Professional Documents
Culture Documents
FM2S
Certificao Lean Six Sigma Green Belt
SUMRIO
Introduo ao Six Sigma ............................................................................................................................... 4
A era dos artesos .................................................................................................................................... 6
A era das fbricas e o Taylorismo ............................................................................................................. 7
Fordismo ................................................................................................................................................... 9
Nasce a melhoria de processos .............................................................................................................. 11
Os Conceitos Fundamentais da Melhoria ................................................................................................... 15
O Saber Profundo ................................................................................................................................... 16
Como implementar o saber profundo .................................................................................................... 19
Conceito fundamental ................................................................................................................................ 21
As trs questes fundamentais .............................................................................................................. 23
O que queremos realizar? ...................................................................................................................... 25
Como saberemos se a mudana uma melhoria .................................................................................. 29
Definio de melhoria ............................................................................................................................ 39
Tipos de indicadores ............................................................................................................................... 42
Que mudanas podemos fazer ............................................................................................................... 44
O ciclo pdsa ................................................................................................................................................ 46
Como girar o ciclo pdsa .......................................................................................................................... 54
Resumo do modelo de melhoria ................................................................................................................ 58
Abordagens, habilidades e roteiros ............................................................................................................ 59
Os roteiros de melhoria .......................................................................................................................... 64
Roteiro dmaic ......................................................................................................................................... 68
Define ......................................................................................................................................................... 72
VOC ......................................................................................................................................................... 74
rvore ctc ............................................................................................................................................... 78
SIPOC ...................................................................................................................................................... 80
Por que devemos usar o SIPOC no Define? ........................................................................................ 86
O Contrato de Melhoria ......................................................................................................................... 88
Metas ...................................................................................................................................................... 92
Matriz de stakeholders ........................................................................................................................... 96
Matriz de comunicaes......................................................................................................................... 97
Diagrama de afinidades .......................................................................................................................... 98
Measure ................................................................................................................................................... 101
A porta de processos ............................................................................................................................ 103
Mapeamento de processos .................................................................................................................. 107
Como elaborar o fluxograma ............................................................................................................ 113
Fluxograma ....................................................................................................................................... 119
1
Diagrama espaguete ......................................................................................................................... 124
VSM (mapeamento do fluxo de valor) ............................................................................................. 125
Measure dados ..................................................................................................................................... 130
Definio operacional ....................................................................................................................... 135
Tipos de variveis ............................................................................................................................. 139
Melhorando a coleta de dados ......................................................................................................... 143
Variveis de estratificao ................................................................................................................ 146
Anlise de variao ........................................................................................................................... 149
A voz do processo ............................................................................................................................. 153
Grfico de tendncia ........................................................................................................................ 154
Grfico de frequncia ....................................................................................................................... 165
Dot plot ............................................................................................................................................. 168
Histograma ....................................................................................................................................... 169
Medidas de localizao e variao ................................................................................................... 171
Box plot............................................................................................................................................. 180
Grficos de barras e setores (pizza).................................................................................................. 185
Grfico de pareto.............................................................................................................................. 188
Distribuio normal .......................................................................................................................... 196
Probability plot ................................................................................................................................. 205
Transformao de variveis .............................................................................................................. 210
Grficos de controle ......................................................................................................................... 217
Anlise de capabilidade .................................................................................................................... 241
Usando os indicadores de capabilidade ........................................................................................... 258
Resultados do measure .................................................................................................................... 261
Resumo measure .............................................................................................................................. 267
Analyse ................................................................................................................................................. 268
Diagrama causa efeito ...................................................................................................................... 279
Os 5 porqus..................................................................................................................................... 287
Desconexes ..................................................................................................................................... 297
Desperdcios ..................................................................................................................................... 301
Analise de valor ................................................................................................................................ 317
ECRS .................................................................................................................................................. 323
Analise do tempo.............................................................................................................................. 325
Poka yoke ......................................................................................................................................... 328
Tecnologia ........................................................................................................................................ 342
Criatividade....................................................................................................................................... 350
Conceitos de mudanas .................................................................................................................... 359
2
Correlao ........................................................................................................................................ 367
Grfico de disperso ......................................................................................................................... 375
Tabela de contingncia ..................................................................................................................... 390
Planejamento de experimentos ........................................................................................................... 399
Experimento fatorial ......................................................................................................................... 411
Improve ................................................................................................................................................ 446
Teste de mudanas ........................................................................................................................... 448
Como testar mudanas ..................................................................................................................... 455
Matriz de priorizao........................................................................................................................ 463
Control .................................................................................................................................................. 466
Abordagens da implementao........................................................................................................ 468
Plano de implementao .................................................................................................................. 470
Encerramento ....................................................................................................................................... 484
3
Bem vindos!
www.fm2s.com.br
4
Um pouco de
histria
5
A era dos artesos at sculo XVII
O processo passado
adiante de mestre para
aprendiz
No existem padres
6
A era das fbricas e o Taylorismo sc. XVIII e 1875
Aparecimento das
grandes fbricas
Especializao do
trabalho
Taylor: administrao
cientfica
Qualidade: produto
bom/produto ruim
7
Vrios autores renomados, como Adam Smith e Jean-Baptiste Say, j haviam publicado
vasto material pregando a necessidade da melhoria da produo. O que Taylor fez foi, no
momento certo, popularizar esse mtodo.
O Taylorismo sempre considerado uma faca de dois gumes. Ele extremamente
positivo, pois abre ao mundo a ideia de melhoria de atividades (o que eventualmente
evolui em melhoria de processos). Mas, apresenta vrios problemas graves: foco no
aumento da quantidade produzida; depende muito do gerente e no respeita o
trabalhador, uma vez que lhe atribui o papel de mquina, deixando ao gerente toda a
responsabilidade de pensar e melhorar o processo. deste perodo a inspirao do
maravilhoso filme Tempo Modernos de Charlie Chaplin.
Felizmente, o sistema produtivo evoluiu muito ao longo dos anos...
8
O Fordismo incio do sculo XX at ~1930
Criao da linha de
montagem
Padronizao extrema
Inicio da mentalidade de
qualidade do produto
Popularizao da
melhoria
FORDISMO
Atuando como consultor na Ford Motor Company, Taylor tem a oportunidade de
aumentar ainda mais a sua notoriedade. Ele e seu contratante desenvolvem o que hoje
chamamos de linha de montagem, que nada mais do que trabalhadores realizando
atividade altamente especializadas num ritmo especfico. As tarefas so realizadas num
tempo determinado pela velocidade das mquinas da linha, seguindo padres definidos e
em uma sequncia lgica de atividades.
A popularizao da linha de montagem afeta a maneira como a humanidade conduz a
manufatura de tal forma que possibilita a massificao de produtos em uma escala nunca
antes vista. Produtos complexos (como o caso do carro) so popularizados e tornam-se
acessveis para uma grande quantidade de pessoas. Notem que a linha de montagem no
era uma ideia original. Adam Smith mesmo j havia citado um exemplo desse tipo de
montagem em um livro de 1750. O que Ford fez foi aperfeioar o sistema, colocando a
lgica de tempos e mtodos embutida nela.
A padronizao na linha de montagem assim como o treinamento sistmico dos
funcionrios muito importante. A empresa comea a se preocupar em como instruir seus
trabalhadores a seguir padres. Alm disso, ela busca no modificar apenas o processo
pelo qual a atividade realizada, mas tambm busca desenvolver ferramentas que tornem
o processo mais simples e eficaz.
Novamente, no foi apenas Taylor que influenciou no desenvolvimento da linha de
montagem na Ford. Thomas Edison tambm deu sua contribuio. Na poca ele era scio
e mentor de Ford.
Nesta era, nasce a preocupao com a qualidade dos produtos. Aps inmeras perdas de
produtos pela falta de qualidade, se estabelece a criao de estruturas para se inspecionar
se o produto est de acordo com a norma antes que chegue ao consumidor. Alm disto,
buscam-se maneiras de evitar que os funcionrios cometam erros durante a conduo de
suas atividades ( um av dos poka-yokes modernos), causada pela alta rotatividade nas
perigosas fbricas e pela falta de capacitao do funcionrio na operao pela qual ficou
incumbido.
9
Todas as empresas a partir desta poca adotam a linha de montagem, em algum aspecto.
Isso ajuda a popularizar a preocupao com a qualidade e a ateno para a melhoria.
10
Shewhart e a sofisticao da melhoria (1930)
11
A reconstruo do Japo e o avano da qualidade (1945
1980)
Popularizao da
qualidade
Aplicao da estatstica
Popularizao da
melhoria como vantagem
estratgica
Desenvolvimento do
Sistema Toyota de
Produo
Aps a segunda guerra mundial, uma mudana bastante interessante nos mtodos de
produo comeou a acontecer no Japo. O pas precisava se reconstruir aps a destruio
causada pela guerra e estava determinado a fazer isso da melhor maneira possvel. Nesse
contexto, criou-se a JUSE em 1946 (Japanese Union of Scientists and Engineers, ou
Unio Japonesa de Cientistas e Engenheiros).
Essa entidade era composta pelos mais brilhantes e influentes personagens da indstria
japonesa. Dela fazia parte quase totalidade dos presidentes das grandes empresas
japonesas da poca e grande parte dos pesquisadores da indstria.
Um dos objetivos iniciais da JUSE foi desenvolver mtodos de produo mais eficientes,
e para isso, convidou Deming a ir ao Japo para dar palestras sobre a gesto da qualidade
e o uso de ferramentas estatsticas no desenvolvimento de processos. Essas palestras
tiveram uma adeso muito forte entre os engenheiros japoneses e o contedo disseminado
por Deming (no final da dcada de 1940 e nas dcadas posteriores) fez com que o Japo
se tornasse uma referncia mundial em manufatura.
Nessa poca, alm de Deming, outros pesquisadores se envolveram na iniciativa
japonesa. Dentre os mais famosos podemos citar Joseph Juran, que introduziu o conceito
de que a qualidade no devia ser controlada por inspeo e sim disseminada entre todos
os processos da empresa. Juran foi o pai da qualidade como a conhecemos hoje. Ele
tambm foi responsvel por enxergarmos a qualidade como vantagem estratgica. Alm
de Deming e Juran, Kaoru Ishikawa e Armand Feigenbaum fizeram contribuies
notveis nesta era.
Por fim, nesta etapa iniciam-se as primeiras iniciativas da Toyota em desenvolver seu
sistema de produo (hoje mundialmente famoso). Taiichi Ohno, o grande precursor do
TPS (Toyota Production System), comea a levar a melhoria e a qualidade ao operador.
Ele retoma os velhos conceitos de padres, porm deixa-os abertos para que cada
trabalhador possa melhorar seu desempenho. Cria tambm a noo de funcionrio
multitarefa, que permite a um trabalhador executar mltiplas atividades dentro de sua
empresa. A produtividade alcanada por causa dessas mudanas emerge violentamente
12
na dcada de 1980, tornando a Toyota uma das maiores produtoras de carros do mundo.
O que hoje conhecemos como Lean manufacturing surgiu do Estudo feito pelo MIT
esta iniciativa.
A compilao e aperfeioamento dos conceitos desenvolvidos aqui consolidaram o que
hoje chamamos de Modelo de Melhoria.
13
ISO, Seis Sigma, Lean, WCM e Modelo de Melhoria A
era moderna (1980 at hoje)
Da manufatura para o
resto da organizao (a
padronizao e a
qualidade tomam outra
proporo)
A estatstica tambm se
populariza
A parte humana
consolidada e
disseminada
Criam-se metodologias
14
Os conceitos
fundamentais
15
O saber profundo
Deming postula que a melhoria deve se
basear em 4 pilares:
O SABER PROFUNDO
Deming, ao longo de sua carreira, e principalmente ao final, sintetizou os fundamentos
de sua teoria da melhoria de processos no que ele chamou de Conhecimento Profundo.
16
Letsdo
Os pilares review
Sabersome concepts
Profundo de Deming
ENTENDIMENTO DA PSICOLOGIA
VARIAO
Processos variam, indicadores variam. Empresas so feitas de pessoas. Cada
necessrio estudar e aprender com um tem seus objetivos e ambies.
essa variao. Entend-los vital para o sucesso da
organizao.
17
As ferramentas que nos ajudam a aprender, so aquelas criadas em cima do mtodo
cientfico, como o ciclo PDSA e o Planejamento de Experimentos. Mais a frente,
exploraremos em detalhes como funciona o mtodo e quais so suas etapas para gerar
conhecimento de maneira rpida e slida.
Entendimento da variao: este pilar tem tudo a ver com as ferramentas estatsticas.
Todos os processos e resultados de uma organizao variam. s vezes vendemos mais,
s vezes menos, s vezes uma pea sai mais leve, outras mais pesada. Isso perfeitamente
natural e por mais que trabalhemos para reduzir essas variaes, nunca acabaremos com
elas. O problema a maneira como reagimos a essa variao. Imagine se todos os meses
que eu vendesse menos eu ficasse triste e comeasse a tomar aes drsticas. Isso no
necessariamente faria com que eu vendesse mais no ms seguinte. Porm, se houvesse
uma causa clara para eu vender menos, se eu no tomar uma ao drstica sobre ela, meu
negcio estar ameaado.
Entender a variao saber quando uma mudana no meu indicador natural e quando
ela no natural (ou seja, tem algo novo e diferente no processo). As ferramentas
estatsticas nos ajudam exatamente nesse quesito. Analisar o comportamento do indicador
ao longo do tempo com essas ferramentas nos permite enxergar quando uma variao
significativa e quando ela natural.
Psicologia: organizaes so compostas de pessoas, e pessoas tem sentimentos e
ambies. Se no entendermos o que motiva cada um individualmente, dificilmente
poderemos juntar os esforos individuais para atingir o propsito da organizao. Esse
entendimento justamente a psicologia. Como disseminar o propsito de maneira que ele
engaje continuamente cada membro da organizao? Como trabalhar em equipe?
Para melhoramos nosso domnio deste pilar, existe algumas tcnicas, principalmente
referentes comunicao e ao alinhamento de cada um. Vamos discuti-la com mais
profundidade ao longo do curso.
18
Melhorias
Como, na prtica, implementar o saber
profundo?
19
UseOs requisitos
charts do mtodo
to explain your ideas
20
Mudana e Melhoria
Conceitos que andam juntos
CONCEITO FUNDAMENTAL
21
Mudana
Use charts e Melhoria
to explain your ideas
Requer
Melhoria Mudana
Um ponto central da cincia da melhoria a sua relao com a mudana. Uma boa
definio de insanidade fazer sempre a mesma coisa e esperar por resultados diferentes.
impossvel melhorar alguma coisa sem que se faam mudanas. Melhoria requer
mudana. Entretanto, mudana nem sempre resulta em melhorias. Algumas mudanas,
inclusive, pioram o desempenho de um processo, portanto, no utilize melhoria como
sinnimo mudana.
Esse conceito, apesar de parecer bvio quando exposto dessa maneira, traioeiro. Em
nossa vida cotidiana, estamos acostumados a pensar sempre em mudar. s observarmos
as campanhas polticas que vemos em pocas de eleies: mudana, mudana, mudana!
Poucos candidatos falam em melhoria. Por outro lado, em empresas, comum nos
depararmos com planos de ao em que o autor lista que encontrou 350 oportunidades de
melhorias. Est errado. Ele encontrou oportunidade de mudanas, que sero ou no
melhorias, cabendo ao tempo dizer isto. Ento como desenvolver mudanas que tenham
grande probabilidade de ser melhorias?
H uma maneira fcil de estruturamos essas mudanas, por meio das trs questes
fundamentais da melhoria.
22
Mudana
Use charts e Melhoria
to explain your ideas
2. Como
3. Quais
saberemos que a
mudanas
mudana uma
podemos fazer?
melhoria?
23
foco claro definido. Algumas eram boas ideias, outras nem tanto, mas a grande maioria
delas vinha embasada em problemas reais da organizao.
Para no desperdiar as boas ideias e nem deixar passar os problemas, propusemos um
mtodo: todas as mudanas seriam analisadas, contanto que para cada uma, as outras 2
perguntas fundamentais fossem respondidas.
Desta maneira, quando um funcionrio pensasse em uma mudana, ele era forado a
entender o objetivo dessa mudana e a propor um indicador ou uma mtrica para
identificar se ela seria uma melhoria. O resultado foi fantstico. Assim que uma mudana
surgia na cabea do trabalhador, ele logo identificava o real objetivo dela. Com o objetivo
claro na cabea, ele podia aperfeioar a mudana ou at mesmo propor uma alternativa
at melhor que a ideia original.
Faa um desafio. Muitas empresas possuem um programa de sugestes em que os
colaboradores que fornecem boas ideias so premiados. Foram poucas as vezes que vi tal
programa resistir mais que alguns meses. A maioria gera muitas sugestes no incio, mas
depois so deixados de lado e esquecidos. Os motivos para isto so muitos, da falta de
boas ideias at a falta de empenho da empresa em colocar em prtica as sugestes
recebidas. Diante disto, proponha o desafio de colocar as trs questes no formulrio de
sugestes. Isto ir forar os colaboradores a sugerirem ideias mais trabalhadas, com
objetivo, indicador e sugesto de mudanas. E, ideias mais estruturadas tem grandes
chances de serem boas, o que vai potencializar seu programa de sugestes e fazer com
que os prprios colaboradores percebam a diferena e a fora do programa.
24
OInque
twoqueremos
or three columns
realizar?
CONTEXTUALIZE
25
Coloque as restries necessrias. Alguns exemplos de restries so: no contratar
mais pessoas ou no aumentar os gastos. Alm desses, podemos ter restries de
escopo como, no fazer nenhuma mudana nos processos de vendas.
Uma vez feito isso, o seu time de melhoria est pronto para comear a trabalhar.
26
Exerccio!
In two or three columns
Um departamento de compras
27
Resolvendo um problema
Para resolver um problema, devemos
formul-lo corretamente
28
Como saberemos que
In two or athree
mudana uma melhoria?
columns
USE DADOS
CONFIVEIS
29
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
6
CYCLE
4 MUDANA
0
Medida Antes Medida Depois
NEWVAR3
Medida na s em ana 11
Medida na s em ana 4
Para entender um pouco melhor a variao, temos este exemplo. Observando o grfico
acima e tendo em mente que o objetivo do projeto de melhoria era diminuir o tempo de
ciclo, possvel dizer que a mudana (realizada entre a primeira e a segunda medio)
foi uma melhoria? Seja sincero e responda agora. Depois, mostraremos alguns
argumentos que poder faz-lo tornar-se mais prudente em relao a este tipo de
comparao.
30
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
31
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 1:
Aqui podemos ver claramente que a mudana foi uma melhoria. Temos um bom
indicativo de que a variao do tempo de ciclo antes da mudana oscilava entre 6 e 9 e,
depois da mudana oscila entre 2 e 4.
Melhorias geralmente possuem esse comportamento. possvel observar claramente o
impacto da mudana, mesmo quando analisamos os indicadores com suas variaes.
32
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 2:
A mudana neste caso no representou melhoria alguma! A diferena entre a semana 4 e
a semana 11 est completamente dentro da variao natural do processo. O tempo de ciclo
assume vrios valores entre 2 e 9. Qualquer variao neste patamar dita ser uma variao
normal, atribudas as causas naturais ao processo. No se deixem enganar por estes
cenrios! No faam comparaes de um ponto contra o outro! Isto poder deixa-lo
cego quanto a variao natural do processo.
33
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 3:
Aqui tambm no possvel atribuirmos a melhoria mudana realizada. Apesar do
processo estar melhorando, o comportamento do processo pouco tem a ver com a
mudana sinalizada. So grandes as chances desta melhoria no indicador ser efeito de
alguma mudana realizada antes da quarta semana.
O que os dados do cenrio 3 nos mostram que algo aconteceu no processo que fez com
que ele mudasse de comportamento. Ele j vinha mudando de comportamento quando
fizemos a mudana, e esta foi sem efeito, pois a mudanas no se acelerou.
34
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 4:
Aqui novamente no temos uma melhoria. Sim, a mudana causou uma variao
significativa no indicador, mas no foi uma melhoria.
Isso porque melhorias devem ser duradouras. Neste caso temos a mudana causando um
impacto temporria no indicador, entretanto o mesmo volta a subir aps algum tempo.
Este comportamento tpico de campanhas de conscientizao, que funcionam por um
curto perodo, mas no melhoram o sistema de fato. No esse o tipo de resultado que
devemos buscar em nossos projetos.
35
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 5:
Neste cenrio temos um caso muito parecido com o cenrio 3. No temos uma melhoria
gerada pela nossa mudana. Algo aconteceu que melhorou o processo, porm no teve
nada a ver com a nossa mudana. Este fato aconteceu entre a semana 4 e a 5 e no entre
7 e a 8 que foi quando realizamos a mudana.
importante relacionarmos s variaes significativas em nossos indicadores nossas
mudanas, pois s assim poderemos adquirir mais conhecimento sobre o processo a fim
de melhor-lo de forma continua.
36
In two
Objetivo: or three
reduzir columns
o tempo de ciclo
Cenrio 6:
Por fim, temos mais um caso de no-melhoria. Esse caso interessante, pois a diferena
entre a semana 4 e a semana 11 foi causada por um ponto fora da curva na primeira
medio.
Isso acontece bastante, e tais pontos so o que definiremos futuramente como causa
especial. Algo aconteceu na semana 4 que fez o tempo de ciclo explodir naquela semana,
mas depois dela, o indicador retornou estabilidade e o processo continuou estvel.
Veremos que quando isso acontece, nem sempre uma boa estratgia analisar todo o
processo. Temos que analisar apenas a causa especial e identificar o que pode ter
acontecido ali, para que no deixemos que acontea novamente.
37
Definio de
melhoria
38
Melhoria :
In two or three columns
DEFINIO DE MELHORIA
39
Exerccio!
In two or three columns
Na foto temos um exemplo clssico de implementao do 5S, que uma das tcnicas
do Lean Manufacturing. Trabalhamos com diversos desses programas de arrumao em
nossa histria profissional. No exemplo dado podemos mostrar que houve uma mudana:
antes estava desorganizado e agora est organizado. Mas, podemos falar que isso uma
melhoria?
40
Exerccio!
In two or three columns
Mudana ou melhoria?
41
In two or
Indicadores Temos
three columns3 tipos
INDICADORES DE
RESULTADO
TIPOS DE INDICADORES
Temos basicamente 3 tipos de indicadores em projetos de melhoria: indicadores de
resultado, que esto ligados ao atendimento da necessidade do cliente; indicadores de
processo, que esto relacionados com a caminhada para alcanarmos os resultados e;
indicadores de equilbrio, que so os nossos contra indicadores.
Indicadores de resultados nos dizem onde vamos chegar. Respondem diretamente a
segunda pergunta e nos diz se as mudanas esto de fato levando melhoria. Estes so os
indicadores que voc quer impactar. Dizem como est desempenhando o sistema: qual o
resultado final. Estes indicadores tambm so chamados de itens de controle.
Exemplos de indicadores de resultados:
Para a qualidade: nmero de unidades defeituosas.
Para os sistemas de medio: reclamaes a cada 1000 produtos.
Para a vida pessoal: vezes em que chega atrasado em uma reunio.
Para um processo de vendas: vendas realizadas por ms.
Indicadores de processo nos dizem se estamos fazendo o que planejamos para chegar
aos resultados. Para chegar onde queremos com nossos sistemas, devemos executar as
mudanas em nossos processos, no apenas planej-las. Estaria o processo se
comportando de maneira esperada? isso que nos dir os indicadores de processo. Iremos
discutir mais a fundo a questo de sistemas, processos e procedimentos na etapa do
Measure, do Define.
Exemplos de indicadores de processos:
Para qualidade:
Porcentagem de operadores treinados no novo procedimento.
Porcentagem de mquinas calibradas na linha de produo (note que estes dois
indicadores impactam no indicador de resultado).
Para sistemas de medio: nvel de preciso das mquinas.
42
Para a vida pessoal: vezes que coloca seu despertador para despertar.
Para um projeto de vendas: nmero de ligaes realizadas.
Por fim, os indicadores de equilbrio so nossos contra indicadores. No podemos
melhorar uma parte do sistema e piorar outra. Temos que ter boas medidas para sinalizar
se no estamos afetando negativamente o sistema.
Exemplos de indicadores de equilbrio:
Para a qualidade: nmero de inspees.
Para um sistema de medio: tempo gasto com calibraes.
Para a vida pessoal: nmero de erros ocasionados pelo estado de desateno
provenientes da necessidade de acordar mais cedo todos os dias.
Para um projeto de vendas: nmero de descadastros em campanhas de e-mail
marketing.
43
Que mudanas podemos
Lets review some fazer?
concepts
44
Os conceitos de mudana: uma boa estratgia para se buscar mudanas apostar
no que j deu certo (no precisamos reinventar a roda, no mesmo?). Pensando
nisso, algumas instituies compilaram inmeros projetos de melhoria pelo
mundo, de maneira a estudar casos de sucesso e extrair o conceito por trs de cada
um deles. Com estes resultados, elaboraram o que chamamos de conceitos de
mudana. Estes, so dicas para que voc, dependendo do seu objetivo, elabore
uma mudana que muito provavelmente se tornar uma melhoria. Iremos
comentar mais sobre esta tcnica na parte do Analyze, porm se gostou da ideia,
pode baixar nosso e-book que te ensina a trabalhar com esta tcnica. O link direto
: http://downloads.fm2s.com.br/e-book-conceitos-de-mudanca
45
O Ciclo PDSA
O CICLO PDSA
Alm das 3 perguntas fundamentais, o Modelo de Melhoria formado pelo ciclo PDSA.
O ciclo PDSA um roteiro iterativo de aquisio de conhecimento inspirado no mtodo
cientfico. Ele nos permite adquirir conhecimento novo sobre o que estamos fazendo.
Ora, 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 j
praticada. Essa maneira, s vem com um conhecimento maior da tarefa especfica
apertar parafusos. justamente este conhecimento que o ciclo PDSA nos ajuda a obter.
importante, neste ponto, no confundirmos o ciclo PDSA com o ciclo PDCA,
popularizado pela Toyota e difundido por inmeras consultorias no Brasil e no mundo. O
ciclo PDSA um mtodo para a gerao de conhecimento, enquanto o ciclo PDCA um
roteiro de melhoria. Ao longo de um projeto de melhoria, realizamos inmeros ciclos
PDSA. O PDCA, por usa vez, equivale em geral a dois ciclos PDSA, pois ele busca
entender a causa do problema e testar uma possvel soluo. Utilizando o PDSA,
costumamos fazer um ciclo de verificao e coleta de dados para entender a causa e
depois, um ciclo de teste para verificar se a mudana proposta uma melhoria. Ele mais
flexvel e fcil de se aprender.
46
A Use
construo da your
charts to explain melhoria
ideas
Conhecimento profundo
Capacidade
de gerar
melhorias
aumentada
47
O charts
Use mtodo cientfico
to explain your ideas
48
O charts
Use mtodo cientfico
to explain your ideas
49
O charts
Use mtodo cientfico
to explain your ideas
F Fp
50
O charts
Use mtodo cientfico
to explain your ideas
F Fp FR
51
O charts
Use mtodo cientfico
to explain your ideas
F Fp FR
H H2
52
O charts
Use mtodo cientfico
to explain your ideas
F Fp FR
...
H H2 Hs
53
O ciclo
Use charts PDSA
to explain your ideas
54
experimento. recomendvel ligar cada dado especfico questo que ele vai responder.
No nosso caso, uma sugesto seria:
Para responder questo 1, um operador da manufatura (quem) ir limpar a
mquina no dia 25/04 utilizando o novo procedimento e trabalhar normalmente
(como) at o dia 27/04 (quando). Nesse perodo, h a estimativa de produzir-se
1000 peas do tipo A, que j deu problema anteriormente. Ele ir olhar cada uma
das peas e analisar se h ou no risco na parte superior da mesma (o qu). Caso
haja algum risco, ele dever preencher este indicador na planilha X, criada
especialmente para este propsito e disponvel para uso pela rea de manufatura.
Para responder questo 2, o mesmo operador ir verificar a mquina a cada 2
horas e avaliar a sujeira na parte Y da mquina (onde), onde esperamos que ela
possa aparecer. A instruo de trabalho XYZ (como) detalha claramente o que
sujeira e como um operador pode identifica-la. Se houver sujeira, vamos acreditar
que o procedimento proposto incapaz de manter a mquina limpa.
Ao final do dia 27, ser elaborado um grfico de tendncia para mostrar a
quantidade de peas com risco. Para cada perodo, tambm iremos anotar se foi
ou no verificada sujeira na mquina.
Na etapa seguinte, o Do (fazer), executaremos o plano listado no plan e acompanharemos
o experimento. Caso algo acontea que no havamos previsto, iremos anotar o que
aconteceu. Por exemplo, a mquina pode ter sido danificada pelo novo procedimento de
limpeza ou o operador ter realizado incorretamente o procedimento proposto. Quebra da
mquina ou ausncia do operador so itens que tambm devem ser relatados .
A terceira fase a do Study (estudar). Nesta fase que iremos analisar os dados coletados.
Aqui mostramos grficos e digerimos os resultados. Tambm comparamos os resultados
obtidos com as predies. Essa comparao extremamente enriquecedora, pois nela
que o aprendizado realmente acontece. s vezes, ao analisar um problema bolamos uma
predio do tipo: ao misturar dois lquidos, a soluo ir ficar verde e, quando realizamos
o experimento, a soluo transforma-se em uma banana! Isso prova que a nossa teoria
sobre o fenmeno estava completamente equivocada. Frente ao equvoco, vamos buscar
conhecimento (seja em livros, artigos cientficos ou consultando especialistas sobre o
assunto) para aprimorar nosso entendimento.
Ao final da parte de anlise, ainda no study, anotamos de maneira sucinta o que
aprendemos, na forma de tpicos resumidos. Estes tpicos devem compilar todos os
aprendizados daquele ciclo.
Na ltima fase, a do Act (agir), devemos pensar no que vamos fazer aps a realizao do
experimento. Vamos adotar o novo procedimento de limpeza? Vamos melhorar o
procedimento? Vamos mudar completamente a abordagem sobre o problema? Ou vamos
elaborar um novo ciclo PDSA para entender um pouco mais sobre a mquina que
provocou o risco?
Nesta fase tambm (como a cincia no tem fim), anotamos quais outras ideias de
experimentos tivemos que podero nos ajudar a aprofundar ainda mais nosso
conhecimento sobre aquele processo. Qual ser o objetivo do prximo ciclo?
55
O ciclo
Use charts PDSA
to explain your ideas
Conhecimento
Tempo
A aplicao dos ciclos PDSA contnua. Quando se acaba um ciclo, inicia-se outro, o
que chamamos de conectar seus ciclos PDSA.
Por que no realizar apenas um? Porque a cada teste, se gera um conhecimento novo.
Sabe-se o que funcionou e o que falhou, alm do que deve ser feito na prxima vez. E,
quando encerramos um ciclo, surgem novas perguntas, novos questionamentos. No
decorrer de vrios ciclos, todas as dificuldades iniciais acabam se dissipando.
Aprende-se de maneira iterada e s se implementam as mudanas quando se est convicto
de que sero melhorias.
Vale lembrar que realizar vrios testes pequenos, desenvolvendo a soluo final,
reduz severamente a resistncia das pessoas mudana e os riscos inerentes a ela.
Com isto em vista, temos alguns conselhos para voc que quer comear na vida da
melhoria de processos:
Adiante-se: voc j sabe que ter de rodar diversos ciclos, ento planeje-os bem. Muita
coisa tambm vai dar errado, por isso sempre pense um passo adiante e faa testes
avaliando melhorias nas condies dos prprios testes.
Comece pequeno: no complique as coisas logo no comeo! Teste em pequena escala
(por exemplo com poucas mquinas) e v aumentando a escala conforme aumenta a
sua convico nas mudanas.
Comece! No espere mais. Quais testes voc j pode fazer amanh?
56
O ciclo
Use charts PDSA
to explain your ideas
Quer exemplos?
57
Resumindo o to
Use charts modelo deideas
explain your melhoria
3. Quais mudanas
podemos fazer?
58
Abordagens,
habilidades e
roteiros
59
ParaUse
que usamos
charts to explainayour
melhoria?
ideas
Novos produtos
Melhorar um sistema
Novos processos
Produtos Processos
Novos
procedimentos Procedimentos
O Modelo de Melhoria (3 perguntas e o ciclo PDSA) nos ajudam por meio de duas
abordagens possveis:
Quando queremos mudar o sistema como um todo, ou seja, provocar uma mudana
radical em nosso sistema. Como veremos ao longo do Green Belt, um sistema
normalmente, entrega um produto (ou servio) que feito por processos (uma srie de
atividades que transformam os insumos em produtos). Cada processo
operacionalizado por meio de procedimentos (que dita como se dar a operao, que
a interao entre pessoas e mquinas para a realizao das etapas do processo). O ciclo
PDSA nos ajuda a desenvolver ideias alm da melhoria incremental, permitindo a
criao de mudanas radicais em cada uma destas etapas do sistema.
Quando queremos apenas melhorias pontuais em nossos sistemas. Muitas vezes,
queremos usar as tcnicas aqui apresentadas apenas para sair de algo como uma taxa
de refugo de 10% para uma taxa de refugo de 1%. Essas tcnicas nos ajudam
bastante com esse tipo de melhoria pontual. Igualmente taxa de refugo (que uma
mtrica de um processo, por exemplo), podemos pensar em indicadores para o
desempenho de nossos produtos (ou servios) ou de nossos procedimentos.
Qual abordagem usar depende muito da empresa em que trabalha, da equipe de melhoria,
do tempo e recursos que tem disponvel para o projeto.
60
As habilidades detoum
Use charts agente
explain de melhoria
your ideas
Lidar com
dados
Trabalhar Entender a
em equipe situao atual
Disseminar Desenvolver
mudanas mudanas
Implementar Testar
mudanas mudanas
61
Implementar mudanas: necessria uma boa carga de psicologia para fazer com
que mudanas sejam implementadas em organizaes. Por mais que tenhamos a
convico de que uma mudana uma melhoria, sem convencer aos envolvidos,
ningum trabalhar no que propomos. Implementar as mudanas com maestria
trabalho do agente de melhoria.
Disseminar mudanas: disseminar mudanas torna-las acessveis para um pblico
maior. Para que as pessoas adotem as mudanas propostas, o agente de melhoria tem
que conscientiz-las dos problemas reais que as mudanas resolvero e, que essas
mudanas tm grande possibilidade de serem de fato, uma melhoria. O agente de
melhoria precisa expor seu plano de ao e convencer os envolvidos. A base de toda
disseminao uma boa comunicao.
Trabalhar em equipe: ningum faz nada sozinho, por isso o agente de melhoria deve
liderar equipes (muitas vezes multidisciplinares) para a obteno dos resultados
propostos. As competncias e habilidades necessrias gesto de equipes so
abordadas no Black Belt, pois quanto mais complexos os projetos, mais pessoas sero
envolvidas.
Uma vez que o agente desenvolve cada uma destas sete habilidades, ele certamente ser
um mestre da melhoria.
62
OsUse
roteiros de melhoria
charts to explain your ideas
O que esta histria nos ensina? Ela nos ensina que temos que diferenciar produto de
necessidade. No caso, o aparelho tocador de CD e o de MP3 so produtos que atendem
a mesma necessidade, ouvir msica. Temos sempre que trabalhar focados na necessidade
que atendemos. Mas o que isso tem a ver com roteiros de melhoria?
63
OsUse
roteiros de melhoria
charts to explain your ideas
DMAIC
Kaizen 7 passos
Os 8 passos do TBP
Etc.
PRODUTOS OU NECESSIDADE?
OS ROTEIROS DE MELHORIA
Voc certamente j ouviu falar do famoso DMAIC, to ensinado como a soluo para
todos os males em uma empresa. Assim como o DMAIC, existem outros. Mas o que so
esses roteiros?
Roteiros de melhoria so uma sequncia estruturada de atividades a serem realizadas e
ferramentas a serem utilizadas que visam produzir melhorias em nossos processos.
Teoricamente, seguindo risca esse passo a passo, iremos conseguir melhorias
significativas em nossos processos, alcanando os objetivos propostos.
Mas, no devemos cair no merchandising que h por a. Roteiros de melhoria, so
produtos desenvolvidos para suprir a necessidade das organizaes por melhorias. Eles
so teis, entretanto, no podem ser vistos como dogmas fundamentais ou frmulas
mgicas. Empresas podem terem sua necessidade por melhoria atendidas por vrios
roteiros, sendo o Modelo de Melhoria um deles.
Agora, h organizaes que criam verdadeiras batalhas internas entre reas que defendem
roteiros diferentes. Em nossa percepo, tais brigas so desnecessrias e enquadram-se
mais como meios para a disputa de poder interno. Em tese, uma organizao poderia
beneficiar-se amplamente, mesmo com reas diferentes adotando roteiros diferentes.
64
OsUse
roteiros de melhoria
charts to explain your ideas
Melhor desempenho.
65
OsUse
roteiros de melhoria
charts to explain your ideas
No importa qual o roteiro, pois todos eles passam por 4 passos bsicos para realizar o
projeto de melhoria:
Compreender a situao atual, por meio das mais diferentes estratgias e
ferramentas. Aqui normalmente se busca mapear o processo e medir seus indicadores;
Desenvolver mudanas, por meio de diferentes estratgias;
Testar essas mudanas; e
Implementar as mudanas vencedoras.
Vamos agora olhar alguns roteiros famosos.
66
OsUse
roteiros de melhoria
charts to explain your ideas
Aqui temos 3 roteiros muito famosos: os 8 passos para a resoluo de problemas prticos
da Toyota, o Roteiro DMAIC (em amarelo) e o CSI 7 steps for improvement (The
continous service improvement que parece um secador de cabelo).
Notem que todos eles passam pelas etapas bsicas. Nos 8 passos da Toyota, por exemplo,
a etapa 1, 2 e 3 visam compreender a situao atual. As etapas 4 e 5 o desenvolvimento
de mudanas. As etapas 5 e 6 o teste destas mudanas (e a verificao do resultado) e por
fim, na etapa 8 se padroniza e estabelece o controle do processo, que a implementao.
No roteiro DMAIC, temos o entendimento acontecendo nas etapas D, M e A, o
desenvolvimento de mudanas acontecendo nas fases A e I, os testes na fase I e a
implementao na fase C.
Nos 7 passos para a melhoria, temos todas as etapas 1, 2, 3 e 4 cuidam do entendimento
da situao atual. As etapas 5 e 6, do desenvolvimento e teste de mudanas. A
implementao, por fim, acontece na etapa 7.
Cada um destes roteiros oferece diferentes ferramentas para a melhoria, entretanto,
devemos ter conscincia que nem sempre precisamos usar todas as ferramentas para
nossos projetos. Um projeto bem-sucedido aquele que chega bons resultados,
indiferente de quais ferramentas utilizamos.
No curso, iremos explorar as ferramentas por meio do roteiro DMAIC, porm
incentivamos nossos alunos a conhecer mais sobre os outros roteiros existentes. O
que eles tm em comum? Quais as peculiaridades? Descubram e compartilhem
conosco!
67
O DMAIC e suas
Use charts to explainferramentas
your ideas
Define Analyze
Definir o problema, os objetivos e os Criticar o processo atual
benefcios Determinar relaes causais baseado em dados
Determinar os requisitos dos clientes e as Identificar os maus conceitos presentes processo
CTQs Buscar explicaes para o desempenho atual
Identificar o proprietrio do projeto, Identificar mudanas
champion e o time Improve
Fazer o SIPOC do processo Desenvolver mudanas
Definir os recursos, fronteiras e restries Testar as mudanas em pequena escala
Fazer o contrato com a equipe Avaliar os riscos e benefcios das mudanas
Implementar as mudanas que resultem em
melhoria
Measure
Fazer o mapa detalhado do Processo Control
(Fluxograma) Desenvolver um plano de implementao
Determinar os Xs e os Ys crticos Determinar necessidades de comunicao e
Validar o Sistema de Medio treinamento
Desenvolver plano para coletar dados Estabelecer um plano de controle do novo
Avaliar o desempenho atual:estabilidade e processo
capabilidade Fechar o projeto e comunicar os resultados
Ajustar o foco do projeto Celebrar os resultados alcanados com todos
ROTEIRO DMAIC
O roteiro DMAIC composto por 5 fases: Define (ou definir), Measure (ou medir),
Analyze (ou analisar), Improve (ou melhorar) e Control (ou controlar):
Na fase do Define ns definimos qual o problema ou qual a oportunidade que
queremos trabalhar. Nela, respondemos s 2 primeiras perguntas fundamentais,
entendendo a real necessidade da organizao. O maior desafio aqui cristalizar as
impresses particulares de cada envolvido no projeto para chegar a um objetivo mais
palpvel. A sada fundamental da fase Define a formulao do contrato de melhoria,
que ir pautar todos os esforos futuros. Algumas ferramentas usadas nesta fase so:
VOC (Voice of Customer), que nos ajuda a coletar informaes do cliente, por
meio de pesquisas e estrutura-las por meio da rvore CTC (critical do
customer) ou CTQ (critical to quality), que nos ajuda a transformar ideias
abstratas em indicadores concisos;
O SIPOC, que nos ajuda a enxergar os clientes, produtos do processo,
atividades principais, entradas e fornecedores, delimitando as fronteiras do
processo a ser estudado;
O contrato de melhoria, que formaliza todo os tpicos discutidos, alinhando
equipe, patrocinador e clientes;
A matriz de anlise de stakeholders, que nos ajuda a identificar todos os
envolvidos e programar nossas aes de convencimento;
A matriz de comunicao, que nos ajuda a evitar problemas causados pelo
desalinhamento nas comunicaes;
O diagrama de afinidades, que ajuda a organizar as nossas ideias.
A fase seguinte a fase do Measure, aonde vamos comear a entender os processos e
seu desempenho. Essa fase tem duas frentes de trabalho distintas, ou duas portas por
onde comeamos nossas medies: a porta de processos e a porta de dados. Na porta
de processos, ns mapeamos o processo atual e entendemos como ele funciona.
68
Identificamos quais so suas atividades e como elas se conectam. A grande sada dessa
porta um fluxograma que explica exatamente como nosso processo transforma suas
entradas (matrias-primas) em sadas (produtos ou servios). Na porta de dados, ns
medimos o desempenho do processo por meio dos indicadores. Para isso, temos que
coletar dados sobre o que est acontecendo e analis-los. Boa parte das ferramentas
que iremos ensinar no curso de Green Belt tem o objetivo nico de analisar os dados
que coletamos. Algumas ferramentas desta fase so:
Para processos:
A ferramenta do SIPOC, com nfase no mapeamento de processos;
A criao de fluxogramas;
A elaborao de um VSM (value stream mapping, ou mapeamento do
fluxo de valor);
A criao de diagramas de espaguete, ou diagramas de layout;
A anlise e criao de instrues de trabalho e definies
operacionais.
Para dados:
Formulrios de coletas de dados e folhas de verificao;
Grficos de tendncia;
Grficos de controle;
Grficos de frequncia (histogramas, Box-Plots, grficos de barras,
de setores, de Pareto, etc.);
Anlises de capabilidade;
Anlises MSA (measure system analysis);
Ferramentas para a transformao de variveis.
A terceira fase a do Analyze. Nela fazemos duas coisas: analisamos criticamente
nossos dados e procuramos desenvolver mudanas que vo gerar melhorias. Na
prtica, fazemos as duas coisas juntas. Ao final dessa fase, j teremos formatado as
nossas primeiras mudanas a serem testadas. Algumas ferramentas:
Para dados:
Estudo de correlao, como grficos de disperso e planilhas de
contingncia;
Anlise de Regresso Linear;
Para processos:
Os 5 por qus;
O diagrama de Ishikawa, ou diagrama de causa e efeito;
Diagramas de rvore;
Anlise de Valor;
Criao de Poka-Yokes;
Anlise de desconexes;
As tcnicas de criatividade;
69
Os conceitos de mudana;
A penltima fase a fase do Improve, onde vamos melhorar as nossas mudanas e
comear a melhorar o nosso processo. Nesta fase ns iniciamos nossos experimentos.
As ferramentas mais importantes a serem trabalhadas so o ciclo PDSA e o
planejamento de experimentos, usando experimentos fatoriais. Ao sairmos do
improve, j vamos saber exatamente quais ferramentas devemos implementar.
A ltima fase a fase do Control. nela que implementamos as mudanas
vencedoras. Para que essa implementao seja bem-feita, aplicamos algumas
ferramentas de psicologia, como o diagrama de campos de fora e elaboramos bons
padres e bons treinamentos. Sem isto, o risco de uma boa mudana perder-se
grande.
A seguir, iremos aprofundar em cada uma destas fases, ensinando as ferramentas!
70
Resumo do captulo
71
Define
DEFINE
O Define o primeiro passo do roteiro DMAIC. por ele que comeamos o nosso projeto
de melhoria. Nele, todas as nossas aes vo ter o objetivo simples de definir o objetivo
do nosso esforo de melhoria. Essa definio deve ser feita de maneira clara e objetiva,
seguindo a filosofia do Modelo de Melhoria, ou seja, respondendo as 3 perguntas
fundamentais (especialmente as duas primeiras).
No Define, ouvimos todos os envolvidos e coletamos suas impresses. Qual o real
problema da empresa? Usamos aqui vrias ferramentas muito teis para transformar essas
ideias e impresses abstratas em objetivos claros, expressos por indicadores. um
trabalho rduo, j que devemos estruturar o conhecimento tcito em algo estruturado, mas
temos vrias ferramentas que nos ajudam nessa misso.
Ao final da fase do Define, teremos preenchido o nosso Contrato de Melhoria, que a
principal ferramenta de alinhamento da equipe de melhoria. Este documento anlogo ao
Project Charter (ou, Termo de Abertura do Projeto) utilizado nas metodologias de gesto
de projetos.
72
O Define
Objetivo:
Definir o foco e os indicadores do projeto e
comunica-los equipe.
Atividades:
Determinar os requisitos dos clientes (VOC) e
identificar as caractersticas crticas qualidade.
Fazer o SIPOC do processo.
Preencher o contrato de melhoria.
73
O VOC (Voice of Customer)
VOC
Muitos projetos de melhoria esto baseados na interface com o cliente. Em outras
palavras, tem como objetivo resolver os problemas dos clientes ou encant-los. Para tanto,
precisamos escut-los e traduzirmos o que esto falando para uma linguagem palatvel
ao nosso projeto de melhoria. Precisamos, portanto, extrair das informaes subjetivas,
indicadores mensurveis. Vamos ver como fazemos isso!
74
Coletando informaes dos clientes (internos e
externos)
Fontes reativas
Fontes ativas
Para coletar informaes dos clientes (aqui estamos falando tanto de clientes externos
quanto de clientes internos), ns temos basicamente duas estratgias:
Recorrer a fontes reativas de informao, ou seja, fontes que te enviam
informaes, quer voc faa algo ou no. So por exemplo, ligaes de clientes para
o SAC da empresa, aberturas de chamados em sites como o Reclame AQUI,
relatrios de vendas, reinvindicaes de garantia de nossos produtos ou servios, etc.
Essas informaes so relativamente baratas de serem adquiridas, porm elas so
tambm parciais: a informao nunca chega da maneira que queremos e,
convenhamos, poucos clientes nos ligam para elogiar nossos produtos. E, quando
chegam, pode ser tarde demais, pois algo ruim ocorreu.
A segunda maneira so as fontes ativas de informao, ou seja, aquelas que temos
que fazer alguma coisa para conseguir as informaes. Exemplos de fontes ativas vo
desde as mais simples, como formulrios de pesquisa enviados por e-mail at as mais
complexas, como a elaborao de grupos focais, passando pelas mais convencionais,
como entrevistas com os clientes, conversas informais e at ligaes de feedback. A
vantagem das fontes ativas de informaes que, por meio delas, podemos obter a
informao como quisermos.
Qual fonte escolher depende muito do tipo de projeto. Podemos, inclusive, escolher
ambas no Define. Podemos partir de fontes reativas (compilando as nossas reclamaes
no Reclame AQUI, por exemplo) e depois seguir para as fontes ativas para a
complementao das informaes passivas (por exemplo, ligar para cada cliente para
entender melhor os problemas apresentados).
O importante , 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 at
eles em, no mximo, 3 dias teis.
75
Os clientes gostam abominam falhas em seus produtos, por isso apenas 1 em cada
10.000 produtos fabricados pode ter algum tipo de falha.
Os clientes presam o conforto trmico em seus carros, por isso, quando o ar
condicionado do carro ligado e a temperatura externa de 40C, em at 5 minutos o
carro precisa ter seu interior climatizado em 22C.
Chegar em objetivos como estes no fcil. Quando estamos coletando informaes dos
clientes, para chegar a estes objetivos, devemos tomar alguns cuidados, que vamos
discutir a seguir.
76
Coletando informaes dos clientes
Seja especfico
Expresse os requerimentos em
fatores mensurveis
77
RVORE CTC
A rvore CTC, ou CTQ um diagrama que nos ajuda a extrair indicadores dos clientes,
a partir de suas percepes abstratas. Ela tem, basicamente, 4 nveis:
Formular o problema: o que estamos analisando? Podemos estar, por exemplo,
querendo ver a qualidade do nosso processo de faturamento, ou ento a qualidade de
um carro que produzimos.
Identificao dos direcionadores: de maneira abstrata, o que , do ponto de vista
para o cliente, um bom processo de fatura? Bom. As faturas tm que ser entregues no
dia, portanto tempo de entrega um direcionador. As faturas tambm devem vir com
o valor correto, conforme o combinado no contrato, portanto valor da fatura outro
direcionador. Para o caso do carro, temos direcionadores diferentes, como por
exemplo: consumo de combustvel, silncio, conforto trmico, etc.
Identificados os direcionadores, temos que definir variveis especficas e
mensurveis para representar cada direcionador. No caso da fatura, para representar
o direcionador tempo de entrega, podemos medir a varivel tempo de entrega,
definida como: o tempo total em dias que leva da solicitao de faturamento pelo
cliente at o mesmo receber a sua fatura. Atrelada a esta varivel, podemos ter
tambm uma especificao: a fatura estar conforme, caso ela seja entregue em
at 3 dias teis, caso contrrio ela estar no conforme. Notem que cada
direcionador pode ter uma ou mais variveis para representa-lo.
Por fim, definimos os indicadores para medirmos se estamos atendendo as variveis
importante para o cliente. Cada varivel poder ter um ou mais indicadores,
dependendo da situao. Em nosso exemplo, a varivel tempo de entrega pode ter
dois indicadores: tempo mdio de entrega das faturas e % de faturas no
conformes, dando-nos informaes diferentes.
Esta rvore uma ferramenta maravilhosa na traduo das necessidades de clientes (tanto
internos quanto externos). Veja como fica o exemplo completo do projeto de faturas:
78
A rvore CTC
Tempo (dias)
- Tempo par enviar a fatura (dias)
Tempo Menos que 2 dias
- % de faturas enviadas fora do prazo
teis
Fatura
Controle - % de faturas registradas
registrada(Y/N)
79
O SIPOC
SIPOC
80
A viso sistmica e as empresas
Direcionamento
Fornecedores
Clientes
Produo
Sadas
Entradas
Suporte
Uma das grandes contribuies de Deming para a administrao de empresas foi abrir os
olhos dos gestores para a viso sistmica. Parte de ter viso sistmica poder enxergar a
empresa como um sistema, que transforma entradas em sadas, por meio de processos.
Analisar os processos sob esta perspectiva uma atividade muito importante no Define.
Ao fazer isso, percebemos o porqu de cada processo existir. Damos foco no motivo pelo
qual aquele processo existe, ao invs de ficarmos apaixonados pela maneira com que as
atividades esto sequenciadas (o que pode ser considerado um erro ao elaborarmos
fluxogramas ou estudarmos processos).
Existe uma ferramenta, chamada de SIPOC, que nos permite enxergar o processo
exatamente desta maneira. Vamos ver como preench-la.
81
O SIPOC
FORNECEDORES
CLIENTES
Entradas Processo Sadas
Passos do Processo
SIPOC um anagrama onde cada letra representa uma palavra da lngua inglesa: S
(Supplier, ou fornecedor), I (Inputs, ou entradas), P (Process, ou processos), O (Outputs,
ou sadas) e C (Customers, ou clientes).
Para criar um SIPOC do processo voc deve seguir alguns passos. So eles:
1. Concordar com o nome do processo. Lembre-se, para definir nome de um
processo use Verbo no infinitivo mais complemento (Ex: Realizar Planejamento
Estratgico da rea Comercial);
2. Defina as sadas do processo. As sadas so as coisas tangveis que o processo
produz (Ex: um relatrio, uma carta, um produto, etc);
3. Defina os clientes do processo. Estas so as pessoas ou outros processos que
recebem as sadas do processo. Toda sada dever possuir um cliente;
4. Defina as entradas do processo. Estas so as coisas necessrias para iniciar o
processo. Elas frequentemente so tangveis (Ex: Requisio do cliente);
5. Defina os fornecedores do processo. Estes so as pessoas ou outros processos que
fornecem as entradas. Toda entrada dever possuir um fornecedor. Em alguns
processos que vo do incio ao fim, o fornecedor e o cliente podero ser o mesmo;
6. Defina os sub-processos que fazem parte do processo mapeado. Estas so as
atividades que so feitas para converter as entradas em sadas. Elas sero a base
para o mapa do processo a ser criado a aps a elaborao do SIPOC.
Notem que ao fazer isso, estamos comeando a mapear o processo que estamos
analisando. Mais para a frente, iremos destacar como usar essa ferramenta para se mapear
com perfeio qualquer tipo de processo.
Dicas para construir seu SIPOC:
82
Dicas O que fazer Erros mais comuns
O nome processo define o que Usar verbo no infinitivo mais Dar nome utilizando gerndio ou
ele faz, nem mais e nem menos complemento verbo no passado
Use a declarao de propsitos
do processo para definir o Colocar palavras que definem o
O nome do processo no dever
porqu ele existe. Isto ir ajud- objetivo do processo. Ex:
definir seu desempenho e nem
lo a identificar os objetivos de Contratar pessoas rpido, melhorar
seus objetivos de melhoria
melhoria e as mtricas de os relatrios
desempenho
As sadas so coisas. Elas Sadas que ou so vagas, como
As sadas devem especificar o
podem estar corretas ou com clientes satisfeitos ou que
que o processo entrega, no o
erros. Podem atender as contm especificaes, como
que ele alcana
necessidades do cliente ou no relatrios entregues a tempo
Mo de obra e outros recursos no
consumidos no processo. Eles no
disparam o processo e no sofrem
transformao.
Polticas e regras no devem ser
Vamos praticar?
83
Exerccio!
In two or three columns
Um exame de sangue
84
Exerccio!
In two or three columns
Requisio
lcool
Outros materiais
Passos do Processo
85
Por que usar o SIPOC no Define?
Entendimento macro do
processo
86
O Contrato de Melhoria
87
O contrato de melhoria
O CONTRATO DE MELHORIA
O contrato de melhoria um acordo escrito entre o patrocinador do projeto e a equipe de
melhoria. Nele, devemos detalhar claramente o que se espera do projeto: quais os
objetivos a serem alcanados pela equipe e quais os recursos o patrocinador dever
disponibilizar para tal.
Alm disso, usual em projetos de melhoria descrevermos de maneira sucinta o
incmodo a ser tratado, antes de definirmos os objetivos. A descrio do incmodo ajuda
a contextualizar o esforo de melhoria e a definir a perspectiva mais adequada do projeto
(lembre-se do exerccio que fizemos nas aulas anteriores, que dizia do departamento de
compras).
O contrato til pois ele ajuda a estabelecer papeis e responsabilidades, alm de deixar a
equipe focada no objetivo. Quando conduzimos projetos de melhoria, sempre que h
discusses ou dvidas se estamos no caminho certo, recorremos ao contrato. nele que
fica o norte do projeto, algo que no podemos perder.
A seguir, vamos explorar melhor os elementos do contrato de melhoria.
88
O contrato de melhoria
O escopo muda;
A equipe muda;
Os recursos mudam;
Eventos externos acontecem.
89
Os elementos do contrato
Nome do projeto:
Integrantes:
Patrocinador:
3. Restries
4. Cronograma
90
Exemplo
Importncia para a empresa:
Reduzir as perdas na pintura devido batida ir diminuir a carga de
trabalho e aumentar a produtividade.
Importncia para o cliente:
Reduzir esta perda far com que o cliente receba a sua encomenda mais
rpido 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 batidas de 30% para menos de 1% at o
ms que vem.
Como saberemos que a mudana uma melhoria? Nesta parte, identificamos todos
os indicadores e contra indicadores que queremos trabalhar, bem como colocamos uma
meta para a sua reduo. Sim, sabemos que colocar metas um assunto polmico, por
isso ele ser discutido mais frente nessa apostila.
Restries. Na parte de restries, devemos deixar explcito quais so as restries do
projeto. Por exemplo, podemos ter restries como no modificar o processo X, ou
no envolver mudanas para o cliente. Alm disso, em geral trabalhamos com
restries oramentrias e de recursos humanos.
Cronograma. Por fim, colocamos uma sequncia lgica no tempo do que vamos
trabalhar. No cronograma, podemos relacionar as prximas atividades com as etapas
do roteiro DMAIC, por exemplo: na primeira semana, iremos fazer a definio das
metas, na segunda semana, iremos medir o processo, e assim por diante.
91
Atribuio de metas
METAS
Muito cuidado ao negociar metas com o patrocinador do projeto, especialmente se
estas metas refletirem na remunerao dos envolvidos.
Quando algum no consegue bater a meta jogando limpo, pode acontecer algumas
cosias:
As pessoas podem distorcer os dados (colocar uns zeros a mais na planilha do Excel);
Distorcer o sistema de medio (colocar aquela balana viciada para parecer mais
magro);
Omitir ou expurgar dados;
Alterar a memria de clculo;
Distorcer o sistema como um todo (como o vendedor que, para vender mais, comea
a dar descontos em excesso).
Apesar destes problemas, ns na FM2S acreditamos em metas numricas. Algumas das
mentes mais competentes e ambiciosas, inclusive, s se motivam por meio da atribuio
de metas numricas bem definidas. Por isso, temos algumas dicas que podem ser teis:
Metas devem ser SMART, ou seja:
o Especficas (ligadas a um indicador);
o Mensurveis ( preciso saber exatamente como ela ser avaliada);
o Possveis (metas muito fantasiosas desmotivam a equipe);
o Relevantes (ou seja, devemos entender a variao do indicador par atribuir
a meta); e
o Adequadas com o tempo do projeto (Time-bound).
Como gestores, nunca devemos dar uma meta para uma pessoa, sem ensin-la
como chegar l. Isso uma grande crueldade. Devemos priorizar a dedicao da
pessoa e a sua conformidade em relao ao processo, ao invs de meramente os
resultados obtidos. Como dizem na Toyota: melhor (e mais fcil) ter um
processo brilhante do que pessoas brilhantes.
92
Como saber o mtodo para chegar at a meta? Essa uma pergunta complicada com
uma resposta simples: benchmarking. Procure conhecer outras empresas que bateram
metas similares s suas. O que eles fizeram? Qual foi a estratgia adotada? Como eles
implementaram as mudanas? Entenda o que j aconteceu e trace seu caminho at a sua
meta, sempre utilizando as tcnicas de gerao de conhecimento especfico para que o
seu caminho seja mais suave que o da empresa consultada.
De maneira geral, no use metas como chicote. Se uma meta no for batida, no procure
culpados, procure erros no processo ou nas hipteses.
93
Estudo de columns
In two or three caso!
ESTUDO DE CASO!!!!
94
Outras ferramentas teis para o Define
O que vem da gesto de projetos que pode nos ajudar a organizar nossas
ideias e nossos projetos de melhoria?
95
Matriz de
In two Stakeholders
or three columns
Participantes Chaves
Nvel de compromisso P1 P2 P3 P4
Vacilante no se oferecer
voluntariamente
Indiferente no ajudar; no
atrapalhar
Contrrio - atuar abertamente contra o
projeto
Hostil - bloquear a implementao das
mudanas a todo custo
Atual Desejado
MATRIZ DE STAKEHOLDERS
Uma das atividades mais importantes em qualquer projeto gerir os envolvidos.
Uma ferramenta que nos ajuda a fazer isso a Matriz de Stakeholders.
Diversas pessoas podem ter interesse em nosso projeto de melhoria e, certamente, cada
uma ir se relacionar com ele de uma maneira. Entre alguns envolvidos clssicos temos:
o dono do processo no qual estamos trabalhando (gerentes, coordenadores, por exemplo.);
o patrocinador; os clientes; os operadores do processo, etc. Cada um, tem um nvel de
apoio, que pode variar desde um apoio entusistico at uma hostilidade declarada.
Muitas vezes, caso no tenhamos o apoio necessrio, o projeto no sair do lugar.
Por exemplo, se o patrocinador do projeto se mostra vacilante ou indiferente s mudanas
propostas, dificilmente conseguiremos obter recursos para concretiz-las. Se o dono do
processo se mostrar hostil (talvez por medo de ser demitido ou amor pelo status quo),
dificilmente iremos saber o que est de fato acontecendo no projeto. Para que essas coisas
no aconteam, precisamos saber exatamente quem devemos trazer para o nosso lado.
A Matriz de Stakeholders nos ajuda a fazer isso. O seu preenchimento muito fcil:
Listamos todas as pessoas chave do projeto;
Marcamos como eles esto atualmente com relao ao projeto (de hostil a
entusiasmado, conforme apresentado no slide);
Marcamos como eles precisam estar para que o projeto acontea em sua plenitude;
Colocamos uma seta para ilustrar o caminho;
Comeamos trabalhando nas pessoas com as setas maiores.
Notem que, a grande mgica no est na planilha em si, mas sim nas setas. Saber qual
estratgia usar para o convencimento das pessoas a parte mais difcil e trabalhosa deste
planejamento. Alm disto, esta matriz sigilosa, devendo ser compartilhada entre os
membros da equipe apenas.
96
Matriz deorcomunicaes
In two three columns
Projeto:
Data:
Equipe:
MATRIZ DE COMUNICAES
A Matriz de comunicaes uma ferramenta que nos ajuda a planejar as comunicaes
dentro do projeto. Ela existe para evitar a comunicao extraoficial, ou dos corredores.
Esse tipo de comunicao extremamente insalubre para qualquer projeto de melhoria.
Imagine s uma situao hipottica: o patrocinador do projeto recebe a informao de que
os testes de mudana esto indo mal, antes dos mesmos estarem terminados. Imagine o
efeito desastroso que o feedback desafinado do patrocinador pode ter sobre a equipe.
A Matriz de comunicao uma matriz que deixa claro quem ir comunicar o que e
quando. Ela, portanto, formaliza os eventos de comunicao dentro do projeto.
Tambm podemos colocar como ser feita a comunicao e por qu.
Alguns eventos clssicos que colocamos na matriz so:
Disseminao das definies do Define, para alinhar a equipe no objetivo;
Disseminao do resultado da fase Measure, em que mostramos o mapeamento feito
do processo e o valor dos indicadores coletados;
Orientao sobre os testes a serem feitos;
Divulgao do resultado dos testes realizados;
Plano de implementao;
Divulgao de resultados para o cliente;
Alinhamento de testes com o cliente;
Etc.
Consta tambm, na matriz de comunicaes, a razo de comunicar aquele fato de maneira
formal: quais so as preocupaes se esta comunicao sair do controle.
97
Diagrama de afinidades
In two or three columns
Coletar dados
qualitativos
Agrupar
dados afins
Nomear os
agrupamentos
DIAGRAMA DE AFINIDADES
Na fase do Define, em geral realizamos uma srie de atividades de brainstorming, que
nos gera uma grande quantidade de dados verbais, geralmente pouco estruturados.
Agrupar esses dados verbais por afinidades, nos permite entender melhor o que acontece
e nos ajuda a traar um plano de mudanas para cada afinidade. Fazer esse agrupamento
significa preencher um Diagrama de Afinidades.
Para criar um diagrama de afinidades, os membros da equipe:
Geram um grande nmero de ideias sobre uma questo especfica;
Organizam as ideias e do nomes aos grupos.
Durante o processo de colocar em ordem um conjunto de dados aparentemente no
relacionados, uma equipe poder comear a identificar e focar as reas para melhoria.
Por que usar o D.A.:
O diagrama de afinidades uma ferramenta para organizar e resumir dados qualitativos
(geralmente verbais/escritos). Esses dados podem ser originados de uma variedade de
fontes incluindo brainstorming, feedback do cliente, anlise de reclamaes, problemas
de produo e etc.
Benefcios:
Esclarece uma situao confusa;
Incentiva conexes no-tradicionais entre ideias e questes;
Incentiva a criatividade de todos da equipe;
Quebra barreiras de comunicao e ideias pr-concebidas sobre um assunto;
Permite o surgimento natural de tpicos a serem explorados;
Facilita o conhecimento do contexto;
Ajuda a superar a imobilidade da equipe, que pode ser gerada pela quantidade
excessiva de dados e pela inexistncia de consenso;
98
Ajuda a equipe a chegar a um consenso e oferece uma oportunidade de
direcionar as iniciativas da equipe de maneira mais eficaz.
Preparao
Antes de comear, voc vai precisar de:
Um facilitador para a equipe; (essa ferramenta mais til quando for utilizada
em grupo)
Notas adesivas tipo post-it; (2-3 pacotes)
Flip-chart ou quadro branco para fixar as notas;
Marcadores; (prefervel canetas hidrocor ou para transparncias)
Fita adesiva transparente.
Construo do Diagrama de Afinidades:
1. Identifique a questo:
Escreva a questo que est sendo discutida no flip-chart.
Dicas:
Todos os membros da equipe devem concordar com a questo.
Exemplo: Fatores que prejudicam as vendas de caf
2. Faa um brainstorming:
Obtenha pelo menos 20 ideias ou questes;
Registre cada ideia em uma nota adesiva;
Dicas:
Evite usar uma palavra s, 4 a 7 palavras funcionam bem.
Uma afinidade "tpica" contm 40 a 60 itens, dependendo da questo.
Se j existirem dados, como feedback de clientes ou problemas de
produo, use os dados em lugar de fazer um brainstorming de novas
ideias.
3. Agrupe os resultados.
Em silncio, os membros da equipe classificam simultaneamente as ideias em
grupos relacionados, colocando as notas adesivas em blocos distintos. Cada
pessoa dever mover as notas adesivas para o local que considera mais adequado.
No faa perguntas, apenas mova as notas que, em sua opinio, pertencem a um
grupo diferente.
Dicas:
Os blocos podero conter qualquer nmero de ideias - at uma s.
As notas adesivas podero ser movidas tantas vezes quantas forem
necessrias at que o grupo esteja satisfeito com o resultado.
O ritmo da classificao diminuir e, em seguida, cessar, quando todos
os membros da equipe estiverem satisfeitos com os agrupamentos.
Analise dos dados
99
A equipe ento discute o relacionamento entre os itens de cada bloco e escolhe
um ttulo para cada um dos blocos.
Dicas:
Consiga um rpido consenso da equipe em relao a uma palavra ou
frase capaz de capturar a ideia/tema central de cada bloco.
Divida os blocos maiores em subgrupos, se necessrio.
Avaliao do sucesso:
Para medir o sucesso quanto utilizao desta ferramenta, reveja as seguintes perguntas:
Os membros da equipe compreenderam com clareza a questo em discusso?
Os membros conseguem definir com facilidade qual o tema comum que
relaciona os itens em cada categoria?
O diagrama final exibe informaes suficientes a serem utilizadas pela equipe
na prxima etapa?
100
Measure
MEASURE
Na fase do Measure, como o prprio nome j diz, vamos comear a medir nosso
processo. Por medir entendemos: coletar informaes que nos sero teis no esforo de
melhoria.
Geralmente fazemos isso por duas grandes portas:
A porta de processos, onde mapeamos os processos envolvidos com a nossa meta do
projeto de melhoria. Fazer esse mapeamento significa entender exatamente como que
as entradas se transformam em sadas. Existem vrias tcnicas para se fazer isso e
vamos discorrer cada uma delas.
A porta de dados, onde de fato coletamos os dados relativos ao nosso indicador
principal do projeto e comeamos a analisa-lo. Temos que entender que muito
importante fazer uma coleta cuidadosa dos dados para que nossa anlise seja razovel
(iremos comentar como se coletar bons dados). Do ponto de vista de anlise, na fase
do Measure nossa maior preocupao entender a variao dos indicadores. Vamos
ensinar algumas ferramentas excelentes para se fazer isso (como o caso dos grficos
de controle de Shewhart) e como se comparar essa variao com as especificaes do
cliente (que o caso das anlises de Capabilidade).
101
O Measure
Objetivo:
Comear a avaliar o desempenho dos processos
relacionados aos indicadores do projeto
Atividades:
Mapear os processos e entender os procedimentos
Coletar dados e avaliar o sistema de medio
Analisar a variao dos dados
Comparar a varao dos dados frente s exigncias
dos clientes
102
A Porta de Processos
A PORTA DE PROCESSOS
A porta de processos so as vrias atividades que realizamos no Measure para entender
como que as atividades se concatenam em processos e como estes processos cumprem o
propsito da organizao.
103
O que so processos?
Definio:
104
As organizaes e os processos
Atividades Direcionadoras
Fornecedores
Atividades de produo
Entradas
Sadas Clientes
Atividades de Suporte
Como j vimos, essa viso de transformao extremamente til para se enxergar uma
organizao, pois ela faz com que entendamos o propsito da organizao. Quando
fazemos isso, dizemos que estamos enxergando a organizao como um sistema, o que
um dos pilares chave do conhecimento profundo de Deming.
Entender a organizao como um sistema no tarefa simples, j que o sistema um
emaranhado de processos. Em outras palavras, podemos dizer que o propsito da
organizao s cumprido uma vez que todos os seus processos desempenhem suas
atividades de maneira satisfatria.
Como vimos no slide anterior, um processo tambm tem vrias etapas (que na definio
chamamos de atividades). A operao a interao entre as vrias pessoas trabalhando
nele (imagine o processo de vendas de sua empresa, ou ento o processo de contratao
de um novo funcionrio) com as mquinas necessrias para executar o processo.
A descrio da operao feita por meio de um procedimento, que no exemplo :
Selecionar o cliente com a maior pontuao na lista;
Buscar o nmero de telefone do cliente;
Ligar para o cliente e conversar sobre o produto, por meio do script de vendas;
Despedir-se e desligar o telefone;
Anotar o resumo da conversa no software de CRM.
Este procedimento realizado pelo vendedor pode ser padronizado e analisado de
maneira crtica. Seguindo a instruo de trabalho, a operao pode ser rapidamente
reproduzida. Com isso em mente, podemos definir 3 nveis de transformao.
105
As organizaes
Sistema
Detalhamento
Complexidade
Processos
Atividades/
procedimentos
106
Mapeamento de processos
MAPEAMENTO DE PROCESSOS
Agora iremos aprofundar mais o mapeamento de processos. Iremos definir a atividade de
mapeamento e apontar quando devemos utiliz-la em projetos de melhoria.
107
As organizaes na prtica
Vimos vrias vezes aquela figurinha bonitinha da organizao como sistema proposta por
Deming. Acontece que na vida real, no fcil enxergar aquela figura na organizao em
que estamos inseridos.
Na prtica, vemos algo como neste slide: uma srie de pessoas (representadas pelas
bolinhas) realizando uma srie de atividades (caixinhas) que transformam sabe-se l de
que jeito, entradas (caixas em terracota) em sadas (caixas azuis) para os clientes. A ordem
dessas atividades confusa. Determinadas pessoas desempenham papeis diferentes ao
longo do fluxo e, muitas vezes, esto envolvidas em mais de uma operao. Por exemplo,
a pessoa do financeiro da empresa recebe pagamentos dos clientes, paga fornecedores,
controla custos e monitora o caixa. Cada uma dessas atividades corriqueiras est ligada a
processos diferentes.
No mapeamento de processos, nosso objetivo ilustrado no slide seguinte.
108
Mapear um processo
109
Mapear um processo
Buscar melhorias
Reestruturar
radicalmente
Geralmente, fazemos o mapeamento para entender melhor qual nosso processo. Alm
disso, quando temos claro o que est acontecendo, podemos buscar aplicar indicadores
para medir seu desempenho, sabendo onde vamos aplica-los e de que tipos devem ser.
Por exemplo, se quisermos medir o tempo que um processo demora, precisamos saber
exatamente quando ele comea e quando ele termina. No temos como medir isso sem
ter o processo claramente mapeado.
Tambm podemos buscar melhorias pontuais em algumas atividades e na interao entre
elas. Na parte do Analyse, discutiremos uma tcnica chamada de busca por desconexes,
onde analisamos se alguma parte do processo est sem as entradas que precisa, ou ento
no est gerando as sadas necessrias. Isso faz com que as seguintes etapas
desempenhem de maneira ruim. Por exemplo, como vamos montar uma pea se no temos
a instruo de montagem? Se a pessoa de engenharia no envia essa entrada para a
montagem, problemas acontecero. Isso uma desconexo.
Ou, se quisermos alterar radicalmente o processo, sabemos todos os envolvidos e suas
interaes, o que facilitar o reprojeto do processo e sua implementao por meio de um
novo procedimento.
110
Mapear um processo
Entendimento do processo
Ilustrao em um fluxograma
111
Antes de comear
Fluxogram
Como ele realmente
Pois bem, antes de comearmos a fala sobre como vamos mapear os processos, gostaria
de fazer algumas reflexes sobre alguns problemas recorrentes. So eles:
112
Mapeando
Reduzir custos?
Reduzir complexidades?
Reduzir retrabalho?
Simplificar o fluxo de informaes?
113
Mapeando
114
Mapeando
SIPOC da pessoa X
Em seguida, passamos para uma entrevista minuciosa. Esta entrevista, deve identificar
tudo o que acontece, e cabe ao entrevistador instigar o entrevistado e expor todas as
possibilidades e todos os casos que acontecem. Mas como fazer essa entrevista?
Usando a metodologia do SIPOC, j explicada anteriormente.
115
Mapeando
Processo
SIPOC da pessoa X
simples?
SIPOC da pessoa A
SIPOC do pessoa B
116
Mapeando
117
Vantagens do Mapeamento
O mapeamento dos processos, quando bem feito, traz uma srie de benefcios para a
equipe de melhoria. Com ele possvel ter todos os ganhos apresentados no slide:
Facilitao do aprendizado da equipe sobre o processo;
Visibilidade do que est acontecendo;
Demonstrao dos papis e relaes entre os envolvidos no processo;
Identificao dos gargalos, desconexes, etapas desnecessrias, etc.
Medio do tempo das atividades;
Identificao dos quick wins do projeto.
118
Fluxogramas
FLUXOGRAMA
At agora falamos sobre como se realizar um mapeamento de processos adequado. A
partir daqui iremos comentar exclusivamente sobre os fluxogramas, que so as maneiras
de se representar um processo.
muito importante frisar que um fluxograma no um mapeamento e vice-versa. O
fluxograma, em geral a sada de um mapeamento e apresenta um uso especfico, ou seja,
se fizemos um fluxograma para avaliar o fluxo de informaes em um processo (para um
projeto de melhoria, por exemplo), esse fluxograma no representa o aspecto do fluxo de
materiais e peas fsicas neste mesmo processo.
119
O Fluxograma
Fluxogramas so
representaes grficas dos
nossos processos.
120
Os smbolos dos fluxogramas
SIMBOLOGIA UTILIZADA:
SIM
ENTREGAR AO Indica que um documento deu entrada ou sada do
CAIXA processo.
ESPERA
APROVAO Indica ponto de espera no processo
121
Fluxograma Vertical
O Fluxograma Vertical o fluxograma mais simples que existe (e um dos mais usados
nos projetos de melhoria). Ele mostra de maneira linear como o processo acontece,
apresentando tambm as suas ramificaes e pontos de deciso.
Ao elaborarmos um fluxograma como estes, comeamos sempre pelos pontos mais
caractersticos do processo (que podem ser o seu comeo e fim) e depois vamos
adicionando os detalhes. Lembrem-se que neste ponto, j temos um grande entendimento
sobre o processo que foi obtido atravs das entrevistas de SIPOC.
122
Fluxograma Multifuncional
123
Diagrama Espaguete
DIAGRAMA ESPAGUETE
O Diagrama Espaguete um fluxograma que exprime o processo em uma planta fsica.
muito usado em projetos onde queremos mapear e eliminar desperdcios de
movimentao e transporte (vamos ver estes desperdcios mais para a frente no curso).
Ele consiste em desenhar, na planta da empresa ou no local onde ocorre o processo, linhas
coloridas que indicam os fluxos mapeados (pode ser o caminho de um documento, de
uma pea, de uma pessoa, de uma empilhadeira, etc.).
Para elaborar o diagrama espaguete seguimos alguns passos:
Obter o mapa (layout) do espao de trabalho;
Listar as atividades (passos) do processo;
Marcar as posies onde acontecem cada um dos passos. Atualmente muito fcil
realizar essa marcao pois praticamente qualquer smartphone pode ser rastreado por
GPS. Existem, inclusive, vrios aplicativos que j mostram o caminho do celular no
mapa (como aqueles aplicativos de corridas e caminhadas).
Ligar as marcaes e desenhar no mapa as linhas de fluxo.
Ao olhar para um diagrama espaguete, podemos tirar vrias concluses sobre o processo:
Se existem vrios cruzamentos entre as linhas, devemos comear a pensar em
alteraes no layout ou no processo;
Se h muito retorno a um ponto, podemos simplificar o processo para que todas as
atividades sejam realizadas de uma s vez (em uma nica passada).
Se existem muitas passagens de basto ou pontos de espera, podemos pensar em
eliminar possveis gargalos que possam estar acontecendo.
124
VSM Value Stream Map
125
Outra fase importante do VSM, a contagem dos estoques.
Para processos administrativos, deve-se tomar cuidado redobrado pela dificuldade que
poder ser encontrada na definio do takt time e na determinao do estoque.
Contornados estes empecilhos, o VSM pode ser usado sem problemas para processos
administrativos.
126
Vantagens de se elaborar um fluxograma
O mapeamento dos processos, quando bem feito, traz uma srie de benefcios para a
equipe de melhoria. Com ele, possvel ter todos os ganhos abaixo:
Facilita o aprendizado da equipe sobre o processo;
Torna o que est acontecendo visvel;
Demonstra papis e relaes entre os envolvidos no processo;
Identifica gargalos, desconexes, etapas desnecessrias, etc.
Permite medir o tempo das atividades;
Identifica quick wins do projeto.
127
Erros ao se elaborar um fluxograma
n n n n n n n n n n n n n n n n n n n n n n n n n n n
n n n n n n n n n n n n n n n n n n n n n n n n
n n n n n n n n n n n n n n n n
Foque aqui durante a
n n n n n n n n n n n n n n n n
fase Improve
n n n n n n n n n n n n n n n n
128
Erros ao se elaborar um fluxograma
Macro
Mini
129
A Porta dos Dados
MEASURE DADOS
At agora, falamos sobre como enxergar os processos por meio do entendimento da
sequncia de suas atividades e das inter-relaes entre elas. Agora comearemos a
analisar os processos por meio dos dados (sinais) que eles nos enviam.
Essa porta talvez a grande contribuio do Green Belt no desenvolvimento de mudanas
que levam a melhorias. Aqui, ensinaremos vrias ferramentas estatsticas, como os
Grficos de Controle e a Anlise de Capabilidade.
Mas antes, vamos passaremos pelos conceitos bsicos que fundamentam o trabalho com
dados...
130
A natureza e os dados
Mundo Fsico
Mundo Observar
Comportamental e/ou Observaes
Dados
Medir e Medies
Mundo Documentada
Sensorial s
Sistema de Registro
Caractersticas Definies medio
131
apresentam falhas que so refletidas nos dados. Portanto, os dados coletados, com os
quais vamos trabalhar, sempre refletiro apenas uma pequena parte da natureza onde eles
foram gerados.
Dito isso, vamos para algumas formas interessantes de se elaborar uma boa definio
operacional e comear a jornada da coleta e anlise dos dados, especialmente em
projetos de melhoria.
132
Modelagem e anlise de dados
Uma vez que j sabemos qual caracterstica de nosso processo queremos medir, temos
que elaborar a sua definio operacional e avaliar a qualidade do sistema de medio.
Em seguida, podemos ir adiante e analisar a estabilidade do processo (entender a variao
do processo, procurando por causas comuns e especiais de variao) e a sua capabilidade
(comparar essa variao com as especificaes de nossos clientes).
133
Modelagem e anlise de dados
Questes:
O que um defeito?
Como medir um defeito?
Como medir uma caracterstica de qualidade?
Em qualidade, os projetos sempre acabam convergindo para uma das causas ilustradas
acima. Para analisar e atacar os problemas de maneira mais efetiva, seguimos um roteiro
de perguntas:
O que um defeito?
O que a caracterstica que eu quero medir?
Como medir um defeito?
Como medir essa caracterstica?
Como definir a caracterstica de qualidade ou o defeito de maneira mais eficaz?
134
Montando uma Definio Operacional
Caracterstica de interesse;
Instrumento de medio;
Procedimento;
Critrio.
DEFINIO OPERACIONAL
Uma definio operacional visa dar padronizao e objetividade a uma medio. Essa
medio, contribui para a anlise que vai amparar uma hiptese criada para explicar um
fenmeno. Para termos uma boa definio operacional, devemos sempre esclarecer e
formalizar alguns pontos bsicos:
O objetivo da coleta de dados ou medio da caracterstica: para que vamos coletar
esse dado? Dependendo para que vamos usar, existem modelagens melhores e piores
para abordar o problema (j falamos anteriormente sobre isso ao longo dessa apostila).
A caracterstica de interesse: o que, de fato, queremos medir? Qual o aspecto da
natureza sobre o qual queremos inferir com essa medida?
O instrumento de medio: com o que vamos medir essa caracterstica?
O procedimento de medio: quais as etapas que devemos seguir para que a medio
seja reprodutvel?
Critrio: as vezes temos que classificar uma medio (por exemplo, um item como
defeituoso ou no). Qual esse critrio?
Tendo essas respostas definidas, temos nossa definio operacional. Alguns exemplos:
135
Montando uma Definio Operacional
Objetivo:
Verificar se uma aeronave chegou no horrio no aeroporto.
Caracterstica de interesse:
Horrio de chegada da aeronave no aeroporto.
Instrumento de medio:
Relgio referenciado com o relgio da torre de controle.
Procedimento:
O horrio de chegada de um voo ser o horrio em que o trem de pouso da
aeronave tocar a pista de pouso.
Critrio:
A aeronave est no prazo se o horrio de chegada for igual ao horrio
programado mais ou menos 15 minutos.
136
Montando uma Definio Operacional
Objetivo:
Verificar se um extrator de 150 mL est limpo para ser utilizado em uma
extrao.
Caracterstica de interesse:
Turbidez da soluo de limpeza.
Instrumento de medio:
Espectrofotmetro UV-Vis.
Procedimento:
Realizar 3 lavagens com 100 mL de soluo de limpeza (etanol 95%).
Coletar uma amostra de 10 mL ao final da terceira lavagem e ler a turbidez
da soluo.
Critrio:
O extrator estar limpo se a turbidez for menor que 1,0.
137
Validao
Sempre teste sua D. O. para saber se
ela est clara para todos os envolvidos
138
Os tipos de variveis que podemos ter
TIPOS DE VARIVEIS
Outro conceito bsico que temos que ensinar antes de apresentar as ferramentas
estatsticas mais complexas que os dados possuem diferentes classificaes. Saber qual
tipo de varivel representa a nossa caracterstica de interesse nos ajudar a decidir qual
ferramenta estatstica utilizar. Quando analisarmos a estabilidade do processo para
localizarmos causas comuns e causas especiais, usaremos as ferramentas de grficos de
controle. Para isto, temos que saber que tipo de variveis estamos trabalhando, j que h
um grfico de controle para cada tipo de varivel.
139
Tipos de variveis
140
Exerccio!
141
Satisfao com um determinado produto: se h uma escala linear para medir
satisfao pode ser contnua, se apenas se classifica como satisfeito ou insatisfeito,
uma varivel de classificao.
142
Melhorando a coleta de dados
143
O passo a passo da coleta de dados
A primeira coisa para se fazer uma boa coleta de dados possuir um modelo mnimo para
o entendimento de algum problema ou fenmeno. A elaborao deste modelo dir o
porqu da coleta de dados. O que estamos querendo entender? Qual caracterstica
vamos medir?
Por exemplo, supomos que h um incmodo na empresa e uma sensao de que
determinado processo de aprovao de verba est demorando muito. Um dos membros
da equipe de melhoria diz que essa demora provavelmente est relacionada com o tipo de
verba.
Verbas que demoram para serem aprovadas so de projetos mais caros. Este o modelo:
ele precisa de uma coleta de dados que mea o tempo de todos os processos de aprovao,
separando-os em caros e baratos para avaliar se h diferenas no tempo. Portanto,
definimos aqui um objetivo para a coleta de dados:
Verificar se processos com mais verba demoram mais para t-las aprovadas.
Entretanto, o problema no acaba aqui. Precisamos, como j vimos anteriormente, definir
claramente como medir o tempo do processo. Temos que criar uma definio operacional
que diga quando o processo comea e acaba, bem como mediremos esse tempo. De
maneira anloga, tambm precisamos definir o que a verba de cada processo,
esclarecendo o critrio pelo qual classificamos o que caro e o que barato.
Devemos ter uma definio operacional tambm para essa varivel.
Tendo tudo isso definido, criamos um formulrio de coleta de dados. Nos slides seguintes,
mostraremos alguns tipos importantes de formulrios para colet-los. Vale lembrar que
temos sempre de testar esses formulrios antes de realizar a coleta completa dos
dados. Fazemos isso para ver se a coleta capaz de nos dar as informaes que
precisamos (e no correr o risco de passar um bom tempo nessa atividade e acabar com
muita de informao intil).
144
Em seguida, selecionamos a populao de interesse, ou seja, qual o pblico (pode ser
de pessoas, de peas, de processos, etc.) que queremos levantar informaes a respeito e
definimos uma amostra que a represente. Questes sobre o tamanho da amostra
necessria para fornecer diferentes tipos de informao sempre uma dvida nessa
hora. Para isso, existem vrios modelos estatsticos que sero abordados com mais
profundidade no curso de Black Belt.
Por fim, realizamos a coleta de dados, onde vamos at a amostra e aplicamos os nossos
formulrios.
145
Variveis de
estratificao
Atentem-se muito bem para identific-las
e defin-las antes de comear a coleta de
dados!
VARIVEIS DE ESTRATIFICAO
Um dos erros mais comuns em coletas de dados negligenciar as chamadas variveis de
estratificao. O que so essas variveis? So variveis categricas que podem influenciar
na caracterstica de interesse.
Por exemplo, a altura de determinada pessoa influenciada pelo sexo da mesma: em
mdia, homens tendem a ser mais alto do que mulheres. Se eu estou coletando dados para
saber se a altura mdia das pessoas que vivem na cidade A maior do que a das pessoas
que vive na cidade B, eu vou ter que levar esse fato em considerao. Se a minha amostra
da cidade A tiver muito mais mulheres proporcionalmente do que a minha amostra da
cidade B, eu vou achar que as pessoas l so mais baixas, o que pode no ser verdade.
Por isso, tenho que usar essa varivel para balancear a amostra.
Uma outra preocupao com essas variveis pode ser vista no seguinte exemplo: quero
saber que tipo de motorista causa mais acidentes em uma estrada. Ento, comeo a coletar
dados sobre vrios motoristas e vejo quais deles sofrem acidentes (ou incidentes) num
perodo de 2 anos. Quando eu comeo a listar as variveis que podem afetar na
caracterstica de acidentes, identifico algumas:
Stress no trabalho;
Se possui filhos ou no;
Estado civil;
Velocidade mdia;
Nmero de multas por excesso de velocidade.
Se nessa listagem esquecer de alguma estratificao importante (como no caso eu
esqueci aqui de perguntar se eles bebem ou no), nunca mais poderei recuperar esses
dados quando a coleta j tiver sido encerrada (e isso vai ser desastroso no meu
entendimento sobre o problema).
146
Formulrios para coleta de dados
147
Esse tipo de folha de verificao utilizado quando queremos saber quais os tipos de
defeitos mais frequentes e nmero de vezes causado por cada motivo, para a construo
posterior de um Grfico de Pareto, por exemplo. Exemplo: tipos de defeitos em uma
pea usinada.
usada para localizar defeitos externos, tais como: mancha, sujeira, riscos, pintas e
outros. Geralmente esse tipo de lista de verificao tem um desenho do item a ser
verificado, na qual so assinalados o local e a forma de ocorrncia dos defeitos. Exemplo:
Bolha estourada na superfcie do vidrado, nas peas de cermica. Esta folha nos mostrar
o local onde mais aparece o tipo da bolha. Folha de verificao para localizao de
defeitos:
Esse tipo de folha de verificao uma importante ferramenta para a anlise do processo,
pois nos conduz para onde e como ocorre o defeito.
Folha de verificao para anlise das causas de defeitos
Este tipo de folha de verificao geralmente utilizado para investigar as causas dos
defeitos, sendo que os dados relativos causa e os dados relativos aos defeitos so
colocada de tal forma que se torna clara a relao entre as causas e efeitos. Posteriormente
os dados so analisados por meio da estratificao de causas. Alguns exemplos de
estratificao so desajuste de mquina, inexperincia do operador, dia da semana,
horrio do dia entre outros.
Construo de uma folha de verificao
Apesar de no existir uma regra para cri-la, j que cada caso merece um estudo diferente,
pode-se elencar as principais etapas para elaborao de uma folha de verificao:
Definir o objetivo da coleta de dados e o tipo da folha de verificao.
Incluir campo para o registro de:
Nomes e cdigos das reas.
Produtos e pessoas responsveis.
Folha autoexplicativa para o preenchimento.
Conscientizao para a coleta.
Executar um pr-teste.
Para todas as etapas, importante atribuir um responsvel e trein-lo.
148
Anlise de Variao
ANLISE DE VARIAO
Agora que j vimos quais so os tipos de variveis, aprofundaremos o estudo sobre a
variao, lembrando que o entendimento da variao um dos pilares do conhecimento
profundo.
149
O que significa entender a variao?
Sempre que monitoramos algum produto ou processo, o fazemos por meio da observao
de um determinado indicador. Esse indicador pode ser o mais variado possvel, por
exemplo, as dimenses de uma pea, o tempo de ciclo de um processo, as notas de nossos
filhos, as vendas de nossa empresa, etc. Todas essas caractersticas, variam. Nunca um
indicador fica mantm o mesmo valor durante vrias medies feitas ao longo de um
perodo extenso de tempo, mesmo quando nada est sendo feito no processo para altera-
lo.
O grande problema que todas as decises tomadas so baseadas no comportamento
desses indicadores de interesse e muitas vezes nos enganamos ao julgarmos a variao
dentro destes. Podemos, por exemplo, nos assustar com uma variao natural no processo
de vendas (quando enfrentamos um ms com menos vendas) e tomar uma srie de aes
desesperadas para vender mais (como por exemplo, dar muitos descontos em uma srie
de produtos).
Entender a variao justamente no se enganar com isso que acontece. saber quando
o nosso processo est variando de maneira natural e quando algo excepcional aconteceu,
em outras palavras, preciso diferenciar causas comuns de variao das causas especiais.
Mas, o que so mesmo essas causas?
150
Causas de variao
Um conceito fundamental para o estudo e melhoria dos processos, de acordo com Walter
Shewhart (1931), o de que a variao em um determinado indicador provocada por
um desses dois tipos de causas:
Causas comuns:
Aquelas causas que so inerentes ao processo todo o tempo, afetam todos
que atuam no processo, e afetam todos os resultados do processo.
Causas especiais:
Aquelas causas que no atuam no processo todo o tempo ou no afetam
todo mundo, mas que surgem devido a circunstncias especiais.
Quando s causas comuns atuam no processo:
O processo dito estar estvel (sob controle estatstico);
A quantidade de variao inerente ao processo pode ser quantificada e o processo
previsvel.
Quando existem causas especiais atuando no processo:
O processo est instvel (fora de controle estatstico).
151
Como analisar a variao?
Voz do Estabilidade
Processo
152
A voz do processo
Tipo de Varivel
Quantitativa Qualitativa
A VOZ DO PROCESSO
Ao analisar a voz do processo, temos algumas abordagens:
Analisar o comportamento dos dados ao longo do tempo, que uma das mais
importantes anlises na melhoria. Quando fazemos isso, por meio de grficos de
tendncia e de controle, podemos avaliar se existem causas especiais ou apenas causas
comuns. Essa anlise tambm nos permite identificar quando cada causa especial
aconteceu, o que extremamente importante para entendermos nosso processo: o que
aconteceu ali para ocorrer aquela causa especial? Como isso se relaciona com nosso
modelo?
Analisar a distribuio estatstica dos dados, por meio de uma anlise esttica (ou
seja, sem incluir a varivel tempo). Podemos fazer isso plotando os dados em um
histograma. Com isso, sabemos vrias caractersticas dos dados, como por exemplo a
sua centralidade, os seus valores mais frequentes e a sua disperso.
Analisar estatsticas descritivas dos dados, como a sua mdia e o seu desvio padro.
Essa estratgia de anlise vlida, embora muitas informaes importantes so
perdidas quando observamos apenas as estatsticas descritivas. Iremos conversar mais
sobre isso durante os prximos slides.
Em geral, em um projeto de melhoria trabalhamos essas 3 abordagens de maneira
conjugada, o que nos d uma gama grande de informaes sobre os processos. Nos
prximos slides, abordaremos cada uma das ferramentas descritas no slide acima,
oferecendo exemplos e comentrios sobre a sua utilizao. Tambm discutiremos alguns
exemplos e ensinaremos a usar essas ferramentas com a ajuda do software Minitab.
153
O Grfico de Tendncia
GRFICO DE TENDNCIA
154
O grfico de tendncia
O grfico de tendncia a mais simples ferramenta para anlise de variao. Ele consiste
em traar no eixo Y o indicador de interesse e no eixo X, a linha do tempo. Com ele
podemos:
Identificar causas especiais;
Identificar tendncias;
Analisar o comportamento natural do processo;
Inferir sobre a estabilidade da medida;
O grfico de tendncia tambm pode ser feito para diferentes estratificaes dentro de um
conjunto de dados.
155
O grfico de tendncia
156
Exemplo
Ms Gasto Ms Gasto
jan/2001 97 jan/2002 96
fev/2001 104 fev/2002 100
mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
set/2001 94 set/2002 98
out/2001 96 out/2002 96
nov/2001 98 nov/2002 95
dez/2001 99 dez/2002 105
157
Regras para se identificar causas especiais
3 regras so em geral usadas para identificar causas especiais por meio do grfico de
tendncia:
Ter um ponto muito afastado dos demais: essa regra vem da ideia de normalidade
(explicada brevemente na introduo histrica). Um processo cujos dados podem ser
aproximados por uma distribuio normal, tem seus pontos variando ao redor de uma
mdia: alguns vo ser maiores que a mdia, outros sero menores. Agora, a
probabilidade de um destes pontos estar muito afastado da mdia e ainda assim
pertencer mesma distribuio, muito baixa. Para se ter ideia, em uma distribuio
normal, a chance de um ponto estar mais afastado do que 3 desvios padro da mdia,
menor que 0,3%. Portanto, definimos um ponto muito afastado como sendo uma
causa especial.
Ter uma sequncia de oito ou mais pontos abaixo ou acima da mdia: dados que
esto enquadrados em uma distribuio normal possuem uma simetria ao redor da
mdia. Em outras palavras, a quantidade de pontos acima da mdia ou abaixo dela sos
iguais. Isso implica em dizer que a probabilidade de se escolher um ponto acima da
mdia de 50%. Quando eu escolho duas observaes, a probabilidade de ambas
estarem abaixo da mdia menor de 50% (no caso, ). como jogar uma moeda...
A probabilidade de se obter cara com um lanamento de 50%. Duas caras em
dois lanamentos, de 25%, agora, 8 caras em 8 lanamentos tem uma
probabilidade de menos de 0,3%. Quando uma sequncia deste tipo acontece em
nossos grficos de tendncia, podemos intuir que esses dados no fazem parte do
comportamento normal do nosso processo.
Ter uma sequncia de 6 ou mais pontos crescente ou decrescente: da mesma
maneira que a simetria implica na regra anterior, ela implica na probabilidade de
termos sequencias crescentes/decrescentes. Quando 6 pontos esto subindo ou
descendo, temos uma causa especial.
158
Grficos de tendncia e controle
Os grficos de controle, que sero vistos mais adiante, nada mais so do que grficos de
tendncia nos quais inclumos linhas que nos ajudam a identificar as causas faladas
anteriormente. Essas linhas so:
A linha central, representando a mdia dos dados;
Uma linha superior (limite superior de controle), indicando a mdia + 3 desvios padro;
Uma linha inferior (limite inferior de controle), indicando a mdia 3 desvios padro.
As regras de identificao de causas especiais para grficos de controle so as mesmas
dos grficos de tendncia.
159
Exerccio 1
A diretora de recursos humanos estava examinando suas despesas com treinamento dos
ltimos dois anos. Baseada nos ltimos 12 meses, ela havia colocado no oramento um
custo mdio de $ 98.000 por ms; mas as despesas do ltimo ms foram de $ 105.000.
Ela queria saber o que havia de diferente com o ltimo ms e pediu sua equipe para
descobrir o que aconteceu, para que pudessem evitar o problema no futuro
Os dados do ltimo ms so o resultado de causas comuns ou especiais? Por que?
A diretora de recursos humanos tomou a providncia adequada?
O que ela deveria esperar que fossem seus custos mensais de treinamento?
160
Exerccio 2
161
Exerccio 3
Um fornecedor de bens de consumo acompanha os pedidos que chegam via EDI. Ele quer
usar esses dados para ajudar a planejar o oramento para o novo ano. Se o processo for
estvel, os gerentes podero estimar em mdia quantos pedidos sero recebidos a cada
dia. Mas primeiro eles precisam saber se h quaisquer indicaes de causas especiais no
processo.
Os dados indicam a presena de causa especial ou a variao toda ela resultado de
causas comuns? Por que?
Qual o nmero mdio de pedidos que deveriam esperar por dia?
Qual o nmero mximo de pedidos que deveriam esperar receber por dia?
162
Exerccio 4
Uma fbrica que produz cartes de plstico (cartes de crdito, cartes de identificao
de seguro mdico, etiquetas de embalagem etc.) usa gua de um rio prximo para
refrigerar o equipamento usado no processo de aquecimento. Eles podem reciclar a gua
e devolv-la ao rio, contanto que esta no contenha mais de 50 mg de impurezas. Um
tcnico monitora o volume de impurezas em uma amostra que tirada todos os dias.
Os dados indicam a presena de uma causa especial ou a variao , toda ela, resultado
de causas comuns?
Se h uma causa especial, qual amostra assinala isso primeiro?
163
Exerccio 5
164
Grficos de Frequncia
Entendendo as distribuies
GRFICO DE FREQUNCIA
Nos prximos slides iremos falar sobre os grficos de frequncia.
165
Os grficos de frequncia
Grficos de tendncia
(da porcentagem)
Grfico de Pareto
166
Grficos de Frequncia
167
O Dot Plot
Ms Gasto Ms Gasto
Representa graficamente jan/2001
fev/2001
97
104
jan/2002
fev/2002
96
100
a distribuio dos dados mar/2001 99 mar/2002 99
abr/2001 94 abr/2002 96
mai/2001 100 mai/2002 103
jun/2001 99 jun/2002 97
Caractersticas a serem jul/2001 96 jul/2002 96
ago/2001 96 ago/2002 91
observadas: set/2001 94 set/2002 98
Simetria out/2001
nov/2001
96
98
out/2002
nov/2002
96
95
Pontos extremos dez/2001 99 dez/2002 105
Centro
Quantidade de variao
Mnimo
Mximo
DOT PLOT
O Dot plot o grfico de frequncia mais simples que existe. Ele plota os valores
numricos que uma determinada mtrica pode ter no eixo-x (de maneira ordenada) e
coloca um ponto para cada observao naquele valor contida nos dados. Ele um grfico
bastante parecido com o histograma, porm cada ponto do dot plot uma observao real
do conjunto de dados.
Com ele podemos ver claramente vrias caractersticas da distribuio de dados (listadas
no slide acima). Nas prximas aulas, iremos ensinar como fazer esse grfico no Minitab.
168
O histograma
HISTOGRAMA
O histograma bastante parecido com o dot plot, no sentido que exibe a maneira como
os dados esto distribudos referentes aos valores que eles podem assumir. Em outras
palavras, ele plota a frequncia de ocorrncia dos dados contra os seus valores. A
diferena do histograma que ele divide a faixa de variao dos dados em intervalos e
conta a frequncia de ocorrncia dos dados em cada faixa.
169
O dot plot e o histograma
O Dot Plot
mais adequado quanto a quantidade de dados pequena
Preserva os valores individuais
mais adequado para comparar distribuies de frequncia
estratificado por uma ou mais variveis classificatrias
O histograma
mais adequado quando a quantidade de dados grande
No preserva os valores individuais
Como o histograma e o dot plot so alternativas, preciso saber quando usar um e quando
usar outro. Nos vdeos das aulas, explicamos melhor como se elaborar histogramas e dot
plots usando o Minitab.
170
Medidas de localizao e variao
Entendendo o bsico
171
Medidas de Localizao
172
Medidas de Localizao
n
Mdia
x x ... xn x i
x 1 2 i 1
n n
173
Medidas de Localizao
Mediana
174
A mdia e a mediana
175
Medidas de Variao
Qual o melhor
processo? 1 ou 2?
Desvio Padro
A variao, como vimos, est inerente em todos os processos e assim como fizemos com
a definio da mdia e mediana, temos que ter uma estatstica para medi-la e caracteriz-
la.
Observem os processos desenhados no slide acima (processo 1 contra processo 2). Ambos
apresentam uma mdia e mediana (j que ambas so simtricas) idnticas, porm, elas
so diferentes. Se eu tivesse que escolher um deles para classificar como o melhor, qual
seria? Obviamente o processo com menor variao, ou seja, o processo 2! Faramos essa
escolha pois um processo com menos variao mais confivel e previsvel.
Temos duas medidas que em geral nos do ideia sobre a variao inerente em um conjunto
de dados:
A amplitude (que o valor mximo menos o valor mnimo)
O desvio padro, que uma medida que leva em conta o afastamento de cada um dos
pontos em relao mdia (no vamos entrar em detalhes aqui de como o desvio
padro calculado, pois este no o foco do curso).
O desvio padro uma medio muito mais robusta e confivel para estimar a variao
de um conjunto de dados.
176
Anlises
Quando queremos analisar um conjunto de dados, temos que fazer uma anlise completa,
usando vrias tcnicas complementares. No slide acima apresentamos algumas:
Foi calculada a mdia e o desvio padro, bem como outras medidas de variao e
localizao;
Foi calculado o histograma dos dados, para mostrar a distribuio;
Foi traado um grfico de tendncia para mostrar como os dados se comportam no
tempo.
muito importante no se limitar apenas anlise das medidas de localizao e variao.
A razo veremos nos prximos slides...
177
O que a mdia e o desvio padro no mostram
No slide podemos ver 4 conjuntos de dados. Todos eles possuem a mesma mdia e o
mesmo desvio padro, conforme mostrado nas ltimas linhas da tabela. Ser que esses
conjuntos so equivalentes?
Muita gente poderia dizer que so, uma vez que se utiliza a mdia e o desvio padro para
se aproximar distribuies. Porm, tal comportamento pode levar erros graves de
entendimento e tomada de deciso.
178
O que a mdia e o desvio padro no mostram
Basta olhar os grficos de tendncia de cada um deles. Podemos agora ver que eles
so completamente diferentes, mesmo com a mesma mdia e o mesmo desvio padro!
Se estes fossem um indicador de um processo (o tempo de ciclo, por exemplo), teramos
4 processos se comportando de maneira completamente diferente. Aproximando pela
mdia, iramos perder essas sutilezas.
Por isso esperamos que vocs, como agentes de seis sigma, vo muito alm da mdia e
do desvio padro!
179
Grficos de Frequncia
Box Plot
BOX PLOT
Agora que j vimos o que so os quartis e a mediana, podemos falar do Box plot.
180
Box Plot
Mximo e mnimo;
2,5
2,0 Mediana;
1,5
C1
Q1 e Q3;
1,0
Outliers
0,5
0,0
181
Box Plot
30
20
Data
10
Box plots so extremamente teis para se mostrar como uma distribuio de dados se
comporta ao longo do tempo. O grfico acima mostra esse tipo de cenrio.
Vemos que, conforme o tempo passa, a distribuio tende a subir o seu ponto central e
aumentar a sua disperso. Com isso podemos claramente mostrar como a forma de uma
distribuio se altera. como se fizssemos vrios histogramas ao longo do tempo, porm
com o Box plot, essa anlise fica mais intuitiva e limpa para ser exibida.
Nas aulas, mostraremos como se fazer um Box plot usando o Minitab.
182
Frequncia de dados classificatrios
183
Dados classificatrios
Grficos de Pareto;
Tabelas
184
Barras e Setores
185
Tabelas
186
Grficos de tendncia
Grficos de barras, setores e tabelas, infelizmente, s nos do uma viso esttica sobre
nosso processo. como se tirssemos uma fotografia do estado atual do processo, o que
bom, mas muitas vezes no suficiente.
Para se ter uma viso dinmica sobre dados classificatrios (e entender como eles variam
ao longo do tempo), podemos plotar um grfico de tendncia para o indicador de
porcentagem. No exemplo acima, a porcentagem analisada a de entregas fora do prazo.
Com esse grfico, temos uma ideia inicial sobre a variao ao longo do tempo para
variveis classificatrias.
Esses grficos de tendncia de porcentagem tm um anlogo entre os grficos de controle:
os grficos-p. Estes grficos plotam tambm a porcentagem mdia no perodo analisado
e os limites de controle (que so calculados de maneira diferente dos limites de controle
para o caso de variveis contnuas). A partir destes limites de controle, podemos analisar
onde esto as causas especiais em indicadores de dados classificatrios ao longo do
tempo. uma anlise bem interessante!
Nas prximas vdeo aulas, iremos ver como se traar estes grficos todos no Minitab e,
ento, comear a falar sobre o grfico de Pareto.
187
Grficos de Pareto
GRFICO DE PARETO
188
Grficos de Pareto
189
Grficos de Pareto
190
Trs alternativas importantes so:
Valor monetrio;
Tempo;
Contribuio percentual de cada classificao para o total (tempo, ocorrncias,
dinheiro etc.).
Ao se decidir sobre onde focalizar os esforos de melhoria usando anlise de Pareto deve-
se considerar cuidadosamente uma escala apropriada.
191
O Princpio de Pareto
Se aplica
No se aplica
O Princpio de Pareto (que diz que existem poucas causas vitais e muitas triviais no a
do 80-20), apesar de bastante interessante, nem sempre se aplica. No slide, mostramos
duas situaes. Em uma ele se aplica e na outra no (todas as causas parecem importar de
maneira igual). Devemos sempre fazer essa anlise antes de usar a ferramenta e no j
tomarmos aes para atacar as causas que aparecem mais direita. Caso o princpio de
Pareto no se aplique, temos que atacar todas as causas por igual, ou ento ataca-las por
meio de outro critrio, como o impacto financeiro.
192
Estratificao
Assim como nos outros grficos e tabelas, podemos estratificar o nosso grfico de Pareto,
obtendo vises diferentes para cada uma das perspectivas usadas. Isso ajuda muito em
projetos de melhoria quando temos diferentes variveis interferindo em nosso processo.
A tabela do slide mostra a distribuio de erros em relatrios de despesas. Segundo ela,
podemos ver que o perfil dos erros nos departamentos de vendas e manufatura diferente
do apresentado nos demais departamentos. Com um grfico de Pareto (apresentado no
prximo slide), podemos perceber o comportamento claramente.
193
Estratificao
A estratificao nos grficos de Pareto pode ser feita em etapas. Podemos primeiramente
usar uma abordagem para analisar um problema (como por exemplo saber onde ocorrem
os erros) e em seguida usar uma abordagem complementar (como pegar o local onde
acontecem mais erros e analisar as causas dos erros naquele local).
Essa abordagem bastante comum em projetos de melhoria e nos fornece um excelente
entendimento sobre o problema abordado.
194
Estabilidade e Instabilidade
Para finalizarmos a discusso sobre os grficos de Pareto, vale a pena dizer que o
comportamento de variveis classificatrias pode variar conforme a estabilidade de nosso
processo. A figura no slide ilustra essa realidade. Na primeira etapa, com o processo sob
controle estatstico, as classificaes de defeitos tm uma distribuio. Quando causas
especiais esto em ao, a distribuio muda.
Esse tipo de anlise nos ajuda muito a entender melhor causas especiais quando elas
acontecem. Nas prximas vdeo aulas, abordaremos como se fazer grficos de Pareto no
Minitab com diferentes formas de entrada de dados. Em seguida, vamos introduzir
algumas discusses estatsticas fundamentais sobre a distribuio normal, conhecimento
necessrio para ensinarmos a usar os grficos de controle.
195
A distribuio normal e a avaliaao da normalidade
DISTRIBUIO NORMAL
196
Distribuio de variveis contnuas
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
N 200
30
20
15
10
Histogram of Tiempo
Lognormal
5 40 Loc 2.269
Scale 0.6845
N 100
0
5 10 15 20 25 30 35 40 30
tiempo
Percent
20
10
0
0 10 20 30 40 50
Tiempo
197
A Distribuio Normal
Utilizamos a notao
A distribuio normal extremamente til pois pode ser representada por duas mtricas
bastante fceis de se calcular:
Um valor mdio (mdia) e;
Um desvio padro (disperso).
A curva normal apresenta um formato de sino ao redor da mdia. Ela simtrica e
representada por uma funo matemtica calculada a partir da mdia e do desvio padro.
Isso a torna extremamente fcil de ser aproximada a partir de um conjunto de dados (basta
calcular a mdia e o desvio padro que possamos plotar uma distribuio normal), da a
sua importncia para a estatstica. Alm disso, a maioria dos fenmenos na natureza
varia em torno de um valor central, de forma que a curva normal uma excelente
maneira para representa-los.
198
Propriedades da distribuio Normal
Quando , chamamos
distribuio normal padro e as
probabilidades encontram-se
tabeladas
Como falado na introduo histrica ao Seis Sigma, a curva normal descreve uma
probabilidade especfica de frequncia de dados rem relao mdia e ao desvio
padro.
Em outras palavras, a probabilidade de uma observao dos meus dados de estar
exatamente na mdia tem um determinado valor (que na verdade 0). A medida que nos
afastamos de um valor z da mdia (conforme mostrado na figura acima), vamos
aumentando a probabilidade de nossos dados estarem entre os valores da mdia e de z (a
probabilidade proporcional rea rasuradas indicada na figura). Vrias tabelas indicam
qual a probabilidade dos dados estarem entre a mdia e valores arbitrrios de z.
Alguns dos mais clssicos valores para z so os mostrados no grfico colorido do slide.
68,3% devem ficar na rea delimitada pela mdia menos 1 desvio padro e a mdia mais
1 desvio padro. 99,7% dos dados ficam entre a mdia menos 3 desvios padro e a mdia
mais 3 desvios padro. Iremos usar essas propriedades incansavelmente nas anlises de
capabilidade e na utilizao de grficos de controle.
199
Normalidade necessria para
a utilizao de certas
ferramentas
Dentre elas os grficos de controle para
variveis contnuas e anlises de
capabilidade (Cp, Cpk, etc.)
Vale a pena sempre dizer: certifique-se que a sua distribuio de dados de variveis
contnuas uma normal antes de usar um grfico de controle!
Caso os dados a serem analisados no forem normais, ao usarmos grficos de controle,
podemos tirar uma srie de concluses erradas como. Por exemplo, achar que causas
comuns so causas especiais.
200
Como saber se a distribuio Normal?
Sim No
Uma das maneiras de se avaliar se uma distribuio de dados (por exemplo uma
amostra) normal, olhar seu histograma. Se os dados forem simtricos e semelhantes
distribuio Gaussiana (em forma de sino), nossos dados podem ser aproximados por
uma normal. Entretanto, se a distribuio apresentar assimetrias (como o caso da
distribuio da esquerda, no slide), no podemos dizer que nossos dados so normais.
Caso os dados no sejam normais, podemos transform-los em uma distribuio normal,
por meio do Box-Cox, que ser comentado em breve.
Embora o histograma seja uma das maneiras de se observar se uma distribuio ou no
normal, ele no a melhor opo. Vamos em seguida ver alguns histogramas de
distribuies normais e no-normais. Posteriormente, analisaremos seus histogramas para
inferir sobre sua forma.
201
Exerccio!
7 6
5
6
5
4
Frequency
Frequency
Frequency
5
4
3 4
3
3
2
2
2
1 1
1
0 0 0
35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65 35 40 45 50 55 60 65
C1 C2 C3
6 9 7
8 6
5
7
5
4 6
Frequency
Frequency
Frequency
5 4
3
4 3
2 3
2
2
1 1
1
0 0 0
25 30 35 40 45 50 55 60 65 70 35 40 45 50 55 60 65 70 75 30 35 40 45 50 55 60 65
C4 C5 C6
7 6 6
6 5 5
5
4 4
Frequency
Frequency
Frequency
4
3 3
3
2 2
2
1 1 1
0 0 0
35 40 45 50 55 60 65 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70
C7 C8 C9
Qual delas podemos dizer que so normais? Note que o tamanho da amostra de 25.
A resposta : todas! Como a quantidade de dados pequena, difcil termos certeza
apenas por olhar o histograma.
202
Exerccio!
Nove Histogramas de Amostras de tamanho 100: Qual delas pode
ser aproximada por uma distribuio Normal?
20 20 20
Frequency
Frequency
Frequency
10 10 10
0 0 0
20 30 40 50 60 70 80 20 30 40 50 60 70 80 25 30 35 40 45 50 55 60 65 70
30
20
20
20
Frequency
Frequency
Frequency
10
10
10
0 0 0
30 35 40 45 50 55 60 65 70 75 80 30 40 50 60 70 80 90 20 30 40 50 60 70 80
25
20
20
20
Frequency
Frequency
Frequency
15
10
10 10
0 0 0
25 30 35 40 45 50 55 60 65 70 75 25 30 35 40 45 50 55 60 65 70 75 20 30 40 50 60 70 80
Qual delas podemos dizer que so normais? Agora aumentamos o tamanho da amostra
para 100.
Fica mais fcil, no mesmo? Nesse caso possvel dizer com segurana que todas elas
so normais (embora algumas at possam, ainda, nos confundir). Mas ser que assim
tambm para outras distribuies?
203
Exerccio!
9 8 4
8 7
7
6 3
6
Frequency
Frequency
Frequency
5
25 5
4
4 2
Tamanho da amostra
3
3
2 1
2
1 1
0 0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
C31 C32 C33
15
7
10 6
5
10
Frequency
Frequency
Frequency
4
50 5 3
5
2
0 0 0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
30
15
15
20
10
Frequency
Frequency
Frequency
10
100
10 5
5
0 0 0
0 1 2 3 4 0 1 2 3 4 5 6 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Esse exemplo nos mostra claramente como o histograma pode nos enganar!
Nenhuma das distribuies aqui uma normal, mas mesmo assim, mesmo com amostras
de tamanho grande, podemos nos enganar.
Ser que existe uma forma melhor para se fazer essa anlise?
204
Uma forma melhor de saber!
Como saber se a
Curva Normal uma
boa aproximao?
Use o Grfico
Probabilstico
Normal.
PROBABILITY PLOT
O Grfico probabilstico normal nos ajuda a saber de maneira mais confivel se
nossos dados so aproximveis por uma normal ou no.
205
Grfico Probabilstico Normal
Probability Plot of X
Normal - 95% CI
99
95
90
80
70
Percent
60
50
40
30
20 Pontos alinhados com a
10 reta central indicam
5 distribuio normal
1
-4 -3 -2 -1 0 1 2 3
X
O grfico probabilstico normal gerado a partir de nossa amostra de dados. Temos que
calcular a mdia e o desvio padro deles para, em seguida, desenhar uma reta central que
representa a probabilidade acumulada de uma normal gerada a partir destes parmetros.
No eixo X, temos os valores de maneira anloga a um histograma (a mdia fica no ponto
central deles e no exemplo essa mdia 0). No eixo Y, est indicada a probabilidade
acumulada dos dados para cada valor de X.
No exemplo, podemos notar que para uma normal com a mdia e o desvio padro
iguais nossa distribuio de dados, 50% dos valores estariam abaixo da mdia e 50%
dos valores acima dela. Tambm vemos que cerca de 85% dos dados devem apresentar
valores menores do que 1. assim que lemos um grfico de probabilidade.
O Grfico probabilstico normal tambm coloca duas linhas auxiliares, que do uma certa
margem de erro para a nossa aproximao. No entraremos em detalhes no curso de
Green Belt sobre como essas linhas so calculadas, mas explicaremos os princpios delas
no curso de Black Belt.
Por fim, so plotados os pontos reais do nosso conjunto de dados, ou seja, aqueles que
realmente medimos (eles esto indicados em vermelho). Se eles estiverem alinhados com
a linha central, dentro das linhas intermedirias, significa que nossos dados podem ser
aproximados por uma distribuio normal. Se apenas um ou outo ponto estiver fora das
linhas, significa que eles so causas especiais. Se a maioria dos pontos estiver fora, no
podemos aproximar nossa distribuio por uma normal.
206
Grfico Probabilstico Normal
X Y
-1.6245 0.1970
0.4001 1.4920
-1.6631 0.1895
-0.0024 0.9976
-1.9902 0.1367
0.4476 1.5646
-1.0564 0.3477
1.6507 5.2104
-0.6148 0.5408
-0.3855 0.6801
0.6744 1.9629
-0.6713 0.5110
1.2229 3.3969
-0.4550 0.6344
-0.4050
-1.0347
0.6670
0.3553
Qual Pode Ser Aproximada pela
0.0776
-0.1372
1.0806
0.8718
Distribuio Normal?
-1.6101 0.1999
-0.1330 0.8754
0.0685 1.0709
-1.0885 0.3367
0.5012 1.6507
0.2120 1.2362
2.3542 10.5300
0.9572 2.6044
-0.4615 0.6303
1.8076 6.0957
0.7742 2.1689
-0.6469 0.5237
No slide temos dois exemplos claros de distribuies que podem e no podem ser
aproximadas por uma normal. Elas so avaliadas tanto pelo grfico probabilstico quanto
pelo histograma.
207
Grfico Probabilstico Normal
Normal Probability Plot for C1 Normal Probability Plot for C2 Normal Probability Plot for C3
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5 5
1 1 1
24 34 44 54 64 74 84 25 35 45 55 65 75 25 35 45 55 65 75
Normal Probability Plot for C4 Normal Probability Plot for C5 Normal Probability Plot for C6
99 ML Estimates
99 ML Estimates 99 ML Estimates
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5
5
1 1
1
25 35 45 55 65 75 85 25 35 45 55 65 75
20 30 40 50 60 70 80
Normal Probability Plot for C7 Normal Probability Plot for C8 Normal Probability Plot for C9
80 80 80
70 70 70
Percent
Percent
Percent
60 60 60
50 50 50
40 40 40
30 30 30
20 20 20
10 10 10
5 5 5
1 1 1
25 35 45 55 65 75 20 30 40 50 60 70 80 20 30 40 50 60 70 80
Data Data Data
208
Normalidade e mdias
Um ponto que merece destaque a normalidade para quando trabalhamos com mdias
de medidas. Sempre que estivermos calculando a mdia de amostras, essa distribuio
ir ser uma normal caso a amostragem seja suficientemente grande. Esse fato provado
pelo Teorema Central do Limite.
O exemplo do slide mostra bem esse fato. Temos descrito l, a probabilidade da mdia
do valor para o lanamento de n dados. Quando lanamos s um dado, a mdia o valor
que saiu. Como cada lado tem a mesma probabilidade de cair virado para cima, a mdia
para o primeiro caso uniforme. Conforme aumentamos o nmero de dados, temos mais
possibilidades para que a mdia seja valores intermedirios (para que a mdia seja 1,
ambos os dados devem cair no 1; para que a mdia seja 3, podemos ter combinaes como
3 e 3, 2 e 4, 4 e 2, 5 e 1, 1 e 5).
Isso, na prtica, quer dizer que quando queremos avaliar a mdia de uma caracterstica
em uma amostra suficientemente grande, podemos assumir sua distribuio como sendo
uma normal.
209
Transformao de variveis
TRANSFORMAO DE VARIVEIS
210
Transformao de variveis
Exemplo simples:
Transformar Dlares em Reais:
$1 = R$3.03
Transformar minutos em segundos:
1 min = 60 segs
Transformar Graus Centgrados em Graus Fahrenheit:
C+32 = F
Em nosso dia a dia, realizamos uma srie de transformaes de variveis, at nas mais
corriqueiras atividades (como transformar minutos em segundos). Nos prximos slides,
mostraremos como transformar dados no normais em normais, permitindo assim a
aplicao de diversas ferramentas de anlise.
211
Transformao de variveis
YT denota a
YT Y varivel
transformada
Histograma of Y
Histograma de SQRT(Y)
20
15
Frequency
Frequency
10
10
0 0
2 4 6 8 10 12 14 16 18 20 22 1 2 3 4 5
Y SQRT(Y)
Para se transformar uma varivel em outra, temos que multiplicar cada um dos valores
por uma funo. Existem vrios tipos de funo que podem transformar dados no
normais em dados normais. No exemplo, mostramos que extrair a raiz quadrada de um
valor pode ser suficiente para tornar uma distribuio no normal, normal.
Entretanto, essa funo nem sempre serve. s vezes, precisamos de outras funes.
Iremos explorar isso nos prximos slides.
212
Transformao de variveis
Da mesma maneira que a funo raiz quadrada serviu, as vezes a funo logartmica
capaz de transformar a distribuio dos dados em uma normal.
213
Como escolher a funo certa?
Tentar uma
transformao
dentre um conjunto
de possibilidades
Usar a tcnica de
transformao
Box-Cox
214
Box-Cox
Y Nome
-2 1 Inversa ao
Y2 quadrado
-1 1 Inversa
Y
-0.5 1 Inversa raiz
Quadrada
YT = Y
Y
0 Log(Y) Logartmica
1 Sem
Transformao
2 Y2 Quadrado
Mtodo de Box-Cox:
Uma transformao potncia eleva os valores de Y a uma potncia lambda ():
YT = Y
tipicamente um valor entre 2 e 2;
O Mtodo de Box-Cox sugere um valor de que melhor aproxima os dados
transformados de uma distribuio Normal.
Como escolher o ? Usando o Minitab!
215
Box-Cox
-5 -4 -3 -2 -1 0 1 2 3 4 5
Lambda
216
Grficos de Controle
GRFICOS DE CONTROLE
217
Grficos de Controle
218
Subgrupo:
o Amostra do processo utilizada para gerar um ponto no grfico.
Ex: 5 peas retiradas do processo num determinado tempo, 50
propostas de venda.
Oportunidade:
o Perodo de tempo, rea, volume, etc. utilizado para realizar uma medio.
Ex: 100 ml retirados do processo num determinado tempo; um
ms, uma distncia de 5 Km em uma rodovia em um determinado
local etc.
219
Grficos de Controle
Uma informao importante que diferentes tipos de grficos de controle so usados para
diferentes tipos de dados. Todos eles distinguem a variao de causa especial da variao
de causa comum.
Todos eles usam limites de controle para indicar se um determinado valor de dado deve
ser tratado como uma causa especial.
Dados de classificao: (Defeituoso)
Grfico p.
Dados de contagem: (Defeitos)
Grfico u.
Dados contnuos:
Grfico de individuais;
Grfico X-barra/R ou X-barra/S.
220
Entendendo os tipos de dados
221
O grfico p (classificao)
(n) (p)
Unidades N de Unidades Proporo de
Amostra Amostradas/Amostra Defeituosas Unidades Defeituosas
1 200 20 0.10
2 100 30 0.30
3 300 10 0.03
24 150 20 0.13
222
O grfico p (classificao)
223
O grfico U (contagem)
1 104 15 .14
2 21 4 .19
3 18 3 .17
24 25 5 .20
(a) = rea de
O grfico-u
oportunidade:
se faz com
Nmero de unidades (C) N de erros
esta coluna;
processadas por encontrados nas
U = (c/a).
semana. unidades
processadas.
224
O grfico U (contagem)
225
O grfico de individuais
Inventrio em processo
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1990 19 27 20 16 18 25 22 24 17 25 15 17
1991 20 22 19 16 22 19 25 22 18 20 16 17
1993 20 15 27 25 17 19 28
O grfico de controle para dados individuais utilizado quando cada valor medido
(contnuo) plotado no grfico, na sequncia em que obtido.
Para o clculo dos limites ele utiliza a estimativa da variao do processo dada por dados
consecutivos (amplitude mvel). O Grfico de Controle de Individuais o mais verstil
e mais utilizado.
o mais comum para dados de rea transacionais, usado em anlises de:
Dados financeiros;
Tempo para executar uma atividade;
Dados de Faturamento;
Dados de Vendas.
226
O grfico de individuais
Histogram of tiempo
Normal
35 Mean 20.94
StDev 6.389
30
Suposio de normalidade
N 200
20
15
10
0
5 10 15 20 25 30 35 40
tiempo
227
O grfico de individuais
Neste exemplo, podemos ver exatamente o erro que est sendo causado por analisar uma
distribuio no normal com uma ferramenta que est dentro da normalidade. Vemos
aqui, vrios pontos fora do limite superior de controle, o que indicaria causas especiais.
Entretanto, esses pontos no so causas especiais.
A definio de causa especial diz que so pontos fora do que natural ao processo, ou
seja, que fogem da distribuio padro dos dados. Nesse caso, os pontos no esto fora
do comportamento natural. de se esperar, para essa distribuio, a existncia de alguns
pontos com valores mais elevados.
228
O grfico X-barra/R
229
Estude cuidadosamente antes de formar subgrupos de:
Valores de diferentes operadores, mquinas, turnos, posies, etc.
Dados determinados por calendrio de semanas, meses ou trimestres.
230
O grfico X-barra/R
Semana Amostra
1 45 48 48
2 46 46 44
Cada ponto neste 3 41 47 47
4 41 44 45
grfico a mdia de 5 43 50 41
um subgrupo. 6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
13 54 56 49
Cada ponto neste 14 43 44 45
grfico a amplitude 15 42 45 59
dentro do mesmo 16 44 47 44
17 46 51 45
subgrupo. 18 44 42 40
19 45 45 46
20 42 47 43
231
O grfico X-barra/S
232
O grfico X-barra/R
Semana Amostra
1 45 48 48 Cada ponto
2 46 46 44 neste grfico
3 41 47 47
4 41 44 45 a mdia de um
5 43 50 41 subgrupo.
6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48 Cada ponto
12 42 49 47
13 54 56 49 neste grfico
14 43 44 45 o desvio
15 42 45 59
16 44 47 44
padro dentro
17 46 51 45 do mesmo
18 44 42 40
19 45 45 46
subgrupo.
20 42 47 43
233
Regras para identificao de causas especiais
H inmeras regras para apontar possveis causas especiais. O princpio bsico por trs
de todas elas apontar padres com baixa probabilidade de ocorrer se somente causas
comuns estiverem atuando (processo estvel). Os mais utilizados so:
Um ou mais pontos prximos ou fora dos limites de controle;
Dois pontos em trs consecutivos plotados fora do limite de dois-sigma;
Quatro pontos em cinco consecutivos plotados fora do limite de um-sigma ou
acima/abaixo da linha mdia;
Oito ou nove pontos acima ou abaixo da mdia;
Seis ou sete pontos em sequncia crescente ou decrescente;
Quinze pontos em sequncia acima ou abaixo da linha mdia;
Um padro no usual ou no aleatrio nos dados;
Os softwares de anlise de dados tm, em geral, essas regras j automatizadas, poupando-
o de carrega-las em sua memria. Nenhuma das regras deve ser usada sozinha para a
tomada de deciso. preciso analisar o contexto para decidir se uma determinada situao
ser tratada como especial.
234
Alterao dos limites
235
Vamos resolver alguns
exrcicios?
Nas prximas aulas, tente resolver no
Minitab a lista proposta e assista s
resolues e discusses nos vdeos.
236
Usando os Grficos de Controle
237
Erros clssicos
238
Grfico de controle e o cliente
45 Especif. Superior
do Cliente = 40
40
35 X = 35.1
30
Especif. Inferior
25 do Cliente = 30
20
LIC = 20.2
15
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
J falamos bastante sobre isso, mas sempre importante reforar: limites de controle so
diferentes de limites de especificao.
Limites de Especificao:
239
Grfico de controle e o cliente
LSE
LSC LSC
Estvel LSE
(controlada) LIE
LIC LIC
Qual LIE
situao
adequada? LSE
LSC LSC
Instvel LSE
(sem controle)
LIE
LIC
LIC
LIE
240
Anlises de Capabilidade
ANLISE DE CAPABILIDADE
241
Anlise de Capabilidade
Entender o passado;
242
Capabilidade para Atributos
# de palavras 30 28 32 31 25 29
Vamos comear falando sobre os indicadores de capabilidade para atributos (ou seja, para
variveis de classificaes e contagem). Normalmente, para estes casos, queremos
comparar taxas de defeito ou ento porcentagem de defeituosos. Vrios clientes podem
nos dar especificaes como:
Meu produto no pode ter mais de 3 defeitos por unidade (DPU);
Seu processo no pode me entregar mais do que 0,5% de defeituosos (Pd);
Vocs no podem me fornecer mais do que 1 ppm de defeituosos;
Para continuarmos com essa discusso, precisamos introduzir algumas definies
importantes:
Unidade do Produto:
Um item que est sendo processado ou um bem ou servio (produto) final entregue
ao consumidor.
Defeito:
Um defeito definido como qualquer parte de um produto ou servio que:
No atende uma especificao ou requerimento;
Causa insatisfao ao cliente;
No atende requisitos funcionais.
Oportunidade para Defeitos:
Cada especificao necessria satisfao do consumidor de um produto ou
servio representa uma oportunidade para ocorrncia de um defeito ou, dito de
forma resumida, representa uma oportunidade para defeito.
Defeituoso:
Uma unidade do produto que apresenta um ou mais defeitos.
243
Capabilidade para Atributos
rea: Unidade:
Call Center. Uma chamada.
Especificao:
Menos que 60 segundos desde a
conexo completada at ser atendido.
Defeito:
Chamadas cujo tempo de espera maior
ou igual a 60 segundos
.
244
Capabilidade para Atributos
Mtricas Frmulas
Percentual de
defeituosos Nmero de defeituosos
PD = x 100
Nmero de unidades avaliadas
245
Exerccio!
246
Capabilidade para Atributos
= DPO
247
Exerccio!
248
Capabilidade para Variveis Contnuas
Especificao do
cliente
Processo
Processo entregando
fora de especificao
249
Tipos de Limites de Especificao
LIE LSE
NM
LIE
250
Desempenho
LIE LSE
Porc. de defeituosos
Porc. de defeituosos
Acima
Abaixo
Tempo de Entrega
251
Cp Nominal Melhor
LIE LSE
Tolerncia
Variao Natural
252
Exerccio!
Peso declarado
Distribuio Normal X
Mdia = 200
Desvio Padro = 1
LIE LSE
Cp = PPM =
253
Exerccio!
Peso declarado
Distribuio Normal X
Mdia = 197
Desvio Padro = 1
LIE LSE
Valores de X 194 195 196 197 198 199 200 201 202 203
Cp = PPM =
Uma empresa produz pacotes de biscoito cujo peso liquido declarado 200g. As
especificaes so: LIE =197g e LSE = 203g (Voz do Cliente)
Situao 2:
De uma amostra dos pacotes produzidos calculou-se a mdia e o desvio padro e
obteve-se:
Mdia=197g e desvio padro=1g (Voz do Processo)
Calcular Cp e PPM.
254
O clculo do Cp no leva em
conta a centralidade
Em muitos casos podemos ter um bom
Cp mas um pssimo ndice de
defeituosos
255
O Cpk e a centralidade
ndice de Capabilidade
Tolerncia (Tol) = LSE-LIE
Variao Natural do Processo = 6xD.P
LIE LSE =
Tolerncia
Variao Natural
256
Vamos resolver alguns
exrcicios?
Nas prximas aulas, tente resolver no
Minitab a lista proposta e assista s
resolues e discusses nos vdeos.
257
Usando os indicadores de capabilidade
258
Analisando os ndices
VOP
Capabilidade Situao
Processo estvel
e estabilidade Processo
instvel
Capabilidade O.K.
alta
VOC
Situao Capabilidade NM - Ajustar a O processo
baixa mdia e diminuir a deve estar
variao estvel para
QMM Aumentar fazermos a
a mdia/reduzir a anlise de
variao capabilidade
Qmm Reduzir a
mdia/reduzir a
variao
259
A capabilidade e a tabela sigma
Outra maneira de se fazer previses para a quantidade de itens defeituosos utilizar uma
Tabela Sigma. A maneira de utilizar essa tabela bem semelhante de se utilizar os
ndices de capabilidade que comentamos at agora, porm a quantidade de itens
defeituosos esperado para o processo um pouco diferente.
Essas tabelas se popularizam com a utilizao da metodologia em grandes empresas.
Quem nunca ouviu falar que um processo 6 sigmas aquele que produz apenas 3,4 ppm
de itens defeituosos? E justamente esse nmero que vinha confundindo nossos alunos.
Eles pensam: se um processo 3 sigma gera apenas 0,3% de itens defeituosos, por que ao
olhar na tabela sigma diz que ele produz 668000 ppm? Isso muito mais do que o previsto
pela distribuio normal!
A resposta que, quando elaboraram essa tabela, consideraram que todo processo tem
uma variao de seu ponto central. Essa variao pode ser por razes concretas (como o
processo de fato variar a sua mdia), quanto pela incerteza de amostragem. Mas vale a
pena colocar essa ressalva para no haver confuso.
Na vdeo aula iremos abordar mais a fundo esta questo.
260
Disseminando os resultados do Measure
RESULTADOS DO MEASURE
261
Relatrios Gerenciais
Produo
Volume Produzido 13 34.5 33 +4.5 +2.0 251.5 252 0.2 +8.0
(1000 Kg)
Custo de Material 13 198.29 201.22 1.5 1.9 198.46 201.22 1.4 3.6
($/ 100 Kg)
HH/ 100 Kg 13 4.45 4.16 +7.0 +4.5 4.46 4.16 +7.2 +9.3
Energia e Custos 13 11.34 11.27 +0.6 +11.3 11.02 11.27 2.2 +9.2
Fixos/ 100 Kg
Custo Total de 13 280.83 278.82 +0.7 +0.9 280.82 278.82 +0.7 +0.4
Produo/ 100 Kg
Operaes
% Faturam. no prazo 06 74.3 95 21.8 -23.5 87.8 95 7.6 2.7
262
Mostre o histrico de variao
263
Slide 237
Comparao com a
mdia
264
A maneira correta
Ms Gasto Ms Gasto
jan/01 97 jan/02 96
fev/01 104 fev/02 100
mar/01 99 mar/02 99
abr/01 94 abr/02 96
mai/01 100 mai/02 103
jun/01 99 jun/02 97
jul/01 96 jul/02 96
ago/01 96 ago/02 91
set/01 94 set/02 98
out/01 96 out/02 96
nov/01 98 nov/02 95
dez/01 99 dez/02 105
265
Realizar medies;
Coletar dados;
Desenvolver grficos.
Regras para apresentao de dados:
Os dados brutos deveriam acompanhar qualquer grfico ou resumo numrico.
O contexto para os dados deve ser descrito:
O que? Por que? Quem? Como? Quando?
Sempre que um resumo numrico ou um grfico de distribuio (histograma, por
exemplo) de dados coletados ao longo do tempo for apresentado, ele deve vir
acompanhado de um Grfico de Tendncia. Mdia, mediana, amplitude, desvio padro,
histograma, etc. No permitem descobrir uma informao importante que o
comportamento dos dados ao longo do tempo.
266
Resumo do Measure
RESUMO MEASURE
267
Analyse
ANALYSE
O Analyze o terceiro passo do roteiro DMAIC. Nele, como o prprio nome j diz,
vamos analisar o que aprendemos durante as etapas de medio e tambm
desenvolveremos mudanas sobre o processo, de maneira a melhorar o seu
desempenho.
A grande sada da fase do Analyze so as mudanas desenvolvidas. Para chegar l, iremos
explorar 4 estratgias, em detalhes:
A anlise crtica do processo;
O uso de tecnologia;
O uso da criatividade;
O uso dos conceitos de mudana.
Nos prximos slides, nos aprofundaremos no desenvolvimento de mudanas e suas
estratgias.
268
O que vamos aprender?
269
Todos concordam que mudanas so importantes e inevitveis?
E que no h melhoria sem mudanas?
Se concordar com o slide, pode seguir adiante. Caso contrrio, reflita o porqu acredita
ser possvel melhoria sem mudana. Se encontrar um exemplo, no envie, porque nunca
encontramos melhoria sem mudana.
270
Mudanas
Melhoria requer mudana, mas nem toda mudana resulta em melhoria. Diante desta
constatao e da necessidade que temos em melhorar nossos processos, a pergunta que
clama por resposta : como desenvolver mudanas que resultem em melhoria?
Dito isto, vrias solues comeam a pintar em nossa cabea. Memrias de como
resolvemos diversos problemas surgem e assim, nos confortamos com as grandes ideias
que j tivemos. O problema desta abordagem : como conseguir ideias para desenvolver
mudanas agora? Para encontrar esta sada, precisamos definir algumas coisas.
A primeira sobre os tipos de mudanas. Quais os tipos de mudanas que existem?
Criar um novo processo, produto ou servio
Modificar um processo, produto ou servio.
Quando desenvolvemos mudanas, podemos falar que algumas so obvias, outras no.
Mudanas do tipo ver e agir aparecem com certa frequncia em nossas vidas. Se voc
pensar no seu trabalho, aposto que ter vrias mudanas em mente que poderiam ser
executadas sem muito investimento ou sem que fosse necessrio pensar muito at
encontra-las. Por isto, dizemos que mudanas no tem que ser necessariamente caras ou
demoradas.
Outras mudanas, demandaro mais tempo para serem desenvolvidas e mais testes at se
provarem realmente como uma melhoria. Lembro-me de vrios projetos em que suamos
a camisa at encontrarmos a mudana certa. Foram vrias tcnicas aplicadas e diversos
testes feitos at chegarmos ao resultado.
Quando falamos nestas mudanas mais desafiadoras, tambm nos veem mente os
problemas que encontramos para desenvolv-las. O mais comum esquecermos as
tcnicas nos deixarmos levar pelo:
Fazer mais do mesmo
Mais pessoas,
271
Mais dinheiro,
Mais inspees,
Mais exortaes;
Tenho certeza que voc j se pegou sugerindo mudanas do tipo mais do mesmo. Uma
vez, ao depararmos com um aumento repentino no nmero de reclamaes de clientes,
me vi sugerindo que fizessem inspees cruzadas. Pedi ao nosso coordenador que
inspecionasse 100% dos produtos, pois itens defeituosos estavam indo para nosso cliente.
Como resultado, esta mudana mais do mesmo aumentou nosso custo e manteve o
processo produzindo itens fora de especificao.
Mudar adicionando mais pessoas ao processo, tambm um problema muito comum.
Sempre que pedamos para uma rea melhorar algum indicador, era comum a
coordenao vir com a imediata desculpa que no dava. Quando perguntvamos o porqu,
a resposta padro era: faltam pessoas. Para melhorar o indicador, preciso de mais pessoas.
Nas primeiras vezes, acreditava na histria e acabava cedendo mais pessoas sem uma
rigorosa anlise e, como resultado, tnhamos mais uma pessoa para o mesmo resultado de
antes. Era mais custo, mas no mais produtividade.
As mudanas mais do mesmo vo no mximo, resultar em um alvio de curto prazo que
provavelmente no ser mantido. a mesma coisa de fazermos regime sem mudarmos
nossos hbitos alimentares. Iremos emagrecer rpido, mas ao final do regime, voltaremos
a engordar. E por que?
Porque o mais do mesmo no altera a estrutura do sistema, adiciona despesa e
complexidade e pode acabar contribuindo com o problema. O regime pode aumentar o
custo de sua alimentao, torna a preparao da comida algo complexo e ainda por cima,
causar um quadro de desnutrio ou sobrecarga em alguns rgos. a mesma lgica que
se aplica na empresa.
Mais especificaes e detalhes no projeto no vo melhorar seu produto. Mais inspees
no vo eliminar os erros. Mais ajustes manuais (experincia da operao) no reduz
variao e, mais regras no impe disciplina. Se este tipo de abordagem funcionasse, um
pas com tantas leis e restries como o Brasil no teria mais problemas.
sempre bom lembrar que os efeitos da lei seca (zero de lcool para dirigir) no reduziu
de maneira sustentada, o nmero de acidentes por embriaguez. A mudana ajudou no
curto prazo, mas depois, os nmeros voltaram para o patamar prximo ao que estavam.
Se por um lado fazer qualquer mudana ruim, por outro lado, muitas pessoas ficam
paralisadas pela perfeio. Estas buscam eliminar os riscos da mudana no as
implementando at que tenham para si que no h risco nenhum de algo dar errado. Esta
postura muito arriscada, pois o problema acaba se arrastando por um tempo muito
grande e a equipe, acaba se desmotivando. Alm disto, pode-se mencionar o risco de o
concorrente adotar uma mudana antes, que mesmo pior que a sua, ser suficiente para
colocar a empresa dele na frente.
importante lembrar que a Kodak foi a primeira empresa a inventar a cmera digital.
Porm, seus executivos optaram por no implementar aquela tecnologia a tempo, pois
no a tratavam digna da qualidade que a Companhia pregava. Anos depois, a empresa
ruiu pelo avano tecnolgico que suas concorrentes conseguiram na rea.
Outro indicio da paralisia pela perfeio aquele chefe que s aceita ideias prontas. Tudo
que voc prope de novo, ele pensa que no est bom e diz que no vai implementar se
272
no provar que o risco de falha seja zero. Como isto impossvel, a equipe desmotiva-se
e no propem mais ideias de mudanas. Se mudana, como j dissemos, no h melhoria.
273
Mudanas
E quais so as categorias de
mudana?
274
Mudanas
Categorias
1 Ordem 2 Ordem
Sistema No alterado alterado
Percepo do
Soluo do problema Melhoria
cliente
275
Para adotar esta postura, voc deve ser forte. Haver muita resistncia e a liderana poder
cobr-lo para resolver o problema urgente. Faa isto, mas no mude para a prxima
urgncia antes de mudar o sistema para que este incndio no mais ocorra. Para ajud-lo
no convencimento do time, pergunte:
Quanto tempo passamos agregando valor ao cliente (produzindo)?
Quanto tempo passamos realizando mudanas de segunda ordem (melhorias)?
Quanto tempo passamos realizando mudanas de primeira ordem (incndios)?
Tipicamente, passamos muito mais tempo nos incndios do que agregando valor ou
melhorando a empresa. Diante disto, pergunto: qual o futuro de nossa organizao se
continuarmos assim? E, se mudarmos esta proporo? possvel sentirmos um impacto
nos nossos indicadores?
Agora, vamos para as abordagens de mudanas que voc poder adotar para criar suas
mudanas de segunda ordem e elevar os patamares de desempenho da organizao.
276
Desenvolvimento de Mudanas
Usar Tecnologia
Usar Criatividade
277
A dependncia de coleta e anlise de dados varia de tcnica para tcnica. Para
criatividade, por exemplo, voc no precisar coletar tantos dados, j para a
anlise crtica, ser necessrio a coleta dos dados e o mapeamento do processo;
O praticante da atividade de melhorar processos, produtos e servios deve, com
o tempo e com a experincia, procurar integrar sistemicamente essas tcnicas.
Costumo comear pela anlise crtica ou pelos conceitos de mudana,
eliminando o mato-alto com a adoo de mudanas rpidas e claras. Depois,
para elevar o desempenho do processo patamares bastante superiores, tenho
que recorrer as ferramentas de criatividade ou solues tecnolgicas.
278
Diagrama Causa Efeito
279
Como organizar as hipteses para as causas?
Mtodo Mquina
Marcha Presso do
Velocidade pneu
Ajuste do
bico injetor
Alto consumo
combustvel
Manuteno Lubrificao
Forma de Tipo de
dirigir Combustvel
Pessoas Material
280
Como construir um Diagrama Causa Efeito
Passo 6 Finalize-o
281
de suas ideias importantes a respeito das causas do problema j aparece no diagrama.
Reveja-o procurando por mudanas e acrscimos bvios que sejam necessrios para
completar o diagrama.
Passo 6: O diagrama de causa e efeito agora est pronto para ser usado como uma
ferramenta para a melhoria. Veja mais adiante nesse captulo Usando o Diagrama de
causa e Efeito.
282
O que voc ganha com o Ishikawa?
283
Exemplo
284
Causa Efeito para melhorar um processo
285
Cuidados
286
Os 5 porqus
OS 5 PORQUS
.
287
E como se aprofundar nas causas?
No sei..
Solues
5 porqus
Para cada causa, pergunte por que o problema ocorreu? Para descobrir as causas que
contriburam para o problema ocorrer. Continue perguntando por que o problema ocorreu,
para descobrir nveis adicionais de causas. Cinco no um nmero mgico. Algumas
vezes suficiente usar dois ou trs Por Que.
288
Cuidados Extras
Apesar de ser uma tcnica poderosa, precisamos tomar cuidado com alguns pontos. So
eles:
Tendncia de parar nos sintomas ao invs de aprofundar no nvel de causas;
Incapacidade de ir alm do conhecimento atual do investigador: no possvel
encontrar as causas que ainda no so conhecidas;
Falta de apoio para ajudar o investigador a fazer o porqu correto;
Os resultados no so repetveis: pessoas diferentes, utilizando os 5 Porqus chegam a
diferentes causas para o mesmo problema;
Tendncia de isolar uma causa nica, enquanto que cada pergunta pode suscitar muitas
causas diferentes.
289
Cuidados Extras
290
Exemplo 1
291
Exemplo 2
292
Cuidados! Voc j viu RNC?
293
Como a Toyota faz 5 porqus
A histria bem interessante, pois mostra que a realizao dos 5 porqus em 30 minutos,
como muitos consultores e auditores ISO pregam, impossvel. Se a empresa que criou
a ferramenta leva meses para aplica-la, algum que aprendeu recentemente no poderia
conseguir faz-lo em poucos minutos.
O objetivo dos 5 porqus do exemplo era a resoluo de um problema que ocorria devido
a aplicao de um torque menor do que o necessrio nos parafusos do acelerador dos
carros da montadora. Devido a este problema, havia 55 carros parados no ptio a espera
de retrabalho. O problema era bastante grave, pois quando a Toyota atinge um nmero
mximo de carros com defeitos, pouco mais que 55, para-se a planta at que o problema
seja resolvido e parar a planta, prejuzo na certa.
Yuri, um engenheiro da Toyota, comeou a investigar o problema e descobriu que os
defeitos eram resultantes de um torque inconsistente aplicado aos parafusos numa
determinada linha, em particular em algumas estaes de trabalho. Esta investigao
inicial ajudou Yuri a focar o seu objetivo: construir um processo no qual todos os
parafusos so apertados da maneira correta e no tempo correto.
Quando comeou a pesquisar, Yuri percebeu que os membros da equipe estavam
utilizando uma ferramenta primitiva para apertar os parafusos. A ferramenta necessitava
do julgamento do operador sobre quando este deveria parar de apertar. Yuri nunca tinha
visto problema semelhante, j que em seu antigo emprego, os operadores utilizavam
ferramentas sofisticadas que regulavam o torque necessrio de maneira automtica,
parando de apertar quando o torque correto era alcanado. A ideia ver e agir foi realizar
a compra de uma sofisticada parafusadeira automtica para que todos pudessem apertar
os parafusos sem problemas.
Plano de ao embaixo do brao, Yuri foi apresenta-lo aos seus gerentes superiores. Em
sua viso, todos iriam adorar e seu diretor iria ficar orgulhoso de t-lo no time. Porm,
seu diretor interrompeu sua apresentao e disse: Tudo bem, eu vejo que voc tem uma
sada para o problema. Porm, voc quer que eu compre novas parafusadeiras de $400
294
dlares para todos os funcionrios da planta. Pois se voc est dizendo que esta a
proposta de soluo para este problema, isto que teremos de fazer.
Pego no contrap, Yuri comeou a gaguejar e disse: No estou dizendo isto. Seu diretor
disse calmamente: Ento volte e pense mais no assunto. Isto no est bom.
Uma semana depois, Yuri voltou ao seu diretor e props uma nova soluo. Ele havia
descoberto que algumas parafusadeiras estavam muito velhas e por isto, muito fracas para
alcanar o nvel de torque desejado. Ento, Yuri queria comprar mais parafusadeiras
iguais a que a fbrica j tinha para utiliz-las como backup e para aposentar algumas das
velhas. Ento, ele apresentou sua soluo e recebeu uma resposta abrupta de que no
estava bom e que ele deveria continuar pensando no assunto.
Depois da resposta negativa, Yuri se tocou que se a soluo fosse comprar novas
parafusadeiras, ele deveria continuar comprando-as sempre, sem que a causa do problema
fosse eliminada. Ao final, demorou mais ou menos um ms, mas ele percebeu que estava
indo na direo errada para resolver o problema, e seu diretor nunca tivera de dizer isto a
ele. O diretor apenas dizia que no estava bom.
Quando o Yuri estava tentando adivinhar o quando ele seria demitido, lembrou-se que
havia aprendido no treinamento do Sistema Toyota de Produo os 5 porqus. Esta
ferramenta deve ser utilizada toda vez que um lder Toyota precisa chegar causa raiz.
Quando se lembrou da ferramenta, Yuri percebeu que no tinha perguntando o porqu o
nmero de vezes necessrio.
Depois desta reflexo, Yuri comeou a perguntar o porqu mais vezes e acabou por
descobrir trs importantes causas fundamentais para os problemas na linha de produo.
Primeiro deles era o baixo nvel de treinamento que a equipe possua. Quando os
operadores apertavam os parafusos com suas parafusadeiras primitivas, eles deveriam
estar aptos a ouvir um barulho diferente e sentir quando o torque correto tivesse sido
alcanado. Mas a equipe no sabia disto. Yuri fez uma enquete com os operadores e
descobriu que 40% deles no sabiam desta informao.
A segunda causa estava no sistema de manuteno da parafusadeira. Os encaixes iam
ficando fracos, mas ningum os trocava antes que quebrassem de vez, mostrando que a
manuteno preventiva era muito ruim. Depois de levantar esta causa, Yuri aproveitou e
verificou a manuteno preventiva de outras ferramentas, descobrindo que tambm eram
ruins.
J a terceira causa relacionava-se a um problema de projeto do produto, que ele descobriu
ser bem complexo de resolver, j que teria de alinhar o assunto com o setor de engenharia
e encaix-lo numa agenda muito disputada. Diante disto, Yuri focou nas duas outras
causas, pois ele poderia controla-las. O projeto tinha como objetivo resolver o
conhecimento da equipe e manuteno das ferramentas.
Depois de dois meses de investigao e aprendizado, Yuri conseguiu entender as causas
fundamentais do problema. Todos os planos de ao elaborados antes eram ataques aos
efeitos e no as causas. Agora, ele poderia elaborar um plano de ao assertivo que iria
resolver o problema da maneira mais efetiva e barata possvel.
Para isto, Yuri comeou por resolver o problema da falta de conhecimento dos operadores
e treinou pessoalmente todos que utilizavam a parafusadeira. Yuri foi alm do
treinamento tradicional em sala de aula. Para garantir que cada membro da equipe tivesse
as habilidades que precisavam, ele ensinou tcnicas on the job, deixando os operadores
praticarem e verificando se eles estavam confiantes e se tinham aprendido realmente a
utilizar a ferramenta do modo correto. Yuri estava interessado em modificar os padres
295
de comportamento, o que era muito mais difcil do que incutir na cabea do time o mtodo
de parafusar correto.
Para o problema da manuteno, ele desenvolveu um sistema de gesto a vista chamado
de quadro Kamishibai. Kamishibai significa storyboard. No Japo, os pais costumam
pegar os livros infantis e reescrev-los na forma de cartes. Utilizando estes cartes, os
pais podem ler as histrias aos filhos noite de maneira mais organizada, pois permite
aos pais no repetirem histrias e retomarem as histrias no ponto em que pararam na
noite anterior.
296
Desconexes
DESCONEXES
297
O que uma desconexo?
298
E como encontrar as desconexes?
299
Depois de encontra-las, como trata-las?
DESCONEXES SUGESTES
300
Desperdcios
DESPERDCIOS
301
Desperdcio ():
Toda a atividade que consome energia e
recursos sem agregar valor ao cliente, ou seja, aquilo
que fazemos, mas que o cliente no est disposto a
pagar.
302
Ouvir o cliente um credo
Para a Toyota, lder mundial na aplicao da filosofia que busca a eliminao constante
dos desperdcios, ouvir o cliente algo importante. Por isto, a empresa vem aumentando
ao longo do tempo o nmero comentrios dos clientes. Em 2011, somadas Lexus e
Toyota, receberam mais de 60 mil comentrios de seus clientes. Isto mostra o quanto esta
tarefa importante.
303
Os 7 desperdcios
Parece simples...
304
Os 7 desperdcicos clssicos
305
Superproduo
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
Programao puxada
TPM
306
Espera
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
307
Transporte
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
308
Movimentao
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
rea de trabalho
desorganizada 5S
Movimento de Procura por peas,
Itens faltantes Quadro de ferramentas
pessoas que no ferramentas,
Movimentao agregam valor desenhos, etc Design ruim da One-piece flow
estao de trabalho
Escolher material Layout da estao de
rea de trabalho sem trabalho
segurana
309
Inventrio
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
Lead-times dos
Matria-prima Kanban
fornecedores
Produto em Desenvolvimento do
Mais materiais, Setups longos
elaborao fornecedor
peas ou produtos
Inventrio Lead-times longos
disponveis do que o Produto acabado Fluxo contnuo (one-
(estoque)
Cliente necessita Papis e formulrios piece flow)
Suprimentos de
neste momento em processo
consumveis Reduo de setup
Ordem no
Componentes
processamento
310
Defeitos
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
Falha do processo
Sucata
Trabalho que Falta de
contm erros, Retrabalho carregamento da Melhoria dos
retrabalho, enganos pea procedimentos
Correo
Defeitos ou falta de alguma
Processo em grandes Melhoria de projeto
coisa necessria Falha em campo
lotes Criao de poka-yokes
Necessidade de
inspeo Instrues de
trabalho insuficientes
311
Superprocessamento
Tipo de
Definio Exemplos Causas Mudanas
Desperdcio
312
Agora sua vez...
313
E agora?
314
E agora?
315
316
Anlise
Anlise de
de Valor
Valor
Avaliando
Avaliandooo que
que agrega
agrega valor
valor ee oo que
que no
no agrega
agrega valor.
valor.
ANALISE DE VALOR
O ponto de partida crtico para o pensamento enxuto o valor e este, s pode ser definido
pelo cliente final. Esse o nico valor que o cliente est disposto a pagar e, todas as outras
atividades que no agregam valor realizadas para produzir o produto ou servio, so
desperdcios.
Para uma anlise de valor adequada, necessrio desenvolvermos a habilidade de
reconhecermos e identificarmos o desperdcio. E para isto, no basta apenas a aplicao
das ferramentas que iremos mostrar a seguir. Voc precisa ter coragem de chama-lo de
desperdcio e desejar realmente, elimin-lo. Dizemos isto, pois comum as pessoas
sentirem-se desprestigiadas quando parte das atividades que executam so classificadas
como no agrega valor. Assim, importante entendermos que desperdcios aumentam
os custos, no produzem benefcios e ameaam nossos empregos. No adianta pensarmos
que ao mantermos atividades que no agregam valor, estamos a proteger nossos
empregos. No atuar diante do desperdcio coloca em risco a sobrevivncia da
organizao, o que poder causar inmeros problemas e dificuldades financeiras.
317
O
O que
que valor?
valor?
definido
definido pelo
pelo cliente;
cliente;
mutvel
mutvel no
no tempo
tempo ee no
no mercado;
mercado;
refletido
refletido no
no preo
preo do
do produto;
produto;
Devemos
Devemos desdobrar
desdobrar nossos
nossos processos
processos com
com base
base na
na
sua
sua definio.
definio.
318
rvore de Valor
Atividade
Tipos AV NAV
Necessria Desnecessria
319
320
Como fazer uma anlise de valor?
1. Liste os processos/passos
2. Classifique cada passo como AV, NAV necessrio e
NAV desnecessrio
3. Preencha o Diagrama AV/NAV
321
Exerccio!
Classificar cada passo do processo como AV ou NAV. Propor um novo fluxo contendo
somente as atividades que agregam valor. Um funcionrio tem necessidade de viajar a
trabalho e utiliza carro providenciado pela empresa. A empresa tem um departamento de
transportes que providencia o veculo
E a? Matou a charada do processo de providenciar carro para viagem? O que voc achou?
O processo est enxuto ou tem muitas oportunidades para melhoria? E a burocracia, est
em alta neste processo ou quase no aparece?
Imagino que vocs viram a quantidade de oportunidades de realizarmos mudanas
promissoras neste processo. E na sua empresa? Ser que no tem oportunidade tambm?
Eu aposto que sim hein...
322
Quer conhecer outra ferramenta? ECRS
Eliminar Combinar
Reduzir Simplificar
ECRS
Que tal uma ferramenta que te ajudar a analisar as atividades da sua empresa e ter ideias
de mudanas? Com esta ferramenta, voc conseguir eliminar, combinar, reduzir ou
simplificar as atividades, nesta ordem. Caso no possa eliminar uma atividade, porque
necessria ao cliente, pergunte-se sobre a possibilidade de combinar esta atividade com a
prxima ou com a anterior. No possvel? E reduzir? As vezes possvel reduzir uma
atividade, como execuo de setup, por exemplo. No sendo, simplifique. Torne a
atividade mais simples para que os riscos de erro sejam reduzidos com o processo ficando
mais robusto.
323
E como esto as empresas?
Manufatura
Servios
324
Anlise do tempo
ANALISE DO TEMPO
O objetivo da anlise de tempo identificar passos do processo que adicionam custo e
tempo sem adicionar valor. Esta tcnica aplicada para identificar focos de mudanas
para melhoria de processos.
325
Como analisar o tempo?
Tempo de Espera
Tempo de Atividades
326
E como fazer?
Passo a Passo
1.Tenha em mos o fluxograma detalhado do processo
2.Identifique cada passo como AV, NAV necessrio e NAV
desnecessrio
3.Calcule a proporo de atividades em cada categoria
4.Mea o tempo de cada atividade
5.Calcule a porcentagem do tempo do processo que adiciona
valor sob a tica do cliente
6.Escolha os passo que no agregam valor e os passos que
consomem mais tempo como focos de mudanas
327
Poka yoke
POKA YOKE
O Poka Yoke surgiu nos anos 1960, quando Shigeo Shingo engenheiro industrial da
Toyota, liderava a produo. No havia um dia em que ele no se deparasse com falhas
humanas, que resultavam em produtos defeituosos: e, por isso, no havia um dia em que
no ficasse irritado. Diante disso, Shingo comeou a desenvolver tcnicas que, por
vingana, chamou de Baka (idiota, em japons) Yoke ( prova de), o que dispensa
tradues. Aos poucos, porm, as tcnicas foram aprimoradas, se provaram
profundamente eficazes e ganharam aderncia.
Em 1963, um funcionrio da Arakawa Body Company recusou-se a utilizar o mecanismo
criado por ser ofensivo. Assim, o termo foi alterado para Poka-Yoke, que significa
prova de erro" ou, mais literalmente evitando (yokeru) erros involuntrios (poka).
Idealmente, poka-yokes tem como misso garantir que as condies apropriadas existam
antes de se executar uma etapa do processo, evitando a ocorrncia de defeitos em primeiro
lugar. Quando no for possvel, poka-yokes agem como detetive, avisando o erro e
permitindo que a equipe inicie a eliminao de defeitos no processo o mais cedo possvel.
328
Exemplos de processos complicados
Vocs j viram arranjos assim? Falem a verdade? Tem processo menos Poka Yoke do
que uma boa gambiarra? Quando vejo este tipo de imagem fico preocupado. Se tem
processos que so prova de erro, estes so criados para o erro. Operaes arriscadas,
como trabalho em altura e utilizao de extenses, so os temas preferidos para dar
problema. Se deparar com um arranjo deste tipo, por favor, interfiram, pois, a falha nestes
casos, pode custar uma vida.
329
Definies Importantes
Defeito
Resultado de um erro
Exemplo: carto esquecido no caixa eletrnico
Erros
Acontecem quando as aes, no esto de acordo
com as intenes
Exemplo: esquecer o carto do banco no caixa
eletrnico
Falhas
Resultado ou manifestao de um ou mais defeitos
330
Poka Yoke
Significado
prova de erros ou de falhas
Objetivo
Eliminar ou prevenir a fabricao de produtos no conformes
utilizando dispositivos ou sensores e assegurar que os mesmos
estejam funcionando adequadamente
Tipos de Poka-Yoke
Preventivo (Error Profing): Elimina a possibilidade de ocorrncia
da falha ou defeito especfico, atravs do projeto.
Detectivo (Mistake Profing): Detecta a falha ou defeito, caso
ocorra, e previne que a no-conformidade continue no processo.
Tornar fcil fazer certo e impossvel fazer errado. Para mim, este o melhor jeito de
lembrarmos o real significado do Poka Yoke. Com ele, podemos reduzir os erros
reprojetando o sistema, para fazer com que os erros sejam menos provveis. E, este tipo
de projeto ou reprojeto chamado de prova de erros. Uma vez que os erros so
predominantemente deslizes do subconsciente, prova de erros apropriada para a
reduo da probabilidade destes deslizes, ao invs de mudanas no comportamento
consciente.
No podemos eliminar defeitos, erros e falhas, apenas fazendo exortaes ou colocando
inmeros cartazes pela empresa. Os cartazes no vo reduzir seus erros e suas falhas,
porque duvido que haja pessoas que queiram errar. Para mim, o processo que facilita o
erro. isto que o poka yoke ataca.
Quando o adotamos esta postura, podemos esperar alguns benefcios. So eles:
Melhorar a qualidade (reduzir PPM e refugo);
Tornar o processo mais fcil e capaz;
Identificar na linha os dispositivos a Prova de Erros;
Desenvolver ideias de dispositivos a Prova de Erros;
Aumentar a Segurana no local de trabalho;
Manter mtodos de produo e inventrio enxutos;
Reduzir custos;
Manter a satisfao do cliente.
331
332
Exemplos
333
Exemplos
334
Como poderamos evita-los?
335
Mtodos
Lembretes Diferenciaes
Restries Exibies
336
Adivinhe a categoria
337
Adivinhe a categoria
338
Exemplos
339
Exemplos
340
Agora sua vez
341
Tecnologia
TECNOLOGIA
342
S mais tecnologia resolve?
343
S tecnologia adianta?
344
Tecnologia
345
estamos tentando realizar? e Como sabemos se uma mudana uma melhoria?)
deveriam tambm ser respondidas. Isso reduzir a aquisio de tecnologia para fins
tecnolgicos em si, e no para fins de melhoria.
As organizaes poderiam determinar os modos de testar novas tecnologias em pequena
escala, o que deve ajudar a reduzir o risco em traz-las para a organizao. Alugar ou
fazer leasing de novos equipamentos, comprar pequenos lotes de novos materiais e
utilizar novos remdios em animais antes das pessoas, so exemplos de caminhos para
testar novas tecnologias.
Assim como qualquer outra mudana, o uso de novas tecnologias enfrentar resistncia e
outros problemas. Algumas pessoas encontraro dificuldade em ter que mudar para usar
novas tecnologias. Quando os computadores comearam a ser usados, algumas pessoas
se sentiam mais confortveis usando a mquina de escrever e os arquivos em pastas.
Geralmente no fornecido um treinamento adequado. s vezes, quando fornecido,
pessoas arrumam uma desculpa para evit-los. Para diminuir estes problemas, a gerncia
deveria ter um planejamento para ajudar estas pessoas na transio do uso de novas
tecnologias.
346
Tecnologia
347
Uma tecnologia no confivel pior que nenhuma tecnologia: uma vez que uma
mudana que envolva tecnologia implementada, as pessoas acreditam em seu
desempenho. A nova tecnologia deveria, consequentemente, ser completamente testada
de forma a no deixar dvidas sobre sua confiabilidade. Um GPS que no funcione
direito, pior do que nenhum GPS. Pois se voc no o tivesse, iria buscar solues
alternativas para resolver seu problema, como comprar um mapa ou pedir auxlio um
amigo.
348
Nunca asfalte o caminho da vaca
349
Criatividade
CRIATIVIDADE
350
O que criatividade?
Criatividade
Falando de uma forma simplificada, criatividade a inveno de uma nova ideia. De onde
vm as novas ideias? Como fazer para conseguir mais ideias criativas? O modo que a
mente humana trabalha bem apropriado para produzir novas ideias por ser criativa.
Isso significa que a criatividade no privilgio de algumas pessoas, mas uma
capacidade que todos possuem. Como ento as pessoas podem desatar esta capacidade?
A natureza da mente que uma generosa fonte de criatividade, tambm a fora que
impede a criatividade. Um modo de ver a mente, como um sistema de informaes auto-
organizvel. Conforme as percepes e experincias ocorrem, a mente tenta encontrar
significado e ordem. Este processo organizacional utiliza padres de pensamentos pr-
existentes para julgar o significado das novas experincias. O uso de padres de
pensamentos pr-existentes restringe fortemente as opes de mudana consideradas
pelas pessoas. uma das razes primrias que indivduos ou grupos que no tm
habilidades para melhorias, geralmente produzem ideias para melhorias que so mais do
mesmo
351
Ideias criativas
352
Padres
353
Modos de pensamento
Pensamentos
Pensamento Criativo, que resulta em novas
ideias e possibilidades.
354
Como tudo isto funciona
Como estes trs modelos de pensamento podem ser usados para desenvolver mudanas
criativas de segunda ordem? Mtodos para melhorar pensamento criativo, tem seus
fundamentos em provocar novos padres de pensamentos para gerar novas ideias para
mudanas. Sem novos padres de pensamento, pouqussimas mudanas sero produzidas.
Novos padres de pensamento abrem uma variedade de mudanas que podem resultar em
melhorias.
355
Como utilizar o pensamento criativo?
Criatividade
A seguir, citamos alguns mtodos gerais para provocar novos padres de pensamento:
Ter tempo. Este o mtodo mais simples. Gaste pelo menos cinco a dez minutos com
o pensamento criativo.
Estar no lugar certo na hora certa (preparo). Reza a lenda que Sir Isaac Newton teve
o pensamento sobre a gravidade por meio de uma ma que caiu na sua cabea quando
ele estava sentado debaixo de uma rvore. Gastar um tempo observando clientes ou
entendendo seu papel, pode permitir a uma pessoa estar no lugar certo, no momento
em que eventos ocorram, provocando novas ideias.
Desafiando os limites em que as mudanas podem ser desenvolvidas. Pessoas so
frequentemente limitadas em desenvolver mudanas por limites implcitos ou
explcitos. Para desafiar estes limites, comece a list-los. Ento, elimine-os ou
expanda-os. Um dos limites listados por um grupo trabalhando na melhoria da
prestao de servios de uma lanchonete de um escritrio, foi que a comida era sempre
paga somente depois de selecionada. Quando o time desafiou este limite, comeou-se
a usar tickets pr-pagos.
Atacar a soluo (fora). Muitas vezes as mudanas sugeridas, so as mesmas, ou
seja, so os atuais padres de pensamentos. Faa uma lista de mudanas sugeridas e
identifique o que elas tm em comum. Como no desafio dos limites, ataque os pontos
comuns como impedimento para novas ideias. Um grupo trabalhando na melhoria da
eficincia do processo de preenchimento de pedidos, examinou as mudanas que
foram feitas. Embora algumas mudanas fossem satisfatrias, todas elas focalizavam
a reduo de trabalhos burocrticos dentro da organizao. Uma reviso destas
solues resultou que os pedidos dos clientes fossem endereados diretamente aos
computadores da rea de distribuio.
Usar objetivos no realistas (sonho). Quando a forma com que as coisas so feitas
inadequado para alcanar os objetivos, faa a pergunta: O que poderia ser
..............? (Complete o espao em branco com algum objetivo no realista). Isto ajuda
as pessoas a abandonarem a atual maneira de pensar.
356
Foco na necessidade. Para qualquer produto ou servio, articular qual a necessidade
em comum, e ento definir o ataque soluo, desconsiderando as opes atuais de
produtos e servios. Haver muitas maneiras de casar as necessidades com os novos
produtos e servios. Por exemplo, uma empresa de paisagismo fornece o servio de
cortar grama. Depois deles articularem a necessidade de conservar a grama curta,
criou-se a necessidade por este servio, e eles comearam a experimentar um produto
que diminua o crescimento da grama. Isto quase eliminou o servio de corte de
grama.
Quando novos padres de pensamento so provocados, novas ideias para mudana
surgiro. Estas ideias podem frequentemente trazer alguma forma de expresso, como
exemplos, o desenho de um quadro, algum contando uma estria ou representando-a. A
representao de ideias uma forma de compartilh-las com os outros.
357
Continue aprendendo
http://ead.fm2s.com.br/curso/curso-de-criatividade-principios-e-abordagens/
358
Conceitos de mudanas
CONCEITOS DE MUDANAS
359
Os conceitos de mudana
Eliminar
disperdcios
Focar no Melhorar
produto ou fluxo de
servio trabalho
Planejar
sistemas e Otimizar
evitar Conceitos inventrio
erros de
mudana
Genrenciar Mudar o
ambiente de
variao trabalho
Incrementar
Gerenciar a Relao
o Tempo Produtor /
Consumidor
Langley, G. J., Moen,R. D., Nolan, K. M.,Nolan,T. W., Norman, C. L., Provost, L. P.
Modelo de Melhoria . Mercado de Letras Edies e Livraria Ltda , Campinas, S.P, 2011.
A Eliminar Desperdcio:
Eliminar coisas que no so usadas.
Eliminar entradas mltiplas de dados.
Reduzir ou eliminar o uso de recursos excessivos.
Reduzir controles dos sistemas.
Reciclar ou reutilizar.
Usar produtos substitutos.
Reduzir classificaes.
Reduzir intermedirios.
Compatibilizar a quantidade ao necessrio.
Usar amostragem.
Mudar alvos ou set points.
B Melhorar o Fluxo de Trabalho:
Sincronizar.
Programar em processos mltiplos.
Minimizar trfego de mo-em-mo / tramitaes.
Aproximar fisicamente os passos do processo.
Achar e remover gargalos.
Usar automao.
Suavizar o fluxo de trabalho.
360
Fazer tarefas em paralelo.
Considerar pessoas como parte do mesmo sistema.
Usar mltiplas unidades de processamento.
Ajustar a picos previstos de demanda.
C - Otimizar Inventrio:
Compatibilizar estoque demanda prevista.
Usar sistemas que demandam (puxam).
Reduzir escolhas de caractersticas.
Reduzir marcas mltiplas dos mesmos itens.
D Mudar o Ambiente de Trabalho:
Dar acesso informao s pessoas.
Usar medidas apropriadas.
Cuidar do bsico.
Reduzir aspectos desmotivadores do sistema de pagamento.
Conduzir treinamento.
Implementar treinamento cruzado.
Investir mais recursos na melhoria.
Focar nos processos essenciais e no propsito.
Compartilhar riscos.
Enfatizar consequncias naturais e lgicas.
Desenvolver alianas e relaes cooperativas.
E Incrementar a Relao Produtor / Consumidor:
Ouvir os clientes.
Treinar clientes quanto uso ao produto / servio.
Focar no resultado oferecido ao cliente.
Usar um coordenador.
Alcanar expectativas despertadas.
Surpreenda com o grtis".
Otimizar nvel de inspeo.
Trabalhar com os fornecedores.
F - Gerenciar o Tempo:
Reduzir tempo de set-up e de start-up.
Definir tempo para usufruir descontos.
Otimizar manuteno.
Aumentar os tempos dos especialistas.
Reduzir tempo de espera.
361
G - Gerenciar Variao:
Padronizao (criar um processo formal).
Parar o tempering (intromisso no processo estvel).
Desenvolver definies operacionais.
Melhorar previses.
Desenvolver planos de contingncia.
Distribuir produtos em graduaes.
Amenize a sensibilidade
Tire proveito da variao.
H Planejar Sistemas e Evitar Erros:
Usar lembretes.
Usar diferenciao.
Usar restries.
Usar referncias formais
I - Focar no Produto ou Servio:
Customizar em massa.
Oferecer produto / servio a qualquer hora.
Oferecer produto / servio em qualquer lugar.
Enfatizar o intangvel.
Influenciar ou aproveitar as tendncias da
Reduzir o nmero de componentes.
Disfarar defeitos ou problemas.
Diferenciar produtos usando dimenses da qualidade
362
Meios para Desenvolver Mudanas: Conceitos de
Mudana
Se um conceito uma noo geral que est envolvida com uma ideia especfica, o que
significa conceito de mudanas? Um conceito de mudana uma noo geral til no
desenvolvimento especfico de ideias para mudana, que resultem em melhorias.
363
Paulo e a Distribuio
Paulo e seu grupo do Departamento de Distribuio tiveram dificuldades para desenvolver ideias
adicionais para mudana a fim de melhorar o fluxo de trabalho. Um amigo que estava por dentro do
dilema de Paulo, deu-lhe um livro. No apndice, Paulo encontrou conceitos que poderiam ser usados
para desenvolver ideias para mudanas. Na verdade, havia um conjunto de conceitos no livro que
tratava de fluxo de trabalho. Ele sentiu que os conceitos poderiam gerar algumas ideias para
mudanas.
No encontro seguinte, Paulo explicou aos membros do grupo o que faria e pediu-lhes para pensar
positivamente nas mudanas que estavam sendo sugeridas. Ele comeou apresentando o conceito
de mudana minimizar handoffs. Imediatamente Mike disse que eles tinham a tendncia de eliminar
a coleta e embalagem de correspondncia. Outros pontos em comum foram sugeridos. Paulo
comeava a sentir-se bem com essa abordagem. Ele tentou outro conceito: aliviar o fluxo de
trabalho. Karen disse que eles poderiam diminuir o fluxo, comeando a preparar os pedidos mais
cedo. Ela comentou que se soubessem desse conceito antes, teriam gasto mais horas tentando
implantar esta ideia.
A seguir, Paulo tentou fazer tarefas em paralelo. John pulou e quase gritou, preparar a
documentao ao mesmo tempo em que o pedido est sendo preparado. Todo mundo riu porque
John no costumava ser to animado, mas eles todos concordaram com sua ideia. Paulo estava
muito feliz com a reunio devido aos resultados positivos que ela gerou. Eles tinham comeado a
desenvolver um nmero de boas ideias para mudanas, tinham mais conceitos de mudanas a serem
trabalhados. A possibilidade para melhorias parecia agora muito grande.
Paulo utilizou uma boa abordagem para usar os conceitos de mudanas. Inicialmente
utilizou um grupo genrico melhorar o fluxo de trabalho, que caracterizava as melhorias
que ele estava tentando fazer. Ento usou alguns conceitos de mudana do grupo para
provocar ideias especficas para mudanas. A abordagem de Paulo no o nico modo
que os conceitos de mudanas possam ser usados. Uma ideia especfica para uma
mudana pode ser gerada primeiro (assim como a ideia de coletar e embalar o pedido),
ento pessoas poderiam perguntar qual a noo geral est sendo aplicada para gerar aquela
ideia, a qual deveria conduzir ao conceito de mudana minimizar handoffs. Novas
ideias podem ser geradas do conceito de mudanas (por exemplo, aquela que a pessoa
poderia completar todos os passos na distribuio para atender o pedido, ou que os
clientes poderiam dar a entrada de seus pedidos em um computador). Outro conceito de
mudana o grupo genrico: melhorar o fluxo de trabalho, que poderia ser explorado
para gerar outras ideias de mudanas.
Um conceito de mudanas no especfico o bastante para uso imediato. Conceitos como
aliviar o fluxo de trabalho e diminuir manuseio devem ser aplicados para situaes
especficas e ento tornar-se ideias para mudanas. As duas maneiras sugeridas aqui para
se usar os conceitos de mudanas so similares, e so baseadas na habilidade de ir para
trs e para frente entre o geral (conceitos de mudanas) e o especfico (ideias). Os
exemplos descritos no apndice demonstram o uso desta habilidade. Isto muito
importante se praticar quando usado o conceito de mudanas
364
Conceitos de Mudanas
Conceitos de mudanas podem ser usados para estimular tanto pensamentos crticos como
criativos. Os conceitos de mudanas dividem-se em categorias como melhoria do fluxo
de trabalho, foco nas variaes e processo prova de erros. Para voc refletir o que
est errado com o sistema atual, tem que ter em mente que alguns conceitos de mudanas
melhoraro a qualidade e quantidade das mudanas que voc desenvolveu. Pensamentos
criativos podem ser estimulados se certos conceitos de mudanas so selecionados (talvez
mesmo os aleatrios) e usados como estimuladores.
Muitos dos conceitos de mudanas no e-book podem j ser familiares para voc. Podem
haver outros conceitos que sero novos. Os conceitos de mudanas listados no tm o
objetivo de serem originais ou completos. O mais importante que a lista possa servir
como uma simples referncia e outros conceitos possam ser adicionados. A taxa de
melhoria ser aumentada, assim como as pessoas no somente usaro os conceitos de
mudanas, mas tambm desenvolvero e documentaro novos conceitos. Alguns dos
novos conceitos podero provar serem mais teis em uma rea particular, como por
exemplo na rea de Sade e Educao.
365
Que mudanas podemos fazer para melhoria?
366
Correlao: associao entre variveis
CORRELAO
Frequentemente desejvel determinar se existe uma relao ou associao entre duas
variveis. Por exemplo, uma vez que um diagrama de causa e efeito tenha sido
desenvolvido para identificar causas potenciais que tenham impacto em uma
caracterstica de qualidade de um processo, a relao entre as causas e as caractersticas
de qualidade tm que ser estudadas. Os resultados desse esforo devem ajudar a
determinar qual ao poderia ser tomada no processo.
367
A relao entre as variveis
Temperatura
Umidade
Precipitao Quais fatores influenciam no
clima?
Presso Atmosfrica
Vento
Nuvens
368
A relao entre as variveis
X1
X2
X3
X4
Y
X5
Como estimar Y?
comum nos depararmos com problemas semelhantes ao do clima, mas no contexto dos
negcios. Quem nunca se viu desafiado por uma meta, mas ficou perdido na hora de
elaborar um plano de ao para entender o que fazer para chegar a meta? Quais fatores
ns podemos atacar que vo impactar em nossa meta? Quais so os itens de verificao,
ou variveis de inputs e de processos que podero impactar nosso item de controle ou
varivel de output? para isto que a relao entre variveis serve. Ela nos ajuda a
entender o que temos de fazer para chegarmos ao resultado desejado.
369
Sistema de causas
Como mencionado, a relao entre variveis tem por base ajuda-lo a encontrar quais so
as causas, em termos de fatores, que esto levando-o a obter o resultado atual. A causa
para um no venda, pode ser uma distoro no tempo de ligao depois que o cliente
manifesta o interesse na compra. Ou ainda, no preo cobrado ao interessado. Com a
anlise de relao, ser possvel entender qual ou quais so as variveis que se alteradas,
vo melhorar seu resultado. Pela sua importncia, vamos abordar a seguir vrias tcnicas
estatsticas para que voc consiga entender a relao entre a varivel de interesse e as
variveis que influenciam no seu comportamento.
370
E como fazer?
Antes de comear qualquer anlise importante classificar as variveis sob dois aspectos:
se dependente ou independente, e se numrica ou categrica. Estas duas classificaes
so fundamentais para definirmos qual tipo de ferramenta estatstica utilizar para analisar
a relao entre as variveis. Se no adotarmos o estudo adequado, no conseguiremos
avaliar corretamente a existncia de uma relao. E, sendo assim, no saberemos em qual
varivel independente focar para alcanarmos a meta desejada.
371
E como fazer?
Y numrica Y categrica
Grfico de disperso
Tudo isso, s que
X numrica Grfico de disperso invertido
estratificado
Aps definir qual o tipo de varivel, deve-se escolher qual tcnica estatstica ser utilizada
para analisar a relao dos dados. De acordo com a tabela, possvel encontrar as tcnicas
disponveis para analisar a relao entre x e y numricas, x numrica e y categrica, x e
y categricas e x categrica e y numrica. interessante notar que os tratamentos para x
categrica e y numrica, e x numrica e y categrica, so os mesmos, porm apenas
invertidos.
372
Relao entre variveis X numrica e Y numrica
373
Imagine o cenrio
muito comum em empresas que trabalham com projetos, a tentativa de sempre melhorar
a satisfao dos clientes. Para isto, busca-se sempre entender qual varivel possa ajudar
a empresa, a entender o ndice de satisfao dos clientes com um projeto. Em uma
entrevista, alguns clientes reclamaram do atraso e assim, a empresa decidiu entender se
havia relao entre o ndice de satisfao com o nmero de dias de atraso em que o projeto
era entregue. Os dados da pesquisa esto disponveis na tabela e para analisa-los,
precisamos comear pela classificao das suas variveis.
Neste caso, a varivel x dias de atraso e sua classificao numrica. J a varivel y,
ou seja, a varivel resposta que estamos tentando impactar o ndice de satisfao, que
tambm numrico. Portanto, temos uma relao entre Y numrico e X numrico, que
pela tabela do slide 6, deve ser avaliada por meio de um grfico de disperso.
374
Grfico de Disperso
GRFICO DE DISPERSO
Por meio do grfico de disperso, possvel verificar uma relao entre os dias de atraso
na entrega do projeto e seu ndice de satisfao. Quanto mais atrasado o projeto, pior o
ndice. Com isto, aprendemos que se a meta da empresa for melhorar o ndice de
satisfao, devemos trabalhar forte para melhorar o processo de realizar projetos no que
tange o tempo de entrega. Se a meta for manter um ndice de satisfao maior ou igual
4, teremos de entregar os projetos 10 dias antes da data que entregamos hoje. Ou seja,
precisaremos acelerar o processo de execuo de projetos, pois o cliente s ficar muito
satisfeito se nossos prazos diminurem.
O grfico de disperso, tcnica utilizada neste exemplo, uma representao grfica da
associao entre pares de dados. Esse emparelhamento de dados o resultado da
associao de diferentes medies de uma certa causa (por exemplo, atraso) com a
medio correspondente da caracterstica de qualidade (por exemplo, satisfao). Os
dados emparelhados podem tambm ser medies de duas causas (por exemplo, atraso e
escopo), ou duas caractersticas de qualidade (satisfao e custo). Cada par se torna um
ponto do grfico de disperso.
375
Como avaliar o grfico de disperso
Um grfico de disperso pode revelar relaes importantes entre certos parmetros, o que
pode ajudar nas tomadas de decises em um processo. Ele tambm pode indicar que no
existe relao entre uma causa e uma caracterstica de qualidade, o que poderia resultar
em uma causa sendo eliminada de um diagrama de causa e efeito.
H vrios tipos de associaes entre parmetros que podem ser demonstradas pelo grfico
de disperso. A relao pode ser positiva ou negativa (quando um cresce o outro
decresce), fraca ou forte, linear ou no linear.
376
Correlao linear
Correlao Correlao
negativa forte negativa mdia
377
Grfico de Disperso Estratificado
20
Espessura
15
10
0
65 70 75 80 85
Presso
378
Grfico de Disperso Estratificado
379
Ser que o investimento por aluno influncia no % de
alunos formados?
Algumas vezes se supe que o desempenho de uma escola poderia ser melhorado se os
salrios dos professores fossem aumentados ou se uma parcela maior da verba da escola
fosse gasta com salrios de professores. E a, possvel dizer isto por meio do grfico?
380
Ser que o investimento por aluno influncia no % de
alunos formados?
A figura mostra dois grficos de disperso que no apoiam esse ponto de vista. Ambos os
diagramas esto estratificados por estados que exigem testes de competncia dos alunos
e aqueles que no exigem tais testes. De acordo com os grficos de disperso, nenhum
desses fatores desempenha um papel importante no sucesso da escola, conforme medido
pelas pontuaes SAT e taxas de graduao.
381
Correlao x Causalidade
22
N me r o d e d o e n te s me n ta is
18
10
6
0 2000 4000 6000 8000 10000
Nmero de aparelhos de rdio (em milhes)
Veja os dados coletados entre os anos 1920 e 1935 relativos ao nmero de aparelhos de
rdio e nmero de doentes mentais por 100.000 habitantes na Inglaterra. E a, o que
podemos concluir desta anlise? Quanto maior o nmero de aparelhos de rdio maior o
nmero de doentes mentais. Ser que aparelhos de rdio causam doenas mentais?
Precisamos acabar com os rdios?
Calma, no nos precipitemos. Correlao no implica causalidade. Duas variveis podem
estar correlacionadas devido a:
A varivel X causa direta da varivel Y
A varivel Y causa direta da varivel X
A varivel X contribui para a variao em Y, mas no a nica causa
Outras variveis podem estar provocando a correlao
Ambas as variveis esto mudando com o tempo
A associao no passa de coincidncia
Em estudos observacionais no se pode atribuir relao de causa e efeito a variveis
correlacionadas. Para atribuir relao de causa e efeito, preciso realizar experimentos
planejados. Sem isto, estaremos correndo risco de tomarmos relaes que no passam de
mera coincidncia. Hoje, na era do Data Mining este risco bastante grande.
382
Mquina de correlaes
Link
No Google Correlate, voc pode analisar a relao entre termos de busca. Sim, o Google
faz exatamente isto para voc. No exemplo, solicitei uma busca em quais termos de busca
se relacionam com o termo "desemprego" no Brasil. Em poucos segundos, o Google gera
um grfico de disperso e uma lista dos termos de busca com um maior ndice de
correlao com as buscas por desemprego.
Pelo estudo, o termo com maior correlao seguro desemprego. Ser que desemprego
causa direta da pesquisa pelo seguro desemprego? Na minha percepo, neste caso faz
sentido atribuirmos uma causalidade nesta correlao. Porm, o terceiro termo que mais
se correlaciona o "voc sabia" e o stimo "quebrando a cara". E a? Ser que so a
correlao de 0,7722 entre desemprego e voc sabia tem uma relao de causa? Ou ser
que mera coincidncia? Para mim, neste caso est mais para coincidncia do que para
uma relao causal.
383
Outras correlaes estranhas
E agora? Voc sabia que doutorado em matemtica tem forte correlao com a quantidade
de uranio estocado nas usinas de energia nuclear dos Estados Unidos? E os filmes do
gtico Nicolas Cages? Sabia que eles tm forte correlao com o nmero de pessoas que
afogam depois de cair na piscina? caros leitores. Acho que vocs no sabiam que em
nosso curso de Green Belt tratvamos de correlaes sobrenaturais na fase do Analyse.
Brincadeira parte, colocamos estes exemplos para que voc tenha noo de que
causalidade se difere da correlao puramente matemtica.
384
Resumo: grfico de disperso
O que so?
Quando utilizar?
Quando estratificar?
385
Agora sua vez...
386
Associao entre varivel Y numrica e X classificatria
387
Y Numrica, X Classificatria
26
20
24
15
Vendas
Tempo
10 22
5 20
0 18
antes
mesmos tempos
depois Grfico 3: ordem de coleta dos dados
4 6 8 10 12 14 16 18
TEMPO no relevante
Nesse caso ho possvel calcular o coeficiente de correlao entre as variveis pois uma
delas no numrica, classificatria. Tambm no possvel fazer o grfico de
disperso. Neste caso, h duas formas de examinar visualmente a correlao entre as
variveis. Para uma varivel numrica e medida ao longo do tempo, podemos encontrar
vrios cenrios. So eles:
Grfico 1: a varivel categrica define duas ou mais fases, antes e depois de, por
exemplo, uma mudana. Nesse caso, adequado fazer um grfico de tendncia
estratificado por fases. Se o comportamento da varivel numrica significativamente
diferente nas fases dizemos que h correlao entre as variveis
Grfico 2: a varivel numrica medida em duas condies diferentes nos mesmos
tempos. Nesse caso adequado fazer um grfico de tendncia com a varivel resposta
superposta. Se os dados esto em regies significativamente diferentes dizemos que h
correlao entre as variveis
Grfico 3: se a ordem em que os dados foram coletados no for relevante, ou mesmo
sendo relevante e o processo estvel, uma forma de visualizar os dados por meio da
comparao das distribuies de frequncia (dot plot ou histograma) da varivel
numrica estratificadas pela varivel classificatria. Se as distribuies esto
essencialmente na mesma regio, dizemos que no h correlao entre as duas
variveis. Se esto em regies significativamente diferentes dizemos que h correlao
entre as variveis
388
Y Classificatria, X Classificatria
389
Y Classificatria, X Classificatria
Definies
n11 Freqncia de indivduos nas categorias A1 e B1
n12 Freqncia de indivduos nas categorias A2 e B1
n21 Freqncia de indivduos nas categorias A1 e B2
n22 Freqncia de indivduos nas categorias A2 e B2
n1+ Freqncia de indivduos nas categorias B1
n2+ Freqncia de indivduos nas categorias B2
n+1 Freqncia de indivduos nas categorias A1
n+2 Freqncia de indivduos nas categorias A2
n++ Total de indivduos na amostra
TABELA DE CONTINGNCIA
Uma tabela de contingncia uma representao tabular da relao entre pares de
variveis, principalmente variveis categricas. O propsito de uma tabela de
contingncia o mesmo de um grfico de disperso estudar relaes. Os grficos de
disperso mostram a relao graficamente e a tabela de contingncia ilustra a relao
numericamente. Uma tabela de contingncia uma ferramenta verstil e frequentemente
um passo temporrio para se desenvolver outros mtodos grficos e para incorporar a
estratificao em outros tipos de grficos.
390
Imagine o cenrio
Tabela de Contingncia
Sistema Novo
No horrio Atrasado
88% 12%
391
Como fazer uma tabela de contingncia?
392
Exemplos
393
Exemplo antibitico
Antibitico Infeco
A 12
B 60
C 28
Total 100
394
Resumo: tabela de contingncia
O que so?
Quando utilizar?
Como fazer?
395
Agora sua vez...
396
Agora sua vez...
397
Agora sua vez...
398
Planejamento de Experimentos
PLANEJAMENTO DE EXPERIMENTOS
Se tivssemos recursos e tempo infinitos, provavelmente no seria um problema realizar
mais experimentos do que o necessrio. Em produo e em controle de qualidade,
queremos controlar os erros e aprender o mximo possvel sobre o processo ou sobre
teoria subjacente com os recursos que temos disponveis. Do ponto de vista de engenharia,
ns utilizamos a experimentao para os seguintes fins:
Reduzir o tempo para projetar / desenvolver novos produtos e processos;
Melhorar o desempenho dos processos existentes;
Melhorar a confiabilidade e o desempenho dos produtos;
Conseguir produtos e processos mais robustos ( prova de erros);
Realizar a avaliao de materiais, alternativas de projeto, desenvolver componentes e
ajustar os sistemas de tolerncias, etc.
Sempre queremos afinar ou melhorar o processo. No mundo de hoje, a busca por maior
competitividade afeta a todos ns, tanto como consumidores, mas principalmente como
produtores de produtos ou servios.
Robustez um conceito que entra na estatstica de vrias maneiras. Na fase de anlise,
refere-se a uma tcnica que no excessivamente influenciada por dados errados. Ou
seja, mesmo se houver um ponto muito fora ou mal coletado, voc ainda ir obter a
resposta certa. Independentemente de quem ou o que estiver envolvido no processo de
experimentao - ele ainda estar correto.
399
Um pouco de histria...
400
Definies importantes
Experimento
Teste ou srie de testes nos quais mudanas intencionais so feitas em variveis de entrada de
um processo (fatores) de tal forma a observar e identificar os efeitos nas variveis respostas
Planejamento de Experimentos
Procedimentos que possibilitam planejar experimentos e analisar os resultados
Objetivo
Determinar as principais causas de variao, encontrar condies que maximizem ou
minimizem a resposta, comparar as respostas para diferentes configuraes das variveis de
entrada, obter um modelo para predizer resultados futuros e fornecer uma base para aes no
processo
Utilizaes
Projetar e desenvolver um produto
Melhorar um processo existente
Melhorar um processo novo aps partida
Desenvolver produtos e processos robustos perante fontes externas de variabilidade
Reduo do tempo de desenvolvimento de um produto
Reduo de custos globais
401
Como fazer?
Passos
Desenvolver uma descrio clara e concisa do problema
Identificar, pelo menos tentativamente, os fatores importantes que
afetam o problema ou que desempenham papel importante na soluo
Propor um modelo para o problema, usando conhecimentos cientficos
sobre o problema em estudo. Estabelecer as suposies e limitaes
sobre o modelo
Conduzir experimentos e coletar dados para testar ou validar o modelo
proposto
Refinar o modelo com base nos dados observados
Conduzir experimentos para validar a soluo proposta
Consolidar o aprendizado e fazer recomendaes baseado nos
resultados do experimento
402
Imagine o cenrio...
Uma das questes mais comuns que fazemos quando estamos mudando de endereo
residencial ou do escritrio : qual o melhor provedor de acesso internet disponvel
nesta regio? Posto isto, qual a melhor maneira de responder a este questionamento? H
basicamente trs estratgias:
Pesquisar na internet, como fizemos no slide, para encontrar quais os melhores
provedores, segundo dados coletados em vrios experimentos por sites especficos.
No caso, utilizamos o www.minhaconexao.com.br.
Pesquisar nos sites dos provedores quais as velocidades prometidas.
Realizar um experimento para descobrir qual o provedor mais rpido.
Das trs opes, prefiro comear pela a, buscando quais sos os melhores provedores da
regio e depois, partir para a c. Sou daqueles que s confio num nmero quando sei o
mtodo pelo qual ele foi coletado.
403
Qual melhor provedor?
Qual provedor melhor? Pelo grfico, o que demorou menos tempo em mdia, para
realizar os downloads foi o provedor A. Porm, ser que podemos realmente concluir que
o A melhor, ou pode haver outros fatores que esto afetando este resultado? Em
tratando-se de provedores, pode-se pontuar uma srie de fatores que podem afetar o tempo
de download. So eles:
Trafego na rede
Computadores acessando o site
Outras tarefas sendo feita no computador
Sistema do provedor
O dia da semana
Velocidade do processador
Quantidade de memria
Assim, fica claro que para sermos mais assertivos nesta anlise, precisamos rodar um
experimento utilizando critrios mais rigorosos, a fim de controlar estes vrios fatores
que podem influenciar em nosso resultado.
404
Definies importantes sobre experimentos
405
Corrida experimental: realizao da aplicao de um tratamento a uma unidade
experimental. Um experimento ento um conjunto de corridas experimentais. Um
resultado experimental uma medida resultante de uma corrida experimental
Experimento: teste ou srie de testes nos quais mudanas intencionais so feitas em
variveis de entrada de um processo (fatores) de tal forma a observar e identificar os
efeitos nas variveis respostas
Erro experimental: percebido por quem realiza experimentos que duas unidades
experimentais submetidas ao mesmo tratamento ( mesma condio experimental)
usualmente apresentam respostas diferentes. Essa variabilidade nas respostas devido ao
que denominamos de erro experimental. A avaliao do erro experimental de
fundamental importncia no processo de tomada de deciso por meio do teste estatstico
de hipteses. No contexto da Estatstica o termo erro no est associado com a noo
comum de realizar algo de uma forma no apropriada. O erro se refere variabilidade
que ocorre nas respostas devido atuao de fatores no controlados, muito embora possa
incorporar tambm erros grosseiros de procedimento. Usualmente o erro experimental
devido a duas causas principais:
A primeira delas devido variabilidade que existe entre as unidades experimentais.
As propriedades fsicas e qumicas ou as caractersticas biolgicas de cada unidade
experimental fazem com que as respostas de duas unidades possam apresentar
respostas diferenciadas mesmo sendo tratadas da mesma forma.
A segunda devido impossibilidade de se manter uniformes as condies de
realizao de um experimento. Duas reaes qumicas, realizadas com os mesmos
nveis dos fatores de controle, sofrem influncias ambientais diferentes.
Replicao: importante para gerar informao sobre o erro experimental
Aleatorizao: importante para gerar uma distribuio de referncia vlida para realizar
comparao (relao sinal/rudo)
Blocagem: importante para controlar fontes de variao conhecidas, reduzindo o erro
experimental e aumentando a sensibilidade do experimento (aumentar a relao sinal
rudo)
Repetio: medir duas ou mais vezes a mesma unidade experimental
406
Como tudo isto se combina?
Fatores de processo
Fatores de
entrada
x1 Sadas Y Varivel
x2 Processo de
resposta
transformao
xp
z1 z2 zr e1 e2 es
Variveis de bloco Variveis de rudo
Variveis no controlveis
407
Princpios bsicos para a anlise
408
Como fazer experimentos?
O ponto de partida para se iniciar um experimento definir sua pergunta a ser respondida,
ou qual problema voc deseja solucionar. Depois, define-se os fatores que podem afetar
sua varivel resposta e quais nveis voc deseja utilizar, lembrando que nveis so os
valores que os fatores iro assumir durante o experimento. Em seguida, seleciona-se a
varivel resposta que importante para resolver seu problema.
Doravante, escolhe-se o plano experimental, executa-o, anota toda anomalia ocorrida
durante o experimento e ao final, analisa-se os resultados. Depois, elabora-se um
relatrio, que deve recomendar algumas aes para que o problema seja resolvido. Ao
final, elabora-se um plano de ao bsico, do tipo 5W2H para que aes recomendadas
sejam de fato implementadas.
Para ajuda-lo a elaborar, executar, analisar e tomar aes em cima dos seus experimentos,
recomendamos fortemente estrutura-los por meio de um ciclo PDSA.
409
Como fazer um bolo saboroso?
Forno
Acar
Fermento
Caractersticas:
Ovos Sabor
Consistncia
Cor
410
Experimento Fatorial
EXPERIMENTO FATORIAL
Muito do que vamos aprender neste curso, devemos ao Sir Ronald Fisher um estudante
de biologia e matemtica da universidade de Cambrigde (Inglaterra), que em 1909 foi
trabalhar em uma estao agrcola experimental chamada de Rothamsted Station. Esse
centro de pesquisas tinha o objetivo de desenvolver tecnologias capazes de aumentar a
produtividade agrcola, como novos fertilizantes ou espcies de plantas.
Na primeira metade do sculo 20, eles lanaram as bases para a estatstica e para o
planejamento de experimentos. Ele e seu colega Frank Yates desenvolveram muitos dos
conceitos e procedimentos que usamos hoje. Dentre estes, podemos listar os conceitos
bsicos, tais como anlise ortogonal e quadrados latinos, desenvolvidos entre os anos 20
e 40, alm claro, do Experimento Fatorial que ser o objeto de estudo nesta sesso.
411
O experimento do bolo
Forno
Acar
Fermento
Caractersticas:
Ovos Sabor
Consistncia
Cor
412
Uma forma adequada de medir o efeito de variveis de entrada e de processo em variveis
de sada (ou variveis respostas), realizar experimentos planejados. Em um experimento
planejado, ns fazemos mudanas deliberadas em uma ou mais variveis de processo ou
de entrada (fatores) com o objetivo de observar o efeito dessas mudanas em uma ou mais
variveis respostas. Em nosso exemplo, podemos alterar a temperatura do forno, a
qualidade de acar, fermento e ovos, e observar o impacto destas mudanas no sabor,
consistncia ou na cor do bolo da Dona Mafalda. O planejamento estatstico do
experimento um procedimento eficiente e eficaz para obter e analisar dados, obtendo
concluses vlidas e objetivas.
413
PDSA: o caminho para o DOE
Tiram-se as
concluses e Planeja-se o
planejam-se experimento
as aes
Executa-se o
Analisa-se plano e
os dados coleta os
dados
414
Identificar a varivel resposta
Identificar os fatores
Escolher os nveis dos fatores
Decidir sobre o plano experimental
Aleatorizar as corridas experimentais
Do
Realizar o Experimento
Observar e anotar outros eventos que ocorram durante a realizao do
experimento
Study
Analisar os dados
Determinar a melhor combinao
Confirmar os resultados
Act
Responder as questes
Consolidar o aprendizado
Decidir que aes sero realizadas
Este ciclo repete-se continuamente, pois sempre ser necessrio mais conhecimento para
manter-se competitivo.
415
Helicptero de Papel
416
Helicptero de Papel
Para virar o jogo, a primeira coisa a ser feita analisar o projeto do helicptero. Para isto,
o setor de engenharia confeccionou uma tabela com todos os fatores passveis de alterao
e com os nveis sugeridos para o teste. Segundo a engenharia, estes so os fatores que
podero alterar a varivel resposta - tempo de voo. Porm, necessrio verificar se a
teoria propagada pela engenharia ou no vlida. Diante deste problema, pergunta-se:
Quais fatores efetivamente afetam o tempo de permanncia no ar?
Como realizar um experimento para avaliar o efeito dos fatores?
417
Estratgia 1
418
Estratgia 1
Plano de Ao da Estratgia 1
Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo
5 1,7 3 1,7
3 5
8 1,5 6 2,0
Melhor combinao
(6,5)
419
Estratgia 1
Plano de Ao da Estratgia 1
Comp Asa Larg do Corp Tempo Comp Asa Larg do Corp Tempo
3 1,5 5 1,7
8 3
6 1,2 8 1,5
Melhor combinao
(3,5)
Imagine que voc tenha executado o plano de ao da estratgia 1, mas tenha feito a
anlise de forma diferente. O que ir recomendar ao departamento de engenharia que
faa? Qual o melhor comprimento da asa e largura do corpo, supondo que todos tenha
cado girando da mesma maneira?
Pela tabela, est claro que o maior tempo de voo foi estabelecido quando o comprimento
da asa foi 3. J para a largura do corpo, o melhor ajuste 5. Correto?
Como o mesmo experimento pode recomendar que voc utilize a combinao 6,5 e
depois, se voc alterar a ordem do fator que sofrer a variao primeiro, pode recomendar
o ajuste 3,5? Deu um n a? Ou deu uma sensao de que os testes A/B que dominam o
mundo digital podem no ser to interessantes assim.
420
O perigo da variao de 1 fator por vez
421
Durante 90 anos a estao fez experimentos, testando diferentes combinaes de sais
minerais e linhagens de trigo, centeio, cevada e batata. Isso criara um enorme depsito de
dados, registros dirios exatos de chuva e temperatura, registros semanais de preparaes
de fertilizantes, medidas do solo e registros anuais de colheitas tudo preservador em
dirios de anotaes encadernados. A maioria desses experimentos no produziu
resultados consistentes, mas as anotaes tinham sido cuidadosamente armazenadas nos
arquivos da Estao.
Diante desta vasta quantidade de dados, Sir John decidiu contratar algum para ver o que
havia ali, fazendo uma anlise estatstica daqueles registros. Pediu informaes e lhe foi
recomendado Fisher. Com poucos recursos para pag-lo e no podendo garantir mais de
um ano de contrato, Fisher topou o desafio. Ao chegar, caminhou pelos campos e
mergulhou nos seus mais de 90 anos de dados preciosos, a fim de empenhar-se no que
chamaria mais tarde de revolver um monte de estrume. E assim, em cima dos dados
apelidados de estrume, Fisher desenvolveu boa parte da Estatstica que conhecemos
hoje. Portanto, no fique preocupado com a qualidade dos dados que h em sua empresa
e nem com os planejamentos realizados at agora. Tenho certeza de que o conhecimento
abordado aqui ser muito til para que voc revolucione a anlise de dados no local em
que voc trabalha e crie um sistema de aprendizado adequado a era do conhecimento.
422
Introduo aos experimentos fatoriais
Sero estudados aqui experimentos que envolvem uma nica varivel resposta e um
nmero n de fatores (n um nmero qualquer). Como dito, os fatores so as partes do
sistema (por exemplo, os parmetros de ajuste de uma mquina) que podem ser
modificadas.
A varivel resposta ser chamada Y, e os n fatores, X1, X2, ... , Xn. Cada fator ter 2
nveis, + e -. Pode haver, tambm, um valor central Yo, que seria, por exemplo, uma
condio de operao anterior e o experimentador tenta aperfeioar.
Todo experimento fatorial ser balanceado, o que significa que os nveis de fatores
escolhidos so os mesmos em todos os ensaios. Os fatores correspondentes ao valor
central possuem nveis correspondentes mdia dos nveis escolhidos para cada fator (so
pontos mdios, centrais). Os fatores so simtricos em relao aos fatores
correspondentes ao valor central.
O fatorial baseado em hipteses de relaes lineares, em curtos intervalos de variao.
Suponha um experimento com dois fatores, A e B, e dois nveis, {+, -}. , portanto, um
experimento 22 = 4 ensaios a se realizar. O tratamento, que indica os ensaios que devem
ser realizados, : {--, -+, +-, ++} e ser obtida uma funo resposta da forma:
= ++
Nesta funo, a o efeito do fator A, b o efeito do fator B, e c o efeito da
interao entre os fatores A e B. notvel que esta funo constitui uma aproximao
linear, ou seja, uma aproximao matemtica para um comportamento de padro
desconhecido. Quanto mais experimentos forem realizados, com nveis cada vez mais
refinados, mais precisa ser esta aproximao.
A deteco do efeito da interao entre dois fatores , como j afirmado, o grande
diferencial da metodologia DOE. As notaes para a interao de dois fatores A e B so:
A*B, AxB ou AB.
423
Os experimentos fatoriais so estudados porque:
So fceis de planejar e analisar. A anlise pode ser feita essencialmente com grficos
Requer poucas rodadas experimentais (reduz custo e tempo de experimentao)
Pode ser aplicada em uma ampla gama de situaes onde necessrio melhorar
produtos ou processos
424
Notao
Ex: Fatorial 22
Trat A B Resposta
Dois nveis 1 -1 -1 y1
a=(+)
b=(-) 2 1 -1 y2
3 -1 1 y3
4 1 1 y4
2n
Nmero de fatores
Nmero de nveis
Exemplo: 22
Fatores: A e B
Tratamentos: {- - , - + , + - , + +}
importante se destacar que a escolha do que um nvel superior ou inferior
arbitrria e do experimentador. Os nveis podem ser variveis numricas ou
categricas. Em um experimento que visa aferir os efeitos das combinaes de corantes
sobre a cor final de um plstico produzido em uma fbrica, podem ser atribudos valores
numricos s cores finais, obtidos por uma tcnica analtica, ou apenas valores
categricos. O experimentador poderia definir o nvel + como a cor preta, o nvel como
a cor branca, e o valor central como a cor cinza (ou no definir nenhum valor central).
Em outro estudo, que vise aferir os efeitos das ferramentas de corte sobre a presena de
riscos em um piso cermico produzido em certa fbrica, o nvel + poderia ser definido
como a ausncia de riscos e, o nvel -, como a presena de riscos.
425
Anlise
Efeitos principais
Efeitos da interaes
426
Anlise efeitos principais: Helicptero
Mean of y4
1.5
1.4
-1 1
mostrado graficamente
A
Observe que o efeito de um fator o produto da coluna do fator pela coluna de respostas
dividido pela quantidade de linhas com sinal (+). Neste exemplo, o fator (A) ou
comprimento da asa tem um efeito de 0,5. Quanto positivo, o resultado no tempo 1,7.
Quando negativo, 1,2. Portanto, sua variao corresponde a uma variao de 0,5 na
varivel resposta.
427
Anlise efeitos principais: Helicptero
Observe que o efeito de um fator o produto da coluna do fator pela coluna de respostas
dividido pela quantidade de linhas com sinal (+). Neste exemplo, o fator (B) ou largura
do corpo tem um efeito de 0,1. Quanto positivo, o resultado no tempo 1,5. Quando
negativo, 1,4. Portanto, sua variao corresponde a uma variao de 0,1 na varivel
resposta.
428
Anlise dos efeitos da interao: Helicptero
Dizemos que existe interao entre dois fatores quando o efeito de um fator em uma
resposta depende do nvel do outro fator. Para avaliar a interao, calculamos o efeito de
um fator em cada nvel do outro e comparamos. Se forem significativamente diferentes
dizemos que h interao entre os fatores. No caso do helicptero podemos observar que
h interao, pois, a interao de A com B de 0,1.
importante observar que:
AB=[(1.8-1.2)-(1.6-1.2)]/2=[0.6-0.4]/2 =0.1
O efeito da interao de A com B igual ao produto da coluna AB pela coluna de
respostas dividido pela quantidade de linhas com sinal (+)
429
Anlise grfica das interaes
2.00 A 2.00 A
-1 -1
1 1
1.75 1.75
Mean
Mean
1.50 1.50
1.25 1.25
1.00 1.00
-1 1 -1 1
Sem Interao B Interao moderada B
2.00 A 2.00 A
-1 -1
1 1
1.75 1.75
Mean
Mean
1.50 1.50
1.25 1.25
1.00 1.00
-1 1 -1 1
Interao moderada B Interao forte B
430
Exerccio
100 4 -1 -1 216
120 4 1 -1 221
100 6 -1 1 235
120 6 1 1 223
Calcular: Fazer:
1. Efeito de Veloc 1. Grfico dos Efeitos principais
2. Efeito de Avano 2. Grfico da Interao
3. Interao Veloc*Avano
Agora sua vez. Chegou a hora de calcular qual o efeito dos fatores velocidade e avano
no acabamento do material.
Efeito da Velocidade:
V100 = (235 + 216) / 2 = 225,5
V120 = (223 + 221) / 2 = 222
Efeito da Velocidade = 225,5 222 = 3
Efeito do Avano:
A4 = (221 + 216) / 2 = 218,5
A6 = (235 + 223) / 2 = 229
Efeito do Avano = 229 218,5 = 10,5
Efeito da Velocidade para o Avano:
Velocidade para Avano (+) = (223 - 216) = 7
Velocidade para Avano (-) = (235 221) = 14
Interao de A com B = (14 7) / 2 = 7
431
Resumindo: Interaes e Efeitos Principais
Temos
22
2 efeitos principais: A e B
1 interao de 2 fatores: AB
Temos
3 efeitos principais: A, B e C
23
3 interaes de 2 fatores: AB, AC, BC
1 interao de 3 fatores: ABC
Temos
6 interaes de 2 fatores: AB, AC, AD, BC, BD, CD
24
4 interaes de 3 fatores: ABC, ABD, ACD, BCD
1 interao de 4 fatores: ABCD
432
Fatorial 2: Exemplo
433
Fatorial 2: Exemplo
434
Calculo dos efeitos fatoriais
Mdia T C K TC TK CK TCK Y
60 + 68 + 52 + 80 72 + 54 + 83 + 45
TC = - = 1.5
4 4 + - - - + + + - 60
+ + - - - - + + 72
60 + 54 + 83 + 80 72 + 68 + 52 45 + - + - - + - + 54
TK = - = 10
4 4 + + + - + - - - 68
60 + 72 + 45 + 80 54 + 68 + 52 + 83 + - - + + - - + 52
CK = - =0 + + - + - + - - 83
4 4 + - + + - - + - 45
72 + 54 + 52 80 60 + 68 + 83 + 45 + + + + + + + + 80
TCK = - = 0.5
4 4 8 4 4 4 4 4 4 4 divisor
435
Anlise dos efeitos
Pareto Chart of the Standardized Effects Normal Plot of the Standardized Effects
(response is Rend) (response is Rend)
F actor N ame 99
F actor N ame
A Temp
A B C onc
A Temp
B C onc
C C atal 95
C C atal
AC 90 A
80
B AC
70
AB
Percent
60
Term
AB 50 C
40 A BC
C 30
20
ABC 10 B
5
BC
1
0 2 4 6 8 10 12 14 16 18 -5 0 5 10 15
Standardized Effect Standardized Effect
436
Exemplo Fatorial 24
Fator - +
A: Carga Catalisador (lb) 10 15
B: Temperatura (C) 220 240
C: Presso (psi) 50 80
D: Concentrao (%) 10 12
437
Exemplo Fatorial 24
438
Exemplo Fatorial 24
439
Exemplo Fatorial 24
440
Exemplo Fatorial 24
441
Exemplo Fatorial 24
Main Effects Plot (data means) for % Conversao Interaction Plot (data means) for % Conversao
77 Temperatura
85
220
76 240
80
75
Mean of % Conversao 74 75
73
Mean
70
72
71 65
70
60
69
55
68
10 15 10 12
Carga Catal Conc
442
Exerccios
443
Exerccios
444
Exerccios
445
Improve
IMPROVE
A quarta fase do roteiro DMAIC o Improve. Nesta fase, nosso objetivo testar as
mudanas desenvolvidas no Analyze, melhorando-as cada vez mais. Ao final desta fase,
saberemos quais mudanas funcionam ou no funcionam, podendo assim seguir para
a sua implementao em larga escala.
As atividades desta fase so todas relacionadas testes. Temos que entender quais so as
maneiras de testar com eficincia e como comear a implementar o que acreditamos que
dar certo. Nos prximos slides, falaremos sobre o que significa realizar testes de
mudanas e algumas das estratgias principais para fazer esses testes de maneira
assertiva e eficiente.
446
O Improve
Objetivo:
Testar as mudanas desenvolvidas, aumentando
gradativamente a sua escala.
Atividades:
Elaborao de testes de mudanas;
Aumento gradual da escala dos testes;
Consolidao do aprendizado;
Preparao para a implementao em larga escala.
447
Teste de Mudanas
TESTE DE MUDANAS
Nos prximos slides, vamos levantar alguns pontos interessantes para que possamos
desenvolver um entendimento pleno do que significa realizar um teste.
448
Implementao, teste e mudanas
449
A mudana uma predio
Uma predio :
450
A mudana uma predio
Toda mudana , em sua essncia, fruto de uma predio. Essa predio, por sua vez,
no pode ser feita, sem haver uma teoria por trs. por isso que ressaltamos aqui, mais
uma vez, a importncia de entendermos o mtodo cientfico e observarmos as aes de
melhoria no seu mbito.
Quando elaboramos uma mudana, sempre temos uma teoria por trs da mesma, que
nos faz imaginarmos (ou predizermos) como vai funcionar o sistema (ou processo) aps
a sua realizao. A teoria para cada mudana construda a partir da anlise que a equipe
de melhoria faz da situao atual (usando os dados levantados na fase do Measure e as
ferramentas ensinadas na fase do Analyze). Essas anlises podem ter gerado uma
excelente teoria, capaz de formular timas predies, ou seja, timas ideias de mudana.
Entretanto, no prudente adotarmos essas mudanas na nossa operao rotineira sem
saber se elas so de fato proveitosas. Temos ento que testar essas mudanas.
exatamente isso que iremos fazer na fase do Improve. Realizaremos testes para termos
plena convico de que o estado futuro aps a mudana seja melhor que o estado atual
do nosso sistema. Como faremos isso? Por meio de medies, claro (lembrem-se da
segunda questo da melhoria). S podemos saber se uma mudana gerou uma melhoria
caso uma mtrica seja positivamente afetada.
A maneira para conduzirmos estes testes utilizando vrios ciclos PDSA. A cada ciclo
PDSA, coletamos dados de maneira a aumentar a nossa convico de que uma mudana
ser uma melhoria.
451
Grau de convico
Grau de Convico:
O grau de convico de que a nossa mudana ser uma melhoria a caracterstica que
mais trabalhamos na fase do Improve. Os testes devem modifica-lo bastante. Caso os
resultados sejam favorveis s nossas predies, ns aumentamos nosso grau de
convico. Mas se os resultados no forem favorveis, nosso grau de convico diminui.
Se temos um grau de convico alto, estamos prontos para implementar a mudana e
adot-la no nosso dia a dia. Se temos um grau de convico baixo, precisamos reformular
toda a nossa teoria e rever o nosso entendimento sobre o processo.
Essa reviso das teorias que faz com que aprendamos sobre o que estamos fazendo.
Dessa maneira, paramos de realizar mudanas no escuro e comeamos a fazer as coisas
de maneira mais slida e controlada (e desta forma, chegamos a resultados melhores de
maneira mais rpida).
452
Objetivo dos testes
453
Objetivo dos testes
Grau de
convico de
que a mudana
uma melhoria
Mudana
necessita
de mais
Mudana
testes
fracassada
Baixo
Desenvolvendo Testando uma Implementando
uma mudana mudana: ciclos 1, 2, uma mudana
...
A figura no slide sintetiza bem o que a atividade de testar mudanas que realizamos
durante a fase de improve. Ela mostra como o grau de convico varia para diferentes
mudanas ao longo do tempo. As mudanas geralmente tm 3 desfechos:
Fracasso: quando, a cada teste que fazemos diminui nossa convico de que a
mudana ser uma melhoria. O fracasso pode vir por vrios motivos, desde uma
hiptese completamente errada quanto de dificuldades de ordem prtica que aparecem
durante a fase de testes.
Sucesso: quando, aps os testes, temos uma alta convico de que a mudana ser uma
melhoria.
Inconcluso: quando mesmo aps uma srie de testes, ainda no temos convico
suficiente para implementar as mudanas propostas.
454
Tipos de estudos para se testar mudanas
455
Tipos de Estudos
Comparao simultnea.
456
Antes e Depois
Pontos vulnerveis:
Ocorrncia de causas especiais ao mesmo tempo em que
mudanas so feitas
Efeito Hawthorne
antes depois
50
40
Individual Value
30
20 UCL=19,69
_
X=12,06
10
LCL=4,44
0
1 3 5 7 9 11 13 15 17 19 21 23 25
Observation
457
Comparao Simultnea
Comparao Simultnea:
30
25
Data
20
15
10
2 4 6 8 10 12 14 16 18 20 22 24
Index
458
Principios para a realizao de testes
459
Princpios para a realizao de testes
460
Escala e Escopo
Uma regra prtica til ao projetar ciclos de teste inicial construir um teste
"1:1:1", o que significa que o teste vai envolver "um fornecedor, um cliente,
um item produzido", como a menor unidade de teste
461
Escala dos testes
Baixa Alta
Um ciclo
Pequena Testes de mdia escala para
implementar
Consequncias
de um teste
falho Testes de
Teste em escala muito mdia e
Grande
pequena pequena
escala
A tabela no slide nos ajuda a definir qual vai ser a escala de nossos testes. Para definir a
escala, precisamos saber duas coisas: o grau de convico de que a mudana ser uma
melhoria e as consequncias que podemos ter se o teste falhar. Caso as consequncias
sejam graves (como em testes que envolvem a segurana dos envolvidos ou outros tipos
de perdas fsicas e financeiras), devemos sempre pensar em comear pequeno, mesmo se
a nossa convico for grande.
Testes com poucas consequncias de ato falho devem ser conduzidos em escalas maiores.
Caso a equipe esteja confiante, podemos at pensar em um teste onde j estaremos
implementando a mudana. Iremos discutir mais sobre implementao na etapa do
Control.
462
A Matriz de Priorizao
MATRIZ DE PRIORIZAO
463
Matriz de Impacto/Esforo
Impacto vs Esforo
5
Prop 4
4 Prop 1
Prop 3
3
Impacto
2
Prop 5
Prop 2
1
0 1 2 3 4 5
Esforo
464
Matriz de Impacto/Esforo
465
Control
CONTROL
A ltima fase do DMAIC a fase do Control. Nela ns temos que implementar as
mudanas que saram vitoriosas da fase de teste e monitorar os indicadores importantes
para o projeto aps essa implementao. Embora possa parecer simples, quem j teve de
implementar alguma coisa sabe que essa atividade pode ser muito complicada e at
mesmo ingrata. Para que uma implementao seja bem-sucedida temos que saber
trabalhar com pessoas. Precisamos nos atentar para a parte humana da mudana,
convencendo os envolvidos a adotarem as mudanas que temos convico de que sero
melhorias.
Para que essa implementao seja mais suave, podemos seguir algumas boas prticas e
utilizar algumas ferramentas que nos ajudam a convencer os envolvidos. Nos prximos
slides vamos aprofundar em como conduzir implementaes.
Alm disso, o Control temos que monitorar os indicadores depois do projeto. At quando
fazemos esse monitoramento? Coletar um indicador uma atividade que requer esforo
e at mesmo recursos financeiros. Caso um processo atinja uma estabilidade, medir seu
desempenho para sempre pode no ser uma boa estratgia. Vamos discutir um pouco
sobre isso.
466
O Control
Objetivo:
Implementar as mudanas vitoriosas e monitorar o
desempenho do processo aps o projeto.
Atividades:
Planejamento de implementao;
Documentao e padronizao dos novos
procedimentos;
Treinamento dos envolvidos e implementao;
Monitoramento dos indicadores aps o trmino.
467
As abordagens da implementao
ABORDAGENS DA IMPLEMENTAO
468
Estratgias de implementao
469
Desenvolvendo um plano de implementao
PLANO DE IMPLEMENTAO
470
Plano de Implementao
471
5W2H
O que o 5W2H?
Um mtodo relativamente simples de gerenciamento de um projeto;
Um projeto desdobrado em diversas atividades;
As atividades (O que? - What) so 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 execuo
ou coordenao atribudas (Quem? - Who). Alm disso, deve haver uma razo
(Por que? - Why) para faz-la e uma forma prevista para a sua execuo
(Como? - How);
As iniciais dessa perguntas (What, Why, When, Where, Who, How, How
much) formam o acrnimo 5W2H.
Como utilizar a ferramenta?
Lista-se as atividades que fazem parte do projeto;
Essas atividades so os What;
Em seguida passa-se a responder aos outros Ws e Hs para cada atividade;
As informaes so estruturadas em uma planilha com sete colunas e tantas
linhas quantas forem as atividades identificadas formando assim o projeto;
Resta ainda identificar um coordenador que cuidar da gesto das atividades,
verificando que os prazos sejam cumpridos e intervindo quando necessrio.
Quando usar?
As possibilidades de uso do 5W2H so amplas;
Pode ser usada para organizar uma nica atividade ou um conjunto de
atividades formando um projeto;
472
Em projetos de melhoria til utilizar o 5W2H como na fase de implementao
de mudanas;
Variantes
Quanto o gasto para realizar a atividade no for uma questo relevante (o How
much no considerado) a tcnica reduzida para 5W1H.
473
Etapas da implementao
Padronize
Documente
Treine
Mea
474
Servir como guia para a realizao de tarefas crticas comunicando de maneira
direta e objetiva o que e como deve ser executado o trabalho.
Contedo:
Resultado esperado da tarefa;
O QUE e COMO a tarefa deve ser realizada (objetivamente);
Aes corretivas;
Instrues relacionadas a segurana e meio ambiente especficas da tarefa.
Responsvel: Cargo do executante da tarefa.
Treinamento
Treinamento quase sempre necessrio para implementar mudanas;
Se a mudana for uma mera extenso do trabalho atual, ento uma simples discusso
poder ser suficiente;
Entretanto, se a mudana for complexa, um treinamento extensivo poder ser
necessrio;
Considere o tipo de mudana que est sendo proposta, quem ser incumbido de
implement-la e o nvel de conhecimento e experincia dos participantes para
determinar quanto tempo de treinamento ser necessrio.
Medio
Documentao adequada no garante que o processo opere como proposto;
Monitorar o processo atravs de indicadores um meio de verificar se as mudanas
propostas esto sendo efetivamente implementadas;
Medio fornece uma fonte de aprendizagem durante a implementao e um mtodo
de manuteno aps a implementao;
Grficos de tendncia (ou de controle) dos indicadores devem ser utilizados para
monitorar o processo depois das mudanas implementadas;
Comparao do Desempenho com os Objetivos
No possvel tornar um processo perfeito em um dia ou em uma nica iniciativa de
melhoria. A melhoria de processos normalmente leva vrios ciclos de desenvolvimento,
teste e implementao das mudanas que possuem maior probabilidade de produzir
melhoria.
Comparar o desempenho com os objetivos uma forma de acompanhar seu progresso.
Retorne aos objetivos da melhoria, definidos ao responder segunda pergunta: Como
saberemos que uma mudana uma melhoria?
Em seguida, compare o desempenho das medidas aps a implementao, para verificar
se sero necessrias mudanas adicionais;
Se as medidas de melhoria foram alcanadas. Ento continue com a
implementao.
Se as medidas de melhoria no foram alcanadas. Ento retorne s fases de
Desenvolvimento, Teste e Implementao e continue com esses ciclos at que
os objetivos sejam alcanados.
475
476
Pessoas e a Mudanas
477
Pessoas e a Mudanas
Mudana
fsica
Mudana de Emocional
comportamento da mudana
Mundo
externo
Lgica da
mudana
Pessoas
A mudana no nvel fsico ocorre no mundo material. perceptvel atravs dos sentidos
e sujeita s leis da natureza.
A mudana no nvel lgico acentua a base racional, o motivo para a mudana. As razes
para fazer mudanas e as razes para o tipo de mudana que se quer fazer definem este
nvel lgico. A educao, a comunicao e a anlise so veculos importantes para lidar
com a mudana no nvel lgico.
Todas as pessoas afetadas pelas mudanas devem receber explicaes sobre as razes
para faz-la antes de aceitarem a mudana no nvel lgico. Entretanto, convencer as
pessoas a aceitarem uma mudana pode exigir algo mais que apenas lgica.
A mudana no nvel emocional lida com o corao: afetiva e intuitiva. As pessoas tm
sentimentos definidos sobre mudana. Para algumas pessoas, o que sentem pela
mudana ser mais importante do que as razes para a mudana. Os sentimentos
das pessoas com respeito mudana incluem:
Porque precisamos mudar? A maneira como temos feito isto sempre funcionou bem!
Estas mudanas tornaro meu trabalho mais difcil?
Trata-se apenas de um outro programa?
Terei que fazer isto alm do meu trabalho normal?
478
Pessoas e a Mudanas
479
Pontos-chaves relativos a mudanas
480
Pontos-chaves relativos a mudanas
481
Pontos-chaves relativos a mudanas
482
Estrutura, mtodo e cultura
483
Encerramento
ENCERRAMENTO
484
Encerramento
485
Encerramento
486
Checklist de Encerramento
1. Resuma os aprendizados.
5. Celebre!
487
Resuma os Aprendizados
488
Finalize a Documentao do Projeto
489
Planos Futuros e Recomendaes
490
Celebrao e Reconhecimento
491