Sem fronteiras para o conhecimento

Formação de Yellow Belt em Lean Seis Sigma

Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

 Fase de Análise
Objetivo:
Identificar as causas raiz (X´s vitais) que afetam o processo de forma significativa e geram
variabilidade no resultado de interesse (variável Y). Comprova-las, com fatos e dados,
utilizando gráficos, análise estatística e ferramentas qualitativas (análise de risco).

Ferramentas
 Pareto;  Regressão Linear;
Tempo estimado:
 Matriz Causa e Efeito;  Testes de Hipóteses;
2 a 4 semanas.
 Matriz Esforço x Impacto.  Análise de Variância (ANOVA);
 FMEA;  Regressão Logística;
 Diagrama de Dispersão;  Teste Qui-Quadrado.
* Conteúdo aprofundado no Treinamento de Green/Black Belt em Lean Seis Sigma
 Fase de Análise

INÍCIO DA
FASE ANÁLISE

COMPROVAMOS
CLASSIFICAR E CAUSAS RAIZ
PRIORIZAR AS GRAFICAMENTE?
CAUSAS
CAUSAS
POTENCIAIS.
COMPROVADAS QUE
DEVEMOS ATACAR

QUAIS SÃO AS PRINCIPAIS COMPROVAMOS

CAUSAS QUE DEVEMOS CAUSAS RAIZ POR
ATACAR? ANÁLISE ESTATÍSTICA?
FIM DA FASE
ANÁLISE
Fase de Análise
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

FMEA – Failure Mode and Effect Analysis

 O FMEA (Análise de Modos de Falhas e seus Efeitos) é uma ferramenta que tem como
objetivo identificar, hierarquizar e prevenir as falhas em potencial de um produto ou
processo.

 Ao utilizar o FMEA identificamos potencias falhas ou deficiências em produtos e

processos. Portanto, é uma ferramenta que ajuda aumentar a confiabilidade e facilitar a
rastreabilidade das ações necessárias para a mitigação dos riscos.
FMEA

Percebe-se o desenvolvimento do FMEA inicialmente na década de 60, com o

objetivo de reduzir custos com atrasos, erros e retrabalhos no desenvolvimento de
novos produtos e tecnologia na indústria aeroespacial. O foco era identificar os
riscos de maior criticidade e trabalha-los de forma preventiva.

Com o tempo, outras áreas industriais começaram a utilizar o FMEA, principalmente a

indústria automotiva. Atualmente o FMEA é utilizado, até mesmo, para a análise de
risco em produtos e processos já existentes, inclusive em processos administrativos.
Por que utilizar o FMEA?
US$ 300
Custo da falha Custo da falha
detectada no detectada na etapa
fornecedor final do processo

US$ 30

US$ 3,0
US$ 0,30
US$ 0,03
US$ 0,003

Custos de Custos dos Custos de Custos de Custos de Custos de

Inspeção do Componentes Inspeção na Testes de Inspeção do Serviço com o
Fornecedor na Inspeção Fabricação Subprodutos Produto Final Produto
de Entrada
Fonte: WestonIson, gerente de controle da qualidade e de sistemas de confiabilidade da General Eletric Co. Reproduzida com
permissão da editora, “How to Gain the Competitive Edge: Improving Product Quality Through Continous Feedback’, por Robert E.
Cole.
Por que utilizar o FMEA?

No Lean Seis Sigma, os motivos para a utilização do FMEA são:

 Identificar as potenciais falhas e deficiências de um produto ou processo;

 Ser capaz de quantificar a severidade do efeito das falhas;

 Identificar as causas das falhas e deficiências e quantificar sua frequência;

 Trabalhar de forma preventiva e focar na eliminação dos problemas potenciais;

 Facilitar a documentação e rastreabilidade das ações.

POSTURA PREVENTIVA VS. POSTURA REATIVA

FMEA
Os 12 passos para a construção do FMEA:
1. Identificar o processo e descrever sua função e requisitos;
2. Levantar todos os modos de falha potencial;
3. Listar todos os efeitos das falhas potenciais;
4. Determinar o nível de severidade de cada efeito;
5. Listar as causas potenciais de cada modo de falha
6. Determinar o nível de ocorrência das causas;
7. Listar os controles atuais do processo;
8. Determinar o nível de detecção das causas pelos controles atuais;
9. Calcular o RPN (Risk Priority Number)*
10. Desenvolver o Plano de Ação;
11. Tomar ações efetivas;
12. Calcular o novo RPN (Risk Priority Number)*

*RPN = Severidade x Ocorrência x Detecção

Tabela FMEA
Pontuação Severidade
Mínima – O cliente mal
1 percebe que a falha ocorreu
Pequena – Ligeira
Deterioração no desempenho
2 ou 3 e leve descontentamento do
cliente
Moderada – Deterioração
significativa no desempenho
4 ou 5 ou 6 de um sistema com
descontentamento do cliente
Alta – O sistema deixa de
7 ou 8 funcionar e há grande
descontentamento do cliente
Muito alta – Idêntica a
9 ou 10 anterior, porém afeta também
a segurança
Ocorrência Detecção
Remota – Dificilmente ocorre
Muito grande – Certamente
a causa da falha
será detectada
<1PPM
Pequena – A causa da falha
Grande – A probabilidade de
ocorre em pequena escala
ser detectada é alta
De 10 a 100 PPM
Moderada – Por vezes ocorre
Moderada – Provavelmente
a causa que leva a falha
será detectada
De 500 a 5.000 PPM
Alta – A causa de falha com
Pequena – Provavelmente
certa frequência
não será detectada
De 10.000 a 20.000 PPM
Muito alta – A causa de falha Muito pequena –
ocorre em vários momentos Certamente não será
>50.000 PPM detectada
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Matriz de Causa e Efeito

 É utilizada para priorizar as entradas do processo (causas/X´s) de acordo com o

impacto que provoca em cada uma das saídas (Y´s) ou requerimentos do cliente.

 Recomenda-se inclusive que sejam identificadas as principais entradas levantadas no

Mapa de Processo e na Espinha de Peixe para desenvolvimento da ferramenta.

Matriz de Causa e Efeito

Etapas aplicação da ferramenta:

1. Desenhe as linhas e colunas da matriz;
2. Defina as saídas do processo (Y´s) que serão utilizados;
3. Defina um peso de 5 a 10 para cada saída;
4. Escreva todas as entradas do processo (X´s);
5. Estabeleça a relação entre cada entrada e cada saída utilizando a seguinte legenda: 0
(não existe correlação), 1 (correlação fraca), 3 (correlação moderada) e 5 (correlação
forte).
6. Multiplique o valor de cada célula pelo peso de cada saída;
7. Some os valores da linha para obter a nota final.
Matriz de Causa e Efeito
SAÍDAS
RESULTADOS
SAÍDA 1 SAÍDA 2 SAÍDA 3
FINAIS
PESO 5 8 10

ENTRADA 1
ENTRADA 2
ENTRADA 3
ENTRADAS

ENTRADA 4
ENTRADA 5
ENTRADA 6
ENTRADA 7
ENTRADA ...
2226

5 Correlação FORTE 1 Correlação FRACA

3 Correlação MODERADA 0 Correlação AUSENTE

Tarefa Prática - Matriz de Causa e Efeito

Após mapear o processo da linha de produção dos hambúrgueres e levantar todas as causas
potenciais do desperdício observado na Espinha de Peixe, priorize as causas utilizando a Matriz de
Causa e Efeito.

Utilize as saídas identificadas no Mapa de Processo, ou seja, os principais parâmetros de produto (Y´s)
e as causas da Espinha de Peixe como as entradas da Matriz. Estabeleça um peso entre 5 e 10 para
cada parâmetro de produto (saídas/Y´s) e pontue toda interseção na Matriz de Causa e Efeito.
 Tarefa Prática – Matriz de Causa e Efeito
Quais são as causas com
maior pontuação, ou seja,
de maior impacto
resultado de interesse?
0 Correlação AUSENTE
1 Correlação FRACA
3 Correlação INTERMEDIÁRIA
5 Correlação FORTE
Saídas
y1 = Tempo de y2= Qtd. Hambúrgueres y3=Itens corretos na
preparação descartados bandeja Resultados
PESO 5 10 8
x1
Tempo excessivo para embalar o
hambúrguer 5 0 1 33
no x2 Tempo de espera do cliente muito alto 5 0 0 25
Ambiente quente prejudica qualidade dos
x3
vegetais
1 3 1 43
x4 Poluição sonora dificulta a concentração 3 3 3 69
x5 Ingredientes fora do padrão de qualidade 3 5 1 73
Pão e carne são consumidos mais
x6
rapidamente
5 1 1 43
x7 Alface é de difícil manuseio 3 1 0 25
A embalagem do hambúrguer mais
x8
solicitado acaba
0 0 1 8
Procedimento de montagem de difícil
x9
compreensão 5 5 3 99
Padrão de correspondência de embalagens
x10
é confuso
0 0 3 24
Colaborador não segue o procedimento de
x11
montagem
3 3 1 53
Colaborador recebeu treinamento
x12
insuficiente
3 3 3 69
x13 Forno apresenta problemas frequentes 3 1 1 33
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Gráfico de Pareto

O Gráfico de Pareto é uma ferramenta estatística que auxilia na tomada de decisão, permitindo uma
empresa priorizar problemas, quando esses se apresentam em grande número.
O princípio de Pareto classifica os problemas relacionados à qualidade em duas categorias:
 Poucos vitais;
 Muitos triviais.

Pelo princípio de Pareto devemos concentrar nossa atenção sobre os poucos vitais, já que estes
resultam em grandes perdas para a empresa, apesar de representarem um pequeno número de
problemas.

Exemplo: 80% dos defeitos relacionam-se à 20% das causas potenciais.

Exemplo – Gráfico de Pareto

Frequência dos Acidentes

% Frequência Acumulada
Tipos de Acidentes Ocorridos
Tarefa Prática – Gráfico de Pareto

Uma rede varejista verificou um aumento significativo no número de devolução de

produtos nos últimos 3 meses, o que estava impactando diretamente na satisfação dos
clientes e no faturamento da empresa.

A rede deseja aplicar um projeto Lean Seis Sigma para resolver a questão, mas para isso é
necessário uma avaliação detalhada do problema. Na tabela a seguir foram levantadas as
principais razões das devoluções e o número de ocorrência de cada uma delas.
Tarefa Prática – Gráfico de Pareto

Rezões da Devolução Número de Ocorrências

Faturamento incorreto 70
Atraso na entrega 120
Pedido incorreto 55
Preço incorreto 45
Erro da transportadora 105
Produto danificado 95
Outros 10
TOTAL 500
Tarefa Prática – Gráfico de Pareto
Monte um Gráfico de Pareto investigar melhor o problemas e identificar as principais
causas da devolução dos produtos.

140 120%

Dados Ordenados 120 100%

Razões da Devolução Percentual Acumulado 100

80%
80
Atraso na entrega 24% 60%
60
Erro da transportadora 45% 40%
40
Produto danificado 64% 20 20%
Faturamento incorreto 78% 0 0%

Pedido incorreto 89%

Preço incorreto 98%
Outros 100%
Número de Ocorrências Percentual Acumulado
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Cinco “Porquês”

Utilizada para determinar a causa raiz de determinado problema, ou seja, a causa que
realmente deve ser tratada na solução de um problema.

Problema Por que? Por que? Por que? Por que? Por que? Causa raiz
 1 Por que a máquina parou?

Exemplo
Trocar Fusível
Porque o fusível queimou.

2 Por que o fusível queimou?

Reclamar com a CEMIG e colocar fusível
de maior amperagem.
Porque houve sobrecarga.

3 Por que houve sobrecarga?

Completar óleo e colocar filtro na bomba.
Porque a lubrificação do rolamento foi inadequada.

4 Por que a lubrificação do rolamento foi inadequada?

Reciclar o mecânico
Porque o mecânico não verificou o nível do óleo.

5 Por que o mecânico não verificou o nível do óleo?

Porque não havia uma Instrução de Trabalho no local e

o mecânico não foi treinado

Solução real
Criar Instrução de Trabalho, afixar no local de trabalho e treinar mecânico e todos
envolvidos no processo.
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Causalidade x Correlação

A correlação ocorre quando duas variáveis possuem tendência conjunta e pode ser quantificada
através do cálculo do coeficiente de correlação linear (r).

O coeficiente de correlação linear (r) nos ajuda a compreender se a correlação entre duas variáveis
existe e qual tipo de correlação temos.
 Quando r próximo de +1 a correlação é positiva;
 Quando r próximo de -1 a correlação é negativa;
 Quando r próximo de 0 não há correlação.
Quanto mais próximo de +1 mais forte é a correlação positiva. Quanto mais próximo de -1 mais forte
é a correlação negativa.
Causalidade x Correlação Gráfico de dispersão de C6 versus C8
60

50
POSITIVA
40
r +1

C6
30

20

10

Gráfico de dispersão de0 C6 versus C7 Gráfico de dispersão de C7 versus C8

15 20 25 30 35 40 45
31
60 C8

50 30
NULA
40
r 0
29

C7
C6

30

28
20 r -1
10
NEGATIVA 27

0
0 10 20 30 40 50 60 70 80 90 41 42 43 44 45 46 47 48
C8
Causalidade x Correlação

Deve-se sempre ressaltar que uma forte relação matemática (gráfica, numérica) entre duas ou mais
variáveis não, necessariamente, significa que uma é causa da outra.

DUAS VARIÁVEIS PODEM ESTAR ALTAMENTE CORRELACIONADAS, MAS UMA NÃO É CAUSA DA OUTRA!!!

Gráfico de Linha Ajustada

Acidentes de trânsito = 884,6 + 754,0 Preço da gasolina
3750
S 142,989
R2 83,7%
R2(aj) 82,7%
3500
Acidentes de trânsito

3250

3000

2750

2500

R$ 2,00 R$ 2,20 R$ 2,40 R$ 2,60 R$ 2,80 R$ 3,00 R$ 3,20 R$ 3,40 R$ 3,60

Preço da gasolina
Causalidade x Correlação

Para validarmos a existência da causalidade devemos verificar:

 Estatisticamente: avaliamos se existem evidências da relação de causalidade com um certo grau

de confiança a partir dos princípios do teste de hipótese.

 Na prática: conhecendo o processo avaliamos se a relação causa e efeito pode acontecer, ou seja,
se é fisicamente possível.
Regressão Linear Simples

A Regressão Linear Simples é o modelo matemático que pode explicar a dependência entre a
variável de entrada (x) e a variável de saída (Y), considerando que apenas duas variáveis estarão
envolvidas.

Equação do modelo linear simples:

 Variável x: variável independente ou preditora;
 Variável y: variável dependente ou variável reposta;
 Parâmetro b0: coeficiente linear ou intercepto;
 Parâmetro b1: coeficiente angular ou inclinação da reta.
Regressão Linear Simples

As questões que ocorrem após obtermos a equação de regressão linear são:

 A equação é realmente adequada para o tipo de correlação existente entre as duas variáveis?
 O modelo obtido será útil para realizar predições?

Para responder essas perguntas e concluir se o modelo de regressão linear é adequado,

devemos avaliar três pontos:
 P-valor da regressão: define se existe correlação entre as variáveis;

 Análise de resíduos: define se a equação é realmente adequada;

 Coeficiente de determinação (R2): define a representatividade da variável x para explicar o

comportamento da variável y.
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Teste de Hipóteses

O teste de hipóteses é baseado na utilização de uma amostra aleatória extraída de uma população
de interesse, com o objetivo de testar uma afirmação sobre um parâmetro ou característica desta
população.

Não se trata de uma simples comparação matemática entre dois ou mais valores, mas da
necessidade de compreender se o valor obtido a partir de uma determinada amostra representa uma
simples variação amostral da situação atual ou não.

 Imagine que o dono de duas farmácias mediu, durante 15 dias, o tempo de espera do cliente na
fila do caixa. Ao calcular o tempo médio os valores obtidos foram 5 minutos na loja A e 3,5
minutos na loja B. Podemos afirmar que o tempo médio de espera na loja B é menor?
Teste de Hipóteses

Para respondermos a pergunta podemos construir duas hipóteses:

 Hipótese nula (H0): o tempo médio de espera é igual nas duas lojas.

 Hipótese alternativa (HA): existe diferença entre o tempo médio da loja A e loja B.

A partir das hipóteses formuladas temos a probabilidade de quatro ocorrências:

 Rejeitar a hipótese nula quando ela é verdadeira (Erro tipo I);

 Não rejeitar a hipótese nula quando ela é verdadeira (Decisão correta);

 Rejeitar a hipótese nula quando a hipótese alternativa é verdadeira (Decisão correta);

 Não rejeitar a hipótese nula quando a hipótese alternativa é verdadeira (Erro tipo II).
Teste de Hipóteses
H0 É
H0 É FALSA
VERDADEIRA

Decisão
REJEITAR A H0
Erro Tipo I
correta
(α)
(1-α)

Decisão
Erro Tipo II
NÃO REJEITAR Correta
A H0 (β)
(1-β)
Teste de Hipóteses

Valor-p, p-valor ou probabilidade de significância é utilizado na estatística para

determinar se os resultados são estatisticamente significativos. Ele pode variar de
0 a 1.

Avaliação do p-valor:
 Se p-valor < α Rejeitar H0
 Se p-valor ≥ α Não rejeitar H0

α = Nível de significância
Teste de Hipóteses
A partir dos conceitos discutidos, podemos aplicar três tipos de testes de hipóteses para a
combinação de uma variável x discreta com uma variável y contínua.

Teste t para 1 amostra

Teste t para 2 amostras
Determina se a média de uma
amostra difere de maneira ANOVA
significativa de um valor Determina se a média de duas
especificado (padrão). amostras independentes difere
significativamente. Compara a média de mais de
duas amostras e determina se
pelo menos uma difere
significativamente.
Importante: as amostras são independentes
e provenientes de uma Distribuição Normal.
Módulo 4

Fase de Análise

 Lição 1: Conhecendo a Fase de Análise

 Lição 2: FMEA

 Lição 3: Matriz de Causa e Efeito

 Lição 4: Gráfico de Pareto

 Lição 5: Técnica dos “Cinco Porquês”

 Lição 6: Correlação e Regressão

 Lição 7: Teste de Hipóteses

 Lição 8: Finalizando a Fase de Análise

Critérios para a finalização da fase

Algumas perguntas devem ser respondidas ao final da fase de Análise:

1. As causas raízes dos problema foram adequadamente identificadas e priorizadas?

2. As ferramentas estatísticas utilizadas foram as mais adequadas para suportar as causas raízes?

3. As causas raízes identificadas suportam o alcance da meta?

Sem fronteiras para o conhecimento

voitto.com.br