Escolar Documentos
Profissional Documentos
Cultura Documentos
FM2S
Certificação Lean Six Sigma Green Belt
SUMÁRIO
Introdução ao Six Sigma ............................................................................................................................... 4
A era dos artesãos .................................................................................................................................... 6
A era das fábricas 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 três questões fundamentais .............................................................................................................. 23
O que queremos realizar? ...................................................................................................................... 25
Como saberemos se a mudança é uma melhoria .................................................................................. 29
Definição de melhoria ............................................................................................................................ 39
Tipos de indicadores ............................................................................................................................... 42
Que mudanças 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
Árvore 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 comunicações......................................................................................................................... 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
Definição operacional ....................................................................................................................... 135
Tipos de variáveis ............................................................................................................................. 139
Melhorando a coleta de dados ......................................................................................................... 143
Variáveis de estratificação ................................................................................................................ 146
Análise de variação ........................................................................................................................... 149
A voz do processo ............................................................................................................................. 153
Gráfico de tendência ........................................................................................................................ 154
Gráfico de frequência ....................................................................................................................... 165
Dot plot ............................................................................................................................................. 168
Histograma ....................................................................................................................................... 169
Medidas de localização e variação ................................................................................................... 171
Box plot............................................................................................................................................. 180
Gráficos de barras e setores (pizza).................................................................................................. 185
Gráfico de pareto.............................................................................................................................. 188
Distribuição normal .......................................................................................................................... 196
Probability plot ................................................................................................................................. 205
Transformação de variáveis .............................................................................................................. 210
Gráficos de controle ......................................................................................................................... 217
Análise de capabilidade .................................................................................................................... 241
Usando os indicadores de capabilidade ........................................................................................... 258
Resultados do measure .................................................................................................................... 261
Resumo measure .............................................................................................................................. 267
Analyse ................................................................................................................................................. 268
Diagrama causa efeito ...................................................................................................................... 279
Os 5 porquês..................................................................................................................................... 287
Desconexões ..................................................................................................................................... 297
Desperdícios ..................................................................................................................................... 301
Analise de valor ................................................................................................................................ 317
ECRS .................................................................................................................................................. 323
Analise do tempo.............................................................................................................................. 325
Poka yoke ......................................................................................................................................... 328
Tecnologia ........................................................................................................................................ 342
Criatividade....................................................................................................................................... 350
Conceitos de mudanças .................................................................................................................... 359
2
Correlação ........................................................................................................................................ 367
Gráfico de dispersão ......................................................................................................................... 375
Tabela de contingência ..................................................................................................................... 390
Planejamento de experimentos ........................................................................................................... 399
Experimento fatorial ......................................................................................................................... 411
Improve ................................................................................................................................................ 446
Teste de mudanças ........................................................................................................................... 448
Como testar mudanças ..................................................................................................................... 455
Matriz de priorização........................................................................................................................ 463
Control .................................................................................................................................................. 466
Abordagens da implementação........................................................................................................ 468
Plano de implementação .................................................................................................................. 470
Encerramento ....................................................................................................................................... 484
3
Bem vindos!
www.fm2s.com.br
4
Um pouco de
história
5
A era dos artesãos – até século XVII
◉ O processo é passado
adiante de mestre para
aprendiz
6
A era das fábricas e o Taylorismo – séc. XVIII e 1875
◉ Aparecimento das
grandes fábricas
◉ Especialização do
trabalho
◉ Taylor: administração
científica
◉ Qualidade: produto
bom/produto ruim
7
Vários autores renomados, como Adam Smith e Jean-Baptiste Say, já haviam publicado
vasto material pregando a necessidade da melhoria da produção. O que Taylor fez foi, no
momento certo, popularizar esse método.
O Taylorismo é sempre considerado uma faca de dois gumes. Ele é extremamente
positivo, pois abre ao mundo a ideia de melhoria de atividades (o que eventualmente
evolui em melhoria de processos). Mas, apresenta vários problemas graves: foco no
aumento da quantidade produzida; depende muito do gerente e não respeita o
trabalhador, uma vez que lhe atribui o papel de máquina, deixando ao gerente toda a
responsabilidade de pensar e melhorar o processo. É deste período a inspiração do
maravilhoso filme “Tempo Modernos” de Charlie Chaplin.
Felizmente, o sistema produtivo evoluiu muito ao longo dos anos...
8
O Fordismo – início do século XX até ~1930
◉ Criação da linha de
montagem
◉ Padronização extrema
◉ Inicio da mentalidade de
qualidade do produto
◉ Popularização 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 é do que trabalhadores realizando
atividade altamente especializadas num ritmo específico. As tarefas são realizadas num
tempo determinado pela velocidade das máquinas da linha, seguindo padrões definidos e
em uma sequência lógica de atividades.
A popularização da linha de montagem afeta a maneira como a humanidade conduz a
manufatura de tal forma que possibilita a massificação de produtos em uma escala nunca
antes vista. Produtos complexos (como é o caso do carro) são popularizados e tornam-se
acessíveis para uma grande quantidade de pessoas. Notem que a linha de montagem não
era uma ideia original. Adam Smith mesmo já havia citado um exemplo desse tipo de
montagem em um livro de 1750. O que Ford fez foi aperfeiçoar o sistema, colocando a
lógica de tempos e métodos embutida nela.
A padronização na linha de montagem assim como o treinamento sistêmico dos
funcionários é muito importante. A empresa começa a se preocupar em como instruir seus
trabalhadores a seguir padrões. Além disso, ela busca não modificar apenas o processo
pelo qual a atividade é realizada, mas também busca desenvolver ferramentas que tornem
o processo mais simples e eficaz.
Novamente, não foi apenas Taylor que influenciou no desenvolvimento da linha de
montagem na Ford. Thomas Edison também deu sua contribuição. Na época ele era sócio
e mentor de Ford.
Nesta era, nasce a preocupação com a qualidade dos produtos. Após inúmeras perdas de
produtos pela falta de qualidade, se estabelece a criação de estruturas para se inspecionar
se o produto está de acordo com a norma antes que chegue ao consumidor. Além disto,
buscam-se maneiras de evitar que os funcionários cometam erros durante a condução de
suas atividades (é um “avô” dos poka-yokes modernos), causada pela alta rotatividade nas
perigosas fábricas e pela falta de capacitação do funcionário na operação pela qual ficou
incumbido.
9
Todas as empresas a partir desta época adotam a linha de montagem, em algum aspecto.
Isso ajuda a popularizar a preocupação com a qualidade e a atenção para a melhoria.
10
Shewhart e a sofisticação da melhoria (1930)
11
A reconstrução do Japão e o avanço da qualidade (1945 –
1980)
◉ Popularização da
qualidade
◉ Aplicação da estatística
◉ Popularização da
melhoria como vantagem
estratégica
◉ Desenvolvimento do
Sistema Toyota de
Produção
Após a segunda guerra mundial, uma mudança bastante interessante nos métodos de
produção começou a acontecer no Japão. O país precisava se reconstruir após a destruição
causada pela guerra e estava determinado a fazer isso da melhor maneira possível. Nesse
contexto, criou-se a JUSE em 1946 (Japanese Union of Scientists and Engineers, ou
União Japonesa de Cientistas e Engenheiros).
Essa entidade era composta pelos mais brilhantes e influentes personagens da indústria
japonesa. Dela fazia parte quase à totalidade dos presidentes das grandes empresas
japonesas da época e grande parte dos pesquisadores da indústria.
Um dos objetivos iniciais da JUSE foi desenvolver métodos de produção mais eficientes,
e para isso, convidou Deming a ir ao Japão para dar palestras sobre a gestão da qualidade
e o uso de ferramentas estatísticas no desenvolvimento de processos. Essas palestras
tiveram uma adesão muito forte entre os engenheiros japoneses e o conteúdo disseminado
por Deming (no final da década de 1940 e nas décadas posteriores) fez com que o Japão
se tornasse uma referência mundial em manufatura.
Nessa época, além 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 não devia ser controlada por inspeção e sim disseminada entre todos
os processos da empresa. Juran foi o pai da qualidade como a conhecemos hoje. Ele
também foi responsável por enxergarmos a qualidade como vantagem estratégica. Além
de Deming e Juran, Kaoru Ishikawa e Armand Feigenbaum fizeram contribuições
notáveis nesta era.
Por fim, nesta etapa iniciam-se as primeiras iniciativas da Toyota em desenvolver seu
sistema de produção (hoje mundialmente famoso). Taiichi Ohno, o grande precursor do
TPS (Toyota Production System), começa a levar a melhoria e a qualidade ao operador.
Ele retoma os velhos conceitos de padrões, porém deixa-os abertos para que cada
trabalhador possa melhorar seu desempenho. Cria também a noção de funcionário
multitarefa, que permite a um trabalhador executar múltiplas atividades dentro de sua
empresa. A produtividade alcançada por causa dessas mudanças emerge violentamente
12
na década 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 à
esta iniciativa.
A compilação e aperfeiçoamento 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 até hoje)
◉ Da manufatura para o
resto da organização (a
padronização e a
qualidade tomam outra
proporção)
◉ A estatística também se
populariza
◉ A parte humana é
consolidada e
disseminada
◉ Criam-se metodologias
Nos anos seguintes até os dias atuais, os avanços desenvolvidos na reconstrução do Japão
se popularizam e se consolidaram. Hoje em dia, todos sabem o que é qualidade e a sua
importância para os negócios. As técnicas que inicialmente estavam limitadas a
manufatura penetram em todos os processos nas mais diversas organizações. De
montadoras até hospitais, todos começam a usar padrões e estatística para melhorar seus
processos.
Além disso, nessa época 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 década de 1980, Robert W.
Galvin. Surge também a ISO (International Standarization Orgazition) ajuda a
popularizar a padronização e o Lean, que auxilia a popularizar as lições aprendidas pela
Toyota.
É neste período que se consolidada a parte humana da mudança, principalmente pelas
contribuições de Peter Scholtes. Começa-se a estudar técnicas e métodos de trabalho em
equipe e maneiras de se alcançar melhores resultados com o time. É deste período a
famosa frase que diz que liderar é alcançar objetivos com a equipe do jeito certo, ou seja,
dentro da missão e dos valores da empresa.
Surge também nessa época o WCM e o Modelo de Melhoria, que compilam
aprendizados, roteiros e ferramentas para a aplicação disseminada da melhoria em larga
escala.
14
Os conceitos
fundamentais
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
Let’sdo
Os pilares review
Sabersome concepts
Profundo de Deming
ENTENDIMENTO DA PSICOLOGIA
VARIAÇÃO
Processos variam, indicadores variam. Empresas são feitas de pessoas. Cada
É necessário estudar e aprender com um tem seus objetivos e ambições.
essa variação. Entendê-los é vital para o sucesso da
organização.
17
As ferramentas que nos ajudam a aprender, são aquelas criadas em cima do método
científico, como o ciclo PDSA e o Planejamento de Experimentos. Mais a frente,
exploraremos em detalhes como funciona o método e quais são suas etapas para gerar
conhecimento de maneira rápida e sólida.
Entendimento da variação: este pilar tem tudo a ver com as ferramentas estatísticas.
Todos os processos e resultados de uma organização variam. Às vezes vendemos mais,
às vezes menos, às vezes uma peça sai mais leve, outras mais pesada. Isso é perfeitamente
natural e por mais que trabalhemos para reduzir essas variações, nunca acabaremos com
elas. O problema é a maneira como reagimos a essa variação. Imagine se todos os meses
que eu vendesse menos eu ficasse triste e começasse a tomar ações drásticas. Isso não
necessariamente faria com que eu vendesse mais no mês seguinte. Porém, se houvesse
uma causa clara para eu vender menos, se eu não tomar uma ação drástica sobre ela, meu
negócio estará ameaçado.
Entender a variação é saber quando uma mudança no meu indicador é natural e quando
ela não é natural (ou seja, tem algo novo e diferente no processo). As ferramentas
estatísticas nos ajudam exatamente nesse quesito. Analisar o comportamento do indicador
ao longo do tempo com essas ferramentas nos permite enxergar quando uma variação é
significativa e quando ela é natural.
Psicologia: organizações são compostas de pessoas, e pessoas tem sentimentos e
ambições. Se não entendermos o que motiva cada um individualmente, dificilmente
poderemos juntar os esforços individuais para atingir o propósito da organização. Esse
entendimento é justamente a psicologia. Como disseminar o propósito de maneira que ele
engaje continuamente cada membro da organização? Como trabalhar em equipe?
Para melhoramos nosso domínio deste pilar, existe algumas técnicas, principalmente
referentes à comunicação e ao alinhamento de cada um. Vamos discuti-la com mais
profundidade ao longo do curso.
18
Melhorias…
Como, na prática, implementar o saber
profundo?
19
UseOs requisitos
charts do método
to explain your ideas
20
Mudança e Melhoria
Conceitos que andam juntos
CONCEITO FUNDAMENTAL
21
Mudança
Use charts e Melhoria
to explain your ideas
Requer
Melhoria ≠ Mudança
Um ponto central da ciência da melhoria é a sua relação com a mudança. Uma boa
definição de insanidade é fazer sempre a mesma coisa e esperar por resultados diferentes.
É impossível melhorar alguma coisa sem que se façam mudanças. Melhoria requer
mudança. Entretanto, mudança nem sempre resulta em melhorias. Algumas mudanças,
inclusive, pioram o desempenho de um processo, portanto, não utilize melhoria como
sinônimo à mudança.
Esse conceito, apesar de parecer óbvio quando exposto dessa maneira, é traiçoeiro. Em
nossa vida cotidiana, estamos acostumados a pensar sempre em mudar. É só observarmos
as campanhas políticas que vemos em épocas de eleições: mudança, mudança, mudança!
Poucos candidatos falam em melhoria. Por outro lado, em empresas, é comum nos
depararmos com planos de ação em que o autor lista que encontrou 350 oportunidades de
melhorias. Está errado. Ele encontrou oportunidade de mudanças, que serão ou não
melhorias, cabendo ao tempo dizer isto. Então como desenvolver mudanças que tenham
grande probabilidade de ser melhorias?
Há uma maneira fácil de estruturamos essas mudanças, por meio das três questões
fundamentais da melhoria.
22
Mudança
Use charts e Melhoria
to explain your ideas
2. Como
3. Quais
saberemos que a
mudanças
mudança é uma
podemos fazer?
melhoria?
23
foco claro definido. Algumas eram boas ideias, outras nem tanto, mas a grande maioria
delas vinha embasada em problemas reais da organização.
Para não desperdiçar as boas ideias e nem deixar passar os problemas, propusemos um
método: todas as mudanças seriam analisadas, contanto que para cada uma, as outras 2
perguntas fundamentais fossem respondidas.
Desta maneira, quando um funcionário pensasse em uma mudança, ele era forçado a
entender o objetivo dessa mudança e a propor um indicador ou uma métrica para
identificar se ela seria uma melhoria. O resultado foi fantástico. Assim que uma mudança
surgia na cabeça do trabalhador, ele logo identificava o real objetivo dela. Com o objetivo
claro na cabeça, ele podia aperfeiçoar a mudança ou até mesmo propor uma alternativa
até melhor que a ideia original.
Faça um desafio. Muitas empresas possuem um programa de sugestões em que os
colaboradores que fornecem boas ideias são premiados. Foram poucas as vezes que vi tal
programa resistir mais que alguns meses. A maioria gera muitas sugestões no início, mas
depois são deixados de lado e esquecidos. Os motivos para isto são muitos, da falta de
boas ideias até a falta de empenho da empresa em colocar em prática as sugestões
recebidas. Diante disto, proponha o desafio de colocar as três questões no formulário de
sugestões. Isto irá forçar os colaboradores a sugerirem ideias mais trabalhadas, com
objetivo, indicador e sugestão de mudanças. E, ideias mais estruturadas tem grandes
chances de serem boas, o que vai potencializar seu programa de sugestões e fazer com
que os próprios colaboradores percebam a diferença e a força do programa.
24
OInque
twoqueremos
or three columns
realizar?
CONTEXTUALIZE
25
• Coloque as restrições necessárias. Alguns exemplos de restrições são: não contratar
mais pessoas ou não aumentar os gastos. Além desses, podemos ter restrições de
escopo como, não fazer nenhuma mudança nos processos de vendas.
Uma vez feito isso, o seu time de melhoria está pronto para começar a trabalhar.
26
Exercício!
In two or three columns
Um departamento de compras
27
Resolvendo um problema
Para resolver um problema, devemos
formulá-lo corretamente
28
Como saberemos que
In two or athree
mudança é uma melhoria?
columns
USE DADOS
CONFIÁVEIS
29
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
6
CYCLE
4 MUDANÇA
0
Medida Antes Medida Depois
NEWVAR3
Medida na s em ana 11
Medida na s em ana 4
Para entender um pouco melhor a variação, temos este exemplo. Observando o gráfico
acima e tendo em mente que o objetivo do projeto de melhoria era diminuir o tempo de
ciclo, é possível dizer que a mudança (realizada entre a primeira e a segunda medição)
foi uma melhoria? Seja sincero e responda agora. Depois, mostraremos alguns
argumentos que poderá fazê-lo tornar-se mais prudente em relação a este tipo de
comparação.
30
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
31
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 1:
Aqui podemos ver claramente que a mudança foi uma melhoria. Temos um bom
indicativo de que a variação do tempo de ciclo antes da mudança oscilava entre 6 e 9 e,
depois da mudança oscila entre 2 e 4.
Melhorias geralmente possuem esse comportamento. É possível observar claramente o
impacto da mudança, mesmo quando analisamos os indicadores com suas variações.
32
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 2:
A mudança neste caso não representou melhoria alguma! A diferença entre a semana 4 e
a semana 11 está completamente dentro da variação natural do processo. O tempo de ciclo
assume vários valores entre 2 e 9. Qualquer variação neste patamar é dita ser uma variação
normal, atribuídas as causas naturais ao processo. Não se deixem enganar por estes
cenários! Não façam comparações de um ponto contra o outro! Isto poderá deixa-lo
cego quanto a variação natural do processo.
33
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 3:
Aqui também não possível atribuirmos a melhoria à mudança realizada. Apesar do
processo estar melhorando, o comportamento do processo pouco tem a ver com a
mudança sinalizada. São grandes as chances desta melhoria no indicador ser efeito de
alguma mudança realizada antes da quarta semana.
O que os dados do cenário 3 nos mostram é que algo aconteceu no processo que fez com
que ele mudasse de comportamento. Ele já vinha mudando de comportamento quando
fizemos a mudança, e esta foi sem efeito, pois a mudanças não se acelerou.
34
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 4:
Aqui novamente não temos uma melhoria. Sim, a mudança causou uma variação
significativa no indicador, mas não foi uma melhoria.
Isso porque melhorias devem ser duradouras. Neste caso temos a mudança causando um
impacto temporária no indicador, entretanto o mesmo volta a subir após algum tempo.
Este comportamento é típico de campanhas de conscientização, que funcionam por um
curto período, mas não melhoram o sistema de fato. Não é esse o tipo de resultado que
devemos buscar em nossos projetos.
35
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 5:
Neste cenário temos um caso muito parecido com o cenário 3. Não temos uma melhoria
gerada pela nossa mudança. Algo aconteceu que melhorou o processo, porém não teve
nada a ver com a nossa mudança. Este fato aconteceu entre a semana 4 e a 5 e não entre
7 e a 8 que foi quando realizamos a mudança.
É importante relacionarmos às variações significativas em nossos indicadores à nossas
mudanças, pois só assim poderemos adquirir mais conhecimento sobre o processo a fim
de melhorá-lo de forma continua.
36
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenário 6:
Por fim, temos mais um caso de não-melhoria. Esse caso é interessante, pois a diferença
entre a semana 4 e a semana 11 foi causada por um “ponto fora da curva” na primeira
medição.
Isso acontece bastante, e tais pontos são 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 à estabilidade e o processo continuou estável.
Veremos que quando isso acontece, nem sempre é uma boa estratégia analisar todo o
processo. Temos que analisar apenas a causa especial e identificar o que pode ter
acontecido ali, para que não deixemos que aconteça novamente.
37
Definição de
melhoria
38
Melhoria é:
In two or three columns
DEFINIÇÃO DE MELHORIA
39
Exercício!
In two or three columns
Na foto temos um exemplo clássico de “implementação do 5S”, que é uma das técnicas
do Lean Manufacturing. Trabalhamos com diversos desses programas de arrumação em
nossa história profissional. No exemplo dado podemos mostrar que houve uma mudança:
antes estava desorganizado e agora está organizado. Mas, podemos falar que isso é uma
melhoria?
40
Exercício!
In two or three columns
Mudança ou melhoria?
41
In two or –
Indicadores Temos
three columns3 tipos
INDICADORES DE
RESULTADO
TIPOS DE INDICADORES
Temos basicamente 3 tipos de indicadores em projetos de melhoria: indicadores de
resultado, que estão ligados ao atendimento da necessidade do cliente; indicadores de
processo, que estão relacionados com a caminhada para alcançarmos os resultados e;
indicadores de equilíbrio, que são os nossos contra indicadores.
Indicadores de resultados nos dizem onde vamos chegar. Respondem diretamente a
segunda pergunta e nos diz se as mudanças estão de fato levando à melhoria. Estes são os
indicadores que você quer impactar. Dizem como está desempenhando o sistema: qual o
resultado final. Estes indicadores também são chamados de itens de controle.
Exemplos de indicadores de resultados:
• Para a qualidade: número de unidades defeituosas.
• Para os sistemas de medição: reclamações a cada 1000 produtos.
• Para a vida pessoal: vezes em que chega atrasado em uma reunião.
• Para um processo de vendas: vendas realizadas por mês.
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
mudanças em nossos processos, não apenas planejá-las. Estaria o processo se
comportando de maneira esperada? É isso que nos dirá os indicadores de processo. Iremos
discutir mais a fundo a questão 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 máquinas calibradas na linha de produção (note que estes dois
indicadores impactam no indicador de resultado).
• Para sistemas de medição: nível de precisão das máquinas.
42
• Para a vida pessoal: vezes que coloca seu despertador para despertar.
• Para um projeto de vendas: número de ligações realizadas.
Por fim, os indicadores de equilíbrio são nossos contra indicadores. Não podemos
melhorar uma parte do sistema e piorar outra. Temos que ter boas medidas para sinalizar
se não estamos afetando negativamente o sistema.
Exemplos de indicadores de equilíbrio:
• Para a qualidade: número de inspeções.
• Para um sistema de medição: tempo gasto com calibrações.
• Para a vida pessoal: número de erros ocasionados pelo estado de desatenção
provenientes da necessidade de acordar mais cedo todos os dias.
• Para um projeto de vendas: número de descadastros em campanhas de e-mail
marketing.
43
Que mudanças podemos
Let’s review some fazer?
concepts
44
Os conceitos de mudança: uma boa estratégia para se buscar mudanças é apostar
no que já deu certo (não precisamos reinventar a roda, não é mesmo?). Pensando
nisso, algumas instituições compilaram inúmeros projetos de melhoria pelo
mundo, de maneira a estudar casos de sucesso e extrair o conceito por trás de cada
um deles. Com estes resultados, elaboraram o que chamamos de conceitos de
mudança. Estes, são dicas para que você, dependendo do seu objetivo, elabore
uma mudança que muito provavelmente se tornará uma melhoria. Iremos
comentar mais sobre esta técnica na parte do Analyze, porém se gostou da ideia,
pode baixar nosso e-book que te ensina a trabalhar com esta técnica. O link direto
é: http://downloads.fm2s.com.br/e-book-conceitos-de-mudanca
45
O Ciclo PDSA
O CICLO PDSA
Além das 3 perguntas fundamentais, o Modelo de Melhoria é formado pelo ciclo PDSA.
O ciclo PDSA é um roteiro iterativo de aquisição de conhecimento inspirado no método
científico. 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 já
praticada. Essa maneira, só vem com um conhecimento maior da tarefa específica
“apertar parafusos”. É justamente este conhecimento que o ciclo PDSA nos ajuda a obter.
É importante, neste ponto, não confundirmos o ciclo PDSA com o ciclo PDCA,
popularizado pela Toyota e difundido por inúmeras consultorias no Brasil e no mundo. O
ciclo PDSA é um método para a geração de conhecimento, enquanto o ciclo PDCA é um
roteiro de melhoria. Ao longo de um projeto de melhoria, realizamos inúmeros 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 possível solução. Utilizando o PDSA,
costumamos fazer um ciclo de verificação e coleta de dados para entender a causa e
depois, um ciclo de teste para verificar se a mudança proposta é uma melhoria. Ele é mais
flexível e fácil de se aprender.
46
A Use
construção da your
charts to explain melhoria
ideas
Conhecimento profundo
Capacidade
de gerar
melhorias
aumentada
47
O charts
Use método científico
to explain your ideas
48
O charts
Use método científico
to explain your ideas
49
O charts
Use método científico
to explain your ideas
F Fp
50
O charts
Use método científico
to explain your ideas
F Fp FR
51
O charts
Use método científico
to explain your ideas
F Fp FR
H H2
52
O charts
Use método científico
to explain your ideas
F Fp FR
...
H H2 Hs
53
O ciclo
Use charts PDSA
to explain your ideas
54
experimento. É recomendável ligar cada dado específico à questão que ele vai responder.
No nosso caso, uma sugestão seria:
Para responder à questão 1, um operador da manufatura (quem) irá limpar a
máquina no dia 25/04 utilizando o novo procedimento e trabalhar normalmente
(como) até o dia 27/04 (quando). Nesse período, há a estimativa de produzir-se
1000 peças do tipo A, que já deu problema anteriormente. Ele irá olhar cada uma
das peças e analisar se há ou não risco na parte superior da mesma (o quê). Caso
haja algum risco, ele deverá preencher este indicador na planilha X, criada
especialmente para este propósito e disponível para uso pela área de manufatura.
Para responder à questão 2, o mesmo operador irá verificar a máquina a cada 2
horas e avaliar a sujeira na parte Y da máquina (onde), onde esperamos que ela
possa aparecer. A instrução de trabalho XYZ (como) detalha claramente o que é
sujeira e como um operador pode identifica-la. Se houver sujeira, vamos acreditar
que o procedimento proposto é incapaz de manter a máquina limpa.
Ao final do dia 27, será elaborado um gráfico de tendência para mostrar a
quantidade de peças com risco. Para cada período, também iremos anotar se foi
ou não verificada sujeira na máquina.
Na etapa seguinte, o Do (fazer), executaremos o plano listado no plan e acompanharemos
o experimento. Caso algo aconteça que não havíamos previsto, iremos anotar o que
aconteceu. Por exemplo, a máquina pode ter sido danificada pelo novo procedimento de
limpeza ou o operador ter realizado incorretamente o procedimento proposto. Quebra da
máquina ou ausência do operador são itens que também devem ser relatados .
A terceira fase é a do Study (estudar). Nesta fase que iremos analisar os dados coletados.
Aqui mostramos gráficos e digerimos os resultados. Também comparamos os resultados
obtidos com as predições. Essa comparação é extremamente enriquecedora, pois é nela
que o aprendizado realmente acontece. Às vezes, ao analisar um problema bolamos uma
predição do tipo: ao misturar dois líquidos, a solução irá ficar verde e, quando realizamos
o experimento, a solução transforma-se em uma banana! Isso prova que a nossa teoria
sobre o fenômeno estava completamente equivocada. Frente ao equívoco, vamos buscar
conhecimento (seja em livros, artigos científicos ou consultando especialistas sobre o
assunto) para aprimorar nosso entendimento.
Ao final da parte de análise, ainda no study, anotamos de maneira sucinta o que
aprendemos, na forma de tópicos resumidos. Estes tópicos devem compilar todos os
aprendizados daquele ciclo.
Na última fase, a do Act (agir), devemos pensar no que vamos fazer após a realização 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 máquina que
provocou o risco?
Nesta fase também (como a ciência não tem fim), anotamos quais outras ideias de
experimentos tivemos que poderão nos ajudar a aprofundar ainda mais nosso
conhecimento sobre aquele processo. Qual será o objetivo do próximo ciclo?
55
O ciclo
Use charts PDSA
to explain your ideas
Conhecimento
Tempo
A aplicação dos ciclos PDSA é contínua. Quando se acaba um ciclo, inicia-se outro, o
que chamamos de “conectar” seus ciclos PDSA.
Por que não realizar apenas um? Porque a cada teste, se gera um conhecimento novo.
Sabe-se o que funcionou e o que falhou, além do que deve ser feito na próxima vez. E,
quando encerramos um ciclo, surgem novas perguntas, novos questionamentos. No
decorrer de vários ciclos, todas as dificuldades iniciais acabam se dissipando.
Aprende-se de maneira iterada e só se implementam as mudanças quando se está convicto
de que serão melhorias.
Vale lembrar que realizar vários testes pequenos, desenvolvendo a solução final,
reduz severamente a resistência das pessoas à mudança e os riscos inerentes a ela.
Com isto em vista, temos alguns conselhos para você que quer começar na vida da
melhoria de processos:
• Adiante-se: você já sabe que terá de rodar diversos ciclos, então planeje-os bem. Muita
coisa também vai dar errado, por isso sempre pense um passo adiante e faça testes
avaliando melhorias nas condições dos próprios testes.
• Comece pequeno: não complique as coisas logo no começo! Teste em pequena escala
(por exemplo com poucas máquinas) e vá aumentando a escala conforme aumenta a
sua convicção nas mudanças.
• Comece! Não espere mais. Quais testes você já pode fazer amanhã?
56
O ciclo
Use charts PDSA
to explain your ideas
Quer exemplos?
57
Resumindo o to
Use charts modelo deideas
explain your melhoria
3. Quais mudanças
podemos fazer?
58
Abordagens,
habilidades e
roteiros
59
ParaUse
que usamos
charts to explainayour
melhoria?
ideas
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 possíveis:
• Quando queremos mudar o sistema como um todo, ou seja, provocar uma mudança
radical em nosso sistema. Como veremos ao longo do Green Belt, um sistema
normalmente, entrega um produto (ou serviço) que é feito por processos (uma série de
atividades que transformam os insumos em produtos). Cada processo é
operacionalizado por meio de procedimentos (que dita como se dará a operação, que é
a interação entre pessoas e máquinas para a realização das etapas do processo). O ciclo
PDSA nos ajuda a desenvolver ideias além da melhoria incremental, permitindo a
criação de mudanças radicais em cada uma destas etapas do sistema.
• Quando queremos apenas melhorias pontuais em nossos sistemas. Muitas vezes,
queremos usar as técnicas aqui apresentadas apenas para sair de algo como “uma taxa
de refugo de 10%” para “uma taxa de refugo de 1%”. Essas técnicas nos ajudam
bastante com esse tipo de melhoria pontual. Igualmente à taxa de refugo (que é uma
métrica de um processo, por exemplo), podemos pensar em indicadores para o
desempenho de nossos produtos (ou serviços) ou de nossos procedimentos.
Qual abordagem usar depende muito da empresa em que trabalha, da equipe de melhoria,
do tempo e recursos que tem disponível para o projeto.
60
As habilidades detoum
Use charts agente
explain de melhoria
your ideas
Lidar com
dados
Trabalhar Entender a
em equipe situação atual
Disseminar Desenvolver
mudanças mudanças
Implementar Testar
mudanças mudanças
Sete habilidades são fundamentais para se trabalhar com melhoria de processos no Lean
Seis Sigma, pelo Modelo de Melhoria. São exatamente estas habilidades que
desenvolvemos em nossos alunos nos cursos de White, Green e Black Belt. São elas:
• Habilidade em lidar com dados: um agente de melhoria deve saber coletar e
interpretar dados. Ele deve entender a variação de seus processos e aprender com ela.
Só assim ele estará ligado ao mundo real e não em especulações de sua mente ou
colegas. Como diria Deming: “Sem dados, você é apenas mais um sujeito com uma
opinião”. O desenvolvimento dessa habilidade se dá por meio do ensinamento de
ferramentas simples como os gráficos de Controle, Frequência e Tendência, além de
ferramentas mais complexas como a análise do sistema de medição (MSA), a regressão
linear e a regressão logística.
• Entender a situação atual: para melhorar, é necessário saber o que está acontecendo.
É preciso olhar para um sistema e saber para que ele existe, além de entender como
seus processos e procedimentos se conectam. Para isto, não basta olhar apenas para os
indicadores de um sistema, é necessário mapear seus processos. Ao longo do curso de
Green Belt, ensinaremos como mapeá-los, conectá-los aos seus indicadores e
desdobrá-lo em procedimentos a fim de melhorá-los.
• Desenvolver mudanças: um bom agente de melhoria desenvolve mudanças com
rapidez e maestria. Ele é capaz de, rapidamente, propor diversas alternativas para a
maneira como as coisas são feitas. Cada uma das 4 estratégias de desenvolvimento de
mudanças será detalhada ao longo do treinamento.
• Testar mudanças: o ciclo PDSA é o coração de nosso modelo e a ferramenta que
suporta a experimentação. Dominar a elaboração de bons experimentos e testar as
mudanças que vamos fazer é o que nos colocará em sintonia com a realidade. Um
agente preparado de melhoria deve saber estruturar experimentos de maneira a testar
o máximo de predições com o mínimo de recursos. Para isto, utilizamos os
Experimentos Fatoriais, que nos permite tirar o máximo de nossos testes.
61
• Implementar mudanças: é necessária uma boa carga de psicologia para fazer com
que mudanças sejam implementadas em organizações. Por mais que tenhamos a
convicção de que uma mudança é uma melhoria, sem convencer aos envolvidos,
ninguém trabalhará no que propomos. Implementar as mudanças com maestria é
trabalho do agente de melhoria.
• Disseminar mudanças: disseminar mudanças é torna-las acessíveis para um público
maior. Para que as pessoas adotem as mudanças propostas, o agente de melhoria tem
que conscientizá-las dos problemas reais que as mudanças resolverão e, que essas
mudanças têm grande possibilidade de serem de fato, uma melhoria. O agente de
melhoria precisa expor seu plano de ação e convencer os envolvidos. A base de toda
disseminação é uma boa comunicação.
• Trabalhar em equipe: ninguém faz nada sozinho, por isso o agente de melhoria deve
liderar equipes (muitas vezes multidisciplinares) para a obtenção dos resultados
propostos. As competências e habilidades necessárias à gestão de equipes são
abordadas no Black Belt, pois quanto mais complexos os projetos, mais pessoas serão
envolvidas.
Uma vez que o agente desenvolve cada uma destas sete habilidades, ele certamente será
um mestre da melhoria.
62
OsUse
roteiros de melhoria
charts to explain your ideas
O que esta história nos ensina? Ela nos ensina que temos que diferenciar produto de
necessidade. No caso, o aparelho tocador de CD e o de MP3 são produtos que atendem
a mesma necessidade, ouvir música. 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
DMAIC
Kaizen 7 passos
Os 8 passos do TBP
Etc.
PRODUTOS OU NECESSIDADE?
OS ROTEIROS DE MELHORIA
Você certamente já ouviu falar do famoso DMAIC, tão ensinado como a solução para
todos os males em uma empresa. Assim como o DMAIC, existem outros. Mas o que são
esses roteiros?
Roteiros de melhoria são uma sequência estruturada de atividades a serem realizadas e
ferramentas a serem utilizadas que visam produzir melhorias em nossos processos.
Teoricamente, seguindo à risca esse passo a passo, iremos conseguir melhorias
significativas em nossos processos, alcançando os objetivos propostos.
Mas, não devemos cair no merchandising que há por aí. Roteiros de melhoria, são
produtos desenvolvidos para suprir a necessidade das organizações por melhorias. Eles
são úteis, entretanto, não podem ser vistos como dogmas fundamentais ou fórmulas
mágicas. Empresas podem terem sua necessidade por melhoria atendidas por vários
roteiros, sendo o Modelo de Melhoria um deles.
Agora, há organizações que criam verdadeiras batalhas internas entre áreas que defendem
roteiros diferentes. Em nossa percepção, tais brigas são desnecessárias e enquadram-se
mais como meios para a disputa de poder interno. Em tese, uma organização poderia
beneficiar-se amplamente, mesmo com áreas diferentes adotando roteiros diferentes.
64
OsUse
roteiros de melhoria
charts to explain your ideas
Melhor desempenho.
65
OsUse
roteiros de melhoria
charts to explain your ideas
Não importa qual é o roteiro, pois todos eles passam por 4 passos básicos para realizar o
projeto de melhoria:
• Compreender a situação atual, por meio das mais diferentes estratégias e
ferramentas. Aqui normalmente se busca mapear o processo e medir seus indicadores;
• Desenvolver mudanças, por meio de diferentes estratégias;
• Testar essas mudanças; e
• Implementar as mudanças 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 resolução de problemas práticos
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 básicas. Nos 8 passos da Toyota, por exemplo,
a etapa 1, 2 e 3 visam compreender a situação atual. As etapas 4 e 5 o desenvolvimento
de mudanças. As etapas 5 e 6 o teste destas mudanças (e a verificação do resultado) e por
fim, na etapa 8 se padroniza e estabelece o controle do processo, que é a implementação.
No roteiro DMAIC, temos o entendimento acontecendo nas etapas D, M e A, o
desenvolvimento de mudanças acontecendo nas fases A e I, os testes na fase I e a
implementação na fase C.
Nos 7 passos para a melhoria, temos todas as etapas 1, 2, 3 e 4 cuidam do entendimento
da situação atual. As etapas 5 e 6, do desenvolvimento e teste de mudanças. A
implementação, por fim, acontece na etapa 7.
Cada um destes roteiros oferece diferentes ferramentas para a melhoria, entretanto,
devemos ter consciência que nem sempre precisamos usar todas as ferramentas para
nossos projetos. Um projeto bem-sucedido é aquele que chega à bons resultados,
indiferente de quais ferramentas utilizamos.
No curso, iremos explorar as ferramentas por meio do roteiro DMAIC, porém
incentivamos nossos alunos a conhecer mais sobre os outros roteiros existentes. O
que eles têm 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
benefícios • Determinar relações causais baseado em dados
• Determinar os requisitos dos clientes e as • Identificar os maus conceitos presentes processo
CTQ’s • Buscar explicações para o desempenho atual
• Identificar o proprietário do projeto, • Identificar mudanças
champion e o time Improve
• Fazer o SIPOC do processo • Desenvolver mudanças
• Definir os recursos, fronteiras e restrições • Testar as mudanças em pequena escala
• Fazer o contrato com a equipe • Avaliar os riscos e benefícios das mudanças
• Implementar as mudanças que resultem em
melhoria
Measure
• Fazer o mapa detalhado do Processo Control
(Fluxograma) • Desenvolver um plano de implementação
• Determinar os X’s e os Y’s críticos • Determinar necessidades de comunicação e
• Validar o Sistema de Medição 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 alcançados com todos
ROTEIRO DMAIC
O roteiro DMAIC é composto por 5 fases: Define (ou definir), Measure (ou medir),
Analyze (ou analisar), Improve (ou melhorar) e Control (ou controlar):
• Na fase do Define nós definimos qual é o problema ou qual a oportunidade que
queremos trabalhar. Nela, respondemos às 2 primeiras perguntas fundamentais,
entendendo a real necessidade da organização. O maior desafio aqui é cristalizar as
impressões particulares de cada envolvido no projeto para chegar a um objetivo mais
palpável. A saída fundamental da fase Define é a formulação do contrato de melhoria,
que irá pautar todos os esforços futuros. Algumas ferramentas usadas nesta fase são:
• VOC (Voice of Customer), que nos ajuda a coletar informações do cliente, por
meio de pesquisas e estrutura-las por meio da árvore 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 tópicos discutidos, alinhando
equipe, patrocinador e clientes;
• A matriz de análise de stakeholders, que nos ajuda a identificar todos os
envolvidos e programar nossas ações de convencimento;
• A matriz de comunicação, que nos ajuda a evitar problemas causados pelo
desalinhamento nas comunicações;
• O diagrama de afinidades, que ajuda a organizar as nossas ideias.
• A fase seguinte é a fase do Measure, aonde vamos começar a entender os processos e
seu desempenho. Essa fase tem duas frentes de trabalho distintas, ou duas “portas” por
onde começamos nossas medições: a porta de processos e a porta de dados. Na porta
de processos, nós mapeamos o processo atual e entendemos como ele funciona.
68
Identificamos quais são suas atividades e como elas se conectam. A grande saída dessa
porta é um fluxograma que explica exatamente como nosso processo transforma suas
entradas (matérias-primas) em saídas (produtos ou serviços). Na porta de dados, nós
medimos o desempenho do processo por meio dos indicadores. Para isso, temos que
coletar dados sobre o que está acontecendo e analisá-los. Boa parte das ferramentas
que iremos ensinar no curso de Green Belt tem o objetivo único de analisar os dados
que coletamos. Algumas ferramentas desta fase são:
• Para processos:
• A ferramenta do SIPOC, com ênfase no mapeamento de processos;
• A criação de fluxogramas;
• A elaboração de um VSM (value stream mapping, ou mapeamento do
fluxo de valor);
• A criação de diagramas de espaguete, ou diagramas de layout;
• A análise e criação de instruções de trabalho e definições
operacionais.
• Para dados:
• Formulários de coletas de dados e folhas de verificação;
• Gráficos de tendência;
• Gráficos de controle;
• Gráficos de frequência (histogramas, Box-Plots, gráficos de barras,
de setores, de Pareto, etc.);
• Análises de capabilidade;
• Análises MSA (measure system analysis);
• Ferramentas para a transformação de variáveis.
• A terceira fase é a do Analyze. Nela fazemos duas coisas: analisamos criticamente
nossos dados e procuramos desenvolver mudanças que vão gerar melhorias. Na
prática, fazemos as duas coisas juntas. Ao final dessa fase, já teremos formatado as
nossas primeiras mudanças a serem testadas. Algumas ferramentas:
• Para dados:
• Estudo de correlação, como gráficos de dispersão e planilhas de
contingência;
• Análise de Regressão Linear;
• Para processos:
• Os 5 por quês;
• O diagrama de Ishikawa, ou diagrama de causa e efeito;
• Diagramas de árvore;
• Análise de Valor;
• Criação de Poka-Yokes;
• Análise de desconexões;
• As técnicas de criatividade;
69
• Os conceitos de mudança;
• A penúltima fase é a fase do Improve, onde vamos melhorar as nossas mudanças e
começar a melhorar o nosso processo. Nesta fase nós iniciamos nossos experimentos.
As ferramentas mais importantes a serem trabalhadas são o ciclo PDSA e o
planejamento de experimentos, usando experimentos fatoriais. Ao sairmos do
improve, já vamos saber exatamente quais ferramentas devemos implementar.
• A última fase é a fase do Control. É nela que implementamos as mudanças
vencedoras. Para que essa implementação seja bem-feita, aplicamos algumas
ferramentas de psicologia, como o diagrama de campos de força e elaboramos bons
padrões e bons treinamentos. Sem isto, o risco de uma boa mudança perder-se é
grande.
A seguir, iremos aprofundar em cada uma destas fases, ensinando as ferramentas!
70
Resumo do capítulo
71
Define
DEFINE
O Define é o primeiro passo do roteiro DMAIC. É por ele que começamos o nosso projeto
de melhoria. Nele, todas as nossas ações vão ter o objetivo simples de definir o objetivo
do nosso esforço de melhoria. Essa definição 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 impressões. Qual é o real
problema da empresa? Usamos aqui várias ferramentas muito úteis para transformar essas
ideias e impressões abstratas em objetivos claros, expressos por indicadores. É um
trabalho árduo, já que devemos estruturar o conhecimento tácito em algo estruturado, mas
temos várias ferramentas que nos ajudam nessa missão.
Ao final da fase do Define, teremos preenchido o nosso Contrato de Melhoria, que é a
principal ferramenta de alinhamento da equipe de melhoria. Este documento é análogo ao
Project Charter (ou, Termo de Abertura do Projeto) utilizado nas metodologias de gestão
de projetos.
72
O Define
Objetivo:
Definir o foco e os indicadores do projeto e
comunica-los à equipe.
Atividades:
◉ Determinar os requisitos dos clientes (VOC) e
identificar as características críticas à qualidade.
◉ Fazer o SIPOC do processo.
◉ Preencher o contrato de melhoria.
73
O VOC (Voice of Customer)
VOC
Muitos projetos de melhoria estão baseados na interface com o cliente. Em outras
palavras, tem como objetivo resolver os problemas dos clientes ou encantá-los. Para tanto,
precisamos escutá-los e traduzirmos o que estão falando para uma linguagem palatável
ao nosso projeto de melhoria. Precisamos, portanto, extrair das informações subjetivas,
indicadores mensuráveis. Vamos ver como fazemos isso!
74
Coletando informações dos clientes (internos e
externos)
Fontes reativas
Fontes ativas
Para coletar informações dos clientes (aqui estamos falando tanto de clientes externos
quanto de clientes internos), nós temos basicamente duas estratégias:
• Recorrer a fontes reativas de informação, ou seja, fontes que te enviam
informações, quer você faça algo ou não. São por exemplo, ligações de clientes para
o SAC da empresa, aberturas de chamados em sites como o Reclame AQUI,
relatórios de vendas, reinvindicações de garantia de nossos produtos ou serviços, etc.
Essas informações são relativamente baratas de serem adquiridas, porém elas são
também parciais: a informação 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 são as fontes ativas de informação, ou seja, aquelas que temos
que fazer alguma coisa para conseguir as informações. Exemplos de fontes ativas vão
desde as mais simples, como formulários de pesquisa enviados por e-mail até as mais
complexas, como a elaboração de grupos focais, passando pelas mais convencionais,
como entrevistas com os clientes, conversas informais e até ligações de feedback. A
vantagem das fontes ativas de informações é que, por meio delas, podemos obter a
informação 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 reclamações
no Reclame AQUI, por exemplo) e depois seguir para as fontes ativas para a
complementação das informações passivas (por exemplo, ligar para cada cliente para
entender melhor os problemas apresentados).
O importante é, 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 até
eles em, no máximo, 3 dias úteis.
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 térmico em seus carros, por isso, quando o ar
condicionado do carro é ligado e a temperatura externa é de 40°C, em até 5 minutos o
carro precisa ter seu interior climatizado em 22°C.
Chegar em objetivos como estes não é fácil. Quando estamos coletando informações dos
clientes, para chegar a estes objetivos, devemos tomar alguns cuidados, que vamos
discutir a seguir.
76
Coletando informações dos clientes
◉ Seja específico
◉ Expresse os requerimentos em
fatores mensuráveis
Durante a coleta de informações, temos que entender que os clientes não possuem os
mesmos pensamentos que nós, envolvidos com melhoria, possuímos. Eles não estão
interessados em definir um objetivo claro para melhorar nossos produtos, por isso eles
vão ser relativamente vagos em suas exposições. Irão exprimir-se muitas vezes de
maneira sentimental e inconsciente: sabem que não gostam de algo do produto, mas não
sabem exatamente o porquê. Cabe a nós, tentar entender o porquê com perguntas. Outra
coisa que pode acontecer (e vai acontecer) é o cliente comparar seu produto com coisas
que ele está acostumado. Você irá escutar respostas do tipo:
• “Eu gosto que a minha entrega seja rápida. O pessoal da concorrência entregou muito
rápido” (Ok, mas em quantos dias? Qual a definição de rápido para você?).
• “O ar condicionado do carro de vocês é uma porcaria, ele demora 1 ano para esfriar!
Eu moro no Rio de Janeiro, aqui faz muito calor! Meu amigo tem o carro da
concorrência e ele gela rapidinho” (Maravilha, mas quantos graus lá fora é calor?
Quantos graus significa conforto para você, 23ºC? O que é “rapidinho” em minutos?).
Notem que, as perguntas “inteligentes” seguem uma lógica: elas devem induzir os clientes
a serem específicos, identificar suas vontades em requerimentos mensuráveis (em uma
escala definida) e dizer o que é “aceitável” e o que é “inaceitável”. A perspectiva pela
qual induzimos o cliente também é muito importante. Devemos induzi-lo a pensar na sua
necessidade, e não na solução que ele gostaria. Um exemplo disso é a célebre frase
atribuída a Henry Ford, sobre a invenção do carro: “Se eu perguntasse ao meu cliente o
que ele queria, iria me responder que precisava de um cavalo um pouco mais rápido”.
É papel do agente de melhoria, direcionar a conversa com o cliente de maneira a
extrair as informações necessárias. Alinhar, claramente com o cliente o objetivo da
reunião, explicando calmamente todo o esforço de melhoria, é uma ótima maneira de
coletar as informações de maneira eficiente. A ferramenta da árvore CTC (critical to
customer) ajuda muito nessas situações. Vamos conhecê-la melhor...
77
ÁRVORE CTC
A árvore CTC, ou CTQ é um diagrama que nos ajuda a extrair indicadores dos clientes,
a partir de suas percepções abstratas. Ela tem, basicamente, 4 níveis:
• Formular o problema: o que estamos analisando? Podemos estar, por exemplo,
querendo ver a qualidade do nosso processo de faturamento, ou então a qualidade de
um carro que produzimos.
• Identificação dos direcionadores: de maneira abstrata, o que é, do ponto de vista
para o cliente, um bom processo de fatura? Bom. As faturas têm que ser entregues no
dia, portanto tempo de entrega é um direcionador. As faturas também devem vir com
o valor correto, conforme o combinado no contrato, portanto valor da fatura é outro
direcionador. Para o caso do carro, temos direcionadores diferentes, como por
exemplo: consumo de combustível, silêncio, conforto térmico, etc.
• Identificados os direcionadores, temos que definir variáveis específicas e
mensuráveis para representar cada direcionador. No caso da fatura, para representar
o direcionador “tempo de entrega”, podemos medir a variável tempo de entrega,
definida como: o tempo total em dias que leva da solicitação de faturamento pelo
cliente até o mesmo receber a sua fatura. Atrelada a esta variável, podemos ter
também uma especificação: a fatura estará conforme, caso ela seja entregue em
até 3 dias úteis, caso contrário ela estará não conforme. Notem que cada
direcionador pode ter uma ou mais variáveis para representa-lo.
• Por fim, definimos os indicadores para medirmos se estamos atendendo as variáveis
importante para o cliente. Cada variável poderá ter um ou mais indicadores,
dependendo da situação. Em nosso exemplo, a variável “tempo de entrega” pode ter
dois indicadores: tempo médio de entrega das faturas e % de faturas não
conformes, dando-nos informações diferentes.
Esta árvore é uma ferramenta maravilhosa na tradução das necessidades de clientes (tanto
internos quanto externos). Veja como fica o exemplo completo do projeto de faturas:
78
A árvore CTC
Tempo (dias)
- Tempo par enviar a fatura (dias)
Tempo Menos que 2 dias
- % de faturas enviadas fora do prazo
úteis
Fatura
Controle - % de faturas registradas
registrada(Y/N)
79
O SIPOC
SIPOC
80
A visão sistêmica e as empresas
Direcionamento
Fornecedores
Clientes
Produção
Saídas
Entradas
Suporte
Uma das grandes contribuições de Deming para a administração de empresas foi abrir os
olhos dos gestores para a visão sistêmica. Parte de ter visão sistêmica é poder enxergar a
empresa como um sistema, que transforma entradas em saídas, por meio de processos.
Analisar os processos sob esta perspectiva é uma atividade muito importante no Define.
Ao fazer isso, percebemos o porquê de cada processo existir. Damos foco no motivo pelo
qual aquele processo existe, ao invés de ficarmos apaixonados pela maneira com que as
atividades estão 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 preenchê-la.
81
O SIPOC
FORNECEDORES
CLIENTES
Entradas Processo Saídas
Passos do Processo
SIPOC é um anagrama onde cada letra representa uma palavra da língua inglesa: S
(Supplier, ou fornecedor), I (Inputs, ou entradas), P (Process, ou processos), O (Outputs,
ou saídas) e C (Customers, ou clientes).
Para criar um SIPOC do processo você deve seguir alguns passos. São 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
Estratégico da Área Comercial);
2. Defina as saídas do processo. As saídas são as coisas tangíveis que o processo
produz (Ex: um relatório, uma carta, um produto, etc);
3. Defina os clientes do processo. Estas são as pessoas ou outros processos que
recebem as saídas do processo. Toda saída deverá possuir um cliente;
4. Defina as entradas do processo. Estas são as coisas necessárias para iniciar o
processo. Elas frequentemente são tangíveis (Ex: Requisição do cliente);
5. Defina os fornecedores do processo. Estes são as pessoas ou outros processos que
fornecem as entradas. Toda entrada deverá possuir um fornecedor. Em alguns
processos que vão do início ao fim, o fornecedor e o cliente poderão ser o mesmo;
6. Defina os sub-processos que fazem parte do processo mapeado. Estas são as
atividades que são feitas para converter as entradas em saídas. Elas serão a base
para o mapa do processo a ser criado a após a elaboração do SIPOC.
Notem que ao fazer isso, estamos começando a mapear o processo que estamos
analisando. Mais para a frente, iremos destacar como usar essa ferramenta para se mapear
com perfeição 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 gerúndio ou
ele faz, nem mais e nem menos complemento verbo no passado
Use a declaração de propósitos
do processo para definir o Colocar palavras que definem o
O nome do processo não deverá
porquê ele existe. Isto irá ajudá- objetivo do processo. Ex:
definir seu desempenho e nem
lo a identificar os objetivos de Contratar pessoas rápido, melhorar
seus objetivos de melhoria
melhoria e as métricas de os relatórios
desempenho
As saídas são “coisas”. Elas Saídas que ou são vagas, como
As saídas devem especificar o
podem estar corretas ou com “clientes satisfeitos” ou que
que o processo entrega, não o
erros. Podem atender as contém especificações, como
que ele alcança
necessidades do cliente ou não “relatórios entregues a tempo”
Mão de obra e outros recursos não
consumidos no processo. Eles não
disparam o processo e não sofrem
transformação.
Políticas e regras não devem ser
Vamos praticar?
83
Exercício!
In two or three columns
Um exame de sangue
84
Exercício!
In two or three columns
Requisição
Álcool
Outros materiais
Passos do Processo
85
Por que usar o SIPOC no Define?
◉ Entendimento macro do
processo
86
O Contrato de Melhoria
87
O contrato de melhoria
O CONTRATO DE MELHORIA
O contrato de melhoria é 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 alcançados pela equipe e quais os recursos o patrocinador deverá
disponibilizar para tal.
Além disso, é usual em projetos de melhoria descrevermos de maneira sucinta o
incômodo a ser tratado, antes de definirmos os objetivos. A descrição do incômodo ajuda
a contextualizar o esforço de melhoria e a definir a perspectiva mais adequada do projeto
(lembre-se do exercício que fizemos nas aulas anteriores, que dizia do departamento de
compras).
O contrato é útil pois ele ajuda a estabelecer papeis e responsabilidades, além de deixar a
equipe focada no objetivo. Quando conduzimos projetos de melhoria, sempre que há
discussões ou dúvidas se estamos no caminho certo, recorremos ao contrato. É nele que
fica o norte do projeto, algo que não podemos perder.
A seguir, vamos explorar melhor os elementos do contrato de melhoria.
88
O contrato de melhoria
◉ O escopo muda;
◉ A equipe muda;
◉ Os recursos mudam;
◉ Eventos externos “acontecem”.
89
Os elementos do contrato
Nome do projeto:
Integrantes:
Patrocinador:
3. Restrições
4. Cronograma
90
Exemplo
Importância para a empresa:
“Reduzir as perdas na pintura devido à batida irá diminuir a carga de
trabalho e aumentar a produtividade. ”
Importância para o cliente:
“Reduzir esta perda fará com que o cliente receba a sua encomenda mais
rápido 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% até o
mês que vem.
• Como saberemos que a mudança é uma melhoria? Nesta parte, identificamos todos
os indicadores e contra indicadores que queremos trabalhar, bem como colocamos uma
meta para a sua redução. Sim, sabemos que colocar metas é um assunto polêmico, por
isso ele será discutido mais à frente nessa apostila.
• Restrições. Na parte de restrições, devemos deixar explícito quais são as restrições do
projeto. Por exemplo, podemos ter restrições como “não modificar o processo X”, ou
“não envolver mudanças para o cliente”. Além disso, em geral trabalhamos com
restrições orçamentárias e de recursos humanos.
• Cronograma. Por fim, colocamos uma sequência lógica no tempo do que vamos
trabalhar. No cronograma, podemos relacionar as próximas atividades com as etapas
do roteiro DMAIC, por exemplo: na primeira semana, iremos fazer a definição das
metas, na segunda semana, iremos medir o processo, e assim por diante.
91
Atribuição de metas
METAS
Muito cuidado ao negociar metas com o patrocinador do projeto, especialmente se
estas metas refletirem na remuneração dos envolvidos.
Quando alguém não 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 medição (colocar aquela “balança viciada” para parecer mais
magro);
• Omitir ou “expurgar” dados;
• Alterar a memória de cálculo;
• Distorcer o sistema como um todo (como o vendedor que, para vender mais, começa
a dar descontos em excesso).
Apesar destes problemas, nós na FM2S acreditamos em metas numéricas. Algumas das
mentes mais competentes e ambiciosas, inclusive, só se motivam por meio da atribuição
de metas numéricas bem definidas. Por isso, temos algumas dicas que podem ser úteis:
Metas devem ser SMART, ou seja:
o Específicas (ligadas a um indicador);
o Mensuráveis (é preciso saber exatamente como ela será avaliada);
o Possíveis (metas muito fantasiosas desmotivam a equipe);
o Relevantes (ou seja, devemos entender a variação 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 ensiná-la
como chegar lá. Isso é uma grande crueldade. Devemos priorizar a dedicação da
pessoa e a sua conformidade em relação ao processo, ao invés de meramente os
resultados obtidos. Como dizem na Toyota: é melhor (e mais fácil) ter um
processo brilhante do que pessoas brilhantes.
92
Como saber o método para chegar até a meta? Essa é uma pergunta complicada com
uma resposta simples: benchmarking. Procure conhecer outras empresas que bateram
metas similares às suas. O que eles fizeram? Qual foi a estratégia adotada? Como eles
implementaram as mudanças? Entenda o que já aconteceu e trace seu caminho até a sua
meta, sempre utilizando as técnicas de geração de conhecimento específico para que o
seu caminho seja mais suave que o da empresa consultada.
De maneira geral, não use metas como chicote. Se uma meta não for batida, não procure
culpados, procure erros no processo ou nas hipóteses.
93
Estudo de columns
In two or three caso!
ESTUDO DE CASO!!!!
94
Outras ferramentas úteis para o Define
O que vem da gestão 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
Nível de compromisso P1 P2 P3 P4
Atual Desejado
MATRIZ DE STAKEHOLDERS
Uma das atividades mais importantes em qualquer projeto é gerir os envolvidos.
Uma ferramenta que nos ajuda a fazer isso é a Matriz de Stakeholders.
Diversas pessoas podem ter interesse em nosso projeto de melhoria e, certamente, cada
uma irá se relacionar com ele de uma maneira. Entre alguns envolvidos clássicos 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 nível de
apoio, que pode variar desde um “apoio entusiástico” até uma “hostilidade declarada”.
Muitas vezes, caso não tenhamos o apoio necessário, o projeto não sairá do lugar.
Por exemplo, se o patrocinador do projeto se mostra vacilante ou indiferente às mudanças
propostas, dificilmente conseguiremos obter recursos para concretizá-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 está de fato acontecendo no projeto. Para que essas coisas
não aconteçam, precisamos saber exatamente quem devemos “trazer para o nosso lado”.
A Matriz de Stakeholders nos ajuda a fazer isso. O seu preenchimento é muito fácil:
• Listamos todas as pessoas chave do projeto;
• Marcamos como eles estão atualmente com relação ao projeto (de hostil a
entusiasmado, conforme é apresentado no slide);
• Marcamos como eles precisam estar para que o projeto aconteça em sua plenitude;
• Colocamos uma seta para ilustrar o caminho;
• Começamos trabalhando nas pessoas com as setas maiores.
Notem que, a grande mágica não está na planilha em si, mas sim nas setas. Saber qual
estratégia usar para o convencimento das pessoas é a parte mais difícil e trabalhosa deste
planejamento. Além disto, esta matriz é sigilosa, devendo ser compartilhada entre os
membros da equipe apenas.
96
Matriz deorcomunicações
In two three columns
Projeto:
Data:
Equipe:
MATRIZ DE COMUNICAÇÕES
A Matriz de comunicações é uma ferramenta que nos ajuda a planejar as comunicações
dentro do projeto. Ela existe para evitar a comunicação extraoficial, ou dos corredores.
Esse tipo de comunicação é extremamente insalubre para qualquer projeto de melhoria.
Imagine só uma situação hipotética: o patrocinador do projeto recebe a informação de que
os testes de mudança estão 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 comunicação é uma matriz que deixa claro quem irá comunicar o que e
quando. Ela, portanto, formaliza os eventos de comunicação dentro do projeto.
Também podemos colocar como será feita a comunicação e por quê.
Alguns eventos clássicos que colocamos na matriz são:
• Disseminação das definições do Define, para alinhar a equipe no objetivo;
• Disseminação do resultado da fase Measure, em que mostramos o mapeamento feito
do processo e o valor dos indicadores coletados;
• Orientação sobre os testes a serem feitos;
• Divulgação do resultado dos testes realizados;
• Plano de implementação;
• Divulgação de resultados para o cliente;
• Alinhamento de testes com o cliente;
• Etc.
Consta também, na matriz de comunicações, a razão de comunicar aquele fato de maneira
formal: quais são as preocupações se esta comunicação 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 série 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 traçar um plano de mudanças 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 número de ideias sobre uma questão específica;
• Organizam as ideias e dão nomes aos grupos.
Durante o processo de colocar em ordem um conjunto de dados aparentemente não
relacionados, uma equipe poderá começar a identificar e focar as áreas para melhoria.
Por que usar o D.A.:
O diagrama de afinidades é 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, análise de reclamações, problemas
de produção e etc.
Benefícios:
• Esclarece uma situação confusa;
• Incentiva conexões não-tradicionais entre ideias e questões;
• Incentiva a criatividade de todos da equipe;
• Quebra barreiras de comunicação e ideias pré-concebidas sobre um assunto;
• Permite o surgimento natural de tópicos 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 inexistência 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.
Preparação
Antes de começar, você vai precisar de:
• Um facilitador para a equipe; (essa ferramenta é mais útil quando for utilizada
em grupo)
• Notas adesivas tipo post-it; (2-3 pacotes)
• Flip-chart ou quadro branco para fixar as notas;
• Marcadores; (preferível canetas hidrocor ou para transparências)
• Fita adesiva transparente.
Construção do Diagrama de Afinidades:
1. Identifique a questão:
• Escreva a questão que está sendo discutida no flip-chart.
• Dicas:
• Todos os membros da equipe devem concordar com a questão.
• Exemplo: Fatores que prejudicam as vendas de café
2. Faça um brainstorming:
• Obtenha pelo menos 20 ideias ou questões;
• Registre cada ideia em uma nota adesiva;
• Dicas:
• Evite usar uma palavra só, 4 a 7 palavras funcionam bem.
• Uma afinidade "típica" contém 40 a 60 itens, dependendo da questão.
• Se já existirem dados, como feedback de clientes ou problemas de
produção, use os dados em lugar de fazer um brainstorming de novas
ideias.
3. Agrupe os resultados.
Em silêncio, os membros da equipe classificam simultaneamente as ideias em
grupos relacionados, colocando as notas adesivas em blocos distintos. Cada
pessoa deverá mover as notas adesivas para o local que considera mais adequado.
Não faça perguntas, apenas mova as notas que, em sua opinião, pertencem a um
grupo diferente.
Dicas:
• Os blocos poderão conter qualquer número de ideias - até uma só.
• As notas adesivas poderão ser movidas tantas vezes quantas forem
necessárias até que o grupo esteja satisfeito com o resultado.
• O ritmo da classificação diminuirá e, em seguida, cessará, quando todos
os membros da equipe estiverem satisfeitos com os agrupamentos.
Analise dos dados
99
A equipe então discute o relacionamento entre os itens de cada bloco e escolhe
um título para cada um dos blocos.
Dicas:
• Consiga um rápido consenso da equipe em relação a uma palavra ou
frase capaz de capturar a ideia/tema central de cada bloco.
• Divida os blocos maiores em subgrupos, se necessário.
Avaliação do sucesso:
Para medir o sucesso quanto à utilização desta ferramenta, reveja as seguintes perguntas:
• Os membros da equipe compreenderam com clareza a questão em discussão?
• Os membros conseguem definir com facilidade qual é o tema comum que
relaciona os itens em cada categoria?
• O diagrama final exibe informações suficientes a serem utilizadas pela equipe
na próxima etapa?
100
Measure
MEASURE
Na fase do Measure, como o próprio nome já diz, vamos começar a “medir” nosso
processo. Por medir entendemos: coletar informações que nos serão úteis no esforço 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 saídas. Existem várias técnicas 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 começamos a analisa-lo. Temos que entender que é muito
importante fazer uma coleta cuidadosa dos dados para que nossa análise seja razoável
(iremos comentar como se coletar bons dados). Do ponto de vista de análise, na fase
do Measure nossa maior preocupação é entender a variação dos indicadores. Vamos
ensinar algumas ferramentas excelentes para se fazer isso (como é o caso dos gráficos
de controle de Shewhart) e como se comparar essa variação com as especificações do
cliente (que é o caso das análises de Capabilidade).
101
O Measure
Objetivo:
Começar 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 medição
◉ Analisar a variação dos dados
◉ Comparar a varação dos dados frente às exigências
dos clientes
102
A Porta de Processos
A PORTA DE PROCESSOS
A porta de processos são as várias atividades que realizamos no Measure para entender
como que as atividades se concatenam em processos e como estes processos cumprem o
propósito da organização.
103
O que são processos?
Definição:
104
As organizações e os processos
Atividades Direcionadoras
Fornecedores
Atividades de produção
Entradas
Saídas Clientes
Atividades de Suporte
Como já vimos, essa visão de transformação é extremamente útil para se enxergar uma
organização, pois ela faz com que entendamos o propósito da organização. Quando
fazemos isso, dizemos que estamos enxergando a organização como um sistema, o que
é um dos pilares chave do conhecimento profundo de Deming.
Entender a organização como um sistema não é tarefa simples, já que o sistema é um
emaranhado de processos. Em outras palavras, podemos dizer que o propósito da
organização só é cumprido uma vez que todos os seus processos desempenhem suas
atividades de maneira satisfatória.
Como vimos no slide anterior, um processo também tem várias etapas (que na definição
chamamos de “atividades). A operação é a interação entre as várias pessoas trabalhando
nele (imagine o processo de vendas de sua empresa, ou então o processo de contratação
de um novo funcionário) com as máquinas necessárias para executar o processo.
A descrição da operação é feita por meio de um procedimento, que no exemplo é:
• Selecionar o cliente com a maior pontuação na lista;
• Buscar o número 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 crítica. Seguindo a instrução de trabalho, a operação pode ser rapidamente
reproduzida. Com isso em mente, podemos definir 3 níveis de transformação.
105
As organizações
Sistema
Detalhamento
Complexidade
Processos
Atividades/
procedimentos
106
Mapeamento de processos
MAPEAMENTO DE PROCESSOS
Agora iremos aprofundar mais o mapeamento de processos. Iremos definir a atividade de
mapeamento e apontar quando devemos utilizá-la em projetos de melhoria.
107
As organizações na prática
Vimos várias vezes aquela figurinha bonitinha da organização como sistema proposta por
Deming. Acontece que na vida real, não é fácil enxergar aquela figura na organização em
que estamos inseridos.
Na prática, vemos algo como neste slide: uma série de pessoas (representadas pelas
bolinhas) realizando uma série de atividades (caixinhas) que transformam sabe-se lá de
que jeito, entradas (caixas em terracota) em saídas (caixas azuis) para os clientes. A ordem
dessas atividades é confusa. Determinadas pessoas desempenham papeis diferentes ao
longo do fluxo e, muitas vezes, estão envolvidas em mais de uma operação. 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 está ligada a
processos diferentes.
No mapeamento de processos, nosso objetivo é ilustrado no slide seguinte.
108
Mapear um processo
109
Mapear um processo
• Buscar melhorias
• Reestruturar
radicalmente
Geralmente, fazemos o mapeamento para entender melhor qual é nosso processo. Além
disso, quando temos claro o que está 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 começa e quando ele termina. Não temos como medir isso sem
ter o processo claramente mapeado.
Também podemos buscar melhorias pontuais em algumas atividades e na interação entre
elas. Na parte do Analyse, discutiremos uma técnica chamada de busca por desconexões,
onde analisamos se alguma parte do processo está sem as entradas que precisa, ou então
não está gerando as saídas necessárias. Isso faz com que as seguintes etapas
desempenhem de maneira ruim. Por exemplo, como vamos montar uma peça se não temos
a instrução de montagem? Se a pessoa de engenharia não envia essa entrada para a
montagem, problemas acontecerão. Isso é uma desconexão.
Ou, se quisermos alterar radicalmente o processo, sabemos todos os envolvidos e suas
interações, o que facilitará o reprojeto do processo e sua implementação por meio de um
novo procedimento.
110
Mapear um processo
◉ Entendimento do processo
◉ Ilustração em um fluxograma
111
Antes de começar
Fluxogram
Como ele realmente é
Pois bem, antes de começarmos a fala sobre como vamos mapear os processos, gostaria
de fazer algumas reflexões sobre alguns problemas recorrentes. São eles:
112
Mapeando
◉ Reduzir custos?
◉ Reduzir complexidades?
◉ Reduzir retrabalho?
◉ Simplificar o fluxo de informações?
113
Mapeando
114
Mapeando
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, já explicada anteriormente.
115
Mapeando
Processo
SIPOC da pessoa X
simples?
SIPOC da pessoa A
SIPOC do pessoa B
116
Mapeando
117
Vantagens do Mapeamento
O mapeamento dos processos, quando bem feito, traz uma série de benefícios para a
equipe de melhoria. Com ele é possível ter todos os ganhos apresentados no slide:
• Facilitação do aprendizado da equipe sobre o processo;
• Visibilidade do que está acontecendo;
• Demonstração dos papéis e relações entre os envolvidos no processo;
• Identificação dos gargalos, desconexões, etapas desnecessárias, etc.
• Medição do tempo das atividades;
• Identificação dos “quick wins” do projeto.
118
Fluxogramas
FLUXOGRAMA
Até agora falamos sobre como se realizar um mapeamento de processos adequado. A
partir daqui iremos comentar exclusivamente sobre os fluxogramas, que são as maneiras
de se representar um processo.
É muito importante frisar que um fluxograma não é um mapeamento e vice-versa. O
fluxograma, em geral é a saída de um mapeamento e apresenta um uso específico, ou seja,
se fizemos um fluxograma para avaliar o fluxo de informações em um processo (para um
projeto de melhoria, por exemplo), esse fluxograma não representa o aspecto do fluxo de
materiais e peças físicas neste mesmo processo.
119
O Fluxograma
Fluxogramas são
representações gráficas dos
nossos processos.
120
Os símbolos dos fluxogramas
SIMBOLOGIA UTILIZADA:
SIM
ENTREGAR AO Indica que um documento deu entrada ou saída do
CAIXA processo.
ESPERA
APROVAÇÃO Indica ponto de espera no processo
Alguns símbolos são bastante frequentes em fluxogramas. Aqui vamos apenas apresentar
os mais comuns (obviamente que existem muitos outros, com significados particulares).
Retângulos de bordas agudas: indicam etapas do processo, ou seja, atividades que são
realizadas dentro daquele processo.
Losangos: indicam pontos de decisão ou alternativa (se o processo apresenta
característica X, ele segue pelo caminho X; se tem característica Y, segue pelo caminho
Y).
Retângulos cortados ao meio: indicam surgimento e fluxo de documentos.
Retângulos do tipo “bala de canhão”: indicam pontos de espera no fluxo (quando algo
fica parado esperando outro evento do processo acontecer).
Retângulos de bordas arredondadas: indicam começo e fim dos processos.
Círculos: indicam ramificações no processo.
Setas: indicam o fluxo do processo.
Vamos agora ver os tipos de fluxogramas.
121
Fluxograma Vertical
O Fluxograma Vertical é 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 também as suas ramificações e pontos de decisão.
Ao elaborarmos um fluxograma como estes, começamos sempre pelos pontos mais
característicos do processo (que podem ser o seu começo e fim) e depois vamos
adicionando os detalhes. Lembrem-se que neste ponto, já temos um grande entendimento
sobre o processo que foi obtido através das entrevistas de SIPOC.
122
Fluxograma Multifuncional
123
Diagrama Espaguete
DIAGRAMA ESPAGUETE
O Diagrama Espaguete é um fluxograma que exprime o processo em uma planta física.
É muito usado em projetos onde queremos mapear e eliminar desperdícios de
movimentação e transporte (vamos ver estes desperdícios 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 peça, de uma pessoa, de uma empilhadeira, etc.).
Para elaborar o diagrama espaguete seguimos alguns passos:
• Obter o mapa (layout) do espaço de trabalho;
• Listar as atividades (passos) do processo;
• Marcar as posições onde acontecem cada um dos passos. Atualmente é muito fácil
realizar essa marcação pois praticamente qualquer smartphone pode ser rastreado por
GPS. Existem, inclusive, vários aplicativos que já mostram o caminho do celular no
mapa (como aqueles aplicativos de corridas e caminhadas).
• Ligar as marcações e desenhar no mapa as linhas de fluxo.
Ao olhar para um diagrama espaguete, podemos tirar várias conclusões sobre o processo:
• Se existem vários cruzamentos entre as linhas, devemos começar a pensar em
alterações no layout ou no processo;
• Se há muito retorno a um ponto, podemos simplificar o processo para que todas as
atividades sejam realizadas de uma só vez (em uma única “passada”).
• Se existem muitas passagens de bastão ou pontos de espera, podemos pensar em
eliminar possíveis gargalos que possam estar acontecendo.
124
VSM – Value Stream Map
125
• Outra fase importante do VSM, é a contagem dos estoques.
• Para processos administrativos, deve-se tomar cuidado redobrado pela dificuldade que
poderá ser encontrada na definição do takt time e na determinação do estoque.
Contornados estes empecilhos, o VSM pode ser usado sem problemas para processos
administrativos.
126
Vantagens de se elaborar um fluxograma
O mapeamento dos processos, quando bem feito, traz uma série de benefícios para a
equipe de melhoria. Com ele, é possível ter todos os ganhos abaixo:
• Facilita o aprendizado da equipe sobre o processo;
• Torna o que está acontecendo visível;
• Demonstra papéis e relações entre os envolvidos no processo;
• Identifica gargalos, desconexões, etapas desnecessárias, etc.
• Permite medir o tempo das atividades;
• Identifica “quick wins” do projeto.
127
Erros ao se elaborar um fluxograma
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
128
Erros ao se elaborar um fluxograma
Macro
Mini
Um outro erro bastante comum quando elaboramos um fluxograma é não acertar o nível
de detalhamento. Como mostra a figura, todos os processos podem ser expostos de uma
forma mais macro, com poucos detalhes, ou então de uma forma mais mini, mostrando
detalhadamente cada atividade. Entre o macro e o mini, temos vários níveis
intermediários.
Obviamente, quanto mais detalhado é o nosso fluxograma, mais informações teremos
sobre o processo. Em contrapartida, mais demoraremos no mapeamento e na
elaboração dos fluxogramas. Há então, uma relação de compromisso entre aumentar o
nível de detalhamento e gastar mais recursos do que o necessário. Afinal, qual é o
detalhamento necessário para o nosso fluxograma?
A resposta é bastante simples: aquele que nos permite enxergar a melhoria! Se com
um processo macro podemos ter várias ideias de mudanças que vão resultar em melhorias,
não precisamos aumentar o nível de detalhamento do processo. Caso ainda não tenhamos
identificado os problemas que esperávamos encontrar, devemos aumentar o
detalhamento.
Outra ressalva é o nível de detalhes. Devemos detalhar todas as etapas por igual. Caso
detalhemos apenas uma das atividades, a atenção de qualquer um que esteja olhando para
o fluxograma será direcionada para essa parte. Isso nos tornará míopes para melhorias em
outras áreas, o que não é desejável. Portanto, nunca devemos dar mais atenção a uma das
partes do que a outras (pelo menos não no mapeamento).
129
A Porta dos Dados
MEASURE DADOS
Até agora, falamos sobre como enxergar os processos por meio do entendimento da
sequência de suas atividades e das inter-relações entre elas. Agora começaremos a
analisar os processos por meio dos dados (sinais) que eles nos enviam.
Essa porta é talvez a grande contribuição do Green Belt no desenvolvimento de mudanças
que levam a melhorias. Aqui, ensinaremos várias ferramentas estatísticas, como os
Gráficos de Controle e a Análise de Capabilidade.
Mas antes, vamos passaremos pelos conceitos básicos que fundamentam o trabalho com
dados...
130
A natureza e os dados
Mundo Físico
Mundo Observar
Comportamental e/ou Observações
Dados
Medir e Medições
Mundo Documentada
Sensorial s
Sistema de Registro
Características Definições medição
Nós humanos, enxergamos a natureza por meio de interações com ela. Nunca
compreendemos por completo um processo ou fenômeno, estamos restritos apenas ao que
conseguimos medir. Só a partir dessas medições é que conseguimos entender e mudar a
natureza. Esse é um conceito fundamentalmente importante, porém de difícil
compreensão em sua plenitude.
Lembre-se que lá nas primeiras aulas discutimos bastante sobre o método científico e a
importância da elaboração das hipóteses. A hipótese é baseada em uma análise dos fatos
e fenômenos da natureza. Essa análise, não pode ser feita de maneira “solta”, ela precisa
ser feita de maneira estruturada. Saber transformar a natureza que é “solta” e isenta de
definições em algo trabalhável e analisável é o fundamento de toda boa coleta de dados.
Isso precisa ser trabalhado a fundo pelos agentes de melhoria.
Um exemplo prático: supomos que queremos saber se nossos colaboradores estão
satisfeitos em seu trabalho na organização. Satisfação é uma característica complexa,
que é expressa pelo comportamento de nossos colaboradores. Não podemos medir a
satisfação de maneira subjetiva, nem inferir ou aprender sobre ela (o que é o nosso
objetivo). Temos que definir o que chamamos de satisfação e determinar um aspecto
dessa característica a ser medido. Temos que buscar uma forma de medi-la.
Uma boa abordagem possível, seria, perguntar a cada um dos colaboradores se eles estão
ou não, satisfeitos com o seu trabalho. Notem que ao fazer isso, não temos as
informações completas e plenas sobre a satisfação, mas sim temos uma resposta da
nossa interação com a satisfação, que no caso acontece quando aplicamos o formulário.
Em contrapartida, temos um registro sólido e reprodutível: podemos trabalhar com as
respostas dos formulários, bem como avaliar a satisfação (de maneira estimada) em outros
momentos.
Outro fato importante de observar é que, ao fazer essa definição, sempre vamos ter a
medição de nossa característica atrelada a forma que interagimos com a natureza (ou seja,
com o nosso “meio de medição”, que no caso da satisfação é o formulário). Obviamente,
tanto a modelagem para avaliarmos a característica, quanto o meio para medir,
131
apresentam falhas que são refletidas nos dados. Portanto, os dados coletados, com os
quais vamos trabalhar, sempre refletirão apenas uma pequena parte da natureza onde eles
foram gerados.
Dito isso, vamos para algumas formas interessantes de se elaborar uma boa “definição
operacional” e começar a jornada da coleta e análise dos dados, especialmente em
projetos de melhoria.
132
Modelagem e análise de dados
Uma vez que já sabemos qual característica de nosso processo queremos medir, temos
que elaborar a sua definição operacional e avaliar a qualidade do sistema de medição.
Em seguida, podemos ir adiante e analisar a estabilidade do processo (entender a variação
do processo, procurando por causas comuns e especiais de variação) e a sua capabilidade
(comparar essa variação com as especificações de nossos clientes).
133
Modelagem e análise de dados
◉ Questões:
• O que é um defeito?
• Como medir um defeito?
• Como medir uma característica 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 é um defeito?
• O que é a característica que eu quero medir?
• Como medir um defeito?
• Como medir essa característica?
• Como definir a característica de qualidade ou o defeito de maneira mais eficaz?
134
Montando uma Definição Operacional
• Característica de interesse;
• Instrumento de medição;
• Procedimento;
• Critério.
DEFINIÇÃO OPERACIONAL
Uma definição operacional visa dar padronização e objetividade a uma medição. Essa
medição, contribui para a análise que vai amparar uma hipótese criada para explicar um
fenômeno. Para termos uma boa definição operacional, devemos sempre esclarecer e
formalizar alguns pontos básicos:
• O objetivo da coleta de dados ou medição da característica: para que vamos coletar
esse dado? Dependendo para que vamos usar, existem modelagens melhores e piores
para abordar o problema (já falamos anteriormente sobre isso ao longo dessa apostila).
• A característica de interesse: o que, de fato, queremos medir? Qual é o aspecto da
natureza sobre o qual queremos inferir com essa medida?
• O instrumento de medição: com o que vamos medir essa característica?
• O procedimento de medição: quais as etapas que devemos seguir para que a medição
seja reprodutível?
• Critério: as vezes temos que classificar uma medição (por exemplo, um item como
defeituoso ou não). Qual é esse critério?
Tendo essas respostas definidas, temos nossa definição operacional. Alguns exemplos:
135
Montando uma Definição Operacional
◉ Objetivo:
• Verificar se uma aeronave chegou no horário no aeroporto.
◉ Característica de interesse:
• Horário de chegada da aeronave no aeroporto.
◉ Instrumento de medição:
• Relógio referenciado com o relógio da torre de controle.
◉ Procedimento:
• O horário de chegada de um voo será o horário em que o trem de pouso da
aeronave tocar a pista de pouso.
◉ Critério:
• A aeronave está no prazo se o horário de chegada for igual ao horário
programado mais ou menos 15 minutos.
136
Montando uma Definição Operacional
◉ Objetivo:
• Verificar se um extrator de 150 mL está limpo para ser utilizado em uma
extração.
◉ Característica de interesse:
• Turbidez da solução de limpeza.
◉ Instrumento de medição:
• Espectrofotômetro UV-Vis.
◉ Procedimento:
• Realizar 3 lavagens com 100 mL de solução de limpeza (etanol 95%).
Coletar uma amostra de 10 mL ao final da terceira lavagem e ler a turbidez
da solução.
◉ Critério:
• O extrator estará limpo se a turbidez for menor que 1,0.
137
Validação
Sempre teste sua D. O. para saber se
ela está clara para todos os envolvidos
138
Os tipos de variáveis que podemos ter
TIPOS DE VARIÁVEIS
Outro conceito básico que temos que ensinar antes de apresentar as ferramentas
estatísticas mais complexas é que os dados possuem diferentes classificações. Saber qual
tipo de variável representa a nossa característica de interesse nos ajudará a decidir qual
ferramenta estatística utilizar. Quando analisarmos a estabilidade do processo para
localizarmos causas comuns e causas especiais, usaremos as ferramentas de gráficos de
controle. Para isto, temos que saber que tipo de variáveis estamos trabalhando, já que há
um gráfico de controle para cada tipo de variável.
139
Tipos de variáveis
140
Exercício!
141
• Satisfação com um determinado produto: se há uma escala linear para medir
satisfação pode ser contínua, se apenas se classifica como satisfeito ou insatisfeito, é
uma variável de classificação.
142
Melhorando a coleta de dados
Como se coletar bons dados que vão nos dar informações sobre as
características de interesse?
143
O passo a passo da coleta de dados
A primeira coisa para se fazer uma boa coleta de dados é possuir um modelo mínimo para
o entendimento de algum problema ou fenômeno. A elaboração deste modelo dirá o
porquê da coleta de dados. O que estamos querendo entender? Qual característica
vamos medir?
Por exemplo, supomos que há um incômodo na empresa e uma sensação de que
determinado processo de aprovação de verba está demorando muito. Um dos membros
da equipe de melhoria diz que essa demora provavelmente está relacionada com o tipo de
verba.
Verbas que demoram para serem aprovadas são de projetos mais caros. Este é o modelo:
ele precisa de uma coleta de dados que meça o tempo de todos os processos de aprovação,
separando-os em “caros” e “baratos” para avaliar se há diferenças no tempo. Portanto,
definimos aqui um objetivo para a coleta de dados:
Verificar se processos com mais verba demoram mais para tê-las aprovadas.
Entretanto, o problema não acaba aqui. Precisamos, como já vimos anteriormente, definir
claramente como medir o tempo do processo. Temos que criar uma definição operacional
que diga quando o processo começa e acaba, bem como mediremos esse tempo. De
maneira análoga, também precisamos definir o que é a verba de cada processo,
esclarecendo o critério pelo qual classificamos o que é “caro” e o que é “barato”.
Devemos ter uma definição operacional também para essa variável.
Tendo tudo isso definido, criamos um formulário de coleta de dados. Nos slides seguintes,
mostraremos alguns tipos importantes de formulários para coletá-los. Vale lembrar que
temos sempre de testar esses formulários antes de realizar a coleta completa dos
dados. Fazemos isso para ver se a coleta é capaz de nos dar as informações que
precisamos (e não correr o risco de passar um bom tempo nessa atividade e acabar com
muita de informação inútil).
144
Em seguida, selecionamos a população de interesse, ou seja, qual é o público (pode ser
de pessoas, de peças, de processos, etc.) que queremos levantar informações a respeito e
definimos uma amostra que a represente. Questões sobre o tamanho da amostra
necessária para fornecer diferentes tipos de informação é sempre uma dúvida nessa
hora. Para isso, existem vários modelos estatísticos que serão abordados com mais
profundidade no curso de Black Belt.
Por fim, realizamos a coleta de dados, onde vamos até a amostra e aplicamos os nossos
formulários.
145
Variáveis de
estratificação
Atentem-se muito bem para identificá-las
e definí-las antes de começar a coleta de
dados!
VARIÁVEIS DE ESTRATIFICAÇÃO
Um dos erros mais comuns em coletas de dados é negligenciar as chamadas variáveis de
estratificação. O que são essas variáveis? São variáveis categóricas que podem influenciar
na característica de interesse.
Por exemplo, a altura de determinada pessoa é influenciada pelo sexo da mesma: em
média, homens tendem a ser mais alto do que mulheres. Se eu estou coletando dados para
saber se a altura média das pessoas que vivem na cidade A é maior do que a das pessoas
que vive na cidade B, eu vou ter que levar esse fato em consideração. 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 lá são mais baixas, o que pode não ser verdade.
Por isso, tenho que usar essa variável para balancear a amostra.
Uma outra preocupação com essas variáveis pode ser vista no seguinte exemplo: quero
saber que tipo de motorista causa mais acidentes em uma estrada. Então, começo a coletar
dados sobre vários motoristas e vejo quais deles sofrem acidentes (ou incidentes) num
período de 2 anos. Quando eu começo a listar as variáveis que podem afetar na
característica de acidentes, identifico algumas:
• Stress no trabalho;
• Se possui filhos ou não;
• Estado civil;
• Velocidade média;
• Número de multas por excesso de velocidade.
Se nessa listagem esquecer de alguma estratificação importante (como no caso eu
esqueci aqui de perguntar se eles bebem ou não), nunca mais poderei recuperar esses
dados quando a coleta já tiver sido encerrada (e isso vai ser desastroso no meu
entendimento sobre o problema).
146
Formulários para coleta de dados
147
Esse tipo de folha de verificação é utilizado quando queremos saber quais os tipos de
defeitos mais frequentes e número de vezes causado por cada motivo, para a construção
posterior de um Gráfico de Pareto, por exemplo. Exemplo: tipos de defeitos em uma
peça usinada.
É usada para localizar defeitos externos, tais como: mancha, sujeira, riscos, pintas e
outros. Geralmente esse tipo de lista de verificação tem um desenho do item a ser
verificado, na qual são assinalados o local e a forma de ocorrência dos defeitos. Exemplo:
Bolha estourada na superfície do vidrado, nas peças de cerâmica. Esta folha nos mostrará
o local onde mais aparece o tipo da bolha. Folha de verificação para localização de
defeitos:
Esse tipo de folha de verificação é uma importante ferramenta para a análise do processo,
pois nos conduz para onde e como ocorre o defeito.
Folha de verificação para análise das causas de defeitos
Este tipo de folha de verificação é geralmente utilizado para investigar as causas dos
defeitos, sendo que os dados relativos à causa e os dados relativos aos defeitos são
colocada de tal forma que se torna clara a relação entre as causas e efeitos. Posteriormente
os dados são analisados por meio da estratificação de causas. Alguns exemplos de
estratificação são desajuste de máquina, inexperiência do operador, dia da semana,
horário do dia entre outros.
Construção de uma folha de verificação
Apesar de não existir uma regra para criá-la, já que cada caso merece um estudo diferente,
pode-se elencar as principais etapas para elaboração de uma folha de verificação:
• Definir o objetivo da coleta de dados e o tipo da folha de verificação.
• Incluir campo para o registro de:
• Nomes e códigos das áreas.
• Produtos e pessoas responsáveis.
• Folha autoexplicativa para o preenchimento.
• Conscientização para a coleta.
• Executar um pré-teste.
Para todas as etapas, é importante atribuir um responsável e treiná-lo.
148
Análise de Variação
ANÁLISE DE VARIAÇÃO
Agora que já vimos quais são os tipos de variáveis, aprofundaremos o estudo sobre a
variação, lembrando que o entendimento da variação é um dos pilares do conhecimento
profundo.
149
O que significa entender a variação?
Sempre que monitoramos algum produto ou processo, o fazemos por meio da observação
de um determinado indicador. Esse indicador pode ser o mais variado possível, por
exemplo, as dimensões de uma peça, o tempo de ciclo de um processo, as notas de nossos
filhos, as vendas de nossa empresa, etc. Todas essas características, variam. Nunca um
indicador fica mantém o mesmo valor durante várias medições feitas ao longo de um
período extenso de tempo, mesmo quando nada está sendo feito no processo para altera-
lo.
O grande problema é que todas as decisões tomadas são baseadas no comportamento
desses indicadores de interesse e muitas vezes nos enganamos ao julgarmos a variação
dentro destes. Podemos, por exemplo, nos assustar com uma variação natural no processo
de vendas (quando enfrentamos um mês com menos vendas) e tomar uma série de ações
desesperadas para vender mais (como por exemplo, dar muitos descontos em uma série
de produtos).
Entender a variação é justamente não se enganar com isso que acontece. É saber quando
o nosso processo está variando de maneira natural e quando algo excepcional aconteceu,
em outras palavras, é preciso diferenciar causas comuns de variação das causas especiais.
Mas, o que são mesmo essas causas?
150
Causas de variação
Um conceito fundamental para o estudo e melhoria dos processos, de acordo com Walter
Shewhart (1931), é o de que a variação em um determinado indicador é provocada por
um desses dois tipos de causas:
Causas comuns:
Aquelas causas que são inerentes ao processo todo o tempo, afetam todos
que atuam no processo, e afetam todos os resultados do processo.
Causas especiais:
Aquelas causas que não atuam no processo todo o tempo ou não afetam
todo mundo, mas que surgem devido a circunstâncias especiais.
Quando só causas comuns atuam no processo:
O processo é dito estar estável (sob controle estatístico);
A quantidade de variação inerente ao processo pode ser quantificada e o processo
é previsível.
Quando existem causas especiais atuando no processo:
O processo está instável (fora de controle estatístico).
151
Como analisar a variação?
Voz do • Estabilidade
Processo
152
A voz do processo
Tipo de Variável
Quantitativa Qualitativa
A VOZ DO PROCESSO
Ao analisar a voz do processo, temos algumas abordagens:
• Analisar o comportamento dos dados ao longo do tempo, que é uma das mais
importantes análises na melhoria. Quando fazemos isso, por meio de gráficos de
tendência e de controle, podemos avaliar se existem causas especiais ou apenas causas
comuns. Essa análise também nos permite identificar quando cada causa especial
aconteceu, o que é extremamente importante para entendermos nosso processo: o que
aconteceu ali para ocorrer aquela causa especial? Como isso se relaciona com nosso
modelo?
• Analisar a distribuição estatística dos dados, por meio de uma análise estática (ou
seja, sem incluir a variável “tempo”). Podemos fazer isso plotando os dados em um
histograma. Com isso, sabemos várias características dos dados, como por exemplo a
sua centralidade, os seus valores mais frequentes e a sua dispersão.
• Analisar estatísticas descritivas dos dados, como a sua média e o seu desvio padrão.
Essa estratégia de análise é válida, embora muitas informações importantes são
perdidas quando observamos apenas as estatísticas descritivas. Iremos conversar mais
sobre isso durante os próximos slides.
Em geral, em um projeto de melhoria trabalhamos essas 3 abordagens de maneira
conjugada, o que nos dá uma gama grande de informações sobre os processos. Nos
próximos slides, abordaremos cada uma das ferramentas descritas no slide acima,
oferecendo exemplos e comentários sobre a sua utilização. Também discutiremos alguns
exemplos e ensinaremos a usar essas ferramentas com a ajuda do software Minitab.
153
O Gráfico de Tendência
GRÁFICO DE TENDÊNCIA
154
O gráfico de tendência
O gráfico de tendência é a mais simples ferramenta para análise de variação. Ele consiste
em traçar no eixo Y o indicador de interesse e no eixo X, a linha do tempo. Com ele
podemos:
• Identificar causas especiais;
• Identificar tendências;
• Analisar o comportamento natural do processo;
• Inferir sobre a estabilidade da medida;
O gráfico de tendência também pode ser feito para diferentes estratificações dentro de um
conjunto de dados.
155
O gráfico de tendência
156
Exemplo
157
Regras para se identificar causas especiais
3 regras são em geral usadas para identificar causas especiais por meio do gráfico de
tendência:
• Ter um ponto muito afastado dos demais: essa regra vem da ideia de normalidade
(explicada brevemente na introdução histórica). Um processo cujos dados podem ser
aproximados por uma distribuição normal, tem seus pontos variando ao redor de uma
média: alguns vão ser maiores que a média, outros serão menores. Agora, a
probabilidade de um destes pontos estar muito afastado da média e ainda assim
pertencer à mesma distribuição, é muito baixa. Para se ter ideia, em uma distribuição
normal, a chance de um ponto estar mais afastado do que 3 desvios padrão da média,
é menor que 0,3%. Portanto, definimos um ponto muito afastado como sendo uma
causa especial.
• Ter uma sequência de oito ou mais pontos abaixo ou acima da média: dados que
estão enquadrados em uma distribuição normal possuem uma simetria ao redor da
média. Em outras palavras, a quantidade de pontos acima da média ou abaixo dela sãos
iguais. Isso implica em dizer que a probabilidade de se escolher um ponto acima da
média é de 50%. Quando eu escolho duas observações, a probabilidade de ambas
estarem abaixo da média é menor de 50% (no caso, ½²). É como jogar uma moeda...
A probabilidade de se obter “cara” com um lançamento é de 50%. Duas “caras” em
dois lançamentos, é de “25%”, agora, 8 “caras” em 8 lançamentos tem uma
probabilidade de menos de 0,3%. Quando uma sequência deste tipo acontece em
nossos gráficos de tendência, podemos intuir que esses dados não fazem parte do
comportamento normal do nosso processo.
• Ter uma sequência 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 estão subindo ou
descendo, temos uma causa especial.
158
Gráficos de tendência e controle
Os gráficos de controle, que serão vistos mais adiante, nada mais são do que gráficos de
tendência nos quais incluímos “linhas” que nos ajudam a identificar as causas faladas
anteriormente. Essas linhas são:
• A linha central, representando a média dos dados;
• Uma linha superior (limite superior de controle), indicando a média + 3 desvios padrão;
• Uma linha inferior (limite inferior de controle), indicando a média – 3 desvios padrão.
As regras de identificação de causas especiais para gráficos de controle são as mesmas
dos gráficos de tendência.
159
Exercício 1
A diretora de recursos humanos estava examinando suas despesas com treinamento dos
últimos dois anos. Baseada nos últimos 12 meses, ela havia colocado no orçamento um
custo médio de $ 98.000 por mês; mas as despesas do último mês foram de $ 105.000.
Ela queria saber o que havia de diferente com o último mês e pediu à sua equipe para
descobrir o que aconteceu, para que pudessem evitar o problema no futuro
•Os dados do último mês são o resultado de causas comuns ou especiais? Por que?
•A diretora de recursos humanos tomou a providência adequada?
•O que ela deveria esperar que fossem seus custos mensais de treinamento?
160
Exercício 2
161
Exercício 3
Um fornecedor de bens de consumo acompanha os pedidos que chegam via EDI. Ele quer
usar esses dados para ajudar a planejar o orçamento para o novo ano. Se o processo for
estável, os gerentes poderão estimar em média quantos pedidos serão recebidos a cada
dia. Mas primeiro eles precisam saber se há quaisquer indicações de causas especiais no
processo.
• Os dados indicam a presença de causa especial ou a variação é toda ela resultado de
causas comuns? Por que?
• Qual o número médio de pedidos que deveriam esperar por dia?
• Qual o número máximo de pedidos que deveriam esperar receber por dia?
162
Exercício 4
Uma fábrica que produz cartões de plástico (cartões de crédito, cartões de identificação
de seguro médico, etiquetas de embalagem etc.) usa água de um rio próximo para
refrigerar o equipamento usado no processo de aquecimento. Eles podem reciclar a água
e devolvê-la ao rio, contanto que esta não contenha mais de 50 mg de impurezas. Um
técnico monitora o volume de impurezas em uma amostra que é tirada todos os dias.
• Os dados indicam a presença de uma causa especial ou a variação é, toda ela, resultado
de causas comuns?
• Se há uma causa especial, qual amostra assinala isso primeiro?
163
Exercício 5
O gráfico abaixo apresenta o número de bagagens perdidas num vôo entre os dias 7 de
fevereiro e 13 de março.
• Qual a amplitude de dados que deve ser esperada para perda de bagagem em um único
dia?
• Existem quaisquer indicações de causas especiais?
• A companhia aérea deveria usar ações de causa comum ou causa especial para
responder ao número de bagagens perdidas no dia 31 de Março?
164
Gráficos de Frequência
Entendendo as distribuições
GRÁFICO DE FREQUÊNCIA
Nos próximos slides iremos falar sobre os gráficos de frequência.
165
Os gráficos de frequência
◉ Gráficos de tendência
(da porcentagem)
◉ Gráfico de Pareto
166
Gráficos de Frequência
167
O Dot Plot
• Centro
• Quantidade de variação
• Mínimo
• Máximo
DOT PLOT
O Dot plot é o gráfico de frequência mais simples que existe. Ele plota os valores
numéricos que uma determinada métrica pode ter no eixo-x (de maneira ordenada) e
coloca um ponto para cada observação naquele valor contida nos dados. Ele é um gráfico
bastante parecido com o histograma, porém cada ponto do dot plot é uma observação real
do conjunto de dados.
Com ele podemos ver claramente várias características da distribuição de dados (listadas
no slide acima). Nas próximas aulas, iremos ensinar como fazer esse gráfico no Minitab.
168
O histograma
HISTOGRAMA
O histograma é bastante parecido com o dot plot, no sentido que exibe a maneira como
os dados estão distribuídos referentes aos valores que eles podem assumir. Em outras
palavras, ele plota a frequência de ocorrência dos dados contra os seus valores. A
diferença do histograma é que ele divide a faixa de variação dos dados em intervalos e
conta a frequência de ocorrência dos dados em cada faixa.
169
O dot plot e o histograma
◉ O Dot Plot
• É mais adequado quanto a quantidade de dados é pequena
• Preserva os valores individuais
• É mais adequado para comparar distribuições de frequência
estratificado por uma ou mais variáveis classificatórias
◉ O histograma
• é mais adequado quando a quantidade de dados é grande
• Não preserva os valores individuais
Como o histograma e o dot plot são alternativas, é preciso saber quando usar um e quando
usar outro. Nos vídeos das aulas, explicamos melhor como se elaborar histogramas e dot
plots usando o Minitab.
170
Medidas de localização e variação
Entendendo o básico
171
Medidas de Localização
172
Medidas de Localização
n
◉ Média
x x ... xn x i
x 1 2 i 1
n n
173
Medidas de Localização
◉ Mediana
174
A média e a mediana
A média e a mediana são duas medidas alternativas de centralidade. Elas dizem coisas
diferentes e qualquer bom analista de dados deve saber quando utilizá-las. Em geral,
quando a média e a mediana de um determinado conjunto de dados são parecidas,
podemos afirmar que a distribuição é simétrica, ou seja, não há uma distorção para um
dos lados. Quando elas não são parecidas, provavelmente nosso processo apresenta
alguma assimetria (como ilustrado no slide acima).
Mas na prática, por que é importante analisar a média e a mediana?
Vamos para um exemplo prático: se eu disser para você que a renda média mensal de uma
cidade é 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 população daquela
cidade, dizendo que em média, quem mora lá é rico. Entretanto, isso pode nem sempre
ser verdade.
Supomos que essa cidade tem uma população extremamente pequena e que, um de seus
habitantes, é um grande bilionário. Essa pessoa por si só será capaz de causar uma grande
assimetria na distribuição, elevando em muitos reais o valor da renda média por habitante.
Essa pessoa que é um ponto fora da curva deixará míope nossa análise sobre a renda
média da população da cidade.
Uma abordagem alternativa a média 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 bilionário na cidade não vai poluir nossa análise com sua renda absurda.
Iremos ter na mediana uma alternativa melhor para saber quanto a massa da população
ganha. Se, ao calcularmos a mediana, virmos que ela assume o valor de R$ 1.200,00 por
mês, entendemos qual é o perfil de renda daquela população (nesse caso, 50% das pessoas
ganham menos de R$ 1.200,00 por mês e 50% ganham mais do que R$ 1.200,00 por
mês).
Essa é, na prática, a importância de entender a diferença entre média e mediana.
175
Medidas de Variação
Qual é o melhor
processo? 1 ou 2?
◉ Desvio Padrão
A variação, como vimos, está inerente em todos os processos e assim como fizemos com
a definição da média e mediana, temos que ter uma estatística para medi-la e caracterizá-
la.
Observem os processos desenhados no slide acima (processo 1 contra processo 2). Ambos
apresentam uma média e mediana (já que ambas são simétricas) idênticas, porém, elas
são diferentes. Se eu tivesse que escolher um deles para classificar como o melhor, qual
seria? Obviamente o processo com menor variação, ou seja, o processo 2! Faríamos essa
escolha pois um processo com menos variação é mais confiável e previsível.
Temos duas medidas que em geral nos dão ideia sobre a variação inerente em um conjunto
de dados:
• A amplitude (que é o valor máximo menos o valor mínimo)
• O desvio padrão, que é uma medida que leva em conta o afastamento de cada um dos
pontos em relação à média (não vamos entrar em detalhes aqui de como o desvio
padrão é calculado, pois este não é o foco do curso).
O desvio padrão é uma medição muito mais robusta e confiável para estimar a variação
de um conjunto de dados.
176
Análises
Quando queremos analisar um conjunto de dados, temos que fazer uma análise completa,
usando várias técnicas complementares. No slide acima apresentamos algumas:
• Foi calculada a média e o desvio padrão, bem como outras medidas de variação e
localização;
• Foi calculado o histograma dos dados, para mostrar a distribuição;
• Foi traçado um gráfico de tendência para mostrar como os dados se comportam no
tempo.
É muito importante não se limitar apenas à análise das medidas de localização e variação.
A razão veremos nos próximos slides...
177
O que a média e o desvio padrão não mostram
No slide podemos ver 4 conjuntos de dados. Todos eles possuem a mesma média e o
mesmo desvio padrão, conforme mostrado nas últimas linhas da tabela. Será que esses
conjuntos são equivalentes?
Muita gente poderia dizer que são, uma vez que se utiliza a média e o desvio padrão para
se aproximar distribuições. Porém, tal comportamento pode levar à erros graves de
entendimento e tomada de decisão.
178
O que a média e o desvio padrão não mostram
Basta olhar os gráficos de tendência de cada um deles. Podemos agora ver que eles
são completamente diferentes, mesmo com a mesma média e o mesmo desvio padrão!
Se estes fossem um indicador de um processo (o tempo de ciclo, por exemplo), teríamos
4 processos se comportando de maneira completamente diferente. Aproximando pela
média, iríamos perder essas sutilezas.
Por isso esperamos que vocês, como agentes de seis sigma, vão muito além da média e
do desvio padrão!
179
Gráficos de Frequência
Box Plot
BOX PLOT
Agora que já vimos o que são os quartis e a mediana, podemos falar do Box plot.
180
Box Plot
◉ Máximo e mínimo;
2,5
2,0 ◉ Mediana;
1,5
C1
◉ Q1 e Q3;
1,0
◉ Outliers
0,5
0,0
181
Box Plot
30
20
Data
10
Box plots são extremamente úteis para se mostrar como uma distribuição de dados se
comporta ao longo do tempo. O gráfico acima mostra esse tipo de cenário.
Vemos que, conforme o tempo passa, a distribuição tende a subir o seu ponto central e
aumentar a sua dispersão. Com isso podemos claramente mostrar como a forma de uma
distribuição se altera. É como se fizéssemos vários histogramas ao longo do tempo, porém
com o Box plot, essa análise fica mais intuitiva e limpa para ser exibida.
Nas aulas, mostraremos como se fazer um Box plot usando o Minitab.
182
Frequência de dados classificatórios
183
Dados classificatórios
◉ Gráficos de Pareto;
◉ Tabelas
184
Barras e Setores
185
Tabelas
186
Gráficos de tendência
Gráficos de barras, setores e tabelas, infelizmente, só nos dão uma visão estática sobre
nosso processo. É como se tirássemos uma fotografia do estado atual do processo, o que
é bom, mas muitas vezes não é suficiente.
Para se ter uma visão dinâmica sobre dados classificatórios (e entender como eles variam
ao longo do tempo), podemos plotar um gráfico de tendência para o indicador de
porcentagem. No exemplo acima, a porcentagem analisada é a de entregas fora do prazo.
Com esse gráfico, temos uma ideia inicial sobre a variação ao longo do tempo para
variáveis classificatórias.
Esses gráficos de tendência de porcentagem têm um análogo entre os gráficos de controle:
os gráficos-p. Estes gráficos plotam também a porcentagem média no período analisado
e os limites de controle (que são calculados de maneira diferente dos limites de controle
para o caso de variáveis contínuas). A partir destes limites de controle, podemos analisar
onde estão as causas especiais em indicadores de dados classificatórios ao longo do
tempo. É uma análise bem interessante!
Nas próximas vídeo aulas, iremos ver como se traçar estes gráficos todos no Minitab e,
então, começar a falar sobre o gráfico de Pareto.
187
Gráficos de Pareto
GRÁFICO DE PARETO
188
Gráficos de Pareto
189
Gráficos de Pareto
190
Três alternativas importantes são:
• Valor monetário;
• Tempo;
• Contribuição percentual de cada classificação para o total (tempo, ocorrências,
dinheiro etc.).
Ao se decidir sobre onde focalizar os esforços de melhoria usando análise de Pareto deve-
se considerar cuidadosamente uma escala apropriada.
191
O Princípio de Pareto
Se aplica
Não se aplica
O Princípio de Pareto (que diz que existem poucas causas vitais e muitas triviais – não a
do 80-20), apesar de bastante interessante, nem sempre se aplica. No slide, mostramos
duas situações. Em uma ele se aplica e na outra não (todas as causas parecem importar de
maneira igual). Devemos sempre fazer essa análise antes de usar a ferramenta e não já
tomarmos ações para atacar as causas que aparecem mais à direita. Caso o princípio de
Pareto não se aplique, temos que atacar todas as causas por igual, ou então ataca-las por
meio de outro critério, como o impacto financeiro.
192
Estratificação
Assim como nos outros gráficos e tabelas, podemos estratificar o nosso gráfico de Pareto,
obtendo visões diferentes para cada uma das perspectivas usadas. Isso ajuda muito em
projetos de melhoria quando temos diferentes variáveis interferindo em nosso processo.
A tabela do slide mostra a distribuição de erros em relatórios de despesas. Segundo ela,
podemos ver que o perfil dos erros nos departamentos de vendas e manufatura é diferente
do apresentado nos demais departamentos. Com um gráfico de Pareto (apresentado no
próximo slide), podemos perceber o comportamento claramente.
193
Estratificação
A estratificação nos gráficos 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 é bastante comum em projetos de melhoria e nos fornece um excelente
entendimento sobre o problema abordado.
194
Estabilidade e Instabilidade
Para finalizarmos a discussão sobre os gráficos de Pareto, vale a pena dizer que o
comportamento de variáveis classificatórias pode variar conforme a estabilidade de nosso
processo. A figura no slide ilustra essa realidade. Na primeira etapa, com o processo sob
controle estatístico, as classificações de defeitos têm uma distribuição. Quando causas
especiais estão em ação, a distribuição muda.
Esse tipo de análise nos ajuda muito a entender melhor causas especiais quando elas
acontecem. Nas próximas vídeo aulas, abordaremos como se fazer gráficos de Pareto no
Minitab com diferentes formas de entrada de dados. Em seguida, vamos introduzir
algumas discussões estatísticas fundamentais sobre a distribuição normal, conhecimento
necessário para ensinarmos a usar os gráficos de controle.
195
A distribuição normal e a avaliaçao da normalidade
DISTRIBUIÇÃO NORMAL
196
Distribuição de variáveis contínuas
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
N 200
30
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
197
A Distribuição Normal
Utilizamos a notação
A distribuição normal é extremamente útil pois pode ser representada por duas métricas
bastante fáceis de se calcular:
• Um valor médio (média) e;
• Um desvio padrão (dispersão).
A curva normal apresenta um formato de sino ao redor da média. Ela é simétrica e
representada por uma função matemática calculada a partir da média e do desvio padrão.
Isso a torna extremamente fácil de ser aproximada a partir de um conjunto de dados (basta
calcular a média e o desvio padrão que possamos plotar uma distribuição normal), daí a
sua importância para a estatística. Além disso, a maioria dos fenômenos na natureza
varia em torno de um valor central, de forma que a curva normal é uma excelente
maneira para representa-los.
198
Propriedades da distribuição Normal
Quando , chamamos
distribuição normal padrão e as
probabilidades encontram-se
tabeladas
Como falado na introdução histórica ao Seis Sigma, a curva normal descreve uma
probabilidade específica de frequência de dados rem relação à média e ao desvio
padrão.
Em outras palavras, a probabilidade de uma observação dos meus dados de estar
exatamente na média tem um determinado valor (que na verdade é 0). A medida que nos
afastamos de um valor z da média (conforme mostrado na figura acima), vamos
aumentando a probabilidade de nossos dados estarem entre os valores da média e de z (a
probabilidade é proporcional à área rasuradas indicada na figura). Várias tabelas indicam
qual a probabilidade dos dados estarem entre a média e valores arbitrários de z.
Alguns dos mais clássicos valores para z são os mostrados no gráfico colorido do slide.
68,3% devem ficar na área delimitada pela média menos 1 desvio padrão e a média mais
1 desvio padrão. 99,7% dos dados ficam entre a média menos 3 desvios padrão e a média
mais 3 desvios padrão. Iremos usar essas propriedades incansavelmente nas análises de
capabilidade e na utilização de gráficos de controle.
199
Normalidade é necessária para
a utilização de certas
ferramentas
Dentre elas os gráficos de controle para
variáveis contínuas e análises de
capabilidade (Cp, Cpk, etc.)
Vale a pena sempre dizer: certifique-se que a sua distribuição de dados de variáveis
contínuas é uma normal antes de usar um gráfico de controle!
Caso os dados a serem analisados não forem normais, ao usarmos gráficos de controle,
podemos tirar uma série de conclusões erradas como. Por exemplo, achar que causas
comuns são causas especiais.
200
Como saber se a distribuição é Normal?
Sim Não
Uma das maneiras de se avaliar se uma distribuição de dados (por exemplo uma
amostra) é normal, é olhar seu histograma. Se os dados forem simétricos e semelhantes
à distribuição Gaussiana (em forma de sino), nossos dados podem ser aproximados por
uma normal. Entretanto, se a distribuição apresentar assimetrias (como é o caso da
distribuição da esquerda, no slide), não podemos dizer que nossos dados são normais.
Caso os dados não sejam normais, podemos transformá-los em uma distribuição normal,
por meio do Box-Cox, que será comentado em breve.
Embora o histograma seja uma das maneiras de se observar se uma distribuição é ou não
normal, ele não é a melhor opção. Vamos em seguida ver alguns histogramas de
distribuições normais e não-normais. Posteriormente, analisaremos seus histogramas para
inferir sobre sua forma.
201
Exercício!
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 são normais? Note que o tamanho da amostra é de 25.
A resposta é: todas! Como a quantidade de dados é pequena, é difícil termos certeza
apenas por olhar o histograma.
202
Exercício!
Nove Histogramas de Amostras de tamanho 100: Qual delas pode
ser aproximada por uma distribuição 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
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
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
Qual delas podemos dizer que são normais? Agora aumentamos o tamanho da amostra
para 100.
Fica mais fácil, não é mesmo? Nesse caso é possível dizer com segurança que todas elas
são normais (embora algumas até possam, ainda, nos confundir). Mas será que é assim
também para outras distribuições?
203
Exercício!
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
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
Esse exemplo nos mostra claramente como o histograma pode nos enganar!
Nenhuma das distribuições aqui é uma normal, mas mesmo assim, mesmo com amostras
de tamanho grande, podemos nos enganar.
Será que existe uma forma melhor para se fazer essa análise?
204
Uma forma melhor de saber!
Como saber se a
Curva Normal é uma
boa aproximação?
Use o Gráfico
Probabilístico
Normal.
PROBABILITY PLOT
O Gráfico probabilístico normal nos ajuda a saber de maneira mais confiável se
nossos dados são aproximáveis por uma normal ou não.
205
Gráfico Probabilístico 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 distribuição normal
1
-4 -3 -2 -1 0 1 2 3
X
O gráfico probabilístico normal é gerado a partir de nossa amostra de dados. Temos que
calcular a média e o desvio padrão deles para, em seguida, desenhar uma reta central que
representa a probabilidade acumulada de uma normal gerada a partir destes parâmetros.
No eixo X, temos os valores de maneira análoga a um histograma (a média fica no ponto
central deles e no exemplo essa média é 0). No eixo Y, está indicada a probabilidade
acumulada dos dados para cada valor de X.
No exemplo, podemos notar que para uma normal com a média e o desvio padrão
iguais à nossa distribuição de dados, 50% dos valores estariam abaixo da média e 50%
dos valores acima dela. Também vemos que cerca de 85% dos dados devem apresentar
valores menores do que 1. É assim que lemos um gráfico de probabilidade.
O Gráfico probabilístico normal também coloca duas linhas auxiliares, que dão uma certa
“margem de erro” para a nossa aproximação. Não entraremos em detalhes no curso de
Green Belt sobre como essas linhas são calculadas, mas explicaremos os princípios delas
no curso de Black Belt.
Por fim, são plotados os pontos reais do nosso conjunto de dados, ou seja, aqueles que
realmente medimos (eles estão indicados em vermelho). Se eles estiverem alinhados com
a linha central, dentro das linhas intermediárias, significa que nossos dados podem ser
aproximados por uma distribuição normal. Se apenas um ou outo ponto estiver fora das
linhas, significa que eles são causas especiais. Se a maioria dos pontos estiver fora, não
podemos aproximar nossa distribuição por uma normal.
206
Gráfico Probabilístico 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
Distribuição 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 distribuições que podem e não podem ser
aproximadas por uma normal. Elas são avaliadas tanto pelo gráfico probabilístico quanto
pelo histograma.
207
Gráfico Probabilístico Normal
Normal Probability Plot for C1 Normal Probability Plot for C2 Normal Probability Plot for C3
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
Normal Probability Plot for C4 Normal Probability Plot for C5 Normal Probability Plot for C6
99 ML Estimates
99 ML Estimates 99 ML Estimates
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
Normal Probability Plot for C7 Normal Probability Plot for C8 Normal Probability Plot for C9
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
208
Normalidade e médias
Um ponto que merece destaque é a normalidade para quando trabalhamos com médias
de medidas. Sempre que estivermos calculando a média de amostras, essa distribuição
irá ser uma normal caso a amostragem seja suficientemente grande. Esse fato é provado
pelo Teorema Central do Limite.
O exemplo do slide mostra bem esse fato. Temos descrito lá, a probabilidade da média
do valor para o lançamento de n dados. Quando lançamos só um dado, a média é o valor
que saiu. Como cada lado tem a mesma probabilidade de cair virado para cima, a média
para o primeiro caso é uniforme. Conforme aumentamos o número de dados, temos mais
possibilidades para que a média seja valores intermediários (para que a média seja 1,
ambos os dados devem cair no 1; para que a média seja 3, podemos ter combinações como
3 e 3, 2 e 4, 4 e 2, 5 e 1, 1 e 5).
Isso, na prática, quer dizer que quando queremos avaliar a média de uma característica
em uma amostra suficientemente grande, podemos assumir sua distribuição como sendo
uma normal.
209
Transformação de variáveis
TRANSFORMAÇÃO DE VARIÁVEIS
210
Transformação de variáveis
◉ Exemplo simples:
• Transformar Dólares em Reais:
• $1 = R$3.03
• Transformar minutos em segundos:
• 1 min = 60 segs
• Transformar Graus Centígrados em Graus Fahrenheit:
• °C+32 = °F
Em nosso dia a dia, realizamos uma série de transformações de variáveis, até nas mais
corriqueiras atividades (como transformar minutos em segundos). Nos próximos slides,
mostraremos como transformar dados não normais em normais, permitindo assim a
aplicação de diversas ferramentas de análise.
211
Transformação de variáveis
YT denota a
YT Y variável
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 variável em outra, temos que multiplicar cada um dos valores
por uma função. Existem vários tipos de função que podem transformar dados não
normais em dados normais. No exemplo, mostramos que extrair a raiz quadrada de um
valor pode ser suficiente para tornar uma distribuição não normal, normal.
Entretanto, essa função nem sempre serve. Às vezes, precisamos de outras funções.
Iremos explorar isso nos próximos slides.
212
Transformação de variáveis
Da mesma maneira que a função raiz quadrada serviu, as vezes a função logarítmica é
capaz de transformar a distribuição dos dados em uma normal.
213
Como escolher a função certa?
Tentar uma
transformação
dentre um conjunto
de possibilidades
Usar a técnica de
transformação
Box-Cox
Não podemos simplesmente chutar uma série de transformações para encontrar qual é a
mais adequada. Para escolhermos uma função adequada, podemos usar uma técnica que
é a transformada de Box-Cox. Ela permite, por meio do cálculo de um fator lambda,
escolher qual é a transformação adequada.
Iremos, obviamente, mostrar em uma vídeo 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) Logarítmica
1 Sem
Transformação
2 Y2 Quadrado
Método de Box-Cox:
Uma transformação potência eleva os valores de Y a uma potência lambda ():
YT = Y
é tipicamente um valor entre –2 e 2;
O Método de Box-Cox sugere um valor de que melhor aproxima os dados
transformados de uma distribuição Normal.
Como escolher o ? Usando o Minitab!
215
Box-Cox
-5 -4 -3 -2 -1 0 1 2 3 4 5
Lambda
216
Gráficos de Controle
GRÁFICOS DE CONTROLE
217
Gráficos de Controle
218
Subgrupo:
o Amostra do processo utilizada para gerar um ponto no gráfico.
Ex: 5 peças retiradas do processo num determinado tempo, 50
propostas de venda.
Oportunidade:
o Período de tempo, área, volume, etc. utilizado para realizar uma medição.
Ex: 100 ml retirados do processo num determinado tempo; um
mês, uma distância de 5 Km em uma rodovia em um determinado
local etc.
219
Gráficos de Controle
Uma informação importante é que diferentes tipos de gráficos de controle são usados para
diferentes tipos de dados. Todos eles distinguem a variação de causa especial da variação
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 classificação: (Defeituoso)
Gráfico p.
Dados de contagem: (Defeitos)
Gráfico u.
Dados contínuos:
Gráfico de individuais;
Gráfico X-barra/R ou X-barra/S.
220
Entendendo os tipos de dados
221
O gráfico p (classificação)
(n) (p)
Unidades Nº de Unidades Proporção 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
222
O gráfico p (classificação)
223
O gráfico U (contagem)
1 104 15 .14
2 21 4 .19
3 18 3 .17
• • • •
• • • •
• • • •
• • • •
• • • •
24 25 5 .20
(a) = área de
O gráfico-u
oportunidade:
se faz com
Número de unidades (C) Nº de erros
esta coluna;
processadas por encontrados nas
U = (c/a).
semana. unidades
processadas.
224
O gráfico U (contagem)
225
O gráfico de individuais
Inventário 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 gráfico de controle para dados individuais é utilizado quando cada valor medido
(contínuo) é plotado no gráfico, na sequência em que é obtido.
Para o cálculo dos limites ele utiliza a estimativa da variação do processo dada por dados
consecutivos (amplitude móvel). O Gráfico de Controle de Individuais é o mais versátil
e mais utilizado.
É o mais comum para dados de área transacionais, usado em análises de:
• Dados financeiros;
• Tempo para executar uma atividade;
• Dados de Faturamento;
• Dados de Vendas.
226
O gráfico de individuais
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
30
Suposição de normalidade
N 200
20
15
10
0
5 10 15 20 25 30 35 40
tiempo
227
O gráfico de individuais
Neste exemplo, podemos ver exatamente o erro que está sendo causado por analisar uma
distribuição não normal com uma ferramenta que está dentro da normalidade. Vemos
aqui, vários pontos fora do limite superior de controle, o que indicaria causas especiais.
Entretanto, esses pontos não são causas especiais.
A definição de causa especial diz que são pontos “fora do que é natural ao processo”, ou
seja, que fogem da distribuição padrão dos dados. Nesse caso, os pontos não estão fora
do comportamento natural. É de se esperar, para essa distribuição, a existência de alguns
pontos com valores mais elevados.
228
O gráfico X-barra/R
229
Estude cuidadosamente antes de formar subgrupos de:
• Valores de diferentes operadores, máquinas, turnos, posições, etc.
• Dados determinados por calendário de semanas, meses ou trimestres.
230
O gráfico X-barra/R
Semana Amostra
1 45 48 48
2 46 46 44
Cada ponto neste 3 41 47 47
4 41 44 45
gráfico é a média 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
gráfico é 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
231
O gráfico X-barra/S
232
O gráfico X-barra/R
Semana Amostra
1 45 48 48 Cada ponto
2 46 46 44 neste gráfico é
3 41 47 47
4 41 44 45 a média 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 gráfico é
14 43 44 45 o desvio
15 42 45 59
16 44 47 44
padrão dentro
17 46 51 45 do mesmo
18 44 42 40
19 45 45 46
subgrupo.
20 42 47 43
233
Regras para identificação de causas especiais
Há inúmeras regras para apontar possíveis causas especiais. O princípio básico por trás
de todas elas é apontar padrões com baixa probabilidade de ocorrer se somente causas
comuns estiverem atuando (processo estável). Os mais utilizados são:
• Um ou mais pontos próximos ou fora dos limites de controle;
• Dois pontos em três 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 média;
• Oito ou nove pontos acima ou abaixo da média;
• Seis ou sete pontos em sequência crescente ou decrescente;
• Quinze pontos em sequência acima ou abaixo da linha média;
• Um padrão não usual ou não aleatório nos dados;
Os softwares de análise de dados têm, em geral, essas regras já automatizadas, poupando-
o de carrega-las em sua memória. Nenhuma das regras deve ser usada sozinha para a
tomada de decisão. É preciso analisar o contexto para decidir se uma determinada situação
será tratada como especial.
234
Alteração dos limites
235
Vamos resolver alguns
exércicios?
Nas próximas aulas, tente resolver no
Minitab a lista proposta e assista às
resoluções e discussões nos vídeos.
236
Usando os Gráficos de Controle
237
Erros clássicos
238
Gráfico de controle e o cliente
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
Já falamos bastante sobre isso, mas sempre é importante reforçar: limites de controle são
diferentes de limites de especificação.
Limites de Especificação:
239
Gráfico de controle e o cliente
LSE
LSC LSC
Estável LSE
(controlada) LIE
LIC LIC
Qual LIE
situação é
adequada? LSE
LSC LSC
Instável LSE
(sem controle)
LIE
LIC
LIC
LIE
240
Análises de Capabilidade
ANÁLISE DE CAPABILIDADE
241
Análise de Capabilidade
• Entender o passado;
242
Capabilidade para Atributos
# de palavras 30 28 32 31 25 29
Vamos começar falando sobre os indicadores de capabilidade para atributos (ou seja, para
variáveis de classificações e contagem). Normalmente, para estes casos, queremos
comparar taxas de defeito ou então porcentagem de defeituosos. Vários clientes podem
nos dar especificações como:
• Meu produto não pode ter mais de 3 defeitos por unidade (DPU);
• Seu processo não pode me entregar mais do que 0,5% de defeituosos (Pd);
• Vocês não podem me fornecer mais do que 1 ppm de defeituosos;
Para continuarmos com essa discussão, precisamos introduzir algumas definições
importantes:
Unidade do Produto:
Um item que está sendo processado ou um bem ou serviço (produto) final entregue
ao consumidor.
Defeito:
Um defeito é definido como qualquer parte de um produto ou serviço que:
• Não atende uma especificação ou requerimento;
• Causa insatisfação ao cliente;
• Não atende requisitos funcionais.
Oportunidade para Defeitos:
Cada especificação necessária à satisfação do consumidor de um produto ou
serviço representa uma oportunidade para ocorrência 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
◉ Área: ◉ Unidade:
• Call Center. • Uma chamada.
◉ Especificação:
• Menos que 60 segundos desde a
conexão completada até ser atendido.
◉ Defeito:
• Chamadas cujo tempo de espera é maior
ou igual a 60 segundos
• .
244
Capabilidade para Atributos
Métricas Fórmulas
Percentual de
defeituosos Número de defeituosos
PD = x 100
Número de unidades avaliadas
245
Exercício!
246
Capabilidade para Atributos
= DPO
247
Exercício!
248
Capabilidade para Variáveis Contínuas
Especificação do
cliente
Processo
Processo entregando
fora de especificação
249
Tipos de Limites de Especificação
LIE LSE
NM
LIE
250
Desempenho
LIE LSE
Porc. de defeituosos
Porc. de defeituosos
Acima
Abaixo
Tempo de Entrega
251
Cp – Nominal Melhor
LIE LSE
Tolerância
Variação Natural
252
Exercício!
Peso declarado
Distribuição Normal X
Média = 200
Desvio Padrão = 1
LIE LSE
Cp = PPM =
253
Exercício!
Peso declarado
Distribuição Normal X
Média = 197
Desvio Padrão = 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 é 200g. As
especificações são: LIE =197g e LSE = 203g (Voz do Cliente)
Situação 2:
De uma amostra dos pacotes produzidos calculou-se a média e o desvio padrão e
obteve-se:
Média=197g e desvio padrão=1g (Voz do Processo)
Calcular Cp e PPM.
254
O cálculo do Cp não leva em
conta a centralidade
Em muitos casos podemos ter um bom
Cp mas um péssimo índice de
defeituosos
255
O Cpk e a centralidade
◉ Índice de Capabilidade
• Tolerância (Tol) = LSE-LIE
• Variação Natural do Processo = 6xD.P
LIE LSE =
Tolerância
Variação Natural
256
Vamos resolver alguns
exércicios?
Nas próximas aulas, tente resolver no
Minitab a lista proposta e assista às
resoluções e discussões nos vídeos.
257
Usando os indicadores de capabilidade
258
Analisando os índices
VOP
Capabilidade Situação
Processo estável
e estabilidade Processo
instável
Capabilidade O.K.
alta
VOC
Situação Capabilidade NM - Ajustar a O processo
baixa média e diminuir a deve estar
variação estável para
QMM – Aumentar fazermos a
a média/reduzir a análise de
variação capabilidade
Qmm – Reduzir a
média/reduzir a
variação
259
A capabilidade e a tabela sigma
Outra maneira de se fazer previsões para a quantidade de itens defeituosos é utilizar uma
Tabela Sigma. A maneira de utilizar essa tabela é bem semelhante à de se utilizar os
índices de capabilidade que comentamos até agora, porém a quantidade de itens
defeituosos esperado para o processo é um pouco diferente.
Essas tabelas se popularizam com a utilização da metodologia em grandes empresas.
Quem nunca ouviu falar que um “processo 6 sigmas” é aquele que produz apenas 3,4 ppm
de itens defeituosos? E é justamente esse número 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 é muito mais do que o previsto
pela distribuição normal! ”
A resposta é que, quando elaboraram essa tabela, consideraram que todo processo tem
uma variação de seu ponto central. Essa variação pode ser por razões concretas (como o
processo de fato variar a sua média), quanto pela incerteza de amostragem. Mas vale a
pena colocar essa ressalva para não haver confusão.
Na vídeo aula iremos abordar mais a fundo esta questão.
260
Disseminando os resultados do Measure
RESULTADOS DO MEASURE
261
Relatórios Gerenciais
Produção
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
Produção/ 100 Kg
Operações
% Faturam. no prazo 06 74.3 95 –21.8 -23.5 87.8 95 –7.6 –2.7
Relatórios gerenciais são 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 é que ele nos força a “caçar” com os olhos números discrepantes
(como aumentos percentuais). No exemplo do slide, facilmente iríamos observar o
inventário em processo como um indicador crítico (já que ele aumentou 42% do mês
passado para o atual). Não preciso nem dizer que esse tipo de relatório nos força a
comparar um mês contra o outro, o que já vimos que é muito ruim.
Ao fazer isso, desprezamos toda a variação embutida o indicador. Uma maneira muito
mais inteligente de se mostrar esse indicador é mostrada no slide seguinte.
262
Mostre o histórico de variação
263
Slide 237
Comparação com a
média
264
A maneira correta
265
• Realizar medições;
• Coletar dados;
• Desenvolver gráficos.
• Regras para apresentação de dados:
• Os dados “brutos” deveriam acompanhar qualquer gráfico ou resumo numérico.
• O contexto para os dados deve ser descrito:
• O que? Por que? Quem? Como? Quando?
Sempre que um resumo numérico ou um gráfico de distribuição (histograma, por
exemplo) de dados coletados ao longo do tempo for apresentado, ele deve vir
acompanhado de um Gráfico de Tendência. Média, mediana, amplitude, desvio padrão,
histograma, etc. Não permitem “descobrir” uma informação importante que é o
comportamento dos dados ao longo do tempo.
266
Resumo do Measure
RESUMO MEASURE
267
Analyse
ANALYSE
O Analyze é o terceiro passo do roteiro DMAIC. Nele, como o próprio nome já diz,
vamos analisar o que aprendemos durante as etapas de medição e também
desenvolveremos mudanças sobre o processo, de maneira a melhorar o seu
desempenho.
A grande saída da fase do Analyze são as mudanças desenvolvidas. Para chegar lá, iremos
explorar 4 estratégias, em detalhes:
• A análise crítica do processo;
• O uso de tecnologia;
• O uso da criatividade;
• O uso dos conceitos de mudança.
Nos próximos slides, nos aprofundaremos no desenvolvimento de mudanças e suas
estratégias.
268
O que vamos aprender?
269
Todos concordam que mudanças são importantes e inevitáveis?
E que não há melhoria sem mudanças?
Se concordar com o slide, pode seguir adiante. Caso contrário, reflita o porquê acredita
ser possível melhoria sem mudança. Se encontrar um exemplo, no envie, porque nunca
encontramos melhoria sem mudança.
270
Mudanças
Melhoria requer mudança, mas nem toda mudança resulta em melhoria. Diante desta
constatação e da necessidade que temos em melhorar nossos processos, a pergunta que
clama por resposta é: como desenvolver mudanças que resultem em melhoria?
Dito isto, várias soluções começam a pintar em nossa cabeça. Memórias de como
resolvemos diversos problemas surgem e assim, nos confortamos com as grandes ideias
que já tivemos. O problema desta abordagem é: como conseguir ideias para desenvolver
mudanças agora? Para encontrar esta saída, precisamos definir algumas coisas.
A primeira é sobre os tipos de mudanças. Quais os tipos de mudanças que existem?
• Criar um novo processo, produto ou serviço
• Modificar um processo, produto ou serviço.
Quando desenvolvemos mudanças, podemos falar que algumas são obvias, outras não.
Mudanças do tipo ver e agir aparecem com certa frequência em nossas vidas. Se você
pensar no seu trabalho, aposto que terá várias mudanças em mente que poderiam ser
executadas sem muito investimento ou sem que fosse necessário pensar muito até
encontra-las. Por isto, dizemos que mudanças não tem que ser necessariamente caras ou
demoradas.
Outras mudanças, demandarão mais tempo para serem desenvolvidas e mais testes até se
provarem realmente como uma melhoria. Lembro-me de vários projetos em que suamos
a camisa até encontrarmos a mudança certa. Foram várias técnicas aplicadas e diversos
testes feitos até chegarmos ao resultado.
Quando falamos nestas mudanças mais desafiadoras, também nos veem à mente os
problemas que encontramos para desenvolvê-las. O mais comum é esquecermos as
técnicas nos deixarmos levar pelo:
• “Fazer mais do mesmo”
• Mais pessoas,
271
• Mais dinheiro,
• Mais inspeções,
• Mais exortações;
Tenho certeza que você já se pegou sugerindo mudanças do tipo mais do mesmo. Uma
vez, ao depararmos com um aumento repentino no número de reclamações de clientes,
me vi sugerindo que fizessem inspeções cruzadas. Pedi ao nosso coordenador que
inspecionasse 100% dos produtos, pois itens defeituosos estavam indo para nosso cliente.
Como resultado, esta mudança “mais do mesmo” aumentou nosso custo e manteve o
processo produzindo itens fora de especificação.
Mudar adicionando mais pessoas ao processo, também é um problema muito comum.
Sempre que pedíamos para uma área melhorar algum indicador, era comum a
coordenação vir com a imediata desculpa que não dava. Quando perguntávamos o porquê,
a resposta padrão era: faltam pessoas. Para melhorar o indicador, preciso de mais pessoas.
Nas primeiras vezes, acreditava na história e acabava cedendo mais pessoas sem uma
rigorosa análise e, como resultado, tínhamos mais uma pessoa para o mesmo resultado de
antes. Era mais custo, mas não mais produtividade.
As mudanças mais do mesmo vão no máximo, resultar em um alívio de curto prazo que
provavelmente não será mantido. É a mesma coisa de fazermos regime sem mudarmos
nossos hábitos alimentares. Iremos emagrecer rápido, mas ao final do regime, voltaremos
a engordar. E por que?
Porque o “mais do mesmo” não altera a estrutura do sistema, adiciona despesa e
complexidade e pode acabar contribuindo com o problema. O regime pode aumentar o
custo de sua alimentação, torna a preparação da comida algo complexo e ainda por cima,
causar um quadro de desnutrição ou sobrecarga em alguns órgãos. É a mesma lógica que
se aplica na empresa.
Mais especificações e detalhes no projeto não vão melhorar seu produto. Mais inspeções
não vão eliminar os erros. Mais ajustes manuais (experiência da operação) não reduz
variação e, mais regras não impõe disciplina. Se este tipo de abordagem funcionasse, um
país com tantas leis e restrições como o Brasil não teria mais problemas.
É sempre bom lembrar que os efeitos da lei seca (zero de álcool para dirigir) não reduziu
de maneira sustentada, o número de acidentes por embriaguez. A mudança ajudou no
curto prazo, mas depois, os números voltaram para o patamar próximo ao que estavam.
Se por um lado fazer qualquer mudança é ruim, por outro lado, muitas pessoas ficam
paralisadas pela perfeição. Estas buscam eliminar os riscos da mudança não as
implementando até que tenham para si que não há risco nenhum de algo dar errado. Esta
postura é muito arriscada, pois o problema acaba se arrastando por um tempo muito
grande e a equipe, acaba se desmotivando. Além disto, pode-se mencionar o risco de o
concorrente adotar uma mudança antes, que mesmo pior que a sua, será suficiente para
colocar a empresa dele na frente.
É importante lembrar que a Kodak foi a primeira empresa a inventar a câmera digital.
Porém, seus executivos optaram por não implementar aquela tecnologia a tempo, pois
não a tratavam digna da qualidade que a Companhia pregava. Anos depois, a empresa
ruiu pelo avanço tecnológico que suas concorrentes conseguiram na área.
Outro indicio da paralisia pela perfeição é aquele chefe que só aceita ideias prontas. Tudo
que você propõe de novo, ele pensa que não está bom e diz que não vai implementar se
272
não provar que o risco de falha seja zero. Como isto é impossível, a equipe desmotiva-se
e não propõem mais ideias de mudanças. Se mudança, como já dissemos, não há melhoria.
273
Mudanças
274
Mudanças
Categorias
1ª Ordem 2ª Ordem
Sistema Não é alterado É alterado
Percepção do
Solução do problema Melhoria
cliente
275
Para adotar esta postura, você deve ser forte. Haverá muita resistência e a liderança poderá
cobrá-lo para resolver o problema urgente. Faça isto, mas não mude para a próxima
urgência antes de mudar o sistema para que este incêndio não mais ocorra. Para ajudá-lo
no convencimento do time, pergunte:
• Quanto tempo passamos agregando valor ao cliente (produzindo)?
• Quanto tempo passamos realizando mudanças de segunda ordem (melhorias)?
• Quanto tempo passamos realizando mudanças de primeira ordem (incêndios)?
Tipicamente, passamos muito mais tempo nos incêndios do que agregando valor ou
melhorando a empresa. Diante disto, pergunto: qual é o futuro de nossa organização se
continuarmos assim? E, se mudarmos esta proporção? É possível sentirmos um impacto
nos nossos indicadores?
Agora, vamos para as abordagens de mudanças que você poderá adotar para criar suas
mudanças de segunda ordem e elevar os patamares de desempenho da organização.
276
Desenvolvimento de Mudanças
Usar Tecnologia
Usar Criatividade
277
• A dependência de coleta e análise de dados varia de técnica para técnica. Para
criatividade, por exemplo, você não precisará coletar tantos dados, já para a
análise crítica, será necessário a coleta dos dados e o mapeamento do processo;
• O praticante da atividade de melhorar processos, produtos e serviços deve, com
o tempo e com a experiência, procurar integrar sistemicamente essas técnicas.
Costumo começar pela análise crítica ou pelos conceitos de mudança,
eliminando o “mato-alto” com a adoção de mudanças rápidas e claras. Depois,
para elevar o desempenho do processo à patamares bastante superiores, tenho
que recorrer as ferramentas de criatividade ou soluções tecnológicas.
278
Diagrama Causa Efeito
279
Como organizar as hipóteses para as causas?
Método Máquina
Marcha Pressão do
Velocidade pneu
Ajuste do
bico injetor
Alto consumo
combustível
Manutenção Lubrificação
Forma de Tipo de
dirigir Combustível
Pessoas Material
280
Como construir um Diagrama Causa Efeito
Passo 6 • Finalize-o
281
de suas ideias importantes a respeito das causas do problema já aparece no diagrama.
Reveja-o procurando por mudanças e acréscimos óbvios que sejam necessários para
completar o diagrama.
• Passo 6: O diagrama de causa e efeito agora está pronto para ser usado como uma
ferramenta para a melhoria. Veja mais adiante nesse capítulo “Usando o Diagrama de
causa e Efeito.
282
O que você ganha com o Ishikawa?
283
Exemplo
284
Causa Efeito para melhorar um processo
285
Cuidados
286
Os 5 porquês
OS 5 PORQUÊS
.
287
E como se aprofundar nas causas?
• Não sei..
Soluções
5 porquês
Para cada causa, pergunte por que o problema ocorreu? Para descobrir as causas que
contribuíram para o problema ocorrer. Continue perguntando por que o problema ocorreu,
para descobrir níveis adicionais de causas. Cinco não é um número mágico. Algumas
vezes é suficiente usar dois ou três “Por Que”.
288
Cuidados Extras
Apesar de ser uma técnica poderosa, precisamos tomar cuidado com alguns pontos. São
eles:
• Tendência de parar nos sintomas ao invés de aprofundar no nível de causas;
• Incapacidade de ir além do conhecimento atual do investigador: não é possível
encontrar as causas que ainda não são conhecidas;
• Falta de apoio para ajudar o investigador a fazer o “porquê” correto;
• Os resultados não são repetíveis: pessoas diferentes, utilizando os 5 Porquês chegam a
diferentes causas para o mesmo problema;
• Tendência de isolar uma causa única, enquanto que cada pergunta pode suscitar muitas
causas diferentes.
289
Cuidados Extras
290
Exemplo 1
291
Exemplo 2
292
Cuidados! Você já viu RNC?
293
Como a Toyota faz 5 porquês
A história é bem interessante, pois mostra que a realização dos 5 porquês em 30 minutos,
como muitos consultores e auditores ISO pregam, é impossível. Se a empresa que criou
a ferramenta leva meses para aplica-la, alguém que aprendeu recentemente não poderia
conseguir fazê-lo em poucos minutos.
O objetivo dos 5 porquês do exemplo era a resolução de um problema que ocorria devido
a aplicação de um torque menor do que o necessário nos parafusos do acelerador dos
carros da montadora. Devido a este problema, havia 55 carros parados no pátio a espera
de retrabalho. O problema era bastante grave, pois quando a Toyota atinge um número
máximo de carros com defeitos, pouco mais que 55, para-se a planta até que o problema
seja resolvido e parar a planta, é prejuízo na certa.
Yuri, um engenheiro da Toyota, começou 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 estações de trabalho. Esta investigação
inicial ajudou Yuri a focar o seu objetivo: construir um processo no qual todos os
parafusos são apertados da maneira correta e no tempo correto.
Quando começou 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, já que em seu antigo emprego, os operadores utilizavam
ferramentas sofisticadas que regulavam o torque necessário de maneira automática,
parando de apertar quando o torque correto era alcançado. A ideia “ver e agir” foi realizar
a compra de uma sofisticada parafusadeira automática para que todos pudessem apertar
os parafusos sem problemas.
Plano de ação embaixo do braço, Yuri foi apresenta-lo aos seus gerentes superiores. Em
sua visão, todos iriam adorar e seu diretor iria ficar orgulhoso de tê-lo no time. Porém,
seu diretor interrompeu sua apresentação e disse: “Tudo bem, eu vejo que você tem uma
saída para o problema. Porém, você quer que eu compre novas parafusadeiras de $400
294
dólares para todos os funcionários da planta. Pois se você está dizendo que esta é a
proposta de solução para este problema, é isto que teremos de fazer”.
Pego no contrapé, Yuri começou a gaguejar e disse: “Não estou dizendo isto”. Seu diretor
disse calmamente: “Então volte e pense mais no assunto. Isto não está bom”.
Uma semana depois, Yuri voltou ao seu diretor e propôs uma nova solução. Ele havia
descoberto que algumas parafusadeiras estavam muito velhas e por isto, muito fracas para
alcançar o nível de torque desejado. Então, Yuri queria comprar mais parafusadeiras
iguais a que a fábrica já tinha para utilizá-las como backup e para aposentar algumas das
velhas. Então, ele apresentou sua solução e recebeu uma resposta abrupta de que não
estava bom e que ele deveria continuar pensando no assunto.
Depois da resposta negativa, Yuri se tocou que se a solução 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 mês, mas ele percebeu que estava
indo na direção errada para resolver o problema, e seu diretor nunca tivera de dizer isto a
ele. O diretor apenas dizia que não estava bom.
Quando o Yuri estava tentando adivinhar o quando ele seria demitido, lembrou-se que
havia aprendido no treinamento do Sistema Toyota de Produção os 5 porquês. Esta
ferramenta deve ser utilizada toda vez que um líder Toyota precisa chegar à causa raiz.
Quando se lembrou da ferramenta, Yuri percebeu que não tinha perguntando o porquê o
número de vezes necessário.
Depois desta reflexão, Yuri começou a perguntar o porquê mais vezes e acabou por
descobrir três importantes causas fundamentais para os problemas na linha de produção.
Primeiro deles era o baixo nível de treinamento que a equipe possuía. 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
alcançado. Mas a equipe não sabia disto. Yuri fez uma enquete com os operadores e
descobriu que 40% deles não sabiam desta informação.
A segunda causa estava no sistema de manutenção da parafusadeira. Os encaixes iam
ficando fracos, mas ninguém os trocava antes que quebrassem de vez, mostrando que a
manutenção preventiva era muito ruim. Depois de levantar esta causa, Yuri aproveitou e
verificou a manutenção preventiva de outras ferramentas, descobrindo que também eram
ruins.
Já a terceira causa relacionava-se a um problema de projeto do produto, que ele descobriu
ser bem complexo de resolver, já que teria de alinhar o assunto com o setor de engenharia
e encaixá-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 manutenção das ferramentas.
Depois de dois meses de investigação e aprendizado, Yuri conseguiu entender as causas
fundamentais do problema. Todos os planos de ação elaborados antes eram ataques aos
efeitos e não as causas. Agora, ele poderia elaborar um plano de ação assertivo que iria
resolver o problema da maneira mais efetiva e barata possível.
Para isto, Yuri começou por resolver o problema da falta de conhecimento dos operadores
e treinou pessoalmente todos que utilizavam a parafusadeira. Yuri foi além do
treinamento tradicional em sala de aula. Para garantir que cada membro da equipe tivesse
as habilidades que precisavam, ele ensinou técnicas “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 padrões
295
de comportamento, o que era muito mais difícil do que incutir na cabeça do time o método
de parafusar correto.
Para o problema da manutenção, ele desenvolveu um sistema de gestão a vista chamado
de quadro Kamishibai. Kamishibai significa storyboard. No Japão, os pais costumam
pegar os livros infantis e reescrevê-los na forma de cartões. Utilizando estes cartões, os
pais podem ler as histórias aos filhos à noite de maneira mais organizada, pois permite
aos pais não repetirem histórias e retomarem as histórias no ponto em que pararam na
noite anterior.
296
Desconexões
DESCONEXÕES
297
O que é uma desconexão?
Uma desconexão é um desvio, erro ou não conformidade que impede o alcance de uma
situação desejada. Uma boa metáfora para entender este conceito é encará-lo como os
“fios desligados” do processo. São as entradas e saídas faltantes, redundantes ou ilógicas
que podem afetar o processo. Apesar do fácil entendimento, é sempre um desafio
encontra-las. Qual a dificuldade de identificar que um elo de uma corrente está quebrado?
Penso que não é grande. Agora, qual a dificuldade de identificar que há um fio
desconectado no data-center da imagem? Não julgo que seja uma tarefa trivial.
Tal qual neste data-center, uma empresa possui diversos processos, que nem sempre estão
documentados e tem seus procedimentos para sua execução respeitados. Diante disto,
para localizá-los faz-se necessário a elaboração de um SIPOC, depois de um fluxograma
e por fim, uma análise detalhada deste fluxograma para que a equipe possa lograr êxito
com a atividade. Sem que estes passos sejam seguidos, fica complexo e difícil encontrar
as desconexões.
298
E como encontrar as desconexões?
299
Depois de encontra-las, como trata-las?
DESCONEXÕES SUGESTÕES
300
Desperdícios
DESPERDÍCIOS
301
Desperdício (無駄):
Toda a atividade que consome energia e
recursos sem agregar valor ao cliente, ou seja, aquilo
que fazemos, mas que o cliente não está disposto a
pagar.
302
Ouvir o cliente é um credo
Para a Toyota, líder mundial na aplicação da filosofia que busca a eliminação constante
dos desperdícios, ouvir o cliente é algo importante. Por isto, a empresa vem aumentando
ao longo do tempo o número comentários dos clientes. Em 2011, somadas Lexus e
Toyota, receberam mais de 60 mil comentários de seus clientes. Isto mostra o quanto esta
tarefa é importante.
303
Os 7 desperdícios
Parece simples...
304
Os 7 desperdícicos clássicos
305
Superprodução
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
Programação puxada
TPM
306
Espera
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
307
Transporte
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
308
Movimentação
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
Área de trabalho
desorganizada 5S
Movimento de Procura por peças,
Itens faltantes Quadro de ferramentas
pessoas que não ferramentas,
Movimentação agregam valor desenhos, etc Design ruim da One-piece flow
estação de trabalho
Escolher material Layout da estação de
Área de trabalho sem trabalho
segurança
309
Inventário
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
Lead-times dos
Matéria-prima Kanban
fornecedores
Produto em Desenvolvimento do
Mais materiais, Setups longos
elaboração fornecedor
peças ou produtos
Inventário Lead-times longos
disponíveis do que o Produto acabado Fluxo contínuo (one-
(estoque)
Cliente necessita Papéis e formulários piece flow)
Suprimentos de
neste momento em processo
consumíveis Redução de setup
Ordem no
Componentes
processamento
310
Defeitos
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
Falha do processo
Sucata
Trabalho que Falta de
contém erros, Retrabalho carregamento da Melhoria dos
retrabalho, enganos peça procedimentos
Correção
Defeitos ou falta de alguma
Processo em grandes Melhoria de projeto
coisa necessária Falha em campo
lotes Criação de poka-yokes
Necessidade de
inspeção Instruções de
trabalho insuficientes
311
Superprocessamento
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
312
Agora é sua vez...
313
E agora?
314
E agora?
315
316
Análise
Análise de
de Valor
Valor
Avaliando
Avaliandooo que
que agrega
agrega valor
valor ee oo que
que não
não agrega
agrega valor.
valor.
ANALISE DE VALOR
O ponto de partida crítico para o pensamento enxuto é o valor e este, só pode ser definido
pelo cliente final. Esse é o único valor que o cliente está disposto a pagar e, todas as outras
atividades que não agregam valor realizadas para produzir o produto ou serviço, são
desperdícios.
Para uma análise de valor adequada, é necessário desenvolvermos a habilidade de
reconhecermos e identificarmos o desperdício. E para isto, não basta apenas a aplicação
das ferramentas que iremos mostrar a seguir. Você precisa ter coragem de chama-lo de
desperdício e desejar realmente, eliminá-lo. Dizemos isto, pois é comum as pessoas
sentirem-se desprestigiadas quando parte das atividades que executam são classificadas
como “não agrega valor”. Assim, é importante entendermos que desperdícios aumentam
os custos, não produzem benefícios e ameaçam nossos empregos. Não adianta pensarmos
que ao mantermos atividades que não agregam valor, estamos a proteger nossos
empregos. Não atuar diante do desperdício coloca em risco a sobrevivência da
organização, o que poderá causar inúmeros problemas e dificuldades financeiras.
317
O
O que
que éé valor?
valor?
◉◉ É
É definido
definido pelo
pelo cliente;
cliente;
◉◉ É
É mutável
mutável no
no tempo
tempo ee no
no mercado;
mercado;
◉◉ É
É refletido
refletido no
no preço
preço do
do produto;
produto;
◉◉ Devemos
Devemos desdobrar
desdobrar nossos
nossos processos
processos com
com base
base na
na
sua
sua definição.
definição.
318
Árvore de Valor
Atividade
Tipos AV NAV
Necessária Desnecessária
319
320
Como fazer uma análise de valor?
1. Liste os processos/passos
2. Classifique cada passo como AV, NAV necessário e
NAV desnecessário
3. Preencha o Diagrama AV/NAV
321
Exercício!
Classificar cada passo do processo como AV ou NAV. Propor um novo fluxo contendo
somente as atividades que agregam valor. “ Um funcionário tem necessidade de viajar a
trabalho e utiliza carro providenciado pela empresa. A empresa tem um departamento de
transportes que providencia o veículo”
E aí? Matou a charada do processo de providenciar carro para viagem? O que você achou?
O processo está enxuto ou tem muitas oportunidades para melhoria? E a burocracia, está
em alta neste processo ou quase não aparece?
Imagino que vocês viram a quantidade de oportunidades de realizarmos mudanças
promissoras neste processo. E na sua empresa? Será que não tem oportunidade também?
Eu aposto que sim hein...
322
Quer conhecer outra ferramenta? ECRS
Eliminar Combinar
Reduzir Simplificar
ECRS
Que tal uma ferramenta que te ajudará a analisar as atividades da sua empresa e ter ideias
de mudanças? Com esta ferramenta, você conseguirá eliminar, combinar, reduzir ou
simplificar as atividades, nesta ordem. Caso não possa eliminar uma atividade, porque é
necessária ao cliente, pergunte-se sobre a possibilidade de combinar esta atividade com a
próxima ou com a anterior. Não é possível? E reduzir? As vezes é possível reduzir uma
atividade, como execução de setup, por exemplo. Não sendo, simplifique. Torne a
atividade mais simples para que os riscos de erro sejam reduzidos com o processo ficando
mais robusto.
323
E como estão as empresas?
Manufatura
Serviços
324
Análise do tempo
ANALISE DO TEMPO
O objetivo da análise de tempo é identificar passos do processo que adicionam custo e
tempo sem adicionar valor. Esta técnica é aplicada para identificar focos de mudanças
para melhoria de processos.
325
Como analisar o tempo?
Tempo de Espera
Tempo de Atividades
326
E como fazer?
Passo a Passo
1.Tenha em mãos o fluxograma detalhado do processo
2.Identifique cada passo como AV, NAV necessário e NAV
desnecessário
3.Calcule a proporção de atividades em cada categoria
4.Meça o tempo de cada atividade
5.Calcule a porcentagem do tempo do processo que adiciona
valor sob a ótica do cliente
6.Escolha os passo que não agregam valor e os passos que
consomem mais tempo como focos de mudanças
327
Poka yoke
POKA YOKE
O Poka Yoke surgiu nos anos 1960, quando Shigeo Shingo engenheiro industrial da
Toyota, liderava a produção. Não havia um dia em que ele não se deparasse com falhas
humanas, que resultavam em produtos defeituosos: e, por isso, não havia um dia em que
não ficasse irritado. Diante disso, Shingo começou a desenvolver técnicas que, por
vingança, chamou de Baka (“idiota”, em japonês) Yoke (“à prova de”), o que dispensa
traduções. Aos poucos, porém, as técnicas foram aprimoradas, se provaram
profundamente eficazes e ganharam aderência.
Em 1963, um funcionário da Arakawa Body Company recusou-se a utilizar o mecanismo
criado por ser ofensivo. Assim, o termo foi alterado para Poka-Yoke, que significa “à
prova de erro" ou, mais literalmente evitando (yokeru) erros involuntários (poka).
Idealmente, poka-yokes tem como missão garantir que as condições apropriadas existam
antes de se executar uma etapa do processo, evitando a ocorrência de defeitos em primeiro
lugar. Quando não for possível, poka-yokes agem como detetive, avisando o erro e
permitindo que a equipe inicie a eliminação de defeitos no processo o mais cedo possível.
328
Exemplos de processos complicados
Vocês já 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 são à prova de erro, estes são criados para o erro. Operações arriscadas,
como trabalho em altura e utilização de extensões, são 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
Definições Importantes
Defeito
• Resultado de um erro
• Exemplo: cartão esquecido no caixa eletrônico
Erros
• Acontecem quando as ações, não estão de acordo
com as intenções
• Exemplo: esquecer o cartão do banco no caixa
eletrônico
Falhas
• Resultado ou manifestação de um ou mais defeitos
330
Poka Yoke
Significado
Á prova de erros ou de falhas
Objetivo
Eliminar ou prevenir a fabricação de produtos não conformes
utilizando dispositivos ou sensores e assegurar que os mesmos
estejam funcionando adequadamente
Tipos de Poka-Yoke
Preventivo (Error Profing): Elimina a possibilidade de ocorrência
da falha ou defeito específico, através do projeto.
Detectivo (Mistake Profing): Detecta a falha ou defeito, caso
ocorra, e previne que a não-conformidade continue no processo.
Tornar fácil fazer certo e impossível fazer errado. Para mim, este é 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 prováveis. E, este tipo
de projeto ou reprojeto é chamado de “à prova de erros”. Uma vez que os erros são
predominantemente deslizes do subconsciente, “à prova de erros” é apropriada para a
redução da probabilidade destes deslizes, ao invés de mudanças no comportamento
consciente.
Não podemos eliminar defeitos, erros e falhas, apenas fazendo exortações ou colocando
inúmeros cartazes pela empresa. Os cartazes não vão reduzir seus erros e suas falhas,
porque duvido que haja pessoas que queiram errar. Para mim, é o processo que facilita o
erro. É isto que o poka yoke ataca.
Quando o adotamos esta postura, podemos esperar alguns benefícios. São eles:
• Melhorar a qualidade (reduzir PPM e refugo);
• Tornar o processo mais fácil e capaz;
• Identificar na linha os dispositivos a Prova de Erros;
• Desenvolver ideias de dispositivos a Prova de Erros;
• Aumentar a Segurança no local de trabalho;
• Manter métodos de produção e inventário enxutos;
• Reduzir custos;
• Manter a satisfação do cliente.
331
332
Exemplos
333
Exemplos
334
Como poderíamos evita-los?
335
Métodos
Lembretes Diferenciações
Restrições Exibições
Lembretes: muitos erros são cometidos pelo esquecimento de fazer algo. Os lembretes
auxiliam a recordação. Eles podem vir de muitas formas diferentes. Um aviso escrito,
uma chamada telefônica, um checklist das coisas a realizar, um alarme, um formulário
padrão ou a documentação das etapas a serem seguidas em um processo. Os lembretes
são simples de fazer e fáceis de usar, mas exigem esforços conscientes para serem
efetivos. Uma maneira de reduzir a necessidade do esforço consciente, é cadastrar seus
lembretes nos aplicativos de celular e assim, força-los a avisar.
Restrições: uma restrição delimita o desempenho de certas ações que conduzem a erros.
Ter de remover o cartão instantâneo antes do dinheiro ser liberado é um exemplo de
restrição. A restrição é o método mais desejável de “à prova de erros” porque
normalmente não requer um comportamento consciente para ser efetiva na redução de
erros. Um atributo importante de uma restrição efetiva é que a restrição delimita a ação
indesejável enquanto não impede a ação desejável.
Diferenciações: os erros podem ocorrer quando estamos lidando com coisas que
parecem similares, ou realizando ações forem similares ou porque as instruções ou
procedimentos são similares a outros que podemos ter usado em outra situação. Para
reduzir os erros, devem ser adotadas etapas para ‘quebrar’ os padrões. Isto pode ser
conseguido de diversas maneiras como código de cores, índices, uso de símbolos
diferentes ou separação física de itens similares.
Exibições: uma obviedade (coisa óbvia) fornece previsibilidade, sem a necessidade de
explicações de como alguma coisa deva ser usada. Uma coisa óbvia traz uma incitação
visual (ou de outro sentido) para as ações que devam ser realizadas. Ao vermos as
dobradiças 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 usuário a realizar
as ações corretas, então menos erros ocorrerão.
336
Adivinhe a categoria
337
Adivinhe a categoria
338
Exemplos
339
Exemplos
340
Agora é sua vez
341
Tecnologia
TECNOLOGIA
342
Só mais tecnologia resolve?
343
Só tecnologia adianta?
344
Tecnologia
345
estamos tentando realizar? e Como sabemos se uma mudança é uma melhoria?)
deveriam também ser respondidas. Isso reduzirá a aquisição de tecnologia para fins
tecnológicos em si, e não para fins de melhoria.
As organizações poderiam determinar os modos de testar novas tecnologias em pequena
escala, o que deve ajudar a reduzir o risco em trazê-las para a organização. Alugar ou
fazer “leasing” de novos equipamentos, comprar pequenos lotes de novos materiais e
utilizar novos remédios em animais antes das pessoas, são exemplos de caminhos para
testar novas tecnologias.
Assim como qualquer outra mudança, o uso de novas tecnologias enfrentará resistência e
outros problemas. Algumas pessoas encontrarão dificuldade em ter que mudar para usar
novas tecnologias. Quando os computadores começaram a ser usados, algumas pessoas
se sentiam mais confortáveis usando a máquina de escrever e os arquivos em pastas.
Geralmente não é fornecido um treinamento adequado. Às vezes, quando é fornecido,
pessoas arrumam uma desculpa para evitá-los. Para diminuir estes problemas, a gerência
deveria ter um planejamento para ajudar estas pessoas na transição do uso de novas
tecnologias.
346
Tecnologia
Não 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 mudança de alto custo
que não resulta em melhoria. Uma melhoria pode ser feita simplesmente com o reprojeto
do sistema. Mudanças tais como: demonstração dos erros (más interpretações) e
simplificação do formulário, minimização do número de “handoffs”, e padronização do
sistema, devem ser consideradas. Ciclos deveriam ser planejados para reprojetar o sistema
antes que uma mudança que envolva automatização seja desenvolvida e testada.
Reserve soluções tecnológicas p/ melhorar sistemas estáveis em vez de solucionar
causas especiais: antes que seja desenvolvida uma mudança que envolva tecnologia,
deveria ser compreendido se causas especiais afetam a variabilidade no sistema. Se o
sistema acima foi estudado por pessoas na fábrica, elas podem descobrir que
circunstâncias especiais foram a fonte de muitas das variações. Circunstâncias especiais
podem incluir mudanças nos lotes de matérias-primas, substituição dos operadores, ou
mudanças nas condições de operação. Embora os novos equipamentos pudessem aliviar
o efeito dessas causas especiais, uma mudança a mais no custo efetivo poderia ser
possível. Uma vez que as causas especiais foram identificadas e removidas, se for
necessária redução adicional da variação, então será requerida uma mudança fundamental
a mais. Somente, então, deveria ser considerado o uso de novas tecnologias.
Concentre as mudanças nos gargalos: um “gargalo” numa organização significa
qualquer momento onde a demanda por um recurso é maior que sua disponibilidade. Uma
vez que o limite do sistema é definido pela capacidade no gargalo, mudanças deveriam
ser direcionadas ao aumento do fluxo por meio daquele recurso. O uso da tecnologia para
aumentar a capacidade nas áreas que não são gargalos, não resultarão no aumento da
eficiência do sistema. Isso apenas resultará em maior tempo de espera no gargalo. Um
hospital usou novas tecnologias para aumentar o fluxo de entrada dos pacientes. Isso não
diminuiu o tempo total para os pacientes conseguirem seus quartos porque a saída dos
pacientes era o gargalo no sistema.
347
Uma tecnologia não confiável é pior que nenhuma tecnologia: uma vez que uma
mudança que envolva tecnologia é implementada, as pessoas acreditam em seu
desempenho. A nova tecnologia deveria, consequentemente, ser completamente testada
de forma a não deixar dúvidas sobre sua confiabilidade. Um GPS que não funcione
direito, é pior do que nenhum GPS. Pois se você não o tivesse, iria buscar soluções
alternativas para resolver seu problema, como comprar um mapa ou pedir auxílio à um
amigo.
348
Nunca asfalte o caminho da vaca
349
Criatividade
CRIATIVIDADE
350
O que é criatividade?
Criatividade
Falando de uma forma simplificada, criatividade é a invenção de uma nova ideia. De onde
vêm as novas ideias? Como fazer para conseguir mais ideias criativas? O modo que a
mente humana trabalha é bem apropriado para produzir novas ideias – por ser criativa.
Isso significa que a criatividade não é privilégio de algumas pessoas, mas é uma
capacidade que todos possuem. Como então as pessoas podem desatar esta capacidade?
A natureza da mente que é uma generosa fonte de criatividade, é também a força que
impede a criatividade. Um modo de ver a mente, é como um sistema de informações auto-
organizável. Conforme as percepções e experiências ocorrem, a mente tenta encontrar
significado e ordem. Este processo organizacional utiliza padrões de pensamentos pré-
existentes para julgar o significado das novas experiências. O uso de padrões de
pensamentos pré-existentes restringe fortemente as opções de mudança consideradas
pelas pessoas. É uma das razões primárias que indivíduos ou grupos que não têm
habilidades para melhorias, geralmente produzem ideias para melhorias que são “mais do
mesmo”
351
Ideias criativas
352
Padrões
Os padrões normais de pensamento que ocorrem numa situação específica, têm uma
lógica que foi estimulada com o passar do tempo. Uma vez que uma nova ideia não
adquiriu ainda um padrão lógico para suportá-la, ela pode ser facilmente cancelada pela
lógica mais bem desenvolvida dos padrões de pensamento pré-existentes. Dessa forma,
uma ideia promissora pode ser esmagada antes que tenha a chance de ser aperfeiçoada
em uma mudança que resultaria em melhoria.
Uma pessoa pode facilmente imaginar as objeções lógicas que surgiram de outros.
Exemplo: é comum que em reuniões do departamento de distribuição, alguém sugira
preparar remessas antecipadas. Se Paulo, como Supervisor, não apoiar essas ideias, o
risco de perde-las é grande. Para conquistar a criatividade, é necessário reconhecer e
utilizar diferentes modos de pensamento
353
Modos de pensamento
Pensamentos
Pensamento Criativo, que resulta em novas
ideias e possibilidades.
Todos os três modos de pensamento são importantes e têm um papel importante nas
mudanças criativas que resultem em melhoria. Sem pensamento criativo, há risco de
mudanças “mais do mesmo” (as mesmas coisas). Sem o pensamento positivo lógico,
bons conceitos para mudança não resultarão em mudanças práticas, mudanças que
funcionem para o sistema. Pensamento crítico é necessário para fazer vir à tona os
problemas. Como discutido anteriormente, pensamento crítico é útil para revisar o
sistema atual. É também particularmente útil durante o projeto de um teste para uma
mudança. Quais poderiam ser os efeitos negativos da mudança? Como pode a mudança
ser testada nas condições que poderiam acontecer estes potenciais efeitos negativos?
Pensamento lógico positivo ajudará a desenvolver modos para superar essas
dificuldades.
Estes três modos de pensamento devem ser reconhecidos e gerenciados por equipes que
estejam desenvolvendo mudanças. É geralmente melhor para um grupo comprometer-se
com um tipo de pensamento por vez. Quando novas ideias para mudança estão sendo
desenvolvidas, pensamento positivo lógico e criativo deveria ser usado. Isso permite
que o pensamento lógico melhore o pensamento criativo em vez de reprimi-lo.
354
Como tudo isto funciona
Como estes três modelos de pensamento podem ser usados para desenvolver mudanças
criativas de segunda ordem? Métodos para melhorar pensamento criativo, tem seus
fundamentos em provocar novos padrões de pensamentos para gerar novas ideias para
mudanças. Sem novos padrões de pensamento, pouquíssimas mudanças serão produzidas.
Novos padrões de pensamento abrem uma variedade de mudanças que podem resultar em
melhorias.
355
Como utilizar o pensamento criativo?
Criatividade
A seguir, citamos alguns métodos gerais para provocar novos padrões de pensamento:
• Ter tempo. Este é o método 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 maçã que caiu na sua cabeça quando
ele estava sentado debaixo de uma árvore. 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 mudanças podem ser desenvolvidas. Pessoas são
frequentemente limitadas em desenvolver mudanças por limites implícitos ou
explícitos. Para desafiar estes limites, comece a listá-los. Então, elimine-os ou
expanda-os. Um dos limites listados por um grupo trabalhando na melhoria da
prestação de serviços de uma lanchonete de um escritório, foi que a comida era sempre
paga somente depois de selecionada. Quando o time desafiou este limite, começou-se
a usar tickets pré-pagos.
• Atacar a solução (força). Muitas vezes as mudanças sugeridas, são as mesmas, ou
seja, são os atuais padrões de pensamentos. Faça uma lista de mudanças sugeridas e
identifique o que elas têm em comum. Como no desafio dos limites, ataque os pontos
comuns como impedimento para novas ideias. Um grupo trabalhando na melhoria da
eficiência do processo de preenchimento de pedidos, examinou as mudanças que
foram feitas. Embora algumas mudanças fossem satisfatórias, todas elas focalizavam
a redução de trabalhos burocráticos dentro da organização. Uma revisão destas
soluções resultou que os pedidos dos clientes fossem endereçados diretamente aos
computadores da área de distribuição.
• Usar objetivos “não realistas” (sonho). Quando a forma com que as coisas são feitas
é inadequado para alcançar os objetivos, faça a pergunta: “O que poderia ser
..............? (Complete o espaço em branco com algum objetivo não realista). Isto ajuda
as pessoas a abandonarem a atual maneira de pensar.
356
• Foco na necessidade. Para qualquer produto ou serviço, articular qual é a necessidade
em comum, e então definir o ataque à solução, desconsiderando as opções atuais de
produtos e serviços. Haverá muitas maneiras de casar as necessidades com os novos
produtos e serviços. Por exemplo, uma empresa de paisagismo fornece o serviço de
cortar grama. Depois deles articularem a necessidade de conservar a grama curta,
criou-se a necessidade por este serviço, e eles começaram a experimentar um produto
que diminuía o crescimento da grama. Isto quase eliminou o serviço de corte de
grama.
Quando novos padrões de pensamento são provocados, novas ideias para mudança
surgirão. Estas ideias podem frequentemente trazer alguma forma de expressão, como
exemplos, o desenho de um quadro, alguém contando uma estória ou representando-a. A
representação de ideias é uma forma de compartilhá-las com os outros.
357
Continue aprendendo
http://ead.fm2s.com.br/curso/curso-de-criatividade-principios-e-abordagens/
358
Conceitos de mudanças
CONCEITOS DE MUDANÇAS
359
Os conceitos de mudança
Eliminar
disperdícios
Focar no Melhorar
produto ou fluxo de
serviço trabalho
Planejar
sistemas e Otimizar
evitar Conceitos inventário
erros de
mudança
Genrenciar Mudar o
ambiente de
variação trabalho
Incrementar
Gerenciar a Relação
o Tempo Produtor /
Consumidor
Langley, G. J., Moen,R. D., Nolan, K. M.,Nolan,T. W., Norman, C. L., Provost, L. P.
Modelo de Melhoria . Mercado de Letras Edições e Livraria Ltda , Campinas, S.P, 2011.
A – Eliminar Desperdício:
• Eliminar coisas que não são usadas.
• Eliminar entradas múltiplas de dados.
• Reduzir ou eliminar o uso de recursos excessivos.
• Reduzir controles dos sistemas.
• Reciclar ou reutilizar.
• Usar produtos substitutos.
• Reduzir classificações.
• Reduzir intermediários.
• Compatibilizar a quantidade ao necessário.
• Usar amostragem.
• Mudar alvos ou set points.
B – Melhorar o Fluxo de Trabalho:
• Sincronizar.
• Programar em processos múltiplos.
• Minimizar tráfego de mão-em-mão / tramitações.
• Aproximar fisicamente os passos do processo.
• Achar e remover gargalos.
• Usar automação.
• Suavizar o fluxo de trabalho.
360
• Fazer tarefas em paralelo.
• Considerar pessoas como parte do mesmo sistema.
• Usar múltiplas unidades de processamento.
• Ajustar a picos previstos de demanda.
C - Otimizar Inventário:
• Compatibilizar estoque à demanda prevista.
• Usar sistemas que demandam (“puxam”).
• Reduzir escolhas de características.
• Reduzir marcas múltiplas dos mesmos itens.
D – Mudar o Ambiente de Trabalho:
• Dar acesso à informação às pessoas.
• Usar medidas apropriadas.
• Cuidar do básico.
• Reduzir aspectos desmotivadores do sistema de pagamento.
• Conduzir treinamento.
• Implementar treinamento cruzado.
• Investir mais recursos na melhoria.
• Focar nos processos essenciais e no propósito.
• Compartilhar riscos.
• Enfatizar consequências naturais e lógicas.
• Desenvolver alianças e relações cooperativas.
E – Incrementar a Relação Produtor / Consumidor:
• Ouvir os clientes.
• Treinar clientes quanto uso ao produto / serviço.
• Focar no resultado oferecido ao cliente.
• Usar um coordenador.
• Alcançar expectativas despertadas.
• Surpreenda com o “grátis".
• Otimizar nível de inspeção.
• Trabalhar com os fornecedores.
F - Gerenciar o Tempo:
• Reduzir tempo de set-up e de start-up.
• Definir tempo para usufruir descontos.
• Otimizar manutenção.
• Aumentar os tempos dos especialistas.
• Reduzir tempo de espera.
361
G - Gerenciar Variação:
• Padronização (criar um processo formal).
• Parar o tempering (intromissão no processo estável).
• Desenvolver definições operacionais.
• Melhorar previsões.
• Desenvolver planos de contingência.
• Distribuir produtos em graduações.
• Amenize a sensibilidade
• Tire proveito da variação.
H – Planejar Sistemas e Evitar Erros:
• Usar lembretes.
• Usar diferenciação.
• Usar restrições.
• Usar referências formais
I - Focar no Produto ou Serviço:
• Customizar em massa.
• Oferecer produto / serviço a qualquer hora.
• Oferecer produto / serviço em qualquer lugar.
• Enfatizar o intangível.
• Influenciar ou aproveitar as tendências da
• Reduzir o número de componentes.
• Disfarçar defeitos ou problemas.
• Diferenciar produtos usando dimensões da qualidade
362
Meios para Desenvolver Mudanças: Conceitos de
Mudança
Se um conceito é uma noção geral que está envolvida com uma ideia específica, o que
significa “conceito de mudanças”? Um conceito de mudança é uma noção geral útil no
desenvolvimento específico de ideias para mudança, que resultem em melhorias.
363
Paulo e a Distribuição
Paulo e seu grupo do Departamento de Distribuição tiveram dificuldades para desenvolver ideias
adicionais para mudança a fim de melhorar o fluxo de trabalho. Um amigo que estava por dentro do
dilema de Paulo, deu-lhe um livro. No apêndice, Paulo encontrou conceitos que poderiam ser usados
para desenvolver ideias para mudanças. “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
mudanças.
No encontro seguinte, Paulo explicou aos membros do grupo o que faria e pediu-lhes para pensar
positivamente nas mudanças que estavam sendo sugeridas. Ele começou apresentando o conceito
de mudança “minimizar handoffs”. Imediatamente Mike disse que eles tinham a tendência de eliminar
a coleta e embalagem de correspondência. Outros pontos em comum foram sugeridos. Paulo
começava a sentir-se bem com essa abordagem. Ele tentou outro conceito: “aliviar o fluxo de
trabalho”. Karen disse que eles poderiam diminuir o fluxo, começando 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
documentação ao mesmo tempo em que o pedido está sendo preparado”. Todo mundo riu porque
John não costumava ser tão animado, mas eles todos concordaram com sua ideia. Paulo estava
muito feliz com a reunião devido aos resultados positivos que ela gerou. Eles tinham começado a
desenvolver um número de boas ideias para mudanças, tinham mais conceitos de mudanças a serem
trabalhados. A possibilidade para melhorias parecia agora muito grande.
Paulo utilizou uma boa abordagem para usar os conceitos de mudanças. Inicialmente
utilizou um grupo genérico “melhorar o fluxo de trabalho”, que caracterizava as melhorias
que ele estava tentando fazer. Então usou alguns conceitos de mudança do grupo para
provocar ideias específicas para mudanças. A abordagem de Paulo não é o único modo
que os conceitos de mudanças possam ser usados. Uma ideia específica para uma
mudança pode ser gerada primeiro (assim como a ideia de coletar e embalar o pedido),
então pessoas poderiam perguntar qual a noção geral está sendo aplicada para gerar aquela
ideia, a qual deveria conduzir ao conceito de mudança “minimizar handoffs”. Novas
ideias podem ser geradas do conceito de mudanças (por exemplo, aquela que a pessoa
poderia completar todos os passos na distribuição para atender o pedido, ou que os
clientes poderiam dar a entrada de seus pedidos em um computador). Outro conceito de
mudança é o grupo genérico: “melhorar o fluxo de trabalho”, que poderia ser explorado
para gerar outras ideias de mudanças.
Um conceito de mudanças não é específico o bastante para uso imediato. Conceitos como
“aliviar o fluxo de trabalho” e “diminuir manuseio” devem ser aplicados para situações
específicas e então tornar-se ideias para mudanças. As duas maneiras sugeridas aqui para
se usar os conceitos de mudanças são similares, e são baseadas na habilidade de ir para
trás e para frente entre o geral (conceitos de mudanças) e o específico (ideias). Os
exemplos descritos no apêndice demonstram o uso desta habilidade. Isto é muito
importante se praticar quando é usado o conceito de mudanças
364
Conceitos de Mudanças
Conceitos de mudanças podem ser usados para estimular tanto pensamentos críticos como
criativos. Os conceitos de mudanças dividem-se em categorias como “melhoria do fluxo
de trabalho”, “foco nas variações” e “processo à prova de erros”. Para você refletir o que
está errado com o sistema atual, tem que ter em mente que alguns conceitos de mudanças
melhorarão a qualidade e quantidade das mudanças que você desenvolveu. Pensamentos
criativos podem ser estimulados se certos conceitos de mudanças são selecionados (talvez
mesmo os aleatórios) e usados como estimuladores.
Muitos dos conceitos de mudanças no e-book podem já ser familiares para você. Podem
haver outros conceitos que serão novos. Os conceitos de mudanças listados não têm o
objetivo de serem originais ou completos. O mais importante é que a lista possa servir
como uma simples referência e outros conceitos possam ser adicionados. A taxa de
melhoria será aumentada, assim como as pessoas não somente usarão os conceitos de
mudanças, mas também desenvolverão e documentarão novos conceitos. Alguns dos
novos conceitos poderão provar serem mais úteis em uma área particular, como por
exemplo na área de Saúde e Educação.
365
Que mudanças podemos fazer para melhoria?
366
Correlação: associação entre variáveis
CORRELAÇÃO
Frequentemente é desejável determinar se existe uma relação ou associação entre duas
variáveis. Por exemplo, uma vez que um diagrama de causa e efeito tenha sido
desenvolvido para identificar causas potenciais que tenham impacto em uma
característica de qualidade de um processo, a relação entre as causas e as características
de qualidade têm que ser estudadas. Os resultados desse esforço devem ajudar a
determinar qual ação poderia ser tomada no processo.
367
A relação entre as variáveis
Temperatura
Umidade
Precipitação Quais fatores influenciam no
clima?
Pressão Atmosférica
Vento
Nuvens
368
A relação entre as variáveis
X1
X2
X3
X4
Y
X5
Como estimar Y?
É comum nos depararmos com problemas semelhantes ao do clima, mas no contexto dos
negócios. Quem nunca se viu desafiado por uma meta, mas ficou perdido na hora de
elaborar um plano de ação para entender o que fazer para chegar a meta? Quais fatores
nós podemos atacar que vão impactar em nossa meta? Quais são os itens de verificação,
ou variáveis de inputs e de processos que poderão impactar nosso item de controle ou
variável de output? É para isto que a relação entre variáveis serve. Ela nos ajuda a
entender o que temos de fazer para chegarmos ao resultado desejado.
369
Sistema de causas
Como mencionado, a relação entre variáveis tem por base ajuda-lo a encontrar quais são
as causas, em termos de fatores, que estão levando-o a obter o resultado atual. A causa
para um não venda, pode ser uma distorção no tempo de ligação depois que o cliente
manifesta o interesse na compra. Ou ainda, no preço cobrado ao interessado. Com a
análise de relação, será possível entender qual é ou quais são as variáveis que se alteradas,
vão melhorar seu resultado. Pela sua importância, vamos abordar a seguir várias técnicas
estatísticas para que você consiga entender a relação entre a variável de interesse e as
variáveis que influenciam no seu comportamento.
370
E como fazer?
Antes de começar qualquer análise é importante classificar as variáveis sob dois aspectos:
se é dependente ou independente, e se é numérica ou categórica. Estas duas classificações
são fundamentais para definirmos qual tipo de ferramenta estatística utilizar para analisar
a relação entre as variáveis. Se não adotarmos o estudo adequado, não conseguiremos
avaliar corretamente a existência de uma relação. E, sendo assim, não saberemos em qual
variável independente focar para alcançarmos a meta desejada.
371
E como fazer?
Y numérica Y categórica
• Gráfico de dispersão
• Tudo isso, só que
X numérica • Gráfico de dispersão invertido
estratificado
Após definir qual o tipo de variável, deve-se escolher qual técnica estatística será utilizada
para analisar a relação dos dados. De acordo com a tabela, é possível encontrar as técnicas
disponíveis para analisar a relação entre x e y numéricas, x numérica e y categórica, x e
y categóricas e x categórica e y numérica. É interessante notar que os tratamentos para x
categórica e y numérica, e x numérica e y categórica, são os mesmos, porém apenas
invertidos.
372
Relação entre variáveis X numérica e Y numérica
373
Imagine o cenário
É muito comum em empresas que trabalham com projetos, a tentativa de sempre melhorar
a satisfação dos clientes. Para isto, busca-se sempre entender qual variável possa ajudar
a empresa, a entender o índice de satisfação dos clientes com um projeto. Em uma
entrevista, alguns clientes reclamaram do atraso e assim, a empresa decidiu entender se
havia relação entre o índice de satisfação com o número de dias de atraso em que o projeto
era entregue. Os dados da pesquisa estão disponíveis na tabela e para analisa-los,
precisamos começar pela classificação das suas variáveis.
Neste caso, a variável x é “dias de atraso” e sua classificação é numérica. Já a variável y,
ou seja, a variável resposta que estamos tentando impactar é o índice de satisfação, que
também é numérico. Portanto, temos uma relação entre Y numérico e X numérico, que
pela tabela do slide 6, deve ser avaliada por meio de um gráfico de dispersão.
374
Gráfico de Dispersão
GRÁFICO DE DISPERSÃO
Por meio do gráfico de dispersão, é possível verificar uma relação entre os dias de atraso
na entrega do projeto e seu índice de satisfação. Quanto mais atrasado o projeto, pior o
índice. Com isto, aprendemos que se a meta da empresa for melhorar o índice de
satisfação, devemos trabalhar forte para melhorar o processo de realizar projetos no que
tange o tempo de entrega. Se a meta for manter um índice de satisfação maior ou igual à
4, teremos de entregar os projetos 10 dias antes da data que entregamos hoje. Ou seja,
precisaremos acelerar o processo de execução de projetos, pois o cliente só ficará muito
satisfeito se nossos prazos diminuírem.
O gráfico de dispersão, técnica utilizada neste exemplo, é uma representação gráfica da
associação entre pares de dados. Esse emparelhamento de dados é o resultado da
associação de diferentes medições de uma certa causa (por exemplo, atraso) com a
medição correspondente da característica de qualidade (por exemplo, satisfação). Os
dados emparelhados podem também ser medições de duas causas (por exemplo, atraso e
escopo), ou duas características de qualidade (satisfação e custo). Cada par se torna um
ponto do gráfico de dispersão.
375
Como avaliar o gráfico de dispersão
Um gráfico de dispersão pode revelar relações importantes entre certos parâmetros, o que
pode ajudar nas tomadas de decisões em um processo. Ele também pode indicar que não
existe relação entre uma causa e uma característica de qualidade, o que poderia resultar
em uma causa sendo eliminada de um diagrama de causa e efeito.
Há vários tipos de associações entre parâmetros que podem ser demonstradas pelo gráfico
de dispersão. A relação pode ser positiva ou negativa (quando um cresce o outro
decresce), fraca ou forte, linear ou não linear.
376
Correlação linear
Correlação Correlação
negativa forte negativa média
377
Gráfico de Dispersão Estratificado
20
Espessura
15
10
0
65 70 75 80 85
Pressão
378
Gráfico de Dispersão Estratificado
379
Será que o investimento por aluno influência no % de
alunos formados?
Algumas vezes se supõe que o desempenho de uma escola poderia ser melhorado se os
salários dos professores fossem aumentados ou se uma parcela maior da verba da escola
fosse gasta com salários de professores. E aí, é possível dizer isto por meio do gráfico?
380
Será que o investimento por aluno influência no % de
alunos formados?
A figura mostra dois gráficos de dispersão que não apoiam esse ponto de vista. Ambos os
diagramas estão estratificados por estados que exigem testes de competência dos alunos
e aqueles que não exigem tais testes. De acordo com os gráficos de dispersão, nenhum
desses fatores desempenha um papel importante no sucesso da escola, conforme medido
pelas pontuações SAT e taxas de graduação.
381
Correlação x Causalidade
22
Nú me r o d e d o e n te s me n ta is
18
10
6
0 2000 4000 6000 8000 10000
Número de aparelhos de rádio (em milhões)
Veja os dados coletados entre os anos 1920 e 1935 relativos ao número de aparelhos de
rádio e número de doentes mentais por 100.000 habitantes na Inglaterra. E aí, o que
podemos concluir desta análise? Quanto maior o número de aparelhos de rádio maior o
número de doentes mentais. Será que aparelhos de rádio causam doenças mentais?
Precisamos acabar com os rádios?
Calma, não nos precipitemos. Correlação não implica causalidade. Duas variáveis podem
estar correlacionadas devido a:
A variável X é causa direta da variável Y
A variável Y é causa direta da variável X
A variável X contribui para a variação em Y, mas não é a única causa
Outras variáveis podem estar provocando a correlação
Ambas as variáveis estão mudando com o tempo
A associação não passa de coincidência
Em estudos observacionais não se pode atribuir relação de causa e efeito a variáveis
correlacionadas. Para atribuir relação de causa e efeito, é preciso realizar experimentos
planejados. Sem isto, estaremos correndo risco de tomarmos relações que não passam de
mera coincidência. Hoje, na era do Data Mining este risco é bastante grande.
382
Máquina de correlações
Link
No Google Correlate, você pode analisar a relação entre termos de busca. Sim, o Google
faz exatamente isto para você. 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 gráfico de dispersão e uma lista dos termos de busca com um maior índice de
correlação com as buscas por desemprego.
Pelo estudo, o termo com maior correlação é seguro desemprego. Será que desemprego é
causa direta da pesquisa pelo seguro desemprego? Na minha percepção, neste caso faz
sentido atribuirmos uma causalidade nesta correlação. Porém, o terceiro termo que mais
se correlaciona é o "você sabia" e o sétimo é "quebrando a cara". E aí? Será que são a
correlação de 0,7722 entre desemprego e você sabia tem uma relação de causa? Ou será
que é mera coincidência? Para mim, neste caso está mais para coincidência do que para
uma relação causal.
383
Outras correlações estranhas
E agora? Você sabia que doutorado em matemática tem forte correlação com a quantidade
de uranio estocado nas usinas de energia nuclear dos Estados Unidos? E os filmes do
gótico Nicolas Cages? Sabia que eles têm forte correlação com o número de pessoas que
afogam depois de cair na piscina? É caros leitores. Acho que vocês não sabiam que em
nosso curso de Green Belt tratávamos de correlações sobrenaturais na fase do Analyse.
Brincadeira à parte, colocamos estes exemplos para que você tenha noção de que
causalidade se difere da correlação puramente matemática.
384
Resumo: gráfico de dispersão
O que são?
Quando utilizar?
Quando estratificar?
Os gráficos de dispersão são usados para examinar a associação entre duas medidas. As
medidas podem ser características de qualidade, medidas de processo ou variáveis
causais. Ele é uma das mais poderosas ferramentas para se investigar relações e
associações entre pares de variáveis de processo. Os gráficos de dispersão nos permitem
enxergar padrões fora do comum, dados afetados por causas especiais e agrupamentos
interessantes de pontos de dados.
Se existir uma associação entre uma característica de qualidade e uma variável causal,
isso não significa que exista necessariamente uma relação de causa e efeito. A relação
pode ser devida a outro parâmetro que esteja associado a cada um dos parâmetros
estudados. Se não existir nenhuma associação em um gráfico de dispersão, isso não
significa que os dois parâmetros não estejam relacionados. É possível que uma causa
comum ou que uma causa especial de variação esteja mascarando a associação para a
amplitude de dados estudada. Em alguns casos um simples teste de associação entre as
variáveis no gráfico de dispersão pode fornecer uma confirmação para as conclusões
obtidas após uma inspeção visual.
A estratificação pode ser usada para aprimorar um gráfico de dispersão. Os dados são
estratificados plotando-se símbolos diferentes para grupos diferentes de dados no gráfico
de dispersão. Algumas vezes a relação entre parâmetros não é evidente quando todos os
dados são considerados, mas quando os dados são agrupados e plotados com um símbolo
diferente a relação se torna mais clara.
385
Agora é sua vez...
386
Associação entre variável Y numérica e X classificatória
387
Y Numérica, X Classificatória
26
20
24
15
Vendas
Tempo
10 22
5 20
0 18
antes
mesmos tempos
depois Gráfico 3: ordem de coleta dos dados
4 6 8 10 12 14 16 18
TEMPO não relevante
Nesse caso hão é possível calcular o coeficiente de correlação entre as variáveis pois uma
delas não é numérica, é classificatória. Também não é possível fazer o gráfico de
dispersão. Neste caso, há duas formas de examinar visualmente a correlação entre as
variáveis. Para uma variável numérica e medida ao longo do tempo, podemos encontrar
vários cenários. São eles:
Gráfico 1: a variável categórica define duas ou mais fases, antes e depois de, por
exemplo, uma mudança. Nesse caso, é adequado fazer um gráfico de tendência
estratificado por fases. Se o comportamento da variável numérica é significativamente
diferente nas fases dizemos que há correlação entre as variáveis
Gráfico 2: a variável numérica é medida em duas condições diferentes nos mesmos
tempos. Nesse caso é adequado fazer um gráfico de tendência com a variável resposta
superposta. Se os dados estão em regiões significativamente diferentes dizemos que há
correlação entre as variáveis
• Gráfico 3: se a ordem em que os dados foram coletados não for relevante, ou mesmo
sendo relevante e o processo estável, uma forma de visualizar os dados é por meio da
comparação das distribuições de frequência (dot plot ou histograma) da variável
numérica estratificadas pela variável classificatória. Se as distribuições estão
essencialmente na mesma região, dizemos que não há correlação entre as duas
variáveis. Se estão em regiões significativamente diferentes dizemos que há correlação
entre as variáveis
388
Y Classificatória, X Classificatória
389
Y Classificatória, X Classificatória
Definições
n11 Freqüência de indivíduos nas categorias A1 e B1
n12 Freqüência de indivíduos nas categorias A2 e B1
n21 Freqüência de indivíduos nas categorias A1 e B2
n22 Freqüência de indivíduos nas categorias A2 e B2
n1+ Freqüência de indivíduos nas categorias B1
n2+ Freqüência de indivíduos nas categorias B2
n+1 Freqüência de indivíduos nas categorias A1
n+2 Freqüência de indivíduos nas categorias A2
n++ Total de indivíduos na amostra
TABELA DE CONTINGÊNCIA
Uma tabela de contingência é uma representação tabular da relação entre pares de
variáveis, principalmente variáveis categóricas. O propósito de uma tabela de
contingência é o mesmo de um gráfico de dispersão – estudar relações. Os gráficos de
dispersão mostram a relação graficamente e a tabela de contingência ilustra a relação
numericamente. Uma tabela de contingência é uma ferramenta versátil e frequentemente
é um passo temporário para se desenvolver outros métodos gráficos e para incorporar a
estratificação em outros tipos de gráficos.
390
Imagine o cenário
Tabela de Contingência
Sistema Novo
No horário Atrasado
88% 12%
391
Como fazer uma tabela de contingência?
392
Exemplos
393
Exemplo antibiótico
Antibiótico Infecção
A 12
B 60
C 28
Total 100
394
Resumo: tabela de contingência
O que são?
Quando utilizar?
Como fazer?
395
Agora é sua vez...
396
Agora é sua vez...
397
Agora é sua vez...
398
Planejamento de Experimentos
PLANEJAMENTO DE EXPERIMENTOS
Se tivéssemos recursos e tempo infinitos, provavelmente não seria um problema realizar
mais experimentos do que o necessário. Em produção e em controle de qualidade,
queremos controlar os erros e aprender o máximo possível sobre o processo ou sobre
teoria subjacente com os recursos que temos disponíveis. Do ponto de vista de engenharia,
nós utilizamos a experimentação 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 (à prova de erros);
• Realizar a avaliação de materiais, alternativas de projeto, desenvolver componentes e
ajustar os sistemas de tolerâncias, etc.
Sempre queremos afinar ou melhorar o processo. No mundo de hoje, a busca por maior
competitividade afeta a todos nós, tanto como consumidores, mas principalmente como
produtores de produtos ou serviços.
Robustez é um conceito que entra na estatística de várias maneiras. Na fase de análise,
refere-se a uma técnica que não é excessivamente influenciada por dados errados. Ou
seja, mesmo se houver um ponto muito fora ou mal coletado, você ainda irá obter a
resposta certa. Independentemente de quem ou o que estiver envolvido no processo de
experimentação - ele ainda estará correto.
399
Um pouco de história...
400
Definições importantes
Experimento
Teste ou série de testes nos quais mudanças intencionais são feitas em variáveis de entrada de
um processo (fatores) de tal forma a observar e identificar os efeitos nas variáveis respostas
Planejamento de Experimentos
Procedimentos que possibilitam planejar experimentos e analisar os resultados
Objetivo
Determinar as principais causas de variação, encontrar condições que maximizem ou
minimizem a resposta, comparar as respostas para diferentes configurações das variáveis de
entrada, obter um modelo para predizer resultados futuros e fornecer uma base para ações no
processo
Utilizações
Projetar e desenvolver um produto
• Melhorar um processo existente
• Melhorar um processo novo após partida
• Desenvolver produtos e processos robustos perante fontes externas de variabilidade
• Redução do tempo de desenvolvimento de um produto
• Redução de custos globais
401
Como fazer?
Passos
• Desenvolver uma descrição clara e concisa do problema
• Identificar, pelo menos tentativamente, os fatores importantes que
afetam o problema ou que desempenham papel importante na solução
• Propor um modelo para o problema, usando conhecimentos científicos
sobre o problema em estudo. Estabelecer as suposições e limitações
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 solução proposta
• Consolidar o aprendizado e fazer recomendações baseado nos
resultados do experimento
402
Imagine o cenário...
Uma das questões mais comuns que fazemos quando estamos mudando de endereço
residencial ou do escritório é: qual o melhor provedor de acesso à internet disponível
nesta região? Posto isto, qual a melhor maneira de responder a este questionamento? Há
basicamente três estratégias:
• Pesquisar na internet, como fizemos no slide, para encontrar quais os melhores
provedores, segundo dados coletados em vários experimentos por sites específicos.
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 rápido.
Das três opções, prefiro começar pela a, buscando quais sãos os melhores provedores da
região e depois, partir para a c. Sou daqueles que só confio num número quando sei o
método pelo qual ele foi coletado.
403
Qual melhor provedor?
Qual provedor é melhor? Pelo gráfico, o que demorou menos tempo em média, para
realizar os downloads foi o provedor A. Porém, será que podemos realmente concluir que
o A é melhor, ou pode haver outros fatores que estão afetando este resultado? Em
tratando-se de provedores, pode-se pontuar uma série de fatores que podem afetar o tempo
de download. São 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 memória
Assim, fica claro que para sermos mais assertivos nesta análise, precisamos “rodar” um
experimento utilizando critérios mais rigorosos, a fim de controlar estes vários fatores
que podem influenciar em nosso resultado.
404
Definições importantes sobre experimentos
405
Corrida experimental: realização da aplicação de um tratamento a uma unidade
experimental. Um experimento é então um conjunto de corridas experimentais. Um
resultado experimental é uma medida resultante de uma corrida experimental
Experimento: teste ou série de testes nos quais mudanças intencionais são feitas em
variáveis de entrada de um processo (fatores) de tal forma a observar e identificar os
efeitos nas variáveis respostas
Erro experimental: é percebido por quem realiza experimentos que duas unidades
experimentais submetidas ao mesmo tratamento (à mesma condição experimental)
usualmente apresentam respostas diferentes. Essa variabilidade nas respostas é devido ao
que denominamos de erro experimental. A avaliação do erro experimental é de
fundamental importância no processo de tomada de decisão por meio do teste estatístico
de hipóteses. No contexto da Estatística o termo erro não está associado com a noção
comum de “realizar algo de uma forma não apropriada”. O erro se refere à variabilidade
que ocorre nas respostas devido à atuação de fatores não controlados, muito embora possa
incorporar também erros grosseiros de procedimento. Usualmente o erro experimental é
devido a duas causas principais:
A primeira delas é devido à variabilidade que existe entre as unidades experimentais.
As propriedades físicas e químicas ou as características biológicas de cada unidade
experimental fazem com que as respostas de duas unidades possam apresentar
respostas diferenciadas mesmo sendo tratadas da mesma forma.
A segunda é devido à impossibilidade de se manter uniformes as condições de
realização de um experimento. Duas reações químicas, realizadas com os mesmos
níveis dos fatores de controle, sofrem influências ambientais diferentes.
Replicação: importante para gerar informação sobre o erro experimental
Aleatorização: importante para gerar uma distribuição de referência válida para realizar
comparação (relação sinal/ruído)
Blocagem: importante para controlar fontes de variação conhecidas, reduzindo o erro
experimental e aumentando a sensibilidade do experimento (aumentar a relação sinal
ruído)
Repetição: medir duas ou mais vezes a mesma unidade experimental
406
Como tudo isto se combina?
Fatores de processo
Fatores de
entrada
x1 Saídas Y Variável
x2 Processo de
resposta
transformação
xp
z1 z2 zr e1 e2 es
Variáveis de bloco Variáveis de ruído
407
Princípios básicos para a análise
408
Como fazer experimentos?
O ponto de partida para se iniciar um experimento é definir sua pergunta a ser respondida,
ou qual problema você deseja solucionar. Depois, define-se os fatores que podem afetar
sua variável resposta e quais níveis você deseja utilizar, lembrando que níveis são os
valores que os fatores irão assumir durante o experimento. Em seguida, seleciona-se a
variável resposta que é 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
relatório, que deve recomendar algumas ações para que o problema seja resolvido. Ao
final, elabora-se um plano de ação básico, do tipo 5W2H para que ações recomendadas
sejam de fato implementadas.
Para ajuda-lo a elaborar, executar, analisar e tomar ações em cima dos seus experimentos,
recomendamos fortemente estrutura-los por meio de um ciclo PDSA.
409
Como fazer um bolo saboroso?
Forno
Açúcar
Fermento
Características:
Ovos Sabor
Consistência
Cor
410
Experimento Fatorial
EXPERIMENTO FATORIAL
Muito do que vamos aprender neste curso, devemos ao Sir Ronald Fisher um estudante
de biologia e matemática da universidade de Cambrigde (Inglaterra), que em 1909 foi
trabalhar em uma estação agrícola experimental chamada de Rothamsted Station. Esse
centro de pesquisas tinha o objetivo de desenvolver tecnologias capazes de aumentar a
produtividade agrícola, como novos fertilizantes ou espécies de plantas.
Na primeira metade do século 20, eles lançaram as bases para a estatística 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
básicos, tais como análise ortogonal e quadrados latinos, desenvolvidos entre os anos 20
e 40, além é claro, do Experimento Fatorial que será o objeto de estudo nesta sessão.
411
O experimento do bolo
Forno
Açúcar
Fermento
Características:
Ovos Sabor
Consistência
Cor
412
Uma forma adequada de medir o efeito de variáveis de entrada e de processo em variáveis
de saída (ou variáveis respostas), é realizar experimentos planejados. Em um experimento
planejado, nós fazemos mudanças deliberadas em uma ou mais variáveis de processo ou
de entrada (fatores) com o objetivo de observar o efeito dessas mudanças em uma ou mais
variáveis respostas. Em nosso exemplo, podemos alterar a temperatura do forno, a
qualidade de açúcar, fermento e ovos, e observar o impacto destas mudanças no sabor,
consistência ou na cor do bolo da Dona Mafalda. O planejamento estatístico do
experimento é um procedimento eficiente e eficaz para obter e analisar dados, obtendo
conclusões válidas e objetivas.
413
PDSA: o caminho para o DOE
Tiram-se as
conclusões e Planeja-se o
planejam-se experimento
as ações
Executa-se o
Analisa-se plano e
os dados coleta os
dados
414
Identificar a variável resposta
Identificar os fatores
Escolher os níveis dos fatores
Decidir sobre o plano experimental
Aleatorizar as corridas experimentais
Do
Realizar o Experimento
Observar e anotar outros eventos que ocorram durante a realização do
experimento
Study
Analisar os dados
Determinar a melhor combinação
Confirmar os resultados
Act
Responder as questões
Consolidar o aprendizado
Decidir que ações serão realizadas
Este ciclo repete-se continuamente, pois sempre será necessário mais conhecimento para
manter-se competitivo.
415
Helicóptero de Papel
416
Helicóptero de Papel
Para virar o jogo, a primeira coisa a ser feita é analisar o projeto do helicóptero. Para isto,
o setor de engenharia confeccionou uma tabela com todos os fatores passíveis de alteração
e com os níveis sugeridos para o teste. Segundo a engenharia, estes são os fatores que
poderão alterar a variável resposta - tempo de voo. Porém, é necessário verificar se a
teoria propagada pela engenharia é ou não válida. Diante deste problema, pergunta-se:
Quais fatores efetivamente afetam o tempo de permanência no ar?
Como realizar um experimento para avaliar o efeito dos fatores?
417
Estratégia 1
418
Estratégia 1
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 combinação
(6,5)
Imagine que você tenha executado o plano de ação da estratégia 1 e tenha obtido os
resultados da tabela. O que irá recomendar ao departamento de engenharia que faça? Qual
o melhor comprimento da asa e largura do corpo, supondo que todos tenha caído girando
da mesma maneira?
Pela tabela, está claro que o maior tempo de voo foi estabelecido quando o comprimento
da asa foi 6. Já para a largura do corpo, o melhor ajuste é 5. Correto?
419
Estratégia 1
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 combinação
(3,5)
Imagine que você tenha executado o plano de ação da estratégia 1, mas tenha feito a
análise de forma diferente. O que irá recomendar ao departamento de engenharia que
faça? Qual o melhor comprimento da asa e largura do corpo, supondo que todos tenha
caído girando da mesma maneira?
Pela tabela, está claro que o maior tempo de voo foi estabelecido quando o comprimento
da asa foi 3. Já para a largura do corpo, o melhor ajuste é 5. Correto?
Como o mesmo experimento pode recomendar que você utilize a combinação 6,5 e
depois, se você alterar a ordem do fator que sofrerá a variação primeiro, pode recomendar
o ajuste 3,5? Deu um nó aí? Ou deu uma sensação de que os testes A/B que dominam o
mundo digital podem não ser tão interessantes assim.
420
O perigo da variação de 1 fator por vez
421
Durante 90 anos a estação fez experimentos, testando diferentes combinações de sais
minerais e linhagens de trigo, centeio, cevada e batata. Isso criara um enorme depósito de
dados, registros diários exatos de chuva e temperatura, registros semanais de preparações
de fertilizantes, medidas do solo e registros anuais de colheitas – tudo preservador em
diários de anotações encadernados. A maioria desses experimentos não produziu
resultados consistentes, mas as anotações tinham sido cuidadosamente armazenadas nos
arquivos da Estação.
Diante desta vasta quantidade de dados, Sir John decidiu contratar alguém para ver o que
havia ali, fazendo uma análise estatística daqueles registros. Pediu informações e lhe foi
recomendado Fisher. Com poucos recursos para pagá-lo e não 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 Estatística que conhecemos
hoje. Portanto, não fique preocupado com a qualidade dos dados que há em sua empresa
e nem com os planejamentos realizados até agora. Tenho certeza de que o conhecimento
abordado aqui será muito útil para que você revolucione a análise de dados no local em
que você trabalha e crie um sistema de aprendizado adequado a era do conhecimento.
422
Introdução aos experimentos fatoriais
Serão estudados aqui experimentos que envolvem uma única variável resposta e um
número n de fatores (n é um número qualquer). Como dito, os fatores são as partes do
sistema (por exemplo, os parâmetros de ajuste de uma máquina) que podem ser
modificadas.
A variável resposta será chamada Y, e os n fatores, X1, X2, ... , Xn. Cada fator terá 2
níveis, + e -. Pode haver, também, um valor central Yo, que seria, por exemplo, uma
condição de operação anterior e o experimentador tenta aperfeiçoar.
Todo experimento fatorial será balanceado, o que significa que os níveis de fatores
escolhidos são os mesmos em todos os ensaios. Os fatores correspondentes ao valor
central possuem níveis correspondentes à média dos níveis escolhidos para cada fator (são
pontos médios, centrais). Os fatores são simétricos em relação aos fatores
correspondentes ao valor central.
O fatorial é baseado em hipóteses de relações lineares, em curtos intervalos de variação.
Suponha um experimento com dois fatores, A e B, e dois níveis, {+, -}. É, portanto, um
experimento 22 = 4 ensaios a se realizar. O tratamento, que indica os ensaios que devem
ser realizados, é: {--, -+, +-, ++} e será obtida uma função resposta da forma:
𝑌= 𝐴+𝑏𝐵+𝑐𝐴𝐵
Nesta função, “a” é o efeito do fator A, “b” é o efeito do fator B, e “c” é o efeito da
interação entre os fatores A e B. É notável que esta função constitui uma aproximação
linear, ou seja, uma aproximação matemática para um comportamento de padrão
desconhecido. Quanto mais experimentos forem realizados, com níveis cada vez mais
refinados, mais precisa será esta aproximação.
A detecção do efeito da interação entre dois fatores é, como já afirmado, o grande
diferencial da metodologia DOE. As notações para a interação de dois fatores A e B são:
A*B, AxB ou AB.
423
Os experimentos fatoriais são estudados porque:
São fáceis de planejar e analisar. A análise pode ser feita essencialmente com gráficos
Requer poucas rodadas experimentais (reduz custo e tempo de experimentação)
Pode ser aplicada em uma ampla gama de situações onde é necessário melhorar
produtos ou processos
424
Notação
Ex: Fatorial 22
Trat A B Resposta
Dois níveis 1 -1 -1 y1
a=(+)
b=(-) 2 1 -1 y2
3 -1 1 y3
4 1 1 y4
2n
Número de fatores
Número de níveis
425
Análise
◉ Efeitos principais
◉ Efeitos da interações
426
Análise efeitos principais: Helicóptero
Mean of y4
1.5
1.4
-1 1
mostrado graficamente
A
Observe que o efeito de um fator é 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 é positivo, o resultado no tempo é 1,7.
Quando é negativo, 1,2. Portanto, sua variação corresponde a uma variação de 0,5 na
variável resposta.
427
Análise efeitos principais: Helicóptero
Observe que o efeito de um fator é 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 é positivo, o resultado no tempo é 1,5. Quando é
negativo, 1,4. Portanto, sua variação corresponde a uma variação de 0,1 na variável
resposta.
428
Análise dos efeitos da interação: Helicóptero
Dizemos que existe interação entre dois fatores quando o efeito de um fator em uma
resposta depende do nível do outro fator. Para avaliar a interação, calculamos o efeito de
um fator em cada nível do outro e comparamos. Se forem significativamente diferentes
dizemos que há interação entre os fatores. No caso do helicóptero podemos observar que
há interação, pois, a interação de A com B é de 0,1.
É importante observar que:
AB=[(1.8-1.2)-(1.6-1.2)]/2=[0.6-0.4]/2 =0.1
O efeito da interação de A com B é igual ao produto da coluna AB pela coluna de
respostas dividido pela quantidade de linhas com sinal (+)
429
Análise gráfica das interações
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 Interação B Interação moderada B
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
Interação moderada B Interação forte B
430
Exercício
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. Gráfico dos Efeitos principais
2. Efeito de Avanço 2. Gráfico da Interação
3. Interação Veloc*Avanço
Agora é sua vez. Chegou a hora de calcular qual o efeito dos fatores velocidade e avanço
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 Avanço:
A4 = (221 + 216) / 2 = 218,5
A6 = (235 + 223) / 2 = 229
Efeito do Avanço = 229 – 218,5 = 10,5
Efeito da Velocidade para o Avanço:
Velocidade para Avanço (+) = (223 - 216) = 7
Velocidade para Avanço (-) = (235 – 221) = 14
Interação de A com B = (14 – 7) / 2 = 7
431
Resumindo: Interações e Efeitos Principais
Temos
22
2 efeitos principais: A e B
1 interação de 2 fatores: AB
Temos
3 efeitos principais: A, B e C
23
3 interações de 2 fatores: AB, AC, BC
1 interação de 3 fatores: ABC
Temos
6 interações de 2 fatores: AB, AC, AD, BC, BD, CD
24
4 interações de 3 fatores: ABC, ABD, ACD, BCD
1 interação de 4 fatores: ABCD
432
Fatorial 2³: Exemplo
433
Fatorial 2³: Exemplo
434
Calculo dos efeitos fatoriais
Média 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
435
Análise dos efeitos
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
436
Exemplo Fatorial 24
Fator - +
A: Carga Catalisador (lb) 10 15
B: Temperatura (ºC) 220 240
C: Pressão (psi) 50 80
D: Concentração (%) 10 12
437
Exemplo Fatorial 24
438
Exemplo Fatorial 24
439
Exemplo Fatorial 24
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
442
Exercícios
443
Exercícios
444
Exercícios
445
Improve
IMPROVE
A quarta fase do roteiro DMAIC é o Improve. Nesta fase, nosso objetivo é testar as
mudanças desenvolvidas no Analyze, melhorando-as cada vez mais. Ao final desta fase,
saberemos quais mudanças funcionam ou não funcionam, podendo assim seguir para
a sua implementação em larga escala.
As atividades desta fase são todas relacionadas à testes. Temos que entender quais são as
maneiras de testar com eficiência e como começar a implementar o que acreditamos que
dará certo. Nos próximos slides, falaremos sobre o que significa “realizar testes de
mudanças” e algumas das estratégias principais para fazer esses testes de maneira
assertiva e eficiente.
446
O Improve
Objetivo:
Testar as mudanças desenvolvidas, aumentando
gradativamente a sua escala.
Atividades:
◉ Elaboração de testes de mudanças;
◉ Aumento gradual da escala dos testes;
◉ Consolidação do aprendizado;
◉ Preparação para a implementação em larga escala.
447
Teste de Mudanças
TESTE DE MUDANÇAS
Nos próximos slides, vamos levantar alguns pontos interessantes para que possamos
desenvolver um entendimento pleno do que significa realizar um teste.
448
Implementação, teste e mudanças
449
A mudança é uma predição
◉ Uma predição é:
450
A mudança é uma predição
Toda mudança é, em sua essência, fruto de uma predição. Essa predição, por sua vez,
não pode ser feita, sem haver uma teoria por trás. É por isso que ressaltamos aqui, mais
uma vez, a importância de entendermos o método científico e observarmos as ações de
melhoria no seu âmbito.
Quando elaboramos uma mudança, sempre temos uma teoria por trás da mesma, que
nos faz imaginarmos (ou predizermos) como vai funcionar o sistema (ou processo) após
a sua realização. A teoria para cada mudança é construída a partir da análise que a equipe
de melhoria faz da situação atual (usando os dados levantados na fase do Measure e as
ferramentas ensinadas na fase do Analyze). Essas análises podem ter gerado uma
excelente teoria, capaz de formular ótimas predições, ou seja, ótimas ideias de mudança.
Entretanto, não é prudente adotarmos essas mudanças na nossa operação rotineira sem
saber se elas são de fato proveitosas. Temos então que testar essas mudanças.
É exatamente isso que iremos fazer na fase do Improve. Realizaremos testes para termos
plena convicção de que o estado futuro após a mudança seja melhor que o estado atual
do nosso sistema. Como faremos isso? Por meio de medições, é claro (lembrem-se da
segunda questão da melhoria). Só podemos saber se uma mudança gerou uma melhoria
caso uma métrica seja positivamente afetada.
A maneira para conduzirmos estes testes é utilizando vários ciclos PDSA. A cada ciclo
PDSA, coletamos dados de maneira a aumentar a nossa convicção de que uma mudança
será uma melhoria.
451
Grau de convicção
◉ Grau de Convicção:
O grau de convicção de que a nossa mudança será uma melhoria é a característica que
mais trabalhamos na fase do Improve. Os testes devem modifica-lo bastante. Caso os
resultados sejam favoráveis às nossas predições, nós aumentamos nosso grau de
convicção. Mas se os resultados não forem favoráveis, nosso grau de convicção diminui.
Se temos um grau de convicção alto, estamos prontos para implementar a mudança e
adotá-la no nosso dia a dia. Se temos um grau de convicção baixo, precisamos reformular
toda a nossa teoria e rever o nosso entendimento sobre o processo.
Essa revisão das teorias é que faz com que aprendamos sobre o que estamos fazendo.
Dessa maneira, paramos de realizar mudanças “no escuro” e começamos a fazer as coisas
de maneira mais sólida e controlada (e desta forma, chegamos a resultados melhores de
maneira mais rápida).
452
Objetivo dos testes
453
Objetivo dos testes
Grau de
convicção de
que a mudança
é uma melhoria
Mudança
necessita
de mais
Mudança
testes
fracassada
Baixo
Desenvolvendo Testando uma Implementando
uma mudança mudança: ciclos 1, 2, uma mudança
...
A figura no slide sintetiza bem o que é a atividade de testar mudanças que realizamos
durante a fase de improve. Ela mostra como o grau de convicção varia para diferentes
mudanças ao longo do tempo. As mudanças geralmente têm 3 desfechos:
• Fracasso: quando, a cada teste que fazemos diminui nossa convicção de que a
mudança será uma melhoria. O fracasso pode vir por vários motivos, desde uma
hipótese completamente errada quanto de dificuldades de ordem prática que aparecem
durante a fase de testes.
• Sucesso: quando, após os testes, temos uma alta convicção de que a mudança será uma
melhoria.
• Inconcluso: quando mesmo após uma série de testes, ainda não temos convicção
suficiente para implementar as mudanças propostas.
454
Tipos de estudos para se testar mudanças
455
Tipos de Estudos
◉ Comparação simultânea.
456
Antes e Depois
◉ Pontos vulneráveis:
• Ocorrência de causas especiais ao mesmo tempo em que
mudanças são 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
457
Comparação Simultânea
◉ Comparação Simultânea:
30
25
Data
20
15
10
2 4 6 8 10 12 14 16 18 20 22 24
Index
458
Principios para a realização de testes
459
Princípios para a realização de testes
460
Escala e Escopo
◉Uma regra prática útil ao projetar ciclos de teste inicial é 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
Baixa Alta
Um ciclo
Pequena Testes de média escala para
implementar
Consequências
de um teste
falho Testes de
Teste em escala muito média 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 convicção de que a mudança será uma
melhoria e as consequências que podemos ter se o teste falhar. Caso as consequências
sejam graves (como em testes que envolvem a segurança dos envolvidos ou outros tipos
de perdas físicas e financeiras), devemos sempre pensar em começar pequeno, mesmo se
a nossa convicção for grande.
Testes com poucas consequências de ato falho devem ser conduzidos em escalas maiores.
Caso a equipe esteja confiante, podemos até pensar em um teste onde já estaremos
implementando a mudança. Iremos discutir mais sobre implementação na etapa do
Control.
462
A Matriz de Priorização
MATRIZ DE PRIORIZAÇÃO
463
Matriz de Impacto/Esforço
Impacto vs Esforço
5
Prop 4
4 Prop 1
Prop 3
3
Impacto
2
Prop 5
Prop 2
1
0 1 2 3 4 5
Esforço
464
Matriz de Impacto/Esforço
465
Control
CONTROL
A última fase do DMAIC é a fase do Control. Nela nós temos que implementar as
mudanças que saíram vitoriosas da fase de teste e monitorar os indicadores importantes
para o projeto após essa implementação. Embora possa parecer simples, quem já teve de
implementar alguma coisa sabe que essa atividade pode ser muito complicada e até
mesmo ingrata. Para que uma implementação seja bem-sucedida temos que saber
trabalhar com pessoas. Precisamos nos atentar para a parte humana da mudança,
convencendo os envolvidos a adotarem as mudanças que temos convicção de que serão
melhorias.
Para que essa implementação seja mais suave, podemos seguir algumas boas práticas e
utilizar algumas ferramentas que nos ajudam a convencer os envolvidos. Nos próximos
slides vamos aprofundar em como conduzir implementações.
Além disso, o Control temos que monitorar os indicadores depois do projeto. Até quando
fazemos esse monitoramento? Coletar um indicador é uma atividade que requer esforço
e até mesmo recursos financeiros. Caso um processo atinja uma estabilidade, medir seu
desempenho para sempre pode não ser uma boa estratégia. Vamos discutir um pouco
sobre isso.
466
O Control
Objetivo:
Implementar as mudanças vitoriosas e monitorar o
desempenho do processo após o projeto.
Atividades:
◉ Planejamento de implementação;
◉ Documentação e padronização dos novos
procedimentos;
◉ Treinamento dos envolvidos e implementação;
◉ Monitoramento dos indicadores após o término.
467
As abordagens da implementação
ABORDAGENS DA IMPLEMENTAÇÃO
468
Estratégias de implementação
469
Desenvolvendo um plano de implementação
PLANO DE IMPLEMENTAÇÃO
470
Plano de Implementação
471
5W2H
O que é o 5W2H?
• Um método relativamente simples de gerenciamento de um projeto;
• Um projeto é desdobrado em diversas atividades;
• As atividades (O que? - What) são 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 execução
ou coordenação atribuídas (Quem? - Who). Além disso, deve haver uma razão
(Por que? - Why) para fazê-la e uma forma prevista para a sua execução
(Como? - How);
• As iniciais dessa perguntas (What, Why, When, Where, Who, How, How
much) formam o acrônimo 5W2H.
Como utilizar a ferramenta?
• Lista-se as atividades que fazem parte do projeto;
• Essas atividades são os “What”;
• Em seguida passa-se a responder aos outros Ws e Hs para cada atividade;
• As informações são 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 cuidará da gestão das atividades,
verificando que os prazos sejam cumpridos e intervindo quando necessário.
Quando usar?
• As possibilidades de uso do 5W2H são amplas;
• Pode ser usada para organizar uma única atividade ou um conjunto de
atividades formando um projeto;
472
• Em projetos de melhoria é útil utilizar o 5W2H como na fase de implementação
de mudanças;
Variantes
• Quanto o gasto para realizar a atividade não for uma questão relevante (o “How
much” não é considerado) a técnica é reduzida para 5W1H.
473
Etapas da implementação
Padronize
Documente
Treine
Meça
474
Servir como guia para a realização de tarefas críticas comunicando de maneira
direta e objetiva o que e como deve ser executado o trabalho.
Conteúdo:
• Resultado esperado da tarefa;
• O QUE e COMO a tarefa deve ser realizada (objetivamente);
• Ações corretivas;
• Instruções relacionadas a segurança e meio ambiente específicas da tarefa.
• Responsável: Cargo do executante da tarefa.
Treinamento
• Treinamento é quase sempre necessário para implementar mudanças;
• Se a mudança for uma mera extensão do trabalho atual, então uma simples discussão
poderá ser suficiente;
• Entretanto, se a mudança for complexa, um treinamento extensivo poderá ser
necessário;
• Considere o tipo de mudança que está sendo proposta, quem será incumbido de
implementá-la e o nível de conhecimento e experiência dos participantes para
determinar quanto tempo de treinamento será necessário.
Medição
• Documentação adequada não garante que o processo opere como proposto;
• Monitorar o processo através de indicadores é um meio de verificar se as mudanças
propostas estão sendo efetivamente implementadas;
• Medição fornece uma fonte de aprendizagem durante a implementação e um método
de manutenção após a implementação;
• Gráficos de tendência (ou de controle) dos indicadores devem ser utilizados para
monitorar o processo depois das mudanças implementadas;
Comparação do Desempenho com os Objetivos
Não é possível tornar um processo perfeito em um dia ou em uma única iniciativa de
melhoria. A melhoria de processos normalmente leva vários ciclos de desenvolvimento,
teste e implementação das mudanças que possuem maior probabilidade de produzir
melhoria.
Comparar o desempenho com os objetivos é uma forma de acompanhar seu progresso.
Retorne aos objetivos da melhoria, definidos ao responder à segunda pergunta: Como
saberemos que uma mudança é uma melhoria?
Em seguida, compare o desempenho das medidas após a implementação, para verificar
se serão necessárias mudanças adicionais;
• Se as medidas de melhoria foram alcançadas. Então continue com a
implementação.
• Se as medidas de melhoria não foram alcançadas. Então retorne às fases de
Desenvolvimento, Teste e Implementação e continue com esses ciclos até que
os objetivos sejam alcançados.
475
476
Pessoas e a Mudanças
477
Pessoas e a Mudanças
Mudança
física
Mudança de Emocional
comportamento da mudança
Mundo
externo
Lógica da
mudança
Pessoas
A mudança no nível físico ocorre no mundo material. É perceptível através dos sentidos
e sujeita às “leis da natureza”.
A mudança no nível lógico acentua a base racional, o motivo para a mudança. As razões
para fazer mudanças e as razões para o tipo de mudança que se quer fazer definem este
nível lógico. A educação, a comunicação e a análise são veículos importantes para lidar
com a mudança no nível lógico.
Todas as pessoas afetadas pelas mudanças devem receber explicações sobre as razões
para fazê-la antes de aceitarem a mudança no nível lógico. Entretanto, convencer as
pessoas a aceitarem uma mudança pode exigir algo mais que apenas lógica.
A mudança no nível emocional lida com o coração: é afetiva e intuitiva. As pessoas têm
sentimentos definidos sobre mudança. Para algumas pessoas, o que sentem pela
mudança será mais importante do que as razões para a mudança. Os sentimentos
das pessoas com respeito à mudança incluem:
• Porque precisamos mudar? A maneira como temos feito isto sempre funcionou bem!
• Estas mudanças tornarão meu trabalho mais difícil?
• Trata-se apenas de um outro programa?
• Terei que fazer isto além do meu trabalho normal?
478
Pessoas e a Mudanças
479
Pontos-chaves relativos a mudanças
480
Pontos-chaves relativos a mudanças
481
Pontos-chaves relativos a mudanças
482
Estrutura, método e cultura
483
Encerramento
ENCERRAMENTO
484
Encerramento
485
Encerramento
486
Checklist de Encerramento
1. Resuma os aprendizados.
5. Celebre!
487
Resuma os Aprendizados
488
Finalize a Documentação do Projeto
489
Planos Futuros e Recomendações
490
Celebração e Reconhecimento
491