Apostila de Green Belt PDF

APOSTILA DE GREEN BELT
Certificação Lean Six Sigma FM2S
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!
O que é o curso de Green Belt?
Os arquivos relativos ao exercícios podem ser encontrados em nosso site:
www.fm2s.com.br
INTRODUÇÃO AO SIX SIGMA

Muitos nos perguntam sobre o que se trata nosso curso de Green Belt, ou até mesmo o
que é a metodologia Seis Sigma. Dentre todas as definições possíveis, nós gostamos muito
desta: nosso curso de Seis Sigma Green Belt torna você capaz de melhorar processos e
analisar dados. Melhorar processos e analisar dados são duas das competências mais
procuradas pelas empresas na era da informação, a qual vivemos hoje. Não há nenhum
colaborador de destaque que não tenha bons conhecimentos nestas duas áreas.
Sabemos que melhorar é uma necessidade de qualquer organização, independentemente
do setor ou porte. Quem não busca a melhoria por conta própria, geralmente acaba
buscando quando sua sobrevivência é ameaçada por concorrentes melhores e mais
preparados. Diante disto, é consenso que aprender a nadar quando a água chega na altura
do nariz, não é algo prazeroso.
Para melhorar, o Seis Sigma nos ajuda a buscar a melhoria por meio de duas grandes
portas: a porta dos dados e a porta dos processos. Pela porta dos dados, nos são ensinados
ferramentas estatísticas para analisa-los, bem como técnicas e conceitos para coletá-los.
A metodologia nos ensina a fazer análises melhores e com isto, tomaremos decisões
melhores. Ao aplicarmos os conceitos, transformamos dados em informação útil à tomada
de decisão.
A porta de processos nos leva à várias técnicas para enxergar as organizações como
processos. E processos, são uma série de atividades que transformam insumos em
produtos ou serviços, agregando valor ao cliente a cada transformação.
Juntar todas essas ferramentas, por meio do roteiro (DMAIC), gerando melhorias na
organização é o verdadeiro objetivo do Seis Sigma e é o que vamos passar neste curso
para vocês.
4
Um pouco de
história
De onde vem as teorias que trabalhamos hoje?
5
A era dos artesãos – até século XVII
◉ O artesão controla todo o

processo de produção
dentro do escopo de seu
ofício
◉ Cada peça produzida é

única
◉ O processo é passado
adiante de mestre para
aprendiz
◉ Não existem padrões
A ERA DOS ARTESÃOS

Durante a maior parte da história humana, desde que se começou a produzir bens de
consumo até a época da revolução industrial, a produção foi conduzida no sistema de
“artesanal”. Cada artesão possuía o seu ofício e o passava, de maneira tácita, para o seu
aprendiz. O ensino era prático: não havia métodos e padrões, todo o conhecimento era
passado adiante por meio do contato mestre-aprendiz.
Além disso, o artesão controlava as atividades de produção de um bem dentro de seu
ofício. Por exemplo, o criador de gado produzia peles, o curtidor, transformava a pele em
couro, o sapateiro transformava couro e madeira em botas. Cada trabalhador produzia um
produto.
Cabia ao sapateiro saber quais couros escolher, como conforma-los, como aderi-los à sola
da bota e qual seria o uso que o cliente daria, ao bem produzido por ele. Cada um destes
distintos tipos de artesãos também trabalhava em espaços separados. Não havia uma
grande fábrica com diversos trabalhadores, apenas algumas corporações de ofício em que
alguns artesãos trabalhavam juntos. Uma empresa não controlava a totalidade da
transformação das matérias-primas em produto acabado.
Em outras palavras, a divisão do trabalho era social, focada nas atividades de todos os
indivíduos, não manufatureira, focada no produto final. Com a revolução industrial e a
criação de fábricas que reuniam diversos trabalhadores especializados (note que nas
fábricas modernas um trabalhador isolado não é capaz de produzir um produto sozinho),
o sistema das corporações de ofício chega ao seu derradeiro destino. É preciso integração
do trabalho de cada um. Tornam-se necessários processos, padrões e procedimentos, ou
seja, a interação homem-máquina agora é regulada por um conjunto pré-determinado de
passos. É preciso um sistema de comunicação e ensino melhor do que o existente, pois
um operador experiente, já não é mais capaz de produzir um produto.
A mudança da divisão social do trabalho para uma divisão manufatureira mudou a
maneira de se conduzir a produção pela primeira vez, em milênios.
6
A era das fábricas e o Taylorismo – séc. XVIII e 1875
◉ Aparecimento das
grandes fábricas
◉ Especialização do
trabalho
◉ Surgimento dos padrões e

dos gerentes
◉ Taylor: administração
científica
◉ Qualidade: produto
bom/produto ruim
A ERA DAS FÁBRICAS E O TAYLORISMO

Após a revolução industrial, aparece uma entidade totalmente nova na história humana:
a fábrica. Nesta fábrica, um grande número de trabalhadores é empregado em serviços
altamente especializados. Não há mais ofício, existem apenas atividades. A atividade de
se ajustar uma máquina, a atividade de se apertar um parafuso, a atividade de se carregar
carvão dentro de um vagão de trem, etc.
Essas atividades, por si só não produzem o produto. É necessário coordena-las, coloca-
las em uma sequência lógica no final da qual o produto se materializará. Surge então a
figura dos gerentes e coordenadores e os primeiros engenheiros de produção (embora essa
profissão só venha a existir formalmente muito depois deste período).
Com o passar do tempo, estes “coordenadores” começam a extrapolar o seu trabalho
inicial. Eles não apenas integram as atividades, mas passam a padroniza-las e avaliar
maneiras para torna-las mais eficientes. A condução da atividade não é mais do
trabalhador (antigamente materializado na figura do artesão). O coordenador da empresa,
mais capacitado, avalia como cada operário deve conduzir o seu trabalho e o instrui para
isso.
Esse procedimento culminou com o trabalho de um engenheiro chamado Frederick
Taylor. Seu livro mais famoso chama-se “Princípios da Administração Científica”.
Neste livro, Taylor populariza a ideia de que os gerentes devem estudar e melhorar o
trabalho de seus funcionários. O livro foca no desafio da época, que era o aumento da
produtividade da fábrica, para atender a um mercado ávido pelos bens produzidos. As
ações eram sempre para produzir mais peças, carregar mais rápido e não em reduzir
defeitos ou adicionar funcionalidades. A melhoria é no sentido de produzir mais e não
de produzir melhor.
As ideias de Taylor ganham grande popularidade quando este é convidado por Henry
Ford a atuar como consultor de suas fábricas. Nasce aqui o que chamamos de Taylorismo,
método de olhar criticamente para uma atividade, de maneira a torna-la mais produtiva.
Obviamente Taylor não inventou a “análise crítica” da produção e dos tempos. Estudos
que visavam aumentar a eficiência no trabalho existem desde os tempos antes de Cristo.
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)
◉ Inicio do uso da estatística

em melhoria de processos
◉ Criação de algumas das

ferramentas básicas
usadas atualmente
◉ Busca por previsibilidade

da resposta dos
processos
NASCE A MELHORIA DE PROCESSOS

Na década de 1930, acontece outro grande avanço na ciência da melhoria: inicia-se a
utilização das ferramentas estatísticas e do método científico na melhoria de processos.
Esse avanço aconteceu nos laboratórios Bell, uma das mais renomadas instituições de
pesquisa da história (8 prêmios Nobel foram concedidos a trabalhos realizados nestes
laboratórios).
O protagonista desse avanço foi o estatístico Walter Shewhart. Ele trabalhava com a
análise dos processos do laboratório. Dentre suas inovações mais importantes, podemos
citar o controle estatístico de processo (CEP), que culmina com os Gráficos de
Controle.O objetivo de Shewhart ao desenvolver tais ferramentas era identificar quando
um sistema estava em estabilidade e quando ele tornava-se instável. Com isso,
desenvolveu-se um dos pilares da melhoria de processos como conhecemos hoje: o
entendimento da variação. Saber se um processo está estável ou instável é condição
fundamental para saber quando e como devemos agir frente a um processo. É umas das
primeiras ferramentas de diagnóstico gerencial que se tem notícia.
Além dos métodos estatísticos, Shewhart também introduziu ao mundo fabril o método
científico, desenvolvendo a construção de conhecimento e sua implementação por meio
de mudanças nos processos. Esse “passo a passo” ficou conhecido como o ciclo de
Shewhart e foi o embrião para as técnicas modernas do PDSA e do PDCA.
Shewhart, durante sua vida acadêmica, também pode orientar outro famoso estatístico:
Willian Edwards Deming. Deming, mais tarde, transformar-se-ia em um dos mais
importantes gurus da qualidade, sendo responsável pela transformação do Japão no pós-
guerra e pela recuperação da indústria americana no final dos anos 80.
11
A reconstrução do Japão e o avanço da qualidade (1945 –
1980)
qualidade
◉ Aplicação da estatística
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
OS CONCEITOS FUNDAMENTAIS DA MELHORIA
15
O saber profundo
Deming postula que a melhoria deve se
basear em 4 pilares:
O SABER PROFUNDO
Deming, ao longo de sua carreira, e principalmente ao final, sintetizou os fundamentos
de sua teoria da melhoria de processos no que ele chamou de Conhecimento Profundo.
16
Let’sdo
Os pilares review
Sabersome concepts
Profundo de Deming
VISÃO SISTÊMICA TEORIA DO

CONHECIMENTO
A organização é um sistema composto
de processos. Esses processos estão Precisamos saber como gerar
correlacionados. É preciso enxergar conhecimento sobre o que estamos
essa correlação. fazendo e saber como disseminá-lo
para toda a empresa
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.
O saber profundo é pautado em 4 pilares fundamentais:

Visão sistêmica: devemos parar de enxergar uma organização como um aglomerado de
pessoas, mas sim como um conjunto de processos que tem por objetivo cumprirem uma
função. Assim como o artesão no passado, cada organização de pessoas deve transformar
entradas em saídas, insumos em produtos e serviços menores em serviços maiores.
Devido à complexidade adquirida pelos produtos e serviços modernos, observar esse
objetivo da organização (ou esse propósito, como Deming preferia chamar) torna-se
complexo. No dia a dia, como trabalhadores, pensamos muito em nossos departamentos
e nossas atividades. Esquecemo-nos de enxergar como nosso trabalho se correlaciona
com o trabalho das outras pessoas da empresa de maneira a entregar à sociedade o que
ela espera de nossa organização.
Um exemplo que utilizo muito para ilustrar este conceito é o relógio. Qual é a valia de
um relógio se não for para marcar os dias e as horas? Esta é a sua função principal e todas
as engrenagens e seus movimentos devem estar alinhados com esta função. Alguém
analisa a hierarquia das engrenagens de um relógio? Não que eu saiba, apenas são
analisados os processos que cada peça executa para que o relógio marque as horas da
maneira mais precisa possível. Assim deve ser uma organização.
Ter visão sistêmica é observar como cada parte da organização se correlaciona com as
demais, permitindo a este sistema cumprir suas funções. Existem diferentes ferramentas
para desenvolver essa visão, que serão exploradas ao longo do curso. Alguns exemplos
são: SIPOC, fluxograma, VSM, entre outros.
Teoria do conhecimento: é impossível fazermos nossas atividades de maneira melhor se
não aprendemos algo novo sobre o que estamos fazendo. Gerar conhecimento, do técnico
ao processual, é de fundamental importância para aumentar o desempenho da
organização. Em outras palavras: precisamos saber aprender. Esse aprendizado não pode
ser feito a duras penas, na base da tentativa e erro. Precisamos ter um método para
aprender melhor. É justamente disso que fala a teoria do conhecimento. Como aprender
melhor como 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?
COMO IMPLEMENTAR O SABER PROFUNDO
19
UseOs requisitos
charts do método
to explain your ideas
Crie uma estrutura favorável
Domine uma técnica de melhoria
Entenda melhoria como necessidade estratégica
O método do Modelo de Melhoria e os ensinamentos do Conhecimento Profundo são

extremamente robustos. Eles podem ser aplicados em qualquer tipo de organização,
porém, possui alguns requisitos. Devemos preencher esses requisitos se desejamos
alcançar o máximo de resultado com estes conhecimentos. São eles:
Entender melhoria como necessidade estratégica: a organização precisa realmente
estar engajada no desenvolvimento de melhorias. É impossível conduzir projetos de
melhoria (independente da metodologia), sem que sejam disponibilizados os recursos
necessários à equipe. Por exemplo, como um funcionário irá dedicar-se a melhorar um
indicador se ele não fizer parte da necessidade da empresa? Como um trabalhador poderá
melhorar seu desempenho se não possui tempo ou foco para aprender sobre o que está
fazendo? Se a direção da organização não prezar pela melhoria, esta não irá acontecer.
Dominar uma técnica de melhoria: isso é o que passaremos no curso de Green Belt, a
técnica (um roteiro e várias ferramentas) para fazer a melhoria acontecer. Essa técnica
deve ser dominada pelo agente que irá conduzir os esforços da equipe. Ele deverá atuar
como um tutor conduzindo a equipe pelo roteiro e pelas várias ferramentas.
Criar uma estrutura favorável para a melhoria: por fim, as organizações, juntamente
com o agente de melhoria devem torna-la um processo do dia a dia. Os operadores de
cada atividade devem possuir os meios necessários para gerar novas melhorias. Isso vem
do trabalho da organização em mudar e adaptar seu próprio ambiente.
20
Mudança e Melhoria
Conceitos que andam juntos
CONCEITO FUNDAMENTAL
21
Mudança
Use charts e Melhoria
Requer
Melhoria ≠ Mudança
Nem sempre resulta em
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
1. O que queremos melhorar?
2. Como
3. Quais
saberemos que a
mudanças
mudança é uma
podemos fazer?
melhoria?
AS TRÊS QUESTÕES FUNDAMENTAIS

Responder as 3 perguntas fundamentais da melhoria nos dão o que precisamos para
realizarmos um projeto de sucesso. As perguntas criam um mapa com:
• O objetivo do esforço. A primeira pergunta nos faz refletir sobre o que queremos
realizar. Quando o objetivo é claro, nós podemos estruturar de maneira mais efetiva
as nossas ações. Além disso, podemos usar a definição de objetivo para alinhar a nossa
equipe.
• As métricas do esforço de melhoria. A segunda pergunta tem a ver com indicadores
e métricas, ou seja, tem a ver com dados. Como saber que a nossa mudança foi uma
melhoria? Precisamos de dados para isso! Se o nosso projeto de melhoria visa
“diminuir os refugos na linha de produção”, só vamos saber que uma mudança foi
uma melhoria quando medirmos a quantidade total de refugos ao longo do tempo e
verificarmos uma queda. Definir claramente um indicador nos ampara na realidade e
guia as nossas ações.
• Quais mudanças podemos fazer? A terceira pergunta nos ajuda a definir o escopo.
Quais mudanças poderemos realizar para alcançar o nosso objetivo, ou seja, impactar
nosso indicador? Várias vezes, a resposta para esta pergunta aparece ao longo do
projeto de melhoria. Entretanto, tentar respondê-la no começo do projeto ajuda a
equipe a entender um pouco também suas restrições. Quais mudanças não poderão
ser feitas? Podemos contratar mais gente? Podemos colocar mais controles?
Antes de explorarmos mais a fundo cada uma dessas perguntas, precisamos fazer um
comentário prático. As 3 perguntas podem ser respondidas de maneira iterativa, ou seja,
não há uma ordem lógica para responde-las. Comece por qual pergunta preferir, apenas
garanta que todas serão respondidas, mas a ordem é livre.
Gosto bastante de uma história relacionada a isso. Em uma empresa que tivemos a
oportunidade de trabalhar, os funcionários propunham a todo o momento realizar
mudanças no processo (e acho que isso não acontecia só lá). Muitas dessas mudanças
eram iguais às mudanças dos políticos que comentamos anteriormente, ou seja, sem um
23
foco claro definido. Algumas eram boas ideias, outras nem tanto, mas a grande maioria
delas vinha embasada em problemas reais da 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
Busque entender qual é

o contexto do projeto DEFINA O OBJETIVO
de melhoria. O objetivo
nunca aparece de Tente definir o objetivo
de uma maneira RESTRINJA
maneira clara…
concisa e objetiva. Fuja
de objetivos genéricos. Entenda quais as
Tente várias definições. fronteiras do seu
projeto, quais as
restrições. Delimite o
escopo no tempo e
espaço.
O QUE QUEREMOS REALIZAR?

Para responder à primeira pergunta, vale a pena seguir estas boas práticas:
• Entenda o contexto em que sua organização está inserida. Converse, discuta o que
está acontecendo com os demais envolvidos, buscando concretizar o que queremos
fazer. É muito difícil sair com um objetivo concreto de uma situação, é como se
houvesse uma “fumaça” na cabeça de cada um dos envolvidos. O que temos que fazer,
como gestores de melhoria, é condensar essa fumaça em algo concreto, um objetivo.
Para isso, precisamos entender o sentimento e as impressões de todos os envolvidos
mais próximos. Não há maneira melhor para esse entendimento do que conversando
com todos.
• Defina um objetivo. Se o passo anterior era muito aberto, este deve ser muito
fechado. Após as discussões, force a equipe a sair com um objetivo claro. Objetivos
claros tem uma estrutura padrão:
Verbo no infinitivo (diminuir ou aumentar) -> indicador -> em quanto -> onde
-> até quando.
Exemplos:
 Diminuir o número de refugos na linha de produção em 38%, até janeiro
de 2017.
 Aumentar as vendas pelo site, de 100 vendas diárias para 400 vendas
diárias até março de 2016.
 Diminuir o retrabalho na máquina em 80% até segunda-feira, 08/5/19.
Essa definição clara de objetivo faz com que saiamos da “fumaça” que geralmente são os
contextos das empresas e entremos em algo concreto. Uma vez claro o indicador,
podemos alinhá-lo com o grupo e começar a trabalhar.
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
O departamento de compras de uma multinacional está com dificuldades em

encontrar bons fornecedores. Sempre que vai buscar por fornecedores mais
baratos e confiáveis, demoram muito tempo para conseguir poucas opções (e
opções não tão boas). O departamento vê que seus custos estão altos e sente
que os compradores do departamento não estão performando direito.
Impaciente com esssa situação, o diretor de compras decide agir!
Pensando neste cenário, responda:
1. Qual é o incomodo presente neste exemplo?

2. Qual poderia ser um objetivo para melhorar este processo?
3. Quais restrições poderiam ser aplicadas?
Há diversas maneiras de formular esse incômodo. Podemos seguir a linha do diretor de

compras, que provavelmente vai culpar os compradores por sua incompetência em seguir
um processo “pautado pelo bom senso”. A ansiedade do diretor por gerar resultados e
diminuir seus custos poderia fazer com que ele estabelecesse como objetivo: “Diminuir
o número de compradores no setor para o mínimo agora!”. Neste caso, as ações seguiriam
para impactar o indicador de head count (número de pessoas). Mas nem sempre isso é
uma boa estratégia.
Poderíamos, alternativamente, pensar no incômodo como sendo os custos altos do
departamento. Neste caso, iríamos colocar como objetivo: “Reduzir os custos do
departamento de compras em X% até o próximo trimestre”. É uma estratégia. Entretanto,
acredito que esta definição de objetivos iria focar em ações do tipo: reduzir as visitas para
aos fornecedores; comprar canetas mais baratas; não imprimir tantos papéis, etc. Não que
estas mudanças sejam ruins, elas apenas não estão diretamente ligadas com o real
problema do departamento de compras.
A melhor definição de objetivo teria que atacar o cerne do incômodo: “Reduzir o tempo
para conseguir novos fornecedores de 20 dias para 2 dias até o próximo trimestre”. Essa
definição ataca justamente o problema e abre a criatividade para as pessoas começarem a
analisá-lo da forma correta. Perguntas melhores começarão a ser feitas, como: “Onde
podemos encontrar melhores fornecedores? ”; “O que é um bom fornecedor? ”, “Por quais
canais vamos contatar esses fornecedores? ”; “Como faremos esses fornecedores
chegarem até nós? ”. É justamente esse tipo de discussão que queremos que nossa equipe
tenha ao trabalhar em um projeto de melhoria.
Lembrem-se: uma das maneiras mais criativas de resolver um problema é
formulando-o e refomunlando-o.
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
A segunda pergunta ENTENDA A

tem a ver com VARIAÇÃO
indicadores. Tenha USE CONTRA
certeza que você está Indicadores são
dinâmicos e variam. INDICADORES
trabalhand com dados
confiáveis. Não se deixe enganar
por comparações do Não adianta melhorar
tipo um mês contra o um aspecto e piorar
outro. outro.
COMO SABEREMOS SE A MUDANÇA É UMA MELHORIA

Na hora de verificar se uma mudança deu errado ou certo, não basta o nosso feeling.
Muitas pessoas desenvolvem ao longo do projeto verdadeiras histórias de amor pelas
mudanças que propõem e, como sabemos, tanto amor pode afetar nosso julgamento. A
segunda pergunta só pode ser respondida com a coleta de dados.
Iremos, ao longo do curso, comentar bastante sobre como se coletar bons dados,
entretanto, algumas considerações iniciais são muito importantes:
• Dados nem sempre são confiáveis. É preciso gastar um bom esforço na definição do
padrão sobre como coletamos nossos dados. Existem várias ferramentas que serão
abordadas ao longo da certificação para a boa coleta de dados, como por exemplo,
folhas de verificação, definições operacionais e avaliação estatística do sistema de
medição.
• Dados possuem variação (lembrem-se dos pilares fundamentais!). Temos que
entender quando uma mudança no indicador é significativa e quando ela não é. Só
podemos fazer isso analisando a variação natural do processo. Comparações do tipo
um mês contra o outro são, em geral, armadilhas perigosas.
• Use contra indicadores. Não adianta melhorar os indicadores de custo e produtividade
e piorar os indicadores de acidentes de trabalho. Saibam quais são os indicadores que
queremos controlar, colete-os e analise as suas variações.
29
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Medidas antes e depois

10
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
Semana Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6

1 6 6 9 8 6 3
2 9 2 9 9 9 4
3 7 3 6 7 7 2
4 8 8 8 8 8 8
5 6 4 7 6 3 3
6 7 2 6 7 2 2
7 9 9 6 9 4 4
8 2 7 4 2 3 2
9 3 3 4 1 2 3
10 4 7 3 3 4 4
11 3 3 3 3 3 3
12 3 6 2 5 2 3
13 4 9 3 8 4 4
14 2 4 2 9 3 3
Intuitivamente diríamos que a mudança do slide anterior é sim uma melhoria.

Entretanto, vamos analisar estes 6 cenários propostos. Todos eles poderiam representar o
gráfico anterior, pois possuem tempo na semana 4 = 8 e tempo na semana 11 = 3.
Todos eles foram melhorias? Vamos colocar estes dados de uma forma mais fácil de se
observar...
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
Vamos então definir melhoria.
38
Melhoria é:
Um impacto positivo, relevante e duradouro em

indicadores de interesse da organização
DEFINIÇÃO DE MELHORIA
39
Exercício!
5S: mudança ou melhoria?

Temos mudanças nas imagens?
Temos melhorias?
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!
Mudança ou melhoria?
Por que isso ocorre?
O que acontece muitas vezes com o 5S é que as pessoas esquecem de implementar

ferramentas ou de tomar ações para manter a organização duradoura. Isso faz com que
o ambiente volte a se tornar desorganizado. 5S não é sinônimo de faxina nem arrumação,
apesar de muitas pessoas confundirem.
Isso acontece, pois, as pessoas geralmente não se preocupam com o “processo” de
arrumação, e sim com a arrumação em si. O Lean (e o Seis Sigma) tem tudo a ver com a
maneira pela qual enxergamos e agimos nos processos a fim de realizar melhorias. Se
fizermos tudo direito, esse tipo de coisa não vai acontecer.
Sobre o caso específico do 5S, recomendamos nosso curso grátis, hospedado em nossa
plataforma EAD. O link direto é ead.fm2s.com.br/curso/curso-de-5s/
41
In two or –
Indicadores Temos
three columns3 tipos
INDICADORES DE
RESULTADO
Aonde queremos INDICADORES DE

chegar? PROCESSO
Estamos fazendo as INDICADORES DE

Qual é o resultado EQUILÍBRIO
final? coisas certas para
chegarmos onde
queremos? As nossas mudanças
estão causando
problemas em outras
partes do sistema?
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
As estratégias para se desenvolver mudanças
ANÁLISE CRÍTICA DOS

USO DA TECNOLOGIA
PROCESSOS
USO DA CRIATIVIDADE CONCEITOS DE MUDANÇA
QUE MUDANÇAS PODEMOS FAZER

Para se desenvolver mudanças que gerem melhoria, podemos usar basicamente 4
estratégias, que serão mais aprofundadas na etapa do Analyze. São elas:
 A análise crítica do processo: nesta, usamos uma série de ferramentas para
entender o processo em seus detalhes e, com base neste conhecimento,
desenvolver maneiras de melhorá-lo. As ferramentas que usamos são variadas,
indo de análise de indicadores (gráficos de controle, tendência e frequência),
quanto ferramentas de análise de processos (desconexões, diagramas de causa e
efeito e os 5 porquês). Durante o curso de Green Belt, aprofundaremos bastante
cada uma delas.
 Uso da tecnologia: usar a tecnologia é uma boa maneira de se desenvolver
mudanças que gerem melhoria. Por exemplo, em uma fábrica: podemos trocar
uma máquina antiga por uma máquina nova e mais produtiva e, com isso,
aumentar a produtividade geral daquela planta. Entretanto, muitas vezes o uso da
tecnologia é uma estratégia cara que pode ser desastrosa. Se a máquina que
trocamos não for o gargalo daquela fábrica, apesar do investimento, não iremos
afetar positivamente o sistema como um todo.
 Uso da criatividade: muitas vezes a análise crítica se torna limitada na geração
de novas ideias de mudanças. Saímos sempre com sugestões do tipo “mais do
mesmo” e nos sentimos limitados. É aí que entra a criatividade! Mas não a
criatividade no sentido de uma genialidade espontânea que sai do nada e sim o
uso de técnicas sistemáticas que irão ativar a nossa criatividade. A partir da
utilização destas técnicas, podemos enxergar além e gerar soluções úteis e
inovadoras. Iremos discutir criatividade mais à frente, na parte do Analyze,
entretanto, os alunos que se interessarem podem acessar nosso curso completo e
gratuito sobre criatividade. O link direto é: http://ead.fm2s.com.br/curso/curso-
de-criatividade-principios-e-abordagens/
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
Conhecimento específico no assunto
O conhecimento profundo foi a grande contribuição de Deming para as

organizações. Por meio dele, passamos a entende-las como um sistema e aprendemos
como desenvolver mudanças e gerar melhorias de uma forma estruturada.
A teoria do conhecimento, um dos pilares do Saber Profundo é a melhor maneira de se
ganhar o conhecimento necessário para desenvolver mudanças com potencial de levar o
sistema à um novo patamar de desempenho. É por meio dele que conseguiremos melhorar
continuamente o que estamos fazendo. Vamos aprofundar mais sobre o método científico
por meio do aprendizado do ciclo PDSA?
47
O charts
Use método científico
1. Tudo começa quando observamos um fato ou

fenômeno
O método científico começa quando observamos um fato ou fenômeno de alguma

forma. Em projetos de melhoria, ele é normalmente representado por:
• Um problema detectado no produto ou serviço;
• Algumas (ou várias) reclamações de clientes;
• Uma oportunidade de crescimento.
Em ciência, esse fato ou fenômeno pode ser a trajetória das estrelas no céu (que inspirou
os astrônomos no desenvolvimento das mais importantes teorias), a manifestação de uma
doença, um comportamento estranho em um conjunto de dados, etc.
48
O charts
2. Após a observação, fazemos uma análise para

entender o fenômeno. O entendimento ao final da
análise aparece na forma de uma hipótese, ou
teoria, que explica o fenômeno observado.
Frente ao fato, começamos a analisá-lo e a tentar entendê-lo. Ao final desta análise,

temos sempre uma teoria que explica o que está acontecendo. Na prática, em um projeto
de melhoria esse desenvolvimento poderia acontecer da seguinte forma:
• Pegamos uma peça metálica com problema;
• Vemos que o problema é um risco grande e profundo que acontece apenas em um dos
componentes da peça;
• Analisamos que, no dia de produção do componente, a máquina responsável pela sua
manufatura estava com uma sujeira em uma de suas partes;
• Desenvolvemos a hipótese: o risco foi proveniente daquela sujeira.
Este é um exemplo relativamente simples. Dependendo da complexidade dos fatos
apresentados, podemos usar ferramentas de análise complexas (como análises de
regressão linear, análises de fenômeno, etc.). O que dita se vamos fazer uma análise
simples ou sofisticada é o grau de conhecimento que temos sobre o fenômeno. Quanto
maior o conhecimento, provavelmente melhor será a complexidade da análise. Quanto
menor, mais análises serão necessárias para construirmos o conhecimento suficiente para
desenvolvermos boas mudanças.
49
O charts
3. Com base na hipótese, elaboramos uma

predição: por exemplo, como o processo vai se
comportar após a mudança.
F Fp
A extrapolação da hipótese, naturalmente, gera predições. Pensando no caso da nossa

peça: uma vez que elaboramos uma teoria de que o risco é causado pela sujeira na
máquina, intuitivamente pensamos em remover a sujeira. A predição é que, uma vez
removida a sujeira, o risco não irá mais aparecer. É exatamente isso que fazemos no
método científico: a partir de uma hipótese, elaboramos uma teoria e por meio dela,
predições (ou palpites).
O bom é a teoria elaborada para fundamentar a hipótese, pode ser extrapolada e gerar
predições em diferentes áreas, inclusive naquelas que não foram usadas para a formulação
original. Em outras palavras, saber que sujeiras provocaram o risco naquela peça, pode
nos dar a predição de que a mesma máquina suja pode produzir outros tipos de peças
defeituosas, ou que qualquer máquina que produza peças com riscos está suja.
Extrapolar a hipótese em predições interessantes é um exercício de curiosidade e
criatividade. Temos que nos manter atentos e ávidos para identificar essas possibilidades.
Entretanto, predições podem ou não ser reais. A predição é gerada por meio de uma
teoria. Se a teoria não estiver correta, nossa predição também não estará. Por isso
precisamos realizar um experimento para testar se a teoria está correta, comparando o
resultado obtido com a predição.
50
O charts
4. Com base nas predições, realizamos um

experimento para observar os fatos reais. Será
que eles são iguais às predições?
F Fp FR
O quarto passo do método científico é a experimentação. Nesta etapa, verificamos se

as nossas predições são reais ou não. Para isto, criamos um ambiente controlado e
realizamos mudanças para observar o resultado.
Em nosso exemplo, tínhamos a predição: “se limparmos a máquina, o risco irá sumir”.
Um bom experimento para verificar isso seria selecionar uma máquina semelhante,
limpá-la de uma maneira padronizada (esse padrão poderá, inclusive, ser usado depois,
caso o experimento seja bem-sucedido), e observar, após uma amostragem de 1000 peças,
se há alguma com risco semelhante ao previamente reportado.
Se não houver, aumentamos o grau de convicção de que a nossa teoria era boa, portanto
podemos extrapolá-la (levar para outras máquinas, etc.). Caso ainda apareçam riscos,
temos que rever a hipótese e as condições do experimento (será que o risco não tem nada
a ver com a sujeira ou será que apenas o nosso procedimento de limpeza não era
adequado?). De qualquer maneira (se o experimento der certo ou errado) ganhamos
conhecimento específico e sólido sobre o que estamos trabalhando.
Notem que um bom experimento testa mais de uma predição ao mesmo tempo. No caso
acima, testamos duas: a de que o risco era causado pela sujeira e de que o
procedimento de limpeza iria remover a sujeira. Se vamos testar mais de uma
predição, em geral precisamos coletar mais de um dado, por isso é bom deixar claro todos
os dados que iremos coletar durante a condução do experimento. Experimentos custam,
por isso temos que explorá-los ao máximo.
51
O charts
5. Após realizado o experimento, observamos os

fatos reais e elaboramos uma segunda versão de
nossa hipótese.
F Fp FR
H H2
Realizado o experimento, analisamos novamente os dados obtidos e reformulamos a

teoria. Todos os experimentos geram uma nova rodada de dados. A partir desses dados,
reformulamos nossa teoria.
Em nosso exemplo com a peça, após o experimento podemos ter os seguintes fatos:
• O risco não sumiu, mas apareceu menos vezes.
• As peças com defeito apareceram apenas na segunda metade do experimento.
• A máquina antes do experimento estava limpa.
• A máquina ao final das corridas estava suja.
Esses fatos indicam que:
• O defeito pode ainda estar relacionado com a sujeira.
• O procedimento é capaz de limpar a máquina.
• A máquina está sujando ao longo da produção.
Com isso, temos uma nova hipótese: a sujeira é gerada ao longo das rodadas e está
relacionada com o defeito.
Para testar essa hipótese, podemos pensar em um novo procedimento que limpe a
máquina ao longo de seu funcionamento. Podemos também direcionar a nossa análise
para tentar entender “Por que a sujeira se forma? ”. Essa pergunta, irá gerar outras
hipóteses bem sofisticadas e novas predições. Em geral, predições são formuladas por
meio de perguntas bem-feitas.
52
O charts
Para completar o método, repetimos este ciclo até

termos uma hipótese sólida. Lembrem-se:
nenhuma hipótese explica tudo, mas alguas
hipóteses são úteis.
F Fp FR
...
H H2 Hs
O método científico consiste em repetir esses passos de observação, análise,

elaboração de hipótese, predição, experimento até que formamos uma teoria sólida.
Sempre podemos contestar a hipótese vigente. Isso, em ciência, acontece todos os dias e
em projetos de melhoria, também. Quando elaboramos uma cultura de contestar o status
quo dos processos por meio do ganho de conhecimento específico, temos o que
chamamos de melhoria contínua.
Devemos lembrar, entretanto, que projetos de melhoria usualmente possuem começo
meio e fim. Portanto, normalmente paramos as ações intensivas uma vez que encontramos
a solução para o problema inicial, ou uma boa estratégia para abraçar a oportunidade
inicial. Isso também não nos impede de passar o “espírito” da melhoria por meio da
geração de conhecimento específico (PDSA) para as pessoas permanentemente
envolvidas naquele processo. Se eles souberem aplicar o método científico, irão melhorar
mais e mais o processo, possivelmente gerando inovações radicais na maneira como as
coisas são feitas. Tal modelo obteve imenso sucesso ao ser utilizado e propagado pela
Toyota.
53
O ciclo
Use charts PDSA
COMO GIRAR O CICLO PDSA

O ciclo PDSA padroniza a aplicação do método em projetos de melhoria. Ele consiste
na execução de 4 etapas para conseguirmos gerar, testar ou aplicar conhecimento
específico sobre um assunto.
A primeira etapa é o Plan (planejar). É comum nesta etapa começarmos declarando
claramente o objetivo do ciclo PDSA. Notem que o objetivo está diretamente ligado com
a sua hipótese. Para o exemplo da peça que apresenta riscos que achamos que é sujeira,
podemos definir como objetivo do ciclo: “Verificar a influência da sujeira nos riscos
frente ao novo procedimento de limpeza”.
Um ponto é muito importante lembrar: o objetivo do ciclo NÃO é igual ao objetivo
do projeto de melhoria. Um projeto de melhoria pode ter vários ciclos PDSA’s
individuais ao longo do mesmo, visando cumprir um objetivo final maior. No exemplo
da peça o objetivo do projeto de melhoria era “reduzir defeitos”.
Na fase de planejamento também colocamos todas as questões que fizemos (sempre
baseadas em nossa hipótese atual sobre o problema) e as predições para as respostas à
elas. Um exemplo, para o nosso caso seria:
• Questão 1: será que o risco está relacionado com a sujeira na máquina?
• Predição 1: sim, acreditamos que o risco está diretamente relacionado com a sujeira
na máquina. Acreditamos que se não aparecer sujeira na corrida, não haverá um risco
sequer nas peças produzidas.
• Questão 2: o novo procedimento será capaz de eliminar a sujeira?
• Predição 2: acreditamos que sim. Se realizarmos o procedimento na primeira rodada,
não haverá sujeira alguma na máquina.
Feito isso, ainda no Plan, devemos detalhar satisfatoriamente como iremos coletar dados
reais que responderão às perguntas. Este plano de coleta de dados deverá estar claramente
declarado, visto que qualquer pessoa envolvida no projeto possa ler o plano e realizar o
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
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
Quer exemplos?
Veja em nossa plataforma os exemplos de melhoria em nosso site.
57
Resumindo o to
Use charts modelo deideas
explain your melhoria
1. O que queremos melhorar?
2. Como saberemos que

a mudança é uma
melhoria?
3. Quais mudanças
podemos fazer?
RESUMO DO MODELO DE MELHORIA

O Modelo de Melhoria então resume-se às 3 perguntas fundamentais, suportadas pelo
ciclo PDSA: as duas primeiras perguntas nos ajuda a obter foco (primeira questão) e
métrica (segunda questão), enquanto que a terceira pergunta nos dá ideia de mudanças.
O ciclo PDSA serve como motor da aquisição de conhecimento, nos ajudando a
formular mudanças cada vez melhores.
58
Abordagens,
habilidades e
roteiros
ABORDAGENS, HABILIDADES E ROTEIROS

Já falamos bastante sobre a parte mais importante da melhoria de processos, que é a
estruturação do Modelo de Melhoria e os pilares do conhecimento profundo de Deming.
Nos próximos slides e páginas, iremos comentar sobre como as empresas transformam
esta teoria em projetos de melhoria. Iremos discorrer sobre os motivos que as pessoas
usam a melhoria e quais habilidades um agente de melhoria acaba por desenvolver. Por
fim, vamos falar dos famosos “roteiros de melhoria” que já ajudaram tantas pessoas a
conduzir ótimos projetos.
59
ParaUse
que usamos
charts to explainayour
melhoria?
ideas
Mudar um sistema como um todo
Novos produtos
Melhorar um sistema
Novos processos
Produtos Processos
Novos
procedimentos Procedimentos
O Modelo de Melhoria (3 perguntas e o ciclo PDSA) nos ajudam por meio de duas
abordagens 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
ANTES DE FALAR DOS ROTEIROS, QUERO

CONTAR UMA HISTÓRIA
“Enquanto os engenheiros da empresa A

gastavam seu tempo e energia desenvolvendo
tocadores de CD cada vez melhores, a empresa
B desenvolveu o tocador de MP3. Se a empresa
A soubesse que os clientes queriam na verdade
ouvir música ao invés de comprar CDs,
provavelmente ela ainda estaria no mercado...”
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
O QUE SÃO ROTEIROS DE MELHORIA?
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
A EMPRESA TEM: A EMPRESA

PRECISA:
Uma oportunidade.
Um processo melhor.
Um problema.
Um produto melhor.
A necessidade por uma
melhoria. Mais conhecimento.
Melhor desempenho.
As empresas sempre terão: oportunidades a serem aproveitadas, problemas a serem

resolvidos e processos a serem melhorados. Elas sempre precisarão de procedimentos
mais eficazes, produtos mais competitivos e conhecimentos que a façam desempenhar
melhor. Os roteiros são apenas o como vamos suprir estas necessidades.
65
OsUse
DE MANEIRA GERAL, OS ROTEIROS PASSAM

POR:
1. Uma etapa de entendimento da situação atual
2. Uma etapa de desenvolvimento de mudanças
3. Uma etapa de teste de mudanças
4. Uma etapa de implementação das mudanças
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
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
A melhoria resulta da aplicação de conhecimento.

Cinco pontos são fundamentais para se conseguir uma melhoria:
◉ Saber o que precisa ser melhorado, com clareza

◉ Ter um mecanismo de feedback para saber se a melhoria está
acontecendo
◉ Desenvolver mudanças que resultarão na melhoria
◉ Testar a mudança, adquirindo conhecimento específico no assunto
◉ Saber quando tornar a mudança perene, ou seja, quando implementar a
mudança
O Modelo de Melhoria é uma estrutura para aplicar estes 5 pontos. O
DMAIC é um roteiro para a melhoria.
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.
Vamos aprender mais sobre estas ferramentas!
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)
Hora de ouvir e entender o seu cliente (interno ou externo)
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)
Para coletar, temos duas maneiras:
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
◉ Os clientes podem ser vagos em

sua explicação
◉ Seja específico
◉ Considere um fator por vez
◉ Busque a necessidade do cliente,

não a sua solução favorita.
◉ Expresse os requerimentos em
fatores mensuráveis
◉ Identifique o que é “aceitável” ou

“inaceitável”
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
Valor da fatura de - % de faturas com valor incorreto

Valor acordo com
contrato - % de notas de crédito
fatura enviada com
qualidade
Enviar a
Envio - % de faturas enviadas
fatura(Y/N)
Fatura
Controle - % de faturas registradas
registrada(Y/N)
79
O SIPOC
Uma ótima ferramenta para desenvolver a visão sistêmica!
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
Entradas devem ser especificar incluídas como entradas. Elas

Entradas são “coisas” supridas
os “gatilhos” do processo e o que guiam o processo, mas não são
pelos fornecedores do processo
será trabalhado pelo processo trabalhadas por ele. Entradas
podem incluir instruções
operacionais que são
necessárias para quem executa
as atividades.
Vamos praticar?
83
Exercício!
Um exame de sangue
Elabore um SIPOC para o processo “realizar um exame de sangue”. Faça a

análise do SIPOC do ponto de vista do laboratório responsável para o exame.
Qual é a saída mais importante do laboratório?
Quem consome essa saída?
Para produzir essa entrega, o que é necessário entrar para o laboratório?
Quem fornece essas entradas?
Como as entradas se transformam em saídas?
É assim para todos os laboratórios? O que muda?
84
Exercício!
Fornecedores Inputs Processo Outputs Clientes
Médico Paciente Resultado Médico
Requisição
Laboratório Seringas Realizar

exame de
sangue
Agulhas
Álcool
Outros materiais
Passos do Processo
Recebe paciente Prepara Retira Analisa Preenche

e requisição paciente sangue sangue relatório
Segue um pequeno exemplo de como funciona o processo de coleta de sangue. A saída

mais importante do processo é o resultado do exame de sangue, que é consumido pelo
médico (ou pelo paciente, caso esse seja curioso e tenha um computador com acesso ao
Google...). A saída não é o sangue. Aliás, esse nem aparece no SIPOC. Ele surge e é
consumido inteiramente dentro do processo, portanto não é uma entrada nem uma saída.
Notem também que o processo pode não ser realizado da mesma maneira de um
laboratório para outro. Por exemplo, a atividade de “preparar o paciente” pode ser
realizada das mais diversas maneiras, seguindo os mais diversos procedimentos.
85
Por que usar o SIPOC no Define?
◉ Entendimento macro do
processo
◉ Alinhamento das discussões
◉ Busca por indicadores através

da visão sistêmica
◉ Divide o processo em etapas,

o que ajuda no
desenvolvimento de mudanças
POR QUE DEVEMOS USAR O SIPOC NO DEFINE ?

Lembrem-se: no Define trabalhamos para sair com um foco claro para atacarmos em
nosso projeto de melhoria. Temos que: entender as visões de cada uma das pessoas e bolar
um indicador que vá nos balizar durante o resto do projeto. O SIPOC é útil para se
conseguir as duas coisas!
Quando utilizamos o SIPOC, começamos a analisar o nosso problema de uma forma
extremamente útil para a melhoria: de forma sistêmica. Começamos a entender com muita
clareza onde está inserido o processo que queremos analisar: entendemos onde ele
começa, termina e quais são os seus limites. Além disso, temos declaradas claramente
todas as etapas do processo. Podemos então, com a ajuda do resto do time de melhoria,
analisar criticamente as etapas propostas, tentando identificar nas discussões
direcionadores críticos para a qualidade.
O SIPOC também nos permite identificar pontos para a coleta de dados. Podemos pensar
em indicadores diversos para as saídas, para as entradas e para cada etapa do processo.
Por exemplo: como medir se a saída está com qualidade? Quanto tempo demora toda a
etapa de processamento? Quanto de rejeito esta etapa está gerando? Quanto aproveitamos
de cada entrada? Todas estas perguntas, elementares a se observar um SIPOC, podem
levar a indicadores bastante úteis em projetos de melhoria.
Por fim, essa visão segmentada e clara do processo também já nos começa a abrir a mente
para possíveis mudanças no processo: Temos alguma entrada que não precisamos?
Deixamos de ter alguma entrada que precisamos? Nesta etapa, de “preparação do
paciente”, qual é o procedimento que estamos seguindo? Podemos fazer melhor?
Essas técnicas de aperfeiçoamento das atividades serão discutidas em mais profundidade
na etapa do Analyze.
86
O Contrato de Melhoria
A ferramenta final da fase Define.
87
O contrato de melhoria
◉ O contrato de melhoria é um Ele nos ajuda:

acordo entre o patrocinador do
projeto e a equipe de melhoria ◉ Esclarecer papéis e
sobre o que é esperado do responsabilidade
projeto
◉ Focar a equipe
◉ Ele contém uma descrição
clara do incômodo que se
◉ Levantar problemas e
pretende aliviar, bem como os
oportunidades
objetivos e indicadores do
projeto
◉ Definir pontos de iteração
◉ Definir pontos de comunicação

entre
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
◉ Renegociações são possíveis no contrato, poucos projetos

terminam sem reformulações em seu contrato:
◉ O escopo muda;
◉ A equipe muda;
◉ Os recursos mudam;
◉ Eventos externos “acontecem”.
O contrato é apenas uma fotografia de como estão as coisas no início do projeto.

Obviamente, muito pode mudar. O contrato deve então ser revisto de maneira a incluir
estas mudanças, mas nunca devemos permitir que o contrato e o projeto não estejam
alinhados.
As mudanças vão acontecer de maneira natural. Às vezes, mesmo após todas as
discussões do Define, achamos que o problema está em um lugar e quando começamos
as medições iniciais, tudo muda. O escopo é geralmente um caso clássico desse tipo de
mudança.
Lembro-me bem de um projeto característico: o diretor de uma empresa nos contratou
para rever um de seus processos administrativos. A empresa tinha filiais em várias cidades
brasileiras, entretanto o diretor ficava em uma delas. Ele nos disse: “o processo aqui na
filial X é muito lento! Eu vejo uma série de desperdícios e não vejo solução para eles. Na
cidade Y, o mesmo processo acontece de maneira muito mais rápida, muito mais
eficiente! Eu gostaria de estudar as boas práticas de lá para que possamos implementar
aqui. ”
O contrato então foi redigido para ser um projeto de benchmark interno, onde
estudaríamos as boas práticas em Y para aplica-las em X. Durante o projeto, descobriu-
se que nunca havia sido feita uma medição fiel do tempo destes processos. Quando
fizemos isso, uma surpresa: o processo na cidade X era realizado em um quinto do tempo
que demorava na cidade Y (que o Diretor achava ser o benchmark). Neste caso,
reavaliamos todo o projeto, procurando melhorias para ambos os processos.
A história mostra que podemos nos enganar nas definições do contrato. Revê-lo durante
o projeto não é vergonha nenhuma.
Agora vamos ver um pouco mais sobre os elementos do contrato de melhoria.
89
Os elementos do contrato
Nome do projeto:
Integrantes:
Patrocinador:
1. O que queremos realizar?

(objetivo, importância, incômodo)
2. Como saberemos que uma mudança é uma melhoria?

(indicadores, contra indicadores, meta)
3. Restrições
4. Cronograma
O contrato e melhoria é elaborado conforme as 3 perguntas fundamentais, que discutimos

previamente. Ao preenche-lo, geralmente já fizemos várias discussões (inclusive usando
as ferramentas do SIPOC e da árvore CTC), portanto já temos bem definido o que vai ser
atacado, por isso é relativamente fácil colocarmos no papel o que foi discutido.
O modelo de contrato pode variar de lugar para lugar ou de equipe para equipe. Nesta
apostila, faremos um exercício extenso onde apresentaremos uma proposta de contrato.
Entretanto, alguns pontos são muito importantes e devem estar presentes:
• O que queremos realizar?
• Descrição do incômodo: é vital para a equipe contextualizar o projeto.
Descreva claramente o incômodo que está sendo atacado.
Exemplo
Descrição do incomodo ou oportunidade:
“A empresa trabalha com pintura e montagem de para-choques.
Ultimamente, uma série de para-choques vêm sendo rejeitados na inspeção
que acontece após a pintura, devido a riscos que acreditamos ser
provenientes de pequenas batidas que acontecem quando a tinta ainda está
fresca. Pelo elevado número de rejeitos, não estamos conseguindo atender
a demanda de nossos clientes. Além disso, boa parte dos para-choques
ficam estocados em uma área do barracão, ocupando espaço e dificultando
a circulação de pessoas. ”
• Descrição da importância do projeto: geralmente, para usar futuramente
como argumento de convencimento para os envolvidos, escrevemos algumas
palavras para explicitar por que o projeto é importante. Essa importância pode
ser exposta por várias perspectivas: a do cliente, a da empresa, as de vários
departamentos, etc. Ter esses argumentos prontos é útil, pois quando
precisamos da ajuda destes envolvidos, podemos claramente expor a eles o
porquê estamos propondo aquilo.
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
◉ Cuidado com os abusos e distorções que aparecem junto das

metas numéricas
◉ Frente a uma meta não batida, as pessoas podem distorcer o

sistema para batê-la.
◉ Entenda a variação para atribuir uma meta
◉ Coloque metas SMART (Specific, Measurable, Achievable,

Relevant e Time-bound)
◉ Meta, sem método é uma crueldade

◉ Seja flexível
◉ Abuse de benchmarking
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!
Um processo de coleta de sangue.
Leia na apostila a descrição do projeto de melhoria e responda às questões

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

sendo realizado do seu início até o final.
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
Apoio entusiástico – Trabalhará muito

para que o projeto seja um sucesso
Ajudará no trabalho – dará suporte

apropriado para que se implemente as
mudanças
Compliant – fará o mínimo aceitável
Vacilante – não se oferecerá

voluntariamente
Indiferente – não ajudará; não
atrapalhará
Contrário - atuará abertamente contra o
projeto
Hostil - bloqueará a implementação das
mudanças a todo custo
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:
Nome e Tipo de Maiores preocupações Plano de comunicação

Posição participação O que, Quem, Quando
Tipo de participação: Patrocinador, Consultor, Proprietário do

Processo, Membro de Equipe, Cliente, Fornecedor, Outros
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
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
Mapeando processos e construindo fluxogramas
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:
Um processo é uma sequencia de atividades
conduzidas para a produção de um bem ou serviço com
valor para um determinado cliente.
Antes de começarmos a falar como mapear e analisar processos, é necessário definir o

que são processos. Uma definição muito útil é a apresentada no slide. Por esta perspectiva,
um processo é uma sequência ordenada de atividades que visam transformar entradas em
saídas para algum determinado cliente. Essa definição está totalmente alinhada com a
visão da utilização do SIPOC na análise de uma organização.
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
Um sistema é a organização como um todo. É o conjunto de fatores interligados com

funções específicas. Todo sistema tem pelo menos uma função e cada função gera pelo
menos um indicador. Os sistemas podem ser abertos ou fechados e, podem ser modelados
também de acordo com sua estrutura, seus processos e suas funções.
Um processo é uma sequência de valores agregados visando à produção de um produto
(mercadoria ou serviço). Para fins de organização e análise do trabalho, o conceito de
processo é conveniente por sua racionalidade e simplicidade. Com um fluxograma, por
exemplo, podemos desenhar suas interações e a sequência de suas atividades, bem como
onde cada coisa acontece na organização (iremos ilustrar alguns fluxogramas mais
adiante).
Uma atividade é a parte mais basal da organização. Ela pode ser descrita por um
procedimento, ou instrução de trabalho e sempre é realizada por apenas uma pessoa
(podendo ter interface com outras). A sua complexidade é baixa e é fácil de ser enxergada,
pois são as coisas que realizamos no dia a dia, possibilitando assim, detalharmos com
clareza. Vamos, a seguir, mostrar como realizamos o mapeamento dos processos de uma
organização.
106
Mapeamento de processos
Quando, como e por qual razão fazê-lo
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
O objetivo do mapeamento de processo é poder enxergar as atividades envolvidas na

transformação de uma entrada em uma saída da organização. É fazer emergir a
informação do que está acontecendo, identificar os envolvidos e as atividades necessárias.
109
Mapear um processo
Entender melhor nosso

processo • Aplicar indicadores
• 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
Qual é o resultado de um bom mapeamento?
◉ Entendimento do processo
◉ Conhecimento sobre o fluxo de trabalho
◉ Ilustração em um fluxograma
◉ Identificação das desconexões
Bom, mas quais são os resultados do mapeamento?

O primeiro é resultado é intangível, mas importante. É o entendimento do processo para
os envolvidos no mapeamento. Além disso, adquiriremos um conhecimento mais
profundo do fluxo de trabalho, que contempla a ordem das atividades e as relações ente
elas.
O segundo é a criação de um fluxograma que vai mostrar visualmente como funciona o
processo escolhido. Com esta ferramenta, fica mais fácil comunicar para a empresa o que
está acontecendo. Note que um fluxograma é uma das saídas da atividade de
mapeamento.
Depois, podemos analisar os resultados e procurar desconexões, entradas que não são
usadas, saídas que não são necessárias, etc.
111
Antes de começar
Como achamos que é o processo
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:
 As pessoas tendem a se contentar em elaborar um fluxograma sobre como é um

processo. Reúne-se uma equipe e as etapas são listadas, com cada um contribuindo
com o que se lembra sobre o processo. Desta maneira surge um fluxograma.
 Na maioria dos casos, o processo é muito mais complexo do que as pessoas
lembram em um primeiro momento. Existem muito mais pontos de decisão, mais
entradas, mais saídas e mais interações entre as atividades do que o estimado
inicialmente.
 Devemos nos focar em identificar como o processo realmente é, não como
achamos ou desejamos que ele seja. Para isso, será necessário muito mais rigor e
disciplina na hora de perguntarmos sobre o processo.
112
Mapeando
1) Defina o escopo do mapeamento!
Para que vamos mapear este processo? Qual o

objetivo da melhoria?
◉ Reduzir custos?
◉ Reduzir complexidades?
◉ Reduzir retrabalho?
◉ Simplificar o fluxo de informações?
COMO ELABORAR O FLUXOGRAMA

Muito bem, passando agora para a parte prática. A primeira coisa que temos que definir
é o escopo, ou objetivo do nosso mapeamento.
Para que vamos mapear o processo?
Isso vai fazer com que o foco do que estamos procurando mude. Por exemplo, se
estivermos envolvidos em um projeto cujo objetivo é “reduzir número de relatórios
financeiros com erros”, vamos focar nosso mapeamento no fluxo de informações que
geram esses relatórios. Quem envia essas informações para a pessoa que faz o relatório?
Quais informações são necessárias? Como chegam estas informações? Essas perguntas
mudam a perspectiva do que vamos mapear (como vamos ver mais para a frente).
Se, alternativamente, estivermos envolvidos em um processo cujo objetivo é reduzir
defeitos de uma peça, vamos ter de mapear não apenas o fluxo de informações (que pode
nos gerar erros de montagem), mas sim todos os componentes que formam essa peça.
Mapeando de onde vem os componentes e por quais etapas de processamento eles
passam, podemos entender se há problemas de matérias-primas ou então de fabricação.
113
Mapeando
2) Defina os limites do seu mapeamento (e projeto)
Em seguida, devemos delimitar quais são os limites físicos do processo

 Qual o limite do nosso projeto de melhoria, ou seja, onde que podemos de fato
pensar em mudar e melhorar posteriormente?
 Quais departamentos vamos mapear? Quais não devemos mapear?
 Vamos mapear o caminho de qual entrada até qual saída?
Quando os meus limites estiverem claros, eu sei que devo dar mais atenção para a parte
que eu quero, detalhando-a mais do que a parte que eu não quero.
114
Mapeando
3) Identifique e entreviste os envolvidos no processo

S I P O C
Procedimento Operação 1 Relatório
A A
Operação 2
Relatório
Operação 3 Lista de compras
B Peça 1
Operação 4
Peça 2 C
Peça 15
Operação 5
SIPOC da pessoa X
Em seguida, passamos para uma entrevista minuciosa. Esta entrevista, deve identificar
tudo o que acontece, e cabe ao entrevistador instigar o entrevistado e expor todas as
possibilidades e todos os casos que acontecem. Mas como fazer essa entrevista?
Usando a metodologia do SIPOC, já explicada anteriormente.
115
Mapeando
3) Identifique e entreviste os envolvidos no processo
Processo
SIPOC da pessoa X
simples?
SIPOC da pessoa A
SIPOC do pessoa B
SIPOC da pessoa ...
Após a entrevista inicial, devemos identificar os envolvidos e entrevistando-os também,

com o mesmo rigor. Nestas entrevistas, mais pessoas e processos vão aparecendo, além
daqueles que estavam listados no brainstorming inicial. Devemos seguir entrevistando
estes novos envolvidos, caso estes estejam dentro das restrições que definimos
anteriormente.
Às vezes nosso processo é simples, com apenas um envolvido. Com isso, um SIPOC
basta para resolver, mas na maioria das vezes precisamos repetir esse procedimento várias
vezes para cada uma das pessoas envolvidas.
116
Mapeando
4) Conecte os SIPOCs e monte um fluxograma
◉ As saídas da pessoa analisada devem ser as

entradas da pessoa seguinte (clientes);
◉ As entradas da pessoa analisada, devem ser as

saídas das pessoas anteriores (fornecedores);
◉ E assim por diante...
Uma vez coletadas todas as informações, é possível juntá-las em um fluxograma. O

Fluxograma, como veremos mais para a frente, irá mostrar como as coisas funcionam
dentro da empresa.
A conexão é feita de maneira bem intuitiva. Podemos olhar todos os formulários de
SIPOC que coletamos durante as entrevistas e conectá-los um a um: o que sai do processo
n, deve ser uma entrada no processo n+1. O que entra no processo n, deve ser uma saída
do processo n-1. Desta maneira, podemos sempre exibir o fluxo do que queremos mapear
de maneira clara e objetiva (além do mais, de maneira precisa).
Lembrem-se que as entradas e saídas dos SIPOCs podem ser as mais diversas possíveis.
Podem ser informações, peças, componentes, documentos, e-mails, comunicações
verbais, etc. Dependendo do que queremos ver, iremos na entrevista dar mais ênfase em
descobrir um ou outro tipo.
117
Vantagens do Mapeamento
◉ 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.
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
As várias maneiras de se representar um processo
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.
Quando bem feitos, eles nos

ajudam a disseminar os
conhecimentos obtidos na
etapa de mapeamento.
Existem vários tipos de

fluxogramas.
Fluxogramas, como já falamos, servem para mostrar como um processo funciona.

Existem vários tipos de fluxogramas que nos ajudam a observar diferentes aspectos dentro
do nosso processo. Vamos ver alguns destes tipos nas próximas aulas, mas antes,
costumamos iniciar o aluno na simbologia frequentemente (mas não obrigatoriamente)
usada. Esta simbologia é, a rigor, pertencente ao digrama de blocos, por ser mais simples.
Mas a maioria dos fluxogramas utilizados nas atividades de mapeamento de processos os
utiliza, pois, a notação mais extensa e tradicional do fluxograma não é necessária.
120
Os símbolos dos fluxogramas
SIMBOLOGIA UTILIZADA:
EMITIR CHEQUE P/ Indica que uma atividade está sendo desenvolvida.

PGTO
NÃO VALOR Indica um ponto de decisão no processo.

CORRETO?
SIM
ENTREGAR AO Indica que um documento deu entrada ou saída do
CAIXA processo.
ESPERA
APROVAÇÃO Indica ponto de espera no processo
FIM Indica fim e início do processo.
Indica uma conexão com Indica o fluxo do

ramificações do processo.
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
O Fluxograma Multifuncional é uma sofisticação do Fluxograma Vertical que inclui o

local (ou área) onde cada uma das atividades acontece. Ele muda o foco das atividades
para as áreas em que elas acontecem e na interação entre elas. Com ele, podemos
visualizar todas as “passagens de bastão” entre os departamentos e em que momento do
processo elas acontecem.
Esse tipo de demonstração evidencia as interdependências entre os departamentos e é útil
para indicar as responsabilidades de cada uma das áreas nos processos.
O exemplo do slide também mostra um indicador (no caso o tempo decorrido em um dos
processos analisados). É bastante comum em fluxogramas, tanto verticais quanto
multifuncionais, colocarmos uma coluna ou linha extra onde mostramos um indicador ou
outro tipo de informação adicional. Essa “artimanha” nos permite alinhar a equipe no
desempenho de uma característica em específico quando vamos discutir com eles como
o processo acontece.
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
VSM (MAPEAMENTO DO FLUXO DE VALOR)

Uma outra maneira de se expor um processo é fazer o seu VSM, ou Mapeamento do
Fluxo de Valor (Value Stream Map). Essa ferramenta é utilizada em projetos Lean para
a representação de processos fabris, portanto, caso queira se aprofundar,
recomendamos nosso curso de Especialista Lean. Aqui no Green Belt, apenas a
introduzimos, para que tome ciência do seu uso como ferramenta para mapear o fluxo de
materiais e informações.
Os principais apontamentos do VSM são:
• Estoques intermediários entre os processos (representados pelos triângulos);
• A ordem das atividades;
• O tempo de ciclo das atividades;
• O tempo de set-up das atividades;
• O tempo em que os materiais e peças permanecem parados no estoque;
• O tempo total que as matérias-primas demoram para percorrer todo o processo de
fabricação (o lead time);
• O fluxo de informações de produção;
Embora essa ferramenta possa ser útil, precisamos tomar alguns cuidados em sua
aplicação:
• Fazer um VSM requer uma padronização grande no tempo de cada atividade (para
cada uma delas vamos ter que colocar um valor que o “tempo de ciclo”). Processos
administrativos que não tem uma boa reprodução do tempo de ciclo, não são ideais
para o uso dessas ferramentas (fazer um relatório, por exemplo, pode demorar muito
algumas vezes e pouco em outras).
• Para elaborar um VSM, precisamos determinar o takt time para o processo. Para isto,
precisamos conhecer a taxa pela qual o cliente demanda o produto em análise. Esta
informação, nem sempre é conhecida e por muitas vezes, varia bastante ao longo do
tempo. Tais fatos dificultam a elaboração do VSM, principalmente o de estado futuro.
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
◉ 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.
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
O que o gerente O que é O que deveria O que

pensa que é realmente ser poderia ser
n n n n n n n n n n n n n n n n n n n n n n n n n n n
n n n n n n n n n n n n n n n n n n n n n n n n
n n n n n n n n n n n n n n n n
Foque aqui durante a
fase Improve
Foque aqui durante a

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

 Não se desprenda da realidade. No mapeamento e na elaboração do fluxograma,
temos que mapear como o processo realmente é, não como o processo deveria ser
ou então como nós pensamos que ele é, mas sim como ele realmente é.
Nas fases seguintes, iremos discorrer mais profundamente sobre como o processo poderia
ser, depois de usarmos uma série de ferramentas analíticas para torna-lo mais simples e
mais eficiente.
128
Erros ao se elaborar um fluxograma
Macro
Mini
Um outro erro bastante comum quando elaboramos um fluxograma 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
Entendendo seus processos pelos seus 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
◉ Após identificadas as características que serão

medidas, pode ser necessário:
• Fazer a Definição Operacional da variável;
• Avaliar a qualidade do sistema de medição.
◉ O passo seguinte é avaliar

• Estabilidade
• Capabilidade
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
◉ Atividades comuns em qualidade:

• Verificar se um produto é defeituoso;
• Contar o número de defeitos em um produto ou serviço;
• Medir uma característica de qualidade.
◉ 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
◉ Componentes do formulário da definição:

• Objetivo;
• 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
◉ 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
◉ 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
É muito importante testarmos se nossa definição é clara para os envolvidos no projeto de

melhoria. Para isso, temos que pedir para que algumas pessoas a leiam e, em seguida,
verifiquem se a compreensão é equivalente ao que tínhamos em mente no momento de
sua concepção.
138
Os tipos de variáveis que podemos ter
Entender os tipos de variáveis nos ajudará a aplicar as ferramentas

corretas
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
Tipo de Variáveis Característica Dado registrado

de Qualidade
Desempenho da entrega Entrega no prazo/atrasado
Categóricas Classificação Retrabalho Sem/Com

(Qualitativo)
Arranhões Sem/Com
Mudanças Número de mudanças/projeto
Contagem Acidentes Número de acidentes/por mês
Numérico Arranhões Número de arranhões/ superfície

(Quantitativo )
Tempo Minutos atrasados
Contínuos Peso Gramas
Arranhões Tamanho em cm do arranhão
Temos basicamente 3 tipos de variáveis:

• Variáveis de classificação: que atribui algo a uma categoria: classificar algo como
defeituoso ou não defeituoso; classificar conforme a cor (verde, vermelho, amarelo,
azul, etc.); classificar se há ou não arranhões.
• Variáveis de contagem: enumerar atributos: contar quantos arranhões há em uma
peça; contar quantos defeitos existem em um relatório, etc.
• Variáveis contínuas: utilizada para a medição de grandezas físicas, como peso,
comprimento, altura, temperatura, etc.
Notem que porcentagens muitas vezes são variáveis de classificação: classificamos cada
item de uma amostra e em seguida calculamos as porcentagens. Por exemplo, se em uma
amostra de 100 peças, 10 são defeituosas (classificação), o indicador de porcentagem é
uma variável classificatória. Se temos porcentagens entre variáveis contínuas, essas
porcentagens (ou qualquer outra operação) também serão contínuas (a porcentagem do
PIB gasta com educação, por exemplo).
140
Exercício!
Número de chamadas de longa distância

Classificação de hotéis
realizadas por mês
Quantidade de calorias de um produto Duração de cada chamada de longa
alimentício distância
Número de bolhas em uma garrafa de Cor do telefone utilizado com mais
vidro. frequência
Tempo médio de espera para ser Se existe uma linha conectada ao modem
atendido em um Call Center na residência
Número de atendentes em um Call
Quantia gasta com livros
Center
Número de ligações perdidas em um Call
Tempo gasto na livraria por mês
Center
Motivos para ligações perdidas em um
Se é filiado a algum Partido Político
Call Center
Fontes de consumo de água em uma
Caso seja, a que Partido Político é filiado
residência
Consumo de água em uma residência Satisfação com um determinado produto
Classifique cada uma das variáveis quanto ao tipo.

Resposta:
• Classificação de hotéis: classificatória;
• Quantidade de calorias: contínua;
• Número de bolhas: contagem;
• Tempo médio de espera: contínua;
• Número de atendentes: contagem (não podemos ter meio atendente...);
• Número de ligações perdidas: contagem;
• Fontes de consumo de água: aqui precisaríamos definir melhor (é uma pegadinha ;)).
Se as fontes forem “tipos de fontes”, como “torneira, tanque, etc.), seria classificação,
se estivéssemos contando as fontes que existem, seriam contagem;
• Consumo de água: contínua;
• Número de chamadas: contagem;
• Duração das chamadas: contínua;
• Cor do telefone: classificação;
• Se existe linha conectada ao modem: classificação;
• Quantia gasta com livros: contínua;
• Tempo gasto na livraria: contínua;
• Se é filiado a partido político: classificação;
• Qual partido é filiado: classificação;
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?
MELHORANDO A COLETA DE DADOS

Já vimos, de maneira bem breve, como uma característica está sempre atrelada a um
método de coleta de dados. Esse alinhamento culmina na definição operacional: não
podemos nem definir uma característica de maneira útil, sem mostrar o método pelo
qual os dados foram coletados. Nos slides seguintes, iremos aprofundar o tema sobre a
coleta de dados, reforçando a necessidade de um bom método de coleta e apresentando
algumas ferramentas que te ajudarão a coletar dados.
143
O passo a passo da coleta de dados
1. Identifique o objetivo e a característica de “saída” a ser medida (a

partir do seu modelo);
2. Identifique quais outras características podem afetar no

entendimento do problema (fatores de entrada, variáveis de
estratificação, etc.);
3. Crie definições operacionais claras;
4. Crie um formulário de coletas de dados;
5. Valide o formulário de coleta de dados;
6. Identifique a população de interesse e o tamanho da amostra;
7. Realize a 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
◉ Existem vários tipos de formulários (em nosso material

adicional, disponibilizamos alguns);
◉ Um dos mais interessantes é a folha de verificação:
A folha de verificação é uma das mais utilizadas e importantes ferramentas da

qualidade. São formulários utilizados para padronizar e facilitar a coleta de dados e a
organização dos mesmos para a estratificação. A padronização e a facilidade na coleta de
dados irão garantir uma maior probabilidade de que os dados coletados reflitam a
realidade do processo em análise, caso contrário todas as ações subsequentes do projeto
de melhoria poderão estar fundamentas sobre dados falsos.
É neste documento que são incorporadas as categorias de dados necessárias para a
validação das hipóteses sobre a influência de alguns parâmetros. Com a folha de
verificação é possível avaliar os itens de controle do processo, os itens de verificação,
classificar os dados, localizar defeitos e identificar uma possível relação causa-efeito
(desde que o documento seja devidamente construído).
O livro de Hitoshi Kume Statistical Methods for Quality Improvement define os
principais tipos de folha de verificação:
Folha de verificação para a análise da distribuição de parâmetros de controle num
processo produtivo
Este tipo de folha de verificação é aplicado quando queremos conhecer a distribuição dos
valores de uma determinada característica de qualidade. Para construí-lo dividimos a
amplitude (máximo valor – mínimo valor) em intervalos e apontamos x no respectivo
intervalo cada peça retirada da produção. Exemplo: Espessura da peça após o biscoito
prensado no processo cerâmico.
Figura 1: Exemplo de folha de verificação para análise da distribuição de parâmetros de
controle num processo produtivo.
Figura 2: Exemplo de folha de verificação para análise da distribuição de parâmetros de
controle num processo produtivo.
Folha de verificação de defeitos
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
Trabalhando o pilar do conhecimento profundo
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?
◉ Processos e produtos podem ser descritos a partir de

uma característica de qualidade;
◉ Variação, ou variabilidade, está sempre impressa à

essa característica;
◉ Tomamos ações com base na análise dessa

característica;
◉ Entender a variação é tomar a ação correta com

base nos dados apresentados.
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
Voz do • Comparar resultados

com especificações
Cliente (capabilidade)
Nós temos basicamente duas maneiras (vozes) de se analisar a variação do nosso

processo:
• Por meio da voz do processo: onde observamos os dados inerentes do processo sem
nos preocupar com as especificações do cliente. Nessa análise, estamos apenas
querendo avaliar a estabilidade do processo: existem causas especiais de variação ou
as causas são todas comuns? Responder essa pergunta nos ajuda a entender
profundamente o nosso processo: se existem causas especiais, devemos tomar ações
para entender o que aconteceu. Se todas as causas de variação são comuns, temos que
proporcionar mudanças fundamentais e holísticas no processo, que vão mudar o
patamar de funcionamento. Nos próximos slides, iremos ensinar várias técnicas que
nos permite analisar a voz do processo de maneira plena.
• Por meio da voz do cliente: onde comparamos os resultados de variação de um
processo (quando este está estável) com as especificações do cliente. Como vimos,
podemos intuir muito sobre o comportamento de um processo aproximando-o por uma
distribuição normal. Conseguimos, inclusive, prever quantas peças ficarão fora das
especificações dada a variação natural de determinado processo. Essas análises são
chamadas de análises de capabilidade. Ao final da explicação das ferramentas básicas,
iremos expor como se realizar essas análises.
152
A voz do processo
Tipo de Variável
Quantitativa Qualitativa
Comportamento ao Gráfico de Tendência/Controle Gráfico de

longo do tempo Tendência/Controle
Dot Plot Gráfico de Barras
Distribuição Histograma Gráfico de Setores
Box Plot Gráfico de Pareto

Localização Variação
Estatísticas Tabela de Freqüência
descritivas Média, Desvio Padrão, Porcentagem
Mediana, Amplitude
Quartis,
Mínimo,
Maximo
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
A primeira ferramenta da análise de variação
GRÁFICO DE TENDÊNCIA
154
O gráfico de tendência
◉ Esse gráfico é simplesmente um registro gráfico de uma

medida ou característica ao longo do tempo
◉ O gráfico de tendência fornece uma visão de um

processo ou atividade em um período de tempo
◉ Ele pode revelar ciclos, tendências ou mudanças de

desempenho ao longo do tempo
◉ Algum tipo de gráfico de tendência deve sempre fazer

parte do estudo da variação em um processo ou sistema
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
◉ O gráfico de tendência é um gráfico simples e fácil

de construir
• Eixo horizontal: tempo
• Eixo vertical: variável sendo monitorada
A maior vantagem do gráfico de tendência é a sua simplicidade.
156
Exemplo
O Departamento de Recursos Humanos de uma empresa

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

jan/2001 97 jan/2002 96
fev/2001 104 fev/2002 100
mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
set/2001 94 set/2002 98
out/2001 96 out/2002 96
nov/2001 98 nov/2002 95
dez/2001 99 dez/2002 105
No gráfico de tendência ilustrado, observa-se:

• O processo está estável, sem nenhuma causa especial atuando;
• A variação natural do processo está entre 85 e 110 mil reais por mês (gastos com
treinamentos);
• Alguns meses se gasta mais, outros se gasta menos, mesmo sem nada ter sido feito em
cima do processo.
157
Regras para se identificar causas especiais
Sequencia de oito ou mais

Um ponto muito pontos abaixo ou acima da média
afastado dos demais
Sequencia de seis ou mais

pontos crescente ou decrescente
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
Uma linha de embalagem teve, em média, 4 horas de interrupções por semana, de 8 de

março a 23 de agosto. Já que muitos dos problemas estavam relacionados a quedas na
energia elétrica, os técnicos suspeitaram que o equipamento de proteção da rede elétrica
estivesse funcionando mal. Eles o substituíram no final de janeiro e então continuaram a
coletar dados por mais oito semanas.
• Acaso o novo equipamento de proteção da rede ajudou?
• Em caso afirmativo, em que semana eles tiveram seu primeiro sinal? Há outros sinais
de uma mudança no processo
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
Para variáveis contínuas: Para variáveis categóricas:
◉ Dot-plot ◉ Gráficos de Barras
◉ Histograma ◉ Gráficos de Setores
◉ Box Plot ◉ Tabelas
◉ Gráficos de tendência
(da porcentagem)
◉ Gráfico de Pareto
Um gráfico de frequência é uma ferramenta para análise de dados que apresenta ao

usuário informações básicas sobre a localização, forma e dispersão de um conjunto de
dados. O gráfico de frequência só deve ser usado quando há conhecimento adequado da
estabilidade da característica a ser medida.
Se o processo for estável, o gráfico de frequência serve como previsão do desempenho
do processo no futuro, já que se parte do pressuposto que aquele padrão de
comportamento permanecerá. Se o processo for instável o gráfico de frequência é
simplesmente um resumo de o que o processo fez no passado.
166
Para variáveis contínuas
167
O Dot Plot

◉ Representa graficamente jan/2001
fev/2001
97
104
jan/2002
fev/2002
96
100
a distribuição dos dados mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
◉ Características a serem jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
observadas: set/2001 94 set/2002 98
• Simetria out/2001
nov/2001
96
98
out/2002
nov/2002
96
95
• Pontos extremos dez/2001 99 dez/2002 105
• Centro
• Quantidade de 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
3074.32 1184.04 631.14 970.81 1126.45 86.00 757.04

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

Antes de continuarmos a falar dos gráficos de frequência (do Box plot, por exemplo), vale
a pena revisarmos um pouco mais sobre as medidas de localização e variação, ou seja,
sobre as estatísticas descritivas que nos indicam informações básicas da nossa
distribuição de dados. Essas estatísticas podem ser divididas em dois grupos:
• Medidas de localização, que indicam onde estão centradas as nossas distribuições de
dados;
• Medidas de variação, que falam sobre a dispersão possível de nossos dados ao redor
da sua localização.
Nos próximos slides, falaremos mais sobre cada uma delas.
171
Medidas de Localização
◉ São medidas numéricas que estabelecem:
• Entre que valores os dados ocorreram

• Mínimo e Máximo
• Qual é centro dos dados

• Média e Mediana
• Qual é o valor abaixo do qual temos uma certa porcentagem

dos dados
• Quartis (Quartil 1 e Quartil 3) e Percentis
172
◉ Denote os valores do conjunto de dados por x1, x2,

..., xn
◉ Mínimo: menor valor observado

• Xmin=Mínimo(x1, x2, ..., xn)
◉ Máximo: maior valor observado

• Xmax= Máximo(x1, x2, ..., xn)
n
◉ Média
x  x  ...  xn x i
x 1 2  i 1
n n
173
◉ Mediana
• A mediana é o valor que divide o conjunto de dados em dois

subconjuntos: 50% do valores estão abaixo da mediana e 50% dos
valores estão acima da mediana
◉ Quartis: Quartil 1 (Q1) e Quartil 3 (Q3)

• O quartil 1 (ou primeiro quartil) é definido como a mediana dos 50%
menores valores
• O quartil 3 (ou terceiro quartil) é definido como a mediana dos 50%
maiores valores
174
A média e a mediana
Distribuição simétrica Distribuição assimétrica
Mediana = 15.035 Mediana = 11.64
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?
◉ Amplitude (máximo – mínimo)
◉ 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
Estatísticas Descritivas: N_Vendas

N 60
Média 201.47 Mediana 201.00
Desvio Padrão 16.73 Quartil 1 191.00
Mínimo 170.00 Quartil 3 210.75
Máximo 243.00 Amp.Interq (IQR) 19.75
Amplitude 73.00
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
N Conj 1 Conj 2 Conj 3 Conj 4

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

Desv. Pad. 5.92 5.92 5.92 5.92
No slide podemos ver 4 conjuntos de dados. Todos eles possuem a mesma 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
Box Plot
BOX PLOT
Agora que já vimos o que são os quartis e a mediana, podemos falar do Box plot.
180
Box Plot
Boxplot of C1 O Box plot mostra:

3,0
◉ Máximo e mínimo;
2,5
2,0 ◉ Mediana;
1,5
C1
◉ Q1 e Q3;
1,0
◉ Outliers
0,5
0,0
O Box plot nos mostra:

• Pontos de máximos e mínimos, indicados pelos limites superior e inferior das linhas
verticais.
• Mediana, indicado pela linha central.
• Primeiro e terceiro quartis, indicados respectivamente pela linha horizontal superior
(que limita a área azul) e inferior horizontal.
• Outliers, indicados por asteriscos (*).
181
Box Plot
Boxplot of abril; maio; junho; julho; agosto

40
30
20
Data
10
abril maio junho julho agosto
Box plots 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
Como entender distribuições de dados não contínuos
183
Dados classificatórios
Para analisar dados classificatório, podemos usar:
◉ Gráficos de setores ou barras;
◉ Gráficos de tendência de porcentagens,
◉ Gráficos de Pareto;
◉ Tabelas
A análise dos dados classificatórios (como defeituoso ou não defeituoso, sexo de um

bebê, cor de uma parede, etc.) pode ter sua frequência avaliada de diferentes maneiras.
Em geral, a ideia é verificar quantas observações temos em determinada classificação
para a nossa amostra e, em seguida, plotá-la.
Também podemos usar diferentes variáveis de estratificação para obtermos um
conhecimento maior sobre a nossa amostra e a nossa população de dados. Nos próximos
slides, vamos ensinar cada uma dessas ferramentas.
184
Barras e Setores
GRÁFICOS DE BARRAS E SETORES (PIZZA)

Gráficos de barras apresentam a frequência dos dados na forma de barras. A frequência
pode ser absoluta ou relativa, ou seja, podemos mostrar a contagem de cada uma de nossas
classificações na barra, ou então a porcentagem. Por exemplo, se de 100 unidades
amostradas, constatamos que 10 são azuis, a barra relativa à classificação “azul” pode
apresentar o valor de 10 (frequência absoluta) ou 10% (frequência relativa).
Gráficos de barras também, como no slide, podem apresentar duas barras de cores
diferentes para estratificações diferentes. Nesse caso, podemos comparar nossos dados de
duas maneiras diferentes.
Os gráficos de setores (ou pizza), dividem um círculo em setores de tamanho proporcional
às frequências dos dados. Eles também podem ter um indicativo escrito de quais são as
frequências representadas.
185
Tabelas
Status Freq Porc.

BOM 5139 51.7%
MAU 379 3.8%
OUTROS 4428 44.5%
Total 9946 100.0%
Da mesma maneira que em gráficos de barras e setores, podemos exibir os dados em

tabelas. A vantagem das tabelas é uma clareza maior em dados como:
• O tamanho das amostras (total);
• Estratificações;
• Um grande número de classificações possíveis;
186
Gráficos de tendência
Uma empresa de logística amostrou 60 entregas por Semana % fora

semana durante vinte semanas e avaliou cada do prazo
1 8.33
entrega se foi feita no prazo ou fora do prazo. 2 3.33
3 3.33
4 10.00
5 11.67
6 8.33
7 13.33
8 6.67
9 3.33
10 8.33
11 6.67
12 1.67
13 5.00
14 15.00
15 13.33
16 6.67
17 8.33
18 3.33
19 10.00
20 13.33
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
Ordenando classificações importantes para a Qualidade.
GRÁFICO DE PARETO
188
Gráficos de Pareto
Um dos objetivos centrais de um programa de qualidade é reduzir perdas provocadas por

itens defeituosos que não atendem às especificações. Geralmente, existem muitos tipos
de defeitos que fazem que um produto não atenda às especificações. Concentrar esforços
no sentido de eliminar todos os tipos de defeitos muitas vezes não é a melhor estratégia.
O interessante é que várias vezes, poucos tipos de defeitos (ou então possíveis causas para
esses defeitos) são responsáveis pela maior parte dos problemas.
Essa abordagem já foi proposta por J. M. Juran, um dos pioneiros da Qualidade. Ele
estabeleceu uma regra hoje conhecida como “a regra dos poucos vitais e dos muitos
triviais”. Ele foi o criador de uma ferramenta gráfica hoje popularizada como Gráfico de
Pareto. O diagrama é basicamente um gráfico de barras da distribuição dos defeitos pelos
tipos (ou causas), ordenado em ordem decrescente de frequência de ocorrência, somado
a uma linha que mostra a frequência acumulada das observações para cada tipo.
Esse gráfico leva o nome do famoso economista italiano Vilfredo Pareto, que pregava o
princípio do 80-20, após perceber que, em sua época e cidade, cerca de 80% da renda era
concentrada em 20% das pessoas. Apesar de famosa essa “lei dos 80-20”, ela nem sempre
é verdadeira e muito menos aplicável. Vamos discorrer mais sobre isso adiante.
189
Gráficos de Pareto
Para se construir um gráfico de Pareto, geralmente começamos por:

• Definir um problema específico. (Você coletará os dados para esse problema);
• Listar os tipos de defeitos que se apresentam. Eles poderão já estar definidos,
se você estiver usando dados existentes, ou gerados através de um
brainstorming com a equipe;
• Determinar uma medida comum para comparar as categorias;
• Definir o período de tempo durante o qual os dados serão coletados (escolher
um período de tempo que seja relevante para a situação);
• Coletar dados referente aos defeitos, caso eles ainda não existam (pelo menos
30 ocorrências);
• Calcular a frequência de ocorrência dos defeitos (ou outra medida relevante);
• Ordenar os defeitos pela frequência de ocorrência.
Uma vez coletados os dados e ordenados, partimos para a sua construção:
• Use o eixo horizontal para os tipos de defeitos;
• Use o eixo vertical esquerdo para a frequência de ocorrência e o eixo vertical
direito para a porcentagem de ocorrência;
• Desenhe as barras para cada defeito com altura proporcional à sua frequência
de ocorrência, ordenadas da esquerda para a direita;
• Desenhe segmentos de reta ligados mostrando a porcentagem acumulada da
esquerda para a direita.
Cuidado:
Existem muitas opções para o eixo vertical nos gráficos de Pareto. A escala mais comum
é a frequência de ocorrências.
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
Erros em relatório de despesas

Tipo de Vend RH Manuf. Eng. Finan. Trein. Total
erro as
Falta Funcionário 2 3 3 2
10
assinatura
Gerente 25 1 40 1 2 1 70
V.P. 2 2 2 6
Falta Taxi 3 1 3 1 8
recibo Refeição 3 3 6
Estacion. 33 26 1 60
Comb. 2 2 1 5
Total de
68 3 76 9 6 3 165
erros
Assim como nos outros 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
Aprendendo os conceitos básicos
DISTRIBUIÇÃO NORMAL
196
Distribuição de variáveis contínuas
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
N 200
30
25 Podemos aproximar uma

distribuição por uma curva
Frequency
20
15
10
Histogram of Tiempo
Lognormal
5 40 Loc 2.269
Scale 0.6845
N 100
0
5 10 15 20 25 30 35 40 30
tiempo
Percent
20
10
0
0 10 20 30 40 50
Tiempo
Como vimos anteriormente, a distribuição de dados em uma amostra, caso seja de

variáveis contínuas, pode ser representada por um histograma. Esse histograma pode, por
sua vez, ser aproximado por uma linha contínua.
Essa linha contínua representa a probabilidade de uma observação da distribuição
aparecer em determinado valor. Diversos formatos dessa linha são conhecidos e úteis para
inferirmos sobre as propriedades de uma distribuição de dados. Muitas vezes, é
conveniente aproximarmos um histograma de uma amostra por uma distribuição
estatística padrão. Ao fazer isso, podemos usar propriedades dessa distribuição para
obter informações sobre nossos dados.
Uma das mais importantes distribuições estatísticas é a distribuição Normal (ou
Gaussiana).
197
A Distribuição Normal
Toda Curva Normal é definida por dois números:

1) Média (µ): medida do centro.
2) Desvio padrão ( ): medida de dispersão.
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 maneira: olhar o histograma.
Os dados são simétricos e assemelham-se

a uma gaussiana?
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!
Nove Histogramas de Amostras de tamanho 25: Qual delas pode

ser aproximada por uma distribuição Normal?
6 8 7
7 6
5
6
5
4
Frequency
Frequency
Frequency
5
4
3 4
3
3
2
2
2
1 1
1
0 0 0
35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65 35 40 45 50 55 60 65
C1 C2 C3
6 9 7
8 6
5
7
5
4 6
Frequency
Frequency
Frequency
5 4
3
4 3
2 3
2
2
1 1
1
0 0 0
25 30 35 40 45 50 55 60 65 70 35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65
C4 C5 C6
7 6 6
6 5 5
5
4 4
Frequency
Frequency
Frequency
4
3 3
3
2 2
2
1 1 1
0 0 0
35 40 45 50 55 60 65 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70
C7 C8 C9
Qual delas podemos dizer que 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
C21 C22 C23
30
20
20
20
Frequency
Frequency
Frequency
10
10
10
0 0 0
30 35 40 45 50 55 60 65 70 75 80 30 40 50 60 70 80 90 20 30 40 50 60 70 80
C24 C25 C26
25
20
20
20
Frequency
Frequency
Frequency
15
10
10 10
0 0 0
25 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70 75 20 30 40 50 60 70 80
C27 C28 C29
Qual delas podemos dizer que 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!
Exponencial Poisson Uniforme
9 8 4
8 7
7
6 3
6
Frequency
Frequency
Frequency
5
25 5
4
4 2
Tamanho da amostra
3
3
2 1
2
1 1
0 0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
C31 C32 C33
15
7
10 6
5
10
Frequency
Frequency
Frequency
4
50 5 3
5
2
0 0 0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
C34 C35 C36
30
15
15
20
10
Frequency
Frequency
Frequency
10
100
10 5
5
0 0 0
0 1 2 3 4 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
C37 C38 C39
Esse exemplo nos mostra claramente como o histograma pode nos enganar!
Nenhuma das 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
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
Normal Probability Plot for C1 Normal Probability Plot for C2 Normal Probability Plot for C3
99 ML Estimates 99 ML Estimates 99 ML Estimates
Mean: 53.4797 Mean: 49.1024 Mean: 51.8801

95 95 95
StDev: 9.60017 StDev: 8.04855 StDev: 8.35164
90 90 90
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5 5
1 1 1
24 34 44 54 64 74 84 25 35 45 55 65 75 25 35 45 55 65 75
Data Data Data
99 ML Estimates
99 ML Estimates 99 ML Estimates
Mean: 48.8893 Mean: 54.3933 Mean: 48.9405

95 95 95
90 90 90
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5
5
1 1
1
25 35 45 55 65 75 85 25 35 45 55 65 75
20 30 40 50 60 70 80
Data Data Data
99 ML Estimates 99 ML Estimates 99 ML Estimates

Mean: 49.4396 Mean: 47.1290 Mean: 50.2510
95 95 95
90 90 90
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5 5
1 1 1
25 35 45 55 65 75 20 30 40 50 60 70 80 20 30 40 50 60 70 80
Data Data Data
Neste exemplo mostramos os gráficos probabilísticos normais para os mesmos conjuntos

de dados de tamanho 25 que analisamos com o histograma. Todos são normais. Podemos
notar claramente que essa ferramenta é muito mais precisa para a avaliação da
normalidade.
Nas próximas vídeo aulas, iremos ensinar como se avaliar a normalidade com a ajuda do
Minitab.
208
Normalidade e médias
Distribuição da média dos resultados de lançamento

de n dados.
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
O que fazer quando os dados não são normais?
TRANSFORMAÇÃO DE VARIÁVEIS
210
◉ Uma transformação é uma re-expressão dos dados

em outra escala.
◉ 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
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
Escala original Escala Log

1000 3
100 2
10 1
1 0
0.1 -1
0.01 -2
0.001 -3
Da mesma maneira que a 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?
Como escolher qual

transformação é
adequada?
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
0.5 Y Raiz Quadrada
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
Box-Cox Plot for Y
95% Confidence Interval

Last Iteration Info
3 Lambda StDev
Low 0.393 0.553
Est 0.450 0.553
Up 0.507 0.553
StDev
-5 -4 -3 -2 -1 0 1 2 3 4 5
Lambda
216
Gráficos de Controle
Identificando causas comuns e causas especiais com muita facilidade.
GRÁFICOS DE CONTROLE
217
Um Gráfico de Controle é um Gráfico de Tendência com limites de controle. Os limites

de controle são referências calculadas com base estatística que ajudam a identificar se um
resultado do processo está afastado o suficiente dos demais para ser tratado como uma
causa especial. Esse gráfico, como comentado anteriormente, foi desenvolvido
inicialmente para ser usado na linha de produção, mas tem aplicação em todas as situações
em que dados são gerados ao longo do tempo.
Os gráficos de controle:
• Ajudam a separar variação devido a causas comuns de variação devido a causas
especiais;
• Pode ser usado para quase qualquer tipo de dados coletados ao longo do tempo;
• Proporciona uma linguagem comum para discutir desempenho de processo;
• Permite verificar se as alterações intencionais em um processo alcançaram o resultado
desejado;
• Permite monitorar processos e identificar rapidamente mudanças ou alterações para
ajudar a conservar os ganhos gerados por um projeto de melhoria
W é uma estatística da amostra: média, amplitude, desvio padrão, porcentagem, DPU,
etc.
w e σw são a média e o desvio padrão de W.
LC = w é a linha central do Gráfico
LSC = w + k σw é o limite superior do Gráfico
LIC = w - k σw é o limite inferior do Gráfico
Uma escolha comum é k=3
Alguns conceitos importantes:
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
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
Tipos de dados de Atributo:

Classificação: unidade defeituosa/não-defeituosa, conforme/não conformes,
aprovada/não aprovada, etc.
Contagem: número de incidências (erros, defeitos, acidentes, mudanças, etc.
Tamanho do subgrupo:
Classificação: número de unidades classificadas;
Contagem: número de unidades avaliadas ou oportunidade para que as incidências
ocorram.
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
Tamanho da Numero de O Gráfico P plota

Amostra defeituosos esta coluna
Como já comentamos anteriormente nesta apostila, podemos monitorar a variação de uma

variável classificatória ao longo do tempo. Podemos fazer essa análise por meio de um
gráfico de controle que avalia o comportamento de uma porcentagem ao longo do tempo.
Esse gráfico é chamado de gráfico p. Geralmente usamos cartas-p para plotar a proporção
defeituosa, sejam os tamanhos de amostras iguais ou não. Podemos também avaliar a
variação em amostras com tamanhos desiguais ao longo do tempo (fazemos isso em geral
por meio de gráficos np).
Atenção, nem todo dado de porcentagem é dado classificatório:
 Muitas vezes as porcentagens se originam de dados de variáveis tais como
tempo, peso, comprimentos e custos. Por exemplo, o lucro percentual pode ser
uma razão de lucros sobre vendas.
 Dados desse tipo devem ser tratados como dados contínuos ao se desenvolver
gráficos de controle.
222
O gráfico p (classificação)
Dados sobre absenteísmo – 90 funcionários

Dia Total de p Ausências Não p
Ausências Justificadas
1 10 0.11 2 0.02
2 8 0.09 3 0.03
3 14 0.16 1 0.01
4 6 0.07 1 0.01
5 8 0.09 1 0.01
6 7 0.08 2 0.02
7 16 0.18 0 0.00
8 12 0.13 3 0.03
9 10 0.11 1 0.01
10 9 0.10 8 0.09
11 12 0.13 1 0.01
12 10 0.11 2 0.02
13 14 0.16 0 0.00
14 4 0.04 4 0.04
15 8 0.09 3 0.03
16 12 0.13 1 0.01
17 9 0.10 0 0.00
18 5 0.06 2 0.02
19 14 0.16 1 0.01
20 10 0.11 0 0.00
No exemplo acima, temos um gráfico p que indica o comportamento do absenteísmo

(faltou ou não faltou; justificou falta ou não justificou). Podemos ver que a porcentagem
das ausências está em controle estatístico (sem causas especiais), já as ausências sem
justificativa apresentam uma causa especial (indicada em vermelho).
223
O gráfico U (contagem)
(a) (c) (U)

Unidades Nº de Nº de Erros
Semana Processadas/Semana Erros Por Unidade
1 104 15 .14
2 21 4 .19
3 18 3 .17
• • • •
• • • •
• • • •
• • • •
• • • •
24 25 5 .20
(a) = 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.
Indicado quando são feitas contagens de ocorrências (erros, defeitos, acidentes,

mudanças, etc. ). Os gráficos Us, em geral mostram indicadores do tipo “taxas” (defeitos
por peças, acidentes por km rodados, etc.). Para montá-los, precisamos definir qual é o
nosso subgrupo e coletar as estatísticas para estes subgrupos.
Um subgrupo é definido por:
 Número de unidades avaliadas;
o Área de oportunidade: um espaço, um período de tempo, um
volume etc.
 Espaço: 200 metros de tecido, um metro quadrado de papel
envernizado, um quarto de amostra de um produto.
 Tempo: uma hora, três meses, um turno.
224
O gráfico U (contagem)
Mês/Ano Número de Mês/Ano Número de

(oportunidade) acidentes (C) (oportunidade) acidentes (C)
Janeiro 1989 6 Janeiro 1990 10
Fevereiro 2 Fevereiro 5
Março 4 Março 9
Abril 8 Abril 4
Maio 5 Maio 3
Junho 4 Junho 2
Julho 23 Julho 2
Agosto 7 Agosto 1
Setembro 3 Setembro 3
Outubro 15 Outubro 4
Novembro 12 Novembro 3
Dezembro 7 Dezembro 1
No exemplo do slide, mostramos um gráfico U para indicar o número de acidentes em

uma estrada. Vemos que existem 3 causas especiais no gráfico (dois pontos acima do LSC
e 8 pontos abaixo da média). Iremos discutir esse exemplo mais adiante, em uma vídeo
aula.
Notem que, neste caso, o subgrupo foi idêntico para todas as medições. Nem sempre isso
acotnece. Poderíamos, por exemplo, ter amostras diferentes para cada caso.
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
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
30
Suposição de normalidade
N 200
para gráfico de individuais

25
Frequency
20
15
10
0
5 10 15 20 25 30 35 40
tiempo
Os limites de controle em um gráfico de individuais são calculados sob a suposição de

que os dados podem ser modelados pela distribuição Normal (Gaussiana).
Se a distribuição dos dados é assimétrica (no caso de medições de tempo de ciclo, por
exemplo), o gráfico de individuais assinalará muitos pontos fora dos limites de controle,
sendo que esses não necessariamente são causas especiais.
Se a distribuição é assimétrica, é útil transformar os dados (transformação logarítmica,
por exemplo) e fazer o Gráfico dos dados transformados, para não correr o risco de
interpretação errada.
227
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
◉ Quando os dados (contínuos) são coletados em

subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43
◉ Dentro do subgrupo esperamos ter atuando

somente causas comuns de variação.
O gráfico X-barra/R é usado quando dados contínuos são coletados em subgrupos

(amostras) de tamanho constante.
Nesse caso constrói-se dois gráficos:
• Um gráfico para avaliar o comportamento da média da variável ao longo do
tempo;
• Gráfico X-barra: Médias de dados dos subgrupos.
• Um gráfico para avaliar o comportamento da variação da variável ao longo do
tempo;
• Gráfico R: amplitude dos dados dentro de cada subgrupo.
Embora seja usado tanto em aplicações administrativas quanto industriais, é a ferramenta
preferida de muitas fábricas.
Vantagens sobre o Gráfico X-barra/R:
• Os subgrupos permitem uma estimativa mais precisa de variabilidade “local”
ou de curto prazo;
• As causas de variação que afetam a média podem ser distinguidas das que
afetam a variabilidade.
As vantagens de uma carta X-barra/R desaparecem ao ocorrerem causas especiais
sistemáticas – isto é, uma causa especial que apareça em cada subgrupo. Por exemplo,
suponha que você esteja contando erros para ordens recebidas por telefone e tenha quatro
operadores preenchendo pedidos. Seria natural você querer criar subgrupos de 4, pegando
um formulário de pedido de cada operador. Mas se um operador estiver consistentemente
melhor ou pior do que os outros, você estaria misturando variações de causa comum e
causa especial nos dados. A carta ficará inutilizada: obscurecendo diferenças entre
operadores E tornando difícil detectar amplitudes no processo ou na variabilidade.
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
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
No exemplo, temos um gráfico X-barra/R. O ponto acima do LSC no gráfico de X-barra

indica um período onde a média foi atipicamente maior. A causa especial no gráfico R
indica um ponto onde a variação foi atipicamente maior.
231
O gráfico X-barra/S
◉ Quando os dados (contínuos) são coletados em

subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43
◉ Dentro do subgrupo esperamos ter atuando

somente causas comuns de variação.
O gráfico X-barra/S é similar ao gráfico X-barra/R. Porém, é utilizado quando dados

contínuos são coletados em subgrupos (amostras) de tamanho constante ou variável;
Nesse caso constrói-se dois gráficos:
• Um gráfico para avaliar o comportamento da média da variável ao longo do
tempo;
• Gráfico X-barra: Médias de dados dos subgrupos.
• Um gráfico para avaliar o comportamento da variação da variável ao longo do
tempo;
• Gráfico S: desvio padrão dos dados dentro de cada subgrupo.
232
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
No exemplo, temos um gráfico X-barra/S. O ponto acima do LSC no gráfico de X-barra

indica um período onde a média foi atipicamente maior. A causa especial no gráfico S,
indica um ponto onde a variação foi atipicamente maior.
233
Regras para identificação de causas especiais
Uma observação além de

um limite de controle.
Uma sequência de seis ou mais

pontos crescentes ou
decrescentes.
Uma sequência de oito ou mais

pontos acima ou abaixo da média.
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
Os limites de controle refletem o comportamento do processo e só devem ser alterados se

houver evidência de alterações significantes no comportamento do processo. No slide há
uma situação típica onde ocorre uma alteração nos limites de controle. Após uma
sequência de oito ou mais pontos abaixo da média, os limites de controle são recalculados.
Ao investigar a mudança no comportamento, verificou-se que uma mudança intencional
foi realizada para reduzir o indicador. Deste modo, o processo mudou de comportamento,
o que está refletido nos dados.
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
Algumas dicas que vão facilitar a sua vida.
237
Erros clássicos
Ao analisarmos causas de variação, podemos cometer alguns erros clássicos:

 ERRO 1: Reagir a um resultado como se viesse de uma causa especial, quando na
verdade vem de causas comuns de variação.
 ERRO 2: Tratar um resultado como se viesse de causas comuns de variação,
quando na verdade vem de uma causa especial.
Erros de decisão são intrínsecos ao Gráfico de Controle e a proposta de Shewhart (limites
de controle) procura um equilíbrio entre os dois tipos de erros. Por isto, utilize-os sempre
que desejar analisar a variação de um processo, respeitando as regras de apontamento das
causas especiais.
238
Gráfico de controle e o cliente
60 Como se pode atender as

55 especificações do cliente?
LSC = 50.0
50
45 Especif. Superior
do Cliente = 40
40
35 X = 35.1
30
Especif. Inferior
25 do Cliente = 30
20
LIC = 20.2
15
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Já falamos bastante sobre isso, mas sempre é importante reforçar: limites de controle são
diferentes de limites de especificação.
Limites de Especificação:
• Vêm de exigências da engenharia ou dos clientes;
• Representam o que alguém quer que o processo faça;
• Podem ser alterados por exigência do cliente.

Limites de Controle:
• São calculados com os dados do processo;
• Representam o que um processo é realmente capaz de fazer;
• Só podem ser alterados quando mudanças no processo alteram o

comportamento dos indicadores (produzem impacto).
Limites de Especificações não devem ser usados em um gráfico de controle. No
gráfico do slide, temos um exemplo de um gráfico de controle. Pelo gráfico, é possível
verificar que o processo trabalha entre 20 e 50. Porém, o cliente deseja que o valor esteja
entre 30 e 40. Diante deste cenário, pergunta-se como atender as especificações do
cliente? Temos algumas propostas:
• Trabalhe com clientes para expandir as especificações de “entre 30 e 40” para “entre
20 e 50”;
• Melhore o processo reduzindo a variação de causa comum.
Qual você acha que é a mais real?
239
Gráfico de controle e o cliente
Dentro das especificações Fora das especificações
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
A figura no slide descreve 4 situações, que frequentemente encontramos em projetos de

melhoria:
• Canto superior esquerdo: processo está estável e dentro dos limites do cliente, o que
é o melhor dos mundos! Nesse caso, temos que pensar em manter o desempenho e,
caso necessário, reduzir os custos.
• Canto superior direito: processo está estável, porém os limites de especificação do
cliente são menores do que a variação natural do processo. Isso indica que sempre
teremos itens defeituosos sendo gerados pelo cliente. Conseguimos até estimar o
quanto de itens defeituosos (que é o que vamos fazer nos slides da próxima aula sobre
capabilidade). Para melhorar este processo, temos que atuar sobre as causas comuns,
procurando maneiras de diminuir a variação natural do processo.
• Canto inferior esquerdo: processo está instável, porém até agora não tivemos um item
fora dos limites de especificação. Neste caso, nosso foco deve ser em estabilizar o
processo, fazendo com que ele atue apenas com causas comuns. Embora os limites
mais largos permitam bastante variação no processo, não podemos ficar calmos. Só
porque não tivemos um item fora de especificação até agora, como o processo é
instável, não podemos garantir que eles não vão aparecer. Não temos como gerar
previsões sobre processos instáveis.
• Canto inferior direito: processo está instável e fora dos limites de especificação, o que
é muito ruim. A primeira coisa que devemos fazer é garantir que o processo se
estabilize. Neste caso, vamos cair em um cenário igual ao caso 2, onde teremos que
produzir melhorias que estabilizem o sistema como um todo.
Em seguida, iremos realizar vários exercícios com a ajuda do Minitab e, em seguida,
discutir sobre análises de capabilidade.
240
Análises de Capabilidade
Avaliando nossos processos pela voz do cliente.
ANÁLISE DE CAPABILIDADE
241
Análise de Capabilidade
Capabilidade serve para:
• Entender o passado;
• Prever o futuro (caso o

processo seja previsível)
As análises de capabilidade possuem uma lógica muito simples, ilustrada no slide. De

forma geral, um processo produz um resultado que pode ser um produto ou um serviço.
Este, por sua vez, tem características que são críticas para os clientes. Tais características
têm especificações que podem ser explicitas ou implícitas.
Uma falha com respeito a uma especificação é considerada um defeito, assim, produtos
ou serviços que apresentam um ou mais defeitos são considerados defeituosos. As
medidas de capabilidade de processo medem seu desempenho com respeito a
especificações dos clientes.
Para isto, utilizam-se indicadores de qualidade de um processo, que permitem comparar
diferentes processos entre si e o mesmo processo ao longo do tempo. Os indicadores
também permitem avaliar se os esforços de melhoria estão produzindo os resultados
desejados e priorizar projetos de melhoria.
Duas perspectivas devem ser consideradas quando examinarmos um processo quanto à
sua capabilidade:
• Passado: O que foi produzido atende as especificações?
• Futuro: Podemos prever que o processo irá atender as especificações (notem
que só podemos usar os indicadores de capabilidade para entender o futuro,
caso nosso processo esteja estável! Por isso, geralmente avaliamos a
estabilidade antes de começarmos a analisar a capabilidade.
242
Capabilidade para Atributos
# de palavras 30 28 32 31 25 29
Definindo o que são: 1) Defeitos; 2) Oportunidades para

defeitos; 3) Defeituosos
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
◉ Área: ◉ Unidade:
• Call Center. • Uma chamada.
◉ Reclamação de um cliente: ◉ Oportunidade:

• ‘Eu geralmente tenho que esperar muito • Uma por chamada
tempo para ser atendido‘. • .
◉ Defeituoso:
◉ CTQ (Indicador, KPI) : • Chamada cujo tempo de espera é maior
• Tempo de Espera (segundos). ou igual a 60 segundos.
◉ 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
• .
No slide temos alguns exemplos das definições que fizemos anteriormente.
244
Métricas Fórmulas
Percentual de
defeituosos Número de defeituosos
PD = x 100
Número de unidades avaliadas
PPM PPM = PD x 10000
Rendimento final 100 – percentual de defeituosos

YFinal =
No slide são apresentados os principais indicadores de capabilidade para variáveis

classificatórias:
• Percentual de defeituosos;
• PPM;
• Rendimento final.
245
Exercício!
106 impressoras (de um total de P= PPM=

850 avaliadas) são defeituosas
37 placas de circuito impresso (de P= PPM=

um total de 1250 avaliadas) são
defeituosas
81 solicitações de pagamento de P= PPM=

seguro-saúde (de um total de 450
avaliadas) são defeituosas
73 extratos de cartão de crédito P= PPM=

(de um total de 200 avaliados) são
defeituosas
Calcule a porcentagem de defeituosos e o ppm para cada um dos casos.
246
◉ DPU: Defeitos por Unidades.
◉ DPO: Defeitos por Oportunidade.
◉ DPMO: Defeitos por Milhão de Oportunidades.
= DPO
No slide são apresentados os principais indicadores de capabilidade para variáveis de

contagem (atributos defeitos). São eles:
• Taxa de defeitos por unidades;
• Taxa de defeitos por oportunidades de defeitos;
• Taxa de defeitos por milhão de oportunidades.
247
Exercício!
110 defeitos e 850 impressoras avaliadas. 10 PPM=

oportunidades de defeitos por impressora. DPU=
37defeituosas DPO=
DPMO=
198 defeitos em 1250 placas de circuito impresso PPM=

avaliadas. 120 oportunidades de defeitos por placa. DPU=
37defeituosos DPO=
DPMO=
463 defeitos em 450 solicitações de pagamento de PPM=

seguro-saúde avaliadas. 13 oportunidades de DPU=
defeitos por solicitação. 81 defeituosos DPO=
DPMO=
Calcule os indicadores para cada uma das situações apresentadas.
248
Capabilidade para Variáveis Contínuas
Especificação do
cliente
Processo
Processo entregando
fora de especificação
Vamos começar falando sobre os indicadores de capabilidade para variáveis contínuas,

explorando agora, esses conceitos mais a fundo. Em linhas gerais, o procedimento é o
seguinte:
• Coletar dados representativos de um processo (amostras ao longo do tempo).
• Avaliar se os dados dessa amostra podem ser aproximados por uma distribuição
normal (usando, por exemplo, um probability plot).
• Avaliar a estabilidade do processo através de um gráfico de controle. Se o processo é
instável, não podemos estimar muita coisa a partir dos dados que temos.
• A partir dos dados obtidos, calcular a média e o desvio padrão do processo, de maneira
a obter uma curva normal que possa representar uma aproximação do nosso processo
como um todo.
• Avaliar a variação e o posicionamento dessa curva estimada frente às especificações
do cliente. Nesta etapa muitas vezes calculamos índices de capabilidade para, de
maneira sucinta, representar a qualidade de um processo.
Em seguida, vamos explorar melhor quais tipos de limite de especificação podemos ter.
249
Tipos de Limites de Especificação
LIE LSE
◉ Nominal é Melhor (NM)
NM
LIE
◉ Quanto Maior Melhor (QMM)

QMM
LSE
◉ Quanto menor melhor (Qmm)

Qmm
Quando um uma característica de um produto tem especificações explicitas, elas podem

ser de três tipos:
Nominal é Melhor (NM):
Existe um Limite Superior e um Limite Inferior de Especificação.
Quanto Maior Melhor (QMM):
Existe um Limite Inferior de Especificação.
Quanto menor melhor (Qmm):
Existe um Limite Superior de Especificação
250
Desempenho
LIE LSE
Porc. de defeituosos
Porc. de defeituosos
Acima
Abaixo
Tempo de Entrega
% de Defeituosos = % Abaixo + % Acima
PPM = % de Defeituosos x 10.000
◉Performance observada: PPM de itens fora da especificação na amostra.

◉Performance esperada: PPM calculado com a Curva Normal aproximada.
A partir das análises de capabilidade, é possível prever quantos produtos fora de

especificação o meu processo entregará.
251
Cp – Nominal Melhor
◉ Índice de Capabilidade (Nominal é Melhor):

• Tolerância (Tol) = LSE-LIE;
• Variação Natural do Processo = 6xD.P.;
LIE LSE
Tolerância
Variação Natural
Um importante índice de capabilidade é o Cp. Ele compara a nossa variação natural do

processo com a tolerância do cliente (LSE-LIE). A fórmula do Cp está descrita no slide,
onde a variação natural é aproximada por 6 vezes o desvio padrão dos meus dados.
Se o Cp assumir um valor menor do que 1, temos um sério problema, pois a nossa variação
natural é maior do que as especificações. Isso sugere uma série de produtos não conformes
sendo gerados naturalmente pelo meu processo.
252
Exercício!
Peso declarado
Distribuição Normal X
Média = 200
Desvio Padrão = 1
LIE LSE
Valores de X 197 198 199 200 201 202 203
Cp = PPM =
Calcule o Cp e o PPM para o caso apresentado.

Uma empresa produz pacotes de biscoito cujo peso líquido declarado é 200g. As
especificações são: LIE =197g e LSE = 203g (Voz do Cliente).
Situação 1:
De uma amostra dos pacotes produzidos, calculou-se a média e o desvio padrão e
obteve-se:
Média=200g e desvio padrão=1g (Voz do Processo)
Calcular Cp e 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.
Porque o Cp é alto e o PPM é alto?

No exemplo anterior, o processo não está centrado no valor nominal. Nessas situações, o
Cp não é uma medida apropriada. Por isto, vamos à outra medida de capabilidade que é
adequada em qualquer situação.
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
Uma alternativa ao cálculo do Cp é o Cpk. Ele leva em conta a centralidade do nosso

processo (o valor no qual ele está centrado). Ele faz isso calculando o pior cenário dos
desvios da média com os limites.
A maneira de analisar o Cp e o Cpk é a mesma. Quanto menor forem estes índices, melhor
é o nosso processo.
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
O que fazer dependendo dos resultados?
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
A análise de capabilidade é diferente de uma análise de estabilidade. Na segunda, nós

procuramos avaliar o processo afim de buscar os pontos nos quais temos causas especiais
atuando. Na capabilidade, queremos ter uma noção quantitativa sobre a adequação de
nosso processo para gerar resultados dentro do que o cliente espera.
Quando nosso processo está instável, não faz muito sentido uma análise de
capabilidade (a menos que haja alguma estratificação de dados que mostre as causas
da instabilidade).
A razão disso é muito simples. Realizamos análises de capabilidade para estimar o quanto
de problema nosso processo vai gerar e para ter insights de como melhorá-lo. Se o nosso
processo está instável, não conseguimos usar o passado para estimar o futuro. Não
podemos, neste caso, prever nada. Não conseguimos prever qual é a média do indicador
sendo avaliado e não conseguimos prever qual é a sua variação natural. Dessa maneira,
temos que sempre avaliar a estabilidade antes da capabilidade (como feito nos
exemplos anteriores).
A planilha apresentada no slide mostra o que devemos fazer caso a estabilidade exista.
259
A capabilidade e a tabela sigma
PPM Yield % Sigma PPM Yield % Sigma PPM Yield % Sigma
3.4 99.9997 6.00 6210 99.3790 4.00 308000 69.2000 2.00
5 99.9995 5.92 8190 99.1810 3.90 344000 65.6000 1.90
8 99.9992 5.81 10700 98.9300 3.80 382000 61.8000 1.80
10 99.9990 5.76 13900 98.6100 3.70 420000 58.0000 1.70
20 99.9980 5.61 17800 98.2200 3.60 460000 54.0000 1.60
30 99.9970 5.51 22700 97.7300 3.50 500000 50.0000 1.50
40 99.9960 5.44 28700 97.1300 3.40 540000 46.0000 1.40
70 99.9930 5.31 35900 96.4100 3.30 570000 43.0000 1.32
100 99.9900 5.22 44600 95.5400 3.20 610000 39.0000 1.22
150 99.9850 5.12 54800 94.5200 3.10 650000 35.0000 1.11
230 99.9770 5.00 66800 93.3200 3.00 690000 31.0000 1.00
330 99.9670 4.91 80800 91.9200 2.90 720000 28.0000 0.92
480 99.9520 4.80 96800 90.3200 2.80 750000 25.0000 0.83
680 99.9320 4.70 115000 88.5000 2.70 780000 22.0000 0.73
960 99.9040 4.60 135000 86.5000 2.60 810000 19.0000 0.62
1350 99.8650 4.50 158000 84.2000 2.50 840000 16.0000 0.51
1860 99.8140 4.40 184000 81.6000 2.40 860000 14.0000 0.42
2550 99.7450 4.30 212000 78.8000 2.30 880000 12.0000 0.33
3460 99.6540 4.20 242000 75.8000 2.20 900000 10.0000 0.22
4660 99.5340 4.10 274000 72.6000 2.10 920000 8.0000 0.09
Outra maneira de se fazer 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
Uma vez que já medimos e aprendemos sobre nossos processos, como

exibir os resultados.
RESULTADOS DO MEASURE
261
Relatórios Gerenciais
Relatório de Julho de 2015

Acumulado no ano
Indicadores Depto Valor Média % % Dif. Valor Planejado % % Dif.
Atual Mensal Dif. Julho/ 05 Atual Dif. YTD/ 05
Julho/ 04 YTD/ 04
Qualidade
Entregas no prazo 20 91.0 91.3 –0.3 –0.9 90.8 91.3 –0.6 –0.3
(%)
Aprovação na 12 54 70 – –10.0 69.3 70 –1.0 –0.4
primeira vez (%) 23.0
Sucata/ por 1000 Kg 19 124 129 –3.9 0.0 132 129 +2.3 +1.5
produzidos)
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
Inventário em 17 28 19.7 +42.0 +12.0 21.6 19.7 +9.6 +5.9

processo (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
1. Colete os dados ao longo do tempo 2. Faça umgráfico de tendência

2013 2014 2015
Jan 19 20 20
Fev 27 22 15
Mar 20 19 27
Abr 16 16 25
Mai 18 22 17
Jun 25 19 19
Jul 22 25 28
Ago 24 22
Set 17 18
Out 25 20
Nov 15 16
Julho/15 é uma causa especial?
Dez 17 17
Uma forma bem melhor de se apresentar os dados é exibi-los em um gráfico de tendência.

Note que quando fazemos isso, observamos que o mês de julho de 2015 não é uma causa
especial. Ele está dentro da variação natural do processo.
Se tivéssemos tratado julho de 2015 como causa especial, provavelmente teríamos como
consequências um relatório explicando o resultado e um plano de ação seriam solicitados
pela direção. Depois, o relatório detalhado explicando o resultado seria elaborado e um
plano de ação proposto pelo responsável pelo Depto 17 (muitas vezes com muita
criatividade!). O relatório seria uma obra de ficção cujo único objetivo seria dar à direção
a sensação de que algo está sendo feito para resolver o problema. Por último, o plano de
ação seria executado consumindo recursos preciosos da organização e o resultado
continuaria na mesma.
263
Slide 237
Cuidado com variações comparativas
Comparação com a
média
Muitas pessoas também gostam de mostrar o resultado do indicador como uma

porcentagem da média. Temos, nesse caso, declarações do tipo: “Este mês, as vendas
foram 50% acima da média”.
Nesta comparação temos o mesmo problema exemplificado no relatório anterior. Nem
sempre uma variação grande relativa à média é significativa (como mostram os slides).
Outras vezes, uma variação pequena relativa à média pode ser uma causa especial. Tudo
depende de quanto o seu indicador varia. E para entender essa variação, precisamos
olhar gráficos de controle ou tendência.
264
A maneira correta
1) Defina bem o indicador. 2) Indique-o mostrando a variação.

jan/01 97 jan/02 96
fev/01 104 fev/02 100
mar/01 99 mar/02 99
abr/01 94 abr/02 96
mai/01 100 mai/02 103
jun/01 99 jun/02 97
jul/01 96 jul/02 96
ago/01 96 ago/02 91
set/01 94 set/02 98
out/01 96 out/02 96
nov/01 98 nov/02 95
dez/01 99 dez/02 105
Para definir um indicador, devemos atentar à:

• Nome do indicador
• Definição:
• Definição operacional do indicador;
• Outros indicadores ou dados necessários para o cálculo;
• Fórmula de cálculo e unidades de medida.
• Relação com outros indicadores
• Objetivo do Indicador
• Relação do Indicador com o Propósito, Estratégia
• Amostragem:
• Tamanho da amostra;
• Frequência de coleta;
• Período da coleta;
• Local da coleta;
• Fonte dos dados.
• Estratificação:
• Outras variáveis que devem ser coletadas junto com o indicador.
• Técnicas de análise/ acompanhamento:
• Administração:
• Tarefa;
• Responsabilidade;
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
O segundo passo de um projeto de melhoria é o

Measure, cujo objetivo é medir o desempenho atual.
As principais atividades dessa fase são:
• Elaborar um fluxograma do processo;

• Avaliar a estabilidade do processo (gráfico de controle);
• Avaliar a capabilidade do processo.
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?
Objetivo: propor, desenvolver e testar mudanças

Atividades
• Desenvolver mudanças
• Testar as mudanças em escala piloto
• Avaliar os resultados (impactos nas métricas do projeto)
Ao final do módulo, você irá analisar os problemas e oportunidades

mapeados criticamente. Depois, será capaz de gerar ideias de
mudanças, desenvolvê-las e testá-las
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
Como desenvolver mudanças

que resultem em melhoria?
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
E quais são as categorias de

mudança?
274
Mudanças
Categorias
1ª Ordem 2ª Ordem
Sistema Não é alterado É alterado
Percepção do
Solução do problema Melhoria
cliente
Prazo Imediato, curto Médio, longo
Depois de analisarmos os tipos de mudanças, podemos classifica-las em duas categorias:

• Primeira Ordem: são aquelas necessárias para manter a empresa em funcionamento
no dia a dia. São mudanças para garantir o nível de desempenho da organização e para
resolver os problemas corriqueiros que aparecem. Um exemplo que gosto muito é o
pneu do carro. Para mim, mudança de primeira ordem é trocar o seu pneu furado. Como
característica, podemos pontuar que são realizadas rotineiramente, devolvem o sistema
a condição anterior, dá um alívio de curto prazo (quem já teve um pneu furado na
estrada, sabe o alívio que temos ao trocá-lo e voltarmos à rodovia) e mostram ao cliente
que o problema foi resolvido. Como disse, provoca a sensação de “tudo voltou ao
normal”.
• Segunda Ordem: são aquelas mudanças necessárias para prevenir problemas e elevar
o desempenho do sistema a patamares superiores. São aquelas mudanças necessárias
para batermos as metas. Geralmente, elas resultam na criação de um novo processo ou
na modificação de um processo existente. Assim, alteram como o sistema funciona e
como as pessoas trabalham, possibilitando que os indicadores de desempenho da
organização sejam afetados positivamente.
Comparando as mudanças de primeira e segunda ordem, fica claro a preferência que
temos por fazer mais mudanças de segundo ordem do que de primeira. Afinal, a melhoria
só é alcançada por meio delas. Porém, em muitas empresas pudemos observar o contrário.
Pelo seu efeito de curto prazo, muitas organizações acabam preferindo virar seu foco para
“apagar os incêndios” e acabam deixando de lado a eliminação dos riscos para que eles
não aconteçam. São tantos incêndios ocorrendo simultaneamente, que todos os recursos
são drenados para combatê-los, criando um ciclo vicioso.
Diante disto, recomendamos que antes de focar apenas nas mudanças de primeira ordem,
você se pergunte: qual é a possível causa deste problema? Como alterar o sistema para
que a haja uma melhoria, uma mudança positiva e duradoura no indicador que tenho que
atuar? Pensando assim, haverá uma contribuição muito maior à organização do que agir
apenas como bombeiro.
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
Entender e analisar criticamente o processo atual
Usar Tecnologia
Usar Criatividade
Usar os Conceitos de Mudança
Para desenvolver mudanças, podemos adotar quatro abordagens principais:

• Análise crítica: a primeira faz uso do pensamento analítico crítico. Nesta
abordagem adotamos ferramentas que nos permitem enxergar o processo e
questionar seus fornecedores, insumos, passos, saídas e clientes. É uma análise
profunda que vai te ajudar a encontrar os pontos que podem causar problemas
e eliminá-los;
• Tecnologia: nesta abordagem, procura beneficiar de tecnologias já
desenvolvidas. É muito comum na área de TI, onde uma empresa compra um
novo sistema de gerenciamento de estoques, por exemplo. Além do sistema em
si, vem junto ao mesmo todo o conhecimento adquirido pela empresa no
desenvolvimento daquele processo;
• Criatividade: é um meio de escapar dos modelos mentais estabelecidos para
encontrar alternativas. Das quatro categorias, esta é a que menos encontramos
nas empresas, quando o assunto é melhorar processos. E, a causa para isto é
que durante a formação do profissional, ele dificilmente possui treinamento
neste assunto. De Bono, TRIZ, SIT e outras técnicas importantíssimas para a
geração de ideias criativas, são muito pouco difundidas e estudadas. Para mais
detalhes, recomendamos nosso e-book e nosso curso gratuito;
• Conceitos de Mudanças: processos que tem bom desempenho são
estruturados em bons conceitos. Esses conceitos, se identificados, podem ser
utilizados para encontrar boas mudanças. Para projetos de melhoria, contamos
com uma lista de 72 conceitos que foram muito úteis para gerar mudanças que
levaram a melhoria. Para conhece-los melhor, recomendamos que baixe nosso
e-book “Disseminação de Mudanças”.
Sobre as abordagens, precisamos ponderar:
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
Como organizar suas hipóteses para entender as causas de um problema
DIAGRAMA CAUSA EFEITO

O diagrama de causa e efeito é uma ferramenta útil para descobrir, organizar e resumir o
conhecimento do grupo a respeito das causas que contribuem para a variabilidade ou para
o problema. O diagrama de causa e efeito também é conhecido como diagrama de espinha
de peixe (por causa de sua aparência) e como diagrama de Ishikawa (em homenagem a
seu inventor). Esse método foi desenvolvido por Kaoru Ishikawa em 1943 para explicar
para um grupo de engenheiros como vários fatores podem ser organizados e relacionados
(Ishikawa, 1976).
Construir um diagrama de causa e efeito ajuda seus usuários a tomar consciência do
sistema de causas que está por trás do problema. Ele encoraja um enfoque holístico para
a melhoria ao realçar o inter-relacionamento das importantes causas e sub-causas que
contribuem para a variação ou problemas.
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
Muito do valor do diagrama de causa e efeito se origina do processo de criá-lo. O

aprendizado resultante do momento em que as partes interessadas se reúnem para
compartilhar e organizar suas teorias a respeito das causas de um problema importante,
pode levar, por si só, a ações que aumentam a qualidade. Além disso, entre os benefícios
importantes do diagrama completo incluem-se:
• Redução da tendência de procurar por uma “verdadeira” causa, às custas de ignorar
outras causas e interações de causas.
• Ajuda no planejamento de ciclos para aprendizado e melhoria. Por meio de consenso,
hierarquiza as causas por sua importância. Também é útil considerar aqui se as causas
são comuns ou especiais, e rotulá-las de acordo. Decida onde são necessários mais
dados para confirmar crenças a respeito de relações de causa e efeito e planeje ciclos
apropriados de obtenção de dados. Para aquelas causas que já são fundamentadas em
dados e bem compreendidas, planeje e execute ações corretivas. Codificar por cores
ou outra simbolização diretamente no diagrama pode ser útil para a hierarquização,
mostrando graus de crença, e identificando categorias de causas comuns e especiais.
• Atualização do conhecimento presente. À medida que coletas de dados, experimentos,
levantamentos e outros estudos são efetuados, o diagrama de causa e efeito pode ser
facilmente corrigido para refletir novos aprendizados.
• É um meio efetivo para compartilhar conhecimentos. O diagrama de causa e efeito
delineia claramente o sistema causal de uma maneira facilmente compreendida.
280
Como construir um Diagrama Causa Efeito
Passo 1 • Escolha o “efeito” a ser estudado
Passo 2 • Desenvolva uma definição operacional do efeito
Passo 3 • Use um processo de brainstorming
• Faça um brainstorming sobre possíveis sub-

Passo 4 causas
Passo 5 • Quando a interação diminuir, reveja-o
Passo 6 • Finalize-o
Construção de um Diagrama de Causa e Efeito

Quando um grupo enfoca uma característica ou problema específico de qualidade, pode-
se usar o diagrama de causa e efeito do tipo análise de dispersão. Esse tipo de diagrama
de causa e efeito fornece um formato útil para organizar o conhecimento atual do grupo
a respeito de causas inter-relacionadas.
• Passo 1: Escolha o “efeito” a ser estudado. O efeito usualmente será a variabilidade
excessiva de uma importante característica de qualidade ou outro problema
selecionado baseado em uma análise de Pareto de respostas de clientes internos e/ou
externos.
• Passo 2: Desenvolva uma definição operacional do efeito. Desenhe uma estrutura
básica para o diagrama de causa e efeito com o efeito em uma caixa do lado direito.
• Passo 3: Use um processo de brainstorming para desenvolver de três a seis
características ou classificações principais de possíveis causas ou fatores que
contribuem para o efeito. Estas formarão os principais ramos do diagrama de causa e
efeito. Para facilitar esse processo, o diagrama de causa e efeito deve ser desenvolvido
em um bloco grande de papel ou em um meio similar onde todos possam vê-lo sendo
desenvolvido. As categorias gerais que costumam ser úteis em amplo espectro de
situações são pessoas, materiais, métodos, máquinas, medição e ambiente. Entretanto,
outras categorias podem ser mais apropriadas em casos específicos, baseados no
conhecimento de processo dos participantes.
• Passo 4: Faça um brainstorming sobre possíveis sub-causas para cada uma das
categorias principais de causa, criando novos sub-ramos até alcançar um nível
apropriado de detalhamento. Um modo útil de se chegar a um nível adequado de
detalhes consiste em se perguntar “por que? ” de três a cinco vezes para cada uma das
causas iniciais (Ishikawa, 1976).
• Passo 5: Quando o nível de energia do grupo desenvolvendo o diagrama de causa e
efeito começa a diminuir, isso é provavelmente um bom indicador de que a maior parte
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?
 Muito de seu valor está em sua elaboração: partes

interessadas se reúnem e organizam conhecimentos
 Redução da tendência de achar uma “verdadeira” causa
 Meio efetivo para compartilhar conhecimento
283
Exemplo
284
Causa Efeito para melhorar um processo
Passo 1 • Identifique o processo a ser aperfeiçoado
• Acrescente as principais causas e sub-causas

Passo 2 de variabilidade ou outros problemas de
processo
Um método alternativo ao descrito acima, o método da enumeração de causas, consiste

em primeiro fazer um brainstorming de todas as causas possíveis e simplesmente listá-
las na ordem em que forem recebidas. A partir dessa lista se constrói então o diagrama de
causa e efeito do tipo dispersão.
Quando o foco de atenção de um grupo não é uma característica particular de qualidade,
mas sim a melhoria de um processo, o formato de classificação de processo pode ser útil.
Esse tipo de diagrama de causa e efeito acrescenta valor por mostrar causas da
variabilidade de processo à medida em que elas se relacionam a estágios específicos do
processo. Os passos para elaborá-lo são descritos a seguir:
• Passo 1: Identifique o processo a ser aperfeiçoado e identifique as etapas chaves
dele. Um fluxograma mostrando essas etapas será útil. Use-as como as categorias
principais nas causas.
• Passo 2: Por meio de um brainstorming, acrescente as principais causas e sub-
causas de variabilidade ou outros problemas de processo a cada etapa do processo.
O diagrama ajuda a entender como cada passo pode potencialmente causar uma entrega
fora do prazo.
285
Cuidados
◉ As causas nem sempre são reais (precisa ser testadas);
◉Podemos focar em soluções não tão práticas;
◉Use-o para desenvolver mudanças no processo (as sub-

causas devem ser “palpáveis” na hora de desenvolver a
mudança.
286
Os 5 porquês
Aprofundando-se nas causas
OS 5 PORQUÊS
.
287
E como se aprofundar nas causas?
Por que o computador não está funcionando?
• Porque não está na tomada
Por que não está?
• Porque o cabo foi puxado da tomada
Por que foi puxado?
• Porque o cabo está no meio da passagem das pessoas
Por que o cabo está no chão?
• Porque é muito longo
Por que é muito longo?
• Não sei..
Soluções
•Reduzir o comprimento do cabo

• Fixar o cabo na tomada melhor
• Colocar o computador perto da parede
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
◉Ao usar o “Por que?” atente para o fato de que a resposta

em cada estágio corresponde a um determinado nível de
entendimento do problema. E, para aumentar o
entendimento, são necessários investigações e testes. Não
é um exercícios de chutes numa sala fechada feito em 30
minutos
◉Para cada nível de entendimento do problema há uma

mudança correspondente
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
◉As causas identificadas no diagrama são, nesse

momento, ”teorias” que as pessoas têm sobre as possíveis
causas
◉É necessário testar essas teorias
◉Uma forma de testar é reunir evidências, geralmente com

dados
◉Outra forma mais adequada é realizar experimentos
290
Exemplo 1
Nível de entendimento de um problema Nível da mudança correspondente

Há uma poça de óleo no chão. Limpe o óleo.
- Por quê há uma poça de óleo no chão?
Porque está vazando óleo da máquina.
- Por quê está vazando óleo da máquina?
Porque a junta se estraga fácil. Troque a junta (temos várias em estoque)
- Por quê a junta se estraga fácil?
Porque é a pior do mercado. Compre melhores (e jogue fora as outras)
- Por que adquirimos a pior?
Porque fizemos um bom negócio com elas.
- Por que é considerado um bom negócio a
compra de um item que dá problema no uso?
Porque “Compras” é avaliado pela economia Mude a política.
feita no momento da compra.
291
Exemplo 2
Nível de entendimento de um problema Nível da mudança correspondente

O monumento de Rui Barbosa esta se Aumente a frequência da manutenção
deteriorando mais rapidamente do que qualquer
outro monumento no Rio de Janeiro. Por quê?
Porque é limpo com mais frequência que os
outros monumentos. Por quê?
Porque tem mais dejetos de pássaros que os Espante os pássaros
outros monumentos. Por quê?
Porque tem mais pássaros em volta deste
monumento do que dos outros. Por quê?
Porque tem mais insetos, comida preferida dos Mate os insetos
pássaros, em torno deste monumento. Por
quê?
Porque a lâmpada que ilumina este monumento Mude a posição da lâmpada
é diferente das outras e atraí mais insetos.
292
Cuidados! Você já viu RNC?
É muito comum encontrarmos os

famosos Relatório de Não
Conformidade (RNCs) em empresas
auditadas pela ISO.
E, neste relatório há um Ishikawa e

uma análise dos 5 porquês para ser
preenchida sobre a não conformidade
encontrada.
Problema: muitas vezes, por motivo de prazo ou desinformação, as pessoas preenchem

este relatório com teorias não testadas sobre o que eles acham serem as causas. Isto é
errado. Uma investigação de causas como vimos, envolve testes, definição de hipóteses e
muita investigação antes de preenchermos o RNC. Preenchê-lo em “30 minutos” causará
um aumento de custos e perda de validade na análise.
293
Como a Toyota faz 5 porquês
O caso das parafusadeiras

do acelerador e como os 5
porquês ajudaram no
problema
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
Como encontrar os fios desligados do seu processo?
DESCONEXÕES
297
O que é uma desconexão?
O problema é: como saber se existem e como encontra-las!
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?
Saídas Entradas Atividades
• Está produzindo alguma • Está deixando de receber • Estão sendo realizadas

saída desnecessária? alguma entrada na hora certa no
• Está deixando de necessária? processo?
produzir saídas para os • Está recebendo alguma • Estão sendo realizadas
clientes adequados? entrada desnecessária? pelas áreas/pessoas
• Está deixando de atender • Existem entradas certas?
expectativas de chegando de • Estão criando gargalo?
qualidade dos clientes? fornecedores errados? • Agregam valor para o
de prazo? • Existem entradas cliente?
• Está deixando de atender deixando de atender • Apresentam
expectativas internas de expectativas de redundância?
produtividade? de qualidade, prazo, custo • É um ponto de inspeção
custos? ou produtividade? ou de decisão?
• Apresentam ciclos de
retrabalho?
• Estão sendo executados
no tempo programado?
Após a elaboração do SIPOC e do Fluxograma, a equipe de melhoria deverá debruçar-se

neste material e aplicar o checklist para localizar as desconexões de saídas, entradas e
atividades. É importante passar por cada uma das saídas e entradas listadas no SIPOC
realizando todos os passos do checklist.
Uma história muito famosa sobre a aplicação desta ferramenta, foi um projeto realizado
numa fábrica de camisinha. Durante a realização do projeto, a equipe de melhoria estava
a analisar as entradas e de repente, ficou surpresa ao descobrir que leite em pó era
utilizado como insumo no processo da fabricação de camisinha. Intrigados, os consultores
perguntaram: isto é realmente necessário? Ninguém sabia explicar. Alguns falavam que
sim, outros que não, mas ninguém sabia realmente sobre o assunto. Diante disto, o
consultor sênior lançou mão de um PDSA para testar a real necessidade.
Rodados os testes, verificou-se que o produto não sofria qualquer problema de qualidade,
ao se retirar o leite em pó da fórmula. Risadas a parte, o projeto ajudou a reduzir o custo
de maneira significativa e assim, entrou para a história como o caso mais peculiar de
aplicação da ferramenta de desconexão. A desconexão era: leite em pó na fórmula, já o
tratamento: verificar, via teste, sua real necessidade.
299
Depois de encontra-las, como trata-las?
DESCONEXÕES SUGESTÕES
Plano de ataque às desconexões
As desconexões e/ou oportunidades de melhorias identificadas durante o mapeamento do

processo e suas respectivas sugestões de implantação, se surgirem, devem ser registradas
numa Planilha de Desconexões. As sugestões desta planilha, será o seu plano de ataque
as desconexões do processo que está analisando.
Além disso, deve-se marcar no mapa do processo o ponto em que essa desconexão foi
localizada, colocando uma identificação para ela num circulo, referenciando esse ponto
na planilha, na frente de sua descrição. Caso alguma desconexão identificada possa ser
alvo de um esforço de melhoria imediato, marque na planilha a pessoa ou grupo que ficará
responsável por essa ação.
Um estudo mais detalhado das desconexões também é recomendado e pode ser realizado
pelo seguinte roteiro de 6 passos:
• Classificar as desconexões por tipo (exemplos: espaço físico, equipamentos,
capacitação técnica, estrutura organizacional, normas e procedimentos,
sistemas de informação, recursos financeiros etc)
• Coletar dados que evidenciem os maiores focos de necessidade de atuação no
processo.
• Identificar as desconexões que tem maior impacto no alcance dos objetivos
estratégicos e no atendimento das necessidades dos clientes. Essas
desconexões serão base para priorização das melhorias.
• Identificar quais desconexões dependem exclusivamente do processo e quais
dependem de outros processos para serem resolvidas.
• Analisar as causas dos “fios desligados”, ou seja, das principais desconexões.
• Algumas causas já são conhecidas. Outras exigem o uso de ferramentas
apropriadas que serão vistas em mais adiantes, em outras disciplinas. Entre
estas ferramentas, pode-se destacar o VSM, que mostra o fluxo de valor e o
fluxo de informações numa só folha.
300
Desperdícios
Como localizar e eliminar os 7 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.
Para estudar desperdícios, é importante iniciarmos por sua definição.
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...
Entretanto, encontrar estas atividades pode ser difícil.
Pensando nisso, vários autores experientes na prática

do Lean listaram 7 desperdícios visuais, que podem
ser facilmente identificados e quantificados em uma
visita ao Gemba (chão de fábrica)
304
Os 7 desperdícicos clássicos
◉ Superprodução (excesso de quantidade)

◉ Espera
◉ Transporte (de material)
◉ Movimentação (de pessoal)
◉ Inventário (estoque)
◉ Defeitos
◉ Superprocessamento (excesso de funcionalidade)
305
Superprodução
Tipo de
Definição Exemplos Causas Mudanças
Desperdício
Programação puxada
Previsões incorretas Redução de tamanho de

Produzir mais itens Produzir mais para lote
Excesso de do que cliente reduzir setups Setups demorados
Nivelamento da carga
Produção necessita neste Processamento em Erros no processo
momento lotes grandes Redução do tempo de
setup
TPM
306
Espera
Tipo de
Desperdício
Produção Sincronização do fluxo de

Espera por peças empurrada trabalho
Tempo
ocioso porque Espera pela inspeção Trabalho Implantação de células
materiais, pessoas, desbalanceado
Espera por máquinas Balanceamento nas etapas
Espera equipamentos ou Inspeção
Espera por de carga/descarga
informações não centralizada
estão prontos informação Produção no takt time
Falta de prioridade
Espera pelo reparo da TPM
máquina Falta de
comunicação
307
Transporte
Tipo de
Desperdício
Movendo peças para Produção em lotes

dentro e fora do grandes Sistema puxado
Movimento de estoque
Transporte partes que não Produção empurrada Kanban
agrega valor Movendo material de
Estoque Optimização de layout
uma estação de
trabalho para outra Layout não funcional
308
Movimentação
Tipo de
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
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
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
Desperdício
Múltiplas limpezas das

peças Atrasos entre
os processos Linhas em fluxo
Esforço que não Preenchimento de
Excesso de agrega valor do folhas Sistema empurrado Fluxo contínuo
processamento ponto de vista do Tolerâncias apertadas Voz do cliente não 4Ps
cliente demais compreendida
Design enxuto
Ferramenta ou peça de Layout ruim
difícil manuseio
312
Agora é sua vez...
◉Ajude-nos a encontrar os desperdícios
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
Ação Acerte o fluxo Reduza Elimine
Coloque as atividade em Reduza essas atividades e

Detalhes uma seqüência natural sua interferência no fluxo
de valor
Valor é o conteúdo inerente de um produto ou serviço, segundo o julgamento do cliente,

refletido em seu preço de venda e demanda de mercado. O valor em um produto ou
serviço típico é criado pelo fabricante por meio de uma combinação de passos, alguns dos
quais produzem valor conforme percebido pelo cliente e outros que são meramente
necessários devido à atual configuração do projeto e do processo de produção.
O objetivo do pensamento Lean, dentro do Lean Six Sigma, é eliminar as atividades
desnecessárias e preservar e aumentar aquelas que agregam valor para o cliente. A árvore
de valor neste slide, mostra toda a sequencia de passos que deve ser realizada para a
eliminação das atividades que não agregam valor. O primeiro passo, é classificar as
atividades da seguinte forma:
• Atividade que agrega valor (AV)
o Atividade necessária para produzir um produto ou um serviço e que
adiciona valor sob o ponto de vista do cliente
• Atividade que não agrega valor mas é necessária (NAV)
o Atividade realizada para produzir um produto ou um serviço, mas que não
adiciona valor sob o ponto de vista do cliente
o Podem ser separadas em três categorias
o São realizadas para direcionar ou apoiar as atividades que agregam valor
(financeiro, RH, planejamento etc.)
o Foram incorporados ao sistema para:
o Detectar erros, omissões e defeitos
o Corrigir erros, omissões e defeitos
o Acomodar desperdícios no sistema como: demoras, tempos de espera, etc
• Atividade que não agregar valor (NAV): podem ser simplesmente eliminadas
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
Com um fluxograma em mãos, liste as atividades no Diagrama AV/NAV. Para cada

atividade listada, informe seu símbolo, lembrando que o retângulo significada atividade,
o losango decisão, o triângulo denota extração de dados, a meia lua é utilizada para o
atraso, o círculo é usado como conector e o retângulo arredondado aplica-se ao início e
final. Depois, é prudente informar a etapa do processo de cada atividade e ao final, nos
cabe definir se aquela atividade agrega ou não valor. Se não agregar, é importante
informar se ela é ou não necessária.
Depois de preencher o Diagrama AV/NAV, vocês terão claro qual é o perfil das atividades
do seu processo. Lembramos que para aquelas que não agregam e são desnecessária, é
fundamental partirem para a eliminação. Este tipo de atividade deve ser eliminado o mais
rápido possível, pois tais atividades só agregam custos.
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”
1. Funcionário liga p/ setor de transportes para verificar a disponibilidade de carro da empresa na

data
2. Se sim, funcionário pede para reservar carro da frota, informando a data de uso e prontuário. Se
não, funcionário pede para alugar um carro, informando a data de uso e prontuário
3. Funcionário preenche solicitação em papel (tanto faz, para carro da frota ou alugado)
4. Funcionário passa solicitação para superior carimbar e assinar
5. Funcionário espera retorno da solicitação carimbada e assinada
6. Funcionário envia solicitação para transportes
7. Funcionário liga para transportes para informar que foi enviada a solicitação
8. Transportes espera chegada da solicitação
9. Transportes providencia o carro (da empresa ou alugado) p/ a data de uso
10. Funcionário liga para Transportes na véspera para ver se “está tudo ok”
11. Funcionário passa no transportes para pegar a chave e ticket combustível
12. Funcionário pega o carro.
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...
Note que só a última etapa agrega valor ao cliente.
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
Se eu perguntar a você qual o percentual do tempo as organizações de manufatura e

serviços, provavelmente vou ver algo como nos gráficos acima. Eles são resultado de uma
pesquisa feita por Hines e Taylor no ano 2000, onde analisaram várias companhias quanto
aos seus processos. A grande maioria das atividades desempenhadas por elas não
agregavam valor ao cliente.
324
Análise do tempo
Como identificar os tempos desnecessários no processo?
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
Atividades em processos demandam tempo para serem executadas. “Não atividades”

muitas vezes demandam um tempo em que valor não é agregado ao processo, mas que
afetam custo e qualidade. Desta forma, os componentes do tempo de processo podem ser:
• Tempo de atividades
• Tempo de espera
Em projetos de melhoria em que o objetivo é a redução do tempo de ciclo, a análise do
tempo é fundamental para que a meta seja alcançada. Não há como reduzir o tempo de
execução de um processo, sem a crono-analise. É por meio dela que será possível eliminar
tempo de espera e reduzir o tempo de atividade.
Você já parou para analisar como poderíamos analisar o tempo de uma viagem de avião?
Qual o percentual de tempo o avião estará voando? E esperando? Dependendo da
companhia e da aeronave, é comum encontrarmos rotas cujo tempo de espera e o tempo
de atividade quase se igualam, já que o tempo de preparação entre os voos é de cerca de
45 minutos. Num projeto que participamos, tínhamos como meta reduzir o tempo de
aeronave parada. Por meio da aplicação da análise de tempo, conseguimos chegar lá.
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
Processo à prova de erros e falhas
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
◉Poka Yoke Preventivo
 Microondas não funciona com porta aberta;

 Moto não liga se estiver engrenada e com o pezinho
abaixado;
 Boia da caixa d’água evita que água vaze da caixa;
 Farol dos carros se apaga quando a chave é retirada do
contato
333
Exemplos
◉Poka Yoke Detectivo
 Indicador no painel dos automóveis, que indica que o

motorista não está usando o cinto de segurança;
 Carros que emitem som ao abrir a porta quando o farol
está aceso e o veículo desligado.
334
Como poderíamos evita-los?
Oportunidades para desenvolvermos Poka Yokes
Para desenvolver Poka Yokes, deve-se observar alguns princípios importantes:

• Controle na fonte, o mais perto possível da fonte dos defeitos;
• Estabeleça controles apropriados à severidade dos potenciais defeitos;
• Não exagere nos controles – se atenha ao método mais eficaz e mais econômico;
• Desenvolva cooperação entre operadores, técnicos e engenheiros;
• Não atrase a melhoria com análise exagerada;
Ao observar estes princípios, você conseguirá desenvolver Poka Yokes mais robustos e
com maior probabilidade de funcionarem. E de todos eles, gostaria de atentar para o
ultimo. Não se deixe paralisar pela perfeição. Já falamos sobre o assunto, mas é sempre
bom reforçar este ponto. Se você gastar muito tempo, os defeitos irão acumular-se no
final da linha.
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
1. Nossa empresa vende arruelas em conjunto de 10

unidades. Como garantir que estes não saiam nem
com arruelas a menos, nem a mais?
2. Na área de embalagem de produtos, frequentemente
as colheres para dosagem de produto são esquecidas
fora da lata. Como evitar isto ?
3. Normalmente o tempo é escasso e preparativos de
viagem são sempre feitos na última hora às pressas.
Como assegurar partida para uma viagem de negócios
sem esquecer os itens essenciais na bagagem
pessoal?
341
Tecnologia
Tecnologia como um meio de desenvolver mudanças
TECNOLOGIA
342
Só mais tecnologia resolve?
343
Só tecnologia adianta?
344
Tecnologia
 Aplicação prática da ciência, incluindo equipamentos,

materiais, sistemas de informação e métodos):
 Alguns aspectos:
 Se bem empregadas, dão à empresa a oportunidade de grandes
melhorias, aplicando o que os outros já desenvolveram;
 Requerem $ e tempo;
 É necessário testar em pequena escala p/ minimizar o risco;
 Como toda mudanças, sofrerá resistência das pessoas;
 É necessário ter plano de transição do velho para o novo.
Define-se tecnologia como a ciência de aplicação prática, incluindo equipamentos,

materiais, sistemas de informação e métodos. Tecnologia pode ser usada para gerar
mudanças de segunda ordem. Por exemplo, uma empresa de distribuição pode tentar uma
mudança que usa automação para pegar e empacotar pedidos. Se aplicadas corretamente,
as novas tecnologias oferecem às organizações a oportunidade de implementar grandes
melhorias simplesmente aplicando aquilo que os outros têm desenvolvido. De qualquer
forma, grande quantia de dinheiro e tempo são necessários para fazer acontecer uma
mudança que envolva tecnologia especialmente numa indústria capitalista como a de
manufatura. Em algumas situações, a mudança pode nem mesmo resultar em melhoria.
Isso frequentemente acontece com empresas que implantam novas tecnologias, sem
entender seus problemas a fundo. Entre 1985 e 1995, as empresas investiram mais de um
trilhão de dólares em novos sistemas de informação. Estes sistemas têm criado
oportunidades para a solução de problemas de qualidade, redução de custos e
desenvolvimento de novos produtos e serviços. Porém, alguns questionaram, se eles têm
resultado em melhorias de fato, ou se são apenas simples mudanças que só agregam mais
custos ao processo. Um erro comum é considerar que melhoria se dá pela aquisição e uso
de novas tecnologias. Ao tomar esta postura, alguns acabam deduzindo que a tecnologia
resultará em uma melhoria, o que não é verdade, vide exemplos mencionados
anteriormente.
Para se ter vantagens com as novas tecnologias, os processos para representam conquistas
tecnológicas relevantes dentro da organização deveriam ser colocados juntamente com os
processos que trazem benefícios tecnológicos. Em certas situações, uma organização
pode também conseguir se envolver durante os primeiros estágios do desenvolvimento de
novas tecnologias. Isso pode ser feito pelo estabelecimento de parcerias com outras
organizações ou permitindo aos desenvolvedores testarem a tecnologia na sua própria
organização.
A identificação de novas tecnologias começará respondendo à terceira questão
fundamental do modelo de melhoria (Quais mudanças podemos fazer que resultem em
melhoria?). Mas não podemos esquecer que outras duas questões do modelo (O que nós
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
 Cuidados nas mudanças que envolvem tecnologia:

 Não automatize um sistema ruim: erros ocorrerão mais rápido
e custo serão mais altos
 Reserve soluções tecnológicas p/ melhorar sistemas estáveis
em vez de solucionar causas especiais;
 Concentre as mudanças nos gargalos
 Uma tecnologia não confiável é pior que nenhuma 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
Leia nosso texto sobre “pavimentar o caminho da vaca”.
349
Criatividade
Como desenvolver mudanças utilizando a criatividade
CRIATIVIDADE
350
O que é criatividade?
Criatividade
Assunto complicado e confuso
No nível mais simples, "criativo" significa trazer à

existência algo que não existia antes
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.
Pensamento Positivo Lógico, que se refere

a como fazer uma nova ideia funcionar.
Pensamento Negativo Lógico (Crítico) que

é focalizado em encontrar falhas lógicas numa
nova ideia.
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
Tempo Preparo Desafio Força Sonho Foco
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
Como desenvolver mudanças a partir dos conceitos
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
Extraído do Apêndice A do livro
Langley, G. J., Moen,R. D., Nolan, K. M.,Nolan,T. W., Norman, C. L., Provost, L. P.
Modelo de Melhoria . Mercado de Letras 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
 Como Usar os Conceitos de Mudança

 Selecione um grupo geral que caracterize as mudanças que se
deseja fazer e use os conceitos do grupo para provocar ideias
específicas de mudança;
 Gere uma ideia de mudança
 Qual a noção geral associada a ela?
 Qual conceito de mudança está associado?
 Use outros conceitos do mesmo grupo para explorar a geração de
novas ideias;
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
Como Selecionar um conceito de mudança

aleatoriamente e ver quais idéias são
utilizar? provocadas.
Estudar o e-book “Disseminação de

Mudanças” para aprender todos os diferentes
conceitos de mudanças e algumas ideias para
serem usadas.
Copiar uma ideia específica nos exemplos

dados para cada conceito de mudança do e-
book, se eles forem aplicáveis a sua situação.
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?
O primeiro passo para responder essa questão é

desenvolver uma ideia para possível mudança. A ideia
pode vir de um pensamento crítico sobre o sistema atual,
da tecnologia, do pensamento criativo, ou do uso dos
conceitos de mudança, do guia que está descrito no e-
book. O próximo passo é testar a ideia.
366
Correlação: associação entre variáveis
Como correlacionar variáveis de entrada com as de saída
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
Como prever as condições climáticas? Como saber se uma chuva se aproxima ou se a

próxima estação será mais seca? Para isto, precisamos estudar o clima. E o que significa
estudar o clima? Encontrar quais as variáveis do clima que afetam o comportamento do
clima futuro para podemos prever a próxima condição climática. Um exemplo bastante
conhecido é a relação entre pressão atmosférica e chuva. Se a pressão atmosférica cai, é
sinal de que vem chuva por aí. Por que? Porque a densidade do ar se reduz com o aumento
da umidade e um fluído menos denso irá exercer menor pressão. Por meio desta
correlação, conseguimos prever que a chuva está a caminho quando nosso barômetro
apontar uma queda na pressão. E como utilizar este conceito para entender melhor os
processos?
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?
Para começar as análises, classifique as variáveis sob

dois aspectos:
 A variável é Y ou X?
 Y: Variáveis de saída do processo cujo comportamento você
quer explicar e obter um modelo. Nomenclatura: variáveis
resposta, variáveis dependentes ou itens de controle
 X: 1) Variáveis de processo ou de entrada, candidatas a
explicar o comportamento das variáveis resposta.
Nomenclatura: variáveis explicativas, variáveis independentes,
fatores, itens de verificação; 2) Variáveis de estratificação
 A variável é numérica ou categórica?
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?
Em seguida: Identifique a técnica a ser utilizada na tabela abaixo:
Y numérica Y categórica
• Gráfico de dispersão
• Tudo isso, só que
X numérica • Gráfico de dispersão invertido
estratificado
• Dot-plot estratificado • Tabela de

X categórica • Gráfico de Tendência contingência
estratificado • Gráfico de barras
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
Como analisar a relação entre duas variáveis numéricas
373
Imagine o cenário
A satisfação dos projetos desta empresa dependem

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

em m Gráfico de Dispersão
n Direção
n Forma
n Força
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
Sem correlação Correlação Correlação

positiva forte positiva média
Correlação Correlação
negativa forte negativa média
377
Gráfico de Dispersão Estratificado
Gráfico de Dispersão: Espessura vs Pressão

Maquina
25 A
B
20
Espessura
15
10
0
65 70 75 80 85
Pressão
Se há variáveis de estratificação, é geralmente útil fazer o gráfico de dispersão estratificado para

verificar se o padrão encontrado no conjunto de dados se repete em cada estrato. Neste exemplo,
em cada máquina.
Ao se preparar um gráfico de dispersão deve-se considerar o uso de estratificação, a

classificação dos dados em grupos por alguma característica comum. Às vezes a relação
entre os parâmetros não é evidente quando todos os dados são considerados, mas quando
os dados são agrupados e plotados separadamente, a relação se torna mais clara. Os dados
podem ser estratificados por máquina, operador, dia da semana, ou mesmo
geograficamente. O slide mostra uma situação na qual a estratificação dos dados resultou
em mais informação sendo obtida do gráfico de dispersão.
Pela estratificação por máquina, uma relação linear negativa se torna clara quando a
Máquina A está sendo usada. A relação também é negativa quando a Máquina B é usada,
mas é diferente da relação entre os parâmetros para a Máquina A. As razões para esses
resultados diferentes devem ser estudadas.
378
Gráfico de Dispersão Estratificado
Há relação para cada fornecedor mas Não há relação para cada

não há no total fornecedor mas há no conjunto
Por meio da análise do gráfico de dispersão estratificado, é possível comparar se a força

para romper está relacionada a rigidez e, se há diferença entre os fornecedores (estratos
da análise). No primeiro gráfico, não há relação total, mas quando estratificamos por
fornecedor, a correlação aparece. Se o fornecedor deseja aumentar a força para romper,
ele deve aumentar a rigidez,
Já no segundo gráfico, acontece exatamente o contrário. Se o fornecedor A deseja
aumenta a rapidez para romper, não conseguirá captar a correlação entre rapidez e rigidez
analisando apenas seus produtos, assim como o fornecedor B. Entretanto, se analisarmos
esta relação no conjunto, veremos que ela é presente.
Deste modo, quando analisamos correlação com dados estratificados, diversas situações
podem ocorrer. E, entender qual situação esta ocorrendo em nossa análise, nos dirá o qual
a relação entre a variável Y e a variável X. Dentre as relações, podemos descrever
algumas:
 Existe correlação no geral, e em cada estrato e a direção é a mesma
 Existe correlação no geral, e em cada estrato e a direções são diferentes
 Existe correlação no geral, mas não em cada estrato
 Existe correlação em cada estrato, mas não no geral
 Outras
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?
Há relação pontuação no SAT com o Não há relação entre a taxa de

salário médio do processo por Estado estudantes se formando e o salário
dos professores
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
Relação entre N. de Doentes Mentais e N. apar. de rádio

26
22
Nú me r o d e d o e n te s me n ta is
18
Rádios causam loucura?

14
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
Agora, gostaríamos de saber se você aprendeu sobre

gráfico de dispersão. Por isto, respondam:
 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...
Colete dados sobre a altura, peso e idade das

pessoas em sua classe. Colete também informações
sobre outra variável para estratificar os dados. Preveja
relações para essas características. Desenvolva
gráficos de dispersão para cada par de variáveis.
Identifique os níveis da estratificação com símbolos
diferentes.
386
Associação entre variável Y numérica e X classificatória
Como analisar a relação entre uma variável numérica e uma classificatória
387
Y Numérica, X Classificatória
Gráfico de Tendência por fase 1 Grafico de tendência: Vendas por filial

Variable
antes depois 28
25 Filial A
Filial B
26
20
24
15
Vendas
Tempo
10 22
5 20
0 18
1 4 7 10 13 16 19 22 25 28 02/2010 04/2010 06/2010 08/2010 10/2010 12/2010 02/2011 04/2011 2

Data
Dia
Dotplot of TEMPO vs fase 3 Gráfico 1: a variável categórica define

duas ou mais fases, antes e depois de,
por exemplo, uma mudança
Gráfico 2: a variável numérica é medida
em duas condições diferentes nos
fase
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
◉Quando as variáveis X e Y são categóricas, o estudo de

correlação é feito através de tabelas de contingência
Tabela de Contingência
Variável A
Categorias A1 A2 Total
Variável B B1 n11 n12 n1+
B2 n21 n22 n2+
Total n+1 n+2 n++
Definições
n11 Freqüência de indivíduos nas categorias A1 e B1
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
Sistema No horário 28 2 60%
Atual Atrasado 16 4 40%
88% 12%
A figura mostra um exemplo de uma tabela de contingência para duas variáveis de

interesse: desempenho de uma tarefa com um novo sistema e com o sistema antigo. O
resultado da tarefa é classificado como no horário ou atrasado. São feitas medições para
50 indivíduos usando o sistema atual (20 atrasados, 30 no horário). Em seguida cada um
dos indivíduos é treinado usando um novo sistema. Após treinar e praticar, o desempenho
para esses mesmos 50 indivíduos é avaliado (6 atrasados, 44 no horário). Quanto que o
novo sistema melhorou o desempenho? A porcentagem no horário aumentou de 60% para
88%.
A tabela de contingência foi então construída usando os pares de dados dos mesmos
indivíduos com o sistema antigo e com o novo. A melhoria pode ser vista na célula da
tabela onde 16 indivíduos que estavam atrasados no sistema antigo ficaram no horário
usando o novo sistema.
391
Como fazer uma tabela de contingência?
1. Colete os dados com unidades identificadas por duas

Roteiro variáveis de interesse
2. Para uma tabela 2x2, trace um quadrado com quatro

células. Essa será a base para a tabela
3. Para uma tabela 2x2, trace um quadrado com quatro

células. Essa será a base para a tabela
4. Baseado nas categorias para as duas variáveis, conte o

número de unidades em cada uma das quatro células e
coloque essa contagem na célula apropriada
5. Algumas vezes os totais de linha e coluna são incluídos
na tabela de contingência para facilitar a análise
Os seguintes passos são usados para se construir uma tabela de contingência:

• Colete os dados com unidades identificadas por duas variáveis de interesse. Alguns
exemplos de variáveis típicas são:
• Antes da Mudança e Depois da Mudança
• Sexo (homem/mulher) e Departamento (A/B/C)
• Doença Diagnosticada (X/Y) vs. Médico (Smith/Jones)
• Pontuação pelo Examinador A vs. Pontuação pelo Examinador B
As medidas para cada variável devem ser classificadas em categorias. Duas
categorias para cada variável resultam em uma tabela de contingência 2x2, mas a
tabela pode ser estendida para mais de duas categorias.
• Para uma tabela 2x2, trace um quadrado com quatro células. Essa será a base para a
tabela.
• Rotule as linhas da tabela com uma das variáveis. Rotule as colunas da tabela usando
a outra variável de interesse.
• Baseado nas categorias para as duas variáveis, conte o número de unidades em cada
uma das quatro células e coloque essa contagem na célula apropriada.
• Algumas vezes os totais de linha e coluna são incluídos na tabela de contingência para
facilitar a análise.
392
Exemplos
No exemplo, vemos uma tabela de contingência para a análise da eficácia da ciclosporina.

Esta, é uma droga imunossupressora, da classe dos inibidores de calcineurina, isolada
do fungo Tolypocladium inflatum. A ciclosporina suprime as reações imunológicas que
causam rejeição de órgãos transplantados, reduzindo a probabilidade de rejeição, com a
vantagem de não apresentar os efeitos colaterais indesejáveis de outras drogas usadas para
esse fim. A ciclosporina tornou-se disponível em 1979, possibilitando o retorno às
atividades de transplante anteriormente abandonadas. Como resultado do uso da
ciclosporina, as cirurgias bem-sucedidas de transplantes tornaram-se corriqueiras.
Mas quando foi descoberta em 1972, a droga precisou passar por um processo de estudo
até ser liberada para o seu uso em 1979. No slide, podemos ver uma pequena parte deste
estudo em que os resultados foram expressos por meio de uma tabela de contingência e
um gráfico de barras. Pela tabela, é possível verificar com a droga, 59,46% dos tratados
lograram êxito, enquanto com o placebo, apenas 32,35%. Ou seja, pela tabela fica clara a
eficiência da droga.
A mesma informação, está disponível no gráfico de barras.
393
Exemplo antibiótico
Antibiótico Infecção
A 12
B 60
C 28
Total 100
Qual é o melhor antibiótico?
Um centro de cirurgia clínica pretende fazer mudanças no nível de infecções pós-

cirúrgicas. Era um procedimento padrão administrar antibióticos antes da cirurgia para
evitar infecções. Eles fizeram algumas mudanças para assegurar que os antibióticos
fossem dados na hora mais oportuna. Em seguida eles focalizaram em que tipo de
antibiótico seria mais eficaz.
Eles executaram um ciclo para analisar alguns dados históricos de 100 pacientes que
tinham desenvolvido infecções após a cirurgia. Para cada paciente foram registradas
algumas informações demográficas, assim como o tipo de antibiótico que foi
administrado. Das 100 pessoas que desenvolveram infecções, 12 receberam antibióticos
A, 60 antibiótico B e 28 antibiótico C. Uma análise superficial desses dados poderia
sugerir que B não foi muito eficaz e que o centro deveria mudar para o antibiótico A.
Entretanto, uma análise cuidadosa requer que se descubra se as mesmas porcentagens são
encontradas para pacientes que não desenvolvem infecções. Os dados completos estão na
tabela de contingência. Os pacientes da amostragem que receberam C tinham uma chance
muito menor de desenvolver uma infecção. A equipe decidiu executar um teste para os
próximos três meses usando o antibiótico C, que ao final do período, mostrou-se uma boa
escolha.
394
Resumo: tabela de contingência
Agora, gostaríamos de saber se você aprendeu sobre

tabela de contingência. Por isto, respondam:
 O que são?
 Quando utilizar?
 Como fazer?
Uma tabela de contingência é uma representação tabular da relação entre pares de

variáveis. Os gráficos de dispersão mostram a relação graficamente enquanto que as
tabelas de contingência ilustram a relação numericamente. A tabela de contingência
focaliza em categorias ou agrupamentos de dois fatores ou variáveis de interesse.
As tabelas de contingência também podem ser desenvolvidas para taxas e outras medidas.
As tabelas de contingência são úteis para determinar o efeito da interação que duas
variáveis têm nas contagens ou estatísticas de resumo no corpo da tabela.
395
Agora é sua vez...
Selecione duas variáveis de interesse em um

processo em que você trabalhe. Desenvolva uma
tabela de contingência para essas duas variáveis.
Colete dados do processo para completar a tabela,
396
Agora é sua vez...
1. Considere os dados sobre os tempso de dowload de

três provedores no arquivo AULA com MINITAB.mpj,
worksheet “25 provedor_estrat”. Qual provedor é mais
rápido?
2. Pediu-se a um grupo de gerenciamento de projeto que
estudasse e melhorasse o sistema de entrega de
projetos. Leia a descrição do exercício na apostila e
encontre focos de mudança por meio de gráficos de
dispersão. Os dados estão no arvquivo 08
Ativ_gerenc_projetos.mtw.
397
Agora é sua vez...
1. Gorjeta em restaurante pode ser influenciada por

muitos fatores incluindo o tipo de restaurante, tamanho,
localização da mesa, etc. Leia a descrição do exercício
na apostila. Alguma variável explica o aumento da
gorjeta? Os dados estão no arquivo 20
Ativ_Gorjeta.mtw.
2. Leia a descrição do exercício na apostila e responda às
perguntas propostas. Sobre qual evento histório os
dados do arquivo Ativ_evento historico.mtw se
referem?
398
Planejamento de Experimentos
“Todos os experimentos são planejados, porém os que dão errado são

mal planejados e os que dão certo, bem planejados”
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...
Origem Agrícola 1918 – 1940s

• R. A. Fisher e seus colegas
• Profundo impacto na ciência agrícola
• Design Fatorial e Anova
Primeira era industrial 1951 – 1970s

• Box & Wilson, Superfície de Resposta
• Aplicação nas indústria químicas e em processos industriais
Seguda era indústria – 1970s – 1990

• Iniciativa de melhoria da qualidade em várias empresas
• TQM torna-se meta de várias empresas
• Taguchi e o Design de parâmetro robusto
Era moderna – 1990s – hoje

• Globalização e competição econômica estão tornando todos os
setores econômicos mais competitivos
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...
Como saber qual o

melhor provedor de
acesso à internet de sua
região?
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?
Uma empresa resolve testar dois provedores, A e B. Dez

downloads do mesmo pacote são realizados com o
provedor A e B num dia normal de operações. Os dados
comparativos entre os dois provedores estão na figura
abaixo
O que se pode concluir com o experimento?
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
◉Variável resposta ◉Experimento

◉Fator ◉Erro experimental
◉Nível de um fator ◉Replicação
◉Tratamento ◉Aleatorização
◉Variáveis de bloco ◉Blocagem
◉Variáveis de ruído ◉Repetição
◉Unidade experimental
◉Bloco
◉Efeito
◉Plano experimental
◉Corrida experimental
Antes de começarmos a discutir experimentos, é importante alinharmos algumas

definições que servem como base para o estudo dos experimentos. São elas:
Variável resposta: uma variável observada ou medida em um experimento – resultado
do experimento
Fator: variável que é deliberadamente mudada para observar seu efeito na variável
resposta
Nível de um fator: os valores escolhidos para esses fatores nos quais se conduz o
experimento
Tratamento: uma condição experimental ou um procedimento cujos efeito se deseja
medir. Uma combinação de níveis de fatores, ou simplesmente, pode-se utilizar uma
analogia com receita. Dizemos que o tratamento é uma “receita” para se fazer o
experimento.
Variáveis de bloco: variáveis que potencialmente afetam a variável resposta. Mas que
não é de interesse medir seu efeito. Devem ser controladas por meio de técnicas
experimentais para que seu efeito seja removido do erro experimental
Variáveis de ruído: variáveis que afetam a resposta, mas que são desconhecidas ou que
são conhecidas, mas que não podem ser controladas no experimento
Unidade experimental: porções de material ou indivíduos em que os tratamentos são
comumente aplicados
Bloco: grupo de unidades experimentais homogêneas, usualmente definidas por variáveis
de bloco. Espera-se que a variabilidade entre unidades experimentais do mesmo bloco
seja menor que a variabilidade entre todas as unidades experimentais
Efeito: mudança na variável resposta que ocorre quando se mudam os níveis de um fator
Plano experimental: arranjo de níveis de fatores e de variáveis de bloco
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
Xp+1 Xp+2 x p+q
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
Variáveis não controláveis
A figura representa um modelo geral para um processo ou sistema e como os itens se

encaixam. Consegue se verificar os diversos fatores de entrada (inputs), as variáveis não
controláveis que se dividem em variáveis de bloco e de ruído, os fatores de processo e a
saídas. Por meio do modelo, fica fácil enxergar quais são os fatores cujo comportamento
desejamos aprender mais, quais são os parâmetros de entrada, quais as variáveis não
controláveis, mas que são importantes medirmos e a variável resposta.
Por meio das alterações intencionais nos fatores de processo, conseguiremos alterar o
valor da variável resposta e assim, aprendermos mais sobre os impactos dos fatores e das
variáveis de ruído na variável resposta. Com este aprendizado, fica mais fácil propormos
mudanças no processo ou no sistema que o levarão para o patamar de desempenho que
desejamos alcançar.
407
Princípios básicos para a análise
Análise A análise e interpretação dos resultados deve estar conectada

ao conhecimento atual dos experts no assunto que está
sendo tratado
As condições de aplicação dos resultados serão, em geral,

diferente das condições do estudo. A participação dos experts
no assunto é fundamental para avaliar a magnitude e o
impacto dos efeitos observados
Métodos de análise devem ser fortemente baseados em

gráficos
408
Como fazer experimentos?
Passos Defina o problema

Escolha os fatores e seus níveis
Selecione a(s) variável(eis) resposta
Escolha o plano experimental
Execute o plano experimental
Analise os dados e interprete os resultados
Prepare um relatório
Execute as ações recomendadas
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?
Fatores Níveis Respostas

(variáveis) (ajustes) (saídas)
Forno
Açúcar
Fermento
Características:
Ovos  Sabor
 Consistência
 Cor
No último slide, falamos sobre os passos para planejarmos um experimento. Para

consolidar o conceito, eis aqui um exemplo de experimento de um bolo. Dona Mafalda,
gostaria de fazer um bolo bem gostoso para impressionar seu neto. Diante deste problema,
ela começou a elaborar o seu experimento.
 Problema: elaborar um bolo gostoso para seu neto
 Fatores: temperatura do forno, quantidade de açúcar, quantidade de fermento e
quantidade de ovos. Como níveis, ela adotou temperatura de 180 e 240 graus Celsius,
duas colheres e três colheres de açúcar, 5 g e 10 g de fermento e 2 e 3 ovos. Dona
Mafalda definiu um experimento com 4 fatores, sendo que cada fator será testado em
2 níveis
 Variável resposta: nota, de 0 a 10, para o sabor do bolo medida pelas amigas da Dona
Mafalda.
410
Experimento Fatorial
O experimento certo para estudar o impacto de dois ou mais fatores numa

variável resposta
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
Fatores Níveis Respostas

(variáveis) (ajustes) (saídas)
Forno
Açúcar
Fermento
Características:
Ovos  Sabor
 Consistência
 Cor
Em muitas situações é comum a necessidade de estudar o efeito de diversas variáveis de

entrada ou de processo (fatores) em uma variável de output (variável resposta). No caso
do bolo da Dona Mafalda, ela quer estudar o efeito de 3 variáveis de entrada (açúcar,
fermento e ovo) e de uma variável de processo (temperatura do forno) no sabor do seu
bolo. Para isto, Dona Mafalda sabe que os experimentos fatorais são o tipo de
experimento certo a se fazer.
Porém, antes de começar seus experimentos, a Dona Mafalda aproveita para consultar os
dados históricos do processo por meio de seu livro de receitas e de suas amigas. Seu
objetivo com isto, é descobrir quais os ajustes corretos de ovo, açúcar, fermento e
temperatura ela precisa utilizar para que o bolo tenha o sabor nota 10. Porém, depois de
ligar para algumas amigas ela descobriu que esta abordagem tem limitações.
Dona Maria, sua amiga mais próxima, ao passar a receita de seu bolo, esqueceu de dizer
que ele também era adoçado com mel. Por isto, quando Dona Maria informou que seu
bolo “Light” utilizava apenas uma colher de açúcar. E como Dona Mafalda descobriu este
problema? Ela fez o bolo com apenas uma colher do confeito e seu sabor obteve a nota 2,
o que não era a nota 10 que ela desejava.
Após pensar um pouco, Dona Mafalda viu que esta pesquisa tinha algumas limitações,
pois:
 Nem todas as variáveis (X’s) foram medidas;
 Não permite estabelecer relação de causa e efeito mesmo que exista correlação com a
variável resposta;
 As variáveis de ruído impactam o resultado da variável resposta e nem sempre estas
são medidas;
 Geralmente será necessário obter dados corretos e confiáveis para alcançar os
resultados desejados;
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
Ao se fazer mudanças em um processo, é preciso assumir uma postura de aprendizado, e

o PDSA é a estrutura mais adequada para potencializar o aprendizado. Para executá-lo,
devemos:
 Planejar o experimento para responder questões específicas necessários para se
resolver o problema (como o sistema funciona ou quais são as causas que geram
determinados efeitos). Para estas questões, elaboram-se predições fundamentadas na
teoria dos envolvidos. Elaboradas as predições, registra-se quais indicadores serão
necessários coletar para responder as perguntas e validar, ou não, as predições. Em
seguida, descreve-se o passo a passo para a execução do experimento;
 O plano é executado e dados são coletados;
 Os dados são analisados para ver como os resultados reais se comparam à teoria
(conhecimento atual);
 Conclusões são tiradas da análise e um plano de ação é elaborado, para que o problema
inicial seja resolvido.
Esse processo faz com que:
 A crença nos conhecimentos atuais cresça (caso os dados obtidos estejam de acordo
com a teoria);
 Sejam realizadas modificações na teoria atual ou o desenvolvimento de nova teoria
(caso os dados obtidos não estejam de acordo com a teoria).
 O aprendizado obtido conduz a ações apropriadas com o objetivo de melhorar o
produto ou processo;
De maneira resumida, o PDSA para apoio do DOE deverá abranger:
 Plan
 Estabelecer o objetivo do experimento
 Formular as questões que se pretende responder
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
Uma empresa, fabrica helicópteros de papel. Seus clientes,

desejam que o helicóptero gire enquanto caia e permaneça o
maior tempo possível em voo. Atualmente, os clientes reclamam
que o concorrente fabrica um helicóptero que voa o dobro do
tempo. Seu desafio é virar este jogo!
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
Uma estratégia muito utilizada para realizar experimentos

é variar um fator de cada vez. Com esta estratégia, iremos
realizar 10 experimentos, para poder variar todos os
fatores possíveis.
Essa estratégia consiste em:

 Selecionar uma determinada combinação de níveis dos fatores (baseline);
 Escolher um fator. Variar os níveis desse fator mantendo os níveis dos outros fatores
fixos;
 Verificar qual nível do fator que foi alterado produz o melhor resultado;
 Fixar esse nível para o fator;
 Escolher outro fator;
 Variar os níveis desse fator mantendo os níveis dos outros fatores fixos;
 Verificar qual nível do fator que foi alterado produz o melhor resultado;
 Fixar esse nível para o fator;
 Repetir esse processo para todos os fatores para encontrar a melhor combinação.
418
Estratégia 1
Plano de Ação da Estratégia 1
1.Fixe o Comp da Asa em 3 e varie a 1.Fixe a Larg do Corpo em 5 e varie

Larg do Corpo o Comp da Asa
2.O melhor valor para a larg do corpo 2.O melhor valor para o Comp da
é5 Asa é 6
Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo
5 1,7 3 1,7
3 5
8 1,5 6 2,0
Melhor 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
Plano de Ação da Estratégia 1
1.Fixe a Larg do Corpo em 8 e varie 1.Fixe a Comp da Asa em 3 e varie a

o Comp da Asa Larg do Corpo
2.O melhor valor para a Comp da 2.O melhor valor para Larg do Corpo
Asa é 3 5
Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo
3 1,5 5 1,7
8 3
6 1,2 8 1,5
Melhor 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
 Problemas com essa estratégia

 Para que essa estratégia funcione (encontrar a melhor
combinação dos níveis dos fatores) é necessário que os
efeitos dos fatores sejam aditivos
 Mesmo que os efeitos sejam aditivos, essa estratégia é
ineficiente
 Caso haja interações entre os fatores, essa estratégia
não consegue identificá-las e estimá-las
 A melhor forma de conduzir experimentos é por
meio da técnica de Experimentos Fatoriais
A tentativa de obtenção de máximo rendimento por cada componente individual do

sistema não necessariamente leva ao rendimento máximo do sistema. Langley et al
(2011) afirmam que “pessoas em sistemas normalmente trabalham para propósitos
distintos, todas tentando otimizar seu próprio sistema. Tomar medidas que ajudem as
pessoas a pensarem em si mesmas como parte do mesmo sistema pode dar-lhes um
propósito comum e constituir uma base para otimizar o sistema maior”. Deming (2003),
por sua vez, afirma que “a implementação de melhorias pode demandar testes
simultâneos para dois ou mais fatores, com a utilização de métodos estatísticos
adequados. Quando executados separadamente, testes para dois ou mais fatores podem
negligenciar a interação dos fatores entre si. Um exemplo comum seria a ingestão
simultânea de bebidas alcoólicas e ansiolíticos. O resultado dessa mistura é a perigosa
exacerbação dos efeitos de ambas as substâncias”.
No exemplo do helicóptero há interação entre largura do corpo e comprimento da asa.
Para um comprimento de asa, há uma largura melhor. Por exemplo, se a largura do corpo
for 8, o melhor comprimento de asa será 3. Agora, se a largura for 5, o melhor
comprimento será 6. Percebe que há uma interação entre os fatores comprimento de asa
e largura de corpo? E, como queremos o melhor ajuste do helicóptero, precisamos
encontrar a melhor relação comprimento corpo? O helicóptero de comprimento da asa de
6 e largura do corpo 5 tem um tempo de voo de 2 segundos, já o helicóptero com
comprimento de 3 e largura do corpo de 8, terá um tempo de voo de 1,5.
Para não incorrermos neste tipo de erro, a melhor forma de conduzir nossos experimentos
é por meio dos Experimentos Fatoriais.
Tal técnica foi desenvolvida pelo brilhante Ronald Fisher quando foi contratado por Sir.
John Russel para trabalhar na Estação Experimental Agrícola de Rothamsted, criada por
um fabricante britânico de fertilizantes. O solo argiloso não era bom para nenhum tipo de
planta, mas os donos tinham descoberto como combinar pedras esmagadas com ácido
para produzir o que se conhecia como Superfosfato. Os lucros da produção deste produto
foram utilizados para a criação de uma estação experimental a fim de desenvolver novos
fertilizantes artificiais.
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
Introdução Determinar quais serão os fatores a serem estudados e

seus respectivos níveis e a variável resposta
Um experimento fatorial é completo quando todas as

combinações dos níveis dos fatores estão presentes no
experimento
Vamos estudar somente experimentos fatoriais com n
fatores e cada fator com apenas dois níveis
Essa classe de experimentos é denotada por 2n e é

chamada de fatoriais 2n
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
X1; X2; X3; X4; ...Y

X1 = a1; b1
Identificar os fatores, os níveis e a X2 = a2; b2
variável resposta ...
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
Algumas definições importantes para entendermos os experimentos fatorais:

 n fatores com dois níveis cada
 Fatores: A, B, ...
 Codificação dos níveis
 Níveis: {+ , -} ou {0 , 1} ou {1 , 2}
 Tratamento
 Qualquer combinação de níveis dos fatores

Exemplo: 22
 Fatores: A e B
 Tratamentos: {- - , - + , + - , + +}
É importante se destacar que a escolha do que é um nível superior ou inferior é
arbitrária e do experimentador. Os níveis podem ser variáveis numéricas ou
categóricas. Em um experimento que visa aferir os efeitos das combinações de corantes
sobre a cor final de um plástico produzido em uma fábrica, podem ser atribuídos valores
numéricos às cores finais, obtidos por uma técnica analítica, ou apenas valores
categóricos. O experimentador poderia definir o nível + como a cor preta, o nível – como
a cor branca, e o valor central como a cor cinza (ou não definir nenhum valor central).
Em outro estudo, que vise aferir os efeitos das ferramentas de corte sobre a presença de
riscos em um piso cerâmico produzido em certa fábrica, o nível + poderia ser definido
como a ausência de riscos e, o nível -, como a presença de riscos.
425
Análise
Nos experimentos fatoriais, precisamos analisar:
◉ Efeitos principais
◉ Efeitos da interações
Para encontrar o efeito:

 Toma-se a média aritmética de todos os valores Y de variável resposta para os quais
o nível seja +;
 Subtrai-se deste valor a média aritmética de todos os efeitos para os quais o nível
seja -;
 O valor obtido é o efeito desejado. Caso a média dos níveis - seja maior que a dos
níveis +, o valor encontrado será negativo.
Ao fim do experimento, é possível comparar, em um gráfico de Pareto, a intensidade

relativa de cada efeito e qual (ou quais) são de fato significativo (s) para a resposta
analisada. O gráfico de Pareto também revela se existe realmente interação entre os
fatores. Para encontrar a combinação de fatores que maximiza o resultado da
variável resposta, pode ser feita a avaliação dos resultados obtidos para os níveis, bem
como é possível construir diagramas de interação, que permitem uma visualização mais
rápida e um maior grau de aprendizagem.
Apesar de aparentar ser um procedimento bastante complexo, a execução e análise do
fatorial pode ser bastante otimizada pelo uso de ferramentas computacionais. Será
mostrado, a seguir, um estudo de caso real com um guia de como proceder utilizando o
Minitab® 17. Este software possui diversos recursos: gera a matriz de experimentos, pode
criar uma ordem aleatória para a realização deles, e é capaz de construir gráficos de
Pareto, diagramas de interação, fornecer os valores da análise acima e sugerir a melhor
receita de fatores (receita campeã).
426
Análise efeitos principais: Helicóptero
 Calculo do efeito do fator A 1.7

Main Effects Plot
 YA(+)= (1.6 + 1.8)/2 = 1.7 1.6
 YA(-) = (1.2 +1.2)/2 = 1.2
Mean of y4
1.5
1.4
 Efeito de A = [1.7 – 1.2] = 0.5 1.3
 O efeito do fator A pode ser 1.2
-1 1
mostrado graficamente
A
Trat Comp Asa (A) Larg do Corp (B) Tempo

1 - - 1.2
2 + - 1.6
3 - + 1.2
4 + + 1.8
Observe que o efeito de um fator 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
 Calculo do efeito do fator B

 YB(+)= (1.2 + 1.8)/2 = 1.5
 YB(-) = (1.6 +1.2)/2 = 1.4
 Efeito de A = [1.5 – 1.4] = 0.1
 O efeito do fator B pode ser
mostrado graficamente
Trat Comp Asa (A) Larg do Corp (B) Tempo

1 - - 1.2
2 + - 1.6
3 - + 1.2
4 + + 1.8
Observe que o efeito de um fator 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
 Considere novamente o Comp Larg

Trat AB Tempo
exemplo (A) (B)
 Efeito de A para B=(+)
1 - - + 1.2
 AB=(+) = 1.8 – 1.2 = 0.6
 Efeito de A para B=(-) 2 + - - 1.6
 AB=(-) = 1.6 – 1.2 = 0.4
3 - + - 1.2
 Interação de A com B
 AB = (AB=(+) - AB=(-))/2 4 + + + 1.8
 = (0.6 – 0.4)/2 = 0.1
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
Interaction Plot Interaction Plot
2.00 A 2.00 A
-1 -1
1 1
1.75 1.75
Mean
Mean
1.50 1.50
1.25 1.25
1.00 1.00
-1 1 -1 1
Sem Interação B Interação moderada B
Interaction Plot Interaction Plot
2.00 A 2.00 A
-1 -1
1 1
1.75 1.75
Mean
Mean
1.50 1.50
1.25 1.25
1.00 1.00
-1 1 -1 1
Interação moderada B Interação forte B
Ao analisar o gráfico, podemos verificar:

 Quando não há interação as retas são praticamente paralelas
 Quando as retas são significativamente não paralelas, há interação
No primeiro gráfico, observamos que as retas são paralelas, ou seja, sem interação. No
segundo e no terceiro gráficos, podemos observar uma interação moderada, pois as retas
não são paralelas, mas também não se cruzam nos níveis analisados. O cruzamento, ou
seja, a forte interação ocorre apenas no quarto. Neste último é possível observar que se
utilizássemos uma estratégia como a primeira adotada no exemplo do helicóptero e
variássemos apenas um parâmetro por vez, teríamos problemas.
430
Exercício
Veloc Avanço V_cod A_cod Acabamento
100 4 -1 -1 216
120 4 1 -1 221
100 6 -1 1 235
120 6 1 1 223
Calcular: Fazer:
1. Efeito de Veloc 1. 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
Um experimento foi realizado para avaliar o efeito de

Temperatura (T), Pressão e Catalisador no rendimento de
uma reação química. Foram utilizados dois níveis de cada
fator:
Temperatura: 160º, 180º
Concentração: 20%, 40%
Catalisador: A, B.
Foi realizado um experimento fatorial completo, perfazendo
um total de 8 rodadas experimentais
433
Fatorial 2³: Exemplo
Rodada T: Temp (oC) C: Conc (%) K: Catal Y: Rend Média T C K TC TK CK TCK Y

(gramas)
+ - - - + + + - 60
a. Níveis dos Fatores
+ + - - - - + + 72
1 160 20 A 60 + - + - - + - + 54
2 180 20 A 72 + + + - + - - - 68
3 160 40 A 54
4 180 40 A 68
+ - - + + - - + 52
5 160 20 B 52 + + - + - + - - 83
6 180 20 B 83 + - + + - - + - 45
7 160 40 B 45 + + + + + + + + 80
8 180 40 B 80
8 4 4 4 4 4 4 4  divisor
b. Níveis Codificados
1 - - - 60
2 + - - 72
3 - + - 54 72 + 68 + 83 + 80 60 + 54 + 52 + 45
4 + + - 68 T= - = 23
5 - - + 52 4 4
6 + - + 83
7 - + + 45 54 + 68 + 45 + 80 60 + 72 + 52 + 45
8 + + + 80 C= - = -5
Temperatura (oC) Concentração (%) Catalisador 4 4
- + - + - +
160 180 20 40 A B
52 + 83 + 45 + 80 60 + 72 + 54 + 68
K= - = 1.5
4 4
434
Calculo dos efeitos fatoriais
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
No fatorial 2³ no exemplo, é possível verificar a interação moderada entre o catalisador e

a temperatura. No gráfico dos efeitos principais, destaca-se a temperatura como fator que
mais impacta no rendimento (variável resposta). Apesar dos outros fatores também
impactarem no rendimento, eles são menos importantes. Pelos gráficos, fica fácil entender
o impacto de cada fator e a interação entre eles.
435
Análise dos efeitos
Os efeitos significantes são aqueles que tem comprimento

destacado em relação aos demais (efeito de Pareto)
Pareto Chart of the Standardized Effects Normal Plot of the Standardized Effects
(response is Rend) (response is Rend)
F actor N ame 99
F actor N ame
A Temp
A B C onc
A Temp
B C onc
C C atal 95
C C atal
AC 90 A
80
B AC
70
AB
Percent
60
Term
AB 50 C
40 A BC
C 30
20
ABC 10 B
5
BC
1
0 2 4 6 8 10 12 14 16 18 -5 0 5 10 15
Standardized Effect Standardized Effect
Após calcular os efeitos fatoriais (efeitos principais e interações) é preciso responder à

seguinte pergunta: quais efeitos são significantes? Embora o resultado do cálculo dos
efeitos seja geralmente um número diferente de zero, é preciso verificar se esse número
é significativamente diferente de zero. A ferramenta de análise gráfica utilizada para
responder essa questão é o Gráfico de Pareto dos Efeitos.
Inicie a análise pelas interações, perguntando-se: há alguma interação significante?
 Quando a interação de dois fatores é significante, a análise dos efeitos dos fatores na
variável resposta deve ser feita em conjunto através do gráfico da interação
 Nesses casos não se analisa os efeitos principais isoladamente
Para os efeitos que não interagem, a análise de cada fator é feita isoladamente por meio
do gráfico dos efeitos. O objetivo da análise dos efeitos é:
 Identificar quais fatores são significantes
 Encontrar a melhor combinação dos níveis dos fatores em função do objetivo do
experimento, a fim de otimizar o rendimento
No exemplo, a interação Temp*Catal e a Conc são significantes (Observe: como a
interação Temp*Catal é significante, e por isto, não vamos analisar os fatores Temp e
Catal separadamente)
436
Exemplo Fatorial 24
Um experimento foi realizado para estudar o efeito de

quatro fatores no rendimento de uma reação química. Os
fatores estudados com respectivos níveis estão na tabela
abaixo.
A variável resposta foi a porcentagem de conversão
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
Carga Temp Pressao Conc % Conv ord aleat

Catal
10 220 50 10 70 8
15 220 50 10 60 2
10 240 50 10 89 10
15 240 50 10 81 4
10 220 80 10 69 15
15 220 80 10 62 9
10 240 80 10 88 1
15 240 80 10 81 13
10 220 50 12 60 16
15 220 50 12 49 5
10 240 50 12 88 11
15 240 50 12 82 14
10 220 80 12 60 3
15 220 80 12 52 12
10 240 80 12 86 6
15 240 80 12 79 7
438
Exemplo Fatorial 24
A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD % Conv

- - - - + + + + + + - - - - + 70
+ - - - - - - + + + + + + - - 60
- + - - - + + - - + + + - + - 89
+ + - - + - - - - + - - + + + 8+
- - + - + - + - + - + - + + - 69
+ - + - - + - - + - - + - + + 62
- + + - - - + + - - - + + - + 88
+ + + - + + - + - - + - - - - 8+
- - - + + + - + - - - + + + - 60
+ - - + - - + + - - + - - + + 49
- + - + - + - - + - + - + - + 88
+ + - + + - + - + - - + - - - 82
- - + + + - - - - + + + - - + 60
+ - + + - + + - - + - - + - - 52
- + + + - - - + + + - - - + - 86
+ + + + + + + + + + + + + + + 79
8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 ←Divsor
439
Exemplo Fatorial 24
Efeito fatorial Estimativa

Carga Catal -8.000
Temperatura 24.000
Pressao -0.250
Conc -5.500
Carga Catal*Temperatura 1.000
Carga Catal*Pressao 0.750
Carga Catal*Conc -0.000
Temperatura*Pressao -1.250
Temperatura*Conc 4.500
Pressao*Conc -0.250
Carga Catal*Temperatura*Pressao -0.750
Carga Catal*Temperatura*Conc 0.500
Carga Catal*Pressao*Conc -0.250
Temperatura*Pressao*Conc -0.750
Carga Catal*Temperatura*Pressao*Conc -0.250
440
Exemplo Fatorial 24
441
Exemplo Fatorial 24
Main Effects Plot (data means) for % Conversao Interaction Plot (data means) for % Conversao
77 Temperatura
85
220
76 240
80
75
Mean of % Conversao 74 75
73
Mean
70
72
71 65
70
60
69
55
68
10 15 10 12
Carga Catal Conc
Recomendação: Usar a Carga de Catalisador em 10 lb e

Temperatura 240º. A Pressão e a Concentração devem
ser escolhidas em função de custo e segurança
442
Exercícios
Experimento realizado para estudar o efeito de quatro

fatores no rendimento de uma reação química.
A variável resposta foi a porcentagem de conversão.
443
Exercícios
Experimento realizado para testar uma resina nova (mais

barata) proposta pelo fornecedor pode substituir a utilizada
na formulação e uma tinta automotiva.
A variável resposta foi a dureza da tinta.
Podemos substituir o fornecedor?
444
Exercícios
Objetivo: desenvolver uma tinta automotiva com uma

formulação que comtemple duas variáveis respostas
aparentemente discordantes: dureza (QMM) e flexibilidade
(Qmm) (quando uma fórmula tem boa dureza sua
flexibilidade é ruim e vice-versa).
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
O que significa testar uma mudança?
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
◉ “Implementar” significa incorporar uma mudança

nas atividades do dia a dia.
◉ Testes são utilizados para avaliar se as mudanças
realmente funcionam ou não.
• Falhas são esperadas
• Lições são aprendidas
Mas afinal, o que é uma mudança?
449
A mudança é uma predição
◉ Está implícito em cada mudança uma predição

de que a mudança resultará em melhoria
◉ Uma predição é:
• Realizada em resposta a uma questão;

• Baseada em uma teoria.
• Usualmente estabelecida em termos de um indicador
450
A mudança é uma predição
• Dados coletados no Measure

Teoria • Análises feitas no Analyze
Estado Mudança Estado

atual futuro
• Testes utilizando o ciclo PDSA

• Construção gradual da convicção de Medição
que as mudanças são melhorias
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:
• Medida de quão seguro se está com a predição;

• Avalia se uma mudança resultará em uma melhoria no futuro.
• Depende de dois fatores:
• Evidência que fornece suporte à predição;
• Similaridade entre as condições da evidência e as condições em
que predição se aplica.
◉ Resultados dos testes ≠ Predição podem levar a

reformulação da teoria;
◉ Mudança do modelo tentativa e erro para o modelo
tentativa e aprendizado.
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
◉ Aumentar o grau de convicção de que a mudança resultará em

melhoria
◉ Decidir entre diversas mudanças propostas, qual resultará na

melhoria pretendida
◉ Avaliar o impacto da mudança nos indicadores
◉ Decidir se a mudança proposta funcionará no ambiente de

interesse
◉ Decidir que combinações de mudanças terá o efeito desejado nos

indicadores
◉ Avaliar custos, impacto social e efeitos colaterais das mudanças

propostas
453
Objetivo dos testes
Alto Uma mudança

vitoriosa
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
Alternativas para se gerar convicção
COMO TESTAR MUDANÇAS

Estruturar um teste pode nem sempre ser uma tarefa fácil. Nos próximos slides, iremos
apresentar algumas formas padronizadas de se planejar estudos para testar mudanças.
455
Tipos de Estudos
Temos basicamente dois estudos mais frequentes

quando queremos testar mudanças:
◉ Testes do tipo “antes e depois”
◉ Comparação simultânea.
456
Antes e Depois
◉ Base de comparação histórica;
◉ 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
Considere o tipo Antes e Depois quando:

• Os dados encontram-se disponíveis ou podem ser coletados antes da mudança;
• Há pequena ameaça de eventos externos ocorrerem ao mesmo tempo em que é
realizada uma mudança;
• Os dados serão coletados por um longo período de tempo após a realização da
mudança;
• Grandes melhorias são esperadas;
• Grupos necessários para a comparação simultânea não podem ser isolados.
457
Comparação Simultânea
◉ Comparação Simultânea:
• Duas ou mais alternativas são comparadas ao mesmo

tempo, mesmo espaço ou sob outras condições
similares
• Usar aleatorização
Variable
35 Nov o
A ntigo
30
25
Data
20
15
10
2 4 6 8 10 12 14 16 18 20 22 24
Index
Considere o tipo Comparação Simultânea quando:

• Duas ou mais alternativas estão sendo testadas;
• Uma alternativa está sendo testada, mas eventos externos podem atrapalhar a
interpretação dos resultados (formam-se dois grupos: sistema atual x grupo
sendo testado);
• Deseja-se acrescentar condições diversas durante o teste (planejamento de
grupos).
458
Principios para a realização de testes
O que devemos saber para fazer bons testes de mudança
459
Princípios para a realização de testes
◉ Construir o conhecimento sequencialmente:

• Testar em pequena escala:
• Grau de convicção x Riscos de falha.
• Usar múltiplos ciclos:
• Conhecer o sistema quando afetado por mudanças sob diferentes
condições.
◉ Aumentar a habilidade de predizer os resultados do

teste:
• Colete dados ao longo do tempo;
• Teste sob uma ampla gama de condições
• Use de grupos planejados.
• Use amostragem estratificada
460
Escala e Escopo
◉Escala se refere ao período ou número de eventos incluídos em um ciclo,

tais como encontros com clientes. Quanto você aumenta a escala do teste de
mudança você está pensando sobre mais (mais clientes, mais tempo, mais
eventos).
◉Escopo, por outro lado, refere-se à variedade de condições em que o teste

ocorre. Quando você muda o escopo de seu teste, está pensando sobre
diferenças (diferentes clientes, diferentes períodos de tempo, diferentes
funcionários).
◉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
Grau de convicção na mudança
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
Quais mudanças testar primeiro?
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
Muitas vezes a equipe de melhoria desenvolver uma série de mudanças na fase do

Analyze e não possui nem tempo nem recursos suficientes para testar e amadurecer todas
elas durante a fase do Improve. Para resolver esse problema, a equipe precisa desenvolver
uma maneira de escolher entre as mudanças possíveis e priorizar as que tem mais chance
de sucesso.
Uma forma de fazer isso é pesar o esforço e o ganho potencial (impacto) de cada uma das
mudanças. Podemos fazer isso através do uso de uma Matriz de Priorização chamada
Matriz de Impacto/Esforço. Para preenche-la, damos uma nota para o Impacto potencial
de uma mudança e outra para o esforço relacionado com o seu ciclo de testes e sua
posterior implementação. Em outras palavras:
• Impacto refere-se ao quanto esta possível ação pode ser a solução do problema;
• Esforço refere-se ao tempo gasto, ao investimento necessário e ao prazo de
implementação da solução para aquela ação levantada;
A escala pode ser uma nota de 0 a 10 ou de 1 a 5. Em seguida, a equipe coloca todas as
opções em uma matriz como a apresentada no slide e decide por qual começar. No
exemplo do slide, podemos dizer que a proposta 1 é a mais interessante para começarmos
os testes.
464
Matriz de Impacto/Esforço
◉ Algumas perguntas para conduzir a avaliação do

impacto
• Os clientes notarão um benefício imediato?
• A Mudança causará um alívio nas pessoas que utilizam os
resultados desse processo?
• Essa mudança irá causar impacto nas maiores fontes de problemas
identificadas nas fases anteriores do projeto?
◉ Algumas perguntas para conduzir a avaliação do esforço

• Será necessário muito treinamento para que a mudança seja
implementada
• Nós temos recursos para implementar a mudança
(monetários/equipamentos/conhecimentos)?
• A resistência das pessoas à mudança será muito grande?
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
Como podemos incorporar as mudanças no processo?
ABORDAGENS DA IMPLEMENTAÇÃO
468
Estratégias de implementação
◉ A implementação poderá ser executada em uma

das três maneiras abaixo indicadas, dependendo
dos resultados da fase de Teste do Modelo e do
plano de Implementação:
• Abordagem "Simplesmente Faça"

• Abordagem paralela
• Abordagem seqüencial
Abordagem "Simplesmente Faça"

Use essa abordagem para implementar mudanças simples com riscos mínimos. Os ciclos
PDSA são úteis para estudar o impacto das mudanças e assegurar que os resultados
previstos serão alcançados.
Abordagem paralela
Use essa abordagem para implementar uma mudança enquanto o sistema antigo ainda
estiver operando. Você pode reduzir alguns dos riscos associados a mudanças
introduzindo o sistema novo em etapas, enquanto vai desativando gradualmente o sistema
existente.
Abordagem sequencial
Use esta abordagem para implementar uma mudança ao longo do tempo ou por local. À
medida que o processo de implementação for progredindo, faça melhorias com base no
que você for aprendendo. Planeje vários ciclos PDSA para conduzir esta abordagem e
incorporar os itens a seguir em sua estratégia:
• Caminho de menor resistência
• Impacto para melhorias maiores
• Aprendizagem potencial
• Disponibilidade e programação de recursos
• Dependência entre locais
469
Desenvolvendo um plano de implementação
Para evitar problemas no final do projeto
PLANO DE IMPLEMENTAÇÃO
470
Plano de Implementação
◉ Ao iniciar a fase de implementação, é importante identificar quem e o quê

será afetado pelas mudanças, bem como onde e quando serão afetados.
◉ O Checklist de implementação pode ser útil na identificação das áreas que

precisam ser abordadas.
◉ A complexidade do seu plano depende, em parte, da extensão das

mudanças que estão sendo implementadas.
◉ É necessário um plano para implementar até mesmo uma pequena

mudança. Caso contrário, você poderá omitir detalhes importantes e
colocar em risco o sucesso da iniciativa de melhoria
◉ O 5W2H é uma técnica a ser considerada para gerenciar atividade

necessárias para a implementação de mudanças
471
5W2H
O que Quem Quando Onde Porque Como Por quanto (How

(What) (Who) (When) (Where) (Why) (How) much)
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
Após a implementação das melhorias, é necessário estabelecer práticas que assegurem

que as mudanças se tornarão procedimentos usuais nos negócios. Muitas empresas fazem
melhorias no trabalho e depois descobrem que as pessoas voltaram à forma antiga de fazer
as coisas ou que algum novo problema foi identificado. A seguir descreve-se os
componentes que precisam ser considerados para implementação e controle das
mudanças.
Padronização:
• Estabelecer práticas e políticas específicas e reconhecidas para servir como um modelo
ou diretriz para um processo.
• As políticas, materiais, métodos e treinamentos documentados costumam ser
chamados de "padrões" ou "melhores práticas".
Documentação
• Registro das mudanças que foram implementadas.
• Organizações dependem da documentação para:
• Entendimento do processo;
• Educação e treinamento de pessoas que operam o processo;
• Comunicar as mudanças a quem se encontra dentro e fora do sistema;
• Fornecer atualizações em tempo real para documentar melhores práticas,
medidas e outras informações importantes de processos ou de produtos.
Uma excelente prática na hora da documentação é a criação de instruções operacionais.
“Instrução operacional”
Conceito:
Orientação sobre a forma de executar uma tarefa.
Objetivo:
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
“Dando-se oportunidade de escolha entre mudar e provar

que não é necessário mudar, a maioria das pessoas prefere
a segunda alternativa”.
John Galbraith
477
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
◉ Para resumir, a mudança deve:

• Ser fisicamente possível;
• Fazer sentido (isto é, ser lógica);
• Fazer com que nos sintamos bem
◉ Antes de dar início a uma mudança, estes três

aspectos devem ser considerados.
◉ A Declaração de Propósitos da organização

sempre proporcionará orientação durante uma
mudança importante.
479
Pontos-chaves relativos a mudanças
◉ Pode ocorrer uma leve melhoria quando as pessoas desenvolvem

hábitos produtivos. Isto não deve ser confundido com nenhuma
mudança básica.
◉ A maioria das “melhorias de processo” na realidade adicionarão

dificuldades imediatamente após a implementação. Paciência e
perseverança são necessárias para adesão a um método
melhorado, até que o mesmo seja bem-sucedido.
◉ A maioria das melhorias desaparecerá sem deixar traços se receber

somente um teste rápido antes da implementação. Este é um ponto
extremamente importante para todos os responsáveis pela
condução de um esforço de mudança. As pessoas precisam de
encorajamento.
480
◉ Um trabalho com poucas operações pode não ser sempre fácil de

ser realizado. Se as operações não forem familiares, podem ser
mais difíceis, mesmo se forem em pequena quantidade.
◉ Para um trabalho que seja completamente novo, é particularmente

difícil ver a melhoria no início. Nestas situações, um treinamento
adequado é recomendável.
◉ As instruções abstratas convidam ao erro e certamente aumentam o

tempo de trabalho. Os gerentes deverão sempre se empenhar para
fornecer instruções concretas quando um novo empreendimento
abstrato está sendo considerado. Para idéias novas e abstratas, a
experiência anterior pode ser um obstáculo.
481
◉ Todas as tarefas têm sua velocidade “mais adequada” para um

dado estado da tecnologia. Os melhores métodos e treinamento
levarão isto em consideração.
◉ A simples divisão do trabalho, se feita sem ponderação, pode

causar aumento das custos e perda de qualidade
◉ Ao dividir o trabalho em tarefas especializadas, deverá ser dado um

cuidado especial na seleção das pessoas que preencherão as
posições especializadas. As preferências das pessoas adquirem
maior importância em tarefas especializadas.
◉ O tempo de ciclo dos processos é afetado pela mudança. Balancear

o processo é a atividade que tem maior efeito no tempo de ciclo.
482
Estrutura, método e cultura
A maioria dos especialistas na introdução

de mudanças diria que a mudança
cultural leva tempo e requer que as
crenças da organização sejam
mudadas. Desafiar diretamente as
crenças ou atitudes frequentemente
criam resistência mais do que suficiente
para bloquear os esforços de mudança.
Para aceitar a mudança, a maioria de
nós precisa compreender a mudança e
saber como ela nos ajuda.
Muitas organizações têm introduzido com
sucesso a mudança ao alterar a estrutura
na qual as pessoas trabalham.
483
Encerramento
Finalizando o projeto de melhoria
ENCERRAMENTO
484
Encerramento
◉ Reconheça o tempo considerável e os esforços

que foram gastos com o projeto.
◉ Registre os aprendizados com a realização do

projeto.
◉ Delegue as responsabilidades pela padronização e

monitoramento às pessoas certas.
Nos primeiros estágios de melhoria da qualidade, as iniciativas de qualidade terminaram

de diversas maneiras:
• Algumas simplesmente se desvaneciam
• Algumas paravam
• Algumas celebravam
Uma empresa experiente em qualidade leva a sério o encerramento do projeto, e
desenvolve um método comum de reter as lições aprendidas e comunicar os resultados
por toda a organização. Reter os sucessos e os erros.
485
Encerramento
◉ A melhoria deve ser contínua, mas as iniciativas

individuais e as equipes de projeto terminam.
◉ Aprenda quando é hora de dizer adeus.
◉ Desenvolva sistemas gerenciais para reter as

lições.
◉ A documentação e reconhecimento são dois

aspectos críticos do encerramento da equipe de
projeto.
Um projeto deve terminar quando:

• O objetivo do projeto foi cumprido.
• Houve melhoria e ficou claro que qualquer progresso adicional irá exigir um novo
esforço inicial.
• A equipe desempenhou bem e obteve sucesso suficiente para se aposentar com
dignidade e orgulho.
486
Checklist de Encerramento
1. Resuma os aprendizados.
2. Finalize a documentação sobre as melhorias.
3. Faça um sumário de planos e recomendações

futuras.
4. Comunique a finalização do projeto.
5. Celebre!
Os slides seguintes tratam de cada um desses itens de modo mais detalhado.
487
Resuma os Aprendizados
◉ Sobre o sistema estudado.
◉ Sobre o Modelo de Melhoria, roteiro DMAIC,

Conceitos, Habilidade e Técnicas.
◉ Sobre o processo de trabalho da equipe.
Sobre seus resultados

Você cumpriu sua missão? O que ajudou sua equipe? O que atrapalhou?
Quais foram as conquistas técnicas ou de negócio?
As melhorias foram padronizadas e feitas à prova de erros? Como as melhorias serão
mantidas? Como foram comunicadas no grupo e entre grupos?
Que outras descobertas você fez? Como elas foram comunicadas no grupo e entre
grupos?
Você usou o ciclo P-D-S-A nas mudanças que fez?
Sobre o processo de trabalho

O que você aprendeu sobre o processo que o surpreendeu?
Quanto de variação havia no processo no início?
488
Finalize a Documentação do Projeto
◉ Faça o Relatório Final

• Ele deve conter seus resultados finais, aprendizados, conclusões e
recomendações
◉ Apresente o documento completo para a:

• Equipe e Liderança
• Pessoas cujas funções estejam mudando como resultado do
trabalho.
• Clientes da mudança.
• Outras pessoas interessadas.
◉ Catalogue e torne a documentação disponível para

todos na Organização.
Procure descobrir como membros individuais da equipe aperfeiçoaram suas habilidades

com essa experiência.
489
Planos Futuros e Recomendações
◉ Faça com que sua equipe discuta as seguintes

questões e compile recomendações para depois
entregar ao seu Patrocinador ou Equipe de
Direção.
• Existem oportunidades para replicar em outras áreas?

• Quais suas recomendações para manter os ganhos já obtidos?
• Quanto de melhoria ainda é necessária para alcançar as metas
estabelecidas inicialmente?
• Que aspectos dos problemas continuam sem ser abordados? Quais desses
são os mais urgentes de serem tratados?
• Em que você e sua equipe gostariam de trabalhar a seguir, se fosse
aprovado pela gerência?
• Onde você acha que a gerência deveria concentrar recursos da próxima
vez
490
Celebração e Reconhecimento
◉ O reconhecimento é um aspecto importante da

celebração e deve reforçar as fontes intrínsecas de
satisfação e motivação. Por exemplo:
• Convidar os membros da equipe para a apresentação do projeto;
• Reconhecer o esforço de todos na realização do projeto;
• Uma pequena lembrança relacionada ao trabalho no projeto;
• Uma pizza para todos que estiveram envolvidos na iniciativa,

inclusive aqueles cujos trabalhos mudaram como resultado da
iniciativa
491

Apostila de Green Belt PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila de Green Belt PDF

Enviado por

Direitos autorais:

Formatos disponíveis

APOSTILA DE GREEN BELT

Certificação Lean Six Sigma FM2S

O que é o curso de Green Belt?

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

INTRODUÇÃO AO SIX SIGMA

De onde vem as teorias que trabalhamos hoje?

◉ O artesão controla todo o

◉ Cada peça produzida é

◉ Não existem padrões

A ERA DOS ARTESÃOS

◉ Surgimento dos padrões e

A ERA DAS FÁBRICAS E O TAYLORISMO

◉ Inicio do uso da estatística

◉ Criação de algumas das

◉ Busca por previsibilidade

NASCE A MELHORIA DE PROCESSOS

OS CONCEITOS FUNDAMENTAIS DA MELHORIA

VISÃO SISTÊMICA TEORIA DO

O saber profundo é pautado em 4 pilares fundamentais:

COMO IMPLEMENTAR O SABER PROFUNDO

Crie uma estrutura favorável

Domine uma técnica de melhoria

Entenda melhoria como necessidade estratégica

O método do Modelo de Melhoria e os ensinamentos do Conhecimento Profundo são

Nem sempre resulta em

1. O que queremos melhorar?

AS TRÊS QUESTÕES FUNDAMENTAIS

Busque entender qual é

O QUE QUEREMOS REALIZAR?

O departamento de compras de uma multinacional está com dificuldades em

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

Pensando neste cenário, responda:

1. Qual é o incomodo presente neste exemplo?

Há diversas maneiras de formular esse incômodo. Podemos seguir a linha do diretor de

A segunda pergunta ENTENDA A

COMO SABEREMOS SE A MUDANÇA É UMA MELHORIA

Medidas antes e depois

Semana Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6

Intuitivamente diríamos que a mudança do slide anterior é sim uma melhoria.

Vamos então definir melhoria.

Um impacto positivo, relevante e duradouro em

5S: mudança ou melhoria?

Por que isso ocorre?

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

Aonde queremos INDICADORES DE

Estamos fazendo as INDICADORES DE

As estratégias para se desenvolver mudanças

ANÁLISE CRÍTICA DOS

USO DA CRIATIVIDADE CONCEITOS DE MUDANÇA

QUE MUDANÇAS PODEMOS FAZER

Conhecimento específico no assunto

O conhecimento profundo foi a grande contribuição de Deming para as

1. Tudo começa quando observamos um fato ou

O método científico começa quando observamos um fato ou fenômeno de alguma

2. Após a observação, fazemos uma análise para

Frente ao fato, começamos a analisá-lo e a tentar entendê-lo. Ao final desta análise,

3. Com base na hipótese, elaboramos uma

A extrapolação da hipótese, naturalmente, gera predições. Pensando no caso da nossa

4. Com base nas predições, realizamos um

O quarto passo do método científico é a experimentação. Nesta etapa, verificamos se

5. Após realizado o experimento, observamos os

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

Para completar o método, repetimos este ciclo até