Trabalho de concluso de curso Facens Faculdade de Engenharia de

Sorocaba
Engenharia Mecatrnica
1 Introduo
Por volta da dcada de 1980, a Motorola teve a iniciativa de fazer de
seus produtos a melhor qualidade possvel, destacando-se de seus
concorrentes, deu um grande passo em busca de vender produtos de melhor
qualidade e menor custo. Nessa poca a Motorola investia muito dinheiro em
corrigi problemas, horas de retrabalho, produo maior do que o necessrio
para cobrir os defeitos em seus produtos. Com isso desenvolver o 6 Sigma
era causa de muita urgncia e uma questo de estrema importncia.
Ao destinar o controle de uma das fabricas da Motorola que produzia
televisores, para uma empresa japonesa, com os mesmos requisitos,
tecnologia, mo de obra, e os mesmos projetos, a fbrica de um grande salto
em termos de qualidade, produzindo produtos com um vigsimo do nmero de
defeitos registrados na poca, com isso pode observar que a questo de m
qualidade era problema de gerenciamento. O presidente da poca decidiu
ento encaminhar a empresa para o 6-Sigma e tornou-se um cone na gesto
de negcio em termos de qualidade.
Em 1996 foi adotado o sistema 6-Sigma pela empresa norte americana
General Eletric (GE), propondo a si mesma que implementasse o sistema em
todos seus processos, desde o projeto at a fabricao, ento comeava surgir
o sistema mais bem sucedido e famoso sendo at hoje modelo a ser seguido
por todos. Os resultados obtidos foram rpidos, surpreendentes e bem
sucedidos.
Essa experincia foi um fator muito importante para a GE quanto para o
desenvolvimento do 6-Sigma no mundo das empreses, pois a ferramenta
passou a ser enriquecida com o presidente Jack Welch e de toda equipe GE.
Diferente do que muitos pensam o 6-Sigma um programa que redefine
qualidade como valor agregado e um esforo produtivo em busca de objetivos
estratgicos ou seja projetar e fabricar produtos quase ou at mesmo sem
defeitos.

A importncia do 6 Sigma avaliar um projeto, ou um processo, evitar

erros espordicos e persistentes, de forma geral as empresas pensam em
eliminar os erros espordicos, mais isso no melhora a qualidade dentro da
mesma, pois esquecem dos erros persistentes crnicos e ocultos, por exemplo
uma empresa resolve mudar o material das peas do motor de um carro,
substituindo o ao por alumnio, isso se d uma reduo gigante, porm
esquecem que o problema pode ser ainda maior, pois no foi avaliado
corretamente, o alumnio quando submetido a altas temperaturas e presso
pode ter tricas microscpicas, e danificando a vida til do motor, os motoristas
que exigiam muito de seus veculos, tinha o motor do carro aceleravam o
desgaste.
As empresas que no consegue achar a causa raiz de seu problema,
passam a tolerar seus erros e passam a embutir o custo em seus produtos e
com isso passa a ser constitudo parte de seus negcios.
1.1 Conceito de variao
1.1.1 Definies
A variao existe em todos os processos e est presente em qualquer lugar e
em qualquer ambiente, pois praticamente impossvel executar algo, sem
variao do processo, um exemplo disso simples e fcil de se compreender,
pegue uma caneta e passe para a pessoa ao lado e cronometre esse tempo,
ao executar esse processo por 5 vezes, ter 5 tempos diferentes um do outro.
Isso se d pelo fato de existir variao nesse processo, no tempo
cronometrado, na parada do relgio, no tempo em que cada pessoa pega a
caneta, pensa, e repassa para outra pessoa. Uma vez que a variao
inevitvel, foram criados frmulas matemticas para achar os padres do
comportamento dessa variao, e com isso os processos produtivos costumam
seguir esses padres a fim de reduzir variaes.
Existem consequncias graves sobre a variao, tais como, produtos
defeituosos, grande ndice de retrabalho, reclamaes vindas do cliente, e at
mesmo acidentes de trabalho. A maior parte do refugos, desperdcios

encontrados no decorrer do processo, esto associados de alguma forma

variaes
Abaixo pode ser observado algumas causas da variao:

Sistemas de medio

Condies ambientais

Mo de obra envolvida

Condies dos equipamentos;

Mtodos de trabalho, etc.

Quando se reduz a variao se reduz tambm a probabilidade de defeitos e

com isso aumenta a qualidade do produto.
1.1.2 Causas de variao
Existem dois tipos de variaes: a variao esperada e a variao
inesperada.
Variaes esperadas: ou variaes comuns, so causas naturais do processo e
provocam uma variao previsvel, de forma aleatria, sistmico, ou por acaso.
E possvel antecipar os limites dentro dos quais se delimitar esta variao
Variaes inesperadas: ou variaes de causa especial, se da devido a algum
evento especifico atribuvel, este tipo de variao normalmente muito mais
fcil de resolver do que a variao de causa comum; a maior parte do trabalho
do projeto envolve variao do tipo causa especial.
1.1.3 Distribuio Normal
A distribuio normal um modelo estatstico que fornece uma base
terica para um estudo de evidenias e ocorrncias dos elementos a serem
estudados. Diversas caractersticas associadas a processos, seguem um
distribuio normal. Na figura 1.1 possvel observar de forma esquemtica
uma distribuio normal caracterstica.

Figura 1.1 Grfico de distribuio normal

Fonte: Apostila de treinamento 6 Sigma. Puc, Prof Alexandre Andrioli Iwankio.

A curva normal mostrada na imagem 1.1 mostra o valor de amostragem
mdio utilizado, o eixo x corresponde densidade de probabilidade de ocorrncia
de valores e deve ser interpretado como a rea abaixo da curva, delimitando
entre os valores de probabilidade de ocorrncia.
1.1.4 Estabilidade do Processo (previsibilidade)
Um processo sujeitado somente a causa de variao comum
considerado um processo com distribuio normal, prevendo-se os resultados
obtidos com o passar do tempo, sem a necessidade de realizar um trabalho de
medio, que toma tempo e tambm pode ser cansativo. Do mesmo modo o
carter normal da respectiva distribuio permite que se defina limites de
controle e tambm de especificaes de um determinado processo, atendendo
as exigncias do cliente.

Um processo de causa especial contm todas as caractersticas de um

processo de causa comum e tambm tem-se uma caracterstica inesperada ou
imprevisvel, onde no se tem controle para evita-la e nem uma previso de
que aquele problema ir acontecer, nem to pouco qualquer previso futuras
dos valores obtidos numa medio.
A figura 1.2 mostra a forma esquemtica o comportamento de dois
processos, sendo o de cima sujeito apenas a causas comuns, e o de baixo
sujeito ainda a causas especiais
Figura 1.2 Grfico de causas

Fonte: Apostila de treinamento 6 Sigma.Lg 2012

Conforme a imagem 1.2 mostra possvel verificar que as duas formas
de processos podem ou no existir variao, pois nas duas formas pode ser
percebido que h probabilidade de obteno de valores em uma determinada
faixa, entretanto a variao do processo de causa comum existe uma variao
sempre conhecida e de mesmo valor, podendo assim prever o comportamento
do processo em si. J no outro processo percebe-se que existe uma grande

variao nas curvas de variao, no sendo possvel prever a variao do

processo.
A existncia de causas de variao leva a se tomar medidas no sentido
de elimina-la, ou ao menos reduzi-las, com isso varias aes podem ser
tomadas para resoluo do problema, como por exemplo executar um estudo
KAIZEN ou at mesmo desenvolver um projeto 6-Sigma para avaliao e
determinao de aes de melhoria e uma implementao de soluo
definitiva.
1.2 Entendendo o 6 Sigma
Par medir ou qualificar essa variao usa-se a letra grega sigma (desvio
padro). Se o desvio padro alto, h uma grande variao entre os
resultados obtidos, caso contrario existe pouca variao entre os resultados do
processo
Seis Sigma est diretamente relacionado com a meta de atingir um nvel
de defeitos muito baixo ou prximo da perfeio, ao buscar reduzir a
variabilidade no resultado dos processos que sero controlados.
Os resultados de um determinado processo tendem a se dispersar, ou variar
em torno de um ponto central, geralmente identificado como mdia, e a
variao em torno da mdia indicada pelo desvio-padro deste processo. A
probabilidade de ocorrncia destes resultados so representados pela curva de
distribuio normal, com maior probabilidade de ocorrncia no ponto mdio, e
com menor probabilidade de ocorrncia medida que os resultados se
distanciam da mdia.
1.2.1 O que significa Qualidade 6 Sigma ?
Quando se fala em um processo seis sigma, significa reduo da
variabilidade de um parmetro para uma taxa de 3,4 falhas por milho de
observaes, ou 99,99966% de perfeio.
Dentro dessa tica, segundo Wang et al (2004), George (2004) e Erlich (2002),
o nvel de qualidade sigma um indicador de frequncia de defeitos, onde
quanto maior o nvel de qualidade sigma, menor a probabilidade de ocorrerem

defeitos, ou seja, menor a variabilidade dos resultados. Na Tabela 1.1

observamos os diferentes nveis sigma ajustados de modo a incorporar o 1.5
sigma shift

Tabela 1.1 Nvel dos Sigmas

Fonte: George, 2004, p 34.

Pesquisas mostram que a maioria dos processos de servio como folhas
de pagamento, cobrana, pedidos, entregas, etc. so desempenhados com
nvel de qualidade sigma inferior a 3,5 com uma taxa de DPMO de 23000 ou
nvel de servio de 97.7% (YILMAZ; CHATTERJEE, 2000). Melhorando o nvel
de qualidade sigma de qualquer um desses servios para o nvel 4, a taxa de
DPMO cairia significativamente para 6210 e o nvel de servio passaria para
99.38%. Uma mudana como essa poderia trazer um significativo retorno
financeiro atravs da reduo da taxa de defeitos, da reduo do nmero de
reclamaes e da melhoria da satisfao dos clientes.
Para facitar o entendimento a todo 6 sigma, compara-se entre a
qualidade 4 sigma e a qualidade 6 sigma, que podem ser observado em
processos comuns utilizados no dia a dia, conforme mostrado na figura 1.3:

Figura 1.3 Comparaes dos dois modelos de qualidade

1.1.2 Os sucessos esperados pela aplicao da metodologia Lean 6 Sigma:

Reduo de custos (defeitos, retrabalho, mo de obra de retrabalho)

Melhoria da produtividade

Crecimento da fatia de mercado

Reteno dos clientes

Mudana Cultural

Simplificar processos

Melhorar o tempo de ciclo de fabricao

Melhorar o desempenho

Entre essas e outras vantagem o seis sigma possibilita acessos a novos

conhecimentos tcnicos e de ferramentas estatsticas, tambm responsvel
por melhoria de desempenho e atingimento de metas de todas as empresas
que utilizam.
O que explica o sucesso do Lean 6 Sigma?

Figura 1.4 Sucesso do 6 Sigma

$$$ - mensurao direta dos benefcios do programa pelo aumento da

lucratividade da empresa.
DMAIC - mtodo estruturado para alcance de metas utilizado no Lean 6 Sigma.
CEO - elevado comprometimento da alta administrao da empresa.

Outros aspectos fundamentais:

Foco na satisfao do consumidor.

Busca contnua da reduo da variabilidade.

Aplicao efetiva a processos tcnicos, administrativos e de servios.

Quando usar um projeto 6-sigma?

Quando for estratgico para a empresa (em termos de retorno

financeiro, ganho de imagem da marca ou outro).

Quando se tratar de um problema (ou uma oportunidade de melhoria) de

alto impacto e alta dificuldade.

1.3 O mtodo DMAIC

1.1.3 Apresentao da Metodologia Bsica

A metodologia 6 Sigma resumen em um logica estruturada de valores,
informaes e analise dos resultados obtidos, tem com principal foco as
ferramentas estatsticas aplicadas em ferramentas da qualidade. Seu objetivo
padronizar as ferramentas e ter melhores resultados em resolver problemas.
Segundo Pande et al (2001) o Seis Sigma tem com um principal
contexto a metodologia DMAIC, que esta dividida em 5 estgios bsico para se
obter resultados e sucesso em um trabalho 6 sigma, tais elas listadas abaixo:

Define (definir)

Measure ( medir)

Analyse (analisar)

Improve (melhorar )

Control (controlar)

O mtodo DMAIC e suas caractersticas podem ser verificados atravs do

desenho esquemtico da figura 1.5

Figura 1.5 Metodo DMAIC

Fonte: Antony, 2006, adaptado pelo autor

1.3.2 Define
Nesta fase a meta e o escopo do projeto devem ser definido com
preciso e devem ser objetivos. Alm disso devem ser levantados algumas
questes que devem ser esclarecidas

Definir o problema como um projeto sucintamente e especificadamente;

Identificar principais stakeholders;

Entender o problema na perspectiva do cliente, identificando clientes

internos e externos;

Mapear o processo de forma simplificada para determinar onde est o

problema;

Estabelecer as entradas, sadas e controles existentes no processo;

Determinar papis e responsabilidades das pessoas envolvidas no

projeto, bem como os recursos necessrios, tempo alocado, escopo do
projeto e os principais benefcios esperados;

A imagem 1.6 pode ser observado um detalhamento das etapas do DMAIC

Figura 1.6 etapas do Define

Fonte: Criando a Cultura Seis Sigma. Werkema Ed., 2004.

1.3.3 Measure

Esta etapa utilizada para determinar metas que sejam mais

especificas, e as metas menores onde os problemas so de menor impacto.
Nessa fase necessrio coletar dados novos e tambm utilizar os dados j
existentes na empresa. Abaixo possvel verificar algumas etapas importantes
que devem ser levadas em conta ao final do Measure:

Determinar qual a performance atual do processo (DPMO, capacidade,

tempos de ciclo, etc);

Definir o que medir (Caracterstica crtica para qualidade ou CTQ) e

como medir;

Verificar

como

est

desempenho

do

processo

atravs

de

benchmarking, se possvel;

Identificar os pontos fortes e as oportunidades de melhoria no processo.

Uma rvore de estratificao muito longa pode indicar que o escopo do

projeto muito amplo o que pode gerar muitas metas especificas e dificultar o
projeto. A figura 1.7 mostra o modelo Measure

Figura 1.7 Measure

Fonte: Puc formao de Green Belts, 2012

1.3.4 Analyse

A fase analyse possui grande peso no processo de melhoria, pois se

obtem as respostas do problema discutido. Nesta fase realizam-se as
interferncia sobre o problema e os respectivos testes para comprovao da
interferncia. Na maioria dos casos trata-se da fase que demanda em termos
de tempo, a maior parte comparada com outras fases.
Segundo Werkema (2002), nesta fase devero ser determinadas as
causas fundamentais do problema prioritrio associado a cada uma das metas
definidas na fase anterior, ou seja, responder sempre a pergunta, por que o
problema existe?
Fases da etapa Analyse:

Descobrir as causas dos defeitos no processo;

Entender as causas da variabilidade do processo que levam a defeitos e

priorizar para investigao mais profunda;

Entender a natureza e a distribuio dos dados;

Determinar as variveis-chave que podem estar ligadas as causas dos

defeitos e quantificar as oportunidades de melhoria.

Na imagem 1.8 possvel verificar as etapas que devem se seguidas no

Analyse

Figura 1.8 Analyze

Fonte: Puc formao de Green Belts, 2012

1.3.5 Improve
Nesta etapa consiste em proporcionar uma soluo de melhoria de
produto ou processo e confirmar que esta soluo desenvolvida ira atender as
melhorias de qualidade do projeto. A soluo proposta desenvolvida e testada
de forma completa com relao do que foi proposto, com isso necessrio
elaborar um lote piloto com tudo o que foi proposto e com todas as
funcionalidades de uma produo normal, explorando na prtica a verificao
da eficiccia de boa parte do procedimento executado
Segundo Werkema (2002) nesta quarta etapa, devem ser geradas idias
sobre solues potenciais para eliminao das causas fundamentais do
problema prioritrio detectados na fase analisar.
Na figura 1.9 pode ser observado a interao das ferramentas seis
sigma ao DMAIC, etapa improve.

Figura 1.9 Improve

Fonte: Puc formao de Green Belts, 2012

1.3.6 Control

Nesta fase tem como principal papel garantir que o processo ir

trabalhar dentro dos limites definidos na especificao como mnimo de
variao

possvel,

minimizando

ou

at

mesmo

eliminando

qualquer

necessidade de ajuste no processo.

A quinta fase ir fazer uma avaliao do alcance da meta em larga
escala, com o objetivo de avaliar os resultados e monitorar a melhoria
implementada para que assim possa se confirmar o sucesso do projeto em si
A implementao correta da metodologia Seis sigma por meio das cinco
fases faz com que a empresa atinja os resultados esperados, cuja so muitos

validos e importantes para a mesma, alm disso possa criar uma igualdade
comum entre os processos para prover melhorias, e cada fase deve seguir a
risca para que os resultados possam aparecer de fora rpida e precisa.
Na figura 1.10 pode ser observado a interao das ferramentas seis
sigma ao DMAIC, etapa Control.
Figura 1.10 Control

Fonte: Puc formao de Green Belts, 2012

As ferramentas estatsticas citadas neste texto, esto associadas as

principais utilizadas nos processos onde visa as redues das variaes e
sero

exploradas de

compreendida

forma

aplicada.

que
Essas

sua

utilizao

ferramentas

se
so

torne

facilmente

utilizadas

no

desenvolvimento do seis sigmas e compreende uma serie de tratamento dos

dados, em tantas opes utilizar a mais apropriada para cada fase torna-se o
projeto mais simples, fcil e rpido o que importante quando se trata de
resoluo de um problema ou at mesmo reduo de perda de produo ou de
investimentos.
2. Mapa de Raciocnio

2.1 Define
2.1.1 Meta

Diminuir a variao de acionamento entre os nveis do pressostato.

Regular o nvel Extra Baixo com a especificao nominal de desenho, e
garantir que os nveis Baixo, Mdio e Alto, estejam dentro do especificado.

2.1.2 Escolha do tema

O tema de reduo na variao de acionamento nos nveis do

pressostato foi escolhido, pois, atualmente existem vrias reprovas internas na
regulagem do produto por conta de variao gerando desperdcios, horas de
retrabalho, queda na produo e tambm ndices de reclamao externa do
cliente, j que se o produto variar poder comprometer a funcionalidade do
produto aplicado gerando transtorno e defeito na aplicao final.

Adicionar grfico do variability para indicao da meta

2.1.2 Definio da meta

A meta ser eliminar o ajuste fino entre os nveis, regular o nvel extra
baixo e ter certeza que os outros nveis ficar dentro do especificado, sem
precisar regular os outros nveis, eliminando a variao entre os mesmos.

2.1.4 Indicador do projeto

O indicador utilizado no projeto ser os dados do IQS de reprovas de

variao do produto
2.1.5 Coleta de dados

Para este projeto existem dados confiveis para o histrico do problema,

pois, toda reprova da linha de montagem identificado e controlado pela
qualidade de produto, e os dados registrados no IQS (controle de qualidade).
Tambm apontado toda e qualquer pea com seu respectivo defeito quando
realizado o processo de retrabalho da pea. Quando um produto reprovado
vai para rea de retrabalho que tenta recuperar o produto, na maioria das
vezes o produto recuperado, porm no se pode deixar isso como um fator,
pois um risco muito grande da pea apresentar problema no cliente final.

Apresentar os dados IQS

2.1.6 Cronograma do projeto

Um cronograma foi definido para o desenvolvimento do projeto, para que

o resultado final deste projeto seja obtido importante que seu cronograma
seja cumprido dentro dos prazos definidos. O cronograma est dividido em:
Define: semana 13 a 18. Measure: Semana 19 a 22. Analyze: Semana 23 a
28. Improve: semana 29 a 35. Control: semana 36 a 45. O prazo final de
entrega semana 45.

Elaborar cronograma de acordo com o tcc de referencia

2.1.7 Desenvolvimento do projeto

O projeto ser desenvolvido e vai de acordo com as metas da empresa

de reduo custos e melhoria na qualidade do produto.

2.1.8 Ganhos do projeto

A validao dos ganhos do projeto ser feita pela controladoria com

base nos ganhos financeiros, obtidos atravs do tempo de processo, paradas e
controles desnecessrios, entre outros.

2.1.9 Processos envolvidos

Dos processos envolvidos no projeto, os principais deles o processo

o fornecimento de molas, fabricao dos componentes e montagem do produto
em estudo. Para isso foi criado um mapa de processo de produo do
pressostato (SIPOC). As imagens mostram o mapa discutido no projeto.
Elaborar o sipoc a partir da planilha EPR

2.1.10 Equipe do projeto

A equipe principal, as restries do projeto e as atividades designadas a

ela esto descritas no Project Charter. Como restrio podemos destacar:
Quantidade de rudos / fatores que podem influenciar no problema.
Elaborar Project charter

2.2 Measure

2.2.1 Focalizao do problema

Existem dados confiveis para a focalizao do problema, pois, foi

realizado todas as medies necessrias registrando os valores e realizando o
COV ( avaliao do sistema de medio. Tambm tem-se registros e dados da
planilha do controle de qualidade que todo ms atualizando e registrado no

sistema interno para se ter histrico e registros dos dados medidos e da

situao do comportamento daquela produo.

2.2.2 Comportamento do problema