Escolar Documentos
Profissional Documentos
Cultura Documentos
Campinas, 2005
S.P. Brasil
Sca85a
____________________________________________________
Prof. Dr. Antonio Batocchio, Presidente.
DEF-FEM / Unicamp
____________________________________________________
Prof. Dr. Sergio T. Button
DEMA-FEM / Unicamp
____________________________________________________
Prof. Dr. Luiz Csar R. Carpinetti
EESC / USP
Dedicatria:
Dedico este trabalho minha esposa Cludia e ao meu filho Matheus.
Agradecimentos
Para que um trabalho deste porte termine no prazo e com o contedo planejado necessrio
o suporte de muitas pessoas. Pela concluso deste trabalho, agradeo e presto minha homenagem:
Aos meus pais, pelo exemplo de simplicidade e humildade que carregarei por toda
minha vida e passarei a meus filhos.
Ao meu orientador, que com profissionalismo e praticidade me indicou e esclareceu
os melhores caminhos para chegar concluso de mais esta etapa da minha carreira acadmica.
Aos meus lderes Newton, Er e Ruas que acreditaram na minha proposta de executar
este trabalho e vm incentivando meu crescimento profissional.
A todos os professores e colegas da turma de Mestrado Profissional, que
proporcionaram trocas interessantes de informao que se transformaram em conhecimento.
Aos amigos Chico, Favinha, Jefferson e Ndia, que com pacincia e pragmatismo me
passaram alguns detalhes importantes sobre um mestrado.
Aos amigos Cristiano, Hilrio, Langbek e Alvarenga, que suportaram tecnicamente as
informaes necessrias para este trabalho.
E em especial minha esposa, pelo carinho, compreenso, honestidade e por ter
proporcionado e dividido os momentos mais felizes de minha vida.
Soneto da Fidelidade
De tudo, ao meu amor serei atento
Antes, e com tal zelo, e sempre, e tanto
Que mesmo em face do maior encanto
Dele se encante mais meu pensamento.
Quero viv-lo em cada vo momento
E em seu louvor hei de espalhar meu canto
E rir meu riso e derramar meu pranto
Ao seu pesar ou seu contentamento.
E assim, quando mais tarde me procure
Quem sabe a morte, angstia de quem vive
Quem sabe a solido, fim de quem ama.
Eu possa me dizer do amor (que tive):
Que no seja imortal, posto que chama
Mas que seja infinito enquanto dure.
Vinicius de Moraes
Resumo
SCATOLIN, Andr Celso, Aplicao da Metodologia Seis Sigma na Reduo das Perdas de um
Processo de Manufatura, Campinas: Faculdade de Engenharia Mecnica, Universidade Estadual
de Campinas, 2005. 137 p. Trabalho Final de Mestrado Profissional.
Este trabalho tem o objetivo de mostrar a eficincia da aplicao da metodologia Seis
Sigma para a reduo das perdas num processo de manufatura. O processo de fabricao de
respiradores descartveis foi escolhido para o estudo de caso porque gerava uma enorme
quantidade de perda das fibras utilizadas como matria-prima. As metodologias de melhorias at
ento aplicadas tinham reduzido significativamente o nvel das perdas, porm se fazia necessria
uma abordagem diferente para se reduzir ainda mais. Seguindo a metodologia Seis Sigma, uma
equipe foi formada para focar a ateno na reduo destas perdas e quebrar o paradigma que no
se pode eliminar as perdas inerentes de um processo. Atravs da adio de uma fase de
desfibramento da perda fibra prensada que era descartada ao final do processo recuperou-se
toda esta fibra, deixando-a com caractersticas semelhantes fibra virgem. Portanto, as perdas
foram 100% eliminadas. O nvel sigma, que era historicamente menor que 3, passou para maior
que 6 ao final do trabalho. A aplicao de ferramentas estatsticas demonstrou qual o ponto
otimizado da mistura de fibras virgens e fibras recuperadas, para que as propriedades finais do
produto no sofressem alteraes significativas sob o ponto de vista do usurio final. Este
trabalho gerou um desenvolvimento tcnico da equipe envolvida e preciosa economia de recurso
no renovvel.
Palavras Chave
- Seis Sigma, Manufatura, Perdas, DMAIC (Definir-Medir-Analisar-Implementar-Controlar),
Green Belt, Black Belt, Master Black Belt.
Abstract
SCATOLIN, Andr Celso, Application of Six Sigma Methodology in order to Reduce Waste of a
Manufacturing Process, Campinas: Faculdade de Engenharia Mecnica, Universidade Estadual
de Campinas, 2005. 137 p. Trabalho Final de Mestrado Profissional.
This work aims to show the efficiency of Six Sigma Methodology application in reducing
waste of a manufacturing process. The making process of disposable respirator was chosen to this
case study because it generated an enormous amount of fiber scrap used as raw material.
Improving methodologies applied every since had reduced significantly the waste level but a
different approach was needed to reduce it even more. Following the Six Sigma Methodology, a
team was formed to focus the whole attention on reducing this waste and breaking the paradigm
which inherent waste of a process cannot be eliminated. Through an addition of a new process
step in order to reprocess the waste pressed fiber discharged by the end of this process - all of it
was recovered, keeping the same characteristics of raw fiber. Therefore, the waste was 100%
eliminated. Sigma level, which was historically lower than 3, became higher than 6 by the end of
the work. The statistics tools applied demonstrated the optimized set point of the raw and
recovered fiber mixture in order to maintain the final product properties under the point of view
of end-users. This work resulted in team technical development and precious non-renewed raw
material savings.
Key words:
Sumrio
Lista de Figuras
iv
Lista de Tabelas
vi
Nomenclatura
viii
Introduo
1.1
Contexto
1.2
Objetivo
1.3
Escopo e justificativa
1.4
Contedo da Dissertao
Reviso da Literatura
2.1
2.2
10
2.3
11
2.4
14
2.5
15
2.6
20
2.7
27
2.8.
32
2.9
33
2.10
34
2.11
35
2.12
40
3
3.1
47
47
3.2
50
3.3
52
3.4
54
3.4.1
Definio
55
3.4.1.1
Contrato do Projeto
55
3.4.1.2
Misso do projeto
56
3.4.2
Medio
56
3.4.2.1
Mapeamento do Processo
56
3.4.2.2
Anlise de Envolvimento
58
3.4.2.3
Matriz de Priorizao
59
3.4.2.4
60
3.4.2.5
Capacidade Inicial
61
3.4.2.6
62
3.4.3
Anlise
64
3.4.3.1
64
3.4.3.2
Anlise Multi-vari
66
3.4.4
3.4.4.1
3.4.5
68
Experimentao
68
Controle
68
3.4.5.1
Plano de Controle
68
3.4.5.2
Treinamentos
70
3.4.5.3
Capacidade Final
70
3.4.5.4
71
3.4.5.5
Relatrio Final.
71
Anlise Experimental
72
4
4.1
72
4.2
74
4.2.1
Definio
74
4.2.2
Medio
78
4.2.3
Anlise
90
4.2.4
Implementao
92
4.2.5
Controle
101
Resultados
103
ii
5.1
Capacidade Final
103
5.2
Resultado Financeiro
106
6.1
Concluses
108
108
6.1.1
Ganhos quantitativos
108
6.1.2
Ganhos qualitativos
108
6.1.3
Oportunidade/Dificuldades
109
6.2
111
6.2.1
6.2.2
112
Referncias Bibliogrficas
114
Anexos
117
Apndices
135
iii
Lista de Figuras
2.1
2.2
2.3
10
2.4
24
3.1
55
3.2
58
3.3
59
3.4
60
3.5
65
3.6
70
4.1
73
4.2
74
4.3
79
4.4
80
4.5
81
4.6
82
4.7
83
4.8
86
4.9
86
4.10
87
4.11
88
4.12
88
4.13
89
iv
4.14
91
4.15
94
4.16
95
4.17
95
4.18
96
4.19
97
4.20
98
4.21
98
4.22
99
4.23
101
5.1
103
5.2
104
5.3
105
5.4
105
5.5
107
131
II
131
III
132
IV
132
133
VI
133
VII
134
VIII
134
136
136
137
137
Lista de Tabelas
2.1
Comparao do nvel Sigma com DPMO num Processo de curto e longo prazo
2.2
A escalada da qualidade
12
2.3
24
2.4
30
2.5
31
2.6
35
2.7
45
2.8
46
3.1
O modelo DMAIC
49
3.2
Pontuao do FMEA
66
4.1
75
4.2
76
4.3
85
4.4
92
4.5
92
4.6
93
4.7
93
4.8
100
5.1
104
5.2
106
117
II
118
III
120
vi
IV
121
125
VI
130
vii
Nomenclatura
Letras Latinas
s desvio padro (variao do processo)
X varivel de entrada
Y varivel de sada
...................................................
Letras Gregas
desvio padro
...................................................
Superescritos
-
mdio
...................................................
Subscritos
No aplicado
...................................................
Abreviaes
atm unidade de presso (atmosfera)
gf/cm3 unidade de presso (grama fora por centmetro cbico)
Kg kilogramo
...................................................
viii
Siglas
COPQ Custo da Baixa Qualidade (Cost Of Poor Quality)
Cp - Capacidade do Processo
Cpk Centralizao do Processo
CTQ Crtico para Qualidade (Critical-To-Quality)
DFSS Design For Six Sigma
DMAIC - Definir-Medir-Analisar-Implementar-Controlar (Define-Measure-Analyze-Improve-Control)
DOE Delineamento de Experimento (Design Of Experiment)
DPMO - Defeito por Milho de Oportunidades (Defects Per Million Opportunities)
FMEA - Anlise do Modo e Efeito das Falhas (Failure Mode and Effect Analysis)
GE General Electric
LIE Limite Inferior de Especificao
LCL Limite Inferior de Controle (Lower Control Limit)
LSE - Limite Superior de Especificao
PDCA Planejar-Executar-Checar-Atuar (Plan-Do-Check-Act)
PPM Partes Por Milho
QFD Desdobramento da Funo Qualidade (Quality Function Deployment)
RH Recursos Humanos
RPN Nmero de Prioridade de Risco (Risk Priority Number)
UCL Limite Superior de Controle (Upper Control Limit)
...................................................
Relao dos termos* em ingls:
Baseline = Linha de Base;
Best in class = Melhor na classe ou Classe Mundial;
Black Belt = Faixa-Preta;
Brainstorming = reunio para gerao de idias;
Coach = treinador;
Champion = Patrocinador;
e-commerce = comrcio eletrnico;
Entitlement = ideal, melhor possvel;
Gaps = intervalos;
Green Belt = Faixa-Verde;
Lean Manufacturing = Manufatura Enxuta;
Master Black Belt = Mestre Faixa-Preta;
Mix = mistura;
Quick-hits = aes rpidas;
Top-down = de cima para baixo.
* Estes termos em ingls so usuais na linguagem Seis Sigma e portanto muitas vezes no estaro
traduzidos durante este trabalho!
ix
Captulo 1 - Introduo
1.1. Contexto
As empresas brasileiras esto inseridas no contexto global e a necessidade de ter um
produto competitivo que agrega valor ao negcio dos clientes internos e externos exige uma
eficincia operacional cada vez maior. Durante as ltimas dcadas, muitas metodologias e
ferramentas isoladas surgiram com a finalidade de melhorar o rendimento das linhas de produo.
No entanto, nenhuma conseguiu prover o alinhamento total com a estratgia central das empresas
ou o envolvimento total das reas de manufatura, de suporte e comercial. A metodologia Seis
Sigma uma estratgia para maximizar a qualidade dos processos, produtos e servios de uma
empresa atravs do uso de anlises quantitativas e de ferramentas estatsticas na tomada de
deciso, visando acelerar seu crescimento. A correta aplicao da metodologia Seis Sigma gera
retorno vrias vezes maiores do que os investimentos necessrios para implement-la. Qualquer
modalidade ou tamanho de empresa que atua em qualquer mercado pode utilizar as eficazes
ferramentas de gesto para aumentar a participao no mercado, reduzir custos e melhorar seus
processos. um processo que permite s organizaes incrementar seus lucros atravs da
otimizao de operaes, melhoria da qualidade e eliminao de defeitos e erros. Esta abordagem
ampla que credita metodologia Seis Sigma sua verdadeira importncia na busca pela melhoria
contnua e radical, e no apenas incremental. Por fim, uma unificao na comunicao entre todas
as reas em qualquer parte do mundo se torna possvel com a adoo do Seis Sigma como forma
nica e efetiva de transferncia de dados e estudos, quer seja dentro de um laboratrio ou dentro
de um fornecedor ou cliente. As fronteiras da aplicao da metodologia Seis Sigma so bastante
amplas, atravessando qualquer barreira departamental ou empresarial. O foco no objetivo comum
1.2. Objetivo
O objetivo principal deste trabalho mostrar a eficincia da aplicao da metodologia Seis
Sigma para a reduo das perdas num processo de Manufatura, atravs da apresentao de um
estudo de caso. Num prazo de 6 meses buscou-se a reduo em 90% das perdas de fibras gerada
pelo processo de manufatura dos respiradores descartveis. Atingindo esta meta, sem interferir
significativamente nas caractersticas finais do produto (a saber: resistncia e queda de presso)
sob o ponto de vista do usurio final, totalizaria uma economia anual de $ 100.000. Como
objetivo secundrio tem-se a necessidade de desenvolvimento tcnico em ferramentas estatsticas
dos membros da equipe participante, a fim de que a partir deste projeto eles tenham habilidade
para liderar uma equipe num projeto de melhoria Seis Sigma.
toda a direo da empresa para fortalecer outro de seus valores: dar retorno financeiro aos seus
acionistas. Por ltimo, os clientes usurios dos respiradores teriam que no mnimo ter um produto
igual ao produzido sem fibra reciclada, pois tambm um dos valores da empresa em estudo : ter
tica inflexvel e tornar a vida dos clientes mais fcil e segura.
Finalmente, as reas impactadas por este trabalho descritas acima o tornaram muito
importante e se justificou a dedicao parcial de toda uma equipe, com o objetivo principal de se
demonstrar que o trabalho em equipe e o constante estmulo da superviso em desafiar o status
quo (ou zona de conforto), neste caso as perdas inerentes de um processo, podem gerar
resultados surpreendentes. Os ganhos em habilidades na utilizao de ferramentas estatsticas,
alm dos atributos de liderana to necessrios aos colaboradores nos dias atuais, mais um dos
resultados imensurveis deste projeto. A base tcnica para desdobramento do aprendizado em
outros processos ficou estabelecida por todos os participantes da equipe.
Captulo 2
-3-
Captulo 3
Captulo 4
Captulo 5
Captulo 6
-4-
-5-
-6-
perdas seria o suficiente para competir com vantagens no mercado atual. Porm, o que diferencia
as empresas com alta performance muitas vezes um fator de 100 ou at mais de 1000 vezes
melhor. Medindo o nvel sigma, descobre-se o tamanho da oportunidade que se tem e at que
ponto isso possvel de maneira econmica. A maioria das melhores empresas esto localizadas
abaixo de 4 no padro sigma.
Para Linderman (2003), um processo deve objetivar o nvel sigma 6, apenas se isto for
importante para o cliente e desde que o investimento para o salto em nvel sigma no seja to alto
a ponto de inviabilizar economicamente este processo. evidente que melhorar do nvel 2 ou 3
para 4 exponencialmente mais fcil do que melhorar do nvel 4 para 5 ou 6.
Segundo Rath & Strong (2001), uma comparao entre uma viso clssica da Qualidade e
uma viso Seis Sigma apresenta uma gigantesca diferena entre nveis de aceitao do que
qualidade. Na viso Clssica, um processo extremamente otimizado atinge 99% de eficincia,
enquanto para uma viso Seis Sigma, um processo s considerado adequado quando a
eficincia deste atinge 99,99966%. A Figura 2.1, baseada em Rath & Strong (2001) mostra os
nveis de erro considerando uma variao natural na mdia dos processos contnuos ao longo do
tempo em at 1,5 sigma. Portanto, usual que a estimativa de nmeros de defeitos esperados seja
feita considerando-se o processo deslocado em at 1,5 sigma (6 1,5 = 4,5 sigma), pois se avalia
a pior condio. Sendo assim, um processo 6 sigma, ao longo do tempo permitiria 3,4 defeitos em
1 milho de oportunidades.
31%
Defeitos
diminuem
Nvel Sigma
()
308.537
66.807
6.210
233
3,4
6.7%
<1%
Aumenta
Nvel
Sigma
Figura 2.1 - Os nveis de defeitos para os devidos nveis sigma (Fonte: Rath & Strong, 2001)
-7-
A tabela completa da comparao do nvel sigma com as perdas est na Tabela VI dos
Anexos.
Veja abaixo na Tabela 2.1 (Goh, 2003), a comparao do nvel de defeitos de um processo
terico de curto prazo ou centrado (sem deslocamento de 1,5 sigma ao longo do tempo) com um
processo real, de longo prazo ou deslocado 1,5 sigma do valor central (Figura 2.1). Como este
trabalho foi focado na implementao prtica, todos os valores de nvel sigma sero baseados na
Figura 2.1 ou no DPMO de longo prazo.
Tabela 2.1: Comparao nvel Sigma com DPMO - Processo de curto e longo prazo (Fonte: Goh, 2003)
Nvel Sigma
Processo centralizado
317.400
691.462,0
45.600
308.537,0
2.700
66.807,0
63
6.209,7
0,57
232,7
0,002
3,4
Outro ponto importante a ser mencionado o forte controle num processo Seis Sigma. Um
processo Seis Sigma estabelece controle muito mais rgido para se obter o resultado esperado.
Nos grficos das Figuras 2.2 e 2.3 esto exemplificados outra forma de comparao dos objetivos
do Seis Sigma em relao viso clssica de processos. Enquanto num processo no longo prazo
(mdia deslocada at 1,5 sigma) de capacidade 3 Sigma apenas 93,3% das oportunidades esto
dentro dos limites de especificao, num processo Seis Sigma, essa porcentagem se eleva para
99,99966%. As barras esto limitando a especificao desejada: LIE = Limite Inferior de
Especificao e LSE= Limite Superior de Especificao. Em outras palavras, enquanto em um
processo Clssico (Figura 2.2) era razovel se ter 66.807 defeitos a cada um milho de
oportunidades (nvel sigma 3 = 6,7% de defeitos), um processo Seis Sigma deve apresentar
apenas 3,4 defeitos, ou seja, cerca de 20.000 vezes menor (Figura 2.3). As frmulas do desvio
padro (sigma), da Capacidade do Processo (Cp) e da Centralizao do Processo (Cpk) esto
apresentadas na Figura 2.2. Em termos prticos, se o Cp igual a 1, o processo tem capacidade
-8-
1.5
Limite
Inferior
Especificao
Limite
Superior
Especificao
(xi x )
6,7 % de Defeito
0,00034% de Defeito
-3
-2
+1
-1
+2
+3
93,3%
CP =
C pk = Mn X LIE ; LSE X = +3
-1,5
1,5
1
2
Figura 2.2 - Grficos de capacidade 3 Sigma - deslocado 1,5 sigma (Fonte: o prprio autor)
-9-
Limite
Inferior
Especificao
Limite
Superior
Especificao
1.5
0,00034 % de Defeito
ou
3,4 ppm de Defeito
-6 -5
-4 -3 -2 -1
+1 +2 +3 +4 +5 +6
99.99966%
CP =
4,5
=1,5
Figura 2.3 - Grficos de capacidade 6 Sigma - deslocado 1,5 sigma (Fonte: o prprio autor)
- 10 -
partir desta constatao, a Motorola estabeleceu como meta de qualidade a obteno do Seis
Sigma em 1993. Foi ento que muitas outras empresas comearam a aplicar o Seis Sigma com o
objetivo de reduzir custos, como a Allied Signal e Dow Chemical.
A popularizao do Seis Sigma ocorreu na dcada de 90 e teve como lder John F. Welch,
ento presidente da empresa General Electric (GE). Interessante ressaltar que at conhecer a
metodologia, ele desacreditava em qualquer programa de qualidade, pois dizia ser apenas custo e
no investimento. Segundo Welch, Seis Sigma tem sido "a mais importante iniciativa que a
General Electric j empreendeu". Tanto que a partir de 1995, todo processo da GE, desde turbinas
de avies at as empresas financeiras, trabalharam para obter o desempenho Seis Sigma.
Muitas empresas atualmente utilizam a metodologia Seis Sigma.
Abaixo alguns exemplos:
o Manufatura: GE, Motorola, Allied Signal, Sony, Ford, Hitachi, Nokia,
Bombardier, Toshiba e Samsung.
o
As mtricas ou o foco dos projetos Seis Sigma nunca so os resultados financeiros, porm
aplicando-se a metodologia sempre se tem retorno sobre o investimento como conseqncia.
Segundo Einset (2002), estima-se que a mdia das indstrias opera em um nvel de
qualidade de 3 sigma, e que isso custa em torno de 20% de seu faturamento em desperdcios
como retrabalho, inspees, testes, perdas, desgaste da imagem e por fim, at mesmo perda de
clientes. Com a abordagem Seis Sigma esses gastos so minimizados. A estimativa dos analistas
de mercado de que, em curto prazo, as indstrias de transformao que no estiverem com um
nvel de qualidade Seis Sigma estaro sem capacidade competitiva. Ter nvel Seis Sigma
significa operar em classe mundial.
Rudisill (2004) sugere que as mtricas mais comuns em um projeto Seis Sigma so:
- 11 -
6 sigma
3,4
<5
5 sigma
233
5 a 10
4 sigma
6.210
10 a 15
3 sigma
66.807
15 a 20
2 sigma
308.537
20 a 25
1 sigma
691.462
> 25
Observa-se na tabela acima que a cada variao de 1 nvel sigma aumenta em 5% o Custo
da Baixa Qualidade uma vez que os defeitos vo agregando custo ao longo das fases do processo
e potencializam o prejuzo conforme se demora para serem detectados. O impacto nas vendas de
um defeito descoberto internamente num teste de liberao bem menor que o defeito descoberto
no cliente (custos adicionais de frete, retrabalho, potencial problema gerado pelo defeito no
- 12 -
Opportunities)
utilizando
os
dados
reais
do
processo
contar
quantos
o Projetos Seis Sigma que no tm metas focadas acabam com resultados dispersos:
se a linha de base no claramente definida podem-se ter resultados alm ou aqum
do realmente necessrio, no otimizando a relao recurso/benefcio;
o O uso de um mtodo estruturado como Seis Sigma aumenta o desempenho diante de
tarefas complexas: uma vez que o treinamento realizado concomitantemente com
um projeto, a nfase est na aplicao das ferramentas aprendidas;
- 13 -
- 14 -
caracterstica em relao ao alvo, considerada uma perda. Quanto maior a variao, maior a
perda. Abaixo a definio de causa especial e causa comum:
- 15 -
comprometimento
da
alta
gerncia,
comprometimento
da
alta
gerncia,
Os presidentes, diretores e
- 16 -
iniciativa Seis Sigma, esclarecendo como funciona, como interferir na sua rotina de
trabalho e principalmente os benefcios de sua implementao. Esta a melhor maneira
de diminuir ou at eliminar qualquer fonte de resistncia. Uma clara definio de quem
far a comunicao e com que freqncia fundamental. Um exemplo de comunicao
foi o distintivo utilizado pelos colaboradores da Sony com o slogan: mostra-me os
dados, comunicando o novo estilo de gerenciamento baseados em fatos e dados e no
mais em intuio. Outra forma de comunicao muito eficiente a publicao de
projetos e seus resultados, principalmente se evidenciam as lies aprendidas:
preveno para futuros projetos.
- 17 -
no pode ser tratado como mais uma outra atividade paralela. requerida aderncia
total a filosofia e no apenas ao uso de algumas ferramentas isoladas. Os projetos
devem estar diretamente ligados a melhoria de produto e processo que impactaro
significativamente nos objetivos operacionais e financeiros da organizao, e tambm
afetaro positivamente os negcios dos clientes.
Ligao do Seis Sigma com o cliente: o Seis Sigma deve iniciar e terminar com o
cliente. Projetos devem iniciar com a determinao dos requisitos dos clientes. Um
ponto importante a identificao das caractersticas crticas de qualidade para os
clientes, tambm conhecida como CTQs (Critical-to-Quality). Antes do incio de
qualquer projeto Seis Sigma, os CTQs devem ser determinados quantitativamente e
podero ser mtricas primrias ou contra-medidas do projeto. Contra-medida so as
mtricas que precisam ser no mnimo mantidas durante a implementao das melhorias.
Muitas vezes, a quantificao dos CTQs uma tarefa bastante difcil, especialmente
- 18 -
profunda curto e longo prazo requer que os objetivos Seis Sigma sejam internalizados
no nvel individual. Portanto, a rea de RH da organizao deve ser envolvida para
promover a correta preparao das pessoas para as mudanas. Incorporando os
resultados do Seis Sigma parcela varivel dos colaboradores uma tima maneira de
se obter total engajamento de todos. Por exemplo, na GE 40% do salrio dos executivos
esto atados aos resultados dos projetos Seis Sigma.
filosofia Seis Sigma alm de suas fronteiras. Uma excelente maneira de expandir a
metodologia rapidamente envolvendo fornecedores chave, tornando-os parceiros
dividindo os ganhos atingidos pelos projetos em conjunto. O resultado duplicado
(relao ganha-ganha), pois fideliza a relao e se reduz drasticamente a variabilidade
dos insumos, comparado com materiais com fontes mltiplas de fornecimento.
- 19 -
h a aplicao imediata dos conceitos, comum que os membros das equipes esqueam
como se aplicam estas ferramentas corretamente.
- 20 -
- 21 -
adicionar
administrao
dos
esforos
Seis
Sigma
suas
ou
diretor
de
Seis
Sigma
poder
ser
suficiente.
Responsabilidades:
o Apoiar o grupo de liderana, incluindo comunicao, seleo e anlise de projetos;
o Identificar e recomendar indivduos/grupos para preencher papis-chave na
estrutura das equipes, incluindo consultoria e suporte de treinamento externos;
o Preparar e executar planos de treinamento, incluindo programa, cronograma;
o Ajudar champions a desempenhar o papel de estimuladores de equipes;
o Documentar o progresso geral e suscitar questes que necessitem de ateno;
o Executar o plano de marketing interno para a iniciativa.
O talento e as energias exigidas para este papel podem ser enormes. Embora mais
generalista do que especialista em Seis Sigma, este lder pode ter impacto muito maior no
sucesso geral do que qualquer outro indivduo.
- 22 -
- 23 -
A Tabela 2.3 um resumo das 7 funes descritas acima por Pande (2001).
Master
Black Belt
Black Belt
ou Green Belt
Opo B
Master
Black Belt
Champion
Supervisionar/
Guiar Projeto(s)
Dar Coaching /
Suporte ao Lder
do Projeto
Black
Belt
Levar o Projeto ao
Sucesso
Analisar e
Equipe de Melhoria
Equipe de Melhoria
Implementar a
Melhoria
Figura 2.4 Exemplos de Estrutura Seis Sigma (Fonte: Pande, 2001)
- 24 -
Kunes (2002) escreve que existe a necessidade de 1 Master Black Belt para suportar 10
Black Belts. Esta proporo importante para que o Master Black Belt realmente dedique o
tempo necessrio para reviso e suporte da implementao dos projetos.
Prs:
- 25 -
Contras:
Prs:
Contras:
Segundo Gross (2001), o Black Belt deve implementar pelo menos 2 projetos com
sucesso para ganhar a sua certificao. O Green Belt deve liderar com sucesso pelo menos 1
projeto para a certificao. Entende-se como sucesso, a aplicao de ferramentas estatsticas e
- 26 -
Projeto de alto risco, de longo prazo, de alto retorno ou com muitos departamentos
envolvidos deve ser liderado pelo Black Belt mais experiente da organizao, uma vez que
experincia ser crucial para o sucesso de um importante projeto Seis Sigma (Lynch, 2003).
- 27 -
adequados para que cada funo seja executada de maneira correta na primeira vez. O
atendimento da excelncia operacional envolve um ciclo com:
Claro estabelecimento,
Efetiva comunicao e
Seja ministrado por treinador plenamente qualificado (Master Black Belt, Black
Belt ou Coach Seis Sigma);
Green Belt: todos os mensalistas de uma organizao devem passar por este
treinamento, com a aplicao em pelo menos 1 projeto para que o treinamento no
fique apenas na teoria e o funcionrio tenha que ser retreinado no momento da
participao ou liderana de 1 projeto;
- 28 -
- 29 -
Tabela 2.4: Exemplo de Treinamento Ferramentas Seis Sigma (Fonte: Hahn, 2001)
Semana
Escopo
Definir
e
Medir
Analisar
Implementar
Controlar
Ferramentas
Viso Geral do Seis Sigma
DMAIC roadmap
Mapa do Processo
Matriz Causa e Efeito
Capacidade do Processo
Estatstica Bsica em Minitab
Desenvolvimento de Equipes
Anlise do Sistema de Medio
FMEA
Pensamento Estatstico
Teste de Hiptese
Anlise de Correlao
Regresso
Anlise Multivari
Anlise de Varincia
DOE fatorial completo
DOE fatorial fracionado
DOE blocos
DOE superfcie de resposta
Plano de Controle
Mecanismo prova de erros
Aplicaes especiais
Exerccio prtico final
Pande (2001) sugere um modelo de treinamento gerencial do Seis Sigma (Tabela 2.5), com
uma programao total de 20 a 44 dias, dependendo do aprofundamento desejado em cada um
dos componentes do treinamento. Entre as semanas de treinamento normalmente existem
semanas de folga, quando os treinandos trabalham nos seus projetos Seis Sigma. As
dificuldades so trazidas para o prximo mdulo durante a reviso dos projetos. No est se
sugerindo que todos os grupos mencionados necessitam de todos os elementos de treinamento
indicados. Devem ser selecionados de acordo com habilidades e prioridades atuais. Por outro
lado, os lderes de empresa no podem esperar delegar toda a responsabilidade de aprender novas
habilidades e conceitos a outras pessoas da organizao. Treinamento em Seis Sigma, com o
tempo, vai se tornar como uma habilidade de liderana empresarial medida que essas prticas e
ferramentas se tornarem uma parte importante da expanso de uma excelente organizao.
- 30 -
Treinamento de
Habilidades Bsicas
para a Melhoria do
Seis Sigma
Colaborao e
Habilidades de
Liderana da Equipe
Intermediar a
Medio Seis Sigma
e as Ferramentas
Analticas
Ferramentas
Avanadas Seis
Sigma
Princpios e
Habilidades do
Gerenciamento de
Processos
Pblico
Tempo
Todos
1-2 dias
Lderes de empresas;
Lderes de
implementao.
1-2 dias
Lderes de empresas;
Lderes de
implementao.
Lderes de empresas;
Lderes de
implementao;
Master Black Belts;
Lderes de equipe;
Black Belts.
Melhoria do processo,
Lderes de equipe;
projeto/reprojeto, medio essencial Black Belts;
e ferramentas de melhorias.
Gerentes/Green Belts;
Membros da equipe;
Champions de projeto.
Habilidades e mtodos para
Lderes de empresa;
desenvolver consenso, discusses
Master Black Belts;
principais, conduo de reunies,
Lderes de equipe;
administrando desavenas.
Gerentes/Green Belts;
Membros de equipe.
Habilidades tcnicas para desafios de Master Black Belts;
projetos mais complexos:
Lderes de equipe;
amostragem e coleta de dados;
Black Belts;
controle estatstico de processo testes de significncia estatstica;
correlao e regresso; planejamento
de experimentos bsico.
Mdulos em habilidades de
Master Black Belts;
especializao e ferramentas:
Consultores internos.
utilizao do QFD; anlise estatstica
avanada; DOE avanado; mtodos
Taguchi, etc.
Definir um processo essencial ou de Proprietrios do
apoio; identificar resultados,
processo;
exigncias e medidas crticas; planos Lderes de empresa;
para monitoramento e resposta.
Gerentes funcionais.
- 31 -
3-5 dias
2-5 dias
6-10 dias
2-5 dias
2-6 dias
Varia por
tpico
2-5 dias
- 32 -
- 33 -
- 34 -
A preparao para a jornada Seis Sigma to difcil quanto se quer faz-la. Comece
apenas com um processo, ento todo um departamento, e finalmente toda a operao. A maioria
das empresas encontra dificuldades na implementao por causa da falta desta preparao e
impacincia para iniciar a corrida. Enfim, a jornada visando o Seis Sigma exatamente o que
somos pagos para fazer. atingir a mesma coisa que os gurus da qualidade vm falando nas
ltimas dcadas. Portanto, nas tentativas sem sucesso, o que faltou foi a preparao, ou o
comprometimento cultural para profundo conhecimento e vontade de us-lo (Elliott, 2003).
Para Pande, busca-se um dos 3 objetivos abaixo, quando se implementa o Seis Sigma:
- 35 -
O sucesso do Seis Sigma est diretamente relacionado com a maneira pela qual o
conselho diretor conduz o processo de mudana da empresa e os colaboradores se
comprometem com a execuo do planejamento estratgico da implementao da
metodologia. Em resumo, como toda grande empresa que implementa a Metodologia
Seis Sigma, mantendo-se o foco na reduo de perdas e da variao, o benefcio
sempre ser lucro adicional nos resultados da empresa, independente do porte.
Muitas empresas pequenas esto erradamente tomando a atitude de esperar para ver com
relao Metodologia Seis Sigma, bem como a Metodologia da Manufatura Enxuta (Lean
Manufacturing). Manufatura Enxuta nada mais que fazer mais com menos, uma metodologia
popularizada como Sistema Toyota de Produo que visa identificar e eliminar toda espcie de
perdas de um processo, onde perdas so atividades que no agregam valor sob a tica dos
clientes.
Existe uma grande sinergia entre estas duas metodologias e muito mais que
- 36 -
Industrial. Seis Sigma se popularizou por uma questo psicolgica, porque algo novo tem que
aparecer de tempo em tempo e agora o momento do Seis Sigma. Muitos engenheiros clamam
durante o treinamento Seis Sigma que as ferramentas so as mesmas da Engenharia Industrial. De
fato, as ferramentas so as mesmas, porm a interligao que o DMAIC proporciona indita. Se
a Metodologia dos Sete Passos ou o PDCA (Plan-Do-Check-Act) for comparada com o DMAIC
verifica-se que h apenas pequenas variaes, com maior nfase em uma ou outra etapa de cada
metodologia. Este tpico daria uma nova dissertao comparando-se as diferentes metodologias.
Adverte Jing (2003): apenas fica como alerta aos departamentos de Engenharia Industrial que
devem tomar as seguintes atitudes:
1. Quando sua organizao adota a metodologia Seis Sigma:
- 37 -
sendo fortemente aplicada. Quando se anunciou que a empresa implantaria Seis Sigma houve
certa resistncia do pessoal porque pensavam que seria mais uma metodologia. Levou-se algum
tempo para se perceber que o Seis Sigma no concorria com nenhuma outra metodologia. A
grande diferena estava em 2 pontos:
- A demanda da alta gerncia, com grandes incentivos e, portanto, a mdia gerncia no
delegou a liderana;
- A aplicao da metodologia no apenas na manufatura, mas tambm na rea de negcios
o que proporcionou um timo alinhamento para a manufatura trabalhar nos projetos estratgicos,
sob o ponto de vista do cliente.
Muitas empresas adotam o Seis Sigma como um programa e delegam a liderana para
outros departamentos. Estas empresas at conseguem um pequeno sucesso, porm, o real poder
do Seis Sigma est no alinhamento com a rea de negcios e para isso preciso que a alta
gerncia da empresa esteja na liderana. Todo processo tem pontos em comum e a linguagem
Seis Sigma unifica conhecimento sobre variao, variveis-chave de entrada e sada, clientes,
entre outros. Portanto, no trate o Seis Sigma como um programa, mas como um valor, uma
maneira de fazer negcios (Olexa, 2003).
Motwani (2003) cita que muitas empresas de classe mundial, aps ter uma excelente base
em qualidade com a implantao do TQM (Total Quality Management) vm obtendo
resultados surpreendentes com a implantao do Seis Sigma. No caso especifico citada, a
empresa Dow Chemical obteve aproximadamente US$ 300 milhes de economia por ano, a partir
do incio de sua implementao em 1999. As lies aprendidas na implementao do Seis Sigma
na Dow, que envolveu planejamento, esforo e flexibilidade, esto descritas abaixo:
- Manter constncia nos propsitos: a Dow fez uma abordagem de cima para baixo (topdown), ou seja, a direo da empresa determinou claramente que o Seis Sigma era a estratgia a
ser adotada nas expectativas de longo prazo;
- Rigor financeiro: equipe de finanas foi montada para suportar os clculos dos benefcios
para se obter inquestionvel credibilidade do resultado;
- Um Banco de Dados foi estruturado para suportar toda a implantao e acompanhamento
da Metodologia Seis Sigma;
- Seis Sigma se tornou a maneira de se trabalhar e no algo adicional: isto ficou muito claro
para todos quando as avaliaes de performance ficaram atreladas aos objetivos Seis Sigma;
- 38 -
- Relao Priorizada de projetos aguardando recursos para incio: mantendo esta relao
viva, ou seja, sempre se preocupando em reabastecer esta lista medida que projetos vo se
iniciando (saindo da lista) uma tima maneira de garantir a continuidade do Seis Sigma.
Segundo Pande (2001) h trs perguntas-chave que devem ser respondidas se uma
organizao pretende adotar uma iniciativa Seis Sigma:
1. A mudana (seja ela abrangente ou direcionada) uma necessidade crtica para o
negcio, baseada em necessidades de linha de resultados, culturais ou competitivas?
2. Podemos criar alguma lgica estratgica forte aplicando o Seis Sigma a todo o nosso
negcio? Vai adquirir e manter o compromisso da liderana da empresa?
3. Os nossos sistemas e mtodos de melhoria existentes sero capazes de alcanar o grau
de mudana necessrio para nos manter como uma organizao bem-sucedida,
competitiva?
Se as respostas so: sim, sim e no, a empresa est pronta para adotar o Seis Sigma.
Benefcios Potenciais:
1. Conduza uma avaliao detalhada do benefcio financeiro de diversas
oportunidades representativas de melhoria.
2. Projete quantas oportunidades semelhantes existem dentro da
organizao.
Custos de Implementao:
1. Folha de pagamento direta.
2. Folha de pagamento indireta.
3. Treinamento e consultoria.
4. Custos de implementaes de melhoria.
5. Viagens e acomodaes.
6. Instalaes para treinamento.
7. Espao fsico para escritrios e reunies de equipes.
- 39 -
- 40 -
Precisamos examinar e tentar mudar a realidade daquilo que est sobre nossa rea de
influncia. Fora disso, apenas uma proteo adequada pode impedir que a
variabilidade e o caos nos atinjam. Lynch (2003) declara que o escopo do projeto a
parte vital no passo da definio do DMAIC e ter impacto decisivo no sucesso da
implementao do Seis Sigma. Projetos com escopo muito amplo resultaro em um
alongamento do prazo de fechamento do projeto e podero gerar frustrao e perda de
confiana dos executores do projeto. Mais uma vez, a clara definio do escopo do
projeto, com seus limites bem delineados, com as mtricas e principalmente
estimativa de prazos fundamental para o sucesso. Finalmente, o primeiro projeto de
um Black Belt deve:
- 41 -
- 42 -
Impacto nas competncias essenciais. Como este possvel projeto do Seis Sigma
afetar nosso mix e nossas habilidades nas competncias essenciais? Poderia
envolver o reforo de uma competncia essencial ou desfazer-se de uma
atividade que no mais fosse vista como uma habilidade interna chave.
Viabilidade:
- 43 -
Impacto Organizacional
No se deve usar todos esses fatores na seleo de projetos. Deve se escolher entre cinco a
oito itens que sejam mais relevantes para a organizao atualmente. Melhor ficar com itens para
os quais se tenha resposta factual. Quando existem muitos projetos, uma priorizao com os
critrios ideais, como a Matriz de Priorizao que ser descrita adiante, pode ajudar a estruturar a
comparao de projetos.
- 44 -
Certo
Errado
1. Calque sua seleo em critrios slidos. 1. Escolher projetos demais. Melhoria requer
Equilibre resultados, viabilidade e impacto cuidados
alimentao
especialmente
por
lderes
no
incio.
- 45 -
Tabela 2.8 - Consideraes finais da Metodologia Seis Sigma (Fonte: Pande, 2001)
Seis Sigma
o Ligaes com a Base Pessoal e de Negcios.
o DNA da empresa.
o Parte das responsabilidades dirias especialmente de seus gerentes operacionais.
o Aplicao em processos administrativos e de servios (grande potencial de ganho).
o Liderana na vanguarda.
o Paixo e crena no Seis Sigma como forma de mudana para garantir o sucesso contnuo,
sem falar na sobrevivncia.
o Uma mensagem simples, mas consistentemente repetida.
o Definio: O Seis Sigma um sistema empresarial para alcanar e manter o sucesso com
foco no cliente, no Gerenciamento e Melhoria de Processo e o bom uso de fatos e dados.
o Determinar uma meta ambiciosa que faa sentido.
o Diferente das campanhas de zero defeito possuem uma meta desafiadora, mas crvel, 6
Sigma. Alm disso, define-se um sistema de medio onde as metas devem ser
periodicamente revisadas.
o Adaptar ferramentas e grau de rigor s circunstncias.
o Usar ferramentas/mtodos que cheguem a resultados com maior facilidade e simplicidade.
o Prioridade em Gerenciamento de Processo com cruzamento de funes.
o Mudana exponencial e no incremental.
o Tanto pequenas mudanas quanto grandes mudanas so parte essencial da sobrevivncia
e do sucesso das empresas do sculo XXI.
o Black Belts, Green Belts e Master Black Belts.
o Profissionais com muitas horas de treinamento.
o Porm, no basta apenas treinar.
o necessrio colocar em prtica no dia-a-dia e isto est sendo feito atravs da cobrana,
das medies e de formas mais arrojadas de ensino.
o Ateno a todos os processos de negcios.
o Seis Sigma no s trabalha em processos de servio ou transacionais, mas provavelmente
oferece grandes oportunidades nestes processos, alm da manufatura.
- 46 -
A razo para se seguir esta metodologia rigorosamente para garantir que as desafiantes
metas Seis Sigma sejam atingidas. Reforando:
1. Define = Definir = Definio
2. Measure = Medir = Medio
3. Analyze = Analisar = Anlise
4. Improve = Implementar a Melhoria = Implementao da Melhoria
5. Control = Controlar = Controle.
- 47 -
Muitos modelos de esforos de melhoria baseiam-se no PDCA (Planejar-Executar-ChecarAgir: ciclo de melhoria Shewart), com seus pontos fortes e fracos. Existe a opo de se manter o
modelo atual de esforo de melhoria da empresa ou mud-lo. Neste caso, o DMAIC ser o
modelo devido s vantagens listadas a seguir, segundo Pande (2001):
Vantagens do DMAIC:
Comeando de novo: se o modelo atual percebido como parte de iniciativas de
qualidade fracassadas ou desacreditadas.
Dando novo contexto a ferramentas conhecidas: nova oportunidade de aprender
e praticar ferramentas conhecidas e acrescentar algumas novas.
Criando uma abordagem consistente: a existncia de modelos de melhoria
diferente dentro da mesma empresa no positiva. Uma deciso de escolher um
modelo e ficar com ele pode ser uma forma importante de usufruir a fora do
Seis Sigma.
Colocando prioridade em Medio e Controle: outros modelos no incorporam
a validao das necessidades dos clientes (internos e externos), tal qual faz o
DMAIC num sub-passo importante da fase Definir. E nenhuma outra ferramenta
se mostrou to eficaz no estabelecimento do plano de controle das variveischave do processo a fim de garantir a longevidade dos ganhos. Esta garantia vem
da perfeita troca de responsabilidade entre lder do projeto e proprietrio do
processo, no momento do fechamento do projeto.
Determinao eficaz do entitlement: um conceito chave para o Seis Sigma.
a melhor resposta possvel de um processo em termos de rendimento,
qualidade, velocidade e desempenho. Entitlement define o que o melhor
possvel; fornece o melhor nvel de desempenho para o qual devemos nos
orientar: Quo bem isto pode ser feito?. Conforme o conhecimento do
processo vai se aprofundando naturalmente o entitlement vai aumentando.
Existem 3 maneiras de se determinar o valor de entitlement:
- 48 -
3.
Anlise
4.
Implemen
tao da
Melhoria
5.
Controle
Valide oportunidade/metas
Faa o Mapa com variveis de
entrada e sada por fase do
processo
Redefina problema/objetivo
Mea passos-chave/entradas
Desenvolva hipteses causais
Identifique causas-raiz poucas
e vitais
Valide hipteses
Projeto/Reprojeto de Processo
Identifique problemas especficos ou
amplos
Defina objetivo/Mude a viso
Esclarea o escopo e as exigncias do
cliente
Mea desempenho em relao s
exigncias
Colete dados sobre eficincia do processo
Conforme exposto na Tabela 3.1 (Pande, 2001) o DMAIC uma ferramenta que tem por
finalidade identificar, quantificar e minimizar as fontes de variao de um processo, assim como
sustentar e melhorar o desempenho deste processo aps seu aperfeioamento.
- 49 -
Anlise: aps a Medio, vem o passo da Anlise, onde se continua a priorizao das
variveis de entrada atravs do entendimento das relaes entre as causas e os efeitos
do processo e potenciais fontes de variabilidade. Normalmente neste passo se utiliza a
ferramenta Anlise do Modo e Efeito das Falhas (Failure Mode and Effect Analysis
- 50 -
- 51 -
Atualmente muito comum relacionar a metodologia Seis Sigma a mais uma ferramenta da
Gesto da Qualidade. No entanto, devido a facilidade de comunicao dentro e fora da empresa
que a implementa, a metodologia Seis Sigma uma ferramenta gerencial, muito mais que uma
ferramenta de qualidade. Seis Sigma conduzido com uma sensata inter-relao de passos com
adequadas ferramentas, com a finalidade de atacar e controlar fortemente a causa raiz do
problema e conseqentemente reduzir o nmero de defeitos, utilizando dados reais e anlises
estatsticas. Desta maneira, a metodologia Seis Sigma, que tambm interpretada como uma
filosofia, pode ser usada para gerenciar todas as reas de uma organizao, tanto na manufatura
como em servios. A rea de manufatura de uma empresa tem uma distncia natural dos clientes
externos e por muitas vezes, at mesmo do cliente interno. Esta distncia que antigamente era
vista como proteo, atualmente a pe em risco de isolamento das movimentaes do mercado,
causando uma obsolescncia acelerada. A metodologia Seis Sigma implantada como uma direo
estratgica, entretanto, exige comunicao e relacionamento entre todos os processos da empresa,
desde a aquisio de insumos at o ps-venda, derrubando as barreiras entre a manufatura e o
mercado. De maneira prtica, colocando o impacto no cliente como uma das mtricas de todos os
projetos Seis Sigma aplicados na manufatura, consegue-se entender e aproximar estas reas to
distantes no Processo de Atendimento do Cliente (Supply Chain). Concluindo, a metodologia
Seis Sigma tem um importante papel no desenvolvimento de projetos na manufatura, e este ser o
foco do desenvolvimento deste trabalho.
Segundo Witt (2002), assim como na rea de Manufatura, pode-se aplicar a Metodologia
Seis Sigma na rea de Logstica para no apenas obter sucesso, mas tambm mant-lo. O objetivo
obter menos que 3.4 defeitos, ou praticamente pedidos perfeitos. Atendimento perfeito de
pedidos significa um pedido entregue:
- 52 -
Sznaider (2000) afirma que quando os Gerentes de Segurana comearem a agir como os
Gerentes de Qualidade, eles deixaro de culpar os operadores pelos acidentes e passaro a atacar
a verdadeira causa dos problemas, que na maioria das vezes est no processo ou nos
equipamentos. Interessante notar que para cada 1 acidente srio que ocorre, j ocorreram 10
acidentes menores, 30 quebras de equipamento correlacionadas, 600 quase-acidentes (invisveis
porque no geram desperdcio relatado) e finalmente, 1800 erros. Na linguagem Seis Sigma,
1800 erros (ou 1 acidente grave) equivale a um nvel 4,4 sigma. Uma empresa com 100 acidentes
graves ter um nvel sigma menor que 2,5. Na busca pelo zero acidente (meta dificlima de
praticamente todas as empresas) fica a sugesto para um futuro projeto Seis Sigma nesta rea.
As ferramentas apresentadas
foram: Mapa do Processo, Matriz de Priorizao e Anlise de Varincia (comum para determinar
se estaticamente os resultados so iguais ou diferentes). Na rea de laboratrio mais comum a
utilizao do DFSS (Design For Six Sigma) em vez do DMAIC. O DFSS empregado quando
ainda no se tem um processo estabelecido, ou quando as necessidades dos clientes no esto
claramente definidas. Como o objetivo deste projeto a aplicao do DMAIC, fica o DFSS como
sugesto para um futuro projeto.
- 53 -
A metodologia Seis Sigma tem se popularizado de tal forma que se pode comprovar a sua
eficincia at mesmo em aplicaes totalmente diferentes de uma indstria. Segundo Tylutki
(2002), uma fazenda leiteira um sistema complexo e altamente integrado considerando alto
investimento em maquinaria, pessoas e gerenciamento. Como os proprietrios de pequenas
fazendas no esto familiarizados com ferramentas estatsticas, esto contratando consultores
como Black Belts para reverter um processo de lucros cada vez menores, e evitar a falncia.
Por causa da agressividade na obteno das metas, o Seis Sigma foi escolhido como a
metodologia mais adequada para minimizar os desperdcios na alimentao do gado que
proporciona o leite (matria-prima na produo de todos os produtos derivados). A equipe foi
formada, sendo os gerentes da fazenda recebendo o papel de Champion, os alimentadores como
Green Belts. Com um grande suporte dos proprietrios das fazendas, no final da
implementao do Seis Sigma ficou comprovado que as fazendas passaram a obter mais lucros
reduzindo o desperdcio da rao, atravs:
- 54 -
Ms 1
Ms 2
Ms 3
Ms 4
Ms 5
Ms 6
Contrato do Projeto
Misso
Figura 3.1: Modelo de Cronograma de Controle do Projeto Seis Sigma (Fonte: o prprio autor)
3.4.1. Definio
3.4.1.1. Contrato do Projeto (Project Charter): o contrato entre a equipe de liderana
da empresa e a equipe Seis Sigma. Contm a proposta do projeto, com as principais
informaes preliminares deste projeto a ser desenvolvido. Abaixo so descritas as
principais informaes que deve conter num contrato de projeto:
1. Nome do projeto;
2. Responsvel ou lder do projeto (Green Belt ou Black Belt);
3. Equipe do projeto;
4. Impacto dos benefcios;
- 55 -
3.4.2. Medio
3.4.2.1. Mapeamento do Processo (Process Map): o Mapa do Processo deve ser
constantemente atualizado e revisado. Esta ferramenta a fonte de informaes para
alimentar a Matriz de Priorizao, e posteriormente o FMEA, a Anlise Multi-vari e o
Plano de Controle. O mapa do processo uma excelente ferramenta de visualizao e
fundamental para alinhar o conhecimento de todos os membros da equipe e esclarecer
seus problemas e avaliar o escopo do projeto. Para sua elaborao necessrio um grande
- 56 -
Os limites do processo;
As principais atividades;
As principais etapas a serem seguidas nos mapeamentos das variveis do processo so:
- 57 -
Mapa do Processo
Dica: * todo mapa de processo deve conter, em algum momento, a mtrica primria.
X1
X2
Tipo
Etapa do Processo
Varivel
Controlada
(C) ou Nocontrolada (I)
Y1
Etapa 1
Y2
X3
X4
X5
Y3
Etapa 2
X6
X7
Y4
Yn
Etapa n
Xn
Figura 3.2 Modelo de Mapa do Processo (Fonte: Rath & Strong, 2001)
3.4.2.2. Anlise de Envolvimento (Stakeholder Analysis): nesta ferramenta se
identifica como est o nvel de envolvimento ou comprometimento de cada um dos
membros da equipe ou cada um dos departamentos envolvidos no projeto. O
envolvimento destes de fundamental importncia para um bom andamento do projeto
principalmente por se tratar de mudana de cultura. Na Anlise de Envolvimento,
determina-se o nvel de comprometimento mnimo necessrio dos membros da equipe
para sucesso do projeto, e verifica-se onde este nvel est atualmente. Caso o nvel de
comprometimento esteja abaixo do esperado, o lder de projeto deve agir imediatamente
para incentivar a equipe e efetuar as mudanas necessrias.
- 58 -
Anlise de Envolvimento
Equipe
Nvel de Suporte
(Mximo 10)
A = Nvel atual
N = Nvel Necessrio
Contra
Neutro
Comentrios
Figura 3.3 Modelo de Matriz da Anlise de Envolvimento (Fonte: Rath & Strong, 2001)
- 59 -
Estabelecer um fator de prioridade para cada sada (Y): usualmente usa-se uma
escala de 1 a 10;
Avaliar a correlao entre cada entrada e cada sada: Quanto menor for a
pontuao, menor a correlao entre elas. Usualmente se utiliza:
o 0 = nenhuma correlao;
o 1 = correlao fraca;
o 3 = correlao mdia;
o 9 = correlao forte;
Matriz de Priorizao
Finalidade: priorizar os Xs que mais impactam nas mtricas do processo.
Utilize os passos e entradas do mapa do processo.
Contramedida
Mtrica
Secundria
Varivel de
Entrada (x)
Mtrica
Primria
Etapa do Processo
Varivel de
Sada (Y)
9 - imapcto significativo
3 - impacto moderado
1 - baixo impacto
0 - sem impacto
Total
Total
0
0
0
0
Figura 3.4 - Modelo de Matriz de Priorizao (Fonte: Rath & Strong, 2001)
- 60 -
Resoluo: nmero de espaos decimais que podem ser medidos pelo sistema.
Os incrementos da medida devem ser aproximadamente um dcimo da largura
da especificao do produto ou da variao do processo;
- 61 -
Quais devem ser os objetivos de capacidade do processo (Cp, Cpk), baseandose nos dados da linha de base;
- 62 -
- 63 -
3.4.3. Anlise
3.4.3.1. Anlise do Modo e Efeito das Falhas (FMEA = Failure Mode and Effect
Analysis): mais uma ferramenta de afunilamento de variveis que consiste em um
conjunto de diretrizes para se identificar problemas potenciais (falhas). Baseando suas
atividades na FMEA, o lder pode focalizar a energia e os recursos alocados ao
planejamento das aes preventivas, do acompanhamento e dos resultados nos pontos em
que se espera que produzam os efeitos de melhoria. A FMEA um mtodo de anlise de
projetos ou de produto ou de processo usado para identificar todos os possveis modos
potenciais de falha e determinar o efeito de cada uma sobre o desempenho do processo.
Ento se identificam as principais causas, de tal maneira que elas possam ser eliminadas
ou minimizadas. Sua finalidade :
Passos
Efeitos
Modo
Severid Potencial Ocorrn
do
Entra
de
Controles Deteco
de
ade do Causa de cia da
Proces das
cada
Atuais
da Falha
Falha
Efeito cada falha causa
so
Falha
R
P
N
Aes
Respon
Ao
Recomen
svel
Tomada
dadas
S
E
V
O D
C E
C T
R
P
N
Quais aes
O quo
O quo
Quais os
sero
O quo
severo
eficaz o
modos para
recomendad Quem ser
frequente
o efeito?
X's
Etapa do
mtodo de (Sev)
controlar a
Como Qual o
o
as para
Nota de 1 O que pode esta falha?
processo prioriza
Qual a ao
causa, a falha controle? x (Oc)
este X efeito de
minimizar o responsv
a 10, 10 ter causado Nota de 1 a
dos da
onde
realizada?
x
ou amenizar Nota de 1 a
cada
pode
efeito, evitar el por cada
esta falha? 10, 10 para
para
cada X's matriz
o efeito, que 10, 10 para o (Det)
falhar? falha?
ao?
a causa ou
grande
efeitos de
C&E
aparece
menos
so utilizados
melhorar os
freqncia
maior
eficaz.
hoje?
controles?
gravidade
r
e
v
i
s
a
d
o
r
e
v
i
s
a
d
o
r
e
v
i
s
a
d
o
r
e
v
i
s
a
d
o
0
0
0
0
Figura 3.5 Modelo de FMEA -Anlise do Modo e Efeito das Falhas (Fonte: Rath & Strong, 2001)
- 65 -
2
1
Severidade do Efeito
Perigoso sade sem
aviso
Perigoso sade com
aviso
Perda da funo
principal
Perda parcial da funo
principal
Perda da funo
Secundria
Perda parcial da funo
secundria
Pequeno efeito
observado por todos
usurios
Pequeno efeito
observado por alguns
usurios
Pequeno efeito
observado por usurios
especficos
Probalidade de Ocorrncia
Falha quase inevitvel
Muito alta probabilidade
Alta probabilidade
Falha repetidamente
Moderada probabilidade
Falhas Ocasionais
Habilidade de Deteco
Usurio detecta somente
durante o uso
Usurio detecta durante
inspeo pr-uso
Usurio dificilmente detecta
Muito difcil deteco no
teste de liberao
Difcil deteco no teste de
liberao
Moderada chance de
deteco no teste de
liberao
Falhas raras
Baixa probabilidade
Nenhum efeito
No falha
Ao final desse estudo teremos como sadas as variveis de entrada que sero
utilizadas nas futuras avaliaes vias DOE (Delineamento de Experimentos), e
aes recomendadas para reduo da variao causada por variveis no
controladas.
- 67 -
3.4.5. Controle
3.4.5.1. Plano de Controle (Control Plan): tem como finalidade:
Faa um estudo da capacidade para o curto prazo. Pode ser substitudo pelo
estudo para longo prazo;
- 69 -
Plano de Controle
Responsvel
Tcnica de
Medio
Ms 30
Ms 29
Ms 28
Ms 27
Ms 26
Ms 25
Ms 24
Ms 23
Ms 22
Ms 21
Ms 20
Ms 19
Ms 18
Pr-Fechado Fechado
Ms 17
Ms 16
Ms 15
Ms 14
Ms 13
Linha de Base
Especificao
(meta)
Varavel de
Entrada (x)
Varavel de
Sada (Y)
Etapa de
Processo
Processo
Durante Projeto
- 70 -
- 71 -
- 72 -
- 73 -
Tambm fica evidenciada a disciplina da equipe em seguir o prazo estipulado, em todas as fases
do DMAIC (dica 2: disciplina).
Cronograma de Controle
Cronograma
Jan
X
X
Fev
Mar
Abr
Mai
Jun
X
X
X
X
Mapa do Processo
Anlise Comprometimento
Matriz de Priorizao
Anlise Sistema Medio
Capacidade Inicial
X
X
X
X
X
X
X
X
FMEA
X
X
X
X
DOE
X
X
X
X
X
X
Plano de Controle
Treinamento
Capacidade Final
Passagem Responsabilidade
Relatrio Final
X
X
X
4.2.1. Definio
4.2.1.1. Contrato do Projeto: a equipe foi montada seguindo um rigoroso critrio de
envolver todos os colaboradores que poderiam contribuir com seus conhecimentos
durante as anlises do projeto, porm tomando-se o cuidado de no trazer membros
- 74 -
em demasia para os trabalhos em equipe. Esta atitude visava manter o foco da equipe
estritamente no tpico de cada reunio de trabalho semanal, caracterstica marcante
em projetos Seis Sigma, pois muitos membros acabam gerando muitos debates e por
muitas vezes fugindo do foco (dica 3: foco). Abaixo a descrio dos membros da
equipe:
Funo na Empresa
Gerente de Manufatura
Master Black Belt
Black Belt
Supervisor da Produo
Supervisor da Produo
Coordenador da Produo
Engenheiro de Processos
Engenheiro da Qualidade
Planejador da Produo
Engenheiro da Manuteno
Engenheiro de Desenvolvimento
Engenheiro de Servio Tcnico
Importante salientar que, na empresa deste caso, o fato do Black Belt ser uma funo com
dedicao exclusiva para implementao de projetos Seis Sigma facilita muito o controle no
cumprimento dos prazos estabelecidos. No entanto, como normalmente os membros da equipe e
green belt so funcionrios que dedicam cerca de 20% do tempo para o projeto, normalmente o
Black belt lidera 5 projetos ao mesmo tempo. A dedicao de 20% gera este alongamento dos
passos para cerca de 6 meses no primeiro projeto porque todos os participantes da equipe fazem
um intenso treinamento das ferramentas durante a execuo do projeto, alm claro, de levar
suas tarefas rotineiras: sem produo e produto no faz sentido se pensar em melhorias!
Neste projeto, o green belt e o proprietrio do processo so funes desempenhadas pelo
mesmo funcionrio, o que facilita a passagem da responsabilidade (desnecessria nesta situao).
Os engenheiros da Qualidade e Servio Tcnico contriburam com o conhecimento no produto,
bem como para certificar que os CTQs seriam no mnimo mantidos, atravs da execuo dos
testes de liberao do produto. O Engenheiro de Desenvolvimento colaborou no suporte quanto
alterao da formulao, uma vez que a matria-prima seria alterada ao final do projeto. O
- 75 -
M t ric a s
Tip o
B as e
Meta
Ent it le me nt
P e rd a s ( %)
Primria
18 %
1,8 %
0%
Ta x a R e c ic la g e m ( %)
Primria
0%
90%
10 0 %
N v e l S ig ma
Primria
2 ,4
3 ,6
>6
Secund ria
110 .0 0 0
11.0 0 0
R e s is t nc ia ( g f / c m3 )
Co ntra-med id a
> 0 ,72
> 0 ,72
> 0 ,72
Que d a P re s s o ( a t m)
Co ntra-med id a
< 0 ,0 7
< 0 ,0 7
< 0 ,0 7
C OP Q ( $ )
- 76 -
Como contra-medida (mtrica que no mnimo deve ter seu valor mantido, ou seja,
sem necessariamente precisar se otimizar este Y), foram definidas as 2
caractersticas de qualidade crticas para o usurio:
5. Resistncia (gf/cm3): fora necessria no suporte ou na concha para que ao
respirar a mesma no entre em colapso, ou seja, no fique malevel e comece a
aderir face do usurio prejudicando sua funcionalidade. No pode ser menor
que o limite mnimo de especificao (0,72 gf/cm3)
6. Queda de Presso (atm): resistncia respirao normal do usurio. No
pode ser maior que o limite mximo (0,07 atm) que o valor em que o usurio
comea a sentir incmodo ou pequena dificuldade para respirar.
- 77 -
Portanto, a declarao da misso ficou assim definida: A equipe Seis Sigma, de Janeiro a
Junho deste ano, definir o processo de reutilizar em at 90% as sobras do processo de
manufatura dos respiradores descartveis, com o objetivo de reduzir as perdas, sem interferir nas
caractersticas finais do produto, utilizando a abordagem DMAIC.
Completando este projeto, a rea minimizar o impacto ambiental, uma vez que o consumo
de material no renovvel ser diminudo e economizar cerca de $ 100,000 por ano.
Portanto, ao final da quarta semana o projeto estava plenamente definido e comunicado
para toda a empresa, utilizando a linguagem Seis Sigma.
4.2.2 Medio
4.2.2.1. Mapa do Processo: com o envolvimento de toda a equipe, no mapa do processo
foram identificadas as 10 etapas, com 36 variveis de entrada (xs) e 24 variveis de
sada (Y). Tambm foi determinado o tipo de cada varivel, controlada ou no. Nesta
fase, nenhum x deve ser negligenciado para que no se descubra ao final do projeto que
uma varivel aparentemente elementar, na verdade era uma das variveis crticas do
processo. Esta ferramenta muito importante para o alinhamento do conhecimento de
todos os participantes da equipe. Tambm uma ferramenta muito importante para
treinamento de funcionrios novos para este processo (dica 6: alinhamento do
conhecimento). Normalmente uma reunio deve ser suficiente para finalizar o Mapa do
Processo em processos relativamente pequenos. Caso, no seja possvel terminar em
uma reunio, o lder deve verificar se a equipe:
- 78 -
Veja o Mapa do Processo na figura a seguir e observe que o foco est apenas no
mapeando da fase de formao da concha e no em fases posteriores, como a fixao do
elstico e do grampo:
Varivel de Entrada (X)
Tipo
1 Fibra (pesagem)
2 Homogeneizao
3 Nvel do sensor
5 Limpeza da Abridora
6 Integridade dos pinos de transporte
I
I
8 Tipo de guarnio
9 Ajustes do equipamento
Manufatura
Etapa do Processo
Abastecimento
da Fibra
Gramatura da manta
Manta uniforme, sem espaos ou falhas
Formao da Manta
Comprimento da manta
Largura da manta
12 Caractersticas da Fibra
Coletor Mantas
14 Temperatura
Prensagem
15 Presso inferior
16 Presso superior
Resistncia do suporte
17 Tempo de prensagem
Peso do Suporte
Manta limpa
Aspecto Visual do suporte
20 Peso da Manta
21 Uniformidade da Manta
25 Limpeza da caixa
26 Operao
27 Fechamento da caixa
I
C
C
I
C
Corte
Segregao
Transporte
C
C
I
35 Quantidade de resina
36 Preparao da resina
Desfibramento
Comprimento da fibra
Embalagem correta
Fibra limpa
- 79 -
projeto.
Nvel de Suporte
A = Nvel atual
N = Nvel Necessrio
Contra
Neutro
Time de
Processos
Planejador da
produo
Fornecedor
Servio
Engenheiro de
Manuteno
Favorvel
AN
Time da
Produo
Engenheiro da
Qualidade
Comentrios
Propriedade do
Processo
OK
Aberto para
mudanas
Treinamento
Operadores
Trabalha na
liberao
OK
AN
AN
Parceria
Aberto para
mudanas
OK
Treinar na Metodologia e
mostrar importncia do
projeto
Demonstrar importncia
do projeto e preocupao
com propriedades finais
do produto
OK
Envolver Gerente de
Abrir espao para Planejamento e mostrar
experimento
importncia do projeto
OK
OK
OK
OK
Figura 4.4: Anlise de Envolvimento do Projeto Respiradores Inicial (Fonte: o prprio autor)
Aps as aes implantadas, houve o envolvimento e comprometimento dos membros que
inicialmente estavam com resistncia a implantao da metodologia Seis Sigma (dica 7: rapidez
na anlise do envolvimento). Interessante reforar que em alguns casos, medidas drsticas devem
ser tomadas, at com a substituio do membro que no est colaborando. Tambm importante
para o lder compreender que natural o ser humano resistir s mudanas, principalmente para os
operadores que muitas vezes temem sua garantia de emprego quando se faz melhorias de
produtividade. Quando necessrio, envolver o time de RH para treinamentos de como gerenciar
mudanas. Neste projeto, o foco era reduo de perdas, o que traria mais negcios para a empresa
- 80 -
e, portanto, mais produo e talvez mais funcionrios, o que tornou mais fcil qualquer
implementao de mudana. Na figura abaixo fica evidente que o nvel desejado de envolvimento
de cada membro foi atingido logo no primeiro ms, conforme mostrado abaixo:
Anlise de Envolvimento - Final
Equipe
(Mximo 10)
Nvel de Suporte
A = Nvel atual
N = Nvel Necessrio
Contra
Neutro
Comentrios
Pontos Positivos Oportunidades
AN
Propriedade do
Processo
OK
Time da
Produo
AN
Aberto para
mudanas
Treinamento
Operadores
Planejador da
produo
Fornecedor
Servio
Engenheiro de
Manuteno
Favorvel
Time de
Processos
Engenheiro da
Qualidade
AN
Trabalha na
liberao
AN
OK
AN
AN
Parceria
Aberto para
mudanas
Celebrar resultados
Treinar na Metodologia e
mostrar importncia do
projeto
Demonstrar importncia
do projeto e preocupao
com propriedades finais
do produto
OK
Envolver Gerente de
Abrir espao para Planejamento e mostrar
experimento
importncia do projeto
OK
Celebrar resultados
OK
Celebrar resultados
Figura 4.5: Anlise de Envolvimento do Projeto Respiradores Final (Fonte: o prprio autor)
- 81 -
Matriz de Priorizao
Resistncia do Suporte
3
3
3
3
3
3
9
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
3
3
9
1
3
3
1
1
3
9
9
9
9
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
9
9
9
3
9
1
1
1
1
9
9
3
3
3
3
1
3
9
0
1
1
1
1
1
1
1
1
9
9
9
9
9
3
3
3
3
3
0
0
9
0
3
3
1
1
9
9
9
9
9
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
9
9
9
3
1
0
0
1
1
3
1
1
1
1
3
0
9
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
3
3
1
1
1
1
9
1
3
3
3
3
0
9
9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
510
Queda de Presso
10
6
290
Perdas do Processo
10
5
920
10
4
1016
Fibras Abertas
8
3
783
Total
9
2
273
Etapa do Processo
Abastecimento Fibra
Abastecimento Fibra
Abertura Fibra
Abertura Fibra
Abertura Fibra
Abertura Fibra
Formao da Manta
Formao da Manta
Formao da Manta
Formao da Manta
Formao da Manta
Formao da Manta
Coletor manta
Prensagem
Prensagem
Prensagem
Prensagem
Prensagem
Prensagem
Prensagem
Prensagem
Unidade Corte
Unidade Corte
Unidade Corte
Segregao
Segregao
Segregao
Transporte
Transporte
Transporte
Transporte
Desfibramento
Desfibramento
Desfibramento
Desfibramento
Desfibramento
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
29
30
31
32
33
34
35
36
7
1
Frequncia de Limpeza da
Carda
Taxa de Importncia
Total
276
142
96
96
68
68
372
284
235
235
235
141
8
204
192
0
8
8
8
8
8
8
8
8
72
72
72
72
72
24
24
24
24
236
192
192
Figura 4.6: Matriz de Priorizao do Projeto Respiradores Inicial (Fonte: o prprio autor)
Em seguida, ordenou-se de maneira decrescente o total da soma da multiplicao de cada
correlao com a taxa de importncia de cada Y. Ento, a primeira priorizao foi feita
reduzindo-se de 36 xs vindos do Mapa do processo para 11 xs (foi estipulado pela equipe a nota
de corte de 192), conforme mostrado na figura a seguir:
- 82 -
9
3
3
3
0
0
0
0
0
3
3
3
0
3
3
0
0
0
0
0
3
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
9
9
9
9
9
9
0
0
9
9
1
3
3
3
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
9
9
3
3
3
3
3
3
9
0
0
9
3
1
1
9
9
9
9
9
1
1
3
3
3
3
1
1
1
1
1
1
1
1
1
0
9
9
9
9
9
9
9
0
0
9
9
0
3
3
3
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
1
3
1
1
1
1
9
3
0
0
1
3
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
9
1
3
1
3
3
3
9
9
0
0
3
3
1
1
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
510
Resistncia do Suporte
10
6
290
Queda de Presso
10
5
920
Perdas do Processo
10
4
1016
8
3
783
Total
Fibras Abertas
Etapa do Processo
Formao da Manta
Formao da Manta
Abastecimento Fibra
Desfibramento
Formao da Manta
Formao da Manta
Formao da Manta
Prensagem
Prensagem
Desfibramento
Desfibramento
Abastecimento Fibra
Formao da Manta
Abertura Fibra
Abertura Fibra
Segregao
Segregao
Segregao
Transporte
Transporte
Abertura Fibra
Abertura Fibra
Transporte
Transporte
Desfibramento
Desfibramento
Coletor manta
Prensagem
Prensagem
Prensagem
Prensagem
Prensagem
Unidade Corte
Unidade Corte
Unidade Corte
Prensagem
9
2
273
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
29
30
31
32
33
34
35
36
7
1
Frequncia de Limpeza da
Carda
Taxa de Importncia
Total
372
284
276
236
235
235
235
204
192
192
192
142
141
96
96
72
72
72
72
72
68
68
24
24
24
24
8
8
8
8
8
8
8
8
8
0
Figura 4.7: Matriz de Priorizao do Projeto Respiradores Priorizada (Fonte: o prprio autor)
Neste passo cabe salientar a necessidade de se levar o menor nmero possvel de variveis
para o FMEA porque esta ferramenta bastante detalhada e leva bastante tempo para a anlise de
cada varivel. No existe nmero ideal, porm um nmero prximo de 10 num primeiro projeto
- 83 -
(dica 9: prioridade). Caso ao final do DMAIC as metas no tenham sido atingidas, deve se
revisitar a Matriz de Priorizao para verificar se algum X importante foi negligenciado.
4.2.2.4. Anlise dos Sistemas de Medio: neste projeto no houve necessidade de se
aprofundar na anlise da variao do sistema de medio. Foi utilizado o mtodo mais
simples de anlise, a auditoria nos relatrios de produo: fonte de todos os dados de
perdas. A certeza de que os dados so confiveis vem do fechamento do nvel de estoque
ao final de cada ms. Caso o valor do sistema fosse diferente do valor de estoque real, os
ajustes necessrios eram realizados e incorporados aos valores dos clculos das perdas.
Durante todo o perodo do projeto, nenhum ajuste foi necessrio! Outra anlise realizada
foi nos equipamentos de testes de resistncia e de queda de presso, conforme exemplos
mostrados nas Figuras A e B dos Apndices. Estes equipamentos (manmetros) so
calibrados com um padro externo, conforme freqncia pr-definida pela Engenharia
de Manuteno. Nenhuma ao foi necessria durante o perodo de medio do projeto.
4.2.2.5. Capacidade Inicial: a mdia de 12 meses foi definida como a linha de base para
a melhoria. Nas Tabelas II e III dos Anexos esto todos os dados de utilizao e perdas
de fibra por tipo de produto (concha e concha interna). Na Tabela I dos Anexos est a
consolidao das perdas mensais por produto e a Perda Geral ponderada pelo uso de
fibra (kg) de cada produto. A Tabela I dos Anexos a fonte de dados para a construo
dos grficos da Capacidade Inicial. Na Figura 4.8 e 4.9 esto representadas
respectivamente as perdas do produto concha e concha interna. Na Figura 4.10, tem-se a
mdia ponderada das perdas dos 2 produtos que foram foco deste projeto. Analisando os
3 grficos de controle observa-se que tem-se um processo sob controle, ou seja, o valor
da perda de cada ms est estvel, dentro dos limites de controle. Antes de iniciar
qualquer anlise necessria a verificao da normalidade dos dados. Se os dados no
so normais, faz-se necessria a utilizao de alguma transformao (exemplo: 1/x, x2,
log(x), x, etc.). Existem vrios softwares estatsticos para esta tarefa e no caso deste
projeto, foi utilizado o Minitab. Este software apresenta 2 respostas a este teste:
1. Um grfico de normalidade onde visualmente se verifica atravs do
afastamento dos dados da linha da normalidade;
- 84 -
Varivel
P-value
Observao
Perdas Concha
0,443
Dados normais
II
0,694
Dados normais
III
Perdas Geral
0,197
Dados normais
IV
Resistncia
0,118
Dados normais
Queda de Presso
0,852
Dados normais
Portanto, como nenhum p-value ficou menor que 0,05, trata-se de um processo com
dados normais, sem causas especiais, onde se necessita uma investigao aprofundada
(projeto Seis Sigma) para verificar as causas destas perdas elevadas. Anlise:
1. No produto concha, apesar de uma ligeira melhoria entre os meses 5 e 10, a
perda flutuou num valor mdio de 22,10% ou 0,2210.
2. No produto concha interna, devido ao aproveitamento no apenas da concha,
mas de toda a borda, a perda flutuou num valor mdio de 9,04% ou 0,0904.
3. Finalmente, na consolidao ponderada pelo volume dos 2 produtos, concha e
concha interna, a perda teve valor mdio de 18,00% ou 0,1800.
- 85 -
UCL=0,2653
0,26
Individual Value
0,25
0,24
0,23
_
X=0,2210
0,22
0,21
0,20
0,19
0,18
LCL=0,1766
1
10
11
12
Ms
Figura 4.8: Grfico da Capacidade Inicial das Perdas do Produto Concha (Fonte: o prprio autor)
I Chart of Perda Concha Interna
0,12
UCL=0,11442
Individual Value
0,11
0,10
_
X=0,09035
0,09
0,08
0,07
LCL=0,06628
0,06
1
6
7
Ms
10
11
12
Figura 4.9: Grfico da Capacidade Inicial das Perdas do Produto Concha Interna (Fonte: o prprio autor)
- 86 -
UCL=0,20639
Individual Value
0,20
0,19
_
X=0,18000
0,18
0,17
0,16
LCL=0,15360
0,15
0,14
6
7
Ms
10
11
12
Figura 4.10: Grfico da Capacidade Inicial das Perdas do Produto Total (Fonte: o prprio autor)
- 87 -
I Chart of Resistncia
1,20
UCL=1,1913
Individual Value
1,15
1,10
_
X=1,0463
1,05
1,00
0,95
LCL=0,9012
0,90
1
10
11
12
Ms
Figura 4.11: Grfico da Resistncia do Produto (gf/cm3) Inicial (Fonte: o prprio autor)
0,034
Individual Value
0,032
0,030
_
X=0,02825
0,028
0,026
0,024
LCL=0,02245
0,022
1
6
7
Ms
10
11
12
Figura 4.12: Grfico da Queda de Presso do Produto (atm) Inicial (Fonte: o prprio autor)
- 88 -
Ms 30
Ms 29
Ms 28
Ms 27
Ms 26
Ms 25
Ms 24
Ms 23
Ms 22
Ms 21
Ms 20
Ms 19
Ms 18
Ms 17
Ms 16
Ms 15
Ms 14
Ms 13
110,000
100,000
90,000
80,000
70,000
60,000
50,000
40,000
30,000
20,000
10,000
0,000
Portanto, de acordo com a Figura 4.13, ficou prevista uma economia mensal de $ 8.250 a
partir do ms 19 (aps o pr-fechamento do projeto), acumulando $ 99.000 at o final deste
projeto ($8.250/ms x 12 meses). Nos resultados, o grfico do acompanhamento da economia
prevista e realizada ser apresentado.
- 89 -
4.2.3. Anlise:
4.2.3.1. Anlise do Modo e Efeito das Falhas: partindo das 11 variveis de entrada
priorizadas pela equipe na Matriz de Priorizao, primeiramente se verificou qual a falha
que pode ocorrer, seu efeito, as potenciais causas destas falhas e os controles atuais.
Ento, foram atribudos os valores de 1 a 10 para as 3 avaliaes presentes no FMEA
(severidade do efeito, ocorrncia da causa e deteco da falha). Mesmo que
qualitativamente se avalia cada impacto com o foco do usurio do respirador,
quantificando a importncia de cada fator. Finalmente se multiplicam os valores para a
determinao do RPN, fator de priorizao das aes a serem tomadas num determinado
prazo pelo responsvel. Tambm comum a equipe se delongar demasiadamente no
incio do uso do FMEA para demonstrar a riqueza de seu conhecimento, alm de
conflitos com relao s notas a serem atribudas. Sempre se busca o consenso de todos
os membros e nunca se utiliza votao ou mdia das opinies. Se h discordncia sobre
o valor do impacto, abre-se espao para argumentao entre os opinantes em contradio
e o lder deve interceder ou conduzir para que se chegue a uma opinio nica. Neste
ponto, o lder ou o facilitador tem que ter habilidade de sempre relembrar aos membros
da equipe o processo como um todo. Ateno redobrada para que o FMEA no deixe de
ser prtico para se tornar cansativo (dica 11: seja prtico no FMEA). Porm, na primeira
utilizao pode-se deixar a equipe ir a fundo nos desdobramentos para que o
aprendizado do uso desta importante ferramenta seja plenamente fixado. Para se ter uma
idia, os 11 xs se desdobraram em:
4 tipos de Efeito e;
33 aes para;
8 responsveis;
- 90 -
Figura 4.14: FMEA do Projeto Respiradores Principais Aes Priorizadas (Fonte: o prprio autor)
- 91 -
X2: taxa de mistura: no precisava ser maior que o maior valor de perda
registrado, porque no se teria excesso de fibra recuperada. Porm a equipe
decidiu entender at que limite era possvel se misturar a fibra reciclada e se
estabeleceu: (0%, 10%, 20% e 30%).
X1
X2
Y1
Y2
Concha
StdOrder RunOrder Quantidade Resina Taxa Mistura Resistncia Queda Presso
1
1
15
0%
4
2
15
30%
8
3
25
30%
7
4
25
20%
6
5
25
10%
2
6
15
10%
5
7
25
0%
3
8
15
20%
Tabela 4.5: Planejamento do Experimento do Projeto Respiradores - Concha Interna (Fonte: o prprio autor)
X1
X2
Y1
Concha Interna
StdOrder RunOrder Quantidade Resina Taxa Mistura Resistncia
4
1
15
30%
1
2
15
0%
5
3
25
0%
3
4
15
20%
6
5
25
10%
2
6
15
10%
7
7
25
20%
8
8
25
30%
- 92 -
Y2
Queda Presso
Com auxlio do planejador de produo, a data mais adequada para a realizao dos 16
experimentos foi agendada com 15 dias de antecedncia para que as fibras recuperadas e
desfibradas com a quantidade desejada de resina fossem preparadas. Havia a necessidade de se
executar os experimentos simultaneamente para evitar rudos nos resultados, tais como:
diferentes operadores, diferentes condies ambientais, diferentes condies do equipamento,
entre outras. Aps realizao dos 16 experimentos, vrias amostras dos produtos foram coletadas
para a realizao e anlise dos testes de liberao, para verificar se o produto se mantinha com as
mesmas caractersticas. Abaixo, as tabelas demonstrando os resultados destes testes:
Tabela 4.6: Resultado do Experimento do Projeto Respiradores Concha (Fonte: o prprio autor)
Concha
X1
X2
Y1
Y2
StdOrder RunOrder Quantidade Resina Taxa Mistura Resistncia Queda Presso
1
1
15
0%
0,93
0,021
4
2
15
30%
1,16
0,025
8
3
25
30%
1,10
0,024
7
4
25
20%
1,16
0,025
6
5
25
10%
1,02
0,024
2
6
15
10%
0,92
0,022
5
7
25
0%
0,95
0,022
3
8
15
20%
1,19
0,032
Tabela 4. 7: Resultado do Experimento do Projeto Respiradores -Concha Interna (Fonte: o prprio autor)
Concha Interna
X1
X2
Y1
StdOrder RunOrder Quantidade Resina Taxa Mistura Resistncia
4
1
15
30%
1,35
1
2
15
0%
1,22
5
3
25
0%
1,22
3
4
15
20%
1,30
6
5
25
10%
1,15
2
6
15
10%
1,25
7
7
25
20%
1,32
8
8
25
30%
1,33
- 93 -
Y2
Queda Presso
0,026
0,025
0,025
0,027
0,024
0,025
0,026
0,027
Resistncia Concha
1,2
Quantidade Resina
Taxa Mistura
Mean of Resistncia
1,1
1,0
0,9
0,8
0,7
15
25
10
20
30
Figura 4.15: Resultado do DOE para Resistncia (gf/cm3) Concha (Fonte: o prprio autor)
- 94 -
Taxa Mistura
1,34
Mean of Resistncia
1,32
1,30
1,28
1,26
1,24
1,22
1,20
15
25
10
20
30
Figura 4.16: Resultado do DOE para Resistncia (gf/cm3) Concha Interna (Fonte: o prprio autor)
Quantidade
Resina
15
25
Mean
1,1
1,0
0,9
0,8
0,7
10
20
Taxa Mistura
30
Figura 4.17: Resultado do DOE para Resistncia (gf/cm3) Interao Concha (Fonte: o prprio autor)
- 95 -
Quantidade
Resina
15
25
1,3
Mean
1,2
1,1
1,0
0,9
0,8
0,7
10
20
Taxa Mistura
30
Figura 4.18: Resultado do DOE para Resistncia (gf/cm3) Interao Concha Interna
(Fonte: o prprio autor)
a taxa de mistura apresentou maior valor (0,0285 atm) com 20% de fibra
recuperada, porm muito abaixo do limite de especificao (<0,0700 atm).
- 96 -
Quantidade Resina
Taxa Mistura
0,028
0,027
0,026
0,025
0,024
0,023
0,022
0,021
15
25
10
20
30
Figura 4.19: Resultado do DOE para Queda de Presso (atm) Concha (Fonte: o prprio autor)
a taxa de mistura apresentou pico de valor (0,0265 atm) com 20% e 30% de
fibra recuperada, porm muito abaixo do limite de especificao.
- 97 -
Taxa Mistura
0,0350
0,0325
0,0300
0,0275
0,0250
15
25
10
20
30
Figura 4.20: Resultado do DOE para Queda de Presso (atm): Concha Interna
(Fonte: o prprio autor)
Quantidade
Resina
15
25
0,045
Mean
0,040
0,035
0,030
0,025
0,020
0
10
20
Taxa Mistura
30
Figura 4.21: Resultado do DOE para Queda de Presso (atm) Interao Concha
(Fonte: o prprio autor)
- 98 -
Quantidade
Resina
15
25
0,045
Mean
0,040
0,035
0,030
0,025
0
10
20
Taxa Mistura
30
Figura 4.22: Resultado do DOE para Queda de Presso (atm) Interao Concha Interna
(Fonte: o prprio autor)
- 99 -
A rampa um mecanismo adotado para se aprender cada vez mais com o novo
processo e garantir tambm a continuidade dos negcios, caso haja algum
imprevisto na implementao das melhorias. Na tabela abaixo est
representada a taxa de mistura no decorrer dos meses. Do ms 16 ao 18 seria
utilizado 50% do total de fibra perdida. Do ms 19 ao 21, seria utilizado 70%
(ou seja, cerca de 12% seria fibra reciclada) e a partir do ms 22, 100% do total
de fibra posteriormente perdida seria reutilizada no incio deste processo (cerca
de 18% seria fibra reciclada).
Tabela 4.8: Rampa de Utilizao das Fibras Recuperadas (Fonte: o prprio autor)
Rampa
Ms 12
Ms 13
Ms 14
Ms 15
Ms 16
Ms 17
Ms 18
Ms 19
Ms 20
Ms 21
Ms 22
Ms 23
Ms 24
Ms 25
Ms 26
Ms 27
Ms 28
Ms 29
Ms 30
Situao Projeto
Baseline
Durante Projeto
Durante Projeto
Durante Projeto
Durante Projeto
Durante Projeto
Durante Projeto
Pr-fechado
Pr-fechado
Pr-fechado
Fechado
Fechado
Fechado
Fechado
Fechado
Fechado
Fechado
Fechado
Fechado
- 100 -
Taxa
0%
0%
0%
0%
50%
50%
50%
70%
70%
70%
100%
100%
100%
100%
100%
100%
100%
100%
100%
4.2.5. Controle
4.2.5.1. Plano de Controle: para garantir que o processo operasse dentro dos limites de
especificao e com a mnima variao, foi determinado o plano de controle conforme
Figura 4.23, onde todas as variveis crticas de entrada (X) e de sada (Y) foram
relacionadas, com o responsvel pelas mesmas (dica 12: rigidez e formalidade no
controle). Reunies mensais entre Proprietrio do Processo e Champion foram
formalmente executadas durante todo o ano de acompanhamento.
- 101 -
4.2.5.4. Relatrio Final: um relatrio foi montado e o projeto foi apresentado numa
conferncia realizada trimestralmente para toda a empresa.
- 102 -
Captulo 5 - Resultados
5.1. Capacidade Final: depois de implementadas todas as melhorias do DOE e FMEA,
ms a ms foram calculados e plotados os valores dos Ys do projeto (Perdas e Taxa de
Reciclagem, Resistncia e Queda de Presso). Aps 1 ano de acompanhamento foram
construdos os grficos abaixo com os resultados das perdas e dos testes de controle dos
CTQs.
Durante Projeto
Pre-fechado Fechado
Individual Value
0,20
0,15
0,10
0,05
_
LCL=0
UCL=0
X=0
0,00
1
10 11
12 13 14
15 16 17
18 19 20
21 22 23 24
25 26 27
28 29 30
Ms
Figura 5.1: Grfico do Plano de Controle das Perdas Total (Fonte: o prprio autor)
- 103 -
Varivel
VI
P-value
Perdas Geral
Observao
<0,005
Dados no normais
O grfico da Taxa de Reciclagem (Figura 5.2) nada mais que o oposto da perda, ou seja,
quanto maior a perda, menor a reciclagem. Como mostrado nos grficos, 100% das fibras
perdidas na primeira fase do processo, foram recuperadas e retornaram ao incio do processo.
Durante Projeto
Pre-fechado Fechado
_
X=1
1,0
LCL=1
UCL=1
Individual Value
0,8
0,6
0,4
0,2
0,0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Ms
Figura 5.2: Grfico do Plano de Controle da Taxa de Reciclagem (Fonte: o prprio autor)
- 104 -
Durante Projeto
Pre-fechado Fechado
1,2
Individual Value
1,1
UCL=1,0909
_
X=1,0178
1,0
LCL=0,9446
0,9
0,8
3
12
15
Ms
18
21
24
27
30
Figura 5.3: Grfico do Plano de Controle da Resistncia (gf/cm3) (Fonte: o prprio autor)
Baseline
Durante Projeto
Pre-fechadoFechado
Individual Value
0,0325
UCL=0,03243
0,0300
_
X=0,02711
0,0275
0,0250
0,0225
LCL=0,02179
0,0200
12
15
18
Ms
21
24
27
30
- 105 -
Varivel
P-value
Observao
VII
Resistncia
0,437
Dados normais
VII
Queda de Presso
0,404
Dados normais
- 106 -
A fibra reciclada no incio do trabalho ($2,70/kg) era 73% mais barata que a
fibra virgem ($9,97/kg) e ao final do trabalho, esta diferena j havia
aumentado para 76% ($11,35/kg - $2,73/kg), uma vez que a negociao com
o fornecedor de servio de desfibramento ser muito mais fcil que com o
fornecedor da fibra virgem (sujeita ao impacto direto da influncia do
aumento do petrleo);
Ms 30
Ms 29
Ms 28
Ms 27
Ms 26
Ms 25
Ms 24
Ms 23
Ms 22
Ms 21
Ms 20
Ms 19
Ms 18
Ms 17
Ms 16
Ms 15
Ms 14
Ms 13
0,000
Figura 5.5: Grfico da Economia Prevista e Real do projeto Respiradores (Fonte: o prprio autor)
- 107 -
- 108 -
- 109 -
o Dica 3: foco: o lder tem que chamar a ateno sempre para o foco do
projeto, uma vez que naturalmente os membros da equipe tendero a trazer
para as reunies assuntos fora do escopo do projeto (Habilidade de
Gerenciamento de Projeto);
o Dica 4: Seleo da equipe: somente as pessoas diretamente ligadas ao
processo que contribuiro com seus conhecimentos (Infra-estrutura da
organizao);
o Dica 5: mtrica correta: a sua determinao desde o incio do projeto
crucial para manter o foco da equipe (Entender Ferramentas e Tcnicas);
o Dica 6: alinhamento do conhecimento: o mapa do Processo fundamental
para a determinao clara dos limites do projeto e o alinhamento do
conhecimento da equipe (Treinamento);
o Dica 7: envolvimento da equipe: o mais rpido possvel, desde as primeiras
reunies do projeto (Mudana Cultural e Comunicao e Ligao Seis
Sigma com RH);
o Dica 8: objetividade na pontuao: tanto na Matriz De Priorizao como
no FMEA existe a tendncia de a equipe achar tudo importante ou de
prioridade ou impacto mximo. O lder deve ter habilidade de
convencimento (no imposio) de mostrar o contexto geral e a
necessidade de se distribuir as notas para que realmente a ferramenta seja
til quanto a sua finalidade que a priorizao (Habilidade de
Gerenciamento de Projeto);
o Dica 9: prioridade: levar da Matriz De Priorizao para o FMEA no
mximo 10 xs porque se no a finalizao desta ferramenta pode levar
meses (Entender Ferramentas e Tcnicas);
o Dica 10: envolvimento de finanas: para credibilidade nos resultados e
correto impacto nos custos, os ganhos monetrios tm que ser validados
por Finanas (Envolvimento da Alta Gerncia);
o Dica 11: seja prtico no FMEA: no permita que a equipe divague
demasiadamente procurando causas irreais para as potenciais falhas. Esta
- 110 -
- 111 -
concluir que o que mais interfere nas vendas a comunicao e no o preo, ou ainda
a combinao dos 2.
o Segurana: Sznaider (2000) afirma que quando os Gerentes de Segurana comearem
a agir como os Gerentes de Qualidade, eles deixaro de culpar os operadores pelos
acidentes e passaro a atacar a verdadeira causa dos problemas, que na maioria das
vezes est no processo ou nos equipamentos. Na busca pelo zero acidente (meta
dificlima de praticamente todas as empresas) fica a sugesto para um futuro projeto
Seis Sigma nesta rea.
- 112 -
maior nfase em uma ou outra etapa de cada modelo. Este tpico daria uma nova
dissertao comparando-se os diferentes modelos.
o DFSS (Design For Six Sigma): outro projeto recomendado, dentro da rea do
Seis Sigma o aprofundamento no DFSS, ferramenta utilizada quando no se tem
claramente a caracterstica exigida pelos clientes num produto ou processo
existente, ou utilizada na determinao de um novo produto ou processo.
- 113 -
Referncias Bibliogrficas
Bigelow, M. How to Achieve Operational Excellence. Quality Progress, 35, pp. 70-75, oct.2002.
Breyfogle III, F.W., Meadows, B. Bottom-line success with Six Sigma. Quality Progress, 34
no.5, pp. 101-104, mai.2001.
Breyfogle III, F.W. Golf and Six Sigma. Quality Progress, 35, pp. 83-85, nov.2002.
Challener, C. Six Sigma Quality efforts have measurable results. JCT CoatingsTech, pp. 24-27,
fev. 2004
Chowdhury, S. Working toward Six-Sigma Success. Manufacturing Engineer, 127, pp. 14, jul.
2001.
Connor, Gary. Benefiting from Six Sigma. Manufacturing Engineer, 130 no.2, pp. 53-59, 2003.
Coronado, R.B., Antony, J. Critical success factors for the successful implementation of Six
Sigma projects in Organisations. The TQM Magazine, v.14, pp. 92-99, no.2, 2002.
Einset, E., Marzano, J. Six Sigma Demystified. Tooling & Production, vol13, no.2, pp.43-47,
abr. 2002.
Elliott, G. The race to Six Sigma. Industrial Engineer, 35, no.10, pp. 30-35, out. 2003.
Goh, T.N., Xie, M. Statistical Control of a Six Sigma Process. Quality Engineering, 15, pp. 587592, abr.2003.
Gross, John M. A road map to Six Sigma Quality. Quality Progress, 34, pp. 24-29, nov. 2001.
- 114 -
Hahn, G., Doganaksoy, N., Stanard, C. Statistical tools for Six Sigma. Quality Progress, 34, pp.
78-82, set. 2001.
Harry, M.J. Abatement of business risk is key to Six Sigma. Quality Progress, 33, pp. 72-76, jul.
2000.
Jing, G., Li, N. Claiming Six Sigma. Industrial Engineering, 36 no.2, pp. 37-39, fev. 2004.
Klefsjo, B., Wiklund, H., Edgeman, R.L. Six Sigma seen as a methodology for Total Quality
Management. Measuring Business Excellence 5, pp. 31-35, jan. 2001.
Koban, M. Using Six Sigma tools to pigment dispersant. JCT CoatingsTech, pp. 28-33, fev.2004.
Kunes, R. Six Sigma article is misleading,. Quality Progress, 35, pp. 8, mar. 2002.
Linderman, K., Schroeder, R.G., Zaheer, S., Choo, A. Six Sigma: a goal-theoretic perspective.
Journal Operations Management, 21, pp. 193-203, 2003
Lynch, D. P., Bertolino, S., Cloutier E.T., How to Scope DMAIC Projects. Quality Progress, 36,
pp. 37-41, jan.2003.
Motwani, J., Kumar, A., Jiju A. A business process change framework for examining the
implementation of Six Sigma: a case study of Dow Chemicals. The TQM Magazine, 16, pp. 273283, abr.2004.
Neuscheler-Fritsch, D., Norris, R. Capturing financial benefits from Six Sigma. Quality Progress,
34, pp. 39-44, mai. 2001.
Olexa, Russ. Flying High with Six Sigma Quality. Manufacturing Engineer, 130, pp. 69-73, feb.
2003.
Pande, P.S., Neuman, R.P., Cavanagh, R.R. Estratgia Seis Sigma. 1a. ed. Rio de Janeiro:
Qualitymark Ed., 2001. 472 p.
Rasis, D., Gitlow, H.S., Popovich, E. Paper Organizers International: A Fictitious Six Sigma
Green Belt Case Study I. Quality Engineering, 15 (1), pp.127-145, 2002.
- 115 -
Rath & Strong (Org.). Six Sigma Pocket Guide, 2. ed. Lexington, 2001, 192 p.
Rudisill, F., Druley, S. Which Six Sigma Metric Should I use?. Quality Progress, 37 no.3, pp.
104, mar. 2004.
Sharma, V., Tonk, H. S. Six Sigma Point and Counterpoint. Manufacturing Engineering, 132, no.
1, pp.10, jan. 2004.
Sznaider, B. Six-Sigma Safety. Manufacturing Engineering, 125 no.3, pp.18, set. 2000.
Tylutki, T. P., Fox, D.G. Mooooving toward Six Sigma. Quality Progress, 35, pp. 34-41, fev.
2002.
Witt, C.E. Achieving Six Sigma Logistics. Material Handling Management, 57, pp.10, mai.
2002.
Womack, J.P., Jones, D.T. A Mentalidade Enxuta nas Empresas. 8a. ed., Ed. Campus, 1998, pp.
1-17.
- 116 -
Anexos
Tabela I Perdas do Processo de Manufatura de Respiradores Inicial (Fonte: o prprio autor)
Produto
Concha
Concha Total
Concha Interna
Ms
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Dados
Soma de No. Peas Soma de Uso Fibra (kg) Soma de Perda (Kg) Soma de Perda
812.652
4977
1167
0,235
690.743
4376
1137
0,260
677.850
4135
958
0,232
647.984
3965
927
0,234
727.769
4300
889
0,207
678.863
4074
892
0,219
723.126
4244
854
0,201
679.285
4030
846
0,210
788.237
4603
908
0,197
821.914
4885
1032
0,211
835.798
5096
1177
0,231
681.833
4075
879
0,216
8.766.054
52760
11665
0,221
252.823
1912
169
0,089
298.715
2267
208
0,092
229.879
1769
185
0,104
324.364
2449
213
0,087
249.255
1878
159
0,085
264.780
2017
191
0,095
253.268
1905
159
0,084
258.085
1954
175
0,090
204.631
1537
126
0,082
255.002
1946
188
0,097
272.326
2057
180
0,087
290.077
2204
205
0,093
3.153.203
23897
2160
0,090
1.065.474
6889
1336
989.458
6643
1346
907.729
5905
1142
972.348
6414
1140
977.024
6178
1048
943.643
6091
1083
976.394
6149
1013
937.370
5985
1021
992.868
6140
1034
1.076.916
6831
1220
1.108.124
7153
1357
971.910
6279
1083
11.919.257
76657
13825
0,180
- 117 -
0,235
0,260
0,232
0,234
0,207
0,219
0,201
0,210
0,197
0,211
0,231
0,216
0,221
0,089
0,092
0,104
0,087
0,085
0,095
0,084
0,090
0,082
0,097
0,087
0,093
0,090
0,194
0,203
0,193
0,178
0,170
0,178
0,165
0,171
0,168
0,179
0,190
0,173
0,180
- 118 -
- 119 -
Tabela III Capacidade Inicial do Produto Concha Interna (Fonte: o prprio autor)
- 120 -
- 121 -
- 122 -
- 123 -
- 124 -
- 125 -
- 126 -
- 127 -
- 128 -
- 129 -
DPMO
3,4
5,4
8,5
13
21
32
48
72
108
159
233
337
483
687
968
1.350
1.866
2.555
3.467
4.661
6.210
8.198
10.724
13.903
17.864
22.750
28.716
35.930
44.565
54.799
Perda (%)
0,00034%
0,00054%
0,00085%
0,0013%
0,0021%
0,0032%
0,0048%
0,0072%
0,0108%
0,0160%
0,0230%
0,0340%
0,0480%
0,0690%
0,1000%
0,1300%
0,1900%
0,2600%
0,3500%
0,4700%
0,6200%
0,8200%
1,1000%
1,4000%
1,8000%
2,3000%
2,9000%
3,6000%
4,5000%
5,5000%
Sigma
3,0
2,9
2,8
2,7
2,6
2,5
2,4
2,3
2,2
2,1
2,0
1,9
1,8
1,7
1,6
1,5
1,4
1,3
1,2
1,1
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
- 130 -
DPMO
66.807
80.757
96.801
115.070
135.666
158.655
184.060
211.855
241.964
274.253
308.537
344.578
382.089
420.740
460.172
500.000
539.828
579.260
617.911
655.422
691.462
725.747
758.036
788.145
815.940
841.345
864.334
884.930
903.199
919.243
Perda (%)
6,7000%
8,1000%
9,7000%
11,5000%
13,6000%
15,9000%
18,4000%
21,2000%
24,2000%
27,4000%
30,9000%
34,5000%
38,2000%
42,1000%
46,0000%
50,0000%
54,0000%
57,9000%
61,8000%
65,5000%
69,1000%
72,6000%
75,8000%
78,8000%
81,6000%
84,1000%
86,4000%
88,5000%
90,3000%
91,9000%
Mean
StDev
N
AD
P-Value
95
90
0,2210
0,01781
12
0,336
0,443
Percent
80
70
60
50
40
30
20
10
5
0,18
0,19
0,20
0,24
0,25
0,26
0,27
Figura I - Grfico do Teste de Normalidade da Perda Concha Inicial (Fonte: o prprio autor)
Mean
StDev
N
AD
P-Value
95
90
0,09035
0,006254
12
0,246
0,694
Percent
80
70
60
50
40
30
20
10
5
0,075
0,080
0,085
0,090
0,095
Perda Concha Interna
0,100
0,105
Figura II - Grfico do Teste de Normalidade da Perda Concha Interna Inicial (Fonte: o prprio autor)
- 131 -
Mean
StDev
N
AD
P-Value
95
90
0,1800
0,01209
12
0,473
0,197
Percent
80
70
60
50
40
30
20
10
5
0,15
0,16
0,17
0,18
Perda Geral
0,19
0,20
0,21
Figura III - Grfico do Teste de Normalidade da Perda Geral Inicial (Fonte: o prprio autor)
Mean
StDev
N
AD
P-Value
95
90
1,046
0,04216
12
0,559
0,118
Percent
80
70
60
50
40
30
20
10
5
0,95
1,00
1,05
Resistncia
1,10
1,15
- 132 -
Mean
StDev
N
AD
P-Value
95
90
0,02825
0,001913
12
0,198
0,852
Percent
80
70
60
50
40
30
20
10
5
0,024 0,025 0,026 0,027 0,028 0,029 0,030 0,031 0,032 0,033
Queda de Presso
Figura V - Grfico do Teste de Normalidade da Queda de Presso Inicial (Fonte: o prprio autor)
Mean
StDev
N
AD
P-Value
95
90
0,1042
0,08252
30
2,461
<0,005
Percent
80
70
60
50
40
30
20
10
5
-0,1
0,0
0,1
Perda Geral
0,2
0,3
Figura VI - Grfico do Teste de Normalidade da Perda Geral Final (Fonte: o prprio autor)
- 133 -
Mean
StDev
N
AD
P-Value
95
90
1,021
0,04431
30
0,355
0,437
Percent
80
70
60
50
40
30
20
10
5
0,90
0,95
1,00
1,05
Resistencia
1,10
1,15
Figura VII - Grfico do Teste de Normalidade da Resistncia Final (Fonte: o prprio autor)
Mean
StDev
N
AD
P-Value
95
90
0,02707
0,002050
30
0,370
0,404
Percent
80
70
60
50
40
30
20
10
5
0,022
0,024
0,026
0,028
Queda de Pressao
0,030
0,032
- 134 -
Apndices
- 135 -
Relatrio de Calibrao
01/02/2004
Cdigo
M82612
Descrio: Manmetro Teste de Resistncia
Norma: PCEI-043
Status:
Ativo
Frequncia: 6 ms
Resultado
Data
Frequncia
Prxima
Calibrao
Tipo
Funcionrio
Certificado
Lab.
21/01/2004
6 meses
21/07/2004
Preventiva
18446
No aplicvel
001
FNE
L.E.T.Inferior
L.E.T.Superior
Unidade
V.I.
Erro
Conformidade
Presso
-0,025
+0,025
0,500
gf/cm3
0,510
+0,010
Conforme
Presso
-0,025
+0,025
1,500
gf/cm3
1,510
+0,010
Confomre
APROVADO
Relatrio de Calibrao
01/04/2004
Cdigo
M29015
Descrio: Manmetro Queda de Presso
Norma: PCEI-043
Status:
Ativo
Frequncia: 3 meses
Resultado
Data
Frequncia
Prxima
Calibrao
Tipo
Funcionrio
Certificado
Lab.
22/03/2004
3 meses
22/06/2004
Preventiva
12353
No aplicvel
001
FNE
L.E.T.Inferior
L.E.T.Superior
Unidade
V.I.
Erro
Conformidade
Escala
-0,001
+0,001
0,025 atm
0,024
-0,001
Conforme
Escala
-0,001
+0,001
0,050 atm
0,050
-0,000
Conforme
Escala
-0,001
+0,001
0,100 atm
0,999
-0,001
Conforme
APROVADO
Pag. 1/1
- 136 -
Limite
Inferior
Especificao
Limite
Superior
Especificao
0,135% de Defeitos
-3
0,135% de Defeitos
-2
+1
-1
+2
+3
99.73%
CP =
C pk = Mn X LIE ; LSE X = +3
- 0
=1
Figura C Processo 3 Sigma Teoria: curto prazo ou centralizado (Fonte: o prprio autor)
Limite
Inferior
Especificao
Limite
Superior
Especificao
0,0000001 % de Defeito
0,0000001 % de Defeito
ou
0,001 ppm de Defeito
ou
0,001 ppm de Defeito
-6 -5
+1 +2 +3 +4 +5 +6
-4 -3 -2 -1
99.9999998%
CP =
C pk = Mn X LIE ; LSE X = +6
3
- 0
=2
Figura D Processo 6 Sigma Teoria: curto prazo ou centralizado (Fonte: o prprio autor)
- 137 -