Escolar Documentos
Profissional Documentos
Cultura Documentos
Objetivos Específicos
• Utilizar as ferramentas de Histograma, Diagrama de Dispersão e Diagrama de
Pareto para o estudo do universo de dados.
Temas
Introdução
1 O Nosso case
2 Acompanhando Evoluções com um Histograma
3 Relacionando variáveis com um diagrama de dispersão
Considerações finais
Referências
Professor
Marvin Oliver Schneider
Gestão da Tecnologia: Gestão da Qualidade Total e Melhoria Contínua de Processo
Introdução
Para a análise de processos, tomada de decisão e implantação de medidas precisamos
de ferramentas que possam identificar o problema, suas raízes, definir ações em detalhes
suficientes e controlar se as medidas tomadas foram bem-sucedidas ou não.
Essas ferramentas fazem parte do fluxograma que utilizamos para modelar processos,
Histogramas, Diagramas Causa-Efeito, Folhas de Verificação, Diagramas de Dispersão, Cartas
de Controle e Diagramas de Pareto.
1 O Nosso case
Nosso case trata de uma empresa fictícia multinacional inglesa do segmento de logística
internacional. Ela possui unidades ao redor do mundo, uma política de qualidade definida e
assinada por sua diretoria e exibida em todos os corredores principais de seus escritórios.
Os processos de logística internacional se encontram mapeados com a ferramenta Bizagi
Modeler, partindo de uma Cadeia de Valor como nível macro, conforme apresentada por
Porter (1998). Ainda, há uma área separada de gestão de qualidade com um gerente funcional.
• Outra forma de entrar em contato é via e-mail, desta vez também de maneira direta
ao analista.
Conforme já dito, há uma grande insatisfação das áreas de negócio com o atendimento.
Frequentemente, podemos ouvir comentários pouco amigáveis a respeito de um atendimento
atrasado ou mal executado. Os funcionário de TI, por sua vez, reclamam de sobrecarga.
É claro que para conseguir resolver o problema precisamos, primeiro, entendê-lo melhor.
O problema parece de solução óbvia? Sim e não. Assim precisamos de pistas a seguir, tirar
conclusões de fatos já analisados, implantar melhorias e monitorá-las. Mas por onde começar?
Muitas vezes não conseguimos entender um problema de maneira correta. Isso se deve
ao fato da nossa cultura, nossa formação, nossas experiências, nossas paixões funcionarem
como “óculos”, que provocam uma visão parcial.
Quantas vezes um usuário não consegue pré-analisar o próprio problema, pois muitas
vezes sua visão dos fatos é diferente da visão da equipe técnica? Quantas vezes uma atividade
que parece ser fácil é entendida como difícil e vice-versa?
Dessa forma, precisamos ser objetivos. E de uma hipótese a ser comprovada ou não.
Em primeiro lugar, queremos saber quantos chamados tivemos em média por dia. Devemos
tomar cuidado para conseguir fontes confiáveis, monitorando de perto o levantamento feito
pela área de TI via e-mails ou contabilização de telefonemas.
Com o levantamento feito, então podemos analisar os dados via um Histograma. Por
exemplo o Gráfico 1:
60
50 50 49 50 48
50 45
48
45 45
42 41 42 43 41
CHAMADOS POR DIA
40 39 40 40 39
40 35 35 35
32 33 31
33
30 30
30 25
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
DIA DO MÊS
Com essa representação dos dados, podemos tirar algumas conclusões e levantar novas
perguntas a serem investigadas.
Conclusões iniciais:
A partir da análise inicial podemos questionar os seguintes pontos: Por qual razão o
volume de chamados estava relativamente baixo em alguns dias? O que houve nesses dias?
Maior eficiência? Menos funcionários trabalhando?
• Por qual razão os fins de semana mantiveram o nível médio de chamados? E como foi
a escala do pessoal de atendimento de TI no fim de semana? Estava coerente?
• Por que o número está com tendência crescente? Temos um sistema novo que está
nos dando cada vez mais problemas? Nossas máquinas estão ficando obsoletas?
Contudo, não temos como responder essas perguntas com êxito através da análise
do histograma, mas ele nos dá pistas muito valiosas, onde pesquisar de uma maneira bem
documentada e, melhor ainda, nos dá condições de argumentar com gestores e explicar com
evidências na mão o porquê de nós investigarmos determinado ponto.
Até agora levantamos apenas quantidades totais com nosso histograma. E se a gente
quisesse saber qual foi a prioridade dos chamados por mês? Poderíamos usar um histograma
também! No Gráfico 2, temos um exemplo de agrupamento nas classes:
45 42 41
40
40
35
35
30
30
CHAMADOS NO MÊS
25
20
15
10
5
0
1 2 3 4 5
PRIORIDADE DE CHAMADO
E agora quais conclusões e quais perguntas adicionais temos? Certamente, estamos vendo
que o número de chamados de menor relevância está muito alto. Será que o nível de treinamento
dos usuários precisa ser reforçado? Será que nossos sistemas precisam de atualizações ou nosso
hardware não está adequado? Também podemos ver que temos um número considerável no
outro extremo (chamados com prioridade muito alta) que deve ocasionar muita “correria”, já
que chamados desse tipo devem ser atendidos com máxima prioridade. Será que essa “correria”
evita a gente se concentrar no resto dos chamados (de prioridade mais baixa)?
Como o entendimento desse tipo de diagrama costuma ser mais complicado do que no
caso de outras ferramentas, começaremos por dois exemplos simples, para então aplicar a
ferramenta a uma situação no nosso case.
Imaginamos um caso em que temos uma população de adultos (20 indivíduos) com alturas
e pesos diferentes. Queremos analisar o relacionamento dessas duas variáveis (peso e altura).
Assim, no eixo Y colocamos altura (em cm) e no eixo X o peso (em kg). Para cada indivíduo
da população adicionamos um ponto no diagrama, ou seja, cada adulto se encontra colocado
no diagrama conforme duas variáveis que ele (como “instância”) relaciona: peso e altura.
Primeiro, temos uma linha de tendência que muitas ferramentas Office podem adicionar
automaticamente. Vamos olhar o Gráfico 3: quem está na linha de tendência está na média de
população de peso e altura. No entanto, muitos não estão na linha, ou seja, a relação peso e altura
varia muito conforme os indivíduos. E quem está acima da linha? São os indivíduos relativamente
magros considerando a altura (e a média da população). Do mesmo jeito, os indivíduos abaixo da
linha são muito baixos, considerando seu peso (ou muito gordos, considerando sua altura).
250
200
ALTURA (CM)
150
100
50
0
0 20 40 60 80 100 120 140 160
PESO (KG)
200
180
160
140
120
ANTES
100
80
60
40
20
0
0 50 100 150 200
DEPOIS
E como último exemplo, veremos uma aplicação do nosso case. Esta, à primeira vista, pode
parecer bem mais complicada que os exemplos anteriores. O que poderíamos relacionar? Há uma
série de possibilidades! Como exemplo relacionaremos duas variáveis de chamados: prioridade e
nível de satisfação. Considerando que nosso pessoal conseguiu levantar dados confiáveis, vamos
ver um universo de 20 chamados referentes à prioridade (1 mais baixa e 5 mais alta) e satisfação
(1 mais baixa e 5 mais alta). Em primeiro lugar, podemos observar que existem muitos desvios da
linha de tendência de que, porém, mostram uma tendência clara mesmo assim: chamados com
prioridade mais baixa geralmente têm como resultado a satisfação mais baixa dos usuários. E
assim chegamos a novas perguntas que precisaríamos investigar:
• Será que o atendimento foca demais em prioridades mais altas de tal forma que casos
menos críticos esperam por muito tempo (imaginamos aqui algo como três semanas)?
• Será que os diretores estão abusando do pessoal de suporte de tal forma a deixar
tudo urgente enquanto o resto dos usuários não é atendida de forma satisfatória?
4
PRIORIDADE
0
0 1 2 3 4 5 6
NÍVEL DE SATISFAÇÃO
Normalmente, não é um único fator, mas uma melhoria poderá ter um grande impacto
positivo!
Considerações finais
As Sete Ferramentas da Qualidade podem ajudar muito na análise dos fatos, ou seja,
transformar dados em informações. Normalmente chegaremos a conclusões e a mais
perguntas que nos levam aos poucos à causa raiz do problema.
As ferramentas ainda nos ajudarão a ter argumentos fortes para identificar as reais
dimensões dos problemas e de conseguir tomar medidas. Nesta aula estudamos histogramas
e gráficos de dispersão que utilizamos para analisar nosso universo de dados apontando
tendências e irregularidades.
Referências
BRASSARD, M. Qualidade – Ferramentas para uma Melhoria Contínua. Rio de Janeiro: Qualimark,
2000.