Você está na página 1de 70

CENTRO UNIVERSITÁRIO UNIFANOR – WYDEN EDUCACIONAL

CURSO DE ENGENHARIA MECÂNICA

MATHEUS DE SOUZA LOPES

APLICAÇÃO DA METODOLOGIA 6-SIGMA NA INDÚSTRIA AUTOMOBILÍSTICA:


ESTUDO DE CASO COM INDICADORES DE QUALIDADE

FORTALEZA - 2019
MATHEUS DE SOUZA LOPES

APLICAÇÃO DA METODOLOGIA 6-SIGMA NA INDÚSTRIA AUTOMOBILÍSTICA:


ESTUDO DE CASO COM INDICADORES DE QUALIDADE

TCC submetido à aprovação do Curso de Bacharelado em


Engenharia Mecânica pelo Centro Universitário UniFanor,
como requisito parcial para obtenção de título de Bacharel
em Engenharia Mecânica.
Orientador: Prof. Me. Luís Fernando de Jesus Lobato

FORTALEZA - 2019
MATHEUS DE SOUZA LOPES

APLICAÇÃO DA METODOLOGIA 6-SIGMA NA INDÚSTRIA AUTOMOBILÍSTICA:


ESTUDO DE CASO COM INDICADORES DE QUALIDADE

TCC submetido à aprovação do Curso de Bacharelado em


Engenharia Mecânica pelo Centro Universitário UniFanor,
como requisito parcial para obtenção de título de Bacharel
em Engenharia Mecânica.
Orientador: Prof. Me. Luís Fernando de Jesus Lobato

Data de aprovação: ____/____/____

BANCA EXAMINADORA

___________________________________________________________________
Prof. Me. Luís Fernando de Jesus Lobato (Orientador)
Centro Universitário Unifanor - Wyden Educacional

___________________________________________________________________
Prof. Me. Felipe Pinheiro Falcão Dias
Centro Universitário Unifanor - Wyden Educacional

___________________________________________________________________
Prof. Dr. Roberto Lima de Albuquerque
Centro Universitário Unifanor - Wyden Educacional
Dedico esse trabalho em especial à minha
mãe, Názia Augusto de Souza, à minha vó,
Maria Augusto de Souza, e à minha tia,
Naíde Augusto de Souza. Três mulheres
de muita importância na minha vida e que,
sem elas, eu não seria a pessoa que sou
hoje. Amo vocês!
AGRADECIMENTOS

Primeiramente à Deus, por nunca ter me abandonado, mesmo eu estando


afastado de Seus caminhos. Sempre guiou meus passos e fez com que tudo
acontecesse no tempo certo. Sem todas as bênçãos dEle, nada disso seria possível.
Aos meus pais, Názia Augusto e Jeová Lopes, constantemente preocupados e
me incentivando, cada um do seu jeito, para a realização dos meus sonhos. Sempre
buscaram fazer o melhor pra mim, mesmo com todas as dificuldades.
Aos meus avós, Maria Augusto e Francisco Ribeiro, por todo amor, apoio e
incentivo, seja na infância ou no restante de minha vida. Obrigado por acreditarem em
mim e me criarem como verdadeiros pais.
À minha tia mais presente, Naíde Augusto, e meu tio, Reginaldo Augusto, que
apesar de tios de sangue, sempre agiram como pais e/ou irmãos, procurando sempre
o melhor para mim.
À minha namorada, Samara Beserra, que esteve ao meu lado em todos os
momentos, me dando apoio e me fazendo persistir. Sua presença foi fundamental
para que tudo isso acontecesse.
Ao professor Me. Luís Fernando de Jesus Lobato, por sua orientação e auxílio
na construção desse trabalho. Seu suporte e conselhos foram de muita importância.
Aos professores Me. Felipe Pinheiro e Dr. Roberto Lima, integrantes da banca
examinadora. A ajuda de vocês na revisão e correção do trabalho foi de grande valor.
Ao professor, amigo e orientador externo Alan Neto, por seus ensinos e
direcionamentos dentro e fora do ambiente profissional. Sem a sua ajuda, o conteúdo
desse trabalho não seria o mesmo.
Aos amigos de graduação feitos ao longo dessa caminhada, por cada dia de
estudo, cada disciplina aprovada e cada semestre superado. Foram inúmeras
experiências vividas e desafios vencidos.
Aos professores e funcionários da UniFanor-Wyden, por todos os
ensinamentos, dentro e fora de sala de aula, levarei comigo a marca de cada um.
Enfim, a todos aqueles que, de alguma maneira, contribuíram para a realização
desse sonho que estou realizando, que é me tornar um engenheiro mecânico.
“Só eu conheço os planos que tenho para
vocês: prosperidade e não desgraça e um
futuro cheio de esperança. Sou eu, o Senhor,
quem está falando.” (Jeremias 29:11 NTLH)
RESUMO

O principal objetivo desse trabalho foi apresentar e aplicar, por meio de um estudo de
caso, a Metodologia Seis Sigma, a fim de otimizar as atividades de atualização de
indicadores do setor de qualidade de uma indústria automobilística. A Metodologia
Seis Sigma surgiu em 1987, com a empresa Motorola, e desde de então vem sendo
utilizada amplamente para o estudo e resolução de problemas e melhoria contínua de
processos na indústria, inclusive na automobilística. Baseada no Ciclo PDCA e tendo
como evolução o DMAIC, a metodologia busca extrair o melhor dos processos,
descobrindo a causa raiz de problemas e definindo soluções para os mesmos. A
pesquisa percorreu por todas as fases do DMAIC (Definir, Medir, Analisar, Melhorar e
Controlar), aplicando as ferramentas próprias de cada etapa. Primeiramente, foi
levantado o histórico de dados referente ao tempo de atualização dos indicadores. A
partir disso, foram levantadas algumas hipóteses que poderiam colaborar para os
problemas em questão. Depois de avaliadas as possibilidades, duas foram escolhidas
como estudo do trabalho. Elas passaram por testes estatísticos para serem avaliadas
quanto à normalidade e capacidade do processo. Após aprovação dos testes, as
análises foram aprofundadas, focando em verificar quais os efeitos, causas, meios de
controle e possíveis soluções de cada uma. Mas não foi simplesmente apontar as
melhorias, foi necessário avaliar se o havia sido proposto como solução era passível
de realização, quando levado em consideração suas complexidades e benefícios.
Após feita a análise, deu-se início à implementação do lote piloto com as ações de
melhoria (criação de padrões com o passo a passo das atividades de atualização de
todos os indicadores e criação de um sistema para consulta e atualização de alguns
indicadores). Depois de implementadas, foram coletados os novos dados de tempo
gasto para a atualização dos indicadores, para quantificar os resultados obtidos, os
quais foram excelentes. Desde a grande redução do tempo das atividades de
atualização e melhoria na capacidade do processo (índices de Cp e CpK), até o
aumento da confiabilidade na utilização dos dados.

Palavras-chave: Automobilística, Seis Sigma, Melhoria Contínua, Confiabilidade.


ABSTRACT

The main goal of this work was to present and apply, through a case study, the Six
Sigma Methodology, in order to optimize the activities of updating indicators of the
quality sector of an automobile industry. The Six Sigma Methodology came into
existence in 1987 with Motorola, and since then it has been widely used for study and
problem solving and continuous process improvement in the industry, including the
automotive industry. Based on the PDCA Cycle and with the evolution of the DMAIC,
the methodology seeks to extract the best of the processes, discovering the root cause
of problems and defining solutions for them. The research covered all stages of DMAIC
(Define, Measure, Analyze, Improve and Control), applying the tools of each step.
Firstly, the data history regarding the time to update the indicators was collected. From
this, some hypotheses were raised that could contribute to the problems in question.
After evaluating the possibilities, two were chosen as study of the work. They
underwent statistical tests to be evaluated for normality and process capability. After
approval of the tests, the analyzes were deepened, focusing on checking the effects,
causes, means of control and possible solutions of each one. But it was not simply to
point out the improvements, it was necessary to evaluate if the had been proposed as
a solution was achievable when taken into account its complexities and benefits. After
the analysis, the implementation of the pilot batch was started with the improvement
actions (creation of standards with the step by step of the activities of updating all the
indicators and creation of a system to consult and update some indicators). Once
implemented, the new time data for updating the indicators were collected to quantify
the results obtained, which were excellent. From the great reduction of the time of the
activities of update and improvement in the capacity of the process (Cp and CpK
indices), until the increase of the reliability in the use of the data.

Keywords: Automobile, Six Sigma, Continuous Improvement, Reliability.


LISTA DE ILUSTRAÇÕES

Figura 01 - Mercedes-Benz Patent-Motorwagen.............................................. 16


Figura 02 - Henry Ford..................................................................................... 17
Figura 03 - Linha de Produção Ford................................................................. 18
Figura 04 - Taiichi Ohno................................................................................... 19
Figura 05 - Exemplo de Kanban Utilizado Pela Toyota na Época.................... 20
Figura 06 - Comparação Entre o Padrão Quatro Sigma e o Seis Sigma......... 24
Figura 07 - Benefícios da Redução dos Desperdícios..................................... 25
Figura 08 - Pontos Fortes do Seis Sigma e do Lean Manufacturing................ 28
Figura 09 - Ciclo PDCA.................................................................................... 27
Figura 10 - Método DMAIC............................................................................... 29
Figura 11 - Correspondência entre o Método DMAIC e o Ciclo PDCA (1ª
forma de visualização).................................................................... 29
Figura 12 - Correspondência entre o Método DMAIC e o Ciclo PDCA (2ª
forma de visualização).................................................................... 29
Figura 13 - Pontos Fortes do Método DMAIC.................................................. 30
Figura 14 - Regas do Brainstorming................................................................. 32
Figura 15 - Diagrama de Causa e Efeito.......................................................... 32
Figura 16 - Matriz de Causa e Efeito................................................................ 33
Figura 17 - Pareto............................................................................................. 34
Figura 18 - Mapa do Processo......................................................................... 34
Figura 19 - Estratificação.................................................................................. 35
Figura 20 - Estudo de Normalidade.................................................................. 36
Figura 21 - Análise de Cp................................................................................. 37
Figura 22 - FMEA............................................................................................. 38
Figura 23 - Matriz Esforço x Impacto................................................................ 40
Figura 24 - DOE............................................................................................... 41
Figura 25 - Carta de Controle........................................................................... 42
Figura 26 - Ilustração das Atividades de Atualização dos Indicadores............ 44
Figura 27 - Diagrama de Causa e Efeito (Ishikawa) Preenchido..................... 46
Figura 28 - Matriz de Causa e Efeito (priorização) Preenchida........................ 47
Figura 29 - Processo de Estratificação dos Dados.......................................... 50
Figura 30 - Estudo de Normalidade dos Dados Coletados.............................. 51
Figura 31 - Teste de Cp e Cpk......................................................................... 52
Figura 32 - Deslocamento Necessário a Ser Realizado na Distribuição.......... 52
Figura 33 - Matriz de Esforço x Impacto das Melhorias................................... 57
Figura 34 - Lote Piloto (Instruções de Execução)............................................ 60
Figura 35 - Lote Piloto (Implementação do Sistema)....................................... 60
Figura 36 - Teste de Cp e Cpk Após Implementação das IE’s......................... 62
Figura 37 - Teste de Cp e Cpk Após Implementação do Sistema................... 62
Figura 38 - Comparativo Entre os Resultados................................................. 63
Figura 39 - Carta de Controle de Acompanhamento de Resultados................ 64
Figura 40 - Instruções Execução Para Consulta Via Sistema.......................... 65

Fluxograma 01 - Mapa do Processo................................................................ 48


Fluxograma 02 - Mapa do Processo Com as Variáveis em Evidência............. 49
Fluxograma 03 - Revisão do Mapa do Processo............................................. 59
Fluxograma 04 - Aprovação do Novo Mapa do Processo................................ 64

Gráfico 01 - Tempo Dedicado às Atividades de Atualização dos Indicadores


por Mês (hs).................................................................................... 45
Gráfico 02 - Pareto de Priorização dos X’s...................................................... 47
Gráfico 03 - Análise do DOE............................................................................ 58

Quadro 01 - FMEA (Severidade)...................................................................... 53


Quadro 02 - FMEA (Ocorrência)...................................................................... 54
Quadro 03 - FMEA (Detecção)......................................................................... 55
Quadro 04 - FMEA (NPR)................................................................................ 55
Quadro 05 - FMEA (Ações Recomendadas).................................................... 56
Quadro 06 - Revisão do FMEA........................................................................ 61
LISTA DE ABREVIATURAS E SIGLAS

Cp Índice de Capacidade
Cpk Índice de Capacidade (aderência)
DMAIC Define, Measure, Analyze, Improve, Control (Definir, Medir, Analisar,
Melhorar, Controlar)
DOE Planejamento de Experimentos
Dr. Doutor
FMEA Failure Mode and Effect Analysis (Análises de Efeito e Modo de Falha)
GE General Electric
Hs Horas
IE Instrução de Execução
IE’s Instruções de Execução
LSL Lower Specification Limit (Limite Inferior de Controle)
MAIC Measure, Analyze, Improve, Control (Medir, Analisar, Melhorar,
Controlar)
Me. Mestre
NPR Número de Propriedade de Risco
NPR's Números de Propriedade de Risco
NTLH Nova Tradução na Linguagem de Hoje
PDCA Plan, Do, Check, Action (Planejar, Executar, Verificar, Atuar)
Prof. Professor
STP Sistema Toyota de Produção
TI Tecnologia da Informação
USL Upper Specification Limit (Limite Superior de Controle)
X1 Varíavel 1
X2 Varíavel 2
X3 Varíavel 3
X4 Varíavel 4
X5 Varíavel 5
SUMÁRIO
1 INTRODUÇÃO ....................................................................................................... 13
1.1JUSTIFICATIVA ................................................................................................... 13
1.2 OBJETIVO GERAL ............................................................................................. 14
1.3 OBJETIVOS ESPECÍFICOS ............................................................................... 14
1.4 METODOLOGIA .................................................................................................. 14
2 REFERENCIAL TEÓRICO..................................................................................... 15
2.1 O SURGIMENTO DO AUTOMÓVEL .................................................................. 16
2.2 MODELO DE PRODUÇÃO FORD ...................................................................... 17
2.3 MODELO DE PRODUÇÃO TOYOTA.................................................................. 19
2.4 INTRODUÇÃO À METODOLOGIA SEIS SIGMA ................................................ 22
2.5 O QUE É O SEIS SIGMA? .................................................................................. 23
2.6 SEIS SIGMA E LEAN MANUFACTURING.......................................................... 25
2.7 PDCA .................................................................................................................. 26
2.7.1 Etapa Planejar (P - Plan) ................................................................................ 27
2.7.2 Etapa Executar (D - Do).................................................................................. 27
2.7.3 Etapa Verificar (C - Check) ............................................................................ 28
2.7.4 Etapa Atuar (A - Action) ................................................................................. 28
2.8 DMAIC ................................................................................................................. 28
2.8.1 Etapa Definir (D - Define) ............................................................................... 30
2.8.1.1 Brainstorming ................................................................................................ 31
2.8.1.2 Diagrama de Causa e Efeito (Ishikawa) ........................................................ 32
2.8.1.3 Matriz de Causa e Efeito (priorização) .......................................................... 33
2.8.1.4 Pareto ............................................................................................................ 33
2.8.1.5 Mapa do Processo ........................................................................................ 34
2.8.1.6 Processo de Estratificação de Dados ............................................................ 35
2.8.2 Etapa Medir (M - Measure) ............................................................................. 35
2.8.2.1 Estudo de Normalidade ................................................................................. 36
2.8.2.2 Teste de Cp e Cpk ........................................................................................ 37
2.8.3 Etapa Analisar (A - Analyze) .......................................................................... 37
2.8.3.1 FMEA ............................................................................................................ 38
2.8.4 Etapa Melhorar (I - Improve) .......................................................................... 38
2.8.4.1 Matriz de Esforço x Impacto .......................................................................... 39
2.8.4.2 DOE............................................................................................................... 40
2.8.4.3 Implementação do Lote Piloto ....................................................................... 41
2.8.5 Etapa Controlar (C - Control) ......................................................................... 41
2.8.5.1 Carta de Controle .......................................................................................... 42
2.8.5.2 Criação de Padrões ....................................................................................... 43
3 ESTUDO DE CASO: INDICADORES DE QUALIDADE ........................................ 44
3.1 ETAPA DEFINIR (D - DEFINE) ........................................................................... 45
3.1.1 Brainstorming ................................................................................................. 45
3.1.2 Diagrama de Causa e Efeito (Ishikawa) ........................................................ 46
3.1.3 Matriz de Causa e Efeito (priorização) .......................................................... 46
3.1.4 Pareto .............................................................................................................. 47
3.1.5 Mapa do Processo .......................................................................................... 48
3.1.6 Processo de Estratificação de Dados........................................................... 50
3.2 ETAPA MEDIR (M - MEASURE) ........................................................................ 50
3.2.1 Estudo de Normalidade ................................................................................. 50
3.2.2 Teste de Cp e Cpk .......................................................................................... 51
3.3 ETAPA ANALISAR (A - ANALYZE) ..................................................................... 53
3.3.1 Brainstorming ................................................................................................. 53
3.3.2 FMEA ............................................................................................................... 53
3.4 ETAPA MELHORAR (I - IMPROVE) ................................................................... 56
3.4.1 Matriz de Esforço x Impacto .......................................................................... 57
3.4.2 DOE.................................................................................................................. 58
3.4.3 Mapa do Processo (revisão) .......................................................................... 58
3.4.4 Implementação do Lote Piloto ...................................................................... 59
3.4.5 FMEA (revisão) ............................................................................................... 61
3.4.6 Teste de Cp e Cpk (revisão) .......................................................................... 61
3.5 ETAPA CONTROLAR (C - CONTROL)............................................................... 63
3.5.1 Mapa do Processo (definição)....................................................................... 63
3.5.2 Carta de Controle ........................................................................................... 64
3.5.3 Criação de Padrões Para o Sistema ............................................................. 65
CONSIDERAÇÕES FINAIS ...................................................................................... 66
REFERÊNCIAS ......................................................................................................... 67
13

1 INTRODUÇÃO

Constantemente o ser humano está em busca de maiores resultados.


Conseguir fazer melhor, mais rápido e com menores custos. Em tempos de crise isso
se torna fundamental para qualquer indústria, o que não é diferente para a indústria
automobilística.
Desde seu pontapé inicial com Henry Ford em 1914, onde foi apresentado ao
mundo o primeiro modelo de produção em massa de um determinado produto, até os
dias atuais, a indústria automobilística vem evoluindo. Novos conceitos, ferramentas
e metodologias foram e continuam sendo criados, visando sempre a melhoria
contínua.
A própria indústria automobilística passou por um processo de evolução em
seu modelo de produção, onde o anterior criado por Henry Ford acabou sendo
melhorado por Taiichi Ohno na década de 1960, visando eliminar os desperdícios que
o mesmo identificou no antigo modelo.
Porém essas evoluções não ocorreram apenas com o auxílio de ferramentas e
metodologias que nasceram dentro do ramo automotivo. Um grande exemplo disso é
a Metodologia Seis Sigma, que apesar de ter nascido com a Motorola na década de
1980 e amplamente utilizada e difundida pela General Electric a partir de 1995,
empresas com atividades nos ramos de telecomunicações e energia,
respectivamente, é aplicada atualmente em larga escala na indústria automobilística,
tanto em atividades administrativas, como aquelas diretamente ligadas à produção.
Os resultados alcançados pela aplicação dessa metodologia são inúmeros,
desde a redução de gastos até a otimização de processos e produtos, contanto que
seja aplicada e seguida da maneira correta.

1.1 JUSTIFICATIVA

Com base nos conhecimentos adquiridos pelo autor na participação do curso


de Lean Seis Sigma e da necessidade de melhorar o sistema de atualização de
indicadores do setor de qualidade de uma indústria automobilística, a pesquisa em
questão irá mostrar a aplicação da Metodologia Seis Sigma em busca da otimização
dessa atividade, dado que a melhor gestão dessas informações possibilitem que
maiores índices sejam alcançados dentro da companhia.
14

Diante disso, fica a pergunta: quais os impactos da aplicação da Metodologia


Seis Sigma na gestão de indicadores de qualidade em uma indústria automotiva?
A obtenção de resultados mais rápidos e economia de tempo na execução
dessas atividades, devido à melhoria dos processos, são possíveis benefícios a serem
alcançados.

1.2 OBJETIVO GERAL

Dessa forma, para que a pesquisa alcance os benefícios citados anteriormente,


será necessário aplicar a Metodologia Seis Sigma na otimização da gestão dos
indicadores de qualidade de uma indústria automobilística.

1.3 OBJETIVOS ESPECÍFICOS

1. Analisar todo o processo de atualização dos indicadores de qualidade, desde


o início da obtenção dos dados, manipulação e divulgação dos mesmos,
observando os possíveis pontos de melhorias.
2. Reduzir a quantidade de tempo gasto com a atualização desses indicadores,
afim de disponibilizar mais tempo para a execução de outras atividades.
3. Tornar os dados dos indicadores confiáveis e precisos, dinamizando a sua
utilização.

1.4 METODOLOGIA

A pesquisa é classificada como quantitativa, pois irá utilizar dados numéricos


para a obtenção de resultados que serão avaliados ao final de sua realização. Ao
mesmo tempo, se utilizará do método experimental, onde irá tratar de um estudo de
caso realizado pelo autor.
Os dados necessários para a sua realização foram coletados com a
cronometragem do tempo gasto com o processo de atualização dos indicadores de
qualidade, com o auxílio de um sistema particular utilizado na indústria
automobilística. Após coletadas, as informações serão tratadas e analisadas com a
utilização de softwares estatísticos e gráficos, sendo o mais utilizado, o Minitab
(Servidor de Licença: 27150@pccls2.dearborn.ford.com, Data de Expiração:
31/07/2019, Registrado por: mlopes42@ford.com).
15

2 REFERENCIAL TEÓRICO

Para dar suporte à pesquisa e reforçar a importância de sua aplicação, serão


trazidos para a discussão autores que possuíram ou possuem grande propriedade em
seus respectivos temas.
Simon Heptinstall (2013), para entendermos como se deu a criação e evolução
do automóvel. Trata-se de um ex-taxista que virou um jornalista especializado em
automóveis. Além de autor, também é produtor, pesquisador e consultor
automobilístico.
Taiichi Ohno (1978), para se tratar dos sistemas de produção e sua evolução.
Foi o fundador do Toyotismo e responsável pela criação de muitos conceitos e
ferramentas que são utilizados até hoje. Veio a falecer em 1990.
Roberto Rotondaro (2002), para abordar sobre a Metodologia Seis Sigma, seus
conceitos e aplicações. Foi um dos primeiros autores a falar sobre essa metodologia
no Brasil e a importância de sua aplicação. Faleceu em 2013.
Cristina Werkema (2011, 2012, 2013), também para falar sobre os conceitos e
aplicações da Metodologia Seis Sigma, porém mais atuais. Pode ser considerada
como a principal autora do assunto na atualidade, onde esteve à frente dos primeiros
processos de implementação da metodologia em grandes empresas no Brasil.
Entre outros autores que darão força aos citados acima.
A partir dessa sessão, a pesquisa irá abordar o surgimento e evolução da
indústria automobilística, mostrando suas principais mudanças e desenvolvimento ao
longo do tempo. Ainda nessa sessão, será abordado sobre a Metodologia Seis Sigma.
Veremos com detalhes como se deu a sua criação e quais são as suas principais
ferramentas utilizadas mundialmente.
Em seguida, a pesquisa unirá o cenário da indústria automobilística com essa
metodologia, mostrando o passo a passo do estudo realizado pelo autor, com sua
aplicação no caso em questão.
Por fim, serão mostrados os resultados alcançados pela pesquisa e seus
impactos no meio na qual foi aplicada.
16

2.1 O SURGIMENTO DO AUTOMÓVEL

Tudo começou em 1885, quando o alemão Karl Benz deu início à construção
do que seria conhecido como o primeiro automóvel do mundo. Batizado de Mercedes-
Benz Patent-Motorwagen, o veículo se tornou um marco na história automobilística.
De mecânica simples, era montado com base em uma carruagem de três rodas,
sendo a individual localizada na dianteira, a qual era responsável por dar
direcionamento ao veículo por meio do acionamento de uma manivela, conforme
pode-se observar na Figura 01.
Figura 01 - Mercedes-Benz Patent-Motorwagen

Fonte: IG SÃO PAULO (2018)


Para Heptinstall (2013), Karl e os seus técnicos já haviam testado
cuidadosamente o veículo (ou carruagem sem cavalos), dando pequenas voltas
experimentais ao redor de casa, porém o mesmo não estava confiante em levar o
projeto adiante, pois acreditava que, apesar de ser uma máquina extraordinária, a
invenção não daria em nada.
De fato, era lógico o receio sentido por Karl, já que estava sendo falado do
primeiro veículo do mundo, algo que seria revolucionário para a época, até os dias
atuais. Porém isso também dava à sua invenção a chance de ser um sucesso,
justamente pelo fato de ser uma coisa nova, nunca vista antes.
E foi o que aconteceu. Em agosto de 1888, a esposa de Karl Benz, Bertha,
“decidiu pegar o Motorwagen e dirigi-lo por 106 quilômetros para visitar sua mãe –
sem contar para Karl. Essa foi a primeira viagem de verdade realizada por um
transporte motorizado.” (HEPTINSTALL, 2013, p.8)
17

Apesar de durante a viagem alguns problemas terem ocorridos, Bertha utilizou


seus conhecimentos mecânicos para corrigi-los, realizando o trajeto de ida e volta com
sucesso. Embora pequena, essa viagem se tornava mais um marco na história do
automobilismo.

Aquela pequena viagem de carro seria uma ocorrência cotidiana hoje em dia,
mas em 1888 foi uma sensação internacional. Jornais relataram o evento
maravilhoso com manchetes de primeira página. De repente todo mundo
queria uma das máquinas de Karl Benz. (HEPTINSTALL, 2013, p.8)

Não restavam dúvidas de que a invenção de Karl havia sido um sucesso. Não
é para menos que todos queriam adquiri-la. Porém nem todos possuíam essa
condição, devido ao alto preço que era cobrado pelo veículo. Segundo o site iG de
São Paulo (2018), na época, o veículo era vendido por 600 Marcos Imperiais alemães,
ou cerca de R$ 16.000,00 nos valores atuais. Dessa forma, não eram muitos os que
tinham condições de comprá-lo. Diante disso, apenas 25 unidades foram produzidas.
Apesar do alto preço e da baixa produção, o veículo criado por Karl acabava
de abrir um enorme mercado que estava prestes a expandir e evoluir grandemente.
Após sua criação, outros veículos foram criados e comercializados. Até que em 1908
surgiu o Ford Model T, de Henry Ford.

2.2 MODELO DE PRODUÇÃO FORD


Figura 02 - Henry Ford
Em outubro de 1908 Henry Ford (Figura
02) foi responsável por lançar o veículo Model T.
Era um veículo simples, onde podia ser dirigido e
consertado por qualquer pessoa, porém não
deixava de lado seu conforto e robustez. Embora
não tenha sido o primeiro carro de Henry Ford, foi
o mais emblemático, sendo o responsável por
abrir as portas para a produção em massa no
ramo automobilístico. Conforme disse Ohno
(1978), o Sistema Ford nasceu na América e se
introduziu na era automobilística com a criação
do Model T produzido em massa (Figura 03).
Fonte: ZEEMAN, Alexander (2018)
18

Henry Ford se tornou o percursor em disponibilizar para o mundo a


possibilidade de veículos serem produzidos em larga escala e com preços mais
acessíveis. Com sua experiência e inteligência conseguiu criar o que até então era
inimaginável.

Henry Ford (1863-1947) criou, sem dúvida alguma, o sistema de produção


automotiva.
Estritamente falando, deve haver tantas maneiras de se fazer carros quanto
há companhias automotivas ou plantas de fabricação individual de
automóveis. Isto se dá porque os métodos de produção refletem a filosofia do
gerenciamento empresarial, bem como, a individualidade da pessoa
responsável pela planta. Entretanto, a base da produção automotiva
enquanto indústria moderna é o sistema de produção em massa que o próprio
Ford praticou.
O Sistema Ford simboliza, mesmo hoje, a produção em massa e as vendas
na América. Trata-se de um sistema de produção baseado no fluxo de
trabalho, por vezes denominado sistema de produção. (OHNO, 1978, p.71)

Foi Ford quem aperfeiçoou a indústria automotiva. Ele conhecia em detalhes


cada material usado em seus veículos e o seu conhecimento não era
superficial. Com suas próprias mãos ele criou operações empresariais
separadas para os diversos metais, incluindo aços e metais não ferrosos, e
têxteis. (OHNO, 1978, p.78)

Figura 03 - Linha de Produção Ford

Fonte: WEB ESTUDANTE (2018)


Um dos pontos principais que levaram Henry Ford ao sucesso em seu projeto
foi o fato de ter inovado, ido além do que já existia. É claro que ele usou como base o
conhecimento já existente, mas isso não o impediu de criar novos conceitos e novas
metodologias de pensamento. “Ford pensou com flexibilidade sobre as coisas sem
apegar-se aos conceitos existentes.” (OHNO, 1978, p.78)
19

O Modelo de Produção Ford por muito tempo foi exemplo para o mundo todo e
muitos se espelharam em seu funcionamento. Porém, como todo novo projeto, o de
Henry Ford também possuía pontos de melhoria, e foram essas possibilidades de
melhoria que deram base para modelo que daria continuidade ao que ele havia criado.
Nascia então o Modelo de Produção Toyota, que passaria a se popularizar e ganhar
enorme mercado a partir da década de 1970.

2.3 MODELO DE PRODUÇÃO TOYOTA Figura 04 - Taiichi Ohno

Criado por Taiichi Ohno (Figura 04) e aparecendo


não como substituto, mas como melhoria do já existente,
o Modelo de Produção Toyota utilizou as oportunidades
deixadas por Henry Ford para implementar novos
conceitos que serviriam para otimizar ainda mais o
mercado automobilístico. Seu foco principal era a
eliminação de desperdícios. Fonte: VLIET, Vincente Van (2017)

O conceito inicial do Sistema Toyota de Produção foi, como eu tenho


enfatizado diversas vezes, baseado na completa eliminação de desperdício.
De fato, quanto mais perto chegamos deste objetivo, mais clara ficou a visão
de seres humanos individuais como personalidades distintas. Não existe
substância real nessa massa abstrata que chamamos de “o público”.
Descobrimos que a indústria tem que aceitar os pedidos de cada consumidor,
e fazer produtos que diferem de acordo com as exigências individuais.
Todos os tipos de desperdício ocorrem quando tentamos produzir o mesmo
produto em quantidades grandes, homogêneas. No fim, os custos se elevam.
É muito mais econômico produzir cada item de cada vez. O primeiro método
é o Sistema Ford de Produção e o segundo é o Sistema Toyota de Produção.
(OHNO, 1978, p.8)

Até então, todos só tinham olhos para o modelo de Henry Ford, que por sinal,
estava a pleno vapor e fazendo muito sucesso. Porém, após a Segunda Guerra, o
mundo passou por uma grande crise econômica em decorrência do petróleo. Para
Ohno (1978), foi aí que o mundo passou a perceber o sucesso que a Toyota estava
tendo. Enquanto o restante do país estava encarando a falta de crescimento e a
redução na produção, a Toyota estava alcançando, com a sua implacável perseguição
ao desperdício, resultados incríveis.
20

A crise do petróleo no outono de 1973, seguida de recessão, afetou governos,


empresas e sociedades no mundo inteiro. Em 1974, a economia japonesa
havia caído para um nível de crescimento zero e muitas empresas estavam
com problemas.
Mas na Toyota Motor Company, embora os lucros tenham diminuído, obteve
ganhos maiores do que o de outras empresas em 1975, 1976 e 1977. A
diferença cada vez mais maior entre ela e outras companhias fez com que as
pessoas as perguntassem sobre o que estaria acontecendo na Toyota.
(OHNO, 1978, p.11)

Para alcançar seus objetivos e conseguir trabalhar na eliminação de


desperdício, o Sistema Toyota de Produção tinha como base dois pilares principais.
Para Ohno (1978), o Just-in-time e a Autonomação (automação com toque humano)
foram cruciais para todo o sucesso da companhia. O principal objetivo era a
eliminação do estoque de produtos, e com esses dois pilares isso foi possível, pois as
peças corretas necessárias para a montagem chegavam à linha de montagem no
momento em que eram necessitadas e somente na quantidade prevista.
Mas aplicar uma metodologia como o Just-in-time em uma operação como a
montagem de um automóvel, onde são envolvidas inúmeras peças, seria um grande
desafio, pois um pequeno erro poderia desencadear um enorme problema. Para que
esse problema fosse solucionado, foi criada uma ferramenta chamada de Kanban, “o
meio pelo qual o Sistema Toyota de Produção flui suavemente”. (OHNO, 1978, p.14)
Um ponto interessante é que Ohno tirou a ideia do Kanban dos supermercados
americanos. Um exemplo dessa ferramenta pode ser visto na Figura 05.

O método de operação do Sistema Toyota de Produção é o Kanban. A forma


mais frequente usada é um pedaço de papel dentro de um envelope de vinil
retangular.
Neste pedaço de papel a informação pode ser dividida em três categorias: (1)
informação de coleta, (2) informação de transferência, e (3) informação de
produção. O Kanban carrega a informação vertical e lateralmente dentro da
própria Toyota e entre a Toyota e as empresas colaboradoras. (OHNO, 1978,
p.28)

Figura 05 - Exemplo de Kanban Utilizado Pela Toyota na Época

Fonte: OHNO, Taiichi (1978)


21

Mais uma ideia que não nasceu no ramo automotivo, mas que foi aplicada por
Ohno, foi a autonomação, a qual difere da automação no quesito de utilizar a mão
humana para intervir em casos que as máquinas produzissem algum produto
defeituoso, não apenas por questões financeiras, mas por questão de segurança
também. O conceito veio de uma máquina de tear criada por Toyoda Sakichi, fundador
da Toyota Motor Company, onde seu funcionamento era interrompido se algum dos
fios se rompesse. A aplicação dessa ideia na linha de produção de automóveis foi
fantástica, pois além de evitar a produção de um produto com defeito e garantir a
segurança de operadores e consumidores, as paradas faziam com que os problemas
ocorridos fossem estudados e corrigidos.

Parar a máquina quando ocorre um problema força todos a tornar


conhecimento do fato. Quando o problema é claramente conhecido, a
melhoria é possível. Expandindo esse pensamento, estabelecemos uma
regra segundo a qual, mesmo numa linha de produção operada
manualmente, os próprios trabalhadores deveriam acionar o botão de parada
para interromper a produção se surgir qualquer anormalidade.
Num produto como o automóvel, a segurança deve estar sempre em primeiro
lugar. Portanto, em qualquer máquina em qualquer linha de produção em
qualquer fábrica, as distinções entre operações normais e anormais devem
ser claras e medidas de segurança devem ser sempre tomadas a fim de evitar
a ocorrência. E por isso que eu fiz da autonomação o outro pilar do Sistema
Toyota de Produção. (OHNO, 1978, p.15)

Para o estudo e correção dos problemas que ocorriam e geravam parada de


produção, a Toyota utilizava uma ferramenta que até hoje é aplicada em várias
situações, repetir cinco vezes o porquê determinada coisa aconteceu. Para Ohno
(1978), quando perguntamos por cinco vezes porquê e respondendo cada vez,
podemos chegar à verdadeira causa do problema, que geralmente está escondida
atrás de sintomas mais óbvios.
A possibilidade de se encontrar a causa raiz de um problema torna possível a
solução do mesmo, evitando que volte a ocorrer. Se o problema deixa de ocorrer,
conseguimos eliminar os desperdícios, sejam eles de qual tipo for. Falando nos tipos
de desperdícios, é importante citarmos quais são abordados pelo Toyotismo. Segundo
Ohno (1978), o primeiro passo para a aplicação do Sistema Toyota de Produção é
identificar completamente os desperdícios, e a eliminação completa deles pode
aumentar a eficiência das operações em uma ampla margem. São eles:
1. desperdício de superprodução;
2. desperdício de tempo disponível (espera);
3. desperdício em transporte;
22

4. desperdício do processamento em si;


5. desperdício de estoque disponível (estoque);
6. desperdício de movimento;
7. desperdício de produzir produtos defeituosos.
Pensando nisso, em eliminar cada vez mais os desperdícios, além dos
conceitos já implementados pelo Sistema Toyota, novas ferramentas e metodologias
têm migrado de outras indústrias para a automobilística, e vice-versa. Umas das
principais, que vem sendo utilizada em larga escala pelo ramo automotivo, é a
Metodologia Seis Sigma, que tem dado ótimos resultados.

2.4 INTRODUÇÃO À METODOLOGIA SEIS SIGMA

Desde o nascimento da indústria automotiva, muitos métodos de melhoria


foram criados e aplicados em diversos processos. Cada um com seus procedimentos
e conceitos definidos. Segundo Rotondaro (2002), se pararmos para observar todos
esses procedimentos, veremos que eles são baseados no método científico, o qual
possui as etapas de observar, medir, analisar e sintetizar e que obedece às regras
estabelecidas por René Descartes, sendo uma das mais relevantes a de “Nunca
aceitar como verdadeira qualquer coisa, sem antes conhece-la como tal; trabalhe com
evidências”.
A evolução desses métodos tem permitido que resultados positivos sejam
alcançados cada vez mais, principalmente em tempos de crises. Uma das ferramentas
mais utilizadas hoje em dia para a prática da melhoria contínua e redução de gastos
nas empresas é a Metodologia Seis Sigma, que traz conceitos criados no Ciclo PDCA,
mas usa como base o modelo DMAIC.

O método introduzido por W. Edwards Deming, o Ciclo PDCA (Planejar,


Executar, Verificar, Agir) é um dos exemplos mais populares da metodologia
que tem sido utilizada para a melhoria dos processos.
O Modelo Maic (Medir, Analisar, Melhorar, Controlar) foi desenvolvido
inicialmente na Motorola como uma evolução do ciclo PDCA e depois adotado
pela GE como DMAIC, em que o D significa a fase Definir. Esse método
passou a ser a base operacional da ruptura Seis Sigma para as empresas,
sendo fundamental para o sucesso que alcançaram. (ROTONDARO, 2002,
p.24)
23

2.5 O QUE É O SEIS SIGMA?

Para Rotondaro (2002), o Seis Sigma não é apenas mais um programa para
cortar e reduzir gastos, ou somente um monte de cálculos que ninguém entende. De
maneira mais ampla, o Seis Sigma pode ser visto por três vertentes diferentes:
filosofia, metodologia e estratégia gerencial, sendo cada definição com sua
particularidade.

Seis Sigma é uma filosofia de trabalho para alcançar, maximizar e manter o


sucesso comercial, por meio da compreensão das necessidades de cliente
(internas e externas). É um conceito que se concentra no cliente e no produto.
Seis Sigma é uma metodologia estruturada que incrementa a qualidade por
meio da melhoria contínua dos processos envolvidos na produção de um bem
ou serviço, levando em conta todos os aspectos importantes de um negócio.
O objetivo do Seis Sigma é conseguir a excelência na competitividade pela
melhoria contínua dos processos.
Seis Sigma é uma estratégia gerencial de mudanças para acelerar o
aprimoramento dos processos, produtos e serviços. O termo sigma me dá a
capacidade do processo em trabalhar livre de falhas. Quando falamos em
Seis Sigma, significa redução da variação no resultado entregue aos clientes
numa taxa de 3,4 falhas por milhão ou 99,99966% de perfeição.
(ROTONDARO, 2002, p. 18)

Já Werkema (2011), com um conceito mais recente e mais direto, vê o Seis


Sigma como estratégia gerencial, porém de uma forma disciplinada e altamente
quantitativa, que possui o objetivo de aumentar expressivamente a performance e a
lucratividade das empresas, através da melhoria da qualidade de produtos e
processos e, consequentemente, do aumento da satisfação de clientes e
consumidores.
Criado em 15 de janeiro de 1987, com a Motorola, tinha o objetivo de fazer com
que a empresa conseguisse enfrentar seus concorrentes, que naquele momento,
estavam fabricando produtos com qualidade superior e por menores preços. O
resultado da aplicação do método foi o Prêmio Nacional de Qualidade recebido pela
empresa em 1988. A partir daí, quando a metodologia se tornou conhecida, outras
empresas passaram a utilizá-la. Entre elas, a General Electric, que foi responsável por
torna-la ainda mais difundida, além de ter gerado resultados financeiros expressivos
para a empresa, ganhos em torno de 1,5 bilhão de dólares em 1999 (WERKEMA,
2011).
Para Womack (2013), quando se usa a Metodologia Seis Sigma, as melhorias
costumam ser impressionantes, principalmente quando medidas em termos
24

financeiros. E era exatamente isso que estava acontecendo, inúmeras empresas


estavam conseguindo grandes lucros com a aplicação desse método.
Com todo esse sucesso mundial, não demorou para que o Seis Sigma
chegasse ao Brasil. A primeira empresa a aplicar a metodologia em seus processos
foi o Grupo Brasmotor (Multibrás e Embraco), conseguindo, ainda em 1999, 20
milhões de reais de retorno com a aplicação e conclusão de seus primeiros projetos.
O interesse pela cultura Seis Sigma no Brasil vem crescendo cada dia mais e várias
empresas têm implementado essa estratégia, com o suporte de consultorias
(WERKEMA, 2011).
Para entender melhor e de maneira mais lúdica o Seis Sigma e seu objetivo,
podemos fazer um comparativo entre os ganhos gerados entre o uso dessa
metodologia e a que era usada anteriormente a ela, quando se trabalhava com algo
em torno de quatro sigmas, conforme mostra a Figura 06.
Figura 06 - Comparação Entre o Padrão Quatro Sigma e o Seis Sigma

Fonte: WERKEMA, Cristina (2012)


É possível notar que os defeitos gerados quando utilizamos o Seis Sigma são
extremamente menores. A diferença entre o seis sigma e o quatro sigma parece
pequena (0,61966%), porém quando aplicado em larga quantidade ou em um grande
período de tempo, podemos perceber que grandes resultados podem ser obtidos.

As empresas optam pelo Seis Sigma com o objetivo de melhorar radicalmente


o desempenho das organizações e saltar à frente de seus concorrentes,
obtendo maior lucratividade e gerando mais valor para os acionistas. Uma
empresa que tem como meta, por exemplo, dobrar o valor do negócio em um
prazo de três anos, poderá adotar o Seis Sigma como uma das principais
estratégias para o alcance dessa meta. (WERKEMA, 2011, p.15)
25

2.6 SEIS SIGMA E LEAN MANUFACTURING

Tendo suas origens no Sistema Toyota de Produção, o qual já foi apresentado


anteriormente nessa pesquisa, “O Lean Manufacturing é uma iniciativa que busca
eliminar desperdícios, isto é, excluir o que não tem valor para o cliente e imprimir
velocidade à empresa.” (WERKEMA, 2011, p.13)
Assim como no STP, seu foco é conseguir extrair benefícios através da redução
dos sete desperdícios (defeitos, excesso de produção, estoque, processamento,
movimento, transporte e espera), conforme mostra a Figura 07.
Figura 07 - Benefícios da Redução dos Desperdícios

Fonte: WERKEMA, Cristina (2011)


Para Werkema (2011), a integração entre o Seis Sigma e o Lean Manufacturing
é fundamental e natural, pois ambos possuem pontos fortes distintos e que se
complementam.

Por exemplo, o Lean Manufacturing não conta com um método estruturado e


profundo de solução de problemas e com ferramentas estatísticas para lidar
com a variabilidade, aspecto que pode ser complementado pelo Seis Sigma.
Já o Seis Sigma não enfatiza a melhoria da velocidade dos processos e a
redução do lead time, aspectos que constituem o núcleo do Lean
Manufacturing. (WERKEMA, 2011, p.20)

O resultado entre essa integração é o que chamamos de Lean Seis Sigma,


“uma estratégia mais abrangente, poderosa e eficaz que cada uma das partes
individualmente e adequada para a solução de todos os tipos de problemas
relacionados à melhoria de processos de produtos.” (WERKEMA, 2011, p.22)
Embora ainda não seja tão difundida como são o Seis Sigma e o Lean
Manufacturing separadamente, essa estratégia tem tudo para se tornar uma das mais
26

poderosas ferramentas na luta contra os desperdícios e a geração de lucros para o


mercado em geral. Várias empresas já estão dando os primeiros passos e
implementando o Lean Seis Sigma em busca de maiores resultados.
Na Figura 08 podemos ver o motivo para todo esse potencial, a união entre os
pontos fortes das duas ferramentas já existentes.

Figura 08 - Pontos Fortes do Seis Sigma e do Lean Manufacturing

Fonte: WERKEMA, Cristina (2011)

2.7 PDCA

O Ciclo PDCA (Figura 09) criado por W. Edwards Deming foi e continua
sendo (ainda que com menor impacto), umas das principais ferramentas utilizadas
na melhoria e controle de processos. Baseada na sequência de Planejar (P - Plan),
Executar (D - Do), Verificar (C - Check) e Atuar (A - Action), o PDCA é um método
de gestão que representa o caminho a ser seguido para que as metas estabelecidas
possam ser atingidas (WERKEMA, 2013).
27

Figura 09 - Ciclo PDCA

Fonte: WERKEMA, Cristina (2013)

2.7.1 Etapa Planejar (P - Plan)

A primeira fase do Ciclo PDCA é chamada de Planejar e é representada pela


letra P, provinda da palavra inglesa plan. Nela serão definidas as metas a serem
alcançadas e os métodos que serão utilizados para que isso ocorra. É considerada a
etapa mais difícil, pois quanto mais informações, mais ferramentas apropriadas serão
necessárias para coletar, processar e dispor essas informações. Porém quanto mais
ela for trabalhada, maiores são as possibilidades de as metas serem alcançadas
(WERKEMA, 2013).

2.7.2 Etapa Executar (D - Do)

A segunda fase do Ciclo PDCA é chamada de Executar e é representada pela


letra D, que vem da palavra inglesa do. “A etapa de execução do PDCA de melhorias
consiste no treinamento nas tarefas estabelecidas no plano de ação, na execução
dessas tarefas e na coleta de dados que serão utilizados na etapa seguinte.”
(WERKEMA, 2013, p.42)
28

2.7.3 Etapa Verificar (C - Check)

A terceira fase do Ciclo PDCA é chamada de Verificar e é representada pela


letra C, que simboliza a palavra inglesa check. Segundo Werkema (2013), nessa
etapa será feita a confirmação da efetividade da ação adotada. É importante ressaltar
que, se a ação não for efetiva e a meta de melhoria não for atingida, será necessário
retornar para a primeira etapa e começar tudo novamente.

2.7.4 Etapa Atuar (A - Action)

A quarta fase do Ciclo PDCA é chamada de Atuar e é representada pela letra


A, em menção à palavra inglesa action. Essa fase consiste em adotar como padrão
as ações que funcionaram, ou seja, as ações que foram implementadas e que
permitiram que as metas fossem alcançadas (WERKEMA, 2013).
Apesar de o Ciclo PDCA ter quatro etapas e de essa ser a quarta, isso não
significa que o ciclo termina nela. Conforme diz Werkema (2013), para que a
consolidação do alcance das metas de melhoria ocorra, é preciso que as ações que
deram certo sejam utilizadas no dia a dia, passando a constituir um novo padrão. A
partir de então, o ciclo passa a funcionar de forma contínua.

2.8 DMAIC

O modelo DMAIC (Figura 10) é a base da Metodologia Seis Sigma. A princípio,


definido apenas como MAIC pela Motorola, foi melhorado pela General Electric e
passou a ter incorporado mais uma fase. Assim como o Clico PDCA, o DMAIC também
possui a sua sequência lógica de funcionamento, a qual se baseia em Definir (D -
Define), Medir (M - Measure), Analisar (A - Analyze), Melhorar (I - Improve) e Controlar
(C - Control).
29

Figura 10 - Método DMAIC

Fonte: WERKEMA, Cristina (2012)


Levando em consideração que se tratam de ferramentas que buscam objetivos
semelhantes, é possível fazer uma correspondência entre o Ciclo PDCA e o Método
DMAIC, conforme mostrado pelas Figuras 11 e 12.
Figura 11 - Correspondência entre o Método DMAIC e o Ciclo PDCA (1ª forma de visualização)

Fonte: WERKEMA, Cristina (2012)

Figura 12 - Correspondência entre o Método DMAIC e o Ciclo PDCA (2ª forma de visualização)

Fonte: WERKEMA, Cristina (2012)


30

Podemos ver que ambas as ferramentas se correspondem, de maneira que no


DMAIC a etapa de Planejar do Ciclo PDCA seja ampliada e trabalhada de forma mais
detalhada. Considerando o que foi dito por Werkema (2013) a respeito da primeira
etapa do Ciclo PDCA, que quanto mais essa fase (Planejar) for trabalhada, maiores
são as possibilidades de as metas serem alcançadas, pode-se dizer que há maiores
chances de que melhores resultados sejam alcançados utilizando-se o DMAIC.
Isso se reforça no primeiro item da Figura 13, onde são mostrados os pontos
fortes do DMAIC apontados por Werkema (2012):

Figura 13 - Pontos Fortes do Método DMAIC

Fonte: WERKEMA, Cristina (2012)

2.8.1 Etapa Definir (D - Define)

A primeira fase do Método DMAIC é chamada de Definir e é representada pela


letra D, provinda da palavra inglesa define. Conforme o fluxograma de Werkema
(2012), a primeira ação da fase é descrever o problema em questão e a meta que se
deseja alcançar. Depois disso, é necessário verificar o histórico do problema,
avaliando se o retorno econômico e o impacto sobre os clientes/consumidores serão
viáveis. A partir daí será preciso decidir se o projeto será prioritário para a empresa e
se os gestores irão patrociná-lo. Caso isso não aconteça, o projeto não poderá ter
continuidade.
Com a aprovação e patrocínio dos gestores, será necessário formar uma
equipe e dividir as responsabilidades do projeto entre ela, entre elas identificar as
necessidades dos principais clientes do projeto e o principal processo envolvido nele.
31

Para auxiliar nas ações dessa fase, algumas perguntas podem ser utilizadas
como base, conforme propõem Werkema (2012):
1. Qual é o problema / oportunidade?
2. Qual indicador será utilizado para medir o resultado do projeto?
3. Existem dados confiáveis para levantamento do histórico? Por que os dados
foram classificados como confiáveis (ou como não confiáveis)? Caso os dados
não sejam confiáveis, como será possível levantar o histórico do problema /
oportunidade?
4. Como o indicador vem se comportando historicamente?
5. Qual é a meta?
6. Quais são as perdas resultantes do problema?
7. Quais são os ganhos potenciais do projeto?
8. O projeto deve ser desenvolvido?
9. Qual equipe desenvolverá o projeto?
10. Quais são as restrições e suposições?
11. Qual é o cronograma do projeto?
12. Qual é o escopo do projeto?
13. Qual é o principal processo envolvido?
14. O projeto está alinhado com o Champion (contrato de trabalho)?
As principais ferramentas utilizadas no estudo de caso da pesquisa e que fazem
parte dessa fase são: brainstorming, diagrama de causa e efeito (Ishikawa), matriz de
causa e efeito (priorização), pareto, mapa do processo e processo de estratificação
de dados.

2.8.1.1 Brainstorming

Segundo Werkema (2013), a finalidade do brainstorming é auxiliar a produzir o


máximo de possíveis ideias ou sugestões criativas sobre um tópico de interesse, em
um curto período de tempo. As regras para execução dessa ferramenta podem ser
observadas na Figura 14.
32

Figura 14 - Regas do Brainstorming

Fonte: WERKEMA, Cristina (2012)

2.8.1.2 Diagrama de Causa e Efeito (Ishikawa)

O Diagrama de Causa e Efeito (Figura 15), também chamado de Diagrama de


Ishikawa, deve ser preenchido com as ideias levantadas durante o brainstorming. Ele
tem a função de apresentar a relação entre o resultado de um processo (efeito) e os
fatores (causa) que podem afetar o resultado considerado (WERKEMA, 2013).

Figura 15 - Diagrama de Causa e Efeito

Fonte: WERKEMA, Cristina (2013)


33

2.8.1.3 Matriz de Causa e Efeito (priorização)

A Matriz de Causa e Efeito (Figura 16), também conhecida como Matriz de


Priorização, utiliza também as ideias do brainstorming como dados de entrada, onde
geralmente são identificadas várias causas potenciais para o problema. Dessa forma,
é necessário verificar as que realmente contribuem de modo significativo para a
ocorrência do problema, pois não se torna viável atacar todas as causas potenciais
levantadas. Para realizar essa priorização, utiliza-se a Matriz de Causa e Efeito
(Werkema, 2013).
Figura 16 - Matriz de Causa e Efeito

Fonte: WERKEMA, Cristina (2013)

2.8.1.4 Pareto

O Pareto (Figura 17) é um gráfico baseado na Matriz de Causa e Efeito e que


mostra o percentual de contribuição das potenciais causas para o problema. Ele
permite que sejam visualizadas as causas vitais que deverão ser atacadas para que
as metas sejam alcançadas (WERKEMA, 2013).
34

Figura 17 - Pareto

Fonte: WERKEMA, Cristina (2013)

2.8.1.5 Mapa do Processo

O Mapa do Processo (Figura 18) é um fluxograma que possibilita examinar o


processo onde o problema é gerado, permitindo o melhor entendimento do fluxo e
identificação de oportunidades para a redução de ciclo e custos do mesmo
(WERKEMA, 2013).
Figura 18 - Mapa do Processo

Fonte: WERKEMA, Cristina (2013)


35

2.8.1.6 Processo de Estratificação de Dados

A Estratificação (Figura 19) tem a função de agrupar os dados em vários pontos


de vista, de maneira que se possa focalizar o fenômeno estudado. Fatores como
equipamento, operador, material e tempo, são categorias que fazem parte desse
processo (WERKEMA 2013).
Figura 19 - Estratificação

Fonte: WERKEMA, Cristina (2013)

2.8.2 Etapa Medir (M - Measure)

A segunda fase do Método DMAIC é chamada de Medir e é representada pela


letra M, que vem da palavra inglesa measure. Segundo o fluxograma de Werkema
(2012), primeiramente se deve decidir se serão coletados novos dados ou se os dados
existentes já são suficientes para realizar a avaliação do sistema de medição. Após
aprovado, é necessário realizar a estratificação dos dados e criação do plano de coleta
de novos dados para o projeto, os quais serão preparados e testados com base na
aprovação do sistema de medição realizada anteriormente. Após concluído, o plano
de ação será colocado em prática, onde os dados serão coletados e analisados. Com
base na medição dos dados serão definidos os problemas prioritários a serem
atacados, estudando suas variações e estabelecendo metas para cada um deles.
Para auxiliar nas ações dessa fase, algumas perguntas podem ser utilizadas
como base, conforme propõem Werkema (2012):
1. Como o problema pode ser estratificado? Isto é, quais são os fatores de
estratificação?
2. Existem dados históricos confiáveis para a estratificação do problema? Como
esses dados foram coletados?
36

3. Caso não existam dados históricos, como os novos dados serão coletados?
4. Quais são os focos do problema (estratos mais significativos)?
5. Como os focos se comportam ao longo do tempo (análise de variação dos
focos)?
6. Quais são as metas específicas para cada um dos focos do problema?
7. As metas específicas são suficientes para o alcance da meta geral?
8. As metas específicas pertencem à área de atuação da equipe?
As principais ferramentas utilizadas no estudo de caso da pesquisa e que fazem
parte dessa fase são: estudo de normalidade e análise de Cp e Cpk.

2.8.2.1 Estudo de Normalidade

O Estudo de Normalidade é utilizado para verificar se os dados com os quais


estão se trabalhando são normais ou não. O fato de os dados serem normais torna
possível a previsão de suas novas ocorrências, o que possibilita ações de correções.
Em muitos casos, os dados podem parecer que não estão seguindo uma distribuição
normal devido alguma análise prévia errada. Por esse motivo, é aconselhável realizar
a validade dessa normalidade, onde usualmente é realizado um teste de normalidade.
O parâmetro usado para determinar se uma distribuição de dados é normal ou não é
chamado de P-value. Caso seu valor seja maior ou igual a 0,05, a distribuição é
considerada normal. Caso seja menor que 0,05, a distribuição não é considerada
normal (WERKEMA, 2012). A Figura 20 mostra um exemplo de dados normais.
Figura 20 - Estudo de Normalidade

Fonte: WERKEMA, Cristina (2013)


37

2.8.2.2 Teste de Cp e Cpk

O Teste dos Índices de Cp e Cpk (Figura 21) possibilita medir se um processo


é capaz de gerar produtos que atendam às especificações provenientes dos clientes
internos e externos, onde o Cp informa o que pode ser feito e o Cpk informa o que
está sendo feito. Para considerar que um processo é capaz de produzir dentro das
especificações é necessário que o seu valor de Cp seja maior ou igual a 1,33. Caso
esteja entre 1,00 e 1,32, o processo é considerado razoável. E caso esteja abaixo de
1,00, ele é considerado incapaz (WERKEMA, 2013).
Figura 21 - Análise de Cp

Fonte: WERKEMA, Cristina (2013)

2.8.3 Etapa Analisar (A - Analyze)

A terceira fase do Método DMAIC é chamada de Analisar e é representada pela


letra A, que simboliza a palavra inglesa analyze. Segundo o fluxograma de Werkema
(2012), nessa etapa se dará início a análise do processo gerador do problema
prioritário. De posse dos dados, será necessário identificar e organizar as potenciais
causas desse problema, sugerindo possíveis soluções para o mesmo.
Para auxiliar nas ações dessa fase, algumas perguntas podem ser utilizadas
como base, conforme propõem Werkema (2012):
1. Qual o processo gerador do problema?
2. Quais são as causas potenciais que mais influenciam no problema?
3. É necessário revisar o Mapa de Processo?
38

4. As causas potenciais foram priorizadas?


5. As causas potenciais foram comprovadas (quantificadas)?
6. Quais são as causas fundamentais?
As principais ferramentas utilizadas no estudo de caso da pesquisa e que fazem
parte dessa fase são: brainstorming, que já foi apresentado na fase Definir, e FMEA.

2.8.3.1 FMEA

Para Werkema (2013), o FMEA (Figura 22) tem como objetivos identificar,
hierarquizar e prevenir as potenciais falhas de um produto ou processo. Suas
principais utilizações são:
1. Identificação das variáveis críticas que podem afetar a qualidade da saída de
um processo;
2. Avaliação dos riscos associados às falhas;
3. Auxílio para elaborações de suposições sobre o tipo de relacionamento entre
as variáveis de um processo;
4. Avaliação de prioridades para a coleta de dados e a realização de estudos
quantitativos para a descoberta de causas fundamentais de um problema.
Figura 22 - FMEA

Fonte: WERKEMA, Cristina (2013)

2.8.4 Etapa Melhorar (I - Improve)

A quarta fase do Método DMAIC é chamada de Melhorar e é representada pela


letra I, em menção à palavra inglesa improve. Segundo o fluxograma de Werkema
(2012), nessa etapa serão geradas e aplicadas as soluções potenciais para a
eliminação do problema prioritário. Da mesma forma que o problema, as soluções
também deverão ser priorizadas, para que sejam testadas em pequena escala (lote
39

piloto). Conforme aplicação e identificação de possíveis correções, será necessário


realizar alguns ajustes. Se, com os pequenos ajustes, a meta for alcançada, será
passado para a última fase. Caso não, será preciso retornar para a fase Medir, onde
serão identificadas novas alternativas.
Para auxiliar nas ações dessa fase, algumas perguntas podem ser utilizadas
como base, conforme propõem Werkema (2012):
1. Quais são as possíveis soluções?
2. Será necessário priorizar as soluções?
3. As soluções priorizadas apresentam algum risco?
4. Será necessário testas as soluções?
5. Como os testes serão executados?
6. Quais os resultados dos testes?
7. Qual o plano de ação para implementar as soluções em larga escala?
8. As ações foram implementadas conforme planejado?
9. As metas específicas forma alcançadas?
As principais ferramentas utilizadas no estudo de caso da pesquisa e que fazem
parte dessa fase são: matriz de esforço x impacto, DOE, Mapa de Processo (revisão),
implementação do lote piloto, FMEA (revisão) e Análise de Cp e Cpk (revisão).

2.8.4.1 Matriz de Esforço x Impacto

Para Colella (2013), a Matriz de Esforço x Impacto pode ser utilizada em várias
situações, desde importantes projetos, ou até mesmo no planejamento de atividades
diárias ou semanais. A maior vantagem do uso dessa ferramenta é a possibilidade de
identificar ganhos rápidos, maximizando a produtividade, já que ela permite priorizar
as ações que trazem maiores resultados com menos esforço.
Tomando como exemplo a Figura 23, as tarefas do quadrante I são as mais
produtivas, pois resultam em altos impactos, provenientes de baixos esforços. Essas
devem ser executadas com prioridade. As tarefas do quadrante II são importantes,
pois também geram altos impactos, porém necessitam de altos esforços para serem
realizadas. Nesse caso, é necessário uma avaliação e planejamento para realização
das mesmas. As tarefas do quadrante III são o oposto das que estão no quadrante II,
pois apesar de exigirem um baixo esforço para serem realizadas, seu retorno também
é pequeno. Também é necessário análise e planejamento, caso deseje executá-las.
40

Por fim, as tarefas do quadrante IV são as mais críticas, pois apesar do grande esforço
para realizá-las, o retorno será mínimo. Em geral, essas são desconsideradas.
Figura 23 - Matriz Esforço x Impacto

Fonte: COLELLA, Fernando (2013)

2.8.4.2 DOE

O DOE (Figura 24) é uma ferramenta presente no software Minitab utilizada na


realização de experimentos de interação, que investiga os efeitos de várias variáveis
em uma variável de saída.
Esses experimentos consistem em uma série de ensaios, ou testes, nos quais
são feitas alterações intencionais nas variáveis de entrada ou fatores, e os
dados são coletados em cada ensaio. Os profissionais responsáveis pela
qualidade usam o DOE para identificar as condições do processo e os
componentes do produto que influenciam a qualidade, para então determinar
as configurações de variáveis de entrada (fatores) que maximizem os
resultados. (MINITAB, 2006, p.5-1)

Caso as barras das variáveis estudadas e suas interações ultrapassem a linha


de referência (0,5 por padrão), elas são consideradas significativas.
41

Figura 24 - DOE

Fonte: MINITAB (2006)

2.8.4.3 Implementação do Lote Piloto

Segundo Werkema (2012), deve-se realizar os testes das soluções prioritárias


escolhidas, com a finalidade de testá-las em pequena escala. A partir dos resultados
obtidos com o teste piloto, serão identificados e realizados possíveis ajustes ou
melhorias nas soluções do problema.

2.8.5 Etapa Controlar (C - Control)

A quinta fase do Método DMAIC é chamada de Controlar e é representada pela


letra C, provinda da palavra inglesa control. Conforme o fluxograma de Werkema
(2012), após validados os resultados obtidos na fase Melhorar, deverão ser criados
padrões para as melhorias, e transmitidos para todos os envolvidos no processo. Além
disso, também deverá ser criado um plano de monitoramento de performance do
processo, que contemple ações corretivas para caso de surgimento de novos
problemas. Por fim, sumarizar tudo o que foi aprendido e fazer recomendações para
projetos futuros (lições aprendidas).
Para auxiliar nas ações dessa fase, algumas perguntas podem ser utilizadas
como base, conforme propõem Werkema (2012):
42

1. A meta global foi alcançada?


2. Foi obtido o retorno financeiro previsto?
3. Foram criados ou alterados padrões para a manutenção dos resultados?
4. As pessoas das áreas envolvidas com o cumprimento dos novos padrões foram
treinadas?
5. Quais variáveis do processo serão monitoradas e como elas serão
acompanhadas?
6. Como será o acompanhamento do processo com base no sistema de
monitoramento (planos de manutenção corretiva e preventiva)?
7. O que foi aprendido e quais as recomendações da equipe?
As principais ferramentas utilizadas no estudo de caso da pesquisa e que fazem
parte dessa fase são: carta de controle, Mapa do Processo (definição) e criação de
padrões.

2.8.5.1 Carta de Controle

A Carta de Controle (Figura 25) é uma ferramenta que permite a visualização e


entendimento da variação do processo estudado, por meio da disposição dos dados
analisados. Além disso, possibilita comparar os resultados de antes e depois das
ações de melhoria tomadas (WERKEMA, 2013).
Figura 25 - Carta de Controle

Fonte: WERKEMA, Cristina (2013)


43

2.8.5.2 Criação de Padrões

É importante que novos padrões para as melhorias realizadas sejam criados e


divulgados para todo o time envolvido no processo, quer sejam por meio da
elaboração de manuais de treinamento ou reuniões. Os padrões criados precisam ser
claros, com a utilização de figuras e símbolos que facilitem o seu entendimento, além
de que devem estar disponíveis em locais e forma apropriados (WERKEMA, 2012).
44

3 ESTUDO DE CASO: INDICADORES DE QUALIDADE

Para confirmar os conceitos e ferramentas citados anteriormente, a pesquisa


aplicou a Metodologia Seis Sigma no setor de qualidade de uma indústria
automobilística, analisando a tarefa de atualização dos indicadores do setor. As
nomenclaturas de identificação adotadas para resguardar a integridade das
informações dos indicadores foram: Base de Dados, Indicador 1, Indicador 2,
Indicador 3, Indicador 4, Indicador 5 e Indicador 6.
A Base de Dados é onde todas as informações utilizadas para atualização dos
indicadores estão concentradas. O Indicador 1 tem como função mostrar dados
monetários a respeito dos valores gastos com garantia no período de 0 a 3 meses da
venda do produto. Já o Indicador 2, também leva em consideração o mesmo período
de 0 a 3 meses, porém mostra dados quantitativos das ocorrências de garantia. O
Indicador 3 também mostra dados monetários dos valores de garantia, porém
diferente o primeiro indicador, esse abrange um período completo de 1 ano. O
Indicador 4 é responsável por apresentar dados de satisfação de clientes com o
produto em produção. O Indicador 5 utiliza os dados dos quatro indicadores anteriores
para realizar uma priorização das ações que devem ser tomadas para redução dos
mesmos. Por fim, o Indicador 6, concentra as informações das ações que serão
tomadas com base no quinto indicador, mostrando seus status de implementação. A
ilustração dos indicadores é mostrada na Figura 26.
Figura 26 - Ilustração das Atividades de Atualização dos Indicadores

Fonte: Autor (2019)


45

O passo a passo da aplicação e resultados obtidos pela pesquisa, que seguem


nos tópicos abaixo, a qual teve como base a ferramenta DMAIC, já abordada
anteriormente.

3.1 ETAPA DEFINIR (D - DEFINE)

Para dar início à pesquisa foi necessário primeiramente realizar o levantamento


mensal do tempo gasto com a atualização dos indicadores, o qual é mostrado no
Gráfico 01. Para tal, as atividades foram cronometradas durante um período de seis
meses, antes da intervenção das ações definidas pela pesquisa.
Gráfico 01 - Tempo Dedicado às Atividades de Atualização dos Indicadores por Mês (hs)

Fonte: Autor (2019)


Durante os seis meses verificados foi observado que a média de tempo gasto
com as atividades de atualização dos indicadores foi de 13,35hs. Além disso, foi
verificado também que existiam “brechas” na execução das mesmas, de maneira que
os resultados poderiam conter erros gerados durante o processo de atualização,
tornando o processo não confiável. Diante disso, deu-se início à fase Definir, sendo o
passo seguinte, a realização do brainstorming para levantamento de possíveis causas
para geração dos problemas em questão.

3.1.1 Brainstorming

Durante a realização do brainstorming foram levantadas nove possíveis causas


para a reprodução dos problemas identificados:
1. Problema no computador;
2. Absenteísmo do operador;
46

3. Não padronização das atividades;


4. Atividades de maior prioridade;
5. Participação do operador em reuniões;
6. Atividades manuais;
7. Habilidade do operador insuficiente;
8. Não treinamento do operador;
9. Problema no sistema de geração dos dados.

3.1.2 Diagrama de Causa e Efeito (Ishikawa)

Utilizando as possibilidades levantadas no brainstorming, foi realizado o


preenchimento do Diagrama de Causa e Efeito, a fim de separá-las nas categorias da
ferramenta. A intenção é sempre priorizar as opções relacionadas à categoria de
Método, com base no princípio de melhoria contínua do processo, conforme mostra a
Figura 27.
Figura 27 - Diagrama de Causa e Efeito (Ishikawa) Preenchido

Fonte: Autor (2019)


Após a análise do diagrama final, foi verificado que três ideias se encaixavam
na categoria de método: Não padronização das atividades, Atividades manuais e
Problema no sistema de geração dos dados.

3.1.3 Matriz de Causa e Efeito (priorização)

Também utilizando as ideias geradas durante o brainstorming, foi feito o


preenchimento da Matriz de Causa e Efeito, para que fosse feita a análise de
47

priorização de acordo com o percentual de impacto de cada uma delas. O resultado


pode ser visto na Figura 28.
Figura 28 - Matriz de Causa e Efeito (priorização) Preenchida

Fonte: Autor (2019)


Conforme observado, cinco ideais empataram com 243 pontos de impacto,
cada uma: Não padronização das atividades, Atividades manuais, Habilidade do
operador insuficiente, Não treinamento do operador e Problema no sistema de
geração dos dados.

3.1.4 Pareto

Com base na Matriz de Causa e Efeito, foi gerado o gráfico de pareto (Gráfico
02), mostrando o percentual de contribuição e impacto de cada uma das
possibilidades levantadas no brainstorming.
Gráfico 02 - Pareto de Priorização dos X’s

Fonte: Autor (2019)


48

O Pareto mostrou que as cinco potenciais causas que empataram na Matriz de


Causa e Efeito poderiam impactar algo em torno de 64% no problema. Dessa forma,
foram consideradas como possíveis causas potenciais para o problema e identificadas
como X1 - Não padronização das atividades, X2 - Atividades manuais, X3 - Habilidade
do operador insuficiente, X4 - Não treinamento do operador e X5 - Problema no
sistema de geração de dados.

3.1.5 Mapa do Processo

Para identificar os locais de atuação das cinco potenciais causas definidas


anteriormente foi necessário analisar o Mapa do Processo. A princípio, mostrando
apenas o processo, desde o primeiro passo (baixar a base de dados) até o último
(divulgação dos resultados), conforme mostra o Fluxograma 01.
Fluxograma 01 - Mapa do Processo

Fonte: Autor (2019)


O processo como um todo possui oito atividades, sendo sete delas ligadas às
atualizações dos indicadores, as quais já foram descritas no início dessa sessão, e
uma relacionada apenas à divulgação dos resultados.
O segundo passo foi localizar as cinco potenciais causas dentro do Mapa do
Processo, para realmente identificar a atuação de cada uma delas, o que pode ser
visto no Fluxograma 02.
49

Fluxograma 02 - Mapa do Processo Com as Variáveis em Evidência

Fonte: Autor (2019)


Após a alocação das potenciais causas no Mapa do Processo, foi possível
perceber que as variáveis X1 e X2 estão bem próximas às sete atividades
correspondentes à atualização dos indicadores. Já as variáveis X3, X4 e X5 abrangem
o processo como um todo.
No caso da variável X3 - Habilidade do operador insuficiente, entende-se que
toda pessoa que assumir a função de atualização dos indicadores nas condições
atuais será passível dessa situação, sendo necessário um treinamento prévio para a
execução da atividade. Dessa forma, não foi visto necessidade de aprofundamento
nessa variável.
Com relação à variável X4 - Não treinamento do operador, a mesma possui um
vínculo com a anterior, onde a deficiência do treinamento será suprida durante o
tempo em que o responsável pelas atividades estiver sendo ensinado a executá-las.
Portanto, também não se viu necessidade de investigá-la.
Para a variável X5 - Problema no sistema de geração de dados, entende-se
que é a variável mais geral de todas, pois não impactaria penas na atividade de
atualização dos indicadores, mas em toda a companhia, já que é o sistema base
utilizado por todos. Por conta disso, também foi descartado o estudo dessa variável.
Já as variáveis X1 - Não padronização das atividades e X2 - Atividades
manuais, estão diretamente ligadas aos processos estudados, visto o que foi
apresentado pelo Mapa do Processo. Dessa forma, foi definido que ambas as
variáveis seriam a base para o estudo da pesquisa.
50

3.1.6 Processo de Estratificação de Dados

Finalizando a fase Definir, foi realizado o Processo de Estratificação de Dados


com base nas duas variáveis selecionadas a partir da avaliação do Mapa do Processo
(X1 e X2), o qual é mostrado na Figura 29.
Figura 29 - Processo de Estratificação dos Dados

Fonte: Autor (2019)


Após a estratificação, foi decidido que, partindo das variáveis X1 e X2, os
problemas que seriam abordados pela pesquisa seriam a Falta de um sistema para
atualização automática dos indicadores (referente à variável X2) e a Falta de
instruções de execução das atividades (referente à variável X1).

3.2 ETAPA MEDIR (M - MEASURE)

Após a definição de quais fatores seriam atacados pela pesquisa, foi necessário
verificar os dados de tempo de execução coletados anteriormente (Gráfico 1). O
objetivo da verificação seria determinar se os dados com os quais estavam se
trabalhando eram normais ou não. O fato de os dados serem normais possibilita a
utilização de ferramentas e cálculos estatísticos na análise do problema, pois de certa
forma, são dados possíveis de serem previstos, obedecendo a distribuição normal ou
gaussiana.

3.2.1 Estudo de Normalidade

Com o auxílio do software estatístico Minitab, foi realizado o Estudo de


Normalidade dos dados de tempo mostrados anteriormente no Gráfico 01. O resultado
do estudo pode ser visto na Figura 30.
51

Figura 30 - Estudo de Normalidade dos Dados Coletados

Fonte: Autor (2019)


Como mostrado anteriormente, o critério de definição para se saber se os
dados são normais ou não é a variável chamada P-Value, onde seu valor deve ser
maior ou igual a 0,05. Conforme mostrado pelo teste da pesquisa, o valor de P-Value
obtido foi de 0,973, sendo o teste de normalidade aprovado.
Além da comprovação da normalidade dos dados, foi possível perceber
também que a média obtida na atualização dos indicadores durante o período de
coleta das informações foi de 13,35hs por mês.

3.2.2 Teste de Cp e Cpk

Partindo para o Teste de Cp e Cpk, que seria uma espécie de medição de


capacidade e aderência, também com o auxílio do software Minitab, foi realizado o
estudo de performance do processo, a fim de analisar a situação atual na qual o
mesmo se encontrava, o qual é mostrado na Figura 31.
Com base na média de 13,35hs por mês obtida no Estudo de Normalidade, foi
definido que, em relação à redução de tempo com as atividades, esse valor seria de
30% da média atual. Dessa forma, considerou-se o limite superior de controle (USL)
como 9,34hs. É importante ressaltar que, como se estava trabalhando com tempo, o
limite inferior de controle (LSL) foi definido automaticamente como zero, pois não
existe tempo negativo.
52

Figura 31 - Teste de Cp e Cpk

Fonte: Autor (2019)


Observando o teste, foi possível identificar que o processo possuía uma ótima
capacidade de operação (Cp = 6,12), porém a sua aderência estava péssima (Cpk =
-5,18), levando em consideração que o valor do USL estipulado foi de 9,34hs. Ou seja,
a variação do processo era muito baixa, porém os resultados entregues estavam fora
do que se desejava. Era necessário que ações fossem tomadas para deslocar a
distribuição para dentro dos limites especificados, conforme exemplo da Figura 32.
Figura 32 - Deslocamento Necessário a Ser Realizado na Distribuição

Fonte: Autor (2019)


53

3.3 ETAPA ANALISAR (A - ANALYZE)

Para determinar as ações a serem tomadas que fariam com que a média do
tempo gasto com a atualização dos indicadores fosse deslocada para dentro dos
limites de controle, foi iniciada a Etapa Analisar.
A principal ferramenta utilizada foi o FMEA, com auxílio novamente do
Brainstorming, para preenchimento das informações pertinentes a cada fase.

3.3.1 Brainstorming

Diferentemente do brainstorming realizado na Etapa Definir, que foi feito de


forma independente para início do projeto, o da Etapa Analisar foi vinculado à
ferramenta FMEA. Dessa forma, os dados que serão mostrados no próximo item (4.3.2
FMEA) foram definidos em um brainstorming específico para o FMEA.

3.3.2 FMEA

A análise de FMEA foi realizada para as duas variáveis definidas anteriormente


(X1 - Não padronização das atividades e X2 - Atividades manuais), observando cada
um dos indicadores.
O primeiro ponto avaliado foi o efeito de cada uma das variáveis (falhas) e suas
respectivas severidades, sendo 10 o mais crítico. As informações são mostradas no
Quadro 01.
Quadro 01 - FMEA (Severidade)

Fonte: Autor (2019)


54

Pelo brainstorming foi definido que, para todos os indicadores, os efeitos se


resumiam em demora na atualização dos indicadores e possibilidade de geração de
erros durante o processo de atualização, sendo que a severidade da demora varia
para cada indicador.
O segundo ponto avaliado foi a causa de cada uma das variáveis (falhas) e
suas respectivas ocorrências, sendo 10 o mais crítico. As informações são mostradas
no Quadro 02.
Quadro 02 - FMEA (Ocorrência)

Fonte: Autor (2019)


Pelo brainstorming foi definido que, para todos os indicadores, as causas se
resumiam na falta de um sistema dedicado e de instruções de execução para
atualização dos indicadores, sendo a ocorrência definida como 10 para todos os
casos, justamente pela não existência dos pontos levantados.
O terceiro ponto avaliado foi a questão dos meios e métodos de controle de
cada uma das variáveis (falhas) e suas respectivas formas de detecção, sendo 10 o
mais crítico. As informações são mostradas no Quadro 03.
55

Quadro 03 - FMEA (Detecção)

FMEA

Nome do Processo: ATIVIDADES DE ATUALIZAÇÃO DOS INDICADORES DE QUALIDADE


Equipe responsável: MATHEUS LOPES

Detecção
Processo Modo de Falha Meios e Métodos de Controle

BASE DE DADOS ATIVIDADE MANUAL NÃO EXISTE 10


BASE DE DADOS NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 1 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 1 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 2 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 2 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 3 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 3 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 4 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 4 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 5 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 5 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10
INDICADOR 6 ATIVIDADE MANUAL NÃO EXISTE 10
INDICADOR 6 NÃO PADRONIZAÇÃO DA ATIVIDADE NÃO EXISTE 10

Fonte: Autor (2019)


Pelo brainstorming foi definido que, para todos os indicadores, não existia
meios e métodos de controle, sendo a detecção definida como 10 para todos os casos,
exatamente pela inexistência dessas medidas.
Após análise dos três tópicos do FMEA, foi calculado o NPR (Número de
Propriedade de Risco), o qual serve para direcionar a priorização das ações que
devem ser tomadas. As informações são mostradas no Quadro 04.
Quadro 04 - FMEA (NPR)

Fonte: Autor (2019)


56

Pelo fato de os efeitos, as causas e os meios e métodos de controle serem


praticamente iguais para todos os indicadores, os valores dos NPR’s deram muito
elevados, sendo o menor com o valor de 600.
Dessa forma, foi definido que seriam levantadas ações para todos os itens, até
porque se os efeitos e causas são semelhantes, seria provável que as soluções
também fossem, como mostra o Quadro 05.
Quadro 05 - FMEA (Ações Recomendadas)

Fonte: Autor (2019)


Pelo brainstorming foi decidido que as ações mais recomendadas para solução
dos problemas seriam a confecção de instruções de execução, padronizando o
processo de atualização dos indicadores, e a criação de um sistema para
gerenciamento e consulta dos indicadores.
A ideia inicial seria implementar o mais rápido possível as instruções de
execução, até que o sistema estivesse pronto para funcionar, o que passaria a
substituir as instruções. Porém, devido algumas particularidades, isso não foi possível,
conforme mostrado a partir da próxima etapa do DMAIC.

3.4 ETAPA MELHORAR (I - IMPROVE)

A intenção seria realizar a Etapa Melhorar em duas fases: primeiro, a


implementação das instruções de execução, o que iria garantir a padronização das
atividades até que o sistema fosse implementado; e em segundo, a implementação
de fato do sistema para atualização e consulta dos indicadores. Porém, durante a
57

execução dessa etapa, foi identificado que nem todos os indicadores eram passíveis
de automatização.

3.4.1 Matriz de Esforço x Impacto

Essa identificação ocorreu a partir da análise da Matriz de Esforço x Impacto,


mostrando que alguns indicadores necessitavam de um alto esforço para serem
automatizados via sistema, conforme mostrado na Figura 33.
Figura 33 - Matriz de Esforço x Impacto das Melhorias

Fonte: Autor (2019)


O objetivo dessa matriz, como já foi explicado anteriormente, é identificar quais
ações propostas podem gerar grandes resultados com o menor esforço possível.
Verificando a matriz gerada, de imediato, foi definido que seriam criadas instruções
de execução para todos os indicadores (quadrante verde), o que iria gerar um alto
retorno, com um baixo esforço. Foi possível identificar também que quatro, dos sete
indicadores, não poderiam possuir um sistema para atualização automática
(quadrante vermelho), pois era necessário um enorme esforço para realizar essa
operação, levando em consideração o fato de que um deles já era gerado através do
próprio sistema (base de dados) e os outros três dependiam de sistemas externos à
companhia (indicadores 4, 5 e 6).
Por fim, no quadrante amarelo, ficou a dúvida com relação aos outros três
indicadores, se alto esforço para executar a melhoria compensaria o alto retorno que
58

era previsto. Para reforçar a tomada dessa decisão, foi utilizada uma ferramenta do
software Minitab, o DOE.

3.4.2 DOE

Para realizar o DOE, foi necessário verificar primeiramente com o


departamento de TI os novos possíveis tempos que seriam gastos com a provável
implementação do sistema de atualização e consulta para os indicadores 1, 2 e 3,
para se fazer a comparação com os tempos gastos anteriormente. Esses valores
serviram de entrada para o teste a ser realizado com auxílio do software Minitab, o
qual é mostrado no Gráfico 03.
Gráfico 03 - Análise do DOE

Fonte: Autor (2019)


Ao verificar o resultado gerado pelo teste de DOE foi percebido que o
percentual de contribuição da automatização dos indicadores 1, 2 e 3 para melhoria
dos resultados era significativa, pois as barras dos três ficaram iguais ou maiores que
a linha de referência do DOE (0,5). Dessa forma, valeria a pena o alto esforço para
implementar o sistema para atualização e consulta desses três indicadores.

3.4.3 Mapa do Processo (revisão)

Após a definição das melhorias a serem realizadas, foi necessário revisar o


Mapa do Processo, contemplando a criação do sistema para os indicadores 1, 2 e 3,
conforme visto no Fluxograma 03.
59

Fluxograma 03 - Revisão do Mapa do Processo

Fonte: Autor (2019)


Com a implementação do sistema para atualização e consulta dos indicadores
1, 2 e 3, seria criada uma espécie de ramificação no processo, tornando essa atividade
independente do processo normal atual. Dessa forma, a consulta desses três
indicadores poderia ser realizada a qualquer momento, bastaria acessar o sistema.

3.4.4 Implementação do Lote Piloto

Como etapa inicial da Implementação do Lote Piloto, foi iniciada a confecção


das instruções de execução para todos os indicadores, padronizando e detalhando o
passo a passo das atividades que eram necessárias para se atualizar cada um dos
indicadores. A capa das IE’s é mostrada na Figura 34.
60

Figura 34 - Lote Piloto (Instruções de Execução)

Fonte: Autor (2019)


As instruções foram utilizadas para todos os indicadores durante o período em
que o sistema foi criado, testado, implementado e validado. Após a validação do
sistema para atualização e consulta dos indicadores 1, 2 e 3, não mais se passou a
utilizar as IE’s para os mesmos, o que passou a ser realizado diretamente no sistema,
conforme mostra a Figura 35.
Figura 35 - Lote Piloto (Implementação do Sistema)

Fonte: Autor (2019)


O sistema foi disponibilizado com uma opção de consulta para o indicador 1 e
três opções para os indicadores 2 e 3, devido ao fato de esses indicadores possuírem
classificações que variam de acordo com a quantidade de meses da fabricação do
produto.
61

3.4.5 FMEA (revisão)

Para validar as melhorias do lote piloto foi realizada a revisão do FMEA, a fim
de avaliar quais seriam os novos valores do NPR, que são mostrados no Quadro 06.
Quadro 06 - Revisão do FMEA

Fonte: Autor (2019)


Ao fazer a comparação entre os NPR’s antigos e os novos, foi possível perceber
o avanço gerado pelas ações tomadas. Apesar de um dos itens ainda possuir o valor
de 1000 (não houve nenhuma maneira de reduzi-lo), todos os demais ficaram com o
valor máximo de 600, sendo que esse valor de 600 era o mínimo antes das melhorias
realizadas.

3.4.6 Teste de Cp e Cpk (revisão)

Outra maneira de perceber e validar as melhorias realizadas foi através da


comparação dos índices de Cp e Cpk antes e depois das ações tomadas. A primeira
ação foi a criação das IE’s, padronizando o processo. Os resultados dessa
implementação inicial são observados na Figura 36.
62

Figura 36 - Teste de Cp e Cpk Após Implementação das IE’s

Fonte: Autor (2019)


Apesar de se perceber uma melhoria no processo (a média de tempo gasto no
mês caiu de 13,35hs para 10,22hs e o valor de Cpk subiu de -5,18 para -1,02), o
resultado ideal ainda não havia sido alcançado, pois o tempo gasto ainda estava acima
do que foi definido como limite superior de controle (9,38hs).
Essa foi a importância da realização do estudo da Matriz de Esforço x Impacto
e da análise do DOE, que levou a decisão de automatizar os indicadores 1, 2 e 3.
Conforme mostrado na Figura 37, com a implementação do sistema, os resultados
foram excelentes.
Figura 37 - Teste de Cp e Cpk Após Implementação do Sistema

Fonte: Autor (2019)


63

A média com o tempo gasto por mês com a atualização dos indicadores caiu
para 6,77hs (abaixo do USL). Por consequência disso, o índice de Cp subiu para 18,22
e o de Cpk para 10,15. É possível perceber o deslocamento da distribuição da
esquerda para o centro no comparativo mostrado na Figura 38.
Figura 38 - Comparativo Entre os Resultados

Fonte: Autor (2019)

3.5 ETAPA CONTROLAR (C - CONTROL)

Com a validação das melhorias através dos resultados obtidos, era necessário
aprovar todas as ações tomadas, além da criação de controles para garantir que essas
ações continuassem sendo seguidas e os resultados permanecessem.

3.5.1 Mapa do Processo (definição)

O primeiro passo foi definir o novo Mapa do Processo, assumindo como padrão
o modelo criado na Etapa Melhorar, que tornou a atualização dos indicadores 1, 2 e 3
atividades independentes do processo dos demais indicadores, como mostra o
Fluxograma 04.
64

Fluxograma 04 - Aprovação do Novo Mapa do Processo

Fonte: Autor (2019)

3.5.2 Carta de Controle

O segundo passo foi a criação de um relatório chamado de Carta de Controle,


que passou a ser alimentado com os valores dos tempos gastos por mês com a
atualização dos indicadores após as melhorias realizadas, para acompanhar mês a
mês se os resultados continuariam dentro do que foi alcançado, conforme mostrado
na Figura 39.
Figura 39 - Carta de Controle de Acompanhamento de Resultados

Fonte: Autor (2019)


65

A própria Carta de Controle ajuda a perceber também a melhoria alcançada,


mostrando a redução da média do tempo gasto por mês com as atividades de
atualização dos indicadores.

3.5.3 Criação de Padrões Para o Sistema

Assim como foram feitas as IE’s para a execução e padronização das


atividades de atualização dos indicadores quando ainda não se tinha o sistema, foi
definido como plano de controle a criação de novas IE’s para a consulta dos
indicadores 1, 2 e 3 via sistema. A capa das IE’s é mostrada na Figura 40.
Figura 40 - Instruções Execução Para Consulta Via Sistema

Fonte: Autor (2019)


Como seriam atividades novas, foi considerado que poderia existir uma certa
dificuldade no início da operação do sistema. Dessa forma, para garantir que a
melhoria alcançada com a implementação do sistema fosse preservada, as novas IE’s
foram criadas.
66

CONSIDERAÇÕES FINAIS

Após o estudo e aplicação da Metodologia Seis Sigma na otimização da gestão


dos indicadores de qualidade de uma indústria automobilística, foi possível perceber
que a melhora dos processos e resultados obtidos foram excelentes, fazendo com que
os objetivos da pesquisa fossem alcançados.
Houve uma redução de 49% no tempo gasto com as atividades de atualização
dos indicadores do setor. Antes da pesquisa, o valor médio gasto por mês era de
13,35hs, passando para 10,22hs após a primeira ação e para 6,77hs depois da
conclusão da pesquisa. Com essa redução, foi possível dedicar tempo para a
realização de outras atividades.
Os índices de capacidade e aderência do processo foram melhorados
consideravelmente, passando de Cp=6,12 e Cpk=-5,18 para Cp=5,68 e Cpk=-1,02
depois da primeira ação e posteriormente para Cp=18,22 e Cpk=10,15, após
fechamento das ações da pesquisa.
As informações passaram a ser mais confiáveis, pois boa parte dos indicadores
passou a ser usado através de sistema, o que antes era feito de forma manual. Isso
possibilitou também que as consultas aos indicadores se tornassem instantâneas, o
que antes era realizado apenas uma vez no mês (as informações ficavam congeladas
por 30 dias).
Por fim, o processo de implementação de indicadores para o sistema se tornou
um projeto piloto, que servirá de exemplo para implementação futura de outros
indicadores, não apenas no setor de qualidade, mas em outros departamentos da
companhia.
67

REFERÊNCIAS

COLELLA, Fernando. A Matriz Impacto x Esforço. 05/12/2013. Disponível em:


https://www.sbcoaching.com.br/blog/colaboradores/matriz-impacto-x-esforco/.
Acesso em 13/04/2019.

HEPTINSTALL, Simon [tradutores Alexandre Raposo el al.]. 1001 Carros Para Dirigir
Antes de Morrer. Rio de Janeiro: Sextante, 2013.

IG SÃO PAULO. Réplica do primeiro carro do mundo será vendida pela


Mercedes-Benz. São Paulo, 29/06/2018. Disponível em:
https://carros.ig.com.br/2018-06-29/primeiro-carro-do-mundo.html. Acesso em:
12/03/2019.

Minitab. Conheça o Minitab 15: para Windows. EUA: Minitab Inc., 2006.

OHNO, Taiichi. O Sistema Toyota de Produção. [S. l.]: Productivity Press, 1978.

ROTONDARO, Roberto G. et al. Seis Sigma. São Paulo: Atlas, 2002.

VLIET, Vincent Van. Taiichi Ohno. 2017. Disponível em:


https://www.toolshero.com/toolsheroes/taiichi-ohno/. Acesso em: 04/04/2019.

WEB ESTUDANTE. Fordismo – O que é? Características, Inovações, Taylorismo


e Toyotismo. 02/02/2018. Disponível em:
https://www.webestudante.com.br/fordismo/. Acesso em: 04/04/2019.

WERKEMA, Cristina. Criando a Cultura Lean Seis Sigma. Rio de Janeiro: Elsevier,
2012.

WERKEMA, Cristina. Design For Six Sigma: ferramentas básicas usadas nas
etapas D e M do DMADV. Rio de Janeiro: Elsevier, 2012.
68

WERKEMA, Cristina. Lean Seis Sigma: introdução às ferramentas do lean


manufacturing. Rio de Janeiro: Elsevier, 2011.

WERKEMA, Cristina. Métodos PDCA e DMAIC e suas ferramentas analíticas. Rio


de Janeiro: Elsevier, 2013.

WERKEMA, Cristina. Perguntas e Respostas Sobre o Lean Seis Sigma. Rio de


Janeiro: Elsevier, 2011.

WOMACK, Jim. Caminhadas pelo Gemba (livro eletrônico). 1ª Edição. São Paulo:
Lean Institute Brasil, 2013.

ZEEMAN, Alexander. Henry Ford. 2018. Disponível em:


https://www.toolshero.com/toolsheroes/henry-ford/. Acesso em: 04/04/2019.

Você também pode gostar