Escolar Documentos
Profissional Documentos
Cultura Documentos
FM2S.COM.BR
Sumário
Capítulo 2 - Define 30
1. Introdução ao Define 31
2. O SIPOC 32
2.1 Como Elaborar o SIPOC 33
2.2 Por que usar o SIPOC no Define? 34
2.3 Exercício - SIPOC 35
3. O VOC (Voice of Customer) 36
3.1 Avaliando a qualidade do processo 36
4. Árvore CTC 37
4.1 Como coletar os direcionadores de qualidade 40
4.2 Exemplo - dados estruturados 41
4.3 Exemplo - Árvore CTC 41
4.4 O SIPOC e a Árvore CTC em Projetos Reais 42
5. O Contrato de Melhoria 42
Capítulo 3 - Measure 49
1. Introdução ao Measure 50
1.1 A porta dos dados 51
1.2 Trabalhando com dados 51
2. Coleta de dados 52
2.1 Passo 1 - Estruture os dados que você precisa (estrutura de banco de dados)
52
2.1.1 Exemplo - Passo 1 52
2.1.2 Exercício - Tipos de variáveis 54
2.2 Passo 2 - Crie uma Definição Operacional clara para os dados que você irá
coletar 55
2.2.1 Exemplo - Passo 2 56
2.2.2 Exemplo visual - Passo 2 56
2.3 Passo 3 - Identifique a população e a amostra para realizar a coleta 57
2.3.1 Tamanho de amostra 58
2.3.2 Exemplo - intervalo de confiança 58
2.4 Passo 4 - Crie ferramentas para coleta de dados 61
2.5 Folha de Verificação 61
2.6 Passo 5 - Colete os Dados 62
2.7 Análise de dados 62
3. Análise de Variação e Análises Temporais 68
3.1 O que significa entender a variabilidade 69
4. O gráfico de tendência 70
4.1 Vantagens e como construir um gráfico de tendência 70
4.2 Alguns indicadores clássicos para a análise temporal 71
5. Gráficos de frequência 72
5.1 Análise de Frequência para variáveis classificatórias 73
6. Gráfico de Pareto 74
7. Análises de Frequência para Variáveis Contínuas 77
7.1 Análise de Tendência e Frequência 78
8. Estatística Paramétrica: Gráficos de Controle e Análises de Capabilidade 79
9. Distribuições Estatísticas usadas nas Análises Paramétricas 79
10. Os gráficos de controle 81
10.1 O Gráfico P 84
10.2 O gráfico U 85
10.3 O gráfico de Individuais 86
10.4 O gráfico X-Barra S 87
10.5 Usando os Gráficos de Controle 87
10.5.1 Como avaliar causas especiais (eventos de baixa probabilidade) 87
10.5.2 O Teorema Central do Limite 87
11. Capabilidade 88
11.1.1 O que são os índices de capabilidade? 89
11.1.2 Usando os gráficos de controle e a análise de capabilidade 89
Lista de Figuras
Lista de Tabelas
2. O Desafio - TubosMatrix
Imagine que o grupo de empresas em que você trabalha adquiriu uma fábrica de
tubos de PVC (vamos chamá-la de TubosMatrix) como parte de sua estratégia de
2.1 Missão
O agente e a equipe de melhoria, então, vão assumir momentaneamente a
operação da fábrica de tubos de PVC. A missão é simples: entender como funciona o
processo de fazer tubos e fazer com que esse processo seja econômico e atenda às
necessidades dos clientes.
O não cumprimento desta missão acarretará no fechamento da fábrica e no
prejuízo para o seu grupo de empresas e seus empregadores.
Essas mudanças fazem sentido, mas nem sempre elas bastam. Um ponto central
da ciência da melhoria é a sua relação com a mudança. Sabemos que uma boa definição
de insanidade é fazer sempre a mesma coisa e esperar por resultados diferentes. É
impossível melhorar alguma coisa sem que se façam mudanças. Melhoria requer
mudança. Entretanto, mudança nem sempre resulta em melhorias. Algumas
mudanças, inclusive, pioram o desempenho de um processo, portanto, não cometa o
erro de entender melhoria como sinônimo de mudança, vide Figura 1.1.
Uma vez feito isso, o seu time de melhoria está pronto para começar a trabalhar.
Essa definição clara de objetivo faz com que saiamos da “fumaça” que geralmente
são os contextos das empresas e entremos em algo concreto. Uma vez claro o indicador,
podemos alinhá-lo com o grupo e começar a trabalhar.
Saber que temos várias alternativas para uma mudança é muito útil em situações
reais do nosso dia a dia. Geralmente, nos apaixonamos por uma mudança, que pode
nem sempre ser a melhor. Por exemplo, podemos pensar na estratégia de tecnologia
5. Exercício - TubosMatrix
Lembre-se do contexto da nossa fábrica TubosMatrix. A concorrência vem
chegando ao mercado de tubos PVC. Os custos de produção estão altos e os
funcionários, desmotivados. Frequentemente, a produção entrega tubos não conformes
para os clientes, que reclamam constantemente e até devolvem lotes inteiros. Isso gera
uma grande insatisfação e faz com que a empresa comece a perder todo o mercado que
demorou anos para conseguir. Os novos donos sentem que a administração da fábrica
não está performando direito e começam a ficar impacientes com a situação.
Pensando nisso, eles decidem agir:
a. Qual é o incômodo desta situação?
b. Qual é o processo por trás do problema?
c. O que seria um bom objetivo para este esforço de melhoria?
d. Quais seriam as restrições do trabalho?
Resolução:
A contextualização do problema é muito importante para a sua resolução. A
concorrência irá entrar no mercado com o mesmo produto e se devemos aplicar um
projeto de melhoria. O que queremos melhorar? Como sabemos que a mudança será
uma melhoria? Quais mudanças podemos fazer que vão gerar essa melhoria?
Chegamos a conclusão que o objetivo é diminuir os custos para sermos mais
competitivos. Os fatos dizem que um dos problemas é a qualidade, por isso diminuir os
custos com matéria prima mais barata não pode ser uma opção. Em segundo lugar,
demitir funcionários para reduzir custos não garante que o produto seja de qualidade
então não seria o melhor cenário. Por entender que o processo em si é falho, a terceira
opção então seria melhorar o processo produtivo. Não que estas mudanças sejam ruins,
elas apenas não estão diretamente ligadas com o real problema do departamento de
compras. Então o melhor passo para começar é pelo processo atrás do problema.
As respostas propostas para o exercícios são:
a. O problema reside basicamente na produção. Ela não consegue atingir o que o
cliente quer. Isso gera custos de garantia e perdas de clientes. Isso gera a
desintegração do negócio.
b. O processo por trás do problema é o processo de produção de tubos. Precisamos
definir um indicador para saber se ele está melhorando ou não.
c. Um bom objetivo seria: Reduzir para zero o número de tubos não
conformes até o fim do esforço de melhoria. Erros comuns aqui incluem:
focar em custos e colocar uma mudança como objetivo.
d. As restrições seriam o próprio projeto do tubos, então é preciso deixar claro que
não mexeremos nos processos administrativos (por enquanto). É importante ter
foco para se resolver um problema.
A Figura 1.3 é uma das formas de esquematiza a lógica do PDSA. A outra seria
pelas letras:
● No P, planejamos nossas hipóteses sobre um problema (ou oportunidade): o que
esperamos com as mudanças? Que métricas vamos ver para entender se deu
certo?
● No D, realizamos nosso “experimento”;
● No S, comparamos os resultados com o que pensamos e assim aprendemos;
● No A, pensamos em como incorporar na rotina o que deu certo e qual será o
próximo passo.
Assim como visto na Figura 1.4, a aplicação dos ciclos PDSA é contínua.
Quando se acaba um ciclo, inicia-se outro, o que chamamos de “conectar” seus ciclos
PDSA.
Lembretes: o ciclo PDSA pode ser usado continuamente ou pontualmente. Sua lógica
inspira a realização de melhorias.
9. Projetos de Melhoria
Foi visto no tópico sobre o Seis Sigma o que é a ideia de um projeto de melhoria,
podemos aprofundar os seus conceitos. Um projeto de melhoria é uma sequência de
atividades realizadas com o objetivo de entregar uma melhoria em um processo. As
soluções para gerar essas melhorias são desconhecidas. Descobri-las faz parte do escopo
do projeto.
O Projeto de Melhoria normalmente é organizado a partir de um roteiro (como o
roteiro DMAIC). Pode ser simples ou complexo, dependendo do número de pessoas
envolvidas. Porém ele sempre deve partir do princípio que o projeto não tem uma
resposta conhecida. Esse detalhe minimiza as chances que a mudança implementada não
seja realmente uma melhoria. O roteiro trabalha com “palpites”.
As características marcantes para realizar um bom projetos são:
● Começa com um problema ou oportunidade;
● É percebido por muitos, inclusive pela direção;
● É recorrente;
● Não tem uma solução clara.
Também é relevante fazer perguntas teóricas sobre ele: Esse é o projeto certo?
Com as pessoas certas (na equipe e no suporte)? Pode ser cumprido dentro do tempo
(até 9 meses)? Assim como vimos, algumas equipes selecionam um grupo de mudanças
para serem implementadas que não respondem a tais perguntas porém que seja de fácil
aplicação, o que não é ideal.
Para dados:
Para processos:
● Os 5 por quês;
● O diagrama de Ishikawa, ou diagrama de causa e efeito;
● Diagramas de árvore;
● Análise de Valor;
● Criação de Poka-Yokes;
● Análise de desconexões;
● As técnicas de criatividade;
● Os conceitos de mudança.
2. O SIPOC
O SIPOC é uma ferramenta que descreve um processo. Entretanto, ele não faz
isso evidenciando o fluxo do processo (o que pode ser muito confuso de ser detalhado),
como um fluxograma, mas sim evidenciando a razão daquele processo existir e a
interação do processo com outras áreas na empresa. Seu nome é uma sigla que
exibe o que queremos entender do processo: quem são os fornecedores do processo (S -
Suppliers), quais as entradas para o processo (I - Inputs), quais as etapas do processo
(P - Process), quais as saídas do processo (O - Outputs) e quais são os clientes destas
saídas. Na prática, ele é um formulário (ver Figura 2.1), onde cada sigla é um campo a
se preencher do processo.
Notem que ao fazer isso, estamos começando a mapear o processo que estamos
analisando. Mais para a frente, iremos destacar como usar essa ferramenta para se
mapear com perfeição qualquer tipo de processo.
Na Tabela 2.2 é possível ver algumas dicas para construir o SIPOC:
Resolução:
O exemplo de como funciona o processo de coleta de sangue tem como objetivo
identificar as entradas e saídas. Se fosse definido primeiro a saída, é sabido que o mais
importante do processo é o resultado do exame de sangue, que é consumido pelo
médico (ou pelo paciente). A saída não é o sangue. Aliás, esse nem aparece no SIPOC.
Ele é coletado e é processado inteiramente dentro do processo, portanto não é uma
entrada nem uma saída. Logo as entradas são relacionadas à coleta do sangue, inclusive
o paciente.
É possível notar na Figura 2.2 também que o processo pode não ser realizado da
mesma maneira de um laboratório para outro. Por exemplo, a atividade de “preparar o
paciente” pode ser realizada das mais diversas maneiras, seguindo os mais diversos
procedimentos.
4. Árvore CTC
A árvore CTC, ou CTQ (Critical to Quality) é um diagrama que nos ajuda a extrair
indicadores dos clientes, a partir de suas percepções abstratas. Ela interpreta o que é
feito com o VOC e que deve traduzir em indicadores, assim como visto na Figura 2.3.
5. O Contrato de Melhoria
O contrato de melhoria é um acordo escrito entre o patrocinador do projeto e a
equipe de melhoria. Nele, devemos detalhar claramente o que se espera do projeto:
quais os objetivos a serem alcançados pela equipe e quais os recursos o patrocinador
deverá disponibilizar para tal.
Além disso, é usual em projetos de melhoria descrevermos de maneira sucinta o
incômodo a ser tratado, antes de definirmos os objetivos. A descrição do incômodo ajuda
a contextualizar o esforço de melhoria e a definir a perspectiva mais adequada do
projeto.
FM2S Treinamento em Desenvolvimento Profissional e Gerencial LTDA - ME
Av. Alan Turing, 345 - sala 06 - Edifício Vértice
Cidade Universitária - Campinas - SP - CEP: 13083-898
www.fm2s.com.br
41
O contrato é uma fotografia das coisas no início do projeto, muito útil pois
ele ajuda a estabelecer papéis e responsabilidades, além de deixar a equipe focada no
objetivo. Quando conduzimos projetos de melhoria, sempre que há discussões ou
dúvidas se estamos no caminho certo, recorremos ao contrato. É nele que fica o norte do
projeto, algo que não podemos perder.
As mudanças vão acontecer de maneira natural. Às vezes, mesmo após todas as
discussões do Define, achamos que o problema está em um lugar e quando começamos
as medições iniciais, tudo muda. O escopo é geralmente um caso clássico desse tipo de
mudança.
A seguir, a Figura 2.10 lista os elementos básicos do contrato de melhoria.
Por exemplo:
Os objetivos são descritos ao responder à pergunta fundamental “O que estamos
tentando realizar” e os indicadores em “Como saberemos que uma mudança é uma
melhoria?”, assim como visto na Figura 2.11, do contrato de melhoria do projeto
Despachante Aduaneiro.
5.2.1 Metas
Muito cuidado deve ser tomado ao negociar metas com o patrocinador do projeto,
especialmente se estas metas refletirem na remuneração dos envolvidos. Quando os
funcionários batem a meta, algumas observações devem ser feitas:
1. As pessoas podem distorcer os dados (colocar uns zeros a mais na planilha do
Excel);
2. Distorcer o sistema de medição (colocar aquela “balança viciada” para parecer
mais magro);
3. Omitir ou “expurgar” dados;
4. Alterar a memória de cálculo;
5. Distorcer o sistema como um todo (como o vendedor que, para vender mais,
começa a dar descontos em excesso).
Outra coisa que vale a pena ser dito sobre metas é que, como gestores, nunca
devemos dar uma meta para uma pessoa, sem ensiná-la o que ela deve fazer para
chegar lá. Isso é uma grande crueldade. Devemos priorizar a dedicação da pessoa e a
sua conformidade em relação ao processo, ao invés de meramente os resultados obtidos.
Como dizem na Toyota: é melhor (e mais fácil) ter um processo brilhante do que pessoas
brilhantes.
Metas devem ser elaboradas por métodos, para isso, é necessário ser flexível e
procurar a melhor forma de formulá-las. Procure conhecer outras empresas que bateram
metas similares às suas. O que eles fizeram? Qual foi a estratégia adotada? Como eles
implementaram as mudanças? Entenda o que já aconteceu e trace seu caminho até a
sua meta, sempre utilizando as técnicas de geração de conhecimento específico para que
o seu caminho seja mais suave que o da empresa consultada. Essa iniciativa se chama
benchmarking.
Por fim, renegociações são possíveis no contrato, poucos projetos terminam sem
reformulações em seu contrato. Isso acontece com o tempo porque o escopo pode
mudar, a equipe e os recursos podem mudar, além de eventos externos não previstos.
Por isso, não pode ser impedido que as metas mudem também.
Dados são os “pacotes individuais de informação” que nos levam a tomar essas
decisões. Por sua importância no nosso entendimento do mundo, eles são pontos
centrais no Lean Seis Sigma.
Dados estão sempre vinculados:
● A um “evento” (Em melhoria, esse evento é, na maioria das vezes, vinculado a
um processo ou atividade);
● A uma “característica” (que é o que observamos do evento – e podemos observar
por diversas lógicas diferentes).
A estatística é a ciência que nos ajuda a lidar com estes dados. Ela nos ajuda:
● A modelar o problema (fortemente ligado ao contexto);
● A garantir que as informações sejam confiáveis (em outra palavras, a coletar
bons dados);
● A estruturar os dados para a análise;
● A evitar problemas que nos confundem facilmente (como a variação);
● A formular um entendimento melhor do contexto.
2. Coleta de dados
Até agora estivemos falando na parte do Measure como enxergar os processos
através do entendimento da sequência de suas atividades e das inter-relações entre
essas atividades. Agora iremos começar a analisar os processos através dos dados que
eles nos enviam.
Essa porta é talvez a grande contribuição do Green Belt na análise de melhorias.
Aqui, vamos ensinar várias ferramentas estatísticas, como os Gráficos de Controle e a
Análise de Capabilidade.
A princípio a coleta de dados segue um passo a passo:
1. Estruture os dados que você precisa (estrutura de banco de dados);
2. Crie uma definição operacional clara para os dados que você irá coletar;
3. Identifique a população e a amostra para realizar a coleta de dados;
4. Crie as ferramentas necessárias para a coleta dos dados (formulários de coleta de
dados, folhas de verificação, sistemas, etc.);
5. Colete os dados.
Lembre-se que temos vários tipos de dados que podemos coletar, que vão nos
possibilitar várias análises depois. As informações coletadas para esse exemplo
montaram a Tabela 3.2.
13. Motivos para ligações perdidas em 14. Caso seja, a que Partido Político é
um Call Center filiado
15. Fontes de consumo de água em 16. Caso seja, a que Partido Político é
uma residência filiado
5. Contagem 6. Classificação
7. Contínuo 8. Classificação
Um dos pontos mais importantes que devemos definir são as variáveis. Isso
porque elas serão coletadas por mais pessoas e porque é sobre elas que faremos as
análises. Temos que deixar bem claro, ao medir o valor de determinada variável para um
dado evento:
● O objetivo daquela medição;
● A característica de interesse;
● O instrumento de medição;
● O procedimento/método de medição;
● O critério de classificação.
Lembre-se:
● Sempre teste a definição operacional antes de colocá-la em prática!
● Ela deve estar clara para os coletores, bem como as definições e critérios.
Desta forma temos um intervalo para a média de uma população. O erro também
é chamado de intervalo de confiança.
Tenho 95% de certeza que a altura média dos brasileiros fica entre 188 e 198 cm.
95% das amostras que eu coletar vão estar com a média entre 148 e 198 cm.
Mas essa média seria confiável? Para diminuir o erro é possível aumentar o
tamanho da amostra ou ter uma amostra mais homogênea.
A Figura 3.11 traz dados de voos de uma companhia aérea escritos em um dos
exemplos dados, o Formulário de dados.
Na prática, fazemos todas elas “em conjunto”. O que não podemos fazer é usar
essas análises de maneira errada ou nos perder em conclusões insuficientes.
Na Figura 3.14 temos claramente uma melhoria. O processo, de fato, mudou seu
patamar de variação, porém o comportamento do processo pode não ter a ver com a
mudança. A menos que a mudança tenha começado a dar resultado antes de ser
colocada em prática (semana 7), neste cenário não temos um caso de melhoria pela
mudança claro. O que os dados do Cenário 1 nos mostram é que algo aconteceu no
processo que fez com que ele mudasse de comportamento.
E na Figura 3.16 novamente não temos uma melhoria. Sim, a mudança causou
uma variação significativa no indicador, mas não foi uma melhoria.
Isso porque melhorias devem ser perenes, duradouras. Neste caso temos a
mudança causando uma queda temporária no indicador, entretanto o mesmo volta a
subir após algum tempo. Este comportamento é típico de campanhas de conscientização,
que funcionam por um curto período, mas melhoram de fato. Não é esse o tipo de
resultado que devemos buscar em nossos projetos.
Na Figura 3.17 temos um caso muito parecido com o Cenário 3. Não temos uma
melhoria gerada pela nossa mudança. Algo aconteceu que mudou o patamar de trabalho
do processo, porém não teve nada a ver com a nossa mudança.
É importante relacionarmos às variações significativas em nossos indicadores à
nossas mudanças, pois só assim poderemos adquirir mais conhecimento sobre o
processo a fim de melhorá-lo.
Por fim, temos mais dois caso de não-melhoria na Figura 3.18. O cenário 6 é um
caso interessante, pois a diferença entre a semana 4 e a semana 11 foi causada por um
“ponto fora da curva” na primeira medição.
Isso acontece bastante, e tais pontos são o que definiremos futuramente como
causa especial. Algo aconteceu na semana 11 que fez o tempo de ciclo explodir naquela
semana, mas depois dela, o indicador retornou à estabilidade e o processo continuou
estável.
FM2S Treinamento em Desenvolvimento Profissional e Gerencial LTDA - ME
Av. Alan Turing, 345 - sala 06 - Edifício Vértice
Cidade Universitária - Campinas - SP - CEP: 13083-898
www.fm2s.com.br
67
Vamos ver mais pra frente que quando isso acontece, nem sempre é uma boa
estratégia analisar todo o processo. Temos que analisar apenas a causa especial e
identificar o que pode ter acontecido ali.
Este exemplo dos cenários mostra como podemos tomar as conclusões erradas
caso não saibamos analisar dados. É um aviso importante. Neste caso específico, assim
como em vários da vida real, chegamos à conclusão errada simplesmente por não
entender a variabilidade natural dos nossos dados. A seguir, iremos entrar em mais
detalhes sobre este assunto.
4. O gráfico de tendência
O gráfico de tendência é a mais simples ferramenta para análise de variação. Ele
consiste em plotar uma métrica ou medida ao longo do tempo, traçar no eixo Y o
indicador de interesse e no eixo X a linha do tempo. Com ele podemos:
● Identificar causas especiais;
● Identificar tendências;
● Analisar o comportamento natural do processo;
● Inferir sobre a estabilidade da medida;
● Variação;
● Sazonalidade;
● Ciclos;
● Anomalias.
A montagem dos subgrupos, vista na Figura 3.20, é feita da divisão das medidas
individuais do banco de dados.
5. Gráficos de frequência
Um gráfico de frequência, como o nome já diz, avalia a frequência que
determinado valor de variável aparece em nosso banco de dados e o demonstra de
maneira visual.
Existem vários tipos, para diferentes tipos de variáveis. Eles nos ajudam a:
● Ter uma visão de como uma variável se comporta;
● Entender diferenças de comportamento;
● Ter uma visão estática dos nossos dados;
● Entender a centralidade e a quantidade de variação atrelada a determinada
variável.
Entender que existe uma distribuição correta para um tipo de dado correto é
fundamental para usarmos os gráficos de controle e as análises de capabilidade
corretamente. Temos que entender qual é o tipo de variável e o gráfico adequado para
ela.
FM2S Treinamento em Desenvolvimento Profissional e Gerencial LTDA - ME
Av. Alan Turing, 345 - sala 06 - Edifício Vértice
Cidade Universitária - Campinas - SP - CEP: 13083-898
www.fm2s.com.br
80
Além disso, temos que conferir se, de fato, nossos dados podem ser aproximados
pelas distribuições usadas nestas análises. Tomamos por exemplo as variáveis contínuas.
Apesar da maioria dos processos que são aproximados por variáveis contínuas serem
normais, pode ser que algumas vezes eles não possam ser aproximados por essa curva.
Um exemplo disso é apresentado na Figura 3.31. Nela, temos um processo que
apresenta um comportamento natural, porém não aproximadas por uma normal. Quando
analisamos ele com um gráfico de controle que usa uma distribuição normal para estimar
seus limites, vamos ter vários apontamentos de causas especiais que, na verdade, não
são anomalias estatísticas.
Se usamos um gráfico de controle baseado em uma distribuição que não
representa os dados, vamos cometer erros. Isso porque estamos estimando o
comportamento do nosso processo com uma distribuição inadequada para os nossos
dados. Isso fará com que tomemos decisões erradas, nos enganando com a variação
existente em um processo. Em geral, antes de usar uma ferramenta estatística de
análise de processo (o gráfico de controle ou a capabilidade), temos que avaliar se os
nossos dados podem ser aproximados por uma distribuição padrão.
10.2 O gráfico U
Esse gráfico é indicado quando são feitas contagens de ocorrências (erros,
defeitos, acidentes, mudanças, etc. ) e usam a distribuição de Poisson como base. Os
gráficos Us, em geral mostram indicadores do tipo “taxas” (defeitos por peças, acidentes
por km rodados, etc.). Para montá-los, precisamos definir, como na Figura 3.36, qual é
o nosso subgrupo e coletar as estatísticas para estes subgrupos.
11. Capabilidade
Análises de Capabilidade nada mais são do que comparar a variação natural do
processo com as especificações do cliente. A amplitude da curva normal está relacionada
às especificações do cliente, por exemplo como é ilustrado na Figura 3.42. Assim
podemos ver o desempenho do processo e prever perdas futuras. A análise paramétrica
é ótima para tudo isso.
𝑇𝑜𝑙 𝐿𝐸𝑆−𝐿𝐼𝐸
𝐶𝑝 = 6×𝐷.𝑃.
= 6×𝐷.𝑃.
(3.1)
No primeiro gráfico da Figura 3.46 o processo está estável e dentro dos limites do
cliente, o que é um bom sinal. Nesse caso, temos que pensar em manter o desempenho
e, caso necessário, reduzir os custos.
O segundo gráfico à direita mostra um processo também estável, porém os
limites de especificação do cliente são menores do que a variação natural do processo.
Isso indica que sempre teremos itens defeituosos sendo gerados pelo cliente. Para
melhorar este processo, temos que atuar sobre as causas comuns, procurando maneiras
de diminuir a variação natural do processo.
Já os processos na segunda linha estão instável. O primeiro processo está
instável, porém até agora não tivemos um item fora dos limites de especificação. Neste
caso, nosso foco deve ser em estabilizar o processo, fazendo com que ele atue apenas
com causas comuns. O processo no canto inferior direito está instável e fora dos limites
de especificação, o que é muito ruim. A primeira coisa que devemos fazer é garantir que
o processo se estabilize.
Vimos várias vezes a Figura 3.48 como o sistema proposta por Deming sobre as
organizações. Acontece que na vida real, não é fácil chegar nesse estágio onde tudo está
organizado e detalhado.
Na prática, vemos algo como na Figura 3.49: uma série de pessoas
(representadas pelas bolinhas) realizando uma série de atividades (caixinhas) que
transformam sabe-se lá Deus como, entradas (caixas em terracota) em saídas (caixas
azuis) para os clientes. A ordem dessas atividades é confusa. Determinadas pessoas
desempenham papéis diferentes ao longo do fluxo e, muitas vezes, estão envolvidas em
mais de um processo. Por exemplo, a pessoa do “financeiro” da empresa, ela recebe
pagamentos dos clientes, paga fornecedores, controla custos e monitora o caixa. Cada
uma dessas atividades corriqueiras está ligada a processos diferentes.
12.1 Mapeamento
Mas como realizar um mapeamento na prática? Um sequência deve ser seguida.
O mapeamento dos processos, quando bem feito, traz uma série de benefícios
para a equipe de melhoria. Com ele é possível ter muitos ganhos:
● Facilita o aprendizado da equipe sobre o processo;
● Torna o que está acontecendo visível;
● Demonstra papéis e relações entre os envolvidos no processo;
● Identifica gargalos, desconexões, etapas desnecessárias, etc.
● Permite medir o tempo das atividades;
● Identifica “quick wins” do projeto.
13. Fluxograma
Fluxogramas, como já falamos, são representações gráficas dos nossos processos
e mostrar como um processo funciona, por exemplo a Figura 3.55. Existem vários tipos
de fluxogramas que nos ajudam a observar diferentes aspectos dentro do nosso
processo. Vamos ver alguns destes tipos nos próximos tópicos.
Dica 1: Use gráficos para mostrar a variação natural (eles são melhores que tabelas);
Dica 2: Contextualize a informação dos gráficos;
Dica 3: Faça bom uso do espaço;
Dica 4: Faça bom uso das cores e contrastes;
Dica 5: Use estratificações e seja coerente.
Tipicamente, passamos muito mais tempo nos incêndios do que agregando valor
ou melhorando a empresa. Diante disto, pergunto: qual é o futuro de nossa organização
se continuarmos assim? E, se mudarmos esta proporção? É possível sentirmos um
impacto nos nossos indicadores?
Agora, vamos para as abordagens de mudanças que você poderão adotar para
criarem suas mudanças de segunda ordem e elevarem a organização a patamares
elevados.
Uma boa estratégia para buscar melhorias de segunda ordem é analisar estes
pontos mais a fundo. Duas ferramentas clássicas nos ajudam a fazer isso é o Diagrama
de Ishikawa (ou diagrama de Causa e Efeito) e a ferramenta dos 5 Porquês,
apresentados nos próximos tópicos.
O diagrama Ishikawa pode ser feito no Excel e Minitab. Manter o diagrama como
arquivo digital é importante para a gestão do conhecimento. Assim, não se perde o
estudo realizado que poderá ser consultado sempre que for preciso.
O exemplo da Figura 4.3 representa um processo de identificar as causas que
deixam os hóspedes insatisfeitos em um hotel. Na figura, a estratificação das causas foi
em recepção, apartamento, restaurante e comodidade, porém o problema pode ser
desenvolvido de acordo com o brainstorming da equipe que esteja elaborando o
diagrama.
● Defina o seu efeito: é a fase em que é definido o defeito e seu contexto através
da coleta de informação. A saída será o preenchimento do efeito no diagrama
(preencher efeito);
● Defina a metodologia de início da discussão: definir como o efeito será abordado.
O facilitador deve chegar com as causas definidas para evitar debates
desnecessários. A saída é o preenchimento da causa no diagrama (preencher
causa);
● Colete as sub causas prováveis: é a fase de geração de subcausas através do
brainstorming. Quanto mais sub causas prováveis, mais rica será a proposição de
ações corretivas (preencher subcausas);
● Revise o diagrama: combine subcausas, obtenha dados confiáveis, faça
experimentos para saber quais causas são prováveis, priorize causas para atacar;
● Proponha ações corretivas: aprofunde-se nas causas priorizadas, proponha ações
corretivas e execute-as.
3.2 Os 5 porquês
Os 5 porquês foi uma ferramenta criada na Toyota para fomentar o senso e
crítico e a capacidade analítica no Gemba.
Seu objetivo é forçar o pessoal da base a investigar e propor boas mudança.
Se aplicado corretamente, ele aumenta a capacidade da operação na realização
de Kaizens.
Apesar de ser uma técnica poderosa, precisamos tomar cuidado com alguns
pontos. São eles:
● Tendência de parar nos sintomas ao invés de aprofundar no nível de causas;
● Incapacidade de ir além do conhecimento atual do investigador: não é possível
encontrar as causas que ainda não são conhecidas.
● Falta de apoio para ajudar o investigador a fazer o “porquê” correto;
● Os resultados não são repetíveis: pessoas diferentes, utilizando os 5 porquês
chegam a diferentes causas para o mesmo problema.
● Tendência de isolar uma causa única, enquanto que cada pergunta pode suscitar
muitas causas diferentes.
Ao usar o “Por que?” atente para o fato de que a resposta em cada estágio
corresponde a um determinado nível de entendimento do problema. E, para aumentar o
entendimento, são necessários investigações e testes.
Para o preenchimento da técnicas de, assim como visto na Tabela 4.5, é preciso
conhecer o processo. Não deve ser um exercícios de chute. Para cada nível de
entendimento do problema há uma mudança correspondente.
O culpado pela má utilização dos 5 porquês: muitas vezes, por motivo de prazo ou
desinformação, as pessoas preenchem este relatório com teorias não testadas sobre o
que eles acham serem as causas. Isto é errado. Uma investigação de causas como
vimos, envolve testes, definição de hipóteses e muita investigação antes de
preenchermos o RNC. Preenchê-lo em “30 minutos” causará um aumento de custos e
perda de validade na análise.
4. Desconexões
Uma desconexão é um desvio, erro ou disrupção em um fluxo de trabalho, que
impede o alcance de uma situação desejada. São como fios soltos em um processo.
Podem acontecer nas saídas, entradas e nas próprias atividades do processo, assim
como exemplificado na Figura 4.4.
5. Análise de Valor
A análise de valor é uma ferramenta que classifica tudo o que fazemos (como as
etapas de um processo, os passos de uma atividade, etc.), para entender se aquilo está
gerando valor para o cliente.
FM2S Treinamento em Desenvolvimento Profissional e Gerencial LTDA - ME
Av. Alan Turing, 345 - sala 06 - Edifício Vértice
Cidade Universitária - Campinas - SP - CEP: 13083-898
www.fm2s.com.br
120
Valor é aquilo que realmente é importante para o cliente, ou seja, aquilo que ele
pagaria por. Fazemos muitas coisas que não agrega valor. Temos que entender quais são
e tentar mudar essa realidade.
Toda análise de valor parte dos passos:
1. Saiba o que é valor para o seu cliente (interno e externo) – Isso vem do Measure
e do Define.
2. Descubra, no detalhe, o que está acontecendo – este é o mapeamento de
processos do Measure.
3. Critique as atividades sendo realizadas. Classifique-as.
4. Tome ações para mudar o que está acontecendo.
A Figura 4.5 mostra uma árvore de decisão que ajuda a identificar as atividades
que agregam ou não valor.
No caso, as atividades que não agregam valor (NAV) às vezes são necessárias e
por isso não podem ser descartadas.
6. Os sete desperdícios
Um dos maiores objetivos do Lean é eliminar desperdícios do processo produtivo.
Mas, o que são desperdícios?
Desperdício (無駄) é toda a atividade que consome energia e recursos sem
agregar valor ao cliente, ou seja, aquilo que fazemos mas que o cliente não está disposto
a pagar. Tudo a ver com análise de valor!
Identificar os desperdícios pode parecer uma tarefa fácil, entretanto encontrar
essas atividades pode ser difícil. Pensando nisso, vários autores experientes na prática
do Lean listaram sete desperdícios visuais, que podem ser facilmente identificados e
quantificados em uma visita ao Gemba (chão de fábrica). A Tabela 4.7 mostra a
descrição de cada um dos desperdícios:
A Figura 4.6 mostra alguns exemplos de desperdícios e como eles são visuais e
podem ser identificados por um bom observador.
7. A ferramenta do ECRC
O ECRS é uma ferramenta, um modo de pensar, que nos ajuda a desenvolver
mudanças em processos que não agregam valor. Foi criada pelos americanos na
Segunda Guerra e serviu de base para boa parte das ferramentas modernas (como o
SMED, para redução de tempo de setup).
Como o próprio nome já diz, temos que olhar para o mapeamento e pensar:
● O que pode ser Eliminado?
● O que pode ser Combinado?
● O que pode ser Reduzido?
● O que pode ser Simplificado?
Para cada pergunta a Tabela 4.8 apresenta exemplos que geralmente aparecem
na vida real.
As ferramentas que mais nos ajudam a entender estes erros e evitá-los são os
Poka-Yokes.
8.1 Poka-Yoke
Vocês já viram arranjos como os da Figura 4.7?
8.2 Métodos
O Poka-Yoke pode ser implementado em qualquer etapa de um processo de
fabricação em que algo possa dar errado ou ocorrer um erro. A Figura 4.8 apresenta
algumas estratégias de implementação.
9. Uso da Tecnologia
Define-se tecnologia como a ciência de aplicação prática, incluindo equipamentos,
materiais, sistemas de informação e métodos. Tecnologia pode ser usada para gerar
mudanças de segunda ordem. Por exemplo, uma empresa de distribuição pode tentar
uma mudança que usa automação para pegar e empacotar pedidos. Se aplicadas
corretamente, as novas tecnologias oferecem às organizações a oportunidade de
implementar grandes melhorias simplesmente aplicando aquilo que os outros têm
desenvolvido. De qualquer forma, grande quantia de dinheiro e tempo são necessários
para fazer acontecer uma mudança que envolva tecnologia especialmente numa indústria
capitalista como a de manufatura. Em algumas situações, a mudança pode nem mesmo
resultar em melhoria.
Usar a tecnologia é ter aplicação prática da ciência, incluindo equipamentos,
materiais, sistemas de informação e métodos). Alguns aspectos:
● Se bem empregadas, dão à empresa a oportunidade de grandes melhorias,
aplicando o que os outros já desenvolveram;
● Requerem dinheiro e tempo;
● É necessário testar em pequena escala para minimizar o risco;
● Como toda mudanças, sofrerá resistência das pessoas;
● É necessário ter plano de transição do velho para o novo.
Uma ideia promissora pode ser esmagada antes que tenha a chance de ser
aperfeiçoada em uma mudança que resultaria em melhoria. Uma pessoa pode facilmente
imaginar as objeções lógicas que surgiram de outros. Exemplo: é comum que em
reuniões do departamento de distribuição, alguém sugira preparar remessas
antecipadas. Se Paulo, como Supervisor, não apoiar essas ideias, o risco de perdê-las é
grande. Para conquistar a criatividade, é necessário reconhecer e utilizar diferentes
modos de pensamento
● Pensamento Criativo, que resulta em novas ideias e possibilidades;
● Pensamento Positivo Lógico, que se refere a como fazer uma nova ideia
funcionar;
● Pensamento Negativo Lógico (Crítico), que é focalizado em encontrar falhas
lógicas numa nova ideia.
12.1 Correlação
Correlacionar variáveis é entender como uma variável de entrada em nosso banco
de dados (X) influência em nossa variável de interesse (Y).
Exemplo: a quantidade de farinha (X1) e a temperatura de assar o bolo (X2)
influenciam em seu sabor (Y)?
Para descobrir essas correlações, temos uma série de ferramentas. Elas podem
ser simples (para amostras) ou então mais avançadas (para correlacionar populações).
Antes de começar qualquer análise é importante classificar as variáveis sob dois
aspectos: se é dependente ou independente, e se é numérica ou categórica. Estas
duas classificações são fundamentais para definirmos qual tipo de ferramenta estatística
utilizar para analisar a relação entre as variáveis. Se não adotarmos o estudo adequado,
não conseguiremos avaliar corretamente a existência de uma relação. E, sendo assim,
não saberemos em qual variável independente focar para alcançarmos a meta desejada.
Após definir qual o tipo de variável, deve-se escolher qual técnica estatística será
utilizada para analisar a relação dos dados. De acordo com a tabela, é possível encontrar
as técnicas disponíveis para analisar a relação entre X e Y numéricas, X numérica e Y
categórica, X e Y categóricas e X categórica e Y numérica. A complexidade das técnicas
utilizadas também variam. Muitas vezes, técnicas simples e visuais resolverão o
problema. Outras vezes, será necessário um refinamento maior das análises utilizadas.
A seguir, iremos explorar essas análises e comentar sobre as ferramentas
propostas.
As análises de regressão, através do ajuste estatístico dos dados, nos ajuda a ter
parâmetros para entender esses problemas.
Geralmente os cálculos para determinar esses parâmetros não são tão simples
(mas nem tão complicados assim). O gráfico de regressão pode ser calculado pelo
Minitab, vide exemplo na Figura 4.19. Nesta parte do curso, vamos focar nas análises de
regressão do ponto de vista da interpretação dos resultados do Minitab.
𝑌 = 𝑏0 + 𝑏1(𝑥) (4.1)
13.2.5.2 O R²
Como visto, R² é a medida de ajuste de um modelo estatístico linear. Varia entre
0 e 1. Quando aparece em porcentagem, deseja expressar a quantidade da variância dos
dados que é explicada pelo modelo linear.
2
Figura 4.23 - O 𝑅
2
Para os valor de 𝑅 altos (>0,7), se diz que os dados têm forte correlação. Nos
exemplos da Figura 4.24, vemos dois gráficos, um com forte correlação e outro com
baixa correlação. As correlações podem ser positivas, caso uma variável interfira
positivamente em outra e negativa, caso o crescimento de uma variável afete
negativamente a outra.
2
Figura 4.24 - Exemplos de 𝑅
Os dados adicionais que o Minitab fornece, são sobre a Variação Total, que é o
próprio R2. Como visto na Figura 4.25, esse valor representa o somatório do quadrado
das variações.
2 𝑆𝑆𝑅𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜
𝑅 = 𝑆𝑆𝑇𝑜𝑡𝑎𝑙
(4.2)
2
Ao realizar o cálculo (4.2) o resultado será a correlação do gráfico, o valor de 𝑅 .
2 1527843
→𝑅 = 1693738
= 90, 2%
13.2.5.3 O p-valor
O p-valor é um valor calculado pelo programa e é mais útil em regressão linear
múltipla, serve para indicar se há ou não correlação entre uma variável preditora
específica e a variável resposta.
A Figura 4.26 apresenta uma resposta padrão de regressão pelo Minitab, que
indica os valores calculados, inclusive o p-valor. Os elementos presentes são:
● Curva de predição;
● R²;
● Relatório da somas dos quadrados (regressão múltipla);
● p-valor (teste de hipótese);
Observa-se que o p-valor tem relação direta com o coeficiente angular, que é o
parâmetro que acompanha a variável do eixo X, o b1. Dessa forma, compreende-se que
quanto mais próximo de 1 for o p-valor, indica uma certeza de que o coeficiente angular
é zero, portanto, não tem impacto na variável Y. Em outras palavras, pode-se afirmar
que a variável de entrada não tem relação com a variável de saída quanto maior for o
seu p-valor.
Isso pode ser facilmente entendido se observada a fórmula (4.1), pois se b1=0,
então nenhum valor de X irá interferir no valor de Y.
O contrário também ocorre, quanto mais próximo de 0 for o p-valor, indica uma
certeza de que o coeficiente angular é diferente de zero, significando que existe algum
impacto da variável X em relação a variável Y.
A partir do banco de dados contendo essas variáveis, foi gerada a regressão linear
múltipla no Minitab. A Figura 4.27 evidência os valores gerados pelo programa.
Observe que além do programa calcular R2, também foi calculado o R2adj (ou R²
ajustado), que nada mais é do que o R2 ajustado para múltiplas variáveis. Dessa
forma, quanto mais variáveis tiverem, melhor será para o fator de ajuste. Outra
informação interessante é o p-valor ser calculado para cada variável, como no exemplo,
para cérebro, altura e peso também, além de calcular para a própria regressão.
Entretanto, isso não altera como os parâmetros são avaliados, pois ocorre da mesma
forma que em regressão linear.
E aí, o que podemos concluir desta análise? Quanto maior o número de aparelhos
de rádio maior o número de doentes mentais. Será que aparelhos de rádio causam
doenças mentais? Precisamos acabar com os rádios?
Apesar da má interpretação dos resultados apresentados na Figura 4.29,
correlação não implica causalidade. Duas variáveis podem estar correlacionadas devido
a:
● A variável X é causa direta da variável Y;
● A variável Y é causa direta da variável X;
● A variável X contribui para a variação em Y, mas não é a única causa;
● Outras variáveis podem estar provocando a correlação;
● Ambas as variáveis estão mudando com o tempo;
● A associação não passa de coincidência.
Vale lembrar que, quando avaliamos essas métricas, temos que lembrar de nossa
discussão anterior sobre população e amostra.
Na maioria dos casos temos a amostra e queremos saber da população. Por isso
temos que usar técnicas que nos permitam avaliar essa incerteza. Um exemplo disso é o
intervalo de confiança, que vimos anteriormente.
Em outras palavras, para correlações simples usamos:
● Histogramas e Dot Plots estratificados (Y contínuo e X categórico ou vice versa);
● Análise temporal estratificada.
● Gráficos de Intervalos para a média (Y contínuo e X categórico);
● Gráficos de Barras (para Y categórico contra X categórico).
As análises são várias. Com uma base de dados pode ser feito diversos gráficos,
como no exemplo da Figura 4.30, em que a comparação entre os processos é visível pelo
Histograma, Gráfico de Análise Temporal estratificada e pelo Gráfico de Intervalos. Cabe
ao profissional interpretar cada um deles.
Exemplo:
“Sempre faço o mesmo caminho de casa para o trabalho. Um colega me propõe
um caminho novo. Será que esse caminho é mais rápido?”
● O que queremos comparar?
Queremos ver se o tempo médio do caminho velho é estatisticamente igual ou
não ao caminho novo.
● Quais as populações?
Os tempos referentes ao caminho velho e os tempos referentes ao caminho novo
● Qual a estatística?
O tempo médio para o caminho A e para o B.
Podemos fazer isso não só para médias, mas para todos os outros tipos de
estatísticas. Essa formalização nos ajudará a entender qual teste vamos usar.
Além disso ela não precisa ser “explícita”, apenas existir “em nossas cabeças”, ou
seja, irá determinar a análise final. Porém a análise muda para as opções matemáticas.
Exemplo:
No caso dos caminhos, queremos testar, para os tempos:
● H: µ𝑛𝑜𝑣𝑜=µ𝑣𝑒𝑙ℎ𝑜 (será que as médias são iguais?);
ou
● H: µ𝑛𝑜𝑣𝑜<µ𝑣𝑒𝑙ℎ𝑜 (será que o novo é mais rápido?).
Vale dizer que todo teste sempre terá duas hipóteses. Uma é o que chamamos de
hipótese nula, ou principal, que é o que queremos avaliar.
A outra é a hipótese alternativa, que é uma implicação lógica do que acontece,
caso a hipótese nula não seja verdade.
Por exemplo, se:
Ho: µ𝑎=µ𝑏 é falsa, então
Ha: µ𝑎≠µ𝑏 é verdadeira.
É como a Figura 4.33. A distribuição vermelha possui média global menor que a
azul. Entretanto, se a amostra for pequena, ela pode ser obtida de uma área da
distribuição que tem média da curva vermelha é maior do que outra área da azul (note a
área sólida de ambas).
Como escolher o teste certo? Depende das variáveis, vide Tabela 4.12. Pode
parecer complicado, mas o Minitab é um dos softwares que ajuda a realizar o teste
correto e interpretar os resultados segundo as classificações das variáveis informadas. A
escolha pode ser feita através do Assistente Minitab.
Na prática, cada teste específico vai ter uma definição formal de hipótese nula e
hipótese alternativa. Lembre-se de identificar qual das hipóteses o software está
apresentando na hora de interpretar os resultados.
O programa Minitab dá uma análise completa dos teste. Um exemplo é ilustrado
na Figura 4.35.
14.3 ANOVA
A ANOVA (Análise de Variância) será a última ferramenta estatística de correlação
abordada no curso de Green Belt. Ela é um tipo bem específico de teste de hipóteses.
Com ele, podemos testar médias para mais de duas populações. Em outras palavras:
𝐻0 → µ𝑎 = µ𝑏 = µ𝑐 𝑒 𝐻1 → µ𝑎 = µ𝑏 = µ𝑐 𝑒 𝐻1 → µ𝑎 ≠ µ𝑏 ≠ µ𝑐 (4.4)
15. Experimentação
A Experimentação é uma prática alternativa à análise de um Banco de Dados
existente. Ela é vital em diversos tipos de problemas onde:
● Não temos dados históricos;
● Os dados históricos não são confiáveis (frente a coleta);
● Os dados históricos não conseguem responder aos nossos questionamentos
(frente à sua estruturação).
Além disso, temos algumas técnicas que são trabalhadas mais a fundo no Black
Belt:
● Experimentos Fatoriais;
● Experimentos Fatoriais Fracionados;
● Experimentos Dicotômicos.
2. Testes de mudança
Os testes são o coração do Improve. Nele, temos que observar como as nossas
mudanças vão se comportar na realidade. Para isso, usamos e abusamos do ciclo PDSA,
assim como visto na fase Improve, representado na Figura 5.1.
A grande pergunta seria: como testar? Estruturar um teste pode nem sempre ser
uma tarefa fácil. Temos basicamente dois estudos mais frequentes quando queremos
testar mudanças:
● Testes do tipo Antes e Depois;
● Comparação simultânea.
1. Padronização:
● Estabelecer práticas e políticas específicas e reconhecidas para servir como um
modelo ou diretriz para um processo.
● As políticas, materiais, métodos e treinamentos documentados costumam ser
chamados de "padrões" ou "melhores práticas".
2. Documentação:
● Registro das mudanças que foram implementadas.
● Organizações dependem da documentação para:
○ Entendimento do processo;
○ Educação e treinamento de pessoas que operam o processo;
○ Comunicar as mudanças a quem se encontra dentro e fora do sistema;
○ Fornecer atualizações em tempo real para documentar melhores práticas,
medidas e outras informações importantes de processos ou de produtos.
Objetivo:
○ Servir como guia para a realização de tarefas críticas comunicando de
maneira direta e objetiva o que e como deve ser executado o trabalho.
Conteúdo:
○ Resultado esperado da tarefa;
○ O QUE e COMO a tarefa deve ser realizada (objetivamente);
○ Ações corretivas;
○ Instruções relacionadas à segurança e meio ambiente específicas da
tarefa.
3. Treinamento:
● Treinamento é quase sempre necessário para implementar mudanças;
● Se a mudança for uma mera extensão do trabalho atual, então uma simples
discussão poderá ser suficiente;
● Entretanto, se a mudança for complexa, um treinamento extensivo poderá ser
necessário;
● Considere o tipo de mudança que está sendo proposta, quem será incumbido de
implementá-la e o nível de conhecimento e experiência dos participantes para
determinar quanto tempo de treinamento será necessário.
4. Medir:
● Documentação adequada não garante que o processo opere como proposto;
● Monitorar o processo através de indicadores é um meio de verificar se as
mudanças propostas estão sendo efetivamente implementadas;
● Medição fornece uma fonte de aprendizagem durante a implementação e um
método de manutenção após a implementação;
● Gráficos de tendência (ou de controle) dos indicadores devem ser utilizados para
monitorar o processo depois das mudanças implementadas;
● Em seguida ● Em projetos de
passa-se a melhoria é útil
responder aos utilizar o 5W2H
outros Ws e Hs para como na fase de
cada atividade; implementação de
mudanças;
● Resta ainda
identificar um
coordenador que
cuidará da gestão
das atividades,
verificando que os
prazos sejam
cumpridos e
intervindo quando
necessário.
Enfim, segue um mapa das fases do roteiro DMAIC, na Tabela 6.4, que ajudam a
seguir as etapas os momentos.
Projetos mal sucedidos podem ser impedidos. O MBB deve estar atento que seu
projeto não esteja nas categorias a seguir:
● Falta de um comando claro por parte da liderança;
● Falta de modelo para realizar melhoria;
● Falta de clareza de onde se quer chegar;
● Falta de recursos dedicados;
● Falta de acompanhamento da performance;
● Falta de habilidade para medir performance e eficácia;
● Falta de clareza se se conseguiu alguma coisa;
● Falta de estimativa financeira do ROI no início do projeto e de sua medição no
final;
● Falta de resposta clara para a pergunta “Porque estamos fazendo esse projeto?”
Logística
● Tempo excessivo para enviar invoice ao cliente depois de executado o
serviço;
● Tempo excessivo para identificar se uma invoice é uma disputa;
● Redução do volume de solicitações de prorrogação de prazos de
pagamento devido ao não recebimento da fatura no prazo por parte do
cliente;
● Redução de inventário de produtos acabados;
● Reduzir tempo de entrega;
● Reduzir porcentagem de entregas defeituosas (peças faltantes);
● Reduzir custos com fretes.
Compras
● Redução de custos com insumos;
● Redução de custos com prestadores de serviços.
Produtividade
● Redução de setup;
● Aumento de OEE.
TI
● Redução do tempo de atendimento de solicitações de serviços;
● Redução do tempo de troca de equipamento entregue com defeitos.
Manufatura
Financeiro
● Reduzir despesas com impostos respeitando legislação
● Encantar e surpreender o cliente e aumentar a demanda por
serviços e produtos
● Atender necessidades dos clientes que nossos produtos não atendem
atualmente;
● Criar serviços que complementam a satisfação dos clientes;
● Desenvolver o design e estética atraentes nos produtos;
● Aumentar vendas cruzadas;
● Aumentar vendas com pacotes de produtos;
● Oferecer produtos e serviços a novos segmentos.
2. Referências
American Society for Quality. Acesso em: https://asq.org/
HARMON, P., Business Process Change. 2ª ed. Amsterdã: Morgan Kaufmann, 2007.
KANG, C. W., KVAM, P. H., Basic Statistical Tools for Improving Quality, 1ª ed. Hoboken:
John Wiley & Sons, 2011.
KNOWLES, Malcolm S., HOLTON III, Elwood F., SWANSON, Richard A. Aprendizagem de
resultados: uma abordagem prática para aumentar a efetividade da educação
corporativa. Tradução de Sabine Alexandra Holler. Rio de Janeiro: Elsevier, 2009.
KUME, H., Statistical Methods for Quality Improvement, 1ª ed. Tóquio: 3ª Corporation,
1985.
KUBIAK, T. M.; BENBOW D. W. The certified six sigma black belt handbook. 2nd ed.
Milwaukee, Wisconsin: ASQ Quality Press, 2009. 683p. ISBN 978-0-87389-732-7
KUBIAK, T. M.; BENBOW D. W. The certified six sigma black belt handbook. 2nd ed.
Milwaukee, Wisconsin: ASQ Quality Press, 2009. 683p. ISBN 978-0-87389-732-7
MCCARTHY, T., BREMER, M., DANIELS, L., GUPTA, P. Motorola University, The Six Sigma
Black Belt Handbook, 1ª ed. Nova Iorque: McGraw-Hill, 2004.
MURMAN, E. et al. Lean Enterprise Value: Insights from MIT’s Lean Aerospace Initiative.
1ª edição, Cambridge: Palgrave Macmillan, 2002.
PYZDEK, T. The Six Sigma Handbook, 1ª ed. Nova Iorque: McGraw-Hill, 2003.
PYZDEK, Thomas. The Six Sigma Project Planner. New York: McGraw-Hill, 2003.
SCHEIN, Edgar. The Corporate Culture Survival Guide. The Jossey-Bass Business &
Management Series, 1999.
White, B. Lean Daily Management for healthcare: a strategic guide to implementing lean
for hospital leaders, 1ª edição, Nova Iorque: CRC Press, 2016.
WILLMOT, P. TPM: Total Productive Maintenance: the Western Way, 1ª edição, Oxford:
Butterworth-Heinemann, 1997.
WOLMACK, J. P., JONES, D. T. Lean Thinking. 1ª edição, Nova Iorque: Simon & Schuster,
1996.
YANG, K., EL-HAIK, B. Design for Six Sigma: Roadmap to product development, 2ª
edição, Nova Iorque: McGraw-Hill, 2003.