Você está na página 1de 492

APOSTILA DE GREEN BELT

Certificao Lean Six Sigma FM2S

FM2S
Certificao Lean Six Sigma Green Belt
SUMRIO
Introduo ao Six Sigma ............................................................................................................................... 4
A era dos artesos .................................................................................................................................... 6
A era das fbricas e o Taylorismo ............................................................................................................. 7
Fordismo ................................................................................................................................................... 9
Nasce a melhoria de processos .............................................................................................................. 11
Os Conceitos Fundamentais da Melhoria ................................................................................................... 15
O Saber Profundo ................................................................................................................................... 16
Como implementar o saber profundo .................................................................................................... 19
Conceito fundamental ................................................................................................................................ 21
As trs questes fundamentais .............................................................................................................. 23
O que queremos realizar? ...................................................................................................................... 25
Como saberemos se a mudana uma melhoria .................................................................................. 29
Definio de melhoria ............................................................................................................................ 39
Tipos de indicadores ............................................................................................................................... 42
Que mudanas podemos fazer ............................................................................................................... 44
O ciclo pdsa ................................................................................................................................................ 46
Como girar o ciclo pdsa .......................................................................................................................... 54
Resumo do modelo de melhoria ................................................................................................................ 58
Abordagens, habilidades e roteiros ............................................................................................................ 59
Os roteiros de melhoria .......................................................................................................................... 64
Roteiro dmaic ......................................................................................................................................... 68
Define ......................................................................................................................................................... 72
VOC ......................................................................................................................................................... 74
rvore ctc ............................................................................................................................................... 78
SIPOC ...................................................................................................................................................... 80
Por que devemos usar o SIPOC no Define? ........................................................................................ 86
O Contrato de Melhoria ......................................................................................................................... 88
Metas ...................................................................................................................................................... 92
Matriz de stakeholders ........................................................................................................................... 96
Matriz de comunicaes......................................................................................................................... 97
Diagrama de afinidades .......................................................................................................................... 98
Measure ................................................................................................................................................... 101
A porta de processos ............................................................................................................................ 103
Mapeamento de processos .................................................................................................................. 107
Como elaborar o fluxograma ............................................................................................................ 113
Fluxograma ....................................................................................................................................... 119

1
Diagrama espaguete ......................................................................................................................... 124
VSM (mapeamento do fluxo de valor) ............................................................................................. 125
Measure dados ..................................................................................................................................... 130
Definio operacional ....................................................................................................................... 135
Tipos de variveis ............................................................................................................................. 139
Melhorando a coleta de dados ......................................................................................................... 143
Variveis de estratificao ................................................................................................................ 146
Anlise de variao ........................................................................................................................... 149
A voz do processo ............................................................................................................................. 153
Grfico de tendncia ........................................................................................................................ 154
Grfico de frequncia ....................................................................................................................... 165
Dot plot ............................................................................................................................................. 168
Histograma ....................................................................................................................................... 169
Medidas de localizao e variao ................................................................................................... 171
Box plot............................................................................................................................................. 180
Grficos de barras e setores (pizza).................................................................................................. 185
Grfico de pareto.............................................................................................................................. 188
Distribuio normal .......................................................................................................................... 196
Probability plot ................................................................................................................................. 205
Transformao de variveis .............................................................................................................. 210
Grficos de controle ......................................................................................................................... 217
Anlise de capabilidade .................................................................................................................... 241
Usando os indicadores de capabilidade ........................................................................................... 258
Resultados do measure .................................................................................................................... 261
Resumo measure .............................................................................................................................. 267
Analyse ................................................................................................................................................. 268
Diagrama causa efeito ...................................................................................................................... 279
Os 5 porqus..................................................................................................................................... 287
Desconexes ..................................................................................................................................... 297
Desperdcios ..................................................................................................................................... 301
Analise de valor ................................................................................................................................ 317
ECRS .................................................................................................................................................. 323
Analise do tempo.............................................................................................................................. 325
Poka yoke ......................................................................................................................................... 328
Tecnologia ........................................................................................................................................ 342
Criatividade....................................................................................................................................... 350
Conceitos de mudanas .................................................................................................................... 359

2
Correlao ........................................................................................................................................ 367
Grfico de disperso ......................................................................................................................... 375
Tabela de contingncia ..................................................................................................................... 390
Planejamento de experimentos ........................................................................................................... 399
Experimento fatorial ......................................................................................................................... 411
Improve ................................................................................................................................................ 446
Teste de mudanas ........................................................................................................................... 448
Como testar mudanas ..................................................................................................................... 455
Matriz de priorizao........................................................................................................................ 463
Control .................................................................................................................................................. 466
Abordagens da implementao........................................................................................................ 468
Plano de implementao .................................................................................................................. 470
Encerramento ....................................................................................................................................... 484

3
Bem vindos!

O que o curso de Green Belt?

Os arquivos relativos ao exerccios podem ser encontrados em nosso site:

www.fm2s.com.br

INTRODUO AO SIX SIGMA


Muitos nos perguntam sobre o que se trata nosso curso de Green Belt, ou at mesmo o
que a metodologia Seis Sigma. Dentre todas as definies possveis, ns gostamos muito
desta: nosso curso de Seis Sigma Green Belt torna voc capaz de melhorar processos e
analisar dados. Melhorar processos e analisar dados so duas das competncias mais
procuradas pelas empresas na era da informao, a qual vivemos hoje. No h nenhum
colaborador de destaque que no tenha bons conhecimentos nestas duas reas.
Sabemos que melhorar uma necessidade de qualquer organizao, independentemente
do setor ou porte. Quem no busca a melhoria por conta prpria, geralmente acaba
buscando quando sua sobrevivncia ameaada por concorrentes melhores e mais
preparados. Diante disto, consenso que aprender a nadar quando a gua chega na altura
do nariz, no algo prazeroso.
Para melhorar, o Seis Sigma nos ajuda a buscar a melhoria por meio de duas grandes
portas: a porta dos dados e a porta dos processos. Pela porta dos dados, nos so ensinados
ferramentas estatsticas para analisa-los, bem como tcnicas e conceitos para colet-los.
A metodologia nos ensina a fazer anlises melhores e com isto, tomaremos decises
melhores. Ao aplicarmos os conceitos, transformamos dados em informao til tomada
de deciso.
A porta de processos nos leva vrias tcnicas para enxergar as organizaes como
processos. E processos, so uma srie de atividades que transformam insumos em
produtos ou servios, agregando valor ao cliente a cada transformao.
Juntar todas essas ferramentas, por meio do roteiro (DMAIC), gerando melhorias na
organizao o verdadeiro objetivo do Seis Sigma e o que vamos passar neste curso
para vocs.

4
Um pouco de
histria

De onde vem as teorias que trabalhamos hoje?

5
A era dos artesos at sculo XVII

O arteso controla todo o


processo de produo
dentro do escopo de seu
ofcio

Cada pea produzida


nica

O processo passado
adiante de mestre para
aprendiz

No existem padres

A ERA DOS ARTESOS


Durante a maior parte da histria humana, desde que se comeou a produzir bens de
consumo at a poca da revoluo industrial, a produo foi conduzida no sistema de
artesanal. Cada arteso possua o seu ofcio e o passava, de maneira tcita, para o seu
aprendiz. O ensino era prtico: no havia mtodos e padres, todo o conhecimento era
passado adiante por meio do contato mestre-aprendiz.
Alm disso, o arteso controlava as atividades de produo de um bem dentro de seu
ofcio. Por exemplo, o criador de gado produzia peles, o curtidor, transformava a pele em
couro, o sapateiro transformava couro e madeira em botas. Cada trabalhador produzia um
produto.
Cabia ao sapateiro saber quais couros escolher, como conforma-los, como aderi-los sola
da bota e qual seria o uso que o cliente daria, ao bem produzido por ele. Cada um destes
distintos tipos de artesos tambm trabalhava em espaos separados. No havia uma
grande fbrica com diversos trabalhadores, apenas algumas corporaes de ofcio em que
alguns artesos trabalhavam juntos. Uma empresa no controlava a totalidade da
transformao das matrias-primas em produto acabado.
Em outras palavras, a diviso do trabalho era social, focada nas atividades de todos os
indivduos, no manufatureira, focada no produto final. Com a revoluo industrial e a
criao de fbricas que reuniam diversos trabalhadores especializados (note que nas
fbricas modernas um trabalhador isolado no capaz de produzir um produto sozinho),
o sistema das corporaes de ofcio chega ao seu derradeiro destino. preciso integrao
do trabalho de cada um. Tornam-se necessrios processos, padres e procedimentos, ou
seja, a interao homem-mquina agora regulada por um conjunto pr-determinado de
passos. preciso um sistema de comunicao e ensino melhor do que o existente, pois
um operador experiente, j no mais capaz de produzir um produto.
A mudana da diviso social do trabalho para uma diviso manufatureira mudou a
maneira de se conduzir a produo pela primeira vez, em milnios.

6
A era das fbricas e o Taylorismo sc. XVIII e 1875

Aparecimento das
grandes fbricas

Especializao do
trabalho

Surgimento dos padres e


dos gerentes

Taylor: administrao
cientfica

Qualidade: produto
bom/produto ruim

A ERA DAS FBRICAS E O TAYLORISMO


Aps a revoluo industrial, aparece uma entidade totalmente nova na histria humana:
a fbrica. Nesta fbrica, um grande nmero de trabalhadores empregado em servios
altamente especializados. No h mais ofcio, existem apenas atividades. A atividade de
se ajustar uma mquina, a atividade de se apertar um parafuso, a atividade de se carregar
carvo dentro de um vago de trem, etc.
Essas atividades, por si s no produzem o produto. necessrio coordena-las, coloca-
las em uma sequncia lgica no final da qual o produto se materializar. Surge ento a
figura dos gerentes e coordenadores e os primeiros engenheiros de produo (embora essa
profisso s venha a existir formalmente muito depois deste perodo).
Com o passar do tempo, estes coordenadores comeam a extrapolar o seu trabalho
inicial. Eles no apenas integram as atividades, mas passam a padroniza-las e avaliar
maneiras para torna-las mais eficientes. A conduo da atividade no mais do
trabalhador (antigamente materializado na figura do arteso). O coordenador da empresa,
mais capacitado, avalia como cada operrio deve conduzir o seu trabalho e o instrui para
isso.
Esse procedimento culminou com o trabalho de um engenheiro chamado Frederick
Taylor. Seu livro mais famoso chama-se Princpios da Administrao Cientfica.
Neste livro, Taylor populariza a ideia de que os gerentes devem estudar e melhorar o
trabalho de seus funcionrios. O livro foca no desafio da poca, que era o aumento da
produtividade da fbrica, para atender a um mercado vido pelos bens produzidos. As
aes eram sempre para produzir mais peas, carregar mais rpido e no em reduzir
defeitos ou adicionar funcionalidades. A melhoria no sentido de produzir mais e no
de produzir melhor.
As ideias de Taylor ganham grande popularidade quando este convidado por Henry
Ford a atuar como consultor de suas fbricas. Nasce aqui o que chamamos de Taylorismo,
mtodo de olhar criticamente para uma atividade, de maneira a torna-la mais produtiva.
Obviamente Taylor no inventou a anlise crtica da produo e dos tempos. Estudos
que visavam aumentar a eficincia no trabalho existem desde os tempos antes de Cristo.

7
Vrios autores renomados, como Adam Smith e Jean-Baptiste Say, j haviam publicado
vasto material pregando a necessidade da melhoria da produo. O que Taylor fez foi, no
momento certo, popularizar esse mtodo.
O Taylorismo sempre considerado uma faca de dois gumes. Ele extremamente
positivo, pois abre ao mundo a ideia de melhoria de atividades (o que eventualmente
evolui em melhoria de processos). Mas, apresenta vrios problemas graves: foco no
aumento da quantidade produzida; depende muito do gerente e no respeita o
trabalhador, uma vez que lhe atribui o papel de mquina, deixando ao gerente toda a
responsabilidade de pensar e melhorar o processo. deste perodo a inspirao do
maravilhoso filme Tempo Modernos de Charlie Chaplin.
Felizmente, o sistema produtivo evoluiu muito ao longo dos anos...

8
O Fordismo incio do sculo XX at ~1930

Criao da linha de
montagem

Padronizao extrema

Inicio da mentalidade de
qualidade do produto

Popularizao da
melhoria

FORDISMO
Atuando como consultor na Ford Motor Company, Taylor tem a oportunidade de
aumentar ainda mais a sua notoriedade. Ele e seu contratante desenvolvem o que hoje
chamamos de linha de montagem, que nada mais do que trabalhadores realizando
atividade altamente especializadas num ritmo especfico. As tarefas so realizadas num
tempo determinado pela velocidade das mquinas da linha, seguindo padres definidos e
em uma sequncia lgica de atividades.
A popularizao da linha de montagem afeta a maneira como a humanidade conduz a
manufatura de tal forma que possibilita a massificao de produtos em uma escala nunca
antes vista. Produtos complexos (como o caso do carro) so popularizados e tornam-se
acessveis para uma grande quantidade de pessoas. Notem que a linha de montagem no
era uma ideia original. Adam Smith mesmo j havia citado um exemplo desse tipo de
montagem em um livro de 1750. O que Ford fez foi aperfeioar o sistema, colocando a
lgica de tempos e mtodos embutida nela.
A padronizao na linha de montagem assim como o treinamento sistmico dos
funcionrios muito importante. A empresa comea a se preocupar em como instruir seus
trabalhadores a seguir padres. Alm disso, ela busca no modificar apenas o processo
pelo qual a atividade realizada, mas tambm busca desenvolver ferramentas que tornem
o processo mais simples e eficaz.
Novamente, no foi apenas Taylor que influenciou no desenvolvimento da linha de
montagem na Ford. Thomas Edison tambm deu sua contribuio. Na poca ele era scio
e mentor de Ford.
Nesta era, nasce a preocupao com a qualidade dos produtos. Aps inmeras perdas de
produtos pela falta de qualidade, se estabelece a criao de estruturas para se inspecionar
se o produto est de acordo com a norma antes que chegue ao consumidor. Alm disto,
buscam-se maneiras de evitar que os funcionrios cometam erros durante a conduo de
suas atividades ( um av dos poka-yokes modernos), causada pela alta rotatividade nas
perigosas fbricas e pela falta de capacitao do funcionrio na operao pela qual ficou
incumbido.

9
Todas as empresas a partir desta poca adotam a linha de montagem, em algum aspecto.
Isso ajuda a popularizar a preocupao com a qualidade e a ateno para a melhoria.

10
Shewhart e a sofisticao da melhoria (1930)

Inicio do uso da estatstica


em melhoria de processos

Criao de algumas das


ferramentas bsicas
usadas atualmente

Busca por previsibilidade


da resposta dos
processos

NASCE A MELHORIA DE PROCESSOS


Na dcada de 1930, acontece outro grande avano na cincia da melhoria: inicia-se a
utilizao das ferramentas estatsticas e do mtodo cientfico na melhoria de processos.
Esse avano aconteceu nos laboratrios Bell, uma das mais renomadas instituies de
pesquisa da histria (8 prmios Nobel foram concedidos a trabalhos realizados nestes
laboratrios).
O protagonista desse avano foi o estatstico Walter Shewhart. Ele trabalhava com a
anlise dos processos do laboratrio. Dentre suas inovaes mais importantes, podemos
citar o controle estatstico de processo (CEP), que culmina com os Grficos de
Controle.O objetivo de Shewhart ao desenvolver tais ferramentas era identificar quando
um sistema estava em estabilidade e quando ele tornava-se instvel. Com isso,
desenvolveu-se um dos pilares da melhoria de processos como conhecemos hoje: o
entendimento da variao. Saber se um processo est estvel ou instvel condio
fundamental para saber quando e como devemos agir frente a um processo. umas das
primeiras ferramentas de diagnstico gerencial que se tem notcia.
Alm dos mtodos estatsticos, Shewhart tambm introduziu ao mundo fabril o mtodo
cientfico, desenvolvendo a construo de conhecimento e sua implementao por meio
de mudanas nos processos. Esse passo a passo ficou conhecido como o ciclo de
Shewhart e foi o embrio para as tcnicas modernas do PDSA e do PDCA.
Shewhart, durante sua vida acadmica, tambm pode orientar outro famoso estatstico:
Willian Edwards Deming. Deming, mais tarde, transformar-se-ia em um dos mais
importantes gurus da qualidade, sendo responsvel pela transformao do Japo no ps-
guerra e pela recuperao da indstria americana no final dos anos 80.

11
A reconstruo do Japo e o avano da qualidade (1945
1980)

Popularizao da
qualidade

Aplicao da estatstica

Popularizao da
melhoria como vantagem
estratgica

Desenvolvimento do
Sistema Toyota de
Produo

Aps a segunda guerra mundial, uma mudana bastante interessante nos mtodos de
produo comeou a acontecer no Japo. O pas precisava se reconstruir aps a destruio
causada pela guerra e estava determinado a fazer isso da melhor maneira possvel. Nesse
contexto, criou-se a JUSE em 1946 (Japanese Union of Scientists and Engineers, ou
Unio Japonesa de Cientistas e Engenheiros).
Essa entidade era composta pelos mais brilhantes e influentes personagens da indstria
japonesa. Dela fazia parte quase totalidade dos presidentes das grandes empresas
japonesas da poca e grande parte dos pesquisadores da indstria.
Um dos objetivos iniciais da JUSE foi desenvolver mtodos de produo mais eficientes,
e para isso, convidou Deming a ir ao Japo para dar palestras sobre a gesto da qualidade
e o uso de ferramentas estatsticas no desenvolvimento de processos. Essas palestras
tiveram uma adeso muito forte entre os engenheiros japoneses e o contedo disseminado
por Deming (no final da dcada de 1940 e nas dcadas posteriores) fez com que o Japo
se tornasse uma referncia mundial em manufatura.
Nessa poca, alm de Deming, outros pesquisadores se envolveram na iniciativa
japonesa. Dentre os mais famosos podemos citar Joseph Juran, que introduziu o conceito
de que a qualidade no devia ser controlada por inspeo e sim disseminada entre todos
os processos da empresa. Juran foi o pai da qualidade como a conhecemos hoje. Ele
tambm foi responsvel por enxergarmos a qualidade como vantagem estratgica. Alm
de Deming e Juran, Kaoru Ishikawa e Armand Feigenbaum fizeram contribuies
notveis nesta era.
Por fim, nesta etapa iniciam-se as primeiras iniciativas da Toyota em desenvolver seu
sistema de produo (hoje mundialmente famoso). Taiichi Ohno, o grande precursor do
TPS (Toyota Production System), comea a levar a melhoria e a qualidade ao operador.
Ele retoma os velhos conceitos de padres, porm deixa-os abertos para que cada
trabalhador possa melhorar seu desempenho. Cria tambm a noo de funcionrio
multitarefa, que permite a um trabalhador executar mltiplas atividades dentro de sua
empresa. A produtividade alcanada por causa dessas mudanas emerge violentamente

12
na dcada de 1980, tornando a Toyota uma das maiores produtoras de carros do mundo.
O que hoje conhecemos como Lean manufacturing surgiu do Estudo feito pelo MIT
esta iniciativa.
A compilao e aperfeioamento dos conceitos desenvolvidos aqui consolidaram o que
hoje chamamos de Modelo de Melhoria.

13
ISO, Seis Sigma, Lean, WCM e Modelo de Melhoria A
era moderna (1980 at hoje)

Da manufatura para o
resto da organizao (a
padronizao e a
qualidade tomam outra
proporo)

A estatstica tambm se
populariza

A parte humana
consolidada e
disseminada

Criam-se metodologias

Nos anos seguintes at os dias atuais, os avanos desenvolvidos na reconstruo do Japo


se popularizam e se consolidaram. Hoje em dia, todos sabem o que qualidade e a sua
importncia para os negcios. As tcnicas que inicialmente estavam limitadas a
manufatura penetram em todos os processos nas mais diversas organizaes. De
montadoras at hospitais, todos comeam a usar padres e estatstica para melhorar seus
processos.
Alm disso, nessa poca surgem diversas metodologias que compilam os conceitos
iniciais. Dentre as mais famosas podemos citar o seis sigma, criado Bill Smith na
Motorola e popularizado por meio de seu presidente na dcada de 1980, Robert W.
Galvin. Surge tambm a ISO (International Standarization Orgazition) ajuda a
popularizar a padronizao e o Lean, que auxilia a popularizar as lies aprendidas pela
Toyota.
neste perodo que se consolidada a parte humana da mudana, principalmente pelas
contribuies de Peter Scholtes. Comea-se a estudar tcnicas e mtodos de trabalho em
equipe e maneiras de se alcanar melhores resultados com o time. deste perodo a
famosa frase que diz que liderar alcanar objetivos com a equipe do jeito certo, ou seja,
dentro da misso e dos valores da empresa.
Surge tambm nessa poca o WCM e o Modelo de Melhoria, que compilam
aprendizados, roteiros e ferramentas para a aplicao disseminada da melhoria em larga
escala.

14
Os conceitos
fundamentais

OS CONCEITOS FUNDAMENTAIS DA MELHORIA

15
O saber profundo
Deming postula que a melhoria deve se
basear em 4 pilares:

O SABER PROFUNDO
Deming, ao longo de sua carreira, e principalmente ao final, sintetizou os fundamentos
de sua teoria da melhoria de processos no que ele chamou de Conhecimento Profundo.

16
Letsdo
Os pilares review
Sabersome concepts
Profundo de Deming

VISO SISTMICA TEORIA DO


CONHECIMENTO
A organizao um sistema composto
de processos. Esses processos esto Precisamos saber como gerar
correlacionados. preciso enxergar conhecimento sobre o que estamos
essa correlao. fazendo e saber como dissemin-lo
para toda a empresa

ENTENDIMENTO DA PSICOLOGIA
VARIAO
Processos variam, indicadores variam. Empresas so feitas de pessoas. Cada
necessrio estudar e aprender com um tem seus objetivos e ambies.
essa variao. Entend-los vital para o sucesso da
organizao.

O saber profundo pautado em 4 pilares fundamentais:


Viso sistmica: devemos parar de enxergar uma organizao como um aglomerado de
pessoas, mas sim como um conjunto de processos que tem por objetivo cumprirem uma
funo. Assim como o arteso no passado, cada organizao de pessoas deve transformar
entradas em sadas, insumos em produtos e servios menores em servios maiores.
Devido complexidade adquirida pelos produtos e servios modernos, observar esse
objetivo da organizao (ou esse propsito, como Deming preferia chamar) torna-se
complexo. No dia a dia, como trabalhadores, pensamos muito em nossos departamentos
e nossas atividades. Esquecemo-nos de enxergar como nosso trabalho se correlaciona
com o trabalho das outras pessoas da empresa de maneira a entregar sociedade o que
ela espera de nossa organizao.
Um exemplo que utilizo muito para ilustrar este conceito o relgio. Qual a valia de
um relgio se no for para marcar os dias e as horas? Esta a sua funo principal e todas
as engrenagens e seus movimentos devem estar alinhados com esta funo. Algum
analisa a hierarquia das engrenagens de um relgio? No que eu saiba, apenas so
analisados os processos que cada pea executa para que o relgio marque as horas da
maneira mais precisa possvel. Assim deve ser uma organizao.
Ter viso sistmica observar como cada parte da organizao se correlaciona com as
demais, permitindo a este sistema cumprir suas funes. Existem diferentes ferramentas
para desenvolver essa viso, que sero exploradas ao longo do curso. Alguns exemplos
so: SIPOC, fluxograma, VSM, entre outros.
Teoria do conhecimento: impossvel fazermos nossas atividades de maneira melhor se
no aprendemos algo novo sobre o que estamos fazendo. Gerar conhecimento, do tcnico
ao processual, de fundamental importncia para aumentar o desempenho da
organizao. Em outras palavras: precisamos saber aprender. Esse aprendizado no pode
ser feito a duras penas, na base da tentativa e erro. Precisamos ter um mtodo para
aprender melhor. justamente disso que fala a teoria do conhecimento. Como aprender
melhor como organizao?

17
As ferramentas que nos ajudam a aprender, so aquelas criadas em cima do mtodo
cientfico, como o ciclo PDSA e o Planejamento de Experimentos. Mais a frente,
exploraremos em detalhes como funciona o mtodo e quais so suas etapas para gerar
conhecimento de maneira rpida e slida.

Entendimento da variao: este pilar tem tudo a ver com as ferramentas estatsticas.
Todos os processos e resultados de uma organizao variam. s vezes vendemos mais,
s vezes menos, s vezes uma pea sai mais leve, outras mais pesada. Isso perfeitamente
natural e por mais que trabalhemos para reduzir essas variaes, nunca acabaremos com
elas. O problema a maneira como reagimos a essa variao. Imagine se todos os meses
que eu vendesse menos eu ficasse triste e comeasse a tomar aes drsticas. Isso no
necessariamente faria com que eu vendesse mais no ms seguinte. Porm, se houvesse
uma causa clara para eu vender menos, se eu no tomar uma ao drstica sobre ela, meu
negcio estar ameaado.
Entender a variao saber quando uma mudana no meu indicador natural e quando
ela no natural (ou seja, tem algo novo e diferente no processo). As ferramentas
estatsticas nos ajudam exatamente nesse quesito. Analisar o comportamento do indicador
ao longo do tempo com essas ferramentas nos permite enxergar quando uma variao
significativa e quando ela natural.
Psicologia: organizaes so compostas de pessoas, e pessoas tem sentimentos e
ambies. Se no entendermos o que motiva cada um individualmente, dificilmente
poderemos juntar os esforos individuais para atingir o propsito da organizao. Esse
entendimento justamente a psicologia. Como disseminar o propsito de maneira que ele
engaje continuamente cada membro da organizao? Como trabalhar em equipe?
Para melhoramos nosso domnio deste pilar, existe algumas tcnicas, principalmente
referentes comunicao e ao alinhamento de cada um. Vamos discuti-la com mais
profundidade ao longo do curso.

18
Melhorias
Como, na prtica, implementar o saber
profundo?

COMO IMPLEMENTAR O SABER PROFUNDO

19
UseOs requisitos
charts do mtodo
to explain your ideas

Crie uma estrutura favorvel

Domine uma tcnica de melhoria

Entenda melhoria como necessidade estratgica

O mtodo do Modelo de Melhoria e os ensinamentos do Conhecimento Profundo so


extremamente robustos. Eles podem ser aplicados em qualquer tipo de organizao,
porm, possui alguns requisitos. Devemos preencher esses requisitos se desejamos
alcanar o mximo de resultado com estes conhecimentos. So eles:
Entender melhoria como necessidade estratgica: a organizao precisa realmente
estar engajada no desenvolvimento de melhorias. impossvel conduzir projetos de
melhoria (independente da metodologia), sem que sejam disponibilizados os recursos
necessrios equipe. Por exemplo, como um funcionrio ir dedicar-se a melhorar um
indicador se ele no fizer parte da necessidade da empresa? Como um trabalhador poder
melhorar seu desempenho se no possui tempo ou foco para aprender sobre o que est
fazendo? Se a direo da organizao no prezar pela melhoria, esta no ir acontecer.
Dominar uma tcnica de melhoria: isso o que passaremos no curso de Green Belt, a
tcnica (um roteiro e vrias ferramentas) para fazer a melhoria acontecer. Essa tcnica
deve ser dominada pelo agente que ir conduzir os esforos da equipe. Ele dever atuar
como um tutor conduzindo a equipe pelo roteiro e pelas vrias ferramentas.
Criar uma estrutura favorvel para a melhoria: por fim, as organizaes, juntamente
com o agente de melhoria devem torna-la um processo do dia a dia. Os operadores de
cada atividade devem possuir os meios necessrios para gerar novas melhorias. Isso vem
do trabalho da organizao em mudar e adaptar seu prprio ambiente.

20
Mudana e Melhoria
Conceitos que andam juntos

CONCEITO FUNDAMENTAL

21
Mudana
Use charts e Melhoria
to explain your ideas

Requer

Melhoria Mudana

Nem sempre resulta em

Um ponto central da cincia da melhoria a sua relao com a mudana. Uma boa
definio de insanidade fazer sempre a mesma coisa e esperar por resultados diferentes.
impossvel melhorar alguma coisa sem que se faam mudanas. Melhoria requer
mudana. Entretanto, mudana nem sempre resulta em melhorias. Algumas mudanas,
inclusive, pioram o desempenho de um processo, portanto, no utilize melhoria como
sinnimo mudana.
Esse conceito, apesar de parecer bvio quando exposto dessa maneira, traioeiro. Em
nossa vida cotidiana, estamos acostumados a pensar sempre em mudar. s observarmos
as campanhas polticas que vemos em pocas de eleies: mudana, mudana, mudana!
Poucos candidatos falam em melhoria. Por outro lado, em empresas, comum nos
depararmos com planos de ao em que o autor lista que encontrou 350 oportunidades de
melhorias. Est errado. Ele encontrou oportunidade de mudanas, que sero ou no
melhorias, cabendo ao tempo dizer isto. Ento como desenvolver mudanas que tenham
grande probabilidade de ser melhorias?
H uma maneira fcil de estruturamos essas mudanas, por meio das trs questes
fundamentais da melhoria.

22
Mudana
Use charts e Melhoria
to explain your ideas

1. O que queremos melhorar?

2. Como
3. Quais
saberemos que a
mudanas
mudana uma
podemos fazer?
melhoria?

AS TRS QUESTES FUNDAMENTAIS


Responder as 3 perguntas fundamentais da melhoria nos do o que precisamos para
realizarmos um projeto de sucesso. As perguntas criam um mapa com:
O objetivo do esforo. A primeira pergunta nos faz refletir sobre o que queremos
realizar. Quando o objetivo claro, ns podemos estruturar de maneira mais efetiva
as nossas aes. Alm disso, podemos usar a definio de objetivo para alinhar a nossa
equipe.
As mtricas do esforo de melhoria. A segunda pergunta tem a ver com indicadores
e mtricas, ou seja, tem a ver com dados. Como saber que a nossa mudana foi uma
melhoria? Precisamos de dados para isso! Se o nosso projeto de melhoria visa
diminuir os refugos na linha de produo, s vamos saber que uma mudana foi
uma melhoria quando medirmos a quantidade total de refugos ao longo do tempo e
verificarmos uma queda. Definir claramente um indicador nos ampara na realidade e
guia as nossas aes.
Quais mudanas podemos fazer? A terceira pergunta nos ajuda a definir o escopo.
Quais mudanas poderemos realizar para alcanar o nosso objetivo, ou seja, impactar
nosso indicador? Vrias vezes, a resposta para esta pergunta aparece ao longo do
projeto de melhoria. Entretanto, tentar respond-la no comeo do projeto ajuda a
equipe a entender um pouco tambm suas restries. Quais mudanas no podero
ser feitas? Podemos contratar mais gente? Podemos colocar mais controles?
Antes de explorarmos mais a fundo cada uma dessas perguntas, precisamos fazer um
comentrio prtico. As 3 perguntas podem ser respondidas de maneira iterativa, ou seja,
no h uma ordem lgica para responde-las. Comece por qual pergunta preferir, apenas
garanta que todas sero respondidas, mas a ordem livre.
Gosto bastante de uma histria relacionada a isso. Em uma empresa que tivemos a
oportunidade de trabalhar, os funcionrios propunham a todo o momento realizar
mudanas no processo (e acho que isso no acontecia s l). Muitas dessas mudanas
eram iguais s mudanas dos polticos que comentamos anteriormente, ou seja, sem um

23
foco claro definido. Algumas eram boas ideias, outras nem tanto, mas a grande maioria
delas vinha embasada em problemas reais da organizao.
Para no desperdiar as boas ideias e nem deixar passar os problemas, propusemos um
mtodo: todas as mudanas seriam analisadas, contanto que para cada uma, as outras 2
perguntas fundamentais fossem respondidas.
Desta maneira, quando um funcionrio pensasse em uma mudana, ele era forado a
entender o objetivo dessa mudana e a propor um indicador ou uma mtrica para
identificar se ela seria uma melhoria. O resultado foi fantstico. Assim que uma mudana
surgia na cabea do trabalhador, ele logo identificava o real objetivo dela. Com o objetivo
claro na cabea, ele podia aperfeioar a mudana ou at mesmo propor uma alternativa
at melhor que a ideia original.
Faa um desafio. Muitas empresas possuem um programa de sugestes em que os
colaboradores que fornecem boas ideias so premiados. Foram poucas as vezes que vi tal
programa resistir mais que alguns meses. A maioria gera muitas sugestes no incio, mas
depois so deixados de lado e esquecidos. Os motivos para isto so muitos, da falta de
boas ideias at a falta de empenho da empresa em colocar em prtica as sugestes
recebidas. Diante disto, proponha o desafio de colocar as trs questes no formulrio de
sugestes. Isto ir forar os colaboradores a sugerirem ideias mais trabalhadas, com
objetivo, indicador e sugesto de mudanas. E, ideias mais estruturadas tem grandes
chances de serem boas, o que vai potencializar seu programa de sugestes e fazer com
que os prprios colaboradores percebam a diferena e a fora do programa.

24
OInque
twoqueremos
or three columns
realizar?

CONTEXTUALIZE

Busque entender qual


o contexto do projeto DEFINA O OBJETIVO
de melhoria. O objetivo
nunca aparece de Tente definir o objetivo
de uma maneira RESTRINJA
maneira clara
concisa e objetiva. Fuja
de objetivos genricos. Entenda quais as
Tente vrias definies. fronteiras do seu
projeto, quais as
restries. Delimite o
escopo no tempo e
espao.

O QUE QUEREMOS REALIZAR?


Para responder primeira pergunta, vale a pena seguir estas boas prticas:
Entenda o contexto em que sua organizao est inserida. Converse, discuta o que
est acontecendo com os demais envolvidos, buscando concretizar o que queremos
fazer. muito difcil sair com um objetivo concreto de uma situao, como se
houvesse uma fumaa na cabea de cada um dos envolvidos. O que temos que fazer,
como gestores de melhoria, condensar essa fumaa em algo concreto, um objetivo.
Para isso, precisamos entender o sentimento e as impresses de todos os envolvidos
mais prximos. No h maneira melhor para esse entendimento do que conversando
com todos.
Defina um objetivo. Se o passo anterior era muito aberto, este deve ser muito
fechado. Aps as discusses, force a equipe a sair com um objetivo claro. Objetivos
claros tem uma estrutura padro:
Verbo no infinitivo (diminuir ou aumentar) -> indicador -> em quanto -> onde
-> at quando.
Exemplos:
Diminuir o nmero de refugos na linha de produo em 38%, at janeiro
de 2017.
Aumentar as vendas pelo site, de 100 vendas dirias para 400 vendas
dirias at maro de 2016.
Diminuir o retrabalho na mquina em 80% at segunda-feira, 08/5/19.
Essa definio clara de objetivo faz com que saiamos da fumaa que geralmente so os
contextos das empresas e entremos em algo concreto. Uma vez claro o indicador,
podemos alinh-lo com o grupo e comear a trabalhar.

25
Coloque as restries necessrias. Alguns exemplos de restries so: no contratar
mais pessoas ou no aumentar os gastos. Alm desses, podemos ter restries de
escopo como, no fazer nenhuma mudana nos processos de vendas.
Uma vez feito isso, o seu time de melhoria est pronto para comear a trabalhar.

26
Exerccio!
In two or three columns

Um departamento de compras

O departamento de compras de uma multinacional est com dificuldades em


encontrar bons fornecedores. Sempre que vai buscar por fornecedores mais
baratos e confiveis, demoram muito tempo para conseguir poucas opes (e
opes no to boas). O departamento v que seus custos esto altos e sente
que os compradores do departamento no esto performando direito.

Impaciente com esssa situao, o diretor de compras decide agir!

Pensando neste cenrio, responda:

1. Qual o incomodo presente neste exemplo?


2. Qual poderia ser um objetivo para melhorar este processo?
3. Quais restries poderiam ser aplicadas?

H diversas maneiras de formular esse incmodo. Podemos seguir a linha do diretor de


compras, que provavelmente vai culpar os compradores por sua incompetncia em seguir
um processo pautado pelo bom senso. A ansiedade do diretor por gerar resultados e
diminuir seus custos poderia fazer com que ele estabelecesse como objetivo: Diminuir
o nmero de compradores no setor para o mnimo agora!. Neste caso, as aes seguiriam
para impactar o indicador de head count (nmero de pessoas). Mas nem sempre isso
uma boa estratgia.
Poderamos, alternativamente, pensar no incmodo como sendo os custos altos do
departamento. Neste caso, iramos colocar como objetivo: Reduzir os custos do
departamento de compras em X% at o prximo trimestre. uma estratgia. Entretanto,
acredito que esta definio de objetivos iria focar em aes do tipo: reduzir as visitas para
aos fornecedores; comprar canetas mais baratas; no imprimir tantos papis, etc. No que
estas mudanas sejam ruins, elas apenas no esto diretamente ligadas com o real
problema do departamento de compras.
A melhor definio de objetivo teria que atacar o cerne do incmodo: Reduzir o tempo
para conseguir novos fornecedores de 20 dias para 2 dias at o prximo trimestre. Essa
definio ataca justamente o problema e abre a criatividade para as pessoas comearem a
analis-lo da forma correta. Perguntas melhores comearo a ser feitas, como: Onde
podemos encontrar melhores fornecedores? ; O que um bom fornecedor? , Por quais
canais vamos contatar esses fornecedores? ; Como faremos esses fornecedores
chegarem at ns? . justamente esse tipo de discusso que queremos que nossa equipe
tenha ao trabalhar em um projeto de melhoria.
Lembrem-se: uma das maneiras mais criativas de resolver um problema
formulando-o e refomunlando-o.

27
Resolvendo um problema
Para resolver um problema, devemos
formul-lo corretamente

28
Como saberemos que
In two or athree
mudana uma melhoria?
columns

USE DADOS
CONFIVEIS

A segunda pergunta ENTENDA A


tem a ver com VARIAO
indicadores. Tenha USE CONTRA
certeza que voc est Indicadores so
dinmicos e variam. INDICADORES
trabalhand com dados
confiveis. No se deixe enganar
por comparaes do No adianta melhorar
tipo um ms contra o um aspecto e piorar
outro. outro.

COMO SABEREMOS SE A MUDANA UMA MELHORIA


Na hora de verificar se uma mudana deu errado ou certo, no basta o nosso feeling.
Muitas pessoas desenvolvem ao longo do projeto verdadeiras histrias de amor pelas
mudanas que propem e, como sabemos, tanto amor pode afetar nosso julgamento. A
segunda pergunta s pode ser respondida com a coleta de dados.
Iremos, ao longo do curso, comentar bastante sobre como se coletar bons dados,
entretanto, algumas consideraes iniciais so muito importantes:
Dados nem sempre so confiveis. preciso gastar um bom esforo na definio do
padro sobre como coletamos nossos dados. Existem vrias ferramentas que sero
abordadas ao longo da certificao para a boa coleta de dados, como por exemplo,
folhas de verificao, definies operacionais e avaliao estatstica do sistema de
medio.
Dados possuem variao (lembrem-se dos pilares fundamentais!). Temos que
entender quando uma mudana no indicador significativa e quando ela no . S
podemos fazer isso analisando a variao natural do processo. Comparaes do tipo
um ms contra o outro so, em geral, armadilhas perigosas.
Use contra indicadores. No adianta melhorar os indicadores de custo e produtividade
e piorar os indicadores de acidentes de trabalho. Saibam quais so os indicadores que
queremos controlar, colete-os e analise as suas variaes.

29
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Medidas antes e depois


10

6
CYCLE

4 MUDANA

0
Medida Antes Medida Depois
NEWVAR3
Medida na s em ana 11
Medida na s em ana 4

Para entender um pouco melhor a variao, temos este exemplo. Observando o grfico
acima e tendo em mente que o objetivo do projeto de melhoria era diminuir o tempo de
ciclo, possvel dizer que a mudana (realizada entre a primeira e a segunda medio)
foi uma melhoria? Seja sincero e responda agora. Depois, mostraremos alguns
argumentos que poder faz-lo tornar-se mais prudente em relao a este tipo de
comparao.

30
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Semana Cenrio 1 Cenrio 2 Cenrio 3 Cenrio 4 Cenrio 5 Cenrio 6


1 6 6 9 8 6 3
2 9 2 9 9 9 4
3 7 3 6 7 7 2
4 8 8 8 8 8 8
5 6 4 7 6 3 3
6 7 2 6 7 2 2
7 9 9 6 9 4 4
8 2 7 4 2 3 2
9 3 3 4 1 2 3
10 4 7 3 3 4 4
11 3 3 3 3 3 3
12 3 6 2 5 2 3
13 4 9 3 8 4 4
14 2 4 2 9 3 3

Intuitivamente diramos que a mudana do slide anterior sim uma melhoria.


Entretanto, vamos analisar estes 6 cenrios propostos. Todos eles poderiam representar o
grfico anterior, pois possuem tempo na semana 4 = 8 e tempo na semana 11 = 3.
Todos eles foram melhorias? Vamos colocar estes dados de uma forma mais fcil de se
observar...

31
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 1:
Aqui podemos ver claramente que a mudana foi uma melhoria. Temos um bom
indicativo de que a variao do tempo de ciclo antes da mudana oscilava entre 6 e 9 e,
depois da mudana oscila entre 2 e 4.
Melhorias geralmente possuem esse comportamento. possvel observar claramente o
impacto da mudana, mesmo quando analisamos os indicadores com suas variaes.

32
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 2:
A mudana neste caso no representou melhoria alguma! A diferena entre a semana 4 e
a semana 11 est completamente dentro da variao natural do processo. O tempo de ciclo
assume vrios valores entre 2 e 9. Qualquer variao neste patamar dita ser uma variao
normal, atribudas as causas naturais ao processo. No se deixem enganar por estes
cenrios! No faam comparaes de um ponto contra o outro! Isto poder deixa-lo
cego quanto a variao natural do processo.

33
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 3:
Aqui tambm no possvel atribuirmos a melhoria mudana realizada. Apesar do
processo estar melhorando, o comportamento do processo pouco tem a ver com a
mudana sinalizada. So grandes as chances desta melhoria no indicador ser efeito de
alguma mudana realizada antes da quarta semana.
O que os dados do cenrio 3 nos mostram que algo aconteceu no processo que fez com
que ele mudasse de comportamento. Ele j vinha mudando de comportamento quando
fizemos a mudana, e esta foi sem efeito, pois a mudanas no se acelerou.

34
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 4:
Aqui novamente no temos uma melhoria. Sim, a mudana causou uma variao
significativa no indicador, mas no foi uma melhoria.
Isso porque melhorias devem ser duradouras. Neste caso temos a mudana causando um
impacto temporria no indicador, entretanto o mesmo volta a subir aps algum tempo.
Este comportamento tpico de campanhas de conscientizao, que funcionam por um
curto perodo, mas no melhoram o sistema de fato. No esse o tipo de resultado que
devemos buscar em nossos projetos.

35
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 5:

Neste cenrio temos um caso muito parecido com o cenrio 3. No temos uma melhoria
gerada pela nossa mudana. Algo aconteceu que melhorou o processo, porm no teve
nada a ver com a nossa mudana. Este fato aconteceu entre a semana 4 e a 5 e no entre
7 e a 8 que foi quando realizamos a mudana.
importante relacionarmos s variaes significativas em nossos indicadores nossas
mudanas, pois s assim poderemos adquirir mais conhecimento sobre o processo a fim
de melhor-lo de forma continua.

36
In two
Objetivo: or three
reduzir columns
o tempo de ciclo

Cenrio 6:

Por fim, temos mais um caso de no-melhoria. Esse caso interessante, pois a diferena
entre a semana 4 e a semana 11 foi causada por um ponto fora da curva na primeira
medio.
Isso acontece bastante, e tais pontos so o que definiremos futuramente como causa
especial. Algo aconteceu na semana 4 que fez o tempo de ciclo explodir naquela semana,
mas depois dela, o indicador retornou estabilidade e o processo continuou estvel.
Veremos que quando isso acontece, nem sempre uma boa estratgia analisar todo o
processo. Temos que analisar apenas a causa especial e identificar o que pode ter
acontecido ali, para que no deixemos que acontea novamente.

37
Definio de
melhoria

Vamos ento definir melhoria.

38
Melhoria :
In two or three columns

Um impacto positivo, relevante e duradouro em


indicadores de interesse da organizao

DEFINIO DE MELHORIA

39
Exerccio!
In two or three columns

5S: mudana ou melhoria?


Temos mudanas nas imagens?
Temos melhorias?

Na foto temos um exemplo clssico de implementao do 5S, que uma das tcnicas
do Lean Manufacturing. Trabalhamos com diversos desses programas de arrumao em
nossa histria profissional. No exemplo dado podemos mostrar que houve uma mudana:
antes estava desorganizado e agora est organizado. Mas, podemos falar que isso uma
melhoria?

40
Exerccio!
In two or three columns

Mudana ou melhoria?

Por que isso ocorre?

O que acontece muitas vezes com o 5S que as pessoas esquecem de implementar


ferramentas ou de tomar aes para manter a organizao duradoura. Isso faz com que
o ambiente volte a se tornar desorganizado. 5S no sinnimo de faxina nem arrumao,
apesar de muitas pessoas confundirem.
Isso acontece, pois, as pessoas geralmente no se preocupam com o processo de
arrumao, e sim com a arrumao em si. O Lean (e o Seis Sigma) tem tudo a ver com a
maneira pela qual enxergamos e agimos nos processos a fim de realizar melhorias. Se
fizermos tudo direito, esse tipo de coisa no vai acontecer.
Sobre o caso especfico do 5S, recomendamos nosso curso grtis, hospedado em nossa
plataforma EAD. O link direto ead.fm2s.com.br/curso/curso-de-5s/

41
In two or
Indicadores Temos
three columns3 tipos

INDICADORES DE
RESULTADO

Aonde queremos INDICADORES DE


chegar? PROCESSO

Estamos fazendo as INDICADORES DE


Qual o resultado EQUILBRIO
final? coisas certas para
chegarmos onde
queremos? As nossas mudanas
esto causando
problemas em outras
partes do sistema?

TIPOS DE INDICADORES
Temos basicamente 3 tipos de indicadores em projetos de melhoria: indicadores de
resultado, que esto ligados ao atendimento da necessidade do cliente; indicadores de
processo, que esto relacionados com a caminhada para alcanarmos os resultados e;
indicadores de equilbrio, que so os nossos contra indicadores.
Indicadores de resultados nos dizem onde vamos chegar. Respondem diretamente a
segunda pergunta e nos diz se as mudanas esto de fato levando melhoria. Estes so os
indicadores que voc quer impactar. Dizem como est desempenhando o sistema: qual o
resultado final. Estes indicadores tambm so chamados de itens de controle.
Exemplos de indicadores de resultados:
Para a qualidade: nmero de unidades defeituosas.
Para os sistemas de medio: reclamaes a cada 1000 produtos.
Para a vida pessoal: vezes em que chega atrasado em uma reunio.
Para um processo de vendas: vendas realizadas por ms.
Indicadores de processo nos dizem se estamos fazendo o que planejamos para chegar
aos resultados. Para chegar onde queremos com nossos sistemas, devemos executar as
mudanas em nossos processos, no apenas planej-las. Estaria o processo se
comportando de maneira esperada? isso que nos dir os indicadores de processo. Iremos
discutir mais a fundo a questo de sistemas, processos e procedimentos na etapa do
Measure, do Define.
Exemplos de indicadores de processos:
Para qualidade:
Porcentagem de operadores treinados no novo procedimento.
Porcentagem de mquinas calibradas na linha de produo (note que estes dois
indicadores impactam no indicador de resultado).
Para sistemas de medio: nvel de preciso das mquinas.

42
Para a vida pessoal: vezes que coloca seu despertador para despertar.
Para um projeto de vendas: nmero de ligaes realizadas.
Por fim, os indicadores de equilbrio so nossos contra indicadores. No podemos
melhorar uma parte do sistema e piorar outra. Temos que ter boas medidas para sinalizar
se no estamos afetando negativamente o sistema.
Exemplos de indicadores de equilbrio:
Para a qualidade: nmero de inspees.
Para um sistema de medio: tempo gasto com calibraes.
Para a vida pessoal: nmero de erros ocasionados pelo estado de desateno
provenientes da necessidade de acordar mais cedo todos os dias.
Para um projeto de vendas: nmero de descadastros em campanhas de e-mail
marketing.

43
Que mudanas podemos
Lets review some fazer?
concepts

As estratgias para se desenvolver mudanas

ANLISE CRTICA DOS


USO DA TECNOLOGIA
PROCESSOS

USO DA CRIATIVIDADE CONCEITOS DE MUDANA

QUE MUDANAS PODEMOS FAZER


Para se desenvolver mudanas que gerem melhoria, podemos usar basicamente 4
estratgias, que sero mais aprofundadas na etapa do Analyze. So elas:
A anlise crtica do processo: nesta, usamos uma srie de ferramentas para
entender o processo em seus detalhes e, com base neste conhecimento,
desenvolver maneiras de melhor-lo. As ferramentas que usamos so variadas,
indo de anlise de indicadores (grficos de controle, tendncia e frequncia),
quanto ferramentas de anlise de processos (desconexes, diagramas de causa e
efeito e os 5 porqus). Durante o curso de Green Belt, aprofundaremos bastante
cada uma delas.
Uso da tecnologia: usar a tecnologia uma boa maneira de se desenvolver
mudanas que gerem melhoria. Por exemplo, em uma fbrica: podemos trocar
uma mquina antiga por uma mquina nova e mais produtiva e, com isso,
aumentar a produtividade geral daquela planta. Entretanto, muitas vezes o uso da
tecnologia uma estratgia cara que pode ser desastrosa. Se a mquina que
trocamos no for o gargalo daquela fbrica, apesar do investimento, no iremos
afetar positivamente o sistema como um todo.
Uso da criatividade: muitas vezes a anlise crtica se torna limitada na gerao
de novas ideias de mudanas. Samos sempre com sugestes do tipo mais do
mesmo e nos sentimos limitados. a que entra a criatividade! Mas no a
criatividade no sentido de uma genialidade espontnea que sai do nada e sim o
uso de tcnicas sistemticas que iro ativar a nossa criatividade. A partir da
utilizao destas tcnicas, podemos enxergar alm e gerar solues teis e
inovadoras. Iremos discutir criatividade mais frente, na parte do Analyze,
entretanto, os alunos que se interessarem podem acessar nosso curso completo e
gratuito sobre criatividade. O link direto : http://ead.fm2s.com.br/curso/curso-
de-criatividade-principios-e-abordagens/

44
Os conceitos de mudana: uma boa estratgia para se buscar mudanas apostar
no que j deu certo (no precisamos reinventar a roda, no mesmo?). Pensando
nisso, algumas instituies compilaram inmeros projetos de melhoria pelo
mundo, de maneira a estudar casos de sucesso e extrair o conceito por trs de cada
um deles. Com estes resultados, elaboraram o que chamamos de conceitos de
mudana. Estes, so dicas para que voc, dependendo do seu objetivo, elabore
uma mudana que muito provavelmente se tornar uma melhoria. Iremos
comentar mais sobre esta tcnica na parte do Analyze, porm se gostou da ideia,
pode baixar nosso e-book que te ensina a trabalhar com esta tcnica. O link direto
: http://downloads.fm2s.com.br/e-book-conceitos-de-mudanca

45
O Ciclo PDSA

O CICLO PDSA
Alm das 3 perguntas fundamentais, o Modelo de Melhoria formado pelo ciclo PDSA.
O ciclo PDSA um roteiro iterativo de aquisio de conhecimento inspirado no mtodo
cientfico. Ele nos permite adquirir conhecimento novo sobre o que estamos fazendo.
Ora, estamos aqui falando de melhoria de processos. Como melhorar um processo de
apertar parafusos sem saber uma maneira melhor de se apertar parafusos do que a j
praticada. Essa maneira, s vem com um conhecimento maior da tarefa especfica
apertar parafusos. justamente este conhecimento que o ciclo PDSA nos ajuda a obter.
importante, neste ponto, no confundirmos o ciclo PDSA com o ciclo PDCA,
popularizado pela Toyota e difundido por inmeras consultorias no Brasil e no mundo. O
ciclo PDSA um mtodo para a gerao de conhecimento, enquanto o ciclo PDCA um
roteiro de melhoria. Ao longo de um projeto de melhoria, realizamos inmeros ciclos
PDSA. O PDCA, por usa vez, equivale em geral a dois ciclos PDSA, pois ele busca
entender a causa do problema e testar uma possvel soluo. Utilizando o PDSA,
costumamos fazer um ciclo de verificao e coleta de dados para entender a causa e
depois, um ciclo de teste para verificar se a mudana proposta uma melhoria. Ele mais
flexvel e fcil de se aprender.

46
A Use
construo da your
charts to explain melhoria
ideas

Conhecimento profundo

Capacidade
de gerar
melhorias
aumentada

Conhecimento especfico no assunto

O conhecimento profundo foi a grande contribuio de Deming para as


organizaes. Por meio dele, passamos a entende-las como um sistema e aprendemos
como desenvolver mudanas e gerar melhorias de uma forma estruturada.
A teoria do conhecimento, um dos pilares do Saber Profundo a melhor maneira de se
ganhar o conhecimento necessrio para desenvolver mudanas com potencial de levar o
sistema um novo patamar de desempenho. por meio dele que conseguiremos melhorar
continuamente o que estamos fazendo. Vamos aprofundar mais sobre o mtodo cientfico
por meio do aprendizado do ciclo PDSA?

47
O charts
Use mtodo cientfico
to explain your ideas

1. Tudo comea quando observamos um fato ou


fenmeno

O mtodo cientfico comea quando observamos um fato ou fenmeno de alguma


forma. Em projetos de melhoria, ele normalmente representado por:
Um problema detectado no produto ou servio;
Algumas (ou vrias) reclamaes de clientes;
Uma oportunidade de crescimento.
Em cincia, esse fato ou fenmeno pode ser a trajetria das estrelas no cu (que inspirou
os astrnomos no desenvolvimento das mais importantes teorias), a manifestao de uma
doena, um comportamento estranho em um conjunto de dados, etc.

48
O charts
Use mtodo cientfico
to explain your ideas

2. Aps a observao, fazemos uma anlise para


entender o fenmeno. O entendimento ao final da
anlise aparece na forma de uma hiptese, ou
teoria, que explica o fenmeno observado.

Frente ao fato, comeamos a analis-lo e a tentar entend-lo. Ao final desta anlise,


temos sempre uma teoria que explica o que est acontecendo. Na prtica, em um projeto
de melhoria esse desenvolvimento poderia acontecer da seguinte forma:
Pegamos uma pea metlica com problema;
Vemos que o problema um risco grande e profundo que acontece apenas em um dos
componentes da pea;
Analisamos que, no dia de produo do componente, a mquina responsvel pela sua
manufatura estava com uma sujeira em uma de suas partes;
Desenvolvemos a hiptese: o risco foi proveniente daquela sujeira.
Este um exemplo relativamente simples. Dependendo da complexidade dos fatos
apresentados, podemos usar ferramentas de anlise complexas (como anlises de
regresso linear, anlises de fenmeno, etc.). O que dita se vamos fazer uma anlise
simples ou sofisticada o grau de conhecimento que temos sobre o fenmeno. Quanto
maior o conhecimento, provavelmente melhor ser a complexidade da anlise. Quanto
menor, mais anlises sero necessrias para construirmos o conhecimento suficiente para
desenvolvermos boas mudanas.

49
O charts
Use mtodo cientfico
to explain your ideas

3. Com base na hiptese, elaboramos uma


predio: por exemplo, como o processo vai se
comportar aps a mudana.

F Fp

A extrapolao da hiptese, naturalmente, gera predies. Pensando no caso da nossa


pea: uma vez que elaboramos uma teoria de que o risco causado pela sujeira na
mquina, intuitivamente pensamos em remover a sujeira. A predio que, uma vez
removida a sujeira, o risco no ir mais aparecer. exatamente isso que fazemos no
mtodo cientfico: a partir de uma hiptese, elaboramos uma teoria e por meio dela,
predies (ou palpites).
O bom a teoria elaborada para fundamentar a hiptese, pode ser extrapolada e gerar
predies em diferentes reas, inclusive naquelas que no foram usadas para a formulao
original. Em outras palavras, saber que sujeiras provocaram o risco naquela pea, pode
nos dar a predio de que a mesma mquina suja pode produzir outros tipos de peas
defeituosas, ou que qualquer mquina que produza peas com riscos est suja.
Extrapolar a hiptese em predies interessantes um exerccio de curiosidade e
criatividade. Temos que nos manter atentos e vidos para identificar essas possibilidades.
Entretanto, predies podem ou no ser reais. A predio gerada por meio de uma
teoria. Se a teoria no estiver correta, nossa predio tambm no estar. Por isso
precisamos realizar um experimento para testar se a teoria est correta, comparando o
resultado obtido com a predio.

50
O charts
Use mtodo cientfico
to explain your ideas

4. Com base nas predies, realizamos um


experimento para observar os fatos reais. Ser
que eles so iguais s predies?

F Fp FR

O quarto passo do mtodo cientfico a experimentao. Nesta etapa, verificamos se


as nossas predies so reais ou no. Para isto, criamos um ambiente controlado e
realizamos mudanas para observar o resultado.
Em nosso exemplo, tnhamos a predio: se limparmos a mquina, o risco ir sumir.
Um bom experimento para verificar isso seria selecionar uma mquina semelhante,
limp-la de uma maneira padronizada (esse padro poder, inclusive, ser usado depois,
caso o experimento seja bem-sucedido), e observar, aps uma amostragem de 1000 peas,
se h alguma com risco semelhante ao previamente reportado.
Se no houver, aumentamos o grau de convico de que a nossa teoria era boa, portanto
podemos extrapol-la (levar para outras mquinas, etc.). Caso ainda apaream riscos,
temos que rever a hiptese e as condies do experimento (ser que o risco no tem nada
a ver com a sujeira ou ser que apenas o nosso procedimento de limpeza no era
adequado?). De qualquer maneira (se o experimento der certo ou errado) ganhamos
conhecimento especfico e slido sobre o que estamos trabalhando.
Notem que um bom experimento testa mais de uma predio ao mesmo tempo. No caso
acima, testamos duas: a de que o risco era causado pela sujeira e de que o
procedimento de limpeza iria remover a sujeira. Se vamos testar mais de uma
predio, em geral precisamos coletar mais de um dado, por isso bom deixar claro todos
os dados que iremos coletar durante a conduo do experimento. Experimentos custam,
por isso temos que explor-los ao mximo.

51
O charts
Use mtodo cientfico
to explain your ideas

5. Aps realizado o experimento, observamos os


fatos reais e elaboramos uma segunda verso de
nossa hiptese.

F Fp FR

H H2

Realizado o experimento, analisamos novamente os dados obtidos e reformulamos a


teoria. Todos os experimentos geram uma nova rodada de dados. A partir desses dados,
reformulamos nossa teoria.
Em nosso exemplo com a pea, aps o experimento podemos ter os seguintes fatos:
O risco no sumiu, mas apareceu menos vezes.
As peas com defeito apareceram apenas na segunda metade do experimento.
A mquina antes do experimento estava limpa.
A mquina ao final das corridas estava suja.
Esses fatos indicam que:
O defeito pode ainda estar relacionado com a sujeira.
O procedimento capaz de limpar a mquina.
A mquina est sujando ao longo da produo.
Com isso, temos uma nova hiptese: a sujeira gerada ao longo das rodadas e est
relacionada com o defeito.
Para testar essa hiptese, podemos pensar em um novo procedimento que limpe a
mquina ao longo de seu funcionamento. Podemos tambm direcionar a nossa anlise
para tentar entender Por que a sujeira se forma? . Essa pergunta, ir gerar outras
hipteses bem sofisticadas e novas predies. Em geral, predies so formuladas por
meio de perguntas bem-feitas.

52
O charts
Use mtodo cientfico
to explain your ideas

Para completar o mtodo, repetimos este ciclo at


termos uma hiptese slida. Lembrem-se:
nenhuma hiptese explica tudo, mas alguas
hipteses so teis.

F Fp FR
...
H H2 Hs

O mtodo cientfico consiste em repetir esses passos de observao, anlise,


elaborao de hiptese, predio, experimento at que formamos uma teoria slida.
Sempre podemos contestar a hiptese vigente. Isso, em cincia, acontece todos os dias e
em projetos de melhoria, tambm. Quando elaboramos uma cultura de contestar o status
quo dos processos por meio do ganho de conhecimento especfico, temos o que
chamamos de melhoria contnua.
Devemos lembrar, entretanto, que projetos de melhoria usualmente possuem comeo
meio e fim. Portanto, normalmente paramos as aes intensivas uma vez que encontramos
a soluo para o problema inicial, ou uma boa estratgia para abraar a oportunidade
inicial. Isso tambm no nos impede de passar o esprito da melhoria por meio da
gerao de conhecimento especfico (PDSA) para as pessoas permanentemente
envolvidas naquele processo. Se eles souberem aplicar o mtodo cientfico, iro melhorar
mais e mais o processo, possivelmente gerando inovaes radicais na maneira como as
coisas so feitas. Tal modelo obteve imenso sucesso ao ser utilizado e propagado pela
Toyota.

53
O ciclo
Use charts PDSA
to explain your ideas

COMO GIRAR O CICLO PDSA


O ciclo PDSA padroniza a aplicao do mtodo em projetos de melhoria. Ele consiste
na execuo de 4 etapas para conseguirmos gerar, testar ou aplicar conhecimento
especfico sobre um assunto.
A primeira etapa o Plan (planejar). comum nesta etapa comearmos declarando
claramente o objetivo do ciclo PDSA. Notem que o objetivo est diretamente ligado com
a sua hiptese. Para o exemplo da pea que apresenta riscos que achamos que sujeira,
podemos definir como objetivo do ciclo: Verificar a influncia da sujeira nos riscos
frente ao novo procedimento de limpeza.
Um ponto muito importante lembrar: o objetivo do ciclo NO igual ao objetivo
do projeto de melhoria. Um projeto de melhoria pode ter vrios ciclos PDSAs
individuais ao longo do mesmo, visando cumprir um objetivo final maior. No exemplo
da pea o objetivo do projeto de melhoria era reduzir defeitos.
Na fase de planejamento tambm colocamos todas as questes que fizemos (sempre
baseadas em nossa hiptese atual sobre o problema) e as predies para as respostas
elas. Um exemplo, para o nosso caso seria:
Questo 1: ser que o risco est relacionado com a sujeira na mquina?
Predio 1: sim, acreditamos que o risco est diretamente relacionado com a sujeira
na mquina. Acreditamos que se no aparecer sujeira na corrida, no haver um risco
sequer nas peas produzidas.
Questo 2: o novo procedimento ser capaz de eliminar a sujeira?
Predio 2: acreditamos que sim. Se realizarmos o procedimento na primeira rodada,
no haver sujeira alguma na mquina.
Feito isso, ainda no Plan, devemos detalhar satisfatoriamente como iremos coletar dados
reais que respondero s perguntas. Este plano de coleta de dados dever estar claramente
declarado, visto que qualquer pessoa envolvida no projeto possa ler o plano e realizar o

54
experimento. recomendvel ligar cada dado especfico questo que ele vai responder.
No nosso caso, uma sugesto seria:
Para responder questo 1, um operador da manufatura (quem) ir limpar a
mquina no dia 25/04 utilizando o novo procedimento e trabalhar normalmente
(como) at o dia 27/04 (quando). Nesse perodo, h a estimativa de produzir-se
1000 peas do tipo A, que j deu problema anteriormente. Ele ir olhar cada uma
das peas e analisar se h ou no risco na parte superior da mesma (o qu). Caso
haja algum risco, ele dever preencher este indicador na planilha X, criada
especialmente para este propsito e disponvel para uso pela rea de manufatura.
Para responder questo 2, o mesmo operador ir verificar a mquina a cada 2
horas e avaliar a sujeira na parte Y da mquina (onde), onde esperamos que ela
possa aparecer. A instruo de trabalho XYZ (como) detalha claramente o que
sujeira e como um operador pode identifica-la. Se houver sujeira, vamos acreditar
que o procedimento proposto incapaz de manter a mquina limpa.
Ao final do dia 27, ser elaborado um grfico de tendncia para mostrar a
quantidade de peas com risco. Para cada perodo, tambm iremos anotar se foi
ou no verificada sujeira na mquina.
Na etapa seguinte, o Do (fazer), executaremos o plano listado no plan e acompanharemos
o experimento. Caso algo acontea que no havamos previsto, iremos anotar o que
aconteceu. Por exemplo, a mquina pode ter sido danificada pelo novo procedimento de
limpeza ou o operador ter realizado incorretamente o procedimento proposto. Quebra da
mquina ou ausncia do operador so itens que tambm devem ser relatados .
A terceira fase a do Study (estudar). Nesta fase que iremos analisar os dados coletados.
Aqui mostramos grficos e digerimos os resultados. Tambm comparamos os resultados
obtidos com as predies. Essa comparao extremamente enriquecedora, pois nela
que o aprendizado realmente acontece. s vezes, ao analisar um problema bolamos uma
predio do tipo: ao misturar dois lquidos, a soluo ir ficar verde e, quando realizamos
o experimento, a soluo transforma-se em uma banana! Isso prova que a nossa teoria
sobre o fenmeno estava completamente equivocada. Frente ao equvoco, vamos buscar
conhecimento (seja em livros, artigos cientficos ou consultando especialistas sobre o
assunto) para aprimorar nosso entendimento.
Ao final da parte de anlise, ainda no study, anotamos de maneira sucinta o que
aprendemos, na forma de tpicos resumidos. Estes tpicos devem compilar todos os
aprendizados daquele ciclo.
Na ltima fase, a do Act (agir), devemos pensar no que vamos fazer aps a realizao do
experimento. Vamos adotar o novo procedimento de limpeza? Vamos melhorar o
procedimento? Vamos mudar completamente a abordagem sobre o problema? Ou vamos
elaborar um novo ciclo PDSA para entender um pouco mais sobre a mquina que
provocou o risco?
Nesta fase tambm (como a cincia no tem fim), anotamos quais outras ideias de
experimentos tivemos que podero nos ajudar a aprofundar ainda mais nosso
conhecimento sobre aquele processo. Qual ser o objetivo do prximo ciclo?

55
O ciclo
Use charts PDSA
to explain your ideas

Conhecimento

Tempo

A aplicao dos ciclos PDSA contnua. Quando se acaba um ciclo, inicia-se outro, o
que chamamos de conectar seus ciclos PDSA.
Por que no realizar apenas um? Porque a cada teste, se gera um conhecimento novo.
Sabe-se o que funcionou e o que falhou, alm do que deve ser feito na prxima vez. E,
quando encerramos um ciclo, surgem novas perguntas, novos questionamentos. No
decorrer de vrios ciclos, todas as dificuldades iniciais acabam se dissipando.
Aprende-se de maneira iterada e s se implementam as mudanas quando se est convicto
de que sero melhorias.
Vale lembrar que realizar vrios testes pequenos, desenvolvendo a soluo final,
reduz severamente a resistncia das pessoas mudana e os riscos inerentes a ela.
Com isto em vista, temos alguns conselhos para voc que quer comear na vida da
melhoria de processos:
Adiante-se: voc j sabe que ter de rodar diversos ciclos, ento planeje-os bem. Muita
coisa tambm vai dar errado, por isso sempre pense um passo adiante e faa testes
avaliando melhorias nas condies dos prprios testes.
Comece pequeno: no complique as coisas logo no comeo! Teste em pequena escala
(por exemplo com poucas mquinas) e v aumentando a escala conforme aumenta a
sua convico nas mudanas.
Comece! No espere mais. Quais testes voc j pode fazer amanh?

56
O ciclo
Use charts PDSA
to explain your ideas

Quer exemplos?

Veja em nossa plataforma os exemplos de melhoria em nosso site.

57
Resumindo o to
Use charts modelo deideas
explain your melhoria

1. O que queremos melhorar?

2. Como saberemos que


a mudana uma
melhoria?

3. Quais mudanas
podemos fazer?

RESUMO DO MODELO DE MELHORIA


O Modelo de Melhoria ento resume-se s 3 perguntas fundamentais, suportadas pelo
ciclo PDSA: as duas primeiras perguntas nos ajuda a obter foco (primeira questo) e
mtrica (segunda questo), enquanto que a terceira pergunta nos d ideia de mudanas.
O ciclo PDSA serve como motor da aquisio de conhecimento, nos ajudando a
formular mudanas cada vez melhores.

58
Abordagens,
habilidades e
roteiros

ABORDAGENS, HABILIDADES E ROTEIROS


J falamos bastante sobre a parte mais importante da melhoria de processos, que a
estruturao do Modelo de Melhoria e os pilares do conhecimento profundo de Deming.
Nos prximos slides e pginas, iremos comentar sobre como as empresas transformam
esta teoria em projetos de melhoria. Iremos discorrer sobre os motivos que as pessoas
usam a melhoria e quais habilidades um agente de melhoria acaba por desenvolver. Por
fim, vamos falar dos famosos roteiros de melhoria que j ajudaram tantas pessoas a
conduzir timos projetos.

59
ParaUse
que usamos
charts to explainayour
melhoria?
ideas

Mudar um sistema como um todo

Novos produtos
Melhorar um sistema
Novos processos
Produtos Processos

Novos
procedimentos Procedimentos

O Modelo de Melhoria (3 perguntas e o ciclo PDSA) nos ajudam por meio de duas
abordagens possveis:
Quando queremos mudar o sistema como um todo, ou seja, provocar uma mudana
radical em nosso sistema. Como veremos ao longo do Green Belt, um sistema
normalmente, entrega um produto (ou servio) que feito por processos (uma srie de
atividades que transformam os insumos em produtos). Cada processo
operacionalizado por meio de procedimentos (que dita como se dar a operao, que
a interao entre pessoas e mquinas para a realizao das etapas do processo). O ciclo
PDSA nos ajuda a desenvolver ideias alm da melhoria incremental, permitindo a
criao de mudanas radicais em cada uma destas etapas do sistema.
Quando queremos apenas melhorias pontuais em nossos sistemas. Muitas vezes,
queremos usar as tcnicas aqui apresentadas apenas para sair de algo como uma taxa
de refugo de 10% para uma taxa de refugo de 1%. Essas tcnicas nos ajudam
bastante com esse tipo de melhoria pontual. Igualmente taxa de refugo (que uma
mtrica de um processo, por exemplo), podemos pensar em indicadores para o
desempenho de nossos produtos (ou servios) ou de nossos procedimentos.
Qual abordagem usar depende muito da empresa em que trabalha, da equipe de melhoria,
do tempo e recursos que tem disponvel para o projeto.

60
As habilidades detoum
Use charts agente
explain de melhoria
your ideas

Lidar com
dados

Trabalhar Entender a
em equipe situao atual

Disseminar Desenvolver
mudanas mudanas

Implementar Testar
mudanas mudanas

Sete habilidades so fundamentais para se trabalhar com melhoria de processos no Lean


Seis Sigma, pelo Modelo de Melhoria. So exatamente estas habilidades que
desenvolvemos em nossos alunos nos cursos de White, Green e Black Belt. So elas:
Habilidade em lidar com dados: um agente de melhoria deve saber coletar e
interpretar dados. Ele deve entender a variao de seus processos e aprender com ela.
S assim ele estar ligado ao mundo real e no em especulaes de sua mente ou
colegas. Como diria Deming: Sem dados, voc apenas mais um sujeito com uma
opinio. O desenvolvimento dessa habilidade se d por meio do ensinamento de
ferramentas simples como os grficos de Controle, Frequncia e Tendncia, alm de
ferramentas mais complexas como a anlise do sistema de medio (MSA), a regresso
linear e a regresso logstica.
Entender a situao atual: para melhorar, necessrio saber o que est acontecendo.
preciso olhar para um sistema e saber para que ele existe, alm de entender como
seus processos e procedimentos se conectam. Para isto, no basta olhar apenas para os
indicadores de um sistema, necessrio mapear seus processos. Ao longo do curso de
Green Belt, ensinaremos como mape-los, conect-los aos seus indicadores e
desdobr-lo em procedimentos a fim de melhor-los.
Desenvolver mudanas: um bom agente de melhoria desenvolve mudanas com
rapidez e maestria. Ele capaz de, rapidamente, propor diversas alternativas para a
maneira como as coisas so feitas. Cada uma das 4 estratgias de desenvolvimento de
mudanas ser detalhada ao longo do treinamento.
Testar mudanas: o ciclo PDSA o corao de nosso modelo e a ferramenta que
suporta a experimentao. Dominar a elaborao de bons experimentos e testar as
mudanas que vamos fazer o que nos colocar em sintonia com a realidade. Um
agente preparado de melhoria deve saber estruturar experimentos de maneira a testar
o mximo de predies com o mnimo de recursos. Para isto, utilizamos os
Experimentos Fatoriais, que nos permite tirar o mximo de nossos testes.

61
Implementar mudanas: necessria uma boa carga de psicologia para fazer com
que mudanas sejam implementadas em organizaes. Por mais que tenhamos a
convico de que uma mudana uma melhoria, sem convencer aos envolvidos,
ningum trabalhar no que propomos. Implementar as mudanas com maestria
trabalho do agente de melhoria.
Disseminar mudanas: disseminar mudanas torna-las acessveis para um pblico
maior. Para que as pessoas adotem as mudanas propostas, o agente de melhoria tem
que conscientiz-las dos problemas reais que as mudanas resolvero e, que essas
mudanas tm grande possibilidade de serem de fato, uma melhoria. O agente de
melhoria precisa expor seu plano de ao e convencer os envolvidos. A base de toda
disseminao uma boa comunicao.
Trabalhar em equipe: ningum faz nada sozinho, por isso o agente de melhoria deve
liderar equipes (muitas vezes multidisciplinares) para a obteno dos resultados
propostos. As competncias e habilidades necessrias gesto de equipes so
abordadas no Black Belt, pois quanto mais complexos os projetos, mais pessoas sero
envolvidas.
Uma vez que o agente desenvolve cada uma destas sete habilidades, ele certamente ser
um mestre da melhoria.

62
OsUse
roteiros de melhoria
charts to explain your ideas

ANTES DE FALAR DOS ROTEIROS, QUERO


CONTAR UMA HISTRIA

Enquanto os engenheiros da empresa A


gastavam seu tempo e energia desenvolvendo
tocadores de CD cada vez melhores, a empresa
B desenvolveu o tocador de MP3. Se a empresa
A soubesse que os clientes queriam na verdade
ouvir msica ao invs de comprar CDs,
provavelmente ela ainda estaria no mercado...

O que esta histria nos ensina? Ela nos ensina que temos que diferenciar produto de
necessidade. No caso, o aparelho tocador de CD e o de MP3 so produtos que atendem
a mesma necessidade, ouvir msica. Temos sempre que trabalhar focados na necessidade
que atendemos. Mas o que isso tem a ver com roteiros de melhoria?

63
OsUse
roteiros de melhoria
charts to explain your ideas

O QUE SO ROTEIROS DE MELHORIA?

DMAIC

Kaizen 7 passos

Os 8 passos do TBP

Etc.

PRODUTOS OU NECESSIDADE?

OS ROTEIROS DE MELHORIA
Voc certamente j ouviu falar do famoso DMAIC, to ensinado como a soluo para
todos os males em uma empresa. Assim como o DMAIC, existem outros. Mas o que so
esses roteiros?
Roteiros de melhoria so uma sequncia estruturada de atividades a serem realizadas e
ferramentas a serem utilizadas que visam produzir melhorias em nossos processos.
Teoricamente, seguindo risca esse passo a passo, iremos conseguir melhorias
significativas em nossos processos, alcanando os objetivos propostos.
Mas, no devemos cair no merchandising que h por a. Roteiros de melhoria, so
produtos desenvolvidos para suprir a necessidade das organizaes por melhorias. Eles
so teis, entretanto, no podem ser vistos como dogmas fundamentais ou frmulas
mgicas. Empresas podem terem sua necessidade por melhoria atendidas por vrios
roteiros, sendo o Modelo de Melhoria um deles.
Agora, h organizaes que criam verdadeiras batalhas internas entre reas que defendem
roteiros diferentes. Em nossa percepo, tais brigas so desnecessrias e enquadram-se
mais como meios para a disputa de poder interno. Em tese, uma organizao poderia
beneficiar-se amplamente, mesmo com reas diferentes adotando roteiros diferentes.

64
OsUse
roteiros de melhoria
charts to explain your ideas

A EMPRESA TEM: A EMPRESA


PRECISA:
Uma oportunidade.
Um processo melhor.
Um problema.
Um produto melhor.
A necessidade por uma
melhoria. Mais conhecimento.

Melhor desempenho.

As empresas sempre tero: oportunidades a serem aproveitadas, problemas a serem


resolvidos e processos a serem melhorados. Elas sempre precisaro de procedimentos
mais eficazes, produtos mais competitivos e conhecimentos que a faam desempenhar
melhor. Os roteiros so apenas o como vamos suprir estas necessidades.

65
OsUse
roteiros de melhoria
charts to explain your ideas

DE MANEIRA GERAL, OS ROTEIROS PASSAM


POR:

1. Uma etapa de entendimento da situao atual

2. Uma etapa de desenvolvimento de mudanas

3. Uma etapa de teste de mudanas

4. Uma etapa de implementao das mudanas

No importa qual o roteiro, pois todos eles passam por 4 passos bsicos para realizar o
projeto de melhoria:
Compreender a situao atual, por meio das mais diferentes estratgias e
ferramentas. Aqui normalmente se busca mapear o processo e medir seus indicadores;
Desenvolver mudanas, por meio de diferentes estratgias;
Testar essas mudanas; e
Implementar as mudanas vencedoras.
Vamos agora olhar alguns roteiros famosos.

66
OsUse
roteiros de melhoria
charts to explain your ideas

Aqui temos 3 roteiros muito famosos: os 8 passos para a resoluo de problemas prticos
da Toyota, o Roteiro DMAIC (em amarelo) e o CSI 7 steps for improvement (The
continous service improvement que parece um secador de cabelo).
Notem que todos eles passam pelas etapas bsicas. Nos 8 passos da Toyota, por exemplo,
a etapa 1, 2 e 3 visam compreender a situao atual. As etapas 4 e 5 o desenvolvimento
de mudanas. As etapas 5 e 6 o teste destas mudanas (e a verificao do resultado) e por
fim, na etapa 8 se padroniza e estabelece o controle do processo, que a implementao.
No roteiro DMAIC, temos o entendimento acontecendo nas etapas D, M e A, o
desenvolvimento de mudanas acontecendo nas fases A e I, os testes na fase I e a
implementao na fase C.
Nos 7 passos para a melhoria, temos todas as etapas 1, 2, 3 e 4 cuidam do entendimento
da situao atual. As etapas 5 e 6, do desenvolvimento e teste de mudanas. A
implementao, por fim, acontece na etapa 7.
Cada um destes roteiros oferece diferentes ferramentas para a melhoria, entretanto,
devemos ter conscincia que nem sempre precisamos usar todas as ferramentas para
nossos projetos. Um projeto bem-sucedido aquele que chega bons resultados,
indiferente de quais ferramentas utilizamos.
No curso, iremos explorar as ferramentas por meio do roteiro DMAIC, porm
incentivamos nossos alunos a conhecer mais sobre os outros roteiros existentes. O
que eles tm em comum? Quais as peculiaridades? Descubram e compartilhem
conosco!

67
O DMAIC e suas
Use charts to explainferramentas
your ideas

Define Analyze
Definir o problema, os objetivos e os Criticar o processo atual
benefcios Determinar relaes causais baseado em dados
Determinar os requisitos dos clientes e as Identificar os maus conceitos presentes processo
CTQs Buscar explicaes para o desempenho atual
Identificar o proprietrio do projeto, Identificar mudanas
champion e o time Improve
Fazer o SIPOC do processo Desenvolver mudanas
Definir os recursos, fronteiras e restries Testar as mudanas em pequena escala
Fazer o contrato com a equipe Avaliar os riscos e benefcios das mudanas
Implementar as mudanas que resultem em
melhoria
Measure
Fazer o mapa detalhado do Processo Control
(Fluxograma) Desenvolver um plano de implementao
Determinar os Xs e os Ys crticos Determinar necessidades de comunicao e
Validar o Sistema de Medio treinamento
Desenvolver plano para coletar dados Estabelecer um plano de controle do novo
Avaliar o desempenho atual:estabilidade e processo
capabilidade Fechar o projeto e comunicar os resultados
Ajustar o foco do projeto Celebrar os resultados alcanados com todos

ROTEIRO DMAIC
O roteiro DMAIC composto por 5 fases: Define (ou definir), Measure (ou medir),
Analyze (ou analisar), Improve (ou melhorar) e Control (ou controlar):
Na fase do Define ns definimos qual o problema ou qual a oportunidade que
queremos trabalhar. Nela, respondemos s 2 primeiras perguntas fundamentais,
entendendo a real necessidade da organizao. O maior desafio aqui cristalizar as
impresses particulares de cada envolvido no projeto para chegar a um objetivo mais
palpvel. A sada fundamental da fase Define a formulao do contrato de melhoria,
que ir pautar todos os esforos futuros. Algumas ferramentas usadas nesta fase so:
VOC (Voice of Customer), que nos ajuda a coletar informaes do cliente, por
meio de pesquisas e estrutura-las por meio da rvore CTC (critical do
customer) ou CTQ (critical to quality), que nos ajuda a transformar ideias
abstratas em indicadores concisos;
O SIPOC, que nos ajuda a enxergar os clientes, produtos do processo,
atividades principais, entradas e fornecedores, delimitando as fronteiras do
processo a ser estudado;
O contrato de melhoria, que formaliza todo os tpicos discutidos, alinhando
equipe, patrocinador e clientes;
A matriz de anlise de stakeholders, que nos ajuda a identificar todos os
envolvidos e programar nossas aes de convencimento;
A matriz de comunicao, que nos ajuda a evitar problemas causados pelo
desalinhamento nas comunicaes;
O diagrama de afinidades, que ajuda a organizar as nossas ideias.
A fase seguinte a fase do Measure, aonde vamos comear a entender os processos e
seu desempenho. Essa fase tem duas frentes de trabalho distintas, ou duas portas por
onde comeamos nossas medies: a porta de processos e a porta de dados. Na porta
de processos, ns mapeamos o processo atual e entendemos como ele funciona.

68
Identificamos quais so suas atividades e como elas se conectam. A grande sada dessa
porta um fluxograma que explica exatamente como nosso processo transforma suas
entradas (matrias-primas) em sadas (produtos ou servios). Na porta de dados, ns
medimos o desempenho do processo por meio dos indicadores. Para isso, temos que
coletar dados sobre o que est acontecendo e analis-los. Boa parte das ferramentas
que iremos ensinar no curso de Green Belt tem o objetivo nico de analisar os dados
que coletamos. Algumas ferramentas desta fase so:
Para processos:
A ferramenta do SIPOC, com nfase no mapeamento de processos;
A criao de fluxogramas;
A elaborao de um VSM (value stream mapping, ou mapeamento do
fluxo de valor);
A criao de diagramas de espaguete, ou diagramas de layout;
A anlise e criao de instrues de trabalho e definies
operacionais.
Para dados:
Formulrios de coletas de dados e folhas de verificao;
Grficos de tendncia;
Grficos de controle;
Grficos de frequncia (histogramas, Box-Plots, grficos de barras,
de setores, de Pareto, etc.);
Anlises de capabilidade;
Anlises MSA (measure system analysis);
Ferramentas para a transformao de variveis.
A terceira fase a do Analyze. Nela fazemos duas coisas: analisamos criticamente
nossos dados e procuramos desenvolver mudanas que vo gerar melhorias. Na
prtica, fazemos as duas coisas juntas. Ao final dessa fase, j teremos formatado as
nossas primeiras mudanas a serem testadas. Algumas ferramentas:
Para dados:
Estudo de correlao, como grficos de disperso e planilhas de
contingncia;
Anlise de Regresso Linear;
Para processos:
Os 5 por qus;
O diagrama de Ishikawa, ou diagrama de causa e efeito;
Diagramas de rvore;
Anlise de Valor;
Criao de Poka-Yokes;
Anlise de desconexes;
As tcnicas de criatividade;

69
Os conceitos de mudana;
A penltima fase a fase do Improve, onde vamos melhorar as nossas mudanas e
comear a melhorar o nosso processo. Nesta fase ns iniciamos nossos experimentos.
As ferramentas mais importantes a serem trabalhadas so o ciclo PDSA e o
planejamento de experimentos, usando experimentos fatoriais. Ao sairmos do
improve, j vamos saber exatamente quais ferramentas devemos implementar.
A ltima fase a fase do Control. nela que implementamos as mudanas
vencedoras. Para que essa implementao seja bem-feita, aplicamos algumas
ferramentas de psicologia, como o diagrama de campos de fora e elaboramos bons
padres e bons treinamentos. Sem isto, o risco de uma boa mudana perder-se
grande.
A seguir, iremos aprofundar em cada uma destas fases, ensinando as ferramentas!

70
Resumo do captulo

A melhoria resulta da aplicao de conhecimento.


Cinco pontos so fundamentais para se conseguir uma melhoria:

Saber o que precisa ser melhorado, com clareza


Ter um mecanismo de feedback para saber se a melhoria est
acontecendo
Desenvolver mudanas que resultaro na melhoria
Testar a mudana, adquirindo conhecimento especfico no assunto
Saber quando tornar a mudana perene, ou seja, quando implementar a
mudana
O Modelo de Melhoria uma estrutura para aplicar estes 5 pontos. O
DMAIC um roteiro para a melhoria.

71
Define

DEFINE
O Define o primeiro passo do roteiro DMAIC. por ele que comeamos o nosso projeto
de melhoria. Nele, todas as nossas aes vo ter o objetivo simples de definir o objetivo
do nosso esforo de melhoria. Essa definio deve ser feita de maneira clara e objetiva,
seguindo a filosofia do Modelo de Melhoria, ou seja, respondendo as 3 perguntas
fundamentais (especialmente as duas primeiras).
No Define, ouvimos todos os envolvidos e coletamos suas impresses. Qual o real
problema da empresa? Usamos aqui vrias ferramentas muito teis para transformar essas
ideias e impresses abstratas em objetivos claros, expressos por indicadores. um
trabalho rduo, j que devemos estruturar o conhecimento tcito em algo estruturado, mas
temos vrias ferramentas que nos ajudam nessa misso.
Ao final da fase do Define, teremos preenchido o nosso Contrato de Melhoria, que a
principal ferramenta de alinhamento da equipe de melhoria. Este documento anlogo ao
Project Charter (ou, Termo de Abertura do Projeto) utilizado nas metodologias de gesto
de projetos.

Vamos aprender mais sobre estas ferramentas!

72
O Define

Objetivo:
Definir o foco e os indicadores do projeto e
comunica-los equipe.
Atividades:
Determinar os requisitos dos clientes (VOC) e
identificar as caractersticas crticas qualidade.
Fazer o SIPOC do processo.
Preencher o contrato de melhoria.

73
O VOC (Voice of Customer)

Hora de ouvir e entender o seu cliente (interno ou externo)

VOC
Muitos projetos de melhoria esto baseados na interface com o cliente. Em outras
palavras, tem como objetivo resolver os problemas dos clientes ou encant-los. Para tanto,
precisamos escut-los e traduzirmos o que esto falando para uma linguagem palatvel
ao nosso projeto de melhoria. Precisamos, portanto, extrair das informaes subjetivas,
indicadores mensurveis. Vamos ver como fazemos isso!

74
Coletando informaes dos clientes (internos e
externos)

Para coletar, temos duas maneiras:

Fontes reativas

Fontes ativas

Para coletar informaes dos clientes (aqui estamos falando tanto de clientes externos
quanto de clientes internos), ns temos basicamente duas estratgias:
Recorrer a fontes reativas de informao, ou seja, fontes que te enviam
informaes, quer voc faa algo ou no. So por exemplo, ligaes de clientes para
o SAC da empresa, aberturas de chamados em sites como o Reclame AQUI,
relatrios de vendas, reinvindicaes de garantia de nossos produtos ou servios, etc.
Essas informaes so relativamente baratas de serem adquiridas, porm elas so
tambm parciais: a informao nunca chega da maneira que queremos e,
convenhamos, poucos clientes nos ligam para elogiar nossos produtos. E, quando
chegam, pode ser tarde demais, pois algo ruim ocorreu.
A segunda maneira so as fontes ativas de informao, ou seja, aquelas que temos
que fazer alguma coisa para conseguir as informaes. Exemplos de fontes ativas vo
desde as mais simples, como formulrios de pesquisa enviados por e-mail at as mais
complexas, como a elaborao de grupos focais, passando pelas mais convencionais,
como entrevistas com os clientes, conversas informais e at ligaes de feedback. A
vantagem das fontes ativas de informaes que, por meio delas, podemos obter a
informao como quisermos.
Qual fonte escolher depende muito do tipo de projeto. Podemos, inclusive, escolher
ambas no Define. Podemos partir de fontes reativas (compilando as nossas reclamaes
no Reclame AQUI, por exemplo) e depois seguir para as fontes ativas para a
complementao das informaes passivas (por exemplo, ligar para cada cliente para
entender melhor os problemas apresentados).
O importante , ao final da pesquisa, termos um objetivo claro para agradar o cliente.
Exemplos:
Os clientes gostam de agilidade na entrega, por isso temos que entregar o produto at
eles em, no mximo, 3 dias teis.

75
Os clientes gostam abominam falhas em seus produtos, por isso apenas 1 em cada
10.000 produtos fabricados pode ter algum tipo de falha.
Os clientes presam o conforto trmico em seus carros, por isso, quando o ar
condicionado do carro ligado e a temperatura externa de 40C, em at 5 minutos o
carro precisa ter seu interior climatizado em 22C.
Chegar em objetivos como estes no fcil. Quando estamos coletando informaes dos
clientes, para chegar a estes objetivos, devemos tomar alguns cuidados, que vamos
discutir a seguir.

76
Coletando informaes dos clientes

Os clientes podem ser vagos em


sua explicao

Seja especfico

Considere um fator por vez

Busque a necessidade do cliente,


no a sua soluo favorita.

Expresse os requerimentos em
fatores mensurveis

Identifique o que aceitvel ou


inaceitvel

Durante a coleta de informaes, temos que entender que os clientes no possuem os


mesmos pensamentos que ns, envolvidos com melhoria, possumos. Eles no esto
interessados em definir um objetivo claro para melhorar nossos produtos, por isso eles
vo ser relativamente vagos em suas exposies. Iro exprimir-se muitas vezes de
maneira sentimental e inconsciente: sabem que no gostam de algo do produto, mas no
sabem exatamente o porqu. Cabe a ns, tentar entender o porqu com perguntas. Outra
coisa que pode acontecer (e vai acontecer) o cliente comparar seu produto com coisas
que ele est acostumado. Voc ir escutar respostas do tipo:
Eu gosto que a minha entrega seja rpida. O pessoal da concorrncia entregou muito
rpido (Ok, mas em quantos dias? Qual a definio de rpido para voc?).
O ar condicionado do carro de vocs uma porcaria, ele demora 1 ano para esfriar!
Eu moro no Rio de Janeiro, aqui faz muito calor! Meu amigo tem o carro da
concorrncia e ele gela rapidinho (Maravilha, mas quantos graus l fora calor?
Quantos graus significa conforto para voc, 23C? O que rapidinho em minutos?).
Notem que, as perguntas inteligentes seguem uma lgica: elas devem induzir os clientes
a serem especficos, identificar suas vontades em requerimentos mensurveis (em uma
escala definida) e dizer o que aceitvel e o que inaceitvel. A perspectiva pela
qual induzimos o cliente tambm muito importante. Devemos induzi-lo a pensar na sua
necessidade, e no na soluo que ele gostaria. Um exemplo disso a clebre frase
atribuda a Henry Ford, sobre a inveno do carro: Se eu perguntasse ao meu cliente o
que ele queria, iria me responder que precisava de um cavalo um pouco mais rpido.
papel do agente de melhoria, direcionar a conversa com o cliente de maneira a
extrair as informaes necessrias. Alinhar, claramente com o cliente o objetivo da
reunio, explicando calmamente todo o esforo de melhoria, uma tima maneira de
coletar as informaes de maneira eficiente. A ferramenta da rvore CTC (critical to
customer) ajuda muito nessas situaes. Vamos conhec-la melhor...

77
RVORE CTC
A rvore CTC, ou CTQ um diagrama que nos ajuda a extrair indicadores dos clientes,
a partir de suas percepes abstratas. Ela tem, basicamente, 4 nveis:
Formular o problema: o que estamos analisando? Podemos estar, por exemplo,
querendo ver a qualidade do nosso processo de faturamento, ou ento a qualidade de
um carro que produzimos.
Identificao dos direcionadores: de maneira abstrata, o que , do ponto de vista
para o cliente, um bom processo de fatura? Bom. As faturas tm que ser entregues no
dia, portanto tempo de entrega um direcionador. As faturas tambm devem vir com
o valor correto, conforme o combinado no contrato, portanto valor da fatura outro
direcionador. Para o caso do carro, temos direcionadores diferentes, como por
exemplo: consumo de combustvel, silncio, conforto trmico, etc.
Identificados os direcionadores, temos que definir variveis especficas e
mensurveis para representar cada direcionador. No caso da fatura, para representar
o direcionador tempo de entrega, podemos medir a varivel tempo de entrega,
definida como: o tempo total em dias que leva da solicitao de faturamento pelo
cliente at o mesmo receber a sua fatura. Atrelada a esta varivel, podemos ter
tambm uma especificao: a fatura estar conforme, caso ela seja entregue em
at 3 dias teis, caso contrrio ela estar no conforme. Notem que cada
direcionador pode ter uma ou mais variveis para representa-lo.
Por fim, definimos os indicadores para medirmos se estamos atendendo as variveis
importante para o cliente. Cada varivel poder ter um ou mais indicadores,
dependendo da situao. Em nosso exemplo, a varivel tempo de entrega pode ter
dois indicadores: tempo mdio de entrega das faturas e % de faturas no
conformes, dando-nos informaes diferentes.
Esta rvore uma ferramenta maravilhosa na traduo das necessidades de clientes (tanto
internos quanto externos). Veja como fica o exemplo completo do projeto de faturas:

78
A rvore CTC

Tempo (dias)
- Tempo par enviar a fatura (dias)
Tempo Menos que 2 dias
- % de faturas enviadas fora do prazo
teis

Valor da fatura de - % de faturas com valor incorreto


Valor acordo com
contrato - % de notas de crdito
fatura enviada com
qualidade
Enviar a
Envio - % de faturas enviadas
fatura(Y/N)

Fatura
Controle - % de faturas registradas
registrada(Y/N)

79
O SIPOC

Uma tima ferramenta para desenvolver a viso sistmica!

SIPOC

80
A viso sistmica e as empresas

Direcionamento
Fornecedores

Clientes
Produo

Sadas
Entradas
Suporte

Uma das grandes contribuies de Deming para a administrao de empresas foi abrir os
olhos dos gestores para a viso sistmica. Parte de ter viso sistmica poder enxergar a
empresa como um sistema, que transforma entradas em sadas, por meio de processos.
Analisar os processos sob esta perspectiva uma atividade muito importante no Define.
Ao fazer isso, percebemos o porqu de cada processo existir. Damos foco no motivo pelo
qual aquele processo existe, ao invs de ficarmos apaixonados pela maneira com que as
atividades esto sequenciadas (o que pode ser considerado um erro ao elaborarmos
fluxogramas ou estudarmos processos).
Existe uma ferramenta, chamada de SIPOC, que nos permite enxergar o processo
exatamente desta maneira. Vamos ver como preench-la.

81
O SIPOC

FORNECEDORES

CLIENTES
Entradas Processo Sadas

Passos do Processo

SIPOC um anagrama onde cada letra representa uma palavra da lngua inglesa: S
(Supplier, ou fornecedor), I (Inputs, ou entradas), P (Process, ou processos), O (Outputs,
ou sadas) e C (Customers, ou clientes).
Para criar um SIPOC do processo voc deve seguir alguns passos. So eles:
1. Concordar com o nome do processo. Lembre-se, para definir nome de um
processo use Verbo no infinitivo mais complemento (Ex: Realizar Planejamento
Estratgico da rea Comercial);
2. Defina as sadas do processo. As sadas so as coisas tangveis que o processo
produz (Ex: um relatrio, uma carta, um produto, etc);
3. Defina os clientes do processo. Estas so as pessoas ou outros processos que
recebem as sadas do processo. Toda sada dever possuir um cliente;
4. Defina as entradas do processo. Estas so as coisas necessrias para iniciar o
processo. Elas frequentemente so tangveis (Ex: Requisio do cliente);
5. Defina os fornecedores do processo. Estes so as pessoas ou outros processos que
fornecem as entradas. Toda entrada dever possuir um fornecedor. Em alguns
processos que vo do incio ao fim, o fornecedor e o cliente podero ser o mesmo;
6. Defina os sub-processos que fazem parte do processo mapeado. Estas so as
atividades que so feitas para converter as entradas em sadas. Elas sero a base
para o mapa do processo a ser criado a aps a elaborao do SIPOC.
Notem que ao fazer isso, estamos comeando a mapear o processo que estamos
analisando. Mais para a frente, iremos destacar como usar essa ferramenta para se mapear
com perfeio qualquer tipo de processo.
Dicas para construir seu SIPOC:

82
Dicas O que fazer Erros mais comuns
O nome processo define o que Usar verbo no infinitivo mais Dar nome utilizando gerndio ou
ele faz, nem mais e nem menos complemento verbo no passado
Use a declarao de propsitos
do processo para definir o Colocar palavras que definem o
O nome do processo no dever
porqu ele existe. Isto ir ajud- objetivo do processo. Ex:
definir seu desempenho e nem
lo a identificar os objetivos de Contratar pessoas rpido, melhorar
seus objetivos de melhoria
melhoria e as mtricas de os relatrios
desempenho
As sadas so coisas. Elas Sadas que ou so vagas, como
As sadas devem especificar o
podem estar corretas ou com clientes satisfeitos ou que
que o processo entrega, no o
erros. Podem atender as contm especificaes, como
que ele alcana
necessidades do cliente ou no relatrios entregues a tempo
Mo de obra e outros recursos no
consumidos no processo. Eles no
disparam o processo e no sofrem
transformao.
Polticas e regras no devem ser

Entradas devem ser especificar includas como entradas. Elas


Entradas so coisas supridas
os gatilhos do processo e o que guiam o processo, mas no so
pelos fornecedores do processo
ser trabalhado pelo processo trabalhadas por ele. Entradas
podem incluir instrues
operacionais que so
necessrias para quem executa
as atividades.

Vamos praticar?

83
Exerccio!
In two or three columns

Um exame de sangue

Elabore um SIPOC para o processo realizar um exame de sangue. Faa a


anlise do SIPOC do ponto de vista do laboratrio responsvel para o exame.

Qual a sada mais importante do laboratrio?

Quem consome essa sada?

Para produzir essa entrega, o que necessrio entrar para o laboratrio?

Quem fornece essas entradas?

Como as entradas se transformam em sadas?

assim para todos os laboratrios? O que muda?

84
Exerccio!
In two or three columns

Fornecedores Inputs Processo Outputs Clientes

Mdico Paciente Resultado Mdico

Requisio

Laboratrio Seringas Realizar


exame de
sangue
Agulhas

lcool

Outros materiais
Passos do Processo

Recebe paciente Prepara Retira Analisa Preenche


e requisio paciente sangue sangue relatrio

Segue um pequeno exemplo de como funciona o processo de coleta de sangue. A sada


mais importante do processo o resultado do exame de sangue, que consumido pelo
mdico (ou pelo paciente, caso esse seja curioso e tenha um computador com acesso ao
Google...). A sada no o sangue. Alis, esse nem aparece no SIPOC. Ele surge e
consumido inteiramente dentro do processo, portanto no uma entrada nem uma sada.
Notem tambm que o processo pode no ser realizado da mesma maneira de um
laboratrio para outro. Por exemplo, a atividade de preparar o paciente pode ser
realizada das mais diversas maneiras, seguindo os mais diversos procedimentos.

85
Por que usar o SIPOC no Define?

Entendimento macro do
processo

Alinhamento das discusses

Busca por indicadores atravs


da viso sistmica

Divide o processo em etapas,


o que ajuda no
desenvolvimento de mudanas

POR QUE DEVEMOS USAR O SIPOC NO DEFINE ?


Lembrem-se: no Define trabalhamos para sair com um foco claro para atacarmos em
nosso projeto de melhoria. Temos que: entender as vises de cada uma das pessoas e bolar
um indicador que v nos balizar durante o resto do projeto. O SIPOC til para se
conseguir as duas coisas!
Quando utilizamos o SIPOC, comeamos a analisar o nosso problema de uma forma
extremamente til para a melhoria: de forma sistmica. Comeamos a entender com muita
clareza onde est inserido o processo que queremos analisar: entendemos onde ele
comea, termina e quais so os seus limites. Alm disso, temos declaradas claramente
todas as etapas do processo. Podemos ento, com a ajuda do resto do time de melhoria,
analisar criticamente as etapas propostas, tentando identificar nas discusses
direcionadores crticos para a qualidade.
O SIPOC tambm nos permite identificar pontos para a coleta de dados. Podemos pensar
em indicadores diversos para as sadas, para as entradas e para cada etapa do processo.
Por exemplo: como medir se a sada est com qualidade? Quanto tempo demora toda a
etapa de processamento? Quanto de rejeito esta etapa est gerando? Quanto aproveitamos
de cada entrada? Todas estas perguntas, elementares a se observar um SIPOC, podem
levar a indicadores bastante teis em projetos de melhoria.
Por fim, essa viso segmentada e clara do processo tambm j nos comea a abrir a mente
para possveis mudanas no processo: Temos alguma entrada que no precisamos?
Deixamos de ter alguma entrada que precisamos? Nesta etapa, de preparao do
paciente, qual o procedimento que estamos seguindo? Podemos fazer melhor?
Essas tcnicas de aperfeioamento das atividades sero discutidas em mais profundidade
na etapa do Analyze.

86
O Contrato de Melhoria

A ferramenta final da fase Define.

87
O contrato de melhoria

O contrato de melhoria um Ele nos ajuda:


acordo entre o patrocinador do
projeto e a equipe de melhoria Esclarecer papis e
sobre o que esperado do responsabilidade
projeto
Focar a equipe
Ele contm uma descrio
clara do incmodo que se
Levantar problemas e
pretende aliviar, bem como os
oportunidades
objetivos e indicadores do
projeto
Definir pontos de iterao

Definir pontos de comunicao


entre

O CONTRATO DE MELHORIA
O contrato de melhoria um acordo escrito entre o patrocinador do projeto e a equipe de
melhoria. Nele, devemos detalhar claramente o que se espera do projeto: quais os
objetivos a serem alcanados pela equipe e quais os recursos o patrocinador dever
disponibilizar para tal.
Alm disso, usual em projetos de melhoria descrevermos de maneira sucinta o
incmodo a ser tratado, antes de definirmos os objetivos. A descrio do incmodo ajuda
a contextualizar o esforo de melhoria e a definir a perspectiva mais adequada do projeto
(lembre-se do exerccio que fizemos nas aulas anteriores, que dizia do departamento de
compras).
O contrato til pois ele ajuda a estabelecer papeis e responsabilidades, alm de deixar a
equipe focada no objetivo. Quando conduzimos projetos de melhoria, sempre que h
discusses ou dvidas se estamos no caminho certo, recorremos ao contrato. nele que
fica o norte do projeto, algo que no podemos perder.
A seguir, vamos explorar melhor os elementos do contrato de melhoria.

88
O contrato de melhoria

Renegociaes so possveis no contrato, poucos projetos


terminam sem reformulaes em seu contrato:

O escopo muda;
A equipe muda;
Os recursos mudam;
Eventos externos acontecem.

O contrato apenas uma fotografia de como esto as coisas no incio do projeto.


Obviamente, muito pode mudar. O contrato deve ento ser revisto de maneira a incluir
estas mudanas, mas nunca devemos permitir que o contrato e o projeto no estejam
alinhados.
As mudanas vo acontecer de maneira natural. s vezes, mesmo aps todas as
discusses do Define, achamos que o problema est em um lugar e quando comeamos
as medies iniciais, tudo muda. O escopo geralmente um caso clssico desse tipo de
mudana.
Lembro-me bem de um projeto caracterstico: o diretor de uma empresa nos contratou
para rever um de seus processos administrativos. A empresa tinha filiais em vrias cidades
brasileiras, entretanto o diretor ficava em uma delas. Ele nos disse: o processo aqui na
filial X muito lento! Eu vejo uma srie de desperdcios e no vejo soluo para eles. Na
cidade Y, o mesmo processo acontece de maneira muito mais rpida, muito mais
eficiente! Eu gostaria de estudar as boas prticas de l para que possamos implementar
aqui.
O contrato ento foi redigido para ser um projeto de benchmark interno, onde
estudaramos as boas prticas em Y para aplica-las em X. Durante o projeto, descobriu-
se que nunca havia sido feita uma medio fiel do tempo destes processos. Quando
fizemos isso, uma surpresa: o processo na cidade X era realizado em um quinto do tempo
que demorava na cidade Y (que o Diretor achava ser o benchmark). Neste caso,
reavaliamos todo o projeto, procurando melhorias para ambos os processos.
A histria mostra que podemos nos enganar nas definies do contrato. Rev-lo durante
o projeto no vergonha nenhuma.
Agora vamos ver um pouco mais sobre os elementos do contrato de melhoria.

89
Os elementos do contrato

Nome do projeto:

Integrantes:

Patrocinador:

1. O que queremos realizar?


(objetivo, importncia, incmodo)

2. Como saberemos que uma mudana uma melhoria?


(indicadores, contra indicadores, meta)

3. Restries

4. Cronograma

O contrato e melhoria elaborado conforme as 3 perguntas fundamentais, que discutimos


previamente. Ao preenche-lo, geralmente j fizemos vrias discusses (inclusive usando
as ferramentas do SIPOC e da rvore CTC), portanto j temos bem definido o que vai ser
atacado, por isso relativamente fcil colocarmos no papel o que foi discutido.
O modelo de contrato pode variar de lugar para lugar ou de equipe para equipe. Nesta
apostila, faremos um exerccio extenso onde apresentaremos uma proposta de contrato.
Entretanto, alguns pontos so muito importantes e devem estar presentes:
O que queremos realizar?
Descrio do incmodo: vital para a equipe contextualizar o projeto.
Descreva claramente o incmodo que est sendo atacado.
Exemplo
Descrio do incomodo ou oportunidade:
A empresa trabalha com pintura e montagem de para-choques.
Ultimamente, uma srie de para-choques vm sendo rejeitados na inspeo
que acontece aps a pintura, devido a riscos que acreditamos ser
provenientes de pequenas batidas que acontecem quando a tinta ainda est
fresca. Pelo elevado nmero de rejeitos, no estamos conseguindo atender
a demanda de nossos clientes. Alm disso, boa parte dos para-choques
ficam estocados em uma rea do barraco, ocupando espao e dificultando
a circulao de pessoas.
Descrio da importncia do projeto: geralmente, para usar futuramente
como argumento de convencimento para os envolvidos, escrevemos algumas
palavras para explicitar por que o projeto importante. Essa importncia pode
ser exposta por vrias perspectivas: a do cliente, a da empresa, as de vrios
departamentos, etc. Ter esses argumentos prontos til, pois quando
precisamos da ajuda destes envolvidos, podemos claramente expor a eles o
porqu estamos propondo aquilo.

90
Exemplo
Importncia para a empresa:
Reduzir as perdas na pintura devido batida ir diminuir a carga de
trabalho e aumentar a produtividade.
Importncia para o cliente:
Reduzir esta perda far com que o cliente receba a sua encomenda mais
rpido e de maneira integral.
O objetivo do projeto: Devemos descrever o objetivo de maneira clara e
atrelada a um indicador. Isso ajuda a manter o foco da equipe de melhoria.
Exemplo
Objetivo:
Reduzir as perdas na pintura por batidas de 30% para menos de 1% at o
ms que vem.
Como saberemos que a mudana uma melhoria? Nesta parte, identificamos todos
os indicadores e contra indicadores que queremos trabalhar, bem como colocamos uma
meta para a sua reduo. Sim, sabemos que colocar metas um assunto polmico, por
isso ele ser discutido mais frente nessa apostila.
Restries. Na parte de restries, devemos deixar explcito quais so as restries do
projeto. Por exemplo, podemos ter restries como no modificar o processo X, ou
no envolver mudanas para o cliente. Alm disso, em geral trabalhamos com
restries oramentrias e de recursos humanos.
Cronograma. Por fim, colocamos uma sequncia lgica no tempo do que vamos
trabalhar. No cronograma, podemos relacionar as prximas atividades com as etapas
do roteiro DMAIC, por exemplo: na primeira semana, iremos fazer a definio das
metas, na segunda semana, iremos medir o processo, e assim por diante.

91
Atribuio de metas

Cuidado com os abusos e distores que aparecem junto das


metas numricas

Frente a uma meta no batida, as pessoas podem distorcer o


sistema para bat-la.

Entenda a variao para atribuir uma meta

Coloque metas SMART (Specific, Measurable, Achievable,


Relevant e Time-bound)

Meta, sem mtodo uma crueldade


Seja flexvel
Abuse de benchmarking

METAS
Muito cuidado ao negociar metas com o patrocinador do projeto, especialmente se
estas metas refletirem na remunerao dos envolvidos.
Quando algum no consegue bater a meta jogando limpo, pode acontecer algumas
cosias:
As pessoas podem distorcer os dados (colocar uns zeros a mais na planilha do Excel);
Distorcer o sistema de medio (colocar aquela balana viciada para parecer mais
magro);
Omitir ou expurgar dados;
Alterar a memria de clculo;
Distorcer o sistema como um todo (como o vendedor que, para vender mais, comea
a dar descontos em excesso).
Apesar destes problemas, ns na FM2S acreditamos em metas numricas. Algumas das
mentes mais competentes e ambiciosas, inclusive, s se motivam por meio da atribuio
de metas numricas bem definidas. Por isso, temos algumas dicas que podem ser teis:
Metas devem ser SMART, ou seja:
o Especficas (ligadas a um indicador);
o Mensurveis ( preciso saber exatamente como ela ser avaliada);
o Possveis (metas muito fantasiosas desmotivam a equipe);
o Relevantes (ou seja, devemos entender a variao do indicador par atribuir
a meta); e
o Adequadas com o tempo do projeto (Time-bound).
Como gestores, nunca devemos dar uma meta para uma pessoa, sem ensin-la
como chegar l. Isso uma grande crueldade. Devemos priorizar a dedicao da
pessoa e a sua conformidade em relao ao processo, ao invs de meramente os
resultados obtidos. Como dizem na Toyota: melhor (e mais fcil) ter um
processo brilhante do que pessoas brilhantes.

92
Como saber o mtodo para chegar at a meta? Essa uma pergunta complicada com
uma resposta simples: benchmarking. Procure conhecer outras empresas que bateram
metas similares s suas. O que eles fizeram? Qual foi a estratgia adotada? Como eles
implementaram as mudanas? Entenda o que j aconteceu e trace seu caminho at a sua
meta, sempre utilizando as tcnicas de gerao de conhecimento especfico para que o
seu caminho seja mais suave que o da empresa consultada.
De maneira geral, no use metas como chicote. Se uma meta no for batida, no procure
culpados, procure erros no processo ou nas hipteses.

93
Estudo de columns
In two or three caso!

Um processo de coleta de sangue.

Leia na apostila a descrio do projeto de melhoria e responda s questes


propostas.

Este estudo de caso bastante ilustrativo, pois mostra um projeto de melhoria


sendo realizado do seu incio at o final.

ESTUDO DE CASO!!!!

94
Outras ferramentas teis para o Define

O que vem da gesto de projetos que pode nos ajudar a organizar nossas
ideias e nossos projetos de melhoria?

95
Matriz de
In two Stakeholders
or three columns

Participantes Chaves
Nvel de compromisso P1 P2 P3 P4

Apoio entusistico Trabalhar muito


para que o projeto seja um sucesso

Ajudar no trabalho dar suporte


apropriado para que se implemente as
mudanas
Compliant far o mnimo aceitvel

Vacilante no se oferecer
voluntariamente
Indiferente no ajudar; no
atrapalhar
Contrrio - atuar abertamente contra o
projeto
Hostil - bloquear a implementao das
mudanas a todo custo

Atual Desejado

MATRIZ DE STAKEHOLDERS
Uma das atividades mais importantes em qualquer projeto gerir os envolvidos.
Uma ferramenta que nos ajuda a fazer isso a Matriz de Stakeholders.
Diversas pessoas podem ter interesse em nosso projeto de melhoria e, certamente, cada
uma ir se relacionar com ele de uma maneira. Entre alguns envolvidos clssicos temos:
o dono do processo no qual estamos trabalhando (gerentes, coordenadores, por exemplo.);
o patrocinador; os clientes; os operadores do processo, etc. Cada um, tem um nvel de
apoio, que pode variar desde um apoio entusistico at uma hostilidade declarada.
Muitas vezes, caso no tenhamos o apoio necessrio, o projeto no sair do lugar.
Por exemplo, se o patrocinador do projeto se mostra vacilante ou indiferente s mudanas
propostas, dificilmente conseguiremos obter recursos para concretiz-las. Se o dono do
processo se mostrar hostil (talvez por medo de ser demitido ou amor pelo status quo),
dificilmente iremos saber o que est de fato acontecendo no projeto. Para que essas coisas
no aconteam, precisamos saber exatamente quem devemos trazer para o nosso lado.
A Matriz de Stakeholders nos ajuda a fazer isso. O seu preenchimento muito fcil:
Listamos todas as pessoas chave do projeto;
Marcamos como eles esto atualmente com relao ao projeto (de hostil a
entusiasmado, conforme apresentado no slide);
Marcamos como eles precisam estar para que o projeto acontea em sua plenitude;
Colocamos uma seta para ilustrar o caminho;
Comeamos trabalhando nas pessoas com as setas maiores.
Notem que, a grande mgica no est na planilha em si, mas sim nas setas. Saber qual
estratgia usar para o convencimento das pessoas a parte mais difcil e trabalhosa deste
planejamento. Alm disto, esta matriz sigilosa, devendo ser compartilhada entre os
membros da equipe apenas.

96
Matriz deorcomunicaes
In two three columns

Projeto:

Data:

Equipe:

Nome e Tipo de Maiores preocupaes Plano de comunicao


Posio participao O que, Quem, Quando

Tipo de participao: Patrocinador, Consultor, Proprietrio do


Processo, Membro de Equipe, Cliente, Fornecedor, Outros

MATRIZ DE COMUNICAES
A Matriz de comunicaes uma ferramenta que nos ajuda a planejar as comunicaes
dentro do projeto. Ela existe para evitar a comunicao extraoficial, ou dos corredores.
Esse tipo de comunicao extremamente insalubre para qualquer projeto de melhoria.
Imagine s uma situao hipottica: o patrocinador do projeto recebe a informao de que
os testes de mudana esto indo mal, antes dos mesmos estarem terminados. Imagine o
efeito desastroso que o feedback desafinado do patrocinador pode ter sobre a equipe.
A Matriz de comunicao uma matriz que deixa claro quem ir comunicar o que e
quando. Ela, portanto, formaliza os eventos de comunicao dentro do projeto.
Tambm podemos colocar como ser feita a comunicao e por qu.
Alguns eventos clssicos que colocamos na matriz so:
Disseminao das definies do Define, para alinhar a equipe no objetivo;
Disseminao do resultado da fase Measure, em que mostramos o mapeamento feito
do processo e o valor dos indicadores coletados;
Orientao sobre os testes a serem feitos;
Divulgao do resultado dos testes realizados;
Plano de implementao;
Divulgao de resultados para o cliente;
Alinhamento de testes com o cliente;
Etc.
Consta tambm, na matriz de comunicaes, a razo de comunicar aquele fato de maneira
formal: quais so as preocupaes se esta comunicao sair do controle.

97
Diagrama de afinidades
In two or three columns

Coletar dados
qualitativos

Agrupar
dados afins

Nomear os
agrupamentos

DIAGRAMA DE AFINIDADES
Na fase do Define, em geral realizamos uma srie de atividades de brainstorming, que
nos gera uma grande quantidade de dados verbais, geralmente pouco estruturados.
Agrupar esses dados verbais por afinidades, nos permite entender melhor o que acontece
e nos ajuda a traar um plano de mudanas para cada afinidade. Fazer esse agrupamento
significa preencher um Diagrama de Afinidades.
Para criar um diagrama de afinidades, os membros da equipe:
Geram um grande nmero de ideias sobre uma questo especfica;
Organizam as ideias e do nomes aos grupos.
Durante o processo de colocar em ordem um conjunto de dados aparentemente no
relacionados, uma equipe poder comear a identificar e focar as reas para melhoria.
Por que usar o D.A.:
O diagrama de afinidades uma ferramenta para organizar e resumir dados qualitativos
(geralmente verbais/escritos). Esses dados podem ser originados de uma variedade de
fontes incluindo brainstorming, feedback do cliente, anlise de reclamaes, problemas
de produo e etc.
Benefcios:
Esclarece uma situao confusa;
Incentiva conexes no-tradicionais entre ideias e questes;
Incentiva a criatividade de todos da equipe;
Quebra barreiras de comunicao e ideias pr-concebidas sobre um assunto;
Permite o surgimento natural de tpicos a serem explorados;
Facilita o conhecimento do contexto;
Ajuda a superar a imobilidade da equipe, que pode ser gerada pela quantidade
excessiva de dados e pela inexistncia de consenso;

98
Ajuda a equipe a chegar a um consenso e oferece uma oportunidade de
direcionar as iniciativas da equipe de maneira mais eficaz.
Preparao
Antes de comear, voc vai precisar de:
Um facilitador para a equipe; (essa ferramenta mais til quando for utilizada
em grupo)
Notas adesivas tipo post-it; (2-3 pacotes)
Flip-chart ou quadro branco para fixar as notas;
Marcadores; (prefervel canetas hidrocor ou para transparncias)
Fita adesiva transparente.
Construo do Diagrama de Afinidades:
1. Identifique a questo:
Escreva a questo que est sendo discutida no flip-chart.
Dicas:
Todos os membros da equipe devem concordar com a questo.
Exemplo: Fatores que prejudicam as vendas de caf
2. Faa um brainstorming:
Obtenha pelo menos 20 ideias ou questes;
Registre cada ideia em uma nota adesiva;
Dicas:
Evite usar uma palavra s, 4 a 7 palavras funcionam bem.
Uma afinidade "tpica" contm 40 a 60 itens, dependendo da questo.
Se j existirem dados, como feedback de clientes ou problemas de
produo, use os dados em lugar de fazer um brainstorming de novas
ideias.
3. Agrupe os resultados.
Em silncio, os membros da equipe classificam simultaneamente as ideias em
grupos relacionados, colocando as notas adesivas em blocos distintos. Cada
pessoa dever mover as notas adesivas para o local que considera mais adequado.
No faa perguntas, apenas mova as notas que, em sua opinio, pertencem a um
grupo diferente.
Dicas:
Os blocos podero conter qualquer nmero de ideias - at uma s.
As notas adesivas podero ser movidas tantas vezes quantas forem
necessrias at que o grupo esteja satisfeito com o resultado.
O ritmo da classificao diminuir e, em seguida, cessar, quando todos
os membros da equipe estiverem satisfeitos com os agrupamentos.
Analise dos dados

99
A equipe ento discute o relacionamento entre os itens de cada bloco e escolhe
um ttulo para cada um dos blocos.
Dicas:
Consiga um rpido consenso da equipe em relao a uma palavra ou
frase capaz de capturar a ideia/tema central de cada bloco.
Divida os blocos maiores em subgrupos, se necessrio.
Avaliao do sucesso:
Para medir o sucesso quanto utilizao desta ferramenta, reveja as seguintes perguntas:
Os membros da equipe compreenderam com clareza a questo em discusso?
Os membros conseguem definir com facilidade qual o tema comum que
relaciona os itens em cada categoria?
O diagrama final exibe informaes suficientes a serem utilizadas pela equipe
na prxima etapa?

100
Measure

MEASURE
Na fase do Measure, como o prprio nome j diz, vamos comear a medir nosso
processo. Por medir entendemos: coletar informaes que nos sero teis no esforo de
melhoria.
Geralmente fazemos isso por duas grandes portas:
A porta de processos, onde mapeamos os processos envolvidos com a nossa meta do
projeto de melhoria. Fazer esse mapeamento significa entender exatamente como que
as entradas se transformam em sadas. Existem vrias tcnicas para se fazer isso e
vamos discorrer cada uma delas.
A porta de dados, onde de fato coletamos os dados relativos ao nosso indicador
principal do projeto e comeamos a analisa-lo. Temos que entender que muito
importante fazer uma coleta cuidadosa dos dados para que nossa anlise seja razovel
(iremos comentar como se coletar bons dados). Do ponto de vista de anlise, na fase
do Measure nossa maior preocupao entender a variao dos indicadores. Vamos
ensinar algumas ferramentas excelentes para se fazer isso (como o caso dos grficos
de controle de Shewhart) e como se comparar essa variao com as especificaes do
cliente (que o caso das anlises de Capabilidade).

101
O Measure

Objetivo:
Comear a avaliar o desempenho dos processos
relacionados aos indicadores do projeto
Atividades:
Mapear os processos e entender os procedimentos
Coletar dados e avaliar o sistema de medio
Analisar a variao dos dados
Comparar a varao dos dados frente s exigncias
dos clientes

102
A Porta de Processos

Mapeando processos e construindo fluxogramas

A PORTA DE PROCESSOS
A porta de processos so as vrias atividades que realizamos no Measure para entender
como que as atividades se concatenam em processos e como estes processos cumprem o
propsito da organizao.

103
O que so processos?

Definio:

Um processo uma sequencia de atividades

conduzidas para a produo de um bem ou servio com

valor para um determinado cliente.

Antes de comearmos a falar como mapear e analisar processos, necessrio definir o


que so processos. Uma definio muito til a apresentada no slide. Por esta perspectiva,
um processo uma sequncia ordenada de atividades que visam transformar entradas em
sadas para algum determinado cliente. Essa definio est totalmente alinhada com a
viso da utilizao do SIPOC na anlise de uma organizao.

104
As organizaes e os processos

Atividades Direcionadoras

Fornecedores

Atividades de produo

Entradas

Sadas Clientes

Atividades de Suporte

Como j vimos, essa viso de transformao extremamente til para se enxergar uma
organizao, pois ela faz com que entendamos o propsito da organizao. Quando
fazemos isso, dizemos que estamos enxergando a organizao como um sistema, o que
um dos pilares chave do conhecimento profundo de Deming.
Entender a organizao como um sistema no tarefa simples, j que o sistema um
emaranhado de processos. Em outras palavras, podemos dizer que o propsito da
organizao s cumprido uma vez que todos os seus processos desempenhem suas
atividades de maneira satisfatria.
Como vimos no slide anterior, um processo tambm tem vrias etapas (que na definio
chamamos de atividades). A operao a interao entre as vrias pessoas trabalhando
nele (imagine o processo de vendas de sua empresa, ou ento o processo de contratao
de um novo funcionrio) com as mquinas necessrias para executar o processo.
A descrio da operao feita por meio de um procedimento, que no exemplo :
Selecionar o cliente com a maior pontuao na lista;
Buscar o nmero de telefone do cliente;
Ligar para o cliente e conversar sobre o produto, por meio do script de vendas;
Despedir-se e desligar o telefone;
Anotar o resumo da conversa no software de CRM.
Este procedimento realizado pelo vendedor pode ser padronizado e analisado de
maneira crtica. Seguindo a instruo de trabalho, a operao pode ser rapidamente
reproduzida. Com isso em mente, podemos definir 3 nveis de transformao.

105
As organizaes

Sistema

Detalhamento
Complexidade

Processos

Atividades/
procedimentos

Um sistema a organizao como um todo. o conjunto de fatores interligados com


funes especficas. Todo sistema tem pelo menos uma funo e cada funo gera pelo
menos um indicador. Os sistemas podem ser abertos ou fechados e, podem ser modelados
tambm de acordo com sua estrutura, seus processos e suas funes.
Um processo uma sequncia de valores agregados visando produo de um produto
(mercadoria ou servio). Para fins de organizao e anlise do trabalho, o conceito de
processo conveniente por sua racionalidade e simplicidade. Com um fluxograma, por
exemplo, podemos desenhar suas interaes e a sequncia de suas atividades, bem como
onde cada coisa acontece na organizao (iremos ilustrar alguns fluxogramas mais
adiante).
Uma atividade a parte mais basal da organizao. Ela pode ser descrita por um
procedimento, ou instruo de trabalho e sempre realizada por apenas uma pessoa
(podendo ter interface com outras). A sua complexidade baixa e fcil de ser enxergada,
pois so as coisas que realizamos no dia a dia, possibilitando assim, detalharmos com
clareza. Vamos, a seguir, mostrar como realizamos o mapeamento dos processos de uma
organizao.

106
Mapeamento de processos

Quando, como e por qual razo faz-lo

MAPEAMENTO DE PROCESSOS
Agora iremos aprofundar mais o mapeamento de processos. Iremos definir a atividade de
mapeamento e apontar quando devemos utiliz-la em projetos de melhoria.

107
As organizaes na prtica

Vimos vrias vezes aquela figurinha bonitinha da organizao como sistema proposta por
Deming. Acontece que na vida real, no fcil enxergar aquela figura na organizao em
que estamos inseridos.
Na prtica, vemos algo como neste slide: uma srie de pessoas (representadas pelas
bolinhas) realizando uma srie de atividades (caixinhas) que transformam sabe-se l de
que jeito, entradas (caixas em terracota) em sadas (caixas azuis) para os clientes. A ordem
dessas atividades confusa. Determinadas pessoas desempenham papeis diferentes ao
longo do fluxo e, muitas vezes, esto envolvidas em mais de uma operao. Por exemplo,
a pessoa do financeiro da empresa recebe pagamentos dos clientes, paga fornecedores,
controla custos e monitora o caixa. Cada uma dessas atividades corriqueiras est ligada a
processos diferentes.
No mapeamento de processos, nosso objetivo ilustrado no slide seguinte.

108
Mapear um processo

O objetivo do mapeamento de processo poder enxergar as atividades envolvidas na


transformao de uma entrada em uma sada da organizao. fazer emergir a
informao do que est acontecendo, identificar os envolvidos e as atividades necessrias.

109
Mapear um processo

Entender melhor nosso


processo Aplicar indicadores

Buscar melhorias

Reestruturar
radicalmente

Geralmente, fazemos o mapeamento para entender melhor qual nosso processo. Alm
disso, quando temos claro o que est acontecendo, podemos buscar aplicar indicadores
para medir seu desempenho, sabendo onde vamos aplica-los e de que tipos devem ser.
Por exemplo, se quisermos medir o tempo que um processo demora, precisamos saber
exatamente quando ele comea e quando ele termina. No temos como medir isso sem
ter o processo claramente mapeado.
Tambm podemos buscar melhorias pontuais em algumas atividades e na interao entre
elas. Na parte do Analyse, discutiremos uma tcnica chamada de busca por desconexes,
onde analisamos se alguma parte do processo est sem as entradas que precisa, ou ento
no est gerando as sadas necessrias. Isso faz com que as seguintes etapas
desempenhem de maneira ruim. Por exemplo, como vamos montar uma pea se no temos
a instruo de montagem? Se a pessoa de engenharia no envia essa entrada para a
montagem, problemas acontecero. Isso uma desconexo.
Ou, se quisermos alterar radicalmente o processo, sabemos todos os envolvidos e suas
interaes, o que facilitar o reprojeto do processo e sua implementao por meio de um
novo procedimento.

110
Mapear um processo

Qual o resultado de um bom mapeamento?

Entendimento do processo

Conhecimento sobre o fluxo de trabalho

Ilustrao em um fluxograma

Identificao das desconexes

Bom, mas quais so os resultados do mapeamento?


O primeiro resultado intangvel, mas importante. o entendimento do processo para
os envolvidos no mapeamento. Alm disso, adquiriremos um conhecimento mais
profundo do fluxo de trabalho, que contempla a ordem das atividades e as relaes ente
elas.
O segundo a criao de um fluxograma que vai mostrar visualmente como funciona o
processo escolhido. Com esta ferramenta, fica mais fcil comunicar para a empresa o que
est acontecendo. Note que um fluxograma uma das sadas da atividade de
mapeamento.
Depois, podemos analisar os resultados e procurar desconexes, entradas que no so
usadas, sadas que no so necessrias, etc.

111
Antes de comear

Como achamos que o processo

Fluxogram
Como ele realmente

Pois bem, antes de comearmos a fala sobre como vamos mapear os processos, gostaria
de fazer algumas reflexes sobre alguns problemas recorrentes. So eles:

As pessoas tendem a se contentar em elaborar um fluxograma sobre como um


processo. Rene-se uma equipe e as etapas so listadas, com cada um contribuindo
com o que se lembra sobre o processo. Desta maneira surge um fluxograma.
Na maioria dos casos, o processo muito mais complexo do que as pessoas
lembram em um primeiro momento. Existem muito mais pontos de deciso, mais
entradas, mais sadas e mais interaes entre as atividades do que o estimado
inicialmente.
Devemos nos focar em identificar como o processo realmente , no como
achamos ou desejamos que ele seja. Para isso, ser necessrio muito mais rigor e
disciplina na hora de perguntarmos sobre o processo.

112
Mapeando

1) Defina o escopo do mapeamento!

Para que vamos mapear este processo? Qual o


objetivo da melhoria?

Reduzir custos?
Reduzir complexidades?
Reduzir retrabalho?
Simplificar o fluxo de informaes?

COMO ELABORAR O FLUXOGRAMA


Muito bem, passando agora para a parte prtica. A primeira coisa que temos que definir
o escopo, ou objetivo do nosso mapeamento.
Para que vamos mapear o processo?
Isso vai fazer com que o foco do que estamos procurando mude. Por exemplo, se
estivermos envolvidos em um projeto cujo objetivo reduzir nmero de relatrios
financeiros com erros, vamos focar nosso mapeamento no fluxo de informaes que
geram esses relatrios. Quem envia essas informaes para a pessoa que faz o relatrio?
Quais informaes so necessrias? Como chegam estas informaes? Essas perguntas
mudam a perspectiva do que vamos mapear (como vamos ver mais para a frente).
Se, alternativamente, estivermos envolvidos em um processo cujo objetivo reduzir
defeitos de uma pea, vamos ter de mapear no apenas o fluxo de informaes (que pode
nos gerar erros de montagem), mas sim todos os componentes que formam essa pea.
Mapeando de onde vem os componentes e por quais etapas de processamento eles
passam, podemos entender se h problemas de matrias-primas ou ento de fabricao.

113
Mapeando

2) Defina os limites do seu mapeamento (e projeto)

Em seguida, devemos delimitar quais so os limites fsicos do processo


Qual o limite do nosso projeto de melhoria, ou seja, onde que podemos de fato
pensar em mudar e melhorar posteriormente?
Quais departamentos vamos mapear? Quais no devemos mapear?
Vamos mapear o caminho de qual entrada at qual sada?
Quando os meus limites estiverem claros, eu sei que devo dar mais ateno para a parte
que eu quero, detalhando-a mais do que a parte que eu no quero.

114
Mapeando

3) Identifique e entreviste os envolvidos no processo


S I P O C
Procedimento Operao 1 Relatrio
A A
Operao 2
Relatrio
Operao 3 Lista de compras
B Pea 1
Operao 4
Pea 2 C
Pea 15
Operao 5

SIPOC da pessoa X

Em seguida, passamos para uma entrevista minuciosa. Esta entrevista, deve identificar
tudo o que acontece, e cabe ao entrevistador instigar o entrevistado e expor todas as
possibilidades e todos os casos que acontecem. Mas como fazer essa entrevista?
Usando a metodologia do SIPOC, j explicada anteriormente.

115
Mapeando

3) Identifique e entreviste os envolvidos no processo

Processo
SIPOC da pessoa X
simples?

SIPOC da pessoa A

SIPOC do pessoa B

SIPOC da pessoa ...

Aps a entrevista inicial, devemos identificar os envolvidos e entrevistando-os tambm,


com o mesmo rigor. Nestas entrevistas, mais pessoas e processos vo aparecendo, alm
daqueles que estavam listados no brainstorming inicial. Devemos seguir entrevistando
estes novos envolvidos, caso estes estejam dentro das restries que definimos
anteriormente.
s vezes nosso processo simples, com apenas um envolvido. Com isso, um SIPOC
basta para resolver, mas na maioria das vezes precisamos repetir esse procedimento vrias
vezes para cada uma das pessoas envolvidas.

116
Mapeando

4) Conecte os SIPOCs e monte um fluxograma

As sadas da pessoa analisada devem ser as


entradas da pessoa seguinte (clientes);

As entradas da pessoa analisada, devem ser as


sadas das pessoas anteriores (fornecedores);

E assim por diante...

Uma vez coletadas todas as informaes, possvel junt-las em um fluxograma. O


Fluxograma, como veremos mais para a frente, ir mostrar como as coisas funcionam
dentro da empresa.
A conexo feita de maneira bem intuitiva. Podemos olhar todos os formulrios de
SIPOC que coletamos durante as entrevistas e conect-los um a um: o que sai do processo
n, deve ser uma entrada no processo n+1. O que entra no processo n, deve ser uma sada
do processo n-1. Desta maneira, podemos sempre exibir o fluxo do que queremos mapear
de maneira clara e objetiva (alm do mais, de maneira precisa).
Lembrem-se que as entradas e sadas dos SIPOCs podem ser as mais diversas possveis.
Podem ser informaes, peas, componentes, documentos, e-mails, comunicaes
verbais, etc. Dependendo do que queremos ver, iremos na entrevista dar mais nfase em
descobrir um ou outro tipo.

117
Vantagens do Mapeamento

Facilita o aprendizado da equipe sobre o processo;

Torna o que est acontecendo visvel;

Demonstra papis e relaes entre os envolvidos no


processo;

Identifica gargalos, desconexes, etapas


desnecessrias, etc.

Permite medir o tempo das atividades;

Identifica quick wins do projeto.

O mapeamento dos processos, quando bem feito, traz uma srie de benefcios para a
equipe de melhoria. Com ele possvel ter todos os ganhos apresentados no slide:
Facilitao do aprendizado da equipe sobre o processo;
Visibilidade do que est acontecendo;
Demonstrao dos papis e relaes entre os envolvidos no processo;
Identificao dos gargalos, desconexes, etapas desnecessrias, etc.
Medio do tempo das atividades;
Identificao dos quick wins do projeto.

118
Fluxogramas

As vrias maneiras de se representar um processo

FLUXOGRAMA
At agora falamos sobre como se realizar um mapeamento de processos adequado. A
partir daqui iremos comentar exclusivamente sobre os fluxogramas, que so as maneiras
de se representar um processo.
muito importante frisar que um fluxograma no um mapeamento e vice-versa. O
fluxograma, em geral a sada de um mapeamento e apresenta um uso especfico, ou seja,
se fizemos um fluxograma para avaliar o fluxo de informaes em um processo (para um
projeto de melhoria, por exemplo), esse fluxograma no representa o aspecto do fluxo de
materiais e peas fsicas neste mesmo processo.

119
O Fluxograma

Fluxogramas so
representaes grficas dos
nossos processos.

Quando bem feitos, eles nos


ajudam a disseminar os
conhecimentos obtidos na
etapa de mapeamento.

Existem vrios tipos de


fluxogramas.

Fluxogramas, como j falamos, servem para mostrar como um processo funciona.


Existem vrios tipos de fluxogramas que nos ajudam a observar diferentes aspectos dentro
do nosso processo. Vamos ver alguns destes tipos nas prximas aulas, mas antes,
costumamos iniciar o aluno na simbologia frequentemente (mas no obrigatoriamente)
usada. Esta simbologia , a rigor, pertencente ao digrama de blocos, por ser mais simples.
Mas a maioria dos fluxogramas utilizados nas atividades de mapeamento de processos os
utiliza, pois, a notao mais extensa e tradicional do fluxograma no necessria.

120
Os smbolos dos fluxogramas

SIMBOLOGIA UTILIZADA:

EMITIR CHEQUE P/ Indica que uma atividade est sendo desenvolvida.


PGTO

NO VALOR Indica um ponto de deciso no processo.


CORRETO?

SIM
ENTREGAR AO Indica que um documento deu entrada ou sada do
CAIXA processo.

ESPERA
APROVAO Indica ponto de espera no processo

FIM Indica fim e incio do processo.

Indica uma conexo com Indica o fluxo do


ramificaes do processo.
processo.

Alguns smbolos so bastante frequentes em fluxogramas. Aqui vamos apenas apresentar


os mais comuns (obviamente que existem muitos outros, com significados particulares).
Retngulos de bordas agudas: indicam etapas do processo, ou seja, atividades que so
realizadas dentro daquele processo.
Losangos: indicam pontos de deciso ou alternativa (se o processo apresenta
caracterstica X, ele segue pelo caminho X; se tem caracterstica Y, segue pelo caminho
Y).
Retngulos cortados ao meio: indicam surgimento e fluxo de documentos.
Retngulos do tipo bala de canho: indicam pontos de espera no fluxo (quando algo
fica parado esperando outro evento do processo acontecer).
Retngulos de bordas arredondadas: indicam comeo e fim dos processos.
Crculos: indicam ramificaes no processo.
Setas: indicam o fluxo do processo.
Vamos agora ver os tipos de fluxogramas.

121
Fluxograma Vertical

O Fluxograma Vertical o fluxograma mais simples que existe (e um dos mais usados
nos projetos de melhoria). Ele mostra de maneira linear como o processo acontece,
apresentando tambm as suas ramificaes e pontos de deciso.
Ao elaborarmos um fluxograma como estes, comeamos sempre pelos pontos mais
caractersticos do processo (que podem ser o seu comeo e fim) e depois vamos
adicionando os detalhes. Lembrem-se que neste ponto, j temos um grande entendimento
sobre o processo que foi obtido atravs das entrevistas de SIPOC.

122
Fluxograma Multifuncional

O Fluxograma Multifuncional uma sofisticao do Fluxograma Vertical que inclui o


local (ou rea) onde cada uma das atividades acontece. Ele muda o foco das atividades
para as reas em que elas acontecem e na interao entre elas. Com ele, podemos
visualizar todas as passagens de basto entre os departamentos e em que momento do
processo elas acontecem.
Esse tipo de demonstrao evidencia as interdependncias entre os departamentos e til
para indicar as responsabilidades de cada uma das reas nos processos.
O exemplo do slide tambm mostra um indicador (no caso o tempo decorrido em um dos
processos analisados). bastante comum em fluxogramas, tanto verticais quanto
multifuncionais, colocarmos uma coluna ou linha extra onde mostramos um indicador ou
outro tipo de informao adicional. Essa artimanha nos permite alinhar a equipe no
desempenho de uma caracterstica em especfico quando vamos discutir com eles como
o processo acontece.

123
Diagrama Espaguete

DIAGRAMA ESPAGUETE
O Diagrama Espaguete um fluxograma que exprime o processo em uma planta fsica.
muito usado em projetos onde queremos mapear e eliminar desperdcios de
movimentao e transporte (vamos ver estes desperdcios mais para a frente no curso).
Ele consiste em desenhar, na planta da empresa ou no local onde ocorre o processo, linhas
coloridas que indicam os fluxos mapeados (pode ser o caminho de um documento, de
uma pea, de uma pessoa, de uma empilhadeira, etc.).
Para elaborar o diagrama espaguete seguimos alguns passos:
Obter o mapa (layout) do espao de trabalho;
Listar as atividades (passos) do processo;
Marcar as posies onde acontecem cada um dos passos. Atualmente muito fcil
realizar essa marcao pois praticamente qualquer smartphone pode ser rastreado por
GPS. Existem, inclusive, vrios aplicativos que j mostram o caminho do celular no
mapa (como aqueles aplicativos de corridas e caminhadas).
Ligar as marcaes e desenhar no mapa as linhas de fluxo.
Ao olhar para um diagrama espaguete, podemos tirar vrias concluses sobre o processo:
Se existem vrios cruzamentos entre as linhas, devemos comear a pensar em
alteraes no layout ou no processo;
Se h muito retorno a um ponto, podemos simplificar o processo para que todas as
atividades sejam realizadas de uma s vez (em uma nica passada).
Se existem muitas passagens de basto ou pontos de espera, podemos pensar em
eliminar possveis gargalos que possam estar acontecendo.

124
VSM Value Stream Map

VSM (MAPEAMENTO DO FLUXO DE VALOR)


Uma outra maneira de se expor um processo fazer o seu VSM, ou Mapeamento do
Fluxo de Valor (Value Stream Map). Essa ferramenta utilizada em projetos Lean para
a representao de processos fabris, portanto, caso queira se aprofundar,
recomendamos nosso curso de Especialista Lean. Aqui no Green Belt, apenas a
introduzimos, para que tome cincia do seu uso como ferramenta para mapear o fluxo de
materiais e informaes.
Os principais apontamentos do VSM so:
Estoques intermedirios entre os processos (representados pelos tringulos);
A ordem das atividades;
O tempo de ciclo das atividades;
O tempo de set-up das atividades;
O tempo em que os materiais e peas permanecem parados no estoque;
O tempo total que as matrias-primas demoram para percorrer todo o processo de
fabricao (o lead time);
O fluxo de informaes de produo;
Embora essa ferramenta possa ser til, precisamos tomar alguns cuidados em sua
aplicao:
Fazer um VSM requer uma padronizao grande no tempo de cada atividade (para
cada uma delas vamos ter que colocar um valor que o tempo de ciclo). Processos
administrativos que no tem uma boa reproduo do tempo de ciclo, no so ideais
para o uso dessas ferramentas (fazer um relatrio, por exemplo, pode demorar muito
algumas vezes e pouco em outras).
Para elaborar um VSM, precisamos determinar o takt time para o processo. Para isto,
precisamos conhecer a taxa pela qual o cliente demanda o produto em anlise. Esta
informao, nem sempre conhecida e por muitas vezes, varia bastante ao longo do
tempo. Tais fatos dificultam a elaborao do VSM, principalmente o de estado futuro.

125
Outra fase importante do VSM, a contagem dos estoques.
Para processos administrativos, deve-se tomar cuidado redobrado pela dificuldade que
poder ser encontrada na definio do takt time e na determinao do estoque.
Contornados estes empecilhos, o VSM pode ser usado sem problemas para processos
administrativos.

126
Vantagens de se elaborar um fluxograma

Facilita o aprendizado da equipe sobre o processo;

Torna o que est acontecendo visvel;

Demonstra papis e relaes entre os envolvidos no


processo;

Identifica gargalos, desconexes, etapas


desnecessrias, etc.

Permite medir o tempo das atividades;

Identifica quick wins do projeto.

O mapeamento dos processos, quando bem feito, traz uma srie de benefcios para a
equipe de melhoria. Com ele, possvel ter todos os ganhos abaixo:
Facilita o aprendizado da equipe sobre o processo;
Torna o que est acontecendo visvel;
Demonstra papis e relaes entre os envolvidos no processo;
Identifica gargalos, desconexes, etapas desnecessrias, etc.
Permite medir o tempo das atividades;
Identifica quick wins do projeto.

127
Erros ao se elaborar um fluxograma

O que o gerente O que O que deveria O que


pensa que realmente ser poderia ser

n n n n n n n n n n n n n n n n n n n n n n n n n n n

n n n n n n n n n n n n n n n n n n n n n n n n

n n n n n n n n n n n n n n n n
Foque aqui durante a
n n n n n n n n n n n n n n n n
fase Improve
n n n n n n n n n n n n n n n n

Foque aqui durante a


fase Analyze

Cuidado com o erro mais comum ao se elaborar um fluxograma.


No se desprenda da realidade. No mapeamento e na elaborao do fluxograma,
temos que mapear como o processo realmente , no como o processo deveria ser
ou ento como ns pensamos que ele , mas sim como ele realmente .
Nas fases seguintes, iremos discorrer mais profundamente sobre como o processo poderia
ser, depois de usarmos uma srie de ferramentas analticas para torna-lo mais simples e
mais eficiente.

128
Erros ao se elaborar um fluxograma

Macro
Mini

Um outro erro bastante comum quando elaboramos um fluxograma no acertar o nvel


de detalhamento. Como mostra a figura, todos os processos podem ser expostos de uma
forma mais macro, com poucos detalhes, ou ento de uma forma mais mini, mostrando
detalhadamente cada atividade. Entre o macro e o mini, temos vrios nveis
intermedirios.
Obviamente, quanto mais detalhado o nosso fluxograma, mais informaes teremos
sobre o processo. Em contrapartida, mais demoraremos no mapeamento e na
elaborao dos fluxogramas. H ento, uma relao de compromisso entre aumentar o
nvel de detalhamento e gastar mais recursos do que o necessrio. Afinal, qual o
detalhamento necessrio para o nosso fluxograma?
A resposta bastante simples: aquele que nos permite enxergar a melhoria! Se com
um processo macro podemos ter vrias ideias de mudanas que vo resultar em melhorias,
no precisamos aumentar o nvel de detalhamento do processo. Caso ainda no tenhamos
identificado os problemas que espervamos encontrar, devemos aumentar o
detalhamento.
Outra ressalva o nvel de detalhes. Devemos detalhar todas as etapas por igual. Caso
detalhemos apenas uma das atividades, a ateno de qualquer um que esteja olhando para
o fluxograma ser direcionada para essa parte. Isso nos tornar mopes para melhorias em
outras reas, o que no desejvel. Portanto, nunca devemos dar mais ateno a uma das
partes do que a outras (pelo menos no no mapeamento).

129
A Porta dos Dados

Entendendo seus processos pelos seus dados

MEASURE DADOS
At agora, falamos sobre como enxergar os processos por meio do entendimento da
sequncia de suas atividades e das inter-relaes entre elas. Agora comearemos a
analisar os processos por meio dos dados (sinais) que eles nos enviam.
Essa porta talvez a grande contribuio do Green Belt no desenvolvimento de mudanas
que levam a melhorias. Aqui, ensinaremos vrias ferramentas estatsticas, como os
Grficos de Controle e a Anlise de Capabilidade.
Mas antes, vamos passaremos pelos conceitos bsicos que fundamentam o trabalho com
dados...

130
A natureza e os dados

Mundo Fsico

Mundo Observar
Comportamental e/ou Observaes
Dados
Medir e Medies
Mundo Documentada
Sensorial s

Sistema de Registro
Caractersticas Definies medio

Ns humanos, enxergamos a natureza por meio de interaes com ela. Nunca


compreendemos por completo um processo ou fenmeno, estamos restritos apenas ao que
conseguimos medir. S a partir dessas medies que conseguimos entender e mudar a
natureza. Esse um conceito fundamentalmente importante, porm de difcil
compreenso em sua plenitude.
Lembre-se que l nas primeiras aulas discutimos bastante sobre o mtodo cientfico e a
importncia da elaborao das hipteses. A hiptese baseada em uma anlise dos fatos
e fenmenos da natureza. Essa anlise, no pode ser feita de maneira solta, ela precisa
ser feita de maneira estruturada. Saber transformar a natureza que solta e isenta de
definies em algo trabalhvel e analisvel o fundamento de toda boa coleta de dados.
Isso precisa ser trabalhado a fundo pelos agentes de melhoria.
Um exemplo prtico: supomos que queremos saber se nossos colaboradores esto
satisfeitos em seu trabalho na organizao. Satisfao uma caracterstica complexa,
que expressa pelo comportamento de nossos colaboradores. No podemos medir a
satisfao de maneira subjetiva, nem inferir ou aprender sobre ela (o que o nosso
objetivo). Temos que definir o que chamamos de satisfao e determinar um aspecto
dessa caracterstica a ser medido. Temos que buscar uma forma de medi-la.
Uma boa abordagem possvel, seria, perguntar a cada um dos colaboradores se eles esto
ou no, satisfeitos com o seu trabalho. Notem que ao fazer isso, no temos as
informaes completas e plenas sobre a satisfao, mas sim temos uma resposta da
nossa interao com a satisfao, que no caso acontece quando aplicamos o formulrio.
Em contrapartida, temos um registro slido e reprodutvel: podemos trabalhar com as
respostas dos formulrios, bem como avaliar a satisfao (de maneira estimada) em outros
momentos.
Outro fato importante de observar que, ao fazer essa definio, sempre vamos ter a
medio de nossa caracterstica atrelada a forma que interagimos com a natureza (ou seja,
com o nosso meio de medio, que no caso da satisfao o formulrio). Obviamente,
tanto a modelagem para avaliarmos a caracterstica, quanto o meio para medir,

131
apresentam falhas que so refletidas nos dados. Portanto, os dados coletados, com os
quais vamos trabalhar, sempre refletiro apenas uma pequena parte da natureza onde eles
foram gerados.
Dito isso, vamos para algumas formas interessantes de se elaborar uma boa definio
operacional e comear a jornada da coleta e anlise dos dados, especialmente em
projetos de melhoria.

132
Modelagem e anlise de dados

Aps identificadas as caractersticas que sero


medidas, pode ser necessrio:
Fazer a Definio Operacional da varivel;
Avaliar a qualidade do sistema de medio.

O passo seguinte avaliar


Estabilidade
Capabilidade

Uma vez que j sabemos qual caracterstica de nosso processo queremos medir, temos
que elaborar a sua definio operacional e avaliar a qualidade do sistema de medio.
Em seguida, podemos ir adiante e analisar a estabilidade do processo (entender a variao
do processo, procurando por causas comuns e especiais de variao) e a sua capabilidade
(comparar essa variao com as especificaes de nossos clientes).

133
Modelagem e anlise de dados

Atividades comuns em qualidade:


Verificar se um produto defeituoso;
Contar o nmero de defeitos em um produto ou servio;
Medir uma caracterstica de qualidade.

Questes:
O que um defeito?
Como medir um defeito?
Como medir uma caracterstica de qualidade?

Em qualidade, os projetos sempre acabam convergindo para uma das causas ilustradas
acima. Para analisar e atacar os problemas de maneira mais efetiva, seguimos um roteiro
de perguntas:

O que um defeito?
O que a caracterstica que eu quero medir?
Como medir um defeito?
Como medir essa caracterstica?
Como definir a caracterstica de qualidade ou o defeito de maneira mais eficaz?

134
Montando uma Definio Operacional

Componentes do formulrio da definio:


Objetivo;

Caracterstica de interesse;

Instrumento de medio;

Procedimento;

Critrio.

DEFINIO OPERACIONAL
Uma definio operacional visa dar padronizao e objetividade a uma medio. Essa
medio, contribui para a anlise que vai amparar uma hiptese criada para explicar um
fenmeno. Para termos uma boa definio operacional, devemos sempre esclarecer e
formalizar alguns pontos bsicos:
O objetivo da coleta de dados ou medio da caracterstica: para que vamos coletar
esse dado? Dependendo para que vamos usar, existem modelagens melhores e piores
para abordar o problema (j falamos anteriormente sobre isso ao longo dessa apostila).
A caracterstica de interesse: o que, de fato, queremos medir? Qual o aspecto da
natureza sobre o qual queremos inferir com essa medida?
O instrumento de medio: com o que vamos medir essa caracterstica?
O procedimento de medio: quais as etapas que devemos seguir para que a medio
seja reprodutvel?
Critrio: as vezes temos que classificar uma medio (por exemplo, um item como
defeituoso ou no). Qual esse critrio?
Tendo essas respostas definidas, temos nossa definio operacional. Alguns exemplos:

135
Montando uma Definio Operacional

Objetivo:
Verificar se uma aeronave chegou no horrio no aeroporto.

Caracterstica de interesse:
Horrio de chegada da aeronave no aeroporto.

Instrumento de medio:
Relgio referenciado com o relgio da torre de controle.

Procedimento:
O horrio de chegada de um voo ser o horrio em que o trem de pouso da
aeronave tocar a pista de pouso.

Critrio:
A aeronave est no prazo se o horrio de chegada for igual ao horrio
programado mais ou menos 15 minutos.

136
Montando uma Definio Operacional

Objetivo:
Verificar se um extrator de 150 mL est limpo para ser utilizado em uma
extrao.

Caracterstica de interesse:
Turbidez da soluo de limpeza.

Instrumento de medio:
Espectrofotmetro UV-Vis.

Procedimento:
Realizar 3 lavagens com 100 mL de soluo de limpeza (etanol 95%).
Coletar uma amostra de 10 mL ao final da terceira lavagem e ler a turbidez
da soluo.

Critrio:
O extrator estar limpo se a turbidez for menor que 1,0.

137
Validao
Sempre teste sua D. O. para saber se
ela est clara para todos os envolvidos

muito importante testarmos se nossa definio clara para os envolvidos no projeto de


melhoria. Para isso, temos que pedir para que algumas pessoas a leiam e, em seguida,
verifiquem se a compreenso equivalente ao que tnhamos em mente no momento de
sua concepo.

138
Os tipos de variveis que podemos ter

Entender os tipos de variveis nos ajudar a aplicar as ferramentas


corretas

TIPOS DE VARIVEIS
Outro conceito bsico que temos que ensinar antes de apresentar as ferramentas
estatsticas mais complexas que os dados possuem diferentes classificaes. Saber qual
tipo de varivel representa a nossa caracterstica de interesse nos ajudar a decidir qual
ferramenta estatstica utilizar. Quando analisarmos a estabilidade do processo para
localizarmos causas comuns e causas especiais, usaremos as ferramentas de grficos de
controle. Para isto, temos que saber que tipo de variveis estamos trabalhando, j que h
um grfico de controle para cada tipo de varivel.

139
Tipos de variveis

Tipo de Variveis Caracterstica Dado registrado


de Qualidade
Desempenho da entrega Entrega no prazo/atrasado

Categricas Classificao Retrabalho Sem/Com


(Qualitativo)
Arranhes Sem/Com

Mudanas Nmero de mudanas/projeto

Contagem Acidentes Nmero de acidentes/por ms

Numrico Arranhes Nmero de arranhes/ superfcie


(Quantitativo )
Tempo Minutos atrasados

Contnuos Peso Gramas

Arranhes Tamanho em cm do arranho

Temos basicamente 3 tipos de variveis:


Variveis de classificao: que atribui algo a uma categoria: classificar algo como
defeituoso ou no defeituoso; classificar conforme a cor (verde, vermelho, amarelo,
azul, etc.); classificar se h ou no arranhes.
Variveis de contagem: enumerar atributos: contar quantos arranhes h em uma
pea; contar quantos defeitos existem em um relatrio, etc.
Variveis contnuas: utilizada para a medio de grandezas fsicas, como peso,
comprimento, altura, temperatura, etc.
Notem que porcentagens muitas vezes so variveis de classificao: classificamos cada
item de uma amostra e em seguida calculamos as porcentagens. Por exemplo, se em uma
amostra de 100 peas, 10 so defeituosas (classificao), o indicador de porcentagem
uma varivel classificatria. Se temos porcentagens entre variveis contnuas, essas
porcentagens (ou qualquer outra operao) tambm sero contnuas (a porcentagem do
PIB gasta com educao, por exemplo).

140
Exerccio!

Nmero de chamadas de longa distncia


Classificao de hotis
realizadas por ms
Quantidade de calorias de um produto Durao de cada chamada de longa
alimentcio distncia
Nmero de bolhas em uma garrafa de Cor do telefone utilizado com mais
vidro. frequncia
Tempo mdio de espera para ser Se existe uma linha conectada ao modem
atendido em um Call Center na residncia
Nmero de atendentes em um Call
Quantia gasta com livros
Center
Nmero de ligaes perdidas em um Call
Tempo gasto na livraria por ms
Center
Motivos para ligaes perdidas em um
Se filiado a algum Partido Poltico
Call Center
Fontes de consumo de gua em uma
Caso seja, a que Partido Poltico filiado
residncia
Consumo de gua em uma residncia Satisfao com um determinado produto

Classifique cada uma das variveis quanto ao tipo.


Resposta:
Classificao de hotis: classificatria;
Quantidade de calorias: contnua;
Nmero de bolhas: contagem;
Tempo mdio de espera: contnua;
Nmero de atendentes: contagem (no podemos ter meio atendente...);
Nmero de ligaes perdidas: contagem;
Fontes de consumo de gua: aqui precisaramos definir melhor ( uma pegadinha ;)).
Se as fontes forem tipos de fontes, como torneira, tanque, etc.), seria classificao,
se estivssemos contando as fontes que existem, seriam contagem;
Consumo de gua: contnua;
Nmero de chamadas: contagem;
Durao das chamadas: contnua;
Cor do telefone: classificao;
Se existe linha conectada ao modem: classificao;
Quantia gasta com livros: contnua;
Tempo gasto na livraria: contnua;
Se filiado a partido poltico: classificao;
Qual partido filiado: classificao;

141
Satisfao com um determinado produto: se h uma escala linear para medir
satisfao pode ser contnua, se apenas se classifica como satisfeito ou insatisfeito,
uma varivel de classificao.

142
Melhorando a coleta de dados

Como se coletar bons dados que vo nos dar informaes sobre as


caractersticas de interesse?

MELHORANDO A COLETA DE DADOS


J vimos, de maneira bem breve, como uma caracterstica est sempre atrelada a um
mtodo de coleta de dados. Esse alinhamento culmina na definio operacional: no
podemos nem definir uma caracterstica de maneira til, sem mostrar o mtodo pelo
qual os dados foram coletados. Nos slides seguintes, iremos aprofundar o tema sobre a
coleta de dados, reforando a necessidade de um bom mtodo de coleta e apresentando
algumas ferramentas que te ajudaro a coletar dados.

143
O passo a passo da coleta de dados

1. Identifique o objetivo e a caracterstica de sada a ser medida (a


partir do seu modelo);

2. Identifique quais outras caractersticas podem afetar no


entendimento do problema (fatores de entrada, variveis de
estratificao, etc.);

3. Crie definies operacionais claras;

4. Crie um formulrio de coletas de dados;

5. Valide o formulrio de coleta de dados;

6. Identifique a populao de interesse e o tamanho da amostra;

7. Realize a coleta de dados.

A primeira coisa para se fazer uma boa coleta de dados possuir um modelo mnimo para
o entendimento de algum problema ou fenmeno. A elaborao deste modelo dir o
porqu da coleta de dados. O que estamos querendo entender? Qual caracterstica
vamos medir?
Por exemplo, supomos que h um incmodo na empresa e uma sensao de que
determinado processo de aprovao de verba est demorando muito. Um dos membros
da equipe de melhoria diz que essa demora provavelmente est relacionada com o tipo de
verba.
Verbas que demoram para serem aprovadas so de projetos mais caros. Este o modelo:
ele precisa de uma coleta de dados que mea o tempo de todos os processos de aprovao,
separando-os em caros e baratos para avaliar se h diferenas no tempo. Portanto,
definimos aqui um objetivo para a coleta de dados:
Verificar se processos com mais verba demoram mais para t-las aprovadas.
Entretanto, o problema no acaba aqui. Precisamos, como j vimos anteriormente, definir
claramente como medir o tempo do processo. Temos que criar uma definio operacional
que diga quando o processo comea e acaba, bem como mediremos esse tempo. De
maneira anloga, tambm precisamos definir o que a verba de cada processo,
esclarecendo o critrio pelo qual classificamos o que caro e o que barato.
Devemos ter uma definio operacional tambm para essa varivel.
Tendo tudo isso definido, criamos um formulrio de coleta de dados. Nos slides seguintes,
mostraremos alguns tipos importantes de formulrios para colet-los. Vale lembrar que
temos sempre de testar esses formulrios antes de realizar a coleta completa dos
dados. Fazemos isso para ver se a coleta capaz de nos dar as informaes que
precisamos (e no correr o risco de passar um bom tempo nessa atividade e acabar com
muita de informao intil).

144
Em seguida, selecionamos a populao de interesse, ou seja, qual o pblico (pode ser
de pessoas, de peas, de processos, etc.) que queremos levantar informaes a respeito e
definimos uma amostra que a represente. Questes sobre o tamanho da amostra
necessria para fornecer diferentes tipos de informao sempre uma dvida nessa
hora. Para isso, existem vrios modelos estatsticos que sero abordados com mais
profundidade no curso de Black Belt.
Por fim, realizamos a coleta de dados, onde vamos at a amostra e aplicamos os nossos
formulrios.

145
Variveis de
estratificao
Atentem-se muito bem para identific-las
e defin-las antes de comear a coleta de
dados!

VARIVEIS DE ESTRATIFICAO
Um dos erros mais comuns em coletas de dados negligenciar as chamadas variveis de
estratificao. O que so essas variveis? So variveis categricas que podem influenciar
na caracterstica de interesse.
Por exemplo, a altura de determinada pessoa influenciada pelo sexo da mesma: em
mdia, homens tendem a ser mais alto do que mulheres. Se eu estou coletando dados para
saber se a altura mdia das pessoas que vivem na cidade A maior do que a das pessoas
que vive na cidade B, eu vou ter que levar esse fato em considerao. Se a minha amostra
da cidade A tiver muito mais mulheres proporcionalmente do que a minha amostra da
cidade B, eu vou achar que as pessoas l so mais baixas, o que pode no ser verdade.
Por isso, tenho que usar essa varivel para balancear a amostra.
Uma outra preocupao com essas variveis pode ser vista no seguinte exemplo: quero
saber que tipo de motorista causa mais acidentes em uma estrada. Ento, comeo a coletar
dados sobre vrios motoristas e vejo quais deles sofrem acidentes (ou incidentes) num
perodo de 2 anos. Quando eu comeo a listar as variveis que podem afetar na
caracterstica de acidentes, identifico algumas:
Stress no trabalho;
Se possui filhos ou no;
Estado civil;
Velocidade mdia;
Nmero de multas por excesso de velocidade.
Se nessa listagem esquecer de alguma estratificao importante (como no caso eu
esqueci aqui de perguntar se eles bebem ou no), nunca mais poderei recuperar esses
dados quando a coleta j tiver sido encerrada (e isso vai ser desastroso no meu
entendimento sobre o problema).

146
Formulrios para coleta de dados

Existem vrios tipos de formulrios (em nosso material


adicional, disponibilizamos alguns);

Um dos mais interessantes a folha de verificao:

A folha de verificao uma das mais utilizadas e importantes ferramentas da


qualidade. So formulrios utilizados para padronizar e facilitar a coleta de dados e a
organizao dos mesmos para a estratificao. A padronizao e a facilidade na coleta de
dados iro garantir uma maior probabilidade de que os dados coletados reflitam a
realidade do processo em anlise, caso contrrio todas as aes subsequentes do projeto
de melhoria podero estar fundamentas sobre dados falsos.
neste documento que so incorporadas as categorias de dados necessrias para a
validao das hipteses sobre a influncia de alguns parmetros. Com a folha de
verificao possvel avaliar os itens de controle do processo, os itens de verificao,
classificar os dados, localizar defeitos e identificar uma possvel relao causa-efeito
(desde que o documento seja devidamente construdo).
O livro de Hitoshi Kume Statistical Methods for Quality Improvement define os
principais tipos de folha de verificao:
Folha de verificao para a anlise da distribuio de parmetros de controle num
processo produtivo
Este tipo de folha de verificao aplicado quando queremos conhecer a distribuio dos
valores de uma determinada caracterstica de qualidade. Para constru-lo dividimos a
amplitude (mximo valor mnimo valor) em intervalos e apontamos x no respectivo
intervalo cada pea retirada da produo. Exemplo: Espessura da pea aps o biscoito
prensado no processo cermico.
Figura 1: Exemplo de folha de verificao para anlise da distribuio de parmetros de
controle num processo produtivo.
Figura 2: Exemplo de folha de verificao para anlise da distribuio de parmetros de
controle num processo produtivo.
Folha de verificao de defeitos

147
Esse tipo de folha de verificao utilizado quando queremos saber quais os tipos de
defeitos mais frequentes e nmero de vezes causado por cada motivo, para a construo
posterior de um Grfico de Pareto, por exemplo. Exemplo: tipos de defeitos em uma
pea usinada.
usada para localizar defeitos externos, tais como: mancha, sujeira, riscos, pintas e
outros. Geralmente esse tipo de lista de verificao tem um desenho do item a ser
verificado, na qual so assinalados o local e a forma de ocorrncia dos defeitos. Exemplo:
Bolha estourada na superfcie do vidrado, nas peas de cermica. Esta folha nos mostrar
o local onde mais aparece o tipo da bolha. Folha de verificao para localizao de
defeitos:
Esse tipo de folha de verificao uma importante ferramenta para a anlise do processo,
pois nos conduz para onde e como ocorre o defeito.
Folha de verificao para anlise das causas de defeitos
Este tipo de folha de verificao geralmente utilizado para investigar as causas dos
defeitos, sendo que os dados relativos causa e os dados relativos aos defeitos so
colocada de tal forma que se torna clara a relao entre as causas e efeitos. Posteriormente
os dados so analisados por meio da estratificao de causas. Alguns exemplos de
estratificao so desajuste de mquina, inexperincia do operador, dia da semana,
horrio do dia entre outros.
Construo de uma folha de verificao
Apesar de no existir uma regra para cri-la, j que cada caso merece um estudo diferente,
pode-se elencar as principais etapas para elaborao de uma folha de verificao:
Definir o objetivo da coleta de dados e o tipo da folha de verificao.
Incluir campo para o registro de:
Nomes e cdigos das reas.
Produtos e pessoas responsveis.
Folha autoexplicativa para o preenchimento.
Conscientizao para a coleta.
Executar um pr-teste.
Para todas as etapas, importante atribuir um responsvel e trein-lo.

148
Anlise de Variao

Trabalhando o pilar do conhecimento profundo

ANLISE DE VARIAO
Agora que j vimos quais so os tipos de variveis, aprofundaremos o estudo sobre a
variao, lembrando que o entendimento da variao um dos pilares do conhecimento
profundo.

149
O que significa entender a variao?

Processos e produtos podem ser descritos a partir de


uma caracterstica de qualidade;

Variao, ou variabilidade, est sempre impressa


essa caracterstica;

Tomamos aes com base na anlise dessa


caracterstica;

Entender a variao tomar a ao correta com


base nos dados apresentados.

Sempre que monitoramos algum produto ou processo, o fazemos por meio da observao
de um determinado indicador. Esse indicador pode ser o mais variado possvel, por
exemplo, as dimenses de uma pea, o tempo de ciclo de um processo, as notas de nossos
filhos, as vendas de nossa empresa, etc. Todas essas caractersticas, variam. Nunca um
indicador fica mantm o mesmo valor durante vrias medies feitas ao longo de um
perodo extenso de tempo, mesmo quando nada est sendo feito no processo para altera-
lo.
O grande problema que todas as decises tomadas so baseadas no comportamento
desses indicadores de interesse e muitas vezes nos enganamos ao julgarmos a variao
dentro destes. Podemos, por exemplo, nos assustar com uma variao natural no processo
de vendas (quando enfrentamos um ms com menos vendas) e tomar uma srie de aes
desesperadas para vender mais (como por exemplo, dar muitos descontos em uma srie
de produtos).
Entender a variao justamente no se enganar com isso que acontece. saber quando
o nosso processo est variando de maneira natural e quando algo excepcional aconteceu,
em outras palavras, preciso diferenciar causas comuns de variao das causas especiais.
Mas, o que so mesmo essas causas?

150
Causas de variao

Um conceito fundamental para o estudo e melhoria dos processos, de acordo com Walter
Shewhart (1931), o de que a variao em um determinado indicador provocada por
um desses dois tipos de causas:
Causas comuns:
Aquelas causas que so inerentes ao processo todo o tempo, afetam todos
que atuam no processo, e afetam todos os resultados do processo.
Causas especiais:
Aquelas causas que no atuam no processo todo o tempo ou no afetam
todo mundo, mas que surgem devido a circunstncias especiais.
Quando s causas comuns atuam no processo:
O processo dito estar estvel (sob controle estatstico);
A quantidade de variao inerente ao processo pode ser quantificada e o processo
previsvel.
Quando existem causas especiais atuando no processo:
O processo est instvel (fora de controle estatstico).

151
Como analisar a variao?

Voz do Estabilidade
Processo

Voz do Comparar resultados


com especificaes
Cliente (capabilidade)

Ns temos basicamente duas maneiras (vozes) de se analisar a variao do nosso


processo:
Por meio da voz do processo: onde observamos os dados inerentes do processo sem
nos preocupar com as especificaes do cliente. Nessa anlise, estamos apenas
querendo avaliar a estabilidade do processo: existem causas especiais de variao ou
as causas so todas comuns? Responder essa pergunta nos ajuda a entender
profundamente o nosso processo: se existem causas especiais, devemos tomar aes
para entender o que aconteceu. Se todas as causas de variao so comuns, temos que
proporcionar mudanas fundamentais e holsticas no processo, que vo mudar o
patamar de funcionamento. Nos prximos slides, iremos ensinar vrias tcnicas que
nos permite analisar a voz do processo de maneira plena.
Por meio da voz do cliente: onde comparamos os resultados de variao de um
processo (quando este est estvel) com as especificaes do cliente. Como vimos,
podemos intuir muito sobre o comportamento de um processo aproximando-o por uma
distribuio normal. Conseguimos, inclusive, prever quantas peas ficaro fora das
especificaes dada a variao natural de determinado processo. Essas anlises so
chamadas de anlises de capabilidade. Ao final da explicao das ferramentas bsicas,
iremos expor como se realizar essas anlises.

152
A voz do processo

Tipo de Varivel

Quantitativa Qualitativa

Comportamento ao Grfico de Tendncia/Controle Grfico de


longo do tempo Tendncia/Controle

Dot Plot Grfico de Barras

Distribuio Histograma Grfico de Setores

Box Plot Grfico de Pareto


Localizao Variao
Estatsticas Tabela de Freqncia
descritivas Mdia, Desvio Padro, Porcentagem
Mediana, Amplitude
Quartis,
Mnimo,
Maximo

A VOZ DO PROCESSO
Ao analisar a voz do processo, temos algumas abordagens:
Analisar o comportamento dos dados ao longo do tempo, que uma das mais
importantes anlises na melhoria. Quando fazemos isso, por meio de grficos de
tendncia e de controle, podemos avaliar se existem causas especiais ou apenas causas
comuns. Essa anlise tambm nos permite identificar quando cada causa especial
aconteceu, o que extremamente importante para entendermos nosso processo: o que
aconteceu ali para ocorrer aquela causa especial? Como isso se relaciona com nosso
modelo?
Analisar a distribuio estatstica dos dados, por meio de uma anlise esttica (ou
seja, sem incluir a varivel tempo). Podemos fazer isso plotando os dados em um
histograma. Com isso, sabemos vrias caractersticas dos dados, como por exemplo a
sua centralidade, os seus valores mais frequentes e a sua disperso.
Analisar estatsticas descritivas dos dados, como a sua mdia e o seu desvio padro.
Essa estratgia de anlise vlida, embora muitas informaes importantes so
perdidas quando observamos apenas as estatsticas descritivas. Iremos conversar mais
sobre isso durante os prximos slides.
Em geral, em um projeto de melhoria trabalhamos essas 3 abordagens de maneira
conjugada, o que nos d uma gama grande de informaes sobre os processos. Nos
prximos slides, abordaremos cada uma das ferramentas descritas no slide acima,
oferecendo exemplos e comentrios sobre a sua utilizao. Tambm discutiremos alguns
exemplos e ensinaremos a usar essas ferramentas com a ajuda do software Minitab.

153
O Grfico de Tendncia

A primeira ferramenta da anlise de variao

GRFICO DE TENDNCIA

154
O grfico de tendncia

Esse grfico simplesmente um registro grfico de uma


medida ou caracterstica ao longo do tempo

O grfico de tendncia fornece uma viso de um


processo ou atividade em um perodo de tempo

Ele pode revelar ciclos, tendncias ou mudanas de


desempenho ao longo do tempo

Algum tipo de grfico de tendncia deve sempre fazer


parte do estudo da variao em um processo ou sistema

O grfico de tendncia a mais simples ferramenta para anlise de variao. Ele consiste
em traar no eixo Y o indicador de interesse e no eixo X, a linha do tempo. Com ele
podemos:
Identificar causas especiais;
Identificar tendncias;
Analisar o comportamento natural do processo;
Inferir sobre a estabilidade da medida;
O grfico de tendncia tambm pode ser feito para diferentes estratificaes dentro de um
conjunto de dados.

155
O grfico de tendncia

O grfico de tendncia um grfico simples e fcil


de construir
Eixo horizontal: tempo
Eixo vertical: varivel sendo monitorada

A maior vantagem do grfico de tendncia a sua simplicidade.

156
Exemplo

O Departamento de Recursos Humanos de uma empresa


coletou os dados de gastos mensais com treinamento nos
anos de 2001 e 2002. Os dados esto na tabela abaixo.

Ms Gasto Ms Gasto
jan/2001 97 jan/2002 96
fev/2001 104 fev/2002 100
mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
set/2001 94 set/2002 98
out/2001 96 out/2002 96
nov/2001 98 nov/2002 95
dez/2001 99 dez/2002 105

No grfico de tendncia ilustrado, observa-se:


O processo est estvel, sem nenhuma causa especial atuando;
A variao natural do processo est entre 85 e 110 mil reais por ms (gastos com
treinamentos);
Alguns meses se gasta mais, outros se gasta menos, mesmo sem nada ter sido feito em
cima do processo.

157
Regras para se identificar causas especiais

Sequencia de oito ou mais


Um ponto muito pontos abaixo ou acima da mdia
afastado dos demais

Sequencia de seis ou mais


pontos crescente ou decrescente

3 regras so em geral usadas para identificar causas especiais por meio do grfico de
tendncia:
Ter um ponto muito afastado dos demais: essa regra vem da ideia de normalidade
(explicada brevemente na introduo histrica). Um processo cujos dados podem ser
aproximados por uma distribuio normal, tem seus pontos variando ao redor de uma
mdia: alguns vo ser maiores que a mdia, outros sero menores. Agora, a
probabilidade de um destes pontos estar muito afastado da mdia e ainda assim
pertencer mesma distribuio, muito baixa. Para se ter ideia, em uma distribuio
normal, a chance de um ponto estar mais afastado do que 3 desvios padro da mdia,
menor que 0,3%. Portanto, definimos um ponto muito afastado como sendo uma
causa especial.
Ter uma sequncia de oito ou mais pontos abaixo ou acima da mdia: dados que
esto enquadrados em uma distribuio normal possuem uma simetria ao redor da
mdia. Em outras palavras, a quantidade de pontos acima da mdia ou abaixo dela sos
iguais. Isso implica em dizer que a probabilidade de se escolher um ponto acima da
mdia de 50%. Quando eu escolho duas observaes, a probabilidade de ambas
estarem abaixo da mdia menor de 50% (no caso, ). como jogar uma moeda...
A probabilidade de se obter cara com um lanamento de 50%. Duas caras em
dois lanamentos, de 25%, agora, 8 caras em 8 lanamentos tem uma
probabilidade de menos de 0,3%. Quando uma sequncia deste tipo acontece em
nossos grficos de tendncia, podemos intuir que esses dados no fazem parte do
comportamento normal do nosso processo.
Ter uma sequncia de 6 ou mais pontos crescente ou decrescente: da mesma
maneira que a simetria implica na regra anterior, ela implica na probabilidade de
termos sequencias crescentes/decrescentes. Quando 6 pontos esto subindo ou
descendo, temos uma causa especial.

158
Grficos de tendncia e controle

Os grficos de controle, que sero vistos mais adiante, nada mais so do que grficos de
tendncia nos quais inclumos linhas que nos ajudam a identificar as causas faladas
anteriormente. Essas linhas so:
A linha central, representando a mdia dos dados;
Uma linha superior (limite superior de controle), indicando a mdia + 3 desvios padro;
Uma linha inferior (limite inferior de controle), indicando a mdia 3 desvios padro.
As regras de identificao de causas especiais para grficos de controle so as mesmas
dos grficos de tendncia.

159
Exerccio 1

A diretora de recursos humanos estava examinando suas despesas com treinamento dos
ltimos dois anos. Baseada nos ltimos 12 meses, ela havia colocado no oramento um
custo mdio de $ 98.000 por ms; mas as despesas do ltimo ms foram de $ 105.000.
Ela queria saber o que havia de diferente com o ltimo ms e pediu sua equipe para
descobrir o que aconteceu, para que pudessem evitar o problema no futuro
Os dados do ltimo ms so o resultado de causas comuns ou especiais? Por que?
A diretora de recursos humanos tomou a providncia adequada?
O que ela deveria esperar que fossem seus custos mensais de treinamento?

160
Exerccio 2

Uma linha de embalagem teve, em mdia, 4 horas de interrupes por semana, de 8 de


maro a 23 de agosto. J que muitos dos problemas estavam relacionados a quedas na
energia eltrica, os tcnicos suspeitaram que o equipamento de proteo da rede eltrica
estivesse funcionando mal. Eles o substituram no final de janeiro e ento continuaram a
coletar dados por mais oito semanas.
Acaso o novo equipamento de proteo da rede ajudou?
Em caso afirmativo, em que semana eles tiveram seu primeiro sinal? H outros sinais
de uma mudana no processo

161
Exerccio 3

Um fornecedor de bens de consumo acompanha os pedidos que chegam via EDI. Ele quer
usar esses dados para ajudar a planejar o oramento para o novo ano. Se o processo for
estvel, os gerentes podero estimar em mdia quantos pedidos sero recebidos a cada
dia. Mas primeiro eles precisam saber se h quaisquer indicaes de causas especiais no
processo.
Os dados indicam a presena de causa especial ou a variao toda ela resultado de
causas comuns? Por que?
Qual o nmero mdio de pedidos que deveriam esperar por dia?
Qual o nmero mximo de pedidos que deveriam esperar receber por dia?

162
Exerccio 4

Uma fbrica que produz cartes de plstico (cartes de crdito, cartes de identificao
de seguro mdico, etiquetas de embalagem etc.) usa gua de um rio prximo para
refrigerar o equipamento usado no processo de aquecimento. Eles podem reciclar a gua
e devolv-la ao rio, contanto que esta no contenha mais de 50 mg de impurezas. Um
tcnico monitora o volume de impurezas em uma amostra que tirada todos os dias.
Os dados indicam a presena de uma causa especial ou a variao , toda ela, resultado
de causas comuns?
Se h uma causa especial, qual amostra assinala isso primeiro?

163
Exerccio 5

O grfico abaixo apresenta o nmero de bagagens perdidas num vo entre os dias 7 de


fevereiro e 13 de maro.
Qual a amplitude de dados que deve ser esperada para perda de bagagem em um nico
dia?
Existem quaisquer indicaes de causas especiais?
A companhia area deveria usar aes de causa comum ou causa especial para
responder ao nmero de bagagens perdidas no dia 31 de Maro?

164
Grficos de Frequncia

Entendendo as distribuies

GRFICO DE FREQUNCIA
Nos prximos slides iremos falar sobre os grficos de frequncia.

165
Os grficos de frequncia

Para variveis contnuas: Para variveis categricas:

Dot-plot Grficos de Barras

Histograma Grficos de Setores

Box Plot Tabelas

Grficos de tendncia
(da porcentagem)

Grfico de Pareto

Um grfico de frequncia uma ferramenta para anlise de dados que apresenta ao


usurio informaes bsicas sobre a localizao, forma e disperso de um conjunto de
dados. O grfico de frequncia s deve ser usado quando h conhecimento adequado da
estabilidade da caracterstica a ser medida.
Se o processo for estvel, o grfico de frequncia serve como previso do desempenho
do processo no futuro, j que se parte do pressuposto que aquele padro de
comportamento permanecer. Se o processo for instvel o grfico de frequncia
simplesmente um resumo de o que o processo fez no passado.

166
Grficos de Frequncia

Para variveis contnuas

167
O Dot Plot

Ms Gasto Ms Gasto
Representa graficamente jan/2001
fev/2001
97
104
jan/2002
fev/2002
96
100
a distribuio dos dados mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
Caractersticas a serem jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
observadas: set/2001 94 set/2002 98
Simetria out/2001
nov/2001
96
98
out/2002
nov/2002
96
95
Pontos extremos dez/2001 99 dez/2002 105

Centro
Quantidade de variao
Mnimo
Mximo

DOT PLOT
O Dot plot o grfico de frequncia mais simples que existe. Ele plota os valores
numricos que uma determinada mtrica pode ter no eixo-x (de maneira ordenada) e
coloca um ponto para cada observao naquele valor contida nos dados. Ele um grfico
bastante parecido com o histograma, porm cada ponto do dot plot uma observao real
do conjunto de dados.
Com ele podemos ver claramente vrias caractersticas da distribuio de dados (listadas
no slide acima). Nas prximas aulas, iremos ensinar como fazer esse grfico no Minitab.

168
O histograma

3074.32 1184.04 631.14 970.81 1126.45 86.00 757.04


778.88 107.78 809.86 711.36 1403.13 1172.68 197.84 92.50
602.36 489.40 1033.09 732.89 760.71 1275.38 338.41 6.99
253.61 694.34
191.21 1249.77 793.21 516.11 27.19 474.35 666.90
43.15 608.39 707.19 2837.39 954.81 15.40 574.56 2106.47
1243.20 933.57 651.78 79.80 1076.80 320.45 3065.79 890.95
928.44 306.15 807.55 2566.06 1063.25 193.04 779.07 1252.07
154.55 629.59 357.53 1132.04 209.84 1239.65 429.08 383.45
1121.12 1142.27 295.61 1689.13 891.68 349.22 3005.68 1572.08
959.55 906.96 453.15 587.72 436.04 623.76 521.65 2589.97
2705.86 458.13 401.17 60.45 2415.94 1503.63 280.52 20.37
1052.25 1348.63 538.09 858.61 347.03 1469.26 891.91 33.00
234.90 1047.04 693.39 513.15 159.12 364.84 3239.65 3637.38
1633.70 176.02 494.01 857.72 1261.66 409.74 27.11 1685.12
1688.66 1065.77 175.59 1449.60 413.37 403.72 1851.64 3711.79
23.84 326.36 592.99 26.40 3689.57 1258.30 934.65 730.77
602.71 386.14 358.21 413.78 208.51 283.67 380.95 2541.23
122.40 414.68 51.22 2.00 601.91 1669.42 987.59 692.49
924.84 245.54 150.13 3850.09 431.53 190.56 537.33 611.32
713.29 2202.69 123.86 45.58 167.57 1768.33 732.66 1218.76
1088.30 2.06 861.27 1014.46 2020.19 1263.97 3042.79 406.31
1561.42 1562.89 400.46 727.84 728.29 775.67 2166.44 368.39
89.54 2076.58 1532.15 571.24 778.95 154.25 702.29 30.00
785.85 141.17 853.03 2100.70 134.10 648.24 1622.95 424.75
185.93 1609.05 4187.47 2478.63 203.56 238.76 451.58 283.78

HISTOGRAMA
O histograma bastante parecido com o dot plot, no sentido que exibe a maneira como
os dados esto distribudos referentes aos valores que eles podem assumir. Em outras
palavras, ele plota a frequncia de ocorrncia dos dados contra os seus valores. A
diferena do histograma que ele divide a faixa de variao dos dados em intervalos e
conta a frequncia de ocorrncia dos dados em cada faixa.

169
O dot plot e o histograma

O Histograma uma tcnica alternativa ao Dot Plot

O Dot Plot
mais adequado quanto a quantidade de dados pequena
Preserva os valores individuais
mais adequado para comparar distribuies de frequncia
estratificado por uma ou mais variveis classificatrias

O histograma
mais adequado quando a quantidade de dados grande
No preserva os valores individuais

Como o histograma e o dot plot so alternativas, preciso saber quando usar um e quando
usar outro. Nos vdeos das aulas, explicamos melhor como se elaborar histogramas e dot
plots usando o Minitab.

170
Medidas de localizao e variao

Entendendo o bsico

MEDIDAS DE LOCALIZAO E VARIAO


Antes de continuarmos a falar dos grficos de frequncia (do Box plot, por exemplo), vale
a pena revisarmos um pouco mais sobre as medidas de localizao e variao, ou seja,
sobre as estatsticas descritivas que nos indicam informaes bsicas da nossa
distribuio de dados. Essas estatsticas podem ser divididas em dois grupos:
Medidas de localizao, que indicam onde esto centradas as nossas distribuies de
dados;
Medidas de variao, que falam sobre a disperso possvel de nossos dados ao redor
da sua localizao.
Nos prximos slides, falaremos mais sobre cada uma delas.

171
Medidas de Localizao

So medidas numricas que estabelecem:

Entre que valores os dados ocorreram


Mnimo e Mximo

Qual centro dos dados


Mdia e Mediana

Qual o valor abaixo do qual temos uma certa porcentagem


dos dados
Quartis (Quartil 1 e Quartil 3) e Percentis

172
Medidas de Localizao

Denote os valores do conjunto de dados por x1, x2,


..., xn

Mnimo: menor valor observado


Xmin=Mnimo(x1, x2, ..., xn)

Mximo: maior valor observado


Xmax= Mximo(x1, x2, ..., xn)

n
Mdia
x x ... xn x i
x 1 2 i 1
n n

173
Medidas de Localizao

Mediana

A mediana o valor que divide o conjunto de dados em dois


subconjuntos: 50% do valores esto abaixo da mediana e 50% dos
valores esto acima da mediana

Quartis: Quartil 1 (Q1) e Quartil 3 (Q3)


O quartil 1 (ou primeiro quartil) definido como a mediana dos 50%
menores valores
O quartil 3 (ou terceiro quartil) definido como a mediana dos 50%
maiores valores

174
A mdia e a mediana

Distribuio simtrica Distribuio assimtrica

Mediana = 15.035 Mediana = 11.64

A mdia e a mediana so duas medidas alternativas de centralidade. Elas dizem coisas


diferentes e qualquer bom analista de dados deve saber quando utiliz-las. Em geral,
quando a mdia e a mediana de um determinado conjunto de dados so parecidas,
podemos afirmar que a distribuio simtrica, ou seja, no h uma distoro para um
dos lados. Quando elas no so parecidas, provavelmente nosso processo apresenta
alguma assimetria (como ilustrado no slide acima).
Mas na prtica, por que importante analisar a mdia e a mediana?
Vamos para um exemplo prtico: se eu disser para voc que a renda mdia mensal de uma
cidade de R$ 20.000,00 por habitante, o que podemos dizer sobre os habitantes dessa
cidade? Muitos analistas poderiam se impressionar com a riqueza da populao daquela
cidade, dizendo que em mdia, quem mora l rico. Entretanto, isso pode nem sempre
ser verdade.
Supomos que essa cidade tem uma populao extremamente pequena e que, um de seus
habitantes, um grande bilionrio. Essa pessoa por si s ser capaz de causar uma grande
assimetria na distribuio, elevando em muitos reais o valor da renda mdia por habitante.
Essa pessoa que um ponto fora da curva deixar mope nossa anlise sobre a renda
mdia da populao da cidade.
Uma abordagem alternativa a mdia para esse caso, seria analisar a mediana. A mediana
vai nos dizer exatamente a renda que separa a metade mais rica da metade mais pobre.
Nesse caso, o bilionrio na cidade no vai poluir nossa anlise com sua renda absurda.
Iremos ter na mediana uma alternativa melhor para saber quanto a massa da populao
ganha. Se, ao calcularmos a mediana, virmos que ela assume o valor de R$ 1.200,00 por
ms, entendemos qual o perfil de renda daquela populao (nesse caso, 50% das pessoas
ganham menos de R$ 1.200,00 por ms e 50% ganham mais do que R$ 1.200,00 por
ms).
Essa , na prtica, a importncia de entender a diferena entre mdia e mediana.

175
Medidas de Variao

Qual o melhor
processo? 1 ou 2?

Amplitude (mximo mnimo)

Desvio Padro

A variao, como vimos, est inerente em todos os processos e assim como fizemos com
a definio da mdia e mediana, temos que ter uma estatstica para medi-la e caracteriz-
la.
Observem os processos desenhados no slide acima (processo 1 contra processo 2). Ambos
apresentam uma mdia e mediana (j que ambas so simtricas) idnticas, porm, elas
so diferentes. Se eu tivesse que escolher um deles para classificar como o melhor, qual
seria? Obviamente o processo com menor variao, ou seja, o processo 2! Faramos essa
escolha pois um processo com menos variao mais confivel e previsvel.
Temos duas medidas que em geral nos do ideia sobre a variao inerente em um conjunto
de dados:
A amplitude (que o valor mximo menos o valor mnimo)
O desvio padro, que uma medida que leva em conta o afastamento de cada um dos
pontos em relao mdia (no vamos entrar em detalhes aqui de como o desvio
padro calculado, pois este no o foco do curso).
O desvio padro uma medio muito mais robusta e confivel para estimar a variao
de um conjunto de dados.

176
Anlises

Estatsticas Descritivas: N_Vendas


N 60
Mdia 201.47 Mediana 201.00
Desvio Padro 16.73 Quartil 1 191.00
Mnimo 170.00 Quartil 3 210.75
Mximo 243.00 Amp.Interq (IQR) 19.75
Amplitude 73.00

Quando queremos analisar um conjunto de dados, temos que fazer uma anlise completa,
usando vrias tcnicas complementares. No slide acima apresentamos algumas:
Foi calculada a mdia e o desvio padro, bem como outras medidas de variao e
localizao;
Foi calculado o histograma dos dados, para mostrar a distribuio;
Foi traado um grfico de tendncia para mostrar como os dados se comportam no
tempo.
muito importante no se limitar apenas anlise das medidas de localizao e variao.
A razo veremos nos prximos slides...

177
O que a mdia e o desvio padro no mostram

N Conj 1 Conj 2 Conj 3 Conj 4


1 40.50 41.64 35.00 44.50
2 41.50 58.36 37.00 45.00
3 42.50 42.29 42.00 45.50
4 43.50 57.71 53.90 46.00
5 44.50 42.93 53.00 46.50
6 45.50 57.07 50.60 47.00
7 46.50 43.57 50.50 47.50
8
9
47.50
48.50
56.43
44.21
53.80
52.50
48.00
48.50
Os conjuntos so
10
11
49.50
50.50
55.79
44.86
53.60
50.40
49.00
49.50
equivalentes?
12 51.50 55.14 52.20 50.00
13 52.50 45.50 52.70 50.50
14 53.50 54.50 52.40 51.00
15 54.50 46.14 52.70 51.50
16 55.50 53.86 51.40 52.00
17 56.50 46.79 53.80 52.50
18 57.50 53.21 52.90 53.00
19 58.50 47.43 56.81 72.71
20 59.50 52.57 42.79 49.79

Mdia 50.00 50.00 50.00 50.00


Desv. Pad. 5.92 5.92 5.92 5.92

No slide podemos ver 4 conjuntos de dados. Todos eles possuem a mesma mdia e o
mesmo desvio padro, conforme mostrado nas ltimas linhas da tabela. Ser que esses
conjuntos so equivalentes?
Muita gente poderia dizer que so, uma vez que se utiliza a mdia e o desvio padro para
se aproximar distribuies. Porm, tal comportamento pode levar erros graves de
entendimento e tomada de deciso.

178
O que a mdia e o desvio padro no mostram

Basta olhar os grficos de tendncia de cada um deles. Podemos agora ver que eles
so completamente diferentes, mesmo com a mesma mdia e o mesmo desvio padro!
Se estes fossem um indicador de um processo (o tempo de ciclo, por exemplo), teramos
4 processos se comportando de maneira completamente diferente. Aproximando pela
mdia, iramos perder essas sutilezas.
Por isso esperamos que vocs, como agentes de seis sigma, vo muito alm da mdia e
do desvio padro!

179
Grficos de Frequncia

Box Plot

BOX PLOT
Agora que j vimos o que so os quartis e a mediana, podemos falar do Box plot.

180
Box Plot

Boxplot of C1 O Box plot mostra:


3,0

Mximo e mnimo;
2,5

2,0 Mediana;
1,5
C1

Q1 e Q3;
1,0

Outliers
0,5

0,0

O Box plot nos mostra:


Pontos de mximos e mnimos, indicados pelos limites superior e inferior das linhas
verticais.
Mediana, indicado pela linha central.
Primeiro e terceiro quartis, indicados respectivamente pela linha horizontal superior
(que limita a rea azul) e inferior horizontal.
Outliers, indicados por asteriscos (*).

181
Box Plot

Boxplot of abril; maio; junho; julho; agosto


40

30

20
Data

10

abril maio junho julho agosto

Box plots so extremamente teis para se mostrar como uma distribuio de dados se
comporta ao longo do tempo. O grfico acima mostra esse tipo de cenrio.
Vemos que, conforme o tempo passa, a distribuio tende a subir o seu ponto central e
aumentar a sua disperso. Com isso podemos claramente mostrar como a forma de uma
distribuio se altera. como se fizssemos vrios histogramas ao longo do tempo, porm
com o Box plot, essa anlise fica mais intuitiva e limpa para ser exibida.
Nas aulas, mostraremos como se fazer um Box plot usando o Minitab.

182
Frequncia de dados classificatrios

Como entender distribuies de dados no contnuos

183
Dados classificatrios

Para analisar dados classificatrio, podemos usar:

Grficos de setores ou barras;

Grficos de tendncia de porcentagens,

Grficos de Pareto;

Tabelas

A anlise dos dados classificatrios (como defeituoso ou no defeituoso, sexo de um


beb, cor de uma parede, etc.) pode ter sua frequncia avaliada de diferentes maneiras.
Em geral, a ideia verificar quantas observaes temos em determinada classificao
para a nossa amostra e, em seguida, plot-la.
Tambm podemos usar diferentes variveis de estratificao para obtermos um
conhecimento maior sobre a nossa amostra e a nossa populao de dados. Nos prximos
slides, vamos ensinar cada uma dessas ferramentas.

184
Barras e Setores

GRFICOS DE BARRAS E SETORES (PIZZA)


Grficos de barras apresentam a frequncia dos dados na forma de barras. A frequncia
pode ser absoluta ou relativa, ou seja, podemos mostrar a contagem de cada uma de nossas
classificaes na barra, ou ento a porcentagem. Por exemplo, se de 100 unidades
amostradas, constatamos que 10 so azuis, a barra relativa classificao azul pode
apresentar o valor de 10 (frequncia absoluta) ou 10% (frequncia relativa).
Grficos de barras tambm, como no slide, podem apresentar duas barras de cores
diferentes para estratificaes diferentes. Nesse caso, podemos comparar nossos dados de
duas maneiras diferentes.
Os grficos de setores (ou pizza), dividem um crculo em setores de tamanho proporcional
s frequncias dos dados. Eles tambm podem ter um indicativo escrito de quais so as
frequncias representadas.

185
Tabelas

Status Freq Porc.


BOM 5139 51.7%
MAU 379 3.8%
OUTROS 4428 44.5%
Total 9946 100.0%

Da mesma maneira que em grficos de barras e setores, podemos exibir os dados em


tabelas. A vantagem das tabelas uma clareza maior em dados como:
O tamanho das amostras (total);
Estratificaes;
Um grande nmero de classificaes possveis;

186
Grficos de tendncia

Uma empresa de logstica amostrou 60 entregas por Semana % fora


semana durante vinte semanas e avaliou cada do prazo
1 8.33
entrega se foi feita no prazo ou fora do prazo. 2 3.33
3 3.33
4 10.00
5 11.67
6 8.33
7 13.33
8 6.67
9 3.33
10 8.33
11 6.67
12 1.67
13 5.00
14 15.00
15 13.33
16 6.67
17 8.33
18 3.33
19 10.00
20 13.33

Grficos de barras, setores e tabelas, infelizmente, s nos do uma viso esttica sobre
nosso processo. como se tirssemos uma fotografia do estado atual do processo, o que
bom, mas muitas vezes no suficiente.
Para se ter uma viso dinmica sobre dados classificatrios (e entender como eles variam
ao longo do tempo), podemos plotar um grfico de tendncia para o indicador de
porcentagem. No exemplo acima, a porcentagem analisada a de entregas fora do prazo.
Com esse grfico, temos uma ideia inicial sobre a variao ao longo do tempo para
variveis classificatrias.
Esses grficos de tendncia de porcentagem tm um anlogo entre os grficos de controle:
os grficos-p. Estes grficos plotam tambm a porcentagem mdia no perodo analisado
e os limites de controle (que so calculados de maneira diferente dos limites de controle
para o caso de variveis contnuas). A partir destes limites de controle, podemos analisar
onde esto as causas especiais em indicadores de dados classificatrios ao longo do
tempo. uma anlise bem interessante!
Nas prximas vdeo aulas, iremos ver como se traar estes grficos todos no Minitab e,
ento, comear a falar sobre o grfico de Pareto.

187
Grficos de Pareto

Ordenando classificaes importantes para a Qualidade.

GRFICO DE PARETO

188
Grficos de Pareto

Um dos objetivos centrais de um programa de qualidade reduzir perdas provocadas por


itens defeituosos que no atendem s especificaes. Geralmente, existem muitos tipos
de defeitos que fazem que um produto no atenda s especificaes. Concentrar esforos
no sentido de eliminar todos os tipos de defeitos muitas vezes no a melhor estratgia.
O interessante que vrias vezes, poucos tipos de defeitos (ou ento possveis causas para
esses defeitos) so responsveis pela maior parte dos problemas.
Essa abordagem j foi proposta por J. M. Juran, um dos pioneiros da Qualidade. Ele
estabeleceu uma regra hoje conhecida como a regra dos poucos vitais e dos muitos
triviais. Ele foi o criador de uma ferramenta grfica hoje popularizada como Grfico de
Pareto. O diagrama basicamente um grfico de barras da distribuio dos defeitos pelos
tipos (ou causas), ordenado em ordem decrescente de frequncia de ocorrncia, somado
a uma linha que mostra a frequncia acumulada das observaes para cada tipo.
Esse grfico leva o nome do famoso economista italiano Vilfredo Pareto, que pregava o
princpio do 80-20, aps perceber que, em sua poca e cidade, cerca de 80% da renda era
concentrada em 20% das pessoas. Apesar de famosa essa lei dos 80-20, ela nem sempre
verdadeira e muito menos aplicvel. Vamos discorrer mais sobre isso adiante.

189
Grficos de Pareto

Para se construir um grfico de Pareto, geralmente comeamos por:


Definir um problema especfico. (Voc coletar os dados para esse problema);
Listar os tipos de defeitos que se apresentam. Eles podero j estar definidos,
se voc estiver usando dados existentes, ou gerados atravs de um
brainstorming com a equipe;
Determinar uma medida comum para comparar as categorias;
Definir o perodo de tempo durante o qual os dados sero coletados (escolher
um perodo de tempo que seja relevante para a situao);
Coletar dados referente aos defeitos, caso eles ainda no existam (pelo menos
30 ocorrncias);
Calcular a frequncia de ocorrncia dos defeitos (ou outra medida relevante);
Ordenar os defeitos pela frequncia de ocorrncia.
Uma vez coletados os dados e ordenados, partimos para a sua construo:
Use o eixo horizontal para os tipos de defeitos;
Use o eixo vertical esquerdo para a frequncia de ocorrncia e o eixo vertical
direito para a porcentagem de ocorrncia;
Desenhe as barras para cada defeito com altura proporcional sua frequncia
de ocorrncia, ordenadas da esquerda para a direita;
Desenhe segmentos de reta ligados mostrando a porcentagem acumulada da
esquerda para a direita.
Cuidado:
Existem muitas opes para o eixo vertical nos grficos de Pareto. A escala mais comum
a frequncia de ocorrncias.

190
Trs alternativas importantes so:
Valor monetrio;
Tempo;
Contribuio percentual de cada classificao para o total (tempo, ocorrncias,
dinheiro etc.).
Ao se decidir sobre onde focalizar os esforos de melhoria usando anlise de Pareto deve-
se considerar cuidadosamente uma escala apropriada.

191
O Princpio de Pareto

Se aplica

No se aplica

O Princpio de Pareto (que diz que existem poucas causas vitais e muitas triviais no a
do 80-20), apesar de bastante interessante, nem sempre se aplica. No slide, mostramos
duas situaes. Em uma ele se aplica e na outra no (todas as causas parecem importar de
maneira igual). Devemos sempre fazer essa anlise antes de usar a ferramenta e no j
tomarmos aes para atacar as causas que aparecem mais direita. Caso o princpio de
Pareto no se aplique, temos que atacar todas as causas por igual, ou ento ataca-las por
meio de outro critrio, como o impacto financeiro.

192
Estratificao

Erros em relatrio de despesas


Tipo de Vend RH Manuf. Eng. Finan. Trein. Total
erro as
Falta Funcionrio 2 3 3 2
10
assinatura
Gerente 25 1 40 1 2 1 70
V.P. 2 2 2 6
Falta Taxi 3 1 3 1 8
recibo Refeio 3 3 6
Estacion. 33 26 1 60
Comb. 2 2 1 5
Total de
68 3 76 9 6 3 165
erros

Assim como nos outros grficos e tabelas, podemos estratificar o nosso grfico de Pareto,
obtendo vises diferentes para cada uma das perspectivas usadas. Isso ajuda muito em
projetos de melhoria quando temos diferentes variveis interferindo em nosso processo.
A tabela do slide mostra a distribuio de erros em relatrios de despesas. Segundo ela,
podemos ver que o perfil dos erros nos departamentos de vendas e manufatura diferente
do apresentado nos demais departamentos. Com um grfico de Pareto (apresentado no
prximo slide), podemos perceber o comportamento claramente.

193
Estratificao

A estratificao nos grficos de Pareto pode ser feita em etapas. Podemos primeiramente
usar uma abordagem para analisar um problema (como por exemplo saber onde ocorrem
os erros) e em seguida usar uma abordagem complementar (como pegar o local onde
acontecem mais erros e analisar as causas dos erros naquele local).
Essa abordagem bastante comum em projetos de melhoria e nos fornece um excelente
entendimento sobre o problema abordado.

194
Estabilidade e Instabilidade

Para finalizarmos a discusso sobre os grficos de Pareto, vale a pena dizer que o
comportamento de variveis classificatrias pode variar conforme a estabilidade de nosso
processo. A figura no slide ilustra essa realidade. Na primeira etapa, com o processo sob
controle estatstico, as classificaes de defeitos tm uma distribuio. Quando causas
especiais esto em ao, a distribuio muda.
Esse tipo de anlise nos ajuda muito a entender melhor causas especiais quando elas
acontecem. Nas prximas vdeo aulas, abordaremos como se fazer grficos de Pareto no
Minitab com diferentes formas de entrada de dados. Em seguida, vamos introduzir
algumas discusses estatsticas fundamentais sobre a distribuio normal, conhecimento
necessrio para ensinarmos a usar os grficos de controle.

195
A distribuio normal e a avaliaao da normalidade

Aprendendo os conceitos bsicos

DISTRIBUIO NORMAL

196
Distribuio de variveis contnuas

Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
N 200
30

25 Podemos aproximar uma


distribuio por uma curva
Frequency

20

15

10
Histogram of Tiempo
Lognormal
5 40 Loc 2.269
Scale 0.6845
N 100
0
5 10 15 20 25 30 35 40 30
tiempo

Percent
20

10

0
0 10 20 30 40 50
Tiempo

Como vimos anteriormente, a distribuio de dados em uma amostra, caso seja de


variveis contnuas, pode ser representada por um histograma. Esse histograma pode, por
sua vez, ser aproximado por uma linha contnua.
Essa linha contnua representa a probabilidade de uma observao da distribuio
aparecer em determinado valor. Diversos formatos dessa linha so conhecidos e teis para
inferirmos sobre as propriedades de uma distribuio de dados. Muitas vezes,
conveniente aproximarmos um histograma de uma amostra por uma distribuio
estatstica padro. Ao fazer isso, podemos usar propriedades dessa distribuio para
obter informaes sobre nossos dados.
Uma das mais importantes distribuies estatsticas a distribuio Normal (ou
Gaussiana).

197
A Distribuio Normal

Toda Curva Normal definida por dois nmeros:


1) Mdia (): medida do centro.
2) Desvio padro ( ): medida de disperso.

Utilizamos a notao

A distribuio normal extremamente til pois pode ser representada por duas mtricas
bastante fceis de se calcular:
Um valor mdio (mdia) e;
Um desvio padro (disperso).
A curva normal apresenta um formato de sino ao redor da mdia. Ela simtrica e
representada por uma funo matemtica calculada a partir da mdia e do desvio padro.
Isso a torna extremamente fcil de ser aproximada a partir de um conjunto de dados (basta
calcular a mdia e o desvio padro que possamos plotar uma distribuio normal), da a
sua importncia para a estatstica. Alm disso, a maioria dos fenmenos na natureza
varia em torno de um valor central, de forma que a curva normal uma excelente
maneira para representa-los.

198
Propriedades da distribuio Normal

Quando , chamamos
distribuio normal padro e as
probabilidades encontram-se
tabeladas

Como falado na introduo histrica ao Seis Sigma, a curva normal descreve uma
probabilidade especfica de frequncia de dados rem relao mdia e ao desvio
padro.
Em outras palavras, a probabilidade de uma observao dos meus dados de estar
exatamente na mdia tem um determinado valor (que na verdade 0). A medida que nos
afastamos de um valor z da mdia (conforme mostrado na figura acima), vamos
aumentando a probabilidade de nossos dados estarem entre os valores da mdia e de z (a
probabilidade proporcional rea rasuradas indicada na figura). Vrias tabelas indicam
qual a probabilidade dos dados estarem entre a mdia e valores arbitrrios de z.
Alguns dos mais clssicos valores para z so os mostrados no grfico colorido do slide.
68,3% devem ficar na rea delimitada pela mdia menos 1 desvio padro e a mdia mais
1 desvio padro. 99,7% dos dados ficam entre a mdia menos 3 desvios padro e a mdia
mais 3 desvios padro. Iremos usar essas propriedades incansavelmente nas anlises de
capabilidade e na utilizao de grficos de controle.

199
Normalidade necessria para
a utilizao de certas
ferramentas
Dentre elas os grficos de controle para
variveis contnuas e anlises de
capabilidade (Cp, Cpk, etc.)

Vale a pena sempre dizer: certifique-se que a sua distribuio de dados de variveis
contnuas uma normal antes de usar um grfico de controle!
Caso os dados a serem analisados no forem normais, ao usarmos grficos de controle,
podemos tirar uma srie de concluses erradas como. Por exemplo, achar que causas
comuns so causas especiais.

200
Como saber se a distribuio Normal?

Sim No

Uma maneira: olhar o histograma.

Os dados so simtricos e assemelham-se


a uma gaussiana?

Uma das maneiras de se avaliar se uma distribuio de dados (por exemplo uma
amostra) normal, olhar seu histograma. Se os dados forem simtricos e semelhantes
distribuio Gaussiana (em forma de sino), nossos dados podem ser aproximados por
uma normal. Entretanto, se a distribuio apresentar assimetrias (como o caso da
distribuio da esquerda, no slide), no podemos dizer que nossos dados so normais.
Caso os dados no sejam normais, podemos transform-los em uma distribuio normal,
por meio do Box-Cox, que ser comentado em breve.
Embora o histograma seja uma das maneiras de se observar se uma distribuio ou no
normal, ele no a melhor opo. Vamos em seguida ver alguns histogramas de
distribuies normais e no-normais. Posteriormente, analisaremos seus histogramas para
inferir sobre sua forma.

201
Exerccio!

Nove Histogramas de Amostras de tamanho 25: Qual delas pode


ser aproximada por uma distribuio Normal?
6 8 7

7 6
5
6
5
4

Frequency

Frequency

Frequency
5
4
3 4
3
3
2
2
2
1 1
1

0 0 0

35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65 35 40 45 50 55 60 65
C1 C2 C3

6 9 7

8 6
5
7
5
4 6
Frequency

Frequency

Frequency
5 4
3
4 3
2 3
2
2
1 1
1

0 0 0

25 30 35 40 45 50 55 60 65 70 35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65
C4 C5 C6

7 6 6

6 5 5
5
4 4
Frequency

Frequency

Frequency
4
3 3
3
2 2
2

1 1 1

0 0 0

35 40 45 50 55 60 65 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70
C7 C8 C9

Qual delas podemos dizer que so normais? Note que o tamanho da amostra de 25.
A resposta : todas! Como a quantidade de dados pequena, difcil termos certeza
apenas por olhar o histograma.

202
Exerccio!
Nove Histogramas de Amostras de tamanho 100: Qual delas pode
ser aproximada por uma distribuio Normal?
20 20 20

Frequency

Frequency

Frequency
10 10 10

0 0 0

20 30 40 50 60 70 80 20 30 40 50 60 70 80 25 30 35 40 45 50 55 60 65 70

C21 C22 C23

30
20

20

20
Frequency

Frequency

Frequency
10
10
10

0 0 0

30 35 40 45 50 55 60 65 70 75 80 30 40 50 60 70 80 90 20 30 40 50 60 70 80

C24 C25 C26

25
20

20
20
Frequency

Frequency

Frequency
15

10
10 10

0 0 0

25 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70 75 20 30 40 50 60 70 80

C27 C28 C29

Qual delas podemos dizer que so normais? Agora aumentamos o tamanho da amostra
para 100.
Fica mais fcil, no mesmo? Nesse caso possvel dizer com segurana que todas elas
so normais (embora algumas at possam, ainda, nos confundir). Mas ser que assim
tambm para outras distribuies?

203
Exerccio!

Exponencial Poisson Uniforme

9 8 4

8 7

7
6 3
6

Frequency

Frequency

Frequency
5

25 5

4
4 2
Tamanho da amostra
3
3
2 1
2

1 1

0 0 0

0 1 2 3 4 5 6 0 1 2 3 4 5 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
C31 C32 C33

15
7

10 6

5
10
Frequency

Frequency

Frequency
4

50 5 3
5
2

0 0 0

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

C34 C35 C36

30
15

15

20
10
Frequency

Frequency

Frequency
10

100
10 5
5

0 0 0

0 1 2 3 4 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

C37 C38 C39

Esse exemplo nos mostra claramente como o histograma pode nos enganar!
Nenhuma das distribuies aqui uma normal, mas mesmo assim, mesmo com amostras
de tamanho grande, podemos nos enganar.
Ser que existe uma forma melhor para se fazer essa anlise?

204
Uma forma melhor de saber!

Como saber se a
Curva Normal uma
boa aproximao?

Use o Grfico
Probabilstico
Normal.

PROBABILITY PLOT
O Grfico probabilstico normal nos ajuda a saber de maneira mais confivel se
nossos dados so aproximveis por uma normal ou no.

205
Grfico Probabilstico Normal

Probability Plot of X
Normal - 95% CI
99

95

90

80
70
Percent

60
50
40
30
20 Pontos alinhados com a
10 reta central indicam
5 distribuio normal
1
-4 -3 -2 -1 0 1 2 3
X

O grfico probabilstico normal gerado a partir de nossa amostra de dados. Temos que
calcular a mdia e o desvio padro deles para, em seguida, desenhar uma reta central que
representa a probabilidade acumulada de uma normal gerada a partir destes parmetros.
No eixo X, temos os valores de maneira anloga a um histograma (a mdia fica no ponto
central deles e no exemplo essa mdia 0). No eixo Y, est indicada a probabilidade
acumulada dos dados para cada valor de X.
No exemplo, podemos notar que para uma normal com a mdia e o desvio padro
iguais nossa distribuio de dados, 50% dos valores estariam abaixo da mdia e 50%
dos valores acima dela. Tambm vemos que cerca de 85% dos dados devem apresentar
valores menores do que 1. assim que lemos um grfico de probabilidade.
O Grfico probabilstico normal tambm coloca duas linhas auxiliares, que do uma certa
margem de erro para a nossa aproximao. No entraremos em detalhes no curso de
Green Belt sobre como essas linhas so calculadas, mas explicaremos os princpios delas
no curso de Black Belt.
Por fim, so plotados os pontos reais do nosso conjunto de dados, ou seja, aqueles que
realmente medimos (eles esto indicados em vermelho). Se eles estiverem alinhados com
a linha central, dentro das linhas intermedirias, significa que nossos dados podem ser
aproximados por uma distribuio normal. Se apenas um ou outo ponto estiver fora das
linhas, significa que eles so causas especiais. Se a maioria dos pontos estiver fora, no
podemos aproximar nossa distribuio por uma normal.

206
Grfico Probabilstico Normal
X Y
-1.6245 0.1970
0.4001 1.4920
-1.6631 0.1895
-0.0024 0.9976
-1.9902 0.1367
0.4476 1.5646
-1.0564 0.3477
1.6507 5.2104
-0.6148 0.5408
-0.3855 0.6801
0.6744 1.9629
-0.6713 0.5110
1.2229 3.3969
-0.4550 0.6344
-0.4050
-1.0347
0.6670
0.3553
Qual Pode Ser Aproximada pela
0.0776
-0.1372
1.0806
0.8718
Distribuio Normal?
-1.6101 0.1999
-0.1330 0.8754
0.0685 1.0709
-1.0885 0.3367
0.5012 1.6507
0.2120 1.2362
2.3542 10.5300
0.9572 2.6044
-0.4615 0.6303
1.8076 6.0957
0.7742 2.1689
-0.6469 0.5237

No slide temos dois exemplos claros de distribuies que podem e no podem ser
aproximadas por uma normal. Elas so avaliadas tanto pelo grfico probabilstico quanto
pelo histograma.

207
Grfico Probabilstico Normal
Normal Probability Plot for C1 Normal Probability Plot for C2 Normal Probability Plot for C3

99 ML Estimates 99 ML Estimates 99 ML Estimates

Mean: 53.4797 Mean: 49.1024 Mean: 51.8801


95 95 95
StDev: 9.60017 StDev: 8.04855 StDev: 8.35164
90 90 90

80 80 80
70 70 70
Percent

Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20

10 10 10
5 5 5

1 1 1

24 34 44 54 64 74 84 25 35 45 55 65 75 25 35 45 55 65 75

Data Data Data

Normal Probability Plot for C4 Normal Probability Plot for C5 Normal Probability Plot for C6

99 ML Estimates
99 ML Estimates 99 ML Estimates

Mean: 48.8893 Mean: 54.3933 Mean: 48.9405


95 95 95
StDev: 10.2680 StDev: 9.50359 StDev: 8.79949
90 90 90

80 80 80
70 70 70

Percent

Percent
Percent

60 60 60
50 50 50
40 40 40
30 30 30

20 20 20

10 10 10
5 5
5

1 1
1

25 35 45 55 65 75 85 25 35 45 55 65 75
20 30 40 50 60 70 80

Data Data Data

Normal Probability Plot for C7 Normal Probability Plot for C8 Normal Probability Plot for C9

99 ML Estimates 99 ML Estimates 99 ML Estimates


Mean: 49.4396 Mean: 47.1290 Mean: 50.2510
95 95 95
StDev: 8.98477 StDev: 10.6092 StDev: 10.4661
90 90 90

80 80 80
70 70 70
Percent

Percent

Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5 5

1 1 1

25 35 45 55 65 75 20 30 40 50 60 70 80 20 30 40 50 60 70 80
Data Data Data

Neste exemplo mostramos os grficos probabilsticos normais para os mesmos conjuntos


de dados de tamanho 25 que analisamos com o histograma. Todos so normais. Podemos
notar claramente que essa ferramenta muito mais precisa para a avaliao da
normalidade.
Nas prximas vdeo aulas, iremos ensinar como se avaliar a normalidade com a ajuda do
Minitab.

208
Normalidade e mdias

Distribuio da mdia dos resultados de lanamento


de n dados.

Um ponto que merece destaque a normalidade para quando trabalhamos com mdias
de medidas. Sempre que estivermos calculando a mdia de amostras, essa distribuio
ir ser uma normal caso a amostragem seja suficientemente grande. Esse fato provado
pelo Teorema Central do Limite.
O exemplo do slide mostra bem esse fato. Temos descrito l, a probabilidade da mdia
do valor para o lanamento de n dados. Quando lanamos s um dado, a mdia o valor
que saiu. Como cada lado tem a mesma probabilidade de cair virado para cima, a mdia
para o primeiro caso uniforme. Conforme aumentamos o nmero de dados, temos mais
possibilidades para que a mdia seja valores intermedirios (para que a mdia seja 1,
ambos os dados devem cair no 1; para que a mdia seja 3, podemos ter combinaes como
3 e 3, 2 e 4, 4 e 2, 5 e 1, 1 e 5).
Isso, na prtica, quer dizer que quando queremos avaliar a mdia de uma caracterstica
em uma amostra suficientemente grande, podemos assumir sua distribuio como sendo
uma normal.

209
Transformao de variveis

O que fazer quando os dados no so normais?

TRANSFORMAO DE VARIVEIS

210
Transformao de variveis

Uma transformao uma re-expresso dos dados


em outra escala.

Exemplo simples:
Transformar Dlares em Reais:
$1 = R$3.03
Transformar minutos em segundos:
1 min = 60 segs
Transformar Graus Centgrados em Graus Fahrenheit:
C+32 = F

Em nosso dia a dia, realizamos uma srie de transformaes de variveis, at nas mais
corriqueiras atividades (como transformar minutos em segundos). Nos prximos slides,
mostraremos como transformar dados no normais em normais, permitindo assim a
aplicao de diversas ferramentas de anlise.

211
Transformao de variveis

YT denota a
YT Y varivel
transformada
Histograma of Y
Histograma de SQRT(Y)
20

15
Frequency

Frequency
10
10

0 0

2 4 6 8 10 12 14 16 18 20 22 1 2 3 4 5

Y SQRT(Y)

Para se transformar uma varivel em outra, temos que multiplicar cada um dos valores
por uma funo. Existem vrios tipos de funo que podem transformar dados no
normais em dados normais. No exemplo, mostramos que extrair a raiz quadrada de um
valor pode ser suficiente para tornar uma distribuio no normal, normal.
Entretanto, essa funo nem sempre serve. s vezes, precisamos de outras funes.
Iremos explorar isso nos prximos slides.

212
Transformao de variveis

Escala original Escala Log


1000 3
100 2
10 1
1 0
0.1 -1
0.01 -2
0.001 -3

Da mesma maneira que a funo raiz quadrada serviu, as vezes a funo logartmica
capaz de transformar a distribuio dos dados em uma normal.

213
Como escolher a funo certa?

Como escolher qual


transformao
adequada?

Tentar uma
transformao
dentre um conjunto
de possibilidades

Usar a tcnica de
transformao
Box-Cox

No podemos simplesmente chutar uma srie de transformaes para encontrar qual a


mais adequada. Para escolhermos uma funo adequada, podemos usar uma tcnica que
a transformada de Box-Cox. Ela permite, por meio do clculo de um fator lambda,
escolher qual a transformao adequada.
Iremos, obviamente, mostrar em uma vdeo aula como se faz a transformada de Box-Cox
usando o Minitab.

214
Box-Cox

Y Nome
-2 1 Inversa ao
Y2 quadrado
-1 1 Inversa
Y
-0.5 1 Inversa raiz
Quadrada

YT = Y
Y
0 Log(Y) Logartmica

0.5 Y Raiz Quadrada

1 Sem
Transformao
2 Y2 Quadrado

Mtodo de Box-Cox:
Uma transformao potncia eleva os valores de Y a uma potncia lambda ():
YT = Y
tipicamente um valor entre 2 e 2;
O Mtodo de Box-Cox sugere um valor de que melhor aproxima os dados
transformados de uma distribuio Normal.
Como escolher o ? Usando o Minitab!

215
Box-Cox

Box-Cox Plot for Y

95% Confidence Interval


Last Iteration Info
3 Lambda StDev
Low 0.393 0.553
Est 0.450 0.553
Up 0.507 0.553
StDev

-5 -4 -3 -2 -1 0 1 2 3 4 5

Lambda

216
Grficos de Controle

Identificando causas comuns e causas especiais com muita facilidade.

GRFICOS DE CONTROLE

217
Grficos de Controle

Um Grfico de Controle um Grfico de Tendncia com limites de controle. Os limites


de controle so referncias calculadas com base estatstica que ajudam a identificar se um
resultado do processo est afastado o suficiente dos demais para ser tratado como uma
causa especial. Esse grfico, como comentado anteriormente, foi desenvolvido
inicialmente para ser usado na linha de produo, mas tem aplicao em todas as situaes
em que dados so gerados ao longo do tempo.
Os grficos de controle:
Ajudam a separar variao devido a causas comuns de variao devido a causas
especiais;
Pode ser usado para quase qualquer tipo de dados coletados ao longo do tempo;
Proporciona uma linguagem comum para discutir desempenho de processo;
Permite verificar se as alteraes intencionais em um processo alcanaram o resultado
desejado;
Permite monitorar processos e identificar rapidamente mudanas ou alteraes para
ajudar a conservar os ganhos gerados por um projeto de melhoria
W uma estatstica da amostra: mdia, amplitude, desvio padro, porcentagem, DPU,
etc.
w e w so a mdia e o desvio padro de W.
LC = w a linha central do Grfico
LSC = w + k w o limite superior do Grfico
LIC = w - k w o limite inferior do Grfico
Uma escolha comum k=3
Alguns conceitos importantes:

218
Subgrupo:
o Amostra do processo utilizada para gerar um ponto no grfico.
Ex: 5 peas retiradas do processo num determinado tempo, 50
propostas de venda.
Oportunidade:
o Perodo de tempo, rea, volume, etc. utilizado para realizar uma medio.
Ex: 100 ml retirados do processo num determinado tempo; um
ms, uma distncia de 5 Km em uma rodovia em um determinado
local etc.

219
Grficos de Controle

Uma informao importante que diferentes tipos de grficos de controle so usados para
diferentes tipos de dados. Todos eles distinguem a variao de causa especial da variao
de causa comum.
Todos eles usam limites de controle para indicar se um determinado valor de dado deve
ser tratado como uma causa especial.
Dados de classificao: (Defeituoso)
Grfico p.
Dados de contagem: (Defeitos)
Grfico u.
Dados contnuos:
Grfico de individuais;
Grfico X-barra/R ou X-barra/S.

220
Entendendo os tipos de dados

Tipos de dados de Atributo:


Classificao: unidade defeituosa/no-defeituosa, conforme/no conformes,
aprovada/no aprovada, etc.
Contagem: nmero de incidncias (erros, defeitos, acidentes, mudanas, etc.
Tamanho do subgrupo:
Classificao: nmero de unidades classificadas;
Contagem: nmero de unidades avaliadas ou oportunidade para que as incidncias
ocorram.

221
O grfico p (classificao)

(n) (p)
Unidades N de Unidades Proporo de
Amostra Amostradas/Amostra Defeituosas Unidades Defeituosas
1 200 20 0.10
2 100 30 0.30
3 300 10 0.03





24 150 20 0.13

Tamanho da Numero de O Grfico P plota


Amostra defeituosos esta coluna

Como j comentamos anteriormente nesta apostila, podemos monitorar a variao de uma


varivel classificatria ao longo do tempo. Podemos fazer essa anlise por meio de um
grfico de controle que avalia o comportamento de uma porcentagem ao longo do tempo.
Esse grfico chamado de grfico p. Geralmente usamos cartas-p para plotar a proporo
defeituosa, sejam os tamanhos de amostras iguais ou no. Podemos tambm avaliar a
variao em amostras com tamanhos desiguais ao longo do tempo (fazemos isso em geral
por meio de grficos np).
Ateno, nem todo dado de porcentagem dado classificatrio:
Muitas vezes as porcentagens se originam de dados de variveis tais como
tempo, peso, comprimentos e custos. Por exemplo, o lucro percentual pode ser
uma razo de lucros sobre vendas.
Dados desse tipo devem ser tratados como dados contnuos ao se desenvolver
grficos de controle.

222
O grfico p (classificao)

Dados sobre absentesmo 90 funcionrios


Dia Total de p Ausncias No p
Ausncias Justificadas
1 10 0.11 2 0.02
2 8 0.09 3 0.03
3 14 0.16 1 0.01
4 6 0.07 1 0.01
5 8 0.09 1 0.01
6 7 0.08 2 0.02
7 16 0.18 0 0.00
8 12 0.13 3 0.03
9 10 0.11 1 0.01
10 9 0.10 8 0.09
11 12 0.13 1 0.01
12 10 0.11 2 0.02
13 14 0.16 0 0.00
14 4 0.04 4 0.04
15 8 0.09 3 0.03
16 12 0.13 1 0.01
17 9 0.10 0 0.00
18 5 0.06 2 0.02
19 14 0.16 1 0.01
20 10 0.11 0 0.00

No exemplo acima, temos um grfico p que indica o comportamento do absentesmo


(faltou ou no faltou; justificou falta ou no justificou). Podemos ver que a porcentagem
das ausncias est em controle estatstico (sem causas especiais), j as ausncias sem
justificativa apresentam uma causa especial (indicada em vermelho).

223
O grfico U (contagem)

(a) (c) (U)


Unidades N de N de Erros
Semana Processadas/Semana Erros Por Unidade

1 104 15 .14
2 21 4 .19
3 18 3 .17





24 25 5 .20

(a) = rea de
O grfico-u
oportunidade:
se faz com
Nmero de unidades (C) N de erros
esta coluna;
processadas por encontrados nas
U = (c/a).
semana. unidades
processadas.

Indicado quando so feitas contagens de ocorrncias (erros, defeitos, acidentes,


mudanas, etc. ). Os grficos Us, em geral mostram indicadores do tipo taxas (defeitos
por peas, acidentes por km rodados, etc.). Para mont-los, precisamos definir qual o
nosso subgrupo e coletar as estatsticas para estes subgrupos.
Um subgrupo definido por:
Nmero de unidades avaliadas;
o rea de oportunidade: um espao, um perodo de tempo, um
volume etc.
Espao: 200 metros de tecido, um metro quadrado de papel
envernizado, um quarto de amostra de um produto.
Tempo: uma hora, trs meses, um turno.

224
O grfico U (contagem)

Ms/Ano Nmero de Ms/Ano Nmero de


(oportunidade) acidentes (C) (oportunidade) acidentes (C)
Janeiro 1989 6 Janeiro 1990 10
Fevereiro 2 Fevereiro 5
Maro 4 Maro 9
Abril 8 Abril 4
Maio 5 Maio 3
Junho 4 Junho 2
Julho 23 Julho 2
Agosto 7 Agosto 1
Setembro 3 Setembro 3
Outubro 15 Outubro 4
Novembro 12 Novembro 3
Dezembro 7 Dezembro 1

No exemplo do slide, mostramos um grfico U para indicar o nmero de acidentes em


uma estrada. Vemos que existem 3 causas especiais no grfico (dois pontos acima do LSC
e 8 pontos abaixo da mdia). Iremos discutir esse exemplo mais adiante, em uma vdeo
aula.
Notem que, neste caso, o subgrupo foi idntico para todas as medies. Nem sempre isso
acotnece. Poderamos, por exemplo, ter amostras diferentes para cada caso.

225
O grfico de individuais

Inventrio em processo
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1990 19 27 20 16 18 25 22 24 17 25 15 17
1991 20 22 19 16 22 19 25 22 18 20 16 17
1993 20 15 27 25 17 19 28

O grfico de controle para dados individuais utilizado quando cada valor medido
(contnuo) plotado no grfico, na sequncia em que obtido.
Para o clculo dos limites ele utiliza a estimativa da variao do processo dada por dados
consecutivos (amplitude mvel). O Grfico de Controle de Individuais o mais verstil
e mais utilizado.
o mais comum para dados de rea transacionais, usado em anlises de:
Dados financeiros;
Tempo para executar uma atividade;
Dados de Faturamento;
Dados de Vendas.

226
O grfico de individuais

Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
30
Suposio de normalidade
N 200

para grfico de individuais


25
Frequency

20

15

10

0
5 10 15 20 25 30 35 40
tiempo

Os limites de controle em um grfico de individuais so calculados sob a suposio de


que os dados podem ser modelados pela distribuio Normal (Gaussiana).
Se a distribuio dos dados assimtrica (no caso de medies de tempo de ciclo, por
exemplo), o grfico de individuais assinalar muitos pontos fora dos limites de controle,
sendo que esses no necessariamente so causas especiais.
Se a distribuio assimtrica, til transformar os dados (transformao logartmica,
por exemplo) e fazer o Grfico dos dados transformados, para no correr o risco de
interpretao errada.

227
O grfico de individuais

Neste exemplo, podemos ver exatamente o erro que est sendo causado por analisar uma
distribuio no normal com uma ferramenta que est dentro da normalidade. Vemos
aqui, vrios pontos fora do limite superior de controle, o que indicaria causas especiais.
Entretanto, esses pontos no so causas especiais.
A definio de causa especial diz que so pontos fora do que natural ao processo, ou
seja, que fogem da distribuio padro dos dados. Nesse caso, os pontos no esto fora
do comportamento natural. de se esperar, para essa distribuio, a existncia de alguns
pontos com valores mais elevados.

228
O grfico X-barra/R

Quando os dados (contnuos) so coletados em


subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43

Dentro do subgrupo esperamos ter atuando


somente causas comuns de variao.

O grfico X-barra/R usado quando dados contnuos so coletados em subgrupos


(amostras) de tamanho constante.
Nesse caso constri-se dois grficos:
Um grfico para avaliar o comportamento da mdia da varivel ao longo do
tempo;
Grfico X-barra: Mdias de dados dos subgrupos.
Um grfico para avaliar o comportamento da variao da varivel ao longo do
tempo;
Grfico R: amplitude dos dados dentro de cada subgrupo.
Embora seja usado tanto em aplicaes administrativas quanto industriais, a ferramenta
preferida de muitas fbricas.
Vantagens sobre o Grfico X-barra/R:
Os subgrupos permitem uma estimativa mais precisa de variabilidade local
ou de curto prazo;
As causas de variao que afetam a mdia podem ser distinguidas das que
afetam a variabilidade.
As vantagens de uma carta X-barra/R desaparecem ao ocorrerem causas especiais
sistemticas isto , uma causa especial que aparea em cada subgrupo. Por exemplo,
suponha que voc esteja contando erros para ordens recebidas por telefone e tenha quatro
operadores preenchendo pedidos. Seria natural voc querer criar subgrupos de 4, pegando
um formulrio de pedido de cada operador. Mas se um operador estiver consistentemente
melhor ou pior do que os outros, voc estaria misturando variaes de causa comum e
causa especial nos dados. A carta ficar inutilizada: obscurecendo diferenas entre
operadores E tornando difcil detectar amplitudes no processo ou na variabilidade.

229
Estude cuidadosamente antes de formar subgrupos de:
Valores de diferentes operadores, mquinas, turnos, posies, etc.
Dados determinados por calendrio de semanas, meses ou trimestres.

230
O grfico X-barra/R

Semana Amostra
1 45 48 48
2 46 46 44
Cada ponto neste 3 41 47 47
4 41 44 45
grfico a mdia de 5 43 50 41
um subgrupo. 6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
13 54 56 49
Cada ponto neste 14 43 44 45
grfico a amplitude 15 42 45 59
dentro do mesmo 16 44 47 44
17 46 51 45
subgrupo. 18 44 42 40
19 45 45 46
20 42 47 43

No exemplo, temos um grfico X-barra/R. O ponto acima do LSC no grfico de X-barra


indica um perodo onde a mdia foi atipicamente maior. A causa especial no grfico R
indica um ponto onde a variao foi atipicamente maior.

231
O grfico X-barra/S

Quando os dados (contnuos) so coletados em


subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43

Dentro do subgrupo esperamos ter atuando


somente causas comuns de variao.

O grfico X-barra/S similar ao grfico X-barra/R. Porm, utilizado quando dados


contnuos so coletados em subgrupos (amostras) de tamanho constante ou varivel;
Nesse caso constri-se dois grficos:
Um grfico para avaliar o comportamento da mdia da varivel ao longo do
tempo;
Grfico X-barra: Mdias de dados dos subgrupos.
Um grfico para avaliar o comportamento da variao da varivel ao longo do
tempo;
Grfico S: desvio padro dos dados dentro de cada subgrupo.

232
O grfico X-barra/R

Semana Amostra
1 45 48 48 Cada ponto
2 46 46 44 neste grfico
3 41 47 47
4 41 44 45 a mdia de um
5 43 50 41 subgrupo.
6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48 Cada ponto
12 42 49 47
13 54 56 49 neste grfico
14 43 44 45 o desvio
15 42 45 59
16 44 47 44
padro dentro
17 46 51 45 do mesmo
18 44 42 40
19 45 45 46
subgrupo.
20 42 47 43

No exemplo, temos um grfico X-barra/S. O ponto acima do LSC no grfico de X-barra


indica um perodo onde a mdia foi atipicamente maior. A causa especial no grfico S,
indica um ponto onde a variao foi atipicamente maior.

233
Regras para identificao de causas especiais

Uma observao alm de


um limite de controle.

Uma sequncia de seis ou mais


pontos crescentes ou
decrescentes.

Uma sequncia de oito ou mais


pontos acima ou abaixo da mdia.

H inmeras regras para apontar possveis causas especiais. O princpio bsico por trs
de todas elas apontar padres com baixa probabilidade de ocorrer se somente causas
comuns estiverem atuando (processo estvel). Os mais utilizados so:
Um ou mais pontos prximos ou fora dos limites de controle;
Dois pontos em trs consecutivos plotados fora do limite de dois-sigma;
Quatro pontos em cinco consecutivos plotados fora do limite de um-sigma ou
acima/abaixo da linha mdia;
Oito ou nove pontos acima ou abaixo da mdia;
Seis ou sete pontos em sequncia crescente ou decrescente;
Quinze pontos em sequncia acima ou abaixo da linha mdia;
Um padro no usual ou no aleatrio nos dados;
Os softwares de anlise de dados tm, em geral, essas regras j automatizadas, poupando-
o de carrega-las em sua memria. Nenhuma das regras deve ser usada sozinha para a
tomada de deciso. preciso analisar o contexto para decidir se uma determinada situao
ser tratada como especial.

234
Alterao dos limites

Os limites de controle refletem o comportamento do processo e s devem ser alterados se


houver evidncia de alteraes significantes no comportamento do processo. No slide h
uma situao tpica onde ocorre uma alterao nos limites de controle. Aps uma
sequncia de oito ou mais pontos abaixo da mdia, os limites de controle so recalculados.
Ao investigar a mudana no comportamento, verificou-se que uma mudana intencional
foi realizada para reduzir o indicador. Deste modo, o processo mudou de comportamento,
o que est refletido nos dados.

235
Vamos resolver alguns
exrcicios?
Nas prximas aulas, tente resolver no
Minitab a lista proposta e assista s
resolues e discusses nos vdeos.

236
Usando os Grficos de Controle

Algumas dicas que vo facilitar a sua vida.

237
Erros clssicos

Ao analisarmos causas de variao, podemos cometer alguns erros clssicos:


ERRO 1: Reagir a um resultado como se viesse de uma causa especial, quando na
verdade vem de causas comuns de variao.
ERRO 2: Tratar um resultado como se viesse de causas comuns de variao,
quando na verdade vem de uma causa especial.
Erros de deciso so intrnsecos ao Grfico de Controle e a proposta de Shewhart (limites
de controle) procura um equilbrio entre os dois tipos de erros. Por isto, utilize-os sempre
que desejar analisar a variao de um processo, respeitando as regras de apontamento das
causas especiais.

238
Grfico de controle e o cliente

60 Como se pode atender as


55 especificaes do cliente?
LSC = 50.0
50

45 Especif. Superior
do Cliente = 40
40

35 X = 35.1

30
Especif. Inferior
25 do Cliente = 30

20
LIC = 20.2
15

10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

J falamos bastante sobre isso, mas sempre importante reforar: limites de controle so
diferentes de limites de especificao.
Limites de Especificao:

Vm de exigncias da engenharia ou dos clientes;

Representam o que algum quer que o processo faa;

Podem ser alterados por exigncia do cliente.


Limites de Controle:

So calculados com os dados do processo;

Representam o que um processo realmente capaz de fazer;

S podem ser alterados quando mudanas no processo alteram o


comportamento dos indicadores (produzem impacto).
Limites de Especificaes no devem ser usados em um grfico de controle. No
grfico do slide, temos um exemplo de um grfico de controle. Pelo grfico, possvel
verificar que o processo trabalha entre 20 e 50. Porm, o cliente deseja que o valor esteja
entre 30 e 40. Diante deste cenrio, pergunta-se como atender as especificaes do
cliente? Temos algumas propostas:
Trabalhe com clientes para expandir as especificaes de entre 30 e 40 para entre
20 e 50;
Melhore o processo reduzindo a variao de causa comum.
Qual voc acha que a mais real?

239
Grfico de controle e o cliente

Dentro das especificaes Fora das especificaes

LSE
LSC LSC

Estvel LSE
(controlada) LIE

LIC LIC
Qual LIE

situao
adequada? LSE

LSC LSC

Instvel LSE
(sem controle)
LIE
LIC
LIC

LIE

A figura no slide descreve 4 situaes, que frequentemente encontramos em projetos de


melhoria:
Canto superior esquerdo: processo est estvel e dentro dos limites do cliente, o que
o melhor dos mundos! Nesse caso, temos que pensar em manter o desempenho e,
caso necessrio, reduzir os custos.
Canto superior direito: processo est estvel, porm os limites de especificao do
cliente so menores do que a variao natural do processo. Isso indica que sempre
teremos itens defeituosos sendo gerados pelo cliente. Conseguimos at estimar o
quanto de itens defeituosos (que o que vamos fazer nos slides da prxima aula sobre
capabilidade). Para melhorar este processo, temos que atuar sobre as causas comuns,
procurando maneiras de diminuir a variao natural do processo.
Canto inferior esquerdo: processo est instvel, porm at agora no tivemos um item
fora dos limites de especificao. Neste caso, nosso foco deve ser em estabilizar o
processo, fazendo com que ele atue apenas com causas comuns. Embora os limites
mais largos permitam bastante variao no processo, no podemos ficar calmos. S
porque no tivemos um item fora de especificao at agora, como o processo
instvel, no podemos garantir que eles no vo aparecer. No temos como gerar
previses sobre processos instveis.
Canto inferior direito: processo est instvel e fora dos limites de especificao, o que
muito ruim. A primeira coisa que devemos fazer garantir que o processo se
estabilize. Neste caso, vamos cair em um cenrio igual ao caso 2, onde teremos que
produzir melhorias que estabilizem o sistema como um todo.
Em seguida, iremos realizar vrios exerccios com a ajuda do Minitab e, em seguida,
discutir sobre anlises de capabilidade.

240
Anlises de Capabilidade

Avaliando nossos processos pela voz do cliente.

ANLISE DE CAPABILIDADE

241
Anlise de Capabilidade

Capabilidade serve para:

Entender o passado;

Prever o futuro (caso o


processo seja previsvel)

As anlises de capabilidade possuem uma lgica muito simples, ilustrada no slide. De


forma geral, um processo produz um resultado que pode ser um produto ou um servio.
Este, por sua vez, tem caractersticas que so crticas para os clientes. Tais caractersticas
tm especificaes que podem ser explicitas ou implcitas.
Uma falha com respeito a uma especificao considerada um defeito, assim, produtos
ou servios que apresentam um ou mais defeitos so considerados defeituosos. As
medidas de capabilidade de processo medem seu desempenho com respeito a
especificaes dos clientes.
Para isto, utilizam-se indicadores de qualidade de um processo, que permitem comparar
diferentes processos entre si e o mesmo processo ao longo do tempo. Os indicadores
tambm permitem avaliar se os esforos de melhoria esto produzindo os resultados
desejados e priorizar projetos de melhoria.
Duas perspectivas devem ser consideradas quando examinarmos um processo quanto
sua capabilidade:
Passado: O que foi produzido atende as especificaes?
Futuro: Podemos prever que o processo ir atender as especificaes (notem
que s podemos usar os indicadores de capabilidade para entender o futuro,
caso nosso processo esteja estvel! Por isso, geralmente avaliamos a
estabilidade antes de comearmos a analisar a capabilidade.

242
Capabilidade para Atributos

# de palavras 30 28 32 31 25 29

Definindo o que so: 1) Defeitos; 2) Oportunidades para


defeitos; 3) Defeituosos

Vamos comear falando sobre os indicadores de capabilidade para atributos (ou seja, para
variveis de classificaes e contagem). Normalmente, para estes casos, queremos
comparar taxas de defeito ou ento porcentagem de defeituosos. Vrios clientes podem
nos dar especificaes como:
Meu produto no pode ter mais de 3 defeitos por unidade (DPU);
Seu processo no pode me entregar mais do que 0,5% de defeituosos (Pd);
Vocs no podem me fornecer mais do que 1 ppm de defeituosos;
Para continuarmos com essa discusso, precisamos introduzir algumas definies
importantes:
Unidade do Produto:
Um item que est sendo processado ou um bem ou servio (produto) final entregue
ao consumidor.
Defeito:
Um defeito definido como qualquer parte de um produto ou servio que:
No atende uma especificao ou requerimento;
Causa insatisfao ao cliente;
No atende requisitos funcionais.
Oportunidade para Defeitos:
Cada especificao necessria satisfao do consumidor de um produto ou
servio representa uma oportunidade para ocorrncia de um defeito ou, dito de
forma resumida, representa uma oportunidade para defeito.
Defeituoso:
Uma unidade do produto que apresenta um ou mais defeitos.

243
Capabilidade para Atributos

rea: Unidade:
Call Center. Uma chamada.

Reclamao de um cliente: Oportunidade:


Eu geralmente tenho que esperar muito Uma por chamada
tempo para ser atendido. .
Defeituoso:
CTQ (Indicador, KPI) : Chamada cujo tempo de espera maior
Tempo de Espera (segundos). ou igual a 60 segundos.

Especificao:
Menos que 60 segundos desde a
conexo completada at ser atendido.

Defeito:
Chamadas cujo tempo de espera maior
ou igual a 60 segundos
.

No slide temos alguns exemplos das definies que fizemos anteriormente.

244
Capabilidade para Atributos

Mtricas Frmulas
Percentual de
defeituosos Nmero de defeituosos
PD = x 100
Nmero de unidades avaliadas

PPM PPM = PD x 10000

Rendimento final 100 percentual de defeituosos


YFinal =

No slide so apresentados os principais indicadores de capabilidade para variveis


classificatrias:
Percentual de defeituosos;
PPM;
Rendimento final.

245
Exerccio!

106 impressoras (de um total de P= PPM=


850 avaliadas) so defeituosas

37 placas de circuito impresso (de P= PPM=


um total de 1250 avaliadas) so
defeituosas

81 solicitaes de pagamento de P= PPM=


seguro-sade (de um total de 450
avaliadas) so defeituosas

73 extratos de carto de crdito P= PPM=


(de um total de 200 avaliados) so
defeituosas

Calcule a porcentagem de defeituosos e o ppm para cada um dos casos.

246
Capabilidade para Atributos

DPU: Defeitos por Unidades.

DPO: Defeitos por Oportunidade.

DPMO: Defeitos por Milho de Oportunidades.

= DPO

No slide so apresentados os principais indicadores de capabilidade para variveis de


contagem (atributos defeitos). So eles:
Taxa de defeitos por unidades;
Taxa de defeitos por oportunidades de defeitos;
Taxa de defeitos por milho de oportunidades.

247
Exerccio!

110 defeitos e 850 impressoras avaliadas. 10 PPM=


oportunidades de defeitos por impressora. DPU=
37defeituosas DPO=
DPMO=

198 defeitos em 1250 placas de circuito impresso PPM=


avaliadas. 120 oportunidades de defeitos por placa. DPU=
37defeituosos DPO=
DPMO=

463 defeitos em 450 solicitaes de pagamento de PPM=


seguro-sade avaliadas. 13 oportunidades de DPU=
defeitos por solicitao. 81 defeituosos DPO=
DPMO=

Calcule os indicadores para cada uma das situaes apresentadas.

248
Capabilidade para Variveis Contnuas

Especificao do
cliente

Processo

Processo entregando
fora de especificao

Vamos comear falando sobre os indicadores de capabilidade para variveis contnuas,


explorando agora, esses conceitos mais a fundo. Em linhas gerais, o procedimento o
seguinte:
Coletar dados representativos de um processo (amostras ao longo do tempo).
Avaliar se os dados dessa amostra podem ser aproximados por uma distribuio
normal (usando, por exemplo, um probability plot).
Avaliar a estabilidade do processo atravs de um grfico de controle. Se o processo
instvel, no podemos estimar muita coisa a partir dos dados que temos.
A partir dos dados obtidos, calcular a mdia e o desvio padro do processo, de maneira
a obter uma curva normal que possa representar uma aproximao do nosso processo
como um todo.
Avaliar a variao e o posicionamento dessa curva estimada frente s especificaes
do cliente. Nesta etapa muitas vezes calculamos ndices de capabilidade para, de
maneira sucinta, representar a qualidade de um processo.
Em seguida, vamos explorar melhor quais tipos de limite de especificao podemos ter.

249
Tipos de Limites de Especificao

LIE LSE

Nominal Melhor (NM)

NM
LIE

Quanto Maior Melhor (QMM)


QMM
LSE

Quanto menor melhor (Qmm)


Qmm

Quando um uma caracterstica de um produto tem especificaes explicitas, elas podem


ser de trs tipos:
Nominal Melhor (NM):
Existe um Limite Superior e um Limite Inferior de Especificao.
Quanto Maior Melhor (QMM):
Existe um Limite Inferior de Especificao.
Quanto menor melhor (Qmm):
Existe um Limite Superior de Especificao

250
Desempenho

LIE LSE

Porc. de defeituosos
Porc. de defeituosos
Acima
Abaixo

Tempo de Entrega

% de Defeituosos = % Abaixo + % Acima

PPM = % de Defeituosos x 10.000

Performance observada: PPM de itens fora da especificao na amostra.


Performance esperada: PPM calculado com a Curva Normal aproximada.

A partir das anlises de capabilidade, possvel prever quantos produtos fora de


especificao o meu processo entregar.

251
Cp Nominal Melhor

ndice de Capabilidade (Nominal Melhor):


Tolerncia (Tol) = LSE-LIE;
Variao Natural do Processo = 6xD.P.;

LIE LSE

Tolerncia

Variao Natural

Um importante ndice de capabilidade o Cp. Ele compara a nossa variao natural do


processo com a tolerncia do cliente (LSE-LIE). A frmula do Cp est descrita no slide,
onde a variao natural aproximada por 6 vezes o desvio padro dos meus dados.
Se o Cp assumir um valor menor do que 1, temos um srio problema, pois a nossa variao
natural maior do que as especificaes. Isso sugere uma srie de produtos no conformes
sendo gerados naturalmente pelo meu processo.

252
Exerccio!

Peso declarado
Distribuio Normal X
Mdia = 200
Desvio Padro = 1

LIE LSE

Valores de X 197 198 199 200 201 202 203

Cp = PPM =

Calcule o Cp e o PPM para o caso apresentado.


Uma empresa produz pacotes de biscoito cujo peso lquido declarado 200g. As
especificaes so: LIE =197g e LSE = 203g (Voz do Cliente).
Situao 1:
De uma amostra dos pacotes produzidos, calculou-se a mdia e o desvio padro e
obteve-se:
Mdia=200g e desvio padro=1g (Voz do Processo)
Calcular Cp e PPM.

253
Exerccio!

Peso declarado
Distribuio Normal X
Mdia = 197
Desvio Padro = 1

LIE LSE

Valores de X 194 195 196 197 198 199 200 201 202 203

Cp = PPM =

Uma empresa produz pacotes de biscoito cujo peso liquido declarado 200g. As
especificaes so: LIE =197g e LSE = 203g (Voz do Cliente)
Situao 2:
De uma amostra dos pacotes produzidos calculou-se a mdia e o desvio padro e
obteve-se:
Mdia=197g e desvio padro=1g (Voz do Processo)
Calcular Cp e PPM.

Porque o Cp alto e o PPM alto?


No exemplo anterior, o processo no est centrado no valor nominal. Nessas situaes, o
Cp no uma medida apropriada. Por isto, vamos outra medida de capabilidade que
adequada em qualquer situao.

254
O clculo do Cp no leva em
conta a centralidade
Em muitos casos podemos ter um bom
Cp mas um pssimo ndice de
defeituosos

255
O Cpk e a centralidade

ndice de Capabilidade
Tolerncia (Tol) = LSE-LIE
Variao Natural do Processo = 6xD.P

LIE LSE =
Tolerncia

Variao Natural

Uma alternativa ao clculo do Cp o Cpk. Ele leva em conta a centralidade do nosso


processo (o valor no qual ele est centrado). Ele faz isso calculando o pior cenrio dos
desvios da mdia com os limites.
A maneira de analisar o Cp e o Cpk a mesma. Quanto menor forem estes ndices, melhor
o nosso processo.

256
Vamos resolver alguns
exrcicios?
Nas prximas aulas, tente resolver no
Minitab a lista proposta e assista s
resolues e discusses nos vdeos.

257
Usando os indicadores de capabilidade

O que fazer dependendo dos resultados?

USANDO OS INDICADORES DE CAPABILIDADE

258
Analisando os ndices

VOP
Capabilidade Situao
Processo estvel
e estabilidade Processo
instvel
Capabilidade O.K.
alta
VOC
Situao Capabilidade NM - Ajustar a O processo
baixa mdia e diminuir a deve estar
variao estvel para
QMM Aumentar fazermos a
a mdia/reduzir a anlise de
variao capabilidade
Qmm Reduzir a
mdia/reduzir a
variao

A anlise de capabilidade diferente de uma anlise de estabilidade. Na segunda, ns


procuramos avaliar o processo afim de buscar os pontos nos quais temos causas especiais
atuando. Na capabilidade, queremos ter uma noo quantitativa sobre a adequao de
nosso processo para gerar resultados dentro do que o cliente espera.
Quando nosso processo est instvel, no faz muito sentido uma anlise de
capabilidade (a menos que haja alguma estratificao de dados que mostre as causas
da instabilidade).
A razo disso muito simples. Realizamos anlises de capabilidade para estimar o quanto
de problema nosso processo vai gerar e para ter insights de como melhor-lo. Se o nosso
processo est instvel, no conseguimos usar o passado para estimar o futuro. No
podemos, neste caso, prever nada. No conseguimos prever qual a mdia do indicador
sendo avaliado e no conseguimos prever qual a sua variao natural. Dessa maneira,
temos que sempre avaliar a estabilidade antes da capabilidade (como feito nos
exemplos anteriores).
A planilha apresentada no slide mostra o que devemos fazer caso a estabilidade exista.

259
A capabilidade e a tabela sigma

PPM Yield % Sigma PPM Yield % Sigma PPM Yield % Sigma

3.4 99.9997 6.00 6210 99.3790 4.00 308000 69.2000 2.00

5 99.9995 5.92 8190 99.1810 3.90 344000 65.6000 1.90

8 99.9992 5.81 10700 98.9300 3.80 382000 61.8000 1.80

10 99.9990 5.76 13900 98.6100 3.70 420000 58.0000 1.70

20 99.9980 5.61 17800 98.2200 3.60 460000 54.0000 1.60

30 99.9970 5.51 22700 97.7300 3.50 500000 50.0000 1.50

40 99.9960 5.44 28700 97.1300 3.40 540000 46.0000 1.40

70 99.9930 5.31 35900 96.4100 3.30 570000 43.0000 1.32

100 99.9900 5.22 44600 95.5400 3.20 610000 39.0000 1.22

150 99.9850 5.12 54800 94.5200 3.10 650000 35.0000 1.11

230 99.9770 5.00 66800 93.3200 3.00 690000 31.0000 1.00

330 99.9670 4.91 80800 91.9200 2.90 720000 28.0000 0.92

480 99.9520 4.80 96800 90.3200 2.80 750000 25.0000 0.83

680 99.9320 4.70 115000 88.5000 2.70 780000 22.0000 0.73

960 99.9040 4.60 135000 86.5000 2.60 810000 19.0000 0.62

1350 99.8650 4.50 158000 84.2000 2.50 840000 16.0000 0.51

1860 99.8140 4.40 184000 81.6000 2.40 860000 14.0000 0.42

2550 99.7450 4.30 212000 78.8000 2.30 880000 12.0000 0.33

3460 99.6540 4.20 242000 75.8000 2.20 900000 10.0000 0.22

4660 99.5340 4.10 274000 72.6000 2.10 920000 8.0000 0.09

Outra maneira de se fazer previses para a quantidade de itens defeituosos utilizar uma
Tabela Sigma. A maneira de utilizar essa tabela bem semelhante de se utilizar os
ndices de capabilidade que comentamos at agora, porm a quantidade de itens
defeituosos esperado para o processo um pouco diferente.
Essas tabelas se popularizam com a utilizao da metodologia em grandes empresas.
Quem nunca ouviu falar que um processo 6 sigmas aquele que produz apenas 3,4 ppm
de itens defeituosos? E justamente esse nmero que vinha confundindo nossos alunos.
Eles pensam: se um processo 3 sigma gera apenas 0,3% de itens defeituosos, por que ao
olhar na tabela sigma diz que ele produz 668000 ppm? Isso muito mais do que o previsto
pela distribuio normal!
A resposta que, quando elaboraram essa tabela, consideraram que todo processo tem
uma variao de seu ponto central. Essa variao pode ser por razes concretas (como o
processo de fato variar a sua mdia), quanto pela incerteza de amostragem. Mas vale a
pena colocar essa ressalva para no haver confuso.
Na vdeo aula iremos abordar mais a fundo esta questo.

260
Disseminando os resultados do Measure

Uma vez que j medimos e aprendemos sobre nossos processos, como


exibir os resultados.

RESULTADOS DO MEASURE

261
Relatrios Gerenciais

Relatrio de Julho de 2015


Acumulado no ano
Indicadores Depto Valor Mdia % % Dif. Valor Planejado % % Dif.
Atual Mensal Dif. Julho/ 05 Atual Dif. YTD/ 05
Julho/ 04 YTD/ 04
Qualidade
Entregas no prazo 20 91.0 91.3 0.3 0.9 90.8 91.3 0.6 0.3
(%)
Aprovao na 12 54 70 10.0 69.3 70 1.0 0.4
primeira vez (%) 23.0
Sucata/ por 1000 Kg 19 124 129 3.9 0.0 132 129 +2.3 +1.5
produzidos)

Produo
Volume Produzido 13 34.5 33 +4.5 +2.0 251.5 252 0.2 +8.0
(1000 Kg)
Custo de Material 13 198.29 201.22 1.5 1.9 198.46 201.22 1.4 3.6
($/ 100 Kg)

HH/ 100 Kg 13 4.45 4.16 +7.0 +4.5 4.46 4.16 +7.2 +9.3
Energia e Custos 13 11.34 11.27 +0.6 +11.3 11.02 11.27 2.2 +9.2
Fixos/ 100 Kg

Custo Total de 13 280.83 278.82 +0.7 +0.9 280.82 278.82 +0.7 +0.4
Produo/ 100 Kg

Inventrio em 17 28 19.7 +42.0 +12.0 21.6 19.7 +9.6 +5.9


processo (100 Kg)

Operaes
% Faturam. no prazo 06 74.3 95 21.8 -23.5 87.8 95 7.6 2.7

Relatrios gerenciais so a forma mais frequente de se exibir indicadores. Entretanto, essa


maneira exibe diversos erros grotescos que nada nos ensinam sobre o processo que
estamos estudando e tentando melhorar.
O primeiro problema que ele nos fora a caar com os olhos nmeros discrepantes
(como aumentos percentuais). No exemplo do slide, facilmente iramos observar o
inventrio em processo como um indicador crtico (j que ele aumentou 42% do ms
passado para o atual). No preciso nem dizer que esse tipo de relatrio nos fora a
comparar um ms contra o outro, o que j vimos que muito ruim.
Ao fazer isso, desprezamos toda a variao embutida o indicador. Uma maneira muito
mais inteligente de se mostrar esse indicador mostrada no slide seguinte.

262
Mostre o histrico de variao

1. Colete os dados ao longo do tempo 2. Faa umgrfico de tendncia


2013 2014 2015
Jan 19 20 20
Fev 27 22 15
Mar 20 19 27
Abr 16 16 25
Mai 18 22 17
Jun 25 19 19
Jul 22 25 28
Ago 24 22
Set 17 18
Out 25 20
Nov 15 16
Julho/15 uma causa especial?
Dez 17 17

Uma forma bem melhor de se apresentar os dados exibi-los em um grfico de tendncia.


Note que quando fazemos isso, observamos que o ms de julho de 2015 no uma causa
especial. Ele est dentro da variao natural do processo.
Se tivssemos tratado julho de 2015 como causa especial, provavelmente teramos como
consequncias um relatrio explicando o resultado e um plano de ao seriam solicitados
pela direo. Depois, o relatrio detalhado explicando o resultado seria elaborado e um
plano de ao proposto pelo responsvel pelo Depto 17 (muitas vezes com muita
criatividade!). O relatrio seria uma obra de fico cujo nico objetivo seria dar direo
a sensao de que algo est sendo feito para resolver o problema. Por ltimo, o plano de
ao seria executado consumindo recursos preciosos da organizao e o resultado
continuaria na mesma.

263
Slide 237

Cuidado com variaes comparativas

Comparao com a
mdia

Muitas pessoas tambm gostam de mostrar o resultado do indicador como uma


porcentagem da mdia. Temos, nesse caso, declaraes do tipo: Este ms, as vendas
foram 50% acima da mdia.
Nesta comparao temos o mesmo problema exemplificado no relatrio anterior. Nem
sempre uma variao grande relativa mdia significativa (como mostram os slides).
Outras vezes, uma variao pequena relativa mdia pode ser uma causa especial. Tudo
depende de quanto o seu indicador varia. E para entender essa variao, precisamos
olhar grficos de controle ou tendncia.

264
A maneira correta

1) Defina bem o indicador. 2) Indique-o mostrando a variao.

Ms Gasto Ms Gasto
jan/01 97 jan/02 96
fev/01 104 fev/02 100
mar/01 99 mar/02 99
abr/01 94 abr/02 96
mai/01 100 mai/02 103
jun/01 99 jun/02 97
jul/01 96 jul/02 96
ago/01 96 ago/02 91
set/01 94 set/02 98
out/01 96 out/02 96
nov/01 98 nov/02 95
dez/01 99 dez/02 105

Para definir um indicador, devemos atentar :


Nome do indicador
Definio:
Definio operacional do indicador;
Outros indicadores ou dados necessrios para o clculo;
Frmula de clculo e unidades de medida.
Relao com outros indicadores
Objetivo do Indicador
Relao do Indicador com o Propsito, Estratgia
Amostragem:
Tamanho da amostra;
Frequncia de coleta;
Perodo da coleta;
Local da coleta;
Fonte dos dados.
Estratificao:
Outras variveis que devem ser coletadas junto com o indicador.
Tcnicas de anlise/ acompanhamento:
Administrao:
Tarefa;
Responsabilidade;

265
Realizar medies;
Coletar dados;
Desenvolver grficos.
Regras para apresentao de dados:
Os dados brutos deveriam acompanhar qualquer grfico ou resumo numrico.
O contexto para os dados deve ser descrito:
O que? Por que? Quem? Como? Quando?
Sempre que um resumo numrico ou um grfico de distribuio (histograma, por
exemplo) de dados coletados ao longo do tempo for apresentado, ele deve vir
acompanhado de um Grfico de Tendncia. Mdia, mediana, amplitude, desvio padro,
histograma, etc. No permitem descobrir uma informao importante que o
comportamento dos dados ao longo do tempo.

266
Resumo do Measure

O segundo passo de um projeto de melhoria o


Measure, cujo objetivo medir o desempenho atual.

As principais atividades dessa fase so:

Elaborar um fluxograma do processo;


Avaliar a estabilidade do processo (grfico de controle);
Avaliar a capabilidade do processo.

RESUMO MEASURE

267
Analyse

ANALYSE
O Analyze o terceiro passo do roteiro DMAIC. Nele, como o prprio nome j diz,
vamos analisar o que aprendemos durante as etapas de medio e tambm
desenvolveremos mudanas sobre o processo, de maneira a melhorar o seu
desempenho.
A grande sada da fase do Analyze so as mudanas desenvolvidas. Para chegar l, iremos
explorar 4 estratgias, em detalhes:
A anlise crtica do processo;
O uso de tecnologia;
O uso da criatividade;
O uso dos conceitos de mudana.
Nos prximos slides, nos aprofundaremos no desenvolvimento de mudanas e suas
estratgias.

268
O que vamos aprender?

Objetivo: propor, desenvolver e testar mudanas


Atividades
Desenvolver mudanas
Testar as mudanas em escala piloto
Avaliar os resultados (impactos nas mtricas do projeto)

Ao final do mdulo, voc ir analisar os problemas e oportunidades


mapeados criticamente. Depois, ser capaz de gerar ideias de
mudanas, desenvolv-las e test-las

269
Todos concordam que mudanas so importantes e inevitveis?
E que no h melhoria sem mudanas?

Se concordar com o slide, pode seguir adiante. Caso contrrio, reflita o porqu acredita
ser possvel melhoria sem mudana. Se encontrar um exemplo, no envie, porque nunca
encontramos melhoria sem mudana.

270
Mudanas

Como desenvolver mudanas


que resultem em melhoria?

Melhoria requer mudana, mas nem toda mudana resulta em melhoria. Diante desta
constatao e da necessidade que temos em melhorar nossos processos, a pergunta que
clama por resposta : como desenvolver mudanas que resultem em melhoria?
Dito isto, vrias solues comeam a pintar em nossa cabea. Memrias de como
resolvemos diversos problemas surgem e assim, nos confortamos com as grandes ideias
que j tivemos. O problema desta abordagem : como conseguir ideias para desenvolver
mudanas agora? Para encontrar esta sada, precisamos definir algumas coisas.
A primeira sobre os tipos de mudanas. Quais os tipos de mudanas que existem?
Criar um novo processo, produto ou servio
Modificar um processo, produto ou servio.
Quando desenvolvemos mudanas, podemos falar que algumas so obvias, outras no.
Mudanas do tipo ver e agir aparecem com certa frequncia em nossas vidas. Se voc
pensar no seu trabalho, aposto que ter vrias mudanas em mente que poderiam ser
executadas sem muito investimento ou sem que fosse necessrio pensar muito at
encontra-las. Por isto, dizemos que mudanas no tem que ser necessariamente caras ou
demoradas.
Outras mudanas, demandaro mais tempo para serem desenvolvidas e mais testes at se
provarem realmente como uma melhoria. Lembro-me de vrios projetos em que suamos
a camisa at encontrarmos a mudana certa. Foram vrias tcnicas aplicadas e diversos
testes feitos at chegarmos ao resultado.
Quando falamos nestas mudanas mais desafiadoras, tambm nos veem mente os
problemas que encontramos para desenvolv-las. O mais comum esquecermos as
tcnicas nos deixarmos levar pelo:
Fazer mais do mesmo
Mais pessoas,

271
Mais dinheiro,
Mais inspees,
Mais exortaes;
Tenho certeza que voc j se pegou sugerindo mudanas do tipo mais do mesmo. Uma
vez, ao depararmos com um aumento repentino no nmero de reclamaes de clientes,
me vi sugerindo que fizessem inspees cruzadas. Pedi ao nosso coordenador que
inspecionasse 100% dos produtos, pois itens defeituosos estavam indo para nosso cliente.
Como resultado, esta mudana mais do mesmo aumentou nosso custo e manteve o
processo produzindo itens fora de especificao.
Mudar adicionando mais pessoas ao processo, tambm um problema muito comum.
Sempre que pedamos para uma rea melhorar algum indicador, era comum a
coordenao vir com a imediata desculpa que no dava. Quando perguntvamos o porqu,
a resposta padro era: faltam pessoas. Para melhorar o indicador, preciso de mais pessoas.
Nas primeiras vezes, acreditava na histria e acabava cedendo mais pessoas sem uma
rigorosa anlise e, como resultado, tnhamos mais uma pessoa para o mesmo resultado de
antes. Era mais custo, mas no mais produtividade.
As mudanas mais do mesmo vo no mximo, resultar em um alvio de curto prazo que
provavelmente no ser mantido. a mesma coisa de fazermos regime sem mudarmos
nossos hbitos alimentares. Iremos emagrecer rpido, mas ao final do regime, voltaremos
a engordar. E por que?
Porque o mais do mesmo no altera a estrutura do sistema, adiciona despesa e
complexidade e pode acabar contribuindo com o problema. O regime pode aumentar o
custo de sua alimentao, torna a preparao da comida algo complexo e ainda por cima,
causar um quadro de desnutrio ou sobrecarga em alguns rgos. a mesma lgica que
se aplica na empresa.
Mais especificaes e detalhes no projeto no vo melhorar seu produto. Mais inspees
no vo eliminar os erros. Mais ajustes manuais (experincia da operao) no reduz
variao e, mais regras no impe disciplina. Se este tipo de abordagem funcionasse, um
pas com tantas leis e restries como o Brasil no teria mais problemas.
sempre bom lembrar que os efeitos da lei seca (zero de lcool para dirigir) no reduziu
de maneira sustentada, o nmero de acidentes por embriaguez. A mudana ajudou no
curto prazo, mas depois, os nmeros voltaram para o patamar prximo ao que estavam.
Se por um lado fazer qualquer mudana ruim, por outro lado, muitas pessoas ficam
paralisadas pela perfeio. Estas buscam eliminar os riscos da mudana no as
implementando at que tenham para si que no h risco nenhum de algo dar errado. Esta
postura muito arriscada, pois o problema acaba se arrastando por um tempo muito
grande e a equipe, acaba se desmotivando. Alm disto, pode-se mencionar o risco de o
concorrente adotar uma mudana antes, que mesmo pior que a sua, ser suficiente para
colocar a empresa dele na frente.
importante lembrar que a Kodak foi a primeira empresa a inventar a cmera digital.
Porm, seus executivos optaram por no implementar aquela tecnologia a tempo, pois
no a tratavam digna da qualidade que a Companhia pregava. Anos depois, a empresa
ruiu pelo avano tecnolgico que suas concorrentes conseguiram na rea.
Outro indicio da paralisia pela perfeio aquele chefe que s aceita ideias prontas. Tudo
que voc prope de novo, ele pensa que no est bom e diz que no vai implementar se

272
no provar que o risco de falha seja zero. Como isto impossvel, a equipe desmotiva-se
e no propem mais ideias de mudanas. Se mudana, como j dissemos, no h melhoria.

273
Mudanas

E quais so as categorias de
mudana?

274
Mudanas

Categorias
1 Ordem 2 Ordem
Sistema No alterado alterado
Percepo do
Soluo do problema Melhoria
cliente

Prazo Imediato, curto Mdio, longo

Depois de analisarmos os tipos de mudanas, podemos classifica-las em duas categorias:


Primeira Ordem: so aquelas necessrias para manter a empresa em funcionamento
no dia a dia. So mudanas para garantir o nvel de desempenho da organizao e para
resolver os problemas corriqueiros que aparecem. Um exemplo que gosto muito o
pneu do carro. Para mim, mudana de primeira ordem trocar o seu pneu furado. Como
caracterstica, podemos pontuar que so realizadas rotineiramente, devolvem o sistema
a condio anterior, d um alvio de curto prazo (quem j teve um pneu furado na
estrada, sabe o alvio que temos ao troc-lo e voltarmos rodovia) e mostram ao cliente
que o problema foi resolvido. Como disse, provoca a sensao de tudo voltou ao
normal.
Segunda Ordem: so aquelas mudanas necessrias para prevenir problemas e elevar
o desempenho do sistema a patamares superiores. So aquelas mudanas necessrias
para batermos as metas. Geralmente, elas resultam na criao de um novo processo ou
na modificao de um processo existente. Assim, alteram como o sistema funciona e
como as pessoas trabalham, possibilitando que os indicadores de desempenho da
organizao sejam afetados positivamente.
Comparando as mudanas de primeira e segunda ordem, fica claro a preferncia que
temos por fazer mais mudanas de segundo ordem do que de primeira. Afinal, a melhoria
s alcanada por meio delas. Porm, em muitas empresas pudemos observar o contrrio.
Pelo seu efeito de curto prazo, muitas organizaes acabam preferindo virar seu foco para
apagar os incndios e acabam deixando de lado a eliminao dos riscos para que eles
no aconteam. So tantos incndios ocorrendo simultaneamente, que todos os recursos
so drenados para combat-los, criando um ciclo vicioso.
Diante disto, recomendamos que antes de focar apenas nas mudanas de primeira ordem,
voc se pergunte: qual a possvel causa deste problema? Como alterar o sistema para
que a haja uma melhoria, uma mudana positiva e duradoura no indicador que tenho que
atuar? Pensando assim, haver uma contribuio muito maior organizao do que agir
apenas como bombeiro.

275
Para adotar esta postura, voc deve ser forte. Haver muita resistncia e a liderana poder
cobr-lo para resolver o problema urgente. Faa isto, mas no mude para a prxima
urgncia antes de mudar o sistema para que este incndio no mais ocorra. Para ajud-lo
no convencimento do time, pergunte:
Quanto tempo passamos agregando valor ao cliente (produzindo)?
Quanto tempo passamos realizando mudanas de segunda ordem (melhorias)?
Quanto tempo passamos realizando mudanas de primeira ordem (incndios)?
Tipicamente, passamos muito mais tempo nos incndios do que agregando valor ou
melhorando a empresa. Diante disto, pergunto: qual o futuro de nossa organizao se
continuarmos assim? E, se mudarmos esta proporo? possvel sentirmos um impacto
nos nossos indicadores?
Agora, vamos para as abordagens de mudanas que voc poder adotar para criar suas
mudanas de segunda ordem e elevar os patamares de desempenho da organizao.

276
Desenvolvimento de Mudanas

Entender e analisar criticamente o processo atual

Usar Tecnologia

Usar Criatividade

Usar os Conceitos de Mudana

Para desenvolver mudanas, podemos adotar quatro abordagens principais:


Anlise crtica: a primeira faz uso do pensamento analtico crtico. Nesta
abordagem adotamos ferramentas que nos permitem enxergar o processo e
questionar seus fornecedores, insumos, passos, sadas e clientes. uma anlise
profunda que vai te ajudar a encontrar os pontos que podem causar problemas
e elimin-los;
Tecnologia: nesta abordagem, procura beneficiar de tecnologias j
desenvolvidas. muito comum na rea de TI, onde uma empresa compra um
novo sistema de gerenciamento de estoques, por exemplo. Alm do sistema em
si, vem junto ao mesmo todo o conhecimento adquirido pela empresa no
desenvolvimento daquele processo;
Criatividade: um meio de escapar dos modelos mentais estabelecidos para
encontrar alternativas. Das quatro categorias, esta a que menos encontramos
nas empresas, quando o assunto melhorar processos. E, a causa para isto
que durante a formao do profissional, ele dificilmente possui treinamento
neste assunto. De Bono, TRIZ, SIT e outras tcnicas importantssimas para a
gerao de ideias criativas, so muito pouco difundidas e estudadas. Para mais
detalhes, recomendamos nosso e-book e nosso curso gratuito;
Conceitos de Mudanas: processos que tem bom desempenho so
estruturados em bons conceitos. Esses conceitos, se identificados, podem ser
utilizados para encontrar boas mudanas. Para projetos de melhoria, contamos
com uma lista de 72 conceitos que foram muito teis para gerar mudanas que
levaram a melhoria. Para conhece-los melhor, recomendamos que baixe nosso
e-book Disseminao de Mudanas.
Sobre as abordagens, precisamos ponderar:

277
A dependncia de coleta e anlise de dados varia de tcnica para tcnica. Para
criatividade, por exemplo, voc no precisar coletar tantos dados, j para a
anlise crtica, ser necessrio a coleta dos dados e o mapeamento do processo;
O praticante da atividade de melhorar processos, produtos e servios deve, com
o tempo e com a experincia, procurar integrar sistemicamente essas tcnicas.
Costumo comear pela anlise crtica ou pelos conceitos de mudana,
eliminando o mato-alto com a adoo de mudanas rpidas e claras. Depois,
para elevar o desempenho do processo patamares bastante superiores, tenho
que recorrer as ferramentas de criatividade ou solues tecnolgicas.

278
Diagrama Causa Efeito

Como organizar suas hipteses para entender as causas de um problema

DIAGRAMA CAUSA EFEITO


O diagrama de causa e efeito uma ferramenta til para descobrir, organizar e resumir o
conhecimento do grupo a respeito das causas que contribuem para a variabilidade ou para
o problema. O diagrama de causa e efeito tambm conhecido como diagrama de espinha
de peixe (por causa de sua aparncia) e como diagrama de Ishikawa (em homenagem a
seu inventor). Esse mtodo foi desenvolvido por Kaoru Ishikawa em 1943 para explicar
para um grupo de engenheiros como vrios fatores podem ser organizados e relacionados
(Ishikawa, 1976).
Construir um diagrama de causa e efeito ajuda seus usurios a tomar conscincia do
sistema de causas que est por trs do problema. Ele encoraja um enfoque holstico para
a melhoria ao realar o inter-relacionamento das importantes causas e sub-causas que
contribuem para a variao ou problemas.

279
Como organizar as hipteses para as causas?

Mtodo Mquina

Marcha Presso do
Velocidade pneu
Ajuste do
bico injetor
Alto consumo
combustvel
Manuteno Lubrificao

Forma de Tipo de
dirigir Combustvel

Pessoas Material

Muito do valor do diagrama de causa e efeito se origina do processo de cri-lo. O


aprendizado resultante do momento em que as partes interessadas se renem para
compartilhar e organizar suas teorias a respeito das causas de um problema importante,
pode levar, por si s, a aes que aumentam a qualidade. Alm disso, entre os benefcios
importantes do diagrama completo incluem-se:
Reduo da tendncia de procurar por uma verdadeira causa, s custas de ignorar
outras causas e interaes de causas.
Ajuda no planejamento de ciclos para aprendizado e melhoria. Por meio de consenso,
hierarquiza as causas por sua importncia. Tambm til considerar aqui se as causas
so comuns ou especiais, e rotul-las de acordo. Decida onde so necessrios mais
dados para confirmar crenas a respeito de relaes de causa e efeito e planeje ciclos
apropriados de obteno de dados. Para aquelas causas que j so fundamentadas em
dados e bem compreendidas, planeje e execute aes corretivas. Codificar por cores
ou outra simbolizao diretamente no diagrama pode ser til para a hierarquizao,
mostrando graus de crena, e identificando categorias de causas comuns e especiais.
Atualizao do conhecimento presente. medida que coletas de dados, experimentos,
levantamentos e outros estudos so efetuados, o diagrama de causa e efeito pode ser
facilmente corrigido para refletir novos aprendizados.
um meio efetivo para compartilhar conhecimentos. O diagrama de causa e efeito
delineia claramente o sistema causal de uma maneira facilmente compreendida.

280
Como construir um Diagrama Causa Efeito

Passo 1 Escolha o efeito a ser estudado

Passo 2 Desenvolva uma definio operacional do efeito

Passo 3 Use um processo de brainstorming

Faa um brainstorming sobre possveis sub-


Passo 4 causas

Passo 5 Quando a interao diminuir, reveja-o

Passo 6 Finalize-o

Construo de um Diagrama de Causa e Efeito


Quando um grupo enfoca uma caracterstica ou problema especfico de qualidade, pode-
se usar o diagrama de causa e efeito do tipo anlise de disperso. Esse tipo de diagrama
de causa e efeito fornece um formato til para organizar o conhecimento atual do grupo
a respeito de causas inter-relacionadas.
Passo 1: Escolha o efeito a ser estudado. O efeito usualmente ser a variabilidade
excessiva de uma importante caracterstica de qualidade ou outro problema
selecionado baseado em uma anlise de Pareto de respostas de clientes internos e/ou
externos.
Passo 2: Desenvolva uma definio operacional do efeito. Desenhe uma estrutura
bsica para o diagrama de causa e efeito com o efeito em uma caixa do lado direito.
Passo 3: Use um processo de brainstorming para desenvolver de trs a seis
caractersticas ou classificaes principais de possveis causas ou fatores que
contribuem para o efeito. Estas formaro os principais ramos do diagrama de causa e
efeito. Para facilitar esse processo, o diagrama de causa e efeito deve ser desenvolvido
em um bloco grande de papel ou em um meio similar onde todos possam v-lo sendo
desenvolvido. As categorias gerais que costumam ser teis em amplo espectro de
situaes so pessoas, materiais, mtodos, mquinas, medio e ambiente. Entretanto,
outras categorias podem ser mais apropriadas em casos especficos, baseados no
conhecimento de processo dos participantes.
Passo 4: Faa um brainstorming sobre possveis sub-causas para cada uma das
categorias principais de causa, criando novos sub-ramos at alcanar um nvel
apropriado de detalhamento. Um modo til de se chegar a um nvel adequado de
detalhes consiste em se perguntar por que? de trs a cinco vezes para cada uma das
causas iniciais (Ishikawa, 1976).
Passo 5: Quando o nvel de energia do grupo desenvolvendo o diagrama de causa e
efeito comea a diminuir, isso provavelmente um bom indicador de que a maior parte

281
de suas ideias importantes a respeito das causas do problema j aparece no diagrama.
Reveja-o procurando por mudanas e acrscimos bvios que sejam necessrios para
completar o diagrama.
Passo 6: O diagrama de causa e efeito agora est pronto para ser usado como uma
ferramenta para a melhoria. Veja mais adiante nesse captulo Usando o Diagrama de
causa e Efeito.

282
O que voc ganha com o Ishikawa?

Muito de seu valor est em sua elaborao: partes


interessadas se renem e organizam conhecimentos
Reduo da tendncia de achar uma verdadeira causa
Meio efetivo para compartilhar conhecimento

283
Exemplo

284
Causa Efeito para melhorar um processo

Passo 1 Identifique o processo a ser aperfeioado

Acrescente as principais causas e sub-causas


Passo 2 de variabilidade ou outros problemas de
processo

Um mtodo alternativo ao descrito acima, o mtodo da enumerao de causas, consiste


em primeiro fazer um brainstorming de todas as causas possveis e simplesmente list-
las na ordem em que forem recebidas. A partir dessa lista se constri ento o diagrama de
causa e efeito do tipo disperso.
Quando o foco de ateno de um grupo no uma caracterstica particular de qualidade,
mas sim a melhoria de um processo, o formato de classificao de processo pode ser til.
Esse tipo de diagrama de causa e efeito acrescenta valor por mostrar causas da
variabilidade de processo medida em que elas se relacionam a estgios especficos do
processo. Os passos para elabor-lo so descritos a seguir:
Passo 1: Identifique o processo a ser aperfeioado e identifique as etapas chaves
dele. Um fluxograma mostrando essas etapas ser til. Use-as como as categorias
principais nas causas.
Passo 2: Por meio de um brainstorming, acrescente as principais causas e sub-
causas de variabilidade ou outros problemas de processo a cada etapa do processo.
O diagrama ajuda a entender como cada passo pode potencialmente causar uma entrega
fora do prazo.

285
Cuidados

As causas nem sempre so reais (precisa ser testadas);

Podemos focar em solues no to prticas;

Use-o para desenvolver mudanas no processo (as sub-


causas devem ser palpveis na hora de desenvolver a
mudana.

286
Os 5 porqus

Aprofundando-se nas causas

OS 5 PORQUS
.

287
E como se aprofundar nas causas?

Por que o computador no est funcionando?

Porque no est na tomada

Por que no est?

Porque o cabo foi puxado da tomada

Por que foi puxado?

Porque o cabo est no meio da passagem das pessoas

Por que o cabo est no cho?

Porque muito longo

Por que muito longo?

No sei..

Solues

Reduzir o comprimento do cabo


Fixar o cabo na tomada melhor
Colocar o computador perto da parede

5 porqus

Para cada causa, pergunte por que o problema ocorreu? Para descobrir as causas que
contriburam para o problema ocorrer. Continue perguntando por que o problema ocorreu,
para descobrir nveis adicionais de causas. Cinco no um nmero mgico. Algumas
vezes suficiente usar dois ou trs Por Que.

288
Cuidados Extras

Ao usar o Por que? atente para o fato de que a resposta


em cada estgio corresponde a um determinado nvel de
entendimento do problema. E, para aumentar o
entendimento, so necessrios investigaes e testes. No
um exerccios de chutes numa sala fechada feito em 30
minutos

Para cada nvel de entendimento do problema h uma


mudana correspondente

Apesar de ser uma tcnica poderosa, precisamos tomar cuidado com alguns pontos. So
eles:
Tendncia de parar nos sintomas ao invs de aprofundar no nvel de causas;
Incapacidade de ir alm do conhecimento atual do investigador: no possvel
encontrar as causas que ainda no so conhecidas;
Falta de apoio para ajudar o investigador a fazer o porqu correto;
Os resultados no so repetveis: pessoas diferentes, utilizando os 5 Porqus chegam a
diferentes causas para o mesmo problema;
Tendncia de isolar uma causa nica, enquanto que cada pergunta pode suscitar muitas
causas diferentes.

289
Cuidados Extras

As causas identificadas no diagrama so, nesse


momento, teorias que as pessoas tm sobre as possveis
causas

necessrio testar essas teorias

Uma forma de testar reunir evidncias, geralmente com


dados

Outra forma mais adequada realizar experimentos

290
Exemplo 1

Nvel de entendimento de um problema Nvel da mudana correspondente


H uma poa de leo no cho. Limpe o leo.
- Por qu h uma poa de leo no cho?
Porque est vazando leo da mquina.
- Por qu est vazando leo da mquina?
Porque a junta se estraga fcil. Troque a junta (temos vrias em estoque)
- Por qu a junta se estraga fcil?
Porque a pior do mercado. Compre melhores (e jogue fora as outras)
- Por que adquirimos a pior?
Porque fizemos um bom negcio com elas.
- Por que considerado um bom negcio a
compra de um item que d problema no uso?
Porque Compras avaliado pela economia Mude a poltica.
feita no momento da compra.

291
Exemplo 2

Nvel de entendimento de um problema Nvel da mudana correspondente


O monumento de Rui Barbosa esta se Aumente a frequncia da manuteno
deteriorando mais rapidamente do que qualquer
outro monumento no Rio de Janeiro. Por qu?
Porque limpo com mais frequncia que os
outros monumentos. Por qu?
Porque tem mais dejetos de pssaros que os Espante os pssaros
outros monumentos. Por qu?
Porque tem mais pssaros em volta deste
monumento do que dos outros. Por qu?
Porque tem mais insetos, comida preferida dos Mate os insetos
pssaros, em torno deste monumento. Por
qu?
Porque a lmpada que ilumina este monumento Mude a posio da lmpada
diferente das outras e atra mais insetos.

292
Cuidados! Voc j viu RNC?

muito comum encontrarmos os


famosos Relatrio de No
Conformidade (RNCs) em empresas
auditadas pela ISO.

E, neste relatrio h um Ishikawa e


uma anlise dos 5 porqus para ser
preenchida sobre a no conformidade
encontrada.

Problema: muitas vezes, por motivo de prazo ou desinformao, as pessoas preenchem


este relatrio com teorias no testadas sobre o que eles acham serem as causas. Isto
errado. Uma investigao de causas como vimos, envolve testes, definio de hipteses e
muita investigao antes de preenchermos o RNC. Preench-lo em 30 minutos causar
um aumento de custos e perda de validade na anlise.

293
Como a Toyota faz 5 porqus

O caso das parafusadeiras


do acelerador e como os 5
porqus ajudaram no
problema

A histria bem interessante, pois mostra que a realizao dos 5 porqus em 30 minutos,
como muitos consultores e auditores ISO pregam, impossvel. Se a empresa que criou
a ferramenta leva meses para aplica-la, algum que aprendeu recentemente no poderia
conseguir faz-lo em poucos minutos.
O objetivo dos 5 porqus do exemplo era a resoluo de um problema que ocorria devido
a aplicao de um torque menor do que o necessrio nos parafusos do acelerador dos
carros da montadora. Devido a este problema, havia 55 carros parados no ptio a espera
de retrabalho. O problema era bastante grave, pois quando a Toyota atinge um nmero
mximo de carros com defeitos, pouco mais que 55, para-se a planta at que o problema
seja resolvido e parar a planta, prejuzo na certa.
Yuri, um engenheiro da Toyota, comeou a investigar o problema e descobriu que os
defeitos eram resultantes de um torque inconsistente aplicado aos parafusos numa
determinada linha, em particular em algumas estaes de trabalho. Esta investigao
inicial ajudou Yuri a focar o seu objetivo: construir um processo no qual todos os
parafusos so apertados da maneira correta e no tempo correto.
Quando comeou a pesquisar, Yuri percebeu que os membros da equipe estavam
utilizando uma ferramenta primitiva para apertar os parafusos. A ferramenta necessitava
do julgamento do operador sobre quando este deveria parar de apertar. Yuri nunca tinha
visto problema semelhante, j que em seu antigo emprego, os operadores utilizavam
ferramentas sofisticadas que regulavam o torque necessrio de maneira automtica,
parando de apertar quando o torque correto era alcanado. A ideia ver e agir foi realizar
a compra de uma sofisticada parafusadeira automtica para que todos pudessem apertar
os parafusos sem problemas.
Plano de ao embaixo do brao, Yuri foi apresenta-lo aos seus gerentes superiores. Em
sua viso, todos iriam adorar e seu diretor iria ficar orgulhoso de t-lo no time. Porm,
seu diretor interrompeu sua apresentao e disse: Tudo bem, eu vejo que voc tem uma
sada para o problema. Porm, voc quer que eu compre novas parafusadeiras de $400

294
dlares para todos os funcionrios da planta. Pois se voc est dizendo que esta a
proposta de soluo para este problema, isto que teremos de fazer.
Pego no contrap, Yuri comeou a gaguejar e disse: No estou dizendo isto. Seu diretor
disse calmamente: Ento volte e pense mais no assunto. Isto no est bom.
Uma semana depois, Yuri voltou ao seu diretor e props uma nova soluo. Ele havia
descoberto que algumas parafusadeiras estavam muito velhas e por isto, muito fracas para
alcanar o nvel de torque desejado. Ento, Yuri queria comprar mais parafusadeiras
iguais a que a fbrica j tinha para utiliz-las como backup e para aposentar algumas das
velhas. Ento, ele apresentou sua soluo e recebeu uma resposta abrupta de que no
estava bom e que ele deveria continuar pensando no assunto.
Depois da resposta negativa, Yuri se tocou que se a soluo fosse comprar novas
parafusadeiras, ele deveria continuar comprando-as sempre, sem que a causa do problema
fosse eliminada. Ao final, demorou mais ou menos um ms, mas ele percebeu que estava
indo na direo errada para resolver o problema, e seu diretor nunca tivera de dizer isto a
ele. O diretor apenas dizia que no estava bom.
Quando o Yuri estava tentando adivinhar o quando ele seria demitido, lembrou-se que
havia aprendido no treinamento do Sistema Toyota de Produo os 5 porqus. Esta
ferramenta deve ser utilizada toda vez que um lder Toyota precisa chegar causa raiz.
Quando se lembrou da ferramenta, Yuri percebeu que no tinha perguntando o porqu o
nmero de vezes necessrio.
Depois desta reflexo, Yuri comeou a perguntar o porqu mais vezes e acabou por
descobrir trs importantes causas fundamentais para os problemas na linha de produo.
Primeiro deles era o baixo nvel de treinamento que a equipe possua. Quando os
operadores apertavam os parafusos com suas parafusadeiras primitivas, eles deveriam
estar aptos a ouvir um barulho diferente e sentir quando o torque correto tivesse sido
alcanado. Mas a equipe no sabia disto. Yuri fez uma enquete com os operadores e
descobriu que 40% deles no sabiam desta informao.
A segunda causa estava no sistema de manuteno da parafusadeira. Os encaixes iam
ficando fracos, mas ningum os trocava antes que quebrassem de vez, mostrando que a
manuteno preventiva era muito ruim. Depois de levantar esta causa, Yuri aproveitou e
verificou a manuteno preventiva de outras ferramentas, descobrindo que tambm eram
ruins.
J a terceira causa relacionava-se a um problema de projeto do produto, que ele descobriu
ser bem complexo de resolver, j que teria de alinhar o assunto com o setor de engenharia
e encaix-lo numa agenda muito disputada. Diante disto, Yuri focou nas duas outras
causas, pois ele poderia controla-las. O projeto tinha como objetivo resolver o
conhecimento da equipe e manuteno das ferramentas.
Depois de dois meses de investigao e aprendizado, Yuri conseguiu entender as causas
fundamentais do problema. Todos os planos de ao elaborados antes eram ataques aos
efeitos e no as causas. Agora, ele poderia elaborar um plano de ao assertivo que iria
resolver o problema da maneira mais efetiva e barata possvel.
Para isto, Yuri comeou por resolver o problema da falta de conhecimento dos operadores
e treinou pessoalmente todos que utilizavam a parafusadeira. Yuri foi alm do
treinamento tradicional em sala de aula. Para garantir que cada membro da equipe tivesse
as habilidades que precisavam, ele ensinou tcnicas on the job, deixando os operadores
praticarem e verificando se eles estavam confiantes e se tinham aprendido realmente a
utilizar a ferramenta do modo correto. Yuri estava interessado em modificar os padres

295
de comportamento, o que era muito mais difcil do que incutir na cabea do time o mtodo
de parafusar correto.
Para o problema da manuteno, ele desenvolveu um sistema de gesto a vista chamado
de quadro Kamishibai. Kamishibai significa storyboard. No Japo, os pais costumam
pegar os livros infantis e reescrev-los na forma de cartes. Utilizando estes cartes, os
pais podem ler as histrias aos filhos noite de maneira mais organizada, pois permite
aos pais no repetirem histrias e retomarem as histrias no ponto em que pararam na
noite anterior.

296
Desconexes

Como encontrar os fios desligados do seu processo?

DESCONEXES

297
O que uma desconexo?

O problema : como saber se existem e como encontra-las!

Uma desconexo um desvio, erro ou no conformidade que impede o alcance de uma


situao desejada. Uma boa metfora para entender este conceito encar-lo como os
fios desligados do processo. So as entradas e sadas faltantes, redundantes ou ilgicas
que podem afetar o processo. Apesar do fcil entendimento, sempre um desafio
encontra-las. Qual a dificuldade de identificar que um elo de uma corrente est quebrado?
Penso que no grande. Agora, qual a dificuldade de identificar que h um fio
desconectado no data-center da imagem? No julgo que seja uma tarefa trivial.
Tal qual neste data-center, uma empresa possui diversos processos, que nem sempre esto
documentados e tem seus procedimentos para sua execuo respeitados. Diante disto,
para localiz-los faz-se necessrio a elaborao de um SIPOC, depois de um fluxograma
e por fim, uma anlise detalhada deste fluxograma para que a equipe possa lograr xito
com a atividade. Sem que estes passos sejam seguidos, fica complexo e difcil encontrar
as desconexes.

298
E como encontrar as desconexes?

Sadas Entradas Atividades

Est produzindo alguma Est deixando de receber Esto sendo realizadas


sada desnecessria? alguma entrada na hora certa no
Est deixando de necessria? processo?
produzir sadas para os Est recebendo alguma Esto sendo realizadas
clientes adequados? entrada desnecessria? pelas reas/pessoas
Est deixando de atender Existem entradas certas?
expectativas de chegando de Esto criando gargalo?
qualidade dos clientes? fornecedores errados? Agregam valor para o
de prazo? Existem entradas cliente?
Est deixando de atender deixando de atender Apresentam
expectativas internas de expectativas de redundncia?
produtividade? de qualidade, prazo, custo um ponto de inspeo
custos? ou produtividade? ou de deciso?
Apresentam ciclos de
retrabalho?
Esto sendo executados
no tempo programado?

Aps a elaborao do SIPOC e do Fluxograma, a equipe de melhoria dever debruar-se


neste material e aplicar o checklist para localizar as desconexes de sadas, entradas e
atividades. importante passar por cada uma das sadas e entradas listadas no SIPOC
realizando todos os passos do checklist.
Uma histria muito famosa sobre a aplicao desta ferramenta, foi um projeto realizado
numa fbrica de camisinha. Durante a realizao do projeto, a equipe de melhoria estava
a analisar as entradas e de repente, ficou surpresa ao descobrir que leite em p era
utilizado como insumo no processo da fabricao de camisinha. Intrigados, os consultores
perguntaram: isto realmente necessrio? Ningum sabia explicar. Alguns falavam que
sim, outros que no, mas ningum sabia realmente sobre o assunto. Diante disto, o
consultor snior lanou mo de um PDSA para testar a real necessidade.
Rodados os testes, verificou-se que o produto no sofria qualquer problema de qualidade,
ao se retirar o leite em p da frmula. Risadas a parte, o projeto ajudou a reduzir o custo
de maneira significativa e assim, entrou para a histria como o caso mais peculiar de
aplicao da ferramenta de desconexo. A desconexo era: leite em p na frmula, j o
tratamento: verificar, via teste, sua real necessidade.

299
Depois de encontra-las, como trata-las?

DESCONEXES SUGESTES

Plano de ataque s desconexes

As desconexes e/ou oportunidades de melhorias identificadas durante o mapeamento do


processo e suas respectivas sugestes de implantao, se surgirem, devem ser registradas
numa Planilha de Desconexes. As sugestes desta planilha, ser o seu plano de ataque
as desconexes do processo que est analisando.
Alm disso, deve-se marcar no mapa do processo o ponto em que essa desconexo foi
localizada, colocando uma identificao para ela num circulo, referenciando esse ponto
na planilha, na frente de sua descrio. Caso alguma desconexo identificada possa ser
alvo de um esforo de melhoria imediato, marque na planilha a pessoa ou grupo que ficar
responsvel por essa ao.
Um estudo mais detalhado das desconexes tambm recomendado e pode ser realizado
pelo seguinte roteiro de 6 passos:
Classificar as desconexes por tipo (exemplos: espao fsico, equipamentos,
capacitao tcnica, estrutura organizacional, normas e procedimentos,
sistemas de informao, recursos financeiros etc)
Coletar dados que evidenciem os maiores focos de necessidade de atuao no
processo.
Identificar as desconexes que tem maior impacto no alcance dos objetivos
estratgicos e no atendimento das necessidades dos clientes. Essas
desconexes sero base para priorizao das melhorias.
Identificar quais desconexes dependem exclusivamente do processo e quais
dependem de outros processos para serem resolvidas.
Analisar as causas dos fios desligados, ou seja, das principais desconexes.
Algumas causas j so conhecidas. Outras exigem o uso de ferramentas
apropriadas que sero vistas em mais adiantes, em outras disciplinas. Entre
estas ferramentas, pode-se destacar o VSM, que mostra o fluxo de valor e o
fluxo de informaes numa s folha.

300
Desperdcios

Como localizar e eliminar os 7 desperdcios

DESPERDCIOS

301
Desperdcio ():
Toda a atividade que consome energia e
recursos sem agregar valor ao cliente, ou seja, aquilo
que fazemos, mas que o cliente no est disposto a
pagar.

Para estudar desperdcios, importante iniciarmos por sua definio.

302
Ouvir o cliente um credo

Para a Toyota, lder mundial na aplicao da filosofia que busca a eliminao constante
dos desperdcios, ouvir o cliente algo importante. Por isto, a empresa vem aumentando
ao longo do tempo o nmero comentrios dos clientes. Em 2011, somadas Lexus e
Toyota, receberam mais de 60 mil comentrios de seus clientes. Isto mostra o quanto esta
tarefa importante.

303
Os 7 desperdcios

Parece simples...

Entretanto, encontrar estas atividades pode ser difcil.

Pensando nisso, vrios autores experientes na prtica


do Lean listaram 7 desperdcios visuais, que podem
ser facilmente identificados e quantificados em uma
visita ao Gemba (cho de fbrica)

304
Os 7 desperdcicos clssicos

Superproduo (excesso de quantidade)


Espera
Transporte (de material)
Movimentao (de pessoal)
Inventrio (estoque)
Defeitos
Superprocessamento (excesso de funcionalidade)

305
Superproduo

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Programao puxada

Previses incorretas Reduo de tamanho de


Produzir mais itens Produzir mais para lote
Excesso de do que cliente reduzir setups Setups demorados
Nivelamento da carga
Produo necessita neste Processamento em Erros no processo
momento lotes grandes Reduo do tempo de
setup

TPM

306
Espera

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Produo Sincronizao do fluxo de


Espera por peas empurrada trabalho
Tempo
ocioso porque Espera pela inspeo Trabalho Implantao de clulas
materiais, pessoas, desbalanceado
Espera por mquinas Balanceamento nas etapas
Espera equipamentos ou Inspeo
Espera por de carga/descarga
informaes no centralizada
esto prontos informao Produo no takt time
Falta de prioridade
Espera pelo reparo da TPM
mquina Falta de
comunicao

307
Transporte

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Movendo peas para Produo em lotes


dentro e fora do grandes Sistema puxado
Movimento de estoque
Transporte partes que no Produo empurrada Kanban
agrega valor Movendo material de
Estoque Optimizao de layout
uma estao de
trabalho para outra Layout no funcional

308
Movimentao

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

rea de trabalho
desorganizada 5S
Movimento de Procura por peas,
Itens faltantes Quadro de ferramentas
pessoas que no ferramentas,
Movimentao agregam valor desenhos, etc Design ruim da One-piece flow
estao de trabalho
Escolher material Layout da estao de
rea de trabalho sem trabalho
segurana

309
Inventrio

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Lead-times dos
Matria-prima Kanban
fornecedores
Produto em Desenvolvimento do
Mais materiais, Setups longos
elaborao fornecedor
peas ou produtos
Inventrio Lead-times longos
disponveis do que o Produto acabado Fluxo contnuo (one-
(estoque)
Cliente necessita Papis e formulrios piece flow)
Suprimentos de
neste momento em processo
consumveis Reduo de setup
Ordem no
Componentes
processamento

310
Defeitos

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Falha do processo
Sucata
Trabalho que Falta de
contm erros, Retrabalho carregamento da Melhoria dos
retrabalho, enganos pea procedimentos
Correo
Defeitos ou falta de alguma
Processo em grandes Melhoria de projeto
coisa necessria Falha em campo
lotes Criao de poka-yokes
Necessidade de
inspeo Instrues de
trabalho insuficientes

311
Superprocessamento

Tipo de
Definio Exemplos Causas Mudanas
Desperdcio

Mltiplas limpezas das


peas Atrasos entre
os processos Linhas em fluxo
Esforo que no Preenchimento de
Excesso de agrega valor do folhas Sistema empurrado Fluxo contnuo
processamento ponto de vista do Tolerncias apertadas Voz do cliente no 4Ps
cliente demais compreendida
Design enxuto
Ferramenta ou pea de Layout ruim
difcil manuseio

312
Agora sua vez...

Ajude-nos a encontrar os desperdcios

313
E agora?

314
E agora?

315
316
Anlise
Anlise de
de Valor
Valor

Avaliando
Avaliandooo que
que agrega
agrega valor
valor ee oo que
que no
no agrega
agrega valor.
valor.

ANALISE DE VALOR
O ponto de partida crtico para o pensamento enxuto o valor e este, s pode ser definido
pelo cliente final. Esse o nico valor que o cliente est disposto a pagar e, todas as outras
atividades que no agregam valor realizadas para produzir o produto ou servio, so
desperdcios.
Para uma anlise de valor adequada, necessrio desenvolvermos a habilidade de
reconhecermos e identificarmos o desperdcio. E para isto, no basta apenas a aplicao
das ferramentas que iremos mostrar a seguir. Voc precisa ter coragem de chama-lo de
desperdcio e desejar realmente, elimin-lo. Dizemos isto, pois comum as pessoas
sentirem-se desprestigiadas quando parte das atividades que executam so classificadas
como no agrega valor. Assim, importante entendermos que desperdcios aumentam
os custos, no produzem benefcios e ameaam nossos empregos. No adianta pensarmos
que ao mantermos atividades que no agregam valor, estamos a proteger nossos
empregos. No atuar diante do desperdcio coloca em risco a sobrevivncia da
organizao, o que poder causar inmeros problemas e dificuldades financeiras.

317
O
O que
que valor?
valor?


definido
definido pelo
pelo cliente;
cliente;


mutvel
mutvel no
no tempo
tempo ee no
no mercado;
mercado;


refletido
refletido no
no preo
preo do
do produto;
produto;

Devemos
Devemos desdobrar
desdobrar nossos
nossos processos
processos com
com base
base na
na
sua
sua definio.
definio.

318
rvore de Valor

Atividade

Tipos AV NAV

Necessria Desnecessria

Ao Acerte o fluxo Reduza Elimine

Coloque as atividade em Reduza essas atividades e


Detalhes uma seqncia natural sua interferncia no fluxo
de valor

Valor o contedo inerente de um produto ou servio, segundo o julgamento do cliente,


refletido em seu preo de venda e demanda de mercado. O valor em um produto ou
servio tpico criado pelo fabricante por meio de uma combinao de passos, alguns dos
quais produzem valor conforme percebido pelo cliente e outros que so meramente
necessrios devido atual configurao do projeto e do processo de produo.
O objetivo do pensamento Lean, dentro do Lean Six Sigma, eliminar as atividades
desnecessrias e preservar e aumentar aquelas que agregam valor para o cliente. A rvore
de valor neste slide, mostra toda a sequencia de passos que deve ser realizada para a
eliminao das atividades que no agregam valor. O primeiro passo, classificar as
atividades da seguinte forma:
Atividade que agrega valor (AV)
o Atividade necessria para produzir um produto ou um servio e que
adiciona valor sob o ponto de vista do cliente
Atividade que no agrega valor mas necessria (NAV)
o Atividade realizada para produzir um produto ou um servio, mas que no
adiciona valor sob o ponto de vista do cliente
o Podem ser separadas em trs categorias
o So realizadas para direcionar ou apoiar as atividades que agregam valor
(financeiro, RH, planejamento etc.)
o Foram incorporados ao sistema para:
o Detectar erros, omisses e defeitos
o Corrigir erros, omisses e defeitos
o Acomodar desperdcios no sistema como: demoras, tempos de espera, etc
Atividade que no agregar valor (NAV): podem ser simplesmente eliminadas

319
320
Como fazer uma anlise de valor?

1. Liste os processos/passos
2. Classifique cada passo como AV, NAV necessrio e
NAV desnecessrio
3. Preencha o Diagrama AV/NAV

Com um fluxograma em mos, liste as atividades no Diagrama AV/NAV. Para cada


atividade listada, informe seu smbolo, lembrando que o retngulo significada atividade,
o losango deciso, o tringulo denota extrao de dados, a meia lua utilizada para o
atraso, o crculo usado como conector e o retngulo arredondado aplica-se ao incio e
final. Depois, prudente informar a etapa do processo de cada atividade e ao final, nos
cabe definir se aquela atividade agrega ou no valor. Se no agregar, importante
informar se ela ou no necessria.
Depois de preencher o Diagrama AV/NAV, vocs tero claro qual o perfil das atividades
do seu processo. Lembramos que para aquelas que no agregam e so desnecessria,
fundamental partirem para a eliminao. Este tipo de atividade deve ser eliminado o mais
rpido possvel, pois tais atividades s agregam custos.

321
Exerccio!
Classificar cada passo do processo como AV ou NAV. Propor um novo fluxo contendo
somente as atividades que agregam valor. Um funcionrio tem necessidade de viajar a
trabalho e utiliza carro providenciado pela empresa. A empresa tem um departamento de
transportes que providencia o veculo

1. Funcionrio liga p/ setor de transportes para verificar a disponibilidade de carro da empresa na


data
2. Se sim, funcionrio pede para reservar carro da frota, informando a data de uso e pronturio. Se
no, funcionrio pede para alugar um carro, informando a data de uso e pronturio
3. Funcionrio preenche solicitao em papel (tanto faz, para carro da frota ou alugado)
4. Funcionrio passa solicitao para superior carimbar e assinar
5. Funcionrio espera retorno da solicitao carimbada e assinada
6. Funcionrio envia solicitao para transportes
7. Funcionrio liga para transportes para informar que foi enviada a solicitao
8. Transportes espera chegada da solicitao
9. Transportes providencia o carro (da empresa ou alugado) p/ a data de uso
10. Funcionrio liga para Transportes na vspera para ver se est tudo ok
11. Funcionrio passa no transportes para pegar a chave e ticket combustvel
12. Funcionrio pega o carro.

E a? Matou a charada do processo de providenciar carro para viagem? O que voc achou?
O processo est enxuto ou tem muitas oportunidades para melhoria? E a burocracia, est
em alta neste processo ou quase no aparece?
Imagino que vocs viram a quantidade de oportunidades de realizarmos mudanas
promissoras neste processo. E na sua empresa? Ser que no tem oportunidade tambm?
Eu aposto que sim hein...

Note que s a ltima etapa agrega valor ao cliente.

322
Quer conhecer outra ferramenta? ECRS

Eliminar Combinar

Reduzir Simplificar

ECRS
Que tal uma ferramenta que te ajudar a analisar as atividades da sua empresa e ter ideias
de mudanas? Com esta ferramenta, voc conseguir eliminar, combinar, reduzir ou
simplificar as atividades, nesta ordem. Caso no possa eliminar uma atividade, porque
necessria ao cliente, pergunte-se sobre a possibilidade de combinar esta atividade com a
prxima ou com a anterior. No possvel? E reduzir? As vezes possvel reduzir uma
atividade, como execuo de setup, por exemplo. No sendo, simplifique. Torne a
atividade mais simples para que os riscos de erro sejam reduzidos com o processo ficando
mais robusto.

323
E como esto as empresas?

Manufatura

Servios

Se eu perguntar a voc qual o percentual do tempo as organizaes de manufatura e


servios, provavelmente vou ver algo como nos grficos acima. Eles so resultado de uma
pesquisa feita por Hines e Taylor no ano 2000, onde analisaram vrias companhias quanto
aos seus processos. A grande maioria das atividades desempenhadas por elas no
agregavam valor ao cliente.

324
Anlise do tempo

Como identificar os tempos desnecessrios no processo?

ANALISE DO TEMPO
O objetivo da anlise de tempo identificar passos do processo que adicionam custo e
tempo sem adicionar valor. Esta tcnica aplicada para identificar focos de mudanas
para melhoria de processos.

325
Como analisar o tempo?

Tempo de Espera

Tempo de Atividades

Atividades em processos demandam tempo para serem executadas. No atividades


muitas vezes demandam um tempo em que valor no agregado ao processo, mas que
afetam custo e qualidade. Desta forma, os componentes do tempo de processo podem ser:
Tempo de atividades
Tempo de espera
Em projetos de melhoria em que o objetivo a reduo do tempo de ciclo, a anlise do
tempo fundamental para que a meta seja alcanada. No h como reduzir o tempo de
execuo de um processo, sem a crono-analise. por meio dela que ser possvel eliminar
tempo de espera e reduzir o tempo de atividade.
Voc j parou para analisar como poderamos analisar o tempo de uma viagem de avio?
Qual o percentual de tempo o avio estar voando? E esperando? Dependendo da
companhia e da aeronave, comum encontrarmos rotas cujo tempo de espera e o tempo
de atividade quase se igualam, j que o tempo de preparao entre os voos de cerca de
45 minutos. Num projeto que participamos, tnhamos como meta reduzir o tempo de
aeronave parada. Por meio da aplicao da anlise de tempo, conseguimos chegar l.

326
E como fazer?

Passo a Passo
1.Tenha em mos o fluxograma detalhado do processo
2.Identifique cada passo como AV, NAV necessrio e NAV
desnecessrio
3.Calcule a proporo de atividades em cada categoria
4.Mea o tempo de cada atividade
5.Calcule a porcentagem do tempo do processo que adiciona
valor sob a tica do cliente
6.Escolha os passo que no agregam valor e os passos que
consomem mais tempo como focos de mudanas

327
Poka yoke

Processo prova de erros e falhas

POKA YOKE
O Poka Yoke surgiu nos anos 1960, quando Shigeo Shingo engenheiro industrial da
Toyota, liderava a produo. No havia um dia em que ele no se deparasse com falhas
humanas, que resultavam em produtos defeituosos: e, por isso, no havia um dia em que
no ficasse irritado. Diante disso, Shingo comeou a desenvolver tcnicas que, por
vingana, chamou de Baka (idiota, em japons) Yoke ( prova de), o que dispensa
tradues. Aos poucos, porm, as tcnicas foram aprimoradas, se provaram
profundamente eficazes e ganharam aderncia.
Em 1963, um funcionrio da Arakawa Body Company recusou-se a utilizar o mecanismo
criado por ser ofensivo. Assim, o termo foi alterado para Poka-Yoke, que significa
prova de erro" ou, mais literalmente evitando (yokeru) erros involuntrios (poka).
Idealmente, poka-yokes tem como misso garantir que as condies apropriadas existam
antes de se executar uma etapa do processo, evitando a ocorrncia de defeitos em primeiro
lugar. Quando no for possvel, poka-yokes agem como detetive, avisando o erro e
permitindo que a equipe inicie a eliminao de defeitos no processo o mais cedo possvel.

328
Exemplos de processos complicados

Vocs j viram arranjos assim? Falem a verdade? Tem processo menos Poka Yoke do
que uma boa gambiarra? Quando vejo este tipo de imagem fico preocupado. Se tem
processos que so prova de erro, estes so criados para o erro. Operaes arriscadas,
como trabalho em altura e utilizao de extenses, so os temas preferidos para dar
problema. Se deparar com um arranjo deste tipo, por favor, interfiram, pois, a falha nestes
casos, pode custar uma vida.

329
Definies Importantes

Defeito
Resultado de um erro
Exemplo: carto esquecido no caixa eletrnico
Erros
Acontecem quando as aes, no esto de acordo
com as intenes
Exemplo: esquecer o carto do banco no caixa
eletrnico
Falhas
Resultado ou manifestao de um ou mais defeitos

330
Poka Yoke

Significado
prova de erros ou de falhas
Objetivo
Eliminar ou prevenir a fabricao de produtos no conformes
utilizando dispositivos ou sensores e assegurar que os mesmos
estejam funcionando adequadamente
Tipos de Poka-Yoke
Preventivo (Error Profing): Elimina a possibilidade de ocorrncia
da falha ou defeito especfico, atravs do projeto.
Detectivo (Mistake Profing): Detecta a falha ou defeito, caso
ocorra, e previne que a no-conformidade continue no processo.

Tornar fcil fazer certo e impossvel fazer errado. Para mim, este o melhor jeito de
lembrarmos o real significado do Poka Yoke. Com ele, podemos reduzir os erros
reprojetando o sistema, para fazer com que os erros sejam menos provveis. E, este tipo
de projeto ou reprojeto chamado de prova de erros. Uma vez que os erros so
predominantemente deslizes do subconsciente, prova de erros apropriada para a
reduo da probabilidade destes deslizes, ao invs de mudanas no comportamento
consciente.
No podemos eliminar defeitos, erros e falhas, apenas fazendo exortaes ou colocando
inmeros cartazes pela empresa. Os cartazes no vo reduzir seus erros e suas falhas,
porque duvido que haja pessoas que queiram errar. Para mim, o processo que facilita o
erro. isto que o poka yoke ataca.
Quando o adotamos esta postura, podemos esperar alguns benefcios. So eles:
Melhorar a qualidade (reduzir PPM e refugo);
Tornar o processo mais fcil e capaz;
Identificar na linha os dispositivos a Prova de Erros;
Desenvolver ideias de dispositivos a Prova de Erros;
Aumentar a Segurana no local de trabalho;
Manter mtodos de produo e inventrio enxutos;
Reduzir custos;
Manter a satisfao do cliente.

331
332
Exemplos

Poka Yoke Preventivo

Microondas no funciona com porta aberta;


Moto no liga se estiver engrenada e com o pezinho
abaixado;
Boia da caixa dgua evita que gua vaze da caixa;
Farol dos carros se apaga quando a chave retirada do
contato

333
Exemplos

Poka Yoke Detectivo

Indicador no painel dos automveis, que indica que o


motorista no est usando o cinto de segurana;
Carros que emitem som ao abrir a porta quando o farol
est aceso e o veculo desligado.

334
Como poderamos evita-los?

Oportunidades para desenvolvermos Poka Yokes

Para desenvolver Poka Yokes, deve-se observar alguns princpios importantes:


Controle na fonte, o mais perto possvel da fonte dos defeitos;
Estabelea controles apropriados severidade dos potenciais defeitos;
No exagere nos controles se atenha ao mtodo mais eficaz e mais econmico;
Desenvolva cooperao entre operadores, tcnicos e engenheiros;
No atrase a melhoria com anlise exagerada;
Ao observar estes princpios, voc conseguir desenvolver Poka Yokes mais robustos e
com maior probabilidade de funcionarem. E de todos eles, gostaria de atentar para o
ultimo. No se deixe paralisar pela perfeio. J falamos sobre o assunto, mas sempre
bom reforar este ponto. Se voc gastar muito tempo, os defeitos iro acumular-se no
final da linha.

335
Mtodos

Lembretes Diferenciaes

Restries Exibies

Lembretes: muitos erros so cometidos pelo esquecimento de fazer algo. Os lembretes


auxiliam a recordao. Eles podem vir de muitas formas diferentes. Um aviso escrito,
uma chamada telefnica, um checklist das coisas a realizar, um alarme, um formulrio
padro ou a documentao das etapas a serem seguidas em um processo. Os lembretes
so simples de fazer e fceis de usar, mas exigem esforos conscientes para serem
efetivos. Uma maneira de reduzir a necessidade do esforo consciente, cadastrar seus
lembretes nos aplicativos de celular e assim, fora-los a avisar.
Restries: uma restrio delimita o desempenho de certas aes que conduzem a erros.
Ter de remover o carto instantneo antes do dinheiro ser liberado um exemplo de
restrio. A restrio o mtodo mais desejvel de prova de erros porque
normalmente no requer um comportamento consciente para ser efetiva na reduo de
erros. Um atributo importante de uma restrio efetiva que a restrio delimita a ao
indesejvel enquanto no impede a ao desejvel.
Diferenciaes: os erros podem ocorrer quando estamos lidando com coisas que
parecem similares, ou realizando aes forem similares ou porque as instrues ou
procedimentos so similares a outros que podemos ter usado em outra situao. Para
reduzir os erros, devem ser adotadas etapas para quebrar os padres. Isto pode ser
conseguido de diversas maneiras como cdigo de cores, ndices, uso de smbolos
diferentes ou separao fsica de itens similares.
Exibies: uma obviedade (coisa bvia) fornece previsibilidade, sem a necessidade de
explicaes de como alguma coisa deva ser usada. Uma coisa bvia traz uma incitao
visual (ou de outro sentido) para as aes que devam ser realizadas. Ao vermos as
dobradias de uma porta, estamos aptos a determinar se ela abre para dentro, para fora ou
se desliza. Se um processo ou produto pode ser projetado para levar o usurio a realizar
as aes corretas, ento menos erros ocorrero.

336
Adivinhe a categoria

337
Adivinhe a categoria

338
Exemplos

339
Exemplos

340
Agora sua vez

1. Nossa empresa vende arruelas em conjunto de 10


unidades. Como garantir que estes no saiam nem
com arruelas a menos, nem a mais?
2. Na rea de embalagem de produtos, frequentemente
as colheres para dosagem de produto so esquecidas
fora da lata. Como evitar isto ?
3. Normalmente o tempo escasso e preparativos de
viagem so sempre feitos na ltima hora s pressas.
Como assegurar partida para uma viagem de negcios
sem esquecer os itens essenciais na bagagem
pessoal?

341
Tecnologia

Tecnologia como um meio de desenvolver mudanas

TECNOLOGIA

342
S mais tecnologia resolve?

343
S tecnologia adianta?

344
Tecnologia

Aplicao prtica da cincia, incluindo equipamentos,


materiais, sistemas de informao e mtodos):
Alguns aspectos:
Se bem empregadas, do empresa a oportunidade de grandes
melhorias, aplicando o que os outros j desenvolveram;
Requerem $ e tempo;
necessrio testar em pequena escala p/ minimizar o risco;
Como toda mudanas, sofrer resistncia das pessoas;
necessrio ter plano de transio do velho para o novo.

Define-se tecnologia como a cincia de aplicao prtica, incluindo equipamentos,


materiais, sistemas de informao e mtodos. Tecnologia pode ser usada para gerar
mudanas de segunda ordem. Por exemplo, uma empresa de distribuio pode tentar uma
mudana que usa automao para pegar e empacotar pedidos. Se aplicadas corretamente,
as novas tecnologias oferecem s organizaes a oportunidade de implementar grandes
melhorias simplesmente aplicando aquilo que os outros tm desenvolvido. De qualquer
forma, grande quantia de dinheiro e tempo so necessrios para fazer acontecer uma
mudana que envolva tecnologia especialmente numa indstria capitalista como a de
manufatura. Em algumas situaes, a mudana pode nem mesmo resultar em melhoria.
Isso frequentemente acontece com empresas que implantam novas tecnologias, sem
entender seus problemas a fundo. Entre 1985 e 1995, as empresas investiram mais de um
trilho de dlares em novos sistemas de informao. Estes sistemas tm criado
oportunidades para a soluo de problemas de qualidade, reduo de custos e
desenvolvimento de novos produtos e servios. Porm, alguns questionaram, se eles tm
resultado em melhorias de fato, ou se so apenas simples mudanas que s agregam mais
custos ao processo. Um erro comum considerar que melhoria se d pela aquisio e uso
de novas tecnologias. Ao tomar esta postura, alguns acabam deduzindo que a tecnologia
resultar em uma melhoria, o que no verdade, vide exemplos mencionados
anteriormente.
Para se ter vantagens com as novas tecnologias, os processos para representam conquistas
tecnolgicas relevantes dentro da organizao deveriam ser colocados juntamente com os
processos que trazem benefcios tecnolgicos. Em certas situaes, uma organizao
pode tambm conseguir se envolver durante os primeiros estgios do desenvolvimento de
novas tecnologias. Isso pode ser feito pelo estabelecimento de parcerias com outras
organizaes ou permitindo aos desenvolvedores testarem a tecnologia na sua prpria
organizao.
A identificao de novas tecnologias comear respondendo terceira questo
fundamental do modelo de melhoria (Quais mudanas podemos fazer que resultem em
melhoria?). Mas no podemos esquecer que outras duas questes do modelo (O que ns

345
estamos tentando realizar? e Como sabemos se uma mudana uma melhoria?)
deveriam tambm ser respondidas. Isso reduzir a aquisio de tecnologia para fins
tecnolgicos em si, e no para fins de melhoria.
As organizaes poderiam determinar os modos de testar novas tecnologias em pequena
escala, o que deve ajudar a reduzir o risco em traz-las para a organizao. Alugar ou
fazer leasing de novos equipamentos, comprar pequenos lotes de novos materiais e
utilizar novos remdios em animais antes das pessoas, so exemplos de caminhos para
testar novas tecnologias.
Assim como qualquer outra mudana, o uso de novas tecnologias enfrentar resistncia e
outros problemas. Algumas pessoas encontraro dificuldade em ter que mudar para usar
novas tecnologias. Quando os computadores comearam a ser usados, algumas pessoas
se sentiam mais confortveis usando a mquina de escrever e os arquivos em pastas.
Geralmente no fornecido um treinamento adequado. s vezes, quando fornecido,
pessoas arrumam uma desculpa para evit-los. Para diminuir estes problemas, a gerncia
deveria ter um planejamento para ajudar estas pessoas na transio do uso de novas
tecnologias.

346
Tecnologia

Cuidados nas mudanas que envolvem tecnologia:


No automatize um sistema ruim: erros ocorrero mais rpido
e custo sero mais altos
Reserve solues tecnolgicas p/ melhorar sistemas estveis
em vez de solucionar causas especiais;
Concentre as mudanas nos gargalos
Uma tecnologia no confivel pior que nenhuma tecnologia

No automatize um sistema ruim: as vezes, uma empresa acaba tentando automatizar


um sistema com problemas. Isso apenas permite que erros sejam cometidos mais
rapidamente. Nesse caso, o uso da tecnologia acaba sendo uma mudana de alto custo
que no resulta em melhoria. Uma melhoria pode ser feita simplesmente com o reprojeto
do sistema. Mudanas tais como: demonstrao dos erros (ms interpretaes) e
simplificao do formulrio, minimizao do nmero de handoffs, e padronizao do
sistema, devem ser consideradas. Ciclos deveriam ser planejados para reprojetar o sistema
antes que uma mudana que envolva automatizao seja desenvolvida e testada.
Reserve solues tecnolgicas p/ melhorar sistemas estveis em vez de solucionar
causas especiais: antes que seja desenvolvida uma mudana que envolva tecnologia,
deveria ser compreendido se causas especiais afetam a variabilidade no sistema. Se o
sistema acima foi estudado por pessoas na fbrica, elas podem descobrir que
circunstncias especiais foram a fonte de muitas das variaes. Circunstncias especiais
podem incluir mudanas nos lotes de matrias-primas, substituio dos operadores, ou
mudanas nas condies de operao. Embora os novos equipamentos pudessem aliviar
o efeito dessas causas especiais, uma mudana a mais no custo efetivo poderia ser
possvel. Uma vez que as causas especiais foram identificadas e removidas, se for
necessria reduo adicional da variao, ento ser requerida uma mudana fundamental
a mais. Somente, ento, deveria ser considerado o uso de novas tecnologias.
Concentre as mudanas nos gargalos: um gargalo numa organizao significa
qualquer momento onde a demanda por um recurso maior que sua disponibilidade. Uma
vez que o limite do sistema definido pela capacidade no gargalo, mudanas deveriam
ser direcionadas ao aumento do fluxo por meio daquele recurso. O uso da tecnologia para
aumentar a capacidade nas reas que no so gargalos, no resultaro no aumento da
eficincia do sistema. Isso apenas resultar em maior tempo de espera no gargalo. Um
hospital usou novas tecnologias para aumentar o fluxo de entrada dos pacientes. Isso no
diminuiu o tempo total para os pacientes conseguirem seus quartos porque a sada dos
pacientes era o gargalo no sistema.

347
Uma tecnologia no confivel pior que nenhuma tecnologia: uma vez que uma
mudana que envolva tecnologia implementada, as pessoas acreditam em seu
desempenho. A nova tecnologia deveria, consequentemente, ser completamente testada
de forma a no deixar dvidas sobre sua confiabilidade. Um GPS que no funcione
direito, pior do que nenhum GPS. Pois se voc no o tivesse, iria buscar solues
alternativas para resolver seu problema, como comprar um mapa ou pedir auxlio um
amigo.

348
Nunca asfalte o caminho da vaca

Leia nosso texto sobre pavimentar o caminho da vaca.

349
Criatividade

Como desenvolver mudanas utilizando a criatividade

CRIATIVIDADE

350
O que criatividade?

Criatividade

Assunto complicado e confuso

No nvel mais simples, "criativo" significa trazer


existncia algo que no existia antes

Falando de uma forma simplificada, criatividade a inveno de uma nova ideia. De onde
vm as novas ideias? Como fazer para conseguir mais ideias criativas? O modo que a
mente humana trabalha bem apropriado para produzir novas ideias por ser criativa.
Isso significa que a criatividade no privilgio de algumas pessoas, mas uma
capacidade que todos possuem. Como ento as pessoas podem desatar esta capacidade?
A natureza da mente que uma generosa fonte de criatividade, tambm a fora que
impede a criatividade. Um modo de ver a mente, como um sistema de informaes auto-
organizvel. Conforme as percepes e experincias ocorrem, a mente tenta encontrar
significado e ordem. Este processo organizacional utiliza padres de pensamentos pr-
existentes para julgar o significado das novas experincias. O uso de padres de
pensamentos pr-existentes restringe fortemente as opes de mudana consideradas
pelas pessoas. uma das razes primrias que indivduos ou grupos que no tm
habilidades para melhorias, geralmente produzem ideias para melhorias que so mais do
mesmo

351
Ideias criativas

352
Padres

Os padres normais de pensamento que ocorrem numa situao especfica, tm uma


lgica que foi estimulada com o passar do tempo. Uma vez que uma nova ideia no
adquiriu ainda um padro lgico para suport-la, ela pode ser facilmente cancelada pela
lgica mais bem desenvolvida dos padres de pensamento pr-existentes. Dessa forma,
uma ideia promissora pode ser esmagada antes que tenha a chance de ser aperfeioada
em uma mudana que resultaria em melhoria.
Uma pessoa pode facilmente imaginar as objees lgicas que surgiram de outros.
Exemplo: comum que em reunies do departamento de distribuio, algum sugira
preparar remessas antecipadas. Se Paulo, como Supervisor, no apoiar essas ideias, o
risco de perde-las grande. Para conquistar a criatividade, necessrio reconhecer e
utilizar diferentes modos de pensamento

353
Modos de pensamento

Pensamentos
Pensamento Criativo, que resulta em novas
ideias e possibilidades.

Pensamento Positivo Lgico, que se refere


a como fazer uma nova ideia funcionar.

Pensamento Negativo Lgico (Crtico) que


focalizado em encontrar falhas lgicas numa
nova ideia.

Todos os trs modos de pensamento so importantes e tm um papel importante nas


mudanas criativas que resultem em melhoria. Sem pensamento criativo, h risco de
mudanas mais do mesmo (as mesmas coisas). Sem o pensamento positivo lgico,
bons conceitos para mudana no resultaro em mudanas prticas, mudanas que
funcionem para o sistema. Pensamento crtico necessrio para fazer vir tona os
problemas. Como discutido anteriormente, pensamento crtico til para revisar o
sistema atual. tambm particularmente til durante o projeto de um teste para uma
mudana. Quais poderiam ser os efeitos negativos da mudana? Como pode a mudana
ser testada nas condies que poderiam acontecer estes potenciais efeitos negativos?
Pensamento lgico positivo ajudar a desenvolver modos para superar essas
dificuldades.
Estes trs modos de pensamento devem ser reconhecidos e gerenciados por equipes que
estejam desenvolvendo mudanas. geralmente melhor para um grupo comprometer-se
com um tipo de pensamento por vez. Quando novas ideias para mudana esto sendo
desenvolvidas, pensamento positivo lgico e criativo deveria ser usado. Isso permite
que o pensamento lgico melhore o pensamento criativo em vez de reprimi-lo.

354
Como tudo isto funciona

Como estes trs modelos de pensamento podem ser usados para desenvolver mudanas
criativas de segunda ordem? Mtodos para melhorar pensamento criativo, tem seus
fundamentos em provocar novos padres de pensamentos para gerar novas ideias para
mudanas. Sem novos padres de pensamento, pouqussimas mudanas sero produzidas.
Novos padres de pensamento abrem uma variedade de mudanas que podem resultar em
melhorias.

355
Como utilizar o pensamento criativo?

Criatividade

Tempo Preparo Desafio Fora Sonho Foco

A seguir, citamos alguns mtodos gerais para provocar novos padres de pensamento:
Ter tempo. Este o mtodo mais simples. Gaste pelo menos cinco a dez minutos com
o pensamento criativo.
Estar no lugar certo na hora certa (preparo). Reza a lenda que Sir Isaac Newton teve
o pensamento sobre a gravidade por meio de uma ma que caiu na sua cabea quando
ele estava sentado debaixo de uma rvore. Gastar um tempo observando clientes ou
entendendo seu papel, pode permitir a uma pessoa estar no lugar certo, no momento
em que eventos ocorram, provocando novas ideias.
Desafiando os limites em que as mudanas podem ser desenvolvidas. Pessoas so
frequentemente limitadas em desenvolver mudanas por limites implcitos ou
explcitos. Para desafiar estes limites, comece a list-los. Ento, elimine-os ou
expanda-os. Um dos limites listados por um grupo trabalhando na melhoria da
prestao de servios de uma lanchonete de um escritrio, foi que a comida era sempre
paga somente depois de selecionada. Quando o time desafiou este limite, comeou-se
a usar tickets pr-pagos.
Atacar a soluo (fora). Muitas vezes as mudanas sugeridas, so as mesmas, ou
seja, so os atuais padres de pensamentos. Faa uma lista de mudanas sugeridas e
identifique o que elas tm em comum. Como no desafio dos limites, ataque os pontos
comuns como impedimento para novas ideias. Um grupo trabalhando na melhoria da
eficincia do processo de preenchimento de pedidos, examinou as mudanas que
foram feitas. Embora algumas mudanas fossem satisfatrias, todas elas focalizavam
a reduo de trabalhos burocrticos dentro da organizao. Uma reviso destas
solues resultou que os pedidos dos clientes fossem endereados diretamente aos
computadores da rea de distribuio.
Usar objetivos no realistas (sonho). Quando a forma com que as coisas so feitas
inadequado para alcanar os objetivos, faa a pergunta: O que poderia ser
..............? (Complete o espao em branco com algum objetivo no realista). Isto ajuda
as pessoas a abandonarem a atual maneira de pensar.

356
Foco na necessidade. Para qualquer produto ou servio, articular qual a necessidade
em comum, e ento definir o ataque soluo, desconsiderando as opes atuais de
produtos e servios. Haver muitas maneiras de casar as necessidades com os novos
produtos e servios. Por exemplo, uma empresa de paisagismo fornece o servio de
cortar grama. Depois deles articularem a necessidade de conservar a grama curta,
criou-se a necessidade por este servio, e eles comearam a experimentar um produto
que diminua o crescimento da grama. Isto quase eliminou o servio de corte de
grama.
Quando novos padres de pensamento so provocados, novas ideias para mudana
surgiro. Estas ideias podem frequentemente trazer alguma forma de expresso, como
exemplos, o desenho de um quadro, algum contando uma estria ou representando-a. A
representao de ideias uma forma de compartilh-las com os outros.

357
Continue aprendendo

http://ead.fm2s.com.br/curso/curso-de-criatividade-principios-e-abordagens/

358
Conceitos de mudanas

Como desenvolver mudanas a partir dos conceitos

CONCEITOS DE MUDANAS

359
Os conceitos de mudana

Eliminar
disperdcios
Focar no Melhorar
produto ou fluxo de
servio trabalho

Planejar
sistemas e Otimizar
evitar Conceitos inventrio
erros de
mudana

Genrenciar Mudar o
ambiente de
variao trabalho

Incrementar
Gerenciar a Relao
o Tempo Produtor /
Consumidor

Extrado do Apndice A do livro

Langley, G. J., Moen,R. D., Nolan, K. M.,Nolan,T. W., Norman, C. L., Provost, L. P.
Modelo de Melhoria . Mercado de Letras Edies e Livraria Ltda , Campinas, S.P, 2011.
A Eliminar Desperdcio:
Eliminar coisas que no so usadas.
Eliminar entradas mltiplas de dados.
Reduzir ou eliminar o uso de recursos excessivos.
Reduzir controles dos sistemas.
Reciclar ou reutilizar.
Usar produtos substitutos.
Reduzir classificaes.
Reduzir intermedirios.
Compatibilizar a quantidade ao necessrio.
Usar amostragem.
Mudar alvos ou set points.
B Melhorar o Fluxo de Trabalho:
Sincronizar.
Programar em processos mltiplos.
Minimizar trfego de mo-em-mo / tramitaes.
Aproximar fisicamente os passos do processo.
Achar e remover gargalos.
Usar automao.
Suavizar o fluxo de trabalho.

360
Fazer tarefas em paralelo.
Considerar pessoas como parte do mesmo sistema.
Usar mltiplas unidades de processamento.
Ajustar a picos previstos de demanda.
C - Otimizar Inventrio:
Compatibilizar estoque demanda prevista.
Usar sistemas que demandam (puxam).
Reduzir escolhas de caractersticas.
Reduzir marcas mltiplas dos mesmos itens.
D Mudar o Ambiente de Trabalho:
Dar acesso informao s pessoas.
Usar medidas apropriadas.
Cuidar do bsico.
Reduzir aspectos desmotivadores do sistema de pagamento.
Conduzir treinamento.
Implementar treinamento cruzado.
Investir mais recursos na melhoria.
Focar nos processos essenciais e no propsito.
Compartilhar riscos.
Enfatizar consequncias naturais e lgicas.
Desenvolver alianas e relaes cooperativas.
E Incrementar a Relao Produtor / Consumidor:
Ouvir os clientes.
Treinar clientes quanto uso ao produto / servio.
Focar no resultado oferecido ao cliente.
Usar um coordenador.
Alcanar expectativas despertadas.
Surpreenda com o grtis".
Otimizar nvel de inspeo.
Trabalhar com os fornecedores.
F - Gerenciar o Tempo:
Reduzir tempo de set-up e de start-up.
Definir tempo para usufruir descontos.
Otimizar manuteno.
Aumentar os tempos dos especialistas.
Reduzir tempo de espera.

361
G - Gerenciar Variao:
Padronizao (criar um processo formal).
Parar o tempering (intromisso no processo estvel).
Desenvolver definies operacionais.
Melhorar previses.
Desenvolver planos de contingncia.
Distribuir produtos em graduaes.
Amenize a sensibilidade
Tire proveito da variao.
H Planejar Sistemas e Evitar Erros:
Usar lembretes.
Usar diferenciao.
Usar restries.
Usar referncias formais
I - Focar no Produto ou Servio:
Customizar em massa.
Oferecer produto / servio a qualquer hora.
Oferecer produto / servio em qualquer lugar.
Enfatizar o intangvel.
Influenciar ou aproveitar as tendncias da
Reduzir o nmero de componentes.
Disfarar defeitos ou problemas.
Diferenciar produtos usando dimenses da qualidade

362
Meios para Desenvolver Mudanas: Conceitos de
Mudana

Como Usar os Conceitos de Mudana


Selecione um grupo geral que caracterize as mudanas que se
deseja fazer e use os conceitos do grupo para provocar ideias
especficas de mudana;
Gere uma ideia de mudana
Qual a noo geral associada a ela?
Qual conceito de mudana est associado?
Use outros conceitos do mesmo grupo para explorar a gerao de
novas ideias;

Se um conceito uma noo geral que est envolvida com uma ideia especfica, o que
significa conceito de mudanas? Um conceito de mudana uma noo geral til no
desenvolvimento especfico de ideias para mudana, que resultem em melhorias.

363
Paulo e a Distribuio

Paulo e seu grupo do Departamento de Distribuio tiveram dificuldades para desenvolver ideias
adicionais para mudana a fim de melhorar o fluxo de trabalho. Um amigo que estava por dentro do
dilema de Paulo, deu-lhe um livro. No apndice, Paulo encontrou conceitos que poderiam ser usados
para desenvolver ideias para mudanas. Na verdade, havia um conjunto de conceitos no livro que
tratava de fluxo de trabalho. Ele sentiu que os conceitos poderiam gerar algumas ideias para
mudanas.
No encontro seguinte, Paulo explicou aos membros do grupo o que faria e pediu-lhes para pensar
positivamente nas mudanas que estavam sendo sugeridas. Ele comeou apresentando o conceito
de mudana minimizar handoffs. Imediatamente Mike disse que eles tinham a tendncia de eliminar
a coleta e embalagem de correspondncia. Outros pontos em comum foram sugeridos. Paulo
comeava a sentir-se bem com essa abordagem. Ele tentou outro conceito: aliviar o fluxo de
trabalho. Karen disse que eles poderiam diminuir o fluxo, comeando a preparar os pedidos mais
cedo. Ela comentou que se soubessem desse conceito antes, teriam gasto mais horas tentando
implantar esta ideia.
A seguir, Paulo tentou fazer tarefas em paralelo. John pulou e quase gritou, preparar a
documentao ao mesmo tempo em que o pedido est sendo preparado. Todo mundo riu porque
John no costumava ser to animado, mas eles todos concordaram com sua ideia. Paulo estava
muito feliz com a reunio devido aos resultados positivos que ela gerou. Eles tinham comeado a
desenvolver um nmero de boas ideias para mudanas, tinham mais conceitos de mudanas a serem
trabalhados. A possibilidade para melhorias parecia agora muito grande.

Paulo utilizou uma boa abordagem para usar os conceitos de mudanas. Inicialmente
utilizou um grupo genrico melhorar o fluxo de trabalho, que caracterizava as melhorias
que ele estava tentando fazer. Ento usou alguns conceitos de mudana do grupo para
provocar ideias especficas para mudanas. A abordagem de Paulo no o nico modo
que os conceitos de mudanas possam ser usados. Uma ideia especfica para uma
mudana pode ser gerada primeiro (assim como a ideia de coletar e embalar o pedido),
ento pessoas poderiam perguntar qual a noo geral est sendo aplicada para gerar aquela
ideia, a qual deveria conduzir ao conceito de mudana minimizar handoffs. Novas
ideias podem ser geradas do conceito de mudanas (por exemplo, aquela que a pessoa
poderia completar todos os passos na distribuio para atender o pedido, ou que os
clientes poderiam dar a entrada de seus pedidos em um computador). Outro conceito de
mudana o grupo genrico: melhorar o fluxo de trabalho, que poderia ser explorado
para gerar outras ideias de mudanas.
Um conceito de mudanas no especfico o bastante para uso imediato. Conceitos como
aliviar o fluxo de trabalho e diminuir manuseio devem ser aplicados para situaes
especficas e ento tornar-se ideias para mudanas. As duas maneiras sugeridas aqui para
se usar os conceitos de mudanas so similares, e so baseadas na habilidade de ir para
trs e para frente entre o geral (conceitos de mudanas) e o especfico (ideias). Os
exemplos descritos no apndice demonstram o uso desta habilidade. Isto muito
importante se praticar quando usado o conceito de mudanas

364
Conceitos de Mudanas

Como Selecionar um conceito de mudana


aleatoriamente e ver quais idias so
utilizar? provocadas.

Estudar o e-book Disseminao de


Mudanas para aprender todos os diferentes
conceitos de mudanas e algumas ideias para
serem usadas.

Copiar uma ideia especfica nos exemplos


dados para cada conceito de mudana do e-
book, se eles forem aplicveis a sua situao.

Conceitos de mudanas podem ser usados para estimular tanto pensamentos crticos como
criativos. Os conceitos de mudanas dividem-se em categorias como melhoria do fluxo
de trabalho, foco nas variaes e processo prova de erros. Para voc refletir o que
est errado com o sistema atual, tem que ter em mente que alguns conceitos de mudanas
melhoraro a qualidade e quantidade das mudanas que voc desenvolveu. Pensamentos
criativos podem ser estimulados se certos conceitos de mudanas so selecionados (talvez
mesmo os aleatrios) e usados como estimuladores.
Muitos dos conceitos de mudanas no e-book podem j ser familiares para voc. Podem
haver outros conceitos que sero novos. Os conceitos de mudanas listados no tm o
objetivo de serem originais ou completos. O mais importante que a lista possa servir
como uma simples referncia e outros conceitos possam ser adicionados. A taxa de
melhoria ser aumentada, assim como as pessoas no somente usaro os conceitos de
mudanas, mas tambm desenvolvero e documentaro novos conceitos. Alguns dos
novos conceitos podero provar serem mais teis em uma rea particular, como por
exemplo na rea de Sade e Educao.

365
Que mudanas podemos fazer para melhoria?

O primeiro passo para responder essa questo


desenvolver uma ideia para possvel mudana. A ideia
pode vir de um pensamento crtico sobre o sistema atual,
da tecnologia, do pensamento criativo, ou do uso dos
conceitos de mudana, do guia que est descrito no e-
book. O prximo passo testar a ideia.

366
Correlao: associao entre variveis

Como correlacionar variveis de entrada com as de sada

CORRELAO
Frequentemente desejvel determinar se existe uma relao ou associao entre duas
variveis. Por exemplo, uma vez que um diagrama de causa e efeito tenha sido
desenvolvido para identificar causas potenciais que tenham impacto em uma
caracterstica de qualidade de um processo, a relao entre as causas e as caractersticas
de qualidade tm que ser estudadas. Os resultados desse esforo devem ajudar a
determinar qual ao poderia ser tomada no processo.

367
A relao entre as variveis

Temperatura
Umidade
Precipitao Quais fatores influenciam no
clima?
Presso Atmosfrica
Vento
Nuvens

Como prever as condies climticas? Como saber se uma chuva se aproxima ou se a


prxima estao ser mais seca? Para isto, precisamos estudar o clima. E o que significa
estudar o clima? Encontrar quais as variveis do clima que afetam o comportamento do
clima futuro para podemos prever a prxima condio climtica. Um exemplo bastante
conhecido a relao entre presso atmosfrica e chuva. Se a presso atmosfrica cai,
sinal de que vem chuva por a. Por que? Porque a densidade do ar se reduz com o aumento
da umidade e um fludo menos denso ir exercer menor presso. Por meio desta
correlao, conseguimos prever que a chuva est a caminho quando nosso barmetro
apontar uma queda na presso. E como utilizar este conceito para entender melhor os
processos?

368
A relao entre as variveis

X1

X2

X3

X4
Y
X5

Como estimar Y?

comum nos depararmos com problemas semelhantes ao do clima, mas no contexto dos
negcios. Quem nunca se viu desafiado por uma meta, mas ficou perdido na hora de
elaborar um plano de ao para entender o que fazer para chegar a meta? Quais fatores
ns podemos atacar que vo impactar em nossa meta? Quais so os itens de verificao,
ou variveis de inputs e de processos que podero impactar nosso item de controle ou
varivel de output? para isto que a relao entre variveis serve. Ela nos ajuda a
entender o que temos de fazer para chegarmos ao resultado desejado.

369
Sistema de causas

Como mencionado, a relao entre variveis tem por base ajuda-lo a encontrar quais so
as causas, em termos de fatores, que esto levando-o a obter o resultado atual. A causa
para um no venda, pode ser uma distoro no tempo de ligao depois que o cliente
manifesta o interesse na compra. Ou ainda, no preo cobrado ao interessado. Com a
anlise de relao, ser possvel entender qual ou quais so as variveis que se alteradas,
vo melhorar seu resultado. Pela sua importncia, vamos abordar a seguir vrias tcnicas
estatsticas para que voc consiga entender a relao entre a varivel de interesse e as
variveis que influenciam no seu comportamento.

370
E como fazer?

Para comear as anlises, classifique as variveis sob


dois aspectos:
A varivel Y ou X?
Y: Variveis de sada do processo cujo comportamento voc
quer explicar e obter um modelo. Nomenclatura: variveis
resposta, variveis dependentes ou itens de controle
X: 1) Variveis de processo ou de entrada, candidatas a
explicar o comportamento das variveis resposta.
Nomenclatura: variveis explicativas, variveis independentes,
fatores, itens de verificao; 2) Variveis de estratificao
A varivel numrica ou categrica?

Antes de comear qualquer anlise importante classificar as variveis sob dois aspectos:
se dependente ou independente, e se numrica ou categrica. Estas duas classificaes
so fundamentais para definirmos qual tipo de ferramenta estatstica utilizar para analisar
a relao entre as variveis. Se no adotarmos o estudo adequado, no conseguiremos
avaliar corretamente a existncia de uma relao. E, sendo assim, no saberemos em qual
varivel independente focar para alcanarmos a meta desejada.

371
E como fazer?

Em seguida: Identifique a tcnica a ser utilizada na tabela abaixo:

Y numrica Y categrica

Grfico de disperso
Tudo isso, s que
X numrica Grfico de disperso invertido
estratificado

Dot-plot estratificado Tabela de


X categrica Grfico de Tendncia contingncia
estratificado Grfico de barras

Aps definir qual o tipo de varivel, deve-se escolher qual tcnica estatstica ser utilizada
para analisar a relao dos dados. De acordo com a tabela, possvel encontrar as tcnicas
disponveis para analisar a relao entre x e y numricas, x numrica e y categrica, x e
y categricas e x categrica e y numrica. interessante notar que os tratamentos para x
categrica e y numrica, e x numrica e y categrica, so os mesmos, porm apenas
invertidos.

372
Relao entre variveis X numrica e Y numrica

Como analisar a relao entre duas variveis numricas

373
Imagine o cenrio

A satisfao dos projetos desta empresa dependem


do atraso?
Projeto Dias de ndice Projeto Dias de ndice
atraso Satisfao atraso Satisfao
1 -3 3.90 13 -8 3.91
2 -6 3.42 14 8 3.57
3 -1 3.10 15 -15 4.40
4 0 2.95 16 -15 4.63
5 4 1.83 17 10 2.98
6 5 2.25 18 -11 4.11
7 9 1.92 19 11 1.83
8 11 3.15 20 -13 4.57
9 19 2.85 21 4 2.92
10 12 3.00 22 0 3.70
11 -5 2.64 23 10 2.63
12 -6 3.96 24 -7 4.51

muito comum em empresas que trabalham com projetos, a tentativa de sempre melhorar
a satisfao dos clientes. Para isto, busca-se sempre entender qual varivel possa ajudar
a empresa, a entender o ndice de satisfao dos clientes com um projeto. Em uma
entrevista, alguns clientes reclamaram do atraso e assim, a empresa decidiu entender se
havia relao entre o ndice de satisfao com o nmero de dias de atraso em que o projeto
era entregue. Os dados da pesquisa esto disponveis na tabela e para analisa-los,
precisamos comear pela classificao das suas variveis.
Neste caso, a varivel x dias de atraso e sua classificao numrica. J a varivel y,
ou seja, a varivel resposta que estamos tentando impactar o ndice de satisfao, que
tambm numrico. Portanto, temos uma relao entre Y numrico e X numrico, que
pela tabela do slide 6, deve ser avaliada por meio de um grfico de disperso.

374
Grfico de Disperso

GRFICO DE DISPERSO
Por meio do grfico de disperso, possvel verificar uma relao entre os dias de atraso
na entrega do projeto e seu ndice de satisfao. Quanto mais atrasado o projeto, pior o
ndice. Com isto, aprendemos que se a meta da empresa for melhorar o ndice de
satisfao, devemos trabalhar forte para melhorar o processo de realizar projetos no que
tange o tempo de entrega. Se a meta for manter um ndice de satisfao maior ou igual
4, teremos de entregar os projetos 10 dias antes da data que entregamos hoje. Ou seja,
precisaremos acelerar o processo de execuo de projetos, pois o cliente s ficar muito
satisfeito se nossos prazos diminurem.
O grfico de disperso, tcnica utilizada neste exemplo, uma representao grfica da
associao entre pares de dados. Esse emparelhamento de dados o resultado da
associao de diferentes medies de uma certa causa (por exemplo, atraso) com a
medio correspondente da caracterstica de qualidade (por exemplo, satisfao). Os
dados emparelhados podem tambm ser medies de duas causas (por exemplo, atraso e
escopo), ou duas caractersticas de qualidade (satisfao e custo). Cada par se torna um
ponto do grfico de disperso.

375
Como avaliar o grfico de disperso

Aspectos a serem observados


em m Grfico de Disperso
n Direo
n Forma
n Fora

Um grfico de disperso pode revelar relaes importantes entre certos parmetros, o que
pode ajudar nas tomadas de decises em um processo. Ele tambm pode indicar que no
existe relao entre uma causa e uma caracterstica de qualidade, o que poderia resultar
em uma causa sendo eliminada de um diagrama de causa e efeito.
H vrios tipos de associaes entre parmetros que podem ser demonstradas pelo grfico
de disperso. A relao pode ser positiva ou negativa (quando um cresce o outro
decresce), fraca ou forte, linear ou no linear.

376
Correlao linear

Sem correlao Correlao Correlao


positiva forte positiva mdia

Correlao Correlao
negativa forte negativa mdia

377
Grfico de Disperso Estratificado

Grfico de Disperso: Espessura vs Presso


Maquina
25 A
B

20

Espessura
15

10

0
65 70 75 80 85
Presso

Se h variveis de estratificao, geralmente til fazer o grfico de disperso estratificado para


verificar se o padro encontrado no conjunto de dados se repete em cada estrato. Neste exemplo,
em cada mquina.

Ao se preparar um grfico de disperso deve-se considerar o uso de estratificao, a


classificao dos dados em grupos por alguma caracterstica comum. s vezes a relao
entre os parmetros no evidente quando todos os dados so considerados, mas quando
os dados so agrupados e plotados separadamente, a relao se torna mais clara. Os dados
podem ser estratificados por mquina, operador, dia da semana, ou mesmo
geograficamente. O slide mostra uma situao na qual a estratificao dos dados resultou
em mais informao sendo obtida do grfico de disperso.
Pela estratificao por mquina, uma relao linear negativa se torna clara quando a
Mquina A est sendo usada. A relao tambm negativa quando a Mquina B usada,
mas diferente da relao entre os parmetros para a Mquina A. As razes para esses
resultados diferentes devem ser estudadas.

378
Grfico de Disperso Estratificado

H relao para cada fornecedor mas No h relao para cada


no h no total fornecedor mas h no conjunto

Por meio da anlise do grfico de disperso estratificado, possvel comparar se a fora


para romper est relacionada a rigidez e, se h diferena entre os fornecedores (estratos
da anlise). No primeiro grfico, no h relao total, mas quando estratificamos por
fornecedor, a correlao aparece. Se o fornecedor deseja aumentar a fora para romper,
ele deve aumentar a rigidez,
J no segundo grfico, acontece exatamente o contrrio. Se o fornecedor A deseja
aumenta a rapidez para romper, no conseguir captar a correlao entre rapidez e rigidez
analisando apenas seus produtos, assim como o fornecedor B. Entretanto, se analisarmos
esta relao no conjunto, veremos que ela presente.
Deste modo, quando analisamos correlao com dados estratificados, diversas situaes
podem ocorrer. E, entender qual situao esta ocorrendo em nossa anlise, nos dir o qual
a relao entre a varivel Y e a varivel X. Dentre as relaes, podemos descrever
algumas:
Existe correlao no geral, e em cada estrato e a direo a mesma
Existe correlao no geral, e em cada estrato e a direes so diferentes
Existe correlao no geral, mas no em cada estrato
Existe correlao em cada estrato, mas no no geral
Outras

379
Ser que o investimento por aluno influncia no % de
alunos formados?

Algumas vezes se supe que o desempenho de uma escola poderia ser melhorado se os
salrios dos professores fossem aumentados ou se uma parcela maior da verba da escola
fosse gasta com salrios de professores. E a, possvel dizer isto por meio do grfico?

380
Ser que o investimento por aluno influncia no % de
alunos formados?

H relao pontuao no SAT com o No h relao entre a taxa de


salrio mdio do processo por Estado estudantes se formando e o salrio
dos professores

A figura mostra dois grficos de disperso que no apoiam esse ponto de vista. Ambos os
diagramas esto estratificados por estados que exigem testes de competncia dos alunos
e aqueles que no exigem tais testes. De acordo com os grficos de disperso, nenhum
desses fatores desempenha um papel importante no sucesso da escola, conforme medido
pelas pontuaes SAT e taxas de graduao.

381
Correlao x Causalidade

Relao entre N. de Doentes Mentais e N. apar. de rdio


26

22

N me r o d e d o e n te s me n ta is

18

Rdios causam loucura?


14

10

6
0 2000 4000 6000 8000 10000
Nmero de aparelhos de rdio (em milhes)

Veja os dados coletados entre os anos 1920 e 1935 relativos ao nmero de aparelhos de
rdio e nmero de doentes mentais por 100.000 habitantes na Inglaterra. E a, o que
podemos concluir desta anlise? Quanto maior o nmero de aparelhos de rdio maior o
nmero de doentes mentais. Ser que aparelhos de rdio causam doenas mentais?
Precisamos acabar com os rdios?
Calma, no nos precipitemos. Correlao no implica causalidade. Duas variveis podem
estar correlacionadas devido a:
A varivel X causa direta da varivel Y
A varivel Y causa direta da varivel X
A varivel X contribui para a variao em Y, mas no a nica causa
Outras variveis podem estar provocando a correlao
Ambas as variveis esto mudando com o tempo
A associao no passa de coincidncia
Em estudos observacionais no se pode atribuir relao de causa e efeito a variveis
correlacionadas. Para atribuir relao de causa e efeito, preciso realizar experimentos
planejados. Sem isto, estaremos correndo risco de tomarmos relaes que no passam de
mera coincidncia. Hoje, na era do Data Mining este risco bastante grande.

382
Mquina de correlaes

Link

No Google Correlate, voc pode analisar a relao entre termos de busca. Sim, o Google
faz exatamente isto para voc. No exemplo, solicitei uma busca em quais termos de busca
se relacionam com o termo "desemprego" no Brasil. Em poucos segundos, o Google gera
um grfico de disperso e uma lista dos termos de busca com um maior ndice de
correlao com as buscas por desemprego.
Pelo estudo, o termo com maior correlao seguro desemprego. Ser que desemprego
causa direta da pesquisa pelo seguro desemprego? Na minha percepo, neste caso faz
sentido atribuirmos uma causalidade nesta correlao. Porm, o terceiro termo que mais
se correlaciona o "voc sabia" e o stimo "quebrando a cara". E a? Ser que so a
correlao de 0,7722 entre desemprego e voc sabia tem uma relao de causa? Ou ser
que mera coincidncia? Para mim, neste caso est mais para coincidncia do que para
uma relao causal.

383
Outras correlaes estranhas

E agora? Voc sabia que doutorado em matemtica tem forte correlao com a quantidade
de uranio estocado nas usinas de energia nuclear dos Estados Unidos? E os filmes do
gtico Nicolas Cages? Sabia que eles tm forte correlao com o nmero de pessoas que
afogam depois de cair na piscina? caros leitores. Acho que vocs no sabiam que em
nosso curso de Green Belt tratvamos de correlaes sobrenaturais na fase do Analyse.
Brincadeira parte, colocamos estes exemplos para que voc tenha noo de que
causalidade se difere da correlao puramente matemtica.

384
Resumo: grfico de disperso

Agora, gostaramos de saber se voc aprendeu sobre


grfico de disperso. Por isto, respondam:

O que so?
Quando utilizar?
Quando estratificar?

Os grficos de disperso so usados para examinar a associao entre duas medidas. As


medidas podem ser caractersticas de qualidade, medidas de processo ou variveis
causais. Ele uma das mais poderosas ferramentas para se investigar relaes e
associaes entre pares de variveis de processo. Os grficos de disperso nos permitem
enxergar padres fora do comum, dados afetados por causas especiais e agrupamentos
interessantes de pontos de dados.
Se existir uma associao entre uma caracterstica de qualidade e uma varivel causal,
isso no significa que exista necessariamente uma relao de causa e efeito. A relao
pode ser devida a outro parmetro que esteja associado a cada um dos parmetros
estudados. Se no existir nenhuma associao em um grfico de disperso, isso no
significa que os dois parmetros no estejam relacionados. possvel que uma causa
comum ou que uma causa especial de variao esteja mascarando a associao para a
amplitude de dados estudada. Em alguns casos um simples teste de associao entre as
variveis no grfico de disperso pode fornecer uma confirmao para as concluses
obtidas aps uma inspeo visual.
A estratificao pode ser usada para aprimorar um grfico de disperso. Os dados so
estratificados plotando-se smbolos diferentes para grupos diferentes de dados no grfico
de disperso. Algumas vezes a relao entre parmetros no evidente quando todos os
dados so considerados, mas quando os dados so agrupados e plotados com um smbolo
diferente a relao se torna mais clara.

385
Agora sua vez...

Colete dados sobre a altura, peso e idade das


pessoas em sua classe. Colete tambm informaes
sobre outra varivel para estratificar os dados. Preveja
relaes para essas caractersticas. Desenvolva
grficos de disperso para cada par de variveis.
Identifique os nveis da estratificao com smbolos
diferentes.

386
Associao entre varivel Y numrica e X classificatria

Como analisar a relao entre uma varivel numrica e uma classificatria

387
Y Numrica, X Classificatria

Grfico de Tendncia por fase 1 Grafico de tendncia: Vendas por filial


Variable
antes depois 28
25 Filial A
Filial B

26
20

24
15

Vendas
Tempo

10 22

5 20

0 18

1 4 7 10 13 16 19 22 25 28 02/2010 04/2010 06/2010 08/2010 10/2010 12/2010 02/2011 04/2011 2


Data
Dia

Dotplot of TEMPO vs fase 3 Grfico 1: a varivel categrica define


duas ou mais fases, antes e depois de,
por exemplo, uma mudana
Grfico 2: a varivel numrica medida
em duas condies diferentes nos
fase

antes

mesmos tempos
depois Grfico 3: ordem de coleta dos dados
4 6 8 10 12 14 16 18
TEMPO no relevante

Nesse caso ho possvel calcular o coeficiente de correlao entre as variveis pois uma
delas no numrica, classificatria. Tambm no possvel fazer o grfico de
disperso. Neste caso, h duas formas de examinar visualmente a correlao entre as
variveis. Para uma varivel numrica e medida ao longo do tempo, podemos encontrar
vrios cenrios. So eles:
Grfico 1: a varivel categrica define duas ou mais fases, antes e depois de, por
exemplo, uma mudana. Nesse caso, adequado fazer um grfico de tendncia
estratificado por fases. Se o comportamento da varivel numrica significativamente
diferente nas fases dizemos que h correlao entre as variveis
Grfico 2: a varivel numrica medida em duas condies diferentes nos mesmos
tempos. Nesse caso adequado fazer um grfico de tendncia com a varivel resposta
superposta. Se os dados esto em regies significativamente diferentes dizemos que h
correlao entre as variveis
Grfico 3: se a ordem em que os dados foram coletados no for relevante, ou mesmo
sendo relevante e o processo estvel, uma forma de visualizar os dados por meio da
comparao das distribuies de frequncia (dot plot ou histograma) da varivel
numrica estratificadas pela varivel classificatria. Se as distribuies esto
essencialmente na mesma regio, dizemos que no h correlao entre as duas
variveis. Se esto em regies significativamente diferentes dizemos que h correlao
entre as variveis

388
Y Classificatria, X Classificatria

389
Y Classificatria, X Classificatria

Quando as variveis X e Y so categricas, o estudo de


correlao feito atravs de tabelas de contingncia
Tabela de Contingncia
Varivel A
Categorias A1 A2 Total
Varivel B B1 n11 n12 n1+
B2 n21 n22 n2+
Total n+1 n+2 n++

Definies
n11 Freqncia de indivduos nas categorias A1 e B1
n12 Freqncia de indivduos nas categorias A2 e B1
n21 Freqncia de indivduos nas categorias A1 e B2
n22 Freqncia de indivduos nas categorias A2 e B2
n1+ Freqncia de indivduos nas categorias B1
n2+ Freqncia de indivduos nas categorias B2
n+1 Freqncia de indivduos nas categorias A1
n+2 Freqncia de indivduos nas categorias A2
n++ Total de indivduos na amostra

TABELA DE CONTINGNCIA
Uma tabela de contingncia uma representao tabular da relao entre pares de
variveis, principalmente variveis categricas. O propsito de uma tabela de
contingncia o mesmo de um grfico de disperso estudar relaes. Os grficos de
disperso mostram a relao graficamente e a tabela de contingncia ilustra a relao
numericamente. Uma tabela de contingncia uma ferramenta verstil e frequentemente
um passo temporrio para se desenvolver outros mtodos grficos e para incorporar a
estratificao em outros tipos de grficos.

390
Imagine o cenrio

Tabela de Contingncia

Sistema Novo
No horrio Atrasado

Sistema No horrio 28 2 60%

Atual Atrasado 16 4 40%

88% 12%

A figura mostra um exemplo de uma tabela de contingncia para duas variveis de


interesse: desempenho de uma tarefa com um novo sistema e com o sistema antigo. O
resultado da tarefa classificado como no horrio ou atrasado. So feitas medies para
50 indivduos usando o sistema atual (20 atrasados, 30 no horrio). Em seguida cada um
dos indivduos treinado usando um novo sistema. Aps treinar e praticar, o desempenho
para esses mesmos 50 indivduos avaliado (6 atrasados, 44 no horrio). Quanto que o
novo sistema melhorou o desempenho? A porcentagem no horrio aumentou de 60% para
88%.
A tabela de contingncia foi ento construda usando os pares de dados dos mesmos
indivduos com o sistema antigo e com o novo. A melhoria pode ser vista na clula da
tabela onde 16 indivduos que estavam atrasados no sistema antigo ficaram no horrio
usando o novo sistema.

391
Como fazer uma tabela de contingncia?

1. Colete os dados com unidades identificadas por duas


Roteiro variveis de interesse

2. Para uma tabela 2x2, trace um quadrado com quatro


clulas. Essa ser a base para a tabela

3. Para uma tabela 2x2, trace um quadrado com quatro


clulas. Essa ser a base para a tabela

4. Baseado nas categorias para as duas variveis, conte o


nmero de unidades em cada uma das quatro clulas e
coloque essa contagem na clula apropriada
5. Algumas vezes os totais de linha e coluna so includos
na tabela de contingncia para facilitar a anlise

Os seguintes passos so usados para se construir uma tabela de contingncia:


Colete os dados com unidades identificadas por duas variveis de interesse. Alguns
exemplos de variveis tpicas so:
Antes da Mudana e Depois da Mudana
Sexo (homem/mulher) e Departamento (A/B/C)
Doena Diagnosticada (X/Y) vs. Mdico (Smith/Jones)
Pontuao pelo Examinador A vs. Pontuao pelo Examinador B
As medidas para cada varivel devem ser classificadas em categorias. Duas
categorias para cada varivel resultam em uma tabela de contingncia 2x2, mas a
tabela pode ser estendida para mais de duas categorias.
Para uma tabela 2x2, trace um quadrado com quatro clulas. Essa ser a base para a
tabela.
Rotule as linhas da tabela com uma das variveis. Rotule as colunas da tabela usando
a outra varivel de interesse.
Baseado nas categorias para as duas variveis, conte o nmero de unidades em cada
uma das quatro clulas e coloque essa contagem na clula apropriada.
Algumas vezes os totais de linha e coluna so includos na tabela de contingncia para
facilitar a anlise.

392
Exemplos

No exemplo, vemos uma tabela de contingncia para a anlise da eficcia da ciclosporina.


Esta, uma droga imunossupressora, da classe dos inibidores de calcineurina, isolada
do fungo Tolypocladium inflatum. A ciclosporina suprime as reaes imunolgicas que
causam rejeio de rgos transplantados, reduzindo a probabilidade de rejeio, com a
vantagem de no apresentar os efeitos colaterais indesejveis de outras drogas usadas para
esse fim. A ciclosporina tornou-se disponvel em 1979, possibilitando o retorno s
atividades de transplante anteriormente abandonadas. Como resultado do uso da
ciclosporina, as cirurgias bem-sucedidas de transplantes tornaram-se corriqueiras.
Mas quando foi descoberta em 1972, a droga precisou passar por um processo de estudo
at ser liberada para o seu uso em 1979. No slide, podemos ver uma pequena parte deste
estudo em que os resultados foram expressos por meio de uma tabela de contingncia e
um grfico de barras. Pela tabela, possvel verificar com a droga, 59,46% dos tratados
lograram xito, enquanto com o placebo, apenas 32,35%. Ou seja, pela tabela fica clara a
eficincia da droga.
A mesma informao, est disponvel no grfico de barras.

393
Exemplo antibitico

Antibitico Infeco

A 12

B 60

C 28

Total 100

Qual o melhor antibitico?

Um centro de cirurgia clnica pretende fazer mudanas no nvel de infeces ps-


cirrgicas. Era um procedimento padro administrar antibiticos antes da cirurgia para
evitar infeces. Eles fizeram algumas mudanas para assegurar que os antibiticos
fossem dados na hora mais oportuna. Em seguida eles focalizaram em que tipo de
antibitico seria mais eficaz.
Eles executaram um ciclo para analisar alguns dados histricos de 100 pacientes que
tinham desenvolvido infeces aps a cirurgia. Para cada paciente foram registradas
algumas informaes demogrficas, assim como o tipo de antibitico que foi
administrado. Das 100 pessoas que desenvolveram infeces, 12 receberam antibiticos
A, 60 antibitico B e 28 antibitico C. Uma anlise superficial desses dados poderia
sugerir que B no foi muito eficaz e que o centro deveria mudar para o antibitico A.
Entretanto, uma anlise cuidadosa requer que se descubra se as mesmas porcentagens so
encontradas para pacientes que no desenvolvem infeces. Os dados completos esto na
tabela de contingncia. Os pacientes da amostragem que receberam C tinham uma chance
muito menor de desenvolver uma infeco. A equipe decidiu executar um teste para os
prximos trs meses usando o antibitico C, que ao final do perodo, mostrou-se uma boa
escolha.

394
Resumo: tabela de contingncia

Agora, gostaramos de saber se voc aprendeu sobre


tabela de contingncia. Por isto, respondam:

O que so?
Quando utilizar?
Como fazer?

Uma tabela de contingncia uma representao tabular da relao entre pares de


variveis. Os grficos de disperso mostram a relao graficamente enquanto que as
tabelas de contingncia ilustram a relao numericamente. A tabela de contingncia
focaliza em categorias ou agrupamentos de dois fatores ou variveis de interesse.
As tabelas de contingncia tambm podem ser desenvolvidas para taxas e outras medidas.
As tabelas de contingncia so teis para determinar o efeito da interao que duas
variveis tm nas contagens ou estatsticas de resumo no corpo da tabela.

395
Agora sua vez...

Selecione duas variveis de interesse em um


processo em que voc trabalhe. Desenvolva uma
tabela de contingncia para essas duas variveis.
Colete dados do processo para completar a tabela,

396
Agora sua vez...

1. Considere os dados sobre os tempso de dowload de


trs provedores no arquivo AULA com MINITAB.mpj,
worksheet 25 provedor_estrat. Qual provedor mais
rpido?
2. Pediu-se a um grupo de gerenciamento de projeto que
estudasse e melhorasse o sistema de entrega de
projetos. Leia a descrio do exerccio na apostila e
encontre focos de mudana por meio de grficos de
disperso. Os dados esto no arvquivo 08
Ativ_gerenc_projetos.mtw.

397
Agora sua vez...

1. Gorjeta em restaurante pode ser influenciada por


muitos fatores incluindo o tipo de restaurante, tamanho,
localizao da mesa, etc. Leia a descrio do exerccio
na apostila. Alguma varivel explica o aumento da
gorjeta? Os dados esto no arquivo 20
Ativ_Gorjeta.mtw.
2. Leia a descrio do exerccio na apostila e responda s
perguntas propostas. Sobre qual evento histrio os
dados do arquivo Ativ_evento historico.mtw se
referem?

398
Planejamento de Experimentos

Todos os experimentos so planejados, porm os que do errado so


mal planejados e os que do certo, bem planejados

PLANEJAMENTO DE EXPERIMENTOS
Se tivssemos recursos e tempo infinitos, provavelmente no seria um problema realizar
mais experimentos do que o necessrio. Em produo e em controle de qualidade,
queremos controlar os erros e aprender o mximo possvel sobre o processo ou sobre
teoria subjacente com os recursos que temos disponveis. Do ponto de vista de engenharia,
ns utilizamos a experimentao para os seguintes fins:
Reduzir o tempo para projetar / desenvolver novos produtos e processos;
Melhorar o desempenho dos processos existentes;
Melhorar a confiabilidade e o desempenho dos produtos;
Conseguir produtos e processos mais robustos ( prova de erros);
Realizar a avaliao de materiais, alternativas de projeto, desenvolver componentes e
ajustar os sistemas de tolerncias, etc.
Sempre queremos afinar ou melhorar o processo. No mundo de hoje, a busca por maior
competitividade afeta a todos ns, tanto como consumidores, mas principalmente como
produtores de produtos ou servios.
Robustez um conceito que entra na estatstica de vrias maneiras. Na fase de anlise,
refere-se a uma tcnica que no excessivamente influenciada por dados errados. Ou
seja, mesmo se houver um ponto muito fora ou mal coletado, voc ainda ir obter a
resposta certa. Independentemente de quem ou o que estiver envolvido no processo de
experimentao - ele ainda estar correto.

399
Um pouco de histria...

Origem Agrcola 1918 1940s


R. A. Fisher e seus colegas
Profundo impacto na cincia agrcola
Design Fatorial e Anova

Primeira era industrial 1951 1970s


Box & Wilson, Superfcie de Resposta
Aplicao nas indstria qumicas e em processos industriais

Seguda era indstria 1970s 1990


Iniciativa de melhoria da qualidade em vrias empresas
TQM torna-se meta de vrias empresas
Taguchi e o Design de parmetro robusto

Era moderna 1990s hoje


Globalizao e competio econmica esto tornando todos os
setores econmicos mais competitivos

400
Definies importantes

Experimento
Teste ou srie de testes nos quais mudanas intencionais so feitas em variveis de entrada de
um processo (fatores) de tal forma a observar e identificar os efeitos nas variveis respostas
Planejamento de Experimentos
Procedimentos que possibilitam planejar experimentos e analisar os resultados

Objetivo
Determinar as principais causas de variao, encontrar condies que maximizem ou
minimizem a resposta, comparar as respostas para diferentes configuraes das variveis de
entrada, obter um modelo para predizer resultados futuros e fornecer uma base para aes no
processo

Utilizaes
Projetar e desenvolver um produto
Melhorar um processo existente
Melhorar um processo novo aps partida
Desenvolver produtos e processos robustos perante fontes externas de variabilidade
Reduo do tempo de desenvolvimento de um produto
Reduo de custos globais

401
Como fazer?

Passos
Desenvolver uma descrio clara e concisa do problema
Identificar, pelo menos tentativamente, os fatores importantes que
afetam o problema ou que desempenham papel importante na soluo
Propor um modelo para o problema, usando conhecimentos cientficos
sobre o problema em estudo. Estabelecer as suposies e limitaes
sobre o modelo
Conduzir experimentos e coletar dados para testar ou validar o modelo
proposto
Refinar o modelo com base nos dados observados
Conduzir experimentos para validar a soluo proposta
Consolidar o aprendizado e fazer recomendaes baseado nos
resultados do experimento

402
Imagine o cenrio...

Como saber qual o


melhor provedor de
acesso internet de sua
regio?

Uma das questes mais comuns que fazemos quando estamos mudando de endereo
residencial ou do escritrio : qual o melhor provedor de acesso internet disponvel
nesta regio? Posto isto, qual a melhor maneira de responder a este questionamento? H
basicamente trs estratgias:
Pesquisar na internet, como fizemos no slide, para encontrar quais os melhores
provedores, segundo dados coletados em vrios experimentos por sites especficos.
No caso, utilizamos o www.minhaconexao.com.br.
Pesquisar nos sites dos provedores quais as velocidades prometidas.
Realizar um experimento para descobrir qual o provedor mais rpido.
Das trs opes, prefiro comear pela a, buscando quais sos os melhores provedores da
regio e depois, partir para a c. Sou daqueles que s confio num nmero quando sei o
mtodo pelo qual ele foi coletado.

403
Qual melhor provedor?

Uma empresa resolve testar dois provedores, A e B. Dez


downloads do mesmo pacote so realizados com o
provedor A e B num dia normal de operaes. Os dados
comparativos entre os dois provedores esto na figura
abaixo

O que se pode concluir com o experimento?

Qual provedor melhor? Pelo grfico, o que demorou menos tempo em mdia, para
realizar os downloads foi o provedor A. Porm, ser que podemos realmente concluir que
o A melhor, ou pode haver outros fatores que esto afetando este resultado? Em
tratando-se de provedores, pode-se pontuar uma srie de fatores que podem afetar o tempo
de download. So eles:
Trafego na rede
Computadores acessando o site
Outras tarefas sendo feita no computador
Sistema do provedor
O dia da semana
Velocidade do processador
Quantidade de memria
Assim, fica claro que para sermos mais assertivos nesta anlise, precisamos rodar um
experimento utilizando critrios mais rigorosos, a fim de controlar estes vrios fatores
que podem influenciar em nosso resultado.

404
Definies importantes sobre experimentos

Varivel resposta Experimento


Fator Erro experimental
Nvel de um fator Replicao
Tratamento Aleatorizao
Variveis de bloco Blocagem
Variveis de rudo Repetio
Unidade experimental
Bloco
Efeito
Plano experimental
Corrida experimental

Antes de comearmos a discutir experimentos, importante alinharmos algumas


definies que servem como base para o estudo dos experimentos. So elas:
Varivel resposta: uma varivel observada ou medida em um experimento resultado
do experimento
Fator: varivel que deliberadamente mudada para observar seu efeito na varivel
resposta
Nvel de um fator: os valores escolhidos para esses fatores nos quais se conduz o
experimento
Tratamento: uma condio experimental ou um procedimento cujos efeito se deseja
medir. Uma combinao de nveis de fatores, ou simplesmente, pode-se utilizar uma
analogia com receita. Dizemos que o tratamento uma receita para se fazer o
experimento.
Variveis de bloco: variveis que potencialmente afetam a varivel resposta. Mas que
no de interesse medir seu efeito. Devem ser controladas por meio de tcnicas
experimentais para que seu efeito seja removido do erro experimental
Variveis de rudo: variveis que afetam a resposta, mas que so desconhecidas ou que
so conhecidas, mas que no podem ser controladas no experimento
Unidade experimental: pores de material ou indivduos em que os tratamentos so
comumente aplicados
Bloco: grupo de unidades experimentais homogneas, usualmente definidas por variveis
de bloco. Espera-se que a variabilidade entre unidades experimentais do mesmo bloco
seja menor que a variabilidade entre todas as unidades experimentais
Efeito: mudana na varivel resposta que ocorre quando se mudam os nveis de um fator
Plano experimental: arranjo de nveis de fatores e de variveis de bloco

405
Corrida experimental: realizao da aplicao de um tratamento a uma unidade
experimental. Um experimento ento um conjunto de corridas experimentais. Um
resultado experimental uma medida resultante de uma corrida experimental
Experimento: teste ou srie de testes nos quais mudanas intencionais so feitas em
variveis de entrada de um processo (fatores) de tal forma a observar e identificar os
efeitos nas variveis respostas
Erro experimental: percebido por quem realiza experimentos que duas unidades
experimentais submetidas ao mesmo tratamento ( mesma condio experimental)
usualmente apresentam respostas diferentes. Essa variabilidade nas respostas devido ao
que denominamos de erro experimental. A avaliao do erro experimental de
fundamental importncia no processo de tomada de deciso por meio do teste estatstico
de hipteses. No contexto da Estatstica o termo erro no est associado com a noo
comum de realizar algo de uma forma no apropriada. O erro se refere variabilidade
que ocorre nas respostas devido atuao de fatores no controlados, muito embora possa
incorporar tambm erros grosseiros de procedimento. Usualmente o erro experimental
devido a duas causas principais:
A primeira delas devido variabilidade que existe entre as unidades experimentais.
As propriedades fsicas e qumicas ou as caractersticas biolgicas de cada unidade
experimental fazem com que as respostas de duas unidades possam apresentar
respostas diferenciadas mesmo sendo tratadas da mesma forma.
A segunda devido impossibilidade de se manter uniformes as condies de
realizao de um experimento. Duas reaes qumicas, realizadas com os mesmos
nveis dos fatores de controle, sofrem influncias ambientais diferentes.
Replicao: importante para gerar informao sobre o erro experimental
Aleatorizao: importante para gerar uma distribuio de referncia vlida para realizar
comparao (relao sinal/rudo)
Blocagem: importante para controlar fontes de variao conhecidas, reduzindo o erro
experimental e aumentando a sensibilidade do experimento (aumentar a relao sinal
rudo)
Repetio: medir duas ou mais vezes a mesma unidade experimental

406
Como tudo isto se combina?

Fatores de processo

Xp+1 Xp+2 x p+q

Fatores de
entrada
x1 Sadas Y Varivel
x2 Processo de
resposta
transformao
xp

z1 z2 zr e1 e2 es
Variveis de bloco Variveis de rudo

Variveis no controlveis

A figura representa um modelo geral para um processo ou sistema e como os itens se


encaixam. Consegue se verificar os diversos fatores de entrada (inputs), as variveis no
controlveis que se dividem em variveis de bloco e de rudo, os fatores de processo e a
sadas. Por meio do modelo, fica fcil enxergar quais so os fatores cujo comportamento
desejamos aprender mais, quais so os parmetros de entrada, quais as variveis no
controlveis, mas que so importantes medirmos e a varivel resposta.
Por meio das alteraes intencionais nos fatores de processo, conseguiremos alterar o
valor da varivel resposta e assim, aprendermos mais sobre os impactos dos fatores e das
variveis de rudo na varivel resposta. Com este aprendizado, fica mais fcil propormos
mudanas no processo ou no sistema que o levaro para o patamar de desempenho que
desejamos alcanar.

407
Princpios bsicos para a anlise

Anlise A anlise e interpretao dos resultados deve estar conectada


ao conhecimento atual dos experts no assunto que est
sendo tratado

As condies de aplicao dos resultados sero, em geral,


diferente das condies do estudo. A participao dos experts
no assunto fundamental para avaliar a magnitude e o
impacto dos efeitos observados

Mtodos de anlise devem ser fortemente baseados em


grficos

408
Como fazer experimentos?

Passos Defina o problema


Escolha os fatores e seus nveis
Selecione a(s) varivel(eis) resposta
Escolha o plano experimental
Execute o plano experimental
Analise os dados e interprete os resultados
Prepare um relatrio
Execute as aes recomendadas

O ponto de partida para se iniciar um experimento definir sua pergunta a ser respondida,
ou qual problema voc deseja solucionar. Depois, define-se os fatores que podem afetar
sua varivel resposta e quais nveis voc deseja utilizar, lembrando que nveis so os
valores que os fatores iro assumir durante o experimento. Em seguida, seleciona-se a
varivel resposta que importante para resolver seu problema.
Doravante, escolhe-se o plano experimental, executa-o, anota toda anomalia ocorrida
durante o experimento e ao final, analisa-se os resultados. Depois, elabora-se um
relatrio, que deve recomendar algumas aes para que o problema seja resolvido. Ao
final, elabora-se um plano de ao bsico, do tipo 5W2H para que aes recomendadas
sejam de fato implementadas.
Para ajuda-lo a elaborar, executar, analisar e tomar aes em cima dos seus experimentos,
recomendamos fortemente estrutura-los por meio de um ciclo PDSA.

409
Como fazer um bolo saboroso?

Fatores Nveis Respostas


(variveis) (ajustes) (sadas)

Forno

Acar

Fermento

Caractersticas:
Ovos Sabor
Consistncia
Cor

No ltimo slide, falamos sobre os passos para planejarmos um experimento. Para


consolidar o conceito, eis aqui um exemplo de experimento de um bolo. Dona Mafalda,
gostaria de fazer um bolo bem gostoso para impressionar seu neto. Diante deste problema,
ela comeou a elaborar o seu experimento.
Problema: elaborar um bolo gostoso para seu neto
Fatores: temperatura do forno, quantidade de acar, quantidade de fermento e
quantidade de ovos. Como nveis, ela adotou temperatura de 180 e 240 graus Celsius,
duas colheres e trs colheres de acar, 5 g e 10 g de fermento e 2 e 3 ovos. Dona
Mafalda definiu um experimento com 4 fatores, sendo que cada fator ser testado em
2 nveis
Varivel resposta: nota, de 0 a 10, para o sabor do bolo medida pelas amigas da Dona
Mafalda.

410
Experimento Fatorial

O experimento certo para estudar o impacto de dois ou mais fatores numa


varivel resposta

EXPERIMENTO FATORIAL
Muito do que vamos aprender neste curso, devemos ao Sir Ronald Fisher um estudante
de biologia e matemtica da universidade de Cambrigde (Inglaterra), que em 1909 foi
trabalhar em uma estao agrcola experimental chamada de Rothamsted Station. Esse
centro de pesquisas tinha o objetivo de desenvolver tecnologias capazes de aumentar a
produtividade agrcola, como novos fertilizantes ou espcies de plantas.
Na primeira metade do sculo 20, eles lanaram as bases para a estatstica e para o
planejamento de experimentos. Ele e seu colega Frank Yates desenvolveram muitos dos
conceitos e procedimentos que usamos hoje. Dentre estes, podemos listar os conceitos
bsicos, tais como anlise ortogonal e quadrados latinos, desenvolvidos entre os anos 20
e 40, alm claro, do Experimento Fatorial que ser o objeto de estudo nesta sesso.

411
O experimento do bolo

Fatores Nveis Respostas


(variveis) (ajustes) (sadas)

Forno

Acar

Fermento

Caractersticas:
Ovos Sabor
Consistncia
Cor

Em muitas situaes comum a necessidade de estudar o efeito de diversas variveis de


entrada ou de processo (fatores) em uma varivel de output (varivel resposta). No caso
do bolo da Dona Mafalda, ela quer estudar o efeito de 3 variveis de entrada (acar,
fermento e ovo) e de uma varivel de processo (temperatura do forno) no sabor do seu
bolo. Para isto, Dona Mafalda sabe que os experimentos fatorais so o tipo de
experimento certo a se fazer.
Porm, antes de comear seus experimentos, a Dona Mafalda aproveita para consultar os
dados histricos do processo por meio de seu livro de receitas e de suas amigas. Seu
objetivo com isto, descobrir quais os ajustes corretos de ovo, acar, fermento e
temperatura ela precisa utilizar para que o bolo tenha o sabor nota 10. Porm, depois de
ligar para algumas amigas ela descobriu que esta abordagem tem limitaes.
Dona Maria, sua amiga mais prxima, ao passar a receita de seu bolo, esqueceu de dizer
que ele tambm era adoado com mel. Por isto, quando Dona Maria informou que seu
bolo Light utilizava apenas uma colher de acar. E como Dona Mafalda descobriu este
problema? Ela fez o bolo com apenas uma colher do confeito e seu sabor obteve a nota 2,
o que no era a nota 10 que ela desejava.
Aps pensar um pouco, Dona Mafalda viu que esta pesquisa tinha algumas limitaes,
pois:
Nem todas as variveis (Xs) foram medidas;
No permite estabelecer relao de causa e efeito mesmo que exista correlao com a
varivel resposta;
As variveis de rudo impactam o resultado da varivel resposta e nem sempre estas
so medidas;
Geralmente ser necessrio obter dados corretos e confiveis para alcanar os
resultados desejados;

412
Uma forma adequada de medir o efeito de variveis de entrada e de processo em variveis
de sada (ou variveis respostas), realizar experimentos planejados. Em um experimento
planejado, ns fazemos mudanas deliberadas em uma ou mais variveis de processo ou
de entrada (fatores) com o objetivo de observar o efeito dessas mudanas em uma ou mais
variveis respostas. Em nosso exemplo, podemos alterar a temperatura do forno, a
qualidade de acar, fermento e ovos, e observar o impacto destas mudanas no sabor,
consistncia ou na cor do bolo da Dona Mafalda. O planejamento estatstico do
experimento um procedimento eficiente e eficaz para obter e analisar dados, obtendo
concluses vlidas e objetivas.

413
PDSA: o caminho para o DOE

Tiram-se as
concluses e Planeja-se o
planejam-se experimento
as aes

Executa-se o
Analisa-se plano e
os dados coleta os
dados

Ao se fazer mudanas em um processo, preciso assumir uma postura de aprendizado, e


o PDSA a estrutura mais adequada para potencializar o aprendizado. Para execut-lo,
devemos:
Planejar o experimento para responder questes especficas necessrios para se
resolver o problema (como o sistema funciona ou quais so as causas que geram
determinados efeitos). Para estas questes, elaboram-se predies fundamentadas na
teoria dos envolvidos. Elaboradas as predies, registra-se quais indicadores sero
necessrios coletar para responder as perguntas e validar, ou no, as predies. Em
seguida, descreve-se o passo a passo para a execuo do experimento;
O plano executado e dados so coletados;
Os dados so analisados para ver como os resultados reais se comparam teoria
(conhecimento atual);
Concluses so tiradas da anlise e um plano de ao elaborado, para que o problema
inicial seja resolvido.
Esse processo faz com que:
A crena nos conhecimentos atuais cresa (caso os dados obtidos estejam de acordo
com a teoria);
Sejam realizadas modificaes na teoria atual ou o desenvolvimento de nova teoria
(caso os dados obtidos no estejam de acordo com a teoria).
O aprendizado obtido conduz a aes apropriadas com o objetivo de melhorar o
produto ou processo;
De maneira resumida, o PDSA para apoio do DOE dever abranger:
Plan
Estabelecer o objetivo do experimento
Formular as questes que se pretende responder

414
Identificar a varivel resposta
Identificar os fatores
Escolher os nveis dos fatores
Decidir sobre o plano experimental
Aleatorizar as corridas experimentais
Do
Realizar o Experimento
Observar e anotar outros eventos que ocorram durante a realizao do
experimento
Study
Analisar os dados
Determinar a melhor combinao
Confirmar os resultados
Act
Responder as questes
Consolidar o aprendizado
Decidir que aes sero realizadas
Este ciclo repete-se continuamente, pois sempre ser necessrio mais conhecimento para
manter-se competitivo.

415
Helicptero de Papel

Uma empresa, fabrica helicpteros de papel. Seus clientes,


desejam que o helicptero gire enquanto caia e permanea o
maior tempo possvel em voo. Atualmente, os clientes reclamam
que o concorrente fabrica um helicptero que voa o dobro do
tempo. Seu desafio virar este jogo!

416
Helicptero de Papel

Para virar o jogo, a primeira coisa a ser feita analisar o projeto do helicptero. Para isto,
o setor de engenharia confeccionou uma tabela com todos os fatores passveis de alterao
e com os nveis sugeridos para o teste. Segundo a engenharia, estes so os fatores que
podero alterar a varivel resposta - tempo de voo. Porm, necessrio verificar se a
teoria propagada pela engenharia ou no vlida. Diante deste problema, pergunta-se:
Quais fatores efetivamente afetam o tempo de permanncia no ar?
Como realizar um experimento para avaliar o efeito dos fatores?

417
Estratgia 1

Uma estratgia muito utilizada para realizar experimentos


variar um fator de cada vez. Com esta estratgia, iremos
realizar 10 experimentos, para poder variar todos os
fatores possveis.

Essa estratgia consiste em:


Selecionar uma determinada combinao de nveis dos fatores (baseline);
Escolher um fator. Variar os nveis desse fator mantendo os nveis dos outros fatores
fixos;
Verificar qual nvel do fator que foi alterado produz o melhor resultado;
Fixar esse nvel para o fator;
Escolher outro fator;
Variar os nveis desse fator mantendo os nveis dos outros fatores fixos;
Verificar qual nvel do fator que foi alterado produz o melhor resultado;
Fixar esse nvel para o fator;
Repetir esse processo para todos os fatores para encontrar a melhor combinao.

418
Estratgia 1

Plano de Ao da Estratgia 1

1.Fixe o Comp da Asa em 3 e varie a 1.Fixe a Larg do Corpo em 5 e varie


Larg do Corpo o Comp da Asa
2.O melhor valor para a larg do corpo 2.O melhor valor para o Comp da
5 Asa 6

Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo

5 1,7 3 1,7
3 5
8 1,5 6 2,0

Melhor combinao
(6,5)

Imagine que voc tenha executado o plano de ao da estratgia 1 e tenha obtido os


resultados da tabela. O que ir recomendar ao departamento de engenharia que faa? Qual
o melhor comprimento da asa e largura do corpo, supondo que todos tenha cado girando
da mesma maneira?
Pela tabela, est claro que o maior tempo de voo foi estabelecido quando o comprimento
da asa foi 6. J para a largura do corpo, o melhor ajuste 5. Correto?

419
Estratgia 1

Plano de Ao da Estratgia 1

1.Fixe a Larg do Corpo em 8 e varie 1.Fixe a Comp da Asa em 3 e varie a


o Comp da Asa Larg do Corpo
2.O melhor valor para a Comp da 2.O melhor valor para Larg do Corpo
Asa 3 5

Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo

3 1,5 5 1,7
8 3
6 1,2 8 1,5

Melhor combinao
(3,5)

Imagine que voc tenha executado o plano de ao da estratgia 1, mas tenha feito a
anlise de forma diferente. O que ir recomendar ao departamento de engenharia que
faa? Qual o melhor comprimento da asa e largura do corpo, supondo que todos tenha
cado girando da mesma maneira?
Pela tabela, est claro que o maior tempo de voo foi estabelecido quando o comprimento
da asa foi 3. J para a largura do corpo, o melhor ajuste 5. Correto?
Como o mesmo experimento pode recomendar que voc utilize a combinao 6,5 e
depois, se voc alterar a ordem do fator que sofrer a variao primeiro, pode recomendar
o ajuste 3,5? Deu um n a? Ou deu uma sensao de que os testes A/B que dominam o
mundo digital podem no ser to interessantes assim.

420
O perigo da variao de 1 fator por vez

Problemas com essa estratgia


Para que essa estratgia funcione (encontrar a melhor
combinao dos nveis dos fatores) necessrio que os
efeitos dos fatores sejam aditivos
Mesmo que os efeitos sejam aditivos, essa estratgia
ineficiente
Caso haja interaes entre os fatores, essa estratgia
no consegue identific-las e estim-las
A melhor forma de conduzir experimentos por
meio da tcnica de Experimentos Fatoriais

A tentativa de obteno de mximo rendimento por cada componente individual do


sistema no necessariamente leva ao rendimento mximo do sistema. Langley et al
(2011) afirmam que pessoas em sistemas normalmente trabalham para propsitos
distintos, todas tentando otimizar seu prprio sistema. Tomar medidas que ajudem as
pessoas a pensarem em si mesmas como parte do mesmo sistema pode dar-lhes um
propsito comum e constituir uma base para otimizar o sistema maior. Deming (2003),
por sua vez, afirma que a implementao de melhorias pode demandar testes
simultneos para dois ou mais fatores, com a utilizao de mtodos estatsticos
adequados. Quando executados separadamente, testes para dois ou mais fatores podem
negligenciar a interao dos fatores entre si. Um exemplo comum seria a ingesto
simultnea de bebidas alcolicas e ansiolticos. O resultado dessa mistura a perigosa
exacerbao dos efeitos de ambas as substncias.
No exemplo do helicptero h interao entre largura do corpo e comprimento da asa.
Para um comprimento de asa, h uma largura melhor. Por exemplo, se a largura do corpo
for 8, o melhor comprimento de asa ser 3. Agora, se a largura for 5, o melhor
comprimento ser 6. Percebe que h uma interao entre os fatores comprimento de asa
e largura de corpo? E, como queremos o melhor ajuste do helicptero, precisamos
encontrar a melhor relao comprimento corpo? O helicptero de comprimento da asa de
6 e largura do corpo 5 tem um tempo de voo de 2 segundos, j o helicptero com
comprimento de 3 e largura do corpo de 8, ter um tempo de voo de 1,5.
Para no incorrermos neste tipo de erro, a melhor forma de conduzir nossos experimentos
por meio dos Experimentos Fatoriais.
Tal tcnica foi desenvolvida pelo brilhante Ronald Fisher quando foi contratado por Sir.
John Russel para trabalhar na Estao Experimental Agrcola de Rothamsted, criada por
um fabricante britnico de fertilizantes. O solo argiloso no era bom para nenhum tipo de
planta, mas os donos tinham descoberto como combinar pedras esmagadas com cido
para produzir o que se conhecia como Superfosfato. Os lucros da produo deste produto
foram utilizados para a criao de uma estao experimental a fim de desenvolver novos
fertilizantes artificiais.

421
Durante 90 anos a estao fez experimentos, testando diferentes combinaes de sais
minerais e linhagens de trigo, centeio, cevada e batata. Isso criara um enorme depsito de
dados, registros dirios exatos de chuva e temperatura, registros semanais de preparaes
de fertilizantes, medidas do solo e registros anuais de colheitas tudo preservador em
dirios de anotaes encadernados. A maioria desses experimentos no produziu
resultados consistentes, mas as anotaes tinham sido cuidadosamente armazenadas nos
arquivos da Estao.
Diante desta vasta quantidade de dados, Sir John decidiu contratar algum para ver o que
havia ali, fazendo uma anlise estatstica daqueles registros. Pediu informaes e lhe foi
recomendado Fisher. Com poucos recursos para pag-lo e no podendo garantir mais de
um ano de contrato, Fisher topou o desafio. Ao chegar, caminhou pelos campos e
mergulhou nos seus mais de 90 anos de dados preciosos, a fim de empenhar-se no que
chamaria mais tarde de revolver um monte de estrume. E assim, em cima dos dados
apelidados de estrume, Fisher desenvolveu boa parte da Estatstica que conhecemos
hoje. Portanto, no fique preocupado com a qualidade dos dados que h em sua empresa
e nem com os planejamentos realizados at agora. Tenho certeza de que o conhecimento
abordado aqui ser muito til para que voc revolucione a anlise de dados no local em
que voc trabalha e crie um sistema de aprendizado adequado a era do conhecimento.

422
Introduo aos experimentos fatoriais

Introduo Determinar quais sero os fatores a serem estudados e


seus respectivos nveis e a varivel resposta

Um experimento fatorial completo quando todas as


combinaes dos nveis dos fatores esto presentes no
experimento
Vamos estudar somente experimentos fatoriais com n
fatores e cada fator com apenas dois nveis

Essa classe de experimentos denotada por 2n e


chamada de fatoriais 2n

Sero estudados aqui experimentos que envolvem uma nica varivel resposta e um
nmero n de fatores (n um nmero qualquer). Como dito, os fatores so as partes do
sistema (por exemplo, os parmetros de ajuste de uma mquina) que podem ser
modificadas.
A varivel resposta ser chamada Y, e os n fatores, X1, X2, ... , Xn. Cada fator ter 2
nveis, + e -. Pode haver, tambm, um valor central Yo, que seria, por exemplo, uma
condio de operao anterior e o experimentador tenta aperfeioar.
Todo experimento fatorial ser balanceado, o que significa que os nveis de fatores
escolhidos so os mesmos em todos os ensaios. Os fatores correspondentes ao valor
central possuem nveis correspondentes mdia dos nveis escolhidos para cada fator (so
pontos mdios, centrais). Os fatores so simtricos em relao aos fatores
correspondentes ao valor central.
O fatorial baseado em hipteses de relaes lineares, em curtos intervalos de variao.
Suponha um experimento com dois fatores, A e B, e dois nveis, {+, -}. , portanto, um
experimento 22 = 4 ensaios a se realizar. O tratamento, que indica os ensaios que devem
ser realizados, : {--, -+, +-, ++} e ser obtida uma funo resposta da forma:
= ++
Nesta funo, a o efeito do fator A, b o efeito do fator B, e c o efeito da
interao entre os fatores A e B. notvel que esta funo constitui uma aproximao
linear, ou seja, uma aproximao matemtica para um comportamento de padro
desconhecido. Quanto mais experimentos forem realizados, com nveis cada vez mais
refinados, mais precisa ser esta aproximao.
A deteco do efeito da interao entre dois fatores , como j afirmado, o grande
diferencial da metodologia DOE. As notaes para a interao de dois fatores A e B so:
A*B, AxB ou AB.

423
Os experimentos fatoriais so estudados porque:
So fceis de planejar e analisar. A anlise pode ser feita essencialmente com grficos
Requer poucas rodadas experimentais (reduz custo e tempo de experimentao)
Pode ser aplicada em uma ampla gama de situaes onde necessrio melhorar
produtos ou processos

424
Notao

X1; X2; X3; X4; ...Y


X1 = a1; b1
Identificar os fatores, os nveis e a X2 = a2; b2
varivel resposta ...

Ex: Fatorial 22
Trat A B Resposta

Dois nveis 1 -1 -1 y1
a=(+)
b=(-) 2 1 -1 y2
3 -1 1 y3
4 1 1 y4

2n
Nmero de fatores
Nmero de nveis

Algumas definies importantes para entendermos os experimentos fatorais:


n fatores com dois nveis cada
Fatores: A, B, ...
Codificao dos nveis
Nveis: {+ , -} ou {0 , 1} ou {1 , 2}
Tratamento
Qualquer combinao de nveis dos fatores

Exemplo: 22
Fatores: A e B
Tratamentos: {- - , - + , + - , + +}
importante se destacar que a escolha do que um nvel superior ou inferior
arbitrria e do experimentador. Os nveis podem ser variveis numricas ou
categricas. Em um experimento que visa aferir os efeitos das combinaes de corantes
sobre a cor final de um plstico produzido em uma fbrica, podem ser atribudos valores
numricos s cores finais, obtidos por uma tcnica analtica, ou apenas valores
categricos. O experimentador poderia definir o nvel + como a cor preta, o nvel como
a cor branca, e o valor central como a cor cinza (ou no definir nenhum valor central).
Em outro estudo, que vise aferir os efeitos das ferramentas de corte sobre a presena de
riscos em um piso cermico produzido em certa fbrica, o nvel + poderia ser definido
como a ausncia de riscos e, o nvel -, como a presena de riscos.

425
Anlise

Nos experimentos fatoriais, precisamos analisar:

Efeitos principais

Efeitos da interaes

Para encontrar o efeito:


Toma-se a mdia aritmtica de todos os valores Y de varivel resposta para os quais
o nvel seja +;
Subtrai-se deste valor a mdia aritmtica de todos os efeitos para os quais o nvel
seja -;
O valor obtido o efeito desejado. Caso a mdia dos nveis - seja maior que a dos
nveis +, o valor encontrado ser negativo.

Ao fim do experimento, possvel comparar, em um grfico de Pareto, a intensidade


relativa de cada efeito e qual (ou quais) so de fato significativo (s) para a resposta
analisada. O grfico de Pareto tambm revela se existe realmente interao entre os
fatores. Para encontrar a combinao de fatores que maximiza o resultado da
varivel resposta, pode ser feita a avaliao dos resultados obtidos para os nveis, bem
como possvel construir diagramas de interao, que permitem uma visualizao mais
rpida e um maior grau de aprendizagem.
Apesar de aparentar ser um procedimento bastante complexo, a execuo e anlise do
fatorial pode ser bastante otimizada pelo uso de ferramentas computacionais. Ser
mostrado, a seguir, um estudo de caso real com um guia de como proceder utilizando o
Minitab 17. Este software possui diversos recursos: gera a matriz de experimentos, pode
criar uma ordem aleatria para a realizao deles, e capaz de construir grficos de
Pareto, diagramas de interao, fornecer os valores da anlise acima e sugerir a melhor
receita de fatores (receita campe).

426
Anlise efeitos principais: Helicptero

Calculo do efeito do fator A 1.7


Main Effects Plot

YA(+)= (1.6 + 1.8)/2 = 1.7 1.6

YA(-) = (1.2 +1.2)/2 = 1.2

Mean of y4
1.5

1.4

Efeito de A = [1.7 1.2] = 0.5 1.3

O efeito do fator A pode ser 1.2

-1 1

mostrado graficamente
A

Trat Comp Asa (A) Larg do Corp (B) Tempo


1 - - 1.2
2 + - 1.6
3 - + 1.2
4 + + 1.8

Observe que o efeito de um fator o produto da coluna do fator pela coluna de respostas
dividido pela quantidade de linhas com sinal (+). Neste exemplo, o fator (A) ou
comprimento da asa tem um efeito de 0,5. Quanto positivo, o resultado no tempo 1,7.
Quando negativo, 1,2. Portanto, sua variao corresponde a uma variao de 0,5 na
varivel resposta.

427
Anlise efeitos principais: Helicptero

Calculo do efeito do fator B


YB(+)= (1.2 + 1.8)/2 = 1.5
YB(-) = (1.6 +1.2)/2 = 1.4
Efeito de A = [1.5 1.4] = 0.1
O efeito do fator B pode ser
mostrado graficamente

Trat Comp Asa (A) Larg do Corp (B) Tempo


1 - - 1.2
2 + - 1.6
3 - + 1.2
4 + + 1.8

Observe que o efeito de um fator o produto da coluna do fator pela coluna de respostas
dividido pela quantidade de linhas com sinal (+). Neste exemplo, o fator (B) ou largura
do corpo tem um efeito de 0,1. Quanto positivo, o resultado no tempo 1,5. Quando
negativo, 1,4. Portanto, sua variao corresponde a uma variao de 0,1 na varivel
resposta.

428
Anlise dos efeitos da interao: Helicptero

Considere novamente o Comp Larg


Trat AB Tempo
exemplo (A) (B)
Efeito de A para B=(+)
1 - - + 1.2
AB=(+) = 1.8 1.2 = 0.6
Efeito de A para B=(-) 2 + - - 1.6
AB=(-) = 1.6 1.2 = 0.4
3 - + - 1.2
Interao de A com B
AB = (AB=(+) - AB=(-))/2 4 + + + 1.8
= (0.6 0.4)/2 = 0.1

Dizemos que existe interao entre dois fatores quando o efeito de um fator em uma
resposta depende do nvel do outro fator. Para avaliar a interao, calculamos o efeito de
um fator em cada nvel do outro e comparamos. Se forem significativamente diferentes
dizemos que h interao entre os fatores. No caso do helicptero podemos observar que
h interao, pois, a interao de A com B de 0,1.
importante observar que:
AB=[(1.8-1.2)-(1.6-1.2)]/2=[0.6-0.4]/2 =0.1
O efeito da interao de A com B igual ao produto da coluna AB pela coluna de
respostas dividido pela quantidade de linhas com sinal (+)

429
Anlise grfica das interaes

Interaction Plot Interaction Plot

2.00 A 2.00 A
-1 -1
1 1

1.75 1.75

Mean

Mean
1.50 1.50

1.25 1.25

1.00 1.00

-1 1 -1 1
Sem Interao B Interao moderada B

Interaction Plot Interaction Plot

2.00 A 2.00 A
-1 -1
1 1

1.75 1.75
Mean

Mean
1.50 1.50

1.25 1.25

1.00 1.00

-1 1 -1 1
Interao moderada B Interao forte B

Ao analisar o grfico, podemos verificar:


Quando no h interao as retas so praticamente paralelas
Quando as retas so significativamente no paralelas, h interao
No primeiro grfico, observamos que as retas so paralelas, ou seja, sem interao. No
segundo e no terceiro grficos, podemos observar uma interao moderada, pois as retas
no so paralelas, mas tambm no se cruzam nos nveis analisados. O cruzamento, ou
seja, a forte interao ocorre apenas no quarto. Neste ltimo possvel observar que se
utilizssemos uma estratgia como a primeira adotada no exemplo do helicptero e
varissemos apenas um parmetro por vez, teramos problemas.

430
Exerccio

Veloc Avano V_cod A_cod Acabamento

100 4 -1 -1 216
120 4 1 -1 221
100 6 -1 1 235
120 6 1 1 223

Calcular: Fazer:
1. Efeito de Veloc 1. Grfico dos Efeitos principais
2. Efeito de Avano 2. Grfico da Interao
3. Interao Veloc*Avano

Agora sua vez. Chegou a hora de calcular qual o efeito dos fatores velocidade e avano
no acabamento do material.
Efeito da Velocidade:
V100 = (235 + 216) / 2 = 225,5
V120 = (223 + 221) / 2 = 222
Efeito da Velocidade = 225,5 222 = 3
Efeito do Avano:
A4 = (221 + 216) / 2 = 218,5
A6 = (235 + 223) / 2 = 229
Efeito do Avano = 229 218,5 = 10,5
Efeito da Velocidade para o Avano:
Velocidade para Avano (+) = (223 - 216) = 7
Velocidade para Avano (-) = (235 221) = 14
Interao de A com B = (14 7) / 2 = 7

431
Resumindo: Interaes e Efeitos Principais

Temos

22
2 efeitos principais: A e B
1 interao de 2 fatores: AB

Temos
3 efeitos principais: A, B e C

23

3 interaes de 2 fatores: AB, AC, BC
1 interao de 3 fatores: ABC

Temos
6 interaes de 2 fatores: AB, AC, AD, BC, BD, CD

24

4 interaes de 3 fatores: ABC, ABD, ACD, BCD
1 interao de 4 fatores: ABCD

432
Fatorial 2: Exemplo

Um experimento foi realizado para avaliar o efeito de


Temperatura (T), Presso e Catalisador no rendimento de
uma reao qumica. Foram utilizados dois nveis de cada
fator:
Temperatura: 160, 180
Concentrao: 20%, 40%
Catalisador: A, B.
Foi realizado um experimento fatorial completo, perfazendo
um total de 8 rodadas experimentais

433
Fatorial 2: Exemplo

Rodada T: Temp (oC) C: Conc (%) K: Catal Y: Rend Mdia T C K TC TK CK TCK Y


(gramas)
+ - - - + + + - 60
a. Nveis dos Fatores
+ + - - - - + + 72
1 160 20 A 60 + - + - - + - + 54
2 180 20 A 72 + + + - + - - - 68
3 160 40 A 54
4 180 40 A 68
+ - - + + - - + 52
5 160 20 B 52 + + - + - + - - 83
6 180 20 B 83 + - + + - - + - 45
7 160 40 B 45 + + + + + + + + 80
8 180 40 B 80
8 4 4 4 4 4 4 4 divisor
b. Nveis Codificados
1 - - - 60
2 + - - 72
3 - + - 54 72 + 68 + 83 + 80 60 + 54 + 52 + 45
4 + + - 68 T= - = 23
5 - - + 52 4 4
6 + - + 83
7 - + + 45 54 + 68 + 45 + 80 60 + 72 + 52 + 45
8 + + + 80 C= - = -5
Temperatura (oC) Concentrao (%) Catalisador 4 4
- + - + - +
160 180 20 40 A B
52 + 83 + 45 + 80 60 + 72 + 54 + 68
K= - = 1.5
4 4

434
Calculo dos efeitos fatoriais

Mdia T C K TC TK CK TCK Y
60 + 68 + 52 + 80 72 + 54 + 83 + 45
TC = - = 1.5
4 4 + - - - + + + - 60
+ + - - - - + + 72
60 + 54 + 83 + 80 72 + 68 + 52 45 + - + - - + - + 54
TK = - = 10
4 4 + + + - + - - - 68
60 + 72 + 45 + 80 54 + 68 + 52 + 83 + - - + + - - + 52
CK = - =0 + + - + - + - - 83
4 4 + - + + - - + - 45
72 + 54 + 52 80 60 + 68 + 83 + 45 + + + + + + + + 80
TCK = - = 0.5
4 4 8 4 4 4 4 4 4 4 divisor

No fatorial 2 no exemplo, possvel verificar a interao moderada entre o catalisador e


a temperatura. No grfico dos efeitos principais, destaca-se a temperatura como fator que
mais impacta no rendimento (varivel resposta). Apesar dos outros fatores tambm
impactarem no rendimento, eles so menos importantes. Pelos grficos, fica fcil entender
o impacto de cada fator e a interao entre eles.

435
Anlise dos efeitos

Os efeitos significantes so aqueles que tem comprimento


destacado em relao aos demais (efeito de Pareto)

Pareto Chart of the Standardized Effects Normal Plot of the Standardized Effects
(response is Rend) (response is Rend)
F actor N ame 99
F actor N ame
A Temp
A B C onc
A Temp
B C onc
C C atal 95
C C atal
AC 90 A

80
B AC
70
AB

Percent
60
Term

AB 50 C
40 A BC
C 30
20

ABC 10 B
5
BC

1
0 2 4 6 8 10 12 14 16 18 -5 0 5 10 15
Standardized Effect Standardized Effect

Aps calcular os efeitos fatoriais (efeitos principais e interaes) preciso responder


seguinte pergunta: quais efeitos so significantes? Embora o resultado do clculo dos
efeitos seja geralmente um nmero diferente de zero, preciso verificar se esse nmero
significativamente diferente de zero. A ferramenta de anlise grfica utilizada para
responder essa questo o Grfico de Pareto dos Efeitos.
Inicie a anlise pelas interaes, perguntando-se: h alguma interao significante?
Quando a interao de dois fatores significante, a anlise dos efeitos dos fatores na
varivel resposta deve ser feita em conjunto atravs do grfico da interao
Nesses casos no se analisa os efeitos principais isoladamente
Para os efeitos que no interagem, a anlise de cada fator feita isoladamente por meio
do grfico dos efeitos. O objetivo da anlise dos efeitos :
Identificar quais fatores so significantes
Encontrar a melhor combinao dos nveis dos fatores em funo do objetivo do
experimento, a fim de otimizar o rendimento
No exemplo, a interao Temp*Catal e a Conc so significantes (Observe: como a
interao Temp*Catal significante, e por isto, no vamos analisar os fatores Temp e
Catal separadamente)

436
Exemplo Fatorial 24

Um experimento foi realizado para estudar o efeito de


quatro fatores no rendimento de uma reao qumica. Os
fatores estudados com respectivos nveis esto na tabela
abaixo.
A varivel resposta foi a porcentagem de converso

Fator - +
A: Carga Catalisador (lb) 10 15
B: Temperatura (C) 220 240
C: Presso (psi) 50 80
D: Concentrao (%) 10 12

437
Exemplo Fatorial 24

Carga Temp Pressao Conc % Conv ord aleat


Catal
10 220 50 10 70 8
15 220 50 10 60 2
10 240 50 10 89 10
15 240 50 10 81 4
10 220 80 10 69 15
15 220 80 10 62 9
10 240 80 10 88 1
15 240 80 10 81 13
10 220 50 12 60 16
15 220 50 12 49 5
10 240 50 12 88 11
15 240 50 12 82 14
10 220 80 12 60 3
15 220 80 12 52 12
10 240 80 12 86 6
15 240 80 12 79 7

438
Exemplo Fatorial 24

A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD % Conv


- - - - + + + + + + - - - - + 70
+ - - - - - - + + + + + + - - 60
- + - - - + + - - + + + - + - 89
+ + - - + - - - - + - - + + + 8+
- - + - + - + - + - + - + + - 69
+ - + - - + - - + - - + - + + 62
- + + - - - + + - - - + + - + 88
+ + + - + + - + - - + - - - - 8+
- - - + + + - + - - - + + + - 60
+ - - + - - + + - - + - - + + 49
- + - + - + - - + - + - + - + 88
+ + - + + - + - + - - + - - - 82
- - + + + - - - - + + + - - + 60
+ - + + - + + - - + - - + - - 52
- + + + - - - + + + - - - + - 86
+ + + + + + + + + + + + + + + 79
8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 Divsor

439
Exemplo Fatorial 24

Efeito fatorial Estimativa


Carga Catal -8.000
Temperatura 24.000
Pressao -0.250
Conc -5.500
Carga Catal*Temperatura 1.000
Carga Catal*Pressao 0.750
Carga Catal*Conc -0.000
Temperatura*Pressao -1.250
Temperatura*Conc 4.500
Pressao*Conc -0.250
Carga Catal*Temperatura*Pressao -0.750
Carga Catal*Temperatura*Conc 0.500
Carga Catal*Pressao*Conc -0.250
Temperatura*Pressao*Conc -0.750
Carga Catal*Temperatura*Pressao*Conc -0.250

440
Exemplo Fatorial 24

441
Exemplo Fatorial 24

Main Effects Plot (data means) for % Conversao Interaction Plot (data means) for % Conversao
77 Temperatura
85
220
76 240
80
75

Mean of % Conversao 74 75

73

Mean
70
72

71 65

70
60
69
55
68
10 15 10 12
Carga Catal Conc

Recomendao: Usar a Carga de Catalisador em 10 lb e


Temperatura 240. A Presso e a Concentrao devem
ser escolhidas em funo de custo e segurana

442
Exerccios

Experimento realizado para estudar o efeito de quatro


fatores no rendimento de uma reao qumica.
A varivel resposta foi a porcentagem de converso.

443
Exerccios

Experimento realizado para testar uma resina nova (mais


barata) proposta pelo fornecedor pode substituir a utilizada
na formulao e uma tinta automotiva.
A varivel resposta foi a dureza da tinta.

Podemos substituir o fornecedor?

444
Exerccios

Objetivo: desenvolver uma tinta automotiva com uma


formulao que comtemple duas variveis respostas
aparentemente discordantes: dureza (QMM) e flexibilidade
(Qmm) (quando uma frmula tem boa dureza sua
flexibilidade ruim e vice-versa).

445
Improve

IMPROVE
A quarta fase do roteiro DMAIC o Improve. Nesta fase, nosso objetivo testar as
mudanas desenvolvidas no Analyze, melhorando-as cada vez mais. Ao final desta fase,
saberemos quais mudanas funcionam ou no funcionam, podendo assim seguir para
a sua implementao em larga escala.
As atividades desta fase so todas relacionadas testes. Temos que entender quais so as
maneiras de testar com eficincia e como comear a implementar o que acreditamos que
dar certo. Nos prximos slides, falaremos sobre o que significa realizar testes de
mudanas e algumas das estratgias principais para fazer esses testes de maneira
assertiva e eficiente.

446
O Improve

Objetivo:
Testar as mudanas desenvolvidas, aumentando
gradativamente a sua escala.
Atividades:
Elaborao de testes de mudanas;
Aumento gradual da escala dos testes;
Consolidao do aprendizado;
Preparao para a implementao em larga escala.

447
Teste de Mudanas

O que significa testar uma mudana?

TESTE DE MUDANAS
Nos prximos slides, vamos levantar alguns pontos interessantes para que possamos
desenvolver um entendimento pleno do que significa realizar um teste.

448
Implementao, teste e mudanas

Implementar significa incorporar uma mudana


nas atividades do dia a dia.
Testes so utilizados para avaliar se as mudanas
realmente funcionam ou no.
Falhas so esperadas
Lies so aprendidas

Mas afinal, o que uma mudana?

449
A mudana uma predio

Est implcito em cada mudana uma predio


de que a mudana resultar em melhoria

Uma predio :

Realizada em resposta a uma questo;


Baseada em uma teoria.
Usualmente estabelecida em termos de um indicador

450
A mudana uma predio

Dados coletados no Measure


Teoria Anlises feitas no Analyze

Estado Mudana Estado


atual futuro

Testes utilizando o ciclo PDSA


Construo gradual da convico de Medio
que as mudanas so melhorias

Toda mudana , em sua essncia, fruto de uma predio. Essa predio, por sua vez,
no pode ser feita, sem haver uma teoria por trs. por isso que ressaltamos aqui, mais
uma vez, a importncia de entendermos o mtodo cientfico e observarmos as aes de
melhoria no seu mbito.
Quando elaboramos uma mudana, sempre temos uma teoria por trs da mesma, que
nos faz imaginarmos (ou predizermos) como vai funcionar o sistema (ou processo) aps
a sua realizao. A teoria para cada mudana construda a partir da anlise que a equipe
de melhoria faz da situao atual (usando os dados levantados na fase do Measure e as
ferramentas ensinadas na fase do Analyze). Essas anlises podem ter gerado uma
excelente teoria, capaz de formular timas predies, ou seja, timas ideias de mudana.
Entretanto, no prudente adotarmos essas mudanas na nossa operao rotineira sem
saber se elas so de fato proveitosas. Temos ento que testar essas mudanas.
exatamente isso que iremos fazer na fase do Improve. Realizaremos testes para termos
plena convico de que o estado futuro aps a mudana seja melhor que o estado atual
do nosso sistema. Como faremos isso? Por meio de medies, claro (lembrem-se da
segunda questo da melhoria). S podemos saber se uma mudana gerou uma melhoria
caso uma mtrica seja positivamente afetada.
A maneira para conduzirmos estes testes utilizando vrios ciclos PDSA. A cada ciclo
PDSA, coletamos dados de maneira a aumentar a nossa convico de que uma mudana
ser uma melhoria.

451
Grau de convico

Grau de Convico:

Medida de quo seguro se est com a predio;


Avalia se uma mudana resultar em uma melhoria no futuro.
Depende de dois fatores:
Evidncia que fornece suporte predio;
Similaridade entre as condies da evidncia e as condies em
que predio se aplica.

Resultados dos testes Predio podem levar a


reformulao da teoria;
Mudana do modelo tentativa e erro para o modelo
tentativa e aprendizado.

O grau de convico de que a nossa mudana ser uma melhoria a caracterstica que
mais trabalhamos na fase do Improve. Os testes devem modifica-lo bastante. Caso os
resultados sejam favorveis s nossas predies, ns aumentamos nosso grau de
convico. Mas se os resultados no forem favorveis, nosso grau de convico diminui.
Se temos um grau de convico alto, estamos prontos para implementar a mudana e
adot-la no nosso dia a dia. Se temos um grau de convico baixo, precisamos reformular
toda a nossa teoria e rever o nosso entendimento sobre o processo.
Essa reviso das teorias que faz com que aprendamos sobre o que estamos fazendo.
Dessa maneira, paramos de realizar mudanas no escuro e comeamos a fazer as coisas
de maneira mais slida e controlada (e desta forma, chegamos a resultados melhores de
maneira mais rpida).

452
Objetivo dos testes

Aumentar o grau de convico de que a mudana resultar em


melhoria

Decidir entre diversas mudanas propostas, qual resultar na


melhoria pretendida

Avaliar o impacto da mudana nos indicadores

Decidir se a mudana proposta funcionar no ambiente de


interesse

Decidir que combinaes de mudanas ter o efeito desejado nos


indicadores

Avaliar custos, impacto social e efeitos colaterais das mudanas


propostas

453
Objetivo dos testes

Alto Uma mudana


vitoriosa

Grau de
convico de
que a mudana
uma melhoria

Mudana
necessita
de mais
Mudana
testes
fracassada

Baixo
Desenvolvendo Testando uma Implementando
uma mudana mudana: ciclos 1, 2, uma mudana
...

A figura no slide sintetiza bem o que a atividade de testar mudanas que realizamos
durante a fase de improve. Ela mostra como o grau de convico varia para diferentes
mudanas ao longo do tempo. As mudanas geralmente tm 3 desfechos:
Fracasso: quando, a cada teste que fazemos diminui nossa convico de que a
mudana ser uma melhoria. O fracasso pode vir por vrios motivos, desde uma
hiptese completamente errada quanto de dificuldades de ordem prtica que aparecem
durante a fase de testes.
Sucesso: quando, aps os testes, temos uma alta convico de que a mudana ser uma
melhoria.
Inconcluso: quando mesmo aps uma srie de testes, ainda no temos convico
suficiente para implementar as mudanas propostas.

454
Tipos de estudos para se testar mudanas

Alternativas para se gerar convico

COMO TESTAR MUDANAS


Estruturar um teste pode nem sempre ser uma tarefa fcil. Nos prximos slides, iremos
apresentar algumas formas padronizadas de se planejar estudos para testar mudanas.

455
Tipos de Estudos

Temos basicamente dois estudos mais frequentes


quando queremos testar mudanas:

Testes do tipo antes e depois

Comparao simultnea.

456
Antes e Depois

Base de comparao histrica;

Pontos vulnerveis:
Ocorrncia de causas especiais ao mesmo tempo em que
mudanas so feitas
Efeito Hawthorne
antes depois
50

40

Individual Value
30

20 UCL=19,69

_
X=12,06
10

LCL=4,44
0
1 3 5 7 9 11 13 15 17 19 21 23 25
Observation

Considere o tipo Antes e Depois quando:


Os dados encontram-se disponveis ou podem ser coletados antes da mudana;
H pequena ameaa de eventos externos ocorrerem ao mesmo tempo em que
realizada uma mudana;
Os dados sero coletados por um longo perodo de tempo aps a realizao da
mudana;
Grandes melhorias so esperadas;
Grupos necessrios para a comparao simultnea no podem ser isolados.

457
Comparao Simultnea

Comparao Simultnea:

Duas ou mais alternativas so comparadas ao mesmo


tempo, mesmo espao ou sob outras condies
similares
Usar aleatorizao
Variable
35 Nov o
A ntigo

30

25

Data
20

15

10

2 4 6 8 10 12 14 16 18 20 22 24
Index

Considere o tipo Comparao Simultnea quando:


Duas ou mais alternativas esto sendo testadas;
Uma alternativa est sendo testada, mas eventos externos podem atrapalhar a
interpretao dos resultados (formam-se dois grupos: sistema atual x grupo
sendo testado);
Deseja-se acrescentar condies diversas durante o teste (planejamento de
grupos).

458
Principios para a realizao de testes

O que devemos saber para fazer bons testes de mudana

459
Princpios para a realizao de testes

Construir o conhecimento sequencialmente:


Testar em pequena escala:
Grau de convico x Riscos de falha.
Usar mltiplos ciclos:
Conhecer o sistema quando afetado por mudanas sob diferentes
condies.

Aumentar a habilidade de predizer os resultados do


teste:
Colete dados ao longo do tempo;
Teste sob uma ampla gama de condies
Use de grupos planejados.
Use amostragem estratificada

460
Escala e Escopo

Escala se refere ao perodo ou nmero de eventos includos em um ciclo,


tais como encontros com clientes. Quanto voc aumenta a escala do teste de
mudana voc est pensando sobre mais (mais clientes, mais tempo, mais
eventos).

Escopo, por outro lado, refere-se variedade de condies em que o teste


ocorre. Quando voc muda o escopo de seu teste, est pensando sobre
diferenas (diferentes clientes, diferentes perodos de tempo, diferentes
funcionrios).

Uma regra prtica til ao projetar ciclos de teste inicial construir um teste
"1:1:1", o que significa que o teste vai envolver "um fornecedor, um cliente,
um item produzido", como a menor unidade de teste

461
Escala dos testes

Grau de convico na mudana

Baixa Alta

Um ciclo
Pequena Testes de mdia escala para
implementar
Consequncias
de um teste
falho Testes de
Teste em escala muito mdia e
Grande
pequena pequena
escala

A tabela no slide nos ajuda a definir qual vai ser a escala de nossos testes. Para definir a
escala, precisamos saber duas coisas: o grau de convico de que a mudana ser uma
melhoria e as consequncias que podemos ter se o teste falhar. Caso as consequncias
sejam graves (como em testes que envolvem a segurana dos envolvidos ou outros tipos
de perdas fsicas e financeiras), devemos sempre pensar em comear pequeno, mesmo se
a nossa convico for grande.
Testes com poucas consequncias de ato falho devem ser conduzidos em escalas maiores.
Caso a equipe esteja confiante, podemos at pensar em um teste onde j estaremos
implementando a mudana. Iremos discutir mais sobre implementao na etapa do
Control.

462
A Matriz de Priorizao

Quais mudanas testar primeiro?

MATRIZ DE PRIORIZAO

463
Matriz de Impacto/Esforo

Impacto vs Esforo

5
Prop 4

4 Prop 1

Prop 3
3
Impacto

2
Prop 5
Prop 2
1

0 1 2 3 4 5
Esforo

Muitas vezes a equipe de melhoria desenvolver uma srie de mudanas na fase do


Analyze e no possui nem tempo nem recursos suficientes para testar e amadurecer todas
elas durante a fase do Improve. Para resolver esse problema, a equipe precisa desenvolver
uma maneira de escolher entre as mudanas possveis e priorizar as que tem mais chance
de sucesso.
Uma forma de fazer isso pesar o esforo e o ganho potencial (impacto) de cada uma das
mudanas. Podemos fazer isso atravs do uso de uma Matriz de Priorizao chamada
Matriz de Impacto/Esforo. Para preenche-la, damos uma nota para o Impacto potencial
de uma mudana e outra para o esforo relacionado com o seu ciclo de testes e sua
posterior implementao. Em outras palavras:
Impacto refere-se ao quanto esta possvel ao pode ser a soluo do problema;
Esforo refere-se ao tempo gasto, ao investimento necessrio e ao prazo de
implementao da soluo para aquela ao levantada;
A escala pode ser uma nota de 0 a 10 ou de 1 a 5. Em seguida, a equipe coloca todas as
opes em uma matriz como a apresentada no slide e decide por qual comear. No
exemplo do slide, podemos dizer que a proposta 1 a mais interessante para comearmos
os testes.

464
Matriz de Impacto/Esforo

Algumas perguntas para conduzir a avaliao do


impacto
Os clientes notaro um benefcio imediato?
A Mudana causar um alvio nas pessoas que utilizam os
resultados desse processo?
Essa mudana ir causar impacto nas maiores fontes de problemas
identificadas nas fases anteriores do projeto?

Algumas perguntas para conduzir a avaliao do esforo


Ser necessrio muito treinamento para que a mudana seja
implementada
Ns temos recursos para implementar a mudana
(monetrios/equipamentos/conhecimentos)?
A resistncia das pessoas mudana ser muito grande?

465
Control

CONTROL
A ltima fase do DMAIC a fase do Control. Nela ns temos que implementar as
mudanas que saram vitoriosas da fase de teste e monitorar os indicadores importantes
para o projeto aps essa implementao. Embora possa parecer simples, quem j teve de
implementar alguma coisa sabe que essa atividade pode ser muito complicada e at
mesmo ingrata. Para que uma implementao seja bem-sucedida temos que saber
trabalhar com pessoas. Precisamos nos atentar para a parte humana da mudana,
convencendo os envolvidos a adotarem as mudanas que temos convico de que sero
melhorias.
Para que essa implementao seja mais suave, podemos seguir algumas boas prticas e
utilizar algumas ferramentas que nos ajudam a convencer os envolvidos. Nos prximos
slides vamos aprofundar em como conduzir implementaes.
Alm disso, o Control temos que monitorar os indicadores depois do projeto. At quando
fazemos esse monitoramento? Coletar um indicador uma atividade que requer esforo
e at mesmo recursos financeiros. Caso um processo atinja uma estabilidade, medir seu
desempenho para sempre pode no ser uma boa estratgia. Vamos discutir um pouco
sobre isso.

466
O Control

Objetivo:
Implementar as mudanas vitoriosas e monitorar o
desempenho do processo aps o projeto.
Atividades:
Planejamento de implementao;
Documentao e padronizao dos novos
procedimentos;
Treinamento dos envolvidos e implementao;
Monitoramento dos indicadores aps o trmino.

467
As abordagens da implementao

Como podemos incorporar as mudanas no processo?

ABORDAGENS DA IMPLEMENTAO

468
Estratgias de implementao

A implementao poder ser executada em uma


das trs maneiras abaixo indicadas, dependendo
dos resultados da fase de Teste do Modelo e do
plano de Implementao:

Abordagem "Simplesmente Faa"


Abordagem paralela
Abordagem seqencial

Abordagem "Simplesmente Faa"


Use essa abordagem para implementar mudanas simples com riscos mnimos. Os ciclos
PDSA so teis para estudar o impacto das mudanas e assegurar que os resultados
previstos sero alcanados.
Abordagem paralela
Use essa abordagem para implementar uma mudana enquanto o sistema antigo ainda
estiver operando. Voc pode reduzir alguns dos riscos associados a mudanas
introduzindo o sistema novo em etapas, enquanto vai desativando gradualmente o sistema
existente.
Abordagem sequencial
Use esta abordagem para implementar uma mudana ao longo do tempo ou por local.
medida que o processo de implementao for progredindo, faa melhorias com base no
que voc for aprendendo. Planeje vrios ciclos PDSA para conduzir esta abordagem e
incorporar os itens a seguir em sua estratgia:
Caminho de menor resistncia
Impacto para melhorias maiores
Aprendizagem potencial
Disponibilidade e programao de recursos
Dependncia entre locais

469
Desenvolvendo um plano de implementao

Para evitar problemas no final do projeto

PLANO DE IMPLEMENTAO

470
Plano de Implementao

Ao iniciar a fase de implementao, importante identificar quem e o qu


ser afetado pelas mudanas, bem como onde e quando sero afetados.

O Checklist de implementao pode ser til na identificao das reas que


precisam ser abordadas.

A complexidade do seu plano depende, em parte, da extenso das


mudanas que esto sendo implementadas.

necessrio um plano para implementar at mesmo uma pequena


mudana. Caso contrrio, voc poder omitir detalhes importantes e
colocar em risco o sucesso da iniciativa de melhoria

O 5W2H uma tcnica a ser considerada para gerenciar atividade


necessrias para a implementao de mudanas

471
5W2H

O que Quem Quando Onde Porque Como Por quanto (How


(What) (Who) (When) (Where) (Why) (How) much)

O que o 5W2H?
Um mtodo relativamente simples de gerenciamento de um projeto;
Um projeto desdobrado em diversas atividades;
As atividades (O que? - What) so executadas segundo uma certa ordem, com
um determinado prazo (Quando? -When) e custo (Quanto? How Much), em
um determinado local (Onde? Where) e com responsabilidades de execuo
ou coordenao atribudas (Quem? - Who). Alm disso, deve haver uma razo
(Por que? - Why) para faz-la e uma forma prevista para a sua execuo
(Como? - How);
As iniciais dessa perguntas (What, Why, When, Where, Who, How, How
much) formam o acrnimo 5W2H.
Como utilizar a ferramenta?
Lista-se as atividades que fazem parte do projeto;
Essas atividades so os What;
Em seguida passa-se a responder aos outros Ws e Hs para cada atividade;
As informaes so estruturadas em uma planilha com sete colunas e tantas
linhas quantas forem as atividades identificadas formando assim o projeto;
Resta ainda identificar um coordenador que cuidar da gesto das atividades,
verificando que os prazos sejam cumpridos e intervindo quando necessrio.
Quando usar?
As possibilidades de uso do 5W2H so amplas;
Pode ser usada para organizar uma nica atividade ou um conjunto de
atividades formando um projeto;

472
Em projetos de melhoria til utilizar o 5W2H como na fase de implementao
de mudanas;
Variantes
Quanto o gasto para realizar a atividade no for uma questo relevante (o How
much no considerado) a tcnica reduzida para 5W1H.

473
Etapas da implementao

Padronize

Documente

Treine

Mea

Aps a implementao das melhorias, necessrio estabelecer prticas que assegurem


que as mudanas se tornaro procedimentos usuais nos negcios. Muitas empresas fazem
melhorias no trabalho e depois descobrem que as pessoas voltaram forma antiga de fazer
as coisas ou que algum novo problema foi identificado. A seguir descreve-se os
componentes que precisam ser considerados para implementao e controle das
mudanas.
Padronizao:
Estabelecer prticas e polticas especficas e reconhecidas para servir como um modelo
ou diretriz para um processo.
As polticas, materiais, mtodos e treinamentos documentados costumam ser
chamados de "padres" ou "melhores prticas".
Documentao
Registro das mudanas que foram implementadas.
Organizaes dependem da documentao para:
Entendimento do processo;
Educao e treinamento de pessoas que operam o processo;
Comunicar as mudanas a quem se encontra dentro e fora do sistema;
Fornecer atualizaes em tempo real para documentar melhores prticas,
medidas e outras informaes importantes de processos ou de produtos.
Uma excelente prtica na hora da documentao a criao de instrues operacionais.
Instruo operacional
Conceito:
Orientao sobre a forma de executar uma tarefa.
Objetivo:

474
Servir como guia para a realizao de tarefas crticas comunicando de maneira
direta e objetiva o que e como deve ser executado o trabalho.
Contedo:
Resultado esperado da tarefa;
O QUE e COMO a tarefa deve ser realizada (objetivamente);
Aes corretivas;
Instrues relacionadas a segurana e meio ambiente especficas da tarefa.
Responsvel: Cargo do executante da tarefa.
Treinamento
Treinamento quase sempre necessrio para implementar mudanas;
Se a mudana for uma mera extenso do trabalho atual, ento uma simples discusso
poder ser suficiente;
Entretanto, se a mudana for complexa, um treinamento extensivo poder ser
necessrio;
Considere o tipo de mudana que est sendo proposta, quem ser incumbido de
implement-la e o nvel de conhecimento e experincia dos participantes para
determinar quanto tempo de treinamento ser necessrio.
Medio
Documentao adequada no garante que o processo opere como proposto;
Monitorar o processo atravs de indicadores um meio de verificar se as mudanas
propostas esto sendo efetivamente implementadas;
Medio fornece uma fonte de aprendizagem durante a implementao e um mtodo
de manuteno aps a implementao;
Grficos de tendncia (ou de controle) dos indicadores devem ser utilizados para
monitorar o processo depois das mudanas implementadas;
Comparao do Desempenho com os Objetivos
No possvel tornar um processo perfeito em um dia ou em uma nica iniciativa de
melhoria. A melhoria de processos normalmente leva vrios ciclos de desenvolvimento,
teste e implementao das mudanas que possuem maior probabilidade de produzir
melhoria.
Comparar o desempenho com os objetivos uma forma de acompanhar seu progresso.
Retorne aos objetivos da melhoria, definidos ao responder segunda pergunta: Como
saberemos que uma mudana uma melhoria?
Em seguida, compare o desempenho das medidas aps a implementao, para verificar
se sero necessrias mudanas adicionais;
Se as medidas de melhoria foram alcanadas. Ento continue com a
implementao.
Se as medidas de melhoria no foram alcanadas. Ento retorne s fases de
Desenvolvimento, Teste e Implementao e continue com esses ciclos at que
os objetivos sejam alcanados.

475
476
Pessoas e a Mudanas

Dando-se oportunidade de escolha entre mudar e provar


que no necessrio mudar, a maioria das pessoas prefere
a segunda alternativa.
John Galbraith

477
Pessoas e a Mudanas

Mudana
fsica

Mudana de Emocional
comportamento da mudana
Mundo
externo

Lgica da
mudana

Pessoas

A mudana no nvel fsico ocorre no mundo material. perceptvel atravs dos sentidos
e sujeita s leis da natureza.
A mudana no nvel lgico acentua a base racional, o motivo para a mudana. As razes
para fazer mudanas e as razes para o tipo de mudana que se quer fazer definem este
nvel lgico. A educao, a comunicao e a anlise so veculos importantes para lidar
com a mudana no nvel lgico.
Todas as pessoas afetadas pelas mudanas devem receber explicaes sobre as razes
para faz-la antes de aceitarem a mudana no nvel lgico. Entretanto, convencer as
pessoas a aceitarem uma mudana pode exigir algo mais que apenas lgica.
A mudana no nvel emocional lida com o corao: afetiva e intuitiva. As pessoas tm
sentimentos definidos sobre mudana. Para algumas pessoas, o que sentem pela
mudana ser mais importante do que as razes para a mudana. Os sentimentos
das pessoas com respeito mudana incluem:
Porque precisamos mudar? A maneira como temos feito isto sempre funcionou bem!
Estas mudanas tornaro meu trabalho mais difcil?
Trata-se apenas de um outro programa?
Terei que fazer isto alm do meu trabalho normal?

478
Pessoas e a Mudanas

Para resumir, a mudana deve:


Ser fisicamente possvel;
Fazer sentido (isto , ser lgica);
Fazer com que nos sintamos bem

Antes de dar incio a uma mudana, estes trs


aspectos devem ser considerados.

A Declarao de Propsitos da organizao


sempre proporcionar orientao durante uma
mudana importante.

479
Pontos-chaves relativos a mudanas

Pode ocorrer uma leve melhoria quando as pessoas desenvolvem


hbitos produtivos. Isto no deve ser confundido com nenhuma
mudana bsica.

A maioria das melhorias de processo na realidade adicionaro


dificuldades imediatamente aps a implementao. Pacincia e
perseverana so necessrias para adeso a um mtodo
melhorado, at que o mesmo seja bem-sucedido.

A maioria das melhorias desaparecer sem deixar traos se receber


somente um teste rpido antes da implementao. Este um ponto
extremamente importante para todos os responsveis pela
conduo de um esforo de mudana. As pessoas precisam de
encorajamento.

480
Pontos-chaves relativos a mudanas

Um trabalho com poucas operaes pode no ser sempre fcil de


ser realizado. Se as operaes no forem familiares, podem ser
mais difceis, mesmo se forem em pequena quantidade.

Para um trabalho que seja completamente novo, particularmente


difcil ver a melhoria no incio. Nestas situaes, um treinamento
adequado recomendvel.

As instrues abstratas convidam ao erro e certamente aumentam o


tempo de trabalho. Os gerentes devero sempre se empenhar para
fornecer instrues concretas quando um novo empreendimento
abstrato est sendo considerado. Para idias novas e abstratas, a
experincia anterior pode ser um obstculo.

481
Pontos-chaves relativos a mudanas

Todas as tarefas tm sua velocidade mais adequada para um


dado estado da tecnologia. Os melhores mtodos e treinamento
levaro isto em considerao.

A simples diviso do trabalho, se feita sem ponderao, pode


causar aumento das custos e perda de qualidade

Ao dividir o trabalho em tarefas especializadas, dever ser dado um


cuidado especial na seleo das pessoas que preenchero as
posies especializadas. As preferncias das pessoas adquirem
maior importncia em tarefas especializadas.

O tempo de ciclo dos processos afetado pela mudana. Balancear


o processo a atividade que tem maior efeito no tempo de ciclo.

482
Estrutura, mtodo e cultura

A maioria dos especialistas na introduo


de mudanas diria que a mudana
cultural leva tempo e requer que as
crenas da organizao sejam
mudadas. Desafiar diretamente as
crenas ou atitudes frequentemente
criam resistncia mais do que suficiente
para bloquear os esforos de mudana.
Para aceitar a mudana, a maioria de
ns precisa compreender a mudana e
saber como ela nos ajuda.
Muitas organizaes tm introduzido com
sucesso a mudana ao alterar a estrutura
na qual as pessoas trabalham.

483
Encerramento

Finalizando o projeto de melhoria

ENCERRAMENTO

484
Encerramento

Reconhea o tempo considervel e os esforos


que foram gastos com o projeto.

Registre os aprendizados com a realizao do


projeto.

Delegue as responsabilidades pela padronizao e


monitoramento s pessoas certas.

Nos primeiros estgios de melhoria da qualidade, as iniciativas de qualidade terminaram


de diversas maneiras:
Algumas simplesmente se desvaneciam
Algumas paravam
Algumas celebravam
Uma empresa experiente em qualidade leva a srio o encerramento do projeto, e
desenvolve um mtodo comum de reter as lies aprendidas e comunicar os resultados
por toda a organizao. Reter os sucessos e os erros.

485
Encerramento

A melhoria deve ser contnua, mas as iniciativas


individuais e as equipes de projeto terminam.

Aprenda quando hora de dizer adeus.

Desenvolva sistemas gerenciais para reter as


lies.

A documentao e reconhecimento so dois


aspectos crticos do encerramento da equipe de
projeto.

Um projeto deve terminar quando:


O objetivo do projeto foi cumprido.
Houve melhoria e ficou claro que qualquer progresso adicional ir exigir um novo
esforo inicial.
A equipe desempenhou bem e obteve sucesso suficiente para se aposentar com
dignidade e orgulho.

486
Checklist de Encerramento

1. Resuma os aprendizados.

2. Finalize a documentao sobre as melhorias.

3. Faa um sumrio de planos e recomendaes


futuras.

4. Comunique a finalizao do projeto.

5. Celebre!

Os slides seguintes tratam de cada um desses itens de modo mais detalhado.

487
Resuma os Aprendizados

Sobre o sistema estudado.

Sobre o Modelo de Melhoria, roteiro DMAIC,


Conceitos, Habilidade e Tcnicas.

Sobre o processo de trabalho da equipe.

Sobre seus resultados


Voc cumpriu sua misso? O que ajudou sua equipe? O que atrapalhou?
Quais foram as conquistas tcnicas ou de negcio?
As melhorias foram padronizadas e feitas prova de erros? Como as melhorias sero
mantidas? Como foram comunicadas no grupo e entre grupos?
Que outras descobertas voc fez? Como elas foram comunicadas no grupo e entre
grupos?
Voc usou o ciclo P-D-S-A nas mudanas que fez?

Sobre o processo de trabalho


O que voc aprendeu sobre o processo que o surpreendeu?
Quanto de variao havia no processo no incio?

488
Finalize a Documentao do Projeto

Faa o Relatrio Final


Ele deve conter seus resultados finais, aprendizados, concluses e
recomendaes

Apresente o documento completo para a:


Equipe e Liderana
Pessoas cujas funes estejam mudando como resultado do
trabalho.
Clientes da mudana.
Outras pessoas interessadas.

Catalogue e torne a documentao disponvel para


todos na Organizao.

Procure descobrir como membros individuais da equipe aperfeioaram suas habilidades


com essa experincia.

489
Planos Futuros e Recomendaes

Faa com que sua equipe discuta as seguintes


questes e compile recomendaes para depois
entregar ao seu Patrocinador ou Equipe de
Direo.

Existem oportunidades para replicar em outras reas?


Quais suas recomendaes para manter os ganhos j obtidos?
Quanto de melhoria ainda necessria para alcanar as metas
estabelecidas inicialmente?
Que aspectos dos problemas continuam sem ser abordados? Quais desses
so os mais urgentes de serem tratados?
Em que voc e sua equipe gostariam de trabalhar a seguir, se fosse
aprovado pela gerncia?
Onde voc acha que a gerncia deveria concentrar recursos da prxima
vez

490
Celebrao e Reconhecimento

O reconhecimento um aspecto importante da


celebrao e deve reforar as fontes intrnsecas de
satisfao e motivao. Por exemplo:

Convidar os membros da equipe para a apresentao do projeto;

Reconhecer o esforo de todos na realizao do projeto;

Uma pequena lembrana relacionada ao trabalho no projeto;

Uma pizza para todos que estiveram envolvidos na iniciativa,


inclusive aqueles cujos trabalhos mudaram como resultado da
iniciativa

491