29.3 29.3

E 102 25.6 54.9