(FM2S) Apostila - Certificação Lean Seis Sigma Green Belt

APOSTILA
Green Belt
Apostila certificação Lean Seis Sigma Green Belt
[livro eletrônico]. -- 2. ed. -- Campinas, SP :
FM2S Educação e Consultoria, 2024.
PDF
ISBN 978-65-80624-92-8
1. Administração de empresas 2. Desempenho

organizacional 3. Gestão de negócios 4. Mudança
organizacional - Administração 5. Planejamento
estratégico.
Índices para catálogo sistemático:

1. Gestão de processos : Administração 658
Tábata Alves da Silva - Bibliotecária - CRB-8/9253
Quem somos?
Empresa de Educação e Consultoria criada por líderes determinados a com-
partilhar conhecimento de excelência na prática. Mais de 500 mil profissio-
nais já aceleraram suas carreiras conosco.
Somos um dos maiores centros de aperfeiçoamento do Brasil que conta com

cursos nas áreas de: Lean; Lean Seis Sigma; ISO; Gestão de Projetos; Gestão
da Qualidade; Ferramentas de Análise de Dados; Gestão Empresarial; Ges-
tão Industrial; Excelência Operacional; Gestão de Pessoas e Liderança; Soft
Skills; Logística e Saúde.
Temos mais de 100 certificações com o objetivo de garantir uma formação

continuada de qualidade. Em um modelo de assinatura anual, o aluno terá
acesso a todos os cursos disponíveis da nossa plataforma EaD, além de lan-
çamentos de conteúdos mensais e grupos de networking exclusivos.
Nossos instrutores são formados nas melhores universidades do país e já

atuaram em cargos de liderança e de consultoria em grandes projetos, como
Petrobras, RV Ímola, CTC, Tetra Pak, JSL, Login e Somos Educação.
MENU INTERATIVO
Capítulo 1 - Introdução ao Seis Sigma
Capítulo 2 - Define
Capítulo 3 - Measure
Capítulo 4 - Analyse
Capítulo 5 - Improve
Capítulo 6 - Control
Capítulo 7 - Projeto de Melhoria
Referências Bibliográficas
Capítulo 1
Introdução ao Seis Sigma
Clique
ao Índice
para voltar
1. Introdução ao Seis Sigma
A maior dúvida dos alunos an-

tes de conhecer o curso é o que é
o Green Belt, ou até mesmo, o que
é a metodologia Seis Sigma. Dentre
todas as definições possíveis, nós
iremos nos valer desta: a certifica-
ção de Lean Seis Sigma Green Belt
é uma formação que torna o profis-
sional capaz de melhorar processos
e analisar dados, em qualquer tipo
de organização. Ela tem o objetivo
de ensinar várias técnicas, princí-
pios e ferramentas da ciência da
melhoria, transformando o “belt”
em um agente de melhoria em sua
organização. O Green Belt é a cer-
tificação intermediária do Lean Seis
Sigma, uma poderosa Metodologia
para Excelência Operacional, que
iremos aprofundar mais adiante.
Vale lembrar, neste começo, que melhorar processos e

analisar dados são duas das competências mais procuradas
pelas empresas na era da informação, a qual vivemos hoje. Não
há nenhum colaborador de destaque que não tenha bons co-
nhecimentos nestas duas áreas.
Sabemos que melhorar é uma necessidade de qualquer
organização, independentemente do setor ou porte. Quem
não busca a melhoria por conta própria, geralmente acaba
buscando quando sua sobrevivência é ameaçada por concor-
rentes melhores e mais preparados. Diante disto, é consenso
que aprender a nadar quando a água chega na altura do nariz,
não é algo prazeroso.
Para melhorar, o Seis Sigma nos ajuda a buscar a melhoria

por meio de duas grandes portas: a porta dos dados e a porta
dos processos (que iremos aprofundar mais a frente). Pela por-
ta dos dados, nos são ensinados ferramentas estatísticas para
analisá-los, bem como técnicas e con-
ceitos para coletá-los. A metodologia
nos ensina a fazer análises melhores e
com isto, tomaremos decisões melho-
res. Ao aplicarmos os conceitos, trans-
formamos dados em informação útil
à tomada de decisão. A porta de pro-
cessos nos leva à várias técnicas para
enxergar as organizações como pro-
cessos. E processos, são uma série de
atividades que transformam insumos
em produtos ou serviços, agregando
valor ao cliente a cada transformação.
Juntar todas essas ferramentas, por meio do roteiro

(DMAIC), gerando melhorias na organização é o verdadei-
ro objetivo do Seis Sigma e é o que vamos passar neste curso
para você. Com este roteiro, você poderá realizar um projeto
de melhoria, ou seja, uma iniciativa com início, meio e fim, que
irá entregar uma melhoria para a sua organização.
Entretanto, antes de nos debruçarmos nas técnicas e fer-

ramentas, vamos entender a aplicação do tema em uma caso
real. A proposta do Desafio da fábrica TubosMatrix (logo abai-
xo) tem como objetivo contextualizar problemas que as em-
presas enfrentam que podem ser resolvidos com a aplicação
de um projeto de melhoria e metodologias como a do Lean
Seis Sigma. Lembre-se que a situação apresentada no desafio
é algo muito comum nas empresas: temos a meta de melhorar,
mas nem sempre sabemos como. Pronto para o desafio?
2. O Desafio - TubosMatrix
Imagine que o grupo de empresas
em que você trabalha adquiriu uma fá-
brica de tubos de PVC (vamos chamá-
-la de TubosMatrix) como parte de sua
estratégia de negócios. Acontece que
essa fábrica não vai nada bem (e isso
só foi percebido depois que a compra
foi feita). A antiga gerência vinha pas-
sando por terríveis dificuldades, prin-
cipalmente pela péssima qualidade
dos tubos e suas montagens. Os clien-
tes reclamavam a todo momento so-
bre o fato de os tubos estarem sendo
entregues fora de especificação e com
muito atraso, por isso, muitas vezes,
até devolviam a carga completa.
O desafio seria:
Como o agente de melhoria da
empresa, incumbido de resolver
esse problema, faria para fazer
a fábrica dar dinheiro e ganhar
mais mercado?
2.1 Missão
O agente e a equipe de melhoria, então, vão assumir mo-
mentaneamente 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.
2.2 Informações básicas
Dada a missão, você então decide ir até a nova fábrica

(TubosMatrix) e entender como as coisas estão. A fábrica tra-
balha diariamente das 8:00 às 18:00h, de segunda a sexta e o
processo de produção é mais ou menos o seguinte:
1. O material de entrada (tubos PVC) é recebido pelo departa-

mento de compras técnicas;
2. O departamento de compras técnicas avalia os tubos quan-
to às dimensões e resistência;
3. Após aprovados, os tubos são então marcados na altura de

corte;
4. Em seguida, os tubos passam para um

cortador que ajusta os parâmetros de acor-
do com a serra, de maneira a obter uma boa
produtividade. Segundo os antigos donos,
a serra é capaz de produzir cerca de 4000
tubos por dia, mas o histórico de produção
mostra que raramente eles passaram de
2000 tubos por dia.
O clima organizacional encontra-se

péssimo. O ânimo dos funcionários é uma
mistura de depressão, por não conseguirem
se sustentar sozinhos e terem de ser vendi-
dos, com um pavor por demissões em mas-
sa.
A concorrência ainda é escassa, mas esse cenário vai logo

mudar. Uma empresa multinacional líder no mercado mundial
de tubos de PVC já soltou um comunicado de que, em breve, irá
começar a comercialização do seu tubo no mercado da Tubos-
Matrix. O tubo da concorrência é considerado o melhor tubo
de PVC do mundo e o seu preço virá bem competitivo, uma vez
que essa empresa multinacional quer ganhar mercado.
E então? o que você faria neste caso?

3. Mudança e Melhoria:
conceitos e diferenças
Pensando no Desafio proposto, os funcionários decidi-

ram em realizar várias mudanças. Algumas das mudanças mais
clássicas neste exemplo são:
1. Trocar as lideranças para melhorar o clima organizacional;

2. Comprar máquinas novas;
3. Colocar um outro procedimento de fabricação.
Essas mudanças fazem sentido, mas nem sempre elas bas-

tam. Um ponto central da ciência da melhoria é a sua relação
com a mudança. Sabemos que uma boa definição de insanida-
de é fazer sempre a mesma coisa e esperar por resultados dife-
rentes. É impossível melhorar alguma coisa sem que se façam
mudanças. Melhoria requer mudança. Entretanto, mudança
nem sempre resulta em melhorias. Algumas mudanças, inclu-
sive, pioram o desempenho de um processo, portanto, não co-
meta o erro de entender melhoria como sinônimo de mudança,
vide figura abaixo:
Requer
Melhoria Mudança
Nem sempre resulta em
Esse conceito, apesar de parecer óbvio quando exposto
dessa maneira, é traiçoeiro. Em nossa vida cotidiana, estamos
acostumados a pensar sempre em mudar. Em empresas, é co-
mum nos depararmos com planos de ação em que o autor lista
que encontrou 350 oportunidades de melhorias. Está errado.
Ele encontrou oportunidade de mudanças, que serão ou não
melhorias, cabendo ao tempo dizer isto. Então como desenvol-
ver mudanças que tenham grande probabilidade de ser melho-
rias?
Há uma maneira fácil de estruturamos essas mudanças, por
meio das três questões fundamentais da melhoria, apresenta-
das nos próximos tópicos.
3.1 Como estruturar

boas mudanças?
Esta é a pergunta que precisamos responder. Algumas re-

comendações:
1. Saber o que queremos melhorar: ter

foco em mudar o que vai resolver nosso
problema. É usual treinarmos o nosso
olhar para entender que essa resposta
deve ser feita com base em um incômo-
do da organização, que pode ser um pro-
blema presente, ou uma oportunidade de
crescimento. Geralmente, estes proble-
mas e oportunidade estão muito ligados
à um processo dentro da empresa (que está sendo mal condu-
zido, ou então poderia ser conduzido de maneira mais eficien-
te). Iremos comentar mais sobre isso adiante, quando mencio-
namos o “Processo por trás do problema”.
2. Ter alguma forma de resposta, de feedback, para saber-

mos se nossas mudanças vão ou não ser uma melhoria. Isso
geralmente envolve uma métrica.
3. Pensar em alternativas: nunca existe apenas uma mudança

disponível.
4. Ter um método de gerar conhecimento sobre o que funcio-

na e o que não funciona.
Em outras palavras, temos 3 questões fundamentais para nos

ajudar a elaborar essas mudanças:
1. O que queremos melhorar;

2. Como saberemos que a mudança é uma melhoria;
3. Quais mudanças podemos fazer;
E um motor para o conhecimento é o ciclo PDSA, ilustrado na

imagem abaixo:
A P
ACT PLAN
S D
STUDY DO
4. As três questões
fundamentais da Melhoria
Responder as 3 questões fundamentais da melhoria nos

dão o que precisamos para realizarmos um projeto de sucesso.
As perguntas criam um mapa com as principais informações:
1. O objetivo do esforço.
2. As métricas do esforço de melho-

ria.
3. Quais mudanças podemos fazer?

Quais mudanças podemos realizar
para alcançar o nosso objetivo, ou seja,
impactar nosso indicador? Quais mu-
danças não poderão ser feitas? Pode-
mos contratar mais gente? Podemos
colocar mais controles?
As 3 perguntas podem ser respon-

didas de maneira iterativa, ou seja,
não há uma ordem lógica para res-
pondê-las. Comece por qual pergunta
preferir, apenas garanta que todas se-
rão respondidas.
A ordem é livre.
4.1 O processo por
trás do problema
Um dos pontos mais delicados na hora de responder às

três questões, é entender a resposta para a primeira. O que
queremos melhorar? A chave para uma boa definição do pro-
blema é garantir que você está lidando com o problema real
– e não seus efeitos. Por exemplo, se o desempenho em seu de-
partamento é baixo, você pode pensar que o problema é ape-
nas com a falta de vontade das pessoas que trabalham ali. No
entanto, se você olhar um pouco mais criteriosamente, o pro-
blema pode ser que as pessoas estão desmotivadas pois estão
trabalhando em atividades completamente desorganizadas,
onde não há uma visão clara de pro-
pósito e nem métodos eficientes para
conduzir o trabalho. Dizemos que a
desmotivação é causada por um “pro-
cesso ruim”. Ora, sistemas entregam
exatamente o que foram projetados
para entregar. Não há pessoa no mun-
do capaz de fazer um bom trabalho se
o trabalho não for bem definido e es-
truturado.
A primeira questão do Modelo para Melhorias fornece a

oportunidade para definir claramente o que estamos tentan-
do conseguir com este esforço de solução de problema. O for-
mato da apresentação do problema é importante, mas não o
ponto essencial. O essencial é que
cada um envolvido com o esforço
entendam que eles precisam mudar
algo na maneira que eles estão tra-
balhando, ou seja, no seu processo.
O esforço terá mais chance de ser
bem sucedido se todos tiverem as
mesmas respostas para a questão
“o que estamos tentando melhorar?
”. E essa resposta deve visualizar um
processo definido dentro da orga-
nização (iremos trabalhar mais esse
ponto ao longo do curso).
Por isso é fundamental entender o “processo por trás do

problema”. O objetivo é focar a atenção da equipe em mudar
características deste processo (seja como o trabalho é feito,
os instrumentos, a comunicação, etc.), de maneira a resolver o
problema.
4.2 Questão 1 - o que

queremos melhorar?
Dito isso, podemos nos debruçar mais sobre a primeira

questão. Para respondê-la, vale a pena seguir algumas boas
práticas. Primeiramente, tenha em mente que toda organiza-
ção é um conjunto de pessoas trabalhando em processos para
atingir um propósito, mas principalmente que, se algo vai mal,
significa que a maneira com que as pessoas trabalham não está
alinhada com o que o cliente quer. É necessário encontrar o
“processo por trás do problema”.
Algumas dicas para encontrar esse processo:
1. Contextualize. Converse
com todos os envolvidos para
entender o que realmente
está acontecendo. Lembre-se
que o problema é como uma
névoa, todos sentem mas
poucos conseguem definir.
2. Entenda quais são as suas

restrições (o que podemos
e não podemos trabalhar em
um projeto). O mundo é feito
de restrições. Alguns exem-
plos de restrições são: não
contratar mais pessoas ou
não aumentar os gastos. Além
desses, podemos ter restri-
ções de escopo como, não
fazer nenhuma mudança nos
processos de vendas.
3. E as métricas? Tente vislumbrar um pouco das métricas.
Uma vez feito isso, o seu time de melhoria está pronto para
começar a trabalhar.
4.2.1 Defina um objetivo
Se o passo de contextualizar era muito aberto, o passo de
definir um objetivo deve ser muito fechado. Ter um objetivo
formal do esforço de melhoria é importante pois é um ponto
sólido no esforço. Podemos sempre, ao longo do trabalho, fa-
zer uso dele para focar a equipe e as mudanças no que impor-
ta. Após as discussões, force a equipe a sair com um objetivo
claro.
Objetivos claros tem uma

estrutura padrão:
1. Verbo no infinitivo (diminuir

ou aumentar);
2. Indicador, em quanto, onde,
até quando.
Exemplos:
- Diminuir o número de refugos na linha de produção em 38%,
até janeiro de 2021.
- Aumentar as vendas pelo site, de 100 vendas diárias para 400
vendas diárias até março de 2021.
- Diminuir o retrabalho na máquina em 80% até segunda-feira,
08/5/21.
Essa definição clara de objetivo faz com que saiamos da

“fumaça” que geralmente são os contextos das empresas e en-
tremos em algo concreto. Uma vez claro o indicador, podemos
alinhá-lo com o grupo e começar a trabalhar.
4.3 Questão 2 - como saberemos
que a mudança será uma melhoria?
Na hora de verificar se uma mudança deu errado ou certo,
não basta o nosso feeling. Muitas pessoas desenvolvem ao lon-
go do projeto verdadeiras histórias de amor pelas mudanças
que propõem e, como sabemos, tanto amor pode afetar nosso
julgamento. A segunda pergunta só pode ser respondida com
a coleta de dados.
A coleta de dados deve estar ligada à escolha de indicado-

res para o projeto. Um bom indicador:
1. Está ligado a um processo;

2. Todos sabemos o que ele significa;
3. Norteia a equipe de trabalho;
4. É baseado em dados confiáveis.
4.4 Questão 3 - quais mudanças

podemos fazer que vão gerar essa
melhoria?
Não existe apenas uma mudança possível. Geralmente, a

primeira ideia de mudança nem sempre é a melhor. Tome seu
tempo pensando e estudando as mudanças.
Geralmente 4 estratégias são
usadas para desenvolver mudanças:
1. Análise crítica da situação;
2. Uso da tecnologia;
3. Uso da criatividade;
4. Benchmarking.
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 tec-
nologia para a TuboMatrix. Supomos que queremos comprar
novas máquinas, mais modernas e caras.
Entretanto, se o real problema da falta de qualidade da

empresa for a matéria-prima, a utilização da tecnologia não
serviria como melhoria. Ela seria apenas uma fonte adicional
de custos!
Com isso em mente, temos que ter uma boa utilização das
estratégias e, antes de tomarmos uma decisão e implementar-
mos uma mudança, devemos ter certeza que esgotamos as de-
mais alternativas.
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, desmoti-
vados. Frequentemente, a produção entrega tubos não con-
formes 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 co-
meçam 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 cus-
tos para sermos mais competitivos. Os fatos dizem que um dos
problemas é a qualidade, por isso diminuir os custos com ma-
téria prima mais barata não pode ser uma opção. Em segun-
do lugar, demitir funcionários para reduzir custos não garan-
te 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 es-
tas mudanças sejam ruins, elas apenas não estão diretamen-
te 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 garan-
tia e perdas de clientes. Isso gera a desin-
tegração do negócio.
b. O processo por trás do problema é o

processo de produção de tubos. Precisamos definir um indica-
dor para saber se ele está melhorando ou não.
c. Um bom objetivo seria: Reduzir para zero o número de tu-

bos não conformes até o fim do esforço de melhoria. Erros co-
muns 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 admi-
nistrativos (por enquanto). É importante ter foco para se re-
solver um problema.
O Ciclo PDSA
Além das 3 perguntas fundamentais, o Modelo de Me-

lhoria é formado pelo ciclo PDSA. O ciclo PDSA é um roteiro
iterativo de aquisição de conhecimento inspirado no método
científico. Ele nos permite adquirir conhecimento novo sobre
o que estamos fazendo.
Estamos aqui falando de melhoria de processos. Como

melhorar um processo de “apertar parafusos” sem saber uma
maneira melhor de se apertar parafusos do que a já praticada.
Essa maneira, só vem com um conhecimento maior da tarefa
específica “apertar parafusos”. É justamente este conhecimen-
to que o ciclo PDSA nos ajuda a obter.
É importante, neste ponto, não confundirmos o ciclo
PDSA com o ciclo PDCA em que o ciclo PDSA é um método
para a geração de conhecimento, e o ciclo PDCA é um roteiro
de melhoria. Ao longo de um projeto de melhoria, realizamos
inúmeros ciclos PDSA. Ele é mais flexível e fácil de se aprender.
7
1
O que vamos
Como estão
incorporar
as coisas?
no dia a dia?
6
Analisamos! 2
O que saiu Por que
fora do estão assim?
esperado?
5 3
Fazemos? O que
Como está podemos
o indicador? mudar?
4
Como
vamos
fazer?
O esquema acima é uma das formas de esquematizar

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 mé-
tricas vamos ver para entender se deu certo?
• No D, realizamos nosso “experimento”;
• No S, comparamos os resultados com o que pensamos e as-

sim aprendemos;
• No A, pensamos em como incorporar na rotina o que deu

certo e qual será o próximo passo.
O ciclo PDSA padroniza a aplicação do método em proje-

tos de melhoria. Um ponto é muito importante lembrar: o ob-
jetivo do ciclo NÃO é igual ao objetivo do projeto de melhoria.
Um projeto de melhoria pode ter vários ciclos PDSA’s indivi-
duais ao longo do mesmo, visando cumprir um objetivo final
maior.
Conhecimento
A P
ACT PLAN
A P S D
ACT PLAN STUDY DO
S D
A P STUDY DO
ACT PLAN
S D
STUDY DO
Tempo
A aplicação dos ciclos PDSA é contínua. Quando se acaba

um ciclo, inicia-se outro, o que chamamos de “conectar” seus
ciclos PDSA.
6.2 Exemplo - ciclo PDSA
Para tangibilizar a lógica PDSA podemos preencher um

formulário genérico com as demais aplicações, como elaborar
hipóteses e sugestões de melhorias. A partir dessas informa-
ções, a equipe deve realizar experimentos e ver de fato se hou-
ve melhoria ou não.
Para o exemplo a seguir, foram usadas informações da

equipe de Marketing da FM2S e a sua ideia de mudança para
alavancar o setor. O objetivo, ações e experimentos foram pre-
enchidos no Formulário PDSA que você poderá visualizar nas
próximas páginas.
Projeto MKT_1 – PDSA 1.1
Projeto: Geração de Negócios PDSA #: 1 (exemplo) Data: 15/10/2010
Objetivo: Verificar se a publicação de um artigo na revista XY aumenta o indicador número de

visitas no site da empresa.
PLAN
Questões Predições
Q1) A publicação do artigo irá P1) Sim. Deve aumentar em pelo menos 10%, pois
aumentar o número de acessos ao as pessoas irão ler o artigo e irão entrar no site
site? para saber mais sobre o assunto.
Q2) Algum leitor do artigo irá entrar P2) Sim. Ao ler o artigo, pelo menos 5 pessoas irão
em contato via e-mail? enviar um e-mail, para discutir o assunto.
• Que dados serão coletados para responder às questões? Faça um plano de coleta de dados (Quem,
O que, Onde, Quando, Como).
• Como você vai registrar os dados? Construa um formulário de coleta de dados. • Como os dados
serão analisados? Antecipe os gráficos e as técnicas que serão usados para analisar os dados.
• O que pode sair errado na condução desse plano? Prepare-se para observar e
anotar. Dados
Serão anotados:
Número de acessos ao site. Este valor é medido através da ferramenta Google Analytics e o
responsável por medi-lo é o Marquinho. Os dados serão coletados uma vez por semana,
durante duas semanas após a publicação do artigo na revista.
Número de e-mails. Marquinho ficará responsável por acompanhar o número de e-mails
enviados para a caixa da empresa. O acompanhamento será diário, porém o indicador será
analisado semanalmente.
Para a análise do gráfico será utilizado um gráfico de tendência, pois atualmente o número
médio de visitas diárias ao site é de 1.
DO
Execute o que foi planejado. Comece a análise dos dados assim que começar a coletá-los. Algo saiu
errado? Ocorreu algo que não fazia parte do plano?
Número de e-mails recebidos no período: 0

Mudança de Plano: Como nas primeiras duas semanas do mês de outubro não houve
nenhuma mudança significativa, optou-se por aumentar o período de coleta de dados em
duas
© FM2S
All Rights Reserved
Projeto MKT_1 – PDSA 1.1
semanas, cobrindo o mês de outubro todo.
STUDY
Complete a análise dos dados. Foi possível responder as questões formuladas? Resuma o
conhecimento obtido nesse ciclo. Inclua a comparação com o que foi previsto
Não houve mudança significativa com a publicação do artigo na revista. As alterações no

número de visitas ao longo do mês de outubro são todas causas comuns. Ao contrário de
nossas predições, a resposta para a questão 01 foi não, pois o número de acessos ao site
não se alterou com a publicação na revista.
O segundo indicador analisado também se mostrou diferente das predições, já que não houve
nenhum contato via e-mail. Nenhum leitor se manifestou via e-mail, o que o grau de
repercussão estimado (5 pessoas) estava errado.
ACT
Que decisões (ações) serão tomadas com o que foi aprendido?
Há duas maneiras de publicar na revista, uma por meio do envio de artigos gratuitos e outra
pelo envio de artigos pagos (1 página = R$ 3.500,00). Nós fizemos o teste sem custo, já que
conseguimos aprovar o artigo pela modalidade gratuita, porém, poucos artigos da revista são
publicados desta maneira. Se conseguíssemos contatos por meio da publicação que nos
trouxessem lucros maiores que 3,5 K, seria interessante pagar para termos os artigos
publicados, porém, os dados nos mostraram que para o nosso negócio, esta modalidade não
compensa.
Qual será o objetivo do próximo ciclo PDSA?
O próximo PDSA será utilizado para testar outras estratégias para aumento de visitas ao site.
Com os resultados do ciclo PDSA, a equipe de Marketing
resolveu fazer um segundo experimento, com novo objetivo e
atividades, salvo na pasta do curso. O sucesso e desempenho
das ações ficam registradas no Formulário PDSA, o que serve
de aprendizado. Essa é uma maneira estruturada de enxergar
a melhoria, porém com a experiência, escrever no papel pode
ser dispensado.
Lembretes: o ciclo PDSA pode ser usado continuamente ou

pontualmente. Sua lógica inspira a realização de melhorias.
7. O jeito Seis Sigma

de gerar melhorias
O Seis Sigma foi criado por Bill Smith na Motorola e po-
pularizado por meio de seu presidente na década de 1980,
Robert W. Galvin. Agora anunciada como uma das principais
práticas metodológicas para melhorar a satisfação do cliente e
melhorar os processos de negócios, o Seis Sigma foi refinado e
aperfeiçoado ao longo dos anos no que vemos hoje.
Tradicionalmente, emprega uma série de ferramentas de

análise de processos e de dados, com forte viés estatístico,
para buscar: redução de custos, otimização de produtos e pro-
cessos e incremento da satisfação do cliente. O objetivo ideal
é corrigir um processo para que ele seja 99,9997% livre de de-
feitos. Ou produzir apenas 3,4 Defeitos por milhão de oportu-
nidades ou menos!
Embora o Six Sigma dependa de uma liderança forte para
impulsionar a melhoria, um dos princípios da metodologia é
que cada pessoa na organização deve estar comprometida e
compreender o esforço, especialmente o gerenciamento de
alto nível.
A metodologia faz todas as análises de forma a desenvol-

ver processos, projetos e programas de melhoria. Iremos revi-
sar estes conceitos e entender quem são os responsáveis por
implementá-los.
7.1 Processos de negócio
São as atividades rotineiras que

visam transformar entradas de for-
necedores em saídas para atender às
necessidades dos clientes. Para a atri-
buição como processos de negócios,
são consideradas algumas caracterís-
ticas:
• Uma empresa é composta por vários processos (como va-

mos ver mais adiante, no tópico sobre organizações);
• Os processos são tocados por pessoas, trabalhando em equi-

pes;
• Em um processo, todos os dias produzimos saídas parecidas.

7.2 Projetos de melhoria
São iniciativas únicas que visam entender, analisar e me-
lhorar um processo de rotina. A esquematização de um proje-
to de melhoria é observado na abaixo.
• Essa melhoria é geralmente o impacto em um indicador de

interesse da organização (como vamos ver mais adiante);
• A equipe do projeto não necessariamente é a equipe do pro-
cesso;
• É preciso que a organização dê tempo para que as pessoas
possam trabalhar essas iniciativas;
• É justamente nestes projetos que atuam os “belts”;
• Diferentes técnicas são usadas nesta análise e melhoria.
ENTRADAS SAÍDAS
INDICADORES
DE DESEMPENHO
ENTENDER,
ANALISAR,
MELHORAR
<< REALIZAR MUDANÇAS QUE VÃO

GERAR MELHORIAS NOS PROCESSOS >>
7.3 Programas de melhoria
Assim como visto anteriormente, programas de melhoria
são uma série de projetos de melhoria tocados em conjunto,
de maneira a impactar simultaneamente vários indicadores da
organização.
• A equipe (ou área) de melhoria geralmente faz a gestão des-

sa série de projetos;
• Costumam ter um impacto significativo no desempenho da

organização;
ENTRADAS SAÍDAS
ENTRADAS SAÍDAS
ENTRADAS SAÍDAS
GESTÃO DE
INICIATIVAS
7.4 Pontos críticos para
o sucesso do Seis Sigma
No seu núcleo, o Seis Sigma gira em torno de alguns con-

ceitos-chave. Ao investir em Cultura, Estrutura e o Envolvi-
mento das Pessoas, o sucesso do Seis Sigma é mais próximo.
Os pontos são expostos na Tabela abaixo, em que todas dicas
são importantes e devem ser implementadas.
Das pessoas
Culturais Estruturais envolvidas
Cultura de solução Pessoal com

Apoio da alta
de problemas alto nível
administração;
(jeito ocidental); de treinamento;
Pessoal com
Liberação de
Cultura de aptidão para
tempo dos
engenharia; trabalho com
especialistas para
dados e org.
resolver problemas;
para projetos;
Clareza nas metas Uso dos melhores

Cultura de
estratégicas talentos
projetos.
para a melhoria; da organização;
Disponibilidade
de Dados por parte Facilidade
da Organização de aprender
8. O Lean Seis Sigma
O Seis Sigma atual incorpora vários aspectos provenien-

tes do Lean. A ideia é dar ao agente de melhoria (do Seis Sigma
clássico), um repertório de mudanças simples, que vão engajar
o pessoal da operação. Essas mudanças
são inspiradas na forma de trabalhar
das empresas japonesas (principal-
mente a Toyota), que ficou conhecido
como Lean. Ele foca que a melhoria
precisa ser conduzida por todos os co-
laboradores da empresa, com iniciati-
vas simples, visuais e descentralizadas.
Falaremos mais deles a seguir.
Apesar do Lean Seis Sigma como conhecemos hoje ter

uma estrutura ainda projetizada e ser dividido em belts, ou
faixas, ele incorpora outras ideias para o desenvolvimento das
mudanças.
8.1 O que é Lean?
A metodologia Lean é uma filosofia para a melhoria contí-

nua, aplicada através de boas práticas e ferramentas. A Figura
abaixo apresenta de forma os dois grandes pilares do Lean: o
respeito às pessoas e a melhoria contínua.
Liderança Consultiva Desperdícios
Desenvolvimento Melhoria de fluxo

Contínuo
Melhoria
Respeito
Contínua
às pessoas
(Kaizen)
Filosofia Foco no
Compartilhada cliente
Flexibilidade
Gestão Visual de produção
A melhoria contínua, o pilar Kaizen, também conhecida

como melhoria de fluxo, tem como objetivo tirar barreiras do
fluxo natural dos processos. Para fazer isso, junto ao respeito
às pessoas, é preciso transparência, mapeamento e envolvi-
mento coletivo.
O jeito Lean é descrito como:
• É mais uma abordagem contínua do que iniciativas “projeti-
zadas”;
• Envolve a melhoria contínua das pessoas e da liderança;
• É uma mudança cultural.
8.2 Pontos críticos para

o sucesso do Lean
Assim como os pontos para o sucesso do Seis Sigma, o

pontos Culturais, Estruturais e de Pessoas Envolvidas são mui-
to importantes. Na Tabela abaixo são levantadas as caracterís-
ticas mais marcantes que garantem o sucesso.
Das pessoas
Culturais Estruturais envolvidas
Pensamento de Participação
Pensamento
longo prazo; ativa da alta
de longo prazo;
administração;
Alinhamento de
Sincera
Respeito às objetivos com
preocupação
pessoas; todas as partes
com o cliente;
da organização;
Disciplina na Mente aberta

Forte programa de
execução para para mudanças
educação do
criar o hábito radicais;
chão de fábrica;
da melhoria.
Alinhamento entre Pensamento para

alta, média e baixa melhoria
administração. (Lean Thinking).
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 concei-
tos. 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 desco-
nhecidas. Descobri-las faz parte do escopo do projeto.
O Projeto de Melhoria normalmente é organizado a par-

tir 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 chan-
ces que a mudança implementada não seja realmente uma me-
lhoria. O roteiro trabalha com “palpites”.
As características marcantes para realizar um bom

projeto 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 pergun-

tas teóricas sobre ele: Esse é o projeto
certo? Com as pessoas certas (na equi-
pe e no suporte)? Pode ser cumprido
dentro do tempo (até 9 meses)? Assim
como vimos, algumas equipes selecio-
nam um grupo de mudanças para se-
rem implementadas que não respon-
dem a tais perguntas porém que seja
de fácil aplicação, o que não é ideal.
9.1 Como estruturar o projeto?
A recomendação na hora de estruturar um projeto é de

usar o roteiro DMAIC. Vamos aprender várias ferramentas e
técnicas neste curso, mas nem todas precisam ser usadas para
o seu projeto. O esperado é que possamos ver nas cinco fases
que:
1. Você definiu bem o problema a ser

abordado (Define);
2. Você entendeu bem o que estava acon-
tecendo, através da análise dos dados e
dos processos (Measure);
3. Você desenvolveu mudanças com base
nas análises causais dos dados coletados
(Analyze);
4. Você testou essas mudanças de manei-
ra estruturada (Improve);
5. Você implementou e estabilizou o seu
processo (Control).
10. O DMAIC e suas ferramentas
O roteiro DMAIC é composto pelas cinco fases:

Define (definir), Measure (medir), Analyze (analisar), Im-
prove (melhorar) e Control (controlar).
Na fase do Define nós definimos qual é o

problema ou oportunidade queremos tra-
balhar. Nela, respondemos às 2 primeiras
perguntas fundamentais, entendendo a
real necessidade da organização. O maior
desafio aqui é cristalizar as impressões
particulares de cada envolvido no proje-
to para chegar a um objetivo mais palpá-
vel. A saída fundamental da fase Define
é a formulação do contrato de melhoria,
que irá pautar todos os esforços futuros.
Algumas ferramentas usadas nesta fase
são:
• Técnicas do VOC (Voice of Customer), que nos ajuda a cole-

tar informações do cliente;
• O SIPOC, que nos ajuda a enxergar o processo de outra ma-
neira;
• A árvore CTC (critical do customer) ou CTQ (critical to quali-
ty), que nos ajuda a transformar ideias abstratas em indicado-
res concisos;
• O contrato de melhoria, que compila e formaliza todo o dis-
cutido;
• A matriz de análise de stakeholders, que nos ajuda a identifi-
car todos os envolvidos e programar nossas ações de conven-
cimento;
• A matriz de comunicação, que nos ajuda a evitar problemas
do tipo “rádio-peão”;
• O diagrama de afinidades, que nos ajuda a organizar as nos-

sas ideias.
A fase seguinte é a fase do Measure, aonde vamos co-

meçar a entender as coisas como elas são. Essa fase tem duas
frentes de trabalho distintas, ou duas “portas” por onde co-
meçamos nossas medições: a porta de processos e a porta de
dados.
Na porta de processos, nós mapea-

mos o processo atual e entendemos como
ele funciona. Identificamos quais são suas
atividades e como elas se conectam. A
grande saída dessa porta é um fluxograma
que explica exatamente como nosso pro-
cesso transforma suas entradas (maté-
rias-primas) em saídas (produtos ou ser-
viços). Na porta de dados, nós medimos o
desempenho do processo com números.
Para isso, temos que coletar dados (indi-
cadores) sobre o que está acontecendo
e analisá-los. Boa parte das ferramentas
que iremos ensinar no curso de Green
Belt tem o objetivo único de analisar os
dados que coletamos. Algumas ferramen-
tas desta fase são:
Para processos:
• A ferramenta do SIPOC, com ênfase no mapeamento de pro-
cessos;
• A criação de fluxogramas;
• A elaboração de um VSM (value stream mapping, ou mapea-
mento do fluxo de valor);
• A criação de diagramas de espaguete, ou diagramas de layout;
• A análise e criação de instruções de trabalho e definições
operacionais.
Fornecer
Cliente possui melhores
aplicação vantagens
Efetivar a
Fornecer
operação
vantagens
Verificar o de crédito
básicas
perfil do cliente +
Oferecer Informar resultados
novos da operação
produtos
Para dados:
• Formulários de coletas de dados e folhas de verificação;
• Gráficos de tendência;
• Gráficos de controle;
• Gráficos de frequência (histogramas, Box-Plots, gráficos de
barras, de setores, de Pareto, etc.);
• Análises de capabilidade;
• Análises MSA (measure system analysis);
• Ferramentas para a transformação de variáveis.
A terceira fase é a do Analyze. Nela fazemos duas coisas:
analisamos criticamente nossos dados e procuramos desen-
volver mudanças que vão gerar melhorias. Na prática, fazemos
as duas coisas juntas. Ao final dessa fase, já teremos formata-
do as nossas primeiras mudanças a serem testadas. Algumas
ferramentas:
Para dados:
• Estudo de correlação, como

gráficos de dispersão e plani-
lhas de contingência;
• Análise de Regressão Linear.
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.
A penúltima fase é a fase do Improve, onde vamos me-
lhorar as nossas mudanças e começar a melhorar o nosso
processo. Nesta fase nós iniciamos nossos experimentos. As
ferramentas mais importantes a serem trabalhadas são o ci-
clo PDSA e o planejamento de experimentos, usando experi-
mentos fatoriais. Ao sairmos do improve, já vamos saber exa-
tamente quais ferramentas devemos implementar.
A última fase é a fase do Control. Nela de fato implementamos
as mudanças vencedoras. Para que essa implementação seja
bem feita, iremos trabalhar algumas ferramentas de psicolo-
gia, como o diagrama de campos de força e aprender a fazer
bons padrões e bons treinamentos.
As ferramentas estão presentes na página seguinte de

forma visual, em que as cores representam os belts, onde em
amarelo são ferramentas vistas no Yellow Belt, em verde as
demais ferramentas aprendidas no Green Belt e por último as
ferramentas em cinza que são ensinadas apenas para o Black
Belt. Nos próximos capítulos, o curso irá aprofundar cada fase
DMAIC e as ferramentas do Green Belt.
Fase do Define Fase do Measure Fase do Analyze Fase do Improve Fase do Control
SIPOC Mapeamento de Processos Diagrama de Ishikawa Realização de Testes As fases da implementação

VOC (Voice of Custumer) Fluxogramas Análise de Desconexões O ciclo PDSA Gestão da Mudança
Árvore CTC VSM Análise de Desperdícios Testes em paralelo Gestão de Implementação
Formulário de Coleta de
Diagrama de Afinidades 5 porquês Tipos de comparação Andragogia
Dados
Contrato de Melhoria (Project Estudo estatístico de Condução de Programas de
Folha de Verificação Poka-Yoke
Charter) populações melhoria
Hoshin Kanri Gráfico de Tendência Uso da Tecnologia Inferência estatística Gestão de Equipes
Gestão Estratégica de
Histograma Gráfico de Dispersão Experimentação avançada Padronização
Melhoria
Gráfico de Pareto Análise de Correlação Matriz de Priorização Gestão e Mudança Cultural
Análise de Variação Gráfico de Dispersão 5W2H
Gráfico de Controle Correlação Avançada Acompanhamento e OCAP
Plano de Comunicação Técnicas de Criatividade Matriz de Impacto Esforço
Controle Estatístico de
Análise de Capabilidade Anova
Processos
Modelos estatísticos Fundamentos do trabalho em
Regressão Linear
paramétricos equipe
Modelos estatísticos não-
Regressão Logística
paramétricos
Exp. Fatoriais Completos
Exp. Fatoriais Fracionados
Testes de hipóteses
11. A divisão dos Belts
Os “belts” são os diferentes níveis de conhecimento na

metodologia. A ideia foi emprestada das artes marciais (como
o judô ou o karatê), onde cada faixa é o seu conhecimento so-
bre a arte marcial em questão. No Lean Seis Sigma, tradicio-
nalmente temos cinco faixas. O que cada uma representa está
sumarizado na Tabela abaixo.
Cada faixa Seis Sigma têm um nível de conhecimento e

experiência maior. Por isso as ferramentas mais complexas são
realizadas pelos profissionais Green Belt e Black Belt.
White Belt Yellow Belt Green Belt Black Belt Master Black Belt
Domina a
metodologia Domina
Entende o que é a Entende o que é a
profundamente a
metodologia metodologia
Entende o que é a Lidera projetos de metodologia
metodologia alta complexidade
Sabe aplicar passos Sabe aplicar os
Lidera a área de
de um roteiro de passos de um roteiro
Entende o que é um Domina todas as melhoria, orientando
melhoria de melhoria
projeto ferramentas todo tipo de projeto
estatísticas e de
Sabe liderar um Lidera projetos de
Sabe acompanhar processos Domina
projeto de baixa média complexidade
equipes de projeto profundamente
complexidade
Domina todas as ferramentas
Conhece
Conhece apenas os profundamente os
Conhece ferramentas para
fundamentos fundamentos Promove a cultura
ferramentas para análise de dados e
de melhoria na
análise de processos processos
Orienta Green Belts e organização
Yellow Belts
12. As habilidades de
um agente de melhoria
As habilidades do agente de melhoria (que devem ser ad-
quiridas ao longo dos cursos belts) são:
1. Saber aplicar a metodologia em diferentes situações;
2. Entender processos de negócios (ver o processo por trás do
problema);
3. Saber coletar dados qualitativos e quantitativos sobre os
processos;
4. Conhecer os conceitos das metodologias de melhoria;
5. Desenvolver mudanças;
6. Saber planejar experimentos e testar mudanças;
7. Entender como trabalhar e analisar dados (estatística);
8. Estimar o desempenho de um processo;
9. Fazer o projeto andar (convencer as pessoas, conseguir
apoio, vender os resultados);
10. Trabalhar com visualização de dados e processos;
11. Saber comunicar-se de maneira eficiente e trabalhar em
equipe.
13. Resumo do capítulo
A melhoria resulta da aplicação de conhecimento. O cur-

so de Green Belt ensina como as empresas transformam esses
conhecimentos em projetos de melhoria.
Cinco pontos são fundamentais para se conseguir uma

melhoria:
1. Saber o que precisa ser melhorado, com clareza;
2. Ter um mecanismo de feedback para saber se a melhoria
está acontecendo;
3. Desenvolver mudanças que resultarão na melhoria;
4. Testar a mudança, adquirindo conhecimento específico no
assunto;
5. Saber quando tornar a mudança perene, ou seja, quando im-

plementar a mudança.
As empresas sempre terão oportunidades a serem apro-

veitadas, problemas a serem resolvidos e processos a serem
melhorados. Elas sempre precisarão de procedimentos mais
eficazes, produtos mais competitivos e conhecimentos que a
façam desempenhar melhor. Os roteiros são apenas o como
vamos suprir estas necessidades. O Modelo de Melhoria é uma
estrutura que veremos para aplicar os cinco pontos citados do
DMAIC que serão abordados no curso para suprir essas ne-
cessidades.
Capítulo 2
Define
Clique
para voltar
ao Índice
1. Introdução ao Define
O Define é o primeiro pas-

so do roteiro DMAIC. É por ele
que começamos o nosso proje-
to de melhoria. Nele, todas as
nossas ações vão ter o objeti-
vo simples de definir o objetivo
do nosso esforço de melhoria.
Em outras palavras, temos que
achar o processo por trás do
problema, abordado junto às
três questões fundamentais, e
entender o indicador que o re-
presenta e definir o impacto
neste indicador que será o obje-
tivo do projeto.
Essa definição deve ser feita de maneira clara e objetiva,

seguindo a filosofia do Modelo de Melhoria, ou seja, respon-
dendo as 3 perguntas fundamentais (especialmente as duas
primeiras). Na prática, seguimos os seguintes passos no Defi-
ne:
1. Começamos o projeto, conversando com todos os interes-

sados do esforço de melhoria. Aqui, é importante falar com o
patrocinador (que é o líder formal responsável pelo projeto)
para identificar claramente o problema ou oportunidade que
vamos atacar. Temos que entender também a razão pela qual
este problema ou oportunidade é importante para a empresa. De-
vemos entender o contexto do nosso projeto de melhoria.
2. Após esclarecido o problema e o

contexto, temos que entender qual
é o processo por trás do problema,
bem como onde este processo come-
ça e onde ele termina. Entender esse
processo é vital para sabermos qual
o propósito dele, ou seja, o que este
processo está entregando para a or-
ganização. A ferramenta do SIPOC
(que iremos detalhar mais a frente) é
uma ótima ferramenta para descre-
ver este processo.
3. Uma vez entendido o problema e o processo por trás do pro-

blema (que são a resposta para a primeira questão), temos que ter
uma métrica ou indicador para saber se estamos melhorando ou
não o processo. Esse indicador é importante pois é com ele que
vamos, posteriormente, provar que as mudanças que fizemos fo-
ram de fato uma melhoria. A definição dessa métrica (caso ela já
não exista) é um passo fundamental do Define. Geralmente, ques-
tionamos os clientes do processo problemático (aquelas pessoas
que teoricamente usam as suas saídas) e entendemos suas ne-
cessidades. Em seguida, compilamos essas suas impressões em
fatos observáveis. Esse processo é chamado de “VOC”, ou Voice
of Customer (Voz do Cliente). A ferramenta que nos auxilia nesta
empreitada (de transformar as necessidades do cliente em itens
mensuráveis) é a árvore CTC.
4. Em seguida, temos que determinar o objetivo do esforço
de melhoria. Temos que entender qual impacto vamos bus-
car no indicador. Esse objetivo precisa ser formalmente de-
finido (Aumentar ou Diminuir, um indicador, em uma meta,
até um prazo).
5. Ao final da fase do Define, teremos preenchido o Contra-

to de Melhoria do projeto, que é a principal ferramenta de
alinhamento da equipe de melhoria. Este documento é aná-
logo ao Project Charter (ou, Termo de Abertura do Projeto)
utilizado nas metodologias de gestão de projetos. Devemos
também analisar se o objetivo do projeto está alinhado com
os objetivos da organização (checklist de inicialização).
Entenda os Defina os Formalize

Inicie o projeto Defina o processo indicadores
requerimentos
Formalizar o
Conversas com Processo Entender o que é Definir como medir Registrar as
o patrocinador e por trás do esperado daquele e analisar cada definições do
equipe. Entender problema. processo. O que ele direcionador de Define para focar
Atividades
a necessidade Entender é feito com qualidade? qualidade do a equipe.
para fronteiras, Como os problemas processo
a organização. envolvidos e se relacionam com (indicadores). Vislumbrar os
entregáveis. o propósito? Atribuir uma meta. próximos passos.
SIPOC Macro, Contrato

Braisntorming VOC, Árvore CTC,
Diagrama de Matriz de de melhoria,
Ferramentas Árvore CTC Definição
afinidades Stakeholders Checklist de
de objetivos
contrato
SIPOC preenchido, Indicadores: Resposta: “ Como

Resposta para:
Identificação do Expectativas saberemos que as Contrato
Saídas O que queremos
“processo por trás claras de qualidade mudanças são Preenchido
realizar?
do problema” do cliente melhorias?
Para identificar quais as ferramentas utilizar, o Mapa

do fase Define, mostra os objetivos e as saídas esperadas
nas fases do Define abordadas anteriormente.
2. O SIPOC
O SIPOC é uma ferramenta que descreve um processo.
Entretanto, ele não faz isso evidenciando o fluxo do proces-
so (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 empre-
sa. Seu nome é uma sigla que exibe o que queremos entender
do processo: quem são os fornecedores do processo (S - Su-
ppliers), 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, onde cada sigla é um campo a se preen-
cher do processo:
Fornecedores Entradas Processo Saídas Clientes

(suppliers) (inputs) (process) (outputs) (clients)
Passos do Processo
2.1 Como Elaborar o SIPOC

Para criar um SIPOC do processo você deve seguir alguns
passos. São eles:
1. Concordar com o nome do processo.

Lembre-se, para definir nome de um pro-
cesso use verbos no infinitivo mais um
complemento (Ex: Realizar Planejamen-
to Estratégico da Área Comercial);
2. Defina as saídas do processo. As saídas
são as coisas tangíveis que o processo
produz (Ex: um relatório, uma carta, um
produto, etc);
3. Defina os clientes do processo. Estas
são as pessoas ou outros processos que recebem as saídas do
processo. Toda saída deverá possuir um cliente;
4. Defina as entradas do processo. Estas são as coisas neces-
sárias para iniciar o processo. Elas frequentemente são tangí-
veis (Ex: Requisição do cliente);
5. Defina os fornecedores do processo. Estes são as pessoas
ou outros processos que fornecem as entradas. Toda entrada
deverá possuir um fornecedor. Em alguns processos que vão
do início ao fim, o fornecedor e o cliente poderão ser o mesmo;
6. Defina os sub-processos que fazem parte do processo ma-
peado. Estas são as atividades que são feitas para converter as
entradas em saídas. Elas serão a base para o mapa do proces-
so a ser criado a após a elaboração do SIPOC. Lembre-se que
nesta etapa do Define, não é preciso detalhar muito estes sub-
-processos, apenas colocar-los de maneira “macro”, a fim de se
conhecer as etapas. Iremos fazer um mapeamento mais deta-
lhado na etapa do Measure. 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
abaixo é possível ver algumas dicas para construir o SIPOC:
Dicas O que fazer Erros mais comuns

O nome processo define Usar verbo no infinitivo Dar nome utilizando gerúndio
o que ele faz, nem mais mais complemento; ou verbo no passado;
e nem menos;
Use a declaração de
O nome do processo Colocar palavras que
propósitos do processo
não deverá definir seu definem o objetivo do
para definir porquê ele
desempenho e nem seus processo. Ex: Contratar
existe. Isto irá ajudá- lo
objetivos de melhoria; pessoas rápido, melhorar
a identificar os objetivos
os relatórios;;
e as métricas.
As saídas são “coisas”. Saídas que ou são vagas,

As saídas devem
Elas podem estar corretas como “clientes satisfeitos”
especificar o que
ou com erros. Podem ou que contém especificações,
o processo entrega,
atender as necessidades como “relatórios entregues
não o que ele alcança.
do cliente ou não; a tempo”;
Mão de obra e outros

recursos não consumidos
no processo. Eles não
disparam o processo e não
Entradas devem ser sofrem transformação.
especificar os “gatilhos” Entradas são “coisas” Políticas e regras não
do processo e o que supridas pelos devem ser incluídas como
será trabalhado pelo fornecedores entradas. Elas guiam o
processo. do processo. processo, mas não são
trabalhadas por ele.
Entradas podem incluir
instruções operacionais
que são necessárias para
quem executa as atividades.
2.2 Por que usar o

SIPOC no Define?
Lembrem-se: no Define trabalhamos para sair com um
foco claro para atacarmos em nosso projeto de melhoria. Te-
mos que entender as visões de cada uma das pessoas e bolar
um indicador que vá nos balizar durante o resto do projeto. O
SIPOC é útil para se conseguir as duas coisas.
Quando utilizamos o SIPOC, começamos a analisar o nos-

so problema de uma forma extremamente útil para a melhoria:
de forma sistêmica. Começamos a entender com muita clareza
onde está inserido o processo que queremos analisar, enten-
demos onde ele começa, termina e quais são os seus limites.
Além disso, temos declaradas claramente todas as etapas do
processo. Podemos então, com a ajuda do resto do time de
melhoria, analisar criticamente as etapas propostas, tentando
identificar nas discussões direcionadores críticos para a quali-
dade.
O SIPOC também nos permite

identificar pontos para a coleta de
dados. Podemos pensar em indica-
dores diversos para as saídas, para
as entradas e para cada etapa do
processo. Por exemplo: como me-
dir se a saída está com qualidade?
Quanto tempo demora toda a eta-
pa de processamento? Quanto de
rejeito esta etapa está gerando? Quanto aproveitamos de cada
entrada? Todas estas perguntas, elementares a se observar um
SIPOC, podem levar a indicadores bastante úteis em projetos
de melhoria. Por fim, essa visão segmentada e clara do proces-
so também já nos começa a abrir a mente para possíveis mu-
danças no processo: Temos alguma entrada que não precisa-
mos? Deixamos de ter alguma entrada que precisamos? Nesta
etapa, de “preparação do paciente”, qual é o procedimento que
estamos seguindo? Podemos fazer melhor? Essas técnicas de
aperfeiçoamento das atividades serão discutidas em mais pro-
fundidade na etapa do Analyze.
2.3 Exercício - SIPOC

Elabore um SIPOC para o processo comumente conhecido
de “realizar um exame de sangue”. Faça a análise do SIPOC do
ponto de vista do laboratório responsável para o exame.
• Qual é a saída mais importante do laboratório?

• Quem consome essa saída?
• Para produzir essa entrega, o que é necessário entrar para o
laboratório?
• Quem fornece essas entradas?
• Como as entradas se transformam em saídas?
• É assim para todos os laboratórios? O que muda?
Resolução:
O exemplo de como funciona o processo de coleta de san-
gue tem como objetivo identificar as entradas e saídas. Se fos-
se 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 imagem abaixo também que o proces-

so pode não ser realizado da mesma maneira de um laborató-
rio para outro. Por exemplo, a atividade de “preparar o pacien-
te” pode ser realizada das mais diversas maneiras, seguindo os
mais diversos procedimentos.

Médico Paciente Resultado Médico

Laboratório Requisição Realizar
Seringas exame
Agulhas de
Álcool sangue
Outros
Receber
Preparar Retirar Analisar Preencher
paciente
paciente sangue sangue relatório
+ requisição
Passos do Processo
3. O VOC (Voice of Customer)

Uma vez definido o produto e desenhado o processo que
queremos melhorar, temos que definir seus indicadores, para
saber que estamos melhorando. Esses indicadores podem já
ser definidos pela empresa (no caso de termos algo como: au-
mentar a produtividade, reduzir custos, etc.) ou então teremos
que defini-los no Define.
Muitos projetos de melhoria estão baseados na interfa-

ce com o cliente do processo. Em outras palavras, tem como
objetivo resolver os problemas dos clientes ou encantá-los.
Para tanto, precisamos escutá-los e traduzir o que estão falan-
do para uma linguagem palpável ao nosso projeto de melhoria.
Precisamos, portanto, extrair das informações subjetivas, indi-
cadores mensuráveis.
3.1 Avaliando a
qualidade do processo
Agora que já sabemos qual é o nosso processo, seguindo

a lógica do Define, precisamos identificar e formalizar um indi-
cador que avalia se ele é feito com qualidade.
Este indicador é o feedback se nossas mudanças vão ser

melhorias ou não. Ele é chave para que possamos de fato bus-
car a nossa melhoria. Boa parte das vezes, esse indicador é
dado pelo patrocinador (em empresas estruturadas). Entre-
tanto, muitas vezes ele não é dado. Quando ele não é dado,
temos que questionar nossos clientes (internos ou externos)
para desdobrar o que eles esperam do processo (o que é quali-
dade para eles) e, a partir disso, determinar um indicador para
acompanhar.
Durante a coleta de informações, temos que entender
que os clientes não possuem os mesmos pensamentos que nós,
envolvidos com melhoria, possuímos. Eles não estão interes-
sados em definir um objetivo claro para melhorar nossos pro-
dutos, por isso eles vão ser relativamente vagos em suas expo-
sições. Irão exprimir-se muitas vezes de maneira sentimental e
inconsciente: sabem que não gostam de algo do produto, mas
não sabem exatamente o porquê. Cabe a nós, tentar entender
o porquê com perguntas. Outra coisa que pode acontecer (e
vai acontecer) é o cliente comparar seu produto com coisas
que ele está acostumado. Você irá escutar respostas do tipo:
• “Eu gosto que a minha entrega seja rápida. O pessoal da con-

corrência entregou muito rápido”; tudo bem, mas em quantos
dias? Qual a definição de rápido para você?
• “O ar condicionado do carro de vo-

cês é uma porcaria, ele demora um ano
para esfriar! Eu moro no Rio de Janei-
ro, aqui faz muito calor! Meu amigo
tem o carro da concorrência e ele gela
rapidinho”; ótimo, mas quantos graus
lá fora é calor? Quantos graus significa
conforto
para você, 23ºC? O que é “rapidinho”
em minutos?
Perguntas “inteligentes” seguem uma lógica. A perspec-

tiva pela qual questionamos o cliente também é muito impor-
tante. Devemos conduzi-lo a pensar na sua necessidade, e não
na solução que ele gostaria. Um exemplo disso é a célebre fra-
se atribuída a Henry Ford, sobre a invenção do carro: “Se eu
perguntasse ao meu cliente o que ele queria, iria me respon-
der que precisava de um cavalo um pouco mais rápido”.
É papel do agente de melhoria, direcionar a conversa com

o cliente de maneira a extrair as informações necessárias que
respondam às questões fundamentais. Alinhar, claramente
com o cliente o objetivo da reunião, explicando calmamente
todo o esforço de melhoria, é uma ótima maneira de coletar
as informações de maneira eficiente. A ferramenta da árvore
CTC (Critical to Customer) ajuda muito nessas situações.
4. Árvore CTC
A árvore CTC, ou CTQ (Critical to Quality) é um diagra-
ma 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
imagem abaixo:
Necessidade Direcionadores Variáveis Indicadores

Variável (Y2)
Direcionador 1 Definição/forma de medir
Especificação (*)
Produto/Serviço Variável (Y2)

com Qualidade Especificação (*)
Variável (Y2)
Especificação (*)
(*) quando existir

Geral Específico
Difícil de medir Fácil de medir
A árvore CTC tem, basicamente, 4 níveis, que são
exemplificadas na sequência de imagens abaixo:
1. Formular o problema: o que estamos analisando? Podemos

estar, por exemplo, querendo ver a qualidade do nosso proces-
so de faturamento, ou então a qualidade de um carro que pro-
duzimos.

Variável (Y2)
Especificação (*)

Variável (Y2)
Especificação (*)
Aqui é o que nosso processo entrega... (*) quando existir
O processo “fazer bolos” entrega bolos. Temos então que avaliar

se cada bolo é feito com qualidade. Agora, o que é qualidade?
2. Identificação dos direcionadores: de maneira abstrata, o que

é, do ponto de vista para o cliente, um bom processo de fatura?
As faturas têm que ser entregues no dia, portanto tempo de
entrega é um direcionador. As faturas também devem vir com
o valor correto, conforme o combinado no contrato, portanto
valor da fatura é outro direcionador. Para o caso do carro, te-
mos direcionadores diferentes, como por exemplo: consumo
de combustível, silêncio, conforto térmico, etc.
Variável (Y2)
Especificação (*)

Variável (Y2)
Especificação (*)
(*) quando existir
Às vezes, o que é qualidade pra mim, não é qualidade para você. Temos que
definir (por enquanto de maneira genérica) o que é qualidade para nosso cliente.
Temos que ter os direcionadores de qualidade.
3. Identificados os direcionadores, temos que definir variáveis

específicas e mensuráveis para representar cada direciona-
dor. No caso da fatura, para representar o direcionador “tem-
po de entrega”, podemos medir a variável tempo de entrega,
definida como: o tempo total em dias que leva da solicitação
de faturamento pelo cliente até o mesmo receber a sua fatura.
Atrelada a esta variável, podemos ter também uma especifica-
ção: a fatura estará conforme, caso ela seja entregue em até 3
dias úteis, caso contrário ela estará não conforme. Cada dire-
cionador pode ter uma ou mais variáveis para representá-lo.

Variável (Y2)
Especificação (*)

Variável (Y2)
Especificação (*)
(*) quando
existir
As variáveis já são as pontos de medição objetivas. O que vamos analisar

no bolo para saber se ele é quentinho? Se ele é fofinho? Sempre que
pensamos nas variáveis, começamos a entender nosso banco de dados.
4. Por fim, definimos os indicadores para medirmos se estamos
atendendo as variáveis importante para o cliente. Cada variá-
vel poderá ter um ou mais indicadores, dependendo da situa-
ção. Em nosso exemplo, a variável “tempo de entrega” pode ter
dois indicadores: tempo médio de entrega das faturas e por-
centagem de faturas não conformes, dando-nos informações
diferentes.
Variável (Y2)
Deve ser Definição/forma de
quentinho medir
Especificação (*)
Bolo com
qualidade Variável (Y2)
Deve ser Definição/forma de
(*) quando existir
fofinho medir
Especificação (*)
Os indicadores dizem respeito a como olhamos e gerenciamos as

nossas variáveis. Em outras palavras, como temos ideia do
comportamento do processo por meio e nosso banco de dados!
Esta árvore é uma ferramenta maravilhosa na tradução

das necessidades de clientes (tanto internos quanto externos).
Nos próximos tópicos um exemplo de projeto será desenvolvi-
do.
4.1 Como coletar os

direcionadores de qualidade
Para coletar informações dos clientes (aqui estamos fa-

lando tanto de clientes externos quanto de clientes internos),
nós temos basicamente duas estratégias:
1. Recorrer a fontes reativas de

informação, ou seja, fontes que
te enviam informações, quer você
faça algo ou não. São por exemplo,
ligações de clientes para o SAC da
empresa, aberturas de chamados
em sites como o Reclame AQUI,
relatórios de vendas, reivindica-
ções de garantia de nossos produ-
tos ou serviços, etc. Essas infor-
mações são relativamente baratas
de serem adquiridas, porém elas
são também parciais: a informa-
ção nunca chega da maneira que
queremos e, convenhamos, pou-
cos clientes nos ligam para elogiar
nossos produtos. E, quando che-
gam, pode ser tarde demais, pois
algo ruim ocorreu.
2. A segunda maneira são as fontes ativas de informação, ou

seja, aquelas que temos que fazer alguma coisa para conseguir
as informações. Exemplos de fontes ativas vão desde as mais
simples, como formulários de pesquisa enviados por e-mail
até as mais complexas, como a elaboração de grupos focais,
passando pelas mais convencionais, como entrevistas com os
clientes, conversas informais e até ligações de feedback. A van-
tagem das fontes ativas de informações é que, por meio delas,
podemos obter a informação como quisermos.
Qual fonte escolher depende muito do tipo de projeto.
Podemos, inclusive, escolher ambas no Define. Podemos par-
tir de fontes reativas (compilando as nossas reclamações no
Reclame AQUI, por exemplo) e depois seguir para as fontes
ativas para a complementação das informações passivas (por
exemplo, ligar para cada cliente para entender melhor os pro-
blemas apresentados).
O importante é, ao final da pesquisa, termos um objetivo claro
para agradar o cliente. Exemplos:
• Os clientes gostam de agilidade na entrega, por isso temos

que entregar o produto até eles em, no máximo, 3 dias úteis;
• Os clientes gostam abominam falhas em seus produtos, por
isso apenas 1 em cada 10.00 produtos fabricados pode ter al-
gum tipo de falha;
• Os clientes prezam o conforto térmico em seus carros, por
isso, quando o ar condicionado do carro é ligado e a tempera-
tura externa é de 40°C, em até 5 minutos o carro precisa ter
seu interior climatizado em 22°C.
Chegar em objetivos como estes não é fácil. Quando es-
tamos coletando informações dos clientes, para chegar a estes
objetivos, devemos tomar alguns cuidados. Dicas que podem
ajudar a obter informações confiáveis dos clientes são:
1. Os clientes podem ser vagos em sua explicação;

2. Seja específico;
3. Considere um fator por vez;
4. Busque a necessidade do cliente, não a sua solução favorita;
5. Expresse os requerimentos em fatores mensuráveis;
6. Identifique o que é “aceitável” ou “inaceitável”.
4.2 Exemplo - Dados Estruturados
A aplicação do VOC e da árvore CTC constroem um banco

de dados. Os dados estruturados consistem em informações
gerenciadas pela organização em planilhas, como o exemplo
da imagem abaixo, que mostra o monitoramento do processo
e suas entregas.
Fofura média
Dia
Dia em que Temperatura

Bolo Sabor Fofura Confeiteiro Custo (R$) Vendido?
foi assado (°C)
Observação
1 Chocolate 1 100 35 Raul 15,00 Sim
2 Morango 2 88 18 Pedro 13,20 Sim
3 Chocolate 2 55 42 Raul 11,22 Sim
4 Limão 3 150 38 Raul 8,50 Não
5 Morango 3 89 16 Pedro 16,60 Sim
Variável Variável de
de tempo interesse
No exemplo da figura as variáveis estão separadas por

colunas e as observações em linhas. Os dados da árvore CTC
(“fofura”) estão presentes como variáveis de interesse, porém
é do nosso interesse adicionar mais informações que facilitem
a interpretação do processo na fase Measure, como é o caso
do “sabor”.
4.3 Exemplo - Árvore CTC
O processo é o de “enviar faturas com qualidade”. A árvore
CTC completa do projeto sobre Faturas é expressa na imagem
abaixo:
Tempo (dias) Tempo para enviar a fatura (dias)

Menos que 2 por envio
Tempo
dias úteis antes % de faturas enviadas fora do
do vencimento prazo por mês
Valor da fatura % de faturas com valor incorreto

Valor de acordo com por mês
contrato % de notas de crédito
Fatura enviada
com qualidade
Enviar a fatura
Envio % de faturas enviadas por mês
(Sim ou Não)
Fatura
Controle registrada (Sim % de faturas registradas por mês
ou Não)
As variáveis identificadas foram: tempo, valor, envio e

controle. A partir delas a coleta de dados deve ser feita de for-
ma mensurável e traduzida em indicadores.
No exemplo, a conclusão foi a criação de indicadores de

porcentagem para monitorar as faturas enviadas com qualida-
de.
4.4 O SIPOC e a Árvore

CTC em Projetos Reais
Até agora, aprendemos a usar o SIPOC e a Árvore CTC
em projetos de melhoria. Entretanto, alguns comentários são
válidos:
• Nem sempre você irá preci-

sar utilizar essas ferramentas.
Pode ser que você trabalhe em
uma empresa que já tem bons
processos para realizar proje-
tos de melhoria. Em empresas
assim, geralmente há um Black
Belt ou um Master Black Belt
que irá entender os problemas,
relacioná-los com processos
e definir os indicadores. Nes-
te caso, a missão será dada ao
Green Belt de maneira mais
clara, já com o processo e o in-
dicador definidos.
• O importante é responder às
questões fundamentais sobre
“o que queremos fazer” e “como
saberemos que a mudança é
uma melhoria”, o SIPOC e a ár-
vore CTC são apenas maneiras
de tangibilizar isso. Caso você
já tenha um indicador e o pro-
cesso claro, não é necessário
passar pela formalização des-
tas ferramentas.
5. O Contrato de Melhoria
O contrato de melhoria é um acordo escrito entre o patroci-

nador 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 me-

lhoria descrevermos de maneira sucinta o
incômodo a ser tratado, antes de definir-
mos os objetivos. A descrição do incômodo
ajuda a contextualizar o esforço de melho-
ria e a definir a perspectiva mais adequada
do projeto.
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 es-
tamos 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, mes-
mo 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 mu-
dança.
Na próxima página, você encontrará a lista dos elementos

básicos do contrato de melhoria.
Nome do Projeto:
Integrantes:
Patrocinador:
1. O que queremos realizar? (Objetivo, Importância, Incomodo)
2. Como sabemos que uma mudança é uma melhoria?

(Indicadores, Contra-Indicadores, Meta)
3. Restrições
4. Cronograma
O contrato e melhoria é elaborado conforme as 3 pergun-

tas fundamentais, que discutimos previamente. Ao preenchê-
-lo, geralmente já fizemos várias discussões (inclusive usando
as ferramentas do SIPOC e da árvore CTC), portanto já temos
bem definido o que vai ser atacado, por isso é relativamente
fácil colocarmos no papel o que foi discutido.
O modelo de contrato pode variar de lugar para lugar ou

de equipe para equipe. Nesta apostila, faremos um exercício
extenso onde apresentaremos uma proposta de contrato. En-
tretanto, alguns pontos são muito importantes e devem estar
presentes:
• Descrição do incômodo: é vital para a equipe contextualizar
o projeto. Descreva claramente o incômodo que está sendo
atacado. Exemplo:
• Descrição do incômodo ou oportunidade:
“A empresa trabalha com pintura e

montagem de para-choques. Ultimamen-
te, uma série de para-choques vêm sendo
rejeitados na inspeção que acontece após
a pintura, devido a riscos que acredita-
mos ser provenientes de pequenas bati-
das que acontecem quando a tinta ainda
está fresca. Pelo elevado número de rejei-
tos, não estamos conseguindo atender a
demanda de nossos clientes. Além disso,
boa parte dos para-choques ficam esto-
cados em uma área do barracão, ocupan-
do espaço e dificultando a circulação de
pessoas. ”
• Descrição da importância do projeto: geralmente, para

usar futuramente como argumento de convencimento para
os envolvidos, escrevemos algumas palavras para explicar por
que o projeto é importante. Essa importância pode ser expos-
ta por várias perspectivas: a do cliente, a da empresa, as de vá-
rios departamentos, etc. Ter esses argumentos prontos é útil,
pois quando precisamos da ajuda destes envolvidos, podemos
claramente expor a eles o porquê estamos propondo aquilo.
Exemplo:
• Importância para a empresa:
“Reduzir as perdas na pintura devido à batida irá diminuir a carga
de trabalho e aumentar a produtividade”.
• Importância para o cliente:

“Reduzir esta perda fará com que o cliente receba a sua encomen-
da mais rápido e de maneira integral”.
• O objetivo do projeto: Devemos

descrever o objetivo de maneira clara
e atrelada a um indicador. Isso ajuda a
manter o foco da equipe de melhoria.
Exemplo:
• Objetivo:
“Reduzir as perdas na pintura por bati-
das de 30% para menos de 1% até o mês
que vem”.
• Como saberemos que a mudança é uma melhoria? Nesta

parte, identificamos todos os indicadores e contra indicadores
que queremos trabalhar, bem como colocamos uma meta para
a sua redução. Sim, sabemos que colocar metas é um assunto
polêmico, por isso ele será discutido mais à frente nessa apos-
tila.
• Restrições: Na parte de restrições, devemos deixar explíci-

to quais são as restrições do projeto. Por exemplo, podemos
ter restrições como “não modificar o processo X”, ou “não
envolver mudanças para o cliente”. Além disso, em geral tra-
balhamos com restrições orçamentárias e de recursos hu-
manos.
• Cronograma: Por fim, colocamos uma sequência lógica

no tempo do que vamos trabalhar. No cronograma, pode-
mos relacionar as próximas atividades com as etapas do
roteiro DMAIC, por exemplo: na primeira semana, iremos
fazer a definição das metas, na segunda semana, iremos
medir o processo, e assim por diante.
5.1 Elementos de contrato
Elementos conhecidos de contratos

de melhoria são:
• Informações iniciais: nome do projeto, patrocinador,

equipe e líder da equipe;
• Contexto/Descrição do projeto;
• Descrição do incômodo ou oportunidade;
• Importância do projeto;
• As três perguntas fundamentais;
• Restrições para as atividades;
• Riscos;
• Aprovação/Data.
Por exemplo:
Os objetivos são descritos ao responder à pergunta fun-

damental “O que estamos tentando realizar” e os indicadores
em “Como saberemos que uma mudança é uma melhoria?”, as-
sim como na imagem abaixo, visto no contrato de melhoria do
projeto Despachante Aduaneiro.
Uma outra forma menos intuitiva de preencher o contra-
to seria pelo roteiro DMAIC. Ele ajuda a identificar os defeitos
e organizar os próximos passos, que para processos bem es-
truturados são mais fáceis de descrever.
5.2 O Contrato de Melhoria
e a atribuição de metas
O Contrato de Melhoria deve contar metas quantitativas,
numéricas, que podem ser distorcidas ao longo do caminho.
Frente a uma meta não batida, as pessoas podem distorcer o
sistema para batê-la, por isso é importante elaborar bem as
metas de modo que sejam possíveis e ao mesmo tempo desa-
fiadoras, mas objetivas e a prova de distorção.
5.2.1 Metas
Muito cuidado deve ser tomado ao negociar metas com o

patrocinador do projeto, especialmente se estas metas refleti-
rem 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 vi-
ciada” 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).
As metas mais confiáveis são metas numéricas. As mentes
mais competentes e ambiciosas se motivam por meio da atri-
buição de metas numéricas bem definidas.
Metas devem ser SMART (Specific, Measurable, Achievable,

Relevant e Time-bound), ou seja:
• Específicas (ligadas a um indicador);

• Mensuráveis (é preciso saber exatamente como ela será ava-
liada);
• Possíveis (metas muito fantasiosas desmotivam a equipe);
• Relevantes (ou seja, devemos entender a variação do indica-
dor para atribuir a meta);
• Adequada com o tempo do projeto (Time-bound).
Outra coisa que vale a pena ser

dito sobre metas é que, como gesto-
res, nunca devemos dar uma meta
para uma pessoa, sem ensiná-la o
que ela deve fazer para chegar lá.
Isso é uma grande crueldade. Deve-
mos 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 pes-
soas brilhantes.
Metas devem ser elaboradas por métodos, para isso, é ne-

cessário ser flexível e procurar a melhor forma de formulá-las.
Procure conhecer outras empresas que bateram metas simi-
lares às suas. O que eles fizeram? Qual foi a estratégia adota-
da? Como eles implementaram as mudanças? Entenda o que
já aconteceu e trace seu caminho até a sua meta, sempre utili-
zando as técnicas de geração de conhecimento específico para
que o seu caminho seja mais suave que o da empresa consulta-
da. 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 equi-
pe e os recursos podem mudar, além de eventos externos não
previstos. Por isso, não pode ser impedido que as metas mu-
dem também.
A definição do Define diz que essa é a fase em que o pro-
fissional da melhoria deve conversar com os funcionários que
atuam no projeto e entender o incômodo deles. Assim, os pro-
cessos devem ser revisados e indicadores devem ser estabele-
cidos para a leitura da melhoria.
As fases juntas do Define são:

1. Início do projeto;
2. Defina o processo;
3. Entenda os requerimentos;
4. Defina os indicadores;
5. Formalize.
As saídas esperadas são o Contrato de Melhoria e um
bom entendimento de como o projeto irá contribuir para a or-
ganização. Saberemos aqui os seus impactos estimados, o pro-
cesso a ser trabalhado e os indicadores a serem impactados.
Capítulo 3
Measure
Clique
para voltar
ao Índice
1. Introdução ao Measure
No Measure, você irá entender a situação atual, ou seja,

irá adquirir conhecimento de como está o processo (o que as
pessoas estão fazendo) e qual o resultado disso (análise de da-
dos).
Esse entendimento passa por duas portas: a porta de

processos e a porta de dados. A porta de processos é onde
mapeamos os processos envolvidos com a nossa meta do pro-
jeto de melhoria. Fazer esse mapeamento significa entender
exatamente como que as entradas se transformam em saídas.
Existem várias técnicas para se fazer isso e vamos discorrer
cada uma delas.
A porta de dados seria onde de fato coletamos os dados

relativos ao nosso indicador principal do projeto e começamos
a analisá-lo. Temos que entender que é muito importante fazer
uma coleta cuidadosa dos dados para que nossa análise seja
razoável (iremos comentar como se coletar bons dados). Do
ponto de vista de análise, na fase do Measure nossa maior pre-
ocupação é entender a variação dos indicadores. Vamos ensi-
nar algumas ferramentas excelentes para se fazer isso (como é
o caso dos gráficos de controle de Shewhart) e como se com-
parar essa variação com as especificações do cliente (que é o
caso das análises de Capabilidade).
Os dados podem ser analisados estaticamente (quanto à

frequência), dinamicamente (com gráficos de controle) e com-
parados com os requisitos dos clientes (capabilidade).
Ao final do Measure, assim como mostra a Tabela abaixo, a

situação atual deve ser exposta para todos os envolvidos, atra-
vés de ferramentas de visualização de dados. Uma das ferra-
mentas de visualização de dados mais usada e que é abordada
pelo curso de Green Belt é o Minitab.
Coletar dados Análises básicas Análises paramétricas (previsibilidade)
Entender o resultado do que estão fazendo (Dados) Compilar

Define
e Divulgar
o
Entender o que as pessoas estão fazendo (Processos)
resultado
Mapear processos Mapear Procedimentos
Mapear os Mapear os Coletar os Análises Usar análises Divulgar o

processos procedimentos dados Básicas paramétricas aprendido
Montar o banco de
Entender o Fluxo de Avaliar a estabilidade Informar os
Analisar as atividades dados do projetos ou
informações e e a capabilidade do stakeholders sobre o
dentro do processo. verificar o que já tem. Avaliar a frequência e
Atividades materiais. Entender
Há erros claros e falta Avaliar a a tendência dos dados.
processo (o que é desempenho atual.
problemas no fluxo. Ir “natural” dele e se isso Nivelar o
de padrão? confiabilidade.
ao Gemba. é bom para o cliente). conhecimento.
Estratificar.
SIPOC, VSM, Gráficos de Tendência, Gráficos de Controle,

Tempos e Métodos, Folha de Verificação, Fluxogramas,
Ferramentas Fluxograma
Instruções de Trabalho Dados estruturados
Pareto, Barras, Análises de
visualização de dados.
histograma, etc Capabilidade
1.1 A porta dos dados
Na prática, todas as nossas decisões (de processos e da

vida) estão relacionadas ao desempenho de determinada ca-
racterística.
Exemplos:
• Podemos refugar uma peça devido ao seu comprimento;
• Podemos promover um vendedor devido a suas vendas;
• Podemos abandonar um negócio devido ao seu lucro;
• Podemos ficar insatisfeitos devido a um alto tempo de espe-
ra.
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).
Exemplo 1:
Em um processo de “assar bolos” podemos ter a informação
de que um bolo (evento) é de chocolate (característica 1), pesa
100 gramas (característica 2) e demorou 30 minutos para ser
assado (característica 3).
Exemplo 2:
Em um processo “vender carros”, podemos analisar cada mês
de trabalho (evento) pela quantidade de carros vendidos (ca-
racterística 1), valor vendido (característica 2) e até pelo preço
médio das vendas (característica 3).
Por estas razões dizemos que dados são sempre dependentes
de um contexto.
1.2 Trabalhando com dados
Trabalhar com dados nada mais é do que entender como

gerenciar as informações ao nosso redor para a melhor toma-
da de decisão possível.
Algumas atividades precisam ser feitas, entre elas:

• Garantir a confiabilidade das informações;
• Cruzar informações de diferentes fontes e sobre diferentes
características;
• Contextualizar as informações;
• Usar técnicas para visualizar e entender o que está aconte-
cendo frente a uma “enxurrada de informações”.
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 pa-
lavras, 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.
Estruturar o banco de dados é muito importante para o

projeto de melhoria. Para realizar bem essa tarefa, o profis-
sional Seis Sigma pode seguir algumas dicas, entre elas: usar
amostras e testar antes de terminar o banco de dados, além
disso é interessante treinar aqueles que coletarão os dados e
dar a eles instruções compreensíveis.
Outro fato importante de observar é que, ao obter os da-

dos, sempre vamos ter a medição de nossa característica e ex-
periência pessoal atrelada a forma que interagimos com a na-
tureza (ou seja, com o nosso “meio de medição”). Portanto, os
dados coletados, com os quais vamos trabalhar, sempre refle-
tirão apenas uma pequena parte da natureza onde eles foram
gerados.
Dito isso, vamos conhecer como

elaborar uma boa “definição opera-
cional” e começar a jornada da co-
leta, construção do banco de dados
e análise dos dados, tão importante
para os projetos de melhoria.
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 da-
dos que eles nos enviam.
Essa porta é talvez a grande contribuição do Green Belt

na análise de melhorias. Aqui, vamos ensinar várias ferramen-
tas estatísticas, como os Gráficos de Controle e a Análise de
Capabilidade.
A princípio a coleta de dados se-

gue um passo a passo:
1. Estruture os dados que você pre-
cisa (estrutura de banco de dados);
2. Crie uma definição operacional
clara para os dados que você irá co-
letar;
3. Identifique a população e a amos-
tra para realizar a coleta de dados;
4. Crie as ferramentas necessárias
para a coleta dos dados (formulá-
rios de coleta de dados, folhas de
verificação, sistemas, etc.);
5. Colete os dados.
2.1 Passo 1 - Estruture os

dados que você precisa
(estrutura de banco de dados)
A estruturação dos dados é a parte mais importante da

porta de dados.
Quais dados serão coletados? A resposta para isso virá
necessariamente do contexto de sua coleta (PDSA). É impor-
tante que possamos formular o problema pensando:
• Quais são os eventos que melhor definem o contexto?
• Quais são as características que gostaríamos de entender?
• Existe alguma variável de estratificação que
poderá afetar o comportamento do processo?
• Existe alguma variável de ruído que precisamos anotar?
• Como vamos olhar para esses eventos?
Como definir os subgrupos para a análise?
2.1.1 Exemplo - Passo 1
Supondo que somos agentes da ANAC (Agência Nacional de

Aviação Civil) e temos recebido reclamações dos usuários
quanto à grande quantidade de voos atrasados. Precisamos
avaliar se as companhias aéreas tem um bom desempenho
quanto à pontualidade e se algo está influenciando os atrasos.
• Qual é o evento? Vamos ter que observar cada v
oo chegando em um aeroporto,
• Qual é a característica principal?
• Temos que ver se o voo está atrasado. Para isso, temos que
ver a hora que era para ele chegar e a hora que ele realmente
chegou.
Quais dados serão coletados? A resposta para isso virá
necessariamente do contexto de sua coleta (PDSA). É impor-
tante que possamos formular o problema pensando:
• Quais são os eventos que melhor definem o contexto?
• Quais são as características que gostaríamos de entender?
• Existe alguma variável de estratificação que
poderá afetar o comportamento do processo?
• Existe alguma variável de ruído que precisamos anotar?
• Como vamos olhar para esses eventos?
Como definir os subgrupos para a análise?
Supondo que somos agentes da ANAC (Agência Nacional de

Aviação Civil) e temos recebido reclamações dos usuários
quanto à grande quantidade de voos atrasados. Precisamos
avaliar se as companhias aéreas tem um bom desempenho
quanto à pontualidade e se algo está influenciando os atrasos.
• Qual é o evento? Vamos ter que observar cada v
oo chegando em um aeroporto,
• Qual é a característica principal?
• Temos que ver se o voo está atrasado. Para isso, temos que
ver a hora que era para ele chegar e a hora que ele realmente
chegou.
• Quais as outras características (variáveis) que gostaríamos
de entender?
Temos que observar de que companhia aérea era cada

voo. Assim podemos ver se há uma companhia com desempe-
nho pior que a outra e agir. Podemos também avaliar qual é o
número do voo, para pesquisar se algo aconteceu com aquele
específico.
• Como vamos estruturar os subgrupos para a análise?
Coletando que dia aconteceu cada voo, podemos avaliar

a porcentagem de atrasados por dia. Assim, se um dia sair mui-
to fora em relação aos outros, podemos ver que houve um pro-
blema isolado.
Hora de Hora de Número de

Voo Tempo total Dia Cia Aérea Atrasado?
saída chegada pass.
Evento 1227 14:55 16:35 1:40 02/06 Air Fantasy Não 115
3535 11:10 12:12 1:02 02/06 Air Arábia Não 128
9091 22:20 0:30 2:10 03/06 Air Fantasy Sim 152
5018 12:15 14:15 2:00 03/06 G Air Sim 395
6565 18:00 20:04 4:04 03/06 Air Fantasy Sim 110
Variável de Variável de
tempo interesse
Lembre-se que temos vários tipos de dados que podemos

coletar, que vão nos possibilitar várias análises depois. As in-
formações coletadas para esse exemplo montaram a Tabela
abaixo.
O que vai na planilha
Grupo Tipo de Variável Exemplo (característica) Análise possível
(registro)
% de atrasados por mês (ou dia,
Desempenho da entrega “Atrasada” ou “não atrasada”
ou cia)
Classificação
Companhia Aérea “Cia A” ou “Cia B” Market Share
Atributos
Número de passageiros por vôo
Número de Passageiros 1, 2, 3, ... (números inteiros)
ou por dia
Contagem
Número de defeitos em uma
1, 2, 3, ... Defeitos/unidade
amostra de n peças
Peso médio por ciclo, peso total
Peso de uma peça Valores em gramas (fracionado)
por dia, ...
Contínuos Contínua
Atraso médio por dia, atraso
Tempo de atraso Valores em minutos (fracionado)
médio por cia, ...
2.1.2 Exercício - Tipos de variáveis
A Tabela abaixo mostra alguns exemplos cotidianos de da-

dos. O objetivo é que os tipos de variáveis facilitem a análise
da situação. A seguir são apresentados os resultados do exer-
cício.
2. Número de chamadas de longa
1. Classificação de hotéis
distância realizadas por mês
3. Quantidade de calorias de um 4. Duração de cada chamada de longa

produto alimentício distância
5. Número de bolhas em uma garrafa 6. Cor do telefone utilizado com mais

de vidro frequência
7. Tempo médio de espera para ser 8. Se existe uma linha conectada ao

atendido em um Call Center modem na resistência
9. Número de atendentes em um Call 10. Tempo gasto na livraria por mês

Center
11. Número de ligações perdidas em 12. Se é filiado a algum Partido Político

um Call Center
13. Motivos para ligações perdidas em 14. Temas de livros na livraria por mês
um Call Center
15. Fontes de consumo de água em 16. Caso seja, a que Partido Político é
uma residência filiado
17. Consumo de água em uma 18. Satisfação com um determinado

residência produto
Respostas tipos de variáveis:
1. Classificação 2. Contagem
3. Contínuo 4. Contínua
5. Contagem 6. Classificação
7. Contínuo 8. Classificação
9. Contagem 10. Contínuo
13. Classificação 14. Classificação
17. Contínuo 18. Classificação
2.2 Passo 2 - Crie uma Definição

Operacional clara para os dados
que você irá coletar
A estrutura de banco de dados deve ser fácil de ler e in-
terpretar. Para isso é preciso criar um documento: a Definição
Operacional.
Uma Definição Operacional é uma descrição clara, em

termos quantificáveis, do que medir e dos passos a seguir para
realizar a medição de forma consistente. Ela resolve vários
problemas quando a coleta é feita por múltiplas pessoas ou em
períodos diferentes de tempo.
No exemplo, a hora de chegada do avião é o momento que o
avião toca o solo ou a hora que o último passageiro deixa a ae-
ronave? A Definição Operacional fornece um sentido comuni-
cável a um conceito, é clara e inequívoca. Ela é responsável por
identificar critérios de aceitação (e até propõe padrões de qua-
lidade), mas também especifica os métodos e equipamentos.
Podemos ter uma definição operacional:

• De evento;
• Da variável de interesse;
• De um padrão (definir o que é bom e o que é defeituoso);
• Definir um critério.
Um dos pontos mais importan-

tes que devemos definir são as variá-
veis. 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 va-
lor de determinada variável para um
dado evento:
• O objetivo daquela medição;

• A característica de interesse;
• O instrumento de medição;
• O procedimento/método de medi-
ção;
• O critério de classificação.
Para criar uma definição clara, a equipe dispõe de vídeos e

desenhos. O modelo pode ser do mais simples ao mais comple-
xo, como Lições de 1 Ponto, manuais etc., porém o importante
é que todos entendam o que será coletado de forma clara.
No exemplo do aeroporto as Definições Operacionais

pensadas para o evento respondem as seguintes característi-
cas:
• Objetivo: Verificar se uma aeronave chegou no horário no
aeroporto;
• Característica de interesse: Horário de chegada da aero-
nave no aeroporto;
• Instrumento de medição: Relógio referenciado com o reló-
gio da torre de controle.
• Procedimento: O horário de chegada de um voo será o ho-
rário em que o trem de pouso da aeronave tocar a pista de
pouso;
• Critério: A aeronave está no prazo se o horário de chegada
for igual ao horário programado mais ou menos 15 minutos.
2.2.2 Exemplo visual - Passo 2
Vale lembrar que, para criar as Definições Operacionais,

podemos utilizar diversos recursos. Imagens são interessan-
tes para ilustrar padrões (que determinam os critérios) ou en-
tão procedimentos.
Um exemplo disso está na imagem abaixo. Nela é possível
ver uma definição de critério para avaliar um cilindro (evento)
como bom ou ruim (variável).
Temos que medir se um suporte está ou não danificado.

Um gabarito pintado ajuda a entender se há o dano. Caso
não haja contato com a parte verde, há o dano:
Lembre-se:
• Sempre teste a definição operacional antes de colocá-la em
prática!
• Ela deve estar clara para os coletores, bem como as defini-
ções e critérios.
2.3 Passo 3 - Identifique

a população e a amostra
para realizar a coleta
Amostra e população são dois conceitos muito importan-
tes em estatística em que a população refere-se ao grupo de
eventos que gostaríamos de controlar. Pode ser infinita, como
o número de voos. Já amostra refere-se a uma quantidade de
eventos que é possível observar, assim como visto nas imagens
abaixo.
O objetivo é conhecer propriedades da população nessa

fase. Fazemos isso olhando para amostra. Esse processo se
chama inferência.
População Amostra
Exemplo 1:
Queremos saber se TODOS os voos de uma companhia

tem mais probabilidade de atraso do que de outra (população).
Observamos a porcentagem de voos atrasados na amos-

tra e com eles estimamos a probabilidade de novos voos atra-
sados.
Probabilidade
População atrasados A
Probabilidade
atrasados B
Amostra % voos atrasados A

% voos atrasados B
Exemplo 2:
Queremos saber a altura média dos brasileiros (popula-

ção: todos os brasileiros).
Observamos a altura de diversas pessoas, tiramos a mé-

dia e, com isso, estimamos a altura média da população, com-
preendendo a amostra da imagem abaixo:
Média da
População população (µ)
Amostra Média da altura

")
na amostra (𝒙𝒙
2.3.1 Tamanho de amostra
Ao reduzirmos o número de eventos observados (tomar

uma amostra da população), haverá perda de informação. Essa
perda de informação é traduzida em uma incerteza estatística
sobre o que queremos inferir.
O cálculo do erro apresentado abaixo depende da varia-

ção que temos na nossa amostra (s), do grau de certeza que
desejamos ter sobre a característica da população (z) e do ta-
manho da amostra (√n).
𝜇𝜇 = 𝑥𝑥̅ ± 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
Desta forma temos um intervalo para a média de uma po-

pulação. O erro também é chamado de intervalo de confiança.
2.3.2 Exemplo -
intervalo de confiança
Para uma amostra alturas, retira de uma população de
pessoas, temos o seguinte banco de dados, representado na
tabela abaixo:
Altura
Pessoa
(cm)
1 155
2 198
3 150
4 189
5 174
Estatísticas
Variável N N* Média
Altura (cm) 5 0 173,20
O cálculo da média e do intervalo de confiança é feito,

nesse caso, pelo Minitab, e apresentado no gráfico abaixo.
Gráfico de Intervalos de Altura (cm)

IC de 95% para a Média
200
190
Altura (cm)
180
170
160
150
140
Os desvios padrão individuais foram usados para calcular os intervalos.
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.
Na Figura abaixo está representado um segundo cenário,

com uma outra amostragem.
Altura
Pessoa
(cm) Gráfico de Intervalos de Exemplo Anterior; Altura (cm)
IC de 95% para a Média
1 172 Diminuímos a 200
2 171 variação da
amostra 190
3 177
180
Dados
4 168
5 169 170
160
Estatísticas
150
Variável N N* Média
140
Exemplo Anterior 5 0 173,20 Exemplo Anterior Altura (cm)
Altura (cm) 5 0 171,40 Os desvios padrão individuais foram usados para calcular os intervalos.
Nesse caso, como a amostra é mais homogênea, o inter-

valo de confiança é menor. Agora, como a variação na amostra
é menor, podemos dizer que a média está entre 168 e 176 cm.
95% das amostras com essas características vão ficar entre
esses limites.
O terceiro caso, visto na imagem abaixo, é a amostra me-

nos homogênea, porém com o tamanho de amostra maior.
Pessoa E1 E2 E3
1 155 172 155 Gráfico de Intervalos de E1; E2; E3
2 198 171 160 IC de 95% para a Média
3 150 177 198
4 189 168 199 200
5 174 169 185
6 173 190
7 201
8 155 180
Dados
9 170
10 Aumentamo 188
170
11 s a amostra 166
12
13
150
160
160
150
14 155
Estatísticas
Variável
E1
N
5
Média
173,20
DesvPad
20,83
140 E1 E2 E3
E2 5 171,40 3,51
Os desvios padrão individuais foram usados para calcular os intervalos.
E3 15 173,53 18,07
Aumentando a coleta de dados, temos uma certeza maior

sobre a média da população.
Pergunta clássica: Qual o tamanho da amostra ideal?

O tamanho de amostra ideal depende da diferença de médias
que queremos visualizar, do desvio padrão e do custo da cole-
ta de dados.
2.4 Passo 4 - Crie ferramentas

para coleta de dados
Às vezes, é interessante montar uma ferramenta específi-

ca para a coleta de dados. Elas ficarão disponíveis no processo
e alimentarão o banco de dados.
Exemplos:
• Formulários de Coleta de Dados;
• Folhas de Verificação;
• Sistemas;
A imagem abaixo traz dados de voos de uma companhia
aérea escritos em um dos exemplos dados, o Formulário de da-
dos.
Hora de Hora de Número de
Voo Tempo total Dia Cia Aérea Atrasado?
saída chegada pass.
1227 14:55 16:35 1:40 02/06 Air Fantasy Não 115
3535 11:10 12:12 1:02 02/06 Air Arábia Não 128
9091 22:20 0:30 2:10 03/06 Air Fantasy Sim 152
5018 12:15 14:15 2:00 03/06 G Air Sim 395
6565 18:00 20:04 4:04 03/06 Air Fantasy Sim 110
Medições automáticas
(de sensores § Observação
ou de softwares de § Variáveis de Interesse
“chamado”) § Variável de tempo
§ Formulário de Coleta de Dados
2.5 Folha de Verificação
Folhas de Verificação são um tipo especial de Formulário

de Coleta de Dados (FCD). Muito úteis em qualidade, podem
ser aplicadas para melhor controle de processos. Elas são mais
“abertas” que FCD padrão e nos ajudam quando não temos
muito conhecimento sobre o processo a priori. Você pode en-
contrar uma ilustração de uma Folha de Verificação na imagem
abaixo.
2.6 Passo 5 - Colete os Dados
A última parte consiste na aplicação das ferramentas e no

preenchimento do banco de dados. Lembre-se neste etapa:
• Acompanhe ao menos as primeiras coletas;

• Se treinamento é necessário, realize-o;
• Faça uma instrução clara para todos os envolvidos.
2.7 Análise de dados

Analisar dados, em linhas gerais, significa transformar os
dados em conhecimento, em melhoria. Assim, não podemos
ter uma análise fora de contexto.
A lógica do PDSA vale mais do que

nunca aqui. Se fizermos as perguntas erra-
das, vamos ter respostas inúteis.
Algumas estratégias são clássicas, e vamos

explorá-las melhor. Geralmente, como usá-
-las depende muito do contexto e do tipo
de variável analisada. São elas:
• Análises dinâmicas, para entender como os dados se com-

portam ao longo do tempo;
• Análises estáticas, como histogramas, gráficos de Pareto,
barras, etc, chamadas de análises de frequência;
• Análises paramétricas, como gráficos de controle e capabili-
dade;
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.
3. Análise de Variação
e Análises Temporais.
Análises temporais são a chave para o entendimento de
dados. Isso porque o tempo nos conta quando nosso proces-
so muda de comportamento. Um caráter fundamental para a
análise do tempo é entender a variação natural do processo.
Vemos um exemplo dessa variação no gráfico abaixo. No

caso as duas barras representam tempos de ciclos, de um pro-
cesso qualquer, antes e depois de uma mudança.
Visualmente podemos concluir que após a mudança, o de-
sempenho do processo melhorou. Na Tabela abaixo é observa-
do o banco de dados para esse exemplo.
Semana Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6
1 6 6 9 8 6 3
2 9 2 9 9 9 4
3 7 3 6 7 7 2
4 8 8 8 8 8 8
5 6 4 7 6 3 3
6 7 2 6 7 2 2
7 9 9 6 9 4 4
8 2 7 4 2 3 2
9 3 3 4 1 2 3
10 4 7 3 3 4 4
11 3 3 3 3 3 3
12 3 6 2 5 2 3
13 4 9 3 8 4 4
14 2 4 2 9 3 3
Intuitivamente diríamos que a mudança ilustrada na ta-

bela acima é sim uma melhoria. Entretanto, se formos analisar
melhor o problema, podemos chegar a conclusões distintas.
Note os dados mostrados na tabela anterior, referentes a seis
possíveis cenários para o indicador do tempo de ciclo, analisa-
do anteriormente. Todos os seis cenários poderiam represen-
tar o gráfico anterior: tempo na semana 4 = 8 e tempo na se-
mana 11 = 3. Agora, será que todos eles foram melhorias? Para
isso, precisamos de uma análise mais minuciosa. Essa análise
será mostrada através dos gráficos de tendências para os seus
cenários.
Os dados foram traduzidos em gráficos, representados a
seguir, em diferentes cenários ,para valores da semana 4 e 11
iguais ao da imagem abaixo.
No cenário 1 temos claramente uma melhoria. O proces-

so, de fato, mudou seu patamar de variação. A mudança que
começou na semana 7 deu resultado na semana seguinte (Ce-
nário 1). Neste cenário temos um caso de melhoria pela mu-
dança claro, já que o comportamento após a mudança foi cons-
tante.
A mudança refletida no Cenário 2 não representou me-
lhoria alguma. A diferença entre a semana 4 e a semana 11
está completamente dentro da variação natural do processo.
O tempo de ciclo assume vários valores entre 2 e 9. Qualquer
variação neste patamar é dita ser uma variação atribuídas as
causas comuns, naturais ao processo.
Não se deixem enganar por estes cenários. Lembre de

não fazer comparações um período contra o outro.
E no Cenário 3 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 temporá-
ria no indicador, entretanto o mesmo volta a subir após algum
tempo. Este comportamento é típico de campanhas de cons-
cientização, que funcionam por um curto período, mas melho-
ram de fato. Não é esse o tipo de resultado que devemos bus-
car em nossos projetos.
No Cenário 4 temos um caso muito parecido com o Ce-

nário 3. Não temos uma melhoria gerada pela nossa mudança.
Algo aconteceu que mudou o patamar de trabalho do proces-
so, 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 po-
deremos adquirir mais conhecimento sobre o processo a fim
de melhorá-lo.
Por fim, temos mais dois caso de não-melhoria no Cená-
rio 5 e 6 (acima). 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 definire-

mos futuramente como causa especial. Algo aconteceu na se-
mana 11 que fez o tempo de ciclo explodir naquela semana,
mas depois dela, o indicador retornou à estabilidade e o pro-
cesso continuou estável.
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 se-
guir, iremos entrar em mais detalhes sobre este assunto.
3.1 O que significa
entender a variabilidade
Sempre que monitoramos algum produto ou processo, o
fazemos por meio da observação de uma determinada carac-
terística, ilustrada em um determinado indicador. Esse indica-
dor pode ser o mais variado possível, por exemplo, as dimen-
sões de uma peça, o tempo de ciclo de um processo, as notas
de nossos filhos, as vendas de nossa empresa, etc. Todas essas
características, variam. Nunca um indicador mantém o mesmo
valor durante várias medições feitas ao longo de um período
extenso de tempo, mesmo quando nada está sendo feito no
processo para alterá-lo.
O grande problema é que todas as decisões tomadas são

baseadas no comportamento desses indicadores de interesse
e muitas vezes nos enganamos ao julgarmos a variação dentro
destes. Podemos, por exemplo, nos assustar com uma variação
natural no processo de vendas (quando enfrentamos um mês
com menos vendas) e tomar uma série de ações desesperadas
para vender mais (como por exemplo, dar muitos descontos
em uma série de produtos).
A análise de variação nos permite entender o que está

acontecendo com um processo ao longo do tempo. Ela nos aju-
da a ter ideia do que vamos fazer e como vamos atuar em cima
do processo. Em outras palavras, ela busca entender as dife-
renças observadas em determinada característica.
Um conceito fundamental para o estudo e melhoria dos
processos, de acordo com Walter Shewhart (1931), é o de que
a variação em um determinado indicador é provocada por um
desses dois tipos de causas:
Causas comuns: quando as diferenças não tem uma explica-

ção clara (tudo está como sempre esteve).
Causas especiais: quando algo está nitidamente diferente,

logo há uma “causa” clara para a diferença.
A imagem abaixo ilus-

tra esta discussão em um
exemplo cotidiano: a cali-
grafia. Note que a variação
está presente em todas as
letras escritas na Figura.
Um “a” minúsculo não é
igual à outro “a” minúsculo.
O que causa esta diferen-
ça? Não se pode dizer ao
certo. Provavelmente um
conjunto de fatores, sem
uma explicação “especial” (a posição da mão, a velocidade da
escrita, a iluminação, a posição do papel relativa ao corpo, etc.).
Só podemos reduzir esta variação atuando em todas essas
“causas comuns” de variação. Agora, quando comparamos um
“a” minúsculo com um “A” maiúsculo, temos uma causa especial
que determina a diferença (que é a caixa da caligrafia).
A identificação das causas para a variação são muito in-
teressantes em uma análise temporal. Isso porque as coisas
“mudam” no processo com o tempo. Entender onde e quando
mudaram nos dá um entendimento muito grande.
Mesmo que tudo esteja como sempre esteve, também

podemos ter boas informações para nos ajudar nas mudanças.
Análises mais sofisticadas, como o Gráfico de Controle, nada
mais são do que uma evolução dessa análise temporal. Nos
próximos tópicos vamos entrar nesse tipo de avaliação e ou-
tras análises.
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 me-
dida ao longo do tempo, traçar no eixo Y o indicador de inte-
resse 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.
O gráfico de tendência também pode ser feito para dife-

rentes estratificações dentro de um conjunto de dados.
4.1 Vantagens e como construir

um gráfico de tendência
A maior vantagem do gráfico de tendência é a sua simplici-
dade. Além da facilidade no entendimento, o gráfico apresenta
momentos de problema no processo e quão longe se está das
metas e objetivos.
A própria simplicidade do gráfico é o que o torna tão po-

deroso. Todas as pessoas ligadas ao processo podem usar e
entender um gráfico de tendência.
Sua construção passa por:

• Adicionar uma variável de tempo no banco de dados;
• Definir a periodicidade a ser avaliada;
• Ajustar os dados (o que quer ver no eixo Y: a métrica
e no eixo X: o tempo);
• Traçar o gráfico (no Excel, Minitab, etc.).
Na prática, a definição do eixo Y é a parte mais sensível do pro-

cesso. O que queremos ver? Ele pode demonstrar:
• As medidas individuais do banco de dados;

• Uma estatística (média, desvio padrão, etc.);
• Uma taxa (para variáveis de contagem);
• Uma porcentagem (para variáveis classificatórias).
A montagem dos subgrupos, vista na imagem abaixo, é

feita da divisão das medidas individuais do banco de dados.
Média,
Desvio padrão,
Estatística Porcentagem,
Taxa,
Etc.
1 2 3 ... n
X1 X1 X1
X2 X2 X2 Medidas referentes a um
X3 X3 X3
... ... ... intervalo de tempo
xn xn xn
Subgrupos
4.2 Alguns indicadores clássicos
para a análise temporal
A análise temporal possibilita identificar estabilidade de

um processo. O processo está estável? Existem causas espe-
ciais? Essa análise pode ser usada para diferentes áreas, apre-
sentadas na Tabela abaixo com seus indicadores clássicos.
Condições base (temperatura,

Para máquinas:
vibração, pressão, tensão, etc.);
Tempos (de processo, de resposta, etc.),

Para serviços: produtividade (processos por pessoa,
processos por setor, etc.);
% de itens defeituosos, número

Para qualidade:
de defeitos por peças, etc. ;
Tempo de atendimento, tempo de

Para área ocupação de leito, número
de saúde: de atendimentos, etc.
O tema análises temporais será retomado no futuro com o

gráfico de controle, que nada mais é do que um gráfico de ten-
dência no qual incluímos “linhas” que nos ajudam a identificar
as causas de variação de um processo, mencionadas anterior-
mente. Mas antes serão abordados outros tipos de análises.
5. Gráficos de frequência
Um gráfico de frequência, como o nome já diz, avalia a fre-
quência 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.
Frequência - Restaurante
Sexta-feira
Segunda-feira
O que a imagem acima mostra é a comportamento duran-

te o tempo da frequência de um restaurante, possibilitando a
comparação entre os dias e o entendimento da centralidade,
assim como listado.
Uma das vantagens dessa análise é que, caso o processo

esteja estável, o gráfico de frequência serve como uma previ-
são para o desempenho do processo no futuro, já que a estabi-
lidade pressupõe que aquele padrão de comportamento per-
manecerá. Se o processo for instável o gráfico de frequência é
simplesmente um resumo de o que o processo fez no passado.
Assim como comentado, existem diferentes gráficos de

frequência. Na Tabela abaixo, é visto de forma clara quais vari-
áveis utilizar para cada tipo de gráfico de frequência.
Grupo Tipo de Variável Gráficos
Gráficos de Barras e Setores

(contagens ou porcentagens)
Classificação Gráfico de Pareto
Atributos Tabelas de Contagem
Gráfico de Barras
Contagem
Tabelas de Contagem
Contínuos Contínua Histogramas e Diagramas de Pontos
5.1 Análise de Frequência

para variáveis classificatórias
Geralmente a comparação de frequências dentro de va-

riáveis de estratificação nos ajuda a entender mudanças no
comportamento de um processo.
• Podemos olhar “dentro e fora” de uma variável;
• Podemos olhar a frequência para diferentes condições;
• Podemos olhar a frequência antes e depois de uma mudança;
• Podemos olhar a frequência em causas comuns e causas es-
peciais.
Outras maneiras de olhar frequências de variáveis cate-

góricas é através de Gráficos de Setores e Tabelas de Conta-
gem, como visto na imagem abaixo:
Gráfico de Setores de Cia; Atrasado?

Cia Atrasado? Categoria
A
Tabelas de Contagem
B
N
S
Linhas: Atrasado? Colunas: Cia

Conteúdo da A B Todos
Célula
Contagem
N 4 4 8
% da Linha
% da Coluna 50 50 100
Gráfico de Setores 40 40 40
Gráfico de Setores de Atrasado?
Categoria
N
S S 6 6 12
50 50 100
N
8; 40,0%
60 60 60
S
12; 60,0%
Todos 10 10 20
50 50 100
100 100 100
6. Gráfico de Pareto
O Gráfico de Pareto, além de ser um gráfico de frequên-
cia, é uma das 7 ferramentas básicas da qualidade e nos aju-
da a focalizar os esforços de melhoria. Ele é útil sempre que
classificações gerais de problemas (erros, defeitos, feedback
de clientes, etc.) puderem ser compilados na forma de valores
para estudo e ações posteriores.
Nesta ferramenta, as frequências de cada causa são re-
presentadas em gráficos de barras ordenados em ordem de-
crescente. O total acumulado em percentual também é repre-
sentado por uma linha, como visto na imagem abaixo:
Defeito Tipo
1 Não selagem topo

2 Não selagem fundo
4 Não selagem lateral
5 Impressão borrada
6 Não selagem topo
7 Não selagem topo
8 Caixa amassada Pareto
9 Sem etiqueta
10 Impressão borrada
11 Não selagem lateral
12 Não selagem topo
O Gráfico de Pareto é interessante pois ele nos ajuda a

priorizar as nossas ações, focando nas classificações mais fre-
quentes de um defeito, erro ou problema de qualidade, que é
facilmente evidenciadas no gráfico. A ideia dessa priorização
ficou célebre na formulação do Princípio de Pareto, uma ideia
proposta por Joseph Juran.
Juran observou, em seus estudos, que os problemas de

qualidade “tem poucas causas vitais e muitas causas triviais”,
que representam um percentual menor. Essa realidade de
muitos problemas favorece bastante uma estratégia de prio-
rização: temos que pensar em resolver estas causas vitais. O
Gráfico de Pareto pode facilmente evidenciar as causas de
problemas que devemos priorizar.
Temos que fazer apenas uma ressalva quanto a esta estra-
tégia, para não banalizar seu uso e levar o agente de melhoria
a um caminho errado. A ressalva é de que, apesar de bastante
interessante, o Princípio de Pareto nem sempre se aplica.
Nas imagens abaixo, mostramos duas situações, uma

onde ele se aplica (há uma, ou poucas, causas responsáveis
pela maioria dos defeitos) e outra, onde ele não se aplica (to-
das as causas parecem importar de maneira igual). Devemos
sempre fazer essa análise antes de adotar uma estratégia de
priorização. Caso o princípio de Pareto não se aplique, temos
que abandonar a priorização e desenvolver contramedidas
para todas as causas por igual, ou então mudar a modelagem
das classificações descritas no eixo X (como uma nova estraté-
gia de análise de frequência).
Se aplica Não se aplica
A estratificação do gráfico de Pareto é outra estratégia in-

teressante de análise de dados. As vezes é interessante ir além
na análise estratificando cada uma das “causas principais”. Isso
nos ajuda a adquirir cada vez mais informação sobre nossos
problemas de qualidade, usando o Pareto.
A imagem abaixo é um exemplo de uma estratificação:
Um outro exemplo clássico de estratificação, apresenta-

do na imagem abaixo, é a análise de estabilidade/instabilidade,
feita com gráficos de controle.
Gráfico de Pareto Gráfico de Pareto

Período Estável Período Instável
Por fim, é interessante pensarmos também na análise de
Pareto em conjunto com uma análise de tendência. Às vezes,
observar o “perfil” de uma variável de classificação em mo-
mentos distintos no tempo (quando o processo está estável
ou instável), nos ajuda a obter informações importantes sobre
o seu comportamento. Na interpretação do exemplo da Figu-
ra 3.26, a classificação H do segundo pareto está associado a
uma causa especial, que é possível notar depois da construção
do gráfico. Quando o processo está estável, essa causa não é
frequente, sendo a causa C mais frequente nesta situação.
7. Análises de Frequência
para Variáveis Contínuas
Quando falamos de análises de frequência para vari-
áveis contínuas temos duas ferramentas usuais: o Dot-Plot
(ou Diagrama de Pontos) e o Histograma.
O Dot plot é o gráfico de frequência mais simples que

existe. Ele plota os valores numéricos que uma determinada
métrica pode ter no eixo X (de maneira ordenada) e coloca um
ponto para cada observação naquele valor apresentada nos
dados. Ele é um gráfico bastante parecido com o histograma,
porém cada ponto do Dot plot é uma observação real do con-
junto de dados.
Com ele podemos ver claramente várias características

da distribuição de dados, por exemplo, como é ilustrado nas
imagens abaixo:
Histograma de Renda
16
14
12
10
Frequência
0
400 Diagrama
800 1200de Pontos
1600 de Renda
2000 2400 2800 3200
Renda
500 1000 1500 2000 2500 3000

Renda
A utilização do histograma é mais proveitosa para a análi-

se de sistemas considerados estáveis, ou seja, aqueles em que
a variação dos dados é advinda apenas de causas comuns. Nes-
ses casos, em que há estabilidade previsões podem ser feitas
acerca do sistema analisado. Por outro lado, quando o sistema
está instável, ou seja, quando não há previsibilidade alguma do
comportamento do processo, um histograma não terá grande
aplicação. Assim, considerando um processo estável, um histo-
grama pode ser utilizado para:
• Identificar como os dados de um sistema estão distribuídos;
• Determinar a resposta mais comum de um sistema;
• Estimar o desempenho futuro dos processos;
• Auxiliar na identificação de ocorrências e anomalias (bem
como ver simetria, centralidade, variação, etc.);
• Entender o comportamento dos dados de um processo na
fase Measure do roteiro DMAIC em Projetos de Melhoria.
7.1 Análise de Tendência

e Frequência
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, va-
mos ensinar várias ferramentas estatísticas, como os Gráficos
de Controle e a Análise de Capabilidade.
8. Estatística Paramétrica:
Gráficos de Controle
e Análises de Capabilidade
As análises usando estatísticas paramétricas são um dos
pontos centrais da metodologia do Seis Sigma clássico e uma
das mais sofisticadas ferramentas que o agente de melhoria
pode usar em seus projetos. Em linhas gerais, elas visam apro-
ximar um conjunto de dados por uma distribuição estatística
e, com base nelas, inferir sobre resultados futuros ou compa-
rar o histograma provável deste processo com especificações
do cliente. Elas são interessantes pois são
chave no entendimento da variação ine-
rente a um processo. Usando esta estra-
tégia, somos capazes de, analisando os
dados, determinar resultados futuros de
um processo ou identificar eventos anô-
malos no tempo.
Por exemplo, imagine que você vai até um restaurante

e anota em um banco de dados o tempo que demora até ser
atendido. Cada observação vai dizer um pouco sobre o de-
sempenho do processo. Para se programar melhor na sua ro-
tina, você pode observar a média do tempo de atendimento
nos últimos meses (digamos, 5 minutos), e a variação espera-
da, representada pelo desvio padrão (digamos, 1 minuto) e, em
seguida, estabelecer uma curva normal (como a mostrada na
imagem abaixo) para prever que em 99,7% das vezes que você
for neste restaurante, você será atendido entre 2 (a média me-
nos 3 desvios padrão) e 8 minutos (a média mais três desvios
padrão). Caso seja atendido em menos de 2 minutos, ou mais
do que 8, pode ter certeza de que muito provavelmente algo
aconteceu com o processo do restaurante, pois a probabilida-
de disto acontecer é muito baixa.
Temos basicamente duas ferramentas de análise pa-
ramétrica mais usuais em Seis Sigma: os Gráficos de Con-
trole e as Análises de Capabilidades. A lógica de ambos se-
gue o exemplo citado sobre o restaurante (e são ilustradas nas
imagens a seguir). Elas:
1. Partem de uma amostra de dados de uma característica das
saídas de um processo (como o tempo de atendimento);
2. Com base em parâmetros desta amostra, criam uma distri-
buição estatística característica para o processo, que estima a
probabilidade, contra possíveis valores da característica (eixo
X);
3. Com base nesta distribuição, inferem sobre o processo (no
caso do Gráfico de Controle, mostram o quanto é normal uma
característica variar e apontam pontos com variação anômala
e, no caso da capabilidade, calculam o número de vezes que
que é esperado que o processo tenha resultados fora de limi-
tes definidos de especificação.
Exemplo de Gráfico de Controle:
Ciclo Tamanho (mm)
1 32,6365
2 30,4459 Histograma de Tamanho (mm) Carta I de Tamanho (mm)
Normal
36
3 34,6395 14 Média 32,04
LSC = 35,828
DesvPad 1,193 35
4 31,0564 12
N 50
34
5 35,5490 10
Valor Individual
33
6 32,9048
Frequência
_
8 X= 32,037
32
7 30,6421 6 31
8 33,3748 30
4
9 32,1398 29
2
10 30,2749 28
LIC = 28,245
0
11 30,6613 30,0 31,2 32,4
Tamanho (mm)
33,6 34,8 1 6 11 16 21 26
Observação
31 36 41 46
12 31,3070 Sem
13 31,5418 causas
14 32,3020 especiais!
...
Dados Parametrização Análise

Exemplo de Capabilidade:
O tamanho deve ficar

entre 31 e 33 mm!
Ciclo Tamanho (mm)
1 32,6365
2 30,4459
3 34,6395
4 31,0564
5 35,5490
6 32,9048
7 30,6421 40% fora
8 33,3748 do
9 32,1398
padrão!
10 30,2749
11 30,6613
12 31,3070
13 31,5418
14 32,3020
...
Dados Parametrização Análise
9. Distribuições Estatísticas
usadas nas Análises Paramétricas
Como vimos, as análises paramétricas passam por deter-
minar uma distribuição estatística característica para um pro-
cesso. Mas afinal, o que são essas distribuições? Elas nada mais
são do que aproximações do comportamento de um processo,
baseadas em observações anteriores dos dados gerados por
eles e modelos estatísticos. Algumas características são ob-
servadas nestas distribuições:
• São pré-determinadas por alguns parâmetros dos dados;
• Geram “probabilidades” para os próximos eventos (caso es-
teja estável);
• Avaliam o que “sai fora das especificações”;
• Norteiam as ferramentas clássicas usadas em qualidade
(Gráficos de Controle, por exemplo).
A ideia por trás da parametrização (a criação de uma cur-

va característica para uma distribuição de dados) é ilustrada
na imagem abaixo. Nela, podemos ver um exemplo para dados
discretos, onde uma amostra contendo o número de filhos em
vários casais amostrados é transformado em uma distribuição
de probabilidade e outra para dados contínuos, onde é forma-
da uma distribuição normal a partir de dados de tamanho de
um tarugo metálico.
A mais famosa e usada destas distribuições é a distribui-

ção normal, usada quando os dados que vamos estimar são
contínuos. Entretanto, existem várias distribuições outras que
nos ajudam com modelos probabilísticos. Cada uma tem seus
parâmetros específicos (a normal, usa a média e o desvio pa-
drão, a Poisson, usa a taxa média, etc.) e é usada para aproxi-
mar diferentes tipos de variáveis. Temos que saber o tipo de
variável para usar o modelo correto, tendo a previsão correta.
Dados discretos Dados Contínuos

Número de Filhos Porcentagem
0 10%
1 30%
2 35%
3 20%
4 5%
Probabilidade
0 1 2 3 4
Número de filhos
As distribuições mais usuais que temos são:
• A distribuição Normal, para dados contínuos (parametrizada
por uma média e um desvio padrão);
• A distribuição de Poisson, para dados de contagem (parame-
trizada por taxas);
• A distribuição Binomial, para dados de classificação (para-
metrizada por porcentagens).
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.
Além disso, temos que conferir se, de fato, nossos dados

podem ser aproximados pelas distribuições usadas nestas aná-
lises. Tomamos por exemplo as variáveis contínuas. Apesar da
maioria dos processos que são aproximados por variáveis con-
tínuas serem normais, pode ser que algumas vezes eles não
possam ser aproximados por essa curva. Um exemplo disso é
apresentado na imagem presente na próxima página. Nela, te-
mos 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 nor-
mal para estimar seus limites, vamos ter vários apontamentos
de causas especiais que, na verdade, não são anomalias esta-
tísticas.
Se usamos um gráfico de controle baseado em uma dis-

tribuição que não representa os dados, vamos cometer erros.
Isso porque estamos estimando o comportamento do nosso
processo com uma distribuição inadequada para os nossos da-
dos. Isso fará com que tomemos decisões erradas, nos enga-
nando com a variação existente em um processo. Em geral, an-
tes 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. Os gráficos de controle

Os gráficos de Controle são gráficos que dizem se o nosso
processo está estável ou não. Ele plota o que é a “variação na-
tural do processo”.
A partir do acompanhamento periódico de um indicador,
sabemos se ele está sob a influência de causas especiais, o que
nos ajuda a aprender mais sobre o que está acontecendo.
Assim como no gráfico de tendência, ele pode ser traça-

do para diferentes métricas. Entretanto, temos que saber qual
é a distribuição ideal para aquela métrica. Esse entendimento
precisa passar pelo entendimento do tipo de variável e pelo ta-
manho do subgrupo. Um exemplo seria parecido com o gráfico
de tendência, visto na imagem abaixo:
Média,
Desvio padrão,
Estatística Porcentagem,
Taxa,
Etc.
1 2 3 ... n
X1 X1 X1
X2 X2 X2 Medidas referentes a um
X3 X3 X3
... ... ... intervalo de tempo
xn xn xn
Subgrupos
Uma informação importante é que diferentes tipos de

gráficos de controle são usados para diferentes tipos de dados.
Todos eles distinguem a variação de causa especial da variação
de causa comum. Todos eles usam limites de controle para in-
dicar se um determinado valor de dado deve ser tratado como
uma causa especial.
A escolha dos gráficos depende do tipo de dados. A ima-

gem abaixo apresenta os gráficos mais usuais e as situações
em que eles são usados.
Tipos de
dados
Contagem ou
Contínuos
classificação
(dados de
(dados de
variáveis)
atributos)
Contagem Classificação
Defeitos ou não- Unidades defeituosas Subgrupo de Tamanho fixo de Tamanho variável de

conformidades ou não conformes tamanho 1 subgrupo subgrupo
Gráfico X-barra Gráfico X-barra

Gráfico U Gráfico P Gráfico X
eR eS
Defeitos por Porcentagem Medida Média e Média e desvio
unidade de defeituosos individual amplitude padrão
10.1 O Gráfico P
O gráfico p é usado para variáveis de classificação e usa a
distribuição Binomial como base.
Algumas classificações clássicas são: unidade defeituo-

sa/não-defeituosa, conforme/não conformes, aprovada/não
aprovada, etc. O gráfico p irá plotar a porcentagem de uma
classificação ao longo do tempo e os limites esperados para
essas porcentagens.
No exemplo abaixo, são as unidades defeituosas que vão
gerar o gráfico.
(n) (p)
Unidades Nº de unidades Proporção de unidades
Amostra
Amostradas/Amostra defeituosas defeituosas
1 200 20 0,1
2 100 30 0,3
3 300 10 0,03
- - - -
- - - -
- - - -
- - - -
- - - -
24 150 20 0,13
Tamanho da Numero de O Gráfico P plota

Amostra defeituosos esta coluna
No exemplo abaixo, temos um gráfico P que indica o com-

portamento do absenteísmo (faltou ou não faltou; justificou
falta ou não justificou). Podemos ver que a porcentagem das
ausências está em controle estatístico (sem causas especiais),
já as ausências sem justificativa apresentam uma causa espe-
cial.
Dados sobre absenteísmo – 90 funcionários
Total de Ausências Não
Dia p p
Ausências Justificadas
1 10 0.11 2 0.02
2 8 0.09 3 0.03
3 14 0.16 1 0.01
4 6 0.07 1 0.01
5 8 0.09 1 0.01
6 7 0.08 2 0.02
7 16 0.18 0 0.00
8 12 0.13 3 0.03
9 10 0.11 1 0.01
10 9 0.10 8 0.09
11 12 0.13 1 0.01
12 10 0.11 2 0.02
13 14 0.16 0 0.00
14 4 0.04 4 0.04
15 8 0.09 3 0.03
16 12 0.13 1 0.01
17 9 0.10 0 0.00
18 5 0.06 2 0.02
19 14 0.16 1 0.01
20 10 0.11 0 0.00
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, aci-
dentes por km rodados, etc.). Para montá-los, precisamos de-
finir, como na tabela abaixo, qual é o nosso subgrupo e coletar
as estatísticas para estes subgrupos.
(a) (c) (U)
Unidades
Semana Nº de erros Nº de erros por unidade
Processadas/Semana
1 104 15 0,14
2 21 4 0,19
3 18 3 0,17
- - - -
- - - -
- - - -
- - - -
- - - -
24 25 5 0,20
(a) = área de oportunidade: (c) = número de erros O gráfico-u se faz

encontrados nas unidades com esta coluna
Número de unidades processadas U = (c/a)
processadas por semana
No exemplo que você encontrará na próxima página,

mostramos um gráfico U para indicar o número de acidentes
em uma estrada. Vemos que existem três causas especiais no
gráfico (dois pontos acima do Limite Superior de Controle e 8
pontos abaixo da média).
Notem que, neste caso, o subgrupo foi idêntico para to-

das as medições. Nem sempre isso acontece. Poderíamos, por
exemplo, ter amostras diferentes para cada caso.
Mês/Ano Número de Mês/Ano Número de

(oportunidade) acidentes (C) (oportunidade) acidentes (C)
Janeiro 1989 6 Janeiro 1990 10
Fevereiro 2 Fevereiro 5
Março 4 Março 9
Abril 8 Abril 4
Maio 5 Maio 3
Junho 4 Junho 2
Julho 23 Julho 2
Agosto 7 Agosto 1
Setembro 3 Setembro 3
Outubro 15 Outubro 4
Novembro 12 Novembro 3
Dezembro 7 Dezembro 1
10.3 O gráfico de Individuais

O gráfico de controle para dados individuais é usado
quando nosso dado é uma variável contínua e cada observa-
ção é plotada no gráfico, na sequência em que é obtida. Este
gráfico usa a distribuição normal como base.
Para o cálculo dos limites ele utiliza a distribuição normal,

baseada na média e no desvio padrão dos dados fornecidos. O
Gráfico de Controle de Individuais é o mais utilizado em proje-
tos de melhoria.
Inventário em processo
Mês Inventário
01/1989 19
02/1989 27
03/1989 20
04/1989 16
05/1989 18
06/1989 25
07/1989 22
08/1989 24
09/1989 17
10/1989 25
11/1989 17
... ...
É o mais comum para dados de área transacionais, como
o acompanhamento de inventário, como o exemplo da imagem
acima, mas em outras análises de:
• Dados financeiros;
• Tempo para executar uma atividade;
• Dados de faturamento;
• Dados de vendas.
10.4 O gráfico X-Barra S
No exemplo da imagem abaixo, temos um gráfico X-barra

S. O ponto acima do LSC no gráfico de X-barra indica um pe-
ríodo onde a média foi atipicamente maior. A causa especial
no gráfico S, indica um ponto onde a variação foi atipicamente
maior.
Semana Amostra
1 45 48 48
2 46 46 44
3 41 47 47
Cada ponto
4 41 44 45 neste gráfico é
5 43 50 41 a média de um
6 41 45 47 subgrupo.
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
Cada ponto
13 54 56 49
14 43 44 45 neste gráfico
15 42 45 59 é o desvio
16 44 47 44 padrão dentro
17 46 51 45
do mesmo
18 44 42 40
19 45 45 46 subgrupo.
20 42 47 43
10.5 Usando os Gráficos
de Controle
Teoricamente, traçar um gráfico de controle utiliza a mes-
ma lógica para criar qualquer gráfico: coleta de dados. Geral-
mente seguimos os passos:
1. Avalie a métrica que quer medir/controlar;
2. Avalie a periodicidade da análise;
3. Escolha o tipo certo de gráfico;
4. Certifique-se que os dados são aproximados
pela distribuição correta;
5. Gere o gráfico e avalie as causas especiais.
10.5.1 Como avaliar causas

especiais (eventos de baixa
probabilidade)
As práticas em avaliar se a distribuição faz sentido são na

elaboração do gráfico, utilizar gráficos probabilísticos (para va-
riáveis contínuas). Outra forma de prever a boa análise é usar
testes para avaliação das distribuições.
Após desenharmos nossos gráficos, temos que saber

identificar onde estão as causas especiais. Três regras para
isso são dadas, baseadas nas distribuições de probabilidade,
na imagem abaixo:
Uma observação além Uma sequência de oito ou mais Uma sequência de seis ou mais
de um limite de controle. pontos acima ou abaixo da média. pontos crescentes ou decrescentes.
10.5.2 O Teorema
Central do Limite
Um ponto que merece destaque é a normalidade para
quando trabalhamos com médias de medidas. Sempre que es-
tivermos calculando a média de amostras, essa distribuição irá
ser uma normal caso a amostragem seja suficientemente gran-
de. Esse fato é provado pelo Teorema Central do Limite.
O exemplo do slide mostra bem esse fato. Temos descrito
lá, a probabilidade da média do valor para o lançamento de n
dados. Quando lançamos só um dado, a média é o valor que
saiu. Como cada lado tem a mesma probabilidade de cair vira-
do para cima, a média para o primeiro caso é uniforme. Con-
forme aumentamos o número de dados, temos mais possibili-
dades para que a média seja valores intermediários (para que
a média seja 1, ambos os dados devem cair no 1; para que a
média seja 3, podemos ter combinações como 3 e 3, 2 e 4, 4 e
2, 5 e 1, 1 e 5).
Isso, na prática, quer dizer que quando queremos avaliar

a média de uma característica em uma amostra suficientemen-
te grande, podemos assumir sua distribuição como sendo uma
normal.
A imagem abaixo mostra a progressão da conclusão que
com a medida que os número de lançamentos aumenta, o grá-
fico se parece mais com uma
Imagine normal. de dados.
o lançamento
Qual é a probabilidade para a média do valor dos dados?
Distribuição média de 1 lançamento Distribuição média de 2 lançamentos
Distribuição média de 3 lançamentos Distribuição média de 5 lançamentos
11. Capabilidade
Análises de Capabilidade nada mais são do que comparar
a variação natural do processo com as especificações do clien-
te. A amplitude da curva normal está relacionada às especifica-
ções do cliente, por exemplo como é ilustrado na imagem abai-
xo. Assim podemos ver o desempenho do processo e prever
perdas futuras. A análise paramétrica é ótima para tudo isso.
Um formulário padrão de Capabilidade entregue por um
software como o Minitab é representado na imagem abaixo.
Ela contém gráfico de probabilidades, gráficos de controle, his-
tograma e mais algumas análises que auxiliam na validação da
normalidade.
Representação
gráfica
Estabilidade
Normalidade
Índices de
capabilidade
11.1.1 O que são os

índices de capabilidade?
Antes da invenção dos computadores, a análise de capabi-
lidade já existia. Esses índices eram medidas fáceis de calcular,
que ajudavam a ver como estava a capabilidade de determina-
da característica. Acabaram virando jargões da qualidade. Os
mais famosos são o Cp (e Pp) e o Cpk (e Ppk), que você irá en-
contrar na próxima pagina.
Atualmente, eles saem nos relatórios padronizados, jun-

tos com outras informações importantes.
789 =>? @=A?
𝐶𝐶" = = :×;.<.
:×;.<.
𝐿𝐿𝐿𝐿𝐿𝐿 − 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 − 𝐿𝐿𝐿𝐿𝐿𝐿

𝐶𝐶"# = 𝑚𝑚𝑚𝑚𝑚𝑚 ,
3×𝐷𝐷. 𝑃𝑃. 3×𝐷𝐷. 𝑃𝑃.
11.1.2 Usando os gráficos

de controle e a análise
de capabilidade
Ao analisarmos causas de variação, podemos cometer al-
guns erros clássicos:
Erro 1: Reagir a um resultado como se viesse de uma causa es-

pecial, quando na verdade vem de causas comuns de variação.
Erro 2: Tratar um resultado como se viesse de causas comuns

de variação, quando na verdade vem de uma causa especial.
Erros de decisão são intrínsecos ao Gráfico de Controle.

A proposta de Walter Shewhart (limites de controle), pai do
Controle Estatístico, procura um equilíbrio entre os dois tipos
de erros. Assim como representado na Figura 3.44, os gráficos
de controle e capabilidade auxiliam na tomada de ações, que
serão diferentes de acordo com a estabilidade ou não do pro-
cesso.
Selecionar uma medida de processo
ou característica da qualidade
Desenvolver gráfico de
controle apropriado
Reduzir causas comuns Descobrir e atuar sobre

(mudar o processo) causas especiais
Identificar causas comuns O processo Identificar causas

ou processos alternativos é estável? especiais
Processo estável Processo instável
Métodos Primários de Investigação
1. Planejamento de Experimentos 1. Gráficos de controle
2. Subgrupamento / estratificação 2. Subgrupamento / estratificação
3. Gráficos de controle 3. Planejamento de Experimentos
Responsabilidade pela investigação
1. Peritos técnicos 1. Trabalhadores do processo
2. Supervisores 2. Supervisores
3. Trabalhadores do processo 3. Peritos técnicos
Responsabilidade pela melhoria
1. Gerência 1. Supervisores
2. Peritos técnicos 2. Peritos técnicos
3. Supervisores 3. Gerência
4. Trabalhadores no processo 4. Trabalhadores no processo

Já falamos bastante sobre isso, mas sempre é impor-
tante reforçar: limites de controle são diferentes de limites
de especificação, como a imagem a seguir traz de exemplo.
Os limites de Especificação:
• Vêm de exigências da engenharia ou dos clientes;

• Representam o que alguém quer que o processo faça;
• Podem ser alterados por exigência do cliente.
Limites de Controle:
• São calculados com os dados do processo;
• Representam o que um processo é realmente capaz de fazer;
• Só podem ser alterados quando mudanças no processo alte-
ram o comportamento dos indicadores (produzem impacto).
Limites de Especificações não devem ser usadas em um

gráfico de controle. Mas, como se pode atender as especifica-
ções do cliente? Melhore o processo reduzindo a variação de
causa comum.
Na imagem abaixo já está descrito 4 situações, que fre-
quentemente encontramos em projetos de melhoria:
No primeiro gráfico da imagem acima o processo está es-

tável e dentro dos limites do cliente, o que é um bom sinal. Nes-
se 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 me-
nores 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 pri-

meiro 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 di-
reito 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.
11.2 A porta de processos

As organizações recebem diretrizes para se organizarem
em processos, sistemas e procedimentos, vide imagem abaixo:
Sistema
Detalhamento
Complexidade
Processos
Atividades/ procedimentos
Um sistema é a organização como um todo. Ele é extre-

mamente complexo e transforma uma série de entradas em sa-
ídas. Existem várias pessoas trabalhando nele e é muito difícil
detalhá-lo de uma vez.
Um processo é uma parte menor do sistema. Ele traba-

lha com um número limitado de pessoas, entradas, saídas e
atividades. As suas saídas são, muitas vezes, consumidas por
clientes externos, sendo que só processos com interface com
o cliente externo produzem saídas para ele. Um processo tam-
bém é mais simples de ser detalhado e “desenhado”. Com um
fluxograma, por exemplo, podemos desenhar suas interações
e a sequência de suas atividades, bem como onde cada coisa
acontece na organização (iremos ilustrar alguns fluxogramas
mais adiante).
Uma atividade é a parte mais basal da organização. Ela

pode ser descrita por um procedimento, ou instrução de tra-
balho e sempre é realizada por apenas uma pessoa (podendo
ter interface com outras). A sua complexidade é baixa e ela é
fácil de ser enxergada, pois são as coisas que realizamos no dia
a dia. É possível detalhá-la com clareza.
Nos próximos tópicos será mos-

trado técnicas de como realizamos o
mapeamento dos processos de uma
organização. Vale dizer que nem sem-
pre precisamos usar todo conheci-
mento teórico a prova. Muitas vezes,
uma simples ida ao Gemba vai te per-
mitir entender o que está acontecen-
do.
12. Mapeamento de processos
Um ponto central da ciência da melhoria é a sua relação
com a mudança. Como foi comentado no curso, é impossível
melhorar alguma coisa sem que seja feita uma mudança. Me-
lhoria requer mudança. Entretanto, muitas mudanças nem
sempre resultam em melhorias. Algumas mudanças, inclusive,
pioram o desempenho de um processo.
Então como desenvolver mudanças que realmente vão

ser melhorias?
Há uma maneira fácil de estruturamos essas mudanças.

Temos que responder às três questões fundamentais da me-
lhoria.
Direcionamento
Produção
Fornecedores Entradas Saídas Clientes

Suporte
Vimos várias vezes na imagem anterior o sistema propos-
to por Deming sobre as organizações. Acontece que na vida
real, não é fácil chegar nesse estágio onde tudo está organiza-
do e detalhado.
Na prática, vemos algo como na imagem abaixo: uma série

de pessoas (representadas pelas bolinhas) realizando uma sé-
rie 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. Deter-
minadas pessoas desempenham papéis diferentes ao longo
do fluxo e, muitas vezes, estão envolvidas em mais de um pro-
cesso. 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 corri-
queiras está ligada a processos diferentes.
No mapeamento de processos, nosso objetivo é ilustrado
na imagem abaixo:
É possível entender melhor um processo e assim obter

melhores resultados. Um processo mapeado pode ser aplica-
do indicadores, buscar melhorias e reestruturar radicalmente
de forma que os resultados sejam conhecidos e esperados.
Um bom mapeamento traz resultados positivos:
1. Entendimento do processo;
2. Conhecimento sobre o fluxo de trabalho;
3. Ilustração em um fluxograma;
4. Identificação das desconexões.
12.1 Mapeamento
Mas como realizar um mapeamento na prática? Uma se-

quência deve ser seguida.
1) Defina o escopo do mapeamento:
A primeira coisa que temos que de-

finir é o escopo, ou objetivo do nosso
mapeamento. Para que vamos mapear o
processo?
Isso vai fazer com que o foco do

que estamos procurando mude. Por
exemplo, se estivermos envolvidos em
um projeto cujo objetivo é “reduzir número de relatórios fi-
nanceiros com erros”, vamos ter que focar nosso mapeamento
no fluxo de informações que geram esses relatórios. Quem en-
via essas informações para a pessoa que faz o relatório? Quais
informações ela precisa? Como chegam as informações para
ela? Essas perguntas mudam a óptica do que vamos mapear
(como vamos ver mais pra frente).
Se, alternativamente, estivermos envolvidos em um pro-

cesso cujo objetivo é reduzir defeitos de uma peça, vamos ter
que mapear não apenas o fluxo de informações (que pode nos
gerar erros de montagem, por exemplo, mas sim todos os com-
ponentes que formam essa peça. Mapeando de onde vem os
componentes e por quais etapas de processamento eles pas-
sam, podemos entender se há problemas de matérias-primas
ou então de fabricação.
2) Defina os limites do seu mapeamento (e projeto):
A imagem a seguir ilustra em diferentes cores as fases in-

teressantes do processo para o mapeamento.
Ignorar
Mapear
Ignorar
3) Identifique e entreviste
os envolvidos no Processo:
Em seguida, passamos para uma entrevista minuciosa.
Esta entrevista, deve identificar tudo o que acontece, e cabe
ao entrevistador instigar o entrevistado a expor todas as pos-
sibilidades e todos os casos que acontecem.
Mas como fazer essa entrevista? Usando a metodologia

do SIPOC, já explicada anteriormente e representada na ima-
gem abaixo:
Fornecedor
Entradas Processo Saídas Clientes
es (inputs) (process) (outputs) (clients)
(suppliers)
Procedimento Operação 1
A Relatório A
Relatório Operação 2
Lista de
compras
B Peça 1 Operação 3 C
Peça 15
Peça 2 Operação 4
SIPOC da pessoa X

As saídas da pessoa analisada devem ser as entradas da
pessoa seguinte (clientes) e as entradas da pessoa analisada,
devem ser as saídas das pessoas anteriores (fornecedores) as-
sim por diante. A imagem abaixo representa as pessoas por le-
tras e as correlaciona com cores, para organizar o mapeamen-
to.
+ SIPOC da pessoa X
+ SIPOC da pessoa A
+ SIPOC da pessoa B
+ SIPOC da pessoa C
+ SIPOC da pessoa ...
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 proces-
so;

• Identifica gargalos, desconexões, etapas desnecessárias, etc.
• Permite medir o tempo das atividades;
• Identifica “quick wins” do projeto.
12.2 E como encontrar

as desconexões
Após a elaboração do SIPOC e do Fluxograma, a equi-
pe de melhoria deverá debruçar-se neste material e aplicar o
checklist para localizar as desconexões de saídas, entradas e
atividades. É importante passar por cada uma das saídas e en-
tradas listadas no SIPOC realizando todos os passos do che-
cklist abaixo:
Saídas Entradas Atividades
• Está produzindo alguma saída • Está deixando de receber • Estão sendo realizadas na
desnecessária? alguma entrada necessária? hora certa no processo?
• Está deixando de produzir • Está recebendo alguma • Estão sendo realizadas pelas
saídas para os clientes entrada desnecessária? áreas/pessoas certas?
adequados?
• Existem entradas chegando de • Estão criando gargalo?
• Está deixando de atender fornecedores errados?
expectativas de qualidade dos • Agregam valor para o cliente?
clientes? de prazo? • Existem entradas deixando de
atender expectativas de • Apresentam redundância?
• Está deixando de atender qualidade, prazo, custo ou
expectativas internas de produtividade?
produtividade? de custos? • É um ponto de inspeção ou de
decisão?
• Apresentam ciclos de
retrabalho?
• Estão sendo executados no

tempo programado?

13. Fluxograma
Fluxogramas, como já falamos, são representações grá-
ficas dos nossos processos para mostrar como um processo
funciona, por exemplo a imagem abaixo. Existem vários tipos
de fluxogramas que nos ajudam a observar diferentes aspec-
tos dentro do nosso processo. Vamos ver alguns destes tipos
nos próximos tópicos.
A lâmpada não
funciona
Não
A lâmpada
está Plugar a lâmpada
plugada?
Sim
Sim
O bulbo
Trocar o bulbo
queimou?
Não
Comprar nova
lâmpada
O Fluxograma Vertical é o fluxograma mais simples que

existe (e um dos mais usados nos projetos de melhoria). Ele
mostra de maneira linear como o processo acontece, apresen-
tando também as suas ramificações e pontos de decisão.

Ao elaborarmos um fluxograma, como o da imagem abai-
xo, começamos sempre pelos pontos mais característicos do
processo (que podem ser o seu começo e fim) e depois vamos
adicionando os detalhes. Lembrem-se que neste ponto, já te-
mos um grande entendimento sobre o processo que foi obtido
através das entrevistas de SIPOC.
Funcionário
Venda recebe Analista avalia
Início verifica
solicitação solicitação
documentação
Sim Gera
Empréstimo
documentação e Fim
aprovado?
libera empréstimo
Não Sim
Superintendente
Excessão Analista comunica
avalia
aprovado? Não cliente
recomendação
O Fluxograma Multifuncional é um sofisticação do Fluxo-

grama Vertical que inclui o local (ou área) onde cada uma das
atividades acontecem. Ele muda o foco das atividades para as
áreas em que elas acontecem e na interação entre elas. Com
ele, podemos visualizar todas as “passagens de bastão” entre
os departamentos e em que momento do processo elas acon-
tecem.
Esse tipo de demonstração evidencia as interdependên-

cias entre os departamentos e é útil para indicar as responsa-
bilidades de cada uma das áreas nos processos.
O exemplo da imagem a seguir também mostra um indi-

cador (no caso o tempo decorrido em um dos processos ana-
lisados). É bastante comum em fluxogramas, tanto verticais

quanto multifuncionais, colocarmos uma coluna ou linha extra
onde mostramos um indicador ou outro tipo de informação
adicional. Essa “artimanha” nos permite alinhar a equipe no de-
sempenho de uma característica em específico quando vamos
discutir com eles como o processo acontece.
Vendas Análise de crédito Superintendência Processamento

Tempo decorrido

1 dia
Recebe
1
solicitação
2
Verifica
documentação
5 dias
Avalia
3
solicitação
Aprovado Gera
5 documentação e
libera empréstimo

Avalia Aprovado
4
recomendação Não Aprovado
6 Comunica cliente
10 dias

O Diagrama Espaguete é um fluxograma que exprime

o processo em uma planta física. Ele é muito usado em proje-
tos onde queremos mapear e eliminar desperdícios de movi-
mentação e transporte (vamos ver estes desperdícios mais pra
frente no curso). Ele consiste em desenhar, no mapa da planta
ou local onde ocorre o processo, linhas coloridas que indicam
os fluxos mapeados (pode ser o caminho de um documento, de
uma peça, de uma pessoa, de uma empilhadeira, etc.).
Para desenhar esse fluxograma, seguimos alguns passos:

• Obter o mapa (layout) do espaço de trabalho;
• Listar as atividades (passos) do processo;
• Marcar as posições onde acontecem cada um dos passos. Atu-

almente é muito fácil realizar essa marcação pois praticamente
qualquer smartphone pode ser rastreado por GPS. Existem, in-
clusive, vários aplicativos que já mostram o caminho do celular
no mapa (como aqueles aplicativos de corridas e caminhadas).
• Ligar as marcações e desenhar no mapa as linhas de fluxo.
Ao olhar para o fluxograma de espaguete da imagem abai-

xo, podemos tomar várias conclusões sobre o processo:
• Se existem vários cruzamentos entre as linhas, devemos co-
meçar a pensar em alterações no layout ou no processo;
• Se há muito retorno a um ponto, podemos simplificar o pro-
cesso para que todas as atividades sejam realizadas de uma só
vez (em uma única “passada”);
• Se existem muitas passagens de bastão ou pontos de espera,
podemos pensar em eliminar possíveis gargalos que possam
estar acontecendo.
Torre de Controle
Fluxo de funcionários
para preparação do voo
Cabine de Ferramentas:
Se está cabine fosse mais
próxima da aeronave seria
possível agilizar a preparação.
13.1 VSM - Value Stream Map
Uma outra maneira de se expor um processo é fazer o seu

VSM, ou Mapeamento do Fluxo de Valor (Value Stream Map).
Essa ferramenta é utilizada em projetos Lean para a represen-
tação de processos fabris, portanto, caso queira se aprofundar,
recomendamos nosso curso de Especialista Lean.
Os principais apontamentos do VSM são:

• Estoques intermediários entre os processos (representados
pelos triângulos);
• A ordem das atividades;
• O tempo de ciclo das atividades;
• O tempo de set-up das atividades;
• O tempo em que os materiais e peças permanecem parados
no estoque;
• O tempo total que as matérias-primas demoram para percor-
rer todo o processo de fabricação (o lead time);
• O fluxo de informações de produção;
Outra fase importante do VSM, é a contagem dos esto-

ques, vide exemplo a seguir. Para processos administrativos,
deve-se tomar cuidado redobrado pela dificuldade que poderá
ser encontrada na definição do takt time (tempo de ciclo) e na
determinação do estoque. Contornados estes empecilhos, o
VSM pode ser usado sem problemas para processos adminis-
trativos.

Aços São Paulo Montadora São Jorge
6 semanas Previsão 30/60/90
Programação PCP Pedido diário
diária
18400 pçs/mês
12000 “E”
3ª e 5ª Programação Semanal 6400 “D”
Bandeja = 20 pçs 2 Turnos
Diário
E E E E E
Estamparia Solda 1 Solda 2 Montagem 1 Expedição
4600 D 1100 D 1600 D 2700 D
x1 2400 E x1 600 E x1 850 E x1 1400 E x1
Tempo de ciclo Tempo de ciclo Tempo de ciclo Tempo de ciclo Tempo de ciclo
Setup Setup Setup Setup Setup
Disponibilidade Disponibilidade Disponibilidade Disponibilidade Disponibilidade
Tempo disponível Tempo disponível Tempo disponível Tempo disponível Tempo disponível
5 dias 7,6 dias 1,8 dia 2,7 dias 2 dias
Lead Time = 19,1
1s 39s 46s 62s
Tempo de processo = 148s
13.2 Erros ao se elaborar

um fluxograma
Agora vamos falar um pouco sobre os erros mais comuns
ao se elaborar um fluxograma.
O primeiro deles é o que já comentamos anteriormente,

mas sempre é bom lembrar: desprender-se da realidade. É o
que a imagem a seguir demonstra.
No mapeamento e na elaboração do fluxograma, temos

que mapear como o processo realmente é, não como o proces-
so deveria ser ou então como nós pensamos que ele é, mas sim
como ele realmente é.
Nas fases seguintes, iremos discorrer mais profundamen-

te sobre como o processo poderia ser, depois de usarmos uma

série de ferramentas analíticas para torná-lo mais simples e
mais eficiente.
Erros ao se elaborar um fluxograma
O que o gerente pensa que é:
Foque aqui
O que realmente é: durante
a fase Analyze
O que deveria ser:

Foque aqui
durante
a fase Improve
O que poderia ser:
14. Análise de Procedimentos
A análise dos procedimentos nada mais é do que avaliar o

que as pessoas estão fazendo.
Algumas estratégias para isso:

• Observação direta (correlacionando com o problema do de-
fine);
• Medição dos tempos (será retomado posteriormente);
• Analisar a “Padronização, Comando e Controle”.
14.1 Observação direta

O método da observação direta é o mais rápido de análi-
se. Pode ser feito a partir do “sentimento” do pessoal do pro-
cesso (eles já sabem o que está dando errado). Também pode
envolver uma coleta de dados.
Temos que sempre fazer as perguntas relacionadas com

o Define, ou seja, objetivos e metas, e podemos observar com
base nos desperdícios do Lean (iremos falar mais sobre isso na
fase do Analyze).
14.2 Coleta dos Tempos
Em vários projetos de melhoria, precisamos fazer a cole-

ta dos tempos de um processo. Essa coleta mistura análise de
procedimentos e de dados.
Na prática, coletamos os tempos en-

volvidos na realização de cada atividade,
em condições controladas. Esses dados
são coletados tanto para atividades iso-
ladas, quanto para um processo como um
todo. Geralmente, quando coletamos para
o todo, também coletamos os tempos de
espera. Muitas vezes, esses tempos de es-
pera causam dessincronização e proble-
mas gravíssimos.
O VSM baseia-se majoritariamente no entendimento

dessas métricas de processo.

15. Apresentação de
Resultados do Measure
A apresentação dos resultados do Measure é sempre um

ponto importante em um projeto de melhoria. Geralmente,
mostramos os dados cruzando o que descobrimos com as in-
formações de processo. Essa apresentação vem sempre con-
textualizada, indicando o que descobrimos.
Em outras palavras, elas devem responder às principais

perguntas que tínhamos na fase do Define (e outras que even-
tualmente apareceram).
Devem também dar uma ideia clara do que está aconte-

cendo e dos passos a serem seguidos.
Segue algumas dicas:
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;

Na fase do Measure, como o próprio nome já diz, vamos
começar a “medir” nosso processo. Por medir entendemos: co-
letar informações que nos serão úteis no esforço de me-
lhoria.
• Fazer o mapa detalhado do Processo;
• Determinar os X’s e os Y’s críticos;
• Validar o Sistema de Medição treinamento;
• Desenvolver plano para coletar dados
• Avaliar o desempenho atual: estabilidade
e processo capabilidade;
• Ajustar o foco do projeto.
As tarefas, suas entradas e saídas, são ilustradas na tabela

abaixo:
Mapear os Mapear os Coletar os Análises Usar análises Divulgar o

processos procedimentos dados Básicas paramétricas aprendido
Montar o banco de
Entender o Fluxo de Avaliar a estabilidade Informar os
Analisar as atividades dados do projetos ou
informações e e a capabilidade do stakeholders sobre o
dentro do processo. olhar o que já tem. Avaliar a frequência e
Atividades materiais. Entender
Há erros claros e falta Avaliar a a tendência dos dados.
processo (o que é desempenho atual.
problemas no fluxo. Ir “natural” dele e se isso Nivelar o
de padrão? confiabilidade.
ao Gemba. é bom para o cliente). conhecimento.
Estratificar.
SIPOC, VSM, Gráficos de Tendência, Gráficos de Controle,

Tempos e Métodos, Folha de Verificação, Fluxogramas,
Ferramentas Fluxograma Pareto, Barras, Análises de
Instruções de Trabalho Dados estruturados visualização de dados.
histograma, etc Capabilidade
Capítulo 4
Analyse
Clique
para voltar
ao Índice

1. Introdução ao Analyse
O Analyse é o terceiro passo do roteiro DMAIC. Nele,
como o próprio nome já diz, vamos analisar o que aprendemos
durante as etapas de medição e também desenvolvemos mu-
danças sobre o processo, de maneira a melhorar o seu desem-
penho. A grande saída da fase do Analyse são as mudanças de-
senvolvidas. Para chegar lá, iremos explorar 4 estratégias, em
detalhes:
• A análise crítica do processo;
• O uso de tecnologia;
• O uso da criatividade;
• O uso dos conceitos de mudança.
Como no Measure, podemos usar técnicas para propor
as mudanças baseados nos dados e nos processos. As técnicas
de processos visam melhorar os procedimentos e suas sequ-
ências. Exemplo: Poka-Yokes, Análise de Valor, Eliminação de
Desperdícios, etc. Já as técnicas de dados visam estabelecer
um pensamento matemático de causalidade. Exemplos: análi-
se do banco de dados (regressão, etc.) e planejamento de expe-
rimentos. As diferentes técnicas estão exemplificadas na Tabe-
la abaixo:
Analise Analise os Analise seu Investigue os Formate suas
os processos procedimentos banco de dados experimentos mudanças
Buscar no banco de dados

Entender o que se pode correlações entre variáveis Aprenda mais sobre as
Entender o que se pode Priorizar as mudanças
mudar nas atividades para para entender o que se correlações de variáveis
Atividades mudar no fluxo de maneira
deixá-las melhores e mais pode variar no processo de com experimentos
propostas para a realização
a gerar melhorias de testes de mudança
rápidas. maneira a gerar um planejados
resultado melhor.
Poka-Yokes, Diagrama de Gráficos de dispersão, Planejamento de
Desconexões, análise de Ishikawa, Análise de Análises de Regressão, experimentos;
Ciclo PDSA; Matriz de
Ferramentas valor, ECRS, Criatividade, Tempo, Tecnologia, Testes de hipóteses, Experimentos Fatoriais;
Impacto Esforço.
Conceitos de Mudança Benchmarking, Tabelas de contingência, Experimentos Dicotômicos;
Criatividade Gráficos de Barras etc.
Alterações nos parâmetros Alterações nos parâmetros

Mudanças para melhorar o Mudanças para melhorar as Plano de testes das
Saídas fluxo atividades
de entrada que vão gerar de entrada que vão gerar
mudanças desenvolvidas.
melhoria melhoria
Para começar o capítulo, faça a leitura do Estudo de
Caso do Analyse: Ambulatório Médico de Especialidades,
presente na pasta do curso.
2. Estratégias e sub
estratégias para a Mudança
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 pro-
cessos 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. Mas antes, vamos introduzir
alguns conceitos básicos sobre se trabalhar com dados.
2.1 As macro estratégias

As macro estratégias para o desenvolvimento de mu-
danças são definidas na fase Analyse:
• Entender e analisar criticamente o processo atual;

• Usar Tecnologia;
• Usar Criatividade;
• Usar os Conceitos de Mudança.

• Análise crítica: a primeira faz uso do pensamento analítico
crítico. Nesta abordagem adotamos ferramentas que nos per-
mitem enxergar o processo e questionar seus fornecedores,
insumos, passos, saídas e clientes. É uma análise profunda que
vai te ajudar a encontrar os pontos que podem causar proble-
mas e eliminá-los;
• Tecnologia: nesta abordagem, procura beneficiar de tecno-

logias já desenvolvidas. É muito comum na área de TI, onde
uma empresa compra um novo sistema de gerenciamento de
estoques, por exemplo. Além do sistema em si, vem junto ao
mesmo todo o conhecimento adquirido pela empresa no de-
senvolvimento daquele processo;
• Criatividade: é um meio de
escapar dos modelos mentais
estabelecidos para encontrar
alternativas. Das quatro catego-
rias, esta é a que menos encon-
tramos nas empresas, quando o
assunto é melhorar processos.
E, a causa para isto é que duran-
te a formação do profissional,
ele dificilmente possui treina-
mento neste assunto. De Bono,
TRIZ, SIT e outras técnicas im-
portantíssimas para a geração
de ideias criativas, são muito
pouco difundidas e estudadas;

• Conceitos de Mudanças: processos
que têm bom desempenho são estru-
turados em bons conceitos. Esses con-
ceitos, se identificados, podem ser uti-
lizados para encontrar boas mudanças.
Para projetos de melhoria, contamos
com uma lista de 72 conceitos que fo-
ram muito úteis para gerar mudanças
que levaram a melhoria. Para conhecê-
-los melhor, recomendamos que bai-
xe nosso e-book “Disseminação de
Mudanças”.
Sobre as abordagens, precisamos ponderar que a depen-

dência de coleta e análise de dados varia de técnica para técni-
ca. Para criatividade, por exemplo, você não precisará coletar
tantos dados, já para a análise crítica, será necessário a coleta
dos dados e o mapeamento do processo;
O praticante da atividade de melhorar processos, produ-

tos e serviços deve, com o tempo e com a experiência, procurar
integrar sistemicamente essas técnicas. Começar pela análise
crítica ou pelos conceitos de mudança, ajuda a eliminar o “ma-
to-alto” com a adoção de mudanças rápidas e claras. Depois,
para elevar o desempenho do processo à patamares bastante
superiores, deve-se recorrer às ferramentas de criatividade
ou soluções tecnológicas.
A Tabela a seguir, apresenta a relação entre a análise crí-

tica e que tipo de ferramenta é recomendado.
Grupo Sub-Estratégia Ferramenta
Entender a causa de um Diagrama de Ishikawa

problema 5 Porquês
Desconexões
Porta dos
Melhorar o fluxo para gerar Análise de Valor
Processos
mais valor Os desperdícios do Lean
ECRS
Evitar erros e falhas Poka-Yoke
Gráfico de Dispersão
Análises de Regressão
Porta de Buscar correlações
Testes de Hipótese
Dados
ANOVA
Realizar experimentos Planejamento de Experimentos
É importante lembrar que o objetivo de todas essas ferra-

mentas é de gerar mudanças que vão se tornar melhoria.
2.2 Os tipos de mudança
Depois de analisarmos os tipos de mudanças, podemos

classificá-las em duas categorias:
• Primeira Ordem: são aquelas necessárias para manter a em-

presa em funcionamento no dia a dia. São mudanças necessá-
rias para manter o nível de desempenho da organização e para
resolver os problemas que vão aparecendo no dia a dia. Um
exemplo que gosto muito é o pneu do carro. Para mim, mudan-
ça de primeira ordem é trocar o seu pneu furado. Como carac-
terística, podemos pontuar que são realizadas rotineiramen-
te, devolvem o sistema a condição anterior, dá uma alívio de
curto prazo (quem já teve um pneu furado na estrada, sabe o
alívio que temos ao trocá-lo e voltarmos à rodovia) e mostram
ao cliente que o problema foi resolvido. Como disse, provoca a
sensação de “tudo voltou ao normal”.
• Segunda Ordem: são aquelas mudanças necessárias para

prevenir problemas e elevar o desempenho do sistema a pa-
tamares superiores. São aquelas mudanças necessárias para
batermos as metas. Geralmente, elas resultam na criação de
um novo processo ou na modificação de um processo existen-
te. Assim, alteram como o sistema funciona e como as pessoas
trabalham, possibilitando que os indicadores de desempenho
da organização sejam afetados positivamente.
Comparando as mudanças
de primeira e segunda ordem na
Tabela a seguir, fica claro a pre-
ferência que temos de que toda
organização faça mais mudanças
de segunda ordem do que de pri-
meira. Afinal, a melhoria só é al-
cançada por meio delas. Porém,
em muitas empresas pudemos
observar o contrário. Pelo seu efeito de curto prazo, muitas or-
ganizações acabam preferindo virar seu foco para “apagar os
incêndios” e acabam deixando de lado a eliminação dos riscos
para que eles não aconteçam. São tantos incêndios ocorren-
do simultaneamente, que todos os recursos são drenados para
combatê-los, criando um ciclo vicioso.

Categorias
1ª Ordem 2ª Ordem
Sistema Não é alterado É alterado
Percepção do cliente Solução do problema Melhoria
Prazo Imediato, curto Médio, longo
Diante dessas categorias, recomendamos fortemente

que antes de focar apenas nas mudanças de primeira ordem,
você se pergunte: qual é a possível causa deste problema?
Como alterar o sistema para que a haja uma melhoria, uma
mudanças positiva e duradoura no indicador que tenho que
atuar? Pensando assim, haverá uma contribuição muito maior
à organização do que agir apenas como bombeiro.
Para adotar esta postura, você deve ser forte. Haverá

muita resistência e a liderança poderá cobrá-lo para resolver
o problema urgente. Faça isto, mas não mude para a próximo
urgência antes de mudar o sistema para que este incêndio não
mais ocorra.
Para ajudá-lo no convencimento do time, pergunte:

• Quanto tempo passamos agregando valor ao cliente (produ-
zindo)?
• Quanto tempo passamos realizando mudanças de segunda

ordem (melhorias)?

• Quanto tempo passamos realizando mudanças de primeira
ordem (incêndios)?
Tipicamente, passamos muito mais tempo nos incêndios

do que agregando valor ou melhorando a empresa. Diante dis-
to, pergunto: qual é o futuro de nossa organização se continu-
armos assim? E, se mudarmos esta proporção? É possível sen-
tirmos um impacto nos nossos indicadores?
Agora, vamos para as abordagens de mudanças que você

poderão adotar para criarem suas mudanças de segunda or-
dem e elevarem a organização a patamares elevados.
3. Ferramentas para entender

a causa de problemas
É normal sempre identificarmos alguns problemas críti-

cos em nosso mapeamento. Por exemplo:
• Reclamações de clientes;
• Riscos à saúde de pacientes;
• Problemas de Qualidade;
• Eventos inesperados;
Uma boa estratégia para buscar melhorias de segunda

ordem é analisar estes pontos mais a fundo. Duas ferramen-
tas 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.

3.1 O Diagrama de Ishikawa
É um diagrama que nos ajuda a identificar causas específi-

cas que explicam determinado efeito.
A sua lógica está em partir de macro causas genéricas

e caminhar para causas específicas, que são fáceis de serem
transformadas em mudanças palpáveis.
Ele nos ajuda a analisar problemas, buscar mudanças, or-

ganizar conhecimento e disseminar informação. A sua forma,
vista na imagem abaixo é boa para identificar causas potenciais
de determinado problema ou oportunidade de melhoria que
necessite de resposta de forma gráfica e sintética para melhor
visualização.
Também é conhecido outros nomes como: Diagrama de

Causa e Efeito; Gráfico de Ishikawa; Diagrama 6M; e Diagra-
ma Espinha de Peixe.

Você pode utilizar o Diagrama para:
• Analisar defeitos e insatisfações do cliente, buscando suas

causas: o cliente reclamou de algum problema ou defeito num
produto ou serviço adquirido por ele;
• Fornecer uma metodologia inicial

para análise de um fenômeno, de-
feito ou oportunidade de melhoria:
é uma primeira abordagem para
entender algum efeito de forma
qualitativa;
• Guiar o brainstorming para entendimento de um problema:

as discussões são direcionadas para um determinado efeito,
não se tornam reuniões vazias;
• Identificar possíveis ações para se resolver um problema ou

eliminar um evento negativo: gerar ideias e propor planos de
ação, não ficar apenas na teoria;
• Analisar criticamente o processo na fase Analyze do roteiro

DMAIC em Projetos de Melhoria. No Define são fixados os ob-
jetivos do projeto de melhoria, no Measure são feitas a coleta
e a análise dos dados para compreender como está o compor-
tamento atual do processo em questão. Na fase Analyze o Dia-
grama de Causa e Efeito é uma das ferramentas de análise crí-
tica do processo. As principais saídas são planos de ação para
desenvolvimento de mudanças que ocorrerão no Improve e
serão monitoradas no Control.

Exemplo de diagrama para hóspedes insatisfeitos:
Fumante/Não fumante
Reserva
RECEPÇÃO APARTAMENTO
Datas
Chave errada Cobertores
Bagagem Ocupado
Toalhas
perdida Fumante
Alarme
Campainha
Água quente
Computador Atendimento TV quebrada
Lento Limpeza
Janela
Exaustores Frio
Exemplo Cortina Vista ruim
HOSPEDES
Hotel Fria INSATISFEITOS
Pouca
Variedade Refeição
Sem estacionamento
Horário ruim Serviço de Quarto
Acesso difícil
Lento
Sem Café da manhã
COMODIDADES RESTAURANTE
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 realiza-
do que poderá ser consultado sempre que for preciso.
O exemplo acima representa um processo de identificar

as causas que deixam os hóspedes insatisfeitos em um hotel.
Na figura, a estratificação das causas foi em recepção, aparta-
mento, restaurante e comodidade, porém o problema pode ser
desenvolvido de acordo com o brainstorming da equipe que
esteja elaborando o diagrama.
3.1.1 Fases do
Diagrama de Ishikawa
A utilização do Diagrama de Ishikawa é dividida em 5 fa-
ses apresentadas na Tabela a seguir:

2. Defina a 3. Colete as
1. Defina o seu 4. Revise o 5. Proponha
metodologia de subcausas
efeito Diagrama Mudanças
início da discussão prováveis
Entender o efeito,
problema ou
O facilitador define a A equipe sugere todas as Discutir quais ideias Teste quais causas são
oportunidade de
Atividades metodologia de início de possibilidades de podem ser combinadas e reais e defina quais serão
melhoria que será
discussão e as causas. subcausas prováveis. aperfeiçoadas priorizadas
estudada e o seu
contexto.
▪ Fontes ativas
(pesquisas, ▪ 6M;
▪ Gráfico de Pareto;
formulários, árvore ▪ 4P;
▪ Brainstorming; ▪ 5 Porquês; ▪ Testes e
Ferramentas CTC, etc); ▪ Afinidades;
▪ RNC. ▪ RNC. Experimentos;
▪ Fontes reativas ▪ Processos;
▪ RNC.
(reclamações, ▪ Componentes.
defeitos, etc).
Efeito descrito na ponta Causas nas espinhas do Subcausas nas espinhas

Saídas Diagrama de Ishikawa Mudanças
do diagrama diagrama do 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 cau-
sas 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 sub-

causas através do brainstorming. Quanto mais sub causas pro-
váveis, mais rica será a proposição de ações corretivas (preen-
cher subcausas);
• Revise o diagrama: combine subcausas, obtenha dados

confiáveis, faça experimentos para saber quais causas são pro-
váveis, priorize causas para atacar;
• Proponha ações corretivas: aprofunde-se nas causas prio-

rizadas, proponha ações corretivas e execute-as.

3.1.2 Vantagens do
Diagrama de Ishikawa
A utilização do Diagrama de Ishikawa é
vantajosa por:
• Ajudar a enfocar o aperfeiçoamen-

to do processo: isso acontece por que
a ferramenta pode ser utilizada para
fazer a análise crítica do processo e
propor ações de melhoria;
• Registrar visualmente as causas potenciais que podem

ser revistas e atualizadas: é uma técnica simples, visível e
que pode ser modificada a qualquer tempo;
• Prover uma estrutura para o brainstorming: as ideias são

categorizadas e sintetizadas, o que facilita no entendimento
do problema e na proposição de ações;
• Envolver todos: por ser de fácil entendimento não exclui

nenhum nível hierárquico ou função, todos podem participar
positivamente;
• Reduzir a tendência de encontrar uma única causa para

um problema: as diferentes perspectivas proporcionadas
pela equipe no brainstorming ajuda a enxergar que o problema
pode ter diferentes causas e que se todas forem solucionadas
conjuntamente, a chance dele voltar a ocorrer é muito peque-
na.

3.1.3 Pontos de atenção ao
elaborar o Diagrama de Ishikawa
Para utilizar o Diagrama de Ishikawa alguns
pontos devem estar em atenção:
• Não deixe o brainstorming virar bate-

-papo: controle a equipe para que as dis-
cussões mantenham o foco de resolver o
problema;
• Não se “apaixone” por uma causa: não dê mais importância

a uma causa do que a outras, geralmente os problemas ocor-
rem pela junção de vários fatores ou várias causas;
• Cuidado com a escolha dos participantes da equipe: es-

colha pessoas que realmente vão contribuir com as discussões.
Tome cuidado com pessoas que possam enviesar a discussão,
por exemplo, um superior intimidador. A tendência é que to-
dos sempre concordem com ele e isso irá empobrecer as dis-
cussões. Também podem haver diferenças pessoais entre os
membros, o que ocasionará discordâncias infundadas e irra-
cionais. Caso essas situações existam, uma sugestão é utilizar
o brainstorming visual, que consiste em anotações individuais
em papel que são mostradas ao mesmo tempo pela equipe. As-
sim, todos podem contribuir sem intimidações e inimizades.
• Cuidado com causas pouco prováveis: no brainstorming

quanto mais idéias surgirem melhor. Isso não significa que to-
das as ideias serão aproveitadas. Quando revisar o Diagrama
tenha em mente que algumas causas podem ser pouco pro-

váveis e podem estar ali só para te atrapalhar a encontrar as
verdadeiras causas do problema;
• Confirme as causas antes de elaborar e executar os pla-

nos de ação: para ter certeza de que uma causa é realmente
provável faça testes e experimentos. A comprovação com da-
dos é sempre melhor e evita que você perca tempo e dinheiro
direcionando seus esforços para causas pouco prováveis que
não irão solucionar o problema.
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 mudanças. Se aplicado corretamente, ele aumenta a ca-
pacidade 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 in-
vestigador: não é possível encontrar as causas que ainda não
são conhecidas.
• Falta de apoio para ajudar o investigador a fazer o “por-
quê” correto;

• Os resultados não são repetíveis: pessoas diferentes, uti-
lizando os 5 porquês chegam a diferentes causas para o mes-
mo problema.
• Tendência de isolar uma causa única, enquanto que cada

pergunta pode suscitar muitas causas diferentes.
Nível de entendimento de um problema Nível da mudança correspondente
Durante uma emergência era necessário fazer uma

drenagem pulmonar mas não havia nenhum frasco
Use um frasco pediátrico mesmo.
coletor adulto disponível. Buscou-se nos 2 arsenais
da enfermagem e nenhum foi encontrado.
Por quê não havia um frasco

coletor adulto em nenhum lugar?
Porque não havia sido feita a compra
Compre frascos coletores para adultos.
de um frasco coletor.
Por quê compras não havia requisitado a compra?
Porque eles não haviam sido informados

Nível
sobre de entendimento
a compra de um problema
deste item. Nível da mudança correspondente
Por quê eles não haviam sido informados?
Porque o pessoal da assistência não havia Crie um formulário/sistema mais fácil para
requisitado. as requisições.
Por quê eles não haviam sido requisitados?
Crie um procedimento de checagem de
Porque eles não checaram o estoque.
estoque e insira na rotina.
Por que eles não checaram o estoque?
Implemente um quadro de checklist no
Com a correria do dia a dia, se esqueceram das Gemba com os pontos da rotina. Use a
atividades de rotina. liderança para reforçar o seu
preenchimento (diário de bordo).
Ao usar o “Por que?” atente para o fato de que a resposta

em cada estágio corresponde a um determinado nível de en-
tendimento do problema. E, para aumentar o entendimento,
são necessários investigações e testes.
Para o preenchimento da técnicas de, assim como visto

na Tabela acima, é preciso conhecer o processo. Não deve ser

um exercícios de chute. Para cada nível de entendimento do
problema há uma mudança correspondente.
3.2.1 Relatório de
Não Conformidade
É muito comum encontrarmos os famosos Relatório de
Não Conformidade (RNCs) em empresas auditadas pela ISO.
E, neste relatório há um Ishikawa e uma análise dos 5 porquês
para ser preenchida sobre a não conformidade encontrada.
O culpado pela má utilização dos 5 porquês: muitas vezes,

por motivo de prazo ou desinformação, as pessoas preen-
chem 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.
3.3 Ferramentas para

entendimento e melhoria do fluxo
No mapeamento, também podemos ter problemas de flu-
xo. Por exemplo:
• Processos redundantes;
• Etapas que não são necessárias;

• Etapas difíceis de serem feitas;
• Desconexões.
Algumas ferramentas nos ajudam a, a partir de um fluxo-
grama, entender o que é necessário ou não e o que fazer com
as atividades que não são necessárias. São elas:
• Análise de Desconexões;
• Análise de Valor;
• Os 7 desperdícios clássicos;
• Ferramenta do ECRS.
4. Desconexões
Uma desconexão é um desvio, erro ou disrupção em um
fluxo de trabalho, que impede o alcance de uma situação dese-
jada. São como fios soltos em um processo. Podem acontecer
nas saídas, entradas e nas próprias atividades do processo, as-
sim como exemplificado na tabela abaixo:
Saídas Entradas Atividades
▪ Está produzindo alguma ▪ Está deixando de receber ▪ Estão sendo realizadas na

saída desnecessária? alguma entrada hora certa no processo?
necessária? ▪ Estão sendo realizadas
▪ Está deixando de produzir pelas áreas/pessoas
saídas para os clientes ▪ Está recebendo alguma certas?
adequados? entrada desnecessária? ▪ Estão criando gargalo?
▪ Agregam valor para o
▪ Está deixando de atender ▪ Existem entradas cliente?
expectativas de qualidade chegando de
▪ Apresentam redundância?
dos clientes? de prazo? fornecedores errados?
▪ É um ponto de inspeção
ou de decisão?
▪ Está deixando de atender ▪ Existem entradas
expectativas internas de deixando de atender ▪ Apresentam ciclos de
produtividade? de custos? expectativas de retrabalho?
qualidade, prazo, custo ou ▪ Estão sendo executados
produtividade? no tempo programado?

As desconexões são encontradas no mapeamento do pro-
cesso. Algumas dicas:
• Use o SIPOC para avaliar as conexões entre as pessoas;
• Busque pelas desconexões citadas;
• Entenda o impacto de falta ou excesso de informações.
• Desenvolva as suas mudanças.
4.1 Como tratar as desconexões

As desconexões e/ou oportunidades de melhorias identi-
ficadas durante o mapeamento do processo e suas respectivas
sugestões de implantação, se surgirem, devem ser registradas
numa Planilha de Desconexões, que está exemplificada na Ta-
abaixo. As sugestões desta planilha, será o seu plano de ataque
as desconexões do processo que está analisando.
Plano de ataque às desconexões

Desconexão Sugestão

Além disso, deve-se marcar no
mapa do processo o ponto em que essa
desconexão foi identificada, colocando
uma identificação para ela num círcu-
lo, referenciando essa identificação na
planilha, na frente de sua descrição.
Caso alguma desconexão identificada
possa ser alvo de um esforço de me-
lhoria imediato, identificar na planilha
a pessoa ou grupo que ficará responsá-
vel por essa ação.
Um estudo mais detalhado das desconexões também é

recomendado e pode ser realizado da seguinte por meio de 6
passos:
• Classificar as desconexões por tipo (exemplos: espaço físico,
equipamentos, capacitação técnica, estrutura organizacional,
normas e procedimentos, sistemas de informação, recursos fi-
nanceiros etc)
• Coletar dados que evidenciem os maiores focos de necessi-
dade de atuação no processo.
• Identificar as desconexões que tem maior impacto no alcance
dos objetivos estratégicos e no atendimento das necessidades
dos clientes. Essas desconexões serão base para priorização
das melhorias.
• Identificar quais desconexões dependem exclusivamente do
processo e quais dependem de outros processos para serem
resolvidas.

• Analisar as causas dos “fios desligados” ou seja, das princi-
pais desconexões.
• Algumas causas já são conhecidas. Outras exigem o uso de

ferramentas apropriadas que serão vistas em mais adiantes,
em outras disciplinas. Entre estas ferramentas, pode-se des-
tacar o VSM, que mostra o fluxo de valor e o fluxo de informa-
ções numa só folha.
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 va-
lor para o cliente.
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 mu-
dar 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 imagem abaixo mostra uma árvore de decisão que ajuda
a identificar as atividades que agregam ou não valor.
Atividade
Tipos AV NAV
Necessária Desnecessária
Ação Acerte o fluxo Reduza Elimine
Coloque as atividade Reduza essas atividades e

Detalhes em uma sequência sua interferência no fluxo
natural de valor
No caso, as atividades que não agregam valor (NAV) às

vezes são necessárias e por isso não podem ser descartadas.
5.1 Exercício - Análise de Valor

A proposta do exercício é classificar cada passo do pro-
cesso como AV ou NAV. Caso alguma das opções não agregue
valor, o objetivo é propor um novo fluxo contendo somente as
atividades que agregam valor.
Exemplo: a empresa tem um departamento de transportes

que providencia o veículo. Um funcionário tem necessidade de
viajar a trabalho e utiliza carro providenciado pela empresa. As
fases desse processo são listadas:
1. Funcionário liga p/ setor de transportes para verificar a dis-

ponibilidade de carro da empresa na data;

2. Se sim, funcionário pede para reservar carro da frota, infor-
mando a data de uso e prontuário. Se não, funcionário pede
para alugar um carro, informando a data de uso e prontuário;
3. Funcionário preenche solicitação em papel (tanto faz, para
carro da frota ou alugado);
4. Funcionário passa solicitação para superior carimbar e assi-
nar;
5. Funcionário espera retorno da solicitação carimbada e assi-

nada;
6. Funcionário envia solicitação para transportes;
7. Funcionário liga para transportes para informar que foi en-
viada a solicitação;
8. Transportes espera chegada da solicitação;
9. Transportes providência o carro (da empresa ou alugado)
para a data de uso;
10. Funcionário liga para Transportes na véspera para ver se
“está tudo ok”;
11. Funcionário passa no transportes para pegar a chave e ti-

cket combustível;
12. Funcionário pega o carro.
Na resolução, entre todas as atividades, apenas a última agre-
ga valor. Algumas das fases são desnecessárias (como a confir-
mação redundante por mais de uma maneira). A solução é tirar
essas fases para encurtar o processo, por exemplo, as fases de
preenchimento de formulário de papel e o carimbo do supe-
rior.
6. Os sete desperdícios
Um dos maiores objetivos do Lean é eliminar desperdícios
do processo produtivo. Mas, o que são desperdícios?
Desperdício é toda a atividade que consome energia e re-

cursos sem agregar valor ao cliente, ou seja, aquilo que faze-
mos 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. Pensan-
do nisso, vários autores experientes na prática do Lean listaram
sete desperdícios visuais, que podem ser facilmente identifica-
dos e quantificados em uma visita ao Gemba (chão de fábrica).
A classificação abaixo mostra cada um dos desperdícios:
1 Superprodução (excesso de quantidade)
2 Espera
3 Transporte (de material)
4 Movimentação (de pessoal)
5 Inventário (estoque)
6 Defeitos
7 Superprocessamento (excesso de funcionalidade)

As imagens abaixo mostram alguns exemplos de desper-
dícios 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 ser-
viu 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 ma-

peamento e pensar:

• O que pode ser Eliminado?
• O que pode ser Combinado?
• O que pode ser Reduzido?
• O que pode ser Simplificado?
A Tabela abaixo apresenta exemplos que

geralmente aparecem na vida real:
Exemplo para Eliminar:
▪ Coletar informações que não são usadas;

▪ Atividades que são desperdícios;
▪ Relatórios que não serão analisados;
▪ Inspeções, uma vez que o processo esteja
redondo.
Exemplo para Combinar:
▪ Atividades redundantes (ligar e mandar e-

mail);
▪ Coleta de informações e sistemas;
▪ Coleta de informações e checklists
Exemplo para Reduzir:
▪ Coleta de informações (como realizar

múltiplos exames);
▪ Verificações;
▪ Pontos de aprovação/inspeção;
Exemplo para Simplificar:
▪ Atividades que dependem de especialistas;

▪ Burocracias;
▪ Equipamentos de difícil manuseio;
▪ Avaliação de padrões;
▪ Classificações excessivas;

8. Processos à prova de erros
Erros frequentemente são apontados em um mapeamen-
to de processos. Exemplos são:
• Erros de operação;
• Erros de montagem/posicionamento;
• Esquecimentos;
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 imagens abaixo?
Esses tipos de erros acontecem frequentemente na vida

real. Operações arriscadas, como trabalho em altura e utiliza-
ção de extensões, são tarefas complexas e que mais frequen-
temente tendem a causar problemas. Se deparar com uma
arranjo deste tipo da figura, hoje, são mais incomuns, porém

ainda acontecem. A solução é prevenir essas situações antes
que aconteçam.
Poka-Yoke significa à prova de erros ou de falhas. O
objetivo é eliminar ou prevenir não conformidades de proces-
so utilizando dispositivos ou sensores e assegurar que os mes-
mos estejam funcionando adequadamente.
Por mais treinado que alguém esteja, um ser humano
sempre vai errar. Essa é a motivação por trás dos sistemas
Poka-Yokes. Com eles, podemos reduzir os erros reprojetando
o sistema, para fazer com que os erros sejam menos prováveis.
E, este tipo de projeto ou reprojeto é chamado de “à prova de
erros”. Uma vez que os erros são predominantemente deslizes
do subconsciente, “à prova de erros” é apropriada para a redu-
ção da probabilidade destes deslizes, ao invés de mudanças no
comportamento consciente.
Não podemos eliminar defeitos, erros e falhas, apenas
fazendo exortações ou colocando inúmeros cartazes pela em-
presa. Os cartazes não vão reduzir seus erros e suas falhas,
porque duvido que haja pessoas que queiram errar. Para mim,
é o processo que facilita o erro. É isto que o Poka Yoke ataca.
Quando o adotamos esta postura, podemos esperar al-

guns benefícios. São eles:
• Melhorar a qualidade (reduzir PPM e refugo);

• Tornar o processo mais fácil e capaz;
• Identificar na linha os dispositivos a Prova de Erros;
• Desenvolver ideias de dispositivos a Prova de Erros;

• Aumentar a Segurança no local de trabalho;
• Manter métodos de produção e inventário enxutos;
• Reduzir custos;
• Manter a satisfação do cliente.
8.1 Tipos de Poka-Yoke

Tornar fácil fazer certo e impossível fazer errado. Com
Poka-Yoke, podemos reduzir os erros reprojetando o sistema,
para fazer com que os erros sejam menos prováveis. Este tipo
de projeto ou reprojeto é chamado de “à prova de erros”. Exis-
tem dois tipos de reprojetos:
Preventivo (Error Proof): Elimina a possibilidade de ocorrên-

cia da falha ou defeito específico, através do projeto.
Exemplos: Microondas não funciona com porta aberta; moto
não liga se estiver engrenada e com o pezinho abaixado; boia
da caixa d’água evita que água vaze da caixa; farol dos carros se
apaga quando a chave é retirada do contato.
Detectivo (Mistake Proof): Detecta a falha ou defeito, caso

ocorra, e previne que a não-conformidade continue no proces-
so.
Exemplos: Indicador no painel dos automóveis, que indica que
o motorista não está usando o cinto de segurança; carros que
emitem som ao abrir a porta quando o farol está aceso e o veí-
culo desligado.

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 imagem abaixo apresenta algumas estraté-
gias de implementação.
Lembretes Diferenciações
Restrições Exibições
Lembretes: muitos erros são cometidos pelo esquecimento

de fazer algo. Os lembretes auxiliam a recordação. Eles podem
vir de muitas formas diferentes;
Um aviso escrito, uma chamada telefônica, um checklist

das coisas a realizar, um alarme, um formulário padrão ou a
documentação das etapas a serem seguidas em um processo.
Os lembretes são simples de fazer e fáceis de usar, mas exi-
gem esforços conscientes para serem efetivos. Uma maneira
de reduzir a necessidade do esforço consciente, é cadastrar
seus lembretes nos aplicativos de celular e assim, forçar eles à
avisá-los. Visualmente os lembretes são como os exemplos da
imagem a seguir.

Diferenciações: os erros podem ocorrer quando estamos li-

dando com coisas que parecem similares, ou realizando ações
forem similares ou porque as instruções ou procedimentos são
similares a outros que podemos ter usado em outra situação.
Para reduzir os erros, devem ser adotadas etapas para ‘que-
brar’ os padrões. Isto pode ser conseguido de diversas manei-
ras como código de cores, índices, uso de símbolos diferentes
ou separação física de itens similares. Dois exemplos são ilus-
trados nas imagens abaixo:

Restrições: uma restrição delimita o desempenho de certas
ações que conduzem a erros. Ter de remover o cartão do ban-
co no caixa eletrônico, assim como visto na imagem abaixo, an-
tes do dinheiro ser liberado é um exemplo de restrição. Restri-
ção de montagem de diferentes tipos de engates de tubulação
médica, também ilustrado abaixo, é outro exemplo.
A restrição é o método mais desejável de “à prova de er-

ros” porque normalmente não requer um comportamento
consciente para ser efetiva na redução de erros. Um atributo
importante de uma restrição efetiva é que a restrição delimita
a ação indesejável enquanto não impede a ação desejável.
Exibições: uma obviedade fornece previsibilidade, sem a ne-

cessidade de explicações de como alguma coisa deva ser usa-
da. Uma coisa óbvia traz uma incitação visual (ou de outro sen-

tido) para as ações que devam ser realizadas. Ao vermos as
dobradiças de uma porta, estamos aptos a determinar se ela
abre para dentro, para fora ou se desliza. Se um processo ou
produto pode ser projetado para levar o usuário a realizar as
ações corretas, então menos erros ocorrerão.
Os exemplos abaixo também são muito visuais. As cores

exibidas nas latas de lixo mostram os tipos de resíduos que são
destinados alí, assim é possível diminuir o número de lixos jo-
gados no lugar errado. Ao fazer um estoque por exemplo, tam-
bém é possível usar um contador que monitore a quantidade
de itens ainda presentes.
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 tec-
nologias oferecem às organizações a oportunidade de imple-
mentar grandes melhorias simplesmente aplicando aquilo que
os outros têm desenvolvido. De qualquer forma, grande quan-
tia de dinheiro e tempo são necessários para fazer acontecer
uma mudança que envolva tecnologia especialmente numa in-
dústria capitalista como a de manufatura. Em algumas situa-
ções, a mudança pode nem mesmo resultar em melhoria.
Usar a tecnologia é ter aplicação

prática da ciência, incluindo equipa-
mentos, materiais, sistemas de infor-
mação e métodos). Alguns aspectos:
• Se bem empregadas, dão à empresa
a oportunidade de grandes melhorias,
aplicando o que os outros já desenvol-
veram;
• 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.
Lembrete: Tecnologia não compensa erros de processo. Para

se ter vantagens com as novas tecnologias, os processos que
representam conquistas tecnológicas relevantes dentro da or-

ganização deveriam ser colocados juntamente com os proces-
sos que trazem benefícios tecnológicos. Em certas situações,
uma organização pode também conseguir se envolver duran-
te os primeiros estágios do desenvolvimento de novas tecno-
logias. Isso pode ser feito pelo estabelecimento de parcerias
com outras organizações ou permitindo aos desenvolvedores
testarem a tecnologia na sua própria organização.
Cuidados nas mudanças que envolvem tecnologia:
• Não automatize um sistema ruim: erros ocorrerão
mais rápido e custo serão mais altos;
• Reserve soluções tecnológicas para melhorar sistemas
estáveis em vez de solucionar causas especiais;
• Concentre as mudanças nos gargalos;
• Uma tecnologia não confiável é pior que
nenhuma tecnologia.
As organizações poderiam de-

terminar os modos de testar novas
tecnologias em pequena escala, o
que deve ajudar a reduzir o risco
em trazê-las para a organização.
Alugar ou fazer “leasing” de novos
equipamentos, comprar pequenos
lotes de novos materiais e utilizar
novos remédios em animais antes
das pessoas, são exemplos de cami-
nhos para testar novas tecnologias.
Assim como qualquer outra mudança, o uso de novas tec-

nologias enfrentará resistência e outros problemas. Algumas
pessoas encontrarão dificuldade em ter que mudar para usar
novas tecnologias. Quando os computadores começaram a ser
usados, algumas pessoas se sentiam mais confortáveis usando
a máquina de escrever e os arquivos em pastas. Geralmente
não é fornecido um treinamento adequado. Às vezes, quando
é fornecido, pessoas arrumam uma desculpa para evitá-los.
Para diminuir estes problemas, a gerência deveria ter um pla-
nejamento para ajudar estas pessoas na transição do uso de
novas tecnologias.
10. Uso da criatividade
Falando de uma forma simplificada, criatividade é a inven-

ção de uma nova ideia. De onde vêm as novas ideias? Como fa-
zer para conseguir mais ideias criativas? O modo que a mente
humana trabalha é bem apropriado para produzir novas ideias
– por ser criativa. Isso significa que a criatividade não é pri-
vilégio de algumas pessoas, mas é uma capacidade que todos
possuem.
Usar a criatividade é aplicar técnicas para quebrarmos

nossos modelos mentais. O resultado pode ser achado por di-
ferentes lógicas, assim como visto na imagem a seguir. Existem
algumas técnicas que nos ajuda a fazer isso, como o Pensa-
mento lateral, Método Ingenious, SIT - Systematic Innovati-
ve Thinking e Método TRIZ. Todos esses são abordados no
curso de Criatividade da FM2S.
Conhecimento atual
Possíveis Mudanças
Resultado:
Novas ideias de mudança
Uma ideia promissora pode ser esmagada antes que te-

nha a chance de ser aperfeiçoada em uma mudança que resul-
taria 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 su-
gira preparar remessas antecipadas. Se Paulo, como Supervi-
sor, não apoiar essas ideias, o risco de perdê-las é grande. Para
conquistar a criatividade, é necessário reconhecer e utilizar di-
ferentes modos de pensamento:
• Pensamento Criativo, que resulta em novas ideias e possibi-
lidades;
• 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.
Todos os três modos de pensamento são importantes e
têm um papel importante nas mudanças criativas que resultem
em melhoria. Sem pensamento criativo, há risco de mudan-
ças “mais do mesmo” (as mesmas coisas). Sem o pensamen-
to positivo lógico, bons conceitos para mudança não resultarão
em mudanças práticas, mudanças que funcionem para o siste-
ma. Pensamento crítico é necessário para fazer vir à tona os
problemas. Como discutido anteriormente, pensamento críti-
co é útil para revisar o sistema atual. É também particularmen-
te útil durante o projeto de um teste para uma mudança. Quais
poderiam ser os efeitos ne-
gativos da mudança? Como
pode a mudança ser testada
nas condições que poderiam
acontecer estes potenciais
efeitos negativos? Pensa-
mento lógico positivo ajudará
a desenvolver métodos para
superar essas dificuldades.
Estes três modos de pen-

samento devem ser reco-
nhecidos e gerenciados por
equipes que estejam desenvolvendo mudanças. É geralmente
melhor para um grupo comprometer-se com um tipo de pensa-
mento por vez. Quando novas ideias para mudança estão sen-
do desenvolvidas, pensamento positivo lógico e criativo deve-
ria ser usado. Isso permite que o pensamento lógico melhore o
pensamento criativo em vez de reprimi-lo.

11. Benchmarking,
Conceitos de Mudança
O Benchmarking é uma ótima estratégia para se reali-

zar mudanças. Nas ferramentas de busca da internet, ben-
chmarking está definido como o “processo de avaliação da em-
presa em relação à concorrência, por meio do qual incorpora
os melhores desempenhos de outras firmas e/ou aperfeiçoa os
seus próprios métodos”. Em seu sentido literal significa “nive-
lar”, ou seja, o objetivo é beneficiar o desempenho competitivo.
Exemplo: Para ajudar equipes de melhoria, a API (Associates
for Process Improvement) fez um estudo grande com vários
projetos nos EUA e viu que:
• Eles tinham objetivos parecidos;
• Soluções parecidas.
• Pensando nisso eles criaram um guia para trabalhar com es-
tas mudanças. Esse material está presente no E-book Concei-
tos de Mudanças.
Outro meio de desenvolver mudanças é com os Conceitos de
Mudança. Se um conceito é uma noção geral que está envolvida
com uma ideia específica, o que significa Conceitos de Mudan-
ça? Um Conceito de Mudança é uma noção geral útil no desen-
volvimento específico de ideias para mudança, que resultem
em melhorias.
Como usar os Conceitos de Mudança? As atividades lis-

tadas a seguir são maneiras de provocar ideias específicas para
as mudanças desejadas.
Eliminar
desperdícios
Focar no produto Melhorar fluxo

ou serviço de trabalho
Planejar sistemas Otimizar

e evitar erros Conceitos de inventário
mudança
Mudar o
Genrenciar
ambiente de
variação
trabalho
Incrementar a
Gerenciar o Relação
Tempo Produtor /
Consumidor
Para gerir uma ideia de mudança:

• Qual a noção geral associada a ela?
• Qual conceito de mudança está associado?
• Use outros conceitos do mesmo grupo para explorar a gera-
ção de novas ideias.
Exemplos detalhados da aplicação destes conceitos, bem

como as descrições dos próprios conceitos podem ser encon-
trados em nosso material complementar: “Usando os Concei-
tos de Mudança”, disponibilizados no material do curso.
12. Correlação:
associação entre variáveis
Nos próximos tópicos entraremos na Porta de Dados na
fase Analyse.
A relação entre variáveis tem por base ajudar a encontrar
quais são as causas, em termos de fatores, que estão levando-o
a obter o resultado atual. A causa para um “não venda”, pode
ser uma distorção no tempo de ligação depois que o cliente ma-
nifesta o interesse na compra. Ou ainda, no preço cobrado ao
interessado. Com a análise de relação, será possível entender
qual é ou quais são as variáveis que, se alteradas, vão melhorar
seu resultado. Pela sua importância, vamos abordar a seguir
várias técnicas estatísticas para que você consiga entender a
relação entre a variável de interesse e as variáveis que influen-
ciam no seu comportamento.
A imagem abaixo apresenta as variáveis causais e o resul-
tado interessado.

Variáveis de Variáveis de Variáveis de

input processo output
X1, X2, X3, ..., Xk Y
Y = f(X1, X2, X3, ..., Xk)

12.2 Como fazer correlação
Após separar as variáveis, identifique a técnica a ser utili-

zada na Tabela abaixo:
Y numérica Y categórica
Simples: gráfico de Simples: histograma
dispersão estratificado
X numérica
Avançada: Análise de Avançada: Regressão
Regressão Logística
Simples: histograma Simples: Pareto, gráfico

estratificado de barras;
X categórica
Avançada: testes de Avançadas: testes de
hipótese/ANOVA hipótese para proporção
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 técni-
cas 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.

13. Correlação entre
variáveis numéricas
13.1 Gráficos de Dispersão

O Gráfico de Dispersão é um tipo de análise de correlação
para variáveis contínuas. São gráficos que plotam de maneira
cartesiana um conjunto de variáveis, de maneira a buscar cor-
relações entre duas ou mais variáveis. Para a sua confecção,
temos que ter duas variáveis contínuas em colunas separadas
de um banco de dados.
São extremamente simples, mas extremamente impor-

tantes. O exemplo abaixo ilustra a sua construção entre a altu-
ra e o peso de um grupo qualquer.

13.1.1 Quando usar
Gráficos de Dispersão
Os gráficos de dispersão são usados para examinar a asso-
ciação entre duas medidas. As medidas podem ser caracterís-
ticas de qualidade, medidas de processo ou variáveis causais.
Eles foram o embrião de toda a estatística de correlação, como
as famosas análises de regressão e outras análises multivaria-
das. Exemplos clássicos são mostrados abaixo.
O gráfico é utilizado basicamente para poder verificar se
as duas variáveis estão realmente relacionadas e se há alguma
relação de causa e efeito.
13.1.2 Como interpretar os

Gráficos de Dispersão

Há vários tipos de associações entre parâmetros que po-
dem ser demonstradas pelo gráfico de dispersão. A relação
pode ser positiva ou negativa (quando um cresce o outro de-
cresce), fraca ou forte, linear ou não linear, assim como visto
abaixo.
A relação entre os parâmetros pode ser não linear. Nes-
se caso os pontos se pareceriam mais com uma curva do que
com uma linha reta, com máximos e mínimos evidentes no grá-
fico. A fim de simplificar a interpretação, o gráfico de dispersão
pode ser dividido em seções, baseado na relação ser positiva
ou negativa, e visto como linear dentro de cada seção. Na figu-
ra, nota-se que nas correlações fortes, os pontos das amostras
estão mais perto entre si. Já na fraca, é possível notar a linha
de correlação mas com menos nitidez.
Se existir uma associação entre uma característica de qua-

lidade e uma variável causal, isso não significa que exista ne-

cessariamente uma relação de causa e efeito. A relação pode
ser devida a outro parâmetro que esteja associado a cada um
dos parâmetros estudados. Se não existir nenhuma associação
em um gráfico de dispersão, isso não significa que os dois pa-
râmetros não estejam relacionados. É possível que uma causa
comum ou que uma causa especial de variação esteja masca-
rando a associação para a amplitude de dados estudada. Em
alguns casos um simples teste de associação entre as variáveis
no gráfico de dispersão pode fornecer uma confirmação para
as conclusões obtidas após uma inspeção visual.
A estratificação pode ser usada para aprimorar um gráfico
de dispersão. Os dados são estratificados plotando-se símbo-
los diferentes para grupos diferentes de dados no gráfico de
dispersão. Algumas vezes a relação entre parâmetros não é
evidente quando todos os dados são considerados, mas quan-
do os dados são agrupados e plotados com um símbolo dife-
rente a relação se torna mais clara.
13.2. Análise de Regressão

O Gráfico de Dispersão nos ajuda a entender se há ou não
há uma correlação entre as variáveis. Entretanto, essa análi-
se é apenas visual, ou seja, não temos parâmetros claros para
avaliar a força e a existência de fato da correlação.
Isso nos faz ser incapaz de resolver

problemas práticos, como:
• Qual variável influencia mais?

• Estamos entendendo toda a variação?
• Qual é o valor exato de uma variável Y para um dado conjun-
to de variáveis X.
As análises de regressão, através do ajuste estatístico dos

dados, nos ajuda a ter parâmetros para entender esses proble-
mas.
13.2.1. O que são

A análise de regressão linear gera uma equação que des-
creve a relação estatística entre uma ou mais variáveis predi-
toras e a variável resposta. A regressão linear encontra a linha
que melhor representa as variáveis de entrada com a variável
de saída.
Além da equação encontrada podemos

quantificar coisas como:
• O quanto minhas variáveis de entrada influenciam na variá-

vel de saída, através do R². A letra R representa o coeficiente
de correlação. Valores de R variam de -1 para inclinações ne-
gativas e 1 para inclinações positivas. R² é a fração da variação
total devido às variáveis no modelo. O valor variar de 0 a 1 e
quanto mais próximo ao número 1, mais seu modelo explica a
variação nos dados;
• Em um banco de dados com muitas variáveis, o que influen-

cia e o que não influencia, através do p-valor. O p-valor mede a

evidência estatística contra a hipótese nula de que a verdadei-
ra correlação na população é zero. Esse parâmetro é abordado
posteriormente nos tópicos de regressão e teste de hipótese;
• Qual é o valor de Y para dadas configurações de X (através da
equação da regressão).
Geralmente os cálculos para determinar esses parâme-

tros não são tão simples (mas nem tão complicados assim).
O gráfico de regressão pode ser calculado pelo Minitab, vide
exemplo abaixo. Nesta parte do curso, vamos focar nas análi-
ses de regressão do ponto de vista da interpretação dos resul-
tados do Minitab.
13.2.2 Quando usar


A regressão linear pode ser usada, por exemplo, para
quantificar os impactos de uma ou mais variáveis preditoras
em uma variável de interesse (ou seja, uma variável resposta).
Por exemplo, queremos saber se a idade, sexo e dieta (as variá-
veis preditoras) influenciam na altura de indivíduos (a variável
de desfecho). Podemos também querer entender se a veloci-
dade de uma máquina, o número de operadores ou o procedi-
mento usado influencia na produtividade final.
A regressão linear que correlaciona mais de uma variá-

vel preditora com uma variável resposta é também conheci-
da como regressão múltipla, regressão multivariada, mínimos
quadrados ordinários (OLS) e regressão. Nos próximos tópi-
cos é ensinado como fazer essa análise e a interpretar o seus
parâmetros.
13.2.3 Como fazer uma

Análise de Regressão
Segundo a imagem a seguir, a análise de regressão passa

por diversas etapas, seguindo a ordem:
• Coleta de dados: que pode resultar na criação de um banco
de dados histórico;
• Analisar seus dados graficamente: originando do banco
de dados, é preciso escolher quais variáveis serão estudadas e
porquê elas podem ter correlação;
• Criação da curva ajustada: o método de cálculo da curva

varia. O programa Minitab tem essa função;

• Avaliar os parâmetros: o valor de R² e o p-valor são impor-
tantes para interpretar a correlação, se ela é forte, fraca e se é
válida;
• Avaliar os resíduos: demais pontos não relacionados;
• Tomar uma decisão: decidir o ponto ótimo.
Colete os dados
Analise seus dados

graficamente
Crie sua curva ajustada

de regressão no Minitab
Avalie a significância do
R² e P
Avalie os resíduos
Tome uma decisão
13.2.4 Os parâmetros da regressão

Saber interpretar os parâmetros que os programas calcu-
lam é o diferencial de um profissional. Entender de fato o que
um determinado parâmetro representa e o que o seu valor

informa naquela situação analisada é muito importante e de-
monstra conhecimento específico no assunto, além de passar
mais confiança do trabalho realizado.
Os parâmetros conhecidos de uma regressão são:

• Equação ou curva de regressão;
• Coeficientes linear e angular (os que compõem a equação);
• R² (Fator de Ajuste);
• p-valor.

parâmetros da regressão
13.2.5.1 Equação ou curva

de regressão e os coeficientes
linear e angular
A análise de regressão gera uma equação para descrever

a relação estatística entre uma ou mais variáveis preditoras e
sua variável de resposta. Depois de ajustar um modelo de re-
gressão e verificar o ajuste, você quer interpretar os resulta-
dos. Neste tópico, vamos mostrar como interpretar os coefi-
cientes da regressão linear.
A fórmula da curva de regressão depende de constantes

b0, b1, onde b0 representa a situação inicial, com x=0 e b1 é o
incremento em Y, chamado de inclinação da reta.
A imagem abaixo mostra um exemplo de dados analisados

pelo Minitab. As constantes b0= 2628 e b1= -37,15 são dadas
pelo programa. O valor negativo de b1, indica que a curva é de-
crescente.
Y = 2628 – 37,15x
A equação dá uma estimativa do comportamento do pro-

cesso. Além disso, ela ajuda a estimar os valores de Y para de-
terminados X’s.
O programa gera uma linha em que a distância em relação

aos pontos plotados é mínima. Esse valor da distância do pon-
to plotado e a linha gerada é o resíduo (ajuste), assim como
visto na imagem a seguir.

13.2.5.2 O R²
Como visto, R² é a medida de ajuste de um modelo esta-
tístico linear. Varia entre 0 e 1. Quando aparece em porcen-
tagem, deseja expressar a quantidade da variância dos dados
que é explicada pelo modelo linear.
Na imagem abaixo, note que R2= 90,2%, para o exemplo

do Minitab, isso significa que 90,2% da variação da força de
cisalhamento pode ser explicada pela idade do propelente. Ou
seja, 9,8% são devido a outros fatores.
R² = 90,2%
Para os valores de R2 altos (>0,7), se diz que os dados têm
forte correlação. Nos exemplos abaixo, vemos dois gráficos,
um com forte correlação e outro com baixa correlação. As cor-
relações podem ser positivas, caso uma variável interfira po-
sitivamente em outra e negativa, caso o crescimento de uma
variável afete negativamente a outra.
R² = 87,6% R² = 11,6%
Os dados adicionais que o Minitab fornece, são sobre a

Variação Total, que é o próprio R2. Como visto na imagem abai-
xo, esse valor representa o somatório do quadrado das varia-
ções.

Ao realizar o cálculo, o resultado será a correlação do grá-
fico, o valor de R2.
SSRegressão Exemplo:
R² = 1527843
R² = = 90,2%
SSTotal 1693738
Dessa fórmula, compreende-se que o fator R2 depende

do somatório das distâncias dos pontos plotados até a linha
horizontal (para y=0) mais o somatório dos resíduos. Esse so-
matório deve ser sempre o quadrado das variações, pois tais
variações podem vir a ser negativo.
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 imagem a seguir apresenta uma resposta padrão de re-

gressão pelo Minitab, que indica os valores calculados, inclusi-
ve o p-valor. Os elementos presentes são:
• Curva de predição;
• R²;
• Relatório da somas dos quadrados (regressão múltipla);
• p-valor (teste de hipótese);
H0: Coefic. Angular = 0
(sem correlação)
H1: Coefic. Angular ≠ 0

(há correlação)
R-Sq = SSRegressão / SSTotal Quanto menor o p-valor,

mais certeza temos que a
variável influencia.
O p-valor é muito útil na
Regressão Múltipla!
Observa-se que o p-valor tem relação direta com o coe-

ficiente 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 coefi-
ciente 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 fórmu-

la, 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 di-
ferente de zero, significando que existe algum impacto da vari-
ável X em relação a variável Y.
13.3 Regressão Múltipla
É importante compreender as diferenças entre regressão
linear simples e múltipla. Dessa forma, o profissional consegue
distinguir qual ferramenta melhor atende às suas necessida-
des de análise.
13.3.1 O que é regressão múltipla

Chamamos de Análise de Regressão Múltipla, como co-
mentamos, as análises de Regressão Linear que avaliam mais
de uma variável preditora. A Regressão Múltipla, do ponto de
vista matemático, equivale à regressão simples. Entretanto, se
difere da regressão linear simples na quantidade de variáveis
independentes analisadas em relação a variável dependente.
Consequentemente, o número de parâmetros também aumen-
ta, devendo ser analisados um a um. Inclusive, o p-valor é mais
útil na regressão múltipla, assim como o R² ajustado torna-se
mais preciso quanto mais variáveis de entrada são adicionadas
na análise.
13.3.2 Quando usar

regressão múltipla
A regressão múltipla é usada quando o profissional de-

seja avaliar se há o impacto ou não de duas ou mais variáveis
independentes na variável de saída (eixo Y). Por exemplo: um

gerente deseja cortar gastos na empresa e para isso é preciso
realizar o levantamento de quais equipamentos elétricos utili-
zados impactam significativamente ou não no consumo de qui-
lowatt-hora. A partir desse levantamento de dados, a geração
da regressão múltipla, uma atenta análise de todos os parâme-
tros calculados pelo programa, permite que planos de ação se-
jam tomados de forma mais segura, como avaliar se há a possi-
bilidade de substituir equipamentos que impactem menos no
consumo de quilowatt-hora.
13.3.3 Como fazer uma

regressão múltipla
Na regressão linear múltipla, no exemplo que segue, há
vários outros coeficientes, que podem ou não ser diferentes de
zero (fazendo a variável ser significativa), vide fórmula abaixo:
yi=(β0+β1xi1+β2xi2+β3xi3)+ϵi
Exemplo: é realizada uma predição se a inteligência pode ser

prevista por características das pessoas (experimento real). As
variáveis escolhidas cujos dados foram coletados são:
yi é a inteligência (medido por teste de QI - PIQ) do aluno i;
xi1 é o tamanho do cérebro (medido por ressonância magnéti-

ca - MRI) do aluno i;

xi2 é a altura (altura) do aluno i;
xi3 é o peso (peso) do aluno i.
A partir do banco de dados contendo essas variáveis, foi

gerada a regressão linear múltipla no Minitab. A imagem abai-
xo 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 in-
formação interessante é o p-valor ser calculado para cada va-
riável, 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 mes-
ma forma que em regressão linear.
13.4 Cuidados com gráficos

de Dispersão e Regressão linear
Um cuidado que temos que ter com análises de correla-
ção é que nem sempre correlação significa causalidade. Um
exemplo histórico ilustra bem este problema.
Entre os anos 1920 e 1935 foram coletados os dados re-

lativos ao número de aparelhos de rádio e número de doentes
mentais por 100.000 habitantes na Inglaterra. O Gráfico de
dispersão abaixo mostra esta análise.
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 men-
tais? Precisamos acabar com os rádios?
Apesar da má interpretação dos resultados apresentados

no gráfico acima, a 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.
Em estudos observacionais não se pode atribuir relação de

causa e efeito a variáveis correlacionadas. Para atribuir relação
de causa e efeito, é preciso realizar experimentos planejados.
Sem isto, estaremos correndo risco de tomarmos relações que
não passam de mera coincidência. Hoje, na era do Data Mining
este risco é bastante grande.
Alguns exemplos tão absurdos quanto o gráfico anterior:

Você sabia que doutorado em matemática tem forte correla-
ção com a quantidade de urânio estocado nas usinas de ener-
gia nuclear dos Estados Unidos? E os filmes do gótico Nicolas
Cages? Sabia que eles têm forte correlação com o número de

pessoas que afogam depois de cair na piscina? É caros leito-
res. Acho que vocês não sabiam que em nosso curso de Green
Belt tratamos de correlações sobrenaturais na fase do analyse.
Brincadeira à parte, colocamos estes exemplos para que você
tenha noção de que causalidade difere-se da correlação pura-
mente matemática.
14. Correlação entre

variáveis categóricas
14.1 Ferramentas gráficas

A correlação com variáveis categóricas geralmente passa
ou por estudar a frequência (histograma, por exemplo) da vari-
ável de interesse (Y) para vários valores de X, ou por comparar

estatísticas de Y para valores de X.
Exemplos de estatísticas que avaliamos são:
• A média;
• O desvio padrão;
• Uma proporção;
• Uma taxa.
Vale lembrar que, quando avaliamos essas métricas, te-
mos 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 permi-
tam 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 cate-
górico ou vice versa);
• Análise temporal estratificada.
• Gráficos de Intervalos para a média (Y contínuo e X categóri-
co);
• 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 a seguir, em que a
comparação entre os processos é visível pelo Histograma, Grá-
fico de Análise Temporal estratificada e pelo Gráfico de Inter-
valos. Cabe ao profissional interpretar cada um deles.

Tempo (A) Tempo (B)
4,7 9,8
5,9 9,4
3,2 11,3
6,2 9,3
6,0 8,5
5,8 9,2
6,1 10,8
5,2 9,5
4,6 8,4
3,5 10,6
2,3 10,4
5,4 9,9
3,2 10,5
5,1 7,9
5,7 8,6
3,4 8,8
6,9 8,7
5,6 10,4
5,6 8,9
4,0 9,0
6,8 10,8
4,8 10,3
6,4 8,3
4,8 10,0
4,8 10,4
14.2 Ferramentas Avançadas

As ferramentas avançadas para correlação, colocam as
coisas do ponto de vista de probabilidades. Elas nos ajudam a
entender qual é a probabilidade de uma população de interes-
se ter uma métrica diferente da outra.
Elas compreendem:
• Os testes de Hipóteses (Z, t, chi-quadrado, p, etc.);
• A Análise de Variância (ANOVA).

Testes de Hipóteses
Um teste de hipótese nada mais é do que uma validação
estatística das nossas dúvidas (ou hipóteses). Além disso é uma
poderosa ferramenta para encontrar soluções práticas de um
problema.

Por exemplo, podemos querer ver se o tempo de um pro-
cesso (uma variável numérica) é diferente para dois turnos de
trabalho. Hipótese: Será que o tempo médio do turno A é
diferente do tempo médio do turno B? Depois da coleta de
dados as médias dos tempos em cada turno são comparadas. A
resposta é dada analisando os dados e vem da seguinte forma:
“dados os dados, ou seja, o tamanho da amostra e as médias
das amostras, posso afirmar com 95% de convicção de que as
médias das populações são diferentes”.
As curvas do gráfico abaixo representam a possível inter-

seção dos dados coletados. O teste de hipótese vai dar exata-
mente a probabilidade do erro acontecer, ou seja, da afirma-
ção estar errada. No caso da figura, seria quando os valores da
parte vermelha são maiores que da parte azul.

14.2.1.1 Quando usar

Teste de Hipóteses
Podemos ter testes de hipóteses para diferentes métricas:
• Para médias (será que a média dos tempos do processo antes
da mudança é maior do que depois da mudança?);
• Para proporções (será que a porcentagem de atrasados da
cia A é maior que da cia B?);
• Taxas (será que a taxa de defeitos por unidade da fábrica A é
diferente da B?).
Para realizar um teste de hipóteses, seguimos os passos:
1. Contextualizamos o problema: o que queremos “comparar”

entre populações;
2. Formalizamos nossas hipóteses;
3. Escolhemos o tipo de teste de hipótese correto para o que
queremos ver;
4. Realizamos o teste (analisando na distribuição de referên-
cia);
5. Analisamos o p-valor e os resultados para ver se nossa hipó-
tese é verdadeira ou não.
Alguns softwares ajudam com o passo quatro, de realizar os

testes, já que é a fase mais difícil.

14.2.1.2 Passo 1 -
Contextualizar o problema
O primeiro passo é enxergar nosso problema atual com a
“lógica” do teste de hipóteses. A ideia é entender:
• O que queremos comparar?

• Quais são as populações?
• Qual é a estatística que eu quero comparar?
• Quais são os dados que preciso ter/coletar para testar essa
hipótese?
Uma maneira de enxergar o problema de forma lógica é

rodar o PDSA, representado na imagem abaixo. É preciso en-
tender o contexto e o teste que iremos fazer (qual dado pre-
cisamos coletar para responder nossas dúvidas em uma situa-
ção?).

Exemplo:
“Sempre faço o mesmo caminho de casa para o trabalho. Um co-
lega 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 estatisti-
camente igual ou não ao caminho novo.
• Quais as populações?
Os tempos referentes ao caminho velho e os tempos referen-
tes ao caminho novo
• Qual a estatística?
O tempo médio para o caminho A e para o B.
Como devem estar estruturados os dados? A Tabela abaixo
mostra a construção da tabela com os dados do exemplo.
Tempos caminho novo (min) Tempos caminho velho (min)
100 78
95 82
110 94
111 75
... ...

14.2.1.3 Passo 2 -
Formalizar a hipótese
O segundo passo consiste em formalizar a nossa hipótese
de um jeito matemático. Essa formalização nada mais é do que
escrever matematicamente o que queremos testar.
Algo como:
H: μa=μb (será que as médias são iguais?) ou
H: μa<μb (será que a média de a é menor que a média de b?)
ou então;
H: μa>μb (será que a média de a é maior que a média de 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. Po-
rém 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 ló-
gica do que acontece, caso a hipótese nula não seja verdade.
Por exemplo, se:
Ho: μa=μb é falsa, então
Ha: μa≠μb é verdadeira.
14.2.1.4 Passo 3 e 4 - Escolha

e realização dos testes
O cerne do teste de hipótese irá avaliar se, com base nos
dados de nossa amostra, podemos dizer alguma coisa sobre as
suas populações.
Em outras palavras, o teste irá parametrizar duas popu-

lações com base nas amostras que temos (todos os tempos do
caminho novo e velho, como o exemplo anterior) e ver a possi-
bilidade delas apresentam interseções ou não.
A escolha do teste vai depender do tipo de variável, pois

para cada tipo temos uma distribuição. O teste irá, em linhas
gerais, parametrizar populações a partir das amostras dadas e
analisar a chance das hipótese nula ser verdadeira ou falsa.
Objetivamente, ele avalia a chance de uma amostra não

representar a sua população quanto ao parâmetro testado
(média, por exemplo).
Ele levará em conta o tamanho da amostra, a variação e a

diferença da estatística entre as populações.
É como o gráfico abaixo. 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 a seguir. Pode parecer complicado, mas o Minitab é um
dos softwares que ajuda a realizar o teste correto e interpre-
tar os resultados segundo as classificações das variáveis infor-
madas. A escolha pode ser feita através do Assistente Minitab.

Qual é o objetivo
• Teste t para 1 amostra;

Comparar uma média • Teste de desvio padrão para 1 amostra;
com um valor • Teste de % Defeituosos para 1 amostra;
• Qualidade de Ajuste Qui-quadrado.
• Teste t para 2 amostras;

Comparar duas • Teste t pareado;
amostras entre si • Teste de desvio padrão para 2 amostras;
• Teste de % Defeituosos para 2 amostras;
• Teste Qui-Quadrado para Associação.
• ANOVA com um fator;

• Teste de desvios padrão;
Comparar mais • Teste Qui-Quadrado para %
de duas amostras de Defeituosos;
• Teste Qui-Quadrado para Associação.
14.2.1.5 Passo 5 -
Analisar os Resultados
O resultado mais importante dos testes de hipótese é o
famoso p-valor. É ele que valida ou não a hipótese nula. O p-va-
lor é um número de 0 a 1 que diz a probabilidade de termos o
erro de amostragem.
A sua definição formal é:

“A probabilidade de obtermos evidência de que a hipótese nula
é falsa, dado que ela é verdadeira”.

Em outras palavras, ele dá a chance dos erros de amos-
tragem que comentamos anteriormente. No gráfico abaixo, a
“evidência falsa”, ou o erro, seria uma amostra azul menor que
uma amostra vermelha.
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 a seguir.
Exemplo (de resultado do Minitab)
C1 C2
0,57088 4,92652
-1,24569 4,60680
-0,65486 5,14566
-0,60757 6,02591
0,12676 5,42442
-1,02850 6,22536
1,04768 4,64596
0,63148 4,91375
-1,27095 6,18465
0,30670 5,12457
-0,63675 5,14067
-0,09585 5,13849
0,14326 5,42180
2,66192 5,01271
-0,07980 3,85974
0,84040 5,18778
0,69064 4,79286 Evidência
-0,55813 5,26738
-0,08524 6,37494
0,52989 4,99944 Conclusão:
-0,42817 5,41172 são diferentes!
-0,04956 3,53886
-0,92062 4,69994
-2,18923 5,82346
0,50827 5,44303 Chance de
evidência errada

No exemplo, a evidência diz que as médias de C1 e C2 são
diferentes, dado a estimativa. Para comprovar se as amostras
das populações são diferentes para a hipótese nula, em que as
médias não iguais, vemos o p-valor. Como o p-valor é igual a
zero, a probabilidade das médias serem iguais é de 0%, logo a
amostra é confiável em afirmar que as populações são diferen-
tes e as médias também.
14.2.2 Considerações
sobre o p-valor
Os testes de hipótese não deixam de ser análises paramé-

tricas, portanto a normalidade e outros ajustes são importan-
tes. Em várias ferramentas, usaremos testes de hipótese espe-
cíficos no meio deles (indiretamente), por exemplo: o gráfico
probabilístico normal (Ho: a distribuição é normal) e a regres-
são linear, para os coeficientes (Ho: o coeficiente i de xi é dife-
rente de 0).
Normalmente, um p-valor consi-

derado baixo é 0,05. Entretanto,
não há um “número mágico” para
o p-valor. Ele é uma probabilidade.
Devemos ou não aceitá-lo median-
te o contexto, avaliando os riscos
envolvidos na decisão. O exemplo
a seguir apresenta p-valor = 0.247,
o que é considerado alto.

O p-valor é o assunto abordado no arquivo Leitura do

Analyse, disponível na pasta do curso. É importante ressaltar
que o p-valor ainda é estudado por estatísticos e sua interpre-
tação é complexa. Para uma leitura sobre o assunto é recomen-
dado o livro “Introdução ao Controle Estatístico da Qualidade”
de Douglas C. Montgomery (2016).
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, po-
demos testar médias para mais de duas populações. Em outras
palavras:

H0 => μa = μb = μc e H1 => μa ≠ μb ≠ μc
Apesar da sua utilização ser a de um teste de hipótese, a

sua matemática é idêntica à da regressão linear, assim como
visto anteriormente. Isso implica que não analisamos somente
o p-valor, mas também o R² e os resíduos obtidos. A interpre-
tação destes parâmetros é idêntica à da regressão.
No fundo, ela vai comparar se a variância total é igual à

variância dentro dos grupos.
14.3.1 O que é o teste ANOVA

Anova ou Análise de variância é a técnica estatística que
permite avaliar afirmações sobre as médias de populações. O
objetivo da técnica é analisar se existe uma diferença significa-
tiva de um ou mais fatores (também chamados de variáveis de
entrada, ou variáveis X) comparando as médias das variáveis
de resposta em diferentes níveis dos fatores.
Análogo ao teste de hipótese, a hipótese nula afirma que

todas as médias das populações (médias dos níveis dos fato-
res) são iguais, enquanto a hipótese alternativa afirma que
pelo menos uma é diferente.

14.3.2 Quando usar ANOVA
A ANOVA é usada apenas quando queremos correlacio-

nar um Y contínuo com um ou mais X’s categóricos, que pos-
suem 3 distintas classificações. Por exemplo, será que o proce-
dimento A, B ou C influencia no tempo de processo?
Os dados devem cumprir os pressupostos:

• Cada população deve ser normal;
• As variâncias de cada população devem ser iguais.
14.3.3 Como realizar

um teste ANOVA
Para realizar a ANOVA, você precisará de uma variável de
resposta contínua e pelo menos um fator categórico com dois
ou mais níveis. As análises ANOVA exigem dados de popula-
ções que sigam a distribuição normal e cujas sejam variâncias
iguais entre fatores. Porém, para nossa sorte, os procedimen-
tos ANOVA funcionam bem mesmo quando a pressuposição
de normalidade é violada, havendo uma exceção quando uma
ou mais distribuições são altamente assimétricas ou quando
as variâncias são muito diferentes. Nesses casos, recomenda-
-se lançar mão de uma transformação de variáveis para corri-
gir essas violações.
Por exemplo, pois é com exemplos que aprendemos, ima-

gine que uma loja gostaria de testar se o valor gasto na com-
pra pelo cliente, sofre influência de alguns fatores. Dentre os
fatores, o lojista a loja e coloca 3 níveis (loja A, loja B e loja C).
O Anova, vai permitir que o lojista avalie se há diferenças esta-
tisticamente significativas entre os tratamentos ou se o resul-
tado observado variou em decorrência da mera variabilidade
amostral.
O programa Minitab nos ajuda a elaborar e interpretar
uma ANOVA. Assim como na regressão linear múltipla, pode-
mos usar a ANOVA para ver quais X’s categóricos impactam
ou não no resultado. Existem duas maneiras de realizar o teste
ANOVA no Minitab:
• Pelo Assistente do Teste de Hipótese;

• Através do Modelo Linear Generalizado, que apresenta o R²
e o gráfico de resíduos. No modelo Linear Generalizado da Re-
gressão, podemos misturar vários tipos de variáveis (Categó-
ricos e Contínuos, pois a matemática da ANOVA e da regres-
são é equivalente);
14.3.4 Os Parâmetros da ANOVA

A interpretação dos parâmetros da anova são muito pare-
cidos com os parâmetros de interpretação de uma regressão
linear (simples ou múltipla). É usual avaliar se:
• A equação da anova, que proporá, aos moldes da Regressão

Linear, uma equação preditora para a variável resposta com
base nas variáveis classificatórias incluídas no modelo;
• O p-valor para cada variável classificatória testada, que nos
dirá qual variável preditora influencia na variável resposta;
• O R² e o R² ajustado, que nos dirá a qualidade do modelo;
• e, finalmente, os resíduos da análise.
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).
Experimentar consiste em realizar diversos ensaios (ex-
perimentos) para obter um banco de dados a fim de analisá-lo.
O ponto fundamental do Seis Sigma é o Planejamento de Ex-
perimentos, ou seja, estruturar as suas questões e predições
para entender como coletar dados para responder às suas
perguntas.
Outro objetivo do planejamento de experimentos é redu-
zir o número de ensaios necessários para nossos questiona-
mentos (reduzindo o custo do experimento).
As ferramentas de análise são as mesmas que vimos até

agora: ANOVA; Regressão; Testes de Hipóteses; Métodos
gráficos.

Além disso, temos algumas técnicas que são traba-
lhadas mais a fundo no Black Belt: Experimentos Fatoriais;
Experimentos Fatoriais Fracionados; Experimentos Dicotô-
micos.
A grande entrega da fase do Analyze são as mudanças

desenvolvidas. Para desenvolver uma consciência analítica, a
fase mostra, em detalhes:
• A análise crítica do processo;
• O uso de tecnologia;
• O uso da criatividade;
• O uso dos conceitos de mudança.
Analise Analise os Analise seu Investigue os Formate suas

os processos procedimentos banco de dados experimentos mudanças
Buscar no banco de dados

Entender o que se pode correlações entre variáveis Aprenda mais sobre as
Entender o que se pode Priorizar as mudanças
mudar nas atividades para para entender o que se correlações de variáveis
Atividades mudar no fluxo de maneira
deixá-las melhores e mais pode variar no processo de com experimentos
propostas para a realização
a gerar melhorias de testes de mudança
rápidas. maneira a gerar um planejados
resultado melhor.
Poka-Yokes, Diagrama de Gráficos de dispersão, Planejamento de
Desconexões, análise de Ishikawa, Análise de Análises de Regressão, experimentos;
Ciclo PDSA; Matriz de
Ferramentas valor, ECRS, Criatividade, Tempo, Tecnologia, Testes de hipóteses, Experimentos Fatoriais;
Impacto Esforço.
Conceitos de Mudança Benchmarking, Tabelas de contingência, Experimentos Dicotômicos;
Criatividade Gráficos de Barras etc.
Alterações nos parâmetros Alterações nos parâmetros

Mudanças para melhorar o Mudanças para melhorar as Plano de testes das
Saídas fluxo atividades
de entrada que vão gerar de entrada que vão gerar
mudanças desenvolvidas.
melhoria melhoria
Capítulo 5
Improve
Clique
para voltar
ao Índice

1. Introdução ao Improve
No Improve, escolhemos quais mudanças são mais pro-
missoras e realizamos os testes para saber quais de fato vão
gerar as melhorias. É a priorização das mudanças e estrutura
de testes.
A partir dos testes, usando o ciclo PDSA, podemos enten-

der melhor os detalhes e falhas em nossas hipóteses e predi-
ções. Aqui também devemos ir aumentando gradualmente a
escala e o escopo dos testes. Ao final, teremos uma boa con-
vicção de quais mudanças vão de fato ser melhorias. Às vezes
as mudanças já foram implementadas durante a fase de testes
(um ciclo para implementar).
O ciclo PDSA é uma das ferramentas citadas na Tabela
abaixo que são recomendadas para a fase Improve, além do
Planejamento de Experimentos entre outros.
Testar, aprendendo
Compilar o Preparar a
e aumentando
aprendido implementação
a escala e o escopo
Realizar os testes para confirmar Uma vez que o grau de confiança é

suas hipóteses, verificando se as suas suficiente, resumir os aprendizados Planejar as etapas de
Atividades
mudanças se transformaram de fato da etapa de testes e compartilhar implementação.
em melhorias. com o grupo.
Ciclo PDSA, Planejamento de

Ciclos PDSA, Apresentação do
Ferramentas Experimentos, Treinamentos Iniciais, Plano de implementação
projeto de Melhoria
Matriz de Habilidades
Aumento do Grau de Convicção das Nivelamento do conhecimento da

Saídas Plano de implementação preenchido.
suas mudanças etapa de testes.
2. Testes de mudança
Os testes são o coração do Improve. Nele, temos que ob-
servar como as nossas mudanças vão se comportar na realida-

de. Para isso, usamos e abusamos do ciclo PDSA, assim como
visto na fase Improve, representado na imagem abaixo:
Muitas vezes a equipe de melhoria desenvolver uma sé-

rie de mudanças na fase do Analyze e não possui nem tem-
po nem recursos suficientes para testar e amadurecer todas
elas durante a fase do Improve. Para resolver esse problema,
a equipe precisa desenvolver uma maneira de escolher entre
as mudanças possíveis e priorizar as que têm mais chance de
sucesso.
Uma forma de fazer isso é pesar o esforço e o ganho po-

tencial (impacto) de cada uma das mudanças. Podemos fazer
isso através do uso de uma Matriz de Priorização chamada
Matriz de Impacto/Esforço, visto a seguir. Para preenchê-la,
damos uma nota para o Impacto potencial de uma mudança e
outra para o esforço relacionado com o seu ciclo de testes e
sua posterior implementação.
5
4 Prop 4
Prop 1
Impacto
3 Prop 3
2
Prop 5
Prop 2
1
0 1 2 3 4 5
Esforço
A técnica de priorização na fase de testes prevê que os

esforços sejam recompensados com resultados positivos em
poucos tempos de ciclos. Mas é com o tempo que as mudanças
farão efeitos. É preciso monitorar o Grau de Convicção que
cada teste causa, vide gráfico abaixo. Ele é o grau de certeza,
baseado em evidências. No exemplo, as três mudanças têm
graus de certeza diferentes e mudam através do tempo, tudo
porque surgem novas evidências.

A grande pergunta seria: como testar? Estruturar um
teste pode nem sempre ser uma tarefa fácil. Temos basica-
mente dois estudos mais frequentes quando queremos testar
mudanças:
• Testes do tipo Antes e Depois;
• Comparação simultânea.
2.1 Comparação Antes e Depois

Considere o teste de Comparação Antes e Depois quando:
• Os dados encontram-se disponíveis ou podem ser coletados

antes da mudança;
• Há pequena ameaça de eventos externos ocorrerem ao mes-

mo tempo em que é realizada uma mudança;
• Os dados serão coletados por um longo período de tempo
após a realização da mudança;
• Grandes melhorias são esperadas;
• Grupos necessários para a compa-
ração simultânea não podem ser iso-
lados.
A visualização de um exemplo do es-
tudo Antes e Depois está na imagem
a seguir. A mudança é estratificada
e é possível observar um melhor de-
sempenho da atividade.
Porém o estudo não é a prova de erros.
Pontos vulneráveis:
• Ocorrência de causas especiais ao mesmo
tempo em que mudanças são feitas;
• Efeito Hawthorne.
2.2 Comparação Simultânea
Considere o tipo Comparação Simultânea quando:

• Duas ou mais alternativas estão sendo testadas;
• Uma alternativa está sendo testada mas eventos externos

podem atrapalhar a interpretação dos resultados (formam-se
dois grupos: sistema atual x grupo sendo testado);
• Deseja-se acrescentar condições diversas durante o teste
(planejamento de grupos).
A imagem abaixo mostra um exemplo de Comparação Si-
multânea onde é claramente observado uma mudança de re-
sultados depois da mudança.
2.3 As boas práticas

Algumas práticas são recomendadas para os testes serem
sucesso, independente do tipo de estudo escolhido e da técni-
ca de priorização: comece pequeno; dose o que pode dar er-
rado; envolva a todos para disseminar o conhecimento; tente
mitigar os riscos.
O que também é visto na tabela a seguir é a preocupação
necessária para começar um teste. Cada ideia é uma responsa-
bilidade. Decidir em implantar uma mudança deve estar bem
planejado e embasado em possíveis resultados positivos.
Grau de convicção na mudança
Baixa Alta
Pequena Testes de média escala Um ciclo para implementar
Consequências de
um teste falho
Teste em escala muito Testes de média e pequena

Grande
pequena escala
Capítulo 6
Control
Clique
para voltar
ao Índice

1. Introdução ao Control
A última fase do DMAIC é a fase
do Control. Nela nós temos que imple-
mentar as mudanças que saíram vito-
riosas da fase de teste e monitorar os
indicadores importantes para o projeto
após essa implementação. Embora pos-
sa parecer simples, quem já teve de im-
plementar alguma coisa sabe que essa
atividade pode ser muito complicada e
até mesmo ingrata. Para que uma im-
plementação seja bem sucedida temos
que saber trabalhar com pessoas. Preci-
samos nos atentar para a parte humana
da mudança, convencendo os envolvi-
dos a adotarem as mudanças que temos
convicção de que serão melhorias.
Para que essa implementação seja mais suave, podemos

seguir algumas boas práticas e utilizar algumas ferramentas
que nos ajudam a convencer os envolvidos. Nos próximos tópi-
cos vamos aprofundar em como conduzir implementações.
Além disso, o Control temos que monitorar os indicadores

depois do projeto. Até quando fazemos esse monitoramento?
Coletar um indicador é uma atividade que requer esforço e até
mesmo recursos financeiros. Caso um processo atinja uma es-
tabilidade, medir seu desempenho para sempre pode não ser

uma boa estratégia. Vamos discutir um pouco sobre isso.
É a hora onde mais se usa a Psicologia e se realiza a Ges-
tão da Mudança. Devemos preparar as mudanças para serem
lógicas e alinhadas com a cultura da empresa, trabalhando o ra-
cional e o emocional das pessoas envolvidas no processo.
Também estruturamos o plano de implementação com

base nas etapas:
1. Padronização;
2. Documentação;
3. Treinamento;
4. Implementação (Medir).
Por fim, compilamos os ganhos, apresentamos os resulta-

dos e celebramos. A sequências das fases é apresentado na Ta-
bela abaixo:
Padronização
Treinamento Implementação Controle Finalização
e documentação
Treinar a equipe com

a finalidade de
Definir exatamente desenvolver neles as
Resumir o
como serão os novos habilidades Monitorar o
Desdobrar o plano de aprendizado,
procedimentos e criar necessárias para desempenho do
ação para a mudança apresentar os
Atividades as instruções que executar o processo. processo para avaliar
do jeito velho para o resultados, fazer as
serão desdobradas Por treinamento se tudo está saindo
novo. recomendações
para a equipe do entendemos uma conforme planejado.
futuras e celebrar.
processo. série de atividades
supervisionadas, não
só aulas expositivas.
Formulários de Ciclos PDSA, Gráficos
Plano de treinamento,
trabalho padrão; 5W2H, Gestão de de Controle, Apresentação de
Ferramentas Andragogia, Matriz de
Relatórios de Testes, Projetos, Ciclos PDSA. formulários de coleta encerramento.
Habilidades
Fluxogramas. de dados.
Desenho claro, lógico Novo processo

Pessoal treinado no Evidências de Finalização formal do
Saídas e justificado do novo funcionando de fato
novo processo. Melhoria projeto
processo. na organização.
2. Plano de Implementação
Implementar pode ser a parte mais difícil de um projeto

de melhoria. É a parte mais humana do projeto.
Nela, é necessário:
• Se comunicar bem;
• Ter claro o que é necessário fazer;
• Reforçar, ou seja, fiscalizar se tudo está indo bem;
• Pensar muito bem no “transiente”.
Mesmo os projetos mais simples devem ter um plano de
implementação. Caso contrário, tudo pode ser colocado a per-
der.
Após a implementação das melhorias, é necessário esta-

belecer práticas que assegurem que as mudanças se tornarão
procedimentos usuais nos negócios. Muitas empresas fazem
melhorias no trabalho e depois descobrem que as pessoas
voltaram à forma antiga de fazer as coisas ou que algum novo
problema foi identificado. A seguir descreve-se os componen-
tes que precisam ser considerados para implementação e con-
trole das mudanças.
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 cos-
tumam 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 pro
cesso;
• 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 impor
tantes de processos ou de produtos.
• Uma excelente prática na hora da documentação é a criação
de Instruções Operacionais:
• Conceito: Orientação sobre a forma de executar uma

tarefa.
• Objetivo: Servir como guia para a realização de tare-

fas 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.
• Responsável: Cargo do executante da tarefa.

3. Treinamento:
• Treinamento é quase sempre necessário para implementar
mudanças;
• Se a mudança for uma mera extensão do trabalho atual, en-
tão uma simples discussão poderá ser suficiente;
• Entretanto, se a mudança for complexa, um treinamento ex-
tensivo 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 implementa-
ção e um método de manutenção após
a implementação;
• Gráficos de tendência (ou de contro-
le) dos indicadores devem ser utiliza-
dos para monitorar o processo depois
das mudanças implementadas;

Comparação do Desempenho
com os Objetivos:
Não é possível tornar um

processo perfeito em um dia ou
em uma única iniciativa de me-
lhoria. A melhoria de processos
normalmente leva vários ciclos
de desenvolvimento, teste e im-
plementação das mudanças que
possuem maior probabilidade de
produzir melhoria.
Comparar o desempenho com os objetivos é uma forma

de acompanhar seu progresso. Retorne aos objetivos da me-
lhoria, definidos ao responder à segunda pergunta: Como sa-
beremos que uma mudança é uma melhoria?
Em seguida, compare o desempenho das medidas após a

implementação, para verificar se serão necessárias mudanças
adicionais:
• Se as medidas de melhoria foram alcançadas. Então continue

com a implementação.
• Se as medidas de melhoria não foram alcançadas. Então re-

torne às fases de Desenvolvimento, Teste e Implementação e
continue com esses ciclos até que os objetivos sejam alcança-
dos.

2.1 Estratégias de implementação
A maneira ideal para se conduzir e fiscalizar uma imple-
mentação vai depender da complexidade. Geralmente temos
3 estratégias:
• Simplesmente faça;
• Implementação paralela;
• Implementação sequencial.
Independente da estratégia, temos que garantir que as

coisas irão acontecer conforme o planejado.
3. Como fiscalizar a
implementação
3.1 O 5W2H
O que é o 5W2H? Um projeto é desdobrado em diversas
atividades. Essa ferramenta questiona as atividades de forma
a detectar descontinuidades.
Esse é um método de fiscalização relativamente simples

de gerenciamento de um projeto. Um projeto é desdobrado
em diversas atividades. Fazer as perguntas do 5W2H é enten-
der o porquê das ações de um determinado processo e garan-
tir que as ações recomendadas sejam de fato implementadas.

As perguntas se referem:
• As atividades (O que? - What) são executadas segundo uma
certa ordem, com um determinado prazo (Quando? -When)
e custo (Quanto? – How Much), em um determinado local
(Onde? – Where) e com responsabilidades de execução ou
coordenação atribuídas (Quem? - Who). Além disso, deve ha-
ver uma razão (Por que? - Why) para fazê-la e uma forma pre-
vista para a sua execução (Como? - How);
• As iniciais dessa perguntas (What, Why, When, Where, Who,

How, How much) formam o acrônimo 5W2H.
Como utilizar a Variantes

Quando usar?
ferramenta?
Quanto o gasto para realizar
Lista-se as atividades a atividade não for uma
As possibilidades de uso
que fazem parte do pro- questão relevante (o “How
do 5W2H são amplas;
jeto; much” não é considerado) a
técnica é reduzida para
5W1H.
Pode ser usada para

organizar uma única
Essas atividades são os
atividade ou um conjun-
“What”;
to de atividades for-
mando um projeto;
Em seguida passa-se a Em projetos de melho-

responder aos outros ria é útil utilizar o
Ws e Hs para cada ativi- 5W2H como na fase de
dade; implementação de mu-
danças;
As informações são es-

truturadas em uma
planilha com sete colu-
nas e tantas linhas
quantas forem as ativi-
dades identificadas for-
mando assim o projeto;
Resta ainda identificar

um coordenador que
cuidará da gestão das
atividades, verificando
que os prazos sejam
cumpridos e intervindo
quando necessário.

A Tabela abaixo mostra um exemplo de template simples,
em que cada pergunta é respondida para que o processo de
implementação seja verificado.
O que Quem Quando Onde Porque Por quanto
Como (How)
(What) (Who) (When) (Where) (Why) (How much)
4. Resumo dos capítulos
Na conclusão do conteúdo, podemos encerrar a teoria

com algumas observações e destaques. Um projeto de melho-
ria deve terminar quando:
• O objetivo do projeto foi cumprido.
• Houve melhoria e ficou claro que qualquer progresso adicio-
nal irá exigir um novo esforço inicial.
• A equipe desempenhou bem e obteve sucesso suficiente

para se aposentar com dignidade e orgulho.
Depois que o projeto seja finalizado, é importante que o conte-
údo fixe e o aprendizado seja contínuo, por isso:

1. Resuma os aprendizados;
2. Finalize a documentação sobre as melhorias;
3. Faça um sumário de planos e recomendações futuras;
4. Comunique a finalização do projeto;
5. Celebre!
Capítulo 7
Projeto de Melhoria
Clique
ao Índice
para voltar
Capítulo 7 - Projeto de Melhoria
1. Seleção de projetos
Seleção de Projetos é o processo de avaliar projetos indi-

viduais ou grupos de projetos e escolher qual queremos con-
duzir e implementar.
As organizações (seus gerentes e especialistas) geralmen-

te usam modelos para extrair informações relevantes e tomar
decisões. Os modelos tentam quantificar aspectos de cada pro-
jeto de maneira a racionalizar a escolha de um em detrimento
de outro. É como “dar uma nota” para cada projeto a fim de ava-
liar de maneira fria qual é mais adequado.
Esses modelos podem ser muito úteis, mas não tomam a

decisão sozinhos. Modelos, como visto no curso de Black Belt
da FM2S, são apenas aproximações da realidade. Eles possuem
as suas premissas e imprecisões e a decisão é sempre um pro-
cesso humano, carregado de uma série de aspectos racionais e
irracionais.
Nos próximos tópicos iremos abordar os módulos de fa-

lha e o supermercado de processos por setor. Esse material
serve de auxílio para o desenvolvimento do Projeto de
Melhoria, proposto no curso de Green Belt da FM2S. Sua
elaboração é necessária para a obtenção do certificado de
especialista Green Belt.
1.1 Algumas premissas para
os modelos de decisão
Para que a liderança possa julgar qual projeto é mais ade-
quado, é usual que, ao iniciar-se um projeto de melhoria, le-
vante-se também quais os projetos concorrentes. Após esta
listagem, são coletadas mais informações sobre cada uma das
iniciativas. Essas informações são organizadas sob a ótica de
premissas, dentre elas:
• Premissas financeiras – avaliam o custo estimado contra o

benefício estimado (por benchmark, por exemplo). É possível
estimar métricas claras (como valor presente, retorno sobre o
investimento, etc.);
• Premissas operacionais – avaliando outros aspectos, até

certo ponto quantificáveis, porém não puramente financeiros.
Como a nossa capacidade de realizar tal projeto, a flexibilidade
da melhoria ser implementada em outras áreas, o tempo ne-
cessário, os riscos, etc.
• Premissas não numéricas – avaliam o aspecto político e es-

tratégico dos projetos. Vão desde as investimentos particula-
res (de interesse da alta gestão ou investidores externos) até o
ganho competitivo esperado pelo projeto.
Essas premissas são a base para a utilização de modelos

para “julgar” os projetos. A seleção de projetos de melhoria é
uma das partes mais difíceis do trabalho de um profissional Seis

Sigma. Ela pode ser extremamente complexa em organizações
maiores, visto que agendas ocultas podem estar em pauta ou
diferentes abordagens sobre a estratégia estejam sendo ven-
tiladas. Seja como for, é sempre interessante ter uma aborda-
gem padronizada e metódica, para que a seleção não seja algo
“intuitivo”, mas sim baseado em dados.
Em geral, essa seleção segue algumas etapas:
1) Levantamento da problemática e projetos “candidatos” com
as áreas e partes interessadas (gerentes e especialistas);
2) Estimativa do impacto e do esforço dos projetos (quanto ao
seu ganho, custo e cronograma);
3) Priorização (escolha dos melhores projetos através de uma
avaliação quantitativa sob diferentes critérios e atribuição de
uma “nota” para cada um);
4) Desdobramento e início dos trabalhos relacionados aos pro-
jetos.
1.2 Pontos-chave na hora

de sugerir projetos
Seguem abaixo algumas características necessárias na
hora de sugerir um projeto:
• O projeto proposto deve estar conectado ao plano de negó-

cios da organização;
• O projeto deve ser importante para a liderança por uma ou
mais da seguintes razões:

• Clientes estão tendo problemas com produtos ou serviços;
• Existe a necessidade de reduzir custos mantendo ou melho-
rando a qualidade;
• Existe a necessidade de expandir as expectativas dos clien-
tes.
• A solução é desconhecida. Agentes de Melhoria são melhor
utilizados em projetos que requerem aprendizado e testes an-
tes da implementação;
• Métricas chaves para avaliar o sucesso do projeto foram
identificadas;
• O projeto pode ser completado dentro de um prazo de seis
meses ou menos;
• Dados sobre a situação atual para as métricas estão disponí-
veis e metas para as métricas foram estabelecidas;
• O impacto financeiro (redução de custos ou aumento da re-
ceita) foram estimados;
• O sistema, processos, produtos ou organizações onde as
mudanças deverão ser feitas estão sob o controle e influência
do patrocinador do projeto;
• Existe um balanço adequado entre a quantidade de esforço
e de recursos necessários para completar o projeto;
• Os resultados obtidos são replicáveis para outras áreas da
organização;
• O projeto deve mudar um processo de rotina;
• Não há mudanças em andamento no processo que possam
causar impacto diretamente no andamento do projeto.

1.3 Modos de Falhas de
Atividades de Melhoria (MFAM)
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 fa-
zendo esse projeto?”
1.4 Alguns projetos típicos
Os projetos de melhoria se adaptam para as várias áreas

de atuação. Alguns projetos de melhoria são clássicos e estão
listados abaixo:

Logística
• Tempo excessivo para enviar invoice ao cliente depois de

executado o serviço;
• Tempo excessivo para identificar se uma invoice é uma dis-
puta;
• 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 faltan-
tes);
• 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 servi-

ços;

• Redução do tempo de troca de equipamento entregue com
defeitos.
Manufatura
• Reduzir defeitos de fabricação;

• Reduzir custo de fabricação de peças;
• Reduzir as despesas com a Ferramentaria;
• Reduzir inventário de ferramentas;
• Reduzir uso de material poluente;
• Reduzir custos de embalagem;
• Reduzir controles / tarefas que não agregam valor / relató-
rios gerenciais que não são usados / coleta de dados que não
são usadas;
• Reduzir necessidades de limpeza/organização nos proces-
sos;
• Reduzir custos com manutenção dos sistemas;
• Melhorar aproveitamento (cortes/excessos) de matérias pri-
mas nos processos;
• Reduzir refugos de produtos intermediários ou finais por de-
feitos;
• Reduzir consumo de energia e utilidades nos processos;
• Reduzir perdas de dados vitais para o processo;
• Reduzir dependência de mão de obra especializada no pro-
cesso;
• Reduzir tempo para lançar novos produtos.

Serviço
• Redução de tempo de entrega de equipamentos visando re-

duzir penalidade por não cumprimento de prazo;
• Redução de porcentagem e não atendimento de SLA;
• Reduzir gap entre planejado e executado em projetos;
• Aumentar taxa de solução de problemas para clientes;
• Aumentar satisfação dos clientes com solução de problemas;
• Reduzir contato/interação de clientes para resolver proble-
mas;
• Reduzir perda de clientes rentáveis;
• Reduzir risco de fraude para o cliente;
• Aumentar lucratividade de segmentos de clientes.
Segurança e Meio Ambiente
• Reduzir o impacto dos produtos no meio ambiente;

• Reduzir acidentes de trabalho;
• Reduzir acidentes com perdas materiais.
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.
Bibliográficas
Referências
Clique
para voltar
ao Índice
• American Society for Quality. Acesso em: https://asq.org/
• BLANK, Leland; TARQUIN, Anthony, P. E. Engenharia Eco-

nômica. São Paulo: McGraw-Hill, 2008.
• CAMPOS, V. F. Gerenciamento da Rotina no Dia a Dia. 8ª

edição, Nova Lima: INDG, 1994.
• FAYOL, Henri. Administração Industrial e Geral. 1916.
• Harvard Business Review, On managing people, Harvard

Business Press, 2011.
• Harvard Business Review, On leadership. Harvard Business

Press, 2011.KOTTER, John. Leading Change. 1995.
• HARMON, P., Business Process Change. 2ª ed. Amsterdã:

Morgan Kaufmann, 2007.
• HARRY, M., SHROEDER, R. Six Sigma: The Breakthrough

Management Strategy Revolutionizing the World’s Top Cor-
porations, 1ª ed. Nova Iorque: Crown Business, 2006.
• HAYES, R. H., WHEELWRIGHT, S. C. Competing Through

Manufacturing. Harvard Business Review, 1984.
• HOULE, Cyril. O. The Design of Education. San Francisco:

Jossey-Bass, 1972.
•HOULE, Cyril. O. Continuing Learning in the Professions.

San Francisco: Jossey-Bass, 1980.
• IMAI, M. Gemba Kaizen, uma abordagem de bom senso à es-
tratégia de melhoria contínua. 2ª edição. São Paulo: Bookman,
2014.
• KANG, C. W., KVAM, P. H., Basic Statistical Tools for Impro-

ving Quality, 1ª ed. Hoboken: John Wiley & Sons, 2011.
• KIRKPATRICK, Donald L. Evaluating Training Programs. WI:

American Society for Training and Development, 1975.
• KIRKPATRICK, Donald L. A Practical Guide for Supervisory

Training and Development. Reading, MA: Addison-Wesley,
1971.
• KIRKPATRICK, Donald L. Transferring Learning to Behavior:

Using the Four Levels to Improve Performance. 2005.
• KNOWLES, Malcolm S., HOLTON III, Elwood F., SWANSON,

Richard A. Aprendizagem de resultados: uma abordagem prá-
tica 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 bla-

ck 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 bla-
ck belt handbook. 2nd ed. Milwaukee, Wisconsin: ASQ Quality
Press, 2009. 683p. ISBN 978-0-87389-732-7
• LEVINE, H.A. “Project Portfolio Management: A practical

guide to selecting projects, managing portfolios and maximi-
zing benefits”, San Francisco, Jossey-Bass, 2007.
• LIKER, J. Toyota Way: 14 Management principles from the

world’s greatest manufacturer. 1ª edição, Nova Iorque: Mc-
Graw-Hill, 2004.
• MCGREGOR, Douglas. The Human Side of Enterprise. Mc-

Graw-Hill, 1960.
• MCCARTHY, T., BREMER, M., DANIELS, L., GUPTA, P. Mo-

torola University, The Six Sigma Black Belt Handbook, 1ª ed.
Nova Iorque: McGraw-Hill, 2004.
• MCGREGOR, D. Leadership and Motivation. Cambridge:

The Massachusetts Institute of Technology Press, 1967.
• MONTGOMERY, D. C. Introdução ao Controle Estatístico

da Qualidade. 2016.
• MONTGOMERY, D. C., Introduction to Statistical Quality

Control, 6ª ed. Nova Iorque: John Wiley & Sons, 2009;
• MURMAN, E. et al. Lean Enterprise Value: Insights from
MIT’s Lean Aerospace Initiative. 1ª edição, Cambridge: Palgra-
ve Macmillan, 2002.
• NAKAJIMA, S. Introduction to TPM. 1ª edição, Portland:

Productivity press, 1989.
• OHNO, T. Toyota Production System: Beyond Large-Scale

Production. Tóqui: Diamond, 1978.
• PYZDEK, T. The Six Sigma Handbook, 1ª ed. Nova Iorque:

McGraw-Hill, 2003.
• PMI - PROJECT MANAGEMENT INSTITUTE. Guia PM-

BOK®: Um Guia para o Conjunto de Conhecimentos em Ge-
renciamento de Projetos, Sexta edição, Pennsylvania: PMI,
2017.
• PYZDEK, Thomas. The Six Sigma Project Planner. New York:

McGraw-Hill, 2003.
• ROGERS, Carl. Liberdade para Aprender. Belo Horizonte:

Interlivros, 1969.
• SCHONBERBER, R. J. World Class Manufacturing: the les-

sons on simplicity applied. 1ª edição, Nova Iorque: The Free
Press, 1986.
• SCHEIN, Edgar. The Corporate Culture Survival Guide. The

Jossey-Bass Business & Management Series, 1999.
• SHARMA, M. KODALI, R. Development of a framework for
manufacturing excellence. Measuring Business Excellence, 12,

2008.
• SHEWHART, W., Economic Control of Quality of Manufacu-

red Product, 1ª ed. Nova Iorque: D. Van Nostrand Company,
1931.
• SMITH, B., Six Sigma Design, IEEE Spectrum, p. 43-47, 1993.
• SNOW, R. E. Aptitude-Treatment Interaction as a Framework

for Research on Individual Differences in Learning. Learning
and Individual Differences: Advances in Theory and Research.
P. L. Ackerman, R. J. Sternberg, and R. Glaser (eds.). New York:
W. H. Freeman, 1989.
• SUTHERLAND, Jeff. Scrum : a arte de fazer o dobro do tra-

balho na metade do tempo. tradução de Natalie Gerhardt. São
Paulo: LeYa, 2014.
• SWANSON, R. A. Industrial Training. Encyclopedia of Educa-

tional Research. H. E. Mitzel (ed.). New York: Macmillan, 1982.
• TANG, L. C., GOH, T. N., YAM, H. S., YOAP, T. Six Sigma: Ad-
vanced Tools for Black Belts and Master Black Belts, 1ª ed.
Chicester: John Wiley & Sons, 2006.
• TAYLOR, Frederick W. Os Princípios da Administração Cien-

tífica. 1911.

• VOM BROCKE, J., ROSEMAN, M. Handbook on business
process management 1. 1ª ed. Londres: Springer, 2010
• VOM BROCKE, J., ROSEMAN, M. Handbook on business

process management 2. 1ª ed. Londres: Springer, 2010
• White, B. Lean Daily Management for healthcare: a strate-

gic guide to implementing lean for hospital leaders, 1ª edição,
Nova Iorque: CRC Press, 2016.
• WILLMOT, P. TPM: Total Productive Maintenance: the Wes-

tern Way, 1ª edição, Oxford: Butterworth-Heinemann, 1997.
• WIREMAN, T. Total Productive Maintenance: Na American

Approach, 1ª edição, Nova Iorque: Industrial Press Inc., 1991
• WLODKOWSKI, R. J. Enhancing Adult Motivation to Learn.

San Francisco: Jossey-Bass, 1985.
• 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 pro-

duct development, 2ª edição, Nova Iorque: McGraw-Hill, 2003.

(FM2S) Apostila - Certificação Lean Seis Sigma Green Belt

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

(FM2S) Apostila - Certificação Lean Seis Sigma Green Belt

Enviado por

Direitos autorais:

Formatos disponíveis

APOSTILA

1. Administração de empresas 2. Desempenho

Índices para catálogo sistemático:

Somos um dos maiores centros de aperfeiçoamento do Brasil que conta com

Temos mais de 100 certificações com o objetivo de garantir uma formação

Nossos instrutores são formados nas melhores universidades do país e já

Capítulo 1 - Introdução ao Seis Sigma

Capítulo 7 - Projeto de Melhoria

A maior dúvida dos alunos an-

Vale lembrar, neste começo, que melhorar processos e

Para melhorar, o Seis Sigma nos ajuda a buscar a melhoria

Juntar todas essas ferramentas, por meio do roteiro

Entretanto, antes de nos debruçarmos nas técnicas e fer-

2.2 Informações básicas

Dada a missão, você então decide ir até a nova fábrica

1. O material de entrada (tubos PVC) é recebido pelo departa-

3. Após aprovados, os tubos são então marcados na altura de

4. Em seguida, os tubos passam para um

O clima organizacional encontra-se

A concorrência ainda é escassa, mas esse cenário vai logo

E então? o que você faria neste caso?

Pensando no Desafio proposto, os funcionários decidi-

1. Trocar as lideranças para melhorar o clima organizacional;

Essas mudanças fazem sentido, mas nem sempre elas bas-

3.1 Como estruturar

Esta é a pergunta que precisamos responder. Algumas re-

1. Saber o que queremos melhorar: ter

2. Ter alguma forma de resposta, de feedback, para saber-

3. Pensar em alternativas: nunca existe apenas uma mudança

4. Ter um método de gerar conhecimento sobre o que funcio-

Em outras palavras, temos 3 questões fundamentais para nos

1. O que queremos melhorar;

E um motor para o conhecimento é o ciclo PDSA, ilustrado na

Responder as 3 questões fundamentais da melhoria nos

2. As métricas do esforço de melho-

3. Quais mudanças podemos fazer?

As 3 perguntas podem ser respon-

Um dos pontos mais delicados na hora de responder às

A primeira questão do Modelo para Melhorias fornece a

Por isso é fundamental entender o “processo por trás do

4.2 Questão 1 - o que

Dito isso, podemos nos debruçar mais sobre a primeira

Algumas dicas para encontrar esse processo:

2. Entenda quais são as suas

3. E as métricas? Tente vislumbrar um pouco das métricas.

Objetivos claros tem uma

1. Verbo no infinitivo (diminuir

Essa definição clara de objetivo faz com que saiamos da

A coleta de dados deve estar ligada à escolha de indicado-

1. Está ligado a um processo;

4.4 Questão 3 - quais mudanças

Não existe apenas uma mudança possível. Geralmente, a

1. Análise crítica da situação;

Saber que temos várias alternativas para uma mudança é

Entretanto, se o real problema da falta de qualidade da

Lembre-se do contexto da nossa fábrica TubosMatrix. A

Pensando nisso, eles decidem agir:

a. Qual é o incômodo desta situação?

A contextualização do problema é muito importante para

a. O problema reside basicamente na

b. O processo por trás do problema é o

c. Um bom objetivo seria: Reduzir para zero o número de tu-

Além das 3 perguntas fundamentais, o Modelo de Me-