Seis Sigma Book - POLO CSSC - AlunoPolo PDF

LIVRE TRADUÇÃO PELA POLO SOLUÇÕES
EXCLUSIVA PARA OS ALUNOS DA POLO

© 2017 The Council for Six Sigma Certification. Todos os direitos reservados. Harmony Living, LLC,
412 N. Main St, Suite 100, Buffalo, WY 82834 January 2018 Edition
Aviso Legal: As informações fornecidas neste e-book são apenas para fins de informativos gerais.
Enquanto tentamos manter as informações atualizadas e corretas, não há representações ou
garantias, expressas ou implícitas, sobre a integridade, precisão, confiabilidade, adequação ou
disponibilidade com relação às informações, produtos, serviços ou gráficos relacionados contido
neste eBook para qualquer finalidade. Qualquer uso destas informações é por sua conta e risco.
O autor não assume, e pelo presente renuncia, qualquer responsabilidade a qualquer parte por
qualquer perda, dano ou interrupção causada por erros ou omissões, quer esses erros ou
omissões resultem de acidente, negligência ou qualquer outra causa.
LEAN SEIS SIGMA BOOK – LIVRE TRADUÇÃO POLO SOLUÇÕES
Este book foi traduzido livremente pela Polo Soluções com objetivo de uso em treinamentos, de uso
exclusivo para os alunos da Polo.
Investimos mais de 300 horas para realizar essa tradução, pedimos desculpas por eventual “falha ao
traduzir algumas palavras”, procuramos dar nosso melhor para realizar esse trabalho.
“É um presente aos nossos alunos “Belts” e queremos que chegue às pessoas da sociedade, que
desejarem beber na fonte, e em português, da riqueza de um manual completo de Lean Seis Sigma.”
Este é um eBook gratuito. Você é livre para entregá-lo (de forma não modificada) a quem quiser.
Livre tradução Polo Soluções, exclusivo para alunos Polo Página 2

© 2017 The Council for Six Sigma Certification. Todos os direitos reservados.
Usando a edição mais recente no seu local de trabalho?
Como tentamos continuamente manter nosso manual atualizado com os mais recentes
desenvolvimentos do setor, não deixe de conferir nosso site com frequência para a edição mais
recente em www.sixsigmacouncil.org.

Índice
UNIDADE 1: INTRODUÇÃO A SEIS SIGMA .................................................................................. 7
CAPÍTULO 1: O QUE É SEIS SIGMA? .............................................................................................. 7
Processos e decisões baseados em dados .......................................................................... 7
Definindo 6 ......................................................................................................................... 8
Princípios Comuns do Seis Sigma ...................................................................................... 11
Desafios do Seis Sigma....................................................................................................... 13
CAPÍTULO 2: SEIS SIGMA - HISTÓRIA E APLICAÇÃO ................................................................. 16
O Desenvolvimento do Controle Estatístico de Processos ................................................. 16
Melhoria Contínua de Processos: Toyota e Lean ............................................................... 17
Foco em defeitos da Motorola ............................................................................................. 18
ABB, Allied Signal e General Electric .................................................................................. 19
Crescimento continuado do Seis Sigma.............................................................................. 20

Aplicando o Conhecimento Seis Sigma .............................................................................. 21
CAPÍTULO 3: OUTROS MÉTODOS DE MELHORIA DE PROCESSO E QUALIDADE .......... 24
Outros Programas Formais de Qualidade ou Melhoria de Processos ................................ 24
Quando usar o Seis Sigma .................................................................................................. 30
CAPÍTULO 4: CONCEITOS DE LEAN ..................................................................................................... 31
Os Sete Muda ............................................................................................................................ 31
Outras Formas de Desperdício .......................................................................................... 39
Dois Tipos de Muda ............................................................................................................. 40
5S ............................................................................................................................................... 40
Fabricação Just- -in-Time ................................................................................................... 42
CAPÍTULO 5: CONCEITOS BÁSICOS DO SIGMA ................................................................................... 44
Desvio Padrão ..................................................................................................................... 44
O Princípio de Pareto ......................................................................................................... 50
Voz do Cliente ..................................................................................................................... 55
Métricas Básicas .................................................................................................................. 59
CAPÍTULO 6: ABORDANDO O PROBLEMA .................................................................................. 63
Funções do Problema: y = f(x) ............................................................................................ 63
Os 5 Porquês ....................................................................................................................... 64
Criando uma Declaração de Problema ............................................................................... 66
UNIDADE 2: PROJETOS E PROCESSOS ....................................................................................... 71
CAPÍTULO 7: O QUE É UM PROCESSO? ...................................................................................... 71
O que é um processo? ...................................................................................................... 71
Principais componentes do processo ................................................................................. 73
Proprietários do Processo .................................................................................................. 77
Dados.................................................................................................................................. 77
Definindo Componentes do Processo: O SIPOC ............................................................... 77
Dicas para uma Sessão de Brainstorming SIPOC ............................................................. 80
Amostra de diagramas SIPOC ........................................................................................... 80
CAPÍTULO 8: QUALIDADE ............................................................................................................. 86
Características Críticas à Qualidade .................................................................................. 86
A CoQ e o CoPQ ................................................................................................................ 91

Qualidade é essencial para o sucesso ............................................................................... 96
CAPÍTULO 9: SELECIONANDO OS PROJETOS CERTOS ................................................................... 97
Malabarismo com a quantidade certa de projetos ............................................................................ 97
Processo de seleção em nível corporativo ...................................................................................... 97
Veja por si mesmo ......................................................................................................................... 106
CAPÍTULO 10: GERENCIAMENTO DE EQUIPE SEIS SIGMA ..................................................... 108
Construindo uma Equipe Seis Sigma ............................................................................... 108
Cronogramas, Agendamento e Marcos ............................................................................ 113
Orçamentos ...................................................................................................................... 117
CAPÍTULO 11: : INTRODUÇÃO AO DMAIC E DMADV ................................................................. 119
DMAIC versus DMADV..................................................................................................... 120
Defina................................................................................................................................ 122
Meça ................................................................................................................................. 123
Analise .............................................................................................................................. 124
Melhore ............................................................................................................................. 125
Controle ............................................................................................................................ 126

Projete .............................................................................................................................. 126
Verifique ............................................................................................................................ 127
Quebrando o elefante ....................................................................................................... 128
UNIDADE 3: DMAIC AVANÇADO .................................................................................................. 129

CAPÍTULO 12: DEFINA .................................................................................................................. 129
Criando uma Carta do Projeto .......................................................................................... 129
Regras Básicas do Projeto ............................................................................................... 132
Definir o Conjunto de Ferramentas .................................................................................. 133
Definir lista de verificação de pedágios ............................................................................ 136
CAPÍTULO 13: MEÇA ..................................................................................................................... 139
Modos de Falha e Análise de Efeito ................................................................................. 139
Coletando Dados .............................................................................................................. 141
Meça a Lista de Verificação De Pedágio .......................................................................... 156
CAPÍTULO 14: ANALISE ........................................................................................................ 157
Análise de causa raiz........................................................................................................ 157
Análise Gráfica ................................................................................................................. 161
Análise estatística ............................................................................................................. 168
Llista de verificação de pedágios da fase ......................................................................... 170
CAPÍTULO 15: MELHORE ............................................................................................................. 171
Matriz de Seleção de Soluções ......................................................................................... 171
Análise de Custo-Benefício ............................................................................................... 174
Fazendo o Piloto de uma Solução ..................................................................................... 175
Implementação de Planejamento ...................................................................................... 177
Melhorar a Lista de Verificação de Estágio ....................................................................... 178
CAPÍTULO 16: CONTROLE ........................................................................................................... 179
Revise FMEA ........................................................................................................................... 179
Crie um Plano de Controle ................................................................................................ 179
Gerenciamento Visual ....................................................................................................... 182
Gráficos SPC ........................................................................................................................... 182
Celebração e Reflexão da Equipe ..................................................................................... 185
Controle a Lista de Verificação de Estágio........................................................................ 185
UNIDADE 4: ESTATÍSTICAS INICIAIS ................................................................................................... 187
CAPÍTULO 17: ANÁLISE GRÁFICA INTERMEDIÁRIA .......................................................................... 187
Ferramentas adicionais de análise gráfica ...................................................................................... 187
Criando um gráfico de controle X-Bar sem software estatístico ...................................................... 201
Adicionando ferramentas gratuitas de análise de dados ao Excel .................................................. 207
CAPÍTULO 18: DISTRIBUIÇÕES DE PROBABILIDADE NORMAIS ...................................................... 212
Distribuições de probabilidade ........................................................................................................ 212
Criando um histograma no Excel .................................................................................................... 221
Distribuições Normais ..................................................................................................................... 227
Probabilidades Normais .................................................................................................................. 241
CAPÍTULO 19: CORRELAÇÃO E REGRESSÃO ................................................................................... 244
Correlação ....................................................................................................................................... 244
Análise de regressão linear ............................................................................................................. 253
Usando Correlação e Regressão no Seis Sigma ............................................................................ 260
UNIDADE 5: ESTATÍSTICAS INTERMEDIÁRIAS ................................................................... 265
CAPÍTULO 20: DISTRIBUIÇÕES NÃO-NORMAL DA PROBABILIDADE .............................. 265
Revendo distribuições de probabilidade normal .............................................................. 265

Distribuições contínuas não normais ................................................................................ 266
Distribuições discretas não normais ................................................................................. 279
Aplicando Dados a Situações do Mundo Real ................................................................. 294
CAPÍTULO 21: TESTE DE HIPÓTESES ................................................................................ 295
Noções Básicas Sobre Testes de Hipóteses ................................................................... 295
Selecionando o Teste de Hipótese Certo ......................................................................... 297
Por que executar testes de hipóteses .............................................................................. 303
Executando Testes de Hipótese ....................................................................................... 303
CAPÍTULO 22: TAMANHO DA AMOSTRA............................................................................. 313
Uma revisão dos erros do teste de hipóteses .................................................................. 314
Quais informações são necessárias para escolher o tamanho da amostra? .................. 314
Cálculos de Tamanho da Amostra: Escolhendo o Método Correto ................................. 317
Executando e analisando testes de tamanho de amostra no Minitab .............................. 318
CAPÍTULO 23: GRÁFICOS DE CONTROLE AVANÇADOS .................................................. 329
Tipos comuns de gráficos de controle e quando usá-los ....... 329
Criando e lendo gráficos de controle no Minitab .............................................................. 336
CAPÍTULO 24: APLICANDO ESTATÍSTICA PARA APLICAÇÕES DE NEGÓCIOS ATRAVÉS DO SEIS
SIGMA ..................................................................................................................................................... 359
Desafios Comuns ao Apresentar Análises Estatísticas .................................................... 359
Por Que Incluir Algumas Estatísticas? .............................................................................. 360
Dicas para Criar Apresentações Favoráveis ao Negócio .................................................. 360

Unidade 1: Introdução ao Seis Sigma
Capítulo 1: O que é o Seis Sigma?

Seis Sigma, ou 6 é tanto uma metodologia para melhoria de processos quanto um conceito
estatístico que procura definir a variação inerente a qualquer processo. A premissa abrangente do
Seis Sigma é que a variação de um processo leva a oportunidades de erro; oportunidades por erro,
em seguida, levar a riscos de defeitos do produto. Os defeitos do produto - seja em um processo
tangível ou em um serviço - levam a uma baixa satisfação do cliente. Trabalhando para reduzir a
variação e as oportunidades de erro, o método Seis Sigma reduz os custos do processo e
aumenta a satisfação do cliente.
Processos e Decisões Baseados em Dados

Ao aplicar o Seis Sigma, organizações, equipes e gerentes de projetos buscam implementar
estratégias baseadas em medidas e métricas. Historicamente, muitos líderes empresariais
tomavam decisões com base na intuição ou experiência. Apesar de algumas crenças comuns em
vários setores, o Seis Sigma não elimina a necessidade de liderança experiente e não nega a
importância da intuição em nenhum processo. Em vez disso, o Seis Sigma trabalha ao lado de
outras habilidades, experiências e conhecimentos para fornecer uma base matemática e
estatística para a tomada de decisões. A experiência pode dizer que um processo não está
funcionando; as estatísticas provam que isso é verdade. A intuição pode guiar um gerente de
projeto a acreditar que determinada mudança poderia melhorar a produção; As ferramentas do
Seis Sigma ajudam as organizações a validar essas suposições.
Tomada de Decisões sem Seis Sigma

Sem medição e análise adequadas, os processos de
tomada de decisão em uma organização podem
prosseguir da seguinte forma: O teste beta é o ato de implementar uma
nova ideia, sistema ou produto com um
• Alguém com influência na organização tem uma grupo seleto de pessoas ou processos em
boa ideia ou se interessa pela ideia de outra
um ambiente tão controlado quanto
pessoa.
possível. Depois que os testadores beta
• Com base na experiência ou conhecimento
anteriores, os tomadores de decisão de uma identificam possíveis problemas e esses
organização acreditam que a ideia será bem- problemas são corrigidos, a ideia, o
sucedida. sistema ou o produto pode ser
• A idéia é implementada; às vezes é implementado em toda a população de
implementado no modo beta, para que as clientes, funcionários ou processos. O
despesas e os riscos sejam minimizados.
objetivo do teste beta é reduzir os riscos e
• O sucesso da ideia é pesado após a
os custos inerentes ao lançamento de um
implementação; os problemas são abordados
depois que impactam os produtos ou processos produto ou sistema não testado para um
de alguma forma no presente ou no futuro. público-alvo amplo.

Às vezes, o teste beta é usado em uma abordagem Seis Sigma, mas a ideia ou a mudança em
questão passa primeiro por uma análise rigorosa e pelo teste de dados. A desvantagem de lançar
ideias em beta - ou para uma população inteira - sem passar por uma metodologia Seis Sigma é
que as organizações podem sofrer conseqüências não intencionais de mudanças, gastar dinheiro
em ideias que acabam não funcionando conforme o planejado e impactar a percepção dos clientes
através de períodos de tentativa e erro repletos de oportunidade para erro. Em muitos casos, as
organizações que não dependem de dados fazem melhorias sem primeiro entender o verdadeiro
ganho ou perda associado à alteração. Algumas melhorias podem parecer funcionar na superfície
sem realmente impactar a satisfação do cliente ou o lucro de uma maneira positiva.
Tomada de Decisão Com Seis Sigma

O método Seis Sigma permite que as organizações identifiquem problemas, validem suposições,
criem soluções de brainstorm e planejem a implementação para evitar conseqüências não
intencionais. Ao aplicar ferramentas como análise estatística e mapeamento de processos a
problemas e soluções, as equipes podem visualizar e prever resultados com um alto nível de
precisão, permitindo que a liderança tome decisões com menos risco financeiro.
Os métodos Seis Sigma não oferecem uma bola de cristal para as organizações, no entanto.
Mesmo com o uso especializado das ferramentas descritas neste livro, podem surgir problemas
para as equipes à medida que implementam e mantêm soluções. É por isso que o Seis Sigma
também fornece métodos de controle: uma vez que as equipes implementam as mudanças, elas
podem controlar os processos por uma fração do custo dos métodos tradicionais de qualidade,
continuando o uso das ferramentas e estatísticas do Seis Sigma.
Definindo 6
O Seis Sigma como uma metodologia para melhoria de processos envolve uma vasta biblioteca de
ferramentas e conhecimento, que será abordada ao longo deste livro. Nesta seção, começaremos
a definir o conceito estatístico representado por 6.
Na definição mais básica, 6 é uma representação estatística para o que muitos especialistas
chamam de processo “perfeito”. Tecnicamente, em um processo Seis Sigma, existem apenas 3,4
defeitos por milhão de oportunidades. Em porcentagens, isso significa 99,9996% dos produtos de
um processo Seis Sigma sem defeito. Em apenas um nível sigma abaixo - 5 ou 99,97% de
precisão - os processos experimentam 233 erros por milhão de oportunidades. Em termos mais
simples, haverá muitos clientes insatisfeitos.
Exemplos do Mundo Real

De acordo com a Administração Oceânica e Atmosférica Nacional, os controladores de tráfego
aéreo dos Estados Unidos lidam diariamente com 28.537 voos comerciais. 1 Por ano, são cerca de
10,416 milhões de vôos.Baseado em um processo de controle de tráfego aéreo do Cinco Sigma,
erros de algum tipo ocorrem no processo para lidar com aproximadamente 2.426 vôos ao ano.
Com um processo Seis Sigma, esse risco cai para 35,41 erros.
O CDC relata que aproximadamente 51,4 milhões de cirurgias são realizadas nos Estados Unidos
em um determinado ano.2 Com base em uma taxa de precisão de 99,97, os médicos cometem
erros em 11.976 cirurgias por ano, ou 230 cirurgias por semana. No Seis Sigma, isso cai para
1 “Air Traffic,” Science on a Sphere, National Oceanic and Atmospheric Administration.

http://sos.noaa.gov/Datasets/dataset.php?id=44
2 “Inpatient Surgery,” FastStats, Centers for Disease Control and Prevention.
http://www.cdc.gov/nchs/fastats/inpatient-surgery.htm
aproximadamente 174 erros por ano para todo o país, ou pouco mais de 3 erros por semana. No
Cinco Sigma, os pacientes têm 68 vezes mais chances de apresentar um erro nas mãos de
provedores de serviços médicos.
Enquanto a maioria das pessoas aceita uma taxa de precisão de 99,9% até mesmo nos serviços
mais críticos diariamente, os exemplos acima destacam o quão ampla é a lacuna entre o Seis
Sigma e o Cinco Sigma. Para organizações, não se trata apenas da taxa de erro, mas também
dos custos associados a cada erro.
Considere um exemplo baseado em remessas da Amazon. Na Cyber Monday, em 2013, a

Amazon processou 36,8 milhões de pedidos. 3 Vamos supor que cada erro de pedido custa à
empresa uma média de US $ 35,00 (um número muito conservador, considerando que os custos
podem incluir devolução, mão de obra para atender telefonemas ou e-mails e trabalho e transporte
para corrigir um pedido errado).
Custo dos Erros em Pedidos da Amazon, 5

Total de Pedidos Erros Custo Médio por Erro Total de Custo de Erros
36.8 milhões 8574.4 $35 $300,104.00
Custo dos Erros em Pedidos da Amazon, 6

Total de Pedidos Erros Custo Médio por Erro Total de Custo de Erros
36.8 milhões 125.12 $35 $4,379.20
Para este exemplo, a diferença de custo nos níveis sigma ainda é superior a US $ 295.000 para o
negócio da Cyber Monday.
Para a maioria das organizações, os processos Seis Sigma são um alvo constante. Alcançar e
manter a “perfeição” do Seis Sigma é difícil e requer melhoria contínua do processo. Mas, mesmo
avançar de níveis mais baixos de sigma para um processo Quatro ou Cinco Sigma, tem um
impacto drástico nos custos e na satisfação do cliente. Vejamos o exemplo da Amazon Cyber
Monday em outros níveis do sigma.
Defeitos por Estimativa de Total de Custos (com

Nível de Sigma Milhão de Defeitos da Cyber estimative de $35 por
Oportunidades Monday erro)
Um Sigma 690,000 25,392,000 $888,720,000
Dois Sigma 308,000 11,334,400 $396,704,000
Três Sigma 66,800 2,458,240 $86,038,400
Quatro Sigma 6,200 228,160 $7,985,600
Cinco Sigma 233 8,574.4 $300,104
3
Siegel, Jacob, “Amazon sold 426 items per second during its ‘best ever’ holiday season,” Boy Genius Reports, Dec. 26,
2013. http://bgr.com/2013/12/26/amazon-holiday-season-sales-2013/

Seis Sigma 3.4 125.12 $4,379
Em níveis muito baixos de sigma, é improvável que qualquer processo seja lucrativo. Quanto
maior o nível sigma, melhor será a linha de fundo.
Calculando o Nível Sigma

Organizações e equipes podem calcular o nível sigma de um produto ou processo usando a
equação abaixo:
# de oportunidades - # de
defeitos)
X 100 = Produção
Considere um processo em um departamento de marketing que distribui cartas a clientes ou

prospects. Para os propósitos do exemplo, imagine que o processo insere 30.000 cartas em
envelopes pré-endereçados a cada dia. Em uma determinada semana de negócios, o processo

gera 150.000 cartas.
O departamento de marketing começa a receber reclamações de que as pessoas estão recebendo

cartas em envelopes que são endereçadas a elas, mas as cartas internas são endereçadas ou
relevantes para outra pessoa. O departamento de marketing seleciona aleatoriamente 1.000
cartas do lote da próxima semana e descobre que 50 delas têm erros. Aplicando isso ao valor total,
eles estimam que até 7500 cartas podem ter erros. (A amostragem e a extrapolação são cobertas
em profundidade nos capítulos avançados sobre estatísticas.)
O processo de cartas tem 150.000 oportunidades por erro a cada semana e uma estimativa de
7.500 defeitos.
((150,000 – 7,500) / 150,000) * 100 = uma produção de99.5
Procure um rendimento de 99,5 na tabela Sigma no apêndice estatístico deste livro e você verá
que o processo descrito acima está atualmente entre 4 e 4,1 sigma.
Nível de Sigma Não É um Indicador Final

Os níveis Sigma fornecem à organização uma visão de alto nível do desempenho de um processo,
mas a comparação dos níveis sigma entre vários processos nem sempre aponta para o processo
específico que uma organização deve melhorar primeiro. A liderança também deve considerar os
custos, os recursos e o impacto estimado das melhorias.
Por exemplo, considere estes processos que podem ser encontrados em uma fábrica de
processamento de alimentos:
Nível Sigma
Processo Métrica (s) de desempenho
atual
Anexar um elemento O toque decorativo é centrado no produto alimentar
2.2
decorativo ao item alimentar e estável para que não caia em trânsito
Embalar o produto Produto é selado para manter o frescor 3.1

Enviar o produto O produto chega ao cliente certo em tempo hábil 4.3
Uma olhada nos níveis sigma indica que o processo que prende o elemento decorativo é o que
precisa mais de melhoria. Embora esse processo tenha a maior taxa de defeitos, a liderança
dentro da fábrica teria que se perguntar: o quanto isso é importante para o cliente e qual é o
impacto no resultado final?
É provável que a maioria dos clientes perceba que o produto é vedado para ter mais frescor e
alcança o local certo. Como o produto ruim precisa ser descartado, os erros mais caros podem
estar associados à vedação inadequada durante a embalagem. É provável que a usina use
recursos para melhorar o processo de embalagem antes de abordar a questão do elemento
decorativo.
Depois que o processo de embalagem é melhorado, a fábrica pode considerar se deve melhorar o
processo de decoração ou o processo de envio. Como parte dessa consideração, a empresa pode
realizar pesquisas com clientes para revelar que alguns clientes pararam de comprar o produto por
causa da questão do elemento decorativo. Um analista estima que a perda de vendas relacionada
a essa questão está custando à empresa US $ 1.000 por semana. Problemas de envio custam à
empresa US $ 500 por semana.
A empresa deve tratar primeiro da questão mais cara? E se você fosse informado de que o
processo de remessa poderia ser melhorado com sessões de treinamento da equipe, enquanto o
problema de elemento decorativo exigia uma atualização de maquinário cara? Às vezes, as
organizações precisam considerar a despesa de uma melhoria.
A aplicação de um projeto Seis Sigma a todas as situações não é financeiramente lucrativa, já que
essas melhorias exigem tempo e dinheiro. Uma cultura Seis Sigma é sobre melhoria contínua, o
que significa que as equipes consideram todas as opções antes de embarcar nas medidas de
melhoria mais lucrativas.
Princípios Comuns de Seis Sigma

As organizações podem impactar seu nível sigma integrando os princípios centrais da metodologia
Seis Sigma em estilos de liderança, gerenciamento de processos e empreendimentos de melhoria.
Os princípios do Seis Sigma e as ferramentas usadas para alcançá-los são abordados em
detalhes em várias seções deste livro, mas algumas idéias comuns são apresentadas abaixo.
Melhorias Focadas no Cliente

Na ilustração sobre a fábrica de alimentos, vimos que o processo Seis Sigma não faz apenas
melhorias para aumentar os níveis de sigma. Um princípio básico da metodologia é o foco no
cliente. No Capítulo 5, veremos a Voz do Cliente (VoC) e as formas de estabelecer o que o cliente
realmente quer de um produto ou processo. Ao combinar esse conhecimento com medições,
estatísticas e métodos de melhoria de processos, as organizações aumentam a satisfação do
cliente, aumentando os lucros, a retenção de clientes e a lealdade.
Um entendimento detalhado dos desejos do cliente e do cliente não apenas permite que as
empresas personalizem ofertas e serviços de produtos, mas também permite que as
organizações:
• Ofereçam recursos adicionais que os clientes desejam e estão dispostos a pagar

• Priorizem o desenvolvimento de produtos para atender às necessidades atuais

• Desenvolvam novas ideias com base no feedback do cliente
• Compreendam as tendências de mudança no mercado
• Identifiquem áreas de preocupação
• Priorizem o trabalho em desafios com base em como os clientes percebem vários
problemas ou empecilhos
• Testem soluções e ideias antes de investir tempo e dinheiro nelas
Fluxos de valor O fluxo de valor é a sequência de todos os itens, eventos e pessoas necessários
para produzir um resultado final. Por exemplo, o fluxo de valor para servir um cachorro-quente
com ketchup para alguém incluiria:
• Um fornecedor de cachorro-quente
• Um fornecedor de pão
• Um fornecedor de ketchup
• Cachorros quentes
• Pãezinhos
• Ketchup
• Um procedimento de cocção para o cachorro-quente
• Um pote
• Pinças
• Alguém para cozinhar
• Um prato
• Alguém para colocar o cachorro quente no pão
• Alguém para colocar o ketchup no cachorro-quente
• Alguém para colocar o cachorro-quentecompleto em um prato
• Alguém para servir o cachorro-quente a outra pessoa
Se você combinar todos os processos acima em uma representação pictórica de exatamente

como esses elementos se tornam o hotdog servido, então você tem um mapa de fluxo de valor.
O propósito de determinar um fluxo de valor para um processo é que você pode identificar áreas
de preocupação, desperdício e melhoria. No processo acima, existem quatro pessoas diferentes
juntando o cachorro-quente e servindo-o, ou uma pessoa está fazendo todas as quatro tarefas? O
fornecedor é um único supermercado, ou você está comprando itens em várias lojas e por quê?
Você obtém benefícios de economia para compensar o tempo adicional gasto trabalhando com
vários fornecedores? Estes são alguns exemplos das perguntas que você pode revelar e
responder durante o mapeamento do fluxo de valor.
Melhorias Contínuas do Processo

Inerente ao método Seis Sigma está a melhoria contínua do processo. Uma organização que
adota completamente uma metodologia Seis Sigma nunca para de melhorar. Identifica e prioriza
áreas de oportunidade em uma base contínua. Uma vez que uma área é melhorada, a
organização avança para melhorar outra área. Se um processo é melhorado de 4 Sigma para 4.4
Sigma, a organização considera maneiras de elevar ainda mais o nível sigma. O objetivo é se
aproximar cada vez mais do nível “perfeito” de precisão 99,99966 para todos os processos dentro
de uma organização, mantendo outros objetivos e requisitos, como estabilidade financeira, o mais
rápido possível.
Variação
Uma das maneiras de melhorar continuamente um processo é reduzir a variação no processo.
Cada processo contém variações inerentes: em um call center com 20 funcionários, haverá
variação em cada ligação mesmo que as chamadas sejam programadas. Inflexão, sotaques,
preocupações ambientais e humor da pessoa que liga são apenas algumas coisas que levam a
variações nesta circunstância. Ao fornecer aos funcionários um script ou comentários sugeridos
para cenários comuns, o call center reduz a variação em algum grau.
Considere outro exemplo: uma pizzaria. Os funcionários são instruídos a usar certas quantidades
de ingredientes para cada tamanho de pizza. A pequena recebe uma xícara de queijo; a grande
recebe duas xícaras. O dono da pizzaria nota uma grande variação na quantidade de queijo em
cada pizza, e ele teme que isso leve a experiências inconsistentes dos clientes. Para reduzir a
variação, ele fornece aos funcionários dois copos de medição: um recipiente de 1 xícara para
pizzas pequenas e um recipiente de 2 xícaras para pizzas grandes.
A variação é reduzida, mas ainda está presente. Alguns empregados poem o queijo nos recipiente
e alguns o ‘cavam’. Alguns enchem o recipiente até a borda; outros deixam o queijo criar um
monte acima da borda. O dono atua para reduzir a variação novamente: ele treina todos os
funcionários para encher o copo sobre a borda e usar uma espátula para raspar o excesso de
queijo. Embora a variação ainda exista devido a fatores como bolsões de ar ou como o queijo se
acomoda na xícara, ela é bastante reduzida e os clientes experimentam pizzas mais consistentes.
Removendo Desperdício
Lembra do exemplo do cachorro-quente para fluxos de valor? Fizemos a pergunta: quatro pessoas
agem para colocar a salsicha no pão, por o ketchup, por o cachorro-quente na bandeja e servi-lo?
Em caso afirmativo, o processo leva mais tempo porque o produto precisa ser transferido entre
quatro pessoas? Seria mais rápido ter uma pessoa executando todas essas ações? Nesse caso,
identificamos alguns desperdícios no processo - nesse caso, desperdício de transporte.
A remoção de resíduos - itens, ações ou pessoas que são desnecessárias para o resultado de um
processo - reduz o tempo de processamento, a necessidade de erros e os custos gerais.
Enquanto o desperdício é uma grande preocupação na metodologia Seis Sigma, o conceito de
resíduo vem de uma metodologia conhecida como Gestão de Processamento Lean.
Equipando Pessoas
Implementar processos aprimorados é uma medida temporária, a menos que as organizações
preparem seus funcionários para trabalhar com processos para monitorar e manter melhorias. Na
maioria das organizações, a melhoria de processos inclui uma abordagem em duas frentes.
Primeiro, uma equipe de melhoria de processos composta por gerenciamento de projetos,
especialistas em metodologia e especialistas no assunto define, planeja e implementa uma
melhoria. Essa equipe então equipa os funcionários que trabalham diretamente com o processo
diariamente para controlar e gerenciar o processo em seu estado aprimorado.
Controlando o Processo
Muitas vezes, as melhorias do Seis Sigma tratam de processos que estão fora de controle.
Processos fora de controle atendem a requisitos estatísticos específicos. O objetivo da melhoria é
trazer um processo de volta a um estado de controle estatístico. Então, após as melhorias serem
implementadas, medições, estatísticas e outras ferramentas Seis Sigma são usadas para garantir
que o processo permaneça sob controle. Parte de qualquer processo de melhoria contínua é
garantir que tais controles sejam colocados em prática e que os funcionários que estão
participando do processo regularmente saibam como usar os controles.

Desafios do Seis Sigma
Seis Sigma também tem seus próprios desafios. Como um método expansivo que requer
compromisso com a melhoria contínua, Seis Sigma é por vezes visto como um processo caro ou
desnecessário, especialmente, para organiações de pequeno e médio porte. Lideranças na Ideal
Aerosmith, uma empresa de manufatura e engenharia em Minnesota, era cética em relação às
idéias do Seis Sigma e aos custos associados à sua implementação. Apesar das reservas, a
empresa entrou nas implementações do Seis Sigma, e acabou vendo resultados valiosos depois
de apenas 18 meses. Esses resultados incluíram uma melhoria de produção de 25%, uma
melhoria de 5% nos lucros no primeiro ano e uma melhoria de 30% nas entregas no prazo. 4
Alguns obstáculos e desafios que muitas vezes se colocam no caminho dos resultados positivos
do Seis Sigma incluem falta de apoio, recursos ou conhecimento, má execução de projetos,
acesso inconsistente a dados estatísticos válidos e preocupações sobre o uso da metodologia em
novos setores.
Falta de Suporte
O Seis Sigma requer suporte e adesão em todos os níveis de uma organização. Líderes e
executivos devem estar dispostos a apoiar iniciativas com recursos financeiros e trabalhistas. Os
especialistas no assunto devem estar abertos a compartilhar informações sobre seus processos
com as equipes de projeto, e os funcionários de todos os níveis devem adotar a ideia de mudança
e melhoria e participar do treinamento. Barreiras comuns para apoiar incluem:
• Líderes que não estão familiarizados ou não entendem o processo Seis Sigma
• Líderes dispostos a buscar melhorias inicialmente, mas que perdem o interesse em supervisionar
e patrocinar projetos antes que sejam concluídos
• Funcionários que temem mudanças, especialmente em um ambiente em que as mudanças
historicamente causam conseqüências negativas para os funcionários
• Os funcionários que são resistentes à mudança porque acreditam que as melhorias podem torná-
los obsoletos, mudam drasticamente seus empregos ou dificultam seu trabalho
• Chefes de departamento ou funcionários que constantemente defendem seus próprios processos
e necessidades e não estão dispostos a entrar no pensamento geral
Falta de Recursos ou Conhecimento

A falta de recursos pode ser um desafio para as iniciativas do Seis Sigma, mas elas não precisam
ser uma barreira. A falta de conhecimento sobre como usar e implementar o Seis Sigma é um dos
primeiros problemas enfrentados pelas empresas de pequeno e médio porte. As empresas
menores nem sempre podem contratar recursos dedicados para lidar com melhoria contínua de
processos, mas a disponibilidade de recursos e o treinamento Seis Sigma torna cada vez mais
possível para as organizações usarem algumas ferramentas sem um especialista ou enviar
pessoal interno para ser certificado em Seis Sigma.
Execução Precária de Projetos

As empresas que implementam o Seis Sigma pela primeira vez, especialmente em um ambiente
de projeto, muitas vezes se afastam de toda a metodologia se o primeiro projeto ou melhoria não
se concretizar. Os proponentes do Seis Sigma dentro de qualquer organização precisam
realmente sair do palco com o primeiro projeto, se a liderança e outros estão em cima do muro
sobre a metodologia. As equipes podem ajudar a evitar o mau desempenho do projeto, tomando
muito cuidado para executar todas as fases do projeto corretamente. Ao escolher melhorias de
4
Gupta, Praveen and Schultz, Barb, “Seis Sigma Success in Small Business,” Quality Digest.
http://www.qualitydigest.com/april05/articles/02_article.shtml

baixo risco e alta recompensa, as equipes também podem virar o jogo a seu favor com projetos
iniciais. A única disvantagem com tal tática é que pode ser difícil de duplicar o fator ‘uau’ com
melhorias subseqüentes, tornando importante lembrar que a implementação a longo prazo e
compromisso é vital no Seis Sigma.
Problema com Acesso de Dados

Problemas de dados e análises são um desafio comum para organizações de todos os tamanhos.
Obter acesso a fluxos de dados consistentes e precisos e aplicar análise estatística a esses dados
de maneira apropriada é difícil. Alguns desafios relacionados a dados incluem:
• Descobrir que uma importante métrica de processo não está sendo capturada
• O uso de processos de dados manuais em muitos processos
• Processos de dados automatizados que capturam enormes quantidades e criam desafios de
escopo
• Dados distorcidos devido a suposições, interação humana no processo ou captura incorreta
• Tempos longos entre captura de dados brutos e acesso
• Regras de conformidade da indústria ou da empresa dificultando acesso aos dados necessários
Preocupações sobre o Uso do Seis Sigma em uma Indústria Específica

Seis Sigma originou-se na indústria de manufatura e muitos dos conceitos e ferramentas da
metodologia ainda são ensinados no contexto de uma fábrica ou ambiente industrial. Por isso, as
organizações muitas vezes descartam os métodos ou acreditam que serão muito difíceis de
implementar em outros setores. Na realidade, o Seis Sigma pode ser personalizado para qualquer
setor.

Capítulo 2: Seis Sigma - História e
Aplicação
Embora as raízes do Seis Sigma sejam comumente atribuídas a empresas como a Toyota e a Motorola,
a metodologia é, na verdade, fundamentada em conceitos que datam do século XIX. Antes de
mergulhar na história do Seis Sigma, é importante entender a diferença entre os programas tradicionais
de qualidade, como o Total Quality Management, e os métodos de melhoria contínua de processos,
como o Seis Sigma.
A maioria dos programas modernos de melhoria e qualidade pode ser rastreada até as mesmas raízes.
Tanto os programas de qualidade quanto os métodos de melhoria contínua de processos procuram
atingir metas como a redução de erros e defeitos, tornando os processos mais eficientes, melhorando a
satisfação do cliente e aumentando os lucros. Mas os programas de qualidade preocupam-se em
alcançar um objetivo específico. O programa é executado para sempre, trabalhando constantemente

em direção ao mesmo objetivo, ou atinge o objetivo final e deve ser redefinido para um novo objetivo.
O Seis Sigma busca incutir uma cultura de melhoria contínua e qualidade que otimiza o desempenho de
uma organização de dentro para fora. É o elemento cultural inerente ao Seis Sigma que permite às
organizações aprovar melhorias pequenas e abrangentes que afetam drasticamente eficiências e
custos. O Seis Sigma trabalha em direção a objetivos individuais em relação a cada projeto, mas os
projetos fazem parte da cultura geral de melhoria que, na prática, nunca é feita. O Seis Sigma cria
salvaguardas e táticas para que, mesmo depois de um projeto ser considerado completo, existam
controles para assegurar que o progresso continue e que seja impossível reverter aos velhos tempos.
O Desenvolvimento do Controle Estatístico de

Processos
O Seis Sigma aplica estatísticas para definir, medir, analisar, verificar e controlar processos. Na
verdade, as equipes Seis Sigma geralmente usam metodologias conhecidas como DMAIC ou DMADV
para realizar melhorias e desenvolver controles para processos. DMAIC significa Definir, Medir,
Analisar, Melhorar e Controlar. Estas são as cinco fases de um projeto Seis Sigma para melhorar um
processo que já existe. Ao desenvolver um novo processo, as equipes usam DMADV, que significa
Definir, Medir, Analisar, Projetar e Verificar. Ambos os métodos são discutidos no Capítulo 11, e a
Unidade 3 fornece informações detalhadas sobre cada fase do DMAIC.
As raízes do controle estatístico do processo, que fornecem uma espinha dorsal para os métodos Seis
Sigma, começaram com o desenvolvimento da curva normal por Carl Friedrich Gauss no século XIX.
Sabemos hoje que a curva normal é apenas um dos vários modelos possíveis de distribuição de
probabilidade. É talvez o modelo mais utilizado e os outros
modelos desenvolvidos a partir da curva normal.
Modelos de distribuição de probabilidade são discutidos em

capítulos posteriores sobre estatísticas.
No início do século 20, o controle estatístico do processo recebeu

outro grande impulso graças às contribuições de um engenheiro e
acadêmico chamado Walter Shewhart. As contribuições de Shewhart para a qualidade são muitas, mas
duas ideias específicas se destacam. Primeiro, Shewhart foi a primeira pessoa a relacionar
estreitamente o nível e a qualidade do sigma. Ele definiu um processo que precisa de correção como
um que está sendo executado em três sigma. Se você olhar para o Capítulo 1 e para o exemplo teórico
da Amazon, a diferença de custo entre quatro sigma e três sigma é de mais de US $ 78 milhões; em
comparação, a diferença entre cinco e quatro sigma é de apenas aproximadamente US $ 7,6 milhões.
Como os erros e os custos aumentam exponencialmente à medida que o nível sigma diminui, a
definição de Shewhart tem aplicações muito práticas nos negócios.
Embora o Seis Sigma como um método busque avançar para menos de 3,4 defeitos por milhão de
oportunidades (dpmo), também é verdade que, se a qualidade de um processo diminuir, à medida que
se aproxima de três sigma, os custos associados a erros aumentam substancialmente.
Em segundo lugar, Shewhart é considerado o pai dos gráficos de controle. Os gráficos de controle, que
são abordados em profundidade nos capítulos sobre estatísticas avançadas, são um componente
crítico do controle estatístico de processos que permite que as organizações mantenham um melhor
desempenho após uma iniciativa Seis Sigma. Numa época em que os estudiosos estavam escrevendo
sobre a aplicação teórica da estatística em um número crescente de campos, Shewhart desenvolveu
maneiras de aplicar esses conceitos especificamente aos processos industriais e manufatureiros Em

segundo lugar, Shewhart é considerado o pai das cartas de controle. Os gráficos de controle, que são
abordados em profundidade nos Capítulos sobre estatísticas avançadas, são um componente crítico do
controle estatístico de processos que permite que as organizações mantenham um melhor desempenho
após uma iniciativa Seis Sigma. Numa época em que os estudiosos estavam escrevendo sobre a
aplicação teórica da estatística em um número crescente de campos, Shewhart desenvolveu maneiras
de aplicar esses conceitos especificamente aos processos industriais.
Durante o mesmo período, W. Edwards Deming estava trabalhando para o Departamento de Agricultura
dos EUA. Um físico e matemático, Deming estava encarregado de ministrar cursos na escola de pós-
graduação da agência e providenciou para que Shewhart viesse e falasse lá. Mais tarde, Deming trouxe
os conceitos estatísticos de Shewhart para o Departamento de Censo dos Estados Unidos, aplicando
suas teorias fora de um ambiente industrial ou manufatureiro, possivelmente pela primeira vez.
Uma das ideias de Deming é chamada de ciclo PDCA, ou ciclo

planejar-fazer-checar-agir. A ideia é que a melhoria ocorre quando
você reconhece que há uma necessidade de mudança e faz um plano
para criar melhorias. Em seguida, você faz algo testando suas ideias.
Usando os resultados do teste, verifica-se se suas melhorias estão
funcionando. Então você age, trazendo suas melhorias para um
ambiente de produção ou aprimorando as melhorias de escala fora do
ambiente de teste. O fato de o PDCA ser um ciclo significa que ele
nunca termina; sempre há melhorias a serem feitas. Este é um
princípio fundamental do Seis Sigma.
Após a Segunda Guerra Mundial, Deming trabalhou no Japão em nome do governo dos Estados
Unidos em várias funções. No Japão do pós-guerra, Deming fez amizade com estatísticos e convenceu
pelo menos um engenheiro notável que o controle estatístico do processo era relevante para a
necessidade do Japão de conduzir drasticamente o desempenho econômico e de produção para
superar os danos da guerra. No final, Deming tornou-se um professor e consultor de valor para
empresas de manufatura no Japão, plantando idéias e conceitos que logo se tornariam o Sistema
Toyota de Produção, ou Lean Seis Sigma.

Melhoria Contínua do Processo: Toyota e Lean
Os ensinamentos de Deming e a
O que é o Jidoka?
necessidade da indústria japonesa de
retornar com sucesso após uma guerra Jidoka é um princípio que cria controle de
catastrófica se combinaram para dar frutos defeitos dentro de um processo de
à Toyota. A liderança da Toyota havia negócios. Em vez de identificar defeitos no
visitado os conceitos de qualidade antes da final da linha de produção e tentar rastrear
Segunda Guerra Mundial, mas a melhoria erros de volta a uma fonte, o jidoka exige
do desempenho e da eficiência tornou-se que um processo seja interrompido assim
um objetivo mais crítico, dada a natureza da que os erros sejam detectados, para que
economia e dos recursos do Japão nas melhorias ou soluções de problemas
décadas de 1940 e 50. Tomando as idéias possam ocorrer imediatamente.
de fabricação atribuídas a Henry Ford, os
líderes da Toyota aplicaram estatísticas e Para que o Jidoka funcione adequadamente,
novos conceitos de qualidade para criar um as máquinas são frequentemente
sistema que eles sentiam que aumentaria a equipadas para diferenciar saídas ruins de
produção e permitiria produtos variáveis, ao boas saídas; as máquinas também são
mesmo tempo em que reduziria custos e equipadas com uma notificação de algum
garantiria a qualidade. tipo para estimular a interação humana no
processo quando as coisas dão errado.
Vários indivíduos foram fundamentais para
o desenvolvimento final do Sistema Toyota de Produção. Eles introduziram o processo em
máquinas automatizadas, controles de qualidade para evitar a ocorrência de defeitos e
ferramentas de eficiência que ainda não haviam sido aplicadas com tal detalhe e consistência. Um
homem, Kiichiro Toyoda, tinha experiência anterior em fábrica. Em seus trabalhos anteriores, ele
acrescentou eficiência aos processos em fábricas têxteis por meio de transportadores e outros
sistemas automatizados.
Toyoda introduziu os mesmos conceitos em certas linhas no processo de fabricação da Toyota.

Mais tarde, Eiji Toyoda e Taiichi Ohno introduziram conceitos conhecidos como Just-in-Time e
Jidoka, que são os pilares do Sistema Toyota de Produção.
Os princípios que impulsionam o sistema Toyota e, mais tarde, a base da Gestão de

Processamento Lean ou Lean Seis Sigma, incluem:
• Definir valores do cliente

• Identificar o fluxo de valor para as necessidades e desejos do cliente
• Identificar resíduos no processo
• Criação de um fluxo de processo contínuo
• Trabalhar continuamente para reduzir o número de etapas e o tempo necessário para
atingir a satisfação do cliente
A gestão Lean está muito preocupada em remover o desperdício de qualquer processo. O
desperdício aumenta os custos e o tempo gasto em um processo, tornando-o indesejável em
qualquer forma.
Foco no Defeito da Motorola

Embora a base para o Seis Sigma tenha sido estabelecida no final do século XIX e início do século XX,
foi somente em meados da década de 1980 que esses conceitos obtiveram sucesso em larga escala
nos Estados Unidos. Décadas depois que a Toyota desenvolveu seu sistema, os engenheiros da
Motorola começaram a questionar a eficácia de seus programas de gerenciamento de qualidade. Essas
perguntas surgiram depois que uma empresa japonesa assumiu uma unidade de produção da televisão

da Motorola. Ao aplicar os conceitos do Lean, a nova empresa começou a criar televisores que
demonstravam 1/20 da quantidade de defeitos apresentados pelos televisores da Motorola.
Na época, os departamentos da Motorola mediam defeitos como uma relação de mil oportunidades.
Bob Galvin, o CEO da Motorola, lançou um desafio para sua equipe. Ele queria ver uma melhoria na
qualidade e produção - não apenas qualquer melhoria; ele queria uma melhoria de dez vezes em meia
década. O engenheiro Bill Smith e uma nova adição à equipe da Motorola - o Dr. Mikel Harry -
começaram a trabalhar no problema.
A equipe percebeu que medir erros contra mil oportunidades não fornecia o nível de detalhes
necessário para o verdadeiro controle estatístico do processo. Em vez disso, os engenheiros quiseram
medir defeitos contra um milhão de oportunidades. Sabemos que os níveis sigma já estavam definidos
e a ideia de usar os níveis sigma como medida de qualidade começou com Shewhart. Não foi difícil
para os engenheiros da Motorola fazerem do seu desejo por dados mais precisos os conceitos básicos
do Seis Sigma como objetivo e metodologia.
Ao longo das duas décadas seguintes, a Motorola trabalhou para aperfeiçoar sua metodologia Seis
Sigma, obtendo resultados positivos ao longo do caminho. Além das ferramentas estatísticas, a equipe
criou um processo passo a passo pelo qual qualquer equipe - em quase todos os setores - poderia
obter ganhos e melhorias. Pela primeira vez, esse tipo de controle estatístico de processo foi retirado do
ambiente de produção para abranger toda a empresa em larga escala. A Motorola aplicou o método ao
atendimento ao cliente, engenharia e suporte técnico. Usou o processo para criar um ambiente
colaborativo entre as partes interessadas dentro e fora da organização. Foi muito bem sucedido; De
acordo com a Motorola, a empresa economizou mais de US $ 16 bilhões como resultado de iniciativas
contínuas de melhoria de processos em 12 anos.5
A Motorola fez mais do que melhorar seus próprios sistemas e produtos. Galvin dirigiu sua equipe para
compartilhar o Seis Sigma com o mundo. A Motorola e sua equipe publicaram artigos e livros sobre o
método Seis Sigma e implementaram esforços para treinar outros. Dessa forma, eles criaram uma
metodologia baseada em estatísticas que poderiam ser ensinadas e implementadas em qualquer
organização ou setor.
ABB, Allied Signal, and General Electric

Depois de deixar a Motorola, o Dr. Harry se juntou a Asea Brown Boveri. Na ABB, Harry trabalhou com
Richard Schroeder, que também se tornaria um defensor do Seis Sigma. De fato, os dois homens
fundaram a Academia Seis Sigma. Na ABB, Harry chegou a perceber uma idéia-chave na evolução do
Seis Sigma: negócios, ou lucros, de certa forma vinham antes da qualidade. A qualidade, na verdade,
era um fator determinante dos negócios. Os clientes não faziam compras se a qualidade fosse ruim.
Como os indivíduos com a capacidade de decidir em favor das iniciativas Seis Sigma eram altamente
motivados por dólares, Harry incorporou táticas financeiras à metodologia Seis Sigma. Pela primeira
vez, o método foi focado no resultado final como uma meta primordial com outras preocupações e
metas derivadas de metas dirigidas pelo fator financeiro.
Em 1993, Schroeder e Harry mudaram de emprego, juntando-se à equipe da Allied Signal. O CEO da
Allied Signal na época era Larry Bossidy. Ele estava interessado em Seis Sigma, mas percebeu que os
executivos e outros líderes de alto nível tiveram problemas com barreiras de conhecimento enquanto
tentavam interagir e colaborar com analistas, engenheiros de processo e especialistas em Seis Sigma.
5
“The History of Six Sigma,” iSixSigma. http://www.isixsigma.com/new-to-six-sigma/history/history-six-
sigma/

Bossidy sugeriu que a liderança de uma empresa tinha de ser bem versada no Seis Sigma para
escolher os projetos certos para o sucesso e apoiar esses projetos em toda a empresa para garantir o
sucesso.
Harry, que às vezes é referido como o pai do Seis Sigma, criou um sistema para educar os líderes
executivos. Em conjunto com outros na Allied Signal, ele desenvolveu sistemas que permitiram que o
Seis Sigma fosse efetivamente implantado pela liderança em toda a organização.
Na mesma época, o CEO da GE, Jack Welch, entrou na arena Seis Sigma. Antes de aprender sobre o
Seis Sigma, Welch declarou que não era um defensor de medidas de qualidade. Ele já havia criticado
programas de qualidade como sendo abordagens pesadas que faziam pouco para entregar resultados.
Welch convidou Larry Bossidy para falar em uma reunião corporativa da GE em 1995. Ele também
solicitou uma análise sobre os benefícios da implementação do Seis Sigma na GE. Naquela época, a
GE estava realizando entre três e quatro sigma. A possibilidade de economia, caso a empresa subisse
para o Seis Sigma, seria enorme; estimativas foram de US $ 7 a US $ 10 bilhões. 6
Welch é conhecido como um defensor do Seis Sigma não porque ele contribuiu de maneira importante
para o desenvolvimento de controles estatísticos de processos ou para os conjuntos de ferramentas
Seis Sigma, mas porque ele demonstrou exatamente como os líderes deveriam abordar o Seis Sigma.
Ele também fez da GE uma organização Seis Sigma historicamente bem-sucedida, vinculando as
metas do Seis Sigma às estruturas de remuneração dos funcionários. Os funcionários deixaram de ser
remunerados apenas com base em fatores de desempenho financeiro; eles também foram avaliados
com base no desempenho do Seis Sigma. De repente, os funcionários em todos os níveis tinham uma
razão pessoal para se envolverem na melhoria contínua do processo, e os funcionários e gerentes
recebiam o treinamento Seis Sigma para serem bem-sucedidos.
Crescimento Contínuo do Seis Sigma

Após o sucesso de empresas como a GE e a Motorola, empresas de todo o país correram para
implementar o Seis Sigma. Infelizmente, na pressa de implementar o processo, muitas organizações
executaram melhorias precárias ou falharam em obter uma compreensão adequada do controle
estatístico do processo antes de avançar com melhorias. Embora os métodos Seis Sigma tenham sido
usados pelas organizações para ganhar milhões - até bilhões - em economia e eficiência, algumas
empresas saíram com um péssimo gosto pelo processo. Esse mau gosto resultou nos seguintes
equívocos e mitos que ainda prevalecem hoje em muitos setores:
• Seis Sigma está preocupado apenas com métricas e ignora o senso comum. O oposto é realmente
verdadeiro: o Seis Sigma geralmente começa com ideias tradicionais de senso comum, geralmente
obtidas através de brainstorming, e valida essas suposições com dados. A razão para este mito é
dupla. Primeiro, os gerentes e outros que estão acostumados a fazer ligações sem serem
questionados são subitamente questionados em um ambiente Seis Sigma. Não só eles são
questionados, mas dados difíceis às vezes os provam errados. Em segundo lugar, em alguns
casos, os dados são usados indevidamente para sustentar conclusões contrárias ao senso comum
ou à tradição. Quando essas conclusões se revelam falhas, é fácil culpar o processo do Seis
Sigma, mas não há uma compreensão adequada das teorias estatísticas envolvidas.
• Seis Sigma é muito caro. Embora a adoção do Seis Sigma em toda a empresa possa ser cara
inicialmente, devido em parte às necessidades de treinamento, a integração lenta dos conceitos em
uma empresa geralmente custa muito pouco a longo prazo. As organizações precisam equilibrar a
6
“The Evolution of Seis Sigma,” PQA.net. http://www.pqa.net/ProdServices/sixsigma/W06002009.html

forma como adotam o Seis Sigma com preocupações orçamentárias - mas, quando implementadas
corretamente, o Seis Sigma geralmente leva a economias que mais do que cobrem seu
investimento inicial.
• O Seis Sigma pode consertar qualquer coisa. Fazendo frente aos opositores, estão os entusiastas
dos Seis Sigma, que acreditam que podem aplicar o método como uma ‘pomada’ para qualquer
problema. Embora o Seis Sigma possa ser aplicado a qualquer problema de processo, nem sempre
é relevante para problemas de cultura ou de pessoas. Se a moral ou outros problemas de recursos
humanos estiverem na raiz de um problema, as estatísticas não podem ajudar. No entanto, se a
moral é baixa porque um processo é difícil de trabalhar ou está tendo um mau desempenho, o Seis
Sigma pode ser usado para melhorar o processo, melhorando assim a moral.
Aplicando o Conhecimento Seis Sigma

O Seis Sigma é aplicado através de um processo controlado de seleção e gerenciamento de projetos.
Uma vez identificadas as áreas de preocupação, os líderes geralmente recorrem a analistas,
especialistas em Seis Sigma e especialistas no assunto para análises de custo-benefício. As equipes
do Seis Sigma tentam quantificar o quanto um processo está quebrado (calculando o nível sigma, os
custos dos defeitos, o tempo de inatividade e outras métricas) e quanto pode custar para resolver o
problema. Os problemas são priorizados de acordo com a gravidade, bem como a capacidade de uma
organização de resolver o problema. As equipes começam a trabalhar na lista de prioridades,
retornando à análise de tempos em tempos para garantir que a lista não tenha sido alterada. A maior
parte deste livro abrange os métodos pelos quais as equipes identificam e abordam problemas usando
o Seis Sigma.
Os Níveis de Certificação Seis Sigma

Possuir uma certificação Seis Sigma prova que um indivíduo demonstrou aplicações práticas e
conhecimento do Seis Sigma. Algumas organizações oferecem processos de certificação internos. A
maioria das pessoas procura obter a certificação inscrevendo-se no curso de treinamento Seis Sigma
on-line ou presencial. A maioria das organizações que oferecem educação Seis Sigma também oferece
um caminho para a certificação. Você pode fazer cursos de certificação em vários níveis; os níveis Seis
Sigma são diferenciados pelo nível da faixa.
Faixa Branca
Um faixa branca Seis Sigma certificado está familiarizado com os princípios básicos da metodologia
Seis Sigma, embora eles não sejam freqüentemente membros regulares de equipes de melhoria de
processos. O treinamento para faixa branca é uma boa introdução ao Seis Sigma para membros da
equipe auxiliar dentro de uma organização e pode fornecer as informações necessárias para entender
por que as equipes de projeto fazem o que fazem. O treinamento permite que os funcionários revisem
os processos do projeto, compreendam as informações apresentadas nas reuniões de marco e
participem melhor dos processos de seleção de projetos. O treinamento faixa branca também pode ser
usado em todos os níveis de funcionários quando as organizações estão tentando implementar uma
cultura Seis Sigma. Vale a pena notar que o treinamento de Faixa Branca normalmente fornece apenas
uma introdução básica e visão geral do Seis Sigma, tanto que nem todos os profissionais do Seis
Sigma o reconhecem como uma verdadeira certificação Seis Sigma.
Faixa Amarela
A certificação de faixa amarela é um passo acima da faixa branca: ainda é considerada uma introdução
básica aos conceitos do Seis Sigma, mas um faixa amarelo aprende informações básicas sobre o
método DMAIC frequentemente usado para melhorar os processos. Os seguintes conceitos são
freqüentemente incluídos no treinamento de faixa amarela Seis Sigma:

• Papéis de Seis Sigma
• Desenvolvimento e gerenciamento de equipes
• Ferramentas básicas de qualidade, como gráficos de Pareto, gráficos de execução,
diagramas de dispersão e histogramas
• Métricas comuns do Seis Sigma
• Coleção de dados
• Análise do sistema de medição
• Análise de causa raiz
• Uma introdução ao teste de hipóteses
No nível de faixa amarela, o treinamento geralmente é voltado para a compreensão da metodologia

geral e da coleta de dados básica. Os faixas amarelas não precisam saber como conduzir testes de
hipóteses, mas precisam entender a linguagem do teste de hipóteses e as conclusões tiradas desses
testes.
Os faixas amarelas são geralmente funcionários que precisam saber sobre o processo geral e por que
estão sendo implementados.
Faixa Verde
Faixas verdes certificados trabalham dentro das equipes Seis Sigma, geralmente sob a supervisão de
um faixa preta ou master. Em alguns casos, os faixas verdes podem liderar ou lidar com projetos
menores por conta própria. Os faixas verdes são geralmente equipados com capacidades de análise
estatística intermediária; eles podem abordar questões de dados e análise, ajudar os Faixas Pretas a
aplicar ferramentas Seis Sigma a um projeto ou ensinar a outras pessoas dentro de uma organização
sobre a metodologia geral do Seis Sigma.
Os Faixa Verdes podem ser gerentes de nível médio, analistas de negócios, gerentes de projeto e
outros que têm motivos para estar envolvidos regularmente com iniciativas de melhoria de processos,
mas que podem não ser especialistas em Seis Sigma em período integral dentro de uma organização.
Às vezes, os Faixas Verdes são considerados as operárias da metodologia Seis Sigma porque realizam
a maior parte da coleta e análise de dados estatísticos sob a supervisão de Black Belts certificados.
Os conceitos a seguir são freqüentemente incluídos no treinamento de Faixa Verde
• Todas as informações listadas para certificação de faixa amarela

• Modo de falha e análise de efeitos
• Gerenciamento de projetos e equipes
• Probabilidade e o Teorema do Limite Central
• distribuições estatísticas
• Estatísticas descritivas
• Como realizar testes de hipóteses básicos
• Eliminação de resíduos e Kaizen
• Cartas de controle básicas
Faixa Preta
Um Faixa Preta Seis Sigma certificado geralmente funciona como líder de projeto em projetos de
melhoria de processos. Eles também podem trabalhar em funções de gerenciamento, analista ou
planejamento em toda a empresa. Os requisitos mínimos comuns para a certificação da faixa negra
incluem tudo relacionado para faixas amarelas e verdes, além de:

• Habilidades avançadas de gerenciamento de projetos e equipes
• Conhecimento da extensa lista de ferramentas de brainstorming e projeto do Seis Sigma
• Estatística intermediária a avançada
• Compreensão de outros programas de melhoria e qualidade de processos, incluindo Lean e
Total Quality Management
• Uma capacidade de projetar processos
• Recursos avançados para processos de diagramação, incluindo fluxogramas e mapas de fluxo
de valor
• Uso de software para realizar análises, como Excel ou Minitab
Faixa Preta Master

Um Faixa Preta Master é o mais alto nível de certificação alcançável para o Seis Sigma. Dentro de uma
organização empresarial, os Faixas Pretas Master geralmente gerenciam Faixas Pretas e Verdes, dão
consultoria sobre preocupações de projetos especialmente difíceis, oferecem conselhos e educação
sobre conceitos desafiadores de estatística e treinam outros na metodologia Seis Sigma.
Exames de Certificação
A maioria dos programas de certificação exige que os indivíduos sejam aprovados em um exame para
certificação; alguns exigem que os candidatos de cores verde e preto também demonstrem seu
conhecimento através de experiência em projetos do Seis Sigma.
Se for necessário um exame para a certificação de faixa branca ou amarela, geralmente é bastante
curto e abrange conceitos básicos sobre a metodologia. Os exames de faixa verde são mais longos e
podem incluir perguntas sobre estatísticas e alguns cálculos básicos. Exames de faixa-preta geralmente
levam até quatro horas para serem concluídos; eles testam para compreensão e aplicação. Os exames
podem incluir problemas estatísticos difíceis ou perguntas sobre como um líder de projeto pode lidar
com várias situações. Embora os exames sejam diferentes por organização, este livro foi desenvolvido
com base nos requisitos de conhecimento do Conselho para Certificação Seis Sigma (CSSC).

Capítulo 3: Outros Métodos de Melhoria de
Processo e Qualidade
Ao estudar a história do Seis Sigma, você já percebeu que a metodologia está intimamente relacionada
a várias outras iniciativas voltadas para a qualidade desenvolvidas no último século. Isso é verdade, em
parte, porque todas as empresas bem-sucedidas, em última análise, procuram fazer a mesma coisa:
servir ao cliente um produto ou serviço de que ele precisa, ao mesmo tempo em que lucra o máximo
possível.
Enquanto o Seis Sigma engloba todas as ferramentas que você precisa para abordar virtualmente
qualquer problema de processo, a familiaridade com outros tipos de melhoria de processos e métodos
de qualidade é importante. Alguns desses métodos, como Lean e JumpStart, agregam valor dentro de
uma abordagem Seis Sigma. Outros podem ser usados por recursos externos ao lado de um projeto
Seis Sigma. Mesmo que você não use ou trabalhe com alguns desses programas, precisará se
comunicar com líderes e parceiros de negócios que estejam mais familiarizados com outros métodos. A
capacidade de enquadrar os conceitos do Seis Sigma em uma abordagem de gerenciamento de
qualidade mais global pode ajudá-lo a obter suporte para seus próprios projetos.
Outros Programas Formais de Melhoria de Qualidade ou Processo
Gestão de Processoamento Lean

Os princípios do Lean geralmente andam de mãos dadas com os princípios do Seis Sigma. Embora o
Lean tenha sido desenvolvido originalmente como um conceito para reduzir o desperdício em um
ambiente de produção, as idéias da Gestão de Processo Lean podem ser aplicadas a qualquer
processo que envolva o movimento ou a criação de bens ou serviços. Isso é verdade mesmo que esses
serviços sejam virtuais ou digitais, como em um processo de fluxo de trabalho computadorizado.
Uma das maneiras que o Lean é semelhante ao Seis Sigma é que ele está preocupado com melhorias
contínuas; Como o Seis Sigma, o Lean fornece ferramentas de remoção de resíduos para que o
controle diário e as melhorias possam ser feitas nos processos. Na verdade, uma das ferramentas de
melhoria contínua do Lean é chamada Kaizen, uma palavra japonesa que pode ser traduida vagamente
como “mudar para o melhor.” O propósito de cada mudança em um ambiente Kaizen é eliminar o
desperdício e / ou criar mais valor para o cliente em uma base contínua.
A Gestão de Processo Lean pode ser implantada dentro de um ambiente de projeto ou na produção
diária. Como o Seis Sigma, o Lean se debruça mais sobre uma cultura global de qualidade do que um
único evento de qualidade. Muitas organizações usam os princípios do Lean para fazer melhorias nos
processos. Simplesmente instituindo alguns dos princípios do Lean, os gerentes podem aumentar
drasticamente a produção e reduzir os custos de seus departamentos.
Como os princípios do Lean são tão eficazes e se encaixam tão bem nos princípios do Seis Sigma,
para o propósito deste livro, muitas vezes tratamos o Lean como parte da metodologia do Seis Sigma.
Total Quality Management

Total Quality Management, ou TQM, é uma frase bem conhecida por qualquer pessoa que
trabalhou em negócios no último quarto do século XX. A abordagem de qualidade de TQM é um
dos primeiros métodos formais implementados em ambientes de negócios nos Estados Unidos.
Originalmente desenvolvido na década de 1950, o Total Quality Management não se tornou
popular entre as empresas em todo o país até a década de 80. O TQM chegou a ser tão popular
entre os executivos e outros líderes que, na verdade, tornou-se uma espécie de piada entre
certas forças de trabalho que acreditavam que muito esforço e despesas eram gastos em
qualidade sem o mesmo benefício resultante. De fato, se você se lembra do último capítulo, Jack
Welch, da GE, se sentiu assim.
Enquanto que os programas de Total Quality Management eram, com frequência, um tanto sem
brilho quando se tratava de resultados, o método era um ponto de partida essencial para os
métodos atuais de aprimoramento e qualidade, como o Seis Sigma. O TQM não ficou sem seus
resultados: como em qualquer método, os resultados dependiam muito da maneira como o
programa era implementado e da cultura da organização. Por essa razão, o TQM e suas
variações ainda estão em jogo em muitas indústrias hoje em dia. Alguns requisitos para um
programa TQM de sucesso incluem:
• Um compromisso rigoroso de qualidade em todos os níveis da organização,
especialmente entre os líderes
• Funcionários capacitados que podem tomar decisões de qualidade enquanto
trabalham no processo sem buscar constantemente a aprovação da liderança para

essas decisões.
• Uma estrutura de recompensa e reconhecimento para promover um trabalho de
qualidade para que os funcionários tenham uma razão para tomar decisões de
qualidade
• Planejamento estratégico que leva em conta metas de qualidade e demelhoria de
qualidade ao tomar decisões de longo prazo
• Sistemas que permitem que as organizações façam melhorias e monitorem a
qualidade
Iniciativas de TQM bem-sucedidas exigem oito elementos-chave: ética, integridade, confiança,
treinamento, trabalho em equipe, liderança, reconhecimento e comunicação. Você pode visualizar
esses elementos como se fossem parte dos componentes necessários para construir um edifício
duradouro e de alta qualidade. Ética, integridade e confiança tornam-se a base da qualidade.
Treinamento, trabalho em equipe e liderança são os tijolos com os quais as organizações de
qualidade são construídas. A comunicação honesta, aberta e concisa é a argamassa que une
tudo, e o reconhecimento é o teto que cobre tudo, proporcionando aos funcionários um motivo
para buscar e manter a qualidade.
Uma das maiores vantagens da mentalidade TQM é que ela começou a forçar as organizações a
se verem como uma entidade em vez de um número de entidades ou departamentos fracamente
relacionados. Antes dos métodos de qualidade desenvolvidos na última metade do século XX,
muitas organizações eram administradas por departamentos altamente isolados. Um
departamento muitas vezes não entendia o que o outro estava fazendo, o que causava uma
grande quantidade de retrabalho e desperdício. Cada departamento pode buscar níveis de
qualidade mais altos ou melhorias de processo, mas no final, a organização era tão forte quanto o
elemento mais fraco.
O TQM começou a mudar o pensamento departamental em grande escala: as organizações

começaram a adotar abordagens corporativas para a tomada de decisões, a qualidade e o
atendimento ao cliente. Os líderes empresariais começaram a olhar para as empresas como uma
série de processos vinculados que operam para um único objetivo final. Dentro dos limites da
TQM, as idéias para a reengenharia de processos de negócios começaram a se desenvolver.
Organizações que usam o TQM frequentemente experimentam benefícios como:

• Maior envolvimento e moral dos funcionários

• Uma redução nos custos de produção ou produto
• Diminuição dos tempos de ciclo
• Clientes mais satisfeitos
Reengenharia de Processos de Negócios

O Seis Sigma, o Lean e o TQM estão todos preocupados em fazer mudanças contínuas, em
grande e pequena escala, que trazem uma organização cada vez mais próxima de um modelo de
perfeição. No caso do Lean, esse modelo é um processo que tem zero desperdício; em Seis
Sigma, o modelo é estatisticamente 6 sigma. Em TQM, as organizações geralmente definem sua
própria versão de perfeição antes de trabalhar para isso. A Reengenharia de Processos de
Negócios, ou BPR, está menos preocupada com vitórias incrementais de qualidade e mais
preocupada com uma mudança radical em toda a organização ou arquitetura de processo.
A reengenharia de processos de negócios, que também é chamada de redesenho de processos

de negócios, está mais preocupada com os processos técnicos que ocorrem em toda a
organização. Esses processos podem incluir sistemas, software, armazenamento de dados,
processos na nuvem e na web, e fluxos de trabalho baseados em computador operados e

mantidos por usuários humanos. Devido à intensa integração de elementos de automação e
computação nos processos com o BPR, as organizações que entram nos empreendimentos do
BPR precisam depender muito de recursos técnicos internos e externos. Os recursos internos
fornecem serviços de programação, integração e solução de problemas à medida que os
processos são desenvolvidos ou reprojetados. Os recursos externos podem ser consultores BPR,
programadores contratados e desenvolvedores, ou fornecedores que trazem novos produtos de
software.
Como você provavelmente pode imaginar, as iniciativas de BPR podem ser caras, e é por isso
que elas geralmente são implementadas somente quando uma organização espera um ganho
exponencial ou determinou que os processos atuais estão obsoletos ou estão muito danificados.
Os projetos de BPR tendem a seguir um mapa comum, embora não exista um conjunto definido
de princípios, como existe no Seis Sigma. A maioria dos projetos passa pelas fases de
planejamento, design e implementação. Durante o planejamento, as equipes usam os princípios
de mapeamento de processo e arquitetura de processo para definir processos em toda a empresa
em seu estado atual. As equipes buscam oportunidades de melhoria e discutem novas
arquiteturas para processos em toda a organização.
Durante a fase de projeto, as equipes da BPR usam técnicas de validação 3 para garantir que as
soluções que planejam funcionem dentro da estrutura da empresa. Eles também começam a
construir ferramentas e programas para integrar as mudanças; as equipes técnicas podem usar
os métodos Scrum descritos posteriormente neste capítulo neste ponto do processo.
Por fim, as organizações implementam as mudanças que fizeram. Como as mudanças são
geralmente de natureza programática, a implementação geralmente inclui um rigoroso
gerenciamento de mudanças e um procedimento de teste. O teste em ambientes técnicos inclui
etapas como:
• Teste de sandbox da funcionalidade básica

• Teste de garantia de qualidade por recursos técnicos treinados
• Teste beta durante o qual especialistas experientes avaliam todos os aspectos de um
programa em um ambiente limitado
• Um lançamento do programa para a empresa, muitas vezes conduzido em uma
abordagem em fases, durante a qual os recursos técnicos estão disponíveis para
resolver imediatamente os problemas de solução de problemas.
• Uma conversão para uma função regular, onde os recursos técnicos estão disponíveis
em uma capacidade normal para lidar com problemas ocasionais
Rummler-Brache
Como os métodos de melhoria de processos tornaram-se cada vez mais populares nos anos 80 e
posteriores, os indivíduos muitas vezes tomavam parte de um método ou outro e o integravam em
novos programas de melhoria ou qualidade. Dessa maneira, empresas fora da indústria de manufatura
começaram a implementar partes e métodos que incorporavam elementos Lean e Seis Sigma. Um
desses programas é conhecido como Rummler-Brache.
Rummler-Brache foi usada pela primeira ve nos anos 80 por Geary Rummler e Alan Brache. Eles
desenvolveram o que continua sendo um programa proprietário usado por sua própria empresa de
consultoria, mas detalhes do método foram publicados e usados por outros. O método procura afetar
mudanças positivas em processos e organizações usando um conjunto de ferramentas práticas para
tratar de questões de negócios e problemas de processos.
Um dos componentes fundamentais do Rummler-Brache é conhecido como o Modelo das Nove Caixas.
O modelo é criado por uma matriz de três níveis e três dimensões de desempenho. Os níveis de
desempenho são o executante, o processo e a organização. As dimensões são gerenciamento, design
e objetivo. Quando colocados em uma grade, os níveis e dimensões formam nove caixas, como visto
abaixo.
Gerenciamento Design Objetivos

Executante Preocupado com Preocupado com as Preocupado com
feedback, ferramentas e o treinamento métricas e requisitos
consequências e necessários para realizar o de desempenho em
recompensas trabalho, bem como a nível individual
documentação do trabalho
Processo Preocupado com Preocupado com o design Preocupado com os
quem é o do processo, espaço de requisitos do negócio e
proprietário do trabalho ou sistema do cliente
processo e como
pode melhorá-lo
Organização Preocupado com a Preocupado com Preocupado com
cultura geral de organogramas e arquitetura planos
liderança e os de processos em geral operacionais e
requisitos de avaliação métricas de alto
de desempenho nível
Rummler-Brache aborda melhorias em seis fases:
• Planejamento de melhorias. Durante a primeira fase, a liderança e os especialistas no

assunto se comprometem a fazer melhorias e começam a identificar as oportunidades de
mudança.
• Definição. Durante a segunda fase, as metas e escopos do projeto são definidos e as
equipes são formadas para criar melhorias.
• Análise e Design. As equipes usam a análise para entender o problema atual e para definir
e validar soluções viáveis.
• Implementação. Equipes implementam mudanças no processo. Dependendo do tipo de
mudança, isso pode incluir mudanças de programação, treinamento de pessoal, mudanças
em máquinas ou equipamentos ou mudanças de políticas.
• Gerenciamento de processo. As equipes monitoram o processo durante e imediatamente
após a mudança para garantir que as melhorias funcionem conforme planejado.
• Os processos são entregues às equipes diárias. O gerenciamento do processo é
entregue às equipes diárias, geralmente com algum tipo de controle para garantir o sucesso
contínuo.
Scrum
Scrum é um método de desenvolvimento de projetos específico para empreendimentos de
programação ágil em departamentos técnicos. O Scrum é usado quando as equipes desejam criar
novos produtos técnicos ou integrar novos desenvolvimentos em produtos existentes em um curto
espaço de tempo. Comumente, os projetos Scrum duram entre duas e quatro semanas, o que
tradicionalmente é um cronograma muito apertado para projetos de programação. O Scrum foi
desenvolvido à medida que as equipes de programação e desenvolvimento precisavam de uma

maneira de atender às necessidades contínuas de projeto técnico e melhoria de outros
departamentos sem aumentar substancialmente a programação, testar as horas dos funcionários
ou contratar mais pessoal técnico. O Scrum também pode ser usado para impulsionar tempos
mais rápidos de produção ou mercado para produtos de software e aplicativos.
O Scrum é um conceito relacionado a outras iniciativas de melhoria de processos discutidas no livro,

porque muitos projetos hoje exigem algum tipo de recurso técnico ou mudança. Enquanto as equipes
de projeto estão trabalhando para validar e medir, os departamentos técnicos frequentemente
implantam os conceitos do Scrum simultaneamente para atender às necessidades de desenvolvimento
do projeto de melhoria por prazo.
Projetos Scrum apresentam três fases principais:
• O pré-jogo. As equipes de desenvolvimento analisam os dados disponíveis e os requisitos de

negócios. Eles usam essas informações para criar o conceito do novo produto ou atualização.
Geralmente, isso envolve traduzir conceitos de negócios e processos em conceitos técnicos e
de computador.
• O jogo. As equipes começam a desenvolver o produto por meio de sprints de programação.
Sprints são fases menores de desenvolvimento que são concluídas em seqüência,
geralmente com uma revisão e validação do trabalho antes de passar para o próximo sprint.
Ao validar o trabalho durante o desenvolvimento, as equipes podem criar produtos de
trabalho mais rapidamente.
• O pós-jogo. Mesmo que a validação ocorra durante o desenvolvimento, as equipes ainda
precisam seguir os procedimentos de garantia de qualidade, teste e gerenciamento de
mudanças. A preparação de qualidade para a liberação do produto é tratada na fase final.
O método de Gerenciamento de Experiência do Cliente (CEM)

Como o Rummler-Brache, o Método de Gerenciamento de Experiência do Cliente, ou Método CEM, foi
criado por consultores de melhoria de processos para atender às necessidades de organizações fora da
fabricação. A CEM combina algumas ferramentas de melhoria de processos com a gestão de relações
com clientes. Foi desenvolvido na década de 1990 pelo Virgin Group e tornou-se popular ao longo dos
anos 90 e início do século XXI.

O Método CEM adota uma abordagem externa para a melhoria de processos, concentrando-se no que
o cliente deseja ou precisa e como cada processo em uma organização atende a essa necessidade. O
principal objetivo da CEM é alinhar os processos em toda a organização com as metas de satisfação do
cliente. Como tal, mesmo os processos sem relação direta com os clientes são definidos em termos de
clientes.
Por exemplo, os processos de envio são obviamente diretamente relacionados aos clientes finais, por
isso é fácil definir como esses processos podem atender melhor aos clientes. As remessas devem
chegar a tempo, ser de acordo com os pedidos e os custos de envio devem ser acessíveis.
Processos internos de recursos humanos são mais difíceis de vincular a metas voltadas para o cliente.
No entanto, o moral e a funcionalidade dos funcionários estão diretamente relacionados a como esses
funcionários podem atender aos clientes. Você pode fazer uma declaração voltada ao cliente sobre
praticamente qualquer processo em uma organização dessa maneira. Se as organizações não
puderem vincular um processo ao cliente, elas deverão perguntar se o processo é necessário ou
interrompido.
Como o Seis Sigma, o CEM depende muito de dados. As organizações não podem fazer
determinações sobre as metas do cliente e o sucesso dos processos sem coletar e analisar o feedback
do cliente. A vantagem do CEM é que as organizações são capazes de implantar táticas voltadas ao
cliente em toda a empresa, o que geralmente resulta em enormes ganhos em satisfação, lealdade e
gastos do cliente. Uma desvantagem desse método é que os departamentos tradicionalmente voltados
para dentro, como recursos humanos, jurídicos e contábeis, geralmente têm dificuldade em
implementar mudanças culturais focadas no cliente.
JumpStart
O JumpStart difere dos outros programas e métodos descritos neste Capítulo, pois é um método
rápido para identificar problemas e soluções em uma única sessão. O JumpStart pode ser usado
em quase todos os outros métodos descritos neste livro como uma forma de estimular a
discussão sobre processos ou identificar possíveis soluções. Ele também pode ser usado como
uma ferramenta de gerenciamento para ajudar as equipes a obter soluções sustentáveis fora dos
ambientes do projeto ou na ausência de recursos do projeto.
Como o JumpStart não toma tempo para verificações rigorosas ou análises estatísticas por conta
própria, as equipes não devem usar esse método para promulgar mudanças radicais ou tentar
melhorar processos que possam afetar seriamente a experiência do cliente ou os resultados
finais. Uma desvantagem de usar o JumpStart sozinho é que às vezes são feitas alterações em
uma mentalidade de esperar para ver, que é segura para muitas alterações internas da equipe,
mas geralmente perigosa para processos corporativos ou departamentais ou para fazer
alterações em processos que estão vinculados a regras regulamentares ou de conformidade
O JumpStart geralmente começa quando os líderes, em algum nível, identificam uma área de
preocupação ou oportunidade. O gerente, supervisor ou outro encarregado identifica uma equipe
de funcionários que eles acreditam oferecer uma percepção apropriada sobre o assunto em
questão. Na maioria dos casos, o JumpStart não funciona para definir o problema: o grupo está
próximo o suficiente do problema para saber o que está errado. Em vez disso, o grupo passa
várias horas pesquisando as principais causas do problema e apresentando possíveis soluções.
O Seis Sigma e outras ferramentas de melhoria de processos podem ser implementadas durante
as sessões do JumpStart. Diagramas de espinha de peixe e matrizes de seleção de soluções,
ambas abordadas em capítulos posteriores, podem ser usadas para validar suposições usando
somente o conhecimento das pessoas na sala e algumas pesquisas rápidas.
O benefício do JumpStart é que ele permite que as equipes criem e implementem soluções de
pequena escala rapidamente, geralmente fornecendo resolução de problemas no mesmo dia,
além de permitir que as equipes identifiquem problemas que precisam ser abordados em um
ambiente de projeto mais abrangente.
Quando Usar Seis Sigma

Algumas organizações fazem uso de vários métodos de melhoria de projetos. Como especialista
em Seis Sigma, você pode ter que defender seu próprio método de vez em quando. Aqui estão
algumas razões para escolher o Seis Sigma sobre outros métodos descritos neste capítulo.
Ao lidar com o desconhecido

O Seis Sigma foi projetado para que você possa começar um projeto mesmo quando não sabe a causa
do problema. Em alguns casos, as equipes nem têm certeza de qual é o problema exato - elas só
sabem que alguma métrica não está funcionando conforme o desejado. Por exemplo, uma organização
pode experimentar uma queda nos lucros que não se corrige em vários trimestres consecutivos. Os
métodos Seis Sigma podem começar a buscar as causas do problema, priorizá-los e trabalhar em
direção a soluções.
Quando os problemas são generalizados e indefinidos

Mesmo quando um problema é entendido, se é amplo no escopo e não está bem definido, os
projetos de melhoria que não são gerenciados rigidamente podem escalar em escopo a ponto de
se tornarem incontroláveis. Nesta situação, as equipes tentam resolver problemas cada vez
maiores. Como resultado, nenhum problema é completamente resolvido. O Seis Sigma inclui
controles para evitar essas alterações incontroláveis , para que as equipes possam fazer
melhorias incrementais que melhorem continuamente um processo ao longo do tempo. Falaremos
mais sobre o escopo nos capítulos posteriores.
Ao resolver problemas complexos

Se os processos são complexos e apresentam muitas variáveis, é difícil determinar como abordar
uma solução, muito menos definir e medir o sucesso. O conhecimento da análise estatística e do
controle de processos permite que as equipes abordem problemas que envolvem enormes
quantidades de dados e muitas variáveis. Através de análise e representação gráfica, idéias
complexas podem ser destiladas para hipóteses, premissas e conclusões específicas.
Quando os custos estão estreitamente ligados ao processo

Como o componente de controle de processo estatístico do Seis Sigma permite que as equipes
façam suposições mais precisas do que qualquer outro método, é muito apropriado para situações
que estão intimamente ligadas à receita ou ao custo. Quando uma pequena mudança pode
resultar em ganhos ou perdas de milhões de dólares, as equipes devem validar suposições com
uma margem de erro extremamente pequena. Adivinhação, pesquisa básica e até mesmo anos de
experiência não podem ser tão precisos quanto os métodos Seis Sigma implementados
adequadamente.

Capítulo 4: Conceitos de Lean
Discutimos conceitos de Lean nos três Capítulos anteriores porque a maioria das abordagens Seis
Sigma hoje incorporam conceitos Lean na solução de problemas e no controle de um processo. Na
verdade, as organizações costumam usar o termo Lean Seis Sigma ao descrever uma abordagem de
melhoria de processos que incorpora inquilinos das metodologias Seis Sigma e Lean. Esta é uma
abordagem popular porque os melhores resultados geralmente surgem quando você melhora um
processo para que os defeitos e desperdícios sejam eliminados. Essa afirmação é verdadeira,
independentemente de você estar avaliando a partir de uma linha de resultados orientada pelos
negócios ou por uma abordagem de satisfação do cliente.
Um defeito do Seis Sigma é uma falha em atender a um requisito em um processo. Falaremos mais
sobre os requisitos no Capítulo 8 quando definimos qualidade. Por enquanto, saiba que os defeitos
custam dinheiro porque as empresas precisam substituir peças, equipamentos ou produtos que não são
perfeitos. As organizações também sofrem perdas financeiras associadas a defeitos quando a
reputação de qualidade é tão baixa que os clientes optam por não retornar ou comprar da empresa. Do
ponto de vista da satisfação do cliente, os defeitos podem aumentar o tempo necessário para que um
cliente consiga o que deseja ou possa deixar o cliente insatisfeito com o produto ou serviço final.
Desperdício custa dinheiro porque é tempo, trabalho ou material desnecessário no processo.

Geralmente, o desperdício é algo usado no processo que não é necessário para um resultado
satisfatório. Em alguns casos, o desperdício cria um problema de satisfação do cliente porque
retém o processo ou introduz elementos indesejáveis ou defeitos no produto final.
Neste capítulo, veremos alguns tipos específicos de desperdício e como evitá-los, além de abordar
alguns conceitos do Lean para criar os processos mais eficientes.
Os Sete Muda
Muda é uma palavra japonesa que se traduz em desperdício. Ele descreve um conceito como
sendo inútil, desnecessário ou ocioso. O conceito de que o muda deve ser eliminado em um
processo é um conceito direcionador do Sistema Toyota de Produção e da fabricação Lean. Muda
é uma tarefa sem valor agregado (NVA) dentro de um processo.
Alguns tipos de muda são mais fáceis de identificar do que outros, e é por isso que o Lean Seis
Sigma implementa ferramentas como o mapeamento do fluxo de valor. Ao entender um processo
em todos os níveis, as equipes são mais propensas a identificar várias formas de muda. De
acordo com Taiicho Ohno, engenheiro-chefe da Toyota, há sete desperdícios, ou recursos que são
comumente mal utilizados e mal administrados: superprodução, correção, estoque, movimento,
transporte, excesso de processamento e espera.
Superprodução
A superprodução é uma das formas de muda mais fáceis de detectar, pois tende a resultar naquilo
que comumente consideramos desperdício. Superprodução significa que um produto, peça ou
serviço foi produzido muito rápido, na hora errada ou em quantidade excessiva para o processo.
Para entender a ideia de superprodução, considere um restaurante básico de fast food que
oferece hambúrgueres e batatas fritas para o almoço. O restaurante não serve café da manhã e
abre suas portas às 11:00 para a multidão do almoço.
Se os cozinheiros acenderem a churrasqueira às 11:00 da manhã, eles podem começar o dia

atrasados, já que é possível que vários pedidos sejam feitos imediatamente. No entanto, se os
cozinheiros começarem a fabricar hambúrgueres às 10h30, eles podem ter hambúrgueres
esperando por algum tempo antes de serem consumidos, o que leva à insatisfação do cliente ou
ao desperdício se os hambúrgueres forem jogados fora. Fazer 10 hamburgueres a cada 10
minutos, a partir das 10h30, é uma superprodução - os hamburgueres estão sendo feitos cedo
demais.
E se os proprietários do restaurante tiverem feito alguma pesquisa e souberem que o número

médio de pedidos entre 11:00 e 11:15 da manhã de terça-feira é de 10 hambúrgueres? Eles
podem instruir os cozinheiros para começar a fazer hamburgueres às 10:50 e fazer 5 a cada 10
minutos. O objetivo é alinhar a produção de pedidos aos pedidos dos clientes, de modo que os
tempos de espera sejam reduzidos, mas os clientes ainda possam desfrutar de hambúrgueres
frescos.
Ao meio-dia, os proprietários sabem que as encomendas tendem a entrar rapidamente, por isso
pedem aos cozinheiros que façam 15 hambúrgueres a cada 10 minutos. Por volta das 14:00, no
entanto, o tráfego de pedidos geralmente cai para 10 hambúrgueres por hora. Se os cozinheiros
ainda estão fazendo 15 a cada 10 minutos, então o processo sofre de superprodução.
Em algum momento, o tráfego no restaurante pode exigir o cozimento sob encomenda - um

processo em que o cozinheiro só fabrica hambúrgueres, já que eles devem evitar o desperdício de
materiais. Ao entender as tendências de tráfego em seu restaurante, os proprietários podem
estimar as necessidades e criar processos que reduzam a quantidade de resíduos produzidos na
cozinha e, ao mesmo tempo, atendam às demandas de qualidade dos clientes.
A superprodução é mais frequentemente associada a resultados tangíveis de um processo,

embora esses resultados não precisem ser finais ou "produtos finais" desses processos.
Considere um negócio que imprima cartões de visita, papelaria, convites e outros documentos.
Talvez este negócio ofereça um serviço de impressão e envio por correio; Para concluir esse
serviço, a empresa usa um processo acionado por máquina que imprime, dobra e distribui
correspondências. A impressora é capaz de fornecer 1.000 páginas por hora, mas a dobradeira só
consegue dobrar 800 páginas por hora.
Mesmo que um cliente queira imprimir 1.000 páginas e enviá-las pelo correio, a impressora estará
superproduzindo se a primeira máquina estiver configurada para operar na velocidade máxima. O
processo levará mais de uma hora porque depende da máquina mais lenta. Como a
superprodução não resulta em desperdício tangível - as páginas impressas serão dobradas e
enviadas pelo correio - os proprietários do processo da empresa precisam considerar outros
fatores para decidir se a superprodução temporária é prejudicial ao processo. O empilhamento de
papel extra antes do processo de dobragem cria um risco extra de erro? Operar a máquina de
impressão na capacidade máxima, sem necessidade, pode causar desgaste ou desgaste
desnecessário? Se a resposta for sim para qualquer pergunta, existe desperdício que deve ser
eliminado do processo.
A superprodução também pode existir com relação a relatórios, ativos digitais e preparação para
processos. Quase todos que trabalham em um ambiente de negócios estão familiarizados com os
requisitos de relatórios - assim como quase todos os que criaram relatórios conhecem a infeliz
verdade de que as informações muitas vezes não são lidas. Criar relatórios que ninguém lê - ou
criar relatórios altamente detalhados quando uma visão geral é suficiente - é superprodução.
Preparar equipamentos que não são usados em um processo também é superprodução. Centros

de cirurgia freqüentemente preparam máquinas, bandejas de equipamentos e salas de operação
antes do início dos turnos. O objetivo é criar processos eficientes para qualquer operação do
paciente; A equipe também deve poder acessar o equipamento rapidamente se surgirem
problemas durante os procedimentos. Preparar 20 bandejas de equipamentos em um dia em que
apenas 10 cirurgias estão agendadas pode ser considerado superprodução se não houver uso
para as bandejas extras.
Em algumas situações, como no exemplo médico acima, os processos podem exigir ligeira
superprodução. Se 10 cirurgias forem agendadas, a equipe pode preparar 13 ou 14 bandejas de
equipamentos. Dessa forma, se uma cirurgia de emergência chegar, ou se surgir um problema com
uma bandeja existente, o equipamento de reserva estará disponível. Ao entender as nuances dentro
dos processos e requisitos, as equipes Seis Sigma podem identificar melhor muda de superprodução
versus superprodução que podem ser exigidos pelas políticas de regulamentação ou resolução de
problemas.
A chave para eliminar a superprodução é o planejamento. Nos exemplos acima, você notará que cada
solução surgiu quando o operador do processo entendeu as necessidades inerentes ao processo.

Quando os proprietários sabiam quantos pedidos eram prováveis, conseguiam reduzir o desperdício.
Quando a impressora conhece a capacidade de cada máquina no processo, ela pode planejar a
execução de impressão mais eficiente.
Correção
Também conhecida como muda de retrabalho, essa forma de desperdício freqüentemente
atormenta organizações interessadas em programas tradicionais de qualidade. Em um desejo de
eliminar defeitos do produto final, as organizações instituem verificações de qualidade em
processo que encaminham o trabalho com defeitos de volta para correção. Embora o retrabalho
possa ser necessário em alguns casos, especialmente se os materiais são particularmente
valiosos e o trabalho vale a pena ser salvo em vez de ser descartado, ainda é um desperdício no
processo que deve ser identificado e analisado.
Quando o retrabalho ocorre, ele aumenta o tempo total do processo e usa mão-de-obra e
materiais adicionais para criar uma quantidade menor de produtos ou saídas. Vejamos um
exemplo que pode ser encontrado no call center de uma grande empresa de seguros de
automóveis. Algumas das chamadas que chegam ao centro são de pessoas que sofreram danos a
veículos em um acidente. Considere o seguinte processo para lidar com tais chamadas:
• O segurado informa danos ao carro.

• O representante registra as informações em um formulário de computador.
• O representante toma uma decisão com base nas informações fornecidas pelo
segurado:
o O pedido é encaminhado para tratamento imediato se for considerado uma emergência
o A reclamação é encaminhada para a equipe A se for um incidente com somente um
carro ou ato de Deus
o A reclamação é encaminhada para a equipe B se for um acidente de que involva mais de
um carro
Agora, imagine uma reivindicação que chega na fila de trabalho para um funcionário trabalhando
na equipe B. As informações inseridas no computador estão incompletas, portanto, o funcionário
não pode determinar com certeza se a reivindicação está relacionada a um acidente de múltiplos
carros. O funcionário pode enviar a reivindicação de volta para a fila original, o que significa que
um funcionário do call center teria que chamar o segurado de volta para coletar informações
adicionais. A reivindicação seria roteada novamente, de acordo com as novas informações, e
esperaria em uma fila de trabalho novamente.
Um dos maiores problemas com o muda de correção é que muitas vezes pode ser feito um caso
em que o processamento é necessário. Talvez a equipe B não esteja preparada para lidar com
incidentes de carro único, portanto, o trabalho precisa ser redirecionado para que a solicitação
seja concluída. Mas por que não equipar os membros da equipe para lidar com qualquer
reclamação, ou criar um processo para reencaminhar reivindicações para a equipe correta sem
enviar o trabalho de volta à fila original?
Correção, ou retrabalho, pode ocorrer em qualquer tipo de processo. Processos de fabricação

eliminam peças e produtos defeituosos; às vezes os materiais são retrabalhados para um
resultado melhor e às vezes são descartados - também uma forma de desperdício. Centros de
atendimento e filas de trabalho digitais são famosos pelo retrabalho, já que é fácil enviar o trabalho
de um lado para outro em formato digital. Em alguns casos, o retrabalho ocorre não por causa da
correção, mas simplesmente porque as responsabilidades de departaments ou trabalhadores se
sobrepõem.
Para eliminar o retrabalho ou a correção, as organizações devem usar uma abordagem dupla.
Primeiro, a causa raiz do retrabalho - o que está causando os erros - deve ser abordada. É
necessário mais treinamento de funcionários? Um processo pode ser alterado para torná-lo mais à
prova de erros? Em alguns casos, os princípios discutidos em Unidades posteriores sobre controle
de processos, incluindo uma estratégia chamada poka yoke, podem ser implementados para
tornar mais difícil a criação de defeitos do que não criar defeitos durante um processo. Quando os
defeitos são evitados, o retrabalho também é evitado.
Além de abordar a causa raiz dos erros, as organizações devem criar etapas de qualidade que
reduzam o desperdício de retrabalho. No exemplo sobre o call center da companhia de seguros,
notamos que seria mais eficiente para o trabalhador descendente redirecionar a reivindicação para
a equipe correta do que devolvê-la à equipe original. Este método, por vezes, causa um problema
de cultura; Há um sentimento entre os líderes e a equipe de que a primeira equipe ou o primeiro
membro da equipe deve ser responsabilizado pelo erro. Uma maneira de buscar responsabilidade
é fazer com que essa pessoa corrija seu erro. Embora os erros de retrabalho possam ser um bom
método de treinamento quando o tempo e os recursos permitem, nem sempre é viável e não
contribui para um processo diário eficiente. Em vez disso, os funcionários podem ser
responsabilizados com mais eficiência por meio da definição de metas e métricas para o bem
maior da organização como um todo.
Inventório
Muda de estoque é semelhante a muda de superprodução; na verdade, a superprodução pode causar
desperdício de estoque. Muda de estoque ocorre quando materiais ou entradas se acumulam antes de
uma etapa no processo; Esse fenômeno também é chamado de gargalo. Lembre-se do exemplo de
impressão para superprodução? Se a primeira máquina estiver configurada para o nível de produção
mais alto, ela gerará 1.000 páginas por hora. A dobradeira pode manipular apenas 800 páginas por
hora, então você teria um estoque de 200 páginas criadas a cada hora. Se as duas máquinas
executassem a produção mais alta por quatro horas, o processo teria desenvolvido um estoque de 800
páginas. Até e a menos que o processo de dobramento se torne mais rápido, essas páginas extras
serão desperdiçadas em inventário e continuarão a se acumular.
O desperdício de estoque pode ocorrer quando os itens são comprados ou criados antes de serem
necessários em um processo de fabricação ou serviço. O inventário também pode ocorrer em filas de
trabalho, filas de dados digitais ou até em caixas de entrada de email. Se você receber 300 e-mails por
dia e estiver lidando com 30 deles regularmente, haverá um problema no processo com suas
comunicações.
Embora o desperdício de inventário possa ocorrer em qualquer processo, é especialmente comum em

processos que operam em lotes. A sabedoria tradicional enxuta diz para evitar o processo em lote -
processos que envolvem a criação de um certo número de produtos ou saídas antes de empurrá-los
para baixo da linha. A redução do tamanho do lote reduz os tempos de espera - o tempo necessário
para entregar o produto final. Também reduz a quantidade de inventário que ocorre antes de cada
etapa do processo.
Embora as mentalidades enxutas geralmente estimulem uma mentalidade de que o envio em lote é
péssimo, nem sempre é possível evitá-lo, e os tempos de lead reduzidos em produtos individuais nem
sempre são o objetivo principal de um processo. Considere um padeiro que está preparando uma
encomenda de uma dúzia de cupcakes. Ele poderia preparar o pedido como um lote, ou ele poderia
preparar cada cupcake separadamente. Obviamente, misturar os ingredientes e assar os cupcakes
como um lote faz mais sentido. Decorá-los como um lote também funciona bem - o padeiro pode por
glacê em todos os cupcakes, faer o trabalho de bico em todos os cupcakes e, em seguida, cobrir todos
os cupcakes com um doce. O tratamento em lote funciona para o padeiro porque o primeiro cupcake
não vai sair da padaria antes do dia 12 terminar - todos eles se movem juntos porque são considerados
uma unidade.
Você também pode reduzir o desperdício de estoque ao compreenderum processo e baseando as

decisões de inventário em métricas históricas. Um centro de expedição que processa entre 50.000 e
100.000 caixas por semana não faria um pedido para 300.000 caixas se quisessem ter apenas uma
semana de fornecimento disponível. Um padeiro não faz creme para sete tortas, se ele ou ela só
pretende fazer dois.
Movimento
Muda de movimento tem a ver com como os próprios funcionários se movem durante um processo.
Esse tipo de desperdício é geralmente relevante para processos movidos por pessoas na fabricação,
armazenagem, transporte, entrega ou campos industriais, mas o desperdício de movimento pode até
surgir em processos que são computadorizados.
Por exemplo, se um funcionário de entrada de dados precisa clicar para frente e para trás entre as telas
ao inserir informações, isso pode ser um desperdício de movimento. Se o sistema for projetado de
modo que um número seja inserido em uma janela e um segundo número inserido em uma janela
diferente, o clique entre as janelas estará desperdiçando movimento. Mover para outra janela envolve
uma ação de mouse ou teclado que pode ser eliminada se os dados forem inseridos na mesma janela.
Parece um detalhe inconsequente, mas imagine o que acontece quando o funcionário de dados conclui
esse processo centenas ou milhares de vezes por dia. O desperdício pode absolutamente aumentar se:
• Cada funcionário de entrada de dados concluir 600 entradas por hora, em média, e
houver 10 funcionários em uma equipe, a equipe estará concluindo 48.000 entradas por
dia.
• Demorar apenas meio segundo para alternar entre as duas janelas, a equipe ainda está
gastando 400 minutos coletivos por dia - pouco mais de 6,5 horas - alternando.
• O salário médio por hora para um profissional de dados for de US $ 10, a equipe gastará
US $ 325 a mais por semana - quase US $ 17.000 por ano - para cobrir o ato de alternar
entre as janelas.

Dados esses números, uma alteração de programação que inclua os dois elementos de dados na
mesma janela poderia economizar US $ 17.000 à empresa em um único ano. Esse mesmo
conceito pode ser aplicado a qualquer forma de muda quando você pode aplicar uma quantia de
tempo e dólar ao desperdício.
Outros exemplos de muda de movimento incluem uma tarefa que requer que um indivíduo se
mova fisicamente de um lado para o outro entre trabalho, movimento extra decorrente de um
layout de trabalho ruim ou que ocorre quando um funcionário deixa uma área e precisa retornar
uma ou mais vezes porque esqueceu alguma coisa. As bibliotecas públicas há muito empregam
uma ferramenta simples para evitar o desperdício de movimento no processo de colocar os livros
de volta às prateleiras: os livros são organizados primeiro em um carrinho. O carrinho permite que
um funcionário carregue muitos livros sem idas e voltas, e colocar os livros em ordem no carrinho
permite que o indivíduo se mova pelas pilhas uma vez. Se os livros forem colocados
aleatoriamente no carrinho, o movimento subsequente entre as prateleiras desperdiça movimento
e tempo.
A simplificação dos processos da empresa elimina o desperdício de movimento e os dados devem

ser coletados e analisados para identificar movimentos desnecessários. Uma ferramenta comum
usada na fabricação e em ambientes similares para rastrear o movimento é conhecida como
diagrama de espaguete. Comece com um desenho básico de olho de pássaro do espaço de
trabalho. Inclua móveis, estações de computadores, máquinas, portas e paredes. Observe um
processo real, acompanhando todos e quaisquer movimentos com uma linha no diagrama.
Quando desenhado corretamente, o diagrama parece uma sequência de espaguete que caiu na
sua página. Quando o processo estiver concluído, você poderá ver o diagrama para ver onde os
movimentos se cruzam várias vezes ou saem do caminho desnecessariamente. Isso ajuda você a
encontrar oportunidades para simplificar o movimento em um processo. Às vezes, é tão simples
quanto mover móveis ou recursos para reduzir movimentos desnecessários. Vale a pena notar
que um diagrama de espaguete apenas revela um instantâneo do movimento no tempo; às vezes,
vale a pena concluir mais de um desses diagramas em diferentes momentos do dia ou com
funcionários diferentes para revelar uma visão geral de um processo e possível desperdício.
Transporte
Muda de transporte é semelhante a muda de movimento, exceto que a condução envolve o movimento
de saídas, produtos ou recursos. Por vezes também é referido como muda de condução. Por exemplo,
em uma instalação de produção de bonecas, se a cola que prende olhos a bonecos for mantida em
uma sala de estoque e transportada, conforme necessário, para o processo, pode haver desperdício de
transporte.
Se um relatório de despesas for impresso e depois levado a um gerente para aprovação, que o
encaminha em um envelope do escritório para um diretor, que o transporta para o departamento de
contabilidade, muda de transporte está ocorrendo. Isso se afirma porque a tecnologia apropriada usada
de maneira correta e eficiente permite que as organizações lidem com relatórios caros por meio de
computadores, com quase nenhum transporte.
Se um pratoé preparada por um chef e colocada em um balcão, onde um assistente de cozinha o move
apara uma mesa diferente, onde a equipe de garçons sabe que deve buscá-lo, o transporte está
ocorrendo. A equipe de garçons então leva o prato ao cliente.
O transporte pode se relacionar ao movimento físico de itens ou ao movimento digital de dados ou fluxo
de trabalho. As cadeias de email, que estão presentes em muitos ambientes de trabalho, geralmente
apresentam muda de transporte digital. Um CEO pode enviar um email a um diretor solicitando dados.
O diretor envia um e-mail a um gerente, que envia um e-mail a um supervisor, que envia um e-mail a
um especialista no assunto. A SME entrega as informações ao seu supervisor, e os e-mails funcionam
de volta à cadeia. O mesmo pedido e informação foram transmitidos várias vezes quando só
precisavam ser transmitidos uma vez. Isso permite muitas oportunidades de erro.
Alguns podem apontar para preocupações de cadeia de comando, mas para o propósito deste
exemplo, se a solicitação de dados for um processo repetido, então faz sentido para a cadeia de
comando informar o CEO de onde essa informação vem. Para ir ainda mais longe, um processo
verdadeiramente Lean exigiria que todo o desperdício fosse removido desse processo. Se o requisito
de dados ocorrer semanalmente, os ideais Lean exigem que o SME gere automaticamente os dados e
os envie ao CEO semanalmente.
O transporte físico é geralmente mais fácil de localizar e endereçar do que o transporte digital. Um
diagrama de espaguete, mapa de processo ou mapa de fluxo de valor pode ajudá-lo a identificar áreas
onde o desperdício de transporte possa existir. Os diagramas de spaghetti funcionam bem em
situações de transporte físico e os mapas de processo ajudam a identificar o transporte em ambientes

digitais
Uma vez que se identifique muda de condução, você pode eliminá-lo ao fazer mudanças nos requisitos
de processo, layout, or inventário para o trabalho. Se o desperdício de transporte não ocorrer por um
design fraco do processo ou layout da área de trabalho, pode estar relacionado a outra forma de muda.
O transporte é frequentemente visto em processos que envolvem muita correção, porque o trabalho é
transferido de um lado para o outro entre a equipe ou as áreas. Ao abordar o muda de correção, você
também costuma abordar o desperdício do transporte.
Excesso de Processamento
O excesso de processamento ocorre quando um funcionário ou processo insere mais recursos em um
produto ou serviço do que é avaliado pelo cliente. Isso pode ocorrer por causa da ignorância, do desejo
de perfeição ou até de excitação. Às vezes, o excesso de processamento ocorre porque um funcionário
não recebeu treinamento sobre a maneira mais eficiente de lidar com uma tarefa. Outras vezes, ocorre
porque um funcionário ou processo é mais completo do que vale a pena. Uma meta de qualquer
processo deve ser apenas o trabalho útil e necessário o suficiente para garantir que as expectativas do
cliente ou do usuário final sejam atendidas.
Um exemplo de processamento excessivo ocorre com frequência nos escritórios administrativos de

saúde durante o processo de verificação do seguro. A verificação de seguro ocorre quando o escritório
de um provedor de assistência médica tenta verificar se uma pessoa está coberta pelo seguro dos
serviços que estão prestes a ser processados. Dependendo do tipo de cobertura de seguro e das
políticas do escritório, um membro da equipe verifica os benefícios por meio de um programa de
computador ou liga para a companhia de seguros.
Na maioria dos casos, o objetivo da verificação do seguro é simplesmente garantir que o segurado seja
coberto pelo plano para a data em que os serviços serão prestados. Às vezes, porém, um funcionário
de escritório aprofunda a verificação, gastando até uma hora no telefone com uma companhia de
seguros para receber detalhes de benefícios ou ligando para verificar com outro representante para
garantir que as informações originais fornecidas estavam corretas. Embora existam casos específicos
que exijam verificação detalhada do seguro, as consultas básicas não exigem esse nível de trabalho.
Um funcionário que está levando até uma hora para verificar a cobertura do seguro está
superproduzindo, e provavelmente está causando problemas de produtividade para a clínica como um
todo.
Nos processos centrados no consumidor, o processamento excessivo ocorre quando você coloca mais
em um produto do que o valor oferecido pelo cliente. Embora a excelência do produto seja importante,
em algum momento, o trabalho que você coloca em um produto excede o que é considerado
necessário ou útil pelo cliente, e isso geralmente está ligado ao preço. Um cliente espera mais de um
modelo premium, mais caro, por exemplo.
Um exemplo de processamento excessivo pode ser pintar a parte inferior de uma prateleira interna do
armário quando ninguém jamais a verá. Em um restaurante, a roupa de mesa passada a um padrão
exato pode ser considerada um excesso de processamento, especialmente se você removê-la entre as
refeições para a lavagem. Na maioria dos restaurantes, grande parte da roupa de mesa cobre a mesa;
os proprietários podem querer lençóis que não estejam cheios de rugas, mas não precisam de costuras
nítidas e perfeitas. No mundo técnico, a criação de um aplicativo com 100 recursos, quando 99% das
pessoas desejam apenas usar 10 funções principais, pode ser considerada tanto excesso de
processamento quanto excesso de produção.
Um mapa de fluxo de valor, abordado no Capítulo 35, é uma boa ferramenta para identificar quaisquer
pontos de excesso de processamento. Qualquer parte do processo que não fornece valor pode ser
considerada um excesso de processamento; Quando o processo apresenta uma série de eventos
vinculados e nenhum fornece valor, é ainda mais provável que ocorra o processamento excessivo.
Em um processo Lean verdadeiro, cada etapa de um processo fornece valor, mas pode ser complicado
determinar quando o valor não está ocorrendo. A qualidade é importante para o sucesso do processo e
para o cliente final, por exemplo, mas o cliente não se importa, ou normalmente nem percebe, que o
processo está imbuído de verificações de qualidade. Eles preferem que um processo demore 10
minutos a mais por causa dessas verificações de qualidade - as equipes precisam mergulhar fundo nos
processos, nas métricas e na voz do cliente para determinar se esses 10 minutos extras estão
fornecendo valor agregado suficiente para cobrir o incômodo ou a perda do cliente. do tempo
adicionado. Esse conhecimento é determinado através da coleta de dados e análise estatística
discutida em detalhes ao longo deste livro.
Espera
Muda de espera se refere ao tempo ocioso em im processo, seja de maquinário ou pessoas. Em outras
palavras, um empregado ou máquina trabalhando abaixo de sua capacidade ou não trabalhando de
jeito nenhum por esperar insumos de outra parte do processo. A espera ocorre quando etapas no
processo não são coordenadas propriamente, quando os processos não são confiáveis, quando o
trabalho é muito grande, durante o retrabalho e durante longas trocas entre a equipe ou máquinas.
Em um ambiente de varejo ou fast food, quando o turno de um caixa termina, outro caixa assume a
estação. Para manter a integridade financeira, quase todas as empresas trocam as gavetas da caixa
registradora durante a troca entre caixas; se houver um erro com a gaveta, a empresa sabe quem
estava executando o registro naquele momento, facilitando a localização de tendências ou problemas.
No entanto, quando a gaveta está sendo removida, o registro geralmente não pode ser usado. O caixa
está simplesmente esperando, às vezes junto com o cliente.
Para reduzir o desperdício de espera neste exemplo de caixa registradora, a maioria das organizações
usa um processo que inclui uma série de gavetas de registro que são preparadas no início do dia ou
turno. As gavetas são projetadas para serem intercambiáveis nas registradoras, então a gaveta antiga
pode ser puxada e a nova gaveta colocada em menos de 30 segundos, resolvendo o desperdício de
espera.
O desperdício de espera é comum em ambientes de construção. A construção de estradas, pontes,

edifícios e outras estruturas requer atenção especial à ordem e aos detalhes: você não pode construir a
estrada de uma ponte até que os pilares estejam no lugar e firmes. Esse conceito é visto mesmo em
pequena escala na construção, fazendo com que os funcionários pagos permaneçam à espera de que
outros concluam uma parte do trabalho antes que possam concluir a tarefa designada.
Porque a construção é um campo de especialistas e certificações, um funcionário muitas vezes não

pode fazer o trabalho de outro. Em outras palavras, as tarefas dos funcionários não são
intercambiáveis. Isso causa mais desperdício de espera; um grupo de trabalhadores da construção civil
pode ter que esperar pelo operador da empilhadeira para vir e mover alguns itens. Enquanto isso, o
operador da empilhadeira está terminando com uma tarefa no outro lado do lote de construção. Isso
não é um problema limitado à construção: alguns escritórios têm políticas que exigem que um
funcionário da equipe de TI lide com qualquer problema no computador. Seja uma falha de software,
um erro de solução de problemas ou simplesmente a necessidade de trocar um mouse com baixo
desempenho, a equipe do escritório deve enviar um ticket de suporte ou fazer uma ligação telefônica e
aguardar a equipe de TI resolver o problema.
Você pode eliminar o desperdício de espera em muitos processos, equilibrando máquinas, pessoas e
produção. O processo só funcionará tão rápido quanto o elo mais lento; Reforçar a produção de um
único elemento não faz nada para o todo, então as equipes devem trabalhar para equilibrar e melhorar
todo o processo.
Às vezes, o agendamento é um componente-chave para eliminar a espera. No exemplo da construção,

o planejamento avançado e as táticas de programação poderiam reduzir a chance de que uma equipe
estivesse esperando por um operador de empilhadeira enquanto ele estivesse ocupado em outro lugar.
Entender as necessidades organizacionais, de equipe, de projeto e de processo também ajuda a
liderança a fornecer a quantidade certa de recursos para reduzir a espera. O canteiro de obras pode se
beneficiar de dois operadores de empilhadeiras, por exemplo. No exemplo de TI, uma empresa pode
reduzir o tempo de espera maximizando a equipe de TI em grandes volumes de tempo ou
implementando processos no departamento de TI para criar respostas mais eficientes para os tickets de
ajuda. Um membro auxiliar da equipe de TI pode ser contratado para lidar com problemas menos
técnicos, como trocar um mouse com baixo desempenho.
Outras Formas de Desperdício

Enquanto a Toyota originalmente definiu sete muda comum, até mesmo Taiichi Ohno concordou
que existem outros tipos de desperdício. Em alguns casos, o que parece ser outro tipo de
desperdício são apenas tipos mais definidos ou específicos dos sete desperdícios discutidos
acima. Algumas formas de desperdício não parecem se encaixar perfeitamente em uma das sete
categorias de desperdício.
Talento
Talento pode ser desperdiçado quando um processo não faz o maior uso do trabalho ou do
pessoal disponível. Se um processo solicitar que os dados sejam inseridos e o membro da equipe
mais lento na chave de 10 seja atribuído à tarefa, os recursos serão desperdiçados. Contratar a
pessoa errada, colocar a equipe na posição errada ou ignorar o potencial de crescimento de um
funcionário pode ser uma muda de talento. O talento desperdiçado é mais uma preocupação para
a liderança e recursos humanos do que para especialistas em melhoria de processos, embora os
especialistas de Seis Sigma devam estar cientes de que a forma como os recursos humanos são
geridos pode afetar drasticamente a eficiência de um processo.
Idéias
Muda de idéias ocorre quando os pensamentos e idéias das pessoas são desconsidedos, não
procurados ou desviados de uma forma que não faz sentido. Muitas vezes, as equipes de
liderança e de projeto podem ignorar os especialistas no assunto que têm uma visão detalhada de
um processo e, como tal, podem oferecer conhecimento e ideias em primeira mão. O resultado
poderia ser o design de um processo que funciona muito bem na teoria, mas que se reduz ao nível
granular depois de instituído.
Um dos motivos pelos quais o desperdício de idéias é uma preocupação para as organizações é
que as próprias pessoas raramente se manifestam com pensamentos. Os membros da equipe
podem pensar que eles não têm nada de real para contribuir, podem sentir que suas ideias não
serão ouvidas ou podem estar preocupados de parecer bobos ou ignorantes.
O Seis Sigma Faixa Verde ou Preta encarregado dos projetos pode facilitar menos muda de
idéias, incentivando os especialistas no assunto a contribuírem e incentivando os líderes a buscar
todas as ideias antes de avançar com a mudança. As ferramentas de brainstorming, que são
abordadas nos Capítulos posteriores, são valiosas para esse propósito, porque são projetadas
para criar um refúgio seguro para todas as ideias. Ao promover todas as ideias em um ambiente
seguro, as equipes podem promover ideias valiosas e evitar o desperdício de ideias.
Capital/Dinheiro
Poupar para os dias difíceis é inteligente, mas guardar o dinheiro quando há lucros a ganhar nem
sempre é a decisão certa. Muda de capital ou dinheiro ocorre quando a liderança decide não investir em
atualizações ou melhorias que criariam fluxo de caixa adicional. Esse tipo de desperdício é muito
parecido com a espera, exceto pelo fato de o próprio dinheiro estar esperando, muitas vezes por um
período em que a liderança se sinta segura o suficiente para gastá-lo.
O Seis Sigma ajuda a reduzir o desperdício de dinheiro porque a análise estatística ajuda os líderes a
tomar decisões que envolvem o menor risco ou o maior ganho. Nenhuma decisão de negócios é 100%
garantida, mas a Seis Sigma ajuda os líderes a fazer apostas usando dados estatísticos no processo de
tomada de decisões, para que não fiquem com dinheiro ou capital que possa ser usado para gerar
ganhos em eficiência, produção e lucro.
Dois Tipos de Muda

Todo muda é um desperdício que não agrega valor a um produto ou processo, conforme definido pe lo
cliente ou pelo usuário final. Todo muda também pode ser dividido em dois tipos gerais, que podem
ajudar as organizações a priorizar o desperdício para fins de projeto e melhoria. Muda pode ser referido
como tipo I ou tipo II.
Muda Tipo I
Muda tipo I é uma tarefa sem valor agregado que pode ser essencial ou exigida pelas circunstâncias. A
inspeção de produtos durante um processo pode ser necessária se o processo for conhecido por
produzir defeitos. As organizações não querem que os defeitos cheguem aos os clientes, por isso eles
colocam os controles de qualidade em funcionamento. O ato da inspeção, e o tempo e as despesas que
ela adiciona a um processo - são todos muda. No entanto, uma organização não pode remover esse
desperdício até resolver a causa dos defeitos no processo.
Às vezes, processos auxiliares dentro de uma organização são muda tipo I. Por exemplo, o cliente final
externo não recebe o valor direto dos processos de recursos humanos de uma organização. Ao mesmo
tempo, se os funcionários não receberem cheques ou suporte com relação aos benefícios,
provavelmente não continuarão realizando o trabalho. Esses processos são então essenciais para a

organização. Em vez de remover completamente esse muda, as equipes podem procurar maneiras de
tornar o muda essencial o mais eficiente e econômico possível.
Muda Tipo II
Muda tipo II são tarefas sem valor agregado que não são essenciais e podem ser imediatamente
removidas de um processo. Por exemplo, se um produto é transportado de e para várias estações de
trabalho enquanto está sendo concluído, é provável que ocorra um desperdício tipo II de transporte. Ao
reorganizar o fluxo de trabalho, as equipes podem reduzir o muda em uma quantidade substancial sem
fazer nenhuma alteração real em como o produto é montado.
5S
O 5S é uma abordagem Lean japonesa para organizar um espaço de trabalho, de modo que, ao tornar
um processo mais eficaz e eficiente, será mais fácil identificar e eliminar o desperdício. O 5S conta com
dicas visuais e uma área de trabalho limpa para melhorar a eficiência, reduzir acidentes e padronizar
fluxos de trabalho para reduzir defeitos. O método é baseado em cinco etapas:
• Seiri (Classificação)
• Seiton (Ordem)
• Seiso (limpeza)
• Seiketsu (padronização)
• Shitsuke (Disciplina)
Fase I: Classificar
Durante a fase de classificação, todos os itens ou materiais em um espaço de trabalho são revisados,
removendo itens desnecessários e mantendo os recursos necessários.
Considere a sala de cópias em um escritório: ao longo dos anos, suprimentos, ferramentas e máquinas
se acumularam. Ao verificar a sala, as equipes podem decidir que o grampeador e a fita adesiva
permanecem; as pessoas ainda precisam grampear as páginas ou acessar a fita. O velho cortador de
papel não é necessário para a equipe, pois ninguém realiza tarefas de corte de papel. No entanto,
alguém observa que a equipe de remessa e armazenamento precisa cortar manualmente as páginas
algumas vezes, então o cortador de papel seja realocado para esse departamento. A equipe decide
jogar uma caixa de diversos papéis soltos e um aparelho de fax antigo, porque uma nova copiadora
inclui recursos de fax. Ao eliminar obstáculos e itens desnecessários, os custos, o tempo e a frustração
dos funcionários também são removidos.
A etapa de classificação permite fazer o inventário de uma área, descobrir recursos não utilizados ou
desperdiçados e abrir espaço para a reorganização. A classificação também pode ser aplicado com
processos informatizados.
Fase 2: Ordenar
Uma vez que o excesso é removido da área de trabalho, as equipes devem fornecer um local
simplificado e fácil de usar para tudo o que for necessário no espaço de trabalho. Durante a fase de
ordenar, cada item, ferramenta ou material recebe uma casa. Para facilitar a organização contínua, a
localização dos recursos deve ser rotulada claramente. A idéia é criar um espaço de trabalho que
qualquer um poderia usar: se alguém de outra área acessasse sua sala de cópias, levaria apenas
alguns segundos para localizar o tamanho correto. Os funcionários de uma fábrica devem poder se
deslocar de estação para estação, encontrando equipamentos e ferramentas com facilidade. O objetivo
é fornecer os controles visuais que permitem a operação de senso comum. A rotulagem de uma
prateleira para papel tamanho carta, a colocação de soquetes em ordem de tamanho em um soquete
rotulado gaveta, ou estacionar a empilhadeira em uma área marcada de chão de fábrica quando não
estiver em uso são todos bons exemplos. Rotular o grampeador com um criador de rótulos é um
exemplo de coisas que vão além do senso comum: você não precisa rotular itens que a maioria das
pessoas no local de trabalho reconheceria no local.
A fase de ordenar também funciona bem em um ambiente digital, especialmente quando computadores
ou sistemas são usados por várias pessoas. Em um escritório que tenha uma política de espaço de
trabalho compartilhada, os desktops de computadores podem ser removidos por recursos técnicos para
que os mesmos programas estejam disponíveis para todos. Não apenas todos os programas são
iguais, mas os ícones estão no mesmo local em cada desktop, para que os usuários não precisem
procurar programas se mudarem para uma nova estação de trabalho.
Fase 3: Limpar
A terceira fase da metodologia 5S é direcionada para manter o local de trabalho limpo e organizado. O
Seiso também pode ser traduzido para “varrer, higienizar ou esfregar”. O objetivo é iluminar o espaço
de trabalho, limpando-o, mantendo o equipamento e devolvendo itens ao local apropriado após o uso.
Em um ambiente informatizado, a fase de limpeza pode ser realizada nomeando arquivos de uma
maneira que facilite sua localização, mantendo intactas as estruturas de pastas e excluindo ou
arquivando arquivos que não são mais necessários.
A limpeza pode ser aplicado em qualquer ambiente, físico ou digital.
Fase 4: Padronizar
A fase de padronização é usada para manter o progresso alcançado em todas as fases anteriores.
Mantendo altos padrões de ordem, os benefícios da metodologia 5S podem ser de longo prazo. O
estresse e a velocidade de um dia de trabalho diário podem dificultar a manutenção dos padrões 5S. Se
todos estiverem comprometidos em trabalhar juntos, os benefícios podem ser contínuos.
Fase 5: Disciplina
O 5S só funciona se todos da equipe ou dentro da organização se comprometerem com o
processo. Os funcionários devem seguir as regras definidas para padronizar e sustentar a
organização. Caso contrário, a equipe entra em um ciclo de limpeza após um período de falha
para acompanhar os padrões de 5S.
Os benefícios gerais do método 5S incluem:
• Redução de riscos de acidentes e problemas de segurança

• Maior conformidade com os regulamentos de organizações como a OSHA
• Uma fundação que facilita melhorias adicionais na implementação
• O desperdício é mais fácil de identificar e eliminar
• Produção e qualidade geralmente melhoradas
Todos esses benefícios se traduzem em maiores lucros e satisfação do cliente, que são os
objetivos gerais da metodologia Seis Sigma.

Fabricação Just-in -Time
A fabricação just-in-time, ou JIT, é outro conceito Lean que se originou da Toyota. Originalmente, o JIT
assumia um significado literal. O objetivo da fabricação do JIT era produzir uma saída “just in time” ou
“conforme necessário” pelo cliente. O cliente era a pessoa ou processo que exigia a saída; às vezes,
isso significava os clientes finais e, outras vezes, o cliente era um funcionário ou processo diferente
dentro da organização.
Em uma situação de processamento JIT, uma máquina pode produzir uma peça requerida por outra
máquina. Produção JIT significa que a primeira máquina fornece apenas a quantidade de peças que a
segunda máquina pode processar. Se a segunda máquina puder processar uma peça por minuto, a
primeira máquina será configurada para produzir uma parte por minuto. Você reconhecerá essa ideia
nas seções sobre desperdício de estoque e superprodução.
Obviamente, nem sempre é possível executar um processo just-in-time para o cliente final, mas a
maioria das empresas modernas tenta chegar o mais perto possível. Usando a análise preditiva, as
empresas tentam estimar quantos de cada produto serão vendidos antes de produzir esses produtos.
Em alguns casos, como na publicação de livros, as empresas executam um número menor de itens
primeiro. Se esses itens vendem bem ou se vendem, a empresa faz pedidos cada vez maiores do
produto.
Alguns empresários aplicaram a produção JIT às vendas de DVD. Esses indivíduos e empresas
compram os direitos de filmes que nunca foram lançados em DVD ou Blu-ray antes. Eles costumam ir
atrás de filmes de baixo custo que provavelmente terão um pequeno culto ou nicho de seguidores.
Como a demanda é pequena, não é possível fazer e comercializar esses DVDs da maneira tradicional.
No entanto, as empresas obtêm um lucro estável vendendo os DVDs através de varejistas on-line,
como a Amazon.com, e fazendo os DVDs por encomenda. A tecnologia moderna permite que esse
processo ocorra com despesas e espera mínimas.
Hoje, as mentalidades JIT são menos sobre a ideia literal de fornecer o produto na hora certa; em vez
disso, tornou-se um conceito mais geral de manufatura enxuta que ajuda as organizações a eliminar o
desperdício no processo.
Conceitos Lean Ocorrem em Muitas Metodologias de Melhorias

Cobrimos muitos dos conceitos de alto nível do Lean e você verá alguns desses conceitos se repetir no
restante deste livro. Enquanto a Seis Sigma está preocupada em melhorar os processos e reduzir
defeitos, eliminar o desperdício e aumentar a eficiência caminha lado a lado com esses objetivos.

Capítulo 5: Conceitos Básicos do Seis Sigma
No último Capítulo, abordamos alguns dos principais conceitos associados ao Lean. Neste capítulo,
veremos alguns dos principais conceitos da metodologia Seis Sigma. Estes, juntamente com os
conceitos introduzidos no capítulo 1, são alguns dos alicerces utilizados em projetos de melhoria e
controle estatístico de processos.
Desvio Padrão
O objetivo principal do Seis Sigma é reduzir defeitos. Ao reduzir os defeitos, as equipes podem
aumentar a produtividade, diminuir os custos gerais, aumentar a satisfação do cliente e criar o máximo
de lucro. Uma ideia inerente à metodologia Seis Sigma é que a variação é a raiz de muitos defeitos.
Por exemplo, se um forno aquecer a exatamente 350 graus em cinco minutos e permanecer nessa
temperatura até que seja desligado, é menos provável que queime biscoitos. Se um cozinheiro mede
exatamente cada ingrediente, é mais provável que ele produza biscoitos que sempre tenham um bom
sabor. Adicione variação no processo e a consistência é perdida. Quando a consistência é perdida, os
defeitos são introduzidos. Se o forno não mantiver uma temperatura exata o tempo todo, os biscoitos
podem queimar. Se o cozinheiro colocar uma xícara de açúcar em vez de uma xícara e meia, os
biscoitos podem não ser doces o suficiente. A variação faz com que a qualidade seja inconsistente.
É importante observar que a remoção da variação nem sempre melhora a qualidade. E se o cozinheiro
colocasse o forno a 400 graus o tempo todo e usasse apenas meia xícara de açúcar para cada lote? O
processo não tem variação e nem os resultados. Os cookies sempre serão fracos e queimados.
As equipes de melhoria de processos Seis Sigma geralmente adotam uma abordagem de duas etapas
para melhorias. Primeiro, eles precisam determinar se o processo é funcional. No exemplo do biscoito,
a receita funciona de todo? Existe mesmo uma receita? Quando a equipe determina que há uma receita
viável, ela faz melhorias para remover a variação que faz com que as saídas se desviem do resultado
pretendido pela receita.
A medida estatística usada pelas equipes para entender a variação em um processo é conhecida como
desvio padrão. O desvio padrão é representado em matemática pela letra grega Sigma - o  que você
viu no capítulo 1.
O desvio padrão mede a distância entre os pontos de dados e a média de todos os dados. Um grande
desvio padrão significa uma ampla difusão geral de pontos; um desvio padrão menor significa um
conjunto de pontos estritamente agrupados.

Menos desvio Mais desvio
A imagem acima fornece uma representação gráfica do desvio. Imagine que o eixo vertical é uma
medida de tempo e o eixo horizontal é uma medida de temperatura. A linha central em cada imagem
representa a temperatura média. Você pode ver que a temperatura ao longo do tempo varia muito mais
na figura à direita.
Calculando Desvio Padrão para Dados Populacionais

O desvio padrão é um conceito estatístico. A fórmula para o desvio padrão ao lidar com dados de toda
a população é:
 = Desvio Padrão
μ = Média
 informa para somar os resultados de todos os cálculos feitos para os itens listados entre parênteses
N = o número de elementos de dados para os quais você calculou o desvio padrão
X = um espaço reservado para cada elemento de dados

Você usaria essa fórmula se tivesse todos os elementos de dados de uma população e não
apenas uma amostragem aleatória de elementos de dados. Por exemplo, se você quisesse
descobrir qual era o desvio no tamanho das pizzas feitas, poderia pedir à equipe que medisse
cada pizza antes de servi-la. Você teria os dados para toda a população de pizzas para o dia,
então você poderia usar a equação acima. No entanto, se você quiser calcular o desvio padrão
quando tiver dados de amostra, use a equação da próxima seção.
Se você é novo em estatísticas, a equação para desvio padrão parece complicada. Vamos
analisá-lo e executar alguns exercícios para calcular o desvio padrão manualmente, mas, na
prática, você geralmente usa um software estatístico para fazer esse cálculo automaticamente.
Para nossa explicação, usaremos dados de uma professora. Ela quer encontrar o desvio padrão de
notas da última prova. As notas de sua turma de 15 alunos são:
67, 68, 73, 74, 81, 85, 88, 88, 90, 90, 90, 93, 94, 98, 99
1. Calcule a média.
Para começar o cálculo do desvio padrão, você precisa saber a média para a população. A média é
representada matematicamente pela letra grega mu, ou μ. A média é calculada adicionando todos os
números e dividindo essa soma pelo número de itens em um conjunto de dados. Neste caso, existem
15 itens.
67 + 68 + 73 + 74 + 81 + 85 + 88 + 88 + 90 + 90 + 90 + 93 + 94 + 98 + 99 = 1278
1193/15 = 85.2
2. Subtraia a media e eleve ao quadrado.

A fórmula exige que você tome cada número no conjunto de dados, subtraia a média dele e eleve o
resultado ao quadrado. O primeiro número é 67, então:
67 – 85.2 = -18.2
-18.2 * -18.2 = 331.24
Se você aplicar esse conceito a todos os 15 números, ficará com uma lista de resultados:
331.24
295.84
148.84
125.44
17.64
0.04
7.84
7.84
23.04
23.04

23.04
60.84
77.44
163.84
190.44
3. Encontre a Média dos resultados
O restante da fórmula abaixo do sinal da raiz quadrada simplesmente informa a você para somar todos
os números que você acabou de calcular e dividir por N, onde N é o número de itens em seu conjunto
de dados. Ou, para colocar de outra forma, você precisa encontrar a média dos novos números que
você acabou de calcular.
A soma dos números acima é 1496,4.
1496.4 / 15 = 99.76
Este novo número, 99.76, é chamado de variância.
4. Encontre o quadrado da variância.

O desvio padrão é a raiz quadrada da variância. Nesse caso, a raiz quadrada de 99,76, que é 9,987.
O desvio padrão para as pontuações do teste é 9,987.
Calculando Desvio Padrão com Dados de Amostra

Embora as estatísticas baseadas nos dados da população total sejam sempre mais precisas do que
aquelas baseadas em dados de amostra, você provavelmente trabalhará com dados de amostra com
mais frequência. Simplesmente se torna muito caro ou mesmo impossível obter dados de população
para muitos elementos. Às vezes, os dados estão medindo eventos ou estados ao longo do tempo, o
que significa que os dados da população não existem. Por exemplo, se você quiser entender as
flutuações de temperatura em um depósito, poderá registrar a temperatura em um determinado local a
cada dez minutos. Depois de vários dias, você tem dados de amostra suficientes para analisar.
Outros exemplos de dados de amostra são:
• Uma amostra aleatória de razões para pedidos médicos negados

• Medidas de altura do rio tomadas três vezes por dia durante um mês
A fórmula para desvio padrão baseado em dados de amostras é

Chave da Formula:
s = Desvio padrão de uma amostra

x-bar = a média da amostra
 informa para somar os resultados de todos os cálculos feitos para os itens listados
entre parênteses
N = o número de elementos de dados para os quais você calculou o desvio padrão
X = um espaço reservado para cada elemento de dados
Como mu é a média dos dados da população, ele foi substituído nesta fórmula por x-bar, que é a
média dos pontos de dados em sua amostra. Sigma foi substituído por s, mas a única diferença
matemática é que você divide por N-1 em vez de N para obter a variância como uma maneira de
compensar a precisão perdida em usar uma amostragem.
Usando os mesmos dados do exemplo de população acima, suponhamos que as 15 notas que o
professor teve foram uma amostragem aleatória de todas as suas turmas. A única diferença na
matemática viria do segundo ao último passo, onde nós dividimos por 14 em vez de 15, então:
1496.4 / 14 = 106.885
A raiz quadrada de 106.885 é 10.338, que seria o desvio padrão para a amostra.
Veja por si mesmo:
2, 3,5, 2,3, 2, 2,5, 3,1, 2,2, 3,2, 4
Calcule o desvio padrão.
Desvio Padrão no Excel

É certo que, se você está calculando o desvio padrão à mão, é muito aritmético. Felizmente,
quando os conceitos estatísticos por trás dos números são compreendidos, softwares de análise
estatística, como o Excel e o Minitab, podem ser usados para processar números com precisão. O
desvio padrão é calculado automaticamente na maioria dos programas de análise estatística,
clicando em um botão depois de inserir seus conjuntos de dados. O desvio padrão também é
calculado automaticamente por esses programas de software quando você inicia outros cálculos
que exigem desvio padrão. Analisaremos algumas dessas funções com mais profundidade nos
capítulos sobre o uso de complementos do Excel e o Minitab para análise estatística.

Enquanto isso, você pode calcular rapidamente o desvio padrão no Excel usando a função de
desvio padrão. Para fazer isso:
1. Digite seu conjunto de dados em uma coluna

2. Em uma nova célula, insira = STDEV ()
3. Selecione as células com dados para os quais você deseja calcular o desvio padrão.
4. Tecle enter
Nota: A fórmula no Excel calcula um desvio padrão da amostra usando a matemática N-1, o que
significa que você pode usar essa fórmula para amostras e não para populações.
Por que Calcular o Desvio Padrão?

O desvio padrão dá uma ideia de quanta variação realmente existe em um processo,
considerando alguns valores atípicos. No exemplo das notas acima, o desvio padrão da amostra
indica que a maioria das notas fica dentro de 10,33 pontos em ambos os lados da média.
Isso diz ao professor que os alunos têm um desempenho bastante amplo em seu teste. Se os
resultados fossem uma pontuação média de 90 com um desvio padrão de 3, pode-se assumir que
os alunos em sala de aula foram aprendendo e retendo o conhecimento como esperado. Se a

pontuação média fosse 64 com um desvio padrão de 2, poderia presumir que os alunos da turma
não estavam retendo o conhecimento como esperado ou havia algum problema com a estrutura
da prova. Ambas as situações indicam uma pequena variação no desempenho dos alunos, o que
aponta para o sucesso ou problema que está sendo vinculado à classe, ao ensino ou à prova.
Por outro lado, se a pontuação média foi de 60 com um desvio padrão de 30, alguns alunos
tiveram um desempenho muito bom, enquanto outros tiveram um desempenho ruim. Isso pode
indicar ao professor que alguns alunos estão ficando para trás. Pegando amostras de várias
classes, poderia investigar e perceber que as pontuações mais baixas eram principalmente de
uma classe, o que poderia indicar que o professor se esqueceu de cobrir adequadamente certo
conceito naquela classe.
O desvio padrão, por si só, serve como um indicador de onde investigar problemas ou soluções
no processo. Outro motivo para calculá-lo é porque ele está envolvido em muitos dos outros
processos estatísticos que veremos nos capítulos posteriores. O desvio padrão se torna um
conceito importante tanto na análise quanto no controle estatístico do processo e, muitas vezes,
serve como ponto de partida para uma análise estatística mais detalhada do Seis Sigma.
O Princípio de Pareto
O princípio de Pareto, também chamado de regra 80/20, diz que 20% das causas levam a 80%
dos efeitos. Isso também é chamado de lei dos poucos vitais: as poucas entradas vitais
conduzem a maioria das saídas.
O princípio de Pareto foi sugerido pela primeira vez por um consultor de gestão chamado Joseph
Juran. Juran nomeou o princípio em homenagem a Vilfredo Pareto, um economista italiano que
escreveu que 20% do povo do país possuía 80% de suas terras. O princípio tornou-se comum em
vários círculos. Os profissionais de negócios geralmente afirmam que 80% das vendas são
provenientes de 20% dos clientes, e as organizações voluntárias geralmente operam com 20%
das pessoas fazendo 80% do trabalho.
O princípio é crítico para o Seis Sigma não porque as causas e os efeitos se alinham bem através
de um desdobramento de 80/20, mas porque aplica-se quase universalmente que algumas
entradas criam mais impacto do que todas as outras. Indivíduos que procuram reduzir defeitos
quase sempre podem identificar de três a quatro entradas que, se melhoradas, terão um impacto
drástico no resultado. Embora os recursos, os custos e a dificuldade de melhorias também
desempenhem um papel nas seleções de soluções, entender quais entradas ou causas raiz são
altas em um gráfico de Pareto permite que as equipes de projeto determinem onde as melhorias
terão o maior impacto nos resultados finais.
O princípio de Pareto é melhor exibido usando um gráfico de Pareto, que é uma representação
gráfica dos elementos de dados - geralmente entradas ou causas - em um gráfico de barras
ordenado. Ao contrário de um gráfico de barras regular, as barras são organizadas em ordem de
altura, com as mais altas à esquerda e as mais baixas à direita. O software estatístico usado para
criar tais gráficos adiciona formatação e outros elementos automaticamente, mas você também
pode criar um gráfico de Pareto básico no Excel.
Para ilustrar o princípio de Pareto, analisaremos uma situação comum envolvendo defeitos no
campo da medicina, especificamente no processo de envio de despesas médicas. Os pagadores

frequentemente negam as reinvindicações, e o fazem por diversas razões. Quando as
reinvindicações das despesas são negadas, os escritórios provedores precisam retrabalhar,
reenviar ou recorrer das negações. Alguns motivos de negação não são passíveis de recurso, o
que significa que o escritório do fornecedor perde a receita associada à reivindicação.
Vamos imaginar um consultório médico que esteja passando por um problema de fluxo de caixa
devido a negações de reivindicação de despesas. O escritório reúne dados sobre as negações e
cria um gráfico de Pareto para que a equipe possa ver de onde vem a maior parte das negações.
Os dados estão listados abaixo, seguidos por um gráfico de Pareto básico criado no Excel.
Razões de recusa de reinvindicações médicas

Razão Quantidade
Reivindicação duplicada 18012
Apresentação em tempo útil 13245
Beneficiário não encontrado 10215
Falta de informações na requisição 4548
Falta de cobertura para o serviço 2154

Necessidade médica 1423
Problema na data do serviço 526
No gráfico de Pareto, você pode ver que as três principais razões de negação respondem por 80% das
alegações negadas. Uma equipe de faturamento experiente poderia lhe dizer três coisas apenas
observando esses dados:
1. O escritório tem muda de retrabalho. Eles estão enviando uma grande porcentagem de
reivindicações mais de uma vez.
2. O escritório tem um problema de eficiência. Quase um quarto de suas reclamações não está
chegando ao pagador antes do prazo de apresentação dos pedidos.
3. O escritório tem um problema de verificação de seguro, porque um quinto de suas
reivindicações está sendo enviado com informações que não condizem com as informações do
pagador.

O tratamento de reclamações duplicadas é importante porque reduz o retrabalho e pode melhorar o
relacionamento do escritório com as empresas de seguro. No entanto, a equipe pode optar por trabalhar
primeiro no problema de apresentação em tempo útil, pois as recusas dessas apresentações são finais,
o que significa que o escritório está perdendo a receita associada a todas essas solicitações. A
apresentação de solicitações em dia não é difícil em muitos casos, devido ao fato de que a maioria dos
pagadores permite meses ou até um ano para que as reivindicações sejam registradas, de modo que
essa pode ser uma vitória “fácil” para a equipe. Um gráfico de Pareto muitas vezes revela os frutos mais
fáceis dessa maneira.
Criando um Gráfico de Pareto Básica no Excel

Caso não tenha um software estatístico, você pode criar um gráfico básico de Pareto como a
apresentada acima no Excel. Use os dados de negação de reivindicações ou dados de sua
preferência para praticar um gráfico de Pareto.
1. Crie uma coluna para os rótulos de dados. Os gráficos de pareto funcionam bem quando
você tem causas quantificáveis para um defeito ou outro efeito. No exemplo, os rótulos de
dados são o motivo da negação. Não importa que tipo de dados você esteja usando, insira-
o na ordem do maior para o menor para fins do gráfico de Pareto.
2. Crie uma coluna para contagem. Digite o total de cada causa nessa coluna.
3. Crie uma coluna para contagem cumulativa. Esta coluna fornece um total em execução.
Você pode calcular os números manualmente ou usando o Excel. Na tabela de dados
abaixo, você definiria C3 = B3. Em C4, você digitaria a fórmula = C3 + B4. Você pode
arrastar essa fórmula para baixo e o Excel mudará as referências de cada célula para que
você obtenha = C4 + B5, = C5 + B6 e assim por diante.
4. Crie uma coluna para a porcentagem. Na tabela de dados abaixo, a fórmula para D3 é =
B3 / $ C $ 9. A célula C9 tem o total de todas as negações, portanto, queremos dividir cada
total de negação individual por C9. Os cifrões na fórmula permitem copiá-lo em cada célula
inferior. A primeira referência mudará, passando para a próxima linha, mas os cifrões
informam ao Excel para manter a referência C9 para cada cálculo. O resultado final é uma
tabela que se parece com isso:
Razão Contagem Cumulativo Porcentagem

Reivindicação duplicada 18012 18012 35.9%
Apresentação em tempo útil 13245 31257 26.4%
Beneficiário não encontrado 10215 41472 20.4%
Falta de informações na requisição 4548 46020 9.1%
Falta de cobertura para o serviço 2154 48174 4.3%
Necessidade médica 1423 49597 2.8%
Problema na data do serviço 526 50123 1.0%
5. Para criar o gráfico de Pareto, destaque as informações na coluna Motivo e Porcentagem e

selecione Inserir → Gráfico → Gráfico de barras.

DESTAQUE AS DUAS COLUNAS
SELECIONE INSERIR, EM SEGUIDA GRÁFICO DE BARRAS
6. O gráfico de barras será criado automaticamente. Selecione Adicionar elemento do gráfico

→ Linha de tendência e adicione uma linha de tendência exponencial ou linear.

7. Selecione Incluir Elemento do Gráfico → Rótulos de Dados e selecione o formato de rótulo

de dados que você prefere para seu gráfico.

Uso dos Gráficos de Pareto

Gráficos de Pareto são ferramentas analíticas úteis quando você precisa analisar freqüências ou
causas de problemas. Eles também ajudam a reduzir a abordagem de um problema que tem muitas
causas ou é muito amplo para abordar em um único projeto de melhoria. Assim como o exemplo de
recusas de reivindicações acima, você pode encontrar uma única causa para trabalhar e gerar
resultados grandes em todo o processo.
Gráficos de Pareto também são úteis quando se comunica informações sobre causas para outras
pessoas, especialmente aquelas que estão fora do processo Seis Sigma. Embora os gráficos de Pareto
sejam uma poderosa ferramenta analítica, eles também representam dados complexos em um formato
visual que é familiar para a maioria das pessoas. Profissionais de negócios sabem ler um gráfico de
barras, e colocar o gráfico em ordem só torna mais fácil para os indivíduos verem as verdadeiras
causas por trás dos problemas. Por essa razão, muitos especialistas do Seis Sigma regularmente
incluem gráficos de Pareto quando se apresentam aos líderes de negócios e outros, especialmente se
os dados podem ser considerados surpreendentes ou precisam de reforço visual.
Voz do Consumidor
Voz do cliente, ou VOC, é um conceito fundamental em muitos programas de qualidade. O objetivo da
qualidade é fazer um produto melhor e mais consistente. Uma das maneiras pelas quais você sabe que
atingiu esse objetivo é que seus clientes estarão consistentemente mais satisfeitos. A única maneira de
alcançar esse objetivo é buscar feedback do cliente, tornando os dados de VOC críticos para coletar
antes, durante e após os projetos de melhoria.
Os programas bem-sucedidos de VOC são proativos e constantes em seu desejo de feedback, e a

tecnologia possibilita a busca de feedback do cliente de várias maneiras. Alguns métodos para capturar

feedback incluem:
• Pesquisas via telefone, correio, e-mail ou on-line

• grupos de foco em pessoa ou on-line
• Entrevistas
• Teste beta ou de usuário
• Formulários de feedback
• Reclamações do cliente
• Mídia social ou interação no site
• Críticas
• Fóruns
O VOC pode ser utilizado como um meio para esclarecer necessidades e desejos, esclarecer
problemas específicos de um processo, ou como parte regular das agendas de melhoria, atendimento
ao cliente e marketing.
Criando uma Campanha VOC

Fazer as perguntas certas, da maneira correta, ajuda você a criar poderosas campanhas de VOC
que fornecem dados úteis para as equipes Seis Sigma. Falaremos sobre dois tipos específicos de
campanhas de VOCs nesta seção: feedback geral do cliente e feedback específico do cliente.
Feedback Geral
Geralmente, o feedback geral do cliente é obtido por meio de formulários de feedback, registros de
reclamações de clientes e coleta passiva de informações por meio de sites ou mídias sociais. Por meio
desses métodos, as organizações geralmente testam as águas em geral para obter uma leitura de
temperatura: os clientes estão no geral satisfeitos, insatisfeitos, e há alguma direção quanto à causa
dos sentimentos do cliente?
Pegue um formulário de feedback em qualquer restaurante de fast food ou acesse a pesquisa on-line
normalmente vinculada a um recibo e você terá uma boa ideia do tipo de informação procurada em
campanhas gerais de COVs.
A Kroger, uma rede de supermercados nos Estados Unidos, inclui um link para uma pesquisa sobre a
maioria de seus recibos. A pesquisa primeiramente pede a data, a hora e um código de entrada do
recibo. Isso ajuda a empresa a saber onde e quando uma pessoa comprou para que possa atribuir um
feedback ao local e à equipe corretos.
Em seguida, a pesquisa da Kroger pergunta em quais áreas da loja uma pessoa comprou. O restante
da pesquisa faz perguntas específicas sobre cada área da loja que uma pessoa visitou, incluindo:
• Qual foi a satisfação geral com a loja?

• Qual foi a satisfação do cliente com:
o Simpatia do empregado
o Preços
o Serviço
o Limpeza
o Itens disponíveis
o Promoções semanais
o Facilidade de movimento
o Qualidade das marcas
o Tempo de check-out
• Se o cliente provavelmente recomendará a loja para outra pessoa nos próximos 30 dias.
Essas perguntas são projetadas para avaliar os sentimentos gerais do cliente em elementos críticos de
qualidade para a loja. Entender seus fatores críticos de qualidade, ou CTQs, é importante para projetar
uma forte campanha de COV. Cobriremos os CTQs com mais profundidade no Capítulo 8.
Geralmente, o retorno geral do COV é usado como alarme de fumaça. Um alarme de fumaça é
projetado para alertar os indivíduos em uma empresa, em casa ou em outro prédio de que existe a
possibilidade de um incêndio. Alarmes de fumaça são definidos em um nível sensível, então eles saem
quando a fumaça está presente e as pessoas dentro do prédio podem agir. Muitas vezes, o alarme e a
ação antecipada salvam vidas e podem até reduzir os danos associados a um possível incêndio.
Dados de VOC podem funcionar da mesma maneira. Se os números mudam repentinamente em uma
determinada área, uma organização deve saber examinar mais profundamente a questão. É um
indicador de que um problema poderia existir; investigações e ações antecipadas podem ajudar a evitar
que os problemas se tornem maiores ou mais caros. Por exemplo, se uma certa loja da Kroger sempre
tiver uma pontuação alta em termos de limpeza, e os números caírem consistentemente ao longo de
um mês, o gerenciamento da loja talvez precise revisitar o treinamento de manutenção e limpeza.
Os resultados do feedback geral do VOC também são usados em algumas organizações como um
indicador de qualidade para determinados funcionários. A equipe de vendas e serviços é
frequentemente recompensada financeiramente e de outras formas por altas pontuações de satisfação
do cliente. Isso também aumenta a motivação e a satisfação dos funcionários.
Feedback Específico
Às vezes, as organizações querem feedback específico para um problema, produto ou ideia. As
mesmas ferramentas usadas nas campanhas gerais de feedback podem ser usadas em campanhas
específicas, mas você também pode adaptar a ferramenta VOC à necessidade. Se você quiser receber
feedback sobre um novo aplicativo, use um teste beta. Se você quiser testar um produto, uma ideia ou
uma campanha de marketing, um grupo de foco em pessoa ou on-line pode ser o melhor.
Para feedback específico, você precisa fazer perguntas específicas, principalmente se está buscando
informações adicionais ou esclarecimento de feedback geral. Por exemplo, se a Kroger tiver um
problema com a classificação da limpeza, talvez queira mais informações sobre como e onde os
clientes notam a falta de limpeza. Sem feedback adicional, os gerentes poderiam ter funcionários
limpando mais o chão quando os clientes realmente sentiam que a loja estava suja por causa da falta
de iluminação ou porque as prateleiras estavam estocadas de maneira desleixada.
Selecionando as Ferramentas VOC Corretas

Obter o tipo certo de feedback - e manter custos e cronogramas dentro do orçamento - exige a seleção
da ferramenta VOC correta para o seu projeto. A tabela abaixo classifica cada ferramenta em custo
relativo e fornece alguns breves prós e contras.
Ferramenta Custo Benefícios Desvantagens

-Recebe muitos dados de -Um indivíduo deve decidir deixar
muitas fontes comentários, distorcendo os
Formulário de
Baixo resultados para pessoas que se
Feedback
-Pode ser orientado para sentem fortemente de uma forma ou
dados numéricos para de outra.

facilitar a análise
-Pode selecionar -Requer muitas horas de trabalho

Pesquisa via aleatoriamente, o que
Alto
telephone permite tirar conclusões -Cliente pode ficar incomodado com
para toda a população. chamadas telefônicas indesejadas.
-Pode selecionar
aleatoriamente, o que
permite tirar conclusões -O cliente deve enviá-lo de volta
para toda a população. para contar. Como muitas pessoas
Pesquisa via
Médio não fazem isso, você precisa enviar
email
- Menor custo alternativo mais pesquisas para obter uma
para pesquisas por amostra estatística.
telefone ou
pessoalmente.
-Capacidade de buscar -Requer um número de seguidores
feedback contínuo. de mídia social estabelecido.
-Capacidade de fazer -Depende de seguidores e fãs, o

Mídias sociais Baixo
perguntas rapidamente. que significa que você está pedindo
feedback de pessoas que já
-Possivelmente a opção favorecem sua marca de alguma
menos cara para VOC. forma.
-Limita a base de dados a clientes
locais ou àqueles dispostos a viajar.
-Permite que os
moderadores busquem -Não pode usar dados para fazer
respostas mais suposições sobre a população em
Grupos de foco
Alto detalhadas ou feedback geral.
em pessoas
imediatamente
-Clientes podem estar menos
inclinados a serem honestos
quando estão cara a cara com os
pesquisadores.
-Permite que os
-Não pode usar dados para fazer
moderadores busquem
suposições sobre a população em
Grupos de foco respostas mais
Baixo geral.
online detalhadas ou feedback
imediatamente

-Não requer viagens e
você pode alcançar
clientes em todo o mundo
- Fornece feedback sobre

Teste beta ou - Leva tempo e requer usuários ou
Alto um produto, serviço ou
de usuário testadores experientes.
processo específico.
A Escala Likert
Ao projetar sua própria ferramenta VOC, tenha em mente como pretende usar as informações obtidas.
Se você deseja inserir dados no software de análise estatística para testar hipóteses ou criar gráficos
visuais, é necessário fazer perguntas que gerem pontos de dados reais que possam ser analisados
usando estatísticas. Uma maneira popular de fazer isso é com uma escala de Likert.
Usando uma escala de Likert, você poderia enquadrar todas as perguntas para que elas sejam
respondidas por meio de uma classificação de 5 pontos. A classificação pode ser qualquer número de
coisas, mas mais comumente é alguma variação de:
- Concorda fortemente
- Concorda
- Neutro
- Discorda
- Discorda fortemente
As respostas são codificadas com números quando os dados são inseridos no software estatístico. Por
exemplo, uma resposta de concordo totalmente pode ser codificada como 10. Concordo seria 7, neutro
5, discordo 3 e discordo totalmente 1. Usando dados numéricos, você pode facilmente criar tabelas e
gráficos e executar análises estatísticas mais aprofundadas, o que será abordado em capítulos futuros.
Métricas Básicas
Introduzimos algumas ideias sobre as métricas do Seis Sigma no capítulo 1, quando falamos sobre o
nível sigma e os defeitos por milhão de oportunidades, ou DPMO. As métricas são extremamente
utilizadas ao aplicar o Seis Sigma em processos e melhorias, exigindo que qualquer pessoa que
trabalhe em um ambiente Seis Sigma esteja familiarizada com elas.
Defeitos por Milhão de Oportunidades

Muitas métricas do Seis Sigma vêm com uma equação, assim como o desvio padrão. Por exemplo, a
equação para DPMO é:
(número de defeitos em uma amostra / oportunidades para um defeito na amostra) * 1.000.000
Por exemplo, se um varejista de pedidos por correspondência examinar a qualidade do processo de

pedido, ele poderá obter amostras de formulários inseridos por representantes de atendimento ao
cliente. Se cada formulário tiver 10 campos, haverá 10 oportunidades para um erro em cada formulário.
Se o varejista revisa 90 formulários, então existem 10 * 90, ou 900, o total de oportunidades para erros.
Durante a revisão, o varejista encontra 2 erros ou defeitos. Para calcular o DPMO, a matemática seria a
seguinte:
(2/900) * 1.000.000 = 2.222 defeitos por milhão de oportunidades.
Defeitos por Unidade

A DPU é uma medida de quantos defeitos existem em relação ao número de Unidades testados. A DPU
está preocupada com defeitos totais e uma Unidade pode ter mais de um defeito. A fórmula para DPU
é:
Número de defeitos encontrados / número de Unidades na amostra
Por exemplo, se um editor imprimiu 1.000 livros e retirou 50 livros para verificações de qualidade, talvez
esteja procurando os seguintes defeitos:
- Impressão incorreta
- Alinhamento incorreto
- Páginas ausentes
- Espinha solta
- Capa rasgada
Dos 50 livros, o editor descobre:
- 3 livros faltando páginas

- 1 livro faltando páginas e com capa rasgada
- 2 livros com espinhos soltos
- 1 livro com impressão incorreta e alinhamento incorreto
Há 9 erros no total, pois dois livros tinham dois defeitos cada.
A DPU é calculada dividindo defeitos pelo número de unidades amostradas. Nesse caso, 9/50 = 0,18.
A DPU fornece um nível médio de qualidade - ela informa quantos defeitos, em média, cada unidade
pode ter. Neste caso, isso é 0,18 defeitos em média.
Rendimento Primário (FTY)

O rendimento primário é a razão sw unidades produzidas por unidades que tentou-se produzir. Por
exemplo, se você colocar 12 cookies no forno, mas somente 10 sairem comestíveis, não produzirá 12
cookies.
A fórmula para FTY é:
Número de boas Unidades produzidas / número de Unidades entrando no processo

No exemplo do cookie, o FTY é 10/12, ou 0.833.
A maioria dos produtos ou serviços é criada através de múltiplos processos; multiplica-se o FTY para
cada processo para calcular um FTY geral. Por exemplo, considere a seguinte cadeia de processo:
- 100 Unidades entram no processo A e 95 unidades saem.

- 95 Unidades entram no processo B e 85 boas unidades são alcançadas.
- 85 Unidades entram no processo C e tem-se 80 boas saídas de unidades.
O FTY seria calculado da seguinte forma:
- 95/100 = 0,95 = FTY do processo A

- 85/95 = 0,89 = FTY do processo B
- 80/85 = 0,94 = FTY do processo C
- 0,95 * 0,89 * 0,94 = 0,79
O FTY geral do processo é de 0,79.
Rendimento do Fluxo de Produção (RTY)

O rendimento do fluxo de produção,ouRTY, fornece uma probabilidade de que uma unidade seja
gerada por um processo sem defeitos. Uma das principais diferenças entre RTY e rendimento básico ou
rendimento inicial é que a RTY considera se o retrabalho era necessário para gerar o número de
unidades finais. Essa é uma preocupação valiosa, porque as organizações nem sempre pensam no
retrabalho inerente a um processo, o que significa que elas geralmente medem um processo e o
consideram bem-sucedido, mesmo que haja muda.
O RTY é calculado de maneira semelhante ao FTY, mas leva em conta o retrabalho. Se o processo A
do exemplo FTY só alcançou um rendimento de 95 porque alguém reformulou cinco itens para torná-los
bons, então os cálculos RTY adicionam cinco instâncias de retrabalho na proporção. A fórmula é:
(Número de Unidades entrando - (sucata + retrabalho)) / número de entradas de unidades
No caso do processo A: (100 - (5 + 5)) / 100 = 90/100 = 0,9
Considere a seguinte cadeia de processo:
- 100 Unidades entram em processo A. Cinco são raspados, 10 são retrabalhados e um total de 95 são
produzidos.
- 95 Unidades entram no processo B. Dez são sucateados, 5 são retrabalhados e um total de 85 são
produzidos.
- 85 Unidades entram em processo C. Cinco são sucateados, 15 são retrabalhados e um total de 80

são produzidos. O RTY é calculado da seguinte forma:
- 100 - (5 + 5) = 90, 90/100 = 0,9 RTY para A
- 95 - (10 + 5) = 80, 80/95 = 0,84 RTY para B
- 85 - (5 + 15) = 65, 65/85 = 0,76 RTY para C
- 0,9 * 0,84 * 0,76 = 0,574
O RTY geral do processo é 0,574, o que é uma taxa muito mais baixa do que quando se olha apenas
para o FTY. O RTY não fornece uma indicação da produção ou vendas finais, mas um RTY baixo indica
que há desperdício no processo na forma de retrabalho.
Veja por você mesmo

Uma agência do governo lida com pedidos de assistência para famílias locais. O processo
para cada solicitação inclui:
- Um representante insere as informações da família em um sistema de computador
- Um funcionário diferente analisa as informações e usa uma escala de renda para

determinar se a família é elegível para qualquer assistência
- O segundo membro da equipe envia à família uma carta informando suas opções de
assistência
Todos as solicitações e comentários de clientes de março foram revisados e a equipe

encontrou as seguintes informações:
- 643 famílias buscaram assistência em março
- 3 famílias não puderam concluir o processo porque o representante demorou muito para
vê-las
- 50 aplicativos não puderam ser passados para o segundo representante devido a

informações incompletas
- 45 solicitações não tinham informações completas inicialmente, mas foram recebidas

depois
- O segundo funcionário foi capaz de processar todos os pedidos preenchidos que recebeu
- De todas as cartas que saíram para as famílias, 10 incluíam informações incorretas
Calcule o FTY e o RTY para este processo.

Capítulo 6: Abordando o Problema
Entender como abordar o problema - começando a identificar o problema e defini-lo com uma
declaração - é fundamental para criar uma base para projetos Seis Sigma bem-sucedidos. Nos
Capítulos posteriores, abordaremos a importância de definir uma variedade de aspectos de projeto,
processo e problema, mas neste Capítulo, vamos discutir o projeto em geral, aprofundando-nos em
uma série de perguntas e criando uma declaração geral do problema como um ponto de partida para
um projeto.
Funções do Problema: y = f(x)

Como o o Seis Sigma aborda as coisas com uma mentalidade estatística, considera todos os
problemas como uma função. Usando símbolos matemáticos, isso parece:
Y, o problema é uma função de x, a(s) causa(s)

ou saída ou entrada(s)
A instrução y = f (x) pode ser usada de duas maneiras. Primeiro, é um mapa geral para indicar um
problema. Y (o problema) ocorre porque algum X (entrada ou causa) está ocorrendo. Na realidade, Y
está geralmente ocorrendo devido a algum grupo de causas ou entradas, o que significa que haverá
mais de uma entrada X.
A ideia também pode ser aplicada a processos e resultados específicos dentro do problema. À medida
que você se torna mais e mais granular, o conceito y = f (x) torna-se cada vez mais matemático; em
muitos casos, você pode representar graficamente a relação entre a saída (y) e a entrada (x).
Para entender o conceito de pensar em problemas como uma função, vamos analisar um problema que
pode ocorrer para um grande provedor de serviços de HVAC. O gerente de uma equipe de serviço
descobriu que as chamadas de serviço estão demorando muito mais do que o esperado; de fato, seus
cinco membros da equipe levam 1,75 vezes mais tempo, em média, do que outros representantes de
serviço da empresa para lidar com todos os tipos de chamadas.
Para descobrir o que pode estar causando a situação, o gerente pesquisa o problema conversando com
os representantes, conversando com os clientes e fazendo chamadas aleatórias com os cinco
representantes. Ele faz as seguintes observações:
• Um representante é nativo da área que a equipe atende, o que significa que ele ou ela conhece
muitos dos clientes pessoalmente. Isso resulta em conversa amigável que aumenta o tempo no
trabalho.
• Um representante está fornecendo aos proprietários muitas explicações detalhadas e
educação sobre questões de HVAC, às vezes além do que o proprietário precisaria saber a
respeito de sua unidade de HVAC.
• Um representante é novo no trabalho e demora mais para concluir cada tarefa porque não tem
certeza do trabalho, precisa verificar novamente o trabalho ou liga para outro representante
para fazer perguntas sobre o trabalho.
• Os dois representantes restantes realizam o trabalho em horários que estão de acordo com as
médias da empresa.
O gerente destila esses dados para duas causas gerais para o problema:
• muita conversa (representantes um e dois)

• Treinamento inadequado
O problema agora pode ser declarado como uma função:
O tempo extra é uma função de muita conversa e treinamento inadequado.
O gerente agora também tem duas causas principais para resolver. O exemplo é simples, mas ilustra o
conceito básico na definição de um relacionamento y = f (x) para um problema e suas causas. Nem
sempre é fácil conduzir a pesquisa e a análise para encontrar o relacionamento, mas o relacionamento
está sempre presente.
Alguns outros exemplos de relacionamentos y = f (x) incluem:
• A baixa satisfação do cliente com o sabor do hambúrguer é uma função de uma grelha não
calibrada.
• A baixa moral dos funcionários é função de um sistema de aprovação de tempo limitado.
• Os tempos de espera do cliente são uma função das distrações tecnológicas dos funcionários.
Os 5 Porquês
A análise de dados é uma das melhores maneiras de validar uma suposição y = f (x), mas as equipes
que estão familiarizadas com os processos geralmente conseguem chegar a alguns relacionamentos
básicos por meio de um processo conhecido como 5 Porquês. Esta é uma ferramenta de brainstorming
que faz perguntas de porquês cada vez mais granulares sobre um problema ou processo, buscando
entender a causa raiz ou problema real. Os 5 porquês podem ser usados para definir um problema ou
para começar a procurar causas.
Por exemplo, considere o exemplo do hambúrguer acima. As equipes que lidam com um problema de
satisfação do cliente podem começar a fazê-lo porque os formulários de feedback mostraram uma
satisfação abaixo do normal com a qualidade dos alimentos na última semana.
A equipe primeiramente pergunta: por que os clientes estão insatisfeitos com a comida?
Analisando o feedback vinculado aos pedidos, a equipe observa que os clientes que classificam mal os
alimentos são, em sua maioria, clientes que encomendam hambúrgueres de algum tipo. A resposta
para a primeira pergunta é que os clientes estão insatisfeitos com a comida porque estão insatisfeitos
com os hambúrgueres.

Por que os clientes estão insatisfeitos com os hambúrgueres?
A equipe analisa comentários escritos sobre formulários ou fala diretamente com os clientes e descobre
que muitos clientes sentem que seus hambúrgueres estavam mal cozidos. A nova resposta é que os
clientes estão insatisfeitos com os hambúrgueres porque a carne está mal cozida.
Por que a carne está mal cozida?
Uma investigação na cozinha revela que a grelha não está devidamente calibrada e está fornecendo
resultados inconsistentes. Neste ponto, você tem o relacionamento y = f (x), mas a equipe pode
continuar fazendo perguntas.
Por que a grelha não está devidamente calibrada?
Outras investigações mostram que o turno da manhã, responsável pela calibração da grelha, tem um
novo chapeiro. Durante o treinamento, a instrução sobre a realização dessa função foi omitida. A grelha
não está devidamente calibrada porque o funcionário responsável não foi devidamente treinado. Agora
a equipe tem uma causa específica e uma solução: treinar o cozinheiro da grelha.
Em um ambiente Seis Sigma, a equipe poderia continuar com mais uma pergunta: por que o chapeiro
não estava devidamente treinado? Isso pode levar ao desenvolvimento de uma política de treinamento
consistente para que o problema não ocorra na próxima vez que um novo chapeiro for contratado.
No exemplo do hambúrguer, foram necessárias apenas quatro perguntas para chegar à raiz do
problema, e uma quinta questão começou a apontar para controles ou soluções de longo prazo. Nem
sempre é assim tão fácil; a ferramenta é chamada de 5 porquês, porque geralmente leva a respostas
dentro de cinco perguntas. No entanto, as equipes poderiam fazer uma dúzia de perguntas se
começassem em um nível muito alto e dessem certo através de um processo complexo.
Quando Usar os 5 Porquês

Um benefício de 5 porquês é que leva apenas uma pequena quantidade de tempo para sua
equipe - uma equipe familiarizada com um processo pode conduzir uma sessão completa de 5
porquês em menos de uma hora se um moderador mantiver as coisas sob controle. Devido à sua
simplicidade, a ferramenta 5 porquês pode ser usada para praticamente qualquer problema. Use-a
para resolver um problema que os membros da equipe levantam, para resolver um problema que
um supervisor notou, ou para abordar a sensação de que há um problema quando ninguém for
capaz de definir o que está realmente errado. No mínimo, uma sessão de 5 porquês facilita a
comunicação e o pensamento.
Em um ambiente de projeto Seis Sigma, os 5 Porquês geralmente são implantados quando os

processos envolvem interações humanas ou insumos alimentados por pessoas, embora possa ser
um começo efetivo para o brainstorming de qualquer processo.
Conduzindo uma Sessão de 5 Porquês

Como uma sessão de 5 Porquês é geralmente baseada em contribuições de especialistas no assunto,
reúna pessoas próximas ao processo. Em um quadro branco ou na tela da webconferência, exiba uma
declaração básica do problema como você o compreende. Essa declaração de problema não será
detalhada, como as declarações que discutiremos na próxima sessão - uma sessão de 5 porquês é
uma das ferramentas que você usa para chegar a essa declaração detalhada.
Exemplos de declarações que você pode ver em uma sessão de 5 Porquês incluem:
• Clientes não estão satisfeitos com a seleção de produtos
• Clientes estão recebendo pedidos atrasados
• O processo de impressão está resultando em muitos defeitos
• Os prazos de entrega no processo de engarrafamento são excessivos
• Os funcionários não estão satisfeitos com o cronograma de férias
Estas são todas declarações bastante genéricas que simplesmente dizem algo sobre defeitos ou
insatisfação. Comece perguntando a pergunta de “Por que?” de nível mais alto sobre a declaração. “Por
que os funcionários não estão satisfeitos com os horários de férias?” Escreva esta pergunta.
A equipe trabalha em conjunto para fornecer uma resposta de alto nível à questão. Os funcionários não
estão satisfeitos com as programações de férias porque é raro obter exatamente a folga solicitada.
Escreva a resposta abaixo da pergunta e, em seguida, crie a pergunta de “Por que?” de nível mais alto
sobre a nova resposta.
“Por que os funcionários não tiram as férias em sua primeira escolha?” Talvez a resposta seja que os
supervisores demorem tanto para aprovar solicitações de férias que outros funcionários também
pediram para o mesmo período, por isso é difícil para os supervisores acomodar todos.
A próxima pergunta é: “Por que os supervisores estão demorando demais para aprovar as
solicitações?” A resposta pode ser que o sistema de dispensa de horas é muito complicado, então os
supervisores adiam as aprovações até que tenham muito tempo para gerenciá-las.
“Por que os supervisores veem o sistema como um incômodo?” Porque há tempos de espera ao passar
de uma tela para outra e cada aprovação requer um grande número de cliques e entradas.
Agora, a equipe tem uma causa básica: o sistema em si é ineficiente, o que leva a problemas no final
da linha. Se a equipe puder corrigir os problemas de programação e incentivar os supervisores a
aprovar solicitações de férias mais rapidamente, a moral dos funcionários poderá ser melhorada.
Criando uma Declaração de Problema

Um projeto de melhoria Seis Sigma geralmente começa com uma declaração formal do projeto. Isso é
diferente das instruções básicas usadas para iniciar uma sessão 5 Porquês. Uma declaração de
problema forte é semelhante a um discurso de elevador de 30 segundos, que executivos e vendedores
de todo o mundo usam para atrair clientes ou investidores empresariais a uma ideia. A declaração do
problema, assim como o tom, fornece informações suficientes para que um executivo ocupado possa
entender qual é a questão e por que há necessidade de um esforço de melhoria.
As declarações do projeto devem incluir:
• Onde e quando o problema foi registrado ou estava ocorrendo

• Uma medida de magnitude para o problema, preferencialmente com algum vínculo com custos
• Uma breve descrição do problema que poderia ser entendida por profissionais não
estreitamente alinhados com o processo (evite muitas palavras-chave e acrônimos se você
apresentar informações a profissionais que não são de nicho)
• Uma breve notação sobre a métrica usada para medir ou descrever o problema
Exemplo de uma Declaração de Problema Forte

No primeiro trimestre, o centro de distribuição da Califórnia enviou 108.000 pacotes. Desses pacotes,
15.000 foram devolvidos, resultando em uma taxa de retorno de 13,8%. A taxa de retorno está acima da
taxa aceita de 7% e custou à companhia um adicional de US $ 372.000 no trimestre. Ao longo do ano, o
processo atual pode resultar em custos adicionais de mais de US $ 1,4 milhão.
Esta declaração de problema cobre todas as informações básicas:
• Quando? Durante o primeiro trimestre deste ano.

• Onde? O centro de distribuição da Califórnia
• O que? Retorna
• Quantos? 15.000, ou 6,8% acima das expectativas
• Qual é a magnitude? O custo poderia ser de US $ 1,4 milhão por ano
A declaração do problema não fala sobre soluções ou fornece muitos detalhes. Esta é uma afirmação
de problema forte, porque responde a todas as questões básicas e fornece uma razão significativa para
a liderança investir empenho: 1,4 milhões de dólares por ano é uma grande perda.
Exemplo de uma Declaração de Problema Fraca

A padaria de Canton, Ohio, está produzindo pão mal cozido. A insatisfação do cliente com o pão está
resultando em devoluções e propaganda boca-a-boca ruim. O pão deve ser cozido a 350 graus por 40
minutos.
Essa declaração apresenta um problema, mas não fornece detalhes sobre quando ocorreu o problema,
como foi medido e qual é a magnitude real. A declaração do problema também começa a entrar em
possíveis causas quando inclui como o pão deve ser assado; A declaração do problema não é o lugar
para começar este tipo de análise.
Esta declaração pode ser melhor enquadrada como:
Em novembro e dezembro de 2014, as reclamações sobre satisfação do cliente foram rastreadas até o
pão assado na fábrica de Canton, Ohio. A instalação produziu 300.000 pães durante esse período de
tempo e recebeu 50.000 queixas de pão mal cozido. Retornos de pão e perda de vendas devido à
qualidade são estimados em US $ 125.000 por mês.
Escrevendo Sua Própria Declaração de Problema

Quando se começa a escrever declarações de problemas, às vezes é mais difícil do que se espera por
todas as informações em algumas frases. Para evitar deixar de fora as informações, é útil usar uma lista
e considerar-se um jornalista de declaração de problemas.
Quando os jornalistas escrevem uma matéria, eles estão procurando responder a algumas perguntas
específicas: o que aconteceu? Quem fez? Quando aconteceu? Por que o público se importa?
O mesmo acontece quando você está escrevendo uma declaração de problema. Siga a lista de
verificação da declaração de problema:
o Onde ocorreu o problema?

o Quando ocorreu o problema?
o Que processo o problema envolveu?
o Como o problema é medido?
o Quanto é o custo do problema (em dinheiro, tempo, satisfação do cliente ou outra métrica
crítica)?
Use a lista de verificação para construir a declaração do problema e, em seguida, pergunte-se: outra
pessoa poderia responder a todas as perguntas da lista de verificação apenas da sua declaração de
problema? Antes de apresentar sua declaração a um chefe ou outro tomador de decisões, teste-a com
um colega de trabalho ou alguém que não esteja tão familiarizado com a questão quanto você.
Aqui estão duas declarações de problemas. Veja se você pode responder a todas as perguntas da lista
de verificação usando apenas as informações fornecidas.
Declaração de Problema 1
O call center em Jacksonville, na Flórida, lidou com 36.000 chamadas em fevereiro de 2015. Dessas
chamadas, 8.000 tinham uma velocidade média de atendimento (VMA) acima dos 15 segundos
exigidos pelo contrato. Essas 8.000 violações do contrato de nível de serviço resultaram em custos de
US $ 200.000.
Declaração de Problema 2
O call center em Ohio tem um problema de contrato de nível de serviço que custa aproximadamente US
$ 9.000 por dia.
A declaração do problema 1 responde a todas as perguntas da lista de verificação:
o Onde ocorreu o problema? Jacksonville, Flórida

o Quando ocorreu o problema? Fevereiro de 2015
o Que processo envolveu o problema? Atendendo chamadas telefônicas
o Como o problema é medido? Velocidade média de resposta
crítica)? US $ 200.000 por mês
A declaração do problema 2 não responde todas as questões:
o Onde ocorreu o problema? Ohio

o Quando ocorreu o problema? Desconhecido
o Que processo envolveu o problema? Desconhecido
o Como o problema é medido? Desconhecido
crítica)? US $ 9.000 por mês
A declaração do problema 2 se beneficiaria da adição de um local, de uma referência específica a um

processo e de uma métrica específica.
Declarações de Problema Levam a Declarações de Objetivos/Metas

Outra maneira de dizer que você tem uma declaração de problema forte é que você pode criar uma
declaração do objetivo ou meta geral do projeto diretamente da declaração do problema. Considere os
dois exemplos acima.
A equipe que trabalha com a declaração de problemas 1 pode criar um objetivo que declara:
O objetivo é reduzir as violações de SLA na velocidade de resposta no centro de atendimento de

Jacksonville em 50% em três meses. A economia potencial para a empresa é de US $ 100.000 por
mês.
A equipe que trabalha com a declaração do problema 2 não seria capaz de criar uma declaração de
meta com tantos detalhes. Eles simplesmente poderiam dizer que esperam reduzir as violações do
contrato de nível de serviço na instalação.
O problema específico e as declarações objetivas são fundamentais para o sucesso do projeto Seis
Sigma por vários motivos. Primeiro, ser o mais específico possível estabelece expectativas apropriadas.
No primeiro exemplo, a liderança tem uma expectativa específica do projeto: a equipe vai trabalhar para
reduzir a velocidade média de resposta, e o sucesso é uma redução de 50%. Ninguém espera que a
equipe resolva outro problema, como a satisfação do cliente com as operadoras de telefonia. Isso está
fora do escopo deste projeto.
Na segunda situação, as declarações de problemas e metas não são específicas o suficiente. Quais
violações de SLA a equipe está trabalhando? O que, exatamente, o sucesso parece? A equipe deve
reduzir os custos completamente? Não sendo específico o suficiente, você se prepara para o fracasso.
A liderança pode esperar que você aborde os acordos de nível de serviço que têm a ver com a forma
como os representantes encaminham as ligações telefônicas, mas você está apenas pretendendo
abordar os acordos de nível de serviço relacionados à velocidade com que as chamadas são atendidas.
A liderança pode pensar que o sucesso é uma redução de 75% nos custos quando você pretende
trabalhar para uma redução de 25%.
A criação de declarações de problemas fortes estabelece uma base estável para o restante de seu
projeto, fornece à equipe uma luz quando elas ficam sobrecarregadas com informações e reduz as
chances de distorção e incompreensão do escopo.
Escopo e Deformação de Escopo

Escopo é a definição do que está incluído - e o que não está incluído - em um processo ou projeto de
melhoria. Você começa a definir o escopo com sua declaração de problema. As informações que você
inclui na declaração fornecem pistas sobre o que você estará trabalhando, e a declaração de metas
fornece limites apropriados sobre o trabalho a ser feito.
Os projetos Seis Sigma não são iniciativas eternas, embora a cultura de melhoria que vem do Seis
Sigma seja. Isso significa que seu projeto individual precisa de um objetivo específico, desafiador, mas
atingível. Uma vez atingida essa meta, o projeto é concluído e você começa a procurar um novo
problema para melhorar.
A deformação de escopo ocorre quando as equipes procuram realizar perfeições infinitas em um

processo, tentar atingir metas irrealistas ou começar a buscar processos ou problemas que estão fora
do escopo original. Por exemplo, considere a declaração do problema de um dos nossos exemplos
neste capítulo:
No primeiro trimestre, o centro de distribuição da Califórnia enviou 108.000 pacotes. Desses pacotes,
15.000 foram devolvidos, resultando em uma taxa de retorno de 13,8%. A taxa de retorno está acima da
taxa aceita de 7% e custou à companhia um adicional de US $ 372.000 no trimestre. Ao longo do ano, o
processo atual pode resultar em custos adicionais de mais de US $ 1,4 milhão.
Uma declaração de meta relacionada pode ser:
O objetivo é reduzir a taxa de retorno para os 7% aceitos e economizar para a empresa US $ 372.000
por trimestre.
No escopo deste projeto estão os processos relacionados à remessa e os retornos apenas de forma
que afetam o processo de devolução. Em algum momento, a equipe pode se deparar com um processo
de embalagem que está usando muito material, custando assim à empresa um adicional de US $
50.000 por mês. A menos que o processo de embalagem esteja causando os retornos - o que não é
provável nessa situação -, esse problema não está no escopo da equipe e eles não devem tentar
solucioná-lo. A equipe pode, no entanto, observar o problema ou relatá-lo para que um projeto futuro
possa ser lançado para resolver o problema.
É preciso disciplina e organização para abordar apenas aquilo que está no escopo de um projeto.
Compreender a relação entre problemas e insumos e saber como criar uma declaração de problema
forte são os primeiros passos para controlar um processo de melhoria.

Unidade 2: Projetos e Processos
Capítulo 7: O que é um Processo?
Na Unidade 1, apresentamos o Seis Sigma como um conceito e cobria muitos princípios que são
fundamentais para criar e manter melhorias em um negócio. Na Unidade 2, começaremos a analisar o
que é um processo, por que a qualidade é importante em um processo e como os projetos Seis Sigma
podem melhorar os processos. Os conceitos que você aprende nas Unidades 1 e 2 tornam-se o
alicerce usado para construir o trabalho do projeto que discutiremos ao longo do restante do livro.
O que é um Processo?
Um processo é uma coleção de tarefas, etapas ou atividades que são executadas, geralmente em uma
ordem específica, e resulta em um produto final, como um bem tangível ou a prestação de um serviço.
Em um negócio, vários processos trabalham juntos para atingir as metas organizacionais.
Tecnicamente, o negócio ou organização em si pode ser visto como um processo enorme. Por
exemplo, um escritório de advocacia que cuida de casos de defesa criminal opera por meio de um
processo enorme e complexo. Os réus e seus casos entram no processo. A saída do processo é o
resultado do caso: uma barganha com os promotores, uma vitória ou perda no tribunal, ou a demissão
de acusações antes do tribunal.
Dentro do enorme processo que vê o réu até o seu resultado, existem centenas, possivelmente
milhares, de processos menores. Existem processos dentro dos processos. Um advogado e uma
equipe de paralegais podem passar pelo processo de negociação; um secretário jurídico pode passar
pelo processo de marcar compromissos. Realizar depoimentos, fazer cópias, enviar cartas e arquivar
documentos legais são exemplos de processos. No nível mais detalhado, até mesmo atender ao
telefone ou digitar uma letra pode ser considerado um processo.
No Capítulo 6, apresentamos brevemente a ideia de escopo e deformação de escopo. Para definir e

manter o escopo adequado, dissemos que uma equipe Seis Sigma precisava identificar os processos
relacionados a uma melhoria de processo ou projeto. No exemplo da empresa jurídica, um projeto para
reduzir o tempo necessário para agendar compromissos provavelmente não incluiria um processo para
apresentar um resumo legal. No entanto, para saber isso, você precisa saber que o processo jurídico
breve não compartilha componentes com o processo de configuração de compromissos. Neste capítulo,
abordaremos os componentes dos processos e um formato para mapear esses componentes
conhecidos como SIPOC.
Quatro Camadas da Definição de Processo

Ao continuar com este capítulo, você verá que os processos podem ser muito complexos. Nossa
definição básica acima é apenas isso: Básica. Antes de começarmos a definir os componentes de um
processo, vamos descascar as camadas desse conceito conhecidas como "um processo".
Os Passos
Seja físico, digital ou ideológico, todo processo é uma série de alguns passos. Você pode colocar essas
etapas no papel na forma de instruções - geralmente chamadas de procedimentos operacionais padrão

em um documento de política ou treinamento empresarial formal - ou em um diagrama visual conhecido
como mapa de processos. Um mapa de processos usa formas e conexões padrão para criar um mapa
de um processo que pode ser entendido pela maioria dos funcionários e por qualquer membro da
equipe do Seis Sigma.
Tempo de Processamento
Todos os processos levam tempo, e o tempo de processamento pode mudar com uma variedade de
fatores. Os mapas e documentos do processo só podem registrar informações como o tempo médio de
um processo ou as medidas de variação no tempo de processamento. Essas informações geralmente
são observadas em tais documentos porque fornecem informações valiosas para as equipes, mas a
observação em tempo real de um processo quase sempre fornece melhores informações sobre o tempo
de processamento.
Uma cadeia de varejo pode criar um mapa de processo para reabastecer uma determinada área. A
documentação do processo registra um tempo médio de duas horas para reabastecer totalmente as
prateleiras na área definida. Em um esforço para obter mais dados sobre o processo, uma equipe Seis
Sigma observa os funcionários que realmente realizam funções de trabalho em tempo real em vários
momentos do dia por duas semanas. Algumas notas que vêm dessas observações incluem:
• A estocagem à noite leva apenas alguns minutos.

• A estocagem durante o dia é dificultada pelos movimentos dos clientes.
• O trabalho de estocagem realizado durante o horário de pico geralmente leva mais tempo.
Com apenas essas informações, você provavelmente verá uma maneira fácil de reduzir o tempo de
armazenamento neste exemplo: mova as tarefas de estoque para horários fora de pico, quando
possível. Simplesmente entender os passos para estocar a área não é suficiente para entender o
processo; você também precisa coletar dados sobre os tempos do processo.
Interdependências
Quase qualquer processo em um negócio dependerá de um ou mais processos. Lembre-se, o negócio
em si é uma série de processos vinculados, todos trabalhando em direção ao mesmo objetivo ou metas.
Às vezes, as interdependências são anotadas nos mapas de processos. Outras vezes, as
interdependências são relacionadas a recursos.
Por exemplo, considere um cenário de trem de passageiros muito simples. O trem sai da estação A
com os passageiros, levando-os para a estação B. Antes que o trem possa sair, o engenheiro deve
estar a bordo e preparado para operar a máquina. Verificações de segurança, liberação do pátio
ferroviário, fechamento de todas as portas: todos são processos que devem ser concluídos antes que o
trem saia da estação. O processo do trem transportando passageiros depende da conclusão de outros
processos.
Ao trabalhar com processos durante um projeto de melhoria Seis Sigma, as equipes devem estar
cientes das interdependências. De que depende o processo em que você está trabalhando? O que
depende do seu processo? O primeiro é importante porque você pode precisar de ajuda de processos
ou pessoas a montante (upstream) de seu processo ao fazer melhorias. O segundo é importante
porque você precisa saber como suas melhorias afetarão os processos e as pessoas a jusante
(downstream) - e a melhoria no desempenho de seu processo não faz nenhum bem para a empresa ou
organização como um todo, se dificultar o desempenho de um processo posterior. .

Recursos e Tarefas
Os processos requerem recursos. Como um veículo a motor requer combustível ou eletricidade
para funcionar, um processo requer recursos como energia, pessoal, dinheiro, largura de banda
digital, equipamentos de informática, maquinário, suprimentos, peças e até mesmo habilidade.
Como alguém em uma organização precisa aprovar e pagar por recursos, as equipes de projeto
devem entender os recursos envolvidos, o custo desses recursos e os proprietários dos processos
e recursos em questão, para que possam fazer solicitações apropriadas sobre a necessidade de
recursos adicionais.
Principais Componentes do Processo

Os processos são compostos de componentes que incluem entradas, saídas, eventos, tarefas
(atividades) e decisões. Entradas entram no processo quando ocorre um evento específico;
tarefas e decisões são realizadas sobre ou com as entradas. No final do processo, uma saída é
gerada. Na maioria das vezes, a ideia de componentes de processo é introduzida com uma
ilustração simples baseada em fábrica: produtos brutos de algum tipo entram na fábrica, o trabalho
é executado e os produtos acabados saem da fábrica. Por exemplo, se uma fábrica produz balas
duras, coisas como açúcar, água, plástico e energia elétrica entram na fábrica.
Equipamentos e funcionários recebem os insumos e trabalham com eles. O resultado final é um

pedaço de doce pronto para a loja.
A figura abaixo ilustra a ideia dos componentes do processo usando um exemplo de pizzaria. Um
evento - a encomenda de uma determinada pizza - inicia o processo. Você pode ver todos os
componentes no diagrama e falaremos sobre cada componente em detalhes na seção a seguir.

Processo: Fazer uma pizza de queijo média
Entradas: Tarefas: Decisões:
Qual tamanho da
crosta/quantos
Juntar ingredientes
ingredientes
Massa
Quanto tempo
Molho leva para
cozinhar a pizza?
Temperatura
Saída:
Figura 1 Processo de uma Pizza de Queijo Média
Entradas
Entrada refere-se a qualquer coisa que entra em um processo ou é necessária para inserir um
processo para orientar a criação de uma saída. No exemplo da pizza acima, as entradas são todos
os ingredientes necessários para fazer a pizza. Você também pode considerar fatores como a
temperatura do forno, o tipo de forno e o nível de habilidade do cozinheiro para serem entradas no
processo.
Compreender todas as entradas para um processo é importante no Seis Sigma porque as

entradas são muitas vezes causais - ou relacionadas a fatores causais - em relação a um
processo. Entradas ou os resultados dessas entradas podem causar erros ou defeitos no
processo. Os biscoitos queimam quando o forno está muito quente. Os computadores feitos em
uma fábrica não funcionam quando as placas de circuito estão ruins. Um advogado não ganha seu
caso se as informações dele estiverem erradas. A temperatura do forno, as placas de circuito e as
informações do advogado: são todas entradas em processos que também causam problemas nos
processos.
Outras razões para definir entradas ao trabalhar com um processo incluem:
• Compreender os recursos necessários para um processo ser executado

• Identificar entradas estranhas que não são necessárias
• Compreender os custos do processo
• Compreender como o processo se relaciona com processos que vêm antes dele
Lembre-se, em um negócio, os processos são interligados para atingir uma meta ou metas finais.
As entradas no processo B podem ser as saídas do processo A.
Saídas
A saída de um processo é o serviço ou produto usado pelo cliente do processo. No exemplo da
pizza, a saída é a pizza de queijo que o cliente vai comer. No exemplo da fábrica de doces, a
saída é o doce que será vendido pela loja de varejo.
O cliente do processo nem sempre é o cliente final tradicional que adquire um produto ou serviço.
Os clientes podem ser internos ou externos. Um exemplo de um processo que atende um cliente
interno pode ser visto em um escritório comercial que emprega uma recepcionista para atender
chamadas telefônicas. Se a recepcionista receber mensagens ou transferir chamadas, ela estará
atendendo a pessoa no telefone e a pessoa que está recebendo a chamada ou mensagem.
Em alguns casos, o cliente de um processo não é nem mesmo uma pessoa. Muitos processos
alimentam outros processos. Em uma farmácia, o processo de inserir dados sobre uma receita
alimenta o processo que cobra uma companhia de seguros pela medicação.
De uma perspectiva Seis Sigma, uma saída é quase sempre mais valiosa para o processo final do
que a entrada. O processo em si envolve adicionar algum tipo de valor às entradas. Uma padaria
coloca a massa de pão crua no forno para agregar valor a ela: o resultado é um produto
comestível e saboroso que um consumidor está mais propenso a comprar ou a pagar mais.
Eventos
Eventos são critérios ou ações específicos e predefinidos que fazem com que um processo comece a
funcionar. Um processo que funciona bem responde a um evento como uma lâmpada responde à ação
de um interruptor sendo pressionado. As equipes do Seis Sigma devem determinar quais eventos
acionam um processo, pois isso ajuda a entender por que um processo está sendo realizado e se o
processo está sendo executado quando não é necessário.
Considere um exemplo sobre auditorias de conformidade em uma empresa do setor financeiro. Talvez
uma empresa tenha criado um processo de auditoria específico que inicia quando as bandeiras
vermelhas nas contas são levantadas; o processo de auditoria é abrangente e geralmente leva em
média 80 horas de trabalho. Você pode imaginar que é um processo caro para ser executado. Ao
investigar, uma equipe Seis Sigma identifica o evento associado ao processo: sempre que uma
discrepância em uma conta é notada por um funcionário, o processo de conformidade é acionado.
A equipe investiga e percebe que isso é verdade mesmo quando a discrepância foi pequena - alguns
dólares ou menos - ou o funcionário conseguiu conciliar a discrepância no final do dia. A equipe pode
sugerir que o relacionamento entre o processo e o evento é um problema. O processo está sendo
executado em momentos em que pode não ser valioso fazê-lo.
Tarefas
Tarefas ou atividades são o coração de um processo. Assim como o coração bombeia o sangue através
de seu corpo, as tarefas dentro de um processo bombeiam as entradas, transformando-as em saídas.
Tarefas são as ações físicas, automatizadas ou informatizadas em um processo. Exemplos de tarefas
incluem:
• Uma máquina que une duas peças de metal com uma solda
• Uma pessoa que insere dados em um programa de software
• Um computador processando dados para criar um relatório
• Um email sendo escrito
• Um trabalho computadorizado sendo roteado dentro de um sistema de fluxo de trabalho
• Um chef cortando ingredientes para uma receita
Decisões
As decisões estão intimamente relacionadas às tarefas e podem ser tarefas em si. Um chef preparando
ingredientes para um prato de sopa tem que cortar esses ingredientes, mas ele também tem que decidir
quanto de cada ingrediente ele precisa. Sua decisão provavelmente será guiada pela receita e pelo
número de pessoas que ele precisa alimentar.
Decisões dentro de um processo são tipicamente governadas por um conjunto de regras. Às vezes
essas regras são formalmente documentadas; outras vezes, as decisões são tomadas por meio de
regras informais, juntamente com o conhecimento e a experiência da equipe. Processos que são
governados por regras informais podem ter problemas de consistência; mesmo quando todos os
funcionários são experientes, eles podem ter variações individuais na execução de uma tarefa. E, como
discutimos na Unidade 1, a variação pode levar a mais oportunidades para defeitos e uma redução na
qualidade.
Usando os exemplos de tarefas acima, aqui estão alguns exemplos de decisões em um processo:
• Uma pessoa que insere dados em um programa de software decide selecionar uma
determinada categoria suspensa por causa do treinamento ou das regras fornecidas pelo
software.
• Um computador processa um relatório; o resultado desse relatório é um número acima de um
limite definido, então o computador envia o relatório para uma pessoa
• Ao escrever um e-mail, uma pessoa escolhe incluir certas informações específicas, como um
número de pedido ou número de cliente, porque é um protocolo para fazer isso ao enviar esse
tipo de e-mail
Todos os Componentes São Relacionados

Você provavelmente está percebendo que os processos podem ser extremamente complexos e os
relacionamentos entre todos os componentes são igualmente complexos. Entradas podem ser saídas
de processos anteriores; saídas podem ser entradas no próximo processo. Uma decisão pode resultar
em um evento que inicia um novo processo, mas também pode ser o fator que decide qual tarefa é
iniciada. Como as equipes Seis Sigma trabalham com processos - observando-os, diagramando-os e
medindo-os -, as equipes começam a entender as relações dos componentes e isso os ajuda a tomar
decisões sobre possíveis melhorias e mudanças.

Proprietários do Processo
À medida que as equipes trabalham para melhorar os processos, elas precisam entender quem são os
proprietários do processo. Dependendo da organização comercial, os proprietários do processo podem
ser pessoas com poder para aprovar alterações. Em algumas organizações, o proprietário de nível mais
baixo pode não ter poder de veto ou decisão sobre todas as alterações, mas é considerado responsável
pelo desempenho do processo.
Um proprietário do processo pode ser:
• Uma pessoa encarregada de um processo ou função muito específica

• Um supervisor de equipe ou gerente de departamento
• Um indivíduo de nível executivo que provavelmente é responsável por vários processos em sua
divisão
O que um proprietário de processo faz?

As responsabilidades de um proprietário de processo são frequentemente definidas pela infraestrutura

de uma empresa específica, mas geralmente, um proprietário de processo irá:
• Monitorar o desempenho do processo, geralmente usando uma ou mais métricas ou elementos

de dados reportados regularmente.
• Entender como o processo se encaixa no negócio como um todo, porque a saída do processo
é essencial para as metas de negócios e quais entradas alimentam o processo.
• Garantir que o processo seja documentado por meio de procedimentos operacionais padrão
(SOPs) e que a documentação do processo seja mantida atualizada e precisa.
• Garantir que os operadores do processo tenham os recursos e o treinamento necessários para
concluir seus trabalhos.
Em um ambiente Seis Sigma, os proprietários de processos também podem garantir que um plano de
controle esteja em vigor e revisar regularmente o processo para possíveis oportunidades de melhoria.
Dados
Por fim, todos os processos geram alguma forma de dados. Mesmo que os dados ainda não estejam
sendo capturados, as informações são inerentes a qualquer processo. Um programa de computador
que roteia automaticamente o trabalho em um fluxo de trabalho pode gerar dados como o número de
itens nas filas de trabalho, quantos itens foram trabalhados naquele dia, os itens de tempo que estavam
aguardando nas filas, quantos itens foram transferidos e onde esses itens foram transferidos para. Um
processo para encher garrafas com líquido pode gerar dados como quanto líquido é colocado em cada
garrafa, quantas garrafas por hora são cheias e talvez variação entre garrafas.
Os dados são extremamente valiosos para as equipes do Seis Sigma porque muitas vezes é como eles
definem se um processo está sob controle e é bem-sucedido.
Definindo Componentes de Processo: O SIPOC

O diagrama SIPOC é muitas vezes uma parte importante do estágio de definição de um projeto Seis
Sigma. Mas você pode usar o diagrama SIPOC sempre que quiser aprender mais sobre um processo
ou entender como um processo em um ambiente de negócios está vinculado a outros processos.

SIPOC significa fornecedores, entradas, processo, saídas e cliente. Para os propósitos de um SIPOC,
entradas e saídas seguem as mesmas diretrizes descritas anteriormente neste capítulo. Fornecedores
são as pessoas, processos e organizações que fornecem insumos para o seu processo. Os clientes são
as pessoas, processos e organizações que fazem uso das saídas do seu processo. O processo em si é
a série de etapas que tomam as entradas e as fazem saídas.
Benefícios de um Diagrama SIPOC

O diagrama SIPOC é uma das ferramentas mais usadas para
entender os componentes do processo e a relevância do SME: Especialista no Assunto
processo, por ser tão eficaz e simples. As equipes podem
criar diagramas SIPOC em uma única sessão de SME é alguém que está intimamente
associado ou familiarizado com um
brainstorming, embora a diagramação eficaz normalmente
processo ou função de trabalho. As
exija a presença de um proprietário de processo e uma ou equipes Seis Sigma convidam as SMEs
mais SMEs familiarizadas com o processo em um nível diário. a participar de discussões, sessões de
mapeamento de processos ou
Os diagramas SIPOC também são infinitamente brainstorming de problemas e soluções,
escalonáveis. As equipes podem diagramar os processos em porque as SMEs têm informações

valiosas que podem não ser fornecidas
um nível muito baixo, mas também podem usar o SIPOC
por proprietários de processos de alto
para diagramar um negócio inteiro. Vamos percorrer a nível ou uma revisão dos dados.
criação de um diagrama SIPOC e, em seguida, fornecer
alguns exemplos de SIPOCs em vários níveis para ilustrar a
escalabilidade.
Criando um Diagrama SIPOC

Você pode criar um diagrama SIPOC como um exercício individual ou em um ambiente de equipe. Os
SIPOCs podem ser criados usando um computador e uma ferramenta de software como o Word ou o
Excel, mas você também pode desenhá-los à mão livre em um quadro branco ou em um pedaço de
papel. A diagramação à mão livre é uma ferramenta de brainstorming valiosa, pois as equipes podem
editar rapidamente o rascunho do diagrama à medida que discutem um processo. Tenha isso em
mente: muitos dos diagramas apresentados neste livro parecem limpos porque já foram digitados e
editados. À medida que você organiza seus próprios processos, eles tendem a parecer confusos no
início com edições, setas, riscos e inserções. “Editar” ou colocar regras no processo de brainstorming
pode limitar as ideias e informações que fluem durante o processo. Você sempre pode criar uma cópia
limpa do diagrama para fins de apresentação quando tiver concluído o brainstorming.
Passo 1: Criando Raias

Um diagrama SIPOC é baseado em raias. As raias permitem que você mostre como atividades e
recursos multifuncionais estão relacionados ao seu processo. Um diagrama SIPOC ganha cinco raias:
Fornecedores, Entradas, Processo, Saídas e Clientes. Você terminará com algo parecido com a figura
abaixo.
Fornecedores Entradas Processo Saídas Clientes

Passo 2: Defina Limites e Nomeie Seu Processo
Antes de iniciar uma sessão SIPOC, determine onde seu processo ou responsabilidade começa e
termina. Se você não entender o escopo do seu processo, sua sessão do SIPOC pode ficar fora de
controle ou produzir um diagrama que não seja útil para seu projeto.
Nomear seu processo ajuda a equipe a se identificar mais prontamente com um aspecto específico da
empresa. Por exemplo, uma equipe que trabalha para melhorar processos em um consultório médico
pode examinar um processo denominado “Reunindo novas informações do paciente”. Ao nomear o
processo, a equipe colocou algumas limitações de escopo: a equipe conversará sobre assuntos
relacionados à coleta de informações dos pacientes. O escopo é ainda limitado ao processo pelo qual a
equipe coleta informações de novos pacientes.
Ao trabalhar com o exercício de diagramação do SIPOC, você pode apontar para o nome e o escopo
que definiu para manter a equipe na tarefa com a discussão.
Passo 3: Complete as Raias

Você pode concluir as raias SIPOC em qualquer ordem, mas as melhores práticas geralmente têm
equipes que inserem dados na seguinte ordem:
• Processo
• Saídas
• Cliente
• Entradas
• Fornecedores
Realisticamente, as equipes pensarão nas coisas enquanto trabalham no processo. Por isso, você
voltará às raias várias vezes para mover informações e adicionar novas informações.
Normalmente, um SIPOC não é um mapa detalhado ou de baixo nível do processo real, portanto,
mantenha as equipes de alto nível ao concluir a rota de nado do processo. Você pode
simplesmente inserir o nome do processo nessa seção ou listar algumas das etapas de alto nível
necessárias para o processo. As etapas da catalogação são um bom exercício se as equipes não
tiverem certeza sobre as saídas e entradas - começar a visualizar o processo geralmente ajuda a
fluir as ideias sobre como o processo está conectado a outros processos e recursos da empresa.
Para evitar que a sessão se transforme em uma atividade detalhada de mapeamento de

processos, peça à equipe que descreva o processo em media de cinco a sete etapas. Mantenha
as coisas simples limitando as etapas do processo a combos curtos verbo-substantivo, como
"Inserir informações", "Coletar dinheiro" ou "Colocar etiquetas".
Nomeie Saídas e Clientes

Depois de ter uma definição de processo rudimentar, comece com entradas ou saídas. Pergunte à
equipe “O que esse processo faz? O que sai desse processo? ”Essas respostas vão para a raia de
saída.
Em seguida, pergunte à equipe “Quem ou o que usa as coisas que vêm desse processo?”
Coloque essas respostas na raia do cliente. Lembre-se de que os clientes podem ser externos ou
internos, e outro processo pode ser o cliente em casos de automação.

Nomeie Entradas e Fornecedores
Pergunte à equipe “O que o processo precisa realizar? Quais matérias-primas ou materiais alimentam o
processo? ”Registre essas respostas na seção de entradas.
Você pode dividir a ideia de entradas em dois tipos, se quiser. Primeiro, você tem as entradas reais - os
bens e serviços que são transformados pelo processo para criar as saídas. Em segundo lugar, você
tem facilitadores do processo. Estas não são tecnicamente entradas porque não entram no processo e
não são alteradas pelo processo; em vez disso, eles são necessários para o processo funcionar. A
maquinaria é um facilitador. Em um processo que corta peças metálicas de uma chapa de aço, a
máquina que faz o corte é um facilitador. Embora isso não seja obrigatório, separar os ativadores em
seu SIPOC ajuda a definir o processo e fornece informações adicionais para mais tarde no projeto.
Uma vez que você tenha uma lista de insumos, pergunte à equipe: “De onde vêm as entradas? Quem
ou o que fornece o processo com essas coisas? ”Como com os clientes, os fornecedores podem ser
externos ou internos. Um fornecedor pode fornecer o açúcar bruto que entra no doce em uma fábrica; o
departamento de marketing pode fornecer os leads que o departamento de vendas usa para criar
pedidos.
Fornecedores também podem ser outros processos, particularmente em um ambiente automatizado, e

você pode ter uma lista de vários fornecedores para uma entrada em um diagrama SIPOC bruto. Por
exemplo, os tickets de suporte entram no departamento de Tecnologia da Informação (TI). O fornecedor
do ticket pode ser tanto o usuário final que envia o ticket quanto o processo automatizado que
encaminha o ticket para a fila de trabalho apropriada. Se você estiver documentando os ativadores,
poderá registrar o usuário final como fornecedor e o processo automatizado como o ativador.
Passo 4: Valide a Informação

Certifique-se de que sua compreensão do processo nesse alto nível seja precisa, validando seu
diagrama. Se você montou uma equipe abrangente que inclui SMEs, a equipe pode validar a maioria
das informações por conta própria. É sempre uma boa ideia obter uma segunda opinião sobre algo
sobre o qual a equipe não tem certeza. Convide outras SMEs ou o proprietário do processo a revisar o
diagrama rapidamente com a equipe e fornecer feedback.
Dicas para uma Sessão de Brainstorming SIPOC

Uma das melhores maneiras de criar um diagrama SIPOC inicial durante uma sessão de equipe é
em grandes pedaços de papel ou em um quadro branco. Crie faixas de natação, desenhando-as
no quadro branco ou pendurando um pedaço de papel em cada pista de natação na parede.
Forneça à equipe anotações e marcadores; escreva em notas adesivas em vez de escrever
diretamente no quadro ou no papel. Isso permite mover os componentes rapidamente ao
trabalhar no diagrama.
Amostra de Diagramas SIPOC

Aqui estão alguns exemplos de diagramas SIPOC. O primeiro diagrama está no nível mais alto: o
processo é o próprio negócio. O segundo diagrama apresenta um processo automatizado. O
terceiro diagrama ilustra um processo de fábrica alimentado por pessoas e inclui facilitadores.

Diagrama SIPOC em Nível de Negócios
Este diagrama mostra o SIPOC para uma empresa gráfica de médio porte. É um SIPOC
simplificado de alto nível, que mostra como os clientes e vendedores fornecem informações e
itens; a empresa gráfica, então, transforma essas entradas em produtos, como cartões de
visita impressos. O produto final vai para indivíduos, empresas e profissionais de marketing
que fizeram o pedido.
Fornecedor de Cartões de
papel Receber ordem negócios
Pedidos /
especificações do Indivíduos
Fornecedor de cliente Projetos de Brochuras
tinta layout
Proprietários de
Papel Banners e negócios
Fornecedor de Projetos de placas
máquinas de impressão
Tinta Departamentos
cópia e
impressão Folders de Marketing
Entregar produto
Designs
impresso
Cliente Papel timbrado
Na maioria das vezes, uma equipe Seis Sigma não lida com um diagrama SIPOC de nível
comercial. No entanto, se a equipe incluir membros de fora da divisão ou da empresa, como
fornecedores ou consultores que auxiliam em uma melhoria, começar com um diagrama de alto
nível pode ajudar àqueles de fora da empresa a entender as metas gerais da mesma.
SIPOC de um Processo Automatizado

O diagrama abaixo representa um processo automatizado em uma farmácia de pedidos por
correspondência. O processo em questão coloca rótulos em garrafas que devem ser preenchidas com
medicamentos correspondentes. O escopo do processo é apenas a rotulagem das garrafas.
Máquina Garrafas sem rótulo Escolher tamanho Garrafa com Estação de

separadora da garrafa rótulo enchimento de
de garrafas Dados para os garrafas
rótulos Imprimir rótulo
Etiquetadora

Software de Rótulos Afixar rótulo
prescrição
Tinta para
Fornecedor de impressão
tinta e rótulos
Como esse é um processo dentro de uma cadeia de processos automatizados, quase todos os
componentes são máquinas, processos e coisas. Antes da rotulagem, uma máquina classifica as
garrafas por tamanho. Essa máquina alimenta a estação de rotulagem conforme necessário. Após
a rotulagem, outra estação enche as garrafas.
SIPOC com Viabilizadores Reconhecidos

O diagrama SIPOC abaixo ilustra como os ativadores podem ser registrados em seu processo. O
processo em questão ocorre em uma fábrica que produz móveis - nesse processo, uma pessoa
coloca as pernas em uma banqueta em uma linha de montagem. Para os propósitos desta
ilustração, a fixação da perna é a última etapa na conclusão do produto, o que significa que o
produto se move da estação de fixação da perna para a embalagem e o envio.
Alinhar as Banqueta para Estação de

Estação de Topo do pernas bar com embalagem
estofados banquinho pernas
(fornece o topo
final das dos Anexar as
bancos) Pernas pernas com
parafusos
Armazém Parafusos
(fornece pernas, Colocar capa
parafusos e capa de proteção
protetora) Capa protetora
Viabilizadores:
Máquina transportadora que

movimenta produtos
Broca para aplicação de parafusos

Sem a máquina transportadora, as pessoas envolvidas nesse processo teriam que mover
os itens manualmente. O transportador não é 100% necessário para que as pernas sejam
adicionadas aos bancos, mas permite que o processo se mova em um ritmo mais
eficiente. Poderia ser feito um caso em que a broca também não é necessária - os
parafusos podem ser instalados manualmente - mas é certamente o que permite que o
processo se mova a uma velocidade necessária para a produção em massa.
Com apenas esse diagrama SIPOC simples de um processo, uma equipe Seis Sigma já
teria alguma ideia sobre onde a variação poderia estar escondida, o que impulsiona a
eficiência no processo e como o processo se relaciona com o negócio como um todo.
Crie Seu Próprio Diagrama SIPOC

Seja trabalhando em equipe ou por conta própria, escolha um processo que você conhece e
pratique a criação de seu próprio diagrama. Escolha um processo associado ao seu negócio ou um
exemplo de negócio com o qual você tenha experiência. Use os modelos da próxima página para
você começar.

Enablers:


Capítulo 8: Qualidade
Uma das definições mais concisas de qualidade vem da International Organization for Standardization,
ou ISO. A ISO 9000 define qualidade como o “grau em que um conjunto de características inerentes
atende aos requisitos”.7
O mesmo documento define requisitos como expectativas ou necessidades implícitas, obrigatórias ou

declaradas, e o ISO observa que os requisitos podem ser gerados por diferentes pontos de interesse.
Uma equipe Seis Sigma deve estar interessada em requisitos gerados por todos os pontos de
interesse, mas geralmente se concentra mais naqueles gerados pelo cliente. Vários tipos de requisitos
podem incluir:
• Expectativas do cliente, que são valores normalmente declarados ou implícitos. Está implícito
que um cliente quer o produto que ele pediu. Expectativas de velocidade de entrega podem ser
declaradas na forma de feedback em pesquisas c om clientes.
• Regras de conformidade ou regulamentares, que são obrigatórias. Por exemplo, os bancos

devem proteger as informações do cartão de crédito - eles são obrigados pelas regras do
governo e pelos Padrões de segurança de dados de informações de cartão de pagamento do
setor (PCI-DSS). Da mesma forma, as organizações de saúde devem proteger a
confidencialidade e segurança dos dados do paciente; eles são obrigados a fazê-lo sob o Lei
de Portabilidade e Responsabilidade do Seguro de Saúde (HIPAA).
• Expectativas da marca, que vêm da liderança interna. As expectativas da marca são
normalmente declaradas; embora não seja obrigatório no sentido de ser apoiado por
regulamentação, as empresas para as quais alta qualidade, uma voz específica ou outro
fator único é um componente da marca podem considerar as expectativas da marca como
obrigatórias. A Coca-Cola, por exemplo, tem uma marca reconhecível em todo o mundo.
Embora os componentes dessa marca, como o design de logotipos ou latas de
refrigerante, não sejam exigidos pelos regulamentos nem exigidos pelos clientes, a própria
Coca-Cola considera esses componentes importantes e coloca recursos e esforços neles
porque valoriza sua marca.
Neste capítulo, analisaremos especificamente os fatores de qualidade essenciais para processos e

melhoria de processos, bem como os custos associados à qualidade em geral.
Características Críticas à Qualidade

As características críticas de qualidade, ou CTQs, são os fatores ou parâmetros que são os principais
impulsionadores da qualidade dentro de uma organização ou processo. Geralmente, os CTQs são
características-chave que podem ser medidas; onde o desempenho da dita métrica fornece
informações sobre se o cliente vai ou não ser satisfeito.
Os CTQs estão intimamente relacionados aos CTCs, ou características críticas para o cliente, mas não
são a mesma coisa. Algo pode ser crítico para a qualidade – até mesmo crítico para como um cliente se
sente em relação a um serviço ou produto - sem ser crítico para o cliente diretamente. Os CTQs são
preocupações internas, mas conduzem as CTCs.
7
https://www.iso.org/obp/ui/#iso:std:iso:9000:ed-3:v1:en:term:3.9.11

Vejamos alguns exemplos de CTQs e CTCs para entender a diferença e a relação entre esses
dois fatores.
Uma calça
Quando um cliente compra uma calça, ele ou ela geralmente se preocupam com a aparência e
ajuste da mesma. É confortável, o tamanho está correto, e sera que a peça casa com o estilo
pessoal do cliente?
É difícil criar uma medida para saber se as calças são confortáveis, mas um fabricante pode
receber comentários dos clientes sobre vários tipos de calças e saber que um determinado tecido
com um determinado corte é mais confortável para o público-alvo. O fabricante também pode
determinar medições apropriadas para cada tamanho. Durante o processo de fabricação, esses
fatores críticos para a qualidade são aplicados: somente tecido que atende às especificações
identificadas é usado. O tecido é então cortado para medições específicas e costurado de uma
maneira específica - as medições e os métodos de costura são críticos para a qualidade.
O cliente comum, no entanto, não quer saber sobre as medidas exatas de cada peça de tecido ou
a maneira como as peças foram costuradas. Eles querem colocar uma calça e perceber um ajuste
confortável.
Barras de Chocolate
Uma empresa de chocolates realiza uma pesquisa para descobrir por que as vendas de seu
produto mais recente não tiveram o desempenho esperado. O feedback sugere que o chocolate é
muito doce - o sabor e a doçura do chocolate é uma característica fundamental para o cliente.
A empresa pode ajustar sua fórmula, reduzindo a quantidade de açúcar que entra no chocolate. A
receita - e a quantidade de açúcar - é um fator crítico para a qualidade neste caso. Mas e se o
feedback do cliente indicar que os consumidores preocupados com a saúde simplesmente não
querem comprar uma barra de chocolate com tanto açúcar? Em seguida, a quantidade de açúcar
na receita torna-se um CTQ e um CTC. É fundamental para a qualidade do sabor da barra, mas os
clientes também podem olhar para a informação nutricional na barra e tomar decisões de compra
com base na quantidade de açúcar no chocolate.
Desenvolvimento de um Aplicativo Móvel

Se uma empresa deseja lançar um aplicativo para dispositivos móveis para seus clientes, então
uma necessidade centrada no cliente óbvia é que o aplicativo funcione no telefone do cliente. O
cliente não se importa com o processo pelo qual a empresa precisa passar para lançar o aplicativo
na plataforma em questão, mas a empresa deve atender aos critérios da Apple, do Android, do
Windows ou de outros sistemas operacionais móveis. Esses requisitos tornam-se alguns dos
CTQs para o desenvolvimento de aplicativos móveis, embora certos requisitos das plataformas
possam não parecer estar relacionados a declarações de clientes sobre desejos ou necessidades.
Por Que Identificar CTQs?

Em um ambiente de melhoria de processos, os CTQs são essenciais para restringir o
escopo do trabalho e entender como promulgar mudanças. Considere a regra 80/20
discutida no capítulo 5. Muitas vezes, os CTQs são os fatores, características ou
resultados que impulsionam 80% da satisfação do cliente. Ao melhorar esses poucos
fatores críticos, as equipes podem impactar substancialmente a satisfação do cliente e o
desempenho do processo geral. A identificação de CTQs permite que as equipes criem o
maior aprimoramento possível com os recursos de tempo, dinheiro e pessoal disponíveis.

Fora do ambiente do projeto, o entendimento dos CTQs permite que as organizações
mantenham a qualidade. Ao gerenciar algumas métricas críticas, as equipes podem
garantir uma produção excelente de maneira contínua e identificar possíveis áreas de
melhoria antes de se tornarem problemas enfrentados pelo cliente.
Usando uma Árvore CTQ Para Converter Necessidades do Cliente em Métricas

de Qualidade
No capítulo 5, introduzimos o conceito da voz do cliente, ou VoC. As equipes Seis Sigma
geralmente começam com algum tipo de dados de VoC quando estão definindo um problema e
trabalhando em metas para um projeto. Ou a equipe realiza pesquisas para ouvir de um grupo
estatisticamente relevante de clientes durante as primeiras fases de um projeto, ou a equipe
recebe feedback de clientes internos sobre um processo.
Às vezes, as informações do VoC com as quais uma equipe começa são algo tão simples como
um indivíduo entusiasta ou executivo, fazendo uma declaração sobre as expectativas de um
processo ou projeto interno. Quando os dados do VoC são limitados de tal forma, as equipes
podem ter que trabalhar mais para validar os pressupostos com dados antes de passar para a
análise do CTQ.
Para obter uma melhor compreensão de como medir a qualidade de um processo, as equipes
devem converter instruções do VoC em CTQs. Uma das melhores maneiras de fazer isso é
através de um processo de diagramação conhecido como árvore CTQ.
Uma árvore CTQ começa com necessidades específicas e críticas do cliente, que precisam de
drivers e usa os drivers para criar requisitos. Requisitos específicos são mais fáceis de converter
em componentes de qualidade mensuráveis. Enquanto cada árvore CTQ é única, eles começam
com um formulário comum. A estrutura comum de uma árvore CTQ é mostrada abaixo.
NECESSIDADE ------------– DRIVER –----------------- REQUISITOS

DO CLIENTE
Ao criar uma árvore CTQ, você não precisa seguir um padrão de igualdade para os e os
requisitos. Algumas necessidades do cliente terão mais drivers do que outras; alguns drivers terão
mais requisitos. Você também pode ter várias árvores CTQ. Você pode criar uma para cada
necessidade identificada que seja essencial para um cliente.

Identifique Necessidades Críticas ao Cliente
Comece o processo da árvore CTQ criando uma lista de necessidades críticas para o cliente. Um
banco que trabalha em processos que lidam com acesso de verificação on-line pode identificar
acessibilidade, interfaces amigáveis ao usuário e segurança de informações como as principais
necessidades críticas para o cliente, por exemplo. Defina as necessidades em termos gerais para
ajudar a capturar todos os drivers e requisitos posteriormente no processo de diagramação.
A melhor maneira de definir necessidades é pedir feedback diretamente aos clientes, mas o tempo
e os recursos nem sempre permitem pesquisas. As equipes Seis Sigma podem aproveitar os
dados coletados por meio de pesquisas recentes ou formulários de feedback, o que é a melhor
coisa a seguir. Na ausência de feedback do cliente, faça um brainstorming das necessidades
críticas com um grupo de funcionários que tenha conhecimento e experiência com o cliente.
Especialistas em assuntos de vendas, atendimento ao cliente e departamentos de reclamações
geralmente fornecem informações viáveis quando o cliente é o usuário final. Você também pode
iniciar uma árvore CTQ com as saídas do seu diagrama SIPOC; Dependendo de como você
estruturou as saídas em um SIPOC, pode ser necessário definir fatores críticos de qualidade para
a saída como ponto de partida para o diagrama de árvore CTQ.
Identifique Drivers de Qualidade

Depois de ter uma lista de necessidades críticas, trabalhe com uma necessidade de cada vez para
criar uma árvore semelhante ao diagrama acima. Identifique drivers de qualidade que devem estar
presentes ou atendidos para que a necessidade do cliente seja atendida. Por exemplo, os clientes
de uma empresa de serviços de HVAC podem exigir um excelente serviço. Drivers para essa
necessidade podem incluir técnicos de serviço amigáveis, funcionários úteis e experientes e uma
resposta oportuna para chamadas de serviço.
Drivers são o ponto de transição entre as necessidades e os requisitos do cliente; você não
precisa necessariamente medir os drivers, mas você vai querer que sejam um pouco mais
detalhados do que as necessidades amplas dos clientes que você já identificou e que você deseja
estar fluindo na direção de fatores mensuráveis quando possível.
Liste os Requisitos para Cada Driver

Os requisitos são os quesitos mais detalhados referentes às características críticas e de
qualidade. Estas são as coisas que você pode medir que levam você a entender se os drivers
estão funcionando adequadamente para que as necessidades do cliente sejam atendidas.
Por exemplo, vamos ver nosso exemplo de HVAC em um formato de árvore CTQ.

Técnicos do serviço ficam na média ou acima na
Técnicos do avaliação dos clientes
serviço são
amigáveis Técnicos tem no máximo 2 reclamações de
clientes no trimestre
Empresa recebe notas de satisfação do cliente

excelente em pelo menos 70% das avaliações
Empregados bem
Serviço
informados
Excelente Técnicos tem nota de satisfeito ou acima na
média de avaliação dos clientes
As ligações dos clientes são retornadas no

mesmo dia em pelo menos 90% das vezes
Serviços Equipes de serviços de campo chegam dentro

cumpridos em do tempo determinado em pelo menos 90% das

tempo vees
Equipe de serviços de campo chegam ao local

dentro de 48 horas da ligação do cliente
Você pode ver na árvore CTQ acima que os drivers foram convertidos em requisitos - e cada um
desses requisitos pode ser medido com números. Em alguns casos, as conversões de driver para
requisito equivalem a um número rígido. O exemplo da barra de chocolate no início deste Capítulo
apresenta tal cenário: se a empresa considera que a receita com um quarto de xícara de açúcar é a
receita correta, então a métrica do processo para a qualidade é exatamente um quarto de xícara de
açúcar.
Em outros exemplos, as empresas podem oferecer margem para exceções ou o entendimento de que
um processo não atingirá um número exato todas as vezes. Por exemplo, uma equipe de climatização
não pode chegar à casa de um cliente exatamente 24 horas após a realização de uma ligação
telefônica e, se os técnicos de serviço pudessem chegar antes de 24 horas, a maioria das pessoas iria
gostar. Isso significa que a empresa precisa criar uma definição para o requisito: quantas horas até que
um cliente considere um técnico precipitado? No caso da nossa empresa de exemplo, são 48 horas. O
requisito em outra situação pode ser de 24 horas.
Como as equipes usarão os requisitos das árvores CTQ para desenvolver medidas e métricas de
processo para obter sucesso, é extremamente importante que cada requisito seja examinado antes que
as equipes o incorporem no projeto ou processo. Os requisitos devem ser comparados aos dados do
VoC, às medições existentes e à experiência e conhecimento de especialistas e líderes no assunto. A
equipe deve perguntar a si mesmo e aos outros: “Se esses requisitos forem atendidos, o cliente ficará
satisfeito?” Se a resposta chegar a ser não, então os requisitos precisam ser trabalhados. A equipe
também pode considerar a pergunta "Esses requisitos são possíveis no mundo real?". Se a resposta for
não, o processo ou os requisitos precisam ser trabalhados.

CoQ e CoPQ
As equipes do Seis Sigma devem estar sempre conscientes de que a qualidade tem um custo. Quando
se fala em custos de qualidade, muitas organizações consideram o que é conhecido como custo de má
qualidade ou CoPQ. O custo da má qualidade é definido como os custos ou despesas associados aos
defeitos criados por um processo. A qualidade realmente tem um custo mais amplo - evitar a má
qualidade também tem um custo. O custo da qualidade, ou CoQ, cobre as despesas associadas à
manutenção de boa qualidade em toda a organização ou processo. Às vezes, isso é chamado de custo
de boa qualidade. Nesta seção, falaremos sobre os dois tipos de medidas de custo, como elas se
relacionam com o Seis Sigma em geral e como elas se relacionam com as equipes e projetos do Seis
Sigma.
O Custo da Má Qualidade
De certa forma, o custo da má qualidade é mais fácil de medir do que o custo associado à
qualidade geral. O CoPQ é geralmente dividido em duas categorias principais: custos associados
a falhas externas e custos associados a falhas internas. Falhas internas e externas são
geralmente chamadas de custos de não conformidade - são as despesas que ocorrem quando as
saídas não estão em conformidade com os requisitos críticos de qualidade.
Falhas Externas
Falhas externas geralmente ocorrem após a entrega de produtos ou serviços, o que significa que
elas estão diretamente associadas à insatisfação do cliente. Falhas externas podem incluir perdas
de receita associadas a uma redução nas vendas devido à qualidade dos produtos, serviços,
sistemas ou informações. Outros tipos de perdas externas incluem despesas associadas a
reparos, devoluções ou retrabalho associado a uma reclamação do cliente; despesas associadas
com garantias; ou perda de receita ou vendas por causa de má vontade do cliente ou propaganda
boca-a-boca ruim.
Falhas Internas
Falhas internas ocorrem quando produtos, serviços ou processos não estão em conformidade com
os requisitos estabelecidos pela empresa, e o produto ou serviço é fornecido ao cliente de maneira
não satisfatória.
Falhas internas são geralmente manipuladas abandonando, refazendo ou reparando o trabalho.

Obviamente, tal retrabalho resulta em custos material e laboral adicionais, mas também resulta em
perdas associadas a atrasos, escassez de peças ou estoque e falta de flexibilidade ou habilidade
de adaptação. Por exemplo, se um processo tem uma qualidade tão baixa que 50% dos itens
produzidos por ele exigem retrabalho, então o processo pode estar produzindo 40% menos do que
poderia ser diariamente. Isso significa que o processo pode atender menos clientes, gerar menos
produtos e contribuir menos para o lucro da empresa.
Calculandos os Custos da Má Qualidade

Entender o custo da má qualidade é fundamental para as organizações Seis Sigma, pois permite
que os líderes entendam como as necessidades financeiras estão relacionadas à necessidade de
melhorias de qualidade. Quanto maior o custo da má qualidade, maior a probabilidade de uma
organização trabalhar para melhorar.
A nível de projeto ou processo, o custo da má qualidade pode ajudar a determiner orçamentos

para melhoria. Se a má qualidade dentro do processo está custando à organização US $5,000 por
mês, um projeto que custa US $20,000, mas economiza US $3,000 por mês em qualidade se
pagaria em sete meses. Por outro lado, um projeto que custa US$ 100,000 quando os custos de
má qualidade são somente US $1,000 por mês faria menos sentido.
A equação para CoPQ é:
CoPQ = Custos de Falhas Externas + Custos de Falhas Internas

Embora a equação pareça simples, identificar todos os custos associados com má qualidade pode
ser difícil. A maioria dos profissionais usa a metáfora de um iceberg para explicar os custos
velados da má qualidade. Na superfície, vê-se a minúscula ponta do iceberg – os custos óbvios da
má qualidade. Esses podem ser coisas como descarte, reprocessamentos, pedidos de garantia,
retorno de clientes e envio adicional.
Sob a superfície, entretanto, um iceberg é sempre maio. O mesmo geralmente é verdade sobre os
custos da má qualidade, e custos velados podem incluir:
• Perda de fidelidade do cliente

• Perda de moral
• Perda de funcionários se a moral permanecer baixa por períodos prolongados
• Conflitos associados ao agendamento ou reagendamento
• Maior risco de problemas de conformidade, incluindo multas
• Custos administrativos mais altos
• Receita, vendas ou produção imprevisíveis
Calcular o custo da má qualidade é extremamente difícil em um nível corporativo e ainda

moderadamente difícil em um nível de processo. Um método para listar todos os possíveis custos
e formulá-los para valores em dólares não existe. É uma boa ideia que as organizações
desenvolvam um método simplificado usado em toda a empresa ao calcular o CoPQ. No mínimo,
os especialistas do Seis Sigma na organização podem considerar a definição de uma maneira
específica de listar os custos de má qualidade em toda a empresa, de modo que várias equipes de
processos estejam usando medidas semelhantes quando se reportam à liderança.
Custo de Qualidade
O custo da qualidade, ou CoQ, inclui o custo da má qualidade e o custo da boa qualidade. Além
dos custos de falhas internas e externas, a CoQ inclui custos de prevenção e avaliação. Os custos
de prevenção e avaliação costumam ser chamados de custos de conformidade - são os gastos
relacionados a garantir que as saídas estejam de acordo com os requisitos críticos de qualidade.
Custos de Prevenção
Os custos de prevenção são as despesas relacionadas a qualquer atividade destinada a impedir
que um erro ou defeito ocorra. A prova de erros, que é abordada em detalhes nos capítulos
posteriores sobre processos de controle, resulta em custos de prevenção. Por exemplo, se uma
empresa produz produtos de panificação, em algum momento do processo, pessoas ou máquinas
devem medir os ingredientes para adicionar aos lotes de massa. Uma maneira de detectar esse
processo é fornecer máquinas especializadas que permitam que apenas uma quantidade
específica de cada ingrediente seja introduzida em um lote. Tal máquina seria provavelmente
muito cara; teria também de ser gerido por um operador qualificado e mantido por pessoal de
reparo e limpeza adequado. Toda essa atividade geraria custos que poderiam ser considerados de
natureza preventiva.

Outros tipos de custos de prevenção incluem despesas relacionadas a planejamento de qualidade,
revisões, ou educação e treinamento com foco em qualidade. Os processos de revisão e avaliação
de qualidade também criam custos de prevenção, sejam eles relacionados a fornecedores,
produtos, processos ou pessoas. Pesquisas com clientes, a criação de manuais técnicos, o
trabalho para criar e gerenciar requisitos e especificações, e o gerenciamento de descrições de
cargos podem levar a custos de prevenção. Mesmo os custos de manutenção podem ser
considerados custos preventivos, especialmente se um ambiente de trabalho limpo for necessário
para reduzir falhas ou erros na fabricação do produto.
Custos de Avaliação
Os custos de avaliação são aqueles associados a qualquer atividade destinada a garantir altos
níveis de qualidade em um processo ou organização. Se uma fábrica contrata um especialista em
controle de qualidade, e o trabalho dessa pessoa é revisar peças que caem na linha de produção
e devolver o trabalho para correção ou relatar o nível de qualidade como uma métrica, então o
salário dessa pessoa e quaisquer despesas relacionadas ao seu emprego são custos de
avaliação. Em alguns casos, essas despesas também podem ser consideradas custos de
prevenção, mas não seriam contadas duas vezes no cálculo da CoQ.
Outros tipos de custos de avaliação podem incluir despesas relacionadas a auditorias de

qualidade em produtos, serviços ou processos, o custo de calibração e equipamentos de medição
ou software, e os custos de testes de campo. Inspeções de protótipos, despesas de consultoria,
relatórios financeiros e auditoria, verificações de segurança, certificações de fornecedores,
pesquisas com funcionários e feedback de clientes são todos exemplos adicionais de áreas onde
os custos de avaliação podem existir.
Calculando o Custo de Qualidade

A equação para CoQ é:
CoQ = CoPQ + Custos de Prevenção + Custos de Avaliação

Os mesmos desafios inerentes ao cálculo do CoPQ também existem no cálculo do CoQ. A mesma
analogia do iceberg é relevante, e as atividades de prevenção e avaliação geralmente têm custos
ocultos, como horas extras desnecessárias, burocracia ou despesas do sistema.
O Custo de Qualidade e Seis Sigma

A sabedoria tradicional poderia dizer que, se o custo da má qualidade cair, o custo da boa
qualidade provavelmente aumentará. Você tem que gastar dinheiro em qualidade para ter boa
qualidade, em outras palavras. Embora historicamente isso possa ser verdade para muitas
organizações, não é o caso em uma empresa Seis Sigma. Como o Seis Sigma trabalha para criar
qualidade que é inerente ao processo - o que significa que as coisas são feitas corretamente na
primeira vez e os defeitos são reduzidos - os custos da qualidade geralmente diminuem, enquanto
a própria qualidade sobe.
No Capítulo 1, mostramos que um processo com um nível sigma maior (e, portanto, maior
qualidade) tem menos defeitos. Os defeitos diminuem de maneira exponencial à medida que o
nível sigma aumenta. Como há menos defeitos, os custos de baixa qualidade também são
reduzidos exponencialmente. Mas, de tempos em tempos, o Seis Sigma também reduziu o custo
da qualidade geral. À medida que o nível sigma de processos é aumentado através da aplicação
de ferramentas e metodologia Seis Sigma, o custo de prevenção e avaliação também cai.

Uma maneira de relacionar o custo da qualidade - e talvez a maneira mais comum de fazê-lo entre
as corporações - é como um percentual das vendas. O custo da qualidade como porcentagem das
vendas normalmente se alinha de forma tão próxima aos valores do sigma que você pode prever o
custo da qualidade com base no valor sigma de uma empresa ou processo. Os intervalos médios
para CoQ em relação aos valores sigma são mostrados na tabela abaixo. Como você pode ver, à
medida que as empresas melhoram seus níveis sigma, elas experimentam uma economia
substancial no custo da qualidade.
Nível Sigma Custo da Qualidade como Percentual de

Vendas
2 Acima de 40%
3 25 a 40 %
4 15 a 25%
5 5 a 15%
6 Menos que 1%
Gerenciando Custo de Qualidade

O Seis Sigma é uma das melhores metodologias para gerenciar o custo da qualidade, pois
trabalha para criar qualidade em todos os processos. Ao abordar uma organização ou processo
com alto custo de qualidade, as equipes e a liderança podem aplicar um método baseado em
triagem para reduzir esses custos. Embora nenhuma organização possa remover os custos de
qualidade em 100%, a meta deve ser zero custos de falha, internos ou externos, e custos mínimos
de prevenção e avaliação.
Primeiro, as equipes devem se concentrar nos custos associados a falhas. Geralmente, é mais
fácil e menos dispendioso detectar custos associados à não conformidade, e melhorias que
buscam corrigir as causas de algumas falhas críticas podem ter um grande impacto na qualidade
geral e no custo total. Em vez de adicionar camadas de programas de qualidade aos processos
para garantir a qualidade - o que apenas acrescenta atividades de prevenção ou avaliação e
aumenta o custo da qualidade - os projetos de melhoria Seis Sigma criam medidas preventivas
nos próprios processos. Em outras palavras, processos eficientes do Seis Sigma são
autorregulados. Eles construíram verificações e balanços que trabalham para reduzir
constantemente defeitos e retrabalho.
Os benefícios de criar pontos de parada de falha em um processo incluem:

• Detecção precoce quando ocorrem erros, o que reduz os custos ocultos. Quando o erro
não consegue chegar ao próximo processo ou ao cliente, você evita muitos problemas e
custos associados à baixa moral, redução da fidelidade do cliente ou devolução de
produtos.
• Os funcionários podem apoiar e gerenciar melhor qualidade. Quando a qualidade é algo
de que os funcionários são proprietários, é mais provável que trabalhem com afinco para
criar a melhor saída possível. Em contraste, os programas de qualidade no estilo de
avaliação podem desencadear sentimentos de paranoia ao serem observados de perto ou
criar uma relação nas mentes dos funcionários entre a ideia de qualidade e a ideia de
represália ou correção. O baixo desempenho em uma base contínua precisa ser resolvido,
mas os funcionários não devem padronizar uma mentalidade negativa quando ouvirem a
palavra ‘qualidade’.
• A garantia de qualidade em processo é realmente mais eficaz do que métodos de
prevenção e avaliação pós-processo ou de processo excessivo. Controle estatístico de
processos e melhorias no Seis Sigma podem levar um processo ao nível Seis Sigma. Para
garantir o mesmo nível de desempenho - 3,4 defeitos por milhão de oportunidades - os
funcionários da garantia de qualidade precisariam rever milhões de peças e garantir que

apenas alguns pouquíssimos teriam defeitos. Simplesmente não é uma opção econômica
para a maioria, ou qualquer, organização.
Depois que as equipes usam os métodos Lean Seis Sigma e Gestão de Processo, discutidos ao
longo deste livro para reduzir os custos das falhas, as equipes podem recorrer aos custos de
prevenção e avaliação. Muitas vezes, em um processo que está funcionando em um nível alto de
sigma, as atividades de prevenção e avaliação são uma forma de muda. Eles podem ser
eliminados do processo sem afetar o produto final, a qualidade, a satisfação do cliente ou o moral
dos funcionários. Em alguns casos, remover a prevenção ou a avaliação dos processos cria um
impacto positivo na qualidade, produção e satisfação do cliente e funcionário.
Identificando Atividades de Prevenção e Avaliação

O primeiro passo para remover muda relacionado à qualidade é identificá-lo. Os mapas de processos,
diagramas de spaghetti e mapas de fluxo de valor são ferramentas valiosas para descobrir atividades
que não precisam ser incluídas em um processo. Todas essas ferramentas são cobertas em
profundidade na Unidade 9.
Se você está mapeando um processo ou simplesmente discutindo vários componentes com os

responsáveis pelo processo ou com uma equipe Seis Sigma, fazer perguntas sobre o valor e a
necessidade também pode ajudar a identificar desperdícios de prevenção e avaliação. Se você acha
que uma atividade relacionada a um processo pode ser uma forma desnecessária de prevenção ou
avaliação, pergunte:
• A atividade em si adiciona algum valor à saída?

• A atividade reduz substancialmente o tempo que leva para o processo produzir uma saída?
• A atividade aumenta substancialmente o custo do processo?
• Se a atividade é projetada para evitar defeitos no processo, ela pode ser mais eficiente?
• Se a atividade é projetada para evitar defeitos, a mesma pode ser menos dispendiosa?
• Se uma atividade é projetada para capturar dados de qualidade sobre o processo para fins de
relatório, esses relatórios são necessários?
• Se os relatórios de qualidade forem necessários - seja devido a requisitos obrigatórios, como
conformidade ou porque os relatórios fornecem valor em outro processo - os relatórios podem
ser automatizados para reduzir as despesas associadas?

As respostas a essas perguntas ajudam as equipes a identificar áreas nas quais o muda pode ser
removido ou onde os processos relacionados à qualidade podem ser melhorados.
Qualidade é Crítica para o Successo

Quando as equipes do Seis Sigma estão eliminando os custos relacionados à qualidade e atividades
desnecessárias dos processos, é fundamental que eles não removam a qualidade. Embora seja
verdade que os programas e os custos tradicionais de qualidade não precisam estar presentes para
garantir uma redução nos defeitos e uma melhoria na satisfação do cliente, é igualmente verdade que
você precisa substituir esses programas por outra forma de controle. No final deste livro, você terá
aprendido sobre várias ferramentas, desde controle estatístico de processo até poka yokes, que você
pode usar para criar qualidade dentro de um processo.
Também é importante notar que uma única equipe do Seis Sigma - ou até mesmo um departamento
inteiro dedicado ao Seis Sigma - não consegue reduzir os custos da qualidade de uma organização por
conta própria. A liderança corporativa deve acreditar que a qualidade é melhor quando os controles são
incorporados ao processo, e eles precisam estar dispostos a comunicar esse fato por meio de
treinamento e exemplo. Algumas empresas preferem usar o Seis Sigma para melhorar os processos e,
ao mesmo tempo, manter as despesas dos departamentos tradicionais de qualidade, conformidade e
auditoria. Para alguns setores, como saúde ou finanças, auditorias e outros custos de avaliação e
prevenção podem ser exigidos por leis e regulamentos. Fora desse mandato, quase sempre é melhor
remover qualquer atividade de qualidade que não forneça valor adicional.

Capítulo 9: Selecionando os Projetos Certos
As equipes podem apresentar conhecimento amplo de Seis Sigma, mas se as organizações não
escolherem os projetos certos, as melhorias não impulsionarão mudanças efetivas em benefício
do resultado final e/ou da satisfação do cliente. Como Seis Sigma funciona melhor quando é
implementado como uma cultura de toda a empresa, a seleção de projetos deve funcionar como
uma função de toda a empresa. Este capítulo abrange várias ferramentas e métodos para o
brainstorming e a seleção de projetos com maior probabilidade de melhorar significativamente os
processos e atender às metas gerais do negócio.
Manipulando a Quantidade Certa de Projetos

Uma parte crítica do sucesso do Seis Sigma para as organizações é saber quando as equipes
atingem a carga máxima do projeto. Mesmo quando as organizações contratam funcionários
dedicados à melhoria de processos, elas só podem sustentar certo número de projetos de
melhoria sem reduzir substancialmente os resultados positivos desses projetos. Embora o trabalho
do projeto, incluindo a coleta e a análise de dados, possa ser feito por funcionários comprometidos
100% com projetos de melhoria, as equipes geralmente precisam se envolver e extrair recursos de
funcionários regulares. Uma organização que manipula muitos projetos coloca a produção diária
em risco. Na busca por melhorar os processos, uma empresa que seleciona muitos projetos ao
mesmo tempo poderia impactar negativamente a qualidade.
Não existe uma fórmula para quantos projetos Seis Sigma uma empresa deve executar em um
determinado momento, mas alguns projetos bem concebidos têm maior probabilidade de causar
um impacto maior do que muitos projetos mal concebidos, sobrepostos ou sem financiamento. As
organizações devem apenas lançar projetos que possam:
• Custear. Projetos Seis Sigma utilizam recursos monetários, o que significa que as organizações
devem priorizar com base em critérios financeiros.
• Apoiar com recursos de pessoas. Os projetos Seis Sigma exigem trabalho de funcionários de todos
os níveis. As empresas não devem lançar três projetos ao mesmo tempo em que utilizem recursos
de TI ou tentem vários projetos simultâneos que precisam receber regularmente informações do
Diretor de Conformidade. Confiar demais em recursos para vários projetos pode queimar
funcionários, diminuir o moral, impactar a qualidade e impedir o trabalho necessário para manter
a empresa funcionando dia após dia.
• Gerenciar. Equipes de projeto exigem liderança; As equipes Seis Sigma geralmente são executadas
por Faixas Pretas, às vezes junto com gerentes de projeto certificados. Como os Faixas Pretas são
apoiados pelos Faixas Verdes, que lidam com grande parte do trabalho de coleta e análise de
dados, um único Faixa Preta geralmente pode gerenciar mais de um projeto de cada vez, se
necessário. Isto é especialmente verdadeiro para os Faixas Pretas experientes que não são
responsáveis por qualquer tipo de operação diária. Mesmo assim, organizações com número de
especialistas em Seis Sigma limitado na equipe não podem lançar dezenas de projetos sem
sobrecarregar esses recursos.
Processo de Seleção no Nível de Empreendimento

Quando as empresas estão trabalhando para aplicar a cultura Seis Sigma em toda a empresa, os líderes
executivos e outros tomadores de decisão devem trabalhar diretamente com os especialistas da Seis Sigma para
identificar oportunidades de melhorias e lançar projetos. Isso permite que a liderança alinhe a seleção de projetos
com metas organizacionais, garantir que os projetos sejam organizados de uma maneira que corresponda aos
recursos e mantenha uma visão geral dos esforços de melhoria. As organizações podem aplicar um procedimento
de cinco etapas para identificar projetos de melhoria viáveis do Seis Sigma.
1. Revisão Baseada em Dados do Estado Atual da Organização
As organizações podem começar com uma análise de alto nível das fontes internas e externas de
informações sobre desempenho. As informações internas podem incluir reclamações ou
problemas levantados pelos funcionários, métricas ou relatórios de desempenho existentes,
relatórios financeiros e relatórios de qualidade. Fontes externas incluem todas as ferramentas de
Voz do Cliente que cobrimos no Capítulo 5. Ao analisar informações internas e externas, as
organizações devem perguntar:
• De que tipos de coisas os clientes ou funcionários estão reclamando?

• Onde a organização está aquém dos indicadores ou desempenho do concorrente?
• Quais são as necessidades dos clientes que a organização não está atendendo?
• Quais necessidades os clientes podem ter em um futuro próximo que a organização ainda
não é capaz de atender?

• Quais processos estão gerando a maioria dos defeitos?
• Quais processos são conhecidos pelo maior retrabalho?
• Quais são os processos mais lentos ou mais caros da organização?
• Quais são alguns obstáculos que impedem a organização de atingir seus objetivos?
2. Faça o Brainstorming e Descreva Potenciais Projetos
As respostas às perguntas da primeira etapa tornam-se uma lista de discussão de projetos em

potencial. De que tipos de coisas os clientes estão reclamando? Talvez as pesquisas e os
formulários de feedback mostrem clientes que se queixam dos longos períodos de embarque, da
má qualidade dos produtos ou do rude atendimento ao cliente. Com apenas uma única pergunta,
uma organização tem uma lista de possíveis projetos:
• Um projeto para reduzir o tempo que leva para os clientes receberem pedidos
• Um projeto para aumentar a qualidade dos produtos
• Um projeto para criar um melhor atendimento ao cliente
É certo que o escopo é enorme com esses exemplos, então as organizações precisariam procurar
por um pouco mais de detalhes. Por que os clientes acham que a qualidade dos produtos é baixa?
No capítulo 6, abordamos o método de brainstorming 5 Porquês, e esse método é relevante aqui.
Durante o processo de brainstorming, as organizações e as equipes devem perguntar
repetidamente “Por quê?” para obter uma visão mais detalhada das possibilidades de projeto.
Por exemplo, se um formulário de feedback para uma empresa de instalação de carpetes indica
que os clientes não estão satisfeitos com o serviço que recebem, a equipe pode perguntar: "Por
que os clientes estão insatisfeitos?" Uma investigação mais aprofundada sobre os feedback dos
clientes indica que os compradores estão infelizes porque as bordas estão soltando logo após o
carpete é instalado. Por que isso está acontecendo? A resposta curta é que algo está errado no
processo de instalação. A organização pode adicionar “Melhorar o processo de instalação de
carpetes” a uma lista de possíveis projetos.
Criar uma lista de possíveis projetos dessa maneira nem sempre acontece em uma única sessão
de brainstorming. À medida que as questões são levantadas, mais informações podem ser
necessárias para listar possíveis projetos, mas reunindo o grupo certo de pessoas para algumas
sessões de brainstorming, é provável que alguém já tenha essas informações ou saiba algumas
respostas básicas. Lembre-se de que o objetivo deste exercício é identificar possíveis áreas de
melhoria, não validar suposições ou sugerir soluções.
Uma vez que as equipes tenham uma grande lista de possíveis projetos, elas devem começar a
criar descrições curtas que se tornarão a base do terceiro passo. As descrições também permitem
que as equipes identifiquem rapidamente as coisas que não são realmente problemas ou não se
aplicam em um ambiente de projeto de melhoria. As descrições devem incluir respostas a três
perguntas:
• Como a questão é dolorosa para o cliente, os funcionários ou a organização? Em resumo,

como o problema impede alguém de conseguir o que quer ou precisa?
• Qual é o objetivo que seria alcançado com uma melhoria?
• Por que uma organização deve resolver esse problema agora?
Se isso está começando a soar familiar, é porque as respostas a essas perguntas criam algo
semelhante, embora um pouco menos formal, às declarações de problemas discutidas no Capítulo
6. Usando o exemplo de instalação de carpetes, por exemplo, a descrição pode ser:
Os clientes não estão satisfeitos com a instalação de carpetes porque as bordas estão se soltando
dentro de algumas semanas da instalação. As bordas pobres estão criando problemas de
segurança e estéticos e aumentando as despesas e o retrabalho para as equipes que precisam
retornar aos locais para solucionar os defeitos. O objetivo é reduzir o número de vezes que as
bordas do carpete aparecem em 80%. A organização deve abordar o problema porque está
custando US $ 20.000 por mês em erros.
Uma idéia básica do que a equipe quer fazer é fornecida, e a liderança tem uma medida muito real
de por que a melhoria é importante. Melhor ainda, a medição - US $ 20.000 em custos adicionais a
cada mês - pode ser comparada a outras oportunidades do projeto.
3. Aplique Alguns Critérios Básicos para Encurtar a Lista

Depois que uma lista de possíveis projetos é criada, as equipes podem aplicar alguns critérios muito
básicos para remover projetos que são inadequados, não funcionam com a metodologia Seis Sigma,
não têm escopo de propriedade ou têm pouco retorno sobre o investimento. Esta etapa geralmente
começa durante a segunda parte da segunda etapa, quando as equipes estão criando descrições
curtas de possíveis projetos.
Primeiro, as equipes podem remover itens da lista onde não há um ponto de dor real. Se não
houver uma diferença significativa entre o estado desejado e o estado atual, não haverá nada a
melhorar. Por exemplo, se uma única reclamação de funcionário sobre a eficiência de um software
fosse incluída na lista inicial, uma empresa não buscaria melhorias ainda mais se ninguém mais
estivesse tendo o problema.
Em segundo lugar, as equipes podem remover situações que tenham problemas e/ou soluções
muito óbvias. Considere o problema de instalação de carpetes: se a questão das bordas surgisse
no último mês e alguém da equipe revisando possíveis problemas recebesse recentemente um e-
mail sobre defeitos em materiais de borda de um fornecedor de carpetes, a solução poderia ser
óbvia. Talvez o fornecedor tenha enviado uma notificação de que os materiais em um determinado
lote de carpetes estavam com defeito e forneceu instruções para uma solução. Nesse caso, a
ação é necessária por parte da organização, mas essa ação não é um projeto Seis Sigma. Nós
falaremos mais sobre o processo DMAIC no capítulo 11, mas se um problema já foi definido e uma
solução fornecida, você não precisa gastar tempo com as fases DMAIC.
4. Criar Critérios Exclusivos de Negócio

Depois de remover as ideias de projetos que não se encaixam na metodologia Seis Sigma, as
equipes devem criar e aplicar critérios de negócio para filtrar ainda mais a lista. Critérios de
negócios geralmente vêm na forma de despesas, ganhos monetários, impacto na satisfação do
cliente e urgência. Algumas perguntas que as equipes podem fazer incluem:
• Como a melhoria afetará as medições voltadas para a receita, como lucro, pedidos ou
receita?
• Que economias a melhoria criará?
• Como o problema está tendendo? Está se tornando uma questão maior e mais urgente
rapidamente, ou a organização pode operar com impacto mínimo sem fazer uma
mudança imediata ou em um futuro próximo?
• Quanto vai custar a melhoria?

• Quantos funcionários / horas de trabalho serão necessários para a melhoria?
• Quais recursos são necessários para a melhoria?
5. Usar Critérios de Negócios para Priorizar Listas de Projetos

Usando os critérios de negócios, as equipes devem priorizar e selecionar projetos do topo da lista
priorizada para trabalho imediato. Uma das melhores maneiras de priorizar projetos é criar uma
matriz de seleção com critérios definidos e um sistema de classificação numérica.
Por exemplo, usando a questão do exemplo no passo quarto, podemos criar a seguinte lista de
critérios:
• Economia potencial
• Custo potencial
• Potencial aumento de receita
• Habilidade para acessar recursos necessários
Uma matriz pode ser criada usando os critérios e uma lista de projetos. As equipes podem
classificar cada projeto em relação a cada critério usando uma escala numérica. No exemplo
abaixo, aplicamos uma escala de 1 a 10, sendo 1 a mais negativa e 10 a mais positiva.
É importante notar que neste exemplo, os números não estão associados a números do mundo
real. Por exemplo, ao classificar economias, um número maior só demonstra uma expectativa
mais positive. Neste caso, a expectativa positiva seria uma alta quantia de economia. Ao
contabilizar custos, no entanto, o número mais alto (e expectativa mais positiva) estaria
relacionado com um projeto com menor custo total.
Economia Custos Aumento de receita Acesso a recursos Total
Projeto 1 1 8 9 10 28
Projeto 2 5 5 4 6 20
Projeto 3 10 2 2 2 16
Na tabela acima, você pode ver que o Projeto 1 tem baixa economia esperada, mas a equipe
também estima que terá um custo geral baixo, gerará um alto aumento na receita e terá fácil
acesso aos recursos. O Projeto 3, por outro lado, tem uma alta economia esperada, mas
classificações negativas em todas as outras categorias.
Para classificar os projetos, some as pontuações para todas as categorias e ordene os projetos do
maior para o menor pela pontuação total.
O Modelo de Viabilidade do Projeto

As equipes podem optar por criar seus próprios critérios para uma matriz de seleção de projetos,
ou podem usar um modelo de viabilidade de 15 pontos, conforme definido abaixo. Um benefício do
modelo de viabilidade do projeto é que ele fornece alguma ponderação, permitindo que as equipes
tornem alguns critérios mais importantes do que outros. Também remove parte da natureza
objetiva da matriz de seleção definida na seção anterior.
Este modelo é baseado em 15 critérios, que são definidos na tabela abaixo.
Critérios Definição
1. Patrocínio O projeto provavelmente será patrocinado em alto nível. (Para mais
informações sobre o patrocínio de projetos, veja as informações de
construção de equipe no capítulo 10). O patrocínio aumenta a chance de que
as equipes tenham acesso aos fundos e recursos necessários para um
projeto em potencial de sucesso.
2.Alinhamento Os objetivos do projeto estão alinhados com os objetivos do negócio.
Corporativo Trabalhar em projetos potenciais que não estão alinhados com as metas de
negócios pode reduzir a eficácia dos negócios.
3. Dados Os dados estão disponíveis ou podem ser acessados para que a equipe
possa projetar as métricas do projeto. Sem acesso a dados, uma
metodologia Seis Sigma não pode ser aplicada. Se os dados são
excessivamente demorados ou caros para coletar, então o projeto potencial
geralmente não é a melhor escolha.
4. Definição do Existe um defeito ou problema específico e bem definido. Sem um defeito
defeito bem definido, os projetos em potencial correm o risco de distorção do
escopo.
5. Estabilidade O processo em potencial é estável e não há expectativas de que o processo
será revisado, redesenhado ou alterado no futuro próximo. Geralmente não
há razão para gastar tempo e dinheiro melhorando um processo que mudará
drasticamente em breve de qualquer maneira.
6. Cliente O objetivo planejado do projeto em potencial criaria um impacto substancial e
positivo na satisfação do cliente ou na percepção de qualidade.
7. Benefícios O projeto em potencial tem uma forte relação custo-benefício.
8. Cronograma O cronograma para um projeto em potencial é relativamente curto. Os prazos
para a maioria dos projetos de melhoria do Seis Sigma são de cerca de 6
meses, embora alguns deles sejam mais longos. Cronogramas mais longos
diminuem a chance de que uma melhoria se encaixe na metodologia DMAIC.
9. Solução O objetivo do projeto em potencial é encontrar uma solução que ainda não
seja conhecida ou definida. Como dissemos anteriormente, se uma solução
for óbvia, você não precisa executar um projeto para encontrá-la.
10. Implementação Uma solução identificada e verificada pelo projeto em potencial
é provável provavelmente será implementada. Se, por algum motivo, a mudança for
muito improvável dentro de um processo, então passar pelo trabalho de
melhoria do Seis Sigma é um desperdício de recursos.
11.Investimento O projeto em potencial requer um grande investimento em dinheiro.
exigido Geralmente, quanto maior o investimento em dinheiro ou capital necessário,
menor a probabilidade de um projeto ser selecionado ou uma solução ser
implementada devido à análise de custo-benefício.
12. Recursos Seis Os Faixas Pretas e Verdes necessários para o projeto estão disponíveis.
Sigma disponíveis
13. Entradas podem Para que um projeto de melhoria de processos Seis Sigma seja bem-
ser controladas sucedido, pelo menos algumas das entradas devem estar sob o controle da
equipe ou organização. Por exemplo, uma equipe não pode trabalhar para
melhorar a qualidade de uma peça fornecida totalmente por um fornecedor.
14. Reformular O processo pode ser melhorado como está e não precisa de um novo design
completo.
15. Qualidade do A melhoria não afeta negativamente a qualidade do serviço ou dos produtos
processo é mantida/ ao longo da cadeia de valor.
melhorada
Baseado nos critérios acima, as equipes criam uma matriz.
Maioria Possivelm Maioria

Peso Não (1) Não (2) ente (3) Sim (4) Sim (5)
Há um patrocinador ou patrono?
As metas do projeto se alinham
às metas corporativas?
Os dados estão disponíveis ou de
acessíveis?
Os defeitos são bem definidos?
O processo é estável?
Há benefícios para o cliente no
projeto?
Há benefícios para a empresa no
projeto?
O projeto pode ficar pronto em até
6 meses?
A solução é desconhecida?
É provável que a solução
encontrada seja implementada?
Uma nova solução custaria quase
nenhum dinheiro?
Os membros da equipe Seis
Sigma estão disponíveis para o
projeto?
As entradas no processo podem
ser controladas?
O processo pode ser melhorado
sem ser totalmente refeito?
As melhorias irão manter ou
aperfeiçoar a qualidade através
da cadeia de valor?
As equipes aplicam um peso numérico para cada critério. Ponderar cada critério em uma escala de 1 a
5, sendo 1 o menos importante e 5 o mais importante. Por exemplo, nossa equipe com o problema de
instalação de carpetes pode criar pesos da seguinte maneira:
Peso
Há um patrocinador ou patrono? 3
As metas do projeto se alinham às metas corporativas? 4
Os dados estão disponíveis ou de acessíveis? 3
Os defeitos são bem definidos? 3
O processo é estável? 1
Há benefícios para o cliente no projeto? 5
Há benefícios para a empresa no projeto? 5
O projeto pode ficar pronto em até 6 meses? 3
A solução é desconhecida? 4
É provável que a solução encontrada seja implementada? 3
Uma nova solução custaria quase nenhum dinheiro? 5
Os membros da equipe Seis Sigma estão disponíveis para o projeto? 3
As entradas no processo podem ser controladas? 5
O processo pode ser melhorado sem ser totalmente refeito? 2
As melhorias irão manter ou melhorar qualidade através da cadeia de valor? 5
Em seguida, as equipes devem responder a cada pergunta marcando 1 na caixa relevante na grade; as
respostas correspondem com não, principalmente não, possivelmente, principalmente sim e sim. A
grade completa para o nosso problema de instalação de carpetes é mostrada abaixo.
Não Maioria Possivelmente Maioria Sim

Peso
(1) Não (2) (3) Sim (4) (5)
Há um patrocinador ou patrono? 3 1
As metas do projeto se alinham às metas 4 1
corporativas?
Os dados estão disponíveis ou de acessíveis? 3 1
Os defeitos são bem definidos? 3 1
O processo é estável? 1 1
Há benefícios para o cliente no projeto? 5 1
Há benefícios para a empresa no projeto? 5 1
O projeto pode ficar pronto em até 6 meses? 3 1
A solução é desconhecida? 4 1
É provável que a solução encontrada seja 3 1
implementada?
Uma nova solução custaria quase nenhum dinheiro? 5 1
Os membros da equipe Seis Sigma estão disponíveis 3 1
para o projeto?
As entradas no processo podem ser controladas? 5 1
O processo pode ser melhorado sem ser totalmente 2 1
refeito?
As melhorias irão manter ou melhorar qualidade 5 1

através da cadeia de valor?
Depois que uma matriz é concluída para cada projeto, as equipes devem calcular e comparar a
pontuação de possíveis projetos. Estes cálculos são concluídos através dos seguintes passos.
1. Divida cada peso por 3; um peso de 3 é igual a 1, mas um peso de 5 é igual a 5/3 ou 1,7
2. Converta cada um dos 1s listados em sua grade em um valor ponderado multiplicando-o
pelo peso convertido da etapa um. Por exemplo, o peso para a primeira pergunta na grade
acima é 3. Dividimos 3/3 para obter 1. Seríamos múltiplos 1 * 1 para a primeira linha. A
próxima linha é ponderada 4; 4/3 é 1,3. Os números foram todos convertidos na grade
abaixo.
P- Não Maioria Possivelmente MaioriaSim Sim

eso (1) Não (2) (3) (4) (5)
As metas do projeto se alinham às metas 4 1.3
corporativas?
Os dados estão disponíveis ou de 3 1
acessíveis?
O processo é estável? 1 0.3
Há benefícios para o cliente no projeto? 5 1.7
Há benefícios para a empresa no projeto? 5 1.7
O projeto pode ficar pronto em até 6 3 1
meses?
A solução é desconhecida? 4 1.3
implementada?
Uma nova solução custaria quase nenhum 5 1.7
dinheiro?
Os membros da equipe Seis Sigma estão 3 1.3
disponíveis para o projeto?
As entradas no processo podem ser 5 1.7
controladas?
O processo pode ser melhorado sem ser 2 0.4
totalmente refeito?
As melhorias irão manter ou melhorar 5 1.7
qualidade através da cadeia de valor?
3. Some os números em cada uma das cinco colunas.
Peso Não Maioria Possivelmente Maioria Sim

(1) Não (2) (3) Sim (4) (5)
As metas do projeto se alinham às metas 4 1.3
corporativas?
Os dados estão disponíveis ou de 3 1
acessíveis?

O processo é estável? 1 0.3
Há benefícios para o cliente no projeto? 5 1.7
Há benefícios para a empresa no projeto? 5 1.7
O projeto pode ficar pronto em até 6 3 1
meses?
A solução é desconhecida? 4 1.3
implementada?
Uma nova solução custaria quase nenhum 5 1.7
dinheiro?
Os membros da equipe Seis Sigma estão 3 1.3
As entradas no processo podem ser 5 1.7
controladas?
O processo pode ser melhorado sem ser 2 0.4
totalmente refeito?
As melhorias irão manter ou melhorar 5 1.7
1.3 4.4 4.7 3.3 4.4
4. Multiplique cada uma das pontuações ponderadas somadas pelo número no topo da
coluna. Por exemplo, a soma da coluna para as respostas “Não” é 1,3. Multiplicando isso
por 1 é igual a 1,3. As outras colunas são calculadas como:
• 4.4 * 2 = 8.8
• 4.7 * 3 = 14.1
• 3.3 * 4 = 13.2
• 4.4 * 5 = 22
5. Some as respostas da etapa anterior. Nesse caso, o total é 59,4.

6. Divida a soma da etapa cinco pela soma dos totais ponderados da etapa três. Nesse
caso, 59,4 / 18,1 = 3,28
7. A resposta do passo 6 é a pontuação do seu projeto.
Depois de marcar cada projeto em potencial, você pode determinar se é um projeto viável em uma
metodologia DMAIC com a seguinte chave:
Pontuação Viabilidade DMAIC
< 2.0 Não viável para o DMAIC
2.0 to 3.0 Possibilidade viável, mas as organizações devem validar mais
Above 3.0 Um projeto DMAIC viável

Deve-se notar que a matriz de 15 pontos descrita acima só pode ser usada para determinar se um
projeto é viável dentro de uma estrutura DMAIC. Um processo ainda precisa ser aprimorado,
mesmo que não se ajuste à metodologia DMAIC; no caso de um redesenho, a estrutura DMADV
pode permitir que as equipes Seis Sigma aproximem-se da melhoria. As diferenças entre as
metodologias DMAIC e DMADV, e como determinar qual método é melhor para um projeto, são
cobertas mais profundamente no capítulo 11.
Seleção de Projeto em Nível de Processo

O objetivo de uma equipe Seis Sigma não é definir projetos apropriados em nível corporativo. Um
departamento ou equipe responsável por apenas alguns processos pode estar procurando fazer
uma melhoria. Em uma organização onde o Seis Sigma é importante para a cultura de negócios,
os líderes departamentais provavelmente estão familiarizados com algumas ferramentas do Seis
Sigma e podem até mesmo ser Faixas Verdes ou Pretas. Embora esses líderes tenham
responsabilidades diárias que não são relacionadas ao Seis Sigma, eles podem levar os
processos de pensamento do Seis Sigma ao departamento deles.
Os líderes departamentais podem querer identificar oportunidades potenciais para apresentar à

liderança. Eles também podem querer identificar áreas em que eles e suas equipes possam
trabalhar para melhorar eles próprios. Em algumas organizações, os líderes de departamentos
podem executar versões menores de projetos com a orientação de especialistas da equipe Seis
Sigma - especialmente quando tais projetos exigem pouco capital ou recursos.
A equipe do departamento pode usar todas as ferramentas deste capítulo para identificar possíveis
projetos. Muitas vezes, porém, eles estão próximos o suficiente da situação para identificar as
possibilidades de melhoria sem passar pelos estágios de brainstorming. Se os dados já estiverem
presentes, a equipe do departamento pode usar gráficos de Pareto para identificar algumas áreas em
que a melhoria criaria resultados; eles podem então usar a matriz de seleções para validar essas
suposições e priorizar os esforços.
Veja por Você Mesmo

Considere um problema ou necessidade para melhoria em sua própria empresa ou uma
que você lidou em uma experiência anterior de trabalho. Pratique a conclusão da matriz
de viabilidade do projeto usando o modelo abaixo.
Peso Não Maioria Possivelmente Maioria Sim
(1) Não (2) (3) Sim (4) (5)
Há um patrocinador ou patrono?
As metas do projeto se alinham às metas
corporativas?
Os dados estão disponíveis ou de acessíveis?
Os defeitos são bem definidos?
O processo é estável?
Há benefícios para o cliente no projeto?
Há benefícios para a empresa no projeto?
O projeto pode ficar pronto em até 6 meses?
A solução é desconhecida?
É provável que a solução encontrada seja
implementada?
Uma nova solução custaria quase nenhum
dinheiro?
Os membros da equipe Seis Sigma estão
As entradas no processo podem ser
controladas?
O processo pode ser melhorado sem ser
totalmente refeito?
As melhorias irão manter ou melhorar
TOTAL:
Score:
Capítulo 10: Gerenciamento Básico de
Seis Sigma
O Seis Sigma é normalmente gerenciado em dois níveis dentro de uma organização. Primeiro, a
cultura do Seis Sigma deve ser gerenciada em nível corporativo, geralmente por um grupo ou
conselho de gerentes seniores, como executivos, com a orientação de um Faixa Preta Master ou
Faixa Preta. Por fim, esse grupo define o tom para o Seis Sigma dentro de uma organização,
fornece aprovação final para projetos e responsabiliza outras pessoas por métricas, desempenho
e sucesso. Embora muitos desses indivíduos também possam trabalhar como patrocinadores ou
patronos em projetos, eles não costumam se envolver nos detalhes do projeto do dia-a-dia.
Alguns papéis de um grupo de liderança de alto nível Seis Sigma incluem:
•
Criar uma justificativa para o uso do Seis Sigma na organização e apoiar a melhoria de
processos como uma meta cultural.
• Definir objetivos claros para as iniciativas de Seis Sigma para garantir que os objetivos do
projeto estejam alinhados com os objetivos do negócio.
• Manter as equipes de Seis Sigma e a organização responsáveis por melhorias e desempenho.
• Exigir e revisar medidas de resultados
• Comunicar vitórias e derrotas à equipe de maneira honesta.
• Recompensar equipes e indivíduos pelos sucessos do Seis Sigma.
• Defender recursos e financiamento para projetos de melhoria necessários.
O Seis Sigma também deve ser gerenciado no nível de equipe, que é o foco principal deste
Capítulo. Cobriremos a criação de uma equipe, detalharemos as várias funções comuns em uma
equipe Seis Sigma e falaremos sobre o gerenciamento de uma equipe com cronogramas e
agendas, metas, orçamentos e uma medida definida de sucesso.
Criando uma Equipe Seis Sigma

Você não pode simplesmente ter uma equipe pronta pronta para começar a trabalhar em todos os
projetos que surgirem. As equipes Seis Sigma devem ser personalizadas de acordo com as metas
e processos em mãos. Os mesmos especialistas do Seis Sigma - líderes Faixa Preta, analistas de
dados ou gerentes de projeto - podem trabalhar em vários projetos, mas especialistas individuais e
membros da equipe só trazem alto valor para a equipe se estiverem familiarizados com o processo
ou tiverem alguma educação, conhecimento ou habilidade relacionada para oferecer. Nem todos
os membros da equipe servirão consistentemente durante toda a vida de um projeto. Muitas
vezes, é por isso que as empresas enviam os funcionários existentes para o treinamento Seis
Sigma, em vez de contratar especialistas em Seis Sigma.
Grupos de liderança executiva que trabalham com líderes e especialistas do Seis Sigma
costumam reunir equipes. Qualquer equipe de melhoria de processos deve ter, no mínimo:
• Um líder Seis Sigma

• Um proprietário do processo
• Um especialista no processo
• Alguém para gerenciar orçamento e contabilidade
Alguns desses papéis podem ser executados pela mesma pessoa; o proprietário do processo
também pode ser o especialista em processo. Dependendo das expectativas de necessidades, a
equipe também pode precisar incluir recursos técnicos, como um programador ou líder de TI, bem
como indivíduos de recursos humanos, conformidade, jurídico ou outros departamentos auxiliares.
Três Tipos de Membros de Equipe

Ao reunir as equipes, as organizações devem lembrar que existem três tipos básicos de membros
da equipe com relação a um projeto Seis Sigma. Primeiro, existem os membros regulares da
equipe. Esses indivíduos participam de todas as atividades da equipe e participam de todas ou
quase todas as reuniões da equipe. Os membros regulares da equipe incluem líderes de projeto,
proprietários e especialistas de processos, e especialista no assunto identificado, que a equipe ou
os executivos consideram que seriam componentes essenciais de seu grupo.
Em segundo lugar, os membros da equipe ad hoc fornecem experiência conforme a necessidade.
Normalmente, estes são especialistas no assunto ou funcionários que trabalham diretamente com
o processo. Você não quer tirar esses funcionários de suas funções de trabalho para cada evento
de equipe, pois isso afetaria negativamente o estado da produção atual. Em vez disso, esses
funcionários são incluídos nas reuniões de equipe, conforme necessário, quando informações ou
assistência adicionais são necessárias.
Por fim, os membros da equipe de recursos só são incluídos quando o líder da equipe do projeto
acha que eles são necessários em um evento de reunião ou de equipe para fornecer informações,
conselhos ou ajuda especializada no acesso a recursos.
Os membros da equipe de recursos geralmente são membros de departamentos auxiliares, como
contabilidade, recursos humanos ou conformidade. Os membros da equipe de recursos também
podem ser gerentes ou líderes em departamentos relacionados ao processo que está sendo
aprimorado. Por exemplo, se uma equipe está procurando melhorar um departamento de
atendimento ao cliente, pode precisar de ajuda com informações do departamento de marketing;
alguém do departamento de marketing poderia ser adicionado como membro da equipe de
recursos.
Dicas para Selecionar Membros da Equipe

A maioria das equipes de melhoria de processos Seis Sigma é relativamente pequena: cinco
membros regulares da equipe são considerados um bom número em média. Adicionar muitos
membros da equipe regularmente pode criar problemas de comunicação, dificultar o
gerenciamento de sessões de brainstorming e causar burnout. Quando todas as equipes Seis
Sigma de uma empresa são grandes, há uma boa chance de que os membros da equipe estejam
atuando em vários projetos. Embora os membros ad hoc ou da equipe de recursos possam
atender a vários projetos e lidar com seu próprio trabalho diariamente, os membros da equipe
regulares não devem ser solicitados a servir em mais de uma equipe e lidar com cargas de
trabalho diárias. Na verdade, os líderes organizacionais podem considerar a redução dos
requisitos de trabalho para os membros da equipe que estão atuando como membros em tempo
integral em um projeto.
Outras dicas para selecionar os membros da equipe incluem:
• Escolher funcionários com conhecimento sobre o cliente, produto ou processo relacionado ao

projeto.
• Escolher funcionários que demonstraram disposição e capacidade de trabalhar para melhorar
em um ambiente de equipe.
• Selecionar funcionários que tenham acesso e uma compreensão dos dados necessários para
conhecer e medir o processo ou problema.
• Escolher funcionários que possam fornecer ao menos cinco horas de trabalho por semana para
a equipe.
• Combinar as habilidades dos funcionários para os projetos em mãos; Se um projeto incluir
todas as melhorias técnicas, você terá menos chances de adicionar um membro da equipe
com experiência em marketing.
• Remover os obstáculos políticos através da seleção de equipes; Se uma pessoa
específica em uma organização for um obstáculo para uma equipe, às vezes, colocar essa
pessoa na equipe aumentará a chance de que ela participe do processo.
Papéis dos Membros da Equipe

As funções de membros da equipe descritas nesta seção baseiam-se nas melhores práticas de
melhoria de processos Seis Sigma, mas as melhores práticas também dizem que as equipes e os
líderes de equipe não devem ser excessivamente rígidos. Líderes e especialistas experientes
entendem como trabalhar dentro das melhores práticas e, ao mesmo tempo, criam estruturas
únicas de equipe adaptadas ao projeto ou processo em questão.
Patrocinadores e Patronos
Já falamos brevemente sobre patrocinadores e campeões nos Capítulos anteriores. Na maioria
dos ambientes Seis Sigma, esses são os líderes de nível sênior que supervisionam projetos no
mais alto nível. Até mesmo o Faixa Preta deve se reportar ao patrocinador ou patrono do projeto.
O líder sênior geralmente é responsável pelo resultado final de um projeto, o que significa que ele
geralmente quer relatórios regulares sobre o progresso; Às vezes, o patrocinador ou campeão é a
ligação entre a equipe e o conselho de liderança. Como líder sênior, o campeão ou patrocinador
também é responsável por auxiliar a equipe na obtenção de fundos e recursos para garantir o
sucesso do projeto. Alguns deveres adicionais nessa função incluem:
• Treinar a equipe, especialmente no estágio de abertura do projeto. O patrocinador

geralmente fornece informações sobre o que está no escopo de um projeto e quem pode
ser incluído em uma equipe.
• Localizar recursos para a equipe, incluindo suporte de outros departamentos, dinheiro,
equipamento, tempo e horas de trabalho.
• Lidar com questões de política dentro da estrutura corporativa
• Trabalhar com outros gerentes da organização para ajudar a equipe a ter sucesso na
melhoria do processo e na transição de melhorias para um ambiente de trabalho diário.
Proprietários do Negócio ou Processo

O proprietário do negócio ou processo geralmente é alguém que é diretamente responsável pelo
processo em uma função de liderança. Normalmente, o proprietário do processo é a pessoa que
vai “receber” uma solução implementada por uma equipe Seis Sigma quando a solução estiver
pronta para ser implementada por todos os membros da equipe ou usada diariamente. Por isso, o
dono do processo é geralmente incluído na equipe porque deve entender como e por que qualquer
alteração é feita. O proprietário do processo também deve estar familiarizado com os métodos de
controle criados pela equipe do Seis Sigma, pois ele será responsável por manter e monitorar
esses controles quando o processo for transferido de um ambiente de equipe para a produção do
dia-a-dia.
Um proprietário de processo geralmente também atua como um especialista em processo em uma

equipe Seis Sigma. O proprietário do processo tem uma visão do processo existente, compreende
as necessidades dos clientes e funcionários relacionados ao processo e pode já ter acesso aos
dados referentes ao processo. O proprietário do processo nem sempre é o único especialista em
processo de uma equipe, no entanto; em alguns casos, a pessoa que possui o processo não tem
interação diária suficiente com o processo para ser um especialista.
Ao liderar ou gerenciar uma equipe Seis Sigma, os Faixas Pretas e outros precisam ter cuidado
com os proprietários de processos resistentes à mudança ou que acreditam ter todas as
respostas. Alguém que está definido em seus caminhos pode não querer envolver outros
membros da equipe ou acreditar que certas mudanças são “impossíveis” porque são novas.
Alguns líderes que também são donos de processos podem ter medo de que um membro da
equipe ofusque-os ou ameace sua posição, o que poderia levá-los a impedir que os membros da
equipe participassem de uma equipe. Esses são alguns dos problemas políticos e humanos
enfrentados pelos líderes do Seis Sigma, e os Faixas Pretas e líderes de projetos devem trabalhar
com tato com patronos, patrocinadores e gerentes de processos para resolver esses problemas.
Líderes Seis Sigma

Os projetos Seis Sigma são geralmente liderados por Faixas Pretas certificados, embora algumas
organizações permitam que os Faixas Verdes atuem como líderes em pequenas iniciativas com
feedback e orientação ocasionais do Faixas Pretas. Na maioria das organizações, o Faixa Preta é o
principal responsável pelo trabalho regular realizado por uma equipe e geralmente trabalha apenas com
uma equipe ou projeto de cada vez.
Os melhores cenários permitem que as organizações alinhem Faixas Pretas com projetos em áreas
com as quais já estão familiarizados. Por exemplo, um banco pode ter vários Faixas Pretas na equipe.
Cada Faixa Preta pode se especializar em trabalhar com determinados processos ou departamentos;
um pode trabalhar geralmente com processos de conformidade e auditoria, outro com contabilidade, um
terceiro com processos voltados para o cliente e um quarto com processos on-line. Como os recursos
de Faixa Preta podem ser limitados, isso nem sempre é possível. A maioria dos Faixas Pretas
certificados podem trazer métodos Seis Sigma para processar melhorias, mesmo em áreas que não
estão familiarizados. Em alguns casos, vários gerentes ou outros indivíduos são certificados como
Faixas Pretas e podem liderar processos além de suas responsabilidades regulares, embora isso possa
sobrecarregar os funcionários e nem sempre seja a melhor solução.
Os líderes do projeto Faixa Preta costumam trabalhar para:
• Ajudar a criar uma justificativa para um projeto.

• Fornecer informações para a seleção dos membros do projeto da equipe.
• Liderar equipes em todas as fases do DMAIC, abordadas em profundidade na Unidade 3.
• Educar e apoiar membros da equipe à medida que aprendem e usam ferramentas Seis Sigma.
• Fornecer supervisão através de gerenciamento de tempo, tomada de decisão e planejamento.
• Manter cronogramas e agendas, às vezes em conjunto com um Gerente de Projeto certificado.
• Fornecer experiência na forma de análise estatística ou orientação com análise.
• Auxiliar na transição do projeto.
• Reportar para patrocinadores ou patronos regularmente.
• Fornecer documentação no final do projeto.
Em algumas organizações, os Faixas Pretas Master desempenham um papel geral na liderança

de vários projetos Seis Sigma. Faixas Pretas Master atuam como coaches para várias equipes;
Faixas Pretas liderando equipes Seis Sigma podem trabalhar com os Faixas Pretas Master para
solucionar problemas especialmente difíceis ou buscar ajuda para análises estatísticas complexas.
Os Faixas Pretas Master fornecem educação continuada para os Faixas Pretas e Verdes,
ajudando os membros da equipe a melhorar constantemente sua compreensão das metodologias
Seis Sigma.
Gerentes de Processo
Algumas organizações usam técnicas tradicionais de gerenciamento de projetos, juntamente com

metodologias de melhoria Seis Sigma. Nessas organizações, um gerente de projeto geralmente é
atribuído a um projeto Seis Sigma.
Embora as estruturas variem de acordo com a organização, o gerente de projeto geralmente não
lidera a equipe. Em vez disso, O GP oferece apoio ao líder Faixa Preta, acompanhando a
documentação e os cronogramas, ajudando a manter as reuniões sob controle e garantindo que
os itens sejam acompanhados após as reuniões. No início, você pode pensar que adicionar uma
GP a uma equipe causaria problemas para um Faixa Preta, mas quando as duas funções
funcionam juntas, o Faixa Preta se beneficia. Com um GP se preocupando com cronogramas ou
se a reunião está indo muito longe, um Seis Sigma está livre para se concentrar na sessão de
brainstorming ou análise estatística disponível.
Cronometrista
Nem toda equipe Seis Sigma usa cronometristas, mas eles podem ajudar a manter as reuniões
sob controle, reduzir a chance de aumento do escopo e aumentar a produtividade geral. O
cronometrista pode ser qualquer pessoa da equipe que não esteja regularmente envolvida em
reuniões importantes, atividades de brainstorming ou atividades de anotações e gravação da
equipe. O mesmo não deve policiar o tempo de uma maneira tão rígida que os benefícios da
discussão fluida e de brainstorming sejam perdidos, mas deve orientar as equipes para seguir os
cronogramas ou fornecer ao líder do projeto uma indicação de que o tempo é longo para o tópico
em questão.
Para funcionar corretamente, um cronometrista precisa de uma agenda a ser seguida. Geralmente
é responsabilidade do Faixa Preta ou gerente de projetos fornecer uma agenda detalhada para
cada reunião. A agenda deve incluir indicações claras sobre quanto tempo cada item deve levar,
embora as equipes devam sempre estar cientes de que as agendas podem ser alteradas durante
a reunião, a critério do gerente de projeto ou do líder do projeto.
Líderes de equipe devem escolher um profissional que seja organizado e equilibrado. No calor das
discussões, é fácil qualquer membro da equipe perder a noção do tempo - e o cronometrista é um
membro da equipe. Além das tarefas regulares como membro da equipe, espera-se que o mesmo:
• Fique de olho na agenda e no horário

• Informe os membros da equip quando o tempo para uma determinada agenda está quase
no fim; equipes podem querer configurar uma regra de aviso de cinco minutos para que
eles tenham alguns minutos para encerrar uma discussão
• Sinalize que o tempo acabou para uma determinada discussão ou item
• Embora os líderes de projeto possam optar por ignorar as agendas, eles também devem
respaldar a capacidade do cronometrista de interromper educadamente. Os
cronometristas não podem trabalhar se estiverem sendo atrapalhados por outros membros
da equipe por notarem o tempo.
Escribas ou Secretários da Reunião

Muita discussão ocorre em meio às sessões de brainstorming e equipe do Seis Sigma, e alguém
precisa registrar essas informações. As notas são importantes porque ajudam os membros da
equipe a revisar o que foi discutido, criar listas de acompanhamentos e ações de uma discussão e
gravar gráficos, planilhas e diagramas criados durante os processos de brainstorming. Enquanto
todos podem tomar notas, o líder deve nomear uma pessoa como o escriba oficial da equipe. Às
vezes, essa pessoa é um gerente de projeto certificado trabalhando em conjunto com um líder de
equipe Seis Sigma. Outras vezes, é um membro da equipe que é visto como detalhado e
organizado.
O Faixa Preta ou outro líder do projeto nunca deve ser o escriba; É muito difícil fazer anotações
enquanto conduz uma discussão ou exercício. O Faixa Preta pode fazer algumas anotações
durante a discussão, mas é provável que ele perca detalhes importantes enquanto trabalha
diretamente com outros membros da equipe.
O escriba deve criar notas ou atas da reunião em formato digitado e divulgar essas notas para
todos os membros da equipe o mais rápido possível após uma reunião. Os membros da equipe
podem revisar as notas e adicionar qualquer informação que esteja faltando, se desejado;
Frequentemente, as organizações criam portais ou sistemas de arquivos compartilhados para que
as equipes possam manter anotações e todos os outros documentos em um local de fácil acesso.
Um desafio ao registrar as discussões de uma reunião do projeto Seis Sigma é registrar os

diagramas e o brainstorming que ocorreram. Isso é especialmente verdadeiro se as equipes
usarem quadros brancos, papéis ou notas para criar diagramas; o escriba nem sempre está
equipado com as habilidades ou o software para recriar uma versão computadorizada de tais
documentos. Uma dica para registrar essas informações que é usada por muitas equipes
modernas do Seis Sigma é tirar uma foto dos diagramas com um smartphone ou câmera digital.
As imagens podem ser carregadas no espaço de trabalho compartilhado da equipe. se necessário,
um Faixa Preta ou Verde pode converter os diagramas brutos em uma versão computadorizada
com o objetivo de apresentar informações à liderança ou a outros departamentos, se desejado.
Membros da Equipe
No início deste Capítulo, cobrimos os três principais tipos de membros da equipe: regular, ad hoc
e recursos. A seleção de membros para cada uma dessas funções depende do líder do projeto, do
patrocinador ou do patrono e da equipe geral de liderança organizacional. Além do líder do projeto,
do proprietário do processo e do especialista em processo, as equipes do Seis Sigma são
geralmente compostas de um a três outros membros da equipe. Além de atuar como
cronometrista ou escriba como indicado pelo líder da equipe, os membros da equipe também:
• Participam de sessões de brainstorming, discussões e outras atividades da equipe.

• Coletam dados e realizam análises sob a direção do Faixa Preta. Frequentemente, os
membros da equipe que executam essas funções são Faixas Verdes.
• Realizam o trabalho entre as reuniões, conforme exigido pelo líder do projeto.
• Relatam os resultados e o progresso das tarefas individuais para a equipe.
• Revisam o trabalho realizado por outros membros da equipe e pela equipe como um todo,
oferecendo sugestões e feedback.
Cronograma, Agenda e Marcos

Agendar e manter o cronograma são parte integrante do processo do projeto Seis Sigma. Líderes
organizacionais precisam entender quanto tempo um projeto levará, quando os resultados podem
ser esperados e quando os recursos da equipe serão liberados para outros empreendimentos.
Sem essa informação, a liderança não pode planejar melhorias contínuas e os funcionários podem
se sentir presos em um projeto que parece não terminar. Nesta seção, abordaremos dois métodos
para criar um cronograma ou agenda do projeto e abordar a importância dos marcos.
Cronograma Baseado em Fases
Projetos Seis Sigma geralmente seguem uma série específica de fases; introduzimos brevemente
o conceito do método DMAIC. DMAIC divide um projeto em cinco fases: Definir, Medir, Analisar,
Melhorar e Controlar. Especialistas experientes de Seis Sigma com alguns dados e informações
sobre um projeto e processo geralmente podem fornecer uma estimativa básica e crua do tempo,
atribuindo certo número de semanas a cada fase. Também é importante notar que a maioria das
fases provavelmente se sobrepõe.
Para criar um cronograma cru para o projeto, um líder Seis Sigma Faixa Preta ou outro geralmente
começa com um requisito geral de tempo. Ele estima o tempo total necessário para a melhoria ou
trabalha com um prazo imposto pela liderança. Por exemplo, o grupo de liderança pode dizer que
uma melhoria precisa ser concluída em quatro meses.
Usando uma linha do tempo de quatro meses e informações já disponíveis sobre o processo,
problema e recursos, o Faixa Preta pode criar uma linha do tempo estimada para o processo
DMAIC que se parece com a figura abaixo.
Semana
Definir
Medir
Analisar
Melhorar
Controlar
O prazo estimado é de 16 semanas; O especialista acredita que a fase de definição levará três
semanas e a fase de medição terá cinco. A fase de medição se sobrepõe às fases de definição e
análise, o que é normal nos projetos Seis Sigma.
O benefício dessa abordagem é que você pode gerar um cronograma rapidamente. As

desvantagens são que alguém sem experiência no Seis Sigma e uma quantidade razoável de
conhecimento do processo sendo aprimorado pode facilmente julgar mal o tempo necessário para
cada fase e a liderança pode considerar isso como um cronograma difícil, o que pode criar
expectativas irrealistas. Ao apresentar esse cronograma, certifique-se de que todos saibam que é
uma estimativa aproximada e que o tempo de cada fase pode mudar conforme avança no
processo.
Método do Caminho Crítico
O método do caminho crítico é uma maneira mais detalhada de definir linhas de tempo para vários
elementos de um projeto, mas requer mais informações e entrada de uma equipe de projeto. Isso
significa que você provavelmente não poderá fornecer um cronograma detalhado até que o projeto
esteja em andamento. um diagrama de caminho crítico pode ser uma das atividades que a equipe
realiza como parte da fase Definir.
Criando um Diagrama de Caminho Crítico

Um diagrama de caminho crítico pode ser criado para todo o projeto ou para cada fase de um
projeto. Conforme passamos pelas etapas de criação de um diagrama de caminho crítico,
usaremos a fase Definir de um projeto para reduzir a inadimplência (faturas não cobradas) em um
ambiente de faturamento médico como exemplo.
1. Identifique as necessidades ou atividades críticas para concluir o projeto ou a fase de um

projeto.
Para completar a fase de definição do nosso projeto para melhorar a inadimplência em um cenário
de faturamento médico, a equipe precisa escolher uma equipe, definir o projeto, definir o problema
e criar uma métrica de linha de base.
2. Coloque as atividades críticas em ordem.
A ordem com a qual a equipe deve realizar as tarefas definidas na etapa um é:
• Escolha da equipe
• Carta do projeto e definir o problema (essas tarefas podem ser feitas
simultaneamente)
• Criar uma métrica de linha de base
3. Atribua um tempo para cada tarefa.
Um especialista da Seis Sigma estima que levará uma semana para escolher uma equipe, uma
semana para criar uma carta, um dia para criar uma declaração de problema e duas semanas
para criar uma métrica de linha de base.
4. Crie um diagrama das tarefas, empilhando processos simultâneos ou paralelos e incluindo

figuras temporais.
O diagrama é criado da esquerda para a direita. Os itens à esquerda devem ser feitos antes que
os itens à direita possam ser concluídos. Quando os itens podem ser feitos ao mesmo tempo, eles
são empilhados.
Criar a declaração de
problema
1 dia
Criar métrica de linha
Escolher a equipe
de base
1 semana
2 semanas
Criar a carta do projeto
1 semana
5. Trace um caminho critic através do diagrama.
Quando as etapas são sobrepostas, o caminho crítico passa pela etapa com a estimativa de
tempo mais longa. Por exemplo, a equipe pode criar uma declaração de problema enquanto está
trabalhando em uma carta de projeto; a carta de projeto leva de segunda a sexta-feira para ser
concluída. A declaração do problema está completa na terça-feira. No entanto, a equipe não
conclui todas as etapas dessa série até que sejam concluídas com a carta do projeto.
Criar a declaração de
problema
1 dia
Criar métrica de
Escolher a equipe
linha de base
1 semana
2 semanas
Criar a carta do projeto
1 semana
6. Some os tempos mais longos de cada seção.

Nesse caso, a equipe adiciona 1 semana, 1 semana e 2 semanas para chegar ao total de 4
semanas para a fase de definição.
Usamos um exemplo muito simples, mas você pode usar o método do caminho crítico para
estimar cronogramas para projetos ou processos extremamente complexos.
Reuniões de Marco
Depois que um cronograma é estabelecido, configure reuniões e datas de marcos para
ajudar a manter a equipe no caminho certo e notifique o patrocinador ou o defensor do
progresso. Em um projeto DMAIC, os marcos geralmente são definidos no final de cada
fase (Definir, Medir, Analisar, Melhorar e Controlar). No entanto, as equipes podem definir
marcos personalizados, e os patrocinadores podem exigir marcos específicos se
aprovarem grandes solicitações de recursos ou de financiamento para um projeto.
Você também pode configurar marcos em um ambiente de equipe para gerenciar metas e
tarefas, podendo mantê-los com da equipe. Por exemplo, uma equipe trabalhando em
uma cadeia de lanchonetes espera melhorar o processo de montagem dos sanduiches.
Eles criaram os seguintes marcos:
• Definir: 21 de janeiro
• Medir: 12 de fevereiro
• Analisar: 22 de fevereiro
• Melhorar: 15 de março
• Controlar: 10 de abril
As datas de marco são quando a equipe ou o Faixa Preta se reunirá com o patrocinador para
apresentar resultados de cada fase do projeto. Cada data dá à equipe algo para trabalhar. No
entanto, a equipe determinou que determinadas tarefas devem ser cumpridas durante a fase de
Medição. Primeiro, precisam criar algumas definições de termos para que todos estejam na
mesma página ao discutir as medições. Em segundo lugar, a equipe precisa coletar dados sobre a
temperatura na qual os ingredientes são armazenados e cozidos. Por fim, a equipe quer observar
ativamente os funcionários da lanchonete para medir o tempo necessário para fazer vários
sanduíches.
A equipe pode configurar marcos internos para a fase de Medição, afirmando que as definições
serão criadas até 25 de janeiro, dados de temperatura coletados até 5 de fevereiro e dados de
tempo coletados até 10 de fevereiro.
Ao dividir cada fase, e cada tarefa maior, em partes menores, fica mais fácil para a equipe
permanecer no caminho certo e concluir o trabalho. Tarefas menores parecem mais gerenciáveis,
então elas são mais prováveis de serem realizadas.
Orçamentos
As equipes, especialmente os líderes, devem estar atentos aos orçamentos do projeto. Enquanto
o sucesso é avaliado pelos clientes finais em termos de desempenho, qualidade e satisfação,
equipes Seis Sigma também respondem à liderança corporativa. Para os líderes, o sucesso
também é medido em termos de tempo e orçamento. Um cronograma forte e bons marcos ajudam
a atender requisitos de tempo, e compreensão dos impulsionadores financeiros, forte

comunicação e supervisão financeira ajudam a manter o projeto dentro do orçamento.
Um dos desafios ao lidar com orçamentos em um projeto Seis Sigma é que nem todos os
membros da equipe estão sempre cientes dos fatores financeiros. Em alguns casos, a informação
financeira pode até ser restrita; os empregadores geralmente não querem dados específicos sobre
pagamento de funcionários tornados públicos para vários membros da equipe, por exemplo.
Algumas informações e análises podem ser realizadas apenas por um líder de projeto Faixa Preta,
nesses casos, especialmente se os dados forem críticos ou confidenciais.
Fora das preocupações com dados confidenciais, os projetos de melhoria de processo funcionam
melhor quando todos os membros da equipe são informados sobre o maior número possível de
drivers e dados. Quando as equipes sabem quanto financiamento um patrono está disposto a
buscar em seu nome, elas podem tomar decisões realistas sobre como melhorar um processo. Às
vezes, a solução com maior probabilidade de gerar mais melhorias não é viável devido ao
orçamento. Se o projeto de melhoria tem orçamento de US $ 50.000, a equipe não pode sugerir
uma solução que exija um investimento de capital de US $ 80.000 em máquinas, por exemplo.
Preocupações orçamentárias variam de acordo com a organização. Em algumas organizações,

líderes preocupam-se mais com gastos específicos de uma equipe, incluindo despesas com novos
equipamentos, contratação de novos funcionários ou compra de novos produtos ou software.
Algumas organizações adotam uma abordagem mais granular para orçamentos do projeto,
considerando a despesa de horas gastas pela equipe no projeto, bem como despesas associadas
a treinamento e implementação de uma solução fora do ambiente da equipe.
Os líderes de equipe Seis Sigma devem garantir que eles entendam como os líderes e as
organizações gerenciam orçamentos de projetos. Trabalhar pela primeira vez com uma
organização ou patrocinador significa ter conversas honestas e completas sobre como os
orçamentos são calculados, quanto patrocinadores estão dispostos a trabalhar para aumentar os
orçamentos e qual é o papel esperado do líder Seis Sigma na manutenção de orçamentos.
Medidas de Successo Definidas
Por fim, as equipes Seis Sigma devem criar uma medida bem definida de sucesso. Para gerenciar
melhor o projeto e a equipe Seis Sigma, líderes devem garantir que todos os membros da equipe,
líderes e patrocinadores concordem com o que significa sucesso. Se o sucesso não for definido, a
equipe arrisca aumento de escopo e se perder em um projeto que parece nunca terminar. Se o
sucesso não for bem definido, as equipes arriscam-se a concluir um projeto sem satisfazer o
cliente, o patrocinador ou todos os membros da equipe. Se um patrocinador e a equipe não
concordarem com o sucesso, a equipe pode pensar que concluiu um projeto bem-sucedido,
enquanto a liderança acredita que o projeto foi um fracasso.
No final, a gestão bem-sucedida da equipe Seis Sigma depende de muitos dos mesmos conceitos
que a liderança bem-sucedida em outros empreendimentos. Escolher as pessoas certas, ser claro
sobre as expectativas, abordar o trabalho de maneira organizada e ser honesto e aberto sobre o
progresso ajuda cada membro da equipe a obter sucesso e fornecer valor.
Capítulo 11: Introdução a DMAIC e
DMADV
Uma das coisas que diferencia o Seis Sigma de outras metodologias de melhoria de qualidade e
gerenciamento é a abordagem estruturada para cada projeto Projetos que devem melhorar um
processo existente segue um mapa para o sucesso conhecido como processo DMAIC; DMAIC divide-
se em cinco fases: Definir, Medir, Analisar, Melhorar e Controlar. As principais atividades de um
projeto DMAIC incluem identificar entradas ou causas críticas (os Xs) que estão criando o problema
(o Y), verificar essas causas, fazer brainstorming e selecionar soluções, implementar soluções e criar
um plano de controle para garantir que o estado melhorado seja mantido.
A metodologia DMAIC é projetada para ser bastante inclusiva - a grande maioria das equipes que
buscam melhorar um projeto será capaz de adequar as atividades aos passos do DMAIC, pois as
etapas são projetadas para permitir flexibilidade. Às vezes, porém, equipes percebem que
consertar ou melhorar o processo não é o caminho certo para obter melhorias sustentadas para a
empresa. Em vez disso, um processo pode precisar de substituição ou reprojeto completo para
atender às metas de satisfação do cliente ou melhoria organizacional. Em tais casos, equipes
podem empregar o método DMADV.
DMADV significa Definir, Medir, Analisar, Projetar e Verificar. Os princípios que regem o método
são muito semelhantes aos que governam o DMAIC, mas as duas últimas fases são voltadas para
a implementação e teste de um processo totalmente novo. As equipes Seis Sigma podem abordar
melhorias através do DMADV se:
1. A empresa deseja lançar um novo serviço ou produto.

2. Os líderes de negócios decidem substituir um processo devido a necessidades de
atualização ou para alinhar processos de negócios, máquinas ou funcionários com metas
futuras.
3. A equipe Seis Sigma descobre que provavelmente melhorar um processo não forneça o
sucesso desejado de um projeto.
A maioria das equipes entra no projeto sabendo se está empregando abordagens DMAIC ou
DMADV, mas alguns projetos DMAIC podem se tornar projetos DMADV - geralmente durante os
estágios Definir, Medir ou Analisar - quando a equipe percebe a necessidade de uma substituição
completa do processo. Mudar para a nova metodologia durante o meio do projeto pode exigir
transferências de recursos e pode afetar os cronogramas do projeto, o que significa que manter os
patronos e patrocinadores informados sobre o progresso da equipe e as decisões é essencial.
Vale notar que algumas organizações não usam formalmente a abordagem DMADV para nenhum
projeto, em parte porque acham mais fácil manter a nomenclatura de uma única metodologia.
Essas organizações ainda podem concluir projetos de redesenho de processos, alterando
algumas das atividades tratadas nos estágios Melhorar e Controlar do DMAIC. Em suma, as
equipes usam a abordagem DMADV, mas usam o palavreado associado ao DMAIC para
simplificar a educação Seis Sigma em todos os níveis da organização.
DMAIC versus DMADV
As principais diferenças entre DMAIC e DMADV são os objetivos que a equipe estabelece e o
resultado do projeto concluído. De certa forma, um projeto DMADV pode parecer ter um resultado
mais tangível, mas, na realidade, ambos os métodos buscam oferecer melhor qualidade, mais
eficiência, mais produção, mais lucros, maior satisfação do cliente ou alguma combinação dessas
coisas. Vamos apresentar cada uma das fases dos dois métodos neste capítulo. Mas primeiro,
vamos ver algumas definições rápidas de cada fase relacionadas a DMAIC versus DMADV.
Fase 1: Definir
Durante um projeto DMAIC, a fase de definição
busca identificar o problema, definir requisitos para O que é Gerenciamento de Mudanças?
o projeto e estabelecer metas para o sucesso.
Requisitos e definição de metas podem estar O gerenciamento de mudanças se refere a
relacionados a uma variedade de fatores e um processo bem gerenciado de fazer
dependem um pouco da orientação da equipe de alterações em uma organização.
liderança e dos orçamentos esperados, e líderes Frequentemente, as empresas usam
Seis Sigma podem usar várias ferramentas dentro políticas e regras de gerenciamento de
da fase para criar flexibilidade que permita vários

mudanças para controlar como as
tipos de projetos.
alterações são feitas em software,
infraestrutura ou processos que possuem
Em um projeto DMADV, o estágio de definição é
elementos de conformidade ou auditoria.
um pouco mais rígido. As equipes também
precisam identificar um problema e começar a Durante o gerenciamento de mudanças, as
definir os requisitos, mas os requisitos devem ser equipes devem documentar todas as
feitos em um ambiente de gerenciamento de
atividades de acordo com as políticas
mudanças. Às vezes, as organizações
corporativas e relatar mudanças e
implementam um programa de gerenciamento de
resultados para um comitê de supervisão.
mudanças, o que significa que as equipes Seis
Às vezes, os projetos do Seis Sigma
Sigma devem incorporar todos os requisitos desse
programa nas fases do DMADV. A equipe também envolvem mudanças que também são
trabalha para definir os requisitos do cliente para regidas por essas políticas, o que significa
criar uma barra de medição com a qual o que os líderes do Seis Sigma devem estar
desenvolvimento do processo possa ser preparados para se apresentar para mudar
comparado. os comitês de gerenciamento.
Fase 2: Medir
A fase DMAIC de medição ocorre quando as equipes usam dados para validar suas suposições
sobre o processo e problema. A validação de pressupostos também se funde na fase de análise. A
maior parte da fase de medição é ocupada com a coleta de dados e a formatação de forma que
possam ser analisados. A medição pode ser uma das tarefas mais difíceis em um projeto Seis
Sigma se os dados não estiverem sendo capturados. As equipes podem precisar criar ferramentas
para capturar dados, criar consultas para dados digitais, filtrar enormes quantidades de dados
para encontrar informações relevantes ou capturar dados em algum processo manual.
Depois de validar as suposições do estágio de definição com dados reais, a equipe pode revisitar
as declarações do problema, as metas e outras definições relacionadas ao processo. Se a equipe
deixar a definição com um “rascunho” dessas coisas, elas deverão deixar a medição com um
rascunho final. As equipes também trabalham durante as fases de Medição para medir as
principais entradas e etapas do processo em preparação para definição.
As equipes que trabalham com uma abordagem DMADV podem fazer algumas das mesmas
coisas durante a fase de Medidas, mas as atividades geralmente são mais direcionadas. As
equipes provavelmente coletarão dados e medições que os ajudem a definir requisitos de
desempenho para o novo processo.
Fase 3: Analisar
Durante a fase de análise de um projeto DMAIC, as equipes desenvolvem hipóteses sobre
relações causais entre entradas e saídas e entre Xs e Ys, elas reduzem a causalidade aos poucos
vitais (usando métodos como o princípio de Pareto) e usam análise estatística e dados para
validar as hipóteses e suposições feitas até agora. A fase de análise tende a fluir para a fase de
melhoria em um projeto DMAIC; testes de hipóteses para validar suposições e possíveis soluções
podem começar na análise e continuar na fase de melhoria.
Uma equipe usando DMADV também pode identificar relações de causa e efeito, mas geralmente
se preocupam mais com a identificação de melhores práticas e benchmarks para medir e projetar
o novo processo. As equipes também podem começar o trabalho de design de processos
identificando atividades de valor agregado e não agregado, localizando áreas onde os pontos de
restrição ou erros podem ocorrer e refinando requisitos para melhor atender às necessidades e
objetivos do projeto.
Fase 4: Melhorar ou Projetar

As equipes do Seis Sigma começam a desenvolver as ideias que começaram na fase de análise
durante a fase de melhoria de um projeto. Eles usam estatística e observações do mundo real
para testar hipóteses e soluções. O teste de hipóteses começa na fase de análise, mas é
continuado durante a fase de aprimoramento quando as equipes selecionam soluções e começam
a implementá-las. As equipes também trabalham para padronizar as soluções, preparando-se para
desenvolver processos aprimorados para a produção diária e para funcionários que não fazem
parte da equipe. As equipes também começam a medir os resultados e estabelecem as bases
para os controles que serão construídos na última fase.
A quarta fase é onde os projetos DMADV começam a divergir substancialmente dos projetos
DMAIC. A equipe realmente trabalha para projetar um novo processo, que envolve alguns dos
testes de soluções mencionados acima, mas também envolve mapeamento, princípios de fluxo de
trabalho e construção ativa de novas infraestruturas. Isso pode significar colocar novos
equipamentos, contratar e treinar novos funcionários ou desenvolver novas ferramentas de
software. As equipes também começam a implementar os novos sistemas e processos durante a
quarta fase.
Fase 5: Controlar ou Verificar

Para as equipes DMAIC e DMADV, a fase de controle ou verificação é onde as pontas soltas são
amarradas e o projeto é transferido para um ambiente de trabalho diário. Controles e padrões são
estabelecidos para que as melhorias possam ser mantidas, mas a responsabilidade por essas
melhorias é transferida para o proprietário do processo. Durante a transição, a equipe do Seis
Sigma pode trabalhar com o proprietário do processo e seu departamento para solucionar
quaisquer problemas com a melhoria.
Que Metodologia Usar?

Considere os seguintes projetos de melhorias. Que metodologia você acha que uma equipe Seis
Sigma pode usar para abordar cada projeto?
1. Uma empresa quer criar um aplicativo para smartphone para ajudar os clientes a criar
e gerenciar consultas
2. Um consultório médico teve várias reclamações de pacientes por ser muito difícil
marcar consultas, as comunicações das consultas são confusas, ou os pacientes
chegam para a consulta e são informados que não há consulta agendada.
3. Uma empresa que fabrica caixas de pizza não está contente com as margens de lucro
das caixas pequenas.
A equipe lidando com uma melhoria para o negócio no exemplo 1 escolheria uma abordagem
DMADV. Eles estão criando um produto que ainda não existe; enquanto a equipe está atendendo
a uma necessidade que já existe e está melhorando um processo geral – a marcação de consultas
- o aplicativo em si é um novo processo e um novo produto. O aplicativo precisará ser projetado,
integrado aos sistemas existentes, e o produto final testado antes da implementação completa.
O exemplo 2 é para um processo existente, então a equipe começaria com uma abordagem
DMAIC. É possível que a equipe determine durante o processo que uma solução pode ser o
desenvolvimento de um novo software de configuração de consultas ou a substituição de um
software existente por algo de um fornecedor diferente. Em alguns casos, isso pode justificar uma
mudança para DMADV, mas, como dito anteriormente, nem todas as organizações fariam isso.
Algumas organizações continuariam com o processo DMAIC e modificariam as atividades em

cada fase para atender às necessidades do projeto em questão.
O exemplo 3 é um exemplo clássico do que leva muitas equipes ao método DMAIC. O problema
ainda não foi definido, mas a organização sabe que as metas e expectativas não estão sendo
atendidas. Uma equipe de liderança pode trabalhar com especialistas no assunto e um ou mais
especialistas Seis Sigma para descobrir mais sobre os processos envolvidos antes de se decidir
por um ou mais projetos de melhoria.
Definir
Durante a fase de definição de um projeto de melhoria de processo Seis Sigma, as equipes criam
o que é conhecido como carta de projeto e plano básico de trabalho. Uma carta é uma sinopse do
projeto. Ele fornece algumas informações comuns e um resumo do que a equipe espera realizar. A
carta geralmente apresenta uma lista de membros da equipe, nomes dos responsáveis pelos
resultados, uma declaração de problema, uma meta e algumas definições básicas de escopo e
métricas para o sucesso. Algumas cartas também incluem uma estimativa aproximada do
cronograma para o projeto.
Também durante a fase de definição, as equipes criam ou listam requisitos mensuráveis do cliente
e criam documentos de alto nível sobre o processo (incluindo mapas de processo). Geralmente, as
equipes começam com um diagrama SIPOC para ajudá-las a entender um processo. As equipes
também devem identificar as partes interessadas durante a fase de definição. As partes
interessadas são indivíduos, dentro e fora de uma organização, que têm algum nível de influência
no sucesso de um projeto de melhoria. Ao compreender quem são as partes interessadas, as
equipes podem permanecer em contato com várias pessoas durante todo o projeto, comunicando-
se com essas partes interessadas conforme necessário para garantir a viabilidade futura de
qualquer melhoria que seja criada. Uma maneira de identificar as partes interessadas é através de
uma análise das partes interessadas.
Dicas para Movimento Positivo no Estágio de Definição

Um dos maiores desafios que as equipes do Seis Sigma enfrentam quando estão na fase de
definição de um projeto é gerar uma dinâmica positiva e direcionada que estabeleça as bases para
o restante do projeto. Como líder de equipe Seis Sigma, você pode aumentar as chances de
sucesso mantendo a equipe o mais focada possível durante o estágio de definição. Comece
explicando o processo Seis Sigma e o propósito do projeto para quaisquer membros subordinados
da equipe que possam não estar familiarizados com o Seis Sigma e o DMAIC. Em seguida,
trabalhe em equipe para criar regras básicas sobre como o projeto será executado - incluindo
como as reuniões são organizadas e gerenciadas, como as informações serão comunicadas e o
que cada membro da equipe pode ficar responsável durante o projeto.
Crie uma carta e um plano de projeto para que a equipe tenha algo para se concentrar. Se
possível, peça ao Patrono do projeto que passe tempo com a equipe. Ouvir diretamente de um
líder executivo sobre as expectativas e o apoio da liderança para o projeto ajuda a motivar a
equipe. Ao mesmo tempo, certifique-se de que o patrono não intervenha para assumir o projeto,
pois esse não é seu papel.
A Definição também é um bom momento para explicar os papéis do escriba e cronometrista e falar
sobre o propósito do brainstorming. Alguns líderes do Seis Sigma gostam de permitir que os
membros da equipe se revezem facilitando vários exercícios para o grupo, pois isso integra cada
pessoa com mais força no processo e ajuda os membros da equipe em todos os níveis a aprender
mais sobre o Seis Sigma.
Medir
Uma vez que uma equipe tenha uma boa compreensão do que o processo faz e como funciona,
qual é o problema e qual é a meta do projeto, a equipe passa de Definir para Medir. Normalmente,
a transição entre as fases é marcada por uma revisão de pedágio, na qual a equipe apresenta seu
trabalho de definição a um patrono ou a um quadro de liderança Seis Sigma. O patrocinador ou
diretoria fornece feedback e decide se a equipe está pronta para passar para a próxima fase.
Durante a fase de Medição, a equipe se preocupa em criar uma métrica de linha de base para o
processo e refinar as declarações de problemas e outras saídas do estágio de definição. A criação
de uma métrica de linha de base permite que as equipes entendam como um processo deve ser
medido e como o processo realmente está sendo executado antes que as melhorias sejam
iniciadas. Ele também fornece um ponto de comparação para que as equipes possam mostrar a
quantidade de melhorias que trouxeram para um projeto no final do método DMAIC.
Um dos maiores desafios, especialmente para equipes e membros da equipe que são novos no
método Seis Sigma, pode ser decidir o que medir. Muitas vezes, equipes inexperientes acabam
gastando tempo coletando dados que não fornecem respostas ou não podem ser usadas para o
processo. Como a fase de Medidas começa com algumas suposições e tentativas e erros, as
equipes e os líderes do Seis Sigma precisam ficar atentos ao progresso e redirecionar o trabalho
quando as medições não estiverem gerando as respostas ou a produção necessária.
Uma fase de Medição bem-sucedida requer fortes habilidades de observação, um entendimento

das razões por trás da medida, conhecimento de tipos de dados, como ferramentas discretas e
contínuas, para avaliação de medições e um sólido histórico em análise estatística. Algumas das
ferramentas frequentemente implantadas na fase de Medidas, como a árvore CTQ e o cálculo do
nível sigma, foram abordadas nos capítulos anteriores.
Dicas para uma Fase de Medição Eficiente

A fase de Medição é frequentemente a fase mais desafiadora para um líder de equipe Seis Sigma,
especialmente quando se trabalha com equipes inexperientes na metodologia. Quando as equipes
começam a se aprofundar em um processo e começam a medir as coisas, geralmente têm uma
ideia real de como o problema realmente é desafiador. Eles também podem ter dificuldade em
entender como e quando medir, e coletar dados não coletados antes pode ser demorado e
entediante. Devido a todos esses desafios, as equipes podem entrar no que é chamado de fase de
confronto - os membros da equipe questionam a viabilidade do projeto, criticam o patrocinador ou
o líder da equipe, reclamam quanto tempo o projeto está tirando de outras tarefas ou até deixam
de aparecer em reuniões completamente.
Os líderes Seis Sigma podem reduzir o impacto da invasão de uma equipe, demonstrando uma
abordagem calma para cada aspecto do projeto e redirecionando a forte emoção de invadir para
um trabalho mais produtivo. Se você puder identificar uma tarefa ou um problema fácil, permitir
que a equipe trabalhe nisso e realize algo imediatamente pode reduzir a excitação do confronto;
Os líderes Seis Sigma também devem garantir que o trabalho seja distribuído de forma justa e que
cada membro da equipe saiba exatamente quais são suas responsabilidades.
Analisar
Uma vez que as medições são coletadas - ou estão em processo de coleta - as equipes Seis
Sigma passam para a fase de Análise. Novamente, uma revisão de pedágio é realizada entre as
fases, mas as linhas entre Medir e Analisar são geralmente mais desfocadas do que as linhas
entre Definir e Medir. Em alguns casos, uma equipe precisa medir, analisar e, em seguida, avaliar
um pouco mais, principalmente se as métricas já não estiverem em vigor para um processo.
As fases de análise são quando as equipes executam o trabalho de detetive no processo. Usando
as pistas reunidas durante as fases de Definir e Medir, juntamente com as informações fornecidas
pelo patrocinador, pelo proprietário do processo e pelos especialistas no assunto, as equipes
tentam identificar as causas raízes de um problema; Eles também usam análises estatísticas e
outras ferramentas para verificar as causas antes de se voltarem para o trabalho de identificação
de possíveis soluções.Durante a fase de análise, as equipes usam uma variedade de ferramentas
- algumas das quais foram introduzidas nos capítulos anteriores. As ferramentas comuns na fase
de análise incluem gráficos de Pareto, gráficos de execução, histogramas, diagramas de causa e
efeito, diagramas de dispersão, mapas de processo e análise de valor.
À medida que as equipes passam pela fase de análise, também começam a se preparar para a
fase de melhoria. Durante a análise, as equipes podem começar a trabalhar em possíveis
soluções e selecionar soluções, desenvolver planos de melhoria e preparar documentação básica
sobre o trabalho de melhoria. Se uma equipe começa esse trabalho durante a análise, muitas
vezes depende do projeto individual e da maneira pela qual o líder da equipe Seis Sigma gostaria
de prosseguir. O líder da equipe deve garantir que as equipes não estejam realizando muito do
projeto ao mesmo tempo e que antecipar o trabalho de melhoria não reduza a eficácia do trabalho
realizado na fase de análise.
Dicas para uma Fase de Análise Forte

As equipes na fase de análise podem continuar sofrendo com confrontos; Se as equipes não
atacarem durante a definição ou medição, podem começar a fazer isso na análise. Os líderes Seis
Sigma podem usar as mesmas dicas para controlar confronto da fase Medir na fase de análise.
Outro desafio comum para os líderes de equipe do Seis Sigma é introduzir e explicar conceitos
estatísticos durante a fase de análise. Quando outros membros da equipe ou mesmo o defensor
do processo não estão familiarizados com a análise estatística, apresentar uma análise avançada
em termos de palavreado estatístico será um erro. Os membros da equipe não entenderão como
você chegou às conclusões que você está apresentando, o que torna menos provável que eles
recebam a solução ou a melhoria de maneira positiva.
Os especialistas Seis Sigmas devem estar cientes das limitações de conhecimento de vários
membros da equipe e trabalhar para apresentar as informações de uma forma que seja
compreendida por todos e continuar a aumentar o conhecimento dos membros da equipe,
explicando conceitos quando possível.
Melhorar
Durante a fase de melhoria de um projeto, uma equipe Seis Sigma seleciona uma solução final e
começa a pô-la em prática. Às vezes, as equipes selecionam mais de uma solução, especialmente
se algumas soluções menores são altamente relacionadas e trabalham juntas para uma solução
geral. No entanto, pode ser difícil determinar qual solução realmente melhora um processo, por
isso geralmente recomenda-se implementar uma alteração por vez e verificar essa alteração antes
de passar para outra.
As equipes também podem apresentar muitas soluções possíveis, as quais proporcionariam

alguma melhoria para o processo. Eles devem usar uma matriz de seleção de soluções ou outra
ferramenta Seis Sigma para avaliar soluções, escolhendo apenas algumas das melhores
soluções. Vale a pena notar novamente que a melhor solução nem sempre é a solução que
fornece mais melhorias. Soluções que são tão caras ou prejudiciais que causam desvantagens
que superam quaisquer benefícios nunca devem ser selecionadas pelas equipes de projeto.
Durante o Aprimoramento, as equipes do Seis Sigma devem continuar a manter as definições do

projeto em mente. A solução deve abordar uma causa raiz verificada na fase de análise; a causa
raiz deve estar diretamente relacionada ao problema declarado durante a fase de definição.
Depois de selecionar as soluções, as equipes devem testá-las usando ferramentas estatísticas e
amostragem do mundo real para garantir a eficácia antes de implantar soluções em um ambiente
de trabalho dinâmico.
Dicas para Manter-se Forte ao Chegar Perto do Fim de um Projeto DMAIC

Possivelmente, o problema mais comum que afeta as equipes Seis Sigma durante a fase de
Melhoria é a fadiga do projeto. Quando as equipes chegam à melhoria, elas já estão em um
projeto há semanas ou até meses; para muitos membros da equipe, o trabalho do projeto está
acima do trabalho regular. Fadiga ou frustração podem levar os membros da equipe a selecionar e
implementar soluções apenas para que o projeto seja concluído. Os líderes Seis Sigma precisam
trabalhar para manter as equipes motivadas em qualidade e melhoria.
A melhor forma de um líder de equipe Seis Sigma criar forças à medida que a equipe se aproxima
da conclusão do projeto é construir uma boa base nas fases iniciais. As equipes que entendem o
processo DMAIC e têm pelo menos uma compreensão básica de Seis Sigma e a análise
estatística ao chegar na melhoria são mais propensas a manter o planejamento, a análise e o
método DMAIC.
Os líderes de equipe também devem continuar a promover uma abordagem de equipe para todos
os aspectos do projeto. Um desafio para alguns líderes é a tentação de fazer medições e análises
e começar a realizar grande parte do trabalho sozinho. Às vezes, é mais rápido e fácil lidar com a
tomada de decisões e a análise por conta própria, especialmente quando há membros da equipe
que não são fluentes nos métodos DMAIC ou Seis Sigma. Fazer isso, no entanto, afasta os
membros da equipe, e pode resultar em um líder Seis Sigma sem conhecimento direto do
processo tomando a decisão errada. Manter a equipe envolvida - e tornar exercícios e reuniões
divertidos e produtivos - ajuda você a passar pela fase de melhoria.
Controlar
O controle é a fase final para as equipes Seis Sigma que empregam o processo DMAIC. Durante a
fase de Controle, as equipes geralmente lidam com quatro tarefas: criar a base para a disciplina
do processo, finalizar documentos relacionados à melhoria, estabelecer métricas contínuas para
avaliar o processo e criar um plano de gerenciamento de processo que permita à equipe fazer a
transição para o proprietário do processo.
As ferramentas usadas por uma equipe durante a fase de Controle incluem listas de verificação de
documentação, gráficos de controle, planos de resposta, mapas de processo e painéis de
processo.
A Fase de Controle geralmente é fácil para uma equipe porque o trabalho da equipe já atingiu um
ápice. Em um processo DMAIC bem administrado, a fase de Controle é um momento de lidar com
as pontas soltas e chegar ao final de um projeto. Ao mesmo tempo, as equipes podem achar que
é um desafio abandonar um processo em que se dedicaram tanto tempo. Quando as equipes
chegam à fase de controle, elas podem estar trabalhando com um processo há meses. Se um
líder Seis Sigma tiver feito seu trabalho, a equipe assumiu a propriedade do processo e se sente
pessoalmente ligada à qualidade e à produção, dificultando a entrega do trabalho para outras
equipes ou funcionários.
Para Terminar com uma Nota Positiva

Os líderes da Seis Sigma podem ajudar os membros da equipe na transição de um projeto,
preparando-os com antecedência para essa fase. Você também pode encontrar maneiras de
incorporar os membros da equipe em reuniões ou apresentações onde os resultados do projeto
estão sendo compartilhados. Os líderes da Seis Sigma devem sempre organizar uma reunião para
finalizar o projeto. A reunião deve ser um pouco comemorativa por natureza - se o orçamento, o
tempo e a política permitirem, os líderes do Seis Sigma podem considerar almoçar ou fazer
lanches durante a reunião. Reserve um tempo para reconhecer a contribuição de cada membro da
equipe e peça aos membros da equipe que identifiquem algo que aprenderam e que possa ser
aplicado ao seu próprio trabalho. Isso ajuda os membros da equipe a ver que o Seis Sigma é uma
cultura contínua dentro de uma organização, e o final de um projeto em particular não equivale ao
fim do envolvimento de cada pessoa na melhoria contínua.
O reconhecimento é extremamente importante ao finalizar um projeto Seis Sigma. Os membros da

equipe podem ter colocado horas extras para fornecer um excelente trabalho em um projeto,
mantendo suas próprias responsabilidades. Muitas vezes, o trabalho em um projeto Seis Sigma
não faz parte dos deveres regulares de um membro da equipe, então eles estão indo além do que
normalmente seria esperado deles. Os líderes da Seis Sigma devem fazer questão de reconhecer
o trabalho dos membros da equipe na frente de um patrocinador ou patrono do projeto e, quando
possível, em frente ao departamento para o qual a melhoria está sendo feita.
Design
Design é a quarta fase do DMADV; substitui a fase Melhorar do DMAIC. DMADV é uma
abordagem para o chamado Design para Seis Sigma, ou DFSS. Outra abordagem é chamada
DMADOV, que significa Definir, Medir, Analisar, Projetar, Aperfeiçoar e Validar (Define, Measure,
Analyze, Design, Optimize e Validate). As equipes usando a abordagem DMADV geralmente
combinam atividades de Design e Aperfeiçoamento, apresentadas brevemente nesta seção.
A fase de Design do DMADV é quando as equipes criam um novo processo ou desenvolvem um

novo produto. Uma equipe Seis Sigma já fez todo o trabalho para estabelecer as bases para o
desenvolvimento durante os estágios Definir, Medir e Analisar, o que significa que a maior parte da
fase de Design é ocupada com o trabalho atual envolvido na criação do processo ou projeto.
Usando planos, instruções ou mapas criados em fases anteriores, a equipe cria o produto em si ou
trabalha com fornecedores, fabricantes ou outros funcionários para criar o produto. Por exemplo,
se o projeto DMADV envolvesse a criação de um novo aplicativo para clientes ou funcionários, a
equipe poderia trabalhar com a equipe nos departamentos de programação e técnico. Eles
também podem trabalhar com um fornecedor que fornecerá o aplicativo ou software em questão;
Nesse caso, um representante do fornecedor deve fazer parte da equipe em todas as fases.
Durante o Design, uma equipe também testará o produto, processo ou serviço. O teste pode ser
feito em ambientes de teste, em ambientes de produção limitados ou por meio de teste Beta.
Normalmente, a equipe lança o novo processo ou produto para um número limitado de clientes
internos ou externos, que fornecem feedback e a equipe usa o feedback para solucionar o novo
processo ou produto, conforme necessário.
Buscando feedback e solucionando problemas do novo processo para criar a melhor solução
possível é onde o aperfeiçoamento em DMADOV entra.
Dicas para uma Fase de Design de Sucesso

Em um projeto de redesenho de processo, todas as fases são essenciais, mas o Design é
geralmente visto como o mais crítico. Equipes que vacilam na fase de projeto podem desperdiçar
o trabalho realizado em outras fases, e é fácil para as equipes sofrerem de fadiga do projeto à
medida que os requisitos de trabalho aumentam para todos os envolvidos. Os líderes de equipe
podem ajudar a melhorar as chances de uma fase de Design bem-sucedida, seguindo as dicas
para gerenciar fases de melhoria. As equipes também devem ser realistas quanto às datas
planejadas para o trabalho de design. Prometer uma solução completa em curto período de tempo
agrada a liderança no início, mas se as equipes forem apressadas, tendem a oferecer processos
de baixa qualidade. Se prometer um cronograma ideal demais para ser verdade, também corre o
risco de atrasar muito, podendo impedir o trabalho de melhorias de outros projetos e processos.
Verificar
A fase de verificação de um projeto DMADV ou DMADOV é muito similar à fase de controle de um
projeto DMAIC. O novo processo, produto ou serviço é transferido para fora do modo de projeto e
entregue a um proprietário de processo ou a funcionários que trabalham diariamente com o
processo ou produto em questão. Planos de controle, incluindo gráficos de controle, podem ser
colocados em prática pela equipe para acompanhar os resultados em andamento, e quase todas
as ferramentas usadas em uma fase de Controle DMAIC são relevantes para a Verificação.
Uma das diferenças entre a Verificação e o Controle é que as equipes do DMADV podem levar
algum tempo para concluir mais análises de CTQ no final de um projeto, para que possam
identificar novos fatores críticos para a qualidade. Isso é feito porque o processo ou produto é
diferente do que quando a equipe começou a trabalhar. Enquanto a equipe deveria ter feito
suposições sobre os CTQs para o novo produto - e usado esses CTQs no planejamento e projeto -
eles não poderiam prever 100% como o cliente poderia reagir ao novo produto ou processo. Um
novo processo pode ter uma capacidade que o antigo não possuía; Com essa capacidade, o
cliente pode decidir que é o fator mais importante na qualidade do processo ou produto.
No final da fase de verificação, uma equipe entrega um produto ou processo final que atende às
necessidades identificadas pela primeira vez no estágio Definir. O processo ou produto deve estar
livre de problemas e defeitos conhecidos sempre que possível, e as equipes devem ter fornecido
uma maneira de gerenciar e controlar o processo por meio de gráficos de controle estatístico,
modelos Lean e políticas.
Fechando um Projeto DMADV
Uma das principais diferenças entre DMAIC e DMADV é a linha do tempo possível. Nós afirmamos
anteriormente que um problema se encaixa no modelo DMAIC se ele puder ser resolvido em
menos de seis meses. Embora alguns projetos DMADV possam levar apenas alguns meses,
muitos projetos de processos ou produtos podem levar anos. Por causa disso, os desafios finais
para uma equipe DMADV são semelhantes àqueles em um ambiente DMAIC, mas eles podem ser
aumentados pelo tempo que uma equipe gastou em um projeto.
Os membros da equipe que passaram um ano ou mais trabalhando para desenvolver um novo
processo ou produto podem sentir que o final do projeto ameaça seu trabalho, especialmente
quando os membros da equipe não estão lidando com tarefas de trabalho regulares, além das
obrigações do produto. Os líderes e apoiadores do Seis Sigma podem reduzir essas
preocupações comunicando os próximos passos e expectativas claramente com a equipe.
Os membros da equipe que têm trabalhado nas atividades do trabalho regulares junto ao trabalho
do projeto durante anos podem achar difícil voltar às tarefas regulares sem precisar trabalhar em
algo. Um dos benefícios do Seis Sigma é que os membros da equipe aprendem a esperar mais de
si mesmos, seus colegas de trabalho e os processos de uma organização. Os líderes de equipe
da Seis Sigma podem trabalhar com os funcionários retornando ao trabalho diário e ajudá-los a
aplicar o que aprenderam de maneira positiva em seus respectivos departamentos.
Por fim, os líderes de equipe do Seis Sigma devem garantir que o projeto DMADV feche com uma
nota positiva, validando todos os membros da equipe e garantindo que os proprietários do
processo tenham todas as ferramentas necessárias para aceitar o novo processo sem interromper
o trabalho.
Quebrando o Elefante
Agora você deve ter uma compreensão básica de como uma equipe Seis Sigma aborda um
problema ou aprimora o processo. Seja melhorando um processo existente ou criando novo
processo ou produto, as equipes trabalham por meio de abordagens escalonadas. As fases de
DMAIC e DMADV fornecem controle e organização para um projeto, ajudam a manter todos
centrados na tarefa e permitem que as equipes dividam tarefas aparentemente enormes em partes
toleráveis. Como diz o velho ditado: como se come um elefante? Um pedaço por vez.
Da mesma forma, a abordagem em fases do Seis Sigma quebra o elefante para que as equipes
possam trabalhar nele um pedaço por vez.
Unidade 3: DMAIC Avançado
Capítulo 12: Definir
As equipes do Seis Sigma entram no processo do projeto com vários níveis de informação. Às
vezes, um problema é bem definido antes que a equipe comece a trabalhar, especialmente em
organizações que usam um conselho de liderança Seis Sigma para escolher projetos e criar
equipes. Outras vezes, as equipes começam a trabalhar com pouca informação, exceto que existe
um problema - de algum tipo - porque os resultados de um processo não são os esperados. As
equipes podem não saber onde estão os erros ou até mesmo iniciar um projeto com um
entendimento completo das entradas e saídas associadas ao processo.
Qualquer que seja o conhecimento com que as equipes comecem, a fase de definição é quando
as equipes passam de informações básicas sobre um processo ou problema para o conhecimento
e a organização necessários para entrar em medição e outras fases subsequentes com uma base
bem-sucedida. Na fase de definição, as equipes definem regras, criam uma carta que governará
os esforços, identificarão as partes interessadas e os clientes, definirão um processo por meio do
mapeamento de processos e se prepararão para definir uma barreira de pedágio antes de entrar
na fase de medição.
Criando uma Carta de Projeto

Uma carta de projeto, ou carta de equipe, é um documento resumido que inclui informações sobre
a equipe e o que planeja realizar. O objetivo da carta é definir expectativas que podem ser
acordadas pela equipe, bem como pelo patrocinador ou pelos líderes executivos, manter a equipe
focada na meta, garantir que o projeto permaneça alinhado com as metas do negócio e
documentar que o controle de um processo está sendo transferido de um executivo ou gerente de
negócios para uma equipe de projeto Seis Sigma.
Minimamente, cartas de equipe devem incluir:
1. Declaração de problema completa e concisa, seguindo diretrizes estabelecidas no Capítulo 6.

2. Uma lista de métricas críticas para a qualidade, ou aquelas medidas que determinarão o
sucesso do projeto ou processo. Crítica à qualidade foi introduzida no capítulo 8.
3. Os nomes e funções de cada pessoa da equipe. A seleção dos membros da equipe e das
funções apropriadas dos membros da equipe é abordada no capítulo 10.
4. Uma lista de clientes internos e externos do processo. Use um SIPOC, discutido no Capítulo 7,
para começar a definir clientes internos ou externos.
5. O nome de um patrocinador e / ou patrono.
6. Uma duração para o projeto.
As equipes também podem incluir informações como uma lista de partes interessadas não
relacionadas ao cliente, um cronograma estimado para cada fase do projeto, definições de escopo
para o processo ou projeto e direcionadores financeiros para o projeto.
As informações da carta de equipe geralmente não podem ser reunidas em uma única sessão de
brainstorming. A carta é um resultado de toda a fase de definição, não uma notação rápida no
início. Tomando tempo para considerar adequadamente todos os elementos de uma carta de
equipe, as equipes do Seis Sigma criam uma base mais sólida para o resto de seu trabalho.
Benefícios de um Modelo de Carta de Equipe Organizacional
As empresas que estão implantando o Seis Sigma em toda a organização podem considerar a
criação ou o uso de um modelo específico para cartas de equipe. Os modelos simplificam as fases
e facilitam a compreensão das equipes de liderança e de outros funcionários dos componentes
críticos do processo. Embora a documentação final da equipe provavelmente seja extensa, e
mesmo na fase de definição, as próprias equipes possam trabalhar com longos documentos de
requisitos, as cartas em si devem ser as mais concisas possível. Algumas organizações resumem
as cartas em uma única página, enquanto outras usam documentos de várias páginas. Um modelo
de carta de uma página encontra-se no final deste capítulo.
Detalhes para Elementos da Carta

Nós abordamos em detalhes alguns dos elementos mais importantes da Carta nos Capítulos
anteriores, mas aqui temos um rápido resumo de alguns dos itens que não abordamos com mais
detalhes e que vale a pena mencionar novamente.
Caso de Negócios
O caso de negócios também pode ser tratado como impulsionadores financeiros de um projeto.
Relacionado de perto com a declaração do problema, o caso de negócios é uma declaração curta
que fornece uma razão pela qual o projeto deve ser realizado. A declaração do problema diz a
alguém onde, quando e como; o caso de negócios diz por que isso é importante. Se você pensar
no capítulo 6, dissemos que valores em dólar ou outra métrica financeira eram importantes para
incluir na declaração do problema. Se você incluir um caso de negócios na sua carta, você basear-
se-ia nesse demonstrativo financeiro básico para explicar por que, especificamente, a perda de
dinheiro, eficiência ou qualidade é importante para consumidores, funcionários ou para a
organização. Você também pode argumentar por que o problema deve ser resolvido agora; em
essência, por que este projeto está sendo executado agora no lugar de outro projeto?
Escopo do Projeto
Introduzimos brevemente o conceito de escopo no capítulo 6. Para os objetivos da carta da
equipe, o escopo deve incluir um início difícil e o término do processo ou problema sendo
considerado. Você também pode incluir uma pequena lista de itens ou atividades que estão no
escopo e fora do escopo do seu projeto. Um diagrama SIPOC ajuda as equipes a identificar os
parâmetros de um projeto e você também pode usar o método Dentro e Fora da Caixa descrito
mais adiante neste Capítulo para entender o escopo pretendido de um projeto.
O escopo deve ser claro. Listar o escopo de um projeto ou processo como "começar no estágio de
pedido e terminar com a realização" não está claro, porque pessoas diferentes podem considerar
pontos diferentes no início do estágio do pedido ou no final da realização. Uma melhor declaração
de escopo pode ser “começar quando um cliente faz um pedido e terminar quando o pedido é
embalado para envio”. Indo ainda mais longe, uma equipe pode considerar que os processos de
retorno e substituição estão fora do escopo de um projeto para só lidar com pedidos originais. Os
projetos de sucesso têm um escopo bem definido que é aprovado e apoiado por um patrocinador
ou patrono do projeto.
Liste os Interessados
Listar as principais partes interessadas na carta ajuda a equipe a lembrar de quem e o que
provavelmente causará impacto, além dos clientes finais. Ter a lista visível durante as reuniões
reduz a chance de a equipe iniciar alterações que possam ter um efeito negativo ou indesejado em
outros processos ou proprietários de processos e ajuda a direcionar a equipe para recursos fora
da equipe que podem fornecer ajuda, acesso ou informações para áreas relacionadas ao projeto.
Papéis dos Membros da Equipe
Os membros da equipe e os papéis foram abordados no Capítulo 10, e a carta da equipe
simplesmente precisa listar os nomes de todos os membros da equipe, juntamente com seu papel
e investimento de tempo esperado. Adicionar investimento de tempo à carta ajuda os
patrocinadores e a liderança executiva a entender os requisitos de recursos humanos para o
projeto; Muitas vezes, um líder de equipe Seis Sigma tem que buscar a aprovação de funcionários
de outras áreas para dedicar um período de tempo especificado ao projeto.
Investimento de tempo pode ser listados em horas por semana, mas geralmente é listado como
uma porcentagem do tempo geral do funcionário. Por exemplo, um especialista no assunto que
deve participar de todas as reuniões da equipe para fornecer informações, mas não deve concluir
a coleta de dados, a análise ou o trabalho de melhoria, pode ser listado como fornecendo 10 por
cento de seu tempo para a equipe. Uma lista de membros da equipe em uma carta pode ser
parecida com a lista abaixo. Você não precisa listar todos os membros da equipe que você pode
consultar durante o andamento do projeto.
1. Mike Smith, Faixa Preta, 100%

2. Chase Michaels, Faixa Verde, 100%
3. Lisa Javes, Faixa Verde, 100%
4. Rosalie Myers, responsável pelo processo, 25%
5. Brent Reed, especialista no assunto, 10%
6. Brenda Tran, especialista no assunto, 10%
Marcos
No Capítulo 10, abordamos a criação de um projeto de cronograma para um projeto Seis Sigma. O
diagrama incluído no Capítulo 10, que fragmentou a linha do tempo de um projeto, é chamado de
gráfico de Gantt. Adaptado por Henry Gantt no início do século 20, um gráfico de Gantt é um
gráfico de barras que exibe as fases de um projeto de acordo com o tempo. Um dos benefícios de
usar um gráfico de Gantt para exibir um cronograma de projeto aproximado é que ele pode ser
facilmente incluído em um documento de uma página; Qualquer um que revise o regulamento
pode visualizar rapidamente o elemento de tempo necessário para o projeto.
As equipes devem garantir que uma data seja fornecida para o final de cada fase do DMAIC e que
todos os membros da equipe concordem que as datas são plausíveis, dado o que o grupo deseja
fazer. Em alguns casos, os marcos podem ser definidos pelo patrocinador ou defensor do projeto,
mas a equipe deve concordar que as datas dos marcos são possíveis. Se as datas parecerem
implausíveis, as equipes podem apresentar um cronograma contrário com argumentos lógicos
sobre o motivo pelo qual o cronograma original não funcionaria.
Além dos marcos no final de cada fase do projeto, as equipes do Seis Sigma também podem
definir marcos para o trabalho em cada fase - especificamente para as fases mais difíceis de
medir, analisar e melhorar. Embora a equipe deva documentar todos os marcos com os quais
concorda, os marcos detalhados não pertencem necessariamente à carta de uma página.
Medidas do Sucesso
Todo mundo precisa saber como a equipe vai medir o sucesso. Se um patrocinador está medindo
o sucesso nas pontuações de satisfação do cliente e a equipe está medindo o sucesso nas
pontuações internas de qualidade, as ideias sobre o resultado do projeto provavelmente serão
diferentes. Normalmente, as medidas de sucesso podem ser extraídas das métricas críticas para a
qualidade discutidas no Capítulo 8. Se as equipes podem converter um CTQ em uma medida,
podem entender quais métricas importantes determinam o sucesso de um projeto. Embora as
equipes possam começar a coletar medições ou observar as medições existentes na fase de
definição, a finalização das métricas pode se estender até a fase de medição.
Benefícios Financeiros Esperados

As informações financeiras já estão provavelmente incluídas na carta, tanto no caso de negócios
quanto na declaração do problema. As equipes podem incluir benefícios financeiros esperados na
seção de casos de negócios de uma carta, mas devem ser incluídas em algum lugar. Para alguns
patrocinadores e líderes executivos, o benefício financeiro é a informação mais importante incluída
em uma carta. Uma economia estimada ou um aumento na receita também fornece uma medida
pela qual os líderes podem considerar pedidos de recursos para um projeto.
Um perito Seis Sigma nunca deve exceder as estimativas de benefícios financeiros; quase sempre
é melhor prometer menos e superar o desempenho. Se você disser aos líderes que um projeto
economizará US $ 500.000 no primeiro ano, porque um grande número significa que você tem
mais chances de obter a aprovação do projeto e todos os recursos solicitados, você terá que
responder quando o projeto economizar apenas US $ 80.000. Como em qualquer aspecto de um
projeto Seis Sigma, seja o mais preciso possível, mas seja conservador com estimativas quando a
precisão estiver em questão.
Revise a Carta com o Sucesso em Mente

Antes que uma equipe Seis Sigma apresente uma carta para aprovação, deve levar algum tempo
para revisar o documento como um grupo para garantir que a carta estabeleça uma base para o
sucesso. Algumas perguntas que uma equipe pode se fazer sobre uma carta incluem:
• Tudo, principalmente objetivo, expectativa financeira e cronograma, é desafiador, mas realista?

• Todos da equipe podem dedicar o tempo comprometido ao projeto?
• O projeto é apoiado por um patrocinador ou patrono com influência suficiente para gerar
assistência e recursos críticos?
• A equipe espera ser apoiada por departamentos auxiliares, como tecnologia da informação,
recursos humanos, conformidade, contabilidade ou legal, conforme necessário para o sucesso
do projeto?
• A equipe espera ter a liberdade necessária para implementar uma solução projetada após a
aprovação da solução pelo patrocinador, pelo patrono ou pelo comitê diretor executivo?
• A equipe tem um líder bem versado em ferramentas Seis Sigma e gerenciamento de projetos?
Se a resposta a qualquer uma das perguntas acima for não, a equipe pode estar se preparando
para uma falha. Antes de seguir em frente, a equipe deve abordar essas preocupações e, se
possível, fazer alterações que não convertam respostas de não em sim.
Regras de Base do Projeto

Antes de seguir adiante com qualquer trabalho – até definir uma carta de equipe - é uma boa ideia
para uma equipe Seis Sigma estabelecer algumas regras básicas e requisitos para a equipe.
Falamos brevemente sobre isso no capítulo 10 quando discutimos a gestão de uma equipe. As
regras básicas para um projeto devem ser mantidas por escrito e aprovadas por todos os
membros da equipe, mas não precisam fazer parte de um documento oficial. A razão para
documentar as regras e ter todos os membros da equipe aprovando é para que nenhum membro
da equipe possa afirmar depois não conhecer as regras.
Ao mesmo tempo, a geração de regras em uma equipe Seis Sigma não deve ser um processo
totalmente democrático. Algumas das regras mais sensatas ou críticas podem ser fornecidas pela
Faixa Preta ou pelo líder da equipe. Por exemplo, as regras básicas devem cobrir tópicos como
quem deve participar de cada reunião e o fato de que os membros da equipe devem manter certas
informações confidenciais. O Faixa Preta pode simplesmente afirmar que os membros da equipe
devem respeitar as regras de confidencialidade e de comparecimento, estar na hora das reuniões
e respeitar uns aos outros. A própria equipe provavelmente votará na frequência das reuniões e
quando as reuniões deverão ser agendadas. Buscar a entrada de membros da equipe garante que
todos os membros da equipe possam realmente se comprometer com os horários de reunião. Por
questões de consistência, é melhor realizar reuniões nos mesmos dias e no mesmo horário todas
as semanas, mas é compreensivelmente difícil manter esse cronograma durante toda a vida útil de
alguns projetos.
O Faixa Pretas também pode fornecer algumas dicas e sugestões de como os membros da equipe
devem participar durante as reuniões, especialmente durante as sessões de brainstorming em
grupo. Para mais informações sobre a realização de uma sessão de brainstorming, consulte o
Capítulo 35. O Faixa Pretas também deve ditar as regras para criar uma agenda e realizar uma
reunião de acordo com a agenda, embora possa delegar algumas dessas funções, como o
cronometrista e a secretária.
Defina Ferramentas
Cobrimos várias ferramentas de definição nos capítulos anteriores, incluindo o diagrama SIPOC e
os 5 Porquês. Mapas de processo e mapeamento do fluxo de valor são duas ferramentas
avançadas do Seis Sigma que são frequentemente usadas no estágio de definição. Algumas
equipes Seis Sigma começam a usar gráficos de execução para começar a definir uma linha de
base na fase de definição; Os gráficos de execução são abordados no capítulo 13, na fase de
medição.
Nesta seção, abordaremos três ferramentas adicionais comuns à fase de definição: a análise das
partes interessadas, o método dentro e fora da caixa e a matriz é / não é.
Análise de Partes Interessadas

Uma análise de partes interessadas é uma maneira rápida de identificar como várias pessoas
dentro de uma organização se relacionam com um projeto e como a equipe deve mantê-las
informadas. Comece a análise com uma grade desenhada sobre um eixo X e Y. O eixo vertical
representa o poder que uma pessoa tem na organização. O eixo horizontal representa a
quantidade de interesse que uma pessoa tem no projeto da equipe. A análise das partes
interessadas funciona melhor quando as equipes a conduzem em um quadro branco ou em um
grande flipchart. Desenhe o diagrama básico, como visto na figura abaixo, em formato grande.
Poder
Interesse
Dê a equipe notas adesivas. Peça-lhes que escrevam possíveis interessados no projeto ou

processo. Os interessados são aqueles que podem se beneficiar do resultado do projeto ou que
podem ser afetados pelo trabalho realizado por meio do projeto. Dedique alguns minutos para
discutir os nomes que foram debatidos e descartar qualquer um que a equipe julgue que não seja
de fato parte interessada.
Uma vez que a equipe decide quem são as partes interessadas, comece a colocar os nomes no
gráfico de acordo com o poder e o interesse. Pessoas com baixo poder e pouco interesse serão
colocadas no canto inferior esquerdo. Pessoas com maior poder e baixo interesse são colocadas
no canto superior esquerdo; pessoas com menos poder, mas muito interesse são colocadas no
canto inferior direito, e pessoas com altos níveis de poder e muito interesse são colocadas no
canto superior direito. Um nome pode ser colocado alto e à direita do canto inferior esquerdo se o
interessado tiver uma quantidade moderada de interesse e poder, mas a equipe não sente que a
pessoa tenha cruzado a linha. Da mesma forma, um nome colocado nos limites inferiores de
qualquer quadrante pode mostrar quantidades menores de poder do que aquelas colocadas mais
perto do topo da caixa; A análise das partes interessadas permite que as equipes priorizem as
partes interessadas dessa maneira, mesmo dentro dos quatro quadrantes.
Cada um dos quadrantes do diagrama correlaciona-se vagamente ao tipo de interessado,

fornecendo algumas orientações sobre como a equipe pode interagir com cada pessoa ou
departamento listado.
Canto Superior Esquerdo: Manter Satisfeito
As partes interessadas que se enquadram no quadrante superior esquerdo do diagrama têm poder
suficiente para interferir em um projeto, mas não estão extremamente interessadas nos resultados
do dia-a-dia. A equipe deve garantir que esses indivíduos estejam satisfeitos de qualquer maneira
que interajam com o projeto. As equipes também podem consultar essas pessoas em vários
momentos durante o projeto. Por exemplo, uma equipe que trabalha para resolver problemas de
embarque em um depósito pode precisar consultar os gerentes de compras em algum momento,
porque a equipe identifica a necessidade de um tipo diferente de fita de embalagem. Os líderes de
compras têm poder sobre a obtenção do recurso, mas podem não ter muito interesse no projeto
em geral.
Às vezes, as equipes podem identificar uma parte interessada que se encaixa nessa seção e
perceber que seria valioso para a equipe que essa parte interessada em particular fosse mais
investida no projeto. Os líderes da Seis Sigma podem trabalhar com os interessados para tentar
mover alguém de interesse baixo para categorias de interesse alto - essa é uma tática política que
algumas equipes usam para reforçar o apoio a um projeto.
Canto Inferior Esquerdo: Esforço Mínimo
As partes interessadas que se encontram no quadrante inferior esquerdo têm a conexão menos
importante para um projeto. As equipes comunicarão principalmente informações gerais sobre um
projeto por meio de boletins informativos ou por e-mail para essas partes interessadas. Embora
essas partes interessadas tenham um mínimo de esforço das equipes, algumas situações podem
existir onde as equipes desejam mover as partes interessadas dessa caixa para a caixa inferior
direita.
Canto Inferior Direito: Manter informado
Os indivíduos na caixa inferior direita têm um forte vínculo ou interesse no projeto, mas não têm
acesso ao poder de apoiar projetos do ponto de vista de recursos. Essas partes interessadas
podem incluir funcionários em departamentos relacionados ao processo que está sendo
aprimorado ou especialistas no assunto que serão consultados sobre aspectos individuais de um
projeto.
Embora as partes interessadas no quadrante inferior direito geralmente não possam gerar
recursos, elas podem atuar em apoio a um projeto, geralmente na forma de um embaixador da
boa vontade.
Canto Superior Direito: Jogador-Chave
Indivíduos no quadrante superior direito são peças importantes em um processo ou líderes

executivos com a capacidade de atribuir recursos a um projeto. Essas são as equipes das quais
os indivíduos se reportarão em várias escalas; Muitas vezes, os executivos responsáveis pelo
sucesso final de um processo ou projeto aparecem no quadrante superior direito.
Método Dentro e Fora da Caixa

O método Dentro e Fora da Caixa é um método rápido e fácil que ajuda as equipes a definir o
escopo do projeto ou do processo. Comece desenhando uma caixa grande em um quadro branco
ou flipchart. Forneça marcadores e notas adesivas para a equipe. Peça à equipe que escreva os
elementos do processo a serem trabalhados, incluindo recursos, atividades e pessoas. Cada item
deve ser escrito em uma nota autocolante. Trabalhe em conjunto para criar uma lista o mais
completa possível, colocando as notas na parede ou na mesa. Certifique-se de que todos na
equipe entendam que não há respostas erradas e a primeira fase do exercício não exige
discussão. Ao fazer um brainstorming de itens com pouca ou nenhuma discussão, as equipes
podem capturar mais ideias, levando a uma imagem mais precisa do que está dentro e fora do
escopo.
Depois de fazer uma lista abrangente, comece a trabalhar em equipe para atribuir cada item a um
local dentro, na linha ou fora da caixa. Itens fora da caixa são aqueles que serão considerados
fora do escopo do projeto. As equipes podem colocar itens fora da caixa porque não têm acesso
ou controle sobre os itens, não têm tempo para trabalhar nos itens ou foram especificamente
instruídos a não incluir o item no projeto.
Itens que estão dentro da caixa são considerados no escopo do projeto. Estes devem ser
elementos do processo que a equipe pode influenciar. Se a equipe ainda não tiver certeza de onde
um item pode cair, ele deverá colocá-lo na linha. Os itens que estão na linha podem ser aqueles
que a equipe espera poder impactar, mas para os quais o líder da equipe precisa pedir permissão
ou assistência de alguém de fora da equipe.
Depois que todos os itens forem colocados na linha, dentro ou fora da caixa, revise as posições
em equipe e faça as alterações. Documente o exercício fotografando o diagrama ou recriando-o
em um computador. A equipe pode refletir novamente sobre diagrama ao tentar controlar rastejo
do escopo ou considerar quem deve abordar para obter ajuda com um projeto.
Matriz É/Não É
A Matriz É/Não É é outra ferramenta rápida de brainstorming que as equipes podem usar para
definir o escopo. Também pode ser usada para ajudar a definir algumas das informações
necessárias para uma declaração de problema. A matriz trabalha considerando coisas específicas
sobre o processo ou projeto e chegando a respostas de é e não é.
Por exemplo, se uma equipe Seis Sigma tiver a tarefa de determinar por que os fornos de uma
certa fábrica não estão aquecendo a temperaturas adequadas, podem criar uma matriz É/Não É
como a mostrada abaixo.
É Não É
Onde Planta Sul Planta Norte ou Leste
O Que Fornos a Vapor Fornos de Madeira
Quando Janeiro 2015 Antes de Janeiro 2015
A matriz mostra claramente que o escopo do projeto inclui apenas o trabalho na planta do sul nos
fornos a vapor. O problema foi observado em janeiro de 2015, que fornece à equipe um ponto de
partida para a coleta de dados. Esta é uma matriz muito simples; as equipes podem fazer quantas
perguntas quiserem para restringir o escopo ou entender melhor processos e projetos por meio da
estrutura É / Não é.
Lista de Checagem de Pedágio da Fase de Definição

Uma fase de definição bem sucedida termina com todas as seguintes entregas:
• Uma declaração do projeto abrangente

• uma carta de equipe
• Uma compreensão do processo e um diagrama ou mapa do projeto
• Uma compreensão da voz do cliente
• Uma definição de como será o sucesso foi acordado pelos membros da equipe e por
quaisquer patrocinadores ou líderes executivos.
Modelo de Carta de Equipe
Nome do Projeto:
Membros da Equipe Patrocinador:
Nome Papel Investimento

de Tempo
CTQs:
Financial drivers:
Clientes Internos:
Interessados não-clientes No Escopo
Clientes Externos:
Fora do Escopo
Declaração do Problema:
Objetivo/ Meta
Cronograma do Projeto:
Capítulo 13: Medir
Passando da fase de definição para a fase de medição de um projeto, as equipes Seis Sigma
continuam a se aprofundar no processo, agora começando a entender os processos de forma
mais completa através dos dados. A fase de medição é frequentemente a fase mais trabalhosa
para a equipe, especialmente quando os dados ainda não estão disponíveis em formatos digitais.
Neste capítulo, revisaremos algumas das métricas abordadas nos Capítulos anteriores e
introduziremos alguns conceitos para coleta de dados. Continuaremos desenvolvendo os
conceitos de medida introduzidos em capítulos posteriores em análise estatística.
Um dos primeiros passos da fase de medição é determinar a capacidade de um processo. Essa

etapa pode ser concluída antes que uma equipe saia formalmente da fase de definição se os
dados necessários para realizar cálculos de nível sigma estiverem disponíveis. O cálculo dos
níveis sigma para um processo foi abordado no Capítulo 1. Além dos níveis sigma, as equipes
também podem calcular várias métricas para um processo, incluindo defeitos por milhão de
oportunidades, FTY ou RTY, que foram abordados no Capítulo 5.
Modos de Falha e Análise de Efeito

Os Modos de Falha e Análise de Efeito são uma ferramenta que pode ser aplicada por uma equipe
Seis Sigma em qualquer fase desde a definição até a análise. Frequentemente, as equipes
começam a trabalhar com FMEAs em medida, pois ajudam a identificar prioridades de risco para
várias entradas e erros em um processo. Usado corretamente, o FMEA usa dados sistêmicos e
entrada de equipe para preparar a análise da causa raiz na próxima fase DMAIC.
Lembre-se, embora os pedágios ocorram e as equipes percorram cinco fases durante um projeto
DMAIC, nem sempre há um limite rígido entre as fases. As equipes podem começar a trabalhar
em tarefas de medição antes de sair da fase de definição, e é quase certo que as equipes
começarão algumas análises enquanto coletam dados.
Por fim, uma ferramenta de FMEA deve ser usada quando as equipes precisarem de informações
mais detalhadas sobre entradas e possíveis pontos de falha associados do que as ferramentas
discutidas na definição Capítulo permitir. O FMEA oferece algumas das informações oferecidas
pelo SIPOC, mas também fornece avaliações das entradas. As equipes geralmente criam FMEAs
em um programa de planilha, já que alguns cálculos são necessários durante o processo.
Para criar um FMEA, crie uma planilha com os seguintes cabeçalhos de coluna:
1. Passo do processo
2. Falha em potencial
3. Efeito da falha em potencial
4. SEV
5. Potencial causa da falha
6. OCC
7. Monitor/controle atual
8. DET
9. RPN
10. Mudanças/ ações recomendadas
11. Quem e Quando?
12. Ação completada
13. SEV
14. DET
15. RPN
As colunas 1 a 9 da FMEA podem ser concluídas durante a fase de medição, enquanto as colunas
10 a 15 são mais apropriadas para a fase de melhoria.
Comece identificando todas as etapas, atividades ou entradas possíveis do processo na coluna

um. Na coluna dois, indique o que pode dar errado para cada etapa do processo. Observe que
você pode listar as etapas do processo mais de uma vez se houver várias oportunidades para
erros em cada etapa. No entanto, se a equipe criou uma lista detalhada de etapas, este
provavelmente não será o caso da maioria das etapas.
Na coluna três, insira uma breve descrição do impacto da falha no cliente. A medição incorreta
pode resultar em aumento de variação em um produto, por exemplo. Na coluna SEV, avalie a
gravidade da possível falha que você descreveu nas colunas anteriores. Classifique a gravidade
de 1 a 10, com 1 sendo sem efeito, 5 sendo uma pequena perturbação na produção e 10 sendo
grave o suficiente para colocar em risco um processo ou pessoa.
Na coluna cinco, insira os possíveis motivos pelos quais a falha específica pode ocorrer e, na
coluna OCC, insira uma classificação numérica para a frequência com que a falha pode ser
esperada, sendo 1 uma falha muito improvável e 10 uma falha quase inevitável.
Na coluna sete, crie uma breve descrição dos controles atuais que estão em vigor para monitorar
o processo ou evitar as falhas descritas pela equipe. Na coluna DET, classifique a capacidade do
processo ou da equipe de detectar falhas, caso isso ocorra. Taxa de detecção entre 1 e 10, com 1
sendo um processo que inclui detecção automatizada que raramente falha e 10 sendo nenhuma
detecção.
Por fim, calcule o número de prioridade de risco multiplicando as classificações de gravidade,

ocorrência e detecção, como no exemplo abaixo.
Uma equipe Seis Sigma trabalhando em um projeto para melhorar a velocidade com que os
reembolsos são processados para os clientes está criando um FMEA. Uma linha do FMEA inclui
as seguintes informações:
1. Etapa do processo: O pedido de reembolso é inserido no sistema.

2. Falha potencial: quantidade incorreta é inserida.
3. Potencial efeito de falha: O cliente recebe mais ou menos reembolso do que o previsto.
4. SEV: 8
5. Possível causa de falha: o funcionário que insere os dados transpõe números ou comete
um erro de digitação semelhante.
6. OCC: 10
7. Monitor / controle atual: Um supervisor analisa aleatoriamente uma amostra de
solicitações de reembolso para garantir a precisão.
8. DET: 7
9. RPN: (SEV * OCC * DET) = (8 * 10 * 7) = 560
A equipe completa uma segunda linha da seguinte maneira:
• Etapa do processo: A verificação de reembolso é impressa.

• Falha potencial: O cheque apresenta defeitos que dificultam o recebimento de dinheiro.
• Potencial efeito de falha: o cliente não pode descontar o cheque e tem que pedir um novo.
• SEV: 9
• Possível causa de falha: a impressora está desalinhada ou sem tinta.
• OCC: 1
• Monitor/ controle atual: A pessoa que assina os cheques revisa os cheques ao assinar
• DET: 2
• RPN: (SEV * OCC * DET) = (9 * 1 * 2) = 18
A falha potencial no primeiro exemplo tem um número de prioridade de risco muito maior, o que
significa que, à medida que a equipe avança, é mais provável que eles trabalhem na solução
dessa possível falha. Durante as fases de análise e melhoria, a equipe recomendaria alterações,
implementaria as ações recomendadas e executaria novamente o processo para determinar se o
RPN do processo alterado é menor. Se for maior ou igual, a alteração não será boa e a equipe
precisará tentar novamente.
Coletando Dados
A criação de uma métrica de linha de base para um processo começa na fase de definição, mas
as equipes não podem sair da fase de medição sem um forte entendimento do desempenho atual
do processo. Esse entendimento começa com números como nível sigma, mas as equipes
também devem definir uma métrica específica do processo sempre que possível e coletar dados
históricos sobre essa métrica para que tenham algo para comparar dados futuros e provar que
melhorias foram feitas.
Idealmente, a equipe teria acesso às métricas históricas do processo. Em alguns casos, a equipe
precisa coletar dados do zero. Vamos apresentar a coleta de dados mais adiante neste capítulo e
abordá-la em profundidade nas Unidades sobre amostragem.
Dados Contínuos Vs Discretos

Antes de criar e exibir uma métrica de linha de base por meio de representação gráfica, você
precisa entender o tipo de dados com o qual está lidando. Os dados são discretos ou contínuos e
as equipes coletam dados como uma amostra de população ou uma amostra de processo. A
forma de coletar dados e o tipo de dados coletados determinam como os dados podem ser
visualizados graficamente e analisados.
Dados Discretos
Dados discretos, também chamados de dados qualitativos ou de atributos, são de natureza
categórica. Dados discretos se dividem em três categorias: ordinais, nominais e binários, ou
atributos; alguns dados coletados podem ser expressos em uma ou mais das categorias discretas.
Por exemplo, pontuações dos testes dos alunos podem ser transmitidas de forma ordinal, através
das notas A, B, C, D e F, ou de forma binária, por meio da distinção de aprovação/ reprovação.
Dados discretos podem ser exibidos através de gráficos de Pareto, gráficos de pizza e gráficos de
barras. Em alguns casos, os dados podem ser convertidos para executar e controlar gráficos
usando a variação dentro dos dados ou proporções como o item que está sendo mapeado. No
capítulo sobre a fase de controle, você começará a entender por que uma equipe pode converter
dados discretos para serem usados em um gráfico de controle.
Dentro de dados discretos, os dados binários ou de atributos são geralmente os dados mais fáceis
de coletar. Os dados de atributos registram uma ou outra resposta. A pessoa escolhe papel ou
plástico? O quarto está quente ou frio? O copo está vazio ou cheio? A luz está ligada ou
desligada? Dependendo do cenário, os dados de atributo podem ser muito precisos. A luz está
ligada ou desligada; a posição do interruptor informa isso. Os dados de atributos neste caso
podem ser automatizados com a tecnologia certa, sendo altamente preciso. Se a taça está vazia
ou cheia é outra história, porque há tantas variações entre completamente vazias e
completamente cheias. Se os dados estão sendo coletados por pessoas, vieses pessoais podem
entrar na equação. As equipes podem remover alguns desses vieses e garantir melhor medições
precisas, que serão abordadas nas seções sobre sistemas de medição.
Dados Contínuos
Dados contínuos são dados quantitativos e são medidos em unidades. Por exemplo, o momento
do dia é medido em horas, a temperatura, em graus, e quase tudo pode ser convertido em dados
contínuos, tornando-se porcentagem.
Dados contínuos são visualizados em gráficos como histogramas e gráficos de caixa. Box plots
são discutidos no Capítulo 14, e os histogramas são abordados em profundidade nos capítulos
sobre estatística. Dados contínuos também podem ser visualizados na forma de gráficos de
execução e controle.
Escolhendo Entre Dados Discretos e Contínuos

Às vezes, um processo ou atividade pode ser medido em dados discretos ou contínuos.
Dependendo do objetivo das medições, as equipes podem precisar escolher entre os dois tipos de
dados. Por exemplo, se uma equipe do Seis Sigma identificou a temperatura ambiente como uma
entrada sobre qualidade do produto, eles desejarão monitorar a temperatura da sala. Eles podem
fazer isso registrando a temperatura em graus a cada dez minutos; esses dados seriam contínuos.
Alternativamente, a equipe pode criar uma folha de verificação, fazendo com que alguém marque
a cada hora para verificar se a temperatura estava entre 40, 50, 60, 70 ou 80 graus em relação à
escala de Fahrenheit. Esses dados seriam discretos.
Neste exemplo em particular, a maioria das equipes optaria por registrar os dados contínuos.
Medições exatas de temperatura a cada 10 minutos fornecem muito mais informações do que se a
temperatura da sala estava na casa dos 70 naquela hora. Os dados contínuos podem ser
convertidos para fornecer às equipes os dados discretos facilmente; os dados discretos neste caso
- e na maioria dos casos - não poderiam ser convertidos em dados contínuos.
O que é verdade no exemplo é verdadeiro para a maioria dos cenários. Quando possível, as
equipes devem converter medidas em dados contínuos. Dados contínuos:
• Fornecem mais informações do que dados discretos.

• Geralmente mais demorado coletar do que dados discretos, a menos que as equipes
tenham acesso a coleta de dados automatizada ou informatizada.
• Mais preciso que dados discretos.
• Permitem que as equipes removam variações e erros inerentes à estimativa e ao
arredondamento.
Níveis de Dados
Os dados podem ser classificados em quatro níveis básicos: nominal, ordinal, intervalo e razão.
Dados de atributos ou binários são, na verdade, uma forma limitada de dados nominais.
Dados Nominais
O nominal é considerado o nível mais baixo de classificação de dados e envolve simplesmente a
aplicação de rótulos numéricos a uma descrição qualitativa para que os programas e testes de
análise estatística possam ser aplicados aos dados. Os números atribuídos a cada categoria não
informam se os dados são melhores ou piores que outros dados da listagem. Em dados nominais,
os números não refletem uma escala.
Um exemplo de dados nominais pode ser aplicado em uma lista de estados de origem para uma
sala de aula. Em uma turma de 30, o número de alunos nascidos em vários estados se divide da
seguinte maneira:
• Texas: 6
• Louisiana: 4
• Arkansas: 10
• Mississippi: 1
• Oklahoma: 9
Nos dados nominais, cada estado receberia um rótulo numérico:
1. Texas
2. Louisiana
3. Arkansas
4. Mississippi
5. Oklahoma
Isso não significa que 5 alunos sejam de Oklahoma; Isso significa que 9 alunos se enquadram na
categoria 5 para a pergunta "Em que estado você nasceu?"
Para dados nominais, as tendências centrais são calculadas não com médias ou medianas, mas
com o modo. Por exemplo, uma lista dos dados nominais em nosso exemplo seria a seguinte:
1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5
O modo é o número que aparece mais no conjunto; neste caso, 3.
Estatisticamente, a análise é limitada em relação aos dados nominais, mas alguns testes podem
ser realizados com software de análise estatística.
Dados Ordinais
Os dados ordinais são considerados uma forma de dados mais alta que a nominal, embora ainda
usem números e categorias para identificar elementos de dados. Com dados ordinais, no entanto,
os próprios números realmente fornecem algum significado. Os números usados nas escalas da
FMEA no início deste Capítulo eram dados ordinais. Os números são de natureza qualitativa, mas
também são classificados. Tendências centrais com dados ordinais são medidas pelo modo ou
pela mediana, e usos comuns para esse tipo de dados incluem classificação de várias coisas entre
si ou classificação de uma coisa específica, como um filme ou nível de dor.
Dados ordinais podem ser organizados em uma ordem que faça sentido: em uma escala de 1 a
10, Suzy classificou os filmes como 2, 5, 6 e 9. Se um é o pior e 10 é o melhor, então podemos
supor que Suzy gostou mais do último filme.
Enquanto os dados ordinais vêm em uma ordem lógica, os intervalos entre os números não
significam nada. Se Suzy classificou o filme A como 10 e o B como 9, a conclusão é que gostou
mais do filme A. Exatamente quão mais ela gostou não é perceptível usando dados ordinais.
Dados de Intervalo
Os dados de intervalo são uma forma ainda mais alta de classificação de dados. Os dados de
intervalo fornecem valores numéricos que podem ser organizados em uma ordem lógica com
significado; A grande diferença entre dados ordinais e de intervalo é que a diferença entre cada
valor de intervalo fornece significado. Se Frank está acompanhando a temperatura em sua casa e
ele vê que às 8:00 da manhã era de 76 graus e às 9:00 da manhã era de 80 graus, ele não só
sabe que 9:00 da manhã era mais quente; ele sabe que era 4 graus mais quente às 9:00 do que
às 8:00 da manhã. Os dados de intervalo são contínuos, ou quantitativos, e oferecem mais
flexibilidade quando se trata de análise estatística.
Dados de Proporção
Os dados de proporção são considerados as mais altas das classificações de dados. Esses dados
têm ponto zero absoluto, podem ser de natureza discreta ou contínua e fornecem os mais altos
recursos para análise estatística em muitos casos. Alguns exemplos de informações que podem
ser registradas usando dados de proporção incluem força, defeitos por milhão de oportunidades,
voltagem, altura, unidades por hora e volume.
Escolhendo os Melhores Sistemas de Medição

A análise de sistemas de medição aplica princípios científicos para ajudar as equipes a analisar
quanta variação um sistema de medição traz a um processo. O objetivo do MSA é identificar erros
de precisão nas ferramentas de coleta de dados. As equipes podem, então, corrigir os sistemas de
medição para criar capturas de dados mais precisas ou, se isso não for possível, levar em
consideração a possibilidade de erros ao realizar análises nos dados.
Durante a análise de sistemas de medição, as equipes devem revisar vários componentes do

possível erro de medição. As equipes do Seis Sigma analisam:
• Se o viés ocorre na precisão das medições

• Se a medição tem a resolução adequada
• Qual linearidade de escala de medição existe
• Se as atividades de medição são estáveis ao longo do tempo
• Se as medições são possíveis de repetir e reproduzir
Dependendo das medidas que a equipe está lidando, o MSA pode tomar tempo e é geralmente a
razão para a fase de Medir de um projeto DMAIC ser uma das mais longas.
Criando Precisão
Nesta etapa do MSA, as equipes definem a diferença entre a medição mais precisa possível e
dados coletados pelo sistema de medição atual. O objetivo de um sistema de medição é precisão:
chegar o mais próximo possível de um alvo definido, se não a medição exata. Por exemplo, em
uma fábrica de computadores, um funcionário pode soldar um chip na placa-mãe. Para o resto dos
chips e fios a serem adicionados à placa-mãe, o chip deve ser colocado dentro de uma área de 2
mm. Neste caso, uma ferramenta de medição pode ser implementada com uma precisão exigida
de mais ou menos 0,5 mm para garantir que o chip seja colocado dentro da área alvo.
As equipes podem garantir a precisão de dados, verificando se o medidor usado para coletar
dados está sendo executado com precisão. Se uma balança digital estiver sendo usada para
pesar ingredientes, as equipes devem calibrar a balança usando pesos calibrados. Se os modelos
forem usados em um chão de fábrica para tornar as medições mais eficientes, as equipes devem
garantir que esses modelos sejam precisos, comparando-os com ferramentas de medição
conhecidas, como réguas e balanças verificadas. Observe que, para o propósito da MSA, a
precisão reflete o desempenho da ferramenta de medição, não do operador. Se o funcionário usa
a ferramenta de medição corretamente ou registra a quantia corretamente é uma questão de
precisão, que é abordada mais adiante neste Capítulo sobre Gages R & R.
Uma vez que a equipe do Seis Sigma esteja confiante de que uma ferramenta de medição está
devidamente calibrada, ela pode instruir funcionários ou outras pessoas responsáveis pelo registro
de dados. Os dados devem ser aceitos, pois são coletados para acesso mais eficiente e porque a
revisão antecipada pode gerar problemas específicos com a coleta de dados. Quando possível, as
equipes não devem arredondar os dados, mas coletá-los conforme são registrados.
Se os dados estiverem sendo coletados manualmente, os funcionários devem ter um modelo de

coleta de dados que os peça para coletar dados em momentos apropriados e registrar
informações sobre o evento de coleta de dados, incluindo a pessoa que coleta os dados, a
máquina ou processo envolvido, condições do ambiente - especialmente quando diferentes das
condições normais ou que podem ter um impacto direto nas medições - e a ferramenta de
medição sendo usada se várias ferramentas forem uma opção. Esses detalhes ajudam as equipes
Seis Sigma a excluir valores discrepantes, que são discutidos no próximo capítulo.
Antes que as medições passem para a fase de análise, os especialistas do Seis Sigma devem
revisar os dados para garantir que não haja pontos decimais deslocados ou perdidos, que
entradas duplicadas não tenham sido registradas, que as medições baseadas em frequência não
estejam faltando pontos ou que qualquer outros problemas óbvios não ocorreram com os dados.
Resolver problemas de dados óbvios antes de iniciar as fases de análise reduz a chance de
equipes chegarem a conclusões falsas sobre causas-raiz ou soluções viáveis para um processo.
Abordando Resolução
Medir na resolução correta garante que um sistema de medição possa detectar alterações nos
dados ou processar apropriadamente. Por exemplo, se uma equipe Seis Sigma está trabalhando
para melhorar um processo que corta tubulação para instalações sanitárias, pode estar
preocupada com o comprimento do tubo. Ao analisar o sistema de medição do tubo de corte, a
equipe descobriu que o processo inclui medir o tubo até o centímetro mais próximo. Se, no
entanto, os tubos que estão desligados em vários milímetros causarem problemas na instalação, a
medição mais próxima do centímetro não será uma resolução pequena o suficiente.
Uma boa regra para a resolução é chamada de regra de 10 baldes (buckets). Divida a resolução
de medição em um décimo do que é necessário. Se o tubo deve medir dentro de uma faixa de 5
mm para executar, a ferramenta de medição deve medir até ½ mm. Em outro exemplo, um
departamento de serviço de alimentação pode ser encarregado de manter a temperatura correta
em um freezer. Para monitorar a temperatura, um funcionário registra a temperatura a cada hora.
Se as temperaturas flutuarem rapidamente no freezer, uma mudança na temperatura que afetaria
a qualidade dos alimentos ou dos ingredientes poderia entrar e sair entre as gravações. Nesse
caso, a resolução adequada pode ser obtida com a gravação de medições a cada 10 minutos ou a
cada seis minutos para 10 leituras por hora. Melhor ainda, em um freezer com termostato digital
conectado a uma rede, as equipes podem acessar as leituras registradas a cada minuto.
A resolução é geralmente uma das coisas mais fáceis de corrigir em um sistema de medição, mas
nem sempre é econômico ou plausível medir com as resoluções mais detalhadas. As equipes
devem considerar requisitos de recursos ao desenvolver um sistema de medição. Se, no entanto,
a resolução mais detalhada for possível, as medições obtidas fornecerão mais informações sobre
o processo e um tamanho de amostra maior a partir do qual trabalhar.
Ajustando Erros de Linearidade

A linearidade descreve como um sistema de medição funciona em um intervalo. Uma régua
métrica padrão nas mãos da maioria das pessoas é bastante precisa na medição de centímetros,
mas é menos precisa na medição de milímetros ou quilômetros. Uma escala com um intervalo
entre 0 e 10 quilogramas pode medir com menos precisão em qualquer extremidade do intervalo.
Fazer medições em várias faixas com um sistema de medição existente e comparar essas
medidas com dados reunidos com ferramentas reconhecidas como precisas em todas as faixas
pode ajudar as equipes a encontrar erros de linearidade. Em alguns casos, as equipes podem
desenvolver equações matemáticas para explicar as discrepâncias. Por exemplo, se a balança for
precisa em 5 quilos, mas passa 250 gramas para cada quilo a partir de então, uma medida de 8,5
quilos seria:
8,5 - ((8,5-5) *, 25) = 7,625
Se os ajustes matemáticos não forem possíveis, as equipes não devem usar sistemas de medição
para medir intervalos nos quais ocorrem erros de linearidade regularmente.
Estabilidade
A estabilidade descreve a consistência das medições ao longo do tempo. Se os operadores
estiverem medindo da mesma maneira e usando as mesmas ferramentas - e essas ferramentas
não tiverem nenhum dos outros problemas descritos acima -, as medições devem refletir a
estabilidade em um gráfico de controle. Cartas de controle são apresentadas no capítulo 16 e
abordadas em profundidade nos capítulos posteriores sobre controle estatístico de processo.
Se a variação das medições, conforme refletida em um gráfico de controle, não indicar

estabilidade, então as equipes podem tentar primeiro descartar um problema com o sistema de
medição antes de determinar que o processo está fora de controle.
Gage R&R
As ferramentas Gage R&R são usadas para garantir a possibilidade de repetição e reprodução em
relação aos sistemas de medição. Na maioria dos casos, as ferramentas do Gage R & R aplicam-
se a sistemas de medição envolvendo operadores e avaliadores humanos. As equipes Seis Sigma
aplicam os testes Gage R&R para encontrar pontos fracos em tais sistemas de medição.
No teste Gage R & R, a possibilidade de repetição significa que um único funcionário, usando o
mesmo sistema de medição e avaliando as mesmas coisas, pode repetir suas medições.
Reprodutibilidade significa que vários funcionários usando o mesmo sistema e avaliando as
mesmas coisas surgem com medidas correspondentes ou muito próximas da correspondência.
A maioria desses testes se enquadra em dois tipos: atributo e variável. A premissa para testar
cada tipo de medição é a mesma, embora os critérios e a análise estatística após o teste sejam
ligeiramente diferentes.
Atributo Gage R&R

Um atributo Gage R & R é usado quando as equipes do Seis Sigma estão analisando sistemas de
medição para dados de entrada / saída. Por exemplo, se os operadores revisarem um item na
linha de produto e decidirem simplesmente aprová-lo ou não, é uma medida de atributo. No
exemplo das medições do freezer acima, um funcionário pode simplesmente ser encarregado de
registrar se a temperatura estava em um intervalo apropriado: uma medição de sim / não. Como
dito anteriormente, as medições de atributo fornecem o mínimo de informação sobre um processo,
portanto, no caso da temperatura do freezer, é melhor registrar a temperatura real. Se a gravação
estava dentro da faixa apropriada pode ser determinada sistemicamente a partir dos dados de
temperatura.
Quando dados de atributo são usados, um atributo Gage R & R é usado para testar o sistema de
medição seguindo as etapas abaixo.
1. Selecione pelo menos dois avaliadores.

2. Forneça um número de amostras. Rotule as amostras de uma maneira que você saiba
qual é qual, mas que não identifica a amostra para o avaliador.
3. Registre a medição real do atributo para cada amostra de acordo com a melhor medida
(mais precisa) que tiver.

4. Peça a cada avaliador que registre a medição do atributo para cada amostra fornecida (vai
/ não vai; sim / não; quente / frio; aprovar / reprovar; etc.).
5. Repita o processo com as mesmas amostras e avaliador, randomizando a ordem em que
você apresenta as amostras. A aleatorização da ordem das amostras da segunda vez que
os avaliadores são apresentados a elas reduz a chance de que os avaliadores se lembrem
de qual medida registraram na primeira vez e registrem a mesma medida por padrão.
6. Insira todos os dados em uma planilha ou arquivo Gage R & R semelhante ao abaixo, que
mostre um teste de uma medição de aprovação / reprovação.
Rótulo de Atributo Avaliador 1 Avaliador 2 Concordam

Amostra Real Teste 1 Teste 2 Teste 1 Teste 2 Sim/Não?
1 A A A R A Não
2 A A A A A Sim
3 A A A A A Sim
4 R A R R R Não
5 A A A A A Sim
6 R R R R A Não
7 R A A R R Não
8 A A A R R Não
9 R R R R R Sim
10 A A A A A Sim
A partir do Gage R & R acima, você pode ver que o sistema de medição é reproduzível apenas
50% do tempo, tornando-o um sistema de medição deficiente. É repetível 90% do tempo para o
Avaliador 1 e 80% do tempo para o Avaliador 2, e os avaliadores são precisos em 80% e 70% do
tempo, respectivamente. Diante desses resultados, uma equipe Seis Sigma pode determinar que
há problema de clareza com instruções sobre como determinar se uma amostra é aprovada ou
reprovada. O gráfico acima fornece apenas dados para um conjunto de 10 amostras; O teste de
atributo Gage R & R mais preciso geralmente requer pelo menos 20 pontos de dados.
Variável R&R
Nem todos os dados são dados de atributos, e é por isso que as equipes também podem executar
testes variáveis de Gage R & R. Enquanto os dados brutos de um teste Gage R & R variável
podem fornecer a uma equipe do Seis Sigma uma imagem se um sistema de medição está
obviamente falhando ou não, a análise estatística é normalmente necessária para uma
determinação verdadeira sobre o desempenho de um sistema de medição. Isso ocorre porque,
com medições variáveis, algumas diferenças entre as medições e os operadores são prováveis,
particularmente ao medir valores muito pequenos ou grandes ou ao capturar dados em uma
medição em movimento.
Configure um teste de Gage R & R variável da mesma maneira que você configura um teste de
atributo, usando dois a três avaliadores e pelo menos cinco a dez resultados para serem medidos.
Peça para cada avaliador medir cada amostra duas ou três vezes, randomizando a ordem em que
as amostras são apresentadas para evitar que os avaliadores se lembrem das medições
introduzidas inicialmente. Registre todos os dados em um modelo de Gage R & R variável, como o
exemplo abaixo.
Amostra Medida real Avaliador 1 Avaliador 2 Avaliador 3 Variação
A análise estatística realizada no Excel SPC ou Minitab pela Faixa Preta ou Verde normalmente
retorna quatro dígitos:
• % Variação do Estudo
• % de tolerância
• % de contribuição
• Número de categorias distintas
As equipes devem buscar garantir que todos os quatro elementos de um cálculo de teste Gage R
& R variável estejam nos intervalos considerados "seguros". Comumente, cada elemento vem com
uma escala para zonas seguras ou verdes, juntamente com zonas de cuidado e zonas de falha.
Se um dos elementos cai em uma zona de precaução e todos os outros na verde, então uma
equipe provavelmente concluirá que o sistema de medição é suficiente. Em alguns casos, todas
ou a maioria das pontuações da zona de precaução podem ser consideradas aceitáveis,
particularmente se tornar o sistema de medição mais preciso for caro ou causar problemas de
aplicação para outros processos. Sistemas de medição que pontuam na zona de falha para
qualquer elemento provavelmente devem ser reparados ou substituídos.
Os critérios comuns usados para julgar cada elemento da variável Gage R & R são os seguintes:
Elemento Seguro Cuidado Falha
% Variação do Estudo 0 a 10 10 a 30 30 acima
% de tolerância 0 a 10 10 a 30 30 acima
% de contribuição 0a1 1a9 10 acima
# Número de categorias distintas 10 ou mais 6 a 10 1a5

Nota: Outra ferramenta que é eficaz na identificação de variação em um sistema de medição é

chamada de ANOVA ou Análise de Variância. A ANOVA também é útil para analisar variações de
qualquer tipo e será abordada na unidade 5 em estatística intermediária.
Coletando Amostras de Dados

Quando as equipes tiverem certeza de que as melhores ferramentas de medição possíveis estão
em vigor, elas podem começar a coletar dados para serem usados na fase de análise do projeto
DMAIC. As conclusões mais precisas surgem quando uma equipe pode analisar dados para toda
a população, mas isso raramente é possível devido a restrições de tempo e custo. Se você puder
obter acesso a dados automatizados ou bancos de dados, poderá coletar dados de população ou
tamanhos de amostra extremamente grandes que melhor aproximem os dados da população.
Caso contrário, as equipes Seis Sigma devem amostrar aleatoriamente a população disponível e
usar essas amostras para tirar conclusões sobre a população como um todo.
Para garantir que as amostras possam ser usadas para tirar conclusões estatísticas, elas devem
ser manuseadas corretamente e ter o tamanho apropriado. Nesta seção, abordaremos os tipos de
estratégias de amostragem que as equipes Seis Sigma podem usar e por quê.
Amostragem Aleatória Simples

A amostragem aleatória simples funciona quando existe uma chance igual de que qualquer item
dentro da população seja escolhido. Por exemplo, se você colocar 20 bolinhas de tamanho, peso e
textura iguais em uma sacola e selecionar cegamente uma delas, cada bolinha de gude na sacola
tem uma chance em 20 de ser selecionada. Se as bolinhas tiverem tamanhos ou pesos diferentes,
esses atributos diferentes podem afetar a chance de cada bolinha ser selecionada.
Bolinhas mais pesadas podem ir para o fundo da bolsa; Bolinhas maiores podem ser mais
propensas a serem apanhadas.
Amostragem aleatória para análise estatística requer que a amostra represente atributos e
porcentagens similares a toda a população. A população é "N" itens grandes. O tamanho da
amostra é "n" itens grandes. Quão grande a amostra precisa ser para representar estatisticamente
a população é decidida por vários fatores.
Amostragem Estratificada
A amostragem estratificada ocorre quando a população como um todo é dividida ou pode ser
dividida em subgrupos com atributos diferentes. Por exemplo, se uma companhia de remessa
quiser testar a precisão de seus tempos de remessa estimados em relação aos tempos reais de
remessa, pode presumir que os resultados irão variar de acordo com a distância que um pacote
deve percorrer. Ao selecionar aleatoriamente amostras de toda a população de pacotes, há uma
chance de a empresa acabar apenas com amostras de pacotes entregues em um raio de 200
milhas.
Para evitar viés nos dados, a empresa de entregas pode dividir a população em quatro subgrupos:
• Entregas num raio de 200 milhas

• Entregas no raio de 201 a 400 milhas
• Entregas no raio de 401 a 600 milhas
• Entregas superiores a 600 milhas
Por amostragem aleatória dos subgrupos estratificados, a equipe garante um tamanho de amostra
com menos viés.
Amostragem Sequencial
A amostragem sequencial envolve a seleção de todos os itens X para inclusão na amostragem. A
amostragem sequencial pode ser usada quando as equipes coletam dados em intervalos como
tempo. A equipe pode coletar dados a cada 10 minutos. A amostragem sequencial também pode
ser usada para amostrar itens físicos; cada 5° item em uma linha de produto pode ser revisado.
Dados os parâmetros certos e tempo suficiente, a amostragem sequencial pode fornecer
resultados estatísticos válidos. As equipes devem estar cientes, no entanto, que a sequência da
amostragem pode, em casos raros, distorcer os resultados. É possível, por exemplo, que algo
ocorra durante cada 5ª iteração de um processo que cause a ocorrência de uma diferença.
Amostras Não-Aleatórias
A amostragem não aleatória não deve ser usada quando se lida com análise estatística, pois é
mais provável que apresente erro de usuário ou de amostragem. Embora toda amostragem venha
com algum tipo de erro, os erros de amostragem aleatória podem ser calculados e contabilizados
na análise. O mesmo não pode ser dito de amostras não aleatórias.
Amostragem não aleatória inclui conveniência ou amostragem de julgamento. A amostragem de

conveniência ocorre quando uma equipe realiza as medições mais convenientes. "Queremos
saber sobre o processo agora, então vamos analisar os próximos doze itens que saem da linha."
Esse tipo de análise só diz à equipe como o processo foi realizado naquele exato momento.
A amostragem de julgamento ocorre quando um especialista ou uma pessoa experiente é

encarregada de “selecionar” amostras apropriadas. Um supervisor pode dizer ao seu membros da
equipe: “Selecione alguns de seus trabalhos que representam a maneira normal como você
trabalha em um determinado dia.” Na maioria dos casos, os membros da equipe selecionam o que
acreditam ser um trabalho de melhor qualidade, distorcendo qualquer resultado da amostra.
Apresentando uma Métrica de Linha de Base

Uma dos principais produtos que surgem das fases de definição e medição é a métrica da linha de
base. Como o processo está se saindo agora e que medida a equipe usará para comparar o
desempenho atual com o desempenho pós-melhoria?
As métricas de linha de base são números, mas a maioria das equipes acha que apresentar a
métrica graficamente ressoa melhor com recursos de negócios e executivos. As representações
visuais também fornecem às equipes uma maneira rápida de determinar se o progresso está
ocorrendo.
O tipo de representação visual que você usa depende se sua principal métrica é discreta ou
contínua. Dados discretos podem ser exibidos nos gráficos de Pareto (ver Capítulo 5) e dados
contínuos podem ser exibidos através de gráficos de execução. Também é possível usar a
variação ou outros cálculos para converter dados discretos em dados contínuos para exibição em
gráficos de execução e gráficos de controle (consulte o Capítulo 16 para obter informações sobre
gráficos de controle).
Gráficos de Execução
Um gráfico de execução pode ser usado para monitorar o desempenho de qualquer variável ou
processo ao longo do tempo. Com um único gráfico intuitivo, as equipes do Seis Sigma podem
exibir tendências, mudanças e ciclos em um processo; eles também podem monitorar um
processo para preocupações, embora os gráficos de execução não sejam tão eficazes quanto o
gráfico de controle.
Um gráfico de execução básico é simplesmente um gráfico de linha dos dados ao longo do tempo,
o que significa que qualquer pessoa pode criar o gráfico. A maioria dos gráficos de execução do
Seis Sigma também apresenta uma linha que representa a mediana de todos os pontos de dados
para referência visual. Dependendo do tipo de informação que está sendo mapeada, talvez seja
necessário converter dados em proporção para um gráfico de execução mais preciso. Por
exemplo, se você está plotando a temperatura de uma superfície ao longo do tempo, não há
necessidade de converter dados. Se você estiver planejando o número de pacientes readmitidos
em um hospital dentro de 30 dias após a alta, isso ajudará a converter os dados em uma
porcentagem do número de pacientes que receberam alta no mesmo período de tempo. Em um
período de 30 dias em que 10.000 pacientes tiveram alta, você pode esperar um número maior de
retornos do que um período durante o qual apenas 5.000 pacientes recebem alta.
A figura abaixo ilustra um gráfico de temperatura ao longo do tempo. Pode-se ver como a
temperatura muda com o tempo e começar a ver algumas tendências possíveis. Uma equipe Seis
Sigma seria capaz de diminuir o zoom, visualizando o gráfico de execução ao longo de mais
tempo para validar as suposições de tendência. Você também pode ver que a temperatura
mediana do processo é 33.
O gráfico de execução abaixo indica o número de devoluções por cem vendas para cada mês do
ano. Você pode ver que as devoluções à medida que a taxa de vendas aumenta constantemente
durante a primeira parte do ano, antes de se manter estável de maio a novembro. A linha laranja
indica o retorno médio por centenas de vendas, que é um pouco abaixo de sete.
Crie Gráficos de Execução Básicos no Excel

O software de análise estatística, incluindo o Minitab e o Excel SPC, cria todos os elementos de
um gráfico de execução automaticamente a partir dos dados inseridos, mas qualquer um pode
usar as funções básicas do Excel para criar um gráfico de execução, se necessário.
Primeiro, crie uma tabela de dados.
Criar uma tabela de dados para um único atributo, como temperatura, requer apenas a inserção
dos rótulos de tempo em uma coluna e as medidas de atributo em outra. Por exemplo, vamos
percorrer a criação de uma tabela de dados de taxas, pois envolve etapas adicionais.
1. Digite os rótulos de dados (mês, semana, hora, etc.) na primeira coluna do Excel.
2. Na próxima coluna, insira as medidas correspondentes para o atributo que você está
interessado: nesse caso, o número total de retornos por mês.
3. Na terceira coluna, insira o número total de itens para os quais você está comparando o
atributo: nesse caso, o número total de vendas por mês.
4. Na quarta coluna, calcule a porcentagem da primeira coluna de dados em relação à

segunda. Nesse caso, a porcentagem de retornos por vendas para cada mês. O cálculo é
obtido nesse caso pela fórmula = B2 / C2 para janeiro, = B3 / C3 para fevereiro e assim
por diante.
5. Decida se quer criar um gráfico de execução mostrando porcentagens, ou se você

gostaria de criar o gráfico ilustrando taxa por 100, por 1.000, etc.
6. Se você quiser ilustrar uma taxa por (x), multiplique o cálculo da porcentagem na quarta
coluna por (x). Nesse caso, os números na coluna D são multiplicados por 100.
7. Use o Excel para calcular a mediana do número que você planeja traçar. A mediana é
calculada com a fórmula = Mediana (Número 1, Número 2,…), onde os números na

fórmula se correlacionam com o intervalo de todos os pontos de dados cartografados.
Nesse caso, a mediana é 6,96679
8. Realce os rótulos de dados (neste caso, coluna A) e as figuras a serem traçadas (coluna
E)
9. Escolha Inserir> Gráficos> Gráfico de Linhas para inserir um gráfico de linhas do atributo
ou cálculo de atributo.
10. Selecione Inserir> Forma> Desenhar Linha.
11. Desenhe uma linha no gráfico de execução aproximadamente onde a mediana estaria.
Use as ferramentas do Excel para selecionar uma cor e espessura para a linha desejada.
O gráfico de execução completo pode ser usado para apresentar informações à equipe do Seis
Sigma ou incluir uma representação gráfica do desempenho do processo de linha de base em
uma apresentação de pedágio da fase de medição. Novamente, deve-se notar que a criação
manual de um gráfico de execução não é necessária para a maioria dos Faixas Pretas e Verdes,
que terão acesso ao software de análise estatística.
Lista de Verificação de Pedágio da Fase Medir

Use a lista de verificação abaixo para determinar se uma equipe está pronta para passar da fase
de medição para a fase de análise de um projeto DMAIC.
• A equipe concordou com as medições principais e apresentou uma métrica básica do

desempenho do processo.
• A equipe analisou os sistemas de medição e identificou quaisquer problemas que possam
contribuir para erros de análise.
• Sempre que possível, a equipe corrigiu os sistemas de medição para remover riscos de
erros.
• A equipe calculou a variação do processo e o nível sigma.
• A equipe conduziu uma amostragem apropriada para permitir conclusões estatisticamente
válidas na próxima fase.
• O patrocinador ou patrono revisou e assinou todos os elementos da fase de medição.
Capítulo 14: Análise
Se o capítulo sobre a fase de medição pareceu especialmente longo, é porque a fase em si é
longa e requer muito trabalho. Sem uma fase de medida forte, a equipe não pode avançar para
analisar dados e tomar decisões baseadas em dados que impulsionem as fases de melhoria e
controle. As fases de análise também exigem muito trabalho, mas esse trabalho é normalmente
realizado pelos Faixas Pretas e Verdes, que relatam as descobertas para a equipe do Seis Sigma
e pedem feedback sobre análise e verificação de análise.
Neste capítulo, discutiremos várias ferramentas que podem ser usadas pelas equipes Seis Sigma
durante a fase de análise, mas também faremos referência a outros capítulos e unidades. As
unidades 4, 5, 7 e 8 fornecem informações detalhadas sobre as ferramentas estatísticas
referenciadas ao longo deste capítulo.
Análise da Causa Raiz

Uma das atividades fundamentais da fase de análise realizada por toda a equipe com ajuda de
especialistas é a análise da causa raiz. Tal análise é usada para identificar causas raizes de
problemas ou defeitos quando uma equipe atinge a fase de análise sem uma ideia clara da causa
primária. Algumas das ferramentas descritas para identificar as causas raízes neste capítulo
podem ser usadas em fases de definição ou medição, a critério do Faixa Preta, liderando a equipe;
o FEMA descrito no capítulo 13 sobre medida também pode ser usado na fase de análise como
parte da análise de causa raiz.
O Diagrama de Causa e Efeito, ou Espinha de Peixe

Um método popular de brainstorming e análise de causa em um processo é o diagrama de
espinha de peixe. O diagrama de espinha de peixe pode ser completado por um único perito Seis
Sigma, mas normalmente tem mais valor quando é completado por toda a equipe. O diagrama
permite que as equipes se concentrem em um processo de brainstorming que gera ideias sobre
possíveis causas de problemas, organiza essas possibilidades de maneira lógica e permite que as
equipes visualizem as informações para identificar prioridades, tendências e relações entre as
ideias. Quando usado como uma atividade em equipe, o diagrama espinha de peixe incentiva a
participação de todos os membros da equipe, o que aumenta a chance de estabelecer o trabalho
de base para uma solução viável e original.
O diagrama de causa e efeito é chamado de diagrama de espinha de peixe, porque você começa
com o que parece ser um desenho simples de um esqueleto de peixe. Consulte o diagrama abaixo
e siga as instruções para criar um diagrama de espinha de peixe como parte de um exercício de
brainstorming da equipe. Você também pode usar essas instruções agora para praticar um
diagrama de espinha de peixe com base em um processo ou problema com o qual tenha
experiência.
Pessoas Processo/Máquina
Problema
Materiais Procedimento/Método
1. Esboce uma forma básica de espinha de peixe em um quadro branco ou um grande flipchart.
Escreva uma versão resumida do problema onde a cabeça de peixe deve estar. Observação:
você não precisa realizar um diagrama de espinha de peixe apenas na declaração de
problema da fase de definição. As equipes também podem conduzir o diagrama em um defeito

ou problema específico encontrado durante a fase de definição ou medição. Por exemplo, se a
declaração do problema discute a quantidade de resíduos em um restaurante, a equipe pode
ter descoberto durante a fase de medição que o pão está sendo jogado fora a uma taxa maior
do que todos os outros itens alimentares. Uma das atividades tratadas na fase de análise
pode ser um diagrama de espinha de peixe especificamente sobre o motivo de tanto
desperdício de pão.
2. Desenhe uma espinha de peixe e quatro conectores principais. Rotule cada conector como
Pessoas, Processo, Materiais e Procedimento. Alguns Faixas Pretas também incluem outros
dois principais conectores: Equipamentos e Ambiente.
3. Explique as categorias do diagrama de espinha de peixe à equipe. Observe que há alguns
locais, especialmente com processos específicos, nos quais as várias categorias se
sobrepõem. Algumas ideias geradas pela equipe ao concluir o diagrama de espinha de peixe
podem se encaixar em mais de uma categoria.
a. Pessoas – refere-se a qualquer pessoa que realiza ou interage com um processo.

b. Processo ou máquina - refere-se ao processo pelo qual as entradas se tornam saídas.
c. Procedimento ou método - refere-se ao modo como as coisas são feitas, seja por
documentos escritos ou por regras não escritas.
d. Materiais - são os insumos, como produtos brutos, do processo.
e. Equipamento - inclui a tecnologia ou as máquinas necessárias para lidar com o
trabalho.
f. Ambiente - é a área imediata em torno do processo.
4. Comece com cada categoria no diagrama de espinha de peixe, perguntando à equipe como
algo nessa categoria pode ser responsável por um problema ou defeito.
5. Use notas adesivas para escrever idéias e colocá-las no diagrama de espinha de peixe para
que você possa reposicionar as ideias mais tarde. Você também pode escrever diretamente
no diagrama.
6. Junte o brainstorming de causa e efeito com o exercício dos 5 Porquês descrito no capítulo 6.
Para cada ramo do diagrama de espinha de peixe, pergunte “Por quê?” Pelo menos cinco
vezes para garantir o detalhe mais granular possível.
7. Quando a equipe ficar sem ideias para a primeira categoria, repita as etapas de 4 a 6 para
todas as outras categorias.
8. Dedique algum tempo à equipe para revisar o diagrama, discutir o posicionamento de
possíveis causas e movê-las para categorias e subseções apropriadas para criar uma
representação visual organizada.
9. Remova ou elimine causas que não são válidas após a discussão inicial.
10. Em equipe, decida quais causas raizes parecem mais prováveis ou mais prioritárias. Circule
essas causas como possibilidades de alta prioridade para futuras investigações.
Exemplo de Brainstorming de Causa e Efeito

Para ter uma ideia melhor de como funciona um diagrama de espinha de peixe, considere a
imagem de exemplo abaixo e veremos como a equipe criou as informações registradas na linha de
procedimento / método deste diagrama.
A equipe acima estava trabalhando para resolver um problema de bolos queimados em uma
padaria. Ao discutir o método pelo qual os bolos estão sendo assados, a equipe primeiro trouxe
como motivo os bolos estarem sendo assados em horários inconsistentes. Talvez, sugeriu um
membro da equipe, os funcionários não estivessem prestando atenção e estivessem deixando
bolos no forno por muito tempo. A ideia foi escrita.
As instruções para assar bolos são vagas, disse outro membro da equipe - desta vez, um
especialista no assunto da padaria. "Por quê?", Perguntou a equipe. O especialista no assunto
respondeu que as instruções na padaria não levam em conta vários tipos de bolos, deixando a
equipe adivinharem sobre os tempos de assar para alguns bolos. Além disso, perguntas “Por
quê?” ajudaram a equipe a determinar que novos bolos foram adicionados ao menu sem que as
instruções gerais para a equipe da padaria fossem atualizadas.
Depois de ir mais fundo nos tempos de cozimento inconsistentes, a equipe novamente se

perguntou como os métodos poderiam ser responsáveis pelos bolos queimados. Alguém sugeriu
que a temperatura no forno estava muito quente, e a equipe ligou a sugestão à mesma causa
básica que os tempos de cozimento inconsistentes. Após a revisão final, alguém observou que a
sugestão de que a equipe não estava prestando atenção era uma causa inválida, porque a padaria
estava equipada com alarmes que soavam quando o tempo de cozimento estava pronto. A equipe
tirou essa ideia do diagrama.
Nesse caso, a equipe do Seis Sigma pode priorizar o fato de que as instruções não estão
disponíveis para todos os tipos de itens que estão sendo preparados na padaria. Como essa
provavelmente seria uma melhoria simples e de senso comum, o Faixa Preta pode até mesmo
designar alguém para começar a trabalhar na fase de melhoria assim que a causa for verificada.
Muitas vezes, a causa raiz não é tão óbvia e a solução para a causa ainda menos óbvia, exigindo
análise e validação adicionais antes de continuar.
Matriz de Verificação de Causa Raiz

Uma vez que as equipes identifiquem possíveis causas, elas devem verificar se as causas são
válidas. A verificação de causa raiz pode ser concluída através de uma variedade de métodos,
incluindo análise estatística, projeto de experimentos, questionamento lógico, observação de um
processo, coleta de dados adicionais, análise de dados por meio de representação gráfica e
mapeamento de processos em um nível mais granular do que o alcançado no estágio de
definição. Enquanto este capítulo aborda brevemente a análise estatística e representação gráfica,
esses tópicos, bem como experimentos e mapeamento de processos, são abordados em unidades
posteriores.
Seja qual for o método usado para validar as suposições de causa raiz, a equipe Seis Sigma deve
documentá-lo. A documentação sobre verificação de causa raiz é geralmente preenchida em uma
matriz que inclui o problema, possíveis causas, o método de verificação, por que o método de
verificação foi escolhido, os resultados da verificação e, em alguns casos, se um líder sênior de
Seis Sigma, como Faixa Preta Master, concorda. Um modelo para essa matriz é apresentado
abaixo, mas as equipes também podem criar documentos semelhantes no Excel ou no Word.
Problema Causas-Raiz Método de Razão do Método de Verificado? Notas

Possíveis Verificação Verificação
A matriz de verificação de causa raiz do exemplo do bolo queimado pode ser concluída da
seguinte maneira:
Causas-Raiz Método de
Problema Razão do Método de Verificação Verificado? Notas
Possíveis Verificação
Gráfico de
Permite que a equipe determine
Execução de
Bolos na Temperatura visualmente se as temperaturas
temperatura
padaria de quente excedem os requisitos em Sim
contra
Delaware demais qualquer ponto durante o
temperatura
estão processo de cozimento
necessária
saindo
queimados Fornece representação visual da
Box plot de
10% das Tempo de variação por tipo de bolo; os
tempos de
vezes. cozimento tempos de assar não devem Sim
cozimento por
inconsistente variar muito de bolo, portanto as
tipo de bolo
caixas devem ser planas; permite
que as equipes determinem se
certos tipos de bolo são mais
problemáticos.
Instruções Maneira fácil de determinar se a
não foram Observação do equipe de padaria tem as
Sim
passadas à processo instruções necessárias para
equipe concluir o trabalho sem defeitos
Análise Gráfica
Seis Sigma experts and teams can use a variety of graphical analysis tools to help generate ideas
about root causes or understand how inputs and outputs really impact each other. Some of those
graphical analysis tools require statistical analysis software, and those will be covered in later
Capítulos. In this section, we’ll look at a few graphical representations you can create easily with
Excel.
Os especialistas e equipes do Seis Sigma podem usar uma variedade de ferramentas de análise
gráfica para ajudar a gerar ideias sobre causas básicas ou entender como as entradas e saídas
realmente impactam umas às outras. Algumas dessas ferramentas de análise gráfica exigem
software de análise estatística, e essas serão abordadas em Capítulos posteriores. Nesta seção,
veremos algumas representações gráficas que você pode criar facilmente com o Excel.
Gráfico de Pareto
A primeira ferramenta gráfica para validar as causas raizes é o gráfico de Pareto, que foi abordado
no capítulo 5. O capítulo 5 discutiu o Princípio de Pareto, ou regra 80/20, que diz que 20% das
causas levam a 80% dos resultados. Por causa disso, um gráfico de Pareto é um bom ponto de
partida para o brainstorming de causa raiz - as equipes podem começar com as poucas entradas
ou atributos responsáveis pela maior parte do gráfico de Pareto. Assim como você pode fazer
detalhamento usando o diagrama de espinha de peixe, fazendo perguntas mais profundas de “Por
quê?”, Você pode fazer uma pesquisa usando um gráfico de Pareto.
Considere o gráfico de Pareto ilustrando as razões para negações de reivindicações médicas no

Capítulo 5.
Nesse caso, a equipe pode decidir concentrar-se nas duas principais razões de recusa de
reivindicações: reclamação duplicada e arquivamento oportuno. A equipe pode usar vários
métodos para investigar mais profundamente as causas raízes desses dois motivos de negação
de reivindicações. Eles podem executar um diagrama de espinha de peixe para descobrir por que
as declarações duplicadas estão sendo geradas. Para entender o problema de arquivamento
oportuno, as equipes podem coletar dados adicionais para análise gráfica.
O arquivamento oportuno significa que a reivindicação não foi originalmente apresentada a uma
companhia de seguros antes do prazo final para a apresentação de reivindicações. Diferentes
companhias de seguros têm vários requisitos de preenchimento oportunos, e a contagem
regressiva geralmente começa no momento do atendimento ao paciente ou no momento da alta
de uma instalação. A equipe pode querer entender quais pagadores estão negando pedidos de
depósito em tempo hábil, para que eles coletem dados da seguinte forma sobre quantas recusas
de arquivamento oportunas estão associadas a cada pagador. Como a análise de Pareto se
preocupa com os primeiros, você pode agrupar os muitos outros em uma única entrada e, para os
propósitos da análise de Pareto, ignorá-los. Um provedor médico pode cobrar sinistros a dezenas
de provedores; incluir todos os provedores na tabela de dados e no gráfico de Pareto seria um
desperdício de tempo e espaço para esse exercício específico.
Pagador Recusas
A 3512
B 2779
C 1575
D 1142
E 945
F 847
G 702
H 502
Outros 1241
Convertido em um gráfico de Pareto básico, os dados são ilustrados no gráfico abaixo.
É fácil ver no gráfico que a maior parte do problema está entre os pagadores A e B; talvez essas
empresas tenham diretrizes de arquivamento mais curtas do que as outras empresas ou a equipe
de faturamento desconhece os requisitos adequados de arquivamento oportunos para esses
pagadores. As equipes do Seis Sigma podem começar a fazer perguntas específicas a esses
pagadores, à medida que continuam analisando dados e descobrindo as causas principais.
Box Plots
Box plots são outra representação gráfica que pode ser manipulada com o Excel. Nos capítulos
posteriores sobre análise estatística, abordaremos como os gráficos de caixa podem ser
relacionados ao teste de hipóteses e outras análises. Quando as diferenças entre as distribuições
são marcadas, no entanto, ou quando os valores discrepantes são bastante óbvios nos dados, a
imagem de uma caixa gráfica conta sua própria história sem exigir conhecimento estatístico
avançado.
Os Box plots são geralmente chamados de gráficos Box-and-Whisker. Para entender como ler um
box plot, considere a tabela de dados e o gráfico abaixo. A tabela de dados mostra o tempo em
minutos em que vários corredores completaram uma corrida de uma milha. Os resultados estão
divididos nas categorias Crianças e Adultos.
Crianças Adultos
9.9 4.1
10.2 4.1
11.6 4.5
12.7 4.6
13.8 4.7
13.4 7.5
13.4 8.3
13.9 8.9
15.2 9.7
15.8 9.8
15.7 10.1
16.2 11.6
16.7 13.5
18.9 13.7
19.4 14.8
20.1 14.9
29 15
A imagem acima mostra um box plot da tabela de dados, gerada no Excel. Mesmo sem mais
explicações, você pode dizer que as crianças completaram a corrida em média mais devagar que
os adultos. A caixa azul, que representa as crianças, é mais curta que a caixa laranja, indicando
que 50% das crianças completaram a corrida de um quilômetro de duração, em tempos que
tinham menos variação do que a média dos 50% dos adultos. Para entender como se chegou a
essa conclusão, analisaremos todos os elementos de um gráfico de caixa.
Um box plot começa com a dobradiça superior e inferior - a parte superior e inferior da caixa. O
topo representa o 75º percentil; a parte inferior representa o 25º percentil dos dados. A linha
dentro da caixa representa o 50º percentil. Dentro da caixa estão os 50% de pontos de dados
entre os percentis 25 e 75.
Cada gráfico de caixa recebe whiskers superiores e inferiores, indicando o intervalo da maioria dos
outros dados dentro de um conjunto. Nesse caso, o Excel cria whiskers que se estendem até a
parte superior e inferior de um intervalo, impedindo quaisquer valores discrepantes estatísticos.
Alguns softwares ou metodologias de análise estatística usam outros métodos para criar whiskers
com resultados muito semelhantes.
Finalmente, como todos os pontos de plotagem devem ser representados em um gráfico de box
plot, os aberrantes são indicados por pontos. Você verá um ponto azul acima da caixa das
crianças, representando o ponto de dados de 29 minutos. Esse ponto em particular é um
aberrantes estatístico; As equipes Seis Sigma que observam valores discrepantes em gráficos de
caixa devem considerar os dados que são mostrados como um aberrantes. Se uma explicação
puder ser encontrada para o aberrantes, ela poderá ser ignorada. Por exemplo, se a criança que
levou 29 minutos para completar a milha era muito mais jovem do que as outras crianças ou
estava andando com uma lesão, o ponto de dados é explicado e pode ser excluído de uma análise
mais aprofundada.
Além de chamar aberrantes, os box plots permitem comparar graficamente duas distribuições para
ver se, como no exemplo acima, existem diferenças óbvias entre os conjuntos de dados. Box plots
são úteis para comparar como vários atributos afetam um processo. As equipes do Seis Sigma
podem comparar os resultados do processo para diferentes operadores, diferentes horários do dia,
equipes diferentes ou usando diferentes entradas. É importante comparar dados dessa maneira
para alterar apenas um atributo ou entrada, caso contrário, você não poderá dizer qual a causa de
qualquer diferença entre conjuntos de dados se uma diferença estatística parecer provável em um
box plot.
Use algumas informações para um processo de trabalho com o qual você está familiarizado ou
use os dados de amostra fornecidos para criar box plots no Excel seguindo as etapas fornecidas
abaixo.
Um gerente de departamento acredita que a equipe de suas equipes seria mais produtiva se
conseguisse trabalhar com dois monitores de computador. Como equipar um departamento inteiro
com monitores duplos seria dispendioso, o chefe do gerente exige alguma prova de que sua
suposição está correta. O gestor equipa algumas estações com dois monitores e permite que
diferentes membros da equipe trabalhem nas estações. Ela registra a quantidade de trabalho
realizado em incrementos de hora em hora em estações que têm monitores duplos, bem como
estações que possuem monitores únicos. Seus dados são apresentados na tabela abaixo.
Dois
Um Monitor
Monitores
9 10
8 4
4 9
7 7
2 8
6 7
1 9
8 9
5 14
4 10
3 12
7 7
9 9
5 4
1 9
5 7
6 8
7 14
4 13
2 10
9 12
5 12
4 8
8 6
2 10
Crie um box plot da informação na tabela de dados do gerente
1. Copie os dados da tabela acima para o Excel.

2. Realce todas as células de dados, incluindo a linha de cabeçalho.
1.
3. Clique em Inserir> Gráfico estatístico> Mais gráficos estatísticos

4. Selecione Box and Whisker e clique em OK.
5. Usando as funções normais de edição de gráficos do Excel, edite o título e os rótulos de

dados do gráfico, conforme desejado.
Enquanto um Seis Sigma Faixa Preta seria capaz de sustentar a conclusão com testes de
hipóteses ou outras análises, o gerente pode obter o seu pedido de monitores aprovados com
nada mais do que este gráfico de caixa. É fácil ver que o segundo monitor aumentou a capacidade
de produção da equipe. Outra coisa digna de nota é que as distribuições para cada uma das
caixas e bigodes são semelhantes, o que é um pouco esperado. Produtores altos ainda vão
produzir mais, e os produtores mais baixos ainda produzirão menos que os de alta produção,
mesmo que todos estejam produzindo um pouco mais com o novo arranjo.
Note que os dois exemplos usados neste Capítulo usaram conjuntos de dados que eram
diferentes o suficiente para serem visualmente visíveis em um gráfico de caixa. Esse nem sempre
é o caso, e é por isso que as plotagens de caixa e outras representações gráficas geralmente são
apenas o ponto de partida para a análise.
Análise Estatística
Como a análise estatística é coberta em várias unidades futuras, esta seção lista algumas
ferramentas comuns de análise estatística com definições.
Teste de Hipóteses
O teste de hipóteses permite que os especialistas do Seis Sigma tirem conclusões sobre a
população com base em análises estatísticas realizadas em uma amostra. Como as conclusões
são baseadas em amostras e não em toda a população, há sempre algum risco de erro. Você
pode ter visto ou ouvido os resultados das pesquisas com um sinal de mais/ menos no resultado:
“60%, mais ou menos 2 pontos percentuais, votariam no candidato hoje”. Esse mais/ menos é o
valor do risco de erro.
Na análise estatística, o risco de uma amostra não oferecer uma boa representação da população
é conhecido como o risco alfa e o risco beta. Usando informações sobre a amostra e os riscos alfa
e beta, estatísticos calculam o que é chamado de valor p. O valor p é uma estimativa de
probabilidade que informa aos estatísticos a probabilidade de uma suposição ou conclusão
baseada em dados de amostra estar incorreta.
O software estatístico remove muitos dos cálculos manuais do processo de configuração e
execução de testes de hipóteses. Com o Minitab, por exemplo, especialistas Seis Sigma podem
realizar testes de hipóteses em dados preparados com poucos cliques do mouse. Eles precisam
saber que tipos de testes de hipóteses devem ser usados em quais situações.
Análise de Correlação e Regressão

A análise de regressão e correlação ajuda os especialistas do Seis Sigma a entender
como as variáveis dentro de um processo podem estar relacionadas. A análise de
regressão ajuda as equipes a definir o relacionamento entre uma variável independente -
possivelmente uma entrada - e uma variável dependente - possivelmente uma saída. A
temperatura do forno tem relação com o fato de o bolo estar assado corretamente? E o
quão próximas estão as duas coisas? O número de horas que uma pessoa trabalha tem
um impacto em sua produtividade - a equipe pode mostrar uma correlação entre a menor
produção quando os funcionários se aproximam do final de um turno? Esses são os tipos
de perguntas que a análise de regressão pode responder.
Para trabalhar com a análise de regressão, ambas as variáveis em estudo devem estar
em formato numérico. Para conduzir uma análise de regressão sobre a relação entre a
temperatura do forno e se um bolo é assado corretamente, uma equipe Seis Sigma assou
bolos em variadas temperaturas e classificou-os numericamente em "feitura". Uma
classificação de 1 indicou o bolo quase não cozido; uma classificação de 5 indicava um
bolo perfeitamente assado. Em 10, o bolo estava completamente queimado. As
temperaturas e classificações correspondentes são vistas na tabela de dados abaixo.
Temperatura do Forno Feitura do Bolo

200 1
225 1.2
250 2.2
275 2.4
300 4
325 5
350 5.2
375 6.2
400 8
425 8.9
450 9.5
475 10
Usando esses dados, a equipe cria um diagrama de dispersão com uma linha de
tendência, como visto abaixo.
Apenas olhando para este gráfico, você pode dizer que existe um relacionamento. Os gráficos de
dados são reunidos em torno da linha de tendência, o que indica que, à medida que a temperatura
aumenta, o mesmo acontece com o cozimento do bolo.
Design de Experimentos
A análise de correlação e de regressão nem sempre fornece as informações que uma
equipe precisa para determinar relacionamentos entre variáveis, especialmente quando
essas relações são complexas ou quando várias variáveis estão presentes. Como a fase
de análise abre caminho para a fase de melhoria, as equipes precisam ter a maior
certeza possível em suas conclusões analíticas antes de decidir sobre soluções para
implementação. Um projeto de experimentos pode fornecer os detalhes e análises mais
granulares necessários para esse nível de certeza.
O design de experimentos, ou DoE, é realizado por meio de um software de análise

estatística, como o Minitab. As equipes podem configurar experiências para um fator ou
vários fatores.
Lista de Checagem de Pedágio da Fase de Análise

• Causas raízes primárias foram identificadas.
• Equipe priorizou as causas raízes principais.
• O patrono ou patrocinador concorda com as prioridades da equipe que entram
na fase de melhoria.
• Sempre que possível, os pressupostos da causa raiz são respaldados por
dados estatísticos.
• Relações entre variáveis dentro de um processo são entendidas.
• Sempre que possível, relações variáveis foram confirmadas com a análise
estatística.
Capítulo 15: Melhore
Durante a fase de aprimoramento de um projeto DMAIC, as equipes Seis Sigma discutem
possíveis soluções para as causas raízes identificadas na fase de análise e classificam essas
soluções de acordo com custos, eficácia da solução e probabilidade de implementação da
solução. Os rankings analíticos são usados para priorizar e selecionar soluções para
implementação. As equipes testam soluções piloto por meio de testes beta ou pequenos
lançamentos, coletam dados sobre a solução e verificam se a mesma está funcionando como
esperado por meio de análise estatística. Uma vez que a equipe esteja confiante de que a solução
trabalha para resolver o problema, ela planeja e implementa o lançamento completo da solução.
Matriz de Seleção de Soluções

Uma matriz de seleção de soluções é uma ferramenta analítica que permite às equipes propor e
classificar soluções para qualquer uma das causas raizes identificadas na fase de análise. Embora
as equipes possam trabalhar simultaneamente em várias soluções, se várias causas raizes

prioritárias forem encontradas, o Faixa Preta e outros líderes de equipe devem permanecer
cientes dos prazos, dos recursos, do escopo e do objetivo do projeto. Se uma única solução
fornecer impacto positivo suficiente para atingir as metas do projeto, outras soluções poderão ser
salvas para futuros projetos de melhoria. Se uma solução atingir resultados, mas outra solução for
especialmente fácil de implementar e fornecer resultados positivos adicionais, a equipe
provavelmente decidirá implementar ambas.
Uma matriz de seleção de soluções pode ser criada no Excel e as equipes devem trabalhar juntas
no documento em uma capacidade de geração de ideias. É uma boa ideia incluir toda a equipe,
bem como os especialistas relevantes no assunto e as partes interessadas durante o debate de
soluções. Isso garante que as soluções que a equipe cria sejam mais propensas a se adequarem
de maneira realista ao processo e aos negócios; uma vez que as soluções são selecionadas
usando a matriz, as equipes provavelmente também precisarão obter apoio do patrocinador,
patrono ou conselho de liderança antes que uma implementação parcial ou completa seja
possível, principalmente quando as soluções exigem gastos ou afetam processos e pessoas fora
do escopo do projeto.
Um exemplo de matriz de seleção de soluções é mostrado abaixo.

Viabilidade
Benefício
Declaração do Causa Raiz Possíveis Método

Eficácia
Custo-
Geral
Agir?
Problema Validada Soluções Prático
A matriz é completada ao:
1. Inserir a declaração do problema na primeira coluna. Essa deve ser a declaração final do
problema que foi obtida durante a fase de medição, se a equipe decidir que a instrução deve
ser alterada após a coleta de dados. Caso contrário, isso pode ser a declaração de problema
da fase de definição.
2. Inserir uma causa raiz validada por prioridade da fase de análise. Se a equipe tentar resolver
mais de uma causa raiz durante a fase de melhoria, ela deverá criar uma matriz de seleção de
soluções para cada causa raiz.
3. Faça um Brainstorming de soluções potenciais na coluna três. Durante o processo de
brainstorming, as equipes não devem questionar ou tentar analisar soluções, mas devem
registrar qualquer solução sugerida que pareça viável. As únicas soluções que podem ser
ignoradas são aquelas que estão claramente fora do escopo ou impossíveis, mas o Faixa
Preta liderando o exercício de brainstorming terá que usar seu próprio discernimento sobre
tais sugestões.
4. Notar, em um nível mais alto, os métodos práticos pelos quais a solução pode ser
implementada. Em um exemplo usado no capítulo de análise, uma padaria tinha um problema
causado pela falta de instruções de panificação. Neste caso, a equipe Seis Sigma pode propor
que a equipe receba instruções adequadas. O método pelo qual essa solução ocorre é escrito
em documentação e treinamento.
5. Classificar soluções. Depois que uma lista de possíveis soluções e métodos práticos é criada,
a equipe avalia cada possibilidade quanto à eficácia, viabilidade e custo-benefício. Cada
categoria recebe uma classificação de 1 a 10.
a. Eficácia é a medida de quão bem uma solução elimina a causa raiz de um problema,
sendo 1 ineficaz e 10 altamente eficaz.
b. A viabilidade é a medida do esforço necessário para implementar a melhoria, sendo 1
inviável devido ao esforço ou recursos necessários e 10 sendo altamente viável.
c. Custo-benefício é uma medida estimada de como os custos de um projeto se
comparam às economias esperadas. Esta classificação não é uma análise formal de
custo-benefício, mas é uma estimativa de alto nível. Espera-se que as economias
superem os custos associados a um projeto, a equipe classifica a solução como alta.
Caso contrário, a equipe classifica a solução como baixa.
6. As pontuações de eficácia, viabilidade e custo-benefício são multiplicadas para calcular uma
pontuação geral. A pontuação geral pode ser usada para priorizar soluções e selecionar a
solução que apresenta a melhor avaliação geral de eficácia, viabilidade e custo-benefício.
Considere uma possível matriz de seleção de soluções criada com relação ao exemplo de
negação de sinistros médicos usado do Capítulo sobre análise.
Durante o capítulo de análise, uma análise de Pareto indicou que os problemas de arquivamento
oportunos eram a causa raiz de elevados números de negações de pedidos. Na matriz de seleção
de soluções acima, uma equipe identificou e priorizou quatro soluções possíveis depois de
descobrir que as reivindicações não foram arquivadas no prazo porque a equipe de faturamento
de declarações não tinha todas as informações adequadas a tempo.
A primeira solução é exigir que a recepção colete o máximo de informações possível. A equipe
deu a essa solução uma avaliação de eficiência intermediária porque não aborda o fato de que as
informações clínicas ainda podem estar ausentes da solicitação. Mas, o processo seria eficaz na
coleta de informações demográficas e não exigiria grandes despesas ou esforços para
implementar, então a equipe classificou-a como alta para as outras categorias.
Em seguida, a equipe considerou criar e exigir um sistema de e-mail ou portal do paciente para
que a equipe de cobrança pudesse se comunicar rapidamente com os pacientes ao faltar
informações. Como nem todos os pacientes têm e-mail e muitos não usariam esse sistema, a
equipe classificou essa solução como baixa para viabilidade e eficácia.
A terceira solução considerada pela equipe exigia que os médicos incluíssem todas as
informações necessárias para o faturamento, conforme obtidas durante a consulta com o paciente.
A equipe achou que essa solução seria bastante eficaz, mas é improvável que os médicos
dediquem tempo para serem tão meticulosos ao lidar com problemas de pacientes. A solução
também pode retardar as consultas do médico, resultando em um impacto negativo na receita.
Por fim, a equipe considerou uma solução que colocava certos membros da equipe no comando
das reinvindicações com informações ausentes. Como esses membros da equipe poderiam se
concentrar em reinvindicações perdidas e trabalhar em um novo fluxo de trabalho criado pela
equipe, eles teriam maior probabilidade de apresentar solicitações no prazo. No geral, a equipe
classificou essa solução como a mais alta, mas eles decidiram implementar as soluções um e
quatro porque a solução um requeria pouco esforço e realmente ajudaria a impulsionar o sucesso
da solução quatro.
Análise de Custo-Benefício
Quando as equipes incluem os indivíduos apropriados no processo, uma matriz de seleção de
soluções é muito hábil em identificar as melhores soluções possíveis para implementação. Os
conselhos de liderança e os patrocinadores executivos geralmente querem mais informações
sobre os custos e benefícios esperados para uma solução. Portanto, as equipes devem estar
preparadas para criar uma análise de custo-benefício. Os Faixas Pretas costuma ter muitos dos
elementos necessários para tal análise após as fases de medição e análise, mas as equipes
também podem precisar trabalhar com departamentos de contabilidade, finanças ou planejamento
de negócios para obter detalhes financeiros precisos.
O objetivo de uma análise de custo-benefício é comparar os custos de implementação de uma

solução com os benefícios monetários esperados da solução. Os custos incluem gastos como
desenvolvimento ou compra de software, compra de equipamentos, desenvolvimento ou
renovação de edificações, mão de obra adicional ou contratação, despesas de treinamento,
suprimentos adicionais e quaisquer perdas associadas à interrupção quando a solução é
efetivada. Os benefícios podem incluir um aumento na margem do produto, aumento na receita,

redução de custos ou evitação, e benefícios intangíveis, como aumento da moral dos funcionários
ou retenção de clientes.
As equipes Seis Sigma geralmente não estão em posição de lidar com análises detalhadas de
custo-benefício, como as concluídas por um contador certificado, mas podem criar uma ideia de
relações de custo-benefício através do método de análise de retorno. Essa é a maneira mais
simples de abordar essa análise e fornece à liderança um tempo estimado antes de um projeto
“compensar”.
Análise de Retorno ou Compensação

Para realizar uma análise de retorno, as equipes Seis Sigma devem ter um custo estimado para o
projeto, bem como o benefício financeiro estimado por ano. Lembre-se de que os benefícios
financeiros não incluem apenas aumentos na receita. Redução de custos, novos clientes ou
mitigação de perda de clientes podem ser considerados como contribuintes para os benefícios a
cada ano. A equipe também precisa entender os custos operacionais estimados de uma melhoria
por ano.
A fórmula para essa análise é:
(Custo da implementação da solução) / (Benefícios financeiros anuais - custos anuais)
Se um projeto custa US $ 50.000 para ser implementado e US $ 2.000 por ano em trabalhos
extras, e a equipe espera que o projeto gere US $ 15.000 em benefícios financeiros a cada ano, o
cálculo é:
US $ 50.000 / (US $ 15.000 a US $ 2.000)
US $ 50.000 / US $ 13.000
Ou, aproximadamente 3,84 anos até que o projeto se pague.
Obviamente, os líderes organizacionais estão procurando cálculos de retorno mais curtos

possíveis, mas se a solução resolver um grande problema ou estabelecer uma base para um
sucesso extraordinário no futuro, um tempo maior de retorno não necessariamente excluirá a
solução.
Valor Presente Líquido

Uma maneira mais concisa de calcular os benefícios de custo é conhecida como Valor
Presente Líquido ou NPV. O NPV ajusta os benefícios e os custos com o passar do
tempo, porque o fluxo de caixa no futuro não é tão valioso quanto o fluxo de caixa atual
devido à inflação e outros fatores econômicos. A taxa de desconto para vários
empreendimentos pode ser calculada usando o retorno esperado, taxas de juros ou taxas
de inflação. Frequentemente, os departamentos de finanças corporativas podem fornecer
às equipes do Seis Sigma uma taxa de desconto usada para o NPV na empresa. Um
modelo muito básico de NPV é mostrado abaixo.
Este Ano Primeiro Ano Segundo Ano Terceiro Ano Total

Benefícios
Receita aumentada $10,000 $20,000 $30,000

Economia de Custos $5,000 $10,000 $15,000
Custos
Capital -$20,000 -$20,000
Equipamento -$15,000 -$15,000
Treinamento -$5,000 -$5,000
Trabalho -$2,000 -$2,000 -$2,000
Total de benefícios – Custo

-$50,000 $13,000 $27,000 $3,000
Anual
NPV (Descontado 5%) $12,350 $25,650 $2,850
Nesse modelo, a equipe gastou US $ 50.000 para implementar uma solução e espera uma
despesa de mão de obra de US $ 2.000 associada à solução a cada ano. Os benefícios estimados
da solução são registrados nos dois primeiros anos, e todos os benefícios e custos são somados
para uma visão do terceiro ano. O VPL é descontado em 5%, e o número final é visto na célula
inferior direita: US $ 2.850. O objetivo é um VPL positivo, então esse projeto se encaixa nesse
objetivo.
Fazendo um Piloto da Solução

Quando uma solução é selecionada e o trabalho é feito para colocá-la em produção em um nível
mínimo, a equipe Seis Sigma está pronta para um piloto. Um piloto é um teste limitado de uma
solução em um ambiente ao vivo. Não importa o quanto da análise foi concluída ou o desempenho
dos casos de teste, as equipes não podem saber com certeza como uma solução irá se comportar
na “natureza”. O ambiente de produção ao vivo sempre terá variáveis que as equipes não podem
explicar, especialmente quando as pessoas estão envolvidas no processo.
Benefícios de um piloto limitado incluem:
• O uso de recursos é limitado, reduzindo o desperdício se a solução for incorreta ou

não for eficaz na resolução do problema
• Confirmação de que os resultados esperados ocorrem
• Permite a solução de problemas de uma nova solução em menor escala para
minimizar a interrupção durante a transição completa
• Permite que funcionários fora da equipe Seis Sigma forneçam feedback sobre a
solução e implementação para tornar o lançamento final mais bem-sucedido
As equipes não precisam de um piloto para todas as alterações realizadas. Alterações simples ou
pequenas podem ser feitas sem a necessidade de um piloto, desde que as equipes documentem
bem as alterações e avaliem os resultados para verificação. Quando as mudanças são grandes
em escopo, podem causar consequências caras ou expansivas, ou difíceis de reverter, as equipes
devem começar com um piloto. O mesmo vale para qualquer solução que possa ser cara para
implementar em uma escala completa.
Os pilotos podem ocorrer em escala limitada ou por um tempo limitado. Os pilotos de escala
limitada incorporam uma região, equipe, grupo de pessoas ou maquinário específicos. Pilotos de
tempo limitado implementam uma mudança temporária; no final de um período agendado, a

equipe decide se a mudança deve ser permanente.
Os pilotos podem ocorrer com processos ou produtos. Os pilotos de processo podem apresentar
locais específicos de teste, testar os resultados com alguns clientes, trabalhar com alguns
funcionários para testar novos processos ou realizar execuções secas de um processo sem
impacto no usuário final. Os pilotos de produto são conduzidos usando mercados de teste,
modelos de produtos ou testes alfa e beta do produto com determinados usuários finais.
Para criar um piloto, uma equipe Seis Sigma deve primeiro selecionar o público para o piloto. Os
pilotos de processo interno podem ser executados por uma equipe selecionada ou por alguns
funcionários selecionados. Pilotos de produtos externos podem ser executados usando um
subconjunto de clientes. Para obter os melhores resultados do piloto, evite influenciar os
resultados selecionando os melhores desempenhos possíveis ou os clientes com maior
probabilidade de se esforçar para garantir que um produto seja bem-sucedido. Quando a solução
for implementada em uma escala completa, ela será usada por todos, portanto, deve-se garantir
que ela funcione para todos.
Quando possível, crie um piloto em nível muito pequeno e, em seguida, expanda o piloto para um
público maior. Esta é a premissa por trás dos testes alfa e beta. Um grupo muito pequeno de
clientes fiéis testa o produto primeiro, porque você sabe que ele fornecerá feedback. Em seguida,
um conjunto maior de clientes testa o produto depois que as equipes fizeram alterações
associadas ao feedback do primeiro grupo de usuários. Finalmente, se os testes limitados forem
bem-sucedidos, as equipes optarão por distribuir o produto para todo o público.
Analise o Piloto e Teste Resultados

Os especialistas da Seis Sigma podem usar todas as ferramentas associadas à fase de análise
para testar se as soluções têm um impacto positivo durante os testes ou programas piloto. O teste
de hipóteses pode ser usado para comparar dados de antes da solução para os dados após a
solução, determinando se há uma mudança estatisticamente significativa e positiva. A análise
gráfica pode ser muito útil para demonstrar aos líderes executivos como uma solução impactou
positivamente um problema reduzindo defeitos, melhorando a produção ou a eficiência ou
reduzindo custos.
Planejando Implementação
Uma vez que as soluções foram verificadas por meio de testes e análises, as equipes podem
começar o trabalho de implementar mudanças em larga escala. As equipes devem criar e
trabalhar a partir de um plano de ação durante este estágio vital e ativo do processo DMAIC para
garantir que nenhum plano ou requisito caia no esquecimento. Durante a parte ativa da fase de
aprimoramento, o líder do projeto provavelmente delegará inúmeras atividades aos membros da
equipe, e a equipe também contará com a contribuição e assistência daqueles que estão fora da
equipe Seis Sigma. Manter um documento do plano de ação ajuda todos na equipe a ver onde
estão no processo, por que são responsáveis e até que data o trabalho deve ser concluído.
Se a equipe do Seis Sigma estiver trabalhando com um gerente de projeto, ele provavelmente
será responsável pela documentação do plano de ação e pelo acompanhamento. As equipes
também podem usar uma planilha básica ou um documento do Word, que deve ser salvo em um
local comum, para acompanhar o trabalho a ser feito e quem o fará.
Como cada projeto é único, os planos de ação aprimorados também são exclusivos. A maioria dos
planos de ação contém tarefas comuns, como documentação, treinamento e transição.
Documentação
Primeiro, a equipe Seis Sigma deve ter documentado todo o seu trabalho até o momento durante
o processo DMAIC. Se solicitado, o Faixa Preta ou membro da equipe designado deve ser capaz
de apresentar análises na forma de tabelas de dados, cálculos e explicações estatísticas e
análises gráficas. Todas as atividades e diagramas de brainstorming devem ser salvos em um
local central onde todos os membros da equipe possam visualizá-los e membros da equipe
apropriados possam editá-los conforme necessário. O acesso a esses documentos ajuda os
membros da equipe a trabalhar com eficiência na documentação adicional necessária para a
implementação.
Quase qualquer organização exigirá que novos processos ou mudanças nos processos sejam
registrados nos procedimentos operacionais padrão. Dependendo da estrutura organizacional de
uma empresa, as equipes Seis Sigma podem ser responsáveis pela elaboração desses
documentos ou podem precisar trabalhar com recursos de gerenciamento de conhecimento para
criar SOPs de acordo com a marca e os modelos corporativos. As equipes também podem criar
comunicações gerais, permitindo que outros membros da equipe saibam sobre as próximas
mudanças e as razões para essas alterações, bem como documentos de referência gerais, como
folhas de dicas e perguntas frequentes.
Treinamento
A documentação forte é fundamental para a próxima parte da implementação de melhorias, que é
o treinamento da equipe. As equipes Seis Sigma geralmente não são responsáveis pelo
treinamento completo da equipe em qualquer melhoria que fizerem. Em vez disso, as equipes
iniciam o processo de treinamento trabalhando com especialistas no assunto ou delegados no
departamento afetados pelas mudanças futuras. A equipe Seis Sigma treina esses indivíduos, que
depois treinam outras pessoas que serão impactadas pelo processo. Em algum momento, o
treinamento do processo deve ser integrado ao treinamento organizacional regular por instrutores
ou departamentos de gestão do conhecimento.
Transição
Durante a fase de aprimoramento de um projeto DMAIC, as equipes devem começar a considerar
a necessidade de fazer a transição de um processo de volta para o proprietário do processo
comercial e tradicional. A transição faz parte da fase de controle, mas as equipes devem passar
da melhoria para o controle, com uma boa compreensão de como o processo deve ser medido e
monitorado. Documentação e treinamento fortes durante a fase de melhoria ajudam a consolidar o
sucesso da fase de controle.
Lista de Verificação do Pedágio da Fase de Melhoria

• As soluções foram revisadas e priorizadas.
• Uma ou duas soluções principais foram selecionadas para ação.
• Soluções foram implementadas em uma base limitada.
• Dados de ensaios limitados foram analisados e as soluções parecem funcionar como
esperado.
• A análise de custo-benefício foi realizada.
• O patrocinador, o patrono ou o comitê de direção executiva concluíram a implementação
completa da solução.
• Todos os membros da equipe concordam que a solução deve ser implantada.
• A solução é totalmente documentada por meio de SOPs e materiais de treinamento.

• A equipe crítica recebeu treinamento sobre a solução e está pronta para passar o
treinamento adiante.
Capítulo 16: Controle
O último estágio de um projeto DMAIC é o controle. Durante a fase de controle, as equipes criam
monitores que permitem que o processo continue a funcionar com sucesso depois que as
mudanças são implementadas no processo normal de negócios. Ao mesmo tempo, as equipes do
Seis Sigma trabalham para fazer a transição do processo de volta para o proprietário do processo.
Até este ponto no DMAIC, as equipes Seis Sigma trabalharam com ferramentas de análise
estatística, e um Faixa Preta ou outro especialista em Seis Sigma esteve presente para
acompanhar os membros da equipe através da análise e interpretação. Embora muitas
organizações treinem proprietários de processos e outros funcionários nos fundamentos do Seis
Sigma, nem sempre o proprietário de um processo e sua equipe estarão familiarizados com os
controles estatísticos que os especialistas do Seis Sigma vêm usando. Devido a isso, a
documentação apropriada por meio de um plano de controle e a instrução sobre ferramentas como
gráficos de controle podem ser necessárias para garantir que as equipes de negócios possam
manter um processo e identificar quando estiver fora de controle e precisar de correção.
Revise FMEA
Neste momento, as equipes Seis Sigma podem querer revisitar a ferramenta FMEA originalmente
apresentada no Capítulo 13. As equipes Seis Sigma inicialmente usam os Modos de Falha e
Análise de Efeito para identificar possíveis falhas em um processo e as causas dessas falhas. No
Capítulo 13, discutimos como o FMEA listou possíveis pontos de falha e classificou-os de acordo
com a gravidade, ocorrência e detecção, calculando um número de prioridade de risco total.
No final da fase de melhoria ou início da fase de controle, as equipes Seis Sigma devem revisitar a
FMEA, observando quais ações recomendadas foram concluídas e recalculando os números de
prioridade de risco para o processo aprimorado. Há duas razões para revisitar a FMEA. Primeiro, a
equipe é capaz de ver que mudanças positivas e significativas ocorreram por causa das soluções
adaptadas durante a fase de melhoria. Para qualquer causa raiz que correspondesse a uma
solução implementada, a equipe esperaria ver um número de prioridade de risco menor.
Segundo, um FMEA atualizado ajuda a equipe a identificar o próximo problema ou a causa raiz
que pode ser solucionada. Lembre-se, o Seis Sigma é uma iniciativa de melhoria contínua. A
equipe pode ter implementado uma solução e atingido uma meta de melhoria, mas melhorias
adicionais sempre podem ser feitas. O controle é um momento para revisar o processo e sugerir
possíveis melhorias para futuros projetos.
Crie um Plano de Controle

Para facilitar o sucesso contínuo, as equipes do Seis Sigma devem criar um plano de controle por
escrito para o proprietário do processo. O objetivo de um plano de controle é ajudar o proprietário
do processo e a equipe de negócios a acompanhar e responder aos principais indicadores de
desempenho para que o processo permaneça aprimorado. O plano de controle deve ser um
documento conciso e de fácil referência que informe à equipe de negócios quando e como
monitorar, que intervalo de dados é aceitável para o monitor e como responder com uma ação
corretiva se o intervalo medido não for aceitável.
Os planos de controle podem ser planilhas eletrônicas, documentos digitais especializados ou

documentos impressos publicados em uma estação de trabalho. Elementos comuns de um plano
de controle incluem:
• Nome da empresa, divisão ou departamento

• Nome da pessoa que criou o plano
• Data em que o plano foi criado
• Nome da pessoa que editou o plano pela última vez
• Data em que o plano foi editado pela última vez
• Nome ou identificador do processo e / ou processo
• Proprietário do processo
• Lista de etapas do processo em que a ação de controle é necessária
• CTQ ou métrica associada a cada ação requerida
• Especificações de limites ou o intervalo aceitável de medições
• A unidade de medição
• O método de medição
• O tamanho da amostra necessário
• A frequência de medição
• A pessoa responsável pela medição

• Onde a informação é gravada
• Ações de correção
• Política associada e documentos de procedimento
Ao discutir a qualidade no Capítulo 8, apresentamos o exemplo de uma empresa que fabrica

barras de chocolate e observamos que a quantidade de açúcar na receita da barra de chocolate
era fundamental para a experiência do cliente com o produto final. Se uma equipe Seis Sigma tiver
a tarefa de melhorar a satisfação do cliente com um novo produto de barra de chocolate, pode
implementar uma solução que garanta que a quantidade adequada de açúcar seja adicionada à
mistura na temperatura certa para incorporar o ingrediente adequadamente.
Um plano de controle para a nova solução da barra de chocolate pode ser algo como o documento
abaixo.
Empresa: XYZ Sweets Plano de Controle Criado por: Joe Faixa Preta
Processo: Sugar addition, raw goods mixture Plano de Controle Criado em: Jan. 4, 2012
Proprietário do Processo: Sue Processoor
Passo do Processo Adição de açúcar à fornada Aquecimento da fornada
CTQ/Metrica Quantidade total adicionada à fornada Temperatura média durante a

mistura
Especificação de Limite LSL: 4.90 cups LSL: 105 F
USL: 5.10 cups USL: 110 F

Unidade de medida Xícaras Graus F
Método de medição Tigela para 6-xícaras de açucar para Leia o termômetro digital
teste integrado na máquina de
mistura
Tamanho da Amostra Uma formada 3 leituras com 2 minutos de
diferença, durante a mistura
Frequencia A cada 2 horas A cada 2 horas
Funcionário Operador de Mistura Operador de Mistura
Dados gravados em Planilha de registro de operação de Planilha de registro de

mixagem operação de mixagem
Ação corretiva Meça manualmente a quantidade Desligue a máquina,
correta para a fornada atual para desperdice lotes
permitir o processamento, calibre a inadequadamente
máquina de despejo de açúcar após o aquecidos e informe o
SOP 100.54, teste o despejo de problema de calibração de

açúcar para a primeira fornada após a temperatura para
calibração para garantir que o manutenção.
problema seja resolvido. Relate o
problema ao supervisor.
O exemplo acima do plano de controle fornece instruções para duas etapas específicas no
processo, com requisitos de medição e monitoramento fáceis de entender. Para reduzir a chance
de erros, a equipe do Seis Sigma especificou uma ferramenta de medição especial para medir o
açúcar na fornada de teste, de modo que todo operador que executa o monitor mede usando a
mesma ferramenta.
No final do documento de controle, a equipe fornece etapas para a ação corretiva. O primeiro
passo pode ser corrigido pelo operador, que tem a capacidade de calibrar a máquina por conta
própria. A calibração de temperatura, neste caso, não pode ser realizada pelo operador, o que
significa que o processo precisa ser interrompido para que alguém possa atender ao problema.
Observe que é sempre preferível, quando possível, criar uma ação corretiva a nível do processo,
como foi feito com a medição de açúcar. Isso minimiza o tempo de inatividade, coloca os
funcionários mais no controle dos processos que possuem e ajuda os funcionários a se
envolverem com o processo de qualidade.
O plano de controle acima supõe que as medições manuais devem ser feitas ou registradas. O
ideal é que as equipes do Seis Sigma procurem formas de automatizar as medições, o que
significa que os dados podem ser continuamente reunidos e convertidos em controles estatísticos
de processo, como gráficos de controle. A coleta automatizada de dados não significa que um
plano de controle não seja necessário, apenas significa que um plano de controle não incluirá
instruções para coletar os dados. Em vez disso, os funcionários e os proprietários do processo
podem ser instruídos a revisar dados automatizados ou controlar gráficos e tomar medidas, se
necessário.
Você também notará que os requisitos de especificação fornecidos acima são fornecidos com LSL
e USL. LSL é o limite de especificação inferior e o USL é o limite de especificação superior. Estes
são os limites superior e inferior do intervalo aceitável.
Gerenciamento Visual
Além de fornecer um plano de controle, as equipes do Seis Sigma podem implementar controles
visuais específicos em um local de trabalho para ajudar as equipes de negócios a manter um
processo controlado. Algumas destas ferramentas foram abordadas no Capítulo 4 sobre Gestão
de Processo Lean, incluindo o 5S. Outras equipes de controle visual podem implementar sinais de
inclusão, matrizes e instruções publicadas, painéis de auditoria que permitam que as equipes
acompanhem o desempenho individual ou do grupo ao longo do tempo, codificação por cores e
sinais de segurança.
Procedimentos operacionais padrão podem frequentemente ser traduzidas em representações

visuais em cartazes. Uma cafeteria, por exemplo, pode fornecer aos funcionários uma
representação visual de quais ingredientes são usados para criar vários sabores complexos de
bebidas. Esse pôster garante que os funcionários possam preparar bebidas rapidamente,
reduzindo os erros na inclusão de ingredientes.
Outras visualizações de SOP podem incluir procedimentos de segurança em um ambiente médico,

como lembretes visuais para lavagem de mãos e representações pictóricas curtas de como operar
equipamentos como leitos hospitalares. Em um ambiente de escritório, as instruções ilustradas
são encontradas em máquinas copiadoras, nas quais as imagens indicam como o papel deve ser
carregado e gifs visuais geralmente são exibidos nas telas de LED para ajudar os funcionários a
remover o papel atolado. Estes são alguns exemplos que as equipes do Seis Sigma podem seguir
ao criar documentos que ajudarão a equipe de negócios a aceitar a propriedade de um processo
melhorado e a manter as melhorias feitas.
Gráficos SPC
Um dos métodos mais comuns que as equipes Seis Sigma usam para monitorar um processo é o
gráfico de controle. Existem vários tipos de gráficos de controle, e os especialistas do Seis Sigma
devem escolher o gráfico de controle correto para o tipo de dados e finalidade analítica.
Agora, vamos cobrir os testes visuais que permitem que uma equipe do Seis Sigma ou proprietário
do processo saiba que um processo está fora de controle.
Um gráfico de controle básico tem os seguintes a seguir:
• Um gráfico de linhas de dados com pontos de plotagem para pontos de dados específicos
• Uma linha x-bar representando a média dos pontos de dados
• Linhas acima e abaixo da linha da barra x representando 1, 2 e 3 desvios padrão da mediana
em qualquer direção
• Uma linha de limite de controle superior (UCL) com 3 desvios padrão acima da mediana
• Uma linha de limite de controle inferior (LCL) com 3 desvios padrão abaixo da mediana
Acima está um exemplo de um gráfico de controle. A linha do meio, a preta, é a linha x-bar. A linha
x-bar é delimitada por linhas verdes em ambos os lados, indicando desvios-padrão 1 e 2 da linha
média. Essas linhas são delimitadas por linhas laranja em ambos os lados: no topo, o limite de
controle superior e, na parte inferior, o limite de controle inferior. Entre as várias linhas estão áreas
da carta de controle, designadas como C, B e A indo em qualquer direção. Essas áreas distintas
são importantes para entender se um processo estiver fora de controle. Eles também são
chamados de Zonas 1, 2 e 3.
Um gráfico de controle é melhor exibido usando um sistema de relatórios automatizado ou painel,

onde proprietários de processo ou funcionários responsáveis podem visualizá-lo conforme
necessário. Se a coleta automatizada de dados e os gráficos de controle não forem possíveis, um
analista de negócios pode ser encarregado de coletar dados e apresentá-los periodicamente
nesse formato, embora seja menos provável que a análise gráfica periódica traga um problema de
controle dentro de um processo.
Testes de Controle de Processo Estatistico: Gáficos de Controle
Há oito testes que podem informar rapidamente a alguém visualizando um gráfico de controle se
um processo estiver fora de controle.
• Teste um: Um único ponto no gráfico de controle aparece fora dos limites de controle superior
ou inferior. Se isso ocorrer, os proprietários do processo devem tomar medidas imediatas,
porque evidencia um grande problema em um processo . Embora exista uma possibilidade
muito remota de que desvios fora de três desvios padrão possam ocorrer aleatoriamente, a
probabilidade é de apenas 3 em 1.000.
• Teste dois: Nove pontos seguidos aparecem em um lado da linha central. Isso indica que uma
mudança ocorreu no processo; Se o dono do processo sabe que mudança causou a mudança
e foi uma mudança intencional, nada precisa ser feito e o gráfico de controle se endireitará ao
longo do tempo com os novos dados. Caso contrário, o proprietário do processo deve
investigar o processo.
• Teste três: Seis pontos no gráfico de controle aumentam ou diminuem em sequência,
indicando que o processo está se tornando menos ou mais eficiente ou está gerando menos
ou mais erros. Os proprietários do processo devem investigar, a menos que haja um motivo
conhecido para a tendência.
• Teste quarto: Quatorze pontos no gráfico de controle sobem e descem alternadamente. Isso
pode indicar variação em máquinas, funcionários, turnos ou excesso de correção.
• Teste cinco: Dois dos três pontos seguidos no gráfico de controle estão na seção A superior
ou inferior. Isso pode indicar algum tipo de causa especial, criando alta variação súbita.
• Teste seis: Quatro dos cinco pontos seguidos no gráfico de controle estão localizados na
seção B superior (ou além) ou na seção B inferior (ou além). Isso pode indicar um problema de
causalidade principal ou um problema de mudança semelhante ao do teste quatro.
• Teste sete: Quinze pontos seguidos estão localizados dentro da seção C acima ou abaixo da
linha central. Isso pode indicar que os limites de controle não são mais relevantes para o
processo; Se uma equipe melhorou a variação de um processo, eles devem recalcular os
limites de controle para novos parâmetros. Alternativamente, isso pode ocorrer
temporariamente quando a variação de curto prazo é alta ou baixa em relação ao restante dos
pontos em um gráfico de controle.
• Teste oito: Oito pontos seguidos no gráfico de controle estão localizados em ambos os lados
da linha central, mas nenhum está localizado na seção C acima ou abaixo da linha. Isso pode
indicar uma questão de recursos ou processos mistos; uma equipe pode pensar que está
medindo um único processo quando está realmente medindo dois processos, por exemplo.
Alternativamente, isso pode indicar uma grande diferença no processamento para dois
funcionários ou equipes.
Quando é possível criar gráficos de controle e exibir dados atuais regularmente, esses gráficos
são um bom acréscimo a um plano de controle. Os indivíduos não precisam ser bem versados em
controle de processo estatístico para aprender sobre os oito testes, e as equipes de negócios com
o benefício dos gráficos de controle podem passar mais tempo trabalhando na produção ou
corrigindo problemas e menos tempo coletando e documentando as medições.
Controle Vs Capacidade
É importante observar a distinção entre um processo controlado e aquele que é capaz de atender
aos requisitos do cliente. Tocamos nesse conceito na Unidade 1: processos controlados não têm
muita variação. Processos capacitados não têm muita variação e os produtos são centrados em
torno de uma necessidade do cliente. É por isso que os limites de controle e os limites de
especificação são importantes.
Considere o exemplo usado anteriormente neste capítulo sobre o açúcar na mistura de chocolate.
Os limites de especificação variaram de 4,9 a 5,1 xícaras de açúcar em cada massa. É possível
que um gráfico de controle mostre que o processo está sob controle se as medidas variarem entre
3,5 e 3,6 xícaras, mas o proprietário do processo deve saber que essas medições não contribuirão
para um produto que atenda aos requisitos de qualidade críticos aos cliente.
Para entender como um processo está indo contra os limites de especificação, as equipes Seis
Sigma podem calcular o nível sigma e a capacidade do processo.
Nível Sigma
O nível Sigma é o número de desvios padrão entre o centro do processo atual, medido pela
mediana, e o limite de especificação mais próximo (não o limite de controle). A equação para o
nível sigma é a menor do seguinte cálculo:
Por exemplo, se um processo tiver uma USL de 5 e uma LSL de 3, um desvio padrão de 0,25 e
uma mediana de 4,2, você calculará a partir da USL, uma vez que a mediana está mais próxima
da USL
Capacidade do Processo
A capacidade de processo é calculada dividindo o nível sigma por 3. No caso do exemplo, a

capacidade é 1.06.
A capacidade de processo é denotada como Cpk. Uma capacidade de processo de 1,33 é igual a
um nível sigma de 4, que é o que a maioria dos especialistas concorda ser o nível mínimo no qual
a maioria dos clientes ficará satisfeita. Sob controle estatístico de processo, muitas organizações
buscam uma capacidade de processo de 2,0 com capacidade de processo mínima aceitável em
1,5.
Celebração da Equipe e Reflexão

Quando as equipes do Seis Sigma consideram as melhorias e o processo relacionado como
capazes e sob controle, e passaram esses processos de volta ao controle do proprietário do
negócio e do processo, eles devem reservar um tempo para comemorar e refletir sobre o resultado
do projeto. Isso geralmente é feito após a revisão final do pedágio com um patrocinador ou
patrono, e pode ser uma reunião rápida para fechar pontas soltas, reconhecer o trabalho realizado
pela equipe e discutir as lições aprendidas no processo.
A reunião de celebração e reflexão também é um ótimo momento para os membros da equipe

apresentarem idéias para possíveis projetos de melhoria. Embora as melhorias - e os problemas e
causas relacionados - ainda estejam frescas na mente da equipe, elas podem efetivamente
debater ideias para as próximas etapas. Como em qualquer sessão de brainstorming, nenhuma
ideia deve ser mantida automaticamente fora da mesa por parecer boba, parecer muito difícil de
implementar, ser muito cara ou parecer muito grande. Nem todas as ideias se tornarão projetos
futuros, mas a contribuição da equipe fornece informações valiosas que o Faixa Preta pode
compartilhar posteriormente com os painéis de liderança do Seis Sigma.
Lista de Verificação de Pedágio da Fase de Controle

• A equipe calculou o desempenho e a capacidade do novo processo
• A equipe escreveu um plano de controle e o comunicou ao proprietário do processo
• A equipe criou um monitor para o processo, seja através de procedimentos para
coleta manual de dados ou geração automatizada de gráficos de controle
• A equipe forneceu ao proprietário do processo e à equipe de negócios todas as
ferramentas e informações necessárias para manter as melhorias
• O patrocinador, campeão ou liderança executiva foi informado sobre o estado das
melhorias
• A equipe se reuniu para refletir sobre o projeto e gerar uma lista de ideias para
melhorias futuras
Unidade 4: Estatística para Iniciantes
Capítulo 17: Análise Gráfica Intermediária
A análise gráfica é uma parte crítica da abordagem Seis Sigma. Sempre que dados ou ideias
podem ser exibidos em um formato visual, tendências de dados óbvias podem ser rapidamente
identificadas e comunicadas. A análise visual é extremamente útil ao apresentar ideias a
funcionários auxiliares ou executivos, que podem não ser treinados em estatísticas intermediárias
ou avançadas. O Faixa Preta ou outros especialistas do Seis Sigma têm a capacidade de contar a
mesma história que as estatísticas contam, mas em um formato que possa ser compreendido por
qualquer pessoa. Representações visuais são ferramentas que tornam mais fácil para os
profissionais ou patrocinadores do Seis Sigma recontar a história para outras pessoas, o que pode
ser útil para o treinamento, a construção de apoio cultural para uma mudança de processo ou até
mesmo solicitações de recursos.
Ao longo das três primeiras Unidades deste livro, discutimos várias ferramentas de análise gráfica,
incluindo:
• Gráficos de Pareto nos Capítulos 5 e 14

• Gráficos de execução no Capítulo 13
• Box plots no Capítulo 14
• Introdução ao controle de gráficos no capítulo 16
• Introdução aos diagramas de dispersão no Capítulo 14
Neste capítulo, discutiremos ferramentas de análise gráfica adicionais, incluindo gráficos de barras
e gráficos de pizza. Também veremos novamente os diagramas de dispersão e como criá-los no
Excel. No Capítulo 16, você aprendeu sobre os componentes de um gráfico de controle X-barra e
como saber se um gráfico de controle indica que um processo pode estar fora de controle. Neste
capítulo, percorreremos as etapas para criar manualmente um gráfico de controle X-barra no
Excel. Por fim, você aprenderá a instalar um suplemento de análise de dados para várias versões
do Excel. O suplemento fornece funcionalidade que se tornará relevante nos próximos capítulos.
Ferramentas de Análise Gráfica Adicionais

Tal como acontece com muitas outras áreas da metodologia Seis Sigma, pode ser fácil exagerar
quando se lida com análises gráficas - particularmente ao apresentar informações a outros. Com
tantas ferramentas à sua disposição, é tentador escolher o gráfico que é novo, interessante ou
mais complexo. Muitas vezes, porém, isso significa gastar tempo sem valor agregado criando uma
ferramenta visual quando uma ferramenta mais fácil faria o trabalho. Se você se lembra do
Capítulo 4, isso seria uma instância de processamento excessivo para evitar.
Considere os dois gráficos abaixo para entender quando o excesso de processamento pode estar ocorrendo
em relação à análise gráfica.
Ambos os gráficos são uma representação gráfica da mesma informação. O primeiro é um gráfico
de barras simples criado dentro de alguns cliques no Excel. O segundo é um gráfico de Pareto,
também criado no Excel, mas que exige muito mais cliques do mouse. Neste caso particular, um
gráfico de Pareto não é necessário para transmitir as informações necessárias. Os dados são
diversos o suficiente para que qualquer pessoa possa ver, observando o gráfico de barras, que o
vendedor E é responsável por muitos dos erros. Nesse caso específico, um gráfico de Pareto está
exagerando a conclusão e não precisa ser criado se for necessário trabalho extra.
Neste exemplo, é possível que um retrato visual dos dados não seja obrigatório: a conclusão é óbvia.
Observando os dados brutos abaixo, você pode ver rapidamente que o funcionário E tem o triplo de erros
em relação ao empregado mais próximo. Mesmo quando os dados brutos fornecem uma análise fácil,
muitos especialistas Seis Sigma reservam tempo para criar uma representação gráfica para fins de
apresentações. Um gráfico é visualmente mais atraente e mais rápido de ler do que uma tabela de dados.
Funcionário Erros de Vendas

A 10
B 5
C 2
D 9
E 34
F 7
G 3
A análise gráfica mais simples nem sempre é a melhor escolha, especialmente quando os
elementos de dados não são tão óbvios de se observar. Uma análise mais complexa pode ser
necessária para descobrir aberrantes, relacionamentos e tendências. Mesmo quando as
conclusões sobre os dados parecem óbvias, elas nem sempre estão corretas, especialmente
quando se lida com o relacionamento ou correlação entre fatores em um processo.
Como um especialista Seis Sigma, leva tempo para ser capaz de escolher rapidamente que tipo
de análise gráfica representará melhor os dados disponíveis. Também é importante observar que
a melhor opção para análise gráfica se baseia tanto nas perguntas feitas quanto nos dados em si.
No exemplo acima, o gráfico de barras básico é uma boa opção para uma equipe que quer saber
de onde os erros podem estar vindo. Se a equipe estivesse comparando os erros aos tempos de
turno em andamento, o gráfico de barras não seria útil.
Embora seja verdade que você não quer perder tempo e espaço apresentando dados de uma
forma que não ajuda, ou que possa ser considerado um desperdício de superprodução, o mesmo
nem sempre se aplica quando se lida com análises. Na fase de análise de um projeto DMAIC,
Faixas Pretas e outros especialistas Seis Sigma costumam trabalhar com inúmeras ferramentas
de análise gráfica enquanto tentam entender os dados. A necessidade de visualizar os dados de
várias maneiras é uma das razões pelas quais o software de análise estatística é útil: esse
software retira parte do trabalho manual da criação dessas tabelas e gráficos. O trabalho de
tentativa e erro com todos os tipos de ferramentas de análise Seis Sigma também ajuda a
aprender a identificar que ferramentas se ajustam melhor a cada situação.
Nesta seção, discutiremos algumas ferramentas ainda apresentadas, abrangendo benefícios,

limitações e como cria-las no Excel sem o software de análise estatística, quando necessário.
Gráficos de Barra
Um dos maiores benefícios dos gráficos de barras é que eles são reconhecíveis e fáceis de ler.
Quase todos os funcionários de uma empresa podem coletar informações de um gráfico de barras
formatado sem instrução ou orientação, o que os torna uma ótima opção para apresentações de
uso geral e materiais de treinamento. Gráficos de barras também são fáceis de criar, por isso são
um método preferido de ilustração em apresentações e relatórios. Outros benefícios incluem:
• A capacidade de resumir grandes conjuntos de dados em um formato visual simples

• A capacidade de esclarecer tendências
• O fato de que a maioria das pessoas pode facilmente estimar valores importantes em um
gráfico de barras bem formatado
• A capacidade de verificar dados visualmente e identificar áreas onde podem estar distorcidos
• A capacidade de mostrar facilmente conjuntos de dados acima e abaixo de zero no mesmo
gráfico
Gráficos de barras normalmente requerem dados nominais ou ordinais - dados que são
classificados de acordo com informações qualitativas. Ao exibir dados nominais, geralmente é
vantajoso criar um gráfico no estilo Pareto para que o leitor possa ver instantaneamente como a
população se relaciona com as categorias. Dados ordinais geralmente envolvem sua própria
ordem lógica para apresentação. Por exemplo, se for solicitado que os indivíduos classifiquem a
satisfação com um produto como muito satisfeito, um pouco satisfeito, neutro, insatisfeito e muito
insatisfeito, você normalmente não desejaria alterar a ordem dessa apresentação em um gráfico
de barras.
Gráficos de barras têm suas limitações. Dependendo do que está sendo apresentado, uma
narrativa adicional pode ser necessária para explicar o gráfico. Os gráficos de barras geralmente
não revelam informações importantes sobre tendências que não fazem parte do design específico
do gráfico e raramente fornecem dados detalhados sobre causas ou padrões nos dados. Por fim, é
fácil manipular as cores, a ordem e o layout de um gráfico de barras para influenciar a mensagem
que o público tira. Os especialistas Seis Sigma devem sempre escolher o melhor formato para
exibir verdades fundamentais, mas nunca devem formatar um gráfico para criar uma impressão
que pode não estar de acordo com os dados estatísticos por trás da representação gráfica.
Crie Um Gráfico de Barra no Excel

Crie seus próprios gráficos de barras no Excel, iniciando com tabelas de dados relevantes ou
ordinais. Copie a tabela de dados abaixo no Excel para praticar a criação de gráficos de barras ou
use dados relevantes para seus próprios processos ou projetos. A tabela de dados no exemplo
fornece o número total de chamadas telefônicas de uma equipe regional de call center de
atendimento ao cliente para cada hora em um determinado dia.
Hora Ligação
8:00 78
9:00 89
10:00 107
11:00 118
12:00 149
13:00 147
14:00 105
15:00 90
16:00 97
17:00 85
18:00 178
19:00 198
20:00 145
21:00 57
1. Realce as colunas que contêm os dados que você deseja por no gráfico, bem como os
rótulos desses dados. Nesse caso, os dados são o número de chamadas e os rótulos são as
horas.
2. . Selecione Inserir> Gráfico> Gráfico de Barras
3. Para este exemplo, a forma mais simples de gráfico de barras é apropriada.

4. Use as ferramentas de formatação do Excel conforme desejado para personalizar o título,
as cores e os rótulos do gráfico.
A maioria das versões do Excel oferece vários tipos de gráficos de barras, e você pode
experimentar esses vários formatos para ver como eles exibem seus dados. Algumas notas sobre
formatos comuns estão incluídas abaixo.
Coluna vs Barra
Tecnicamente, o que é comumente chamado de gráfico de barras - e o que estamos chamando de

gráfico de barras aqui
- é um gráfico de colunas. As colunas visuais que representam cada categoria de dados

aumentam verticalmente. Um gráfico de barras literal exibe a mesma informação horizontalmente.
A maioria das versões do Excel permite escolher entre as duas formas de exibição. As
informações da tabela de dados de exemplo são apresentadas abaixo em um gráfico de barras
horizontais.
Gráfico de Colunas e Barras 3D
Os gráficos exibidos até agora neste Capítulo são todos bidimensionais. O Excel também pode
ajudá-lo a criar gráficos tridimensionais para adicionar apelo visual a uma apresentação. Os
gráficos 3-D são úteis se você apresentar vários gráficos de aparência semelhante em sequência,
pois isso ajuda a diferenciar as informações da sua apresentação. Também pode ser útil criar
gráficos visualmente mais atraentes, simplesmente para capturar a atenção do público de maneira
mais completa. Veja um exemplo dos mesmos dados usados acima em um gráfico 3D.
Gráfico de Barras Empilhadas

Os gráficos de barras empilhadas permitem exibir o total de dados nominais ou ordinais de cada
categoria, além de dividir essas informações em categorias codificadas por cores. Por exemplo, se
a equipe Seis Sigma analisando chamadas telefônicas por hora quiser exibir dados que incluam
quantas chamadas foram tratadas por equipes diferentes em um departamento, o gráfico de
barras poderá ser algo como a imagem abaixo.
Crie um Gráfico de Barras Empilhadas
Para criar um gráfico de barras empilhadas, você deve ter dados ordinais ou nominais divididos
em categorias. As categorias devem ser as mesmas para cada conjunto de dados, de modo que o
total dos números de subcategorias seja igual ao total da categoria principal. Por exemplo, se você
tiver três sacos de bolas de gude, poderá ter dados que digam:
Saco Número de bolas de gude
1 10
2 3
3 15
Após uma análise mais aprofundada, você percebe que tem bolinhas de gude em três cores:
vermelho, azul e amarelo.
Saco 1 Saco 2 Saco 3
Vermelhas 7 1 5
Amarelas 3 1 8
Auis 0 1 2
O saco 1 não inclui bolas de gude azuis, mas você deve incluir azul como categoria para o saco 1,
porque é uma categoria nos outros dois sacos. Você simplesmente coloca um 0 nesse campo de
dados. Você notará que os totais das subcategorias de cada saco somam a quantidade de bolinhas em
cada saco. Seguindo estas diretrizes
– incluir todas as subcategorias de cada seção e garantir o total correto das subcategorias - ajuda
a criar gráficos de barras empilhados com precisão.
Examine a tabela de dados abaixo, que exibe a divisão de chamadas por equipes no call center.
Hora Ligações Equipe A Equipe B
8:00 AM 78 35 43
9:00 AM 89 40 49
10:00 AM 107 57 50
11:00 AM 118 90 28
12:00 PM 149 42 107
1:00 PM 147 77 70
2:00 PM 105 57 48
3:00 PM 90 45 45
4:00 PM 97 72 25
5:00 PM 85 64 21
6:00 PM 178 98 80
7:00 PM 198 89 109
8:00 PM 145 77 68
9:00 PM 57 54 3
1. Realce as células que contêm os dados que você deseja incluir no gráfico de barras
empilhadas, bem como as células que contêm os rótulos de dados.
2. Selecione Inserir> Gráficos> Gráficos de barras> Gráfico de barras empilhadas
3. Use as opções de formato do Excel para editar títulos, cores e rótulos de dados conforme
desejado.
Gráfico de Pizza
O gráfico de pizza é outra ferramenta visual que quase todos os funcionários em um ambiente de
negócios estarão familiarizados, tornando-o uma boa opção para exibir determinados tipos de
informações. Informações ordinais e nominais também podem ser exibidas em um gráfico de pizza
com o objetivo principal de representar visualmente como cada categoria se relaciona com o todo.
A sabedoria convencional diz para usar um gráfico de pizza quando os números que você está
mapeando somam 100, mas isso não precisa ser o caso. O Excel converte valores em
porcentagens para criar gráficos de pizza. Considere o gráfico abaixo, que representa
graficamente os números 8, 5 e 4. O Excel considera cada um desses números em comparação
com o total de 17. A seção azul, que representa 47%, corresponde aos dados brutos 8/17.
Benefícios do gráfico de pizza incluem:
• A capacidade de resumir grandes quantidades de tipos de dados específicos em um formato

visual.
• Simplicidade; o gráfico de pizza é um dos tipos mais simples de gráficos
• A capacidade de identificar problemas óbvios com dados ou cálculos
• Os gráficos de pizza geralmente exigem muito pouca explicação adicional quando rotulados
corretamente
• Os gráficos de pizza exibem a relevância dos dados de subconjunto em um conjunto de dados
total
O fato de os gráficos de pizza serem usados constantemente em ambientes de negócios é uma

vantagem e uma desvantagem para as equipes e especialistas Seis Sigma. Quando os dados
podem ser representados em um gráfico de pizza, o perito Seis Sigma geralmente tem que criar
menos narrativa para obter um ponto em potencial. Ao mesmo tempo, os gráficos de pizza nem
sempre carregam o peso que uma representação estatística mais avançada pode ter, porque os
funcionários de negócios estão tão acostumados a vê-los. Outras desvantagens dos gráficos de
pizza incluem o fato de que eles podem ser manipulados da mesma maneira que os gráficos de
barras, eles geralmente não exibem alterações facilmente ao longo do tempo, e pode ser difícil
visualizar valores exatos quando apresentados com um gráfico de pizza.
Crie um Gráfico de Pizza no Excel

Pratique a criação de um gráfico de pizza no Excel usando a tabela de dados a seguir, que
registra quantos minutos são gastos, em média, para cada etapa de um processo. Você também
pode usar dados relevantes para seu próprio processo ou projeto para criar um gráfico de pizza,
se desejado.
Passo do Processo Minutos
A 14
B 18
C 41
D 64
E 12
F 4
G 3
H 7
I 23
J 18
1. Realce a coluna de dados que deseja traçar, bem como os rótulos de dados. No exemplo,
estamos mapeando o número de minutos e os números do processo são os rótulos de
dados.
2. Clique em Inserir> Gráfico> Gráfico de pizza
3. Use as ferramentas de formatação do Excel para fazer alterações em cores, títulos e

rótulos, conforme desejado.
No gráfico de pizza criado para nossos dados de amostra, podemos ver que cerca de metade do
tempo total do processo está relacionada a apenas duas etapas no processo de 10 etapas.
Também podemos ver rapidamente quais etapas demoram mais e, em média, quais são as mais
curtas, embora não possamos tirar conclusões sobre o tempo real apenas com este gráfico.
Como nos gráficos de barras, você pode aproveitar as opções do Excel para criar gráficos de
pizza tridimensionais. Uma função particularmente útil é a função pizza de pizza no Excel, que
permite criar um gráfico de pizza geral e criar um segundo gráfico de pizza para aprofundar
determinadas áreas da estrutura maior. Considere um gráfico de pizza de pizza abaixo, que
representa os mesmos dados do gráfico de pizza acima.
O gráfico de pizza original representou 10 etapas. A ilustração acima mostra um gráfico de pizza
grande com um gráfico secundário. O gráfico de pizza grande parece mostrar 7 etapas - mas esse
gráfico de pizza mostra as mesmas informações que a acima. No entanto, quatro etapas do
processo são chamadas em um gráfico menor, para que você possa ver como elas se relacionam
melhor entre si. Esses quatro passos combinados compõem a 7ª peça de torta azul escura no
gráfico maior. Isso facilita identificar a relevância de categorias de dados menores no todo ou
enfatizar uma determinada área do gráfico.
Você precisa ter cuidado, no entanto, para que o espectador não atribua relevância ou importância
com base unicamente no tamanho das fatias. A fatia cinza no gráfico secundário acima é maior do
que algumas das outras peças do gráfico maior, mas isso não significa que a etapa demore mais.
O gráfico menor deve ser considerado uma visão em larga escala de uma pequena parte do
gráfico geral. Neste caso, esse pequeno pedaço leva em conta quatro dos passos.
Diagrama de Dispersão X Y
Introduzimos diagramas de dispersão muito brevemente no Capítulo 14, e vamos revisitá-los em
profundidade nos capítulos posteriores sobre modelagem de correlação e regressão. Nesta seção,
abordaremos como criar um diagrama de dispersão no Excel com qualquer complemento de
análise. No Capítulo 19, vamos usar um add-on para o Excel para realizar algumas análises
estatísticas enquanto criamos diagramas de dispersão.
Os diagramas de dispersão são benéficos porque podem ajudar as equipes a visualizar a relação
entre dois fatores em um processo. A temperatura diminui com o tempo? A produtividade de uma
pessoa aumenta com o salário dela? Esses são exemplos de perguntas que podem ser
respondidas por diagramas de dispersão, mas é importante perceber que a correlação descrita em
um diagrama de dispersão não significa necessariamente causalidade. Duas variáveis podem
estar intimamente relacionadas sem que uma cause mudanças na outra.
Os diagramas de dispersão geralmente ajudam as equipes a ver se não há correlação, correlação

fraca ou correlação positiva ou negativa. Correlação positiva ocorre quando a variável 2 está
relacionada a um aumento na variável 1, ou vice-versa. A correlação negativa ocorre quando a
variável 2 está relacionada a uma diminuição na variável 1, ou vice-versa. Por exemplo, é comum
notar que a taxa de criminalidade e a renda média per capita de áreas geográficas nos Estados
Unidos estão relacionadas. Áreas que demonstram taxas de criminalidade mais altas
frequentemente também demonstram estatísticas de renda mais baixas. A declaração pode ser
feita em outra direção: as áreas que demonstram estatísticas de renda mais baixa frequentemente
demonstram taxas de criminalidade mais altas. Isso não quer dizer que qualquer uma dessas
coisas necessariamente cause a outra.
As desvantagens dos diagramas de dispersão são que eles não são tão familiares aos
funcionários da empresa como gráficos de barras, pizza ou até mesmo de linhas. Há também o
risco de que indivíduos que não entendem de análise estatística confundam correlação e causa, o
que pode levar a decisões incorretas. Faixa Pretas e outros especialistas do Seis Sigma devem
estar cientes desses riscos, para que possam explicar adequadamente os diagramas de dispersão
e fornecer mais explicações quando necessário.
Crie um Diagrama de Dispersão no Excel

Use a tabela de dados abaixo, que inclui o número médio de erros criados por um processo à
medida que a saída aumenta por hora para criar um diagrama de dispersão no Excel. Copie as
informações da tabela abaixo no Excel ou use dados de seu próprio processo ou projeto, se
desejar.
Partes por Hora Defeitos
100 3
150 4
200 5
250 5
300 7
350 7
400 9
450 8
500 10
1. Realce os dados que você deseja colocar no gráfico. Para criar um diagrama de dispersão,
você precisará destacar dois conjuntos de dados que deseja comparar.
2. Selecione Inserir> Gráfico> Dispersão
3. Use as funções de formatação do Excel para editar cores, títulos e rótulos conforme desejado.
A partir do diagrama de dispersão criado, podemos ver que as duas variáveis - volume de
produção e erros - parecem estar relacionadas de alguma maneira. Embora seja uma boa aposta
que o aumento na produção cause erros maiores, você não pode simplesmente assumir a
causalidade a partir desse gráfico. Esta suposição poderia ser testada usando técnicas estatísticas
mais avançadas.
Deve-se notar que, mesmo quando a correlação parece óbvia em um diagrama de dispersão, nem
sempre é o caso. Os especialistas Seis Sigma devem sempre testar os pressupostos de
correlação para garantir que estejam corretos estatisticamente antes de apresentar um diagrama
de dispersão a outros como uma ilustração de uma relação. Vamos cobrir os testes de regressão
estatística e correlação no capítulo 19.
Criando um Gráfico de Controle X-Barra sem Software Estatístico

O gráfico de controle X-barra traça a média de uma amostra ao longo do tempo - ou a média de
amostras obtidas ao longo do tempo, no caso de um processo ativo. Gráficos de controle X-bar
são um dos gráficos de controle mais utilizados. Alguns gráficos de controle também podem ser
criados no Excel usando essas etapas; Cartas de controle mais avançadas exigem software de
análise estatística.
1. Crie o seguinte modelo em uma planilha do Excel vazia.
2. Digite seus pontos de dados na coluna A.

3. Na célula G1, insira a fórmula = STDEV (A2: A15)
a. As referências de célula A2: A15 devem ser editadas para corresponder à sua lista de
dados real.
b. Isso calcula o desvio padrão do seu conjunto de dados.
4. Na célula G5, insira a fórmula = MÉDIA (A2: A15)
c. As referências de célula A2: A15 devem ser editadas para corresponder à sua lista de
dados real.
d. Isso calcula a média do seu conjunto de dados.
5. Na célula G2, insira a fórmula: = G5 + 3 * (G1)
e. Isso calcula um limite de controle superior que é três desvios padrão acima da média.
6. Na célula G3, insira a fórmula: = G5-3 * (G1)
a. Isso calcula um limite de controle inferior que é três desvios padrão abaixo da média.
7. Na coluna UCL (B), direcione o Excel para criar uma coluna de números em que cada
número seja igual ao limite de controle superior copiando = $ G $ 2 em cada célula em
uma linha que tenha um ponto de dados X-bar na coluna A.
8. Na coluna LCL (C), direcione o Excel para criar uma coluna de números onde cada
número é igual ao limite de controle inferior copiando = $ G $ 3 em cada célula em uma
linha que tenha um ponto de dados X-bar na coluna A.
9. Na coluna Média, direcione o Excel para criar uma coluna de números em que cada
número seja igual à média copiando = $ G $ 5 em cada célula em uma linha que tenha um
ponto de dados X-bar na coluna A.
(Pratique as etapas 1 a 9 com os seguintes dados.)
Pontos de Dados X-Barra

24.1
25.2
24.7
28.3
27.1
26.4
25.4
21.4
24.5
23.5
27.5
29.5
24.5
26.8
O resultado deve ser uma planilha semelhante à mostrada abaixo.

10. Crie um gráfico de controle destacando os dados nas colunas A a D.
11. Selecione Inserir> Gráficos> Gráfico de linhas> Gráfico de linhas 2D com marcadores
12. Clique com o botão direito nos rótulos de dados para o eixo Y e selecione “Formatar eixo”.
13. Altere os limites do eixo para remover o excesso de espaço em branco na sua tabela de
controle. Nesse caso, mudaremos os limites de 0 para 35 para 15 para 35.
14. Formate o gráfico conforme desejado para cores, títulos e rótulos de dados. Agora você tem
um gráfico de controle muito básico.
Uma coisa que você notará que falta neste gráfico de controle são as linhas que denotam um e
dois desvios padrão acima e abaixo da média. No Capítulo 16, você aprendeu que essas linhas
ajudam você a aplicar os testes que determinam se um processo está sob controle ou não. Você
pode adicionar facilmente essas linhas seguindo as etapas abaixo.
Adicionar linhas de desvio padrão
1. Adicione cálculos à sua planilha para:

a. Desvio padrão média mais um
b. Desvio padrão média mais dois
c. Desvio padrão média menos um
d. Desvio padrão média menos dois
2. Adicione quatro colunas de dados, uma para cada um dos cálculos na etapa um. Copie os
números de cada um dos cálculos pelas colunas, como fez com os limites de controle superior
e inferior e a média nas instruções originais acima.
3. A planilha agora deve aparecer semelhante à imagem abaixo.
4. Realce todas as informações nas colunas A a H.
5. Selecione Inserir> Gráficos> Gráfico de linhas> Gráfico de linhas 2D com marcadores.
6. Altere o eixo Y para um intervalo apropriado.
7. Edite as linhas de desvio padrão de fundo para serem menos intrusivas clicando em cada uma
delas e primeiro selecionando a opção de linha de gradiente.
8. Clique na linha novamente e selecione “Marcador”. Selecione nenhuma para remover os

marcadores das linhas de fundo.
9. Edite o gráfico final como desejar com títulos e rótulos
Esse processo pode parecer muito demorado, mas leva apenas alguns minutos quando você
conhece bem os elementos de um gráfico de controle. É uma boa ideia saber como criar gráficos
de controle no Excel, porque os especialistas Seis Sigma nem sempre podem confiar no acesso
ao software de análise estatística.
Adicionando Ferramentas de Análise de Dados Gratuitas no

Excel
Você pode concluir esses cálculos manualmente, mas isso pode ser demorado e exigir conjuntos
de habilidades estatísticas extremamente avançadas. Vamos começar com cálculos manuais
porque ajuda a entender o raciocínio por trás de uma análise. Mas também dependeremos muito
das ferramentas que completam a maioria dos cálculos. O software de análise estatística não
apenas minimiza o tempo necessário para conduzir tal análise, mas também reduz a chance de
erros de cálculo e aumenta a precisão das análises e conclusões oferecidas pelos especialistas
Seis Sigma.
Para as lições abordadas nos próximos capítulos, pode-se contar com a ferramenta
gratuita de análise de dados disponibilizada pela Microsoft para Excel. Para adicionar
essa ferramenta gratuita no Excel 2013 acima, siga as etapas abaixo.
1. Selecione Arquivo
2. Selecione Opções
3. Selecione Add-ins
4. Localize o Analysis ToolPak em suplementos inativos do aplicativo. Nota: se o Analysis ToolPak

estiver localizado em Suplementos de Aplicativos Ativos, ele já estará ativo e você não precisará
executar nenhum dos próximos passos.
5. Na parte inferior da caixa de diálogo, verifique se "Suplementos do Excel" está listado na caixa
Gerenciar e clique em "Ir".
6. Na nova caixa de diálogo, verifique se a opção para o Analysis ToolPak está
marcada.
7. Clique ok
8. Verifique se o Analysis ToolPak foi instalado selecionando “Data” na barra de menus do Excel e
procure pela opção Data Analysis.
Se as ferramentas de análise não aparecessem como uma opção adicional, significa que não
foram instaladas ao instalar sua versão do Excel. Se estiver usando o Excel instalado de um disco,
precisa localizar o CD com o software e reinstalar o software ou complete a instalação
customizada somente do arquivo de ferramentas de análise.
Observe que há dois arquivos com o nome do Analysis ToolPak. O arquivo chamado Analysis
ToolPak - VBA não é o arquivo que fornece capacidade analítica.
O Analysis ToolPak também está disponível em versões anteriores do Excel. No 2003 e em

versões anteriores do Excel, você encontrará o item de menu Add-in em Ferramentas. No 2007, a
opção Add-in é encontrada selecionando o botão Office e, em seguida, as opções do Excel. No
2010, selecione Arquivo, Opções e Gerenciar suplementos.
Capítulo 18: Distribuições de Probabilidade
Normal
Agora que você fez o download do Analysis ToolPak no Capítulo 17, você pode começar a
aprender análises estatísticas mais detalhadas. Neste capítulo, discutiremos como e quando usar
uma curva de probabilidade normal para desenhar estatísticas inferenciais. Agora é um bom
momento para saber a diferença entre estatísticas descritivas e estatísticas inferenciais.
Estatísticas descritivas
Estatísticas descritivas são números usados para descrever um conjunto de dados. Dado um
conjunto de dados sobre os funcionários de uma empresa, por exemplo, alguém pode dizer: “Mais
de 50% dos funcionários trabalham em departamentos de vendas ou marketing” ou “86% dos
funcionários vivem no mesmo código postal que a empresa. escritório está localizado.” Estas são
estatísticas descritivas porque elas simplesmente discutem a natureza dos dados em mãos.
Médias, e até mesmo desvios-padrão associados a esses dados são todos de natureza descritiva.
Estatística Inferencial
A estatística inferencial envolve cálculos e números resultantes que extraem conclusões mais
gerais dos dados. Por exemplo, se você tiver dados sobre uma amostra de 150 funcionários em
uma cidade - não todos os funcionários de uma única empresa, mas funcionários aleatórios de
diferentes empresas - você poderá usar estatísticas inferenciais para tirar conclusões sobre todos
os indivíduos que trabalham essa cidade com base nos dados da sua amostra.
As estatísticas descritivas podem estar relacionadas a dados populacionais ou dados de amostra.

Estatísticas inferenciais são usadas para tirar conclusões sobre a população a partir de dados de
amostra. Se você selecionar aleatoriamente 20 pessoas de uma população geral e registrar sua
altura, então a média das alturas registradas é uma estatística descritiva sobre o tamanho da
amostra. Estatísticas descritivas sobre a amostra são usadas em cálculos para estatísticas
inferenciais sobre uma população.
Distribuições de Probabilidade
Probabilidade são as chances de um determinado evento ou resultado ocorrer, dado um conjunto
específico de dados ou ação específica. Se virar uma moeda uma vez, a probabilidade de dar cara
é de 1 em 2, ou 50%.
Ao discutir probabilidade básica, falamos sobre resultados e eventos. A consequência é o

resultado de uma tentativa: você lança a moeda uma vez ou seleciona aleatoriamente um único
item da amostra. O evento é um resultado ou resultados específicos. A moeda dando cara é um
evento. Uma pessoa medindo 1,5 metro de altura é um evento se você estiver falando sobre
selecionar de uma população ou amostra.
A probabilidade básica pode ser calculada pela fórmula:
P= # de eventos definidos como resultado
# total de eventos
No caso da moeda, há dois eventos, ou resultados, possíveis que podem ocorrer quando você a
joga. Apenas um desses eventos está surgindo. Portanto, ½ = 0,5 ou 50%.
No caso de rolar um dado de seis lados, existem seis eventos possíveis. Você pode tirar um 1, 2,
3, 4, 5 ou 6. A probabilidade de tirar 5 é 1/6 ou .167. A probabilidade de tirar um 4 ou um 5, no
entanto, é 2/6 ou 0,33.
Enquanto as medições de probabilidade podem ser expressas como uma porcentagem, elas são
calculadas e geralmente comunicadas nas estatísticas como um ponto decimal. Como as
probabilidades são apresentadas como frações, a menor probabilidade possível é 0 e a mais alta é
1. Uma probabilidade 0 significa um evento impossível; uma probabilidade 1 significa um evento

certo.
Prática de Probabilidade Básica
Vinte bolinhas são colocadas em um saco. Eles são todos do mesmo tamanho, mas de cores
diferentes:
• 3 vermelhas
• 5 pretas
• 8 azuis
• 4 verdes
Qual é a probabilidade de que uma bolinha verde seja retirado da sacola?
4/20 = 0,2
Qual é a probabilidade de uma bolinha azul ou preto ser retirado do saco?
13/20 = 0,65
Qual é a probabilidade de uma bolinha amarelo ser retirado da sacola?
0/20 = 0
Nota: Esta é uma tarefa impossível, porque não há bolinhas amarelas no saco.
Aplicando Conceitos Básicos de Probabilidade na Análise Seis Sigma
Em um cenário Seis Sigma, você não está lidando com bolinhas de gude e malas, mas as ideias
de probabilidade são um pouco semelhantes. Se um processo produzir 100 produtos por hora e
dois desses produtos estiverem com defeito, a probabilidade de receber um produto defeituoso
dentro dessa hora será de 2/100 ou 0,02. No entanto, é raro que uma equipe ou unidade comercial
revise todos os 100 produtos produzidos naquela hora para saber que 2 de 100 estão com defeito.
Essa informação também é útil apenas para indicar probabilidades com relação a essa hora
específica de saída, uma vez que a amostra não seria aleatória.
Em vez disso, os especialistas Seis Sigma amostram aleatoriamente a população de todas as

saídas de um processo por certo período de tempo. Eles criam estatísticas descritivas sobre essa
amostra e usam as estatísticas descritivas para estudar e compreender melhor a natureza dos
dados com os quais estão trabalhando. Uma vez que saibam a natureza dos dados, podem
trabalhar com distribuições de probabilidade e curvas para determinar a probabilidade através de
cálculos e análises estatísticas. Neste capítulo, discutiremos como trabalhar com o que chamamos
de distribuições de probabilidade normais.
Histogramas
Antes de avançar com as distribuições de probabilidade, é importante entender os histogramas.

Histograma é outra ferramenta de análise gráfica. Tecnicamente, os histogramas são gráficos de
barras em que cada barra, ou "caixa", corresponde a um intervalo de dados. Os pontos de dados
em uma amostra ou população são divididos entre as caixas e são representados graficamente de
acordo.
Os histogramas são usados para analisar dados contínuos ou variáveis que são de natureza finita
ou provêm de amostragem de população. Os histogramas ajudam os especialistas Seis Sigma a
entender como o spread, ou distribuição, dos dados é moldado e onde o centro desses dados
pode estar. O centro é a média ou o meio de distribuição de dados, embora os valores médios ou
medianos não estejam sempre localizados no centro de um histograma. Um histograma também
mostra o intervalo de dados - a variação entre o maior e o menor valor do conjunto de dados. Por
fim, a forma do histograma fornece informações sobre onde os dados estão concentrados.
Considere os dois histogramas abaixo. No primeiro, os elementos de dados estão concentrados

em direção ao centro. O histograma aproxima o que é chamado de curva de sino ou curva normal.
É provável que essa forma indique que os dados usados para criar o histograma são dados
normais, discutidos posteriormente neste Capítulo.
O segundo histograma mostra os dados concentrados em cada extremidade do intervalo. Quando
duas concentrações específicas, ou curva em U, são vistas em um histograma, isso é chamado de
distribuição bi-modal. Muitas vezes, quando você vê esse formato de dados, isso significa que
você está medindo dois processos que acredita ser um único processo. Por exemplo, se duas
pessoas diferentes estiverem executando um trabalho, elas podem ter resultados diferentes que
resultam em duas variações diferentes no histograma. Se os dados bi-modais vierem de um único
processo, os dados não serão normais.
Os histogramas também podem ter várias outras formas comuns, especialmente ao apresentar
dados não normais ou dados com erro ou problema. Se o histograma parecer muito aleatório,
como no primeiro exemplo abaixo, é possível que ocorra um erro no processo de medição de
dados. A medida pode não ser adequada para capturar a verdadeira imagem do processo, ou a
definição da operação e o modo de coletar dados pode estar com defeito. O mesmo é verdadeiro
se o histograma mostrar uma distribuição quase uniforme dos elementos de dados entre os
compartimentos.
Aleatório Distorcido
Uma distribuição distorcida, vista no segundo diagrama acima, apresenta dados agrupados em
apenas uma extremidade do gráfico. Histogramas inclinados são comuns com certos tipos de
dados, particularmente quando os dados “caem” em um horário natural de corte. Por exemplo, em
uma central de atendimento, você pode medir o tempo necessário para que os representantes
concluam um determinado tipo de chamada telefônica. Um ponto natural para esses dados é 0 -
sempre levará mais de 0 segundos para concluir uma chamada telefônica. Normalmente, levará
mais do que alguns segundos, então não haverá muitos pontos de dados na extremidade inferior
do intervalo. Talvez esse telefonema específico siga um script e a maioria das chamadas termine
na marca de 7 a 8 minutos. Um histograma para duração das chamadas pode ser parecido com o
gráfico abaixo.
Tempo para completar ligações
Considere o exemplo básico abaixo para entender melhor os histogramas.
Uma empresa de distribuição local quer entender melhor como os motoristas de entrega estão
atingindo os tempos estimados de chegada. A equipe extrai uma amostra aleatória de entregas de
uma semana de informações e considera dois pontos de dados para cada entrega: o tempo
estimado de entrega e o tempo real de entrega. Eles subtraíram o tempo real do tempo estimado
para determinar o quão longe estavam as entregas. O resultado foi a seguinte tabela de dados.
Estimativa Atual Diferença em Minutos
8:00 AM 7:55 AM -5
8:30 AM 8:20 AM -10
8:50 AM 9:07 AM 17
9:15 AM 9:23 AM 8
9:45 AM 9:46 AM 1
10:05 AM 10:03 AM -2
10:30 AM 10:33 AM 3
10:55 AM 11:05 AM 10
11:30 AM 11:27 AM -3
12:45 PM 12:32 PM -13
1:30 PM 1:35 PM 5
1:45 PM 1:57 PM 12
2:20 PM 3:01 PM 41
3:00 PM 3:48 PM 48
3:30 PM 3:05 PM -25
8:50 AM 8:45 AM -5
9:15 AM 9:58 AM 43
9:45 AM 10:21 AM 36
10:05 AM 10:09 AM 4
10:30 AM 10:03 AM -27
1:45 PM 1:46 PM 1
2:20 PM 2:54 PM 34
3:00 PM 3:04 PM 4
3:30 PM 3:23 PM -7
11:30 AM 11:16 AM -14
Para criar um histograma, a equipe classificou a seleção por diferença em minutos e descobriu o
intervalo de -27 a 48. A equipe decidiu criar um histograma de -30 a 50 com um tamanho de caixa
de 10. Os dados resultantes são os seguintes:
Caixa Frequência
-30 0
-20 2
-10 3
0 5
10 8
20 2
30 0
40 2
50 3
Para criar a tabela acima, a equipe simplesmente contou quantos pontos de dados caíram em
cada caixa. Os pontos de dados -27 e -25 caíram na caixa -20 (a -29); isso é 2 pontos de dados.
Oito pontos de dados caíram na caixa 10. Quando apresentado em um gráfico de barras, as
informações criam um histograma.
Histograma
Ao lidar com histogramas, o número de caixas usadas é importante. Se você tiver poucas
posições, o gráfico não fornece informações relevantes. Se você tiver muitas caixas para
o conjunto de dados em questão, também perderá a funcionalidade informativa e seu
gráfico, em vez de aparecer como uma curva aproximada, ficará algo parecido com um
pente. Normalmente, quanto mais dados você tiver, mais caixas você poderá incluir em
seu histograma.
Considere os quatro histogramas a seguir que representam o mesmo conjunto de dados.

Os dados apresentam 150 números aleatórios que variam de 38,62 a 62,89.
Histograma com 7 Caixas
Os tamanhos das caixas ficam progressivamente menores à medida que o número de caixas
aumenta. No primeiro gráfico, os tamanhos das caixas são 5; no último gráfico, os tamanhos das
caixas são 0,5. Para fins de entender que tipo de dados é representado nesse histograma, o
segundo ou terceiro gráfico é provavelmente o mais relevante. Vamos abordar a determinação do
tipo de dados a partir de um histograma e estatísticas associadas mais adiante neste capítulo.
Criando um Histograma no Excel

Antes de prosseguirmos com as distribuições de probabilidade, analisaremos a criação de
histogramas no Excel usando o Analysis ToolPak que foi discutido no último capítulo.
1. Abra o Excel e copie a seguinte tabela de dados em uma planilha vazia.
56.1
38.2
47.1
48.1
60.1
45.8
33.4
49.2
53.1
41.8
19.2
49.3
49.0
61.8
42.4
53.2
61.6
20.8
55.2
57.5
48.8
28.9
33.8
53.2
58.0
47.3
51.4
61.5
58.9
60.4
30.7
52.5
40.7
44.8
54.6
61.6
31.0
52.7
47.5
26.3
71.3
61.8
51.9
43.9
50.0
47.4
61.9
51.8
50.4
61.0
2. Copie as seguintes designações de caixas na segunda coluna na mesma planilha.

10
15
20
25
30
35
40
45
50
55
60
65
70
75
3. Selecione Dados > Análise de Dados
4. Selecione Histograma e clique OK.
5. Clique na caixa Intervalo de Entrada e destaque as células do intervalo de entrada (as 50
células de dados que você copiou acima).
6. Clique na caixa Intervalo do bloco e, em seguida, destaque as células que incluem os
dados da bandeja copiados acima.
7. Marque a opção Nova Planilha.
8. Marque a opção Resultado de Gráfico.
9. Certifique-se de que sua caixa de diálogo Histograma seja exibida conforme abaixo. Clique
10. Clique OK.
O Excel gera automaticamente uma tabela de caixas e frequência, bem como um gráfico de
histograma em uma nova planilha. O design do histograma é padronizado para um gráfico de
barras padrão, mas você pode criar a aparência dos histogramas mostrados anteriormente
alterando uma configuração no design.
1. Clique no histograma.
2. Selecione Design no menu superior.
3. Em Layout rápido, escolha o layout em que as barras são empilhadas próximas

umas das outras, em vez de com espaço entre elas.
Seu resultado deve se parecer com o gráfico abaixo.
Experimente com seus próprios dados, criando histogramas com vários tamanhos de caixas para
começar a desenvolver uma compreensão de como os dados são convertidos nesse tipo de
gráfico.
Distribuições Normais
A distribuição normal, também chamada de distribuição gaussiana, é provavelmente a distribuição
mais importante relacionada aos dados contínuos do ponto de vista da análise estatística. Uma
distribuição normal, ou gaussiana, é mostrada abaixo.
Dados normais são formados simetricamente em torno da média, representada acima pela linha x-
barra. Uma curva normal é benéfica para determinar a probabilidade de que um determinado
ponto de dados em uma população caia dentro de um determinado intervalo dentro da
distribuição.
Em uma distribuição normal perfeita, 68,26% de todos os pontos de dados estão dentro de mais
ou menos um desvio padrão da média; esta área é representada pela seta vermelha no visual
acima. A seta azul, que cobre mais ou menos dois desvios padrão da média, indica a área sob a
curva que inclui 95,46% dos pontos de dados. A área roxa, que cobre mais e menos três desvios
padrão da média, indica a parte da curva que cobre 99,73% dos dados. Menos de 1% dos dados
ficarão abaixo da curva fora de três desvios padrão de cada lado.
Distribuições - mesmo distribuições normais - variam um pouco. Para determinar as

probabilidades exatas de vários pontos de dados, estatísticas avançadas são necessárias; O
Excel e outros programas executam os cálculos para você, facilitando a realização de análises.
Antes de discutirmos os cálculos de probabilidade usando o Excel, analisaremos se os seus dados
estão normais em primeiro lugar.
Testar se os dados são normais é fundamental para muitas etapas da análise estatística, porque
os resultados de muitos testes podem ser inválidos se você não considerar os dados com os quais
está trabalhando. A forma mais básica de muitos desses testes é projetada para trabalhar com
dados normais.
Teste de Normalidade no Excel: Teste de Adequação de Ajuste Qui-Quadrado
Falamos sobre como a inspeção visual pode ajudar a determinar se os dados são normais ou não.
O histograma abaixo, mostrado anteriormente neste capítulo, apresenta o que parece ser
obviamente um dado normal. Pontos de dados convergem ao redor do centro, e o histograma é
aproximadamente simétrico por natureza.
Mas e esse histograma, criado no exercício prático na seção sobre criação de histogramas no
Excel?
O histograma acima é um exemplo de um gráfico que não se encaixa perfeitamente em nenhuma
das formas de histograma discutidas anteriormente. Parece ter elementos da curva normal, mas
também pode ter dados distorcidos. É por isso que realizamos testes estatísticos para determinar
a normalidade.
Normalmente, você começará a explorar dados de probabilidade seguindo as instruções da seção

anterior para criar um histograma para os dados. Para o exemplo do teste de normalidade,
usaremos os mesmos dados da seção acima, que são:
19.2
20.8
26.3
28.9
30.7
31
33.4
33.8
38.2
40.7
41.8
42.4
43.9
44.8
45.8
47.1
47.3
47.4
47.5
48.1
48.8
49
49.2
49.3
50
50.4
51.4
51.8
51.9
52.5
52.7
53.1
53.2
53.2
54.6
55.2
56.1
57.5
58
58.9
60.1
60.4
61
61.5
61.6
61.6
61.8
61.8
61.9
71.3
A criação de um histograma usando o Analysis ToolPak gera um gráfico e uma tabela de dados,
como visto abaixo.
Calcule estatísticas descritivas para os dados.
Use a opção Estatística Descritiva no Analysis ToolPak para gerar rapidamente estatísticas
descritivas para seu conjunto de dados.
1. Selecione Dados> Análise de Dados> Estatística Descritiva

2. Clique em OK
3. Clique na caixa Intervalo de Entrada e selecione seu intervalo de entrada usando o mouse.
4. Nesse caso, os dados são agrupados por colunas. Na maioria das análises estatísticas, esse
será o caso, mas se você tiver dados agrupados por linhas, deverá alterar a seleção
“ Agrupado por”.
5. Selecione para gerar informações em uma nova planilha.
6. Certifique-se de que pelo menos a caixa resumo de Estatísticas esteja marcada. Você
também pode marcar o nível de Confiança da média e das caixas maiores e menores do
Kth, embora essas informações não sejam necessárias no teste de Adequação de
Qualidade Qui-Quadrado, que é o teste que estamos executando para testar a
normalidade dos dados. Se você marcar essas caixas extras, o Excel simplesmente
fornecerá informações adicionais que não usaremos no momento.
7. Clique OK.
8. O Excel retorna estatísticas descritivas resumidas para o seu conjunto de dados.
Para o teste de ajuste de qui-quadrado, você precisará observar o tamanho da amostra (ou
contagem), o mesmo desvio padrão e a média da amostra. O tamanho da amostra é o número de
itens no conjunto de dados, que foi de 50 para este exemplo. Se você não se lembrar de qual era
o tamanho da amostra, consulte a contagem listada nas estatísticas descritivas. As outras duas
figuras são retiradas das estatísticas descritivas acima:
- Média da amostra: 48.778

- desvio padrão da amostra: 11,444
Configure a hipótese
O Teste de Adequação de Ajuste Qui-Quadrado é, na verdade, um teste de hipótese. Isso significa

que você está testando os dados em relação a uma hipótese nula e a uma hipótese alternativa. As
duas hipóteses para o Teste de Adequação de Ajuste Qui-Quadrado são:
• Hipótese nula: os dados são normais.
• Hipótese alternativa: os dados não são normais.
Se um não é verdade, então o outro é. Em termos estatísticos, falamos em termos de aceitar ou

rejeitar a hipótese nula. Se rejeitarmos o nulo, aceitamos a alternativa.
Entendendo a premissa do Teste de Adequação de Ajuste Qui-Quadrado.
Basicamente, o Teste de Adequação de Qui Quadrado pega o número de amostras em cada caixa
no histograma e compara com o número de amostras que você pode esperar encontrar em cada
caixa dada uma curva normal. Usando o número real de amostras em cada caixa e o número
esperado de amostras, podemos calcular o que é chamado de Estatística Qui-Quadrado no Excel.
Esse número nos permite calcular um Valor-p. Nesse caso, é o tamanho do Valor-p que nos
permite decidir se aceitamos ou rejeitamos a hipótese de que os dados são normais.
Para o propósito da Teste de Adequação de Ajuste Qui-Quadrado nesta situação, se o Valor-p for
maior que 0,05, aceitaremos a hipótese nula de que os dados são normalmente distribuídos.
As Caixas Observadas
Tendo criado um histograma através do Analysis ToolPak, você já tem acesso à distribuição de
caixas observadas. Essas informações são armazenadas na tabela de dados que o Excel cria
para fazer o histograma.
Caixa Frequência
10 0
15 0
20 1
25 1
30 2
35 4
40 1
45 5
50 11
55 10
60 5
65 9
70 0
75 1
Mais 0
As Caixas Esperadas
Podemos usar estatísticas relacionadas à curva normal para calcular como poderíamos esperar
que as caixas se comportassem, dada a mediana e o desvio padrão de nossa amostra.
Para ter uma idéia do que está acontecendo com os cálculos estatísticos envolvidos na
determinação do tamanho esperado de caixas, considere o gráfico abaixo.
Este gráfico descreve aproximadamente as caixas de nosso histograma desenhadas na curva
normal. Como existem fórmulas matemáticas para determinar a área sob uma curva, é possível
determinar a área sob a curva dentro de uma caixa específica. Em última análise, isso é feito
calculando a área total e subtraindo partes.
Começamos com um cálculo conhecido como a Função de Distribuição Cumulativa, ou CDF. O

CDF mede a área total sob uma curva à esquerda do ponto que estamos medindo. Por exemplo, a
área total abaixo da curva acima é à esquerda de 45 é 50%. Uma vez que conhecemos o CDF em
cada borda de nossas caixas, é uma questão de subtração calcular o CDF para cada caixa
individual. Por exemplo, o CDF para o compartimento localizado entre 40 e 45 seria igual ao CDF
de 45 menos o CDF de 40.
Um problema com essa descrição aproximada é que a curva desenhada acima se concentra em
45, e sabemos que no Excel nossa média é 48,778. Usaremos esse número em nossos cálculos
para contabilizar a pequena mudança.
O Excel pode calcular o CDF com a fórmula:
= DIST.NORM(valor x, média amostral, desvio padrão amostral, verdadeiro)
Configure as tabelas para calcular o CDF de cada caixa copiando as designações de caixa para a
planilha de estatísticas descritivas que o Excel criou anteriormente para você e criando duas
colunas, uma para o CDF total e outra para o CDF da caixa. Use a imagem abaixo como exemplo.
Insira a fórmula para calcular o CDF na coluna E, fazendo referência à mesma média e desvio
padrão para cada linha e usando os números em D como X.
Para a primeira linha - no nosso caso, a caixa marcada 10 - a área da caixa é igual à da CDF
porque não há mais nada no limite superior da caixa. Para todas as outras linhas, a área de caixa
é a CDF menos a CDF para a designação de caixa acima. Então, você digitaria = E2 na primeira
linha de dados da coluna F. A segunda linha de dados seria calculada como E3-E2; a próxima, E4-
E3, e assim por diante. O resultado é a porcentagem da curva em cada caixa.
Calcular o número esperado de amostras em cada caixa é tão fácil quanto multiplicar as
porcentagens de cada caixa pelo tamanho da amostra. Novamente, você pode ver nas estatísticas
descritivas que a contagem desse conjunto de dados era 50.
Para calcular a estatística Qui-quadrado, você usará o número esperado de itens em cada caixa e
o número real ou observado. Copie os números observados da sua planilha de histograma.
Aplique a seguinte formula para cara linha:
(esperado – observado)2 / esperado
Calcule os números finais de cada linha, conforme desejado, no Excel.

Some os números finais para obter a estatística Qui-quadrado, denotada por X². Para nosso
exemplo, X² é 16.7333.
Para usar a estatística Qui-quadrado para encontrar o Valor-p, também precisamos de mais um
item para a fórmula do Excel funcionar: precisamos dos chamados graus de liberdade.
Graus de liberdade = #caixas - 1 - # parâmetros

calculados
Nós temos 14 caixas. Os parâmetros que usamos para chegar à estatística qui-quadrado que
calculamos da nossa amostra foram a média e o desvio padrão: dois parâmetros. Para o nosso
exemplo:
Graus de liberdade = 14 - 1 - 2 = 11
Agora que temos os dois graus de liberdade (df) e o valor Qui-Quadrado, podemos usar o Excel
para calcular a Valor-p. Basta digitar a fórmula abaixo, inserindo os valores corretos.
No caso do nosso exemplo, o Valor-p resultante é 0,116. Como o Valor-p é maior que 0,05,
aceitamos a hipótese nula. Nossos dados são normais.
Probabilidades Normais
Depois de verificar se os dados são normais, você pode usar muitos testes estatísticos para tirar
conclusões sobre os dados e a população da sua amostra como um todo. Uma das coisas que
você pode fazer é usar as funções normais de probabilidade do Excel para tirar conclusões sobre
os dados.
Por exemplo, suponhamos que os dados com os quais estivemos trabalhando ao longo deste
capítulo sejam uma seleção de amostra dos pesos das caixas em um canal de entrega. As 50
amostras foram retiradas do mesmo centro de expedição ao longo de uma semana e foram
selecionadas aleatoriamente. Dado que sabemos que os dados são normais, qual é a
probabilidade de qualquer pacote selecionado do centro de distribuição pesar mais de 50 libras?
O Excel fornece a seguinte fórmula:
=DIST.NORM (x, media, desvio_padrao, cumulativo)
Ao usar esta fórmula:
• X = o valor sendo testado

• Média = média amostral da estatística descritiva
• desvio_padrao = desvio padrão amostral da estatística descritiva
• Cumulativo = FALSO se você quiser testar a probabilidade da ocorrência exata;
VERDADEIRO se quiser testar a probabilidade de qualquer valor de x na curva (ou, na
maioria dos casos, menos que x)
Inserir a fórmula no Excel para nosso conjunto de dados com um acumulado FALSO nos diz que
há uma chance de 3,47% de uma caixa selecionada aleatoriamente com um peso de 50 libras.
Esta é uma informação real e importante que pode ser benéfica para uma equipe Seis Sigma.
Inserir a fórmula no Excel para nosso conjunto de dados com um acumulado VERDADEIRO indica
que há 54,25% de chance de uma caixa selecionada aleatoriamente com peso inferior a 50 libras.
A subtração de 100% deixa uma chance de porcentagem de uma caixa pesar mais de 50 libras.
Por que isso pode ser importante? Nesse caso específico, um gerente de remessa pode estar
trabalhando para contratar representantes de remessa. Como existe uma forte probabilidade de os
funcionários lidarem com caixas com mais de 50 libras, o gerente sabe incluir esse requisito nas
descrições de trabalho. Ou, uma equipe Seis Sigma pode estar trabalhando em um processo para
aumentar a produção em um armazém; o conhecimento de que muitas das caixas são pesadas o
suficiente para exigir tratamento especial é relevante para como a equipe aborda o processo.
As equipes Seis Sigma podem usar o Excel para gerar muitas informações sobre os dados. O
Excel também fornece uma fórmula para o inverso do cálculo acima. E se a equipe quisesse saber
sobre o peso de 80% das caixas mais pesados no centro de expedição?
A fórmula é:
= INV.NORMAL (probabilidade, media, desvio_padrao)
A probabilidade deve ser inserida como um ponto decimal, não um percentual. No caso de 0,8 no
nosso conjunto de dados de exemplo, todas as caixas nos 80% mais pesados estão acima de
58,40 libras.
Como estamos tirando conclusões estatísticas das amostras, há algum erro inerente ao processo.
Geralmente, o erro é calculado na análise avançada.
Como aplicar dados estatísticos e conclusões a uma abordagem de negócio ou projeto é abordado
em profundidade na próxima unidade, onde veremos como esses conceitos podem gerar
informações reais que são aplicáveis aos processos de negócios.
Capítulo 19: Correlação e Regressão
Correlação e regressão são conceitos estatísticos que ajudam as equipes Seis Sigma a entender
se dois fatores dentro de um processo estão relacionados. Você pode usar essas ferramentas
para calcular se uma entrada está relacionada a uma saída de alguma maneira ou até mesmo se
duas entradas podem estar relacionadas. O conceito de correlação e regressão foi introduzido em
capítulo 14 na seção de diagramas de dispersão. Neste capítulo, você aprenderá como calcular o
coeficiente de correlação no Excel e o que esse número significa, além de como criar modelos de
regressão linear no Excel para testar os relacionamentos entre uma variável dependente e uma
variável independente.
Vale a pena cobrir um ponto abordado no capítulo 14 novamente. Correlação ou regressão forte
entre duas variáveis não indica uma relação causal. Mesmo quando é encontrada uma forte
regressão entre uma variável dependente e uma independente, isso não significa que o resultado
dependente seja causado pela variável independente. Esse é um conceito crítico a ser entendido,
porque atribuir uma causa porque a correlação é forte pode significar tomar decisões erradas em
relação a um processo. Uma equipe pode decidir alterar ou remover um elemento porque tem uma
forte correlação com uma saída; eles podem se surpreender com o fato de a saída não mudar
porque não estava em um relacionamento causal com a entrada em questão.
Por que trabalhar com correlação e regressão?
A correlação e a regressão ainda são importantes de se entender, porque ajudam as equipes a

entender mais sobre processos, analisar como os elementos de um processo estão relacionados e
fazer previsões sobre um processo. Quando dois elementos estão fortemente relacionados ao
longo de uma linha linear - ou mesmo ao longo de uma curva - as equipes podem criar equações
ligando os dois elementos. Isso permite que as equipes Seis Sigma prevejam como o elemento
dependente será executado se uma alteração for feita na variável independente.
Antes de prosseguir, deve-se notar que as ferramentas de análise neste capítulo não assumem
dados normais em todos os casos, mas é possível que dados muito anormais possam distorcer os
resultados. Antes de analisar os dados, os especialistas Seis Sigma devem sempre entender com
que tipo de dados estão trabalhando.
Correlação
Normalmente, quando falamos de correlação, queremos dizer a associação linear que existe entre
duas variáveis. No Capítulo 14, introduzimos o conceito de que a correlação pode ser forte ou
fraca; também pode ser positiva ou negativa.
Correlação Positiva: Uma variável aumenta à medida que outra variável aumenta.
Correlação Negativa: Uma variável diminui à medida que outra variável aumenta.
Às vezes, a correlação pode ser sensivelmente aproximada, visualizando uma análise gráfica de dados
na forma de um diagrama de dispersão ou gráfico X / Y. Os passos para criar tais diagramas foram
abordados no capítulo 17. Para entender como vários tipos de correlação podem aparecer
graficamente, considere os exemplos de diagramas de dispersão abaixo.
No diagrama de dispersão acima, a

temperatura tem uma forte correlação
positiva com o tempo. Isso significa que a
temperatura no processo tende a aumentar
com o aumento do tempo. O
relacionamento é forte, porque poderia se
desenhar uma linha de melhor ajuste,
como visto na imagem à esquerda, e esta
tocaria quase todos os pontos de dados
com um mínimo de desvio dos pontos de
dados da linha.
o diagrama acima apresenta

uma forte correlação negativa.
Isso significa que a temperatura
no processo tende a diminuir
com o aumento do tempo.
Novamente, você pode
desenhar uma linha de melhor
ajuste através dos pontos de
dados e todos eles permanecem
muito próximos da linha de
tendência, como visto no gráfico
à direita.
Em contraste, o gráfico à esquerda

representa um conjunto de dados em
que a correlação pode estar presente,
mas é mais fraca do que qualquer um
dos dois exemplos acima. A
correlação fraca é representada em
um diagrama de dispersão em que
uma linha de tendência parece existir
e onde aproximadamente o mesmo
número de pontos de dados que não
tocam na linha estão localizados
acima ou abaixo. Normalmente, os pontos de dados localizados acima e abaixo das linhas de
tendência são um pouco simétricos, o que significa que um lado não possui pontos que estão
muito distantes da linha em comparação com os pontos do outro lado, mas isso nem sempre é o
caso. . Correlação fraca pode ser fácil de ver, como neste caso, ou mais difícil de ver em um
gráfico, garantindo o uso de análise estatística para fazer um forte argumento para a correlação.
O gráfico acima mostra um diagrama de dispersão que indica nenhuma ou quase nenhuma
correlação entre tempo e temperatura em um processo. Os pontos de dados estão dispersos
aleatoriamente sobre o gráfico e a linha de tendência é quase horizontal. Uma linha de tendência
horizontal é geralmente uma indicação de falta de correlação.
O Coeficiente de Correlação
As imagens nem sempre são precisas, especialmente quando a correlação é fraca. E, em alguns
casos, uma imagem que captura uma pequena amostra de dados pode mostrar correlação ou
nenhuma correlação quando a correlação existe na amostra geral ou no conjunto de dados. A
análise gráfica é útil para se ter uma idéia sobre relacionamentos de dados - e muito útil para
ilustrar relacionamentos para outros -, mas a análise estatística ajuda as equipes a entender as
relações com mais certeza.
Para fins de correlação, o cálculo estatístico com o qual estamos preocupados é conhecido como
o coeficiente de correlação, ou valor R. O coeficiente de correlação é um número entre -1 e 1.
Como o coeficiente de correlação se aproxima de -1 ou 1, uma relação entre duas variáveis é
considerada mais provável ou mais forte.
• Se o coeficiente de correlação for igual a 1, a relação é certa: todos os pontos de

dados no conjunto são encontrados na linha de tendência positiva.
• O mesmo vale para um coeficiente de correlação que é igual a -1, exceto que todos os
pontos de dados são encontrados na linha de tendência negativa.
• Um coeficiente de correlação igual a 0 significa que certamente não há relação entre
as variáveis e não há linha de tendência.
• Na maioria das vezes, quando você calcula os coeficientes de correlação, o número
estará entre 0 e 1 ou 0 e -1.
Calculando o Coeficiente de Correlação no Excel: Dois Métodos
Os coeficientes de correlação são calculados usando várias fórmulas. Uma das fórmulas mais
comuns usadas na estatística básica é a fórmula do coeficiente de correlação de Pearson, que é
mostrada abaixo:
Outro cálculo usa a soma dos quadrados. A fórmula é mostrada abaixo.
Onde:
Ambas as fórmulas dependem dos dados específicos (x, y) obtidos pela combinação de pares de
dados. Por exemplo, considere o seguinte conjunto de dados:
Meses no trabalho Produção Média
2 10
2 11
3 12
3 11
3 13
4 11
4 15
4 15
5 16
5 15
5 18
Se a produção média for considerada o eixo Y e os meses no trabalho o eixo X, os pontos

pareados desse conjunto de dados serão gravados como:
• 2, 10
• 2, 11
• 3, 12
• 3, 11
• E assim em diante
Esses números podem então ser incluídos nas equações acima; o símbolo sigma (que parece um
E) indica soma. Na equação de Pearson, somamos todos os (x * y) e subtraímos (soma de todos
os x) * (soma de todos os y) para chegarmos ao número superior, por exemplo.
É possível calcular o coeficiente de correlação usando uma dessas fórmulas, mas, felizmente, a
tecnologia de hoje fornece métodos digitais para calcular automaticamente o número. Você pode
usar o software de análise estatística, ou calculadoras gráficas, para chegar ao coeficiente de
correlação, com dados sobre duas variáveis em um processo. Nesta seção, veremos duas
maneiras rápidas de determinar os coeficientes de correlação usando o Excel.
Para os dois exercícios abaixo, usaremos a seguinte tabela de dados. Copie a tabela de dados em
uma planilha do Excel em branco.
Tempo Temperatura A Temperatura B Temperatura C Temperatura D

1 30 70 35 30
2 35 68 48 31
3 37 63 75 38
4 40 62 25 24
5 41 55 50 35
6 48 47 34 49
7 57 42 48 45
8 55 41 31 59
9 59 38 24 42
10 62 36 41 65
11 63 31 71 64
12 65 25 55 59
Formula CORREL
Uma das maneiras mais fáceis de calcular o coeficiente de correlação para dois conjuntos de
dados possivelmente relacionados é usar a fórmula CORREL do Excel. Siga os passos abaixo
para calcular o coeficiente de correlação entre o tempo e a temperatura A.
1. Em qualquer célula na planilha onde você copiou a tabela de dados acima, insira a
fórmula = CORREL
2. Matriz 1 é o conjunto de células que contém dados para o tempo. Matriz 2 é o conjunto de
células contendo dados para a Temperatura A. Você pode selecionar esses intervalos de
células com o mouse, separando-os com uma vírgula em sua fórmula. O resultado final
deve aparecer da seguinte maneira.
3. Pressione Enter.
4. O Excel calculará o coeficiente de correlação. Neste caso, é 0.981167422
O coeficiente de correlação calculado acima é para o conjunto de dados que criou o primeiro
diagrama de dispersão para este capítulo. Se você se lembrar, o diagrama de dispersão pareceu
mostrar que os dados tinham uma correlação positiva muito forte; um coeficiente de correlação (ou
valor R) de 0,98 é certamente compatível com essa avaliação.
Vamos calcular o coeficiente de correlação para o tempo e a temperatura C da tabela de dados

acima. Repita as etapas acima, mas altere o intervalo da Matriz 2 para fazer referência ao
conjunto de dados da temperatura C.
O valor R para tempo e temperatura C é calculado como 0,107, o que é muito mais próximo de
zero. Esse conjunto de dados criou o diagrama de dispersão acima que parecia não ter correlação.
O valor R corresponde às conclusões tiradas do diagrama de dispersão. Na maioria das
aplicações, considera-se que a correlação ocorre em algum nível se o valor R for 0,4 ou
mais ou -0,4 ou menos.
Data Analysis ToolPak
Você também pode usar o Analysis ToolPak para calcular os coeficientes de correlação. Siga os
passos abaixo para calcular o valor R do tempo e da temperatura B.
1. Formate sua planilha para que as colunas de hora e temperatura estejam próximas umas
das outras.
2. Selecione Dados e, em seguida, Análise de dados no menu superior.
3. Destaque Correlação e selecione OK.
4. Clique na caixa de entrada e selecione as entradas para a análise de correlação.

Selecione os dados das colunas de tempo e temperatura B.
5. Observe que seus dados estão agrupados por colunas. Se você selecionou as linhas de
cabeçalho no intervalo de entrada, marque a caixa de "rótulos na primeira linha".

6. Opte por imprimir em uma nova planilha.
7. Clique em OK.
8. O Excel calculará o coeficiente de correlação.
No exemplo acima, o valor R mostra uma correlação negativa muito forte entre o tempo e a
temperatura. Esse conjunto de dados é o mesmo conjunto usado para criar o diagrama de
dispersão de correlação negativo acima, portanto, o valor R é consistente com essa análise gráfica.
Repita os passos acima para encontrar o coeficiente de correlação de tempo e temperatura D.
O valor R retornado mostra uma correlação positiva mais fraca do que em nosso primeiro cálculo
usando a função CORREL, mas ainda consideramos esses dados correlacionados. Os dados para
a temperatura D são os mesmos dados que criaram o terceiro diagrama de dispersão na parte de
análise gráfica deste capítulo.
Análise de Regressão Linear
Uma vez que saiba que seus dados têm uma correlação linear, será possível realizar análises
adicionais por meio de testes de regressão. A regressão permite criar um modelo linear que ajuda
a prever como uma variável pode se comportar, em função das alterações na outra variável.
Observe novamente que as alterações não são necessariamente uma indicação de causa -
apenas que as variáveis estão interligadas de alguma forma.
Ao trabalhar com regressão, falamos sobre o coeficiente de determinação ou valor r². O valor r² é,
literalmente, o quadrado de R ou o quadrado do coeficiente de correlação. Então, do nosso último
exemplo na seção de coeficientes de correlação, R = 0,860624. O valor de r² no caso seria 0,74.
O valor r² é um número entre 0 e 1. O número nos informa sobre a força do relacionamento linear
entre duas variáveis - x e y. Enquanto o valor R nos diz qual a probabilidade de dois valores
estarem relacionados de alguma forma, o valor r² nos diz o quanto a flutuação em uma variável (a
variável dependente, ou y) está relacionada a mudanças em outra variável (a variável
independente ou x).
No exemplo acima, r² é 0,74. Isso significa que aproximadamente 74% da variação na temperatura
está relacionada à mudança no tempo; a outra variação de 26% na temperatura é inexplicável.
A análise de regressão nos permite criar uma linha e uma equação de melhor ajuste para nossos
dados, e o valor de r² nos diz o quão confiantes podemos estar usando essa linha para fazer
previsões sobre os dados.
Analisando a Regressão Usando o Data Analysis ToolPak

Para entender como funciona a regressão, considere o mesmo conjunto de dados usado
nos exemplos de coeficiente de correlação acima:
Time Temperature A Temperature B Temperature C Temperature D

1 30 70 35 30
2 35 68 48 31
3 37 63 75 38
4 40 62 25 24
5 41 55 50 35
6 48 47 34 49
7 57 42 48 45
8 55 41 31 59
9 59 38 24 42
10 62 36 41 65
11 63 31 71 64
12 65 25 55 59
Se você se lembra, a correlação entre tempo e temperatura A era forte. Veremos esse
relacionamento em um modelo de regressão usando o Analysis ToolPak no Excel.
Criando a Planilha de Regressão

Comece criando uma planilha de regressão usando os dados. Siga os passos abaixo.
1. Copie a tabela de dados em uma nova planilha do Excel.
2. Selecione Dados e então Análise de Dados no Menu no topo.
3. Selecione Regressão e aperte OK.

4. Selecione Temperado A como intervalo de entrada Y e Tempo como intervalo de entrada X.
5. Se você selecionou dados de cabeçalho ao inserir intervalos, verifique se os rótulos estão

incluídos.
6. Marque a caixa para nova planilha.
7. Marque a caixa para gráficos de ajuste de linha.
8. Clique em OK.
O Excel gera uma nova pasta de trabalho com várias saídas estatísticas. Os valores relevantes
para o propósito deste capítulo são encontrados em “R Múltiplo” e “R Quadrado”.
O valor R múltiplo é o coeficiente de correlação. Você pode ver que o coeficiente, nesse caso,
corresponde ao coeficiente de correlação calculado para esse conjunto de dados na última seção.
O valor r² para esse conjunto de dados é 0,96, o que significa que quase toda a variação de
temperatura nesse conjunto de dados está relacionada a uma alteração no tempo.
Como você selecionou a caixa de gráficos de ajuste de linha ao criar sua análise de regressão, o
Excel também gerou um diagrama de dispersão e um gráfico de melhor ajuste.
O gráfico mostra todos os pontos de dados reais em azul e pontos de dados previstos ao longo de
uma linha de melhor ajuste em laranja. Esses pontos de dados são calculados pelo Excel usando
uma fórmula criada a partir dos dados. Você pode exibir a fórmula fazendo alterações de design
no gráfico. Siga os passos abaixo para exibir a fórmula.
1. Clique no gráfico no Excel.

2. Selecione Design.
3. Selecione Adicionar Elemento do Gráfico.
4. Selecione Linha de Tendência, Mais Opções.
5. Selecione a opção para a linha de tendência prevista e clique em OK.
6. Clique na caixa para exibir a equação no gráfico.
7. Observe a equação de tendência no gráfico.
Nesse caso, a equação é y = 3,3497x + 27,561.
O valor r², se você se lembrar, é 0,96, o que significa que nossa equação linear será muito boa em
determinar a temperatura aproximada em nosso processo como uma relação com o tempo.
Aos 5 minutos, por exemplo, nossa equação prevê que a temperatura é de 44,30.
Y = 3,3497 (5) + 27,561
Aos 25 minutos, nossa equação prevê que a temperatura seja 111,30.
Teste de Regressão com baixa correlação
Para ver como os testes de regressão devem parecer com baixa correlação, repita os passos
acima com os dados para a temperatura C.
Mais uma vez, o coeficiente de correlação é muito baixo. O valor de r² também é muito baixo; De
acordo com esse modelo, apenas cerca de 1% da variação na temperatura está relacionada ao
tempo.
Se você formatá-lo para fazer isso, o Excel criará uma linha prevista e uma equação de tendência
linear. Dado o valor de r² extremamente baixo, porém, você sabe que essa equação não é útil em
fazer previsões reais sobre a temperatura durante um determinado período. Você só precisa olhar
para o gráfico para ver se isso é verdade. Por um tempo em torno de 3, a equação prevê uma
temperatura de pouco mais de 40. A temperatura real, no entanto, era 75 E esse número não
reflete apenas um valor discrepante que pode apontar para um problema de coleta de dados ou
um de processo temporário; os dados em todo o gráfico estão inclinados para longe da linha.
Usando Correlação e Regressão no Seis Sigma

Correlação e regressão são ferramentas úteis, geralmente implementadas por equipes nos
estágios de medição, análise ou aprimoramento de um projeto DMAIC. As ferramentas não se
aplicam a todos os dados e não são úteis em todas as situações em que podem ser aplicadas.
Uma das coisas que um especialista Seis Sigma desenvolve ao longo do tempo é a capacidade de
decidir quais ferramentas podem ser relevantes, dados determinados dados e situações. Como o
Excel e outros softwares de análise estatística facilitam para os especialistas e equipes Seis
Sigma “jogar” com dados em várias análises gráficas e estatísticas, não há mal algum em criar
análises de correlação ou regressão para dados para explorar conexões entre variáveis. Isso é
verdade, desde que você tenha cuidado com as conclusões que tira. Em caso de dúvida, é
sempre melhor apoiar as conclusões com vários tipos de análise estatística.
Dados contínuos e de proporção
Tanto a correlação quanto o trabalho de regressão com dados contínuos ou de razão, e ambos os
conjuntos de variáveis, devem ser de natureza quantitativa. Por exemplo, você não pode ter
variáveis x que são os nomes das pessoas e das variáveis y que são o número de saídas.
Suzy 10
Jim 11
Rhonda 15
Misha 14
Aisha 13
O gráfico acima é um exemplo do tipo de dados que não se aplicariam à análise de regressão e
correlação, mas podem ser analisados usando ferramentas como gráficos de Pareto ou de pizza.
Correlação requer dois elementos de dados quantificáveis. Regressão requer dados que podem
ser escritos como função:
y = f(x)
Alguns exemplos de dados que podem ser escritos como função incluem:
• Distância
o Y, a distância, é função do tempo, velocidade, aceleração, etc.
• Dureza de uma substância
o Y, a dureza, é uma função da temperatura, liga, etc.
• Sensação térmica
o Y (a sensação térmica) é uma função da temperatura real, vento, umidade, etc.
• IMC (índice de massa corporal)
o Y (o IMC) é uma função de altura e peso
Por que usar correlação e regressão?
Correlação e regressão podem ser aplicadas por especialistas Seis Sigma em vários pontos de
um processo DMAIC. Durante a fase de análise, as equipes podem usar essas ferramentas para
ajudar a verificar as relações entre as entradas ou para ajudar a entender a análise da causa raiz.
Embora a correlação e a regressão não provem a causa, elas também não negam a causalidade.
Uma correlação forte não prova a causa, mas se uma equipe já acredita que a causalidade é um
fator, um modelo de regressão forte ajuda a validar essa hipótese. Isso acontece especialmente se
uma equipe unir modelos de regressão com testes de hipóteses de tentativa e erro.
Por exemplo, uma equipe Seis Sigma pode conduzir diagramas de brainstorming e espinha de
peixe, chegando à conclusão de que certa entrada, A, está causando variação em uma saída, B.
Os especialistas da equipe realizam testes de regressão, que mostram que a variação em B é,
sem dúvidas, relacionada fortemente à variação em A. A equipe pode remover A do processo - ou
alterá-lo de alguma forma - e medir o processo novamente. A equipe pode então usar o teste de
hipóteses para determinar se as alterações criaram uma diferença estatística na saída.
Uma função ainda mais importante da regressão no processo DMAIC é determinar os valores de
entrada ideais para que as equipes tenham uma meta de controle. Considere os exemplos de
dados usados ao longo deste Capítulo. E se a equipe que está explorando esses dados de
amostra estivesse trabalhando com um processo que envolvesse a mistura de ingredientes em
uma faixa de temperatura específica para criar certos resultados? Se o tempo contínuo que uma
máquina de mistura opera provoca flutuações de temperatura, essas flutuações criariam variações
no produto final. Se a equipe descobrisse que a faixa de temperatura de 40 a 50 graus está
correlacionada com a saída mais otimizada do produto, a equipe poderia usar a equação fornecida
pelo modelo de regressão para determinar em qual intervalo de tempo a máquina de mistura
deveria ser operada.
Considere os dados da Temperatura A novamente:
Tempo Temperatura A
1 30
2 35
3 37
4 40
5 41
6 48
7 57
8 55
9 59
10 62
11 63
12 65
Esses dados tiveram um forte coeficiente de correlação e um forte valor r², o que significa que a
equipe pode confiar na equação para a melhor linha de ajuste.
Nesse caso, para encontrar os valores de tempo relativos a um intervalo entre 40 e 50 graus, a
equipe resolveria para x quando y = 40 e quando y = 50.
40 = 3,3497x + 27,561
40 - 27,561 = 3,3497x
12,439 = 3,3497x
3,71 = x quando y = 40
50 = 3,3497x + 27,561
50 - 27,561 = 3,3497x
22,439 = 3,3497x
6,69 = x quando y = 50
Usando esses resultados, a equipe decide que a mistura deve ser feita quando a máquina estiver
entre 3,71 e 6,69 minutos. Eles criam uma mudança no processo que envolve iniciar o
procedimento de mistura após o aquecimento da máquina por 4 minutos.
Unidade 5: Estatísticas Intermediárias
Capítulo 20: Distribuições de Probabilidade Não
normal
No Capítulo 18, discutimos a curva de probabilidade normal, também chamada de distribuição
gaussiana. Embora seja verdade que a curva de probabilidade normal é a distribuição mais
importante e comumente usada nas estatísticas e pelas equipes Seis Sigma, também é verdade
que cada conjunto de dados não cairá na distribuição de probabilidade normal. Este Capítulo
abrange as distribuições de probabilidade não normais, como reconhecer algumas das
distribuições mais comuns por meio de análise gráfica e algumas informações sobre o uso de
análises estatísticas com tais distribuições.
Alguns dos cálculos estatísticos mais simples para distribuições de probabilidade não-normais são
incluídos neste Capítulo, junto com detalhes de como lidar com esses cálculos manualmente. Os
cálculos para todas as distribuições mencionadas não estão incluídos, porque podem ser muito
complexos e quase ninguém manipula esses cálculos manualmente. Na Unidade 6, abordaremos
como calcular probabilidades usando uma ampla variedade de distribuições no Minitab.
Revisando as Distribuições de Probabilidade Normal

Antes de prosseguir, é importante revisitar algumas das informações fundamentais sobre a curva
normal abordada no Capítulo 18. Primeiro, lembre-se de que a distribuição normal está
relacionada a dados contínuos. Isso significa que seus dados estão associados a variáveis
aleatórias que podem assumir a forma de um número infinito de pontos ao longo de um intervalo.
A temperatura ao longo do tempo é um tipo contínuo de dados. Sim, você pode nunca ver a
temperatura de uma sala cair abaixo de 40 graus F, mas dentro de um intervalo como 40 graus e
80 graus há um número infinito de pontos de dados contínuos se você mediu um grau de precisão
alto o suficiente.
Lembre-se de que dados discretos não são de natureza contínua. Dados discretos são
tipicamente sobre ocorrências categóricas. Em alguns casos, dados discretos podem ser
convertidos em dados contínuos para permitir que as equipes do Seis Sigma usem mais
ferramentas de análise estatística ao trabalhar com as informações. No entanto, quando isso não
for possível, você não poderá usar a curva normal ou a análise estatística relacionada em dados
discretos. Dados discretos geralmente envolvem uma distribuição binomial ou uma distribuição de
Poisson; ambos serão abordados posteriormente neste capítulo.
Anatomia de uma Curva Normal
A curva normal, quando apresentada em formato gráfico ou em um histograma, é tipicamente

simétrica por natureza. Os elementos de dados tendem a se concentrar ao longo do centro da
curva, com elementos se espalhando lentamente de um lado para o outro à medida que a curva
cai para zero.
Embora uma inspeção visual dos dados por meio da análise gráfica possa ajudar a determinar se
os dados podem ser normais, existem várias curvas de distribuição contínua que se parecem
muito com as curvas normais. É por isso que aplicamos testes estatísticos, como o Teste de
Adequação Qui-Quadrado, discutido no capítulo 18, para determinar se os dados são realmente
normais. Não confunda o Teste Qui-quadrado de Ajuste de Qui-quadrado com a distribuição Qui-
quadrada, que faz uma aparição posteriormente neste Capítulo. Um é um teste estatístico e o
outro é uma distribuição de probabilidade.
A curva normal:
• é simétrica
• É mais comumente exigida para estatísticas inferenciais
• É descrita estatisticamente usando a média e o desvio padrão
o A curva está centrada na média
o O número de desvios padrão da média altera a probabilidade da quantidade de
dados sob a curva
Distribuições Contínuas Não-Normais

Distribuição Exponencial
A distribuição exponencial cria um histograma ou uma linha de tendência de natureza exponencial.

Ela diminui exponencialmente conforme você percorre o eixo x. Veja a imagem abaixo para um
exemplo.
Em uma distribuição exponencial, os dados não são organizados em torno da média como na
curva de probabilidade normal, mas em uma extremidade do eixo x. Os dados usados para criar o
histograma acima tiveram uma média de 24,79, mas uma mediana de 16. Muitas vezes, quando
se trabalha com dados não normais, a mediana é um ponto de dados mais aplicável do que a
média para a análise gráfica. Se você localizar a mediana no eixo x de um histograma exponencial,
saberá que 50% dos outros pontos de dados estão antes e 50% depois.
Distribuições exponenciais são frequentemente usadas quando se trabalha com conjuntos de

dados que incluem tempos de chegada, tempo médio entre falhas em um processo, teorias de fila
de espera ou a distância - no tempo ou espaço - entre pontos interessantes de ocorrência em
dados, processos, ou experimentos. A distribuição exponencial é particularmente valiosa quando
se trabalha com certas distribuições de Poisson. Se você se lembra, as distribuições de Poisson
são discretas e não contínuas, significando que as equipes Seis Sigma são limitadas em quais
ferramentas estatísticas podem ser usadas para analisar os dados. No entanto, a distribuição
exponencial pode frequentemente ser usada para descrever a taxa de mudança dentro dos dados
que são distribuídos em uma distribuição de Poisson, fornecendo um método para criar dados
contínuos que podem ser analisados.
A curva exponencial:
• Nunca aparece simétrica

• É descrita estatisticamente pela média dos dados e um valor conhecido como lambda
Aqui está outra representação gráfica de uma distribuição exponencial gerada no Minitab, que é
um software de análise estatística.
Gráfico de Distribution
1.0
0.8
Densidade
0.6
0.4
0.2
0.0
10 12 14 16
Como na distribuição normal, você pode executar um teste estatístico no Excel para determinar se
seus dados são exponenciais. O teste é basicamente o mesmo usado no capítulo 18. A mesma
ideia é usada: você primeiro prediz o número de pontos de dados que você encontraria em cada
caixa em uma curva exponencial perfeita, dados os dados estatísticos referentes ao seu conjunto.
Em seguida, você compara a repartição real de seus dados com os números esperados para
encontrar o valor Qui-quadrado, que é usado para avaliar sua hipótese de que os dados são
exponenciais.
Como vamos introduzir o Minitab para funções de análise estatística nas próximas unidades e
como o Minitab lida com o teste de adequação Qui-Quadrado e muitos outros cálculos estatísticos
automaticamente, não abordaremos as etapas detalhadas para testar cada tipo de distribuição de
dados no Excel. Como a maioria dos testes que podem ser realizados usando o Analysis ToolPak
gratuito no Excel exigem dados normalmente distribuídos, as etapas para teste de dados normais
no Excel no capítulo 18 devem ser suficientes para grande parte do trabalho baseado no Excel.
Distribuição Lognormal
Inicialmente, a distribuição lognormal pode parecer uma distribuição exponencial, mas em uma
análise gráfica, é obviamente limitada por zero. A distribuição lognormal em um histograma é
assimétrica, com a linha de tendência aparecendo mais como uma onda que se move pela página.
A localização e o tamanho da onda variam com cada conjunto de dados, e a forma pode até ser
muito diferente da mostrada abaixo.
Distribuições lognormais são frequentemente usadas quando se trabalha com conjuntos de dados
que descrevem a duração do tempo, como o tempo que um processo ou máquina está inoperante
ou a distribuição de ativos ou riqueza entre a população.
Sempre que os dados tiverem uma inclinação positiva, o que significa que a cauda dos dados está
à direita, então uma distribuição lognormal pode ser possível. Considere o exemplo de riqueza
dentro de uma população. Se considerarmos apenas a quantidade de renda que cada família
dentro de uma população reporta, quase nenhuma família relatará uma renda de zero, e é
impossível ter uma renda inferior a zero. (Sim, você pode ter um patrimônio líquido negativo, e
você pode ter um fluxo de caixa negativo se considerar receitas e despesas, mas, para nosso
exemplo, estamos apenas discutindo a receita.)
Agora, em uma amostra aleatória de renda de uma grande população - uma cidade, por exemplo -
os dados provavelmente são lognormais. À medida que você avança nas caixas de um histograma
- representando números crescentes de renda em dólares -, há menos famílias que irão cair em
cada caixa. À medida que você alcança as posições mais altas do dólar, provavelmente verá o
menor número de famílias representadas em um histograma. Enquanto o efeito é semelhante à
distribuição exponencial positiva vista acima, existem algumas diferenças. A distribuição lognormal
da riqueza normalmente não começa com o maior número de pontos de dados na primeira
posição; com mais frequência, você verá um pequeno número ou nenhum ponto de dados na
primeira caixa, seguido de um rápido aumento para um ponto médio e, em seguida, uma trilha
inclinada para a direita.
Um lognormal de distribuição:
• Descreve tipicamente um conjunto de dados com valores em intervalos grandes

• Pode ser descrito com média e desvio padrão
• Sempre tem uma inclinação positiva
Aqui está outra imagem de uma distribuição lognormal, gerada pelo Minitab.
Gráfico de Distribuição
0.7
0.6
Densidade
0.5
0.4
0.3
Distribuição Weibull
Apenas para tornar as coisas mais confusas, as probabilidades podem cair em famílias de
distribuições, como as distribuições Weibull. Dados que se encaixam em uma distribuição Weibull
também podem se encaixar em outra distribuição, incluindo todos aqueles discutidos
anteriormente neste capítulo. Observe que as distribuições Weibull estão relacionadas a dados
contínuos, portanto, os dados provavelmente não se ajustariam a uma distribuição de dados
discreta.
Veja as distribuições Weibull abaixo, criadas no Minitab. Estas imagens parecem familiares?
0.8
0.7
Densidade
0.6
0.5
0.4
0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
0.08
0.07
Densidade
0.06
0.05
0.04
Weibull, Forma=4, Escala=1, Limite=0
1.6
1.4
Densidade
1.2
1.0
0.8
0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8
As curvas parecem se ajustar às distribuições lognormal, exponencial e normal, respectivamente,

embora elas também se ajustem à distribuição de Weibull.
As distribuições Weibull podem descrever muitos tipos de dados e são frequentemente usadas ao
trabalhar com aplicativos de confiabilidade e probabilidades de falha que mudam ou variam com o
tempo. Por exemplo, a chance de que uma tela de plasma seja danificada pelo burn-in aumenta
ao longo do tempo em que a tela é usada e ao longo do tempo em que uma única imagem estática
é exibida em uma tela. Os dados associados a tal preocupação podem apresentar uma
distribuição Weibull.
Outros Tipos de Distribuições Contínuas
Como dito anteriormente, trabalha-se normalmente com distribuições normais ao aplicar a análise
estatística. Mesmo que a distribuição subjacente de seu conjunto de dados não seja normal, se
você tiver uma amostra grande e aleatória de dados contínuos, poderá executar análises
estatísticas reservadas para dados normais, graças ao Teorema do Limite Central. O Teorema do
Limite Central afirma que a distribuição da média de um número grande e identicamente
distribuído de variáveis independentes se aproximará da curva normal. Por isso, você poderá usar
um software como o Minitab para aplicar a análise estatística a vários conjuntos de dados.
Ainda é uma boa ideia poder reconhecer distribuições contínuas comuns que não são normais,
incluindo as listadas acima. Nesta seção, destacaremos algumas outras distribuições contínuas
não normais e forneceremos imagens.
Distribuição Cauchy
Em uma representação gráfica, a distribuição de Cauchy geralmente se parece com uma curva
normal alongada com um pico mais estreito. Enquanto a distribuição de Cauchy compartilha
algumas características com a curva normal, os dados em si não são normais. Na verdade, a
distribuição não tem uma média ou variação definida, o que não é útil para muitas ferramentas de
análise estatística usadas no Seis Sigma.
0.35
0.30
Densidade
0.25
0.20
0.15
Distribuição Logística
A distribuição logística também parece se aproximar da curva normal, e é, de fato, usada em

algumas funções de ciência e matemática para aproximar outras distribuições simétricas. Isso
ocorre porque o CDF de uma distribuição logística é mais consistentemente calculável. Lembre-se
de que o CDF é a função de densidade cumulativa e calcula a probabilidade de um determinado
ponto de dados ser menor ou igual a X, em que X é qualquer ponto no eixo x de uma curva de
probabilidade.
0.25
0.20
Densidade
0.15
0.10
0.05
0.00
0.0 2.5 5.0 7.5
Distribuição Laplace
A distribuição de Laplace é frequentemente referida como a distribuição exponencial bilateral ou a

distribuição exponencial dupla. Você pode ver a partir da imagem abaixo, a distribuição de Laplace
parece emparelhar as distribuições exponenciais de volta para trás.
0.5
0.4
Densidade
0.3
0.2
0.1
0.0
0.0 2.5 5.0
Distribuição Uniforme
Uma distribuição uniforme ocorre quando os pontos de dados são divididos igualmente entre as
posições. Distribuições uniformes exatas quase nunca ocorrerão em dados amostrados
aleatoriamente, o que significa que as equipes Seis Sigma que veem tais distribuições em dados
devem verificar a autenticidade dos dados. A uniformidade geralmente aponta para um erro de
medição, um problema com o sistema de medição, uma amostra não aleatória ou um problema
com um processo.
Em alguns casos muito específicos, distribuições uniformes podem apontar para o sucesso. Por
exemplo, em uma fábrica, uma máquina pode fazer cavilhas usadas posteriormente no processo
de fabricação. Se as cavilhas precisarem medir 4 polegadas para a funcionalidade mais tarde, e
uma amostragem aleatória de cavilhas em todas as caçambas de tempo para a máquina mostrar
cavilhas de 4 polegadas sendo feitas, então uniformidade é igual a sucesso.
Uniforme, Baixa=0, Alta=1
1.0
0.8
Densidade
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
Distribuição Beta
Como as distribuições Weibull, a distribuição Beta pode ter várias formas, duas das quais estão
ilustradas abaixo. As distribuições beta são consideradas extremamente flexíveis e podem se
tornar substitutos para outras distribuições, dados determinados parâmetros estatísticos.
Densidade
0.0 0.2 0.4 0.6 0.8 1.0
1.6
1.4
Densidade
1.2
1.0
0.8
0.0
0.0 0.2 0.4 0.6 0.8 1.0
Gama
As distribuições gama são semelhantes às distribuições Beta e Weibull, na medida em que

assumem várias formas. De fato, algumas distribuições que não são abordadas neste
Capítulo são, na verdade, apenas formas mais específicas da distribuição Gama. As
distribuições gama são, no entanto, sempre inclinadas para a direita.
1.0
0.8
Densidade
0.6
0.4
0.2
0.0
0.10
0.08
Densidade
0.06
0.04
0.02
0.00
Distribuição Triangular
Uma distribuição triangular é formada usando o modo e os limites superior e inferior de um

conjunto de dados.
Triangular, Inferior=1, Modo=8,Superior=15
0.16
0.14
Densidade
0.12
0.10
0.08
0.00
Distribuições Discretas Não-Normais
Distribuição Binomial
Uma distribuição binomial é usada quando você está lidando com dados discretos e há apenas
dois resultados para cada tentativa ou amostra. Em suma, as distribuições binomiais estão
relacionadas aos dados do atributo: Sim ou não, aprovar ou reprovar, um ou outro.
Uma distribuição binomial pressupõe que o resultado de um determinado teste é independente do

resultado de outro teste. Se você virar uma moeda, ela será cara ou coroa. Se você virar de novo,
será novamente cara ou coroa, com uma probabilidade de 50% para ambos os resultados. Não
importa o que aconteceu com o primeiro lançamento da moeda.
Na maioria dos casos, quando se considera os resultados dos atributos, a probabilidade não é
distribuída uniformemente entre os dois eventos, como o lançamento de uma moeda. Em vez
disso, há uma probabilidade de sucesso (notada como p) e uma probabilidade de falha (anotada
como 1 - p). Por exemplo, se uma máquina que faz peças criar defeitos em 5% das peças, você
terá dois resultados para cada peça feita. A peça estará com defeito ou não estará com defeito.
Para este exemplo, p (o resultado de que a peça será defeituosa) é igual a 0,05 e p-1 (o resultado
de que a peça não será defeituosa) é 0,95. Se você selecionar uma parte aleatória, a chance de
obter uma peça com defeito é 0,05.
(Vale a pena notar antes de passar a discrepância aparente nos dois parágrafos acima. Primeiro,
dissemos que a probabilidade de sucesso foi notada como p. Então, dissemos que a probabilidade
de puxar uma peça com defeito é p, ou 0,05. Em termos de negócio, puxar uma peça defeituosa
não seria considerado um sucesso. No entanto, em termos estatísticos, não estamos falando
sobre a natureza de qualidade do resultado. Estamos falando sobre se um resultado será
compatível com a definição que criamos, se o resultado será defeituoso.)
A distribuição Binomial dos dados descritos acima em um histograma pode aparecer da seguinte
maneira:
Binomial, n=20, p=0.05
0.4
0.3
Probabilidade
0.2
0.1
0.0
Quando você está lidando com conjuntos de dados binomiais, é possível usar a Função de
Probabilidade de Distribuição Binomial para determinar a probabilidade do número de sucessos
que você terá em um determinado número de tentativas, dados os dados de amostra que você
possui. As respostas geradas pela Função de Probabilidade de Distribuição Binomial
correlacionam-se com o histograma gerado pelo Minitab, considerando as mesmas informações.
Para entender o que queremos dizer com isso, vamos considerar o exemplo do sorteio de moedas
novamente. Para este exemplo, imagine que uma moeda é lançada 10 vezes e consideramos que
‘cara’ seja um sucesso. A chance de sucesso (cara) para cada lançamento de moeda é 0,5. Dada
essa informação, o Minitab cria o histograma abaixo.
0.25
0.20
Probabilidade
0.15
0.10
0.05
0.00
Este gráfico nos mostra que, se lançarmos a moeda 10 vezes, a chance de obter 1 sucesso em
todos os 10 lançamentos é muito pequena - assim como a chance de obter 9 sucessos. A chance
de obter 5 sucessos em 10 é muito maior - mas não na verdade 50%.
Para aplicar esse conceito a uma situação do mundo real, vamos analisar novamente nosso
processo de máquina, que produz peças defeituosas a uma taxa de 0,05. Novamente, o
histograma abaixo ilustra os dados que podem ocorrer se pegarmos 20 amostras aleatórias do
processo.
0.4
0.3
Probabilidade
0.2
0.1
0.0
A probabilidade de termos 0 sucessos (partes defeituosas) em nossa amostra de 20 é um pouco

acima de 0,35. (2) oA probabilidade de termos uma parte com defeito é um pouco maior, mas a
chance de termos cinco partes defeituosas em 20 é muito, muito pequena. A probabilidade de
mais de 5 partes defeituosas em nosso lote de 20 é quase inexistente.
O que isso diz a um time Seis Sigma do mundo real? Imagine que uma equipe de controle de
qualidade recebesse 20 amostras aleatórias desse processo todos os dias. Por duas semanas
seguidas, a equipe de qualidade não registra defeitos nessas amostras. Se a equipe do Seis
Sigma acredita que um processo gera 0,05 partes defeituosas, então a falta de peças defeituosas
nas amostras mostra que (1) algo mudou para melhorar o desempenho do processo, (2) O
sistema de medida está com defeito ou 3) como exemplos não são materiais aleatórios. as
amostras não são realmente aleatórias. Se você aumentar o número de tentativas para 100, a
distribuição binomial permanece.
0.20
0.15
Probabilidade
0.10
0.05
0.00
Aqui, você pode ver que a maior probabilidade para este processo é que, dentro de 100 amostras,
4 ou 5 estarão com defeito. É improvável, dada uma taxa de defeitos de 0,05, que uma amostra
aleatória de 100 tenha mais de 11 ou 12 partes defeituosas.
O que fizemos graficamente, você também pode fazer matematicamente usando a função de
probabilidade de distribuição binomial. A equação é fornecida abaixo.
Para esta fórmula:
• x é igual ao número de sucessos desejados

• n é igual ao número de tentativas
• p é igual à probabilidade de sucesso em cada tentativa
• q é igual a p - 1
• O ponto de exclamação indica um fatorial.
o 3! = 3x2x1 = 6
o 4! = 4x3x2x1 = 24
o 5! = 5x4x3x2x1 = 120
Usando a função de probabilidade de distribuição binomial, podemos calcular a probabilidade de 20

tentativas produzirem 4 peças defeituosas em um processo que fornece 0,05 peças defeituosas.
A probabilidade de puxar 4 peças defeituosas é muito baixa, como foi mostrado no gráfico de
distribuição.
Quais são alguns dos motivos pelos quais esse tipo de cálculo pode ser importante no mundo dos
negócios ou para as equipes Seis Sigma?
Considere uma empresa que vende chocolates. Se 20 chocolates vierem em cada caixa, qual é a
chance de um cliente receber um produto defeituoso em sua caixa? Qual é a chance de um cliente
receber mais de um chocolate defeituoso? As equipes podem calcular essas probabilidades após
a amostragem de dados para determinar com que frequência um processo gera um produto
defeituoso.
E se uma equipe Seis Sigma aleatoriamente provar o processo de chocolate e determinar que o
processo opera em um nível 4-sigma. Lembre-se da Unidade 1 que no 4 sigma, um processo gera
6.210 defeitos por milhão de oportunidades. Suponhamos que isso signifique 6.210 chocolates
defeituosos por milhão criados, ou uma chance de um chocolate ser defeituoso igual a 0,00621.
Em uma caixa de 20 chocolates, com p = 0,00621, o Minitab gera o seguinte histograma binomial.
0.9
0.8
Probabilidade
0.7
0.6
0.5
0.0
0.0 0.5 1.0 1.5 2.0 2.5
Do histograma acima, você pode ver que a probabilidade de uma caixa não ter nenhum chocolate
defeituoso é de aproximadamente 88%. A probabilidade de uma caixa com um chocolate
defeituoso é de aproximadamente 10%. A probabilidade de uma caixa ter dois ou mais chocolates
defeituosos é quase inexistente.
O que isso significa para o negócio? Depende dos objetivos do negócio ou do projeto Seis Sigma.
Se a equipe do Seis Sigma foi encarregada de melhorar a satisfação do cliente ou diminuir a taxa
de retorno das caixas de chocolate, então uma probabilidade de 10% de um chocolate defeituoso
em uma caixa pode ser algo que a equipe quer resolver. No entanto, se a satisfação do cliente for
forte e os custos de retorno forem baixos, as possíveis reclamações ou devoluções associadas a
um pequeno número de caixas podem ser aceitáveis para a empresa - particularmente se uma
equipe Seis Sigma descobre que reduzir a taxa de erro custaria bem mais do que que custa para
lidar com os erros.
Aplicando a distribuição binomial desta maneira para passar / reprovar, sim / não, defeito / não
defeito, as equipes Seis Sigma podem calcular dados que são úteis em uma variedade de
situações do mundo real. A capacidade de amarrar os custos torna ainda mais possível avaliar
esse tipo de informação usando a probabilidade binomial, porque as equipes podem falar em
termos da probabilidade de que diferentes processos ou resultados custem quantidades variáveis
de dinheiro - ou economizar quantias variáveis de dinheiro – ambo os quais a liderança da
empresa estará interessada em ouvir.
Distribuição de Poisson
A distribuição de Poisson é frequentemente usada quando se trata de dados distribuídos

aleatoriamente dentro do tempo, distância ou outra Unidade de medida. Por exemplo, a
distribuição pode ser relevante quando se lida com chamadas por hora em um call center,
acidentes de trânsito por semana em um bloco específico ou rua, ou número de defeitos em um
lote. De fato, a palavra “per” em uma métrica é uma boa indicação de que a distribuição de
Poisson pode ser útil.
Poisson, Média=4
0.20
0.15
Probabilidade
0.10
0.05
0.00
Como você pode ver no gráfico anterior, a distribuição de Poisson pode parecer um pouco com a curva
normal, mas não é simétrica. Esta curva, baseada em uma média de 4, tendendo ligeiramente para a direita.
Poisson, Média=42
0.06
0.05
Probabilidade
0.04
0.03
0.00
Este gráfico de uma distribuição de Poisson com uma média de 42 parece-se ainda mais com a
curva normal. Se você olhar muito perto, no entanto, e contar as caixas à esquerda e à direita da
média, verá que a curva cai um pouco para a direita. Esse é um bom exemplo do motivo pelo qual
a análise estatística é necessária além da análise gráfica ao trabalhar com dados. Os dados
podem aproximar a curva normal em um gráfico sem ser normal.
Uma coisa interessante a se notar sobre a distribuição de Poisson é que ela se relaciona de perto
com a distribuição exponencial. Lembre-se, a distribuição de Poisson é discreta, não contínua. A
distribuição é uma análise de quantos de uma coisa ocorre por outra. Por exemplo, considere o
número de erros no trabalho de um funcionário da entrada de dados a cada hora.
Erros Por Hora

5
8
5
5
4
7
4
12
3
6
9
9
7
3
6
5
7
6
4
5
5
2
4
7
6
Aqui está o histograma dos dados acima:
Histograma de C1
Os dados não são contínuos, mas categóricos, quantos erros o funcionário faz na hora 1, hora 2,
hora 3 e assim por diante. No entanto, se o processo estiver seguindo uma distribuição de Poisson,
o tempo entre cada evento no processo, quando analisado continuamente, produzirá uma
distribuição exponencial.
Compreender essa relação pode ajudar as equipes do Seis Sigma a converter distribuições de
Poisson em distribuições exponenciais quando necessário para análise estatística. O uso dessa
conversão em um ambiente Seis Sigma provavelmente não será comum para a maioria das
equipes, mas poderá ser útil em aplicativos especiais, alguns dos quais abordaremos nas seções
específicas do setor no final deste livro.
A distribuição de Poisson pode ser aplicável quando as seguintes afirmações podem ser usadas
para descrever seus dados:
• Os dados descrevem eventos que ocorrem em uma medição de intervalo aleatório - a

palavra “per” geralmente está envolvida.
• O tamanho da amostra (número de intervalos) é de pelo menos 16. Se você está medindo
por hora, você tem pelo menos 16 horas de dados. Se você está medindo por pé, você
tem pelo menos 16 pés de dados.
• Você sabe que o tamanho da população é 10 vezes o tamanho da amostra ou maior. Se
você estiver medindo a produtividade do funcionário, por exemplo, não poderá aproveitar
as primeiras 16 horas em que o funcionário está no trabalho.
• As ocorrências de eventos são independentes umas das outras. Em nosso exemplo de
entrada de dados, se contarmos cada pressionamento de tecla desnecessário como erro,
poderemos contar o backspace. No entanto, o backspace depende da pessoa com outro
erro. Se a pessoa digitar "b" quando ela quis "n", isso é um erro. Se contarmos o
backspace como erro 2, os erros não serão independentes.
• A probabilidade de ocorrências é menor que 0,1. Considere o exemplo de entrada de
dados acima. Ao usar um teclado numérico de 10 teclas, a taxa média de entrada para
funcionários nos Estados Unidos é de aproximadamente 8.000 por hora. Se um
funcionário estiver cometendo de 8 a 12 erros por hora, a probabilidade de um erro para
cada pressionamento de tecla está bem abaixo de 0,1.
• A taxa de ocorrência por intervalo é constante. O número médio de chamadas telefônicas
por hora é 50; o número médio de erros por hora é 6.
Se os dados se ajustarem à distribuição de Poisson, você poderá usar uma equação para
determinar a probabilidade de determinados eventos.
A equação de Poisson é:
Dentro da equação de Poisson:
• e é igual à constante de Poisson, que é 2,71828

• 𝜇 é a média do processo
• 𝑋 é o caso específico ou ponto de dados; Lembre-se de que o ponto de exclamação indica
um fatorial.
Por exemplo, se uma equipe Seis Sigma estivesse trabalhando para melhorar processos em um
call center, eles podem ter reunido dados que indicam o número médio de pessoas em espera
para um representante de atendimento ao cliente em um dado momento é 10. Dada essa
informação e uma distribuição de Poisson quando se considera o número de retenções por
incremento de tempo, a equipe pode usar a equação de Poisson para calcular probabilidades
relacionadas a vários cenários de chamada.
Qual é a probabilidade de haver 15 chamadores em espera em um determinado momento?

A probabilidade de ter exatamente 15 clientes em espera em um determinado momento no call
center é de 0,034, ou aproximadamente 3,4%.
Esse número em si não é extremamente útil para uma empresa ou equipe Seis Sigma, a menos
que exista um problema específico no protocolo ou no processo que ocorra apenas quando as
chamadas retidas atingem exatamente 15 pontos. Esse não é um cenário extremamente provável.
No entanto, e se uma equipe Seis Sigma notar que, quando o número de participantes em espera
atingir 15 ou mais, é improvável que uma equipe de call center com o pessoal regular o alcance,
resultando em altos tempos e volumes de espera contínuos. Sabendo disso, a equipe pode
informar ao proprietário do processo que, quando os números de espera atingirem 15, é hora de
transferir alguns recursos de outras áreas para atender as chamadas.
Mas como um proprietário de processo ou equipe Seis Sigma planeja apropriadamente? Outros
recursos precisam estar constantemente à mão? A probabilidade de esta situação ocorrer é alta
ou baixa?
Para responder à pergunta, você pode usar a equação de Poisson para encontrar a probabilidade
de haver 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13 e 14 clientes em espera a qualquer momento.
Como a probabilidade de todos os resultados possíveis totaliza 1, subtrai-se a soma de todas as
probabilidades de 1 para determinar a probabilidade de o número de detenções ser de 15 ou mais.
Matematicamente, o conceito escrito fica:
Para calcular manualmente a probabilidade acima, você teria que usar a equação de Poisson para
cada P (x) listado acima. Você também pode usar o software de análise estatística, como o
Minitab, para fazer os cálculos para você. Abordaremos como lidar com essa análise no Minitab
nos capítulos posteriores. Por enquanto, no entanto, considere o quadro abaixo, que mostra a
probabilidade de cada x.
0 0.0000454
1 0.0004540
2 0.0022700
3 0.0075667
4 0.0189166
5 0.0378333
6 0.0630555
7 0.0900792
8 0.112599
9 0.125110
10 0.125110
11 0.113736
12 0.0947803
13 0.0729079
14 0.0520771
Somando as probabilidades para cada X fornece uma probabilidade total de que x será menor que
15 de 0.916541.
Alternativamente, você pode usar um software estatístico para determinar a probabilidade

cumulativa - a área sob a curva à esquerda de um determinado ponto. As probabilidades
cumulativas de x ser menor ou igual a 14 é 0,916541.
Portanto, a probabilidade de x ser 15 ou maior é 1 - 0,916541 ou 0,083459.
A probabilidade de haver 15 ou mais clientes em espera a qualquer momento é de

aproximadamente 0,083 ou pouco mais de 8%. Dada essa probabilidade, a liderança do call
center pode tomar uma decisão mais instruída se deseja pagar por mais funcionários ou correr o
risco de atingir o volume mais alto de chamadas e ter que se recuperar para o restante do turno.
As equipes podem usar a distribuição de Poisson e os cálculos dessa maneira para entender as
probabilidades de ocorrência de diferentes eventos. Eles também podem vincular dados
financeiros a esses eventos para tomar decisões baseadas em dados ainda melhores.
Outros Tipos de Distribuição Discreta
Distribuição Geométrica
A distribuição geométrica é usada quando há dois resultados para um teste, os testes são
independentes e há um tempo de espera antes da primeira ocorrência. Assim como na distribuição
binomial, o resultado de cada tentativa deve ser independente. Um uso real da distribuição
geométrica pode incluir o número de inspeções que ocorrem antes de encontrar uma peça
defeituosa ou o número de currículos ou aplicativos que um recrutador revê antes de encontrar o
primeiro candidato que atenda aos requisitos mínimos de trabalho.
Um exemplo da distribuição geométrica é visto abaixo.
Geometrica, p=0.1
0.10
0.08
Probabilidade
0.06
0.04
0.02
0.00
Binomial Negativa
A distribuição binomial negativa também é usada com dados de atributo - aprovado / reprovado e
outras situações em que há apenas dois resultados para cada tentativa. Mais uma vez, os
resultados devem ser independentes uns dos outros; a probabilidade de uma ocorrência deve ser
a mesma em cada tentativa, assim como na distribuição binomial.
A distribuição binomial negativa é frequentemente usada quando as equipes estão tentando

determinar a probabilidade de um determinado número de aprovados ou reprovados antes de
atingir o sº.
Binomial Negativa, p=0.1, NEventos=20
Probabilidade
X = número total de tentativas
Aplicando Dados a Situações da Vida Real

Ao longo deste capítulo nós abordamos algumas maneiras pelas quais as distribuições de
probabilidade permitem que as equipes Seis Sigma apliquem dados brutos sobre processos a
preocupações e situações do mundo real. Como dito anteriormente, muitas das análises
estatísticas que você executará nos dados serão relacionadas à curva normal. Mas entender
algumas equações relacionadas a distribuições como Binomial ou Poisson ajuda a expandir sua
capacidade de criar suposições reais sobre dados.
Quando você pode determinar a probabilidade de determinados eventos ou pontos de dados, você
pode tomar decisões fundamentadas sobre um processo. Qual é a probabilidade de ocorrer um
evento de custo elevado? O custo associado a um evento é suficiente para criar uma razão para
trabalhar para reduzir a probabilidade desse evento? Se a probabilidade de um defeito de baixo
custo for alta, as despesas totais associadas a esse defeito provavelmente serão mais altas do
que as despesas totais associadas a um defeito de alto custo que tenha uma probabilidade
extremamente baixa? Estas são apenas algumas das questões que as equipes podem usar
estatísticas e distribuições de probabilidade para responder.
Capítulo 21: Teste de Hipóteses
Os testes de hipóteses são ferramentas estatísticas usadas para tirar conclusões com base em
dados. Com uma compreensão básica do processo e do desempenho do processo, bem como
dados em tempo real - ou o mais próximo possível dos dados em tempo real - as equipes Seis
Sigma podem tirar conclusões estatísticas extremamente precisas se (1) garantirem que a
medição os sistemas são bons, (2) têm o tamanho certo da amostra e (3) sabem como configurar
o tipo certo de teste de hipóteses.
A análise dos sistemas de medição foi discutida no capítulo 13. Neste capítulo, falaremos sobre
diferentes tipos de testes de hipóteses, como configurá-los e como ler os resultados. No capítulo
22, abordaremos como escolher o tamanho de amostra correto para vários tipos de dados e testes
de hipóteses, e nos capítulos sobre o Minitab, você encontrará um guia passo a passo para
executar testes no programa de software. Você também pode executar alguns testes no Excel
usando o Analysis Toolpak que você baixou anteriormente.
Noções Básicas sobre Testes de Hipóteses

Os testes de hipóteses cobrem três grandes categorias:
• Testar se os dados que você possui se ajustam a um modelo de dados. No capítulo 18,
conduzimos um teste de hipótese para determinar se os dados se encaixam na curva
normal. Usamos o Teste de Adequação Qui-Quadrado, mas no final, foi um teste de
hipótese.
• Comparar uma estatística com uma hipótese sobre os dados ou população.
• Responder a pergunta se algo mudou nos dados, muitas vezes depois que uma equipe
modificou uma entrada ou outra parte do processo. No caso da maioria dos projetos Seis
Sigma, a equipe provavelmente quer descobrir se o processo ou o resultado é melhorado.
Embora o tipo de teste de hipóteses que você usa dependa das respostas que você está
procurando e do tipo de dados que você tem, todos os testes seguem essencialmente as mesmas
diretrizes:
• Você começa com uma estatística ou critério que normalmente calcula de seus dados de
amostra
• Você cria uma hipótese nula e uma hipótese alternativa, de acordo com o tipo de teste
com o qual está lidando
o Lembre-se, no Capítulo 18, quando executamos o Teste de Adequação Qui-
Quadrado:
▪ A hipótese nula era de que os dados eram normais
▪ A hipótese alternativa era que os dados não eram normais
• A estatística ou critério é comparado com um critério de referência ou distribuição
• Como a estatística calculada se compara aos critérios de referência determina se você
aceita ou rejeita a hipótese nula em favor da hipótese alternativa
Testes de hipóteses são grande parte da estatística inferencial, onde tiramos conclusões sobre o
processo global ou população, analisando os dados da amostra e medições. Ao afirmar hipóteses,
não estamos fazendo declarações sobre a amostra. Estamos fazendo declarações sobre a
população ou todo o processo.
Uma hipótese é “a média da população é 5”.
Nós não precisamos fazer uma hipótese sobre a média da amostra - podemos calcular a média da
amostra.
Nula Vs Alternativa
Os testes de hipóteses têm duas partes principais: a hipótese nula e a hipótese alternativa.
A hipótese nula é abreviada como H0 e é geralmente uma declaração sobre os dados que refletem
nenhum efeito ou nenhuma diferença. No Capítulo 18, abrimos a hipótese de que nossos dados
eram normais. De fato, estávamos dizendo que “não há diferença estatística entre a distribuição
de nossos dados e a distribuição de dados em uma curva normal”.
A hipótese alternativa é abreviada como Ha e geralmente é uma afirmação que provavelmente

será verdadeira se a hipótese nula não for verdadeira. No capítulo 18, a hipótese alternativa era
“existe uma diferença estatística entre a distribuição dos nossos dados e a distribuição dos dados
em uma curva normal”. Em suma, se rejeitarmos a hipótese nula, aceitamos a hipótese alternativa
- neste caso, que nossos dados não são normais.
Normalmente, a hipótese nula é uma declaração igual de algum tipo. A média do novo processo é
igual à média do novo processo. A distribuição dos dados é igual à curva normal.
A hipótese alternativa é normalmente escrita como uma instrução não igual, maior que ou menor
que. A média do novo processo é maior que a média do processo antigo. A distribuição dos dados
não é igual à curva normal. Como você escreve a hipótese alternativa depende da pergunta que
você está fazendo e do tipo de teste de hipótese que está sendo executado.
O Risco de Erro no Teste de Hipóteses

Sempre que você extrair inferências sobre uma população a partir de dados de amostra, há pelo
menos alguma probabilidade de erro. Com o teste de hipóteses, os erros vêm em dois tipos.
• Erro do tipo I: a hipótese nula é rejeitada quando é realmente verdadeira.
o Também chamado de risco do produtor

o A probabilidade do risco é medida por alfa, onde 𝛼 é uma probabilidade entre 0 e
1.
• Erro do tipo II: a hipótese nula é aceita quando na verdade é falsa.
o Também chamado de risco do consumidor

o A probabilidade do risco é medida por beta, onde 𝛽 é uma probabilidade entre 0 e
1.
Para descrever o risco - e configurar nosso teste de hipóteses para o que consideramos ser um
risco aceitável, um nível de confiança deve ser escolhido. O nível de confiança mais comum usado
é de 95%, ou 𝛼 = 0,05. Normalmente, o nível de confiança é definido com o erro Tipo I em mente,
portanto, você usa alfa para o nível de confiança. O valor de 𝛽 então contribui para os requisitos
de tamanho da amostra e o poder; o tamanho de amostra será coberto no próximo capítulo.
Informações adicionais sobre os valores alfa e beta são abordadas na seção deste capítulo sobre
como executar testes de hipóteses individuais.
Selecionando o Teste de Hipóteses Correto

Para determinar qual teste de hipótese será executado, você deve saber:
• Que tipo de dados você tem (contínua / variável ou discreta / atributo)

• O número de níveis de interesse para a entrada em questão (1, 2 ou mais de 2)
• Distribuição de dados (normal ou não normal)
• O que você está testando (médias, medianas, variação, contagem ou proporções)
Neste Capítulo, os testes de hipóteses cobertos tratam de 1 ou 2 níveis de interesse.
Na seção a seguir, apresentaremos vários tipos de testes de hipóteses. Depois, percorreremos

alguns desses testes usando um software estatístico.
Teste de Hipóteses para Dados Discretos
Teste de 1 Proporção
• Usado quando há apenas um fator para x
• Usado quando há um nível de interesse para x (a entrada)
o Normalmente, há um conjunto de dados (a amostra) e um destino
• Usado ao comparar proporções (porcentagem, taxas) entre amostras e um alvo

• O teste está disponível no Minitab
o Requer amostras em colunas ou resumo de dados para incluir o número de
eventos, o número de tentativas e a proporção hipotética
O teste de hipótese é definido como: H0 : Pamostra = Palvo
Ha : Pamostra ≠ Palvo
Observe que, na configuração acima, a hipótese alternativa é definida como padrão como "não
igual". O Minitab permite ajustar a hipótese alternativa para um cenário maior ou menor, se
desejado.
Exemplo do Teste de 1-Proporção:

Uma administradora da escola acredita que os alunos de uma sala de aula estão sendo
impactados por algum problema do ambiente daquela sala. A administradora quer ver se os
alunos daquela sala apresentam resultados estatisticamente menores nos testes do que outros
alunos da escola; ela já observou que diferentes aulas naquela sala são ensinadas por outros
professores que também ensinam nas outras salas, o que significa que ela descartou a influência
de um professor.
A administradora reúne dados. A taxa de falha nas aulas ministradas em qualquer outra sala de
aula é de 20%. Dos 142 alunos que têm aulas na sala de aula em questão, 38 estão falhando
nessa classe em particular.
O teste de hipótese seria escrito com uma declaração do mundo real e uma declaração estatística
para ambas as hipóteses nula e alternativa.
• H0: Não há diferença na taxa de falha entre as aulas ensinadas na sala de aula específica
e aquelas ensinadas em outros lugares.
o Pclasse = Poutros
o Pclasse = 0.2
• Ha: A taxa de falha é maior para as aulas ensinadas na sala de aula específica.
o Pclasse > Poutros

o Pclasse > 0.2
Teste de 2 Proporções
• Usado quando há apenas um fator para x
• Usado quando há 2 níveis de interesse para x (a entrada)
o Normalmente, há dois conjuntos de dados referentes à entrada e você
compara esses dois conjuntos.
• Usado ao comparar proporções (porcentagem, taxas) entre amostras ou entre
amostras e um alvo
• O teste está disponível no Minitab
o Requer amostras em colunas O teste de hipótese é configurado como:
H0 : P1 = P2 Ha : P 1 ≠ P2
desejado.
Exemplo de Teste de 2 Proporções:

Reconsidere o exemplo acima sobre a administradora da escola e a sala de aula. Talvez ela
determine que os alunos daquela sala de aula, de fato, desempenhem estatisticamente diferente
dos alunos de outras salas de aula. A administradora, então, toma a decisão de levar os alunos
dessa sala de aula para outra sala de aula. Ela então reúne dados sobre o desempenho do teste
na nova sala de aula.
Agora, ela tem dois conjuntos de dados de desempenho de teste para os mesmos alunos. A única
variável que mudou é a localização da sala de aula. Ela quer saber, portanto, se existe uma
diferença entre o desempenho na sala antiga e na sala nova.
• H0: Não há diferença na taxa de falha entre a sala antiga e a nova.
o Pvelha = Pnova
• Ha: A taxa de falha é menor na sala nova.

o Pvelha > Pnova
Testes de Hipóteses para Dados Normais Contínuos
Teste T de 1 Amostra (ou Teste T Pareado)
• Usado ao comparar médias

• Normalmente usado ao lidar com amostras menores ou quando o desvio padrão é
conhecido.
o Ao lidar com amostras maiores ou quando o desvio padrão não é conhecido, use o
Teste Z de 1 amostra.
• O teste T de 1 amostra compara a média de uma amostra com uma média-alvo
• O teste T emparelhado compara a média de uma amostra com a média de outra amostra
para o mesmo fator de X. Geralmente, a primeira amostra é a linha de base e a segunda
amostra é obtida após uma alteração; o teste é executado para ver se a alteração fez
diferença.
• O teste T de 1 amostra está disponível no Minitab
o Requer desvio padrão, média e tamanho da amostra, bem como o alvo ou a média
hipotética.
• O teste T emparelhado está disponível no Minitab e no Analysis TookPak do Excel.
O teste de hipótese é configurado como:
H0 : 𝜇1= 𝜇2
Ha : 𝜇 1 ≠ 𝜇 2
igual". O Minitab permite ajustar a hipótese alternativa para um cenário maior ou menor que o
desejado, se desejado.
Exemplo de Teste T de 1 Amostra

Uma empresa agrícola que produz milho produz uma média de 168 alqueires de milho por acre ao
ano durante cinco anos. A empresa fez uma mudança em seu processo de semeadura na
tentativa de aumentar o rendimento de seus campos. A colheita após a mudança de sementes
resultou em uma média de 175 alqueires de milho por acre a cada ano. A mudança de semeadura
resultou em um resultado estatisticamente diferente no rendimento por acre?
• H0: Não há diferença entre o resultado após a mudança de semeadura e o resultado antes
dele.
o 𝜇velho = 𝜇novo
• Ha: A mudança de semeadura resultou em um aumento na quantidade média produzida
por campo.
o 𝜇velho <𝜇novo
Teste Qui-Quadrado (ou Teste de 1-Variância)

• Usado ao comparar desvio padrão ou variância
• Compara o desvio padrão ou variância entre duas amostras do mesmo fator x
(normalmente uma amostra é obtida após uma alteração no processo ter sido feita)
ou compara o desvio padrão ou variância a uma meta ou estatística hipotética.
• Está disponível no Minitab
o Requer dados de amostra em duas colunas ou dados de resumo para incluir
o tamanho da amostra com desvio-padrão da amostra ou variância da
amostra e um desvio padrão ou variância hipotética..
O teste de hipótese é configurado como: H0: 𝜗 1 = 𝜗2
Ha: 𝜗 1 ≠ 𝜗 2
igual". O Minitab permite ajustar a hipótese alternativa para um cenário maior ou menor que o
desejado, se desejado.
Exemplo de Teste Qui-Quadrado (ou Teste de 1-Variância)

Uma fábrica faz as rodas que são colocadas em carrinhos de compras. A fábrica fornece três
tamanhos de rodas para uma fábrica parceira, que faz o carrinho em si e usa as rodas para
completar o processo. A fábrica parceira faz uma reclamação: As rodas menores que vêm da
fábrica têm variação de tamanho suficiente para causar problemas de estabilidade com o produto
final, resultando em carrocerias defeituosas ou peças de rodas desperdiçadas.
A fábrica de produção de rodas lança um projeto de melhoria Seis Sigma para reduzir a variação
do tamanho nas rodas menores. A equipe mede uma linha de base e descobre que o desvio
padrão no tamanho das rodas é 0,0409. A equipe faz alterações no processo e mede novamente
para comparar o novo desvio padrão com o antigo.
• H0: não há diferença entre os desvios padrão; as mudanças não fizeram nada para reduzir
estatisticamente a variação no processo.
o 𝜗 novo = 0,0409
• Ha: As melhorias reduziram o desvio padrão no processo.
o 𝜗 novo <0,0409
Teste T de 2 Amostra
• Usado ao comparar médias
• Compara as médias entre duas amostras dos diferentes fatores x
• Está disponível no Minitab e no Excel
o Requer dados de amostra em duas colunas ou dados de resumo para incluir o
tamanho da amostra, a média da amostra e o desvio padrão para ambas as
amostras
• Requer que você observe se variações iguais entre as duas amostras são assumidas ou
não
O Teste T de 2 Amostras pode parecer com o Teste T de 1 Amostra, porque no Teste T de 1

Amostra, discutimos como você pode comparar uma amostra de antes de uma alteração com uma
amostra após uma alteração. No entanto, o teste T de 2 amostras é um pouco diferente, porque
compara-se duas amostras de diferentes populações. Por exemplo, você pode comparar a
temperatura corporal média das crianças que não receberam a vacina contra gripe como a
temperatura corporal das crianças que receberam a vacina. Isso é diferente de comparar a
temperatura corporal média para o mesmo grupo de crianças do ano passado, quando não
receberam a vacina, até este ano, quando receberam a vacina. O primeiro exemplo usaria o teste
T de 2 amostras; o segundo exemplo (ano após ano) usaria o Teste T de 1 Amostra.
O teste de hipótese é configurado como: H0: 𝜇1 = 𝜇2
Ha: 𝜇1 ≠ 𝜇 2
desejado.
Exemplo de Teste T de 2 Amostras
Dois advogados que trabalha na mesma firma de advocacia estão gastando quantidades muito
diferentes de horas faturáveis, embora os sócios notem que os dois advogados têm casos
semelhantes. Um dos parceiros supôs que a equipe jurídica do advogado A está demorando
demais para lidar com algumas tarefas; como a empresa fatura em um determinado momento as
tarefas de estilo administrativo, independentemente de quanto tempo essas tarefas demoram, se a
equipe legal está demorando demais, estão gastando tempo em trabalho que não pode ser
faturado.
Para testar a teoria, os dados são coletados sobre o tempo que a equipe legal gasta em tarefas.
Especificamente, uma equipe analisa o tempo gasto em três tarefas para as quais a equipe legal
pode cobrar 15 minutos cada: certos tipos de tarefas administrativas simples de telefone, cópia ou
arquivamento.
• H0: não há diferença entre o tempo médio que a equipe do Advogado A leva e o tempo
médio que a equipe do Procurador B leva para tais tarefas.
o H0: 𝜇AttorneyA = 𝜇AttorneyB
• Ha: A equipe do advogado B leva, em média, menos tempo para essas tarefas.
o Ha: 𝜇 ProcuradoriaA> 𝜇 ProcuradorB
Testes de Hipóteses para Dados Contínuos Não-Normais
Teste Qui-Quadrado
O Teste Qui-Quadrado, descrito na seção acima, também pode ser usado para comparar o desvio
padrão entre uma amostra e um desvio padrão hipotético quando os dados não são normais.
Wilcox de Uma Amostra
• Usado ao comparar medianas

• Compara as medianas entre uma amostra e uma amostra hipotética ou uma nova amostra
para uma amostra anterior antes de alterações serem feitas
o Requer dados de amostra em uma coluna e uma média hipotética
• Normalmente usado quando os dados são um pouco simétricos; caso contrário, você pode
usar o teste de Sinal de 1 Amostra no Minitab para a mesma coisa
O teste de hipótese é configurado como: H0: 𝑀1 = 𝑀𝑡
Ha: ≠1 ≠ 𝑀𝑡
desejado.
Exemplo de Wilcox de Uma Amostra
Uma empresa imobiliária quer entrar em um mercado de altos valores, então querem construir
alguns sites regionais que atendem aos compradores de casas que procuram casas maiores.
Especificamente, querem atender aos compradores buscando casas com 4 ou mais quartos.
Antes que a empresa possa construir sites e começar a comercializar, ela precisa encontrar
bairros onde as casas à venda normalmente tenham 4 ou mais quartos.
A empresa imobiliária reúne informações sobre o número médio de quartos em residências em

uma área específica.
• H0: o número mediano de quartos é igual a 3.

o H0: 𝑀quartos = 3
• Ha: O número mediano de quartos é maior que 3 (4 ou mais).
o Ha: 𝑀quartos> 3
Teste Mann-Whitney
• Usado ao comparar medianas

• Compara as medianas entre amostras de dois fatores de x
o Requer dados de amostra em colunas
O teste de hipótese é configurado como: H0: 𝑀1 = 𝑀2
Ha: 𝑀1 ≠ 𝑀2
desejado.
Exemplo de Teste Mann-Whitney
Considere o exemplo da empresa imobiliária acima novamente. Agora, imagine que a empresa
imobiliária tenha recursos limitados, para que eles possam apenas lançar uma campanha para um
bairro de cada vez. Para maximizar os resultados potenciais de sua primeira campanha, a
empresa quer escolher o bairro com o maior número de quartos no maior número de residências.
A empresa reúne informações sobre residências em dois bairros. Eles então comparam as
amostras para determinar se uma amostra tem um número médio estatisticamente maior de
quartos.
• H0: O número médio de quartos no bairro A é igual ao número mediano de quartos no

bairro B.
o H0: 𝑀𝑏𝑒𝑑𝑟𝑜𝑜𝑚𝑠𝐴 = 𝑀𝑏𝑒𝑑𝑟𝑜𝑜𝑚𝑠𝐵
• Ha: O número médio de quartos no bairro A é maior do que no bairro B.
o Ha: 𝑀𝑏𝑒𝑑𝑟𝑜𝑜𝑚𝑠𝐴> 𝑀𝑏𝑒𝑑𝑟𝑜𝑜𝑚𝑠𝐵
Por que Executar Testes de Hipóteses

Nesse ponto, surge uma pergunta comum sobre testes de hipóteses: por que passar pelo
problema de executar testes estatísticos para determinar se as coisas são diferentes?
Considere o exemplo de problema apresentado para o teste T de 1 amostra:
Uma empresa agrícola que produz milho produz uma média de 168 alqueires de milho por acre
por ano durante cinco anos. A empresa fez uma mudança em seu processo de semeadura na
tentativa de aumentar o rendimento de seus campos. A colheita após a mudança de sementes
resultou em uma média de 175 alqueires de milho por acre a cada ano. A mudança de semeadura
resultou em um resultado estatisticamente diferente no rendimento por acre?
A questão é: o rendimento médio de milho por acre é estatisticamente maior após a mudança de
semente? Apenas olhando para os números apresentados neste problema, podemos ver que a
média após a mudança de semente é 175. Quando você compara isso com 168, é obviamente
maior. Por que teríamos o trabalho de configurar e executar um teste de hipótese?
Ao introduzir a curva normal no capítulo 18, notamos que nem sempre é suficiente ver que um
histograma parece ser simétrico e seguir a curva normal. Os dados brutos podem ser enganosos,
e é por isso que fizemos o Teste de Adequação Qui-Quadrado no Excel para garantir que os
dados estivessem normais. O mesmo princípio é verdadeiro quando se comparam estatísticas de
amostras. Sim, 175 é maior que 168. Mas no caso do rendimento de milho - é estatisticamente
diferente?
As equipes Seis Sigma não podem simplesmente responder à pergunta "Esse número é
diferente?" Elas devem responder à pergunta "Esse número é estatisticamente diferente para que
possamos agir sobre essas informações?" Diferentemente estatisticamente não tem a ver com
escala. Em um processo, a diferença entre 10 e 23 pode não ser estatisticamente diferente. Em
outro, a diferença entre 10 e 10,5 pode ser estatisticamente diferente.
Executando Testes de Hipóteses

Para executar um teste de hipótese, você normalmente segue a mesma série de etapas:
1. Declare as hipóteses nula e alternativa. A hipótese nula é sempre escrita da
perspectiva de que nenhuma mudança ou diferença ocorre ou está presente. A
hipótese alternativa é sempre escrita da perspectiva de que uma mudança ou
diferença está presente - seja não igual, maior ou menor que
2. Defina o nível de confiança para alfa. Normalmente, o nível de confiança é definido
em 95% para alfa, mas outras configurações comuns são 99 e 99,9%. Um nível de
confiança de 95 por cento significa um valor alfa de 0,05; um nível de intervalo de
confiança de 99 por cento significa um valor alfa de 0,01; um intervalo de confiança
de 99,9 por cento significa um valor alfa de 0,001.
3. Decida qual teste de hipóteses você vai usar. Use as informações na seção acima
para encontrar o teste apropriado com base em:
a. O tipo de dados que você tem
b. A estatística com a qual você está lidando (média, variação, etc.)
c. Quantos conjuntos de dados você tem (nível de interesse em x)
d. Lembre-se de que testar mais de dois conjuntos de dados é abordado na
Unidade 7 sobre Projeto de Experiências e ANOVA.
4. Decida se o tamanho da sua amostra é fixo ou se você pode selecionar uma

amostra com base na sua configuração beta. A configuração do tamanho da amostra
é abordada no Capítulo 22.
5. Execute o teste no Minitab. Etapas específicas para cada teste de hipótese - bem
como outras funções do Minitab - são abordadas na Unidade 6.
6. Interprete o valor p de acordo com sua configuração alfa, que informa se você rejeita
ou não a hipótese nula.
7. Traduza a análise estatística para uma linguagem do mundo real, relevante para os
negócios.
Para cada teste estatístico, os cálculos - tratados automaticamente para nós no Minitab ou em
outros programas de software - retornam vários valores. Alguns cálculos, como os testes Qui-
quadrado, retornam estatísticas específicas. No caso dos testes Qui-quadrado, essa estatística é o
valor do Qui-Quadrado. Essas estatísticas podem ser valiosas em aplicativos e análises, mas,
para fins de testes de hipóteses, estamos principalmente preocupados com o valor p. O valor p é
retornado para cada teste e comparamos o valor p com o valor alfa que definimos antes de
executar o teste.
Se o valor p retornado para um teste for menor que o valor alfa definido, você rejeitará a hipótese
nula e aceitará a hipótese alternativa. Se o valor p retornado for maior que o valor alfa definido,
você não rejeitará a hipótese nula e rejeitará a hipótese alternativa.
Acima, falamos sobre a configuração de um intervalo de confiança para alfa. Se o intervalo de

confiança for 95 por cento, o valor alfa será 0,05. Dado um valor p de 0,02, rejeitaríamos a
hipótese nula e aceitaríamos a alternativa. Dado um valor p de 0,13, não poderíamos rejeitar a
hipótese nula e rejeitaríamos a alternativa.
Exemplos de Teste de Hipóteses
Passaremos pelas etapas de configuração e avaliação de testes de hipóteses usando alguns dos
testes de exemplo da seção acima.
Teste de 1 Proporção
Problema: Uma administradora escolar acredita que os alunos de certa sala de aula estão sendo
impactados por algum problema do ambiente daquela sala. A administradora quer ver se os
alunos daquela sala apresentam resultados estatisticamente menores nos testes do que outros
alunos da escola; ela já observou que diferentes aulas naquela sala são ensinadas por outros
professores.
A administradora reúne dados. A taxa de falha nas aulas ministradas em qualquer outra sala é de
20%. Dos 142 alunos que têm uma aula na sala em questão, 38 estão falhando nessa aula em
particular.
Etapa 1: Declare Hipóteses Nula e Alternativa Etapa

H0: Não há diferença entre a taxa de reprovação de alunos na sala de aula e de outras salas.
Ha: A taxa de reprovação dos alunos em sala de aula é estatisticamente maior do que a taxa de
reprovação de alunos em outras salas de aula.
Etapa 2: Defina Nível de Confiança

Salvo disposição em contrário neste livro, o nível de confiança será sempre 95%, ou alfa = 0,05.
Etapa 3: Selecione o Teste Apropriado

Nossos dados assumem a forma de aprovação / reprovação, que é um atributo ou dado discreto.
Temos um conjunto de dados que estamos comparando com a taxa hipotética de falha de 20%.
Dada essa informação, o Teste de 1 Proporção é o teste apropriado.
Etapa 4: Selecione o Tamanho de Amostra

Nesse caso, não estamos preocupados com o tamanho da amostra porque recebemos os dados.
Como as equipes Seis Sigma geralmente reúnem seus próprios dados, elas precisam se
preocupar com o tamanho adequado da amostra. Como determinar o tamanho da amostra é
coberto no próximo Capítulo.
Etapa 5: Execute o Teste e Analise o Valor P

O teste é executado no Minitab com as seguintes informações:
- Número de tentativas: 142 (são 142 estudantes)

- Número de eventos: 38 (há 38 alunos que atendem ao parâmetro de evento "reprovado")
- Proporção hipotética: 0,20 (20% dos alunos em outras salas de aula atendem ao parâmetro
do evento " reprovado ")
- Hipótese alternativa: proporção> proporção hipotética (estamos testando se a taxa de
reprovação dos alunos dentro da sala de aula é maior do que a taxa de reprovação de 20%
daqueles fora da sala de aula)
Com todas as informações acima, o Minitab retorna um valor p de 0,031.
Test and CI for One Proportion
Test of p = 0.2 vs p > 0.2

Exact
Sample X N Sample p 95% Lower Bound P-Value
1 38 142 0.267606 0.207083 0.031
Como o valor p é menor que o valor alfa de 0,05, rejeitamos a hipótese nula e aceitamos a
alternativa. Sim, a taxa de falha é estatisticamente maior para os alunos na sala de aula.
Teste T de 1 Amostra
Problema: Uma empresa agrícola que produz milho produz uma média de 168 alqueires de milho
por acre a cada ano por cinco anos. A empresa fez uma mudança em seu processo de semeadura
na tentativa de aumentar o rendimento de seus campos. A colheita após a mudança de sementes
resultou em uma média de 175 alqueires de milho por acre a cada ano em mais de 500 acres de
campos. O desvio padrão é de 2,2 alqueires. A mudança de semeadura resultou em um resultado
estatisticamente diferente no rendimento por acre?
Etapa 1: Declare Hipóteses Nula e Alternativa

H0: Não há diferença no rendimento médio após a mudança de semente em comparação com
antes da mudança.
Ha: Após a mudança, os acres produzem um rendimento médio estatisticamente maior de milho.
Etapa 2: Defina o Nível de Confiança

Mais uma vez, determinamos o nível de confiança para alfa em 95%, então alfa é 0.05.

Estamos testando a média de uma amostra em relação a uma média hipotética (ou histórica ou
populacional). Suponha, para o propósito deste exemplo, que nossos dados sejam normais. O
teste correto seria o teste T de 1 amostra ou o teste Z se não tivéssemos o desvio padrão.
Etapa 4: Selecione o Tamanho de Amostra

coberto no próximo capítulo.
Etapa 5: Execute o Teste e Analise o Valor P

O teste é executado no Minitab com as seguintes informações:
- Tamanho da amostra: 500 (havia 500 acres de campos de milho)

- Média amostral: 175 (após a mudança, os 500 acres produziram em média 175 alqueires)
- Desvio padrão: 2,2 (fornecido no nosso problema)
- Média hipotética: 168 (antes da mudança, o rendimento médio era de 168 alqueires)
- Hipótese alternativa: média> média hipotética (estamos testando se o rendimento médio
após a mudança de semente é estatisticamente maior que o rendimento antes da mudança).
One-Sample T
Test of μ = 168 vs > 168
N Mean StDev SE Mean 95% Lower Bound T P
500 175.000 2.200 0.098 174.838 71.15 0.000
alternativa. Sim, o rendimento médio é estatisticamente maior após a mudança de semente. Deve-
se notar que o valor p neste caso é excepcionalmente baixo. Para nossos propósitos, é zero. Isso
significa que há apenas uma pequena chance de um erro de teste de hipótese do tipo 1 neste
caso. Por que isso é importante? Ao tomar uma decisão que envolve recurso financeiro, a
liderança fica sempre feliz em ouvir que os analistas estão confiantes em suas conclusões.
Teste T de 2 Amostras
Problema: Dois advogados que trabalham na mesma firma de advocacia estão entregando
quantidades muito diferentes de horas faturáveis, embora os sócios notem que os dois advogados
têm casos semelhantes. Um parceiro supõe que a equipe jurídica do advogado A está demorando
demais para lidar com algumas tarefas; como a empresa fatura em um determinado momento
para tarefas de estilo administrativo, independentemente de quanto tempo essas tarefas
demoram, se a equipe legal está demorando demais para essas tarefas, elas estão gastando
tempo em trabalho que não pode ser faturado.
arquivamento. Os dados a seguir são coletados.
Minutos Gastos em Atividades de 15 minutost

Equipe do Advogado A Equipe do Advogado B
10 8
8 7
15 10
16 12
17 18
5 6
8 9
16 12
12 11
11 11
8 9
9 8
15 14
17 15
22 16
25 12
30 19
2 8
9 12
4 6
5 8
7 11
8 12
12 13
13 15
15 17
16 13
18 15
19 15
20 12
22 21
25 32
15 18
14 11

H0: Não há diferença no tempo médio que a equipe do Advogado A leva para lidar com as tarefas
de um quarto de hora em comparação com o tempo que leva a equipe do Advogado B.
Ha: A equipe do advogado A demora, em média, mais tempo a realizar tarefas de um quarto de
hora do que a equipe do advogado B.

Novamente, definimos o nível de confiança para alfa em 95%, portanto, alfa é 0,05.

Estamos testando a média de uma amostra em relação à média de outra. Para este problema,
vamos supor que os dados foram testados como normais. Os dados são tempo, então é contínuo.
O teste apropriado é o teste T de 2 amostras.
Etapa 4: selecione o tamanho da amostra

Etapa 5: execute o teste e analise o valor P

O teste é executado no Minitab indicando as duas colunas com os mesmos dados e definindo a
hipótese alternativa como maior que.
Dadas todas as informações acima, o Minitab retorna um valor p de 0,255.

Teste T de duas amostras e CI: A, B
Two-sample T for A vs B
N Mean StDev SE Mean

A 34 13.76 6.56 1.1
B 34 12.82 5.07 0.87
Difference = μ (A) - μ (B) Estimate for difference: 0.94

95% lower bound for difference: -1.43
T-Test of difference = 0 (vs >): T-Value = 0.66 P-Value = 0.255 DF = 62
Como o valor-p é maior que o valor alfa de 0,05, deixamos de rejeitar a hipótese nula e rejeitamos
a alternativa. O tempo médio gasto nas tarefas de um quarto de hora não é estatisticamente
diferente para cada equipe. A Minitab também calcula os meios para nós: a equipe do advogado A
gasta em média 13,76 minutos em cada tarefa, enquanto a equipe do advogado B gasta em média
12,82 minutos em cada tarefa. Ambas as equipes, na verdade, gastam menos tempo nas tarefas
do que podem faturar as tarefas, o que significa que nenhuma delas está perdendo tempo
tecnicamente.
Wilcox de 1 Amostra
Problema: uma empresa imobiliária quer entrar em um mercado de alta renda e, por isso, quer
construir alguns sites regionais que atendem compradores de casas que buscam residências
maiores. Especificamente, eles querem atender aos compradores que estão comprando casas
com 4 ou mais quartos. Antes que a empresa possa construir sites e começar a comercializar, ela
precisa encontrar bairros onde as casas à venda normalmente tenham 4 ou mais quartos.
A empresa imobiliária reúne informações sobre o número de quartos em residências de um bairro.

Esses dados são apresentados abaixo.
Número de Quartos
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
3
3
3
3
3
3
3
3
3
6
6
6
6
6
6
6
6
7
7
5
5
5
5
4
4
4
4
3
3
3
2
2
2
2
1
1
1

H0: O número médio de quartos é igual a 3.
Ha: O número mediano de quartos é maior que 3.

Novamente, definimos o nível de confiança para alfa em 95%, portanto, alfa é 0,05.

Estamos testando a mediana de uma amostra em relação a uma mediana hipotética. Nós só
temos um fator para X, então vamos usar o Wilcox de 1 Amostra.
Etapa 4: Selecione o Tamanho da Amostra

Como as equipes do Seis Sigma geralmente reúnem seus próprios dados, elas precisam se
Etapa 5: execute o teste e analise o valor P

O teste é executado no Minitab indicando a coluna onde os dados da amostra residem, anotando
uma mediana hipotética de 3 e definindo a hipótese alternativa como maior que 3.
Wilcoxon Signed Rank Test: Bedrooms
Test of median = 3.000 versus median > 3.000
N for Wilcoxon Estimated

N Test Statistic P Median
Bedrooms 52 40 726.0 0.000 4.000
alternativa. Sim, o número médio de quartos para casas no bairro é de 4 ou mais.
Testes de hipóteses em Análise, Melhoria e Controle
Para as equipes Seis Sigma, o teste de hipóteses é uma atividade tipicamente encontrada nas três
últimas fases de um projeto DMAIC e, mais especificamente, em Analisar ou Melhorar. Durante a
análise, as equipes podem usar o teste de hipóteses para ajudar a determinar se certas entradas
ou fatores podem ser uma causa raiz. De acordo com dados históricos, equipes que podem
separar fatores dentro de um processo podem usar esses dados para executar um teste de
hipótese. Por exemplo, uma equipe pode acreditar que um funcionário é responsável por defeitos
em um processo. Ao comparar as taxas de defeitos quando o empregado está em turno para
taxas de defeitos quando o empregado não está trabalhando, as equipes podem tirar conclusões
dos dados.
Durante a fase de Melhoria, os testes de hipóteses são frequentemente usados para validar
soluções que estão sendo testadas em ambientes beta ou em pequenos lotes. A equipe compara
os resultados dessa solução com dados anteriores sobre o processo para determinar se a solução
criou um resultado estatisticamente diferente - e se esse resultado é o que a equipe desejava.
Como os testes de hipóteses podem começar a soar muito matemáticos, é importante começar
com uma declaração favorável e terminar com uma declaração relevante ao negócio sobre as
conclusões. O capítulo 24 aborda algumas dicas para converter várias conclusões estatísticas e
de Seis Sigma em apresentações e conhecimento amigáveis aos negócios, o que é especialmente
útil quando uma equipe Seis Sigma está propondo mudanças com base em análises estatísticas.
A capacidade de converter essa análise em linguagem favorável aos negócios ajuda as equipes a
explicar aos tomadores de decisão por que uma mudança provavelmente será útil.
Uma Revisão dos Termos de Teste de Hipóteses

Este capítulo introduziu muitos termos estatísticos novos, muitos dos quais surgirão novamente em
futuros capítulos. Antes de passar para o próximo Capítulo, reserve alguns minutos para revisar
esses termos.
Hipótese Nula: A hipótese assumida; a declaração de que nada mudou ou nenhuma diferença
estatística existe. Isto é como o veredicto inocente em um tribunal criminal: é assumido a menos
que as evidências nos digam o contrário.
Hipótese Alternativa: A afirmação de que algo mudou ou é estatisticamente diferente - pode ser
enquadrada como diferente, maior ou menor. Se evidência significa rejeitar a hipótese nula, então a
hipótese alternativa é assumida como verdadeira.
Alfa: A medição do risco de um erro do Tipo I - o erro que ocorre se a hipótese nula é rejeitada
quando era realmente verdadeira.
Beta - A medida do risco de um erro do tipo II - o erro que ocorre se a hipótese nula não foi
rejeitado quando na verdade era falsa.
Estatística do Teste: Um valor padrão usado para calcular o valor p para determinar se rejeita-se
ou não a hipótese nula. Por exemplo, no teste T, o valor é “t”. Não calculamos ou discutimos esses
valores em detalhes, mas eles são exibidos na tela de saída do Minitab e podem ser valiosos para
cálculos estatísticos mais avançados. Ao usar o Minitab para testes de hipóteses, o valor p é gerado
automaticamente.
Valor P: O número normalmente usado para comparar com o valor alfa para determinar se deve ou
não rejeitar a hipótese nula. A hipótese nula é rejeitada se o valor p for menor que o valor alfa.
Capítulo 22: Tamanho de Amostra
Precisão na estatística inferencial requer que você tenha o tamanho de amostra correto. Uma
empresa de varejo com milhares de clientes nunca tomaria uma decisão importante com base no
feedback de cinco pessoas, e as equipes Seis Sigma nunca deveriam tomar decisões baseadas
em análises estatísticas quando o tamanho da amostra não é grande o suficiente para criar uma
margem de erro aceitável.
Para entender a importância do tamanho da amostra, primeiro analisaremos algumas observações

importantes sobre amostragem relacionadas a estatísticas inferenciais.
As equipes Seis Sigma coletam amostras porque querem determinar informações sobre uma
população. Com algumas exceções, é muito difícil, muito caro ou impossível executar cálculos
estatísticos em toda a população de dados. No entanto, quando amostramos a população e
extraímos inferências dessas amostras sobre médias, proporções ou variâncias, há sempre algum
risco de erro. Algum nível de incerteza sempre existirá quando tirarmos conclusões sobre uma
população a partir de dados de amostra. Em muitos casos, um tamanho de amostra maior ajuda a
reduzir a incerteza de nossas conclusões.
A incerteza associada à amostragem é definida por algo chamado Intervalo de Confiança, que
também é chamado de margem de erro em alguns aplicativos. Você provavelmente leu ou viu os
resultados da pesquisa ou da enquete informados com uma margem de erro: os fãs são 93% a
favor das novas cores da equipe, +/- 2%. A margem de erro nesse levantamento em particular foi
de 2%, ou 0,02.
No Capítulo 21, discutimos o teste de hipóteses e definimos nosso valor alfa em 0,05, o que
significa que estávamos pelo menos 95% confiantes na escolha de rejeitar ou não rejeitar a
hipótese nula. Podemos tornar nossos testes de hipótese ainda mais preci sos, definindo a
potência e o tamanho da amostra para nossos dados - especialmente quando estamos extraindo
os dados e podemos escolher quantas amostras devem ser coletadas.
Download Minitab
O Minitab é um dos vários programas avançados de análise estatística, que é comumente usado por
especialistas em Seis Sigma. Para este capítulo, trabalharemos extensivamente no Minitab para executar
cálculos e análises.
As capturas de tela são incluídas para todas as análises concluídas no Minitab daqui para frente. Se você
gostaria de seguir ou experimentar seus próprios dados no Minitab, você pode baixar a versão de teste
do programa em www.minitab.com. A partir do início de 2016, o teste gratuito é oferecido por 30 dias.
Se você faz parte de uma organização que usa o Six Sigma para melhoria de processos, também poderá
obter acesso ao Minitab por meio do seu empregador.
Uma Revisão dos Erros de Testes de Hipóteses
O conceito de erros de teste de hipóteses é fundamental para selecionar tamanhos de amostra
para vários testes de hipóteses. Os dois tipos de erros foram introduzidos no capítulo 21, mas
garantem uma rápida revisão antes de prosseguir com os cálculos do tamanho da amostra.
Erro de tipo I
Um erro de tipo I ocorre quando você rejeitar a hipótese nula durante um teste de hipótese
quando, na verdade, a hipótese nula é verdadeira. Você pode rejeitar a hipótese nula de que a
média da amostra é estatisticamente igual à média hipotética, decidindo, em vez disso, que a
média da amostra é estatisticamente maior do que a média hipotética. Se a média da amostra for,
de fato, estatisticamente igual à média hipotética, você terá um erro do tipo I.
Os riscos de erro tipo I são denotados por alfa.
Como afirmado no capítulo 21, o erro do Tipo I também é chamado de risco do produtor. Em um
ambiente de manufatura, se a hipótese nula for verdadeira, mas for rejeitada devido a um erro
Tipo I, o material que estiver dentro da especificação (material estatisticamente igual ao do
destino) será rejeitado. Este é um risco de produtor
- causa desperdício, custo extra e menor ânimo dos funcionários.
Erro tipo II
Um erro tipo II ocorre quando você aceita a hipótese nula quando, na verdade, não é verdade. Se
você aceitar a hipótese de que a média da amostra é estatisticamente igual à média hipotética
quando, de fato, a média da amostra é estatisticamente maior que a média hipotética, então você
tem um erro do Tipo II.
Os riscos de erro do tipo II são denotados por beta.
Como afirmado no capítulo 21, o erro do Tipo II também é chamado de risco do consumidor. Em
um ambiente de manufatura, se a hipótese nula é falsa, mas é aceito de qualquer maneira devido
a um erro Tipo II, então o material que não está dentro da especificação (material que não é
estatisticamente o mesmo que o alvo) é aceito. Isso significa que o produto que não atinge o alvo
é passado para o consumidor. Isso é um risco para o consumidor - pode causar retornos, clientes
insatisfeitos, má reputação da marca.
O tamanho de amostra apropriado pode reduzir o risco de qualquer tipo de erro.
Que Informações São Necessárias para Escolha do Tamanho da Amostra?
Para executar cálculos de tamanho de amostra ou fazer com que o Minitab os execute para você,
determinadas informações e suposições são necessárias.
Alfa O nível alfa que você definiu - lembre-se, o padrão no Minitab é normalmente definido
como 0,05
Beta O nível beta pode ser definido pelo experimentador e um tamanho de amostra calculado
a partir desse número. Se o tamanho da amostra é fixo, o experimentador geralmente
define alfa e calcula o risco beta a partir do tamanho da amostra.
Delta A diferença prática que o experimentador quer detectar usando o teste.
Desvio O desvio padrão da população estimada.
Padrão
Tipo de Discreto ou continuo?
Dado
Tipo de Qual teste de hipótese você está usando (veja o Capítulo 21 para selecionar o teste
Teste correto)
Antes de passar para o cálculo do tamanho da amostra, algumas considerações práticas devem
ser feitas com relação a alfa, beta e delta. Em nossa análise dos erros do tipo I e do tipo II,
abordamos a diferença entre os riscos do produtor e do consumidor, mas esse detalhamento não
funciona em todas as organizações ou em todos os testes de hipóteses.
Como o resultado dos testes de hipóteses será usado para tomar decisões do mundo real, você
precisa entender realmente o que o teste e seus resultados significam para o negócio, o
funcionário e o consumidor. Essa compreensão do mundo real ajuda você a definir os valores Alfa
e Beta apropriados.
Perguntas a fazer sobre os valores Alfa, Beta e Delta

Na maioria dos casos, você pode definir o valor alfa em 0,05. No entanto, em experimentos
específicos, a precisão é extremamente importante. Em testes médicos ou de drogas, por
exemplo, os valores alfa poderiam ser definidos como 0,99 ou 0,999, tornando muito improvável
que um pesquisador aceitasse uma hipótese alternativa (que uma droga causou uma alteração,
por exemplo) se não estivesse correta.
Ao selecionar alfa, as equipes Seis Sigma devem perguntar:
- Quais são os custos associados a uma mudança desnecessária se a equipe cometer um

erro ao rejeitar a hipótese nula?
o Em um ambiente de produção, quais são os custos de rejeição de materiais que
realmente se encaixam nas especificações?
o Em um ambiente não industrial, quais são os custos associados à aceitação da
hipótese de que a mudança ocorreu?
▪ Existem perigos ou custos associados à conclusão de que uma mudança
estatística ocorreu? Quais são?
Ao selecionar um valor beta, as equipes Seis Sigma devem perguntar:
- Quais os custos potenciais de um erro do Tipo II se a equipe cometer um erro ao não

rejeitar a hipótese nula?
o Qual é o dano ou custo em potencial se materiais defeituosos forem
repassados para o cliente? Se uma colher defeituosa é passada adiante, o
custo final pode ser mínimo comparado a uma peça defeituosa de
equipamento médico ou motor de carro.
o Existem custos associados à perda de tempo ou recursos na correção de um
problema que vem de um erro do tipo II?
Ao selecionar um valor para o delta, as equipes Seis Sigma devem perguntar:
- Quão pequena a diferença tem que ser antes de se tornar praticamente insignificante para
o cliente? Em uma pizzaria, por exemplo, um cliente que pede uma pizza de 14 polegadas
vai se importar se ele ou ela receber uma pizza de 12 polegadas. Se a pizza que é
entregue mede 13,9 polegadas, é improvável que o cliente se importe.
- Qual é o menor delta que oferece a melhor chance de expor todos os benefícios ou
informações, mas não é tão pequeno a ponto de ser inviável. Trabalhar com valores delta
menores significa tamanhos de amostra maiores ou requisitos de medição menores, que
levam tempo para serem coletados.
- Em última análise, as equipes Seis Sigma devem se perguntar: que margem de erro é
tolerável nos resultados? O tipo de teste sendo executando, as decisões tomadas e os
processos com os quais está lidando ajudam você a fazer essa determinação.
O delta, ou diferença crítica, deve sempre ser baseado nas necessidades do negócio. É útil no
Minitab expressar o delta em termos de sigma ou desvio padrão. Queremos detectar diferenças de
0,5 σ ou 2 σ, por exemplo.
Diretrizes para Configurar Vários Números ao Calcular o Tamanho da Amostra

Embora os valores para vários fatores nos cálculos do tamanho da amostra devam ser guiados
pelas necessidades e propósitos do teste, aqui estão algumas diretrizes que as equipes Seis
Sigma podem seguir para valores de referência ou se nenhuma outra informação ou necessidade
estiver presente.
Ao Testar Médias para Dados Contínuos

Se você tiver alguma informação sobre a população, incluindo desvio padrão:
- Defina alfa em 0,05.

- Defina beta em 0,10 ou 0,20 (o que lhe dará uma potência de 0,90 ou 0,80 - uma potência
de 0,90 é menos provável de produzir um erro Tipo II do que uma potência de 0,80, mas
também exigirá um tamanho de amostra muito maior na maioria dos casos).
- Defina delta com valores absolutos conforme necessidades do negócio ou, mais
frequentemente no Minitab, como uma função do desvio padrão (.5 σ, 1 σ e 2 σ.)
Ao Testar Variação para Dados Contínuos

também exigirá um tamanho de amostra muito maior na maioria casos).
- Defina delta maior que 1 e de acordo com as necessidades do negócio ou, mais
frequentemente, no Minitab, como uma função do desvio padrão (.5 σ, 1 σ e 2 σ.)
Ao Testar Proporções para Dados Binários / Discretos

Se você tiver alguma informação sobre a população, incluindo desvio padrão:

também exigirá um tamanho de amostra muito maior na maioria casos).
- Defina delta logicamente de acordo com as necessidades de negócios ou, mais
frequentemente, no Minitab, como uma função do desvio padrão (.5 σ, 1 σ e 2 σ.)
Nota: A amostragem geral em uma população desconhecida, também chamada de amostragem

de pesquisa, requer uma abordagem diferente para o cálculo do tamanho da amostra.
Normalmente, você começa definindo alfa para 0,05, beta para 0,5 e delta para uma proporção de
acordo com um desvio padrão de 1. Isso fornece um tamanho de amostra inicial para que você
possa entender melhor a população, mas pode ser necessário fazer amostragem adicional com
base nas estatísticas calculadas a partir da sua primeira amostra.
Cálculos de Tamanho da Amostra: Escolhendo

o Método Correto
Assim como havia vários testes de hipóteses para cobrir uma variedade de tipos de dados e
perguntas, existem vários cálculos de tamanho de amostra - todos os quais podem ser executados
no Minitab. Revise a lista abaixo para determinar o tipo de cálculo a ser realizado ao determinar o
tamanho da amostra para vários testes de hipóteses.
Cálculo do Tamanho da Amostra do Teste T de 1 Amostra

- Teste de médias
- Comparando com um valor alvo
- Você já tem estatísticas de amostra sobre a população
Cálculo do Tamanho da Amostra do Teste Z de 1 Amostra

- Teste de média
- Comparando com um valor alvo
- Você não tem estatísticas de amostra sobre a população (desvio padrão não é conhecido)
Cálculo do Tamanho da Amostra do Teste T de 2 Amostras

- Teste de média
- Comparar médias de dois conjuntos de dados
Cálculo do Tamanho da Amostra do Teste de Variação de 2 Amostras

- Teste de variação
- Comparando a variância de dois conjuntos de dados
Cálculo do Tamanho da Amostra do Teste de Variação de 1 Amostra

- Teste de variação
- Comparando a variação de um conjunto de dados a um destino
Cálculo do Tamanho da Amostra do Teste de Proporção de 1 Amostra

- Teste de proporção (taxa, x por y)
- Comparando a taxa de um conjunto de dados a um destino
Cálculo do Tamanho da Amostra do Teste de Proporção de 2 Amostras

- Teste de proporção (taxa, x por y)
- Comparando a taxa de dois conjuntos de dados
Cálculo do Tamanho da Amostra de Análise de Variância (ANOVA)
- Teste de média
- Mais de 2 conjuntos de dados
- Apenas um fator para x
Cálculo do Tamanho da Amostra do Design de Experimento (DOE)
- Teste de média
- Mais de 2 conjuntos de dados
- Mais de um fator para x
Executando e Analisando Testes de Tamanho

de Amostra no Minitab
Para entender mais sobre como executar e analisar testes de tamanho de amostra no Minitab,
percorreremos o processo para a maioria dos tipos de teste acima.
Para encontrar as ferramentas de cálculo Power and Sample Size no Minitab, selecione Stat>
Teste de Amostra e Potência.
Primeiro, vamos analisar o cálculo do tamanho de amostra e da potência Z de 1 amostra. Lembre-
se de que você usaria esse cálculo ao realizar uma amostragem de pesquisa para testes de meios,
especialmente se você não conhece o desvio padrão para o processo ou a população. Esse
cálculo fornece um “ponto de partida” - um tamanho de amostra que fornece algumas informações
relevantes que são tão precisas quanto você define e que você pode usar como base para futuras
amostragens.
A seleção do cálculo Z de 1 amostra a partir do menu exibe a seguinte caixa de diálogo.

O Minitab permite calcular tamanhos de amostra ou retorno de valores de energia se um tamanho

de amostra for fixo, e é por isso que ele pede para preencher apenas dois dos três primeiros
valores.
Como ainda não sabemos muito sobre nossos dados, deixamos o tamanho da amostra em branco
e fornecemos vários parâmetros para diferenças e valores de energia para o Minitab. Isso faz com
que o Minitab forneça várias respostas - uma para cada combinação de diferença e valor de
energia - para que possamos tomar uma decisão mais viável sobre o tamanho da amostra.
Neste caso, definimos as diferenças em .5 σ, 1 σ, e 2 σ. Os valores de energia foram definidos em

0.8 e 0.9 (ou, beta para 0,2 ou 0,1, respectivamente). O desvio padrão para esta primeira
passagem é assumido como 1; se tivéssemos informações sobre o desvio padrão, poderíamos
executar um cálculo mais preciso ou usar o cálculo do Teste T de 1 amostra.
Se você clicar em opções, poderá alterar o nível de confiança ou a hipótese alternativa (para um
cenário maior ou menor)
Nesse caso, estamos deixando as opções como estão.

Depois que clicamos em OK na caixa Power and Sample Size, o Minitab retorna as seguintes
informações.
Power and Sample Size
1-Sample Test
Testing mean = null (versus ≠ null)
Calculating power for mean = null + difference
α = 0.05 Assumed standard deviation = 1
Sample Target
Difference Size Power Actual Power
0.5 32 0.8 0.807430
0.5 43 0.9 0.906375

1.0 8 0.8 0.807430
1.0 11 0.9 0.912556
2.0 2 0.8 0.807430
2.0 3 0.9 0.933727
A tabela de dados retornada pelo Minitab mostra o tamanho de amostra necessário para cada
diferença e potência de destino. Você pode ver que, para a diferença mais baixa e a potência alvo
mais alta, o tamanho da amostra necessário é de apenas 43. Mas, para determinar uma diferença
de 1 σ na potência alvo de 0,9, você precisa apenas de 11 no tamanho da amostra.
Aqui, a equipe precisa tomar uma decisão centrada nos negócios. Talvez as amostras sejam
fáceis e baratas de capturar, então a equipe seleciona o tamanho máximo da amostra. Mas se
cada amostra demorar uma hora para serem obtidas e custam à empresa US $ 26, a equipe
poderá fazer a chamada para selecionar um tamanho de amostra menor.
Mais uma vez, é importante notar com este teste em particular que mais amostragem pode ser
necessária para tirar mais conclusões.
Cálculos de Amostra para um Teste T de 1 Amostra
Para ver o cálculo da amostra do Teste T de 1 amostra em ação, vamos revisitar um problema do
Capítulo 21.
Uma empresa agrícola que produz milho produz uma média de 168 alqueires de milho por acre
por ano durante cinco anos. O desvio padrão é de 2,2 alqueires. A empresa fez uma mudança em
seu processo de semeadura na tentativa de aumentar o rendimento de seus campos. A mudança
de semeadura resultou em um resultado estatisticamente diferente no rendimento por acre?
Quantos acres a empresa precisaria coletar para determinar se o novo processo fez a diferença?
Isso poderia ajudar a empresa a saber quantos acres plantar com o novo processo de sementes.
Para gerar dados para este problema, selecione o cálculo T de 1 amostra no menu Power and
Sample Size no Minitab.
Para este cálculo, insira as diferenças como um múltiplo do desvio padrão, os valores de potência
conforme desejado e o desvio padrão fornecido nos dados.
Altere a hipótese alternativa para maior que. A empresa quer determinar se o rendimento do novo
processo é maior que o rendimento médio do processo antigo.
Depois de clicar em OK e, em seguida, em OK novamente, o Minitab gera o seguinte conjunto de

informações.
1-Sample t Test
Testing mean = null (versus > null)

α = 0.05 Assumed standard deviation = 2.2
Sample Target
0.5 122 0.8 0.802721
0.5 168 0.9 0.901296
1.0 32 0.8 0.807760
1.0 43 0.9 0.900995
2.0 9 0.8 0.800109
2.0 12 0.9 0.903589
Podemos ver na tabela acima que a empresa teria que plantar 168 acres para alcançar uma
potência alvo de 0,9 e ser capaz de discernir diferenças de 0,5 desvios padrão. Isso é muito para
plantar com um processo de semeadura experimental. A empresa pode pesar suas opções e
recursos e decidir, em vez disso, plantar 43 ou 32 acres. Ao plantar 43 acres, a empresa pode
detectar diferenças tão baixas quanto um desvio padrão com 0,9 de potência alvo. Dado que o
desvio padrão é assumido como sendo 2,2 bushels, esse ainda é um intervalo de detecção
relativamente pequeno, e a empresa economiza uma tonelada de dinheiro ao plantar mais de 100
acres para o teste.
Apoiando-se na Potência Alvo
E se a empresa agrícola não tivesse escolha quanto ao número de acres que poderia plantar para
um teste? Finanças, recursos ou liderança corporativa podem conspirar para decidir que o teste
poderia ser executado em um total de 18 acres - e apenas 18 acres.
O Minitab pode obter as informações sobre o teste e calcular a potência desejada. O teste é
executado da mesma maneira, mas o tamanho da amostra é inserido e os valores de energia são
deixados em branco.
1-Sample t Test
Testing mean = null (versus > null)

Sample
Difference Size Power
0.5 18 0.236131
1.0 18 0.581637
2.0 18 0.979934
Você pode ver pelos dados acima que, dado um tamanho de amostra de 18, o poder de detectar
uma diferença de 0,5 σ é razoavelmente pequeno. Lembre-se, Power = 1 - beta. Nesse caso, beta
(o risco de gerar um erro do Tipo II) é superior a 0,75.
No entanto, para detectar uma diferença de 2 σ - aproximadamente 4,4 neste caso - a potência é
extremamente alta. A equipe, nesse caso, provavelmente concluiria que o plantio nos 18 acres
amostrados forneceria uma amostra apropriada para executar o teste de hipóteses.
Cálculos de Amostra para teste de Proporção de 1 Amostra
Os testes de proporção são um pouco diferentes por duas razões principais:
- Os testes de proporção são executados usando dados de atributos. Os dados de atributos

quase sempre exigem um tamanho de amostra maior do que os dados contínuos para
resultados precisos.
- Como você está lidando com atributos - e taxas - você não precisa fornecer informações
sobre os parâmetros da população, como níveis sigma ou desvio padrão.
Para calcular o tamanho da amostra necessário para o teste preciso de hipóteses de proporção de
1 amostra, basta definir alfa e beta e inserir as proporções para as hipóteses nula e alternativa.
Vamos considerar um exemplo do mundo real para entender melhor os cálculos no Minitab.
Uma cadeia de supermercados descobre que tem um problema com os preços sendo inseridos
corretamente no sistema quando o produto é colocado na loja ou os preços são atualizados. Na
amostragem de população, a loja descobriu que aproximadamente 8% dos preços são inseridos
incorretamente. A loja forneceu à metade dos funcionários que fazem a entrada de preços novos
scanners para tentar mitigar o problema. Antes de a loja se comprometer com um contrato de
aluguel em tempo integral do novo equipamento para todos os funcionários, deseja-se confirmar
se os novos scanners reduzem a taxa de erro em 5% - para 3% ou menos.
Selecione o cálculo de 1 proporção no menu Potência e Tamanho de Amostra no Minitab. A

proporção de comparação é inserida como 1 - a probabilidade de falha para um único teste. Nesse
caso, 1 - 0,03, já que a empresa quer reduzir a taxa de erro para 3%.
A proporção hipotética é inserida como 1 - a probabilidade de uma falha para uma única tentativa,
ou 1 - 0,08, uma vez que o processo original teve uma taxa de falha de 8%.
Em opções, selecione “maior que” como a hipótese alternativa.
Clique em OK e, em seguida, em OK, e o Minitab gera as informações exibidas abaixo.
Test for One Proportion
Testing
p = 0.92
(versus
> 0.92)
α = 0.05
Sample Target
Comparison p Size Power Actual Power
0.97 140 0.8 0.802942
0.97 177 0.9 0.900362
Para executar um teste válido de 1-proporção, a empresa precisa reunir entre 140 e 177 amostras
de dados.
Cálculos de Amostra para Teste T de 1 Amostra

Considere novamente o problema do teste T de 2-amostras do último capítulo:
Dois advogados que trabalham na mesma firma de advocacia estão gastando quantidades muito
diferentes de horas faturáveis, embora os sócios notem que os dois advogados têm casos
semelhantes. Um parceiro supõe que a equipe jurídica do advogado A está demorando demais
para lidar com algumas tarefas; como a empresa fatura em determinado momento as tarefas de
estilo administrativo, independentemente de quanto tempo essas tarefas demorem, se a equipe
legal está demorando demais para essas tarefas, elas estão gastando tempo em trabalho que não
pode ser faturado.
arquivamento. Os dados a seguir são coletados.
Minutos Gastos em Atividades de 15 Minutos

Equipe do Advogado A Equipe do Advogado B
10 8
8 7
15 10
16 12
17 18
5 6
8 9
16 12
12 11
11 11
8 9
9 8
15 14
17 15
22 16
25 12
30 19
2 8
9 12
4 6
5 8
7 11
8 12
12 13
13 15
15 17
16 13
18 15
19 15
20 12
22 21
25 32
15 18
14 11
Para os propósitos deste problema, a equipe coletou uma amostra de 34 elementos de dados de
cada equipe. Mas isso é suficiente para fornecer uma conclusão forte no Teste T de 2 Amostras?
Primeiro, vamos analisar os cálculos do tamanho da amostra, de acordo com o que sabemos dos
dados em questão. O desvio padrão dos dados é 5,83 e queremos testar se a média da equipe do
advogado A é maior do que a média da equipe do advogado B. Vamos configurar um teste T de 2
amostras no Minitab, conforme ilustrado abaixo.
O Minitab gera as seguintes informações:

2-Sample t Test
Testing mean 1 = mean 2 (versus >)
Calculating power for mean 1 = mean 2 + difference
Sample Target
0.5 1682 0.8 0.800045

0.5 2330 0.9 0.900079
1.0 421 0.8 0.800038
1.0 583 0.9 0.900075
2.0 106 0.8 0.800820
2.0 147 0.9 0.901369
The sample size is for each group.
Você pode ver acima, o tamanho mínimo da amostra - para cada grupo - que o Minitab calcula é
106, sendo para uma diferença de 2 com potência alvo de 0,8. Embora um teste T de 2 amostras
possa ser executado no conjunto de dados fornecido acima - e fizemos, de fato, esse teste no
capítulo 21 - a probabilidade de um erro do tipo II para esse teste foi bastante alta.
Quão alta era a probabilidade de um erro ao executar o teste T de 2 amostras com um tamanho
de amostra de 34 para cada grupo? O Minitab pode nos dizer essa resposta.
Em vez de inserir valores de potência na caixa de diálogo power and sample size, insira o
tamanho da amostra de 34 e clique em OK.
2-Sample t Test
Testing mean 1 = mean 2 (versus >)

Calculating power for mean 1 = mean 2 + difference
Sample
Difference Size Power
0.5 34 0.097685
1.0 34 0.172364
2.0 34 0.403259
A maior potência para um tamanho de amostra de 34 dados esses dados é 0,40, o que significa
um beta de 0,60 - mais de 50% de chance de um erro do Tipo II no teste de hipótese. Nesse caso
específico, antes de a empresa tomar qualquer decisão, eles devem reunir uma amostra maior de
dados.
Um lembrete sobre amostras aleatórias
Antes de prosseguir com os cálculos do tamanho da amostra, é importante ressaltar novamente a

importância da amostragem aleatória. Mesmo se você executar um cálculo para determinar um
tamanho de amostra apropriado - e optar por evitar a amostragem no maior tamanho de contagem
retornado pelo Minitab -, poderá tirar as inferências incorretas porque a amostra não foi aleatória.
Capítulo 23: GRÁFICOS DE CONTROLE
AVANÇADOS
O conceito de gráficos de controle foi introduzido no DMAIC Capítulo sobre controle. O
capítulo 17 forneceu instruções para a criação de um tipo específico de gráfico de
controle - o gráfico de barras x - no Excel, caso você não tenha acesso a outro software
estatístico. Se você se lembrar dessa seção, lembrará que foram necessários vários
passos e alguma formatação gráfica básica para criar um gráfico de controle de barras x
completo. Isso não é algo que um especialista em Seis Sigma queira passar toda vez que
a liderança quiser ver uma atualização em um processo e, certamente, não algo que os
analistas do dia a dia desejam fazer para relatórios regulares.
Felizmente, o Minitab oferece gráficos de controle de x-bar mais automatizados. O

software estatístico também oferece fácil acesso a outros tipos de gráficos de controle.
Após os capítulos sobre testes de hipóteses e cálculos de tamanho de amostra, não é
surpresa que existam muitos tipos de gráficos de controle, cada um deles útil no
monitoramento de diferentes tipos de dados e processos. Neste capítulo, veremos os
diferentes tipos de gráficos de controle e quando usá-los antes de definir os termos de
cada tipo de gráfico e percorrer a criação dos gráficos no Minitab.
Tipos Comuns de Gráficos de Controle e Quando Usá-

los
Gráfico X-barra & R
- Dados são variáveis (contínuos)

- Os dados podem ser agrupados em subgrupos, deixando você traçar uma média
de cada grupo
o Média de produção por hora
o Resposta média de telefones por hora
o O número médio de clientes por dia
o Defeitos por hora
- A contagem de dados em cada subgrupo é menor que 8 (embora você possa usar
o gráfico x-bar & R para tamanhos de subgrupo até 100 no Minitab)
- Apresenta dois gráficos
o O gráfico de controle x-bar traça a média de cada subgrupo
o O gráfico R representa o intervalo
Gráfico X-barra & S
- Os dados são variáveis (contínuos)

- Os dados podem ser agrupados em subgrupos, permitindo mapear a média de cada grupo
- A contagem de dados em cada subgrupo é maior que 8
- Sigma pode ser facilmente calculado (caso contrário, use x-barra & R)
- Apresenta dois gráficos
o O gráfico de controle x-barra traça a média de cada subgrupo
o O gráfico S representa o desvio padrão
Gráfico I & MR
- Os dados são variáveis (contínuos)

- Os dados não podem ser facilmente agrupados em subgrupos razoáveis, portanto você
deve rastrear pontos de dados individuais em vez de subgrupos
o Os dados são muito difíceis ou caros de obter
o A produção é muito lenta, então esperar por dados suficientes para criar
subgrupos levaria muito tempo (por exemplo, dados de rastreamento sobre
cirurgias realizadas em um pequeno ambulatório)
o Produtos têm um tempo de ciclo baixo
Gráfico P
- Os dados são discretos

- Os dados são apresentados como um percentual (porcentagem de defeitos) em vez de
contagem
- Não requer um tamanho constante de amostra / subgrupo
- Traça a proporção de Unidades que não estão em conformidade (estão com defeito, não
atendem às especificações)
- Use quando:
o é impossível, muito demorado ou nãoé financeiramente viável medir ou analisar
medidas numéricas
o tamanhos de amostras ou subgrupos não são iguais, portanto, o percentual de
defeitos é mais importante do que o número de defeitos por grupo (como você não
pode comparar números em um grupo menor com números em um grupo maior
com precisão)
o o dados são baseados em taxa porque são provenientes de um processo binomial
ou de atributo: a medição ou o processo é aprovado / reprovado, vai / não vai, etc.
Não é possível plotar 1 ou 0 em um gráfico de controle, mas é possível plotar por
cento de 1 ou 0 em cada amostra.
Gráfico NP

- Os dados são apresentados como um percentual (porcentagem de defeitos) em vez de
uma contagem
- Requer um tamanho de amostra constante para ser usado; Além disso, você pode usá-lo
para qualquer coisa que você usaria um gráfico p para
- Traça o número de Unidades que não estão em conformidade em cada tamanho de
amostra.
Gráfico U

- Os dados são apresentados como uma contagem (número de defeitos)
- Não requer um tamanho constante de amostra / subgrupo
- Traça o número de defeitos por unidade
- Use quando os dados forem sobre os defeitos em si, não sobre o produto defeituoso em
geral
Gráfico C

- Os dados são apresentados como uma contagem (número de defeitos)
- Requer um tamanho constante de amostra / subgrupo
- Plota o número de defeitos por amostra
- Use quando os dados forem sobre os próprios defeitos, não sobre o produto defeituoso
em geral.
Criando e Lendo Gráficos de Controle no Minitab

Gráficos X-Barra & R ou Gráficos X-Barra & S
Para entender melhor o processo do Gráfico X-Barra & R no Minitab, considere um

cenário do mundo real. Um call center está rastreando o número de chamadas em
espera. O centro de chamadas registra aleatoriamente o número de chamadas em
espera em um determinado momento cinco vezes por hora. Esses dados são
apresentados abaixo para um turno de 10 horas.
Hora Ligações em espera

1 14
1 12
1 15
1 11
1 10
2 25
2 10
2 13
2 15
2 9
3 15
3 10
3 13
3 10
3 11
4 12
4 13
4 10
4 15
4 15
5 9
5 11
5 13
5 8
5 16
6 15
6 13
6 11
6 13
6 12
7 10
7 10
7 12
7 11
7 10
8 13
8 13
8 9
8 12
8 6
9 12
9 15
9 14
9 11
9 12
10 15
10 14
10 14
10 8
10 9
Copie essas informações para o Minitab se você estiver acompanhando a análise por conta
própria. Se você não tiver certeza de como usar as funções básicas de entrada de dados ou
navegação do Minitab, consulte o capítulo 25 para obter informações adicionais.
Todos os gráficos de controle são encontrados em Stat > Gráficos de Controle

Selecione Stat> Gráficos de Controle > Gráficos de Variáveis para Subgrupos> Xbarra-R
Clique na caixa abaixo de "Todas as observações para um gráfico estão em uma coluna.”
Clique em "Chamadas em Espera" e clique em "Selecionar"
Como os dados foram amostrados 5 vezes por hora, insira “5” no tamanho do subgrupo. Em
seguida, clique em "Opções Xbarra-R ".
Na caixa de diálogo Opções Xbarra-R, clique em "Testes"
No menu suspenso da guia Testes, selecione “Executar todos os testes para causas especiais”.
Essa opção diz ao Minitab para realizar os testes de controle abordados no capítulo 16. Se um
ponto de dados ou uma série de pontos de dados no gráfico de controle falhar em algum desses
testes, o Minitab os realçará em vermelho, facilitando para os especialistas Seis Sigma saber se
um processo pode estar fora de controle.
Clique em OK na caixa de diálogo de opções.
Clique em OK na caixa de diálogo Gráfico Xbarra-R.
O Minitab gera um gráfico e uma descrição de texto para quaisquer testes de controle com falha
Resultados do Teste para o Gráfico R de Chamadas em Espera
TESTE 1. Um ponto a mais do que 3.00 desvios padrão da linha central.

Teste falhou nos pontos: 2
Você pode ver acima, o gráfico de controle para o intervalo falhou no ponto 2 - um ponto está além
de 3 desvios padrão da linha central. Todos os outros pontos estão dentro dos parâmetros de
controle e o gráfico da média da amostra (x-barra) também está dentro do controle. Isso significa
que o número médio de chamadas em espera em cada hora foi controlado. No entanto, sem a
hora 2, os pontos de dados específicos variavam muito mais do que em outras horas, o que
significa que uma ou mais amostras coletadas eram muito altas.
Alguém que esteja vendo este gráfico provavelmente não consideraria o processo completamente
fora de controle, mas eles gostariam de investigar as amostras para a hora 2. O que aconteceu
para fazer uma mudança drástica no intervalo? Um número foi gravado incorretamente? Vários
funcionários realizaram pausas curtas e não planejadas que causaram um aumento repentino nas
chamadas em espera? Gráficos de controle podem apontar pequenos problemas como esses
antes que se tornem problemas sistêmicos maiores.
As etapas para a criação de um gráfico X-barra & S são as mesmas que são descritas acima,
exceto o que você começaria com Stat> Gráficos de Controle> Variáveis para Subgrupos> Xbarra-
S.
Gráfico I-MR
O gráfico I-MR (alcance individual e móvel) é usado quando você não está agrupando dados em
subgrupos. Não é possível coletar amostras suficientes para o subgrupo ou é importante, por
algum motivo, visualizar o gráfico no nível de ponto de dados.
Por exemplo, uma concessionária de carros de médio porte quer medir o número de vendas
fechadas diariamente. A maioria dos revendedores de automóveis não fecha centenas de vendas
por dia, portanto, o acompanhamento por hora ou em tamanhos de lotes não fornece muita
informação sobre dados em um único mês. Se você analisar dados de um ano, a concessionária
pode segmentar por semana. caso contrário, o gráfico I-MR é uma boa opção.
Para trabalhar junto a este exemplo, copie os dados de vendas abaixo para o Minitab.
Vendas Fechadas Diariamente

19
17
17
17
20
23
22
18
19
19
18
20
21
19
24
16
15
21
21
20
19
20
Selecione Stat > Gráficos de Controle> Variáveis para Indivíduos > I-MR
Conclua as etapas semelhantes às etapas concluídas para a tabela X-barra & R:
1. Clique na caixa em "variáveis".

2. Clique em “Vendas fechadas diariamente” na lista de colunas e clique em selecionar.
3. Clique em Opções I-MR
4. Clique em Testes
5. Na caixa suspensa, selecione “Executar todos os testes para causas especiais”.
6. Clique em OK
7. Clique em OK
O Minitab gera o gráfico I-MR e dados se algum teste falhou.
I-MR Chart of Sales closed daily Gráfico I-MR de Vendas Fechadas Diariamente
Test Results for MR Chart of Sales closed daily Resultados de Teste para Gráfico MR de
Vendas Fechadas Diariamente

Nesse caso específico, o número de vendas por mês, que é representado no gráfico individual
superior, está sob controle. O alcance móvel - quanta variação existe entre os números para cada
dia - está no controle, exceto no ponto 16. Se você observar os dados, verá que entre os pontos
16 e 17, há uma diferença de oito vendas. Este é o ponto com a maior diferença nos pontos de
dados do dia-a-dia, o que provavelmente explica a falha do teste.
Uma concessionária de carros ou a equipe Seis Sigma trabalhando com esses dados
provavelmente não se preocupariam muito com esse ponto. Considerando isso em termos
práticos, pode ser que algumas vendas iniciadas no dia anterior não tenham sido fechadas, o que
aumentou artificialmente os números do dia e causou a disseminação repentina maior do que o
normal. Nesse caso, a concessionária ou a equipe Seis Sigma simplesmente anotaria o ponto e
ficaria de olho no gráfico de controle para falhas de teste similares no futuro que pudessem indicar
algum tipo de padrão ou problema com o processo.
Gráfico P
Lembre-se de que um Gráfico P é usado para rastrear dados de atributo e taxa. É provavelmente
um dos gráficos de controle baseados em atributos mais usados, pois é mais fácil trabalhar com
taxas do que os dados de atributos reais, principalmente porque você não precisa se preocupar
em garantir o mesmo tamanho de amostra ou subgrupo. Você também pode combinar vários tipos
de defeitos no mesmo relatório, pois os gráficos-p normalmente lidam com a aprovação ou falha
do produto, peça ou teste - não com os detalhes sobre os defeitos que causaram a aprovação ou
a falha.
Os tipos de dados relatados em um nível de gerenciamento também tendem a ser

complementados pelas características do Gráfico P. A liderança executiva geralmente deseja
saber os resultados da auditoria, os rendimentos da primeira execução, as taxas de descarte ou
as taxas de defeitos, que podem ser ilustradas com gráficos P.
Os dados de proporção são geralmente um dos primeiros disponíveis para as equipes Seis Sigma
- mesmo antes de uma equipe Seis Sigma estar associada a um processo, muitos operadores e
gerentes de negócios capturam dados do tipo aprovação / reprovação. Isso significa que uma
equipe Seis Sigma pode criar um primeiro gráfico de controle de linha de base a partir de dados de
proporção e ver as taxas melhorar conforme as melhorias de processo são feitas.
Para entender como criar um Gráfico P no Minitab, considere o seguinte cenário do mundo real.
Uma empresa de impressão profissional descobre um possível problema com um processo de
impressão usado para imprimir cartões de visita. Os clientes estão relatando altas taxas de
defeitos. A empresa começa a monitorar o processo mais de perto, analisando 100 amostras
diariamente para determinar se há algum defeito em cada cartão impresso. Os resultados são
registrados na tabela de dados abaixo.
Copie esses dados no Minitab se você estiver acompanhando e criando gráficos de controle.
Amostra Defeitos
100 5
100 2
100 1
100 0
100 0
100 2
100 1
100 0
100 6
100 0
100 7
100 0
100 9
100 0
100 0
100 1
100 2
100 0
100 7
100 0
Para criar um Gráfico P com esses dados, comece por Stat> Gráfico de Controles> Gráficos de
Atributos> P
Siga as etapas abaixo para inserir dados na caixa de diálogo, conforme ilustrado abaixo das
etapas.
1. Clique na caixa abaixo de Variáveis.

2. Clique em "Defeitos" na coluna da esquerda.
3. Clique em Selecionar na coluna da esquerda para selecionar "Defeitos" na caixa de
Variáveis.
4. Clique na caixa ao lado de “Subgrupos de tamanhos”.
5. Clique em “Amostras” na coluna da esquerda.
6. Clique em Selecionar na coluna da esquerda para selecionar “Amostras” na caixa
Subgrupos.
7. Clique em Opções do Gráfico-P.
8. Clique em Testes
9. Na caixa suspensa, selecione “Executar todos os testes para causas especiais”
Observe que há menos testes para causas especiais listadas do que para os
gráficos de controle criados anteriormente. Isso ocorre porque há menos testes
de controle para dados de atributos. Foi dito várias vezes ao longo deste livro
que os dados contínuos, ou variáveis, normalmente são melhores para a análise
estatística do que dados de atributos, e esse é um exemplo de um motivo para
isso.
10. Clique OK.

11. Clique OK.
O Minitab gera o gráfico de controle de taxas de defeitos juntamente com os resultados

dos testes de controle.
Resultados do teste para Gráfico de Defeitos P

Teste falhou nos pontos: 11, 13, 19
Nesse caso, é provável que haja um problema de controle dentro do processo, dada a
falha de três pontos. O proprietário do processo ou a equipe Seis Sigma associada a
esse processo desejaria investigar as amostras e o processo para descobrir se há um
problema no processo em andamento ou um problema específico da amostra aqui.
As etapas para criação de outros gráficos de controle de atributos, incluindo gráficos np,
ue c, são as mesmas para criação do gráfico p.
Pratique a Interpretação dos Gráficos de Controle
Com o Minitab, criar gráficos de controle simplesmente requer seguir as etapas descritas
acima e um pouco de prática em determinar qual gráfico de controle está correto para a
situação e configurar dados para o gráfico de controle. A parte mais difícil é interpretar
gráficos de controle para tomar decisões ou recomendações de negócios válidas. Nesta
seção, você analisará os gráficos de controle de vários cenários do mundo real e
praticará a interpretação deles.
Processo de Ticket de Assistência Técnica
O suporte técnico de um escritório acompanha o número de tickets abertos e fechados a

cada hora. Esses dados são encontrados na tabela abaixo.
Entrada de Tickets Tickets Completos

10 8
12 10
15 12
7 9
2 5
8 9
9 8
11 12
1 2
16 14
18 17
5 6
8 7
14 13
7 6
6 7
17 12
8 10
5 6
A gerência quer saber se o processo do suporte está funcionando bem, apenas com essas
informações. Um especialista Seis Sigma pode fazer algumas coisas para fornecer uma resposta
preliminar à administração.
Primeiro, você pode criar um gráfico I-MR para os dados de Tarefas Completas. Por que usar um
gráfico I-MR? Não temos dados suficientes para criar um gráfico de barras X, porque teríamos
apenas alguns subgrupos.
O gráfico I-MR é mostrado abaixo e você pode ver que não há falhas de controle para o intervalo
de movimentação ou o número de tickets fechados por hora.
Alguém pode apontar, no entanto, que um gráfico de controle do número de tickets concluídos
apenas nos diz que não há muito desvio na quantidade de trabalho concluído a cada hora, e isso é
verdade. Este gráfico de controle não leva em consideração a quantidade de trabalho que chegou
em cada hora e se o suporte técnico estava terminando esse trabalho.
Assim, um especialista Seis Sigma pode adicionar outra coluna aos dados. Essa coluna mantém
um total de quantos tickets permanecem abertos naquele momento do dia.
Entrada de Tickets Tickets não

Tickets Completos resolvidos
10 8 2
12 10 4
15 12 7
7 9 5
2 5 2
8 9 1
9 8 2
11 12 1
1 2 0
16 14 2
18 17 3
5 6 2
8 7 3
14 13 4
7 6 5
6 7 4
17 12 9
8 10 7
5 6 6
Criar um gráfico I-MR desta figura produz resultados muito diferentes.

Resultados do Teste para o Gráfico de Tickets Deixados Não Resolvidos

TESTE 2. 9 pontos seguidos no mesmo lado da linha central. Teste falhou
nos pontos: 13
TESTE 5. 2 de 3 pontos a mais que 2 desvios padrão da linha central (de
um lado do
CL)
TESTE 6. 4 de 5 pontos a mais que 1 desvio padrão da linha central (de um
lado do CL)
Falha no teste nos pontos: 8, 9, 10, 12
Numerosos testes falharam em vários pontos do gráfico. Isso é uma coisa ruim? Não
necessariamente, dado um entendimento do processo. Os primeiros cinco pontos que falham
fazem isso porque estão abaixo da linha central. Isso significa que o processo deixava menos
tickets abertos por hora do que o esperado. Várias razões podem existir para tais resultados:
- A equipe foi especialmente eficiente em fechar os tickets nessas horas.

- A equipe recebeu tickets que eram anormalmente fáceis de lidar e fechar durante essas
horas.
- A equipe fechou os tickets sem realmente resolvê-los.
- A equipe simplesmente recebeu menos tickets para trabalhar.
As duas primeiras razões são positivas e a terceira pode apontar para um problema com a equipe.
A última razão poderia ser positiva ou negativa: havia menos tickets porque tudo funcionava
melhor que o normal ou havia algum problema com o software de emissão de tickets?
Todas essas questões valem a pena investigar - elas não apenas informam à equipe se o
processo está possivelmente fora de controle, mas também fornecem informações valiosas sobre
o negócio.
Os próximos dois pontos que estão fora de controle neste gráfico são devido à tendência
ascendente - algo que um gerente de suporte não gostaria de ver. Ele ou ela gostaria de continuar
monitorando este gráfico para ver se o processo se corrige ou continua a tender para cima.
Executando um Teste de Hipótese
Dada toda essa informação, um perito Seis Sigma pode até executar um teste de hipótese para
acompanhar qualquer gráfico de controle. Ele pode executar um teste T de 2 amostras para
determinar se a equipe está fechando, em média, o mesmo número de tickets que estão sendo
abertos. Se a resposta for sim, então o suporte técnico provavelmente está se saindo bem. Se a
resposta for não, a equipe pode perguntar "quantos tickets, em média, o suporte não está
fechando?"
Os resultados da execução do teste T de 2 amostras no Minitab são vistos abaixo.
Teste T de duas amostras e CI: Tickets recebidos, Tickets completos
Two-sample T for Incoming Tickets vs Complete Tickets

Incoming Tickets 19 9.42 4.89 1.1
Complete Tickets 19 9.11 3.62 0.83
Difference = μ (Incoming Tickets) - μ (Complete Tickets)

Estimate for difference: 0.32
95% CI for difference: (-2.52, 3.16)
T-Test of difference = 0 (vs ≠): T-Value = 0.23 P-Value = 0.822 DF = 33
É certo que, com um tamanho de amostra de 19, a chance de um erro Tipo II é relativamente alta,
mas o Valor-p também é muito forte em favor de aceitar a hipótese nula de que a média é
estatisticamente igual entre os dados para tickets abertos e fechamento. Dada essa informação, a
equipe Seis Sigma pode acumular mais dados antes de executar outro teste para verificar esses
resultados.
Novelos De Fios
Em uma empresa que produz novelos de fios para vendas no varejo, cada novelo de 244 jardas
apresenta certo padrão de cor ou cores. A empresa permite ligeiros defeitos no corante a uma
taxa de 10 por 244 jardas de comprimento do fio antes que a meada seja considerada defeituosa
em geral.
Uma equipe foi encarregada de controlar a qualidade desse processo. Esta equipe revê 10
comprimentos de fio amostrados todos os dias antes de ser enrolado em um novelo para
determinar o número de defeitos. Durante vários dias, a equipe reúne dados e cria um gráfico de
controle para indicar se o processo está sob controle.
A equipe gera a seguinte tabela de dados.
Novelos Amostrados Defeitos Encontrados

10 8
10 2
10 12
10 15
10 22
10 6
10 8
10 14
10 9
10 23
10 24
10 26
10 10
10 7
10 5
10 12
10 15
10 18
10 19
10 14
10 27
Como todos os tamanhos de amostra são os mesmos e a equipe está preocupada com o número
de defeitos, ela escolhe criar um gráfico c no Minitab.
Resultados dos Testes Para Gráficos C de Defeitos Encontrados
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 2, 12, 21
Com base em três pontos que falham nos testes de controle, esse processo não está
completamente sob controle e deve ser revisado.
Conformidade com o Call Center
Um call center bancário monitora seus funcionários em conformidade com vários regulamentos
federais, bem como políticas e procedimentos internos. O monitoramento vem de uma equipe de
garantia de qualidade que escuta aleatoriamente as chamadas telefônicas e registra informações
sobre os erros que os membros da equipe podem fazer quando estão ao telefone. Os membros da
equipe podem cometer mais de um erro em cada chamada telefônica; por exemplo, um membro
da equipe pode esquecer de informar ao cliente que a chamada está sendo gravada e não
fornecer ao cliente as informações corretas.
Em um turno de 10 horas, a equipe de garantia de qualidade monitoraram as chamadas a cada

hora e criaram a seguinte tabela de dados.
Ligações
Hora Erros
Monitoradas
1 15 3
2 13 5
3 18 4
4 10 0
5 12 2
6 9 2
7 11 4
8 12 5
9 8 0
10 7 1
O tamanho da amostra, indicado pelo número de chamadas monitoradas a cada hora, não é
consistente neste exemplo. Os motivos para subgrupos inconsistentes nesse caso podem ser que
o número de chamadas recebidas a cada hora varie e a equipe de garantia de qualidade revise
apenas uma determinada parte das chamadas. Também pode ser que algumas chamadas
demorem mais - portanto demorando mais para ser revisada. Independentemente do motivo para
tamanhos de subgrupos inconsistentes, isso nos leva a escolher o Gráfico U, que trabalha com o
número de erros por unidade. Nesse caso, isso seria calculado dividindo os erros pelas chamadas
monitoradas, criando dados de taxa ou proporção para que o tamanho real da amostra não fosse
tão importante.
Ao conectar dados ao Minitab para criar este gráfico de controle, os erros são as variáveis e as
chamadas monitoradas são o tamanho do subgrupo.
O Minitab gera o seguinte gráfico de controle.
Você pode ver que nenhum teste falhou, o que indica que o processo está sob controle. Você
também notará que o limite superior de controle parece subir em toda a parte. Isso ocorre porque
cada amostra tem um tamanho diferente, portanto, cada limite de controle superior é calculado
com um valor diferente.
E se a gerência do call center estivesse especialmente preocupada com um erro

específico?
Se a gerência do call center estava preocupada com a conformidade com o PCI (conformidade
com as regulamentações para o setor de cartões de pagamento), eles podem querer pesquisar os
dados para ver informações sobre o número de erros relacionados à conformidade com o PCI.
Eles podem pedir à equipe de garantia de qualidade para marcar uma caixa ao revisar uma
chamada para denotar se a chamada estava ou não em conformidade com os padrões PCI.
A nova tabela de dados é vista abaixo.

Ligações Não-Conformidade
Hora Erros
Monitoradas com o PCI
1 15 3 1
2 13 5 0
3 18 4 1
4 10 0 0
5 12 2 1
6 9 2 1
7 11 4 2
8 12 5 2
9 8 0 0
10 7 1 1
Em vez de nos preocuparmos com o número de erros por chamada, queremos entender a taxa de
erros de PCI ocorridos. Podemos usar um gráfico p para esse propósito.
Este gráfico é uma ótima ilustração de como um processo em controle ainda pode ser um
processo problemático. Este processo está no controle, mas quatro dos últimos cinco pontos estão
acima da marca da proporção de 0,10. Isso significa que, de 10 amostras, quatro tiveram uma taxa
de falha de 10% ou mais quando se trata de conformidade com PCI.
No mundo bancário, os problemas de conformidade com o PCI podem custar muito dinheiro, o que
significa que os centros de atendimento bancário desejarão ver as taxas de erros de conformidade
com o PCI o mais próximo possível de zero. O proprietário do processo para este call center
provavelmente tomará medidas para reduzir a proporção média desse processo, mesmo que ele
esteja sob controle.
Variação de Causa Comum versus Causa Especial
Ao selecionar os testes de controle no Minitab, você notará que selecionamos para realizar todos
os testes para causas especiais. Isso permite ao Minitab realizar todos os testes para uma
variação de causa especial - a variação de causa especial é aquela causada por algo fora das
expectativas normais dentro de um processo.
Qualquer processo terá alguma variação. A variação normal dentro de um processo - a variação
causada pelo próprio processo - é chamada de variação de causa comum. Por exemplo, uma
operadora de telefonia que trabalha em um call center fará um erro ocasional de fala ou digitação
durante a execução de tarefas. Essa variação é contabilizada em um gráfico de controle. No
entanto, um operador que está trabalhando muitas horas, tem um fone de ouvido ruim ou é novo
no trabalho pode fazer mais do que a quantidade normal de erros. Essa anormalidade é provável
que apareça em um gráfico de controle e é explicada pelas causas especiais, como um fone de
ouvido com defeito.
Gráficos de Controle Adicionais do Minitab
O Minitab oferece uma variedade de outros gráficos de controle. Nós cobrimos os gráficos de
controle mais usados neste capítulo, mas destacamos alguns outros brevemente abaixo.
O Gráfico I & MR Chart (dentre / entre)
Para não ser confundido com o gráfico I-MR (Faixa Móvel Individual) acima mencionado, o gráfico
I & MR (Dentro / Entre) fornece um gráfico de três vias que indica a variação dentro de um grupo e
entre grupos. Você pode usar este gráfico quando a variação entre lotes é alta em comparação à
variação dentro de lotes ou quando a variação não é distribuída aleatoriamente. Por exemplo, ao
trabalhar com um processo que abranja turnos, você pode ter subgrupos dentro de grupos de
turnos e diferenças podem aparecer entre os turnos.
Você pode encontrar este gráfico em Stat> Gráficos de controle> Variáveis para subgrupos
Média Móvel Ponderada Exponencialmente
O gráfico EWMA fornece um gráfico de intervalo individual e móvel. Este gráfico é raramente
usado em análises estatísticas comuns, pois é difícil trabalhar com ele. Na maioria das vezes, o
gráfico EWMA é usado ao lidar com sistemas de dados automáticos.
Soma Cumulativa
O gráfico CUSUM lida com as somas cumulativas dos desvios de cada amostra conforme elas se
relacionam com um valor alvo. CUSUM é muito hábil em detectar uma pequena mudança de um
alvo, particularmente em um processo que está no controle. Como o EWMA, o CUSUM não é um
gráfico de controle comumente usado para a maioria dos ambientes de negócios.
Capítulo 24: Aplicando Estatísticas para
Aplicações de Negócio Através do Seis Sigma
Você ainda não concluiu as estatísticas, mas é uma boa ideia fazer uma pausa nos números e na
análise para revisitar alguns conceitos fundamentais do Seis Sigma.
Por toda a unidade 4 e 5, trabalhamos extensivamente com dados e análises, e pode ser fácil se
envolver nos números sem lembrar a necessidade do negócio. De fato, quanto mais você aprende
sobre análise estatística, mais fácil é se envolver no desafio da análise e esquecer que a empresa
está confiando em você para obter respostas sobre seus próprios desafios. Neste capítulo,
abordaremos alguns obstáculos que você poderá encontrar ao comunicar suas descobertas
estatísticas a funcionários e líderes de negócios. Também falaremos sobre a importância de incluir
estatísticas em apresentações de negócios e algumas dicas para a integração de estatísticas
nessas apresentações.
Desafios Comuns ao Apresentar Análises Estatísticas

Eis o primeiro, e talvez o maior, desafio enfrentado pelos especialistas da Seis Sigma ao fornecer
informações da análise estatística: a maioria das pessoas não se importa. De fato, a menos que
seu patrocinador seja especialista em Seis Sigma ou seu comitê de liderança seja bem versado
em métodos Seis Sigma, as pessoas que você está apresentando não se importam com que teste
de hipótese você usou ou qual foi a sua estatística qui-quadrado ou de valor de p. Isso não quer
dizer que os líderes de negócios e outros não se importem com as conclusões ou resultados de
sua análise, e certamente se importam com os resultados do projeto como um todo. Mas você tem
que encontrar uma maneira de apresentar suas informações de uma forma que se encaixe naquilo
com que eles se importam e não se baseiem apenas em conceitos e linguagem estatística.
Um segundo desafio é que a equipe geral de negócios e os líderes provavelmente não terão o
mesmo entendimento de análise estatística que um especialista Seis Sigma. O apresentador Seis
Sigma é então encarregado de apresentar os dados quando o backup dos dados pode não ser
entendido. Como perito em Seis Sigma, você tem que ser capaz de explicar por que a equipe
escolheu se mover em uma determinada direção ou como você sabe que um processo melhorou,
e nem todos simplesmente vão acreditar que o Valor-p foi apropriado para a decisão que você
tomou.
Um terceiro desafio ao apresentar sua análise é que você pode facilmente se distrair ou descarrilar
com as estatísticas sem passar pelos seus negócios. Isso pode acontecer por um dos dois
motivos. Primeiro, se o seu patrocinador ou outro membro do seu público tiver conhecimento
sobre o Seis Sigma e a análise estatística, ele poderá começar a fazer perguntas estatísticas em
vez de questões comerciais. Por que você usou o teste de 1-proporção? Como você escolheu o
tamanho da amostra? Você realmente acha que um beta de 0,2 é suficiente ou você deveria ter
um beta de 0,1?
Algumas questões estatísticas podem muito bem ser válidas. Como você escolheu o tamanho da
amostra? Isso pode ser algo relevante para cobrir em uma apresentação para que o público
entenda quais suposições foram feitas pela equipe e quais riscos foram considerados aceitáveis.
Por outro lado, se você já fez a análise e tomou decisões com base no tamanho da amostra e no
teste de hipóteses, é um ponto discutível se a energia foi definida corretamente. Uma maneira de
evitar que esse tipo de descarrilamento ocorra é manter um patrocinador com o conhecimento do
Seis Sigma no circuito durante todo o projeto; Dessa forma, ele ou ela pode fornecer informações
sobre essas coisas em tempo real, se desejar.
A outra razão pela qual você pode se perder nas estatísticas quando você deve apresentar
informações relevantes para o negócio é porque o público não entende as estatísticas, o que faz
com que a apresentação se torne uma lição de estatística. É importante caminhar na linha entre
educar o público sobre as informações necessárias sobre o processo Seis Sigma e fornecer uma
discussão aprofundada sobre a análise estatística. Por exemplo, você provavelmente deve
garantir que seu público entenda qual é o desvio padrão e por que isso é importante. Você
provavelmente não precisa explicar todos os tipos de testes de hipóteses - ou mesmo, em alguns
casos, que você usou um teste de hipótese.
Um desafio final na apresentação de dados estatísticos é uma tendência a incluir muita informação
ou muitos exemplos. Você tem um gráfico de caixa, um gráfico de barras, um gráfico de pizza, um
teste de hipótese e vários cálculos baseados em distribuições de probabilidade. Todos eles
parecem bons para você. Todos eles dizem alguma coisa diferente sobre os dados. Todos devem
ir à apresentação, certo? Errado - muitas maneiras de ilustrar os dados sobrecarregam o público.

Também é provável que a maioria das pessoas na empresa não veja as nuances dos dados como
um especialista em Seis Sigma faz, o que significa, do ponto de vista deles, que você está
mostrando os mesmos dados várias vezes. Não é um uso efetivo do espaço de apresentação ou
do horário da reunião.
Por que Incluir Algumas Estatísticas?

Mesmo com todos os desafios discutidos acima, você não deve deixar as estatísticas fora de sua
apresentação. Se você está apresentando as descobertas em uma revisão de pedágio de Medição
ou Análise, ou se está apresentando para aprovação final para melhorias, as estatísticas são o
que fornece a sua credibilidade de conclusões ou resultados. Incorporar seus dados em uma
apresentação pode ser difícil, mas fornecemos algumas dicas para isso na próxima seção.
Dicas para Criar Apresentações Favoráveis ao Negócio

Se for importante incluir estatísticas para credibilidade, mas muitas pessoas no seu público
empresarial provavelmente não seguirão as complexidades da análise real, o que você faz? Este é
o lugar onde alguns dos maiores benefícios do controle de processo estatístico do Seis Sigma
entram. Se você está trabalhando em um ambiente Seis Sigma, então você nunca está
trabalhando apenas com os números. Lembre-se da Unidade 1, que o Seis Sigma está mais
preocupado com o negócio - e seus objetivos e sucesso - do que com os dados e a análise. De
fato, a análise e os dados são relevantes apenas enquanto podem ser usados como ferramentas
para fazer ou medir melhorias nos processos de negócios.
Por causa disso, a equipe Seis Sigma já deve estar enraizada em termos e frases de negócios.
Considere o ato de redigir a declaração do problema, que abordamos no capítulo 5. A declaração
do problema combina conceitos estatísticos com objetivos e necessidades de negócios - e é um
bom ponto de referência para quem apresentar as informações do Seis Sigma e acompanhar um
projeto DMAIC. Se você não tiver certeza se algo deve ser incluído em uma apresentação,
pergunte a si mesmo: ela está relacionada à declaração do problema ou a uma solução para a
declaração do problema? Se não, provavelmente não é necessário se comunicar ou apresentar
em um ambiente geral de negócios. Ao trabalhar com dados e estatísticas, você pode se
surpreender com o crescimento de seu interesse pelos números. Enquanto o interesse pelos
números pode levar você a valiosas descobertas e conclusões, você precisa evitar a tentação de
incluir dados ou conclusões em uma apresentação simplesmente porque você acha que eles são
interessantes ou "legais".
Outras maneiras de criar apresentações de negócios viáveis ao lidar com estatísticas e análises
incluem personalizar a apresentação para o público, criar uma narrativa no estilo de história,
manter as coisas curtas e simples, integrar imagens apropriadas e evitar o uso indevido de
tecnologia, apresentação ou ferramentas estatísticas.
Entenda o Público Alvo

Ao apresentar ou comunicar sobre um projeto Seis Sigma ou análise estatística, adapte as
informações para refletir o nível de preocupação e conhecimento de seu público. Por exemplo,
considere um Seis Sigma Faixa Preta que está apresentando durante uma reunião de revisão da
barreira da fase de Melhoria.O Faixa Preta está apresentando para uma equipe de liderança, que
inclui o patrocinador do projeto. Pelo menos dois membros da equipe de liderança também são
Faixas Pretas - talvez um deles seja até um Faixa Preta Master.
Diante desse cenário, o público investiu na informação e foi capaz de entender muitos dos
conceitos estatísticos por trás das decisões tomadas pela equipe Seis Sigma durante o projeto.
Isso não significa que você deve incluir automaticamente todos os seus dados na apresentação -
sua audiência também é ocupada. Mas isso significa que você deve antecipar pelo menos
algumas perguntas sobre metodologia ou análise estatística, e você pode incorporar alguns
termos técnicos ou resultados em sua apresentação sem se preocupar em ter que explicá-los.
Ao lidar com esse tipo de público, geralmente é uma boa ideia criar um apêndice de apresentação.
Você pode colocar sua análise, tabelas de dados e até mesmo resultados específicos do Minitab
no apêndice, onde eles podem ser exibidos rapidamente se uma pergunta específica solicitar. Em
situações que envolvem altos custos ou altos riscos, é mais provável que as equipes de liderança
vejam a análise de base porque precisam entender completamente todas as suposições e riscos
antes de tomar uma decisão sobre as melhorias recomendadas.
Em outras situações, você pode ser chamado para apresentar informações do Seis Sigma ou
descobertas estatísticas para públicos menos investidos ou que não tenham histórico com
estatísticas. Exemplos incluem apresentar à gerência geral ou apresentar as razões por trás de
mudanças na equipe de um departamento impactado por uma melhoria de processo Seis Sigma.
Quando isso acontece, pode ser útil confiar em representações gráficas de sua análise,
especialmente se as informações que você está tentando compartilhar são muito aparentes em
um determinado tipo de gráfico.
Por exemplo, uma equipe Seis Sigma em um escritório do governo tem a tarefa de melhorar a
produção de um processo de fluxo de trabalho que envolve a revisão de pedidos de auxílio
financeiro. A equipe fez melhorias no processo e agora compara a taxa média de produção por
hora do processo antes das alterações com a taxa média atual de produção por hora. Para fazer
isso, eles concluem um teste T de 2 amostras para determinar se os novos dados têm uma média
maior do que os dados antigos. Os resultados do Minitab são apresentados abaixo.
Teste T de Duas Amostras e CI: C1, C2
Two-sample T for C1 vs C2
C1 23 4.00 2.76 0.58
C2 23 6.35 3.11 0.65
Difference = μ (C1) - μ (C2)

Estimate for difference: -2.348
95% upper bound for difference: -0.889
T-Test of difference = 0 (vs <): T-Value = -2.70 P-Value = 0.005 DF = 43
Sabendo o que você faz sobre testes de hipótese e valores de p, pode ver rapidamente que
rejeitamos a hipótese nula e aceitamos a alternativa. Sim, as médias do processo mudaram. O
que é, de acordo com nossa análise estatística, um processo mais produtivo.
Mas você pode simplesmente copiar os dados do Minitab em um slide do PowerPoint?

Provavelmente não - apenas um especialista em análise estatística ou Seis Sigma será capaz de
fazer essa conexão entre o valor p e a conclusão do mundo real.
Considere a imagem gráfica abaixo.
Esta é um gráfico de caixa dos mesmos dados usados para criar o teste T de 2 amostras acima,
mas fornece uma versão mais amigável dos dados para a maioria dos funcionários da empresa.
Você pode ver rapidamente que o processo C2 tem uma taxa de produção maior do que o
processo C1 - mesmo que você não saiba nada sobre gráficos de caixa e sussurros.
Não é suficiente entender como o público-alvo provavelmente interage com dados e análises
estatísticas. Ao criar uma apresentação sobre o seu projeto ou dados estatísticos, você também
precisa entender o que o público-alvo quer saber e como ele precisa conhecê-lo.
• A liderança de alto nível normalmente quer saber se o projeto foi um sucesso, como você
sabe que foi um sucesso, que economias ou ganhos podem ser esperados e como você
está controlando o processo para garantir que os mesmos problemas não surjam
novamente.
• Os proprietários do processo e funcionários próximos ao processo devem saber tudo o
que foi mencionado acima, embora você tenha que ampliar as discussões sobre custos e
economias para omitir dados confidenciais que possam ser incluídos em uma
apresentação no nível executivo (como suposições sobre pagamento de funcionários). É
provável que os proprietários e funcionários do processo também desejem saber mais
detalhes sobre as mudanças específicas no processo. Por que essas mudanças foram
implementadas e como isso afeta o fluxo de trabalho diário? Onde a liderança pode estar
satisfeita com um mapa de processo de alto nível, por exemplo, os proprietários de
processo desejam ver mapas mais granulares.
• É provável que os membros da audiência de departamentos diferentes façam perguntas
que façam sentido do ponto de vista deles, portanto, saiba quem estará em uma
verificação de pedágio ou outro tipo de reunião de apresentação e esteja preparado para
responder perguntas específicas de seus ambientes.

o O pessoal de Conformidade pergunta sobre a adesão aos regulamentos. A equipe
considerou regulamentos ao tomar decisões? O que acontece quando a conformidade
exige uma decisão que parece oposta a onde as inferências estatísticas levaram a
equipe? A equipe calculou os riscos e os custos associados a falhas de conformidade,
que geralmente são maiores que outras falhas do processo?
o Contabilidade ou equipe financeira pergunta sobre orçamento, receita e poupança. A
equipe tem um gráfico que mostra resultados em valores em dólar? Qual é a
probabilidade de economizar mais que uma certa quantia? A equipe pode associar um
valor em dólares a várias análises, mudanças ou melhorias?
o É provável que a equipe de marketing, vendas e atendimento ao cliente pergunte
sobre as informações voltadas para o cliente. Como a equipe reuniu a voz do cliente?
Quais suposições sobre o cliente a equipe fez? Ao fazer alterações no processo ou
analisar dados, como a equipe considerou o cliente?
Você obviamente não pode criar uma apresentação que responda a todas as perguntas possíveis
sobre seu processo, projeto ou análise estatística. A apresentação seria enorme e demoraria
muito para ser apresentada. Normalmente, é uma boa ideia manter uma apresentação com menos
de 10 a 20 minutos, com bastante tempo para perguntas, e seu tempo de apresentação pode ser
ainda mais restrito, dependendo das práticas comerciais organizacionais. Portanto, você deve
sempre responder às perguntas maiores e mais importantes sobre seus aprimoramentos, projeto
ou estágio DMAIC na apresentação e estar preparado para outros tipos de perguntas na sessão
de perguntas e respostas (é nesse ponto que um apêndice pode ser útil).
Conte uma História com Texto e Imagens

Use o PowerPoint ou outro programa de apresentação para combinar suas informações de uma
maneira que conte uma história que o público possa entender e se importar. Mantendo o seu
público e o objetivo da sua apresentação em mente, tente contar uma história geral em toda a sua
apresentação enquanto apresenta “narrativas em miniatura” em cada slide.
Considere o exemplo abaixo, que apresenta as informações do Teste T de 2 Amostras que

usamos anteriormente neste capítulo. O slide conta uma história com o posicionamento de
informações, a inclusão de um gráfico e o formato de pergunta e resposta. Este é um modelo fácil
que pode ser usado na maioria dos slides de apresentação do Seis Sigma, particularmente ao
apresentar análise estatística ou dados.
- Primeiro, faça uma pergunta como o título do slide. Crie uma pergunta concisa, mas tente
escrever uma pergunta independente. O exemplo do slide não faz um ótimo trabalho
disso: que mudanças, que processo e quais taxas por hora estão sendo discutidas? No
contexto de uma apresentação inteira, isso não é um problema. No entanto, você pode
querer puxar um único slide para um documento de comunicação ou treinamento por e-
mail - e líderes executivos tendem a retirar um slide ou imagem gráfica para comunicar
informações sobre um projeto patrocinado. Um título melhor para este slide pode ser "As
alterações de software no fluxo de trabalho da Revisão do Aplicativo de Auxílio aumentam
as taxas de produção por hora?"
- Em seguida, inclua uma imagem que responda à sua pergunta ou forneça informações
adicionais sobre os dados ou processo. Imagens, gráficos e mapas quebram longos
blocos de texto em uma apresentação, facilitando a digestão do público. Ao apresentar
dados em vários formatos em um slide, você também captura o interesse e a
compreensão de um público mais amplo. As representações gráficas de dados geralmente
são mais rápidas e podem ajudá-lo a contar uma história de dados complexa em um curto
período de tempo.
- Pode ser uma boa ideia incluir algumas informações estatísticas básicas, como uma
versão favorável às empresas da hipótese nula e alternativa. No mínimo, todos na plateia
podem entender que essas duas afirmações são o que a equipe estava avaliando, e
apenas uma delas pode ser verdadeira. Incluindo o tipo de teste e o Valor-p é opcional,
mas pode ser uma boa ideia tanto para a referência da equipe quanto para informar
patrocinadores ou outras pessoas que também tenham conhecimento do Seis Sigma.
- Por fim, responda à questão colocada no título em uma breve conclusão baseada em
texto. A conclusão deve estar alinhada com qualquer representação gráfica ou dados de
testes estatísticos incluídos no slide. Você deve evitar apresentar dados e conclusões
contraditórias em um único slide, a menos que tenha uma razão específica para isso e
uma explicação de por que a contradição é importante.
H0: A mudança não impactou as taxas de produção.

HÁ: A mudança criou taxas de produção que são maiores que taxas anteriores.
Teste: Teste T de 2 Amostras
Valor-P: 0.005
Conclusão: Sim, o novo processo é estatisticamente mais produtivo que o processo

antigo.
Nem todas as questões requerem todos os elementos do slide acima. Às vezes, faz sentido
fornecer a resposta em um texto conciso. Por exemplo, você pode perguntar “Qual problema a
equipe está tentando resolver?” O conteúdo correto para esse slide seria a declaração do
problema, conforme escrito na fase de definição.
Às vezes, a única coisa que você precisa incluir no slide é um gráfico. Considere o slide abaixo.
Este slide pergunta o que está causando pedidos defeituosos a serem enviados e responde à
pergunta com um gráfico de Pareto. Mesmo que alguém não esteja familiarizado com o gráfico de
Pareto, é bastante óbvio, considerando os rótulos e os dados, que o problema que gera o maior
número de defeitos está na finalização do produto. Alguém que conheça os gráficos de Pareto
poderá ver em segundos que os erros de acabamento e os insumos brutos com defeito
respondem por mais de 60% dos erros; Se você adicionar "produto errado selecionado", você será
responsável por 80% dos erros.
Algumas ferramentas do Seis Sigma, como o gráfico de Pareto, são fáceis de explicar para
membros da audiência que não têm um entendimento preexistente de análise de dados ou do Seis
Sigma. Com um ou dois minutos de tempo de apresentação, você pode explicar suficientemente
como o gráfico acima responde à pergunta do slide, e esse é um motivo pelo qual Pareto (e outros
gráficos de tipo de barra) são populares nessas apresentações.
Seja Claro e Conciso
Não importa como você está apresentando seus dados, certifique-se de que cada slide -
e cada elemento no slide - seja claro e conciso. Isso significa escrever em linguagem
ativa o máximo possível, evitando a explicação de textos longos, garantindo que tudo
esteja escrito corretamente e que você não tenha usado a palavra errada por acidente.
Ao incluir estatísticas em uma apresentação, pode ser fácil fazer uma escolha incorreta
de palavras que altere o significado de toda a sua declaração. Simplesmente dizer “maior
que” quando você quis dizer “menor que” ou “diminuir” quando quis dizer “aumentar”
pode distorcer as informações que você está fornecendo ou torná-las confusas para o
seu público.
A clareza não é apenas uma preocupação na escolha de palavras e na estrutura das
frases. Você também deve se preocupar com o modo como os elementos do slide se
encaixam. Não coloque tantas informações em um único slide que palavras ou imagens
se tornem ininteligíveis para o público. Em alguns casos, você pode precisar fazer uma
pergunta e respondê-la em uma série de slides.
Esteja ciente do fato de que uma imagem de slide projetada nunca é tão clara quanto a imagem
em seu computador. Devido a isso, você deve sempre evitar a fonte de luz em camadas ou
imagens em um plano de fundo claro ou camada de fonte escura ou imagens sobre um fundo
escuro. Não minimize as fontes para algo tão pequeno quanto 12 pontos apenas para ajustar
todas as informações. Lembre-se de que seu público pode estar sentado a alguns metros de
distância. Você também não precisa incluir todas as informações em um slide. O slide deve
funcionar como o ponto de referência visual para o público, enquanto você adiciona informações
verbalmente.
O texto e as imagens adicionados diretamente ao slide não devem ser sua única preocupação.
Você também precisa garantir que o texto e as imagens contidos nos gráficos sejam tão claros e
concisos quanto possível. Considere os dois boxplots abaixo.
O primeiro boxplot, por si só, não fornece muita informação para um público. Alguém que entenda
de boxplots seria capaz de dizer que duas coisas estavam sendo mapeadas e que a média de
uma delas era maior que a média da outra.
O segundo boxplot é o mesmo que o primeiro, mas o título e os rótulos de dados foram editados.
Agora, você pode ver que o gráfico fornece informações sobre o fluxo de trabalho do aplicativo.
Especificamente, o gráfico ilustra as taxas médias de produção por hora para esse fluxo de
trabalho, e o novo processo de fluxo de trabalho parece ser mais produtivo do que o antigo.
A criação de análises gráficas que contam uma pequena história por conta própria - com a ajuda
de rótulos e títulos de dados-é importante. Primeiro, como o apresentador do Seis Sigma, os
rótulos fornecem dicas que ajudam você a explicar verbalmente o slide ou o gráfico. Depois de
vários slides com gráficos ou tabelas semelhantes, até você pode ficar confuso sobre quais dados
específicos está falando. Em segundo lugar, os rótulos apropriados em tais imagens permitem
reutilizar a imagem sem o contexto da apresentação ou do slide. Isso significa que você
desperdiça menos tempo e pode reutilizar seu trabalho ao se comunicar sobre seu projeto ou
dados - reduzindo efetivamente o desperdício de retrabalho. Por fim, você não precisa se
preocupar tanto que alguém analise seus dados ou análise e interprete-os incorretamente ou
obtenha a ideia errada. Se os gráficos forem devidamente rotulados, será mais difícil para alguém
ver as informações fora de sua apresentação e tirar conclusões erradas.Você também pode editar
cores de dados em gráficos no Minitab e no Excel, tornando ainda mais fácil para um público tirar
conclusões apropriadas da ilustração. Considere o gráfico de Pareto abaixo. Este é o mesmo
gráfico de Pareto mostrado anteriormente neste Capítulo, mas nesta versão, as três principais
categorias são apresentadas em vermelho. A mudança de cor enfatiza essas categorias, que
representam 80% dos erros, tornando mais fácil para o público concluir que esses são os
problemas em que a equipe se concentrará.
Não Use Suas Ferramentas de Forma Errada
Uma dica final para criar apresentações amigáveis para os negócios é: não use mal as ferramentas, o
conhecimento e os recursos que você tem para criar apresentações ou comunicar ideias.
Não use o PowerPoint, por exemplo. A maioria dos membros da audiência não quer ver uma
apresentação de 100 slides. Só porque você pode incluí-lo, não significa que você deva. Da
mesma forma, tente evitar animar todos os aspectos da sua apresentação. Sim, há um momento
para fade-in ou fly-in, mas não é em todo ponto ou imagem. Use animações com moderação - se
quiser - para ter impacto sobre conclusões ou elementos muito importantes da sua apresentação.
Na maior parte, uma apresentação forte em Seis Sigma deve se basear em clareza e dados, não
em truques e animações.
Não use o Minitab ou seu outro software de análise estatística de forma errônea. Leva apenas
alguns segundos para realizar determinados testes ou criar gráficos no Minitab, como você verá
na próxima Unidade. Por causa disso, os analistas e equipes do Seis Sigma tendem a acumular
muitas versões de dados. Trate os gráficos e análises do Minitab enquanto você faz animações
em PowerPoint. Use-os conforme necessário, mas não os use porque eles estão lá. Uma boa
regra é não mais do que um gráfico ou tabela por slide ou questão relacionada a dados. Isso força
você a escolher o gráfico ou tabela que você acha que ilustra de forma mais poderosa ou
apropriada seus dados. Há exceções a essa regra, e você pode precisar incluir dois gráficos se
um gráfico ajudar a explicar outro ou se você estiver comparando informações sobre dados ou
vários conjuntos de dados.
Não abuse das suas habilidades de análise de dados. O mau uso da análise de dados pode vir de
duas formas: ou você faz um erro de análise de dados inadvertidamente ou força uma análise a se
adequar a um resultado ou conclusão desejados. O primeiro passo é mais um erro do que um mau
uso; Você pode evitar apresentar esses erros a outras pessoas verificando novamente todas as
conclusões e inferências e fazer com que outra pessoa com conhecimento sobre o Seis Sigma
revise sua análise antes de finalizar uma apresentação. É por isso que muitas organizações Seis
Sigma têm pelo menos um Master Faixa Preta na equipe - Faixa Pretas e Green Belts podem ligar
para o Master Faixa Preta se tiverem perguntas de análise ou simplesmente quiserem confirmar
se estão no caminho certo com a análise.
Ninguém é infalível e erros podem acontecer. Como especialista em Seis Sigma, no entanto, você
nunca pode permitir que um determinado viés force conclusões estatísticas que não são
amparadas pelos dados. E você certamente nunca deve obscurecer a análise apresentando-a de
uma maneira que torne difícil para o seu público ver a conclusão apropriada, porque você quer
que eles tirem outra conclusão. Por exemplo, o truque usado acima para destacar uma
determinada parte do gráfico de Pareto com a cor pode ser usado de forma inadequada. Você
pode chamar a atenção para uma determinada parte de um gráfico ou gráfico de barras com cor,
aumentando a chance de o público concluir que a parte colorida é mais relevante ou mais
importante do que outros dados no gráfico. Embora isso às vezes seja verdade, as equipes e os
apresentadores do Seis Sigma devem ser cuidadosos ao usar tais táticas - apenas crie esse
cenário quando os dados oferecerem suporte a essa ênfase.
Outro exemplo de criação de viés em uma apresentação ocorre quando você apresenta
informações de análise, sabendo que o tamanho da amostra não é grande o suficiente para
conclusões fortes, mas você não dá a conhecer isso quando apresenta as informações. Isso pode
resultar na liderança ou em outras pessoas que tomam decisões com base em seus dados sem
entender os riscos de que as conclusões possam estar erradas.
Da mesma forma, se você executar quatro tipos de teste no Minitab e três oferecerem suporte a
uma conclusão enquanto apenas um único teste oferecer suporte à conclusão que a equipe
originalmente queria apresentar, você não deve apresentar apenas os resultados do teste único.
Antes de apresentar qualquer coisa, você deve rever cada um dos testes para entender por que
há uma diferença em um deles; Você também deve garantir que os testes que você está usando
sejam apropriados para os dados, perguntas e tamanhos de amostra disponíveis. Se você verificar
que as estatísticas estão todas corretas, geralmente você deve seguir a conclusão baseada no
maior número de testes.
Não Deixe que a Apresentação Direcione o Projeto
Dados os processos e requisitos de tomada de decisão em um mundo de negócios corporativos,

as apresentações são um requisito do processo DMAIC. Equipes e especialistas em Seis Sigma
terão que apresentar suas descobertas em algum momento, então habilidades de apresentação
são algo que você precisa trabalhar.
Dito isto, é importante que você nunca deixe que a necessidade de uma boa apresentação
direcione qualquer parte do processo. As equipes Seis Sigma nunca devem tomar decisões sobre
coleta de dados, análise gráfica, mapeamento de processos, brainstorming ou qualquer outra
função Seis Sigma porque acham que será ou parecerá bom para a apresentação. Em vez disso,
a apresentação de informações ao negócio deve vir depois que o trabalho é feito.
Essa verdade é relevante toda vez que você apresenta informações ao negócio ou à equipe de
negócios - não apenas quando você está em frente a uma sala de conferência com um
PowerPoint atrás de você. Por exemplo, os Faixas Pretas geralmente se comunicam com
patrocinadores ou líderes de negócios regularmente durante o curso de um projeto DMAIC. Talvez
a equipe forneça um email diário ou uma atualização de fim de semana para o patrocinador;
Qualquer que seja o modo de comunicação, todas as dicas deste capítulo são relevantes.

Seis Sigma Book - POLO CSSC - AlunoPolo PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Seis Sigma Book - POLO CSSC - AlunoPolo PDF

Enviado por

Direitos autorais:

Formatos disponíveis

LIVRE TRADUÇÃO PELA POLO SOLUÇÕES

EXCLUSIVA PARA OS ALUNOS DA POLO

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 2

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 3

Crescimento continuado do Seis Sigma.............................................................................. 20

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 4

Controle ............................................................................................................................ 126

UNIDADE 3: DMAIC AVANÇADO .................................................................................................. 129

Revendo distribuições de probabilidade normal .............................................................. 265

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 6

Capítulo 1: O que é o Seis Sigma?

Processos e Decisões Baseados em Dados

Tomada de Decisões sem Seis Sigma

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 7

Tomada de Decisão Com Seis Sigma

Exemplos do Mundo Real

1 “Air Traffic,” Science on a Sphere, National Oceanic and Atmospheric Administration.

Considere um exemplo baseado em remessas da Amazon. Na Cyber Monday, em 2013, a

Custo dos Erros em Pedidos da Amazon, 5

36.8 milhões 8574.4 $35 $300,104.00

Custo dos Erros em Pedidos da Amazon, 6

36.8 milhões 125.12 $35 $4,379.20

Defeitos por Estimativa de Total de Custos (com

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 9

Calculando o Nível Sigma

Considere um processo em um departamento de marketing que distribui cartas a clientes ou

envelopes pré-endereçados a cada dia. Em uma determinada semana de negócios, o processo

O departamento de marketing começa a receber reclamações de que as pessoas estão recebendo

((150,000 – 7,500) / 150,000) * 100 = uma produção de99.5

Nível de Sigma Não É um Indicador Final

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 10

Princípios Comuns de Seis Sigma

Melhorias Focadas no Cliente

• Ofereçam recursos adicionais que os clientes desejam e estão dispostos a pagar

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 11

Se você combinar todos os processos acima em uma representação pictórica de exatamente

Melhorias Contínuas do Processo

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 13

Falta de Recursos ou Conhecimento

Execução Precária de Projetos

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 14

Problema com Acesso de Dados

• Regras de conformidade da indústria ou da empresa dificultando acesso aos dados necessários

Preocupações sobre o Uso do Seis Sigma em uma Indústria Específica

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 15

alcançar um objetivo específico. O programa é executado para sempre, trabalhando constantemente

O Desenvolvimento do Controle Estatístico de

Modelos de distribuição de probabilidade são discutidos em

No início do século 20, o controle estatístico do processo recebeu

maneiras de aplicar esses conceitos especificamente aos processos industriais e manufatureiros Em

Uma das ideias de Deming é chamada de ciclo PDCA, ou ciclo

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 17

Toyoda introduziu os mesmos conceitos em certas linhas no processo de fabricação da Toyota.

Os princípios que impulsionam o sistema Toyota e, mais tarde, a base da Gestão de

• Definir valores do cliente

Foco no Defeito da Motorola

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 18

ABB, Allied Signal, and General Electric

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 19

Crescimento Contínuo do Seis Sigma

Livre tradução Polo Soluções, exclusivo para alunos Polo Página 20

Aplicando o Conhecimento Seis Sigma

Os Níveis de Certificação Seis Sigma