In two orathree columns Como saberemos que mudança é uma melhoria?
USE DADOS
CONFIÁVEIS A segunda pergunta tem a ver com indicadores. Tenha
certeza que você está trabalhand com dados
confiáveis.
ENTENDA A
VARIAÇÃO Indicadores são dinâmicos e variam. Não se deixe enganar por comparações do tipo um mês contra o outro.
USE CONTRA INDICADORES
Não adianta melhorar um aspecto e piorar outro.
COMO SABEREMOS SE A MUDANÇA É UMA MELHORIA Na hora de verificar se uma mudança deu errado ou certo, não basta o nosso feeling. Muitas pessoas desenvolvem ao longo do projeto verdadeiras histórias de amor pelas mudanças que propõem e, como sabemos, tanto amor pode afetar nosso julgamento. A segunda pergunta só pode ser respondida com a coleta de dados . Iremos, ao longo do curso, comentar bastante sobre como se coletar bons dados, entretanto, algumas considerações iniciais são muito importantes: Dados nem sempre são confiáveis. É preciso gastar um bom esforço na definição do padrão sobre como coletamos nossos dados. Existem várias ferramentas que serão abordadas ao longo da certificação para a boa coleta de dados, como por exemplo, folhas de verificação, definições operacionais e avaliação estatística do sistema de medição. Dados possuem variação (lembrem-se dos pilares fundamentais!). Temos que entender quando uma mudança no indicador é significativa e quando ela não é. Só podemos fazer isso analisando a variação natural do processo. Comparações do tipo um mês contra o outro são, em geral, armadilhas perigosas. Use contra indicadores . Não adianta melhorar os indicadores de custo e produtividade e piorar os indicadores de acidentes de trabalho. Saibam quais são os indicadores que queremos controlar, colete-os e analise as suas variações. •
•
•
29
Objetivo: In two reduzir or three o tempo columns de ciclo
Semana
Cenário 1
Cenário 2
Cenário 3
Cenário 4
Cenário 5
Cenário 6
1
6
6
9
8
6
3
2
9
2
9
9
9
4
3
7
3
6
7
7
2
4
8
8
8
8
8
8
5
6
4
7
6
3
3
6
7
2
6
7
2
2
7
9
9
6
9
4
4
8
2
7
4
2
3
2
9
3
3
4
1
2
3
10
4
7
3
3
4
4
11
3
3
3
3
3
3
12
3
6
2
5
2
3
13
4
9
3
8
4
4
14
2
4
2
9
3
3
Intuitivamente diríamos que a mudança do slide anterior é sim uma melhoria. Entretanto, vamos analisar estes 6 cenários propostos. Todos eles poderiam representar o gráfico anterior, pois possuem tempo na semana 4 = 8 e tempo na semana 11 = 3. Todos eles foram melhorias? Vamos colocar estes dados de uma forma mais fácil de se observar...
31
Uma forma adequada de medir o efeito de variáveis de entrada e de processo em variáveis de saída (ou variáveis respostas), é realizar experimentos planejados. Em um experimento planejado, nós fazemos mudanças deliberadas em uma ou mais variáveis de processo ou de entrada (fatores) com o objetivo de observar o efeito dessas mudanças em uma ou mais variáveis respostas. Em nosso exemplo, podemos alterar a temperatura do forno, a qualidade de açúcar, fermento e ovos, e observar o impacto destas mudanças no sabor, consistência ou na cor do bolo da Dona Mafalda. O planejamento estatístico do experimento é um procedimento eficiente e eficaz para obter e analisar dados, obtendo conclusões válidas e objetivas.
413
PDSA: o caminho para o DOE
Tiram-se as
conclusões e planejam-se
as ações
Analisa-se os dados
Planeja-se o experimento
Executa-se o plano e coleta os dados
Ao se fazer mudanças em um processo, é preciso assumir uma postura de aprendizado, e o PDSA é a estrutura mais adequada para potencializar o aprendizado. Para executá-lo, devemos: Planejar o experimento para responder questões específicas necessários para se resolver o problema (como o sistema funciona ou quais são as causas que geram determinados efeitos). Para estas questões, elaboram-se predições fundamentadas na teoria dos envolvidos. Elaboradas as predições, registra-se quais indicadores serão necessários coletar para responder as perguntas e validar, ou não, as predições. Em seguida, descreve-se o passo a passo para a execução do experimento; O plano é executado e dados são coletados;
Os dados são analisados para ver como os resultados reais se comparam à teoria (conhecimento atual); Conclusões são tiradas da análise e um plano de ação é elaborado, para que o problema inicial seja resolvido. Esse processo faz com que:
A crença nos conhecimentos atuais cresça (caso os dados obtidos estejam de acordo com a teoria); Sejam realizadas modificações na teoria atual ou o desenvolvimento de nova teoria (caso os dados obtidos não estejam de acordo com a teoria). O aprendizado obtido conduz a ações apropriadas com o objetivo de melhorar o produto ou processo;
De maneira resumida, o PDSA para apoio do DOE deverá abranger:
Plan
Estabelecer o objetivo do experimento Formular as questões que se pretende responder 414
Escolher os níveis dos fatores Decidir sobre o plano experimental
Aleatorizar as corridas experimentais
Do
Realizar o Experimento Observar e anotar outros eventos que ocorram durante a realização do experimento
Study
Identificar a variável resposta Identificar os fatores
Analisar os dados Determinar a melhor combinação Confirmar os resultados
Act
Responder as questões Consolidar o aprendizado
Decidir que ações serão realizadas Este ciclo repete-se continuamente, pois sempre será necessário mais conhecimento para manter-se competitivo.
415
Exemplo antibiótico
Antibiótico
Infecção
A
12
B
60
C
28
Total
100
Qual é o melhor antibiótico?
Um centro de cirurgia clínica pretende fazer mudanças no nível de infecções póscirúrgicas. Era um procedimento padrão administrar antibióticos antes da cirurgia para evitar infecções. Eles fizeram algumas mudanças para assegurar que os antibióticos fossem dados na hora mais oportuna. Em seguida eles focalizaram em que tipo de antibiótico seria mais eficaz. Eles executaram um ciclo para analisar alguns dados históricos de 100 pacientes que tinham desenvolvido infecções após a cirurgia. Para cada paciente foram registradas algumas informações demográficas, assim como o tipo de antibiótico que foi administrado. Das 100 pessoas que desenvolveram infecções, 12 receberam antibióticos A, 60 antibiótico B e 28 antibiótico C. Uma análise superficial desses dados poderia sugerir que B não foi muito eficaz e que o centro deveria mudar para o antibiótico A. Entretanto, uma análise cuidadosa requer que se descubra se as mesmas porcentagens são encontradas para pacientes que não desenvolvem infecções. Os dados completos estão na tabela de contingência. Os pacientes da amostragem que receberam C tinham uma chance muito menor de desenvolver uma infecção. A equipe decidiu executar um teste para os próximos três meses usando o antibiótico C, que ao final do período, mostrou-se uma boa escolha.
394
Resumo: tabela de contingência
Agora, gostaríamos de saber se você aprendeu sobre tabela de contingência. Por isto, respondam:
O que são?
Quando utilizar? Como fazer?
Uma tabela de contingência é uma representação tabular da relação entre pares de variáveis. Os gráficos de dispersão mostram a relação graficamente enquanto que as tabelas de contingência ilustram a relação numericamente. A tabela de contingência focaliza em categorias ou agrupamentos de dois fatores ou variáveis de interesse. As tabelas de contingência também podem ser desenvolvidas para taxas e outras medidas. As tabelas de contingência são úteis para determinar o efeito da interação que duas variáveis têm nas contagens ou estatísticas de resumo no corpo da tabela.
395
A era das fábricas e o Taylorismo – séc. XVIII e 1875
◉
Aparecimento das
grandes fábricas ◉
◉
Especialização do trabalho
Surgimento dos padrões e dos gerentes
◉
◉
Taylor: administração científica Qualidade: produto bom/produto ruim
A ERA DAS FÁBRICAS E O TAYLORISMO Após a revolução industrial, aparece uma entidade totalmente nova na história humana: a fábrica. Nesta fábrica, um grande número de trabalhadores é empregado em serviços altamente especializados. especializados. Não há mais ofício, existem apenas atividades. A atividade de se ajustar uma máquina, a atividade de se apertar um parafuso, a atividade de se carregar carvão dentro de um vagão de trem, t rem, etc. Essas atividades, por si só não produzem o produto. É necessário coordena-las, colocalas em uma sequência lógica no final da qual o produto se materializará. Surge então a figura dos gerentes e coordenadores e os primeiros engenheiros de produção (embora essa profissão só venha venha a existir formalmente formalmente muito depois deste deste período). Com o passar do tempo, estes “coordenadores” co meçam a extrapolar o seu trabalho inicial. Eles não apenas integram as atividades, mas passam a padroniza-las e avaliar maneiras para torna-las mais eficientes. A condução da atividade não é mais do trabalhador (antigamente materializado na figura do artesão). O coordenador da empresa, mais capacitado, avalia como cada operário deve conduzir o seu trabalho e o instrui para isso. Esse procedimento culminou com o trabalho de um engenheiro chamado Frederick Taylor. Seu livro mais famoso chama-se chama- se “Princípios da Administração Científica ”. Neste livro, Taylor populariza a ideia de que os gerentes devem estudar e melhorar o trabalho de seus funcionários. O livro foca no desafio da época, que era o aumento da produtividade da fábrica , para atender a um mercado ávido pelos bens produzidos. As ações eram sempre para produzir mais peças, carregar mais rápido e não em reduzir defeitos ou adicionar funcionalidades. A melhoria é no sentido de produzir mais e não de produzir melhor. As ideias de Taylor ganham grande popularidade quando este é convidado por Henry Ford a atuar como consultor de suas fábricas. Nasce aqui o que chamamos de Taylorismo, método de olhar criticamente para uma atividade, de maneira a torna-la mais produtiva. O bviamente Taylor não inventou a “análise crítica” da produção e dos tempos. Estudos que visavam aumentar a eficiência no trabalho existem desde os tempos antes de Cristo. 7
Agora é sua vez...
Selecione duas variáveis de interesse em um processo em que você trabalhe. Desenvolva uma tabela de contingência para essas duas variáveis. Colete dados do processo para completar a tabela,
396
Agora é sua vez...
1. Considere os dados sobre os tempso de dowload de três provedores no arquivo AULA com MINITAB.mpj, worksheet “25 provedor_estrat”. Qual provedor é mais rápido? 2. Pediu-se a um grupo de gerenciamento de projeto que estudasse e melhorasse o sistema de entrega de projetos. Leia a descrição do exercício na apostila e encontre focos de mudança por meio de gráficos de dispersão. Os dados estão no arvquivo 08 Ativ_gerenc_projetos.mtw.
397
Todas as empresas a partir desta época adotam a linha de montagem, em algum aspecto. Isso ajuda a popularizar a preocupação com a qualidade e a atenção para a melhoria.
10
Agora é sua vez...
1. Gorjeta em restaurante pode ser influenciada por muitos fatores incluindo o tipo de restaurante, tamanho, localização da mesa, etc. Leia a descrição do exercício na apostila. Alguma variável explica o aumento da estão no arquivo 20 gorjeta? Os dados Ativ_Gorjeta.mtw. 2. Leia a descrição do exercício na apostila e responda às perguntas propostas. Sobre qual evento histório os dados do arquivo Ativ_evento historico.mtw se referem?
398
Planejamento de Experimentos
“Todos os experimentos são planejados, porém os que dão errado são mal planejados e os que dão certo, bem planejados”
PLANEJAMENTO DE EXPERIMENTOS Se tivéssemos recursos e tempo infinitos, provavelmente não seria um problema realizar mais experimentos do que o necessário. Em produção e em controle de qualidade, queremos controlar os erros e aprender o máximo possível sobre o processo ou sobre teoria subjacente com os recursos que temos disponíveis. Do ponto de vista de engenharia, nós utilizamos a experimentação 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 (à prova de erros); Realizar a avaliação de materiais, alternativas de projeto, desenvolver componentes e ajustar os sistemas de tolerâncias, etc.
Sempre queremos afinar ou melhorar o processo. No mundo de hoje, a busca por maior competitividade afeta a todos nós, tanto como consumidores, mas principalmente como produtores de produtos ou serviços. Robustez é um conceito que entra na estatística de várias maneiras. Na fase de análise, refere-se a uma técnica que não é excessivamente influenciada por dados errados. Ou seja, mesmo se houver um ponto muito fora ou mal coletado, você ainda irá obter a resposta certa. Independentemente de quem ou o que estiver envolvido no processo de experimentação - ele ainda estará correto.
399
Um pouco de história... Origem Agrícola 1918 – 1940s • R. A. Fisher e seus colegas • Profundo impacto na ciência agrícola • Design Fatorial e Anova
Primeira era industrial 1951
–
• •
1970s
Box & Wilson, Superfície de Resposta Aplicação nas indústria químicas e em processos industriais
Seguda era indústria 1970s 1990 –
• • •
–
Iniciativa de melhoria da qualidade em várias empresas TQM torna-se meta de várias empresas Taguchi e o Design de parâmetro robusto
Era moderna 1990s hoje –
•
–
Globalização e competição econômica estão tornando todos os setores econômicos mais competitivos
400
ISO, Seis Sigma, Lean, WCM e Modelo de Melhoria – A
era moderna (1980 até hoje)
◉
Da manufatura para o
resto da organização (a padronização e a qualidade tomam outra
proporção) ◉
A estatística também se populariza
◉
A parte humana é consolidada e disseminada
◉
Criam-se metodologias
Nos anos seguintes até os dias atuais, os avanços desenvolvidos na reconstrução do Japão se popularizam e se consolidaram. Hoje em dia, todos sabem o que é qualidade e a sua importância para os negócios. As técnicas que inicialmente estavam limitadas a manufatura penetram em todos os processos nas mais diversas organizações. De montadoras até hospitais, todos começam a usar padrões e estatística para melhorar seus processos. Além disso, nessa época surgem diversas metodologias que compilam os conceitos iniciais. Dentre as mais famosas podemos citar o seis sigma, criado Bill Smith na Motorola e popularizado por meio de seu presidente na década de 1980, Robert W. Galvin. Surge também a ISO ( International Standarization Orgazition) ajuda a popularizar a padronização e o Lean, que auxilia a popularizar as lições aprendidas pela Toyota. É neste período que se consolidada a parte humana da mudança, principalmente pelas contribuições de Peter Scholtes. Começa-se a estudar técnicas e métodos de trabalho em equipe e maneiras de se alcançar melhores resultados com o time. É deste período a famosa frase que diz que liderar é alcançar objetivos com a equipe do jeito certo, ou seja, dentro da missão e dos valores da empresa. Surge também nessa época o WCM e o Modelo de Melhoria, que compilam aprendizados, roteiros e ferramentas para a aplicação disseminada da melhoria em larga escala.
14
Definições importantes
Experimento Teste ou série de testes nos quais mudanças intencionais são feitas em variáveis de entrada de um processo (fatores) de tal forma a observar e identificar os efeitos nas variáveis respostas
Planejamento de Experimentos Procedimentos que possibilitam planejar experimentos e analisar os resultados
Objetivo Determinar as principais causas de variação, encontrar condições que maximizem ou minimizem a resposta, comparar as respostas para diferentes configurações das variáveis de entrada, obter um modelo para predizer resultados futuros e fornecer uma base para ações no processo
Utilizações •
•
•
•
•
Projetar e desenvolver um produto Melhorar um processo existente Melhorar um processo novo após partida Desenvolver produtos e processos robustos perante fontes externas de variabilidade Redução do tempo de desenvolvimento de um produto Redução de custos globais
401
Como fazer?
Passos • Desenvolver uma descrição clara e concisa do problema • Identificar, pelo menos tentativamente, os fatores importantes que afetam o problema ou que desempenham papel importante na solução • Propor um modelo para o problema, usando conhecimentos científicos sobre o problema em estudo. Estabelecer as suposições e limitações 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 solução proposta • Consolidar o aprendizado e fazer recomendações baseado nos resultados do experimento
402
Let’sdoreview concepts Os pilares Sabersome Profundo de Deming
VISÃO SISTÊMICA A organização é um sistema composto de processos. Esses processos estão correlacionados. É preciso enxergar essa correlação.
ENTENDIMENTO DA
TEORIA DO CONHECIMENTO Precisamos saber como gerar conhecimento sobre o que estamos fazendo e saber como disseminá -lo para toda a empresa
PSICOLOGIA
VARIAÇÃO Processos variam, indicadores variam.
É necessário estudar e aprender com essa variação.
Empresas são feitas de pessoas. Cada um tem seus objetivos e ambições. Entendê-los é vital para o sucesso da organização.
O saber profundo é pautado em 4 pilares fundamentais: Visão sistêmica: devemos parar de enxergar uma organização como um aglomerado de pessoas, mas sim como um conjunto de processos que tem por objetivo cumprirem uma função. Assim como o artesão no passado, cada organização de pessoas deve transformar entradas em saídas, insumos em produtos e serviços menores em serviços maiores. Devido à complexidade adquirida pelos produtos e serviços modernos, observar esse objetivo da organização (ou esse propósito, como Deming preferia chamar) torna-se complexo. No dia a dia, como trabalhadores, pensamos muito em nossos departamentos e nossas atividades. Esquecemo-nos de enxergar como nosso trabalho se correlaciona com o trabalho das outras pessoas da empresa de maneira a entregar à sociedade o que ela espera de nossa organização. Um exemplo que utilizo muito para ilustrar este conceito é o relógio. Qual é a valia de um relógio se não for para marcar os dias e as horas? Esta é a sua função principal e todas as engrenagens e seus movimentos devem estar alinhados com esta função. Alguém analisa a hierarquia das engrenagens de um relógio? Não que eu saiba, apenas são analisados os processos que cada peça executa para que o relógio marque as horas da maneira mais precisa possível. Assim deve ser uma organização. Ter visão sistêmica é observar como cada parte da organização se correlaciona com as demais, permitindo a este sistema cumprir suas funções. Existem diferentes ferramentas para desenvolver essa visão, que serão exploradas ao longo do curso. Alguns exemplos são: SIPOC, fluxograma, VSM, entre outros. Teoria do conhecimento: é impossível fazermos nossas atividades de maneira melhor se não aprendemos algo novo sobre o que estamos fazendo. Gerar conhecimento, do técnico ao processual, é de fundamental importância para aumentar o desempenho da organização. Em outras palavras: precisamos saber aprender. Esse aprendizado não pode ser feito a duras penas, na base da tentativa e erro. Precisamos ter um método para aprender melhor. É justamente disso que fala a teoria do conhecimento. Como aprender melhor como organização? 17
Imagine o cenário...
Como saber qual o melhor provedor de acesso à internet de sua
região?
Uma das questões mais comuns que fazemos quando estamos mudando de endereço residencial ou do escritório é: qual o melhor provedor de acesso à internet disponível nesta região? Posto isto, qual a melhor maneira de responder a este questionamento? Há basicamente três estratégias: Pesquisar na internet, como fizemos no slide, para encontrar quais os melhores provedores, segundo dados coletados em vários experimentos por sites específicos. 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 rápido. Das três opções, prefiro começar pela a, buscando quais sãos os melhores provedores da região e depois, partir para a c. Sou daqueles que só confio num número quando sei o método pelo qual ele foi coletado. •
403
Melhorias… Como, na prática, implementar o saber profundo?
COMO IMPLEMENTAR O SABER PROFUNDO
19
Qual melhor provedor?
Uma empresa resolve testar dois provedores, A e B. Dez downloads do mesmo pacote são realizados com o provedor A e B num dia normal de operações. Os dados comparativos entre os dois provedores estão na figura abaixo
O que se pode concluir com o experimento?
Qual provedor é melhor? Pelo gráfico, o que demorou menos tempo em média, para realizar os downloads foi o provedor A. Porém, será que podemos realmente concluir que o A é melhor, ou pode haver outros fatores que estão afetando este resultado? Em tratando-se de provedores, pode-se pontuar uma série de fatores que podem afetar o tempo de download. São 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 memória Assim, fica claro que para sermos mais assertivos nesta análise, precisamos “rodar” um experimento utilizando critérios mais rigorosos, a fim de controlar estes vários fatores que podem influenciar em nosso resultado.
404
Definições importantes sobre experimentos
Variável resposta Fator
Experimento ◉Erro experimental
Nível de um fator
◉
◉ ◉ ◉
Tratamento
◉
Variáveis de bloco ◉Variáveis de ruído ◉
◉
Replicação Aleatorização ◉ ◉
Blocagem
◉
Repetição
Unidade experimental ◉Bloco ◉Efeito ◉Plano experimental ◉Corrida experimental ◉
Antes de começarmos a discutir experimentos, é importante alinharmos algumas definições que servem como base para o estudo dos experimentos. São elas: Variável resposta: uma variável observada ou medida em um experimento – resultado do experimento Fator: variável que é deliberadamente mudada para observar seu efeito na variável resposta Nível de um fator: os valores escolhidos para esses fatores nos quais se conduz o experimento Tratamento: uma condição experimental ou um procedimento cujos efeito se deseja medir. Uma combinação de níveis de fatores, ou simplesmente, pode-se utilizar uma analogia com receita. Dizemos que o tratamento é uma “receita” para se fazer o experimento. Variáveis de bloco: variáveis que potencialmente afetam a variável resposta. Mas que não é de interesse medir seu efeito. Devem ser controladas por meio de técnicas experimentais para que seu efeito seja removido do erro experimental Variáveis de ruído: variáveis que afetam a resposta, mas que são desconhecidas ou que são conhecidas, mas que não podem ser controladas no experimento Unidade experimental: porções de material ou indivíduos em que os tratamentos são comumente aplicados Bloco: grupo de unidades experimentais homogêneas, usualmente definidas por variáveis de bloco. Espera-se que a variabilidade entre unidades experimentais do mesmo bloco seja menor que a variabilidade entre todas as unidades experimentais Efeito: mudança na variável resposta que ocorre quando se mudam os níveis de um fator
Plano experimental: arranjo de níveis de fatores e de variáveis de bloco
405
Use charts to explain your ideas Mudança e Melhoria
Requer
Melhoria
≠
Mudança
Nem sempre resulta em
Um ponto central da ciência da melhoria é a sua relação com a mudança. Uma boa definição de insanidade é fazer sempre a mesma coisa e esperar por resultados diferentes. É impossível melhorar alguma coisa sem que se façam mudanças. Melhoria requer mudança. Entretanto, mudança nem sempre resulta em melhorias. Algumas mudanças, inclusive, pioram o desempenho de um processo, portanto, não utilize melhoria como sinônimo à mudança. Esse conceito, apesar de parecer óbvio quando exposto dessa maneira, é traiçoeiro. Em nossa vida cotidiana, estamos acostumados a pensar sempre em mudar. É só observarmos as campanhas políticas que vemos em épocas de eleições: mudança, mudança, mudança! Poucos candidatos falam em melhoria. Por outro lado, em empresas, é comum nos depararmos com planos de ação em que o autor lista que encontrou 350 oportunidades de melhorias. Está errado. Ele encontrou oportunidade de mudanças, que serão ou não melhorias, cabendo ao tempo dizer isto. Então como desenvolver mudanças mudanças que tenham grande probabilidade de ser melhorias? Há uma maneira fácil de estruturamos essas mudanças, por meio das três questões fundamentais da melhoria.
22
Corrida experimental: realização da aplicação de um tratamento a uma unidade experimental. Um experimento é então um conjunto de corridas experimentais. Um resultado experimental é uma medida resultante de uma corrida experimental Experimento: teste ou série de testes nos quais mudanças intencionais são feitas em variáveis de entrada de um processo (fatores) de tal forma a observar e identificar os efeitos nas variáveis respostas Erro experimental: é percebido por quem realiza experimentos que duas unidades experimentais submetidas ao mesmo tratamento (à mesma condição experimental) usualmente apresentam respostas diferentes. Essa variabilidade nas respostas é devido ao que denominamos de erro experimental. A avaliação do erro experimental é de fundamental importância no processo de tomada de decisão por meio do teste estatístico de hipóteses. No contexto da Estatística o termo erro não está associado com a noção comum de “realizar algo de uma forma não apropriada”. O erro se refere à variabilidade que ocorre nas respostas devido à atuação de fatores não controlados, muito embora possa incorporar também erros grosseiros de procedimento. Usualmente o erro experimental é devido a duas causas principais: A primeira delas é devido à variabilidade que existe entre as unidades experimentais. As propriedades físicas e químicas ou as características biológicas de cada unidade experimental fazem com que as respostas de duas unidades possam apresentar respostas diferenciadas mesmo sendo tratadas da mesma forma. A segunda é devido à impossibilidade de se manter uniformes as condições de realização de um experimento. Duas reações químicas, realizadas com os mesmos níveis dos fatores de controle, sofrem influências ambientais diferentes. Replicação: importante para gerar informação sobre o erro experimental Aleatorização: importante para gerar uma distribuição de referência válida para realizar comparação (relação sinal/ruído) Blocagem: importante para controlar fontes de variação conhecidas, reduzindo o erro experimental e aumentando a sensibilidade do experimento (aumentar a relação sinal ruído) Repetição: medir duas ou mais vezes a mesma unidade experimental
406
Como tudo isto se combina?
Fatores de processo Xp+1 Xp+2
x p+q
Fatores de entrada
x1 x2
Processo de
transformação
Saídas
Y Variável resposta
xp
z1 z2 z r Variáveis de bloco
e1 e 2 es Variáveis de ruído
Variáveis não controláveis
A figura representa um modelo geral para um processo ou sistema e como os itens se encaixam. Consegue se verificar os diversos fatores de entrada ( inputs), as variáveis não controláveis que se dividem em variáveis de bloco e de ruído, os fatores de processo e a saídas. Por meio do modelo, fica fácil enxergar quais são os fatores cujo comportamento desejamos aprender mais, quais são os parâmetros de entrada, quais as variáveis não controláveis, mas que são importantes medirmos e a variável resposta. Por meio das alterações intencionais nos fatores de processo, conseguiremos alterar o valor da variável resposta e assim, aprendermos mais sobre os impactos dos fatores e das variáveis de ruído na variável resposta. Com este aprendizado, fica mais fácil propormos mudanças no processo ou no sistema que o levarão para o patamar de desempenho que desejamos alcançar.
407
Princípios básicos para a análise
Análise
A análise e interpretação dos resultados deve estar conectada ao conhecimento atual dos experts no assunto que está sendo tratado
As condições de aplicação dos resultados serão, em geral, diferente das condições do estudo. A participação dos experts no assunto é fundamental para avaliar a magnitude e o impacto dos efeitos observados
Métodos de análise devem ser fortemente baseados em gráficos
408
Como fazer experimentos?
Passos
Defina o problema Escolha os fatores e seus níveis Selecione a(s) variável(eis) resposta Escolha o plano experimental Execute o plano experimental Analise os dados e interprete os resultados Prepare um relatório Execute as ações recomendadas
O ponto de partida para se iniciar um experimento é definir sua pergunta a ser respondida, ou qual problema você deseja solucionar. Depois, define-se os fatores que podem afetar sua variável resposta e quais níveis você deseja utilizar, lembrando que níveis são os valores que os fatores irão assumir durante o experimento. Em seguida, seleciona-se a variável resposta que é 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 relatório, que deve recomendar algumas ações para que o problema seja resolvido. Ao final, elabora-se um plano de ação básico, do tipo 5W2H para que ações recomendadas sejam de fato implementadas. Para ajuda-lo a elaborar, executar, analisar e tomar ações em cima dos seus experimentos, recomendamos fortemente estrutura-los por meio de um ciclo PDSA.
409
Como fazer um bolo saboroso?
Fatores
Níveis
Respostas
(variáveis)
(ajustes)
(saídas)
Forno
Açúcar
Fermento
Características: Ovos
Sabor
Consistência
Cor
No último slide, falamos sobre os passos para planejarmos um experimento. Para consolidar o conceito, eis aqui um exemplo de experimento de um bolo. Dona Mafalda, gostaria de fazer um bolo bem gostoso para impressionar seu neto. Diante deste problema, ela começou a elaborar o seu experimento. Problema: elaborar um bolo gostoso para seu neto Fatores: temperatura do forno, quantidade de açúcar, quantidade de fermento e quantidade de ovos. Como níveis, ela adotou temperatura de 180 e 240 graus Celsius, duas colheres e três colheres de açúcar, 5 g e 10 g de fermento e 2 e 3 ovos. Dona Mafalda definiu um experimento com 4 fatores, sendo que cada fator será testado em 2 níveis Variável resposta: nota, de 0 a 10, para o sabor do bolo medida pelas amigas da Dona Mafalda.
410
APOSTILA DE GREEN BELT Certificação Lean Six Sigma FM2S
FM2S Certificação Lean Six Sigma Green Belt
O experimento do bolo
Fatores
Níveis
Respostas
(variáveis)
(ajustes)
(saídas)
Forno
Açúcar
Fermento
Características: Ovos
Sabor
Consistência
Cor
Em muitas situações é comum a necessidade de estudar o efeito de diversas variáveis de entrada ou de processo (fatores) em uma variável de output (variável resposta). No caso do bolo da Dona Mafalda, ela quer estudar o efeito de 3 variáveis de entrada (açúcar, fermento e ovo) e de uma variável de processo (temperatura do forno) no sabor do seu bolo. Para isto, Dona Mafalda sabe que os experimentos fatorais são o tipo de experimento certo a se fazer. Porém, antes de começar seus experimentos, a Dona Mafalda aproveita para consultar os dados históricos do processo por meio de seu livro de receitas e de suas amigas. Seu objetivo com isto, é descobrir quais os ajustes corretos de ovo, açúcar, fermento e temperatura ela precisa utilizar para que o bolo tenha o sabor nota 10. Porém, depois de ligar para algumas amigas ela descobriu que esta abordagem tem limitações. Dona Maria, sua amiga mais próxima, ao passar a receita de seu bolo, esqueceu de dizer que ele também era adoçado com mel. Por isto, quando Dona Maria informou que seu bolo “Light” utilizava apenas uma colher de açúcar. E como Dona Mafalda descobriu este problema? Ela fez o bolo com apenas uma colher do confeito e seu sabor obteve a nota 2, o que não era a nota 10 que ela desejava. Após pensar um pouco, Dona Mafalda viu que esta pesquisa tinha algumas limitações, pois:
Nem todas as variáveis (X’s) foram medidas; Não permite estabelecer relação de causa e efeito mesmo que exista correlação com a variável resposta; As variáveis de ruído impactam o resultado da variável resposta e nem sempre estas são medidas; Geralmente será necessário obter dados corretos e confiáveis para alcançar os resultados desejados;
412
SUMÁRIO Introdução ao Six Sigma ............................................................................................................................... 4 A era dos artesãos ...................................................................... .............................................................. 6 A era das fábricas e o Taylorismo ........................................................... .................................................. 7 Fordismo ..................................................... ................................................................. ............................. 9 Nasce a melhoria de processos ................................................... ........................................................... 11 Os Conceitos Fundamentais Fundam entais da Melhoria ............................................................. ...................................... 15 O Saber Profundo .................................................................................. ................................................. 16 Como implementar o saber profundo .............................................................. ...................................... 19 Conceito fundamental .......................................................................................... ...................................... 21 As três questões fundamentais ................................................... ........................................................... 23 O que queremos realizar? ...................................................................................................................... 25 Como saberemos se a mudança é uma melhoria .................................................................................. 29 Definição de melhoria ............................................................................................................................ 39 Tipos de indicadores ......................................................... ................................................................. ..... 42 Que mudanças 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 Árvore 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 comunicações .............................................................. ........................................................... 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 Definição operacional ......................................................................................................... .............. 135 Tipos de variáveis .............................................. ................................................................. .............. 139 Melhorando a coleta de dados ........................................................... .............................................. 143 Variáveis de estratificação ................................................................. ............................................... 146 Análise de variação var iação ....................................................... ................................................................. ... 149 A voz do processo ......................................................... ................................................................. ... 153 Gráfico de tendência ........................................................................................................................ 154 Gráfico de frequência ........................................................................ ............................................... 165 Dot plot .............................................................. ................................................................. .............. 168 Histograma ....................................................................................................................................... 169 Medidas de localização e variação vari ação ..................................................................................... .............. 171 Box plot............................................................................................................................................. 180 Gráficos de barras ba rras e setores (pizza) .............................................................. .................................... 185 Gráfico de pareto.............................................................................................................................. 188 Distribuição normal .......................................................................................................................... 196 Probability plot ................................................................................................................................. 205 Transformação de variáveis ................................................................ .............................................. 210 Gráficos de controle ......................................................................................................................... 217 Análise de capabilidade capabil idade ........................................................... ......................................................... 241 Usando os indicadores de capabilidade .................................................................. ......................... 258 Resultados do measure ................................................ ................................................................. ... 261 Resumo measure .......................................................................................... .................................... 267 Analyse ................................................................................................................................................. 268 Diagrama causa efeito ....................................................................... ............................................... 279 Os 5 porquês...................................................... ................................................................. .............. 287 Desconexões...................................................... ................................................................. .............. 297 Desperdícios ................................................................................................. .................................... 301 Analise de valor ................................................. ................................................................. .............. 317 ECRS ........................................................ ................................................................. ......................... 323 Analise do tempo .......................................................... ................................................................. ... 325 Poka yoke ......................................................................................................................................... 328 Tecnologia ........................................................................................................................................ 342 Criatividade....................................................................................................................................... 350 Conceitos de mudanças ........................................................... ......................................................... 359
2
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 2: A mudança neste caso não representou melhoria alguma! A diferença entre a semana 4 e a semana 11 está completamente dentro da variação natural do processo. O tempo de ciclo assume vários valores entre 2 e 9. Qualquer variação neste patamar é dita ser uma variação normal, atribuídas as causas naturais ao processo. Não se deixem enganar por estes cenários! Não façam comparações de um ponto contra o outro! Isto poderá deixa-lo cego quanto a variação natural do processo.
33
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 3: Aqui também não possível atribuirmos a melhoria à mudança realizada. Apesar do processo estar melhorando, o comportamento do processo pouco tem a ver com a mudança sinalizada. São grandes as chances desta melhoria no indicador ser efeito de alguma mudança realizada antes da quarta semana. O que os dados do cenário 3 nos mostram é que algo aconteceu no processo que fez com que ele mudasse de comportamento. Ele já vinha mudando de comportamento quando fizemos a mudança, e esta foi sem efeito, pois a mudanças não se acelerou.
34
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 4: Aqui novamente não temos uma melhoria. Sim, a mudança causou uma variação significativa no indicador, mas não foi uma melhoria. Isso porque melhorias devem ser duradouras. Neste caso temos a mudança causando um impacto temporária no indicador, entretanto o mesmo volta a subir após algum tempo. Este comportamento é típico de campanhas de conscientização, que funcionam por um curto período, mas não melhoram o sistema de fato. Não é esse o tipo de resultado que devemos buscar em nossos projetos.
35
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 5: Neste cenário temos um caso muito parecido com o cenário 3. Não temos uma melhoria gerada pela nossa mudança. Algo aconteceu que melhorou o processo, porém não teve nada a ver com a nossa mudança. Este fato aconteceu entre a semana 4 e a 5 e não entre 7 e a 8 que foi quando realizamos a mudança. É importante relacionarmos às variações significativas em nossos indicadores à nossas mudanças, pois só assim poderemos adquirir mais conhecimento sobre o processo a fim de melhorá-lo de forma continua.
36
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 6: Por fim, temos mais um caso de não-melhoria. Esse caso é interessante, pois a diferença entre a semana 4 e a semana 11 foi causada por um “ponto fora da curva” na primeira medição. Isso acontece bastante, e tais pontos são o que definiremos futuramente como causa especial. Algo aconteceu na semana 4 que fez o tempo de ciclo explodir naquela semana, mas depois dela, o indicador retornou à estabilidade e o processo continuou estável. Veremos que quando isso acontece, nem sempre é uma boa estratégia analisar todo o processo. Temos que analisar apenas a causa especial e identificar o que pode ter acontecido ali, para que não deixemos que aconteça novamente.
37
Definição de melhoria
Vamos então definir melhoria.
38
Melhoria é:
In two or three columns
Um impacto positivo, relevante e duradouro em
indicadores de interesse da organização DEFINIÇÃO DE MELHORIA
39
Exercício!
In two or three columns
5S: mudança ou melhoria? Temos mudanças nas imagens? Temos melhorias?
Na foto temos um exemplo clássico de “implementação do 5S”, que é uma das técnicas do Lean Manufacturing. Trabalhamos com diversos desses programas de arrumação em nossa história profissional. No exemplo dado podemos mostrar que houve uma mudança: antes estava desorganizado e agora está organizado. Mas, podemos falar que isso é uma melhoria?
40
Exercício!
In two or three columns
Mudança ou melhoria? Por que isso ocorre?
O que acontece muitas vezes com o 5S é que as pessoas esquecem de implementar ferramentas ou de tomar ações para manter a organização duradoura. Isso faz com que o ambiente volte a se tornar desorganizado. 5S não é sinônimo de faxina nem arrumação, apesar de muitas pessoas confundirem. Isso acontece, pois, as pessoas geralmente não se preocupam com o “processo” de arrumação, e sim com a arrumação em si. O Lean (e o Seis Sigma) tem tudo a ver com a maneira pela qual enxergamos e agimos nos processos a fim de realizar melhorias. Se fizermos tudo direito, esse tipo de coisa não vai acontecer. Sobre o caso específico do 5S, recomendamos nosso curso grátis, hospedado em nossa plataforma EAD. O link direto é ead.fm2s.com.br/curso/curso-de-5s/
41
In two or – three columns3 tipos Indicadores Temos
INDICADORES DE RESULTADO Aonde queremos chegar?
Qual é o resultado final?
INDICADORES DE PROCESSO Estamos fazendo as coisas certas para chegarmos onde queremos?
INDICADORES DE
EQUILÍBRIO As nossas mudanças estão causando problemas em outras partes do sistema?
TIPOS DE INDICADORES Temos basicamente 3 tipos de indicadores em projetos de melhoria: indicadores de resultado, que estão ligados ao atendimento da necessidade do cliente; indicadores de processo, que estão relacionados com a caminhada para alcançarmos os resultados e; indicadores de equilíbrio, que são os nossos contra indicadores. Indicadores de resultados nos dizem onde vamos chegar. Respondem diretamente a segunda pergunta e nos diz se as mudanças estão de fato levando à melhoria. Estes são os indicadores que você quer impactar. Dizem como está desempenhando o sistema: qual o resultado final. Estes indicadores também são chamados de itens de controle. Exemplos de indicadores de resultados: Para a qualidade: número de unidades defeituosas. •
•
•
Para os sistemas de medição: reclamações a cada 1000 produtos. Para a vida pessoal: vezes em que chega atrasado em uma reunião.
Para um processo de vendas: vendas realizadas por mês. 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 mudanças em nossos processos, não apenas planejá-las. Estaria o processo se comportando de maneira esperada? É isso que nos dirá os indicadores de processo. Iremos discutir mais a fundo a questão 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 máquinas calibradas na linha de produção (note que estes dois indicadores impactam no indicador de resultado).
Para sistemas de medição: nível de precisão das máquinas. 42
Para a vida pessoal: vezes que coloca seu despertador para despertar. Para um projeto de vendas: número de ligações realizadas. Por fim, os indicadores de equilíbrio são nossos contra indicadores. Não podemos melhorar uma parte do sistema e piorar outra. Temos que ter boas medidas para sinalizar se não estamos afetando negativamente o sistema. •
•
Exemplos de indicadores de equilíbrio: Para a qualidade: número de inspeções. •
•
•
•
Para um sistema de medição: tempo gasto com calibrações. Para a vida pessoal: número de erros ocasionados pelo estado de desatenção provenientes da necessidade de acordar mais cedo todos os dias. Para um projeto de vendas: número de descadastros em campanhas de e-mail marketing.
43
Let’s review some conceptsfazer? Que mudanças podemos
As estratégias para se desenvolver mudanças
ANÁLISE CRÍTICA DOS PROCESSOS
USO DA CRIATIVIDADE
USO DA TECNOLOGIA
CONCEITOS DE MUDANÇA
Q UE MUDANÇAS PODEMOS FAZER Para se desenvolver mudanças que gerem melhoria, podemos usar basicamente 4 estratégias, que serão mais aprofundadas na etapa do Analyze. São elas:
A análise crítica do processo: nesta, usamos uma série de ferramentas para entender o processo em seus detalhes e, com base neste conhecimento, desenvolver maneiras de melhorá-lo. As ferramentas que usamos são variadas, indo de análise de indicadores (gráficos de controle, tendência e frequência), quanto ferramentas de análise de processos (desconexões, diagramas de causa e efeito e os 5 porquês). Durante o curso de Green Belt, aprofundaremos bastante cada uma delas. Uso da tecnologia: usar a tecnologia é uma boa maneira de se desenvolver mudanças que gerem melhoria. Por exemplo, em uma fábrica: podemos trocar uma máquina antiga por uma máquina nova e mais produtiva e, com isso, aumentar a produtividade geral daquela planta. Entretanto, muitas vezes o uso da tecnologia é uma estratégia cara que pode ser desastrosa. Se a máquina que trocamos não for o gargalo daquela fábrica, apesar do investimento, não iremos afetar positivamente o sistema como um todo. Uso da criatividade: muitas vezes a análise crítica se torna limitada na geração de novas ideias de mudanças. Saímos sempre com sugestões do tipo “mais do mesmo” e nos sentimos limitados. É aí que entra a criatividade! Mas não a criatividade no sentido de uma genialidade espontânea que sai do nada e sim o uso de técnicas sistemáticas que irão ativar a nossa criatividade. A partir da utilização destas técnicas, podemos enxergar além e gerar soluções úteis e inovadoras. Iremos discutir criatividade mais à frente, na parte do Analyze, entretanto, os alunos que se interessarem podem acessar nosso curso completo e gratuito sobre criatividade. O link direto é: http://ead.fm2s.com.br/curso/cursode-criatividade-principios-e-abordagens/
44
Os conceitos de mudança: uma boa estratégia para se buscar mudanças é apostar no que já deu certo (não precisamos reinventar a roda, não é mesmo?). Pensando nisso, algumas instituições compilaram inúmeros projetos de melhoria pelo mundo, de maneira a estudar casos de sucesso e extrair o conceito por trás de cada um deles. Com estes resultados, elaboraram o que chamamos de conceitos de mudança. Estes, são dicas para que você, dependendo do seu objetivo, elabore uma mudança que muito provavelmente se tornará uma melhoria. Iremos comentar mais sobre esta técnica na parte do Analyze, porém se gostou da ideia, pode baixar nosso e-book que te ensina a trabalhar com esta técnica. O link direto é: http://downloads.fm2s.com.br/e-book-conceitos-de-mudanca
45
O Ciclo PDSA
O CICLO PDSA Além das 3 perguntas fundamentais, o Modelo de Melhoria é formado pelo ciclo PDSA. O ciclo PDSA é um roteiro iterativo de aquisição de conhecimento inspirado no método científico. Ele nos permite adquirir conhecimento novo sobre o que estamos fazendo. 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 já praticada. Essa maneira, só vem com um conhecimento maior da tarefa específica “apertar parafusos”. É justamente este conhecimento que o ciclo PDSA nos ajuda a obter. É importante, neste ponto, não confundirmos o ciclo PDSA com o ciclo PDCA, popularizado pela Toyota e difundido por inúmeras consultorias no Brasil e no mundo. O ciclo PDSA é um método para a geração de conhecimento, enquanto o ciclo PDCA é um roteiro de melhoria. Ao longo de um projeto de melhoria, realizamos inúmeros 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 possível solução. Utilizando o PDSA, costumamos fazer um ciclo de verificação e coleta de dados para entender a causa e depois, um ciclo de teste para verificar se a mudança proposta é uma melhoria. Ele é mais flexível e fácil de se aprender.
46
charts to explain ideas A Use construção da your melhoria
Conhecimento profundo
Capacidade de gerar melhorias aumentada
Conhecimento específico no assunto
O conhecimento profundo foi a grande contribuição de Deming para as organizações. Por meio dele, passamos a entende-las como um sistema e aprendemos como desenvolver mudanças e gerar melhorias de uma forma estruturada. A teoria do conhecimento, um dos pilares do Saber Profundo é a melhor maneira de se ganhar o conhecimento necessário para desenvolver mudanças com potencial de levar o sistema à um novo patamar de desempenho. É por meio dele que conseguiremos melhorar continuamente o que estamos fazendo. Vamos aprofundar mais sobre o método científico por meio do aprendizado do ciclo PDSA?
47
O método científico
Use charts to explain your ideas
1. Tudo começa quando observamos um fato ou fenômeno
F
O método científico começa quando observamos um fato ou fenômeno de alguma forma. Em projetos de melhoria, ele é normalmente representado por: Um problema detectado no produto ou serviço; Algumas (ou várias) reclamações de clientes; Uma oportunidade de crescimento. Em ciência, esse fato ou fenômeno pode ser a trajetória das estrelas no céu (que inspirou os astrônomos no desenvolvimento das mais importantes teorias), a manifestação de uma doença, um comportamento estranho em um conjunto de dados, etc. •
•
•
48
O método científico
Use charts to explain your ideas
2. Após a observação, fazemos uma análise para entender o fenômeno. O entendimento ao final da análise aparece na forma de uma hipótese, ou teoria, que explica o fenômeno observado.
F H
Frente ao fato, começamos a analisá-lo e a tentar entendê-lo. Ao final desta análise, temos sempre uma teoria que explica o que está acontecendo. Na prática, em um projeto de melhoria esse desenvolvimento poderia acontecer da seguinte forma: • Pegamos uma peça metálica com problema; • Vemos que o problema é um risco grande e profundo que acontece apenas em um dos componentes da peça; • Analisamos que, no dia de produção do componente, a máquina responsável pela sua manufatura estava com uma sujeira em uma de suas partes; • Desenvolvemos a hipótese: o risco foi proveniente daquela sujeira. Este é um exemplo relativamente simples. Dependendo da complexidade dos fatos apresentados, podemos usar ferramentas de análise complexas (como análises de regressão linear, análises de fenômeno, etc.). O que dita se vamos fazer uma análise simples ou sofisticada é o grau de conhecimento que temos sobre o fenômeno. Quanto maior o conhecimento, provavelmente melhor será a complexidade da análise. Quanto menor, mais análises serão necessárias para construirmos o conhecimento suficiente para desenvolvermos boas mudanças.
49
O método científico
Use charts to explain your ideas
3. Com base na hipótese, elaboramos uma predição: por exemplo, como o processo vai se comportar após a mudança.
F
Fp H
A extrapolação da hipótese, naturalmente, gera predições. Pensando no caso da nossa peça: uma vez que elaboramos uma teoria de que o risco é causado pela sujeira na máquina, intuitivamente pensamos em remover a sujeira. A predição é que, uma vez removida a sujeira, o risco não irá mais aparecer. É exatamente isso que fazemos no método científico: a partir de uma hipótese, elaboramos uma teoria e por meio dela, predições (ou palpites). O bom é a teoria elaborada para fundamentar a hipótese, pode ser extrapolada e gerar predições em diferentes áreas, inclusive naquelas que não foram usadas para a formulação original. Em outras palavras, saber que sujeiras provocaram o risco naquela peça, pode nos dar a predição de que a mesma máquina suja pode produzir outros tipos de peças defeituosas, ou que qualquer máquina que produza peças com riscos está suja. Extrapolar a hipótese em predições interessantes é um exercício de curiosidade e criatividade. Temos que nos manter atentos e ávidos para identificar essas possibilidades. Entretanto, predições podem ou não ser reais. A predição é gerada por meio de uma teoria. Se a teoria não estiver correta, nossa predição também não estará. Por isso precisamos realizar um experimento para testar se a teoria está correta, comparando o resultado obtido com a predição.
50
O método científico
Use charts to explain your ideas
4. Com base nas predições, realizamos um experimento para observar os fatos reais. Será que eles são iguais às predições?
F
Fp
FR
H
O quarto passo do método científico é a experimentação. Nesta etapa, verificamos se as nossas predições são reais ou não. Para isto, criamos um ambiente controlado e realizamos mudanças para observar o resultado. Em nosso exemplo, tínhamos a predição: “se limparmos a máquina, o risco irá sumir”. Um bom experimento para verificar isso seria selecionar uma máquina semelhante, limpá-la de uma maneira padronizada (esse padrão poderá, inclusive, ser usado depois, caso o experimento seja bem-sucedido), e observar, após uma amostragem de 1000 peças, se há alguma com risco semelhante ao previamente reportado. Se não houver, aumentamos o grau de convicção de que a nossa teoria era boa, portanto podemos extrapolá-la (levar para outras máquinas, etc.). Caso ainda apareçam riscos, temos que rever a hipótese e as condições do experimento (será que o risco não tem nada a ver com a sujeira ou será que apenas o nosso procedimento de limpeza não era adequado?). De qualquer maneira (se o experimento der certo ou errado) ganhamos conhecimento específico e sólido sobre o que estamos trabalhando. Notem que um bom experimento testa mais de uma predição ao mesmo tempo. No caso acima, testamos duas: a de que o risco era causado pela sujeira e de que o procedimento de limpeza iria remover a sujeira. Se vamos testar mais de uma predição, em geral precisamos coletar mais de um dado, por isso é bom deixar claro todos os dados que iremos coletar durante a condução do experimento. Experimentos custam, por isso temos que explorá-los ao máximo.
51
O método científico
Use charts to explain your ideas
5. Após realizado o experimento, observamos os fatos reais e elaboramos uma segunda versão de nossa hipótese.
F
Fp H
FR H2
Realizado o experimento, analisamos novamente os dados obtidos e reformulamos a teoria. Todos os experimentos geram uma nova rodada de dados. A partir desses dados, reformulamos nossa teoria. Em nosso exemplo com a peça, após o experimento podemos ter os seguintes fatos: O risco não sumiu, mas apareceu menos vezes. As peças com defeito apareceram apenas na segunda metade do experimento. A máquina antes do experimento estava limpa. A máquina ao final das corridas estava suja. Esses fatos indicam que: O defeito pode ainda estar relacionado com a sujeira. O procedimento é capaz de limpar a máquina. A máquina está sujando ao longo da produção. Com isso, temos uma nova hipótese: a sujeira é gerada ao longo das rodadas e está relacionada com o defeito. Para testar essa hipótese, podemos pensar em um novo procedimento que limpe a máquina ao longo de seu funcionamento. Podemos também direcionar a nossa análise para tentar entender “Por que a sujeira se forma? ”. Essa pergunta, irá gerar outras hipóteses bem sofisticadas e novas predições. Em geral, predições são formuladas por meio de perguntas bem-feitas. •
•
•
•
•
•
•
52
O método científico
Use charts to explain your ideas
Para completar o método, repetimos este ciclo até termos uma hipótese sólida. Lembrem-se: nenhuma hipótese explica tudo, mas alguas hipóteses são úteis.
F
Fp H
FR
... H2
Hs
O método científico consiste em repetir esses passos de observação, análise, elaboração de hipótese, predição, experimento até que formamos uma teoria sólida. Sempre podemos contestar a hipótese vigente. Isso, em ciência, acontece todos os dias e em projetos de melhoria, também. Quando elaboramos uma cultura de contestar o status quo dos processos por meio do ganho de conhecimento específico, temos o que chamamos de melhoria contínua. Devemos lembrar, entretanto, que projetos de melhoria usualmente possuem começo meio e fim. Portanto, normalmente paramos as ações intensivas uma vez que encontramos a solução para o problema inicial, ou uma boa estratégia para abraçar a oportunidade inicial. Isso também não nos impede de passar o “espírito” da melhoria por meio da geração de conhecimento específico (PDSA) para as pessoas permanentemente envolvidas naquele processo. Se eles souberem aplicar o método científico, irão melhorar mais e mais o processo, possivelmente gerando inovações radicais na maneira como as coisas são feitas. Tal modelo obteve imenso sucesso ao ser utilizado e propagado pela Toyota.
53
Use charts to explain your ideas O ciclo PDSA
COMO GIRAR O CICLO PDSA O ciclo PDSA padroniza a aplicação do método em projetos de melhoria. Ele consiste na execução de 4 etapas para conseguirmos gerar, testar ou aplicar conhecimento específico sobre um assunto. A primeira etapa é o Plan (planejar). É comum nesta etapa começarmos declarando claramente o objetivo do ciclo PDSA. Notem que o objetivo está diretamente ligado com a sua hipótese. Para o exemplo da peça que apresenta riscos que achamos que é sujeira, podemos definir como objetivo do ciclo: “Verificar a influência da sujeira nos riscos frente ao novo procedimento de limpeza”.
Um ponto é muito importante lembrar: o objetivo do ciclo NÃO é igual ao objetivo do projeto de melhoria. Um projeto de melhoria pode ter vários ciclos PDSA’s individuais ao longo do mesmo, visando cumprir um objetivo final maior. No exemplo da peça o objetivo do projeto de melhoria era “reduzir defeitos”. Na fase de planejamento também colocamos todas as questões que fizemos (sempre baseadas em nossa hipótese atual sobre o problema) e as predições para as respostas à elas. Um exemplo, para o nosso caso seria: Questão 1: será que o risco está relacionado com a sujeira na máquina? Predição 1: sim, acreditamos que o risco está diretamente relacionado com a sujeira na máquina. Acreditamos que se não aparecer sujeira na corrida, não haverá um risco sequer nas peças produzidas. Questão 2: o novo procedimento será capaz de eliminar a sujeira? Predição 2: acreditamos que sim. Se realizarmos o procedimento na primeira rodada, não haverá sujeira alguma na máquina. Feito isso, ainda no Plan, devemos detalhar satisfatoriamente como iremos coletar dados reais que responderão às perguntas. Este plano de coleta de dados deverá estar claramente declarado, visto que qualquer pessoa envolvida no projeto possa ler o plano e realizar o •
•
•
•
54
experimento. É recomendável ligar cada dado específico à questão que ele vai responder. No nosso caso, uma sugestão seria: Para responder à questão 1, um operador da manufatura ( quem) irá limpar a máquina no dia 25/04 utilizando o novo procedimento e trabalhar normalmente (como) até o dia 27/04 ( quando). Nesse período, há a estimativa de produzir-se 1000 peças do tipo A, que já deu problema anteriormente. Ele irá olhar cada uma das peças e analisar se há ou não risco na parte superior da mesma (o quê). Caso haja algum risco, ele deverá preencher este indicador na planilha X, criada especialmente para este propósito e disponível para uso pela área de manufatura. Para responder à questão 2, o mesmo operador irá verificar a máquina a cada 2 horas e avaliar a sujeira na parte Y da máquina (onde), onde esperamos que ela possa aparecer. A instrução de trabalho XYZ ( como) detalha claramente o que é sujeira e como um operador pode identifica-la. Se houver sujeira, vamos acreditar que o procedimento proposto é incapaz de manter a máquina limpa. Ao final do dia 27, será elaborado um gráfico de tendência para mostrar a quantidade de peças com risco. Para cada período, também iremos anotar se foi ou não verificada sujeira na máquina. Na etapa seguinte, o Do (fazer), executaremos o plano listado no plan e acompanharemos o experimento. Caso algo aconteça que não havíamos previsto, iremos anotar o que aconteceu. Por exemplo, a máquina pode ter sido danificada pelo novo procedimento de limpeza ou o operador ter realizado incorretamente o procedimento proposto. Quebra da máquina ou ausência do operador são itens que também devem ser relatados . A terceira fase é a do Study (estudar). Nesta fase que iremos analisar os dados coletados. Aqui mostramos gráficos e digerimos os resultados. Também comparamos os resultados obtidos com as predições. Essa comparação é extremamente enriquecedora, pois é nela que o aprendizado realmente acontece. Às vezes, ao analisar um problema bolamos uma predição do tipo: ao misturar dois líquidos, a solução irá ficar verde e, quando realizamos o experimento, a solução transforma-se em uma banana! Isso prova que a nossa teoria sobre o fenômeno estava completamente equivocada. Frente ao equívoco, vamos buscar conhecimento (seja em livros, artigos científicos ou consultando especialistas sobre o assunto) para aprimorar nosso entendimento.
Ao final da parte de análise, ainda no study, anotamos de maneira sucinta o que aprendemos, na forma de tópicos resumidos. Estes tópicos devem compilar todos os aprendizados daquele ciclo. Na última fase, a do Act (agir), devemos pensar no que vamos fazer após a realização 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 máquina que provocou o risco? Nesta fase também (como a ciência não tem fim), anotamos quais outras ideias de experimentos tivemos que poderão nos ajudar a aprofundar ainda mais nosso conhecimento sobre aquele processo. Qual será o objetivo do próximo ciclo?
55
Use charts to explain your ideas O ciclo PDSA
o t n e m i c e h n o C
Tempo
A aplicação dos ciclos PDSA é contínua. Quando se acaba um ciclo, inicia-se outro, o que chamamos de “conectar” seus ciclos PDSA. Por que não realizar apenas um? Porque a cada teste, se gera um conhecimento novo. Sabe-se o que funcionou e o que falhou, além do que deve ser feito na próxima vez. E, quando encerramos um ciclo, surgem novas perguntas, novos questionamentos. No decorrer de vários ciclos, todas as dificuldades iniciais acabam se dissipando. Aprende-se de maneira iterada e só se implementam as mudanças quando se está convicto de que serão melhorias. Vale lembrar que realizar vários testes pequenos, desenvolvendo a solução final, reduz severamente a resistência das pessoas à mudança e os riscos inerentes a ela. Com isto em vista, temos alguns conselhos para você que quer começar na vida da melhoria de processos: Adiante-se: você já sabe que terá de rodar diversos ciclos, então planeje-os bem. Muita coisa também vai dar errado, por isso sempre pense um passo adiante e faça testes avaliando melhorias nas condições dos próprios testes. Comece pequeno: não complique as coisas logo no começo! Teste em pequena escala (por exemplo com poucas máquinas) e vá aumentando a escala conforme aumenta a sua convicção nas mudanças. Comece! Não espere mais. Quais testes você já pode fazer amanhã? •
•
•
56
Use charts to explain your ideas O ciclo PDSA
Quer exemplos?
Veja em nossa plataforma os exemplos de melhoria em nosso site.
57
Use charts explain your Resumindo o to modelo deideas melhoria
1. O que queremos melhorar? 2. Como saberemos que
a mudança é uma melhoria?
3. Quais mudanças podemos fazer?
RESUMO DO MODELO DE MELHORIA O Modelo de Melhoria então resume-se às 3 perguntas fundamentais, suportadas pelo ciclo PDSA: as duas primeiras perguntas nos ajuda a obter foco (primeira questão) e métrica (segunda questão), enquanto que a terceira pergunta nos dá ideia de mudanças. O ciclo PDSA serve como motor da aquisição de conhecimento , nos ajudando a formular mudanças cada vez melhores.
58
Abordagens, habilidades e roteiros
ABORDAGENS, HABILIDADES E ROTEIROS Já falamos bastante sobre a parte mais importante da melhoria de processos, que é a estruturação do Modelo de Melhoria e os pilares do conhecimento profundo de Deming. Nos próximos slides e páginas, iremos comentar sobre como as empresas transformam esta teoria em projetos de melhoria. Iremos discorrer sobre os motivos que as pessoas usam a melhoria e quais habilidades um agente de melhoria acaba por desenvolver. Por fim, vamos falar dos famosos “roteiros de melhoria” que já ajudaram tantas pessoas a conduzir ótimos projetos.
59
charts to explaina your ideas ParaUse que usamos melhoria?
Mudar um sistema como um todo Novos produtos
Melhorar um sistema
Novos processos Produtos Novos procedimentos
Processos
Procedimentos
O Modelo de Melhoria (3 perguntas e o ciclo PDSA) nos ajudam por meio de duas abordagens possíveis: Quando queremos mudar o sistema como um todo, ou seja, provocar uma mudança radical em nosso sistema. Como veremos ao longo do Green Belt, um sistema normalmente, entrega um produto (ou serviço) que é feito por processos (uma série de atividades que transformam os insumos em produtos). Cada processo é operacionalizado por meio de procedimentos (que dita como se dará a operação, que é a interação entre pessoas e máquinas para a realização das etapas do processo). O ciclo PDSA nos ajuda a desenvolver ideias além da melhoria incremental, permitindo a criação de mudanças radicais em cada uma destas etapas do sistema. Quando queremos apenas melhorias pontuais em nossos sistemas. Muitas vezes, queremos usar as técnicas aqui apresentadas apenas para sair de algo como “uma taxa de refugo de 10%” para “uma taxa de refugo de 1%”. Essas técnicas nos ajudam bastante com esse tipo de melhoria pontual. Igualmente à taxa de refugo (que é uma métrica de um processo, por exemplo), podemos pensar em indicadores para o desempenho de nossos produtos (ou serviços) ou de nossos procedimentos. Qual abordagem usar depende muito da empresa em que trabalha, da equipe de melhoria, do tempo e recursos que tem disponível para o projeto. •
•
60
Use charts explain your ideas As habilidades habilidade s detoum agente de melhoria
Lidar com dados Trabalhar em equipe
Entender a
situação atual
Disseminar
Desenvolver
mudanças
mudanças
Implementar
mudanças
Testar
mudanças
Sete habilidades são fundamentais para se trabalhar com melhoria de processos no Lean Seis Sigma, pelo Modelo de Melhoria. São exatamente estas habilidades que desenvolvemos desenvolvemos em nossos alunos nos cursos de White, Green e Black Belt. São elas: Habilidade em lidar com dados: um agente de melhoria deve saber coletar e interpretar dados. Ele deve entender a variação vari ação de seus processos e aprender com ela. Só assim ele estará ligado ao mundo real e não em especulações de sua mente ou colegas. Como diria Deming: “Sem dados, você é apenas mais um sujeito com uma opinião”. O desenvolvimento dessa habilidade se dá por meio do ensinamento de ferramentas simples como os gráficos de Controle, Frequência e Tendência, além de ferramentas mais complexas como a análise do sistema de medição (MSA), a regressão linear e a regressão r egressão logística. Entender a situação atual: para melhorar, melhorar, é necessário necessário saber saber o que está acontecendo. acontecendo. É preciso olhar para um sistema e saber para que ele existe, além de entender como seus processos e procedimentos se conectam. Para isto, não basta olhar apenas para os indicadores de um sistema, é necessário mapear seus processos. Ao longo do curso de Green Belt, ensinaremos como mapeá-los, conectá-los aos seus indicadores e desdobrá-lo em procedimentos a fim de melhorá-los. Desenvolver mudanças: um bom agente de melhoria desenvolve mudanças com rapidez e maestria. Ele é capaz de, rapidamente, propor diversas alternativas para a maneira como as coisas são feitas. Cada uma das 4 estratégias de desenvolvimento de mudanças será detalhada ao longo do treinamento. Testar mudanças: o ciclo PDSA é o coração de nosso modelo e a ferramenta que suporta a experimentação. Dominar a elaboração de bons experimentos e testar as mudanças que vamos fazer é o que nos colocará em sintonia com a realidade. Um agente preparado de melhoria deve saber estruturar experimentos de maneira a testar o máximo de predições com o mínimo de recursos. Para isto, utilizamos os Experimentos Fatoriais, que nos permite tirar o máximo de nossos testes. •
•
•
•
61
Implementar mudanças: é necessária uma boa carga de psicologia para fazer com que mudanças sejam implementadas em organizações. Por mais que tenhamos a convicção de que uma mudança é uma melhoria, sem convencer aos envolvidos, ninguém trabalhará no que propomos. Implementar as mudanças com maestria é trabalho do agente de melhoria. Disseminar mudanças: disseminar mudanças é torna-las acessíveis para um público maior. Para que as pessoas adotem as mudanças propostas, o agente de melhoria tem que conscientizá-las dos problemas reais que as mudanças resolverão e, que essas mudanças têm grande possibilidade de serem de fato, uma melhoria. O agente de melhoria precisa expor seu plano de ação e convencer os envolvidos. A base de toda disseminação é uma boa comunicação. Trabalhar em equipe: ninguém faz nada sozinho, por isso o agente de melhoria deve liderar equipes (muitas vezes multidisciplinares) para a obtenção dos resultados propostos. As competências e habilidades necessárias à gestão de equipes são abordadas no Black Belt, pois quanto mais complexos os projetos, mais pessoas serão envolvidas. Uma vez que o agente desenvolve cada uma destas sete habilidades, ele certamente será um mestre da melhoria. •
•
•
62
charts to explain your ideas OsUse roteiros de melhoria
ANTES DE FALAR DOS ROTEIROS, QUERO
CONTAR UMA HISTÓRIA “Enquanto os engenheiros da empresa A gastavam seu tempo e energia desenvolvendo tocadores de CD cada vez melhores, a empresa B desenvolveu o tocador de MP3. Se a empresa A soubesse que os clientes queriam na verdade ouvir música ao invés de comprar CDs, prov provav avel elme ment nte e ela ela aind ainda a esta estari ria a no merc mercad ado. o... ..”
O que esta história nos ensina? Ela nos ensina que temos que diferenciar produto de necessidade. No caso, o aparelho tocador de CD e o de MP3 são produtos que atendem a mesma necessidade, ouvir música. Temos sempre que trabalhar focados na necessidade que atendemos. Mas o que isso tem a ver com roteiros de melhoria?
63
charts to explain your ideas OsUse roteiros de melhoria
O QUE SÃO ROTEIROS DE MELHORIA? DMAIC Kaizen 7 passos Os 8 passos do TBP Etc. PRODUTOS OU NECESSIDADE?
OS ROTEIROS DE MELHORIA Você certamente já ouviu falar do famoso DMAIC, tão ensinado como a solução para todos os males em uma empresa. Assim como o DMAIC, existem outros. Mas o que são esses roteiros? Roteiros de melhoria são uma sequência estruturada de atividades a serem realizadas e ferramentas a serem utilizadas que visam produzir melhorias em nossos processos. Teoricamente, seguindo à risca esse passo a passo, iremos conseguir melhorias significativas em nossos processos, alcançando os objetivos propostos. Mas, não devemos cair no merchandising que há por aí. Roteiros de melhoria, são produtos desenvolvidos desenvolvidos para suprir a necessidade das organizações por melhorias. Eles são úteis, entretanto, não podem ser vistos como dogmas fundamentais ou fórmulas mágicas. Empresas podem terem sua necessidade por melhoria atendidas por vários roteiros, sendo o Modelo de Melhoria um deles. Agora, há organizações que criam verdadeiras batalhas internas entre áreas que defendem roteiros diferentes. Em nossa percepção, tais brigas são desnecessárias e enquadram-se mais como meios para a disputa de poder interno. Em tese, uma organização poderia beneficiar-se amplamente, amplamente, mesmo com com áreas diferentes diferentes adotando roteiros roteiros diferentes.
64
charts to explain your ideas OsUse roteiros de melhoria
A EMPRESA TEM:
A EMPRESA PRECISA:
Uma oportu oportunid nidade ade.. Um process processo o melhor. melhor. Um problema. Um produto melhor. A necessidade por uma melhoria.
Mais conhecimento. Melhor desempenho.
As empresas sempre terão: oportunidades a serem aproveitadas, problemas a serem resolvidos e processos a serem melhorados. Elas sempre precisarão de procedimentos mais eficazes, produtos mais competitivos e conhecimentos que a façam desempenhar melhor. Os roteiros são apenas o como vamos suprir estas necessidades. necessidades.
65
charts to explain your ideas OsUse roteiros de melhoria
DE MANEIRA GERAL, OS ROTEIROS PASSAM POR: 1. Uma etapa de entendimento da situação atual 2. Uma etapa de desenvolvimento de mudanças 3. Uma etapa de teste de mudanças 4. Uma etapa de implementação das mudanças
Não importa qual é o roteiro, pois todos todos eles passam por 4 passos passos básicos para para realizar o projeto de melhoria: melhoria: • Compreender a situação atual , por meio das mais diferentes estratégias e ferramentas. Aqui normalmente se busca mapear o processo e medir seus indicadores; • Desenvolver mudanças, por meio de diferentes diferentes estratégias;
Testar essas mudanças; e • Implementar as mudanças vencedoras. Vamos agora olhar alguns roteiros famosos. •
66
charts to explain your ideas OsUse roteiros de melhoria
Aqui temos 3 roteiros muito famosos: os 8 passos para a resolução de problemas práticos da Toyota, o Roteiro DMAIC (em amarelo) e o CSI – 7 steps for improvement (The continous service improvement – improvement – que parece um secador de cabelo). Notem que todos eles passam pelas etapas básicas. Nos 8 passos da Toyota , por exemplo, a etapa 1, 2 e 3 visam compreender a situação atual. As etapas 4 e 5 o desenvolvimento de mudanças. As etapas 5 e 6 o teste t este destas mudanças (e a verificação do resultado) e por fim, na etapa 8 se padroniza e estabelece o controle do processo, que é a implementação. implementação. No roteiro DMAIC, temos o entendimento acontecendo nas etapas D, M e A, o desenvolvimento de mudanças acontecendo nas fases A e I, os testes na fase I e a implementação na fase C. Nos 7 passos para a melhoria, temos todas as etapas 1, 2, 3 e 4 cuidam do entendimento da situação atual. As etapas 5 e 6, do desenvolvimento e teste de mudanças. A implementação, por fim, acontece na etapa 7. Cada um destes roteiros oferece diferentes ferramentas para a melhoria, entretanto, devemos ter consciência que nem sempre precisamos usar todas as ferramentas para nossos projetos. Um projeto bem-sucedido é aquele que chega à bons resultados, indiferente de quais ferramentas utilizamos.
No curso, iremos explorar as ferramentas por meio do roteiro DMAIC, porém incentivamos nossos alunos a conhecer mais sobre os outros roteiros existentes. O que eles têm em comum? Quais as peculiaridades? Descubram e compartilhem conosco!
67
Use charts to explainferramentas your ideas O DMAIC e suas
Define • Definir o problema, os objetivos e os benefícios • Determinar os requisitos dos clientes e as CTQ’s • Identifica Identificarr o proprietá proprietário rio do projeto, projeto, champion champion e o time
• Fazer o SIPOC do processo • Definir Definir os recursos, recursos, fronteira fronteirass e restriçõe restriçõess • Fazer o contrato com a equipe
Measure • Fazer o mapa detalhado do Processo • • • •
(Fluxograma) críticos Determinar os X’s e os Y’s críticos
Validar Validar o Sistema Sistema de Mediçã Medição o
Desenvolver plano para coletar dados Avaliar o desempenho atual:estabilidade atual:estabilidade e capabilidade • Ajustar o foco do projeto
Analyze • Criticar o processo atual • Determinar relações causais baseado baseado em dados • Identificar os maus conceitos presentes processo • Buscar explicações para o desempenho desempenho atual • Identificar mudanças
Improve • Desenvolver mudanças • Testar as mudanças em pequena pequena escala • Avaliar os riscos e benefícios das mudanças mudanças • Implementar as mudanças que que resultem em melhoria
Control • Desenvolver um plano de implementação implementação • Determinar necessidades de comunicação comunicação e treinamento
• Estabelecer um plano de controle do novo processo
• Fechar o projeto e comunicar os resultados • Celebrar os resultados alcançados alcançados com todos
ROTEIRO DMAIC O roteiro DMAIC é composto por 5 fases: Define (ou definir), Measure (ou medir), Analyze (ou analisar), Improve (ou melhorar) e Control (ou controlar): Na fase do Define nós definimos qual é o problema ou qual a oportunidade que queremos trabalhar. Nela, respondemos às 2 primeiras perguntas fundamentais, entendendo a real necessidade da organização. O maior desafio aqui é cristalizar as impressões particulares de cada envolvido no projeto para chegar a um objetivo mais palpável. A saída fundamental da fase Define é a formulação do contrato de melhoria , que irá pautar todos os esforços futuros. Algumas ferramentas usadas nesta fase são: VOC (Voice of Customer ), ), que nos ajuda a coletar informações do cliente, por meio de pesquisas e estrutura-las por meio da árvore 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 tópicos discutidos, alinhando equipe, patrocinador e clientes; A matriz de análise de stakeholders , que nos ajuda a identificar todos os envolvidos e programar nossas ações de convencimento; A matriz de comunicação , que nos ajuda a evitar problemas causados pelo desalinhamento desalinhamento nas comunicações; comunicações; O diagrama de afinidades, que ajuda a organizar as nossas ideias. •
•
•
•
•
•
•
•
A fase seguinte é a fase do d o Measure, aonde vamos começar a entender os processos e seu desempenho. desempenho . Essa fase tem duas frentes de trabalho distintas, ou duas “portas” por onde começamos nossas medições: a porta de processos e a porta de dados. Na porta de processos, nós mapeamos o processo atual e entendemos como ele funciona. 68
Identificamos quais são suas atividades e como elas se conectam. A grande saída dessa porta é um fluxograma que explica exatamente como nosso nosso processo transforma suas entradas (matérias-primas) em saídas (produtos ou serviços). Na porta de dados, nós medimos o desempenho do processo por meio dos indicadores. Para isso, temos que coletar dados sobre o que está acontecendo e analisá-los. Boa parte das ferramentas que iremos ensinar no curso de Green Belt tem o objetivo único de analisar os dados que coletamos. Algumas ferramentas desta fase são:
Para processos: A ferramenta do SIPOC, com ênfase no mapeamento de processos; processos; A criação de fluxogramas; A elaboração de um VSM (value stream mapping , ou mapeamento do fluxo de valor); A criação de diagramas de espaguete , ou diagramas de layout ; A análise e criação de instruções de trabalho e definições operacionais. Para dados: Formulários de coletas de dados e folhas de verificação; Gráficos de tendência; Gráficos de controle; Gráficos de frequência (histogramas, Box-Plots, gráficos de barras, de setores, de Pareto, etc.); Análises de capabilidade; Análises MSA ( measure system analysis) ; Ferramentas para a transformação de variáveis. A terceira fase é a do Analyze. Nela fazemos duas coisas: analisamos criticamente nossos dados e procuramos desenvolver mudanças que vão gerar melhorias. Na prática, fazemos as duas coisas juntas. Ao final dessa fase, já teremos formatado for matado as nossas primeiras mudanças a serem testadas. Algumas ferramentas: Para dados: Estudo de correlação , como gráficos de dispersão e planilhas de contingência; Análise de Regressão Linear ; Para processos: Os 5 por quês; O diagrama de Ishikawa, ou diagrama de causa e efeito; Diagramas de árvore; Análise de Valor; Criação de Poka-Yokes; Análise de desconexões; As técnicas de criatividade; •
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
69
Os conceitos de mudança; A penúltima fase é a fase do Improve, onde vamos melhorar as nossas mudanças e começar a melhorar o nosso processo. Nesta fase nós iniciamos nossos experimentos. As ferramentas mais importantes a serem trabalhadas são o ciclo PDSA e o planejamento de experimentos, usando experimentos fatoriais. Ao sairmos do improve, já vamos saber exatamente quais ferramentas devemos implementar. A última fase é a fase do Control. É nela que implementamos as mudanças vencedoras. Para que essa implementação seja bem-feita, aplicamos algumas ferramentas de psicologia, como o diagrama de campos de força e elaboramos bons padrões e bons treinamentos. Sem isto, o risco de uma boa mudança perder-se é grande. A seguir, iremos aprofundar em cada uma destas fases, ensinando as ferramentas! •
•
•
70
Resumo do capítulo A melhoria resulta da aplicação de conhecimento. Cinco pontos são fundamentais para se conseguir uma melhoria: ◉
Saber o que precisa ser melhorado, com clareza
◉
Ter um mecanismo de feedback para saber se a melhoria está acontecendo
◉
Desenvolver mudanças que resultarão na melhoria
◉
Testar a mudança, adquirindo conhecimento específico no assunto
◉
Saber quando tornar a mudança perene, ou seja, quando implementar a mudança
O Modelo de Melhoria é uma estrutura para aplicar estes 5 pontos. O DMAIC é um roteiro para a melhoria.
71
Define
DEFINE O Define é o primeiro passo do roteiro DMAIC. É por ele que começamos o nosso projeto de melhoria. Nele, todas as nossas ações vão ter o objetivo simples de definir o objetivo do nosso esforço de melhoria. Essa definição 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 impressões. Qual é o real problema da empresa? Usamos aqui várias ferramentas muito úteis para transformar essas ideias e impressões abstratas em objetivos claros, expressos por indicadores. É um trabalho árduo, já que devemos estruturar o conhecimento tácito em algo estruturado, mas temos várias ferramentas que nos ajudam nessa missão. Ao final da fase do Define, teremos preenchido o nosso Contrato de Melhoria , que é a principal ferramenta de alinhamento da equipe de melhoria. Este documento é análogo ao Project Charter (ou, Termo de Abertura do Projeto) utilizado nas metodologias de gestão de projetos. Vamos aprender mais sobre estas ferramentas!
72
O Define Objetivo :
Definir o foco e os indicadores do projeto e comunica-los à equipe. Atividades : ◉
Determinar os requisitos dos clientes (VOC) e
identificar as características críticas à qualidade. ◉
Fazer o SIPOC do processo.
◉
Preencher o contrato de melhoria.
73
O VOC (Voice of Customer)
Hora de ouvir e entender o seu cliente (interno ou externo)
VOC Muitos projetos de melhoria estão baseados na interface com o cliente. Em outras palavras, tem como objetivo resolver os problemas dos clientes ou encantá-los. Para tanto, precisamos escutá-los e traduzirmos o que estão falando para uma linguagem palatável ao nosso projeto de melhoria. Precisamos, portanto, extrair das informações subjetivas, indicadores mensuráveis. Vamos ver como fazemos isso!
74
Coletando informações dos clientes (internos e externos)
Para coletar, temos duas maneiras:
Fontes reativas
Fontes ativas
Para coletar informações dos clientes (aqui estamos falando tanto de clientes externos quanto de clientes internos), nós temos basicamente duas estratégias: • Recorrer a fontes reativas de informação , ou seja, fontes que te enviam informações, quer você faça algo ou não. São por exemplo, ligações de clientes para o SAC da empresa, aberturas de chamados em sites como o Reclame AQUI, relatórios de vendas, reinvindicações de garantia de nossos produtos ou serviços, etc. Essas informações são relativamente baratas de serem adquiridas, porém elas são também parciais: a informação 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 são as fontes ativas de informação, ou seja, aquelas que temos que fazer alguma coisa para conseguir as informações. Exemplos de fontes ativas vão desde as mais simples, como formulários de pesquisa enviados por e-mail até as mais complexas, como a elaboração de grupos focais, passando pelas mais convencionais, como entrevistas com os clientes, conversas informais e até ligações de feedback . A vantagem das fontes ativas de informações é que, por meio delas, podemos obter a informação como quisermos. Qual fonte escolher depende muito do tipo de projeto. Podemos, inclusive, escolher ambas no Define. Podemos partir de fontes reativas (compilando as nossas reclamações no Reclame AQUI, por exemplo) e depois seguir para as fontes ativas para a complementação das informações passivas (por exemplo, ligar para cada cliente para entender melhor os problemas apresentados). O importante é, ao final da pesquisa, termos um objetivo claro para agradar o cliente. Exemplos: •
Os clientes gostam de agilidade na entrega, por isso temos que entregar o produto até eles em, no máximo, 3 dias úteis.
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 térmico em seus carros, por isso, quando o ar condicionado do carro é ligado e a temperatura externa é de 40°C, em até 5 minutos o carro precisa ter seu interior climatizado em 22°C.
Chegar em objetivos como estes não é fácil. Quando estamos coletando informações dos clientes, para chegar a estes objetivos, devemos tomar alguns cuidados, que vamos discutir a seguir.
76
Coletando informações dos clientes
◉
Os clientes podem ser vagos em
sua explicação ◉
Seja específico
◉
Considere um fator por vez
◉
Busque a necessidade do cliente,
não a sua solução favorita. ◉
Expresse os requerimentos em
fatores mensuráveis ◉
Identifique o que é “aceitável” ou “inaceitável”
Durante a coleta de informações, temos que entender que os clientes não possuem os mesmos pensamentos que nós, envolvidos com melhoria, possuímos. Eles não estão interessados em definir um objetivo claro para melhorar nossos produtos, por isso eles vão ser relativamente vagos em suas exposições. Irão exprimir-se muitas vezes de maneira sentimental e inconsciente: sabem que não gostam de algo do produto, mas não sabem exatamente o porquê. Cabe a nós, tentar entender o porquê com perguntas. Outra coisa que pode acontecer (e vai acontecer) é o cliente comparar seu produto com coisas que ele está acostumado. Você irá escutar respostas do tipo: “Eu gosto que a minha entrega seja rápida. O pessoal da concorrência entregou muito rápido” (Ok, mas em quantos dias? Qual a definição de rápido para você?). “O ar condicionado do carro de vocês é uma porcaria, ele demora 1 ano para esfriar! Eu moro no Rio de Janeiro, aqui faz muito calor! Meu amigo tem o carro da concorrência e ele gela rapidinho” (Maravilha, mas quantos g raus lá fora é calor? Quantos graus significa conforto para você, 23ºC ? O que é “rapidinho” em minutos?). Notem que, as perguntas “inteligentes” seguem uma lógica: elas devem induzir os clientes a serem específicos, identificar suas vontades em requerimentos mensuráveis (em uma escala definida) e dizer o que é “aceitável” e o que é “inaceitável”. A perspectiva pela qual induzimos o cliente também é muito importante. Devemos induzi-lo a pensar na sua necessidade, e não na solução que ele gostaria. Um exemplo disso é a célebre frase atribuída a Henry Ford, sobre a invenção do carro: “Se eu perguntasse ao meu cliente o que ele queria, iria me responder que precisava de um cavalo um pouco mais rápido”. •
•
É papel do agente de melhoria, direcionar a conversa com o cliente de maneira a extrair as informações necessárias. Alinhar, claramente com o cliente o objetivo da reunião, explicando calmamente todo o esforço de melhoria, é uma ótima maneira de coletar as informações de maneira eficiente. A ferramenta da árvore CTC ( critical to customer ) ajuda muito nessas situações. Vamos conhecê-la melhor...
77
ÁRVORE CTC A árvore CTC, ou CTQ é um diagrama que nos ajuda a extrair indicadores dos clientes, a partir de suas percepções abstratas. Ela tem, basicamente, 4 níveis: • Formular o problema: o que estamos analisando? Podemos estar, por exemplo, querendo ver a qualidade do nosso processo de faturamento, ou então a qualidade de um carro que produzimos. • Identificação dos direcionadores: de maneira abstrata, o que é, do ponto de vista para o cliente, um bom processo de fatura? Bom. As faturas têm que ser entregues no dia, portanto tempo de entrega é um direcionador. As faturas também devem vir com o valor correto, conforme o combinado no contrato, portanto valor da fatura é outro direcionador. Para o caso do carro, temos direcionadores diferentes, como por exemplo: consumo de combustível, silêncio, conforto térmico, etc. • Identificados os direcionadores, temos que definir variáveis específicas e mensuráveis para representar cada direcionador. No caso da fatura, para representar o direcionador “tempo de entrega”, podemos medir a variável tempo de entrega, definida como: o tempo total em dias que leva da solicitação de faturamento pelo cliente até o mesmo receber a sua fatura. Atrelada a esta variável, podemos ter também uma especificação: a fatura estará conforme, caso ela seja entregue em até 3 dias úteis, caso contrário ela estará não conforme. Notem que cada direcionador pode ter uma ou mais variáveis para representa-lo. • Por fim, definimos os indicadores para medirmos se estamos atendendo as variáveis importante para o cliente. Cada variável poderá ter um ou mais indicadores, dependendo da situação. Em nosso exemplo, a variável “tempo de entrega” pode ter dois indicadores: tempo médio de entrega das faturas e % de faturas não conformes, dando-nos informações diferentes. Esta árvore é uma ferramenta maravilhosa na tradução das necessidades de clientes (tanto internos quanto externos). Veja como fica o exemplo completo do projeto de faturas:
78
A árvore CTC
Tempo
Tempo (dias) Menos que 2 dias úteis
- Tempo par enviar a fatura (dias) - % de faturas enviadas fora do prazo
Valor
Valor da fatura de acordo com contrato
- % de faturas com valor incorreto - % de notas de crédito
Envio
Enviar a fatura(Y/N)
- % de faturas enviadas
Fatura registrada(Y/N)
- % de faturas registradas
fatura enviada com qualidade
Controle
:
79
O SIPOC
Uma ótima ferramenta para desenvolver a visão sistêmica!
SIPOC
80
A visão sistêmica e as empresas
Direcionamento
s e r o d e c e n r o F
Produção
Entradas
Saídas
C l i e n t e s
Suporte
Uma das grandes contribuições de Deming para a administração de empresas foi abrir os olhos dos gestores para a visão sistêmica. Parte de ter visão sistêmica é poder enxergar a empresa como um sistema, que transforma entradas em saídas, por meio de processos. Analisar os processos sob esta perspectiva é uma atividade muito importante no Define. Ao fazer isso, percebemos o porquê de cada processo existir. Damos foco no motivo pelo qual aquele processo existe, ao invés de ficarmos apaixonados pela maneira com que as atividades estão 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 preenchê-la.
81
S E R O D E C E N R O F
O SIPOC
Entradas
Processo
Saídas
S E T N E I L C
Passos do Processo
SIPOC é um anagrama onde cada letra representa uma palavra da língua inglesa: S (Supplier , ou fornecedor), I ( Inputs , ou entradas), P ( Process , ou processos), O ( Outputs , ou saídas) e C ( Customers , ou clientes). Para criar um SIPOC do processo você deve seguir alguns passos. São eles: 1. Concordar com o nome do processo. Lembre-se, para definir nome de um processo use Verbo no infinitivo mais complemento (Ex: Realizar Planejamento Estratégico da Área Comercial); 2. Defina as saídas do processo. As saídas são as coisas tangíveis que o processo produz (Ex: um relatório, uma carta, um produto, etc); 3. Defina os clientes do processo. Estas são as pessoas ou outros processos que recebem as saídas do processo. Toda saída deverá possuir um cliente; 4. Defina as entradas do processo. Estas são as coisas necessárias para iniciar o processo. Elas frequentemente são tangíveis (Ex: Requisição do cliente); 5. Defina os fornecedores do processo. Estes são as pessoas ou outros processos que fornecem as entradas. Toda entrada deverá possuir um fornecedor. Em alguns processos que vão do início ao fim, o fornecedor e o cliente poderão ser o mesmo; 6. Defina os sub-processos que fazem parte do processo mapeado. Estas são as atividades que são feitas para converter as entradas em saídas. Elas serão a base para o mapa do processo a ser criado a após a elaboração do SIPOC. Notem que ao fazer isso, estamos começando a mapear o processo que estamos analisando. Mais para a frente, iremos destacar como usar essa ferramenta para se mapear com perfeição qualquer tipo de processo. 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 gerúndio ou
ele faz, nem mais e nem menos
complemento
verbo no passado
Use a declaração de propósitos O nome do processo não deverá definir seu desempenho e nem seus objetivos de melhoria
do processo para definir o
Colocar palavras que definem o
porquê ele existe. Isto irá ajudá-
objetivo
lo a identificar os objetivos de
Contratar pessoas rápido, melhorar
melhoria e as métricas de
os relatórios
do
processo.
Ex:
desempenho As saídas devem especificar o que o processo entrega, não o que ele alcança
As saídas são “coisas”. Elas
Saídas que ou são vagas, como
podem estar corretas ou com
“clientes
erros.
contém
Podem
atender
as
necessidades do cliente ou não
satisfeitos”
ou
especificações,
que como
“relatórios entregues a tempo” Mão de obra e outros recursos não consumidos no processo. Eles não disparam o processo e não sofrem transformação. Políticas e regras não devem ser
Entradas devem ser especificar os “gatilhos” do processo e o que será trabalhado pelo processo
incluídas como entradas. Elas Entradas são “coisas” supridas pelos fornecedores do processo
guiam o processo, mas não são trabalhadas por ele. Entradas podem
incluir
operacionais
instruções que
são
necessárias para quem executa as atividades.
Vamos praticar?
83
Exercício!
In two or three columns
Um exame de sangue
Elabore um SIPOC para o processo “realizar um exame de sangue”. Faça a análise do SIPOC do ponto de vista do laboratório responsável para o exame. Qual é a saída mais importante do laboratório? Quem consome essa saída? Para produzir essa entrega, o que é necessário entrar para o laboratório? Quem fornece essas entradas? Como as entradas se transformam em saídas?
É assim para todos os laboratórios? O que muda?
84
Exercício!
In two or three columns
Fornecedores
Médico
Inputs
Processo
Paciente
Outputs
Clientes
Resultado
Médico
Requisição Laboratório
Seringas Agulhas
Realizar exame de sangue
Álcool Outros materiais Passos do Processo
Recebe paciente
e requisição
Prepara paciente
Retira sangue
Analisa sangue
Preenche
relatório
Segue um pequeno exemplo de como funciona o processo de coleta de sangue. A saída mais importante do processo é o resultado do exame de sangue, que é consumido pelo médico (ou pelo paciente, caso esse seja curioso e tenha um computador com acesso ao Google...). A saída não é o sangue. Aliás, esse nem aparece no SIPOC. Ele surge e é consumido inteiramente dentro do processo, portanto não é uma entrada nem uma saída. Notem também que o processo pode não ser realizado da mesma maneira de um laboratório para outro. Por exemplo, a atividade de “preparar o paciente” pode ser realizada das mais diversas maneiras, seguindo os mais diversos procedimentos.
85
Por que usar o SIPOC no Define?
◉
◉
◉
◉
Entendimento macro do processo
Alinhamento das discussões Busca por indicadores através da visão sistêmica Divide o processo em etapas, o que ajuda no
desenvolvimento de mudanças
POR QUE DEVEMOS USAR O SIPOC NO DEFINE?
Lembrem-se: no Define trabalhamos para sair com um foco claro para atacarmos em nosso projeto de melhoria. Temos que: entender as visões de cada uma das pessoas e bolar um indicador que vá nos balizar durante o resto do projeto. O SIPOC é útil para se conseguir as duas coisas! Quando utilizamos o SIPOC, começamos a analisar o nosso problema de uma forma extremamente útil para a melhoria: de forma sistêmica. Começamos a entender com muita clareza onde está inserido o processo que queremos analisar: entendemos onde ele começa, termina e quais são os seus limites. Além disso, temos declaradas claramente todas as etapas do processo. Podemos então, com a ajuda do resto do time de melhoria, analisar criticamente as etapas propostas, tentando identificar nas discussões direcionadores críticos para a qualidade. O SIPOC também nos permite identificar pontos para a coleta de dados. Podemos pensar em indicadores diversos para as saídas, para as entradas e para cada etapa do processo. Por exemplo: como medir se a saída está com qualidade? Quanto tempo demora toda a etapa de processamento? Quanto de rejeito esta etapa está gerando? Quanto aproveitamos de cada entrada? Todas estas perguntas, elementares a se observar um SIPOC, podem levar a indicadores bastante úteis em projetos de melhoria. Por fim, essa visão segmentada e clara do processo também já nos começa a abrir a mente para possíveis mudanças no processo: Temos alguma entrada que não precisamos? Deixamos de ter alguma entrada que precisamos? Nesta etapa, de “preparação do paciente”, qual é o procedimento que estamos seguindo? Podemos fazer melhor? Essas técnicas de aperfeiçoamento das atividades serão discutidas em mais profundidade na etapa do Analyze.
86
O Contrato de Melhoria
A ferramenta final da fase Define.
87
O contrato de melhoria
◉
O contrato de melhoria é um acordo entre o patrocinador do projeto e a equipe de melhoria
sobre o que é esperado do
Ele nos ajuda: ◉
responsabilidade
projeto ◉
Ele contém uma descrição clara do incômodo que se pretende aliviar, bem como os objetivos e indicadores do projeto
Esclarecer papéis e
◉
Focar a equipe
◉
Levantar problemas e oportunidades
◉
Definir pontos de iteração
◉
Definir pontos de comunicação entre
O CONTRATO DE MELHORIA O contrato de melhoria é um acordo escrito entre o patrocinador do projeto e a equipe de melhoria. Nele, devemos detalhar claramente o que se espera do projeto: quais os objetivos a serem alcançados pela equipe e quais os recursos o patrocinador deverá disponibilizar para tal. Além disso, é usual em projetos de melhoria descrevermos de maneira sucinta o incômodo a ser tratado, antes de definirmos os objetivos. A descrição do incômodo ajuda a contextualizar o esforço de melhoria e a definir a perspectiva mais adequada do projeto (lembre-se do exercício que fizemos nas aulas anteriores, que dizia do departamento de compras). O contrato é útil pois ele ajuda a estabelecer papeis e responsabilidades, além de deixar a equipe focada no objetivo. Quando conduzimos projetos de melhoria, sempre que há discussões ou dúvidas se estamos no caminho certo, recorremos ao contrato. É nele que fica o norte do projeto, algo que não podemos perder. A seguir, vamos explorar melhor os elementos do contrato de melhoria.
88
O contrato de melhoria
◉
Renegociações são possíveis no contrato, poucos projetos terminam sem reformulações em seu contrato:
◉
O escopo muda; A equipe muda; Os recursos mudam;
◉
Eventos externos “acontecem”.
◉ ◉
O contrato é apenas uma fotografia de como estão as coisas no início do projeto. Obviamente, muito pode mudar. O contrato deve então ser revisto de maneira a incluir estas mudanças, mas nunca devemos permitir que o contrato e o projeto não estejam alinhados. As mudanças vão acontecer de maneira natural. Às vezes, mesmo após todas as discussões do Define, achamos que o problema está em um lugar e quando começamos as medições iniciais, tudo muda. O escopo é geralmente um caso clássico desse tipo de mudança. Lembro-me bem de um projeto característico: o diretor de uma empresa nos contratou para rever um de seus processos administrativos. A empresa tinha filiais em várias cidades brasileiras, entretanto o diretor ficava em uma delas. Ele nos disse: “o processo aqui na filial X é muito lento! Eu vejo uma série de desperdícios e não vejo solução para eles. Na cidade Y, o mesmo processo acontece de maneira muito mais rápida, muito mais eficiente! Eu gostaria de estudar as boas práticas de lá para que possamos implementar aqui. ” O contrato então foi redigido para ser um projeto de benchmark interno, onde estudaríamos as boas práticas em Y para aplica-las em X. Durante o projeto, descobriuse que nunca havia sido feita uma medição fiel do tempo destes processos. Quando fizemos isso, uma surpresa: o processo na cidade X era realizado em um quinto do tempo que demorava na cidade Y (que o Diretor achava ser o benchmark). Neste caso, reavaliamos todo o projeto, procurando melhorias para ambos os processos. A história mostra que podemos nos enganar nas definições do contrato. Revê-lo durante o projeto não é vergonha nenhuma. Agora vamos ver um pouco mais sobre os elementos do contrato de melhoria.
89
Os elementos do contrato
Nome do projeto:
Integrantes: Patrocinador: 1. O que queremos realizar? (objetivo, importância, incômodo) 2. Como saberemos que uma mudança é uma melhoria? (indicadores, contra indicadores, meta) 3. Restrições 4. Cronograma
O contrato e melhoria é elaborado conforme as 3 perguntas fundamentais, que discutimos previamente. Ao preenche-lo, geralmente já fizemos várias discussões (inclusive usando as ferramentas do SIPOC e da árvore CTC), portanto já temos bem definido o que vai ser atacado, por isso é relativamente fácil colocarmos no papel o que foi discutido. O modelo de contrato pode variar de lugar para lugar ou de equipe para equipe. Nesta apostila, faremos um exercício extenso onde apresentaremos uma proposta de contrato. Entretanto, alguns pontos são muito importantes e devem estar presentes: •
O que queremos realizar? Descrição do incômodo : é vital para a equipe contextualizar o projeto. Descreva claramente o incômodo que está sendo atacado. •
Exemplo Descrição do incomodo ou oportunidade:
•
“A empresa trabalha com pintura e montagem de para-choques. Ultimamente, uma série de para-choques vêm sendo rejeitados na inspeção que acontece após a pintura, devido a riscos que acreditamos ser provenientes de pequenas batidas que acontecem quando a tinta ainda está fresca. Pelo elevado número de rejeitos, não estamos conseguindo atender a demanda de nossos clientes. Além disso, boa parte dos para-choques ficam estocados em uma área do barracão, ocupando espaço e dificultando a circulação de pessoas. ” Descrição da importância do projeto: geralmente, para usar futuramente como argumento de convencimento para os envolvidos, escrevemos algumas palavras para explicitar por que o projeto é importante. Essa importância pode ser exposta por várias perspectivas: a do cliente, a da empresa, as de vários departamentos, etc. Ter esses argumentos prontos é útil, pois quando precisamos da ajuda destes envolvidos, podemos claramente expor a eles o porquê estamos propondo aquilo. 90
Exemplo Importância para a empresa:
“Reduzir as perdas na pintura devido à batida irá diminuir a carga de trabalho e aumentar a produtividade. ” Importância para o cliente:
•
“Reduzir esta perda fará com que o cliente receba a sua encomenda mais rápido e de maneira integral. ” O objetivo do projeto: Devemos descrever o objetivo de maneira clara e atrelada a um indicador. Isso ajuda a manter o foco da equipe de melhoria. Exemplo Objetivo:
“Reduzir as perdas na pintura por batidas de 30% para menos de 1% até o mês que vem. • Como saberemos que a mudança é uma melhoria? Nesta parte, identificamos todos os indicadores e contra indicadores que queremos trabalhar, bem como colocamos uma meta para a sua redução. Sim, sabemos que colocar metas é um assunto polêmico, por isso ele será discutido mais à frente nessa apostila. • Restrições. Na parte de restrições, devemos deixar explícito quais são as restrições do
projeto. Por exemplo, podemos ter restrições como “não modificar o processo X”, ou “não envolver mudanças para o cliente”. Além disso, em geral trabalhamos com restrições orçamentárias e de recursos humanos. • Cronograma. Por fim, colocamos uma sequência lógica no tempo do que vamos
trabalhar. No cronograma, podemos relacionar as próximas atividades com as etapas do roteiro DMAIC, por exemplo: na primeira semana, iremos fazer a definição das metas, na segunda semana, iremos medir o processo, e assim por diante.
91
Atribuição de metas
◉
◉
◉
◉
Cuidado com os abusos e distorções que aparecem junto das metas numéricas Frente a uma meta não batida, as pessoas podem distorcer o sistema para batê-la. Entenda a variação para atribuir uma meta Coloque metas SMART ( Specific, Measurable, Achievable, Relevant e Time-bound)
◉
Meta, sem método é uma crueldade
◉
Seja flexível
◉
Abuse de benchmarking
METAS Muito cuidado ao negociar metas com o patrocinador do projeto, especialmente se estas metas refletirem na remuneração dos envolvidos. Quando alguém não 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 medição (colocar aquela “balança viciada” para parecer mais magro); • Omitir ou “expurgar” dados; • Alterar a memória de cálculo; • Distorcer o sistema como um todo (como o vendedor que, para vender mais, começa a dar descontos em excesso). Apesar destes problemas, nós na FM2S acreditamos em metas numéricas. Algumas das mentes mais competentes e ambiciosas, inclusive, só se motivam por meio da atribuição de metas numéricas bem definidas. Por isso, temos algumas dicas que podem ser úteis: Metas devem ser SMART, ou seja: o Específicas (ligadas a um indicador); o Mensuráveis (é preciso saber exatamente como ela será avaliada); o Possíveis (metas muito fantasiosas desmotivam a equipe); o Relevantes (ou seja, devemos entender a variação 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 ensiná-la como chegar lá. Isso é uma grande crueldade. Devemos priorizar a dedicação da pessoa e a sua conformidade em relação ao processo, ao invés de meramente os resultados obtidos. Como dizem na Toyota: é melhor (e mais fácil) ter um processo brilhante do que pessoas brilhantes.
92
Como saber o método para chegar até a meta? Essa é uma pergunta complicada com uma resposta simples: benchmarking. Procure conhecer outras empresas que bateram metas similares às suas. O que eles fizeram? Qual foi a estratégia adotada? Como eles implementaram as mudanças? Entenda o que já aconteceu e trace seu caminho até a sua meta, sempre utilizando as técnicas de geração de conhecimento específico para que o seu caminho seja mais suave que o da empresa consultada. De maneira geral, não use metas como chicote . Se uma meta não for batida, não procure culpados, procure erros no processo ou nas hipóteses.
93
In two or three Estudo de columns caso!
Um processo de coleta de sangue. Leia na apostila a descrição do projeto de melhoria e responda às questões propostas. Este estudo de caso é bastante ilustrativo, pois mostra um projeto de melhoria sendo realizado do seu início até o final.
ESTUDO DE CASO!!!!
94
Outras ferramentas úteis para o Define O que vem da gestão de projetos que pode nos ajudar a organizar nossas ideias e nossos projetos de melhoria?
95
In two or three columns Stakeholders Matriz de
Participantes Chaves Nível de compromisso
P1
P2
P3
P4
Apoio entusiástico Trabalhará muito para que o projeto seja um sucesso –
Ajudará no trabalho dará suporte apropriado para que se implemente as mudanças –
Compliant fará o mínimo aceitável –
Vacilante não se oferecerá voluntariamente –
Indiferente não ajudará; não atrapalhará –
Contrário - atuará abertamente contra o projeto Hostil - bloqueará a implementação das mudanças a todo custo
Atu al
Desejad o
MATRIZ DE STAKEHOLDERS Uma das atividades mais importantes em qualquer projeto é gerir os envolvidos. Uma ferramenta que nos ajuda a fazer isso é a Matriz de Stakeholders . Diversas pessoas podem ter interesse em nosso projeto de melhoria e, certamente, cada uma irá se relacionar com ele de uma maneira. Entre alguns envolvidos clássicos 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 nível de apoio, que pode variar desde um “apoio entusiástico” até uma “hostilidade declarada”. Muitas vezes, caso não tenhamos o apoio necessário, o projeto não sairá do lugar. Por exemplo, se o patrocinador do projeto se mostra vacilante ou indiferente às mudanças propostas, dificilmente conseguiremos obter recursos para concretizá-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 está de fato acontecendo no projeto. Para que essas coisas não aconteçam, precisamos saber exatamente quem devemos “trazer para o nosso lado”. A Matriz de Stakeholders nos ajuda a fazer isso. O seu preenchimento é muito fácil: • Listamos todas as pessoas chave do projeto; • Marcamos como eles estão atualmente com relação ao projeto (de hostil a entusiasmado, conforme é apresentado no slide); • Marcamos como eles precisam estar para que o projeto aconteça em sua plenitude; • Colocamos uma seta para ilustrar o caminho; • Começamos trabalhando nas pessoas com as setas maiores. Notem que, a grande mágica não está na planilha em si, mas sim nas setas. Saber qual estratégia usar para o convencimento das pessoas é a parte mais difícil e trabalhosa deste planejamento. Além disto, esta matriz é sigilosa, devendo ser compartilhada entre os membros da equipe apenas.
96
In two three columns Matriz deorcomunicações
Projeto: Data: Equipe:
Nome e Posição
Tipo de participação
Maiores preocupações
Plano de comunicação O que, Quem, Quando
Tipo de participação: Patrocinador, Consultor, Proprietário do Processo, Membro de Equipe, Cliente, Fornecedor, Outros
MATRIZ DE COMUNICAÇÕES A Matriz de comunicações é uma ferramenta que nos ajuda a planejar as comunicações dentro do projeto. Ela existe para evitar a comunicação extraoficial, ou dos corredores. Esse tipo de comunicação é extremamente insalubre para qualquer projeto de melhoria. Imagine só uma situação hipotética: o patrocinador do projeto recebe a informação de que os testes de mudança estão 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 comunicação é uma matriz que deixa claro quem irá comunicar o que e quando. Ela, portanto, formaliza os eventos de comunicação dentro do projeto. Também podemos colocar como será feita a comunicação e por quê. Alguns eventos clássicos que colocamos na matriz são: Disseminação das definições do Define, para alinhar a equipe no objetivo; •
•
•
•
•
•
•
Disseminação do resultado da fase Measure, em que mostramos o mapeamento feito do processo e o valor dos indicadores coletados; Orientação sobre os testes a serem feitos; Divulgação do resultado dos testes realizados; Plano de implementação; Divulgação de resultados para o cliente; Alinhamento de testes com o cliente;
Etc. Consta também, na matriz de comunicações, a razão de comunicar aquele fato de maneira formal: quais são as preocupações se esta comunicação sair do controle. •
97
In two or three columns Diagrama de afinidades
Coletar dados qualitativos Agrupar dados afins
Nomear os agrupamentos
DIAGRAMA DE AFINIDADES Na fase do Define, em geral realizamos uma série 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 traçar um plano de mudanças 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 número de ideias sobre uma questão específica; •
Organizam as ideias e dão nomes aos grupos.
Durante o processo de colocar em ordem um conjunto de dados aparentemente não relacionados, uma equipe poderá começar a identificar e focar as áreas para melhoria.
Por que usar o D.A.: O diagrama de afinidades é 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, análise de reclamações, problemas de produção e etc. Benefícios: Esclarece uma situação confusa; Incentiva conexões não-tradicionais entre ideias e questões; Incentiva a criatividade de todos da equipe; Quebra barreiras de comunicação e ideias pré-concebidas sobre um assunto; Permite o surgimento natural de tópicos 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 inexistência 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.
Preparação Antes de começar, você vai precisar de: Um facilitador para a equipe; (essa ferramenta é mais útil quando for utilizada em grupo) Notas adesivas tipo post-it ; (2-3 pacotes) Flip-chart ou quadro branco para fixar as notas; Marcadores; (preferível canetas hidrocor ou para transparências) Fita adesiva transparente. Construção do Diagrama de Afinidades: 1. Identifique a questão: Escreva a questão que está sendo discutida no flip-char t. Dicas: Todos os membros da equipe devem concordar com a questão. Exemplo: Fatores que prejudicam as vendas de café 2. Faça um brainstorming: Obtenha pelo menos 20 ideias ou questões; Registre cada ideia em uma nota adesiva; Dicas: Evite usar uma palavra só, 4 a 7 palavras funcionam bem. Uma afinidade "típica" contém 40 a 60 itens, dependendo da questão. Se já existirem dados, como feedback de clientes ou problemas de produção, use os dados em lugar de fazer um brainstorming de novas ideias. 3. Agrupe os resultados. Em silêncio, os membros da equipe classificam simultaneamente as ideias em grupos relacionados, colocando as notas adesivas em blocos distintos. Cada pessoa deverá mover as notas adesivas para o local que considera mais adequado. Não faça perguntas, apenas mova as notas que, em sua opinião, pertencem a um grupo diferente. Dicas: Os blocos poderão conter qualquer número de ideias - até uma só. As notas adesivas poderão ser movidas tantas vezes quantas forem necessárias até que o grupo esteja satisfeito com o resultado. O ritmo da classificação diminuirá e, em seguida, cessará, quando todos os membros da equipe estiverem satisfeitos com os agrupamentos. Analise dos dados •
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
99
A equipe então discute o relacionamento entre os itens de cada bloco e escolhe um título para cada um dos blocos. Dicas: •
•
Consiga um rápido consenso da equipe em relação a uma palavra ou frase capaz de capturar a ideia/tema central de cada bloco. Divida os blocos maiores em subgrupos, se necessário.
Avaliação do sucesso: Para medir o sucesso quanto à utilização desta ferramenta, reveja as seguintes perguntas: Os membros da equipe compreenderam com clareza a questão em discussão? Os membros conseguem definir com facilidade qual é o tema comum que relaciona os itens em cada categoria? O diagrama final exibe informações suficientes a serem utilizadas pela equipe na próxima etapa? •
•
•
100
Measure
MEASURE Na fase do Measure, como o próprio nome já diz, vamos começar a “medir” nosso processo. Por medir entendemos: coletar informações que nos serão úteis no esforço 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 saídas. Existem várias técnicas 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 começamos a analisa-lo. Temos que entender que é muito importante fazer uma coleta cuidadosa dos dados para que nossa análise seja razoável (iremos comentar como se coletar bons dados). Do ponto de vista de análise, na fase do Measure nossa maior preocupação é entender a variação dos indicadores. Vamos ensinar algumas ferramentas excelentes para se fazer isso (como é o caso dos gráficos de controle de Shewhart) e como se comparar essa variação com as especificações do cliente (que é o caso das análises de Capabilidade). •
•
101
O Measure Objetivo:
Começar 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 medição
◉ ◉
Analisar a variação dos dados Comparar a varação dos dados frente às exigências dos clientes
102
A Porta de Processos
Mapeando processos e construindo fluxogramas
A PORTA DE PROCESSOS A porta de processos são as várias atividades que realizamos no Measure para entender como que as atividades se concatenam em processos e como estes processos cumprem o propósito da organização.
103
O que são processos?
Definição:
Um processo é uma sequencia de atividades conduzidas para a produção de um bem ou serviço com valor para um determinado cliente.
Antes de começarmos a falar como mapear e analisar processos, é necessário definir o que são processos. Uma definição muito útil é a apresentada no slide. Por esta perspectiva, um processo é uma sequência ordenada de atividades que visam transformar entradas em saídas para algum determinado cliente. Essa definição está totalmente alinhada com a visão da utilização do SIPOC na análise de uma organização.
104
As organizações e os processos Atividades Direcionadoras
Fornecedores Atividades de produção
Entradas Saídas
Clientes
Atividades de Suporte
Como já vimos, essa visão de transformação é extremamente útil para se enxergar uma organização, pois ela faz com que entendamos o propósito da organização. Quando fazemos isso, dizemos que estamos enxergando a organização como um sistema , o que é um dos pilares chave do conhecimento profundo de Deming. Entender a organização como um sistema não é tarefa simples, já que o sistema é um emaranhado de processos. Em outras palavras, podemos dizer que o propósito da organização só é cumprido uma vez que todos os seus processos desempenhem suas atividades de maneira satisfatória. Como vimos no slide anterior, um processo também tem várias etapas (que na definição chamamos de “atividades). A operação é a interação entre as várias pessoas trabalhando nele (imagine o processo de vendas de sua empresa, ou então o processo de contratação de um novo funcionário) com as máquinas necessárias para executar o processo. A descrição da operação é feita por meio de um procedimento, que no exemplo é: • • • •
Selecionar o cliente com a maior pontuação na lista; Buscar o número 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 crítica. Seguindo a instrução de trabalho, a operação pode ser rapidamente reproduzida. Com isso em mente, podemos definir 3 níveis de transformação. •
105
As organizações Sistema e d a d i x e l p m o C
Processos
D e t a l h a m e n t o
Atividades/ procedimentos
Um sistema é a organização como um todo. É o conjunto de fatores interligados com funções específicas. Todo sistema tem pelo menos uma função e cada função gera pelo menos um indicador. Os sistemas podem ser abertos ou fechados e, podem ser modelados também de acordo com sua estrutura, seus processos e suas funções. Um processo é uma sequência de valores agregados visando à produção de um produto (mercadoria ou serviço). Para fins de organização e análise do trabalho, o conceito de processo é conveniente por sua racionalidade e simplicidade. Com um fluxograma, por exemplo, podemos desenhar suas interações e a sequência de suas atividades, bem como onde cada coisa acontece na organização (iremos ilustrar alguns fluxogramas mais adiante). Uma atividade é a parte mais basal da organização. Ela pode ser descrita por um procedimento, ou instrução de trabalho e sempre é realizada por apenas uma pessoa (podendo ter interface com outras). A sua complexidade é baixa e é fácil de ser enxergada, pois são as coisas que realizamos no dia a dia, possibilitando assim, detalharmos com clareza. Vamos, a seguir, mostrar como realizamos o mapeamento dos processos de uma organização.
106
Mapeamento de processos
Quando, como e por qual razão fazê-lo
MAPEAMENTO DE PROCESSOS Agora iremos aprofundar mais o mapeamento de processos. Iremos definir a atividade de mapeamento e apontar quando devemos utilizá-la em projetos de melhoria.
107
As organizações na prática
Vimos várias vezes aquela figurinha bonitinha da organização como sistema proposta por Deming. Acontece que na vida real, não é fácil enxergar aquela figura na organização em que estamos inseridos. Na prática, vemos algo como neste slide : uma série de pessoas (representadas pelas bolinhas) realizando uma série de atividades (caixinhas) que transformam sabe-se lá de que jeito, entradas (caixas em terracota) em saídas (caixas azuis) para os clientes. A ordem dessas atividades é confusa. Determinadas pessoas desempenham papeis diferentes ao longo do fluxo e, muitas vezes, estão envolvidas em mais de uma operação. 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 está ligada a processos diferentes.
No mapeamento de processos, nosso objetivo é ilustrado no slide seguinte.
108
Mapear um processo
O objetivo do mapeamento de processo é poder enxergar as atividades envolvidas na transformação de uma entrada em uma saída da organização. É fazer emergir a informação do que está acontecendo, identificar os envolvidos e as atividades necessárias.
109
Mapear um processo
Entender processo
melhor •
•
nosso
Aplicar indicadores Buscar melhorias
•
Reestruturar radicalmente
Geralmente, fazemos o mapeamento para entender melhor qual é nosso processo. Além disso, quando temos claro o que está 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 começa e quando ele termina. Não temos como medir isso sem ter o processo claramente mapeado. Também podemos buscar melhorias pontuais em algumas atividades e na interação entre elas. Na parte do Analyse, discutiremos uma técnica chamada de busca por desconexões , onde analisamos se alguma parte do processo está sem as entradas que precisa, ou então não está gerando as saídas necessárias. Isso faz com que as seguintes etapas desempenhem de maneira ruim. Por exemplo, como vamos montar uma peça se não temos a instrução de montagem? Se a pessoa de engenharia não envia essa entrada para a montagem, problemas acontecerão. Isso é uma desconexão. Ou, se quisermos alterar radicalmente o processo, sabemos todos os envolvidos e suas interações, o que facilitará o reprojeto do processo e sua implementação por meio de um novo procedimento.
110
Mapear um processo
Qual é o resultado de um bom mapeamento? ◉
Entendimento do processo
◉
Conhecimento sobre o fluxo de trabalho
◉
Ilustração em um fluxograma
◉
Identificação das desconexões
Bom, mas quais são os resultados do mapeamento? O primeiro é resultado é intangível, mas importante. É o entendimento do processo para os envolvidos no mapeamento. Além disso, adquiriremos um conhecimento mais profundo do fluxo de trabalho, que contempla a ordem das atividades e as relações ente elas. O segundo é a criação de um fluxograma que vai mostrar visualmente como funciona o processo escolhido. Com esta ferramenta, fica mais fácil comunicar para a empresa o que está acontecendo. Note que um fluxograma é uma das saídas da atividade de mapeamento. Depois, podemos analisar os resultados e procurar desconexões, entradas que não são usadas, saídas que não são necessárias, etc.
111
Antes de começar Como achamos que é o processo
m a r g o x u l F a
Como ele realmente é
Pois bem, antes de começarmos a fala sobre como vamos mapear os processos, gostaria de fazer algumas reflexões sobre alguns problemas recorrentes. São eles:
As pessoas tendem a se contentar em elaborar um fluxograma sobre como é um processo. Reúne-se uma equipe e as etapas são listadas, com cada um contribuindo com o que se lembra sobre o processo. Desta maneira surge um fluxograma. Na maioria dos casos, o processo é muito mais complexo do que as pessoas lembram em um primeiro momento. Existem muito mais pontos de decisão, mais entradas, mais saídas e mais interações entre as atividades do que o estimado inicialmente. Devemos nos focar em identificar como o processo realmente é, não como achamos ou desejamos que ele seja. Para isso, será necessário muito mais rigor e disciplina na hora de perguntarmos sobre o processo.
112
Mapeando
1) Defina o escopo do mapeamento!
Para que vamos mapear este processo? Qual o objetivo da melhoria?
◉
Reduzir custos? Reduzir complexidades? Reduzir retrabalho?
◉
Simplificar o fluxo de informações?
◉ ◉
COMO ELABORAR O FLUXOGRAMA
Muito bem, passando agora para a parte prática. A primeira coisa que temos que definir é o escopo, ou objetivo do nosso mapeamento.
Para que vamos mapear o processo? Isso vai fazer com que o foco do que estamos procurando mude. Por exemplo, se estivermos envolvidos em um projeto cujo objetivo é “reduzir número de relatórios financeiros com erros”, vamos focar nosso mapeamento no fluxo de informações que geram esses relatórios. Quem envia essas informações para a pessoa que faz o relatório? Quais informações são necessárias? Como chegam estas informações? Essas perguntas mudam a perspectiva do que vamos mapear (como vamos ver mais para a frente). Se, alternativamente, estivermos envolvidos em um processo cujo objetivo é reduzir defeitos de uma peça, vamos ter de mapear não apenas o fluxo de informações (que pode nos gerar erros de montagem), mas sim todos os componentes que formam essa peça. Mapeando de onde vem os componentes e por quais etapas de processamento eles passam, podemos entender se há problemas de matérias-primas ou então de fabricação.
113
Mapeando
2) Defina os limites do seu mapeamento (e projeto)
Em seguida, devemos delimitar quais são os limites físicos do processo Qual o limite do nosso projeto de melhoria, ou seja, onde que podemos de fato pensar em mudar e melhorar posteriormente? Quais departamentos vamos mapear? Quais não devemos mapear? Vamos mapear o caminho de qual entrada até qual saída? Quando os meus limites estiverem claros, eu sei que devo dar mais atenção para a parte que eu quero, detalhando-a mais do que a parte que eu não quero.
114
Mapeando
3) Identifique e entreviste os envolvidos no processo
S A
I
P
Procedimento
Operação 1
Relatório B
Peça 1 Peça 2
O
C
Relatório
A
Operação 2 Operação 3
Lista de compras
Operação 4 Operação 5
C
Peça 15
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, já explicada anteriormente.
115
Mapeando
3) Identifique e entreviste os envolvidos no processo
SIPOC da pessoa
Processo simples?
X
SIPOC da pessoa
A
SIPOC do pessoa SIPOC da pessoa
B
...
Após a entrevista inicial, devemos identificar os envolvidos e entrevistando-os também, com o mesmo rigor. Nestas entrevistas, mais pessoas e processos vão aparecendo, além daqueles que estavam listados no brainstorming inicial. Devemos seguir entrevistando estes novos envolvidos, caso estes estejam dentro das restrições que definimos anteriormente. Às vezes nosso processo é simples, com apenas um envolvido. Com isso, um SIPOC basta para resolver, mas na maioria das vezes precisamos repetir esse procedimento várias vezes para cada uma das pessoas envolvidas.
116
Mapeando
4) Conecte os SIPOCs e monte um fluxograma
◉
As saídas da pessoa analisada devem ser as entradas da pessoa seguinte (clientes);
◉
As entradas da pessoa analisada, devem ser as
saídas das pessoas anteriores (fornecedores); ◉
E assim por diante...
Uma vez coletadas todas as informações, é possível juntá-las em um fluxograma. O Fluxograma, como veremos mais para a frente, irá mostrar como as coisas funcionam dentro da empresa. A conexão é feita de maneira bem intuitiva. Podemos olhar todos os formulários de SIPOC que coletamos durante as entrevistas e conectá-los um a um: o que sai do processo n, deve ser uma entrada no processo n+1 . O que entra no processo n, deve ser uma saída do processo n-1 . Desta maneira, podemos sempre exibir o fluxo do que queremos mapear de maneira clara e objetiva (além do mais, de maneira precisa). Lembrem-se que as entradas e saídas dos SIPOCs podem ser as mais diversas possíveis. Podem ser informações, peças, componentes, documentos, e-mails, comunicações verbais, etc. Dependendo do que queremos ver, iremos na entrevista dar mais ênfase em descobrir um ou outro tipo.
117
Vantagens do Mapeamento ◉
Facilita o aprendizado da equipe sobre o processo;
◉
Torna o que está acontecendo visível;
◉
Demonstra papéis e relações entre os envolvidos no processo;
◉
Identifica gargalos, desconexões, etapas desnecessárias, etc.
◉
Permite medir o tempo das atividades;
◉
Identifica “ quick wins” do projeto.
O mapeamento dos processos, quando bem feito, traz uma série de benefícios para a equipe de melhoria. Com ele é possível ter todos os ganhos apresentados no slide: Facilitação do aprendizado da equipe sobre o processo; •
•
•
•
•
•
Visibilidade do que está acontecendo; Demonstração dos papéis e relações entre os envolvidos no processo; Identificação dos gargalos, desconexões, etapas desnecessárias, etc. Medição do tempo das atividades; Identificação dos “quick wins” do projeto.
118
Fluxogramas
As várias maneiras de se representar um processo
FLUXOGRAMA
Até agora falamos sobre como se realizar um mapeamento de processos adequado. A partir daqui iremos comentar exclusivamente sobre os fluxogramas, que são as maneiras de se representar um processo. É muito importante frisar que um fluxograma não é um mapeamento e vice-versa. O fluxograma, em geral é a saída de um mapeamento e apresenta um uso específico, ou seja, se fizemos um fluxograma para avaliar o fluxo de informações em um processo (para um projeto de melhoria, por exemplo), esse fluxograma não representa o aspecto do fluxo de materiais e peças físicas neste mesmo processo.
119
O Fluxograma
Fluxogramas são representações gráficas dos nossos processos.
Quando bem feitos, eles nos ajudam a disseminar os conhecimentos obtidos na etapa de mapeamento.
Existem vários tipos de fluxogramas.
Fluxogramas, como já falamos, servem para mostrar como um processo funciona . Existem vários tipos de fluxogramas que nos ajudam a observar diferentes aspectos dentro do nosso processo. Vamos ver alguns destes tipos nas próximas aulas, mas antes, costumamos iniciar o aluno na simbologia frequentemente (mas não obrigatoriamente) usada. Esta simbologia é, a rigor, pertencente ao digrama de blocos, por ser mais simples. Mas a maioria dos fluxogramas utilizados nas atividades de mapeamento de processos os utiliza, pois, a notação mais extensa e tradicional do fluxograma não é necessária.
120
Os símbolos dos fluxogramas SIMBOLOGIA UTILIZADA: EMITIR CHEQUE P/ PGTO
NÃO
VALOR CORRETO?
Indica que uma atividade está sendo desenvolvida.
Indica um ponto de decisão no processo.
SIM ENTREGAR AO CAIXA ESPERA APROVAÇÃ O
FIM
Indica que um documento deu entrada ou saída do processo. Indica ponto de espera no processo
Indica fim e início do processo.
Indica uma conexão com ramificações do processo.
Indica o fluxo do processo.
Alguns símbolos são bastante frequentes em fluxogramas. Aqui vamos apenas apresentar os mais comuns (obviamente que existem muitos outros, com significados particulares). Retângulos de bordas agudas: indicam etapas do processo, ou seja, atividades que são realizadas dentro daquele processo. Losangos: indicam pontos de decisão ou alternativa (se o processo apresenta característica X, ele segue pelo caminho X; se tem característica Y, segue pelo caminho Y). Retângulos cortados ao meio: indicam surgimento e fluxo de documentos. indicam pontos de espera no fluxo (quando algo fica parado esperando outro evento do processo acontecer). Retângulos de bordas arredondadas: i ndicam começo e fim dos processos. Círculos: indicam ramificações no processo. Retângulos do tipo “bala de canhão”:
Setas: indicam o fluxo do processo. Vamos agora ver os tipos de fluxogramas.
121
Fluxograma Vertical
O Fluxograma Vertical é o fluxograma mais simples que existe (e um dos mais usados nos projetos de melhoria). Ele mostra de maneira linear como o processo acontece, apresentando também as suas ramificações e pontos de decisão. Ao elaborarmos um fluxograma como estes, começamos sempre pelos pontos mais característicos do processo (que podem ser o seu começo e fim) e depois vamos adicionando os detalhes. Lembrem-se que neste ponto, já temos um grande entendimento sobre o processo que foi obtido através das entrevistas de SIPOC.
122
Fluxograma Multifuncional
O Fluxograma Multifuncional é uma sofisticação do Fluxograma Vertical que inclui o local (ou área) onde cada uma das atividades acontece. Ele muda o foco das atividades para as áreas em que elas acontecem e na interação entre elas. Com ele, podemos visualizar todas as “passagens de bastão” entre os departamentos e em que momento do processo elas elas acontecem. Esse tipo de demonstração evidencia as interdependências entre os departamentos e é útil para indicar as responsabilidades de cada uma das áreas nos processos. processos. O exemplo do slide também mostra um indicador (no caso o tempo decorrido em um dos processos analisados). É bastante comum em fluxogramas, tanto verticais quanto multifuncionais, colocarmos uma coluna ou linha extra onde mostramos um indicador ou outro tipo de informação adicional. Essa “artimanha” nos permite alinhar a equipe no desempenho de uma característica em específico quando vamos discutir com eles como o processo acontece.
123
Diagrama Espaguete
DIAGRAMA ESPAGUETE
O Diagrama Espaguete é um fluxograma que exprime o processo em uma planta física. É muito usado em projetos onde queremos mapear e eliminar desperdícios de movimentação e transporte (vamos ver estes desperdícios 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 peça, de uma pessoa, de uma empilhadeira, etc.). Para elaborar o diagrama espaguete seguimos alguns passos: Obter o mapa ( layout ) do espaço de trabalho; •
•
•
Listar as atividades (passos) do processo; Marcar as posições onde acontecem cada um dos passos. Atualmente é muito fácil realizar essa marcação pois praticamente qualquer smartphone pode ser rastreado por GPS. Existem, inclusive, vários aplicativos que já mostram o caminho do celular no mapa (como aqueles aplicativos de corridas e caminhadas).
Ligar as marcações e desenhar no mapa as linhas de fluxo. Ao olhar para um diagrama espaguete, espaguete, podemos tirar várias conclusões sobre o processo: •
•
•
•
Se existem vários cruzamentos entre as linhas, devemos começar a pensar em alterações no layout ou no processo; Se há muito retorno a um ponto, podemos simplificar o processo para que todas as atividades sejam realizadas de uma só vez (em uma única “passada”). “passada”). Se existem muitas passagens de bastão ou pontos de espera, podemos pensar em eliminar possíveis gargalos que possam estar acontecendo. acontecendo.
124
VSM – Va Valu lue e St Stre ream am Ma Map p
VSM (MAPEAMENTO DO FLUXO DE VALOR)
Uma outra maneira de se expor um processo é fazer o seu VSM, ou Mapeamento do Fluxo de Valor (Value Stream Map). Essa ferramenta é utilizada em projetos Lean para a representação de processos fabris, portanto, caso queira se aprofundar, recomendamos nosso curso de Especialista Lean. Aqui no Green Belt, apenas a introduzimos, para que tome ciência do seu uso como ferramenta para mapear o fluxo de materiais e informações.
Os principais apontamentos do VSM são: Estoques intermediários entre os processos (representados pelos triângulos); A ordem das atividades; O tempo de ciclo das atividades; O tempo de set-up das atividades; O tempo em que os materiais e peças permanecem parados no estoque; O tempo total que as matérias-primas demoram para percorrer todo o processo de fabricação (o lead time); O fluxo de informações de produção; Embora essa ferramenta possa ser útil, precisamos tomar alguns cuidados em sua aplicação: Fazer um VSM requer uma padronização grande no tempo de cada atividade (para cada uma delas vamos ter que colocar um valor que o “tempo de ciclo”). Processos administrativos que não tem uma boa reprodução do tempo de ciclo, não são ideais para o uso dessas ferramentas (fazer um relatório, por exemplo, pode demorar muito algumas vezes e pouco em outras). Para elaborar um VSM, precisamos determinar o takt time para o processo. Para isto, precisamos conhecer a taxa pela qual o cliente demanda o produto em análise. Esta informação, nem sempre é conhecida e por muitas vezes, varia bastante ao longo do tempo. Tais fatos dificultam a elaboração do VSM, principalmente o de estado futuro. •
•
•
•
•
•
•
•
•
125
•
•
Outra fase importante do VSM, é a contagem dos estoques. Para processos administrativos, deve-se tomar cuidado redobrado pela dificuldade que poderá ser encontrada encontrada na definição definição do takt time e na determinação do estoque.
Contornados estes empecilhos, o VSM pode ser usado sem problemas para processos administrativos.
126
Vantagens de se elaborar um fluxograma ◉
Facilita o aprendizado da equipe sobre o processo;
◉
Torna o que está acontecendo visível;
◉
Demonstra papéis e relações entre os envolvidos no processo;
◉
Identifica gargalos, desconexões, etapas desnecessárias, etc.
◉
Permite medir o tempo das atividades;
◉
Identifica “ qu quic ick k wi wins ns” do projeto.
O mapeamento dos processos, quando bem feito, traz uma série de benefícios para a equipe de melhoria. Com ele, é possível ter todos os ganhos abaixo: Facilita o aprendizado da equipe sobre o processo; •
•
•
•
•
•
Torna o que está acontecendo visível; Demonstra papéis e relações entre os envolvidos no processo; Identifica gargalos, desconexões, etapas desnecessárias, etc. Permite medir o tempo das atividades; Identifica “quick wins” do projeto.
127
Erros ao se elaborar um fluxograma
O que o gerente pensa que é
O que é realmente
O que deveria ser
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 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
O que poderia ser n n n
Foque aqui durante a fase Improve Foque aqui durante a fase Analyze
Cuidado com o erro mais comum ao se elaborar um fluxograma.
Não se desprenda da realidade. No mapeamento e na elaboração elaboração do fluxograma, temos que mapear como o processo realmente é, não como o processo deveria ser ou então como nós pensamos que ele é, mas sim como ele realmente é . Nas fases seguintes, iremos discorrer discorrer mais profundamente profundamente sobre como o processo processo poderia ser, depois de usarmos uma série de ferramentas analíticas para torna-lo mais simples e mais eficiente.
128
Erros ao se elaborar um fluxograma Macro
Mini
Um outro erro bastante comum quando elaboramos um fluxograma é não acertar o nível de detalhamento. Como mostra a figura, todos os processos podem ser expostos de uma forma mais macro, com poucos detalhes, ou então de uma forma mais mini, mostrando detalhadamente cada atividade. Entre o macro e o mini, temos vários níveis intermediários. Obviamente, quanto mais detalhado é o nosso fluxograma, mais informações teremos sobre o processo. Em contrapartida, mais demoraremos no mapeamento e na elaboração dos fluxogramas. Há então, uma relação de compromisso entre aumentar o nível de detalhamento e gastar mais recursos do que o necessário. Afinal, qual é o detalhamento necessário necessário para o nosso fluxograma? A resposta é bastante simples: aquele que nos permite enxergar a melhoria! Se com um processo macro podemos ter várias ideias de mudanças que vão resultar r esultar em melhorias, não precisamos aumentar o nível de detalhamento do processo. Caso ainda não tenhamos identificado os problemas que esperávamos encontrar, devemos aumentar o detalhamento. Outra ressalva é o nível de detalhes. Devemos detalhar todas as etapas por igual. Caso detalhemos apenas uma das atividades, a atenção de qualquer um que esteja olhando para o fluxograma será direcionada para essa parte. Isso nos tornará míopes para melhorias em outras áreas, o que não é desejável. Portanto, nunca devemos dar mais atenção a uma das partes do que a outras (pelo menos menos não no mapeamento). mapeamento).
129
A Porta dos Dados
Entendendo seus processos pelos seus dados
MEASURE DADOS Até agora, falamos sobre como enxergar os processos por meio do entendimento da sequência de suas atividades e das inter-relações entre elas. Agora começaremos a analisar os processos por meio dos dados (sinais) que eles nos enviam. Essa porta é talvez a grande contribuição do Green Belt no desenvolvimento de mudanças que levam a melhorias. Aqui, ensinaremos várias ferramentas estatísticas, como os Gráficos de Controle e a Análise de Capabilidade. Mas antes, vamos passaremos pelos conceitos básicos que fundamentam o trabalho com dados...
130
A natureza e os dados
Mundo Físico Mundo Comportamental Mundo Sensorial
Características
Observar e/ou Medir
Definições
Observações e Medições Documentada s
Sistema de medição
Dados
Registro
Nós humanos, enxergamos a natureza por meio de interações com ela. Nunca compreendemos compreendemos por completo um processo ou fenômeno, estamos restritos apenas ao que conseguimos medir. Só a partir dessas medições é que conseguimos entender e mudar a natureza. Esse é um conceito fundamentalmente importante, porém de difícil compreensão em sua plenitude. Lembre-se que lá nas primeiras aulas discutimos bastante sobre o método científico e a importância da elaboração das hipóteses. A hipótese é baseada em uma análise dos fatos e fenômenos da natureza. Essa análise, não pode ser feita de maneira “solta”, ela precisa ser feita de maneira estruturada. Saber transformar a natureza que é “solta” e isenta de definições em algo trabalhável e analisável é o fundamento de toda boa coleta de dados. Isso precisa ser trabalhado a fundo pelos agentes de melhoria. Um exemplo prático: supomos que queremos saber se nossos colaboradores estão satisfeitos em seu trabalho na organização. Satisfação é uma característica complexa, que é expressa pelo comportamento de nossos colaboradores. Não podemos medir a satisfação de maneira subjetiva, nem inferir ou aprender sobre ela (o que é o nosso objetivo). Temos que definir o que chamamos de satisfação e determinar um aspecto dessa característica a ser medido. Temos que buscar uma forma de medi-la. Uma boa abordagem possível, seria, perguntar a cada um dos colaboradores se eles estão ou não, satisfeitos com o seu trabalho. Notem que ao fazer isso, não temos as informações completas e plenas sobre a satisfação, mas sim temos uma resposta da nossa interação com a satisfação , que no caso acontece quando aplicamos o formulário. Em contrapartida, temos um registro sólido e reprodutível: podemos trabalhar com as respostas dos formulários, bem como avaliar a satisfação (de maneira estimada) em outros momentos. Outro fato importante de observar é que, ao fazer essa definição, sempre vamos ter a medição de nossa característica atrelada a forma que interagimos com a natureza (ou seja, com o nosso “meio de medição”, que no caso da satisfação é o formulário). Obviamente, tanto a modelagem para avaliarmos a característica, quanto o meio para medir, 131
apresentam falhas que são refletidas nos dados. Portanto, os dados coletados, com os quais vamos trabalhar, sempre refletirão apenas uma pequena parte da natureza onde eles foram gerados. Dito isso, vamos para algumas formas interessantes de se elaborar uma boa “definição operacional” e começar a jornada da coleta e análise dos dados, especialmente em projetos de melhoria.
132
Modelagem e análise de dados ◉
Após identificadas as características que serão medidas, pode ser necessário:
•
Fazer a Definição Operacional da variável;
• Avaliar a qualidade do sistema de
◉ O passo seguinte •
Estabilidade
•
Capabilidade
medição.
é avaliar
Uma vez que já sabemos qual característica de nosso processo queremos medir, temos que elaborar a sua definição operacional e avaliar a qualidade do sistema de medição. Em seguida, podemos ir adiante e analisar a estabilidade do processo (entender a variação do processo, procurando por causas comuns e especiais de variação) e a sua capabilidade (comparar essa variação com as especificações de nossos clientes).
133
Modelagem e análise de dados ◉ Atividades comuns em qualidade: •
Verificar se um produto é defeituoso;
•
Contar o número de defeitos em um produto ou serviço;
•
Medir uma característica de qualidade.
◉
Questões:
•
O que é um defeito?
•
Como medir um defeito?
•
Como medir uma característica 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 é um defeito? O que é a característica que eu quero medir? Como medir um defeito? Como medir essa característica? Como definir a característica de qualidade ou o defeito de maneira mais eficaz?
134
Montando uma Definição Operacional ◉
•
•
•
Componentes do formulário da definição: Objetivo;
Característica de interesse; Instrumento de medição;
•
Procedimento;
•
Critério.
DEFINIÇÃO OPERACIONAL
Uma definição operacional visa dar padronização e objetividade a uma medição. Essa medição, contribui para a análise que vai amparar uma hipótese criada para explicar um fenômeno. Para termos uma boa definição operacional , devemos sempre esclarecer e formalizar alguns pontos básicos: O objetivo da coleta de dados ou medição da característica: para que vamos coletar esse dado? Dependendo para que vamos usar, existem modelagens melhores e piores para abordar o problema (já falamos anteriormente sobre isso ao longo dessa apostila). A característica de interesse: o que, de fato, queremos medir? Qual é o aspecto da natureza sobre o qual queremos inferir com essa medida? O instrumento de medição : com o que vamos medir essa característica? O procedimento de medição: quais as etapas que devemos seguir para que a medição seja reprodutível? Critério: as vezes temos que classificar uma medição (por exemplo, um item como defeituoso ou não). Qual é esse critério? Tendo essas respostas definidas, temos nossa definição operacional. Alguns exemplos: •
•
•
•
•
135
Montando uma Definição Operacional ◉ •
◉ •
◉ •
◉ •
◉ •
Objetivo: Verificar se uma aeronave chegou no horário no aeroporto.
Característica de interesse: Horário de chegada da aeronave no aeroporto.
Instrumento de medição: Relógio referenciado com o relógio da torre de controle.
Procedimento: O horário de chegada de um voo será o horário em que o trem de pouso da aeronave tocar a pista de pouso.
Critério: A aeronave está no prazo se o horário de chegada for igual ao horário programado mais ou menos 15 minutos.
136
Montando uma Definição Operacional ◉ •
◉ •
◉ •
◉ •
◉ •
Objetivo: Verificar se um extrator de 150 mL está limpo para ser utilizado em uma extração.
Característica de interesse: Turbidez da solução de limpeza.
Instrumento de medição : Espectrofotômetro UV-Vis.
Procedimento: Realizar 3 lavagens com 100 mL de solução de limpeza (etanol 95%). Coletar uma amostra de 10 mL ao final da terceira lavagem e ler a turbidez da solução.
Critério: O extrator estará limpo se a turbidez for menor que 1,0.
137
Validação Sempre teste sua D. O. para saber se
ela está clara para todos os envolvidos
É muito importante testarmos se nossa definição é clara para os envolvidos no projeto de melhoria. Para isso, temos que pedir para que algumas pessoas a leiam e, em seguida, verifiquem se a compreensão é equivalente ao que tínhamos em mente no momento de sua concepção.
138
Os tipos de variáveis que podemos ter Entender os tipos de variáveis nos ajudará a aplicar as ferramentas corretas
TIPOS DE VARIÁVEIS
Outro conceito básico que temos que ensinar antes de apresentar as ferramentas estatísticas mais complexas é que os dados possuem diferentes classificações. Saber qual tipo de variável representa a nossa característica de interesse nos ajudará a decidir qual ferramenta estatística utilizar. Quando analisarmos a estabilidade do processo para localizarmos causas comuns e causas especiais, usaremos as ferramentas de gráficos de controle. Para isto, temos que saber que tipo de variáveis estamos trabalhando, já que há um gráfico de controle para cada tipo de variável.
139
Tipos de variáveis Tipo de Variáveis
Categóricas (Qualitativo)
Classificação
Contagem Numérico (Quantitativo ) Contínuos
Característica de Qualidade
Dado registrado
Desempenho da entrega
Entrega no prazo/atrasado
Retrabalho
Sem/Com
Arranhões
Sem/Com
Mudanças
Número de mudanças/projeto
Acidentes
Número de acidentes/por mês
Arranhões
Número de arranhões/ superfície
Tempo
Minutos atrasados
Peso
Gramas
Arranhões
Tamanho em cm do arranhão
Temos basicamente 3 tipos de variáveis: Variáveis de classificação: que atribui algo a uma categoria: classificar algo como defeituoso ou não defeituoso; classificar conforme a cor (verde, vermelho, amarelo, azul, etc.); classificar se há ou não arranhões. Variáveis de contagem: enumerar atributos: contar quantos arranhões há em uma peça; contar quantos defeitos existem em um relatório, etc. Variáveis contínuas: utilizada para a medição de grandezas físicas, como peso, comprimento, altura, temperatura, etc. Notem que porcentagens muitas vezes são variáveis de classificação: classificamos cada item de uma amostra e em seguida calculamos as porcentagens. Por exemplo, se em uma amostra de 100 peças, 10 são defeituosas (classificação), o indicador de porcentagem é uma variável classificatória. Se temos porcentagens entre variáveis contínuas, essas porcentagens (ou qualquer outra operação) também serão contínuas (a porcentagem do PIB gasta com educação, por exemplo). •
•
•
140
Exercício! Número de chamadas de longa distância realizadas por mês Quantidade de calorias de um produto Duração de cada chamada de longa alimentício distância Número de bolhas em uma garrafa deCor do telefone utilizado com mais vidro. frequência Tempo médio de espera para ser Se existe uma linha conectada ao modem atendido em um Call Center na residência Número de atendentes em um Call Classificação de hotéis
Center
Quantia gasta com livros
Número de ligações perdidas em um Call
Tempo gasto na livraria por mês Center Motivos para ligações perdidas em um Se é filiado a algum Partido Político Call Center Fontes de consumo de água em uma Caso seja, a que Partido Político é filiado
residência
Consumo de água em uma residência
Satisfação com um determinado produto
Classifique cada uma das variáveis quanto ao tipo.
Resposta: Classificação de hotéis: classificatória; Quantidade de calorias: contínua; Número de bolhas: contagem ; Tempo médio de espera: contínua; Número de atendentes: contagem (não podemos ter meio atendente...); Número de ligações perdidas: contagem ; Fontes de consumo de água: aqui precisaríamos definir melhor (é uma pegadinha ;)). Se as fontes forem “tipos de fontes”, como “torneira, tanque, etc.), seria classificação, se estivéssemos contando as fontes que existem, seriam contagem; Consumo de água: contínua; Número de chamadas: contagem; Duração das chamadas: contínua; Cor do telefone: classificação; Se existe linha conectada ao modem: classificação; Quantia gasta com livros: contínua; Tempo gasto na livraria: contínua; Se é filiado a partido político: classificação; Qual partido é filiado: classificação; •
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
141
•
Satisfação com um determinado produto: se há uma escala linear para medir satisfação pode ser contínua, se apenas se classifica como satisfeito ou insatisfeito, é uma variável de classificação.
142
Melhorando a coleta de dados
Como se coletar bons dados que vão nos dar informações sobre as características de interesse?
MELHORANDO A COLETA DE DADOS
Já vimos, de maneira bem breve, como uma característica está sempre atrelada a um método de coleta de dados. Esse alinhamento culmina na definição operacional: não podemos nem definir uma característica de maneira útil, sem mostrar o método pelo qual os dados foram coletados. Nos slides seguintes, iremos aprofundar o tema sobre a coleta de dados, reforçando a necessidade de um bom método de coleta e apresentando algumas ferramentas que te ajudarão a coletar dados.
143
O passo a passo da coleta de dados 1. Identifique o objetivo e a característica de “saída” a ser medida (a partir do seu modelo); 2. Identifique quais outras características podem afetar no entendimento do problema (fatores de entrada, variáveis de estratificação, etc.); 3. Crie definições operacionais claras; 4. Crie um formulário de coletas de dados; 5. Valide o formulário de coleta de dados; 6. Identifique a população de interesse e o tamanho da amostra; 7. Realize a coleta de dados.
A primeira coisa para se fazer uma boa coleta de dados é possuir um modelo mínimo para o entendimento de algum problema ou fenômeno. A elaboração deste modelo dirá o porquê da coleta de dados. O que estamos querendo entender? Qual característica vamos medir? Por exemplo, supomos que há um incômodo na empresa e uma sensação de que determinado processo de aprovação de verba está demorando muito. Um dos membros da equipe de melhoria diz que essa demora provavelmente está relacionada com o tipo de verba. Verbas que demoram para serem aprovadas são de projetos mais caros. Este é o modelo: ele precisa de uma coleta de dados que meça o tempo de todos os processos de aprovação, separando-os em “caros” e “baratos” para avaliar se há diferenças no tempo. Portanto, definimos aqui um objetivo para a coleta de dados:
Verificar se processos com mais verba demoram mais para tê-las aprovadas. Entretanto, o problema não acaba aqui. Precisamos, como já vimos anteriormente, definir claramente como medir o tempo do processo. Temos que criar uma definição operacional que diga quando o processo começa e acaba, bem como mediremos esse tempo. De maneira análoga, também precisamos definir o que é a verba de cada processo, esclarecendo o critério pelo qual classificamos o que é “caro” e o que é “barato”. Devemos ter uma definição operacional também para essa variável. Tendo tudo isso definido, criamos um formulário de coleta de dados. Nos slides seguintes, mostraremos alguns tipos importantes de formulários para coletá-los. Vale lembrar que temos sempre de testar esses formulários antes de realizar a coleta completa dos dados. Fazemos isso para ver se a coleta é capaz de nos dar as informações que precisamos (e não correr o risco de passar um bom tempo nessa atividade e acabar com muita de informação inútil).
144
Em seguida, selecionamos a população de interesse, ou seja, qual é o público (pode ser de pessoas, de peças, de processos, etc.) que queremos levantar informações a respeito e definimos uma amostra que a represente. Questões sobre o tamanho da amostra necessária para fornecer diferentes tipos de informação é sempre uma dúvida nessa hora. Para isso, existem vários modelos estatísticos que serão abordados com mais profundidade no curso de Black Belt. Por fim, realizamos a coleta de dados, onde vamos até a amostra e aplicamos os nossos formulários.
145
Variáveis de estratificação Atentem-se muito bem para identificá -las e definí-las antes de começar a coleta de dados!
VARIÁVEIS DE ESTRATIFICAÇÃO
Um dos erros mais comuns em coletas de dados é negligenciar as chamadas variáveis de estratificação. O que são essas variáveis? São variáveis categóricas que podem influenciar na característica de interesse. Por exemplo, a altura de determinada pessoa é influenciada pelo sexo da mesma: em média, homens tendem a ser mais alto do que mulheres. Se eu estou coletando dados para saber se a altura média das pessoas que vivem na cidade A é maior do que a das pessoas que vive na cidade B, eu vou ter que levar esse fato em consideração. 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 lá são mais baixas, o que pode não ser verdade. Por isso, tenho que usar essa variável para balancear a amostra. Uma outra preocupação com essas variáveis pode ser vista no seguinte exemplo: quero saber que tipo de motorista causa mais acidentes em uma estrada. Então, começo a coletar dados sobre vários motoristas e vejo quais deles sofrem acidentes (ou incidentes) num período de 2 anos. Quando eu começo a listar as variáveis que podem afetar na característica de acidentes, identifico algumas: Stress no trabalho; •
•
•
•
Se possui filhos ou não; Estado civil; Velocidade média;
Número de multas por excesso de velocidade. Se nessa listagem esquecer de alguma estratificação importante ( como no caso eu esqueci aqui de perguntar se eles bebem ou não) , nunca mais poderei recuperar esses dados quando a coleta já tiver sido encerrada (e isso vai ser desastroso no meu entendimento sobre o problema). •
146
Formulários para coleta de dados ◉
Existem vários tipos de formulários (em nosso material adicional, disponibilizamos alguns);
◉
Um dos mais interessantes é a folha de verificação:
A folha de verificação é uma das mais utilizadas e importantes ferramentas da qualidade. São formulários utilizados para padronizar e facilitar a coleta de dados e a organização dos mesmos para a estratificação. A padronização e a facilidade na coleta de dados irão garantir uma maior probabilidade de que os dados coletados reflitam a realidade do processo em análise, caso contrário todas as ações subsequentes do projeto de melhoria poderão estar fundamentas sobre dados falsos. É neste documento que são incorporadas as categorias de dados necessárias para a validação das hipóteses sobre a influência de alguns parâmetros. Com a folha de verificação é possível avaliar os itens de controle do processo, os itens de verificação, classificar os dados, localizar defeitos e identificar uma possível relação causa-efeito (desde que o documento seja devidamente construído). O livro de Hitoshi Kume Statistical Methods for Quality Improvement define os principais tipos de folha de verificação:
Folha de verificação para a análise da distribuição de parâmetros de controle num processo produtivo Este tipo de folha de verificação é aplicado quando queremos conhecer a distribuição dos valores de uma determinada característica de qualidade. Para construí-lo dividimos a amplitude (máximo valor – mínimo valor) em intervalos e apontamos x no respectivo intervalo cada peça retirada da produção. Exemplo: Espessura da peça após o biscoito prensado no processo cerâmico. Figura 1: Exemplo de folha de verificação para análise da distribuição de parâmetros de controle num processo produtivo. Figura 2: Exemplo de folha de verificação para análise da distribuição de parâmetros de controle num processo produtivo. Folha de verificação de defeitos
147
Esse tipo de folha de verificação é utilizado quando queremos saber quais os tipos de defeitos mais frequentes e número de vezes causado por cada motivo, para a construção posterior de um Gráfico de Pareto, por exemplo. Exemplo: tipos de defeitos em uma peça usinada. É usada para localizar defeitos externos, tais como: mancha, sujeira, riscos, pintas e outros. Geralmente esse tipo de lista de verificação tem um desenho do item a ser verificado, na qual são assinalados o local e a forma de ocorrência dos defeitos. Exemplo: Bolha estourada na superfície do vidrado, nas peças de cerâmica. Esta folha nos mostrará o local onde mais aparece o tipo da bolha. Folha de verificação para localização de defeitos: Esse tipo de folha de verificação é uma importante ferramenta para a análise do processo, pois nos conduz para onde e como ocorre o defeito.
Folha de verificação para análise das causas de defeitos Este tipo de folha de verificação é geralmente utilizado para investigar as causas dos defeitos, sendo que os dados relativos à causa e os dados relativos aos defeitos são colocada de tal forma que se torna clara a relação entre as causas e efeitos. Posteriormente os dados são analisados por meio da estratificação de causas. Alguns exemplos de estratificação são desajuste de máquina, inexperiência do operador, dia da semana, horário do dia entre outros. Construção de uma folha de verificação Apesar de não existir uma regra para criá-la, já que cada caso merece um estudo diferente, pode-se elencar as principais etapas para elaboração de uma folha de verificação: Definir o objetivo da coleta de dados e o tipo da folha de verificação. Incluir campo para o registro de: Nomes e códigos das áreas. Produtos e pessoas responsáveis. Folha autoexplicativa para o preenchimento. Conscientização para a coleta. Executar um pré-teste. Para todas as etapas, é importante atribuir um responsável e treiná-lo. •
•
•
•
•
•
•
148
Análise de Variação Trabalhando o pilar do conhecimento profundo
ANÁLISE DE VARIAÇÃO
Agora que já vimos quais são os tipos de variáveis, aprofundaremos o estudo sobre a variação, lembrando que o entendimento da variação é um dos pilares do conhecimento profundo.
149
O que significa entender a variação? ◉
Processos e produtos podem ser descritos a partir de uma característica de qualidade;
◉
Variação, ou variabilidade, está sempre impressa à essa característica;
◉
Tomamos ações com base na análise dessa característica;
◉
Entender a variação é tomar a ação correta com base nos dados apresentados.
Sempre que monitoramos algum produto ou processo, o fazemos por meio da observação de um determinado indicador. Esse indicador pode ser o mais variado possível, por exemplo, as dimensões de uma peça, o tempo de ciclo de um processo, as notas de nossos filhos, as vendas de nossa empresa, etc. Todas essas características, variam. Nunca um indicador fica mantém o mesmo valor durante várias medições feitas ao longo de um período extenso de tempo, mesmo quando nada está sendo feito no processo para alteralo. O grande problema é que todas as decisões tomadas são baseadas no comportamento desses indicadores de interesse e muitas vezes nos enganamos ao julgarmos a variação dentro destes. Podemos, por exemplo, nos assustar com uma variação natural no processo de vendas (quando enfrentamos um mês com menos vendas) e tomar uma série de ações desesperadas para vender mais (como por exemplo, dar muitos descontos em uma série de produtos). Entender a variação é justamente não se enganar com isso que acontece. É saber quando o nosso processo está variando de maneira natural e quando algo excepcional aconteceu, em outras palavras, é preciso diferenciar causas comuns de variação das causas especiais. Mas, o que são mesmo essas causas?
150
Causas de variação
Um conceito fundamental para o estudo e melhoria dos processos, de acordo com Walter Shewhart (1931), é o de que a variação em um determinado indicador é provocada por um desses dois tipos de causas:
Causas comuns: Aquelas causas que são inerentes ao processo todo o tempo, afetam todos que atuam no processo, e afetam todos os resultados do processo. Causas especiais: Aquelas causas que não atuam no processo todo o tempo ou não afetam todo mundo, mas que surgem devido a circunstâncias especiais. Quando só causas comuns atuam no processo: O processo é dito estar estável (sob controle estatístico); A quantidade de variação inerente ao processo pode ser quantificada e o processo é previsível. Quando existem causas especiais atuando no processo: O processo está instável (fora de controle estatístico).
151
Como analisar a variação?
Voz do Processo
Voz do Cliente
•
•
Estabilidade
Comparar resultados com especificações (capabilidade)
Nós temos basicamente duas maneiras (vozes) de se analisar a variação do nosso processo: Por meio da voz do processo : onde observamos os dados inerentes do processo sem nos preocupar com as especificações do cliente. Nessa análise, estamos apenas querendo avaliar a estabilidade do processo: existem causas especiais de variação ou as causas são todas comuns? Responder essa pergunta nos ajuda a entender profundamente o nosso processo: se existem causas especiais, devemos tomar ações para entender o que aconteceu. Se todas as causas de variação são comuns, temos que proporcionar mudanças fundamentais e holísticas no processo, que vão mudar o patamar de funcionamento. Nos próximos slides, iremos ensinar várias técnicas que nos permite analisar a voz do processo de maneira plena. Por meio da voz do cliente: onde comparamos os resultados de variação de um processo (quando este está estável) com as especificações do cliente. Como vimos, podemos intuir muito sobre o comportamento de um processo aproximando-o por uma distribuição normal. Conseguimos, inclusive, prever quantas peças ficarão fora das especificações dada a variação natural de determinado processo. Essas análises são chamadas de análises de capabilidade. Ao final da explicação das ferramentas básicas, iremos expor como se realizar essas análises. •
•
152
A voz do processo Tipo de Variável
Comportamento ao longo do tempo
Distribuição
Estatísticas descritivas
Quantitativa
Qualitativa
Gráfico de Tendência/Controle
Gráfico de Tendência/Controle
Dot Plot
Gráfico de Barras
Histograma
Gráfico de Setores
Box Plot Localização Variação
Gráfico de Pareto
Média, Mediana, Quartis, Mínimo, Maximo
Desvio Padrão, Amplitude
Tabela de Freqüência Porcentagem
A VOZ DO PROCESSO
Ao analisar a voz do processo, temos algumas abordagens: Analisar o comportamento dos dados ao longo do tempo, que é uma das mais importantes análises na melhoria. Quando fazemos isso, por meio de gráficos de tendência e de controle, podemos avaliar se existem causas especiais ou apenas causas comuns. Essa análise também nos permite identificar quando cada causa especial aconteceu, o que é extremamente importante para entendermos nosso processo: o que aconteceu ali para ocorrer aquela causa especial? Como isso se relaciona com nosso modelo? Analisar a distribuição estatística dos dados, por meio de uma análise estática (ou seja, sem incluir a variável “tempo”). Podemos fazer isso plotando os dados em um histograma. Com isso, sabemos várias características dos dados, como por exemplo a sua centralidade, os seus valores mais frequentes e a sua dispersão. Analisar estatísticas descritivas dos dados, como a sua média e o seu desvio padrão. Essa estratégia de análise é válida, embora muitas informações importantes são perdidas quando observamos apenas as estatísticas descritivas. Iremos conversar mais sobre isso durante os próximos slides. •
•
•
Em geral, em um projeto de melhoria trabalhamos essas 3 abordagens de maneira conjugada, o que nos dá uma gama grande de informações sobre os processos. Nos próximos slides, abordaremos cada uma das ferramentas descritas no slide acima, oferecendo exemplos e comentários sobre a sua utilização. Também discutiremos alguns exemplos e ensinaremos a usar essas ferramentas com a ajuda do software Minitab.
153
O Gráfico de Tendência A primeira ferramenta da análise de variação
GRÁFICO DE TENDÊNCIA
154
O gráfico de tendência ◉
Esse gráfico é simplesmente um registro gráfico de uma medida ou característica ao longo do tempo
◉
O gráfico de tendência fornece uma visão de um processo ou atividade em um período de tempo
◉
Ele pode revelar ciclos, tendências ou mudanças de desempenho ao longo do tempo
◉
Algum tipo de gráfico de tendência deve sempre fazer parte do estudo da variação em um processo ou sistema
O gráfico de tendência é a mais simples ferramenta para análise de variação. Ele consiste em traçar no eixo Y o indicador de interesse e no eixo X, a linha do tempo. Com ele podemos: •
•
•
•
Identificar causas especiais; Identificar tendências; Analisar o comportamento natural do processo; Inferir sobre a estabilidade da medida;
O gráfico de tendência também pode ser feito para diferentes estratificações dentro de um conjunto de dados.
155
O gráfico de tendência
◉
O gráfico de tendência é um gráfico simples e fácil de construir
• •
Eixo horizontal: tempo
Eixo vertical: variável sendo monitorada
A maior vantagem do gráfico de tendência é a sua simplicidade.
156
Exemplo
O Departamento de Recursos Humanos de uma empresa coletou os dados de gastos mensais com treinamento nos anos de 2001 e 2002. Os dados estão na tabela abaixo. Mês jan/2001 fev/2001 mar/2001 abr/2001 mai/2001 jun/2001 jul/2001 ago/2001 set/2001 out/2001 nov/2001 dez/2001
Gasto
97 104 99 94 100 99 96 96 94 96 98 99
Mês jan/2002 fev/2002 mar/2002 abr/2002 mai/2002 jun/2002 jul/2002 ago/2002 set/2002 out/2002 nov/2002 dez/2002
Gasto
96 100 99 96 103 97 96 91 98 96 95 105
No gráfico de tendência ilustrado, observa-se: O processo está estável, sem nenhuma causa especial atuando; A variação natural do processo está entre 85 e 110 mil reais por mês (gastos com treinamentos); Alguns meses se gasta mais, outros se gasta menos, mesmo sem nada ter sido feito em cima do processo. •
•
•
157
Regras para se identificar causas especiais
Sequencia de oito ou mais pontos abaixo ou acima da média
Um ponto muito afastado dos demais
Sequencia de seis ou mais pontos crescente ou decrescente
3 regras são em geral usadas para identificar causas especiais por meio do gráfico de tendência: Ter um ponto muito afastado dos demais: essa regra vem da ideia de normalidade (explicada brevemente na introdução histórica). Um processo cujos dados podem ser aproximados por uma distribuição normal, tem seus pontos variando ao redor de uma média: alguns vão ser maiores que a média, outros serão menores. Agora, a probabilidade de um destes pontos estar muito afastado da média e ainda assim pertencer à mesma distribuição, é muito baixa. Para se ter ideia, em uma distribuição normal, a chance de um ponto estar mais afastado do que 3 desvios padrão da média, é menor que 0,3%. Portanto, definimos um ponto muito afastado como sendo uma causa especial. Ter uma sequência de oito ou mais pontos abaixo ou acima da média: dados que estão enquadrados em uma distribuição normal possuem uma simetria ao redor da média. Em outras palavras, a quantidade de pontos acima da média ou abaixo dela sãos iguais. Isso implica em dizer que a probabilidade de se escolher um ponto acima da média é de 50%. Quando eu escolho duas observações, a probabilidade de ambas estarem abaixo da média é menor de 50% (no caso, ½²). É como jogar uma moeda... A probabilidade de se obter “cara” com um lançamento é de 50%. Duas “caras” em dois lançamentos, é de “25%”, agora, 8 “caras” em 8 lançamentos tem uma probabilidade de menos de 0,3%. Quando uma sequência deste tipo acontece em nossos gráficos de tendência, podemos intuir que esses dados não fazem parte do comportamento normal do nosso processo. Ter uma sequência 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 estão subindo ou descendo, temos uma causa especial. •
•
•
158
Gráficos de tendência e controle
Os gráficos de controle, que serão vistos mais adiante, nada mais são do que gráficos de tendência nos quais incluímos “linhas” que nos ajud am a identificar as causas faladas anteriormente. Essas linhas são: •
•
A linha central, representando a média dos dados; Uma linha superior (limite superior de controle), indicando a média + 3 desvios padrão;
Uma linha inferior (limite inferior de controle), indicando a média – 3 desvios padrão. As regras de identificação de causas especiais para gráficos de controle são as mesmas dos gráficos de tendência. •
159
Exercício 1
A diretora de recursos humanos estava examinando suas despesas com treinamento dos últimos dois anos. Baseada nos últimos 12 meses, ela havia colocado no orçamento um custo médio de $ 98.000 por mês; mas as despesas do último mês foram de $ 105.000. Ela queria saber o que havia de diferente com o último mês e pediu à sua equipe para descobrir o que aconteceu, para que pudessem evitar o problema no futuro Os dados do último mês são o resultado de causas comuns ou especiais? Por que? •
A diretora de recursos humanos tomou a providência adequada? O que ela deveria esperar que fossem seus custos mensais de treinamento?
•
•
160
Exercício 2
Uma linha de embalagem teve, em média, 4 horas de interrupções por semana, de 8 de março a 23 de agosto. Já que muitos dos problemas estavam relacionados a quedas na energia elétrica, os técnicos suspeitaram que o equipamento de proteção da rede elétrica estivesse funcionando mal. Eles o substituíram no final de janeiro e então continuaram a coletar dados por mais oito semanas. •
•
Acaso o novo equipamento de proteção da rede ajudou? Em caso afirmativo, em que semana eles tiveram seu primeiro sinal? Há outros sinais de uma mudança no processo
161
Exercício 3
Um fornecedor de bens de consumo acompanha os pedidos que chegam via EDI. Ele quer usar esses dados para ajudar a planejar o orçamento para o novo ano. Se o processo for estável, os gerentes poderão estimar em média quantos pedidos serão recebidos a cada dia. Mas primeiro eles precisam saber se há quaisquer indicações de causas especiais no processo. Os dados indicam a presença de causa especial ou a variação é toda ela resultado de causas comuns? Por que? •
•
•
Qual o número médio de pedidos que deveriam esperar por dia? Qual o número máximo de pedidos que deveriam esperar receber por dia?
162
Exercício 4
Uma fábrica que produz cartões de plástico (cartões de crédito, cartões de identificação de seguro médico, etiquetas de embalagem etc.) usa água de um rio próximo para refrigerar o equipamento usado no processo de aquecimento. Eles podem reciclar a água e devolvê-la ao rio, contanto que esta não contenha mais de 50 mg de impurezas. Um técnico monitora o volume de impurezas em uma amostra que é tirada todos os dias. •
•
Os dados indicam a presença de uma causa especial ou a variação é, toda ela, resultado de causas comuns? Se há uma causa especial, qual amostra assinala isso primeiro?
163
Exercício 5
O gráfico abaixo apresenta o número de bagagens perdidas num vôo entre os dias 7 de fevereiro e 13 de março. Qual a amplitude de dados que deve ser esperada para perda de bagagem em um único dia? Existem quaisquer indicações de causas especiais? •
•
•
A companhia aérea deveria usar ações de causa comum ou causa especial para responder ao número de bagagens perdidas no dia 31 de Março?
164
Gráficos de Frequência Entendendo as distribuições
GRÁFICO DE FREQUÊNCIA
Nos próximos slides iremos falar sobre os gráficos de frequência.
165
Os gráficos de frequência
Para variáveis contínuas:
Para variáveis categóricas:
◉
Dot-plot
◉
Gráficos de Barras
◉
Histograma
◉
Gráficos de Setores
◉
Box Plot
◉
Tabelas
◉
Gráficos de tendência (da porcentagem)
◉
Gráfico de Pareto
Um gráfico de frequência é uma ferramenta para análise de dados que apresenta ao usuário informações básicas sobre a localização, forma e dispersão de um conjunto de dados. O gráfico de frequência só deve ser usado quando há conhecimento adequado da estabilidade da característica a ser medida. Se o processo for estável, o gráfico de frequência serve como previsão do desempenho do processo no futuro, já que se parte do pressuposto que aquele padrão de comportamento permanecerá. Se o processo for instável o gráfico de frequência é simplesmente um resumo de o que o processo fez no passado.
166
Gráficos de Frequência Para variáveis contínuas
167
O Dot Plot
◉ Representa graficamente
a distribuição dos dados ◉
Características a serem observadas:
• • • • • •
Simetria Pontos extremos Centro
Mês
jan/2001 fev/2001 mar/2001 abr/2001 mai/2001 jun/2001 jul/2001 ago/2001 set/2001 out/2001 nov/2001 dez/2001
Gasto
97 104 99 94 100 99 96 96 94 96 98 99
Mês
jan/2002 fev/2002 mar/2002 abr/2002 mai/2002 jun/2002 jul/2002 ago/2002 set/2002 out/2002 nov/2002 dez/2002
Gasto
96 100 99 96 103 97 96 91 98 96 95 105
Quantidade de variação Mínimo Máximo
DOT PLOT
O Dot plot é o gráfico de frequência mais simples que existe. Ele plota os valores numéricos que uma determinada métrica pode ter no eixo-x (de maneira ordenada) e coloca um ponto para cada observação naquele valor contida nos dados. Ele é um gráfico bastante parecido com o histograma, porém cada ponto do dot plot é uma observação real do conjunto de dados. Com ele podemos ver claramente várias características da distribuição de dados (listadas no slide acima). Nas próximas aulas, iremos ensinar como fazer esse gráfico no Minitab.
168
O histograma
3074.32 778.88 602.36 253.61 43.15 1243.20 928.44 154.55 1121.12 959.55 2705.86 1052.25 234.90 1633.70 1688.66 23.84 602.71 122.40 924.84 713.29 1088.30 1561.42 89.54 785.85 185.93
1184.04 107.78 489.40 694.34 191.21 608.39 933.57 306.15 629.59 1142.27 906.96 458.13 1348.63 1047.04 176.02 1065.77 326.36 386.14 414.68 245.54 2202.69 2.06 1562.89 2076.58 141.17 1609.05
631.14 809.86 1033.09 1249.77 707.19 651.78 807.55 357.53 295.61 453.15 401.17 538.09 693.39 494.01 175.59 592.99 358.21 51.22 150.13 123.86 861.27 400.46 1532.15 853.03 4187.47
970.81 711.36 732.89 793.21 2837.39 79.80 2566.06 1132.04 1689.13 587.72 60.45 858.61 513.15 857.72 1449.60 26.40 413.78 2.00 3850.09 45.58 1014.46 727.84 571.24 2100.70 2478.63
1126.45 1403.13 760.71 516.11 954.81 1076.80 1063.25 209.84 891.68 436.04 2415.94 347.03 159.12 1261.66 413.37 3689.57 208.51 601.91 431.53 167.57 2020.19 728.29 778.95 134.10 203.56
86.00 1172.68 1275.38 27.19 15.40 320.45 193.04 1239.65 349.22 623.76 1503.63 1469.26 364.84 409.74 403.72 1258.30 283.67 1669.42 190.56 1768.33 1263.97 775.67 154.25 648.24 238.76
197.84 338.41 474.35 574.56 3065.79 779.07 429.08 3005.68 521.65 280.52 891.91 3239.65 27.11 1851.64 934.65 380.95 987.59 537.33 732.66 3042.79 2166.44 702.29 1622.95 451.58
757.04 92.50 6.99 666.90 2106.47 890.95 1252.07 383.45 1572.08 2589.97 20.37 33.00 3637.38 1685.12 3711.79 730.77 2541.23 692.49 611.32 1218.76 406.31 368.39 30.00 424.75 283.78
HISTOGRAMA
O histograma é bastante parecido com o dot plot, no sentido que exibe a maneira como os dados estão distribuídos referentes aos valores que eles podem assumir. Em outras palavras, ele plota a frequência de ocorrência dos dados contra os seus valores. A diferença do histograma é que ele divide a faixa de variação dos dados em intervalos e conta a frequência de ocorrência dos dados em cada faixa.
169
O dot plot e o histograma
◉
O Histograma é uma técnica alternativa ao Dot Plot
◉ O Dot Plot • É mais adequado quanto a quantidade de dados é pequena • •
Preserva os valores individuais
É mais adequado para comparar distribuições de frequência estratificado por uma ou mais variáveis classificatórias
◉ O histograma • é mais adequado quando a quantidade de dados é grande • Não preserva os valores individuais
Como o histograma e o dot plot são alternativas, é preciso saber quando usar um e quando usar outro. Nos vídeos das aulas, explicamos melhor como se elaborar histogramas e dot plots usando o Minitab.
170
Medidas de localização e variação Entendendo o básico
MEDIDAS DE LOCALIZAÇÃO E VARIAÇÃO
Antes de continuarmos a falar dos gráficos de frequência (do Box plot, por exemplo), vale a pena revisarmos um pouco mais sobre as medidas de localização e variação, ou seja, sobre as estatísticas descritivas que nos indicam informações básicas da nossa distribuição de dados. Essas estatísticas podem ser divididas em dois grupos: Medidas de localização, que indicam onde estão centradas as nossas distribuições de dados; •
Medidas de variação, que falam sobre a dispersão possível de nossos dados ao redor da sua localização. Nos próximos slides, falaremos mais sobre cada uma delas. •
171
Medidas de Localização ◉
São medidas numéricas que estabelecem:
•
Entre que valores os dados ocorreram
•
Mínimo e Máximo
• •
•
•
Qual é centro dos dados Média e Mediana Qual é o valor abaixo do qual temos uma certa porcentagem dos dados Quartis (Quartil 1 e Quartil 3) e Percentis
172
Medidas de Localização ◉
◉ •
◉ •
◉
Denote os valores do conjunto de dados por x1, x2, ..., xn
Mínimo: menor valor observado Xmin=Mínimo(x1, x2, ..., xn)
Máximo: maior valor observado Xmax= Máximo(x1, x2, ..., xn) n
Média x
x1 x2 ... xn n
xi
i 1
n
173
Medidas de Localização
◉ Mediana •
A mediana é o valor que divide o conjunto de dados em dois subconjuntos: 50% do valores estão abaixo da mediana e 50% dos valores estão acima da mediana
◉ Quartis: Quartil 1 (Q1) e Quartil 3 (Q3) • O quartil 1 (ou primeiro quartil) é definido como a mediana dos 50% menores valores •
O quartil 3 (ou terceiro quartil) é definido como a mediana dos 50% maiores valores
174
A média e a mediana Distribuição simétrica
Mediana = 15.035
Distribuição assimétrica
Mediana = 11.64
A média e a mediana são duas medidas alternativas de centralidade. Elas dizem coisas diferentes e qualquer bom analista de dados deve saber quando utilizá-las. Em geral, quando a média e a mediana de um determinado conjunto de dados são parecidas, podemos afirmar que a distribuição é simétrica, ou seja, não há uma distorção para um dos lados. Quando elas não são parecidas, provavelmente nosso processo apresenta alguma assimetria (como ilustrado no slide acima).
Mas na prática, por que é importante analisar a média e a mediana? Vamos para um exemplo prático: se eu disser para você que a renda média mensal de uma cidade é de R$ 20.000,00 por habitante, o que podemos dizer sobre os habitantes dessa cidade? Muitos analistas poderiam se impressionar com a riqueza da população daquela cidade, dizendo que em média, quem mora lá é rico. Entretanto, isso pode nem sempre ser verdade. Supomos que essa cidade tem uma população extremamente pequena e que, um de seus habitantes, é um grande bilionário. Essa pessoa por si só será capaz de causar uma grande assimetria na distribuição, elevando em muitos reais o valor da renda média por habitante. Essa pessoa que é um ponto fora da curva deixará míope nossa análise sobre a renda média da população da cidade. Uma abordagem alternativa a média para esse caso, seria analisar a mediana. A mediana vai nos dizer exatamente a renda que separa a metade mais rica da metade mais pobre. Nesse caso, o bilionário na cidade não vai poluir nossa análise com sua renda absurda. Iremos ter na mediana uma alternativa melhor para saber quanto a massa da população ganha. Se, ao calcularmos a mediana, virmos que ela assume o valor de R$ 1.200,00 por mês, entendemos qual é o perfil de renda daquela população (nesse caso, 50% das pessoas ganham menos de R$ 1.200,00 por mês e 50% ganham mais do que R$ 1.200,00 por mês). Essa é, na prática, a importância de entender a diferença entre média e mediana.
175
Medidas de Variação
Qual é o melhor processo? 1 ou 2?
◉ Amplitude ◉
(máximo – mínimo)
Desvio Padrão
A variação, como vimos, está inerente em todos os processos e assim como fizemos com a definição da média e mediana, temos que ter uma estatística para medi-la e caracterizála. Observem os processos desenhados no slide acima (processo 1 contra processo 2). Ambos apresentam uma média e mediana (já que ambas são simétricas) idênticas, porém, elas são diferentes. Se eu tivesse que escolher um deles para classificar como o melhor, qual seria? Obviamente o processo com menor variação, ou seja, o processo 2! Faríamos essa escolha pois um processo com menos variação é mais confiável e previsível. Temos duas medidas que em geral nos dão ideia sobre a variação inerente em um conjunto de dados: A amplitude (que é o valor máximo menos o valor mínimo ) O desvio padrão , que é uma medida que leva em conta o afastamento de cada um dos pontos em relação à média (não vamos entrar em detalhes aqui de como o desvio padrão é calculado, pois este não é o foco do curso). O desvio padrão é uma medição muito mais robusta e confiável para estimar a variação de um conjunto de dados. •
•
176
Análises Estatísticas Descritivas: N_Vendas N
60
Média
201.47
Mediana
Desvio Padrão
16.73
Quartil 1
191.00
Mínimo
170.00
Quartil 3
210.75
Máximo
243.00
Amp.Interq (IQR)
19.75
Amplitude
73.00
201.00
Quando queremos analisar um conjunto de dados, temos que fazer uma análise completa, usando várias técnicas complementares. No slide acima apresentamos algumas: Foi calculada a média e o desvio padrão, bem como outras medidas de variação e localização; Foi calculado o histograma dos dados, para mostrar a distribuição; •
•
Foi traçado um gráfico de tendência para mostrar como os dados se comportam no tempo. É muito importante não se limitar apenas à análise das medidas de localização e variação. A razão veremos nos próximos slides... •
177
O que a média e o desvio padrão não mostram N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Conj 1 40.50 41.50 42.50 43.50 44.50 45.50 46.50 47.50 48.50 49.50 50.50 51.50 52.50 53.50 54.50 55.50 56.50 57.50 58.50 59.50
Conj 2 41.64 58.36 42.29 57.71 42.93 57.07 43.57 56.43 44.21 55.79 44.86 55.14 45.50 54.50 46.14 53.86 46.79 53.21 47.43 52.57
Conj 3 35.00 37.00 42.00 53.90 53.00 50.60 50.50 53.80 52.50 53.60 50.40 52.20 52.70 52.40 52.70 51.40 53.80 52.90 56.81 42.79
Conj 4 44.50 45.00 45.50 46.00 46.50 47.00 47.50 48.00 48.50 49.00 49.50 50.00 50.50 51.00 51.50 52.00 52.50 53.00 72.71 49.79
Média Desv. Pad.
50.00 5.92
50.00 5.92
50.00 5.92
50.00 5.92
Os conjuntos são equivalentes?
No slide podemos ver 4 conjuntos de dados. Todos eles possuem a mesma média e o mesmo desvio padrão , conforme mostrado nas últimas linhas da tabela. Será que esses conjuntos são equivalentes? Muita gente poderia dizer que são, uma vez que se utiliza a média e o desvio padrão para se aproximar distribuições. Porém, tal comportamento pode levar à erros graves de entendimento e tomada de decisão.
178
O que a média e o desvio padrão não mostram
Basta olhar os gráficos de tendência de cada um deles. Podemos agora ver que eles são completamente diferentes, mesmo com a mesma média e o mesmo desvio padrão! Se estes fossem um indicador de um processo (o tempo de ciclo, por exemplo), teríamos 4 processos se comportando de maneira completamente diferente. Aproximando pela média, iríamos perder essas sutilezas. Por isso esperamos que vocês, como agentes de seis sigma, vão muito além da média e do desvio padrão!
179
Gráficos de Frequência Box Plot
BOX PLOT
Agora que já vimos o que são os quartis e a mediana, podemos falar do Box plot.
180
Box Plot
Boxplot of C1
O Box plot mostra: ◉
Máximo e mínimo;
◉
Mediana;
◉
Q1 e Q3;
◉
Outliers
O Box plot nos mostra: Pontos de máximos e mínimos, indicados pelos limites superior e inferior das linhas verticais. •
•
•
•
Mediana, indicado pela linha central. Primeiro e terceiro quartis, indicados respectivamente pela linha horizontal superior (que limita a área azul) e inferior horizontal. Outliers, indicados por asteriscos (*).
181
Box Plot
Boxplot of abril; maio; junho; julho; agosto 40
30
20
a t a D
10
0
abril
maio
junho
julho
agosto
Box plots são extremamente úteis para se mostrar como uma distribuição de dados se comporta ao longo do tempo. O gráfico acima mostra esse tipo de cenário. Vemos que, conforme o tempo passa, a distribuição tende a subir o seu ponto central e aumentar a sua dispersão. Com isso podemos claramente mostrar como a forma de uma distribuição se altera. É como se fizéssemos vários histogramas ao longo do tempo, porém com o Box plot, essa análise fica mais intuitiva e limpa para ser exibida. Nas aulas, mostraremos como se fazer um Box plot usando o Minitab.
182
Frequência de dados classificatórios Como entender distribuições de dados não contínuos
183
Dados classificatórios Para analisar dados classificatório, podemos usar: ◉
Gráficos de setores ou barras;
◉
Gráficos de tendência de porcentagens,
◉
Gráficos de Pareto;
◉ Tabelas
A análise dos dados classificatórios (como defeituoso ou não defeituoso, sexo de um bebê, cor de uma parede, etc. ) pode ter sua frequência avaliada de diferentes maneiras. Em geral, a ideia é verificar quantas observações temos em determinada classificação para a nossa amostra e, em seguida, plotá-la. Também podemos usar diferentes variáveis de estratificação para obtermos um conhecimento maior sobre a nossa amostra e a nossa população de dados. Nos próximos slides, vamos ensinar cada uma dessas ferramentas.
184
Barras e Setores
GRÁFICOS DE BARRAS E SETORES (PIZZA)
Gráficos de barras apresentam a frequência dos dados na forma de barras. A frequência pode ser absoluta ou relativa, ou seja, podemos mostrar a contagem de cada uma de nossas classificações na barra, ou então a porcentagem. Por exemplo, se de 100 unidades amostradas, constatamos que 10 são azuis, a barra relativa à clas sificação “azul” pode apresentar o valor de 10 (frequência absoluta) ou 10% (frequência relativa). Gráficos de barras também, como no slide, podem apresentar duas barras de cores diferentes para estratificações diferentes. Nesse caso, podemos comparar nossos dados de duas maneiras diferentes. Os gráficos de setores (ou pizza), dividem um círculo em setores de tamanho proporcional às frequências dos dados. Eles também podem ter um indicativo escrito de quais são as frequências representadas.
185
Tabelas
Status
Freq
Porc.
BOM
5139
51.7%
MAU
379
3.8%
OUTROS
4428
44.5%
Total
9946
100.0%
Da mesma maneira que em gráficos de barras e setores, podemos exibir os dados em tabelas. A vantagem das tabelas é uma clareza maior em dados como: O tamanho das amostras (total); •
•
•
Estratificações; Um grande número de classificações possíveis;
186
Gráficos de tendência Uma empresa de logística amostrou 60 entregas por semana durante vinte semanas e avaliou cada entrega se foi feita no prazo ou fora do prazo.
Semana % fora do prazo 1 8.33 2 3.33 3 3.33 4 10.00 5 11.67 6 8.33 7 13.33 8 6.67 9 3.33 10 8.33 11 6.67 12 1.67 13 5.00 14 15.00 15 13.33 16 6.67 17 8.33 18 3.33 19 10.00 20 13.33
Gráficos de barras, setores e tabelas, infelizmente, só nos dão uma visão estática sobre nosso processo. É como se tirássemos uma fotografia do estado atual do processo, o que é bom, mas muitas vezes não é suficiente. Para se ter uma visão dinâmica sobre dados classificatórios (e entender como eles variam ao longo do tempo), podemos plotar um gráfico de tendência para o indicador de porcentagem. No exemplo acima, a porcentagem analisada é a de entregas fora do prazo. Com esse gráfico, temos uma ideia inicial sobre a variação ao longo do tempo para variáveis classificatórias. Esses gráficos de tendência de porcentagem têm um análogo entre os gráficos de controle: os gráficos-p. Estes gráficos plotam também a porcentagem média no período analisado e os limites de controle (que são calculados de maneira diferente dos limites de controle para o caso de variáveis contínuas). A partir destes limites de controle, podemos analisar onde estão as causas especiais em indicadores de dados classificatórios ao longo do tempo. É uma análise bem interessante! Nas próximas vídeo aulas, iremos ver como se traçar estes gráficos todos no Minitab e, então, começar a falar sobre o gráfico de Pareto.
187
Gráficos de Pareto Ordenando classificações importantes para a Qualidade.
GRÁFICO DE PARETO
188
Gráficos de Pareto
Um dos objetivos centrais de um programa de qualidade é reduzir perdas provocadas por itens defeituosos que não atendem às especificações. Geralmente, existem muitos tipos de defeitos que fazem que um produto não atenda às especificações. Concentrar esforços no sentido de eliminar todos os tipos de defeitos muitas vezes não é a melhor estratégia. O interessante é que várias vezes, poucos tipos de defeitos (ou então possíveis causas para esses defeitos) são responsáveis pela maior parte dos problemas. Essa abordagem já foi proposta por J. M. Juran, um dos pioneiros da Qualidade. Ele estabeleceu uma regra hoje conhecida como “a regra dos poucos vitais e dos muitos triviais”. Ele foi o criador de uma ferramenta gráfica hoje popularizada como Gráfico de Pareto. O diagrama é basicamente um gráfico de barras da distribuição dos defeitos pelos tipos (ou causas), ordenado em ordem decrescente de frequência de ocorrência, somado a uma linha que mostra a frequência acumulada das observações para cada tipo. Esse gráfico leva o nome do famoso economista italiano Vilfredo Pareto, que pregava o princípio do 80-20, após perceber que, em sua época e cidade, cerca de 80% da renda era concentr ada em 20% das pessoas. Apesar de famosa essa “lei dos 80 -20”, ela nem sempre é verdadeira e muito menos aplicável. Vamos discorrer mais sobre isso adiante.
189
Gráficos de Pareto
Para se construir um gráfico de Pareto, geralmente começamos por: Definir um problema específico. (Você coletará os dados para esse problema); •
•
•
•
•
•
•
Listar os tipos de defeitos que se apresentam. Eles poderão já estar definidos, se você estiver usando dados existentes, ou gerados através de um brainstorming com a equipe; Determinar uma medida comum para comparar as categorias; Definir o período de tempo durante o qual os dados serão coletados (escolher um período de tempo que seja relevante para a situação); Coletar dados referente aos defeitos, caso eles ainda não existam (pelo menos 30 ocorrências); Calcular a frequência de ocorrência dos defeitos (ou outra medida relevante); Ordenar os defeitos pela frequência de ocorrência.
Uma vez coletados os dados e ordenados, partimos para a sua construção: Use o eixo horizontal para os tipos de defeitos; •
•
•
•
Use o eixo vertical esquerdo para a frequência de ocorrência e o eixo vertical direito para a porcentagem de ocorrência; Desenhe as barras para cada defeito com altura proporcional à sua frequência de ocorrência, ordenadas da esquerda para a direita; Desenhe segmentos de reta ligados mostrando a porcentagem acumulada da esquerda para a direita.
Cuidado: Existem muitas opções para o eixo vertical nos gráficos de Pareto. A escala mais comum é a frequência de ocorrências. 190
Três alternativas importantes são: Valor monetário; •
•
•
Tempo; Contribuição percentual de cada classificação para o total (tempo, ocorrências, dinheiro etc.).
Ao se decidir sobre onde focalizar os esforços de melhoria usando análise de Pareto devese considerar cuidadosamente uma escala apropriada.
191
O Princípio de Pareto
Se aplica
Não se aplica
O Princípio de Pareto (que diz que existem poucas causas vitais e muitas triviais – não a do 80-20), apesar de bastante interessante, nem sempre se aplica. No slide, mostramos duas situações. Em uma ele se aplica e na outra não (todas as causas parecem importar de maneira igual). Devemos sempre fazer essa análise antes de usar a ferramenta e não já tomarmos ações para atacar as causas que aparecem mais à direita. Caso o princípio de Pareto não se aplique, temos que atacar todas as causas por igual, ou então ataca-las por meio de outro critério, como o impacto financeiro.
192
Estratificação
Erros em relatório de despesas Tipo de erro Falta assinatura
Falta recibo
Vend as
Funcionário Gerente V.P. Taxi
Refeição Estacion. Comb.
Total de erros
RH Manuf.
25 2 3 3 33 2
1 2
68
3
Eng.
Finan.
Trein.
Total
2
3
3
2
40 2 1 3 26 2
1
2
1
3
1
1 1
70 6 8 6 60 5
76
9
3
165
6
10
Assim como nos outros gráficos e tabelas, podemos estratificar o nosso gráfico de Pareto, obtendo visões diferentes para cada uma das perspectivas usadas. Isso ajuda muito em projetos de melhoria quando temos diferentes variáveis interferindo em nosso processo. A tabela do slide mostra a distribuição de erros em relatórios de despesas. Segundo ela, podemos ver que o perfil dos erros nos departamentos de vendas e manufatura é diferente do apresentado nos demais departamentos. Com um gráfico de Pareto (apresentado no próximo slide), podemos perceber o comportamento claramente.
193
Estratificação
A estratificação nos gráficos 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 é bastante comum em projetos de melhoria e nos fornece um excelente entendimento sobre o problema abordado.
194
Estabilidade e Instabilidade
Para finalizarmos a discussão sobre os gráficos de Pareto, vale a pena dizer que o comportamento de variáveis classificatórias pode variar conforme a estabilidade de nosso processo. A figura no slide ilustra essa realidade. Na primeira etapa, com o processo sob controle estatístico, as classificações de defeitos têm uma distribuição. Quando causas especiais estão em ação, a distribuição muda. Esse tipo de análise nos ajuda muito a entender melhor causas especiais quando elas acontecem. Nas próximas vídeo aulas, abordaremos como se fazer gráficos de Pareto no Minitab com diferentes formas de entrada de dados. Em seguida, vamos introduzir algumas discussões estatísticas fundamentais sobre a distribuição normal, conhecimento necessário para ensinarmos a usar os gráficos de controle.
195
A distribuição normal e a avaliaçao da normalidade Aprendendo os conceitos básicos
DISTRIBUIÇÃO NORMAL
196
Distribuição de variáveis contínuas Histogram of tiempo Normal 35
Mean 20.94 StDev 6.389 N 200
30
Podemos aproximar uma
25 y c n e u q e r F
distribuição por uma curva 20 15 10 Histogram of Tiempo Lognormal
5
40
Loc Scale N
0 5
10
15
20 25 tiempo
30
35
40
2 .2 69 0.6845 100
30
t n e c r 20 e P
10
0 0
10
20
30 Tiempo
40
50
Como vimos anteriormente, a distribuição de dados em uma amostra, caso seja de variáveis contínuas, pode ser representada por um histograma. Esse histograma pode, por sua vez, ser aproximado por uma linha contínua. Essa linha contínua representa a probabilidade de uma observação da distribuição aparecer em determinado valor. Diversos formatos dessa linha são conhecidos e úteis para inferirmos sobre as propriedades de uma distribuição de dados. Muitas vezes, é conveniente aproximarmos um histograma de uma amostra por uma distribuição estatística padrão. Ao fazer isso, podemos usar propriedades dessa distribuição para obter informações sobre nossos dados. Uma das mais importantes distribuições estatísticas é a distribuição Normal (ou Gaussiana).
197
A Distribuição Normal
Toda Curva Normal é definida por dois números: 1) Média (µ): medida do centro. 2) Desvio padrão ( ): medida de dispersão. Utilizamos a notação
A distribuição normal é extremamente útil pois pode ser representada por duas métricas bastante fáceis de se calcular: Um valor médio (média) e; •
Um desvio padrão (dispersão). A curva normal apresenta um formato de sino ao redor da média. Ela é simétrica e representada por uma função matemática calculada a partir da média e do desvio padrão. Isso a torna extremamente fácil de ser aproximada a partir de um conjunto de dados (basta calcular a média e o desvio padrão que possamos plotar uma distribuição normal), daí a sua importância para a estatística. Além disso, a maioria dos fenômenos na natureza varia em torno de um valor central , de forma que a curva normal é uma excelente maneira para representa-los. •
198
Propriedades da distribuição Normal
Quando , chamamos
distribuição normal padrão e as probabilidades encontram-se tabeladas
Como falado na introdução histórica ao Seis Sigma, a curva normal descreve uma probabilidade específica de frequência de dados rem relação à média e ao desvio padrão. Em outras palavras, a probabilidade de uma observação dos meus dados de estar exatamente na média tem um determinado valor (que na verdade é 0). A medida que nos afastamos de um valor z da média (conforme mostrado na figura acima), vamos aumentando a probabilidade de nossos dados estarem entre os valores da média e de z (a probabilidade é proporcional à área rasuradas indicada na figura). Várias tabelas indicam qual a probabilidade dos dados estarem entre a média e valores arbitrários de z. Alguns dos mais clássicos valores para z são os mostrados no gráfico colorido do slide. 68,3% devem ficar na área delimitada pela média menos 1 desvio padrão e a média mais 1 desvio padrão. 99,7% dos dados ficam entre a média menos 3 desvios padrão e a média mais 3 desvios padrão. Iremos usar essas propriedades incansavelmente nas análises de capabilidade e na utilização de gráficos de controle.
199
Normalidade é necessária para a utilização de certas ferramentas
Dentre elas os gráficos de controle para variáveis contínuas e análises de capabilidade (Cp, Cpk, etc.)
Vale a pena sempre dizer: certifique-se que a sua distribuição de dados de variáveis contínuas é uma normal antes de usar um gráfico de controle! Caso os dados a serem analisados não forem normais, ao usarmos gráficos de controle, podemos tirar uma série de conclusões erradas como. Por exemplo, achar que causas comuns são causas especiais.
200
Como saber se a distribuição é Normal?
Sim
Não
Uma maneira: olhar o histograma.
Os dados são simétricos e assemelham-se a uma gaussiana?
Uma das maneiras de se avaliar se uma distribuição de dados ( por exemplo uma amostra) é normal , é olhar seu histograma. Se os dados forem simétricos e semelhantes à distribuição Gaussiana (em forma de sino), nossos dados podem ser aproximados por uma normal. Entretanto, se a distribuição apresentar assimetrias (como é o caso da distribuição da esquerda, no slide) , não podemos dizer que nossos dados são normais. Caso os dados não sejam normais, podemos transformá-los em uma distribuição normal, por meio do Box-Cox, que será comentado em breve. Embora o histograma seja uma das maneiras de se observar se uma distribuição é ou não normal, ele não é a melhor opção. Vamos em seguida ver alguns histogramas de distribuições normais e não-normais. Posteriormente, analisaremos seus histogramas para inferir sobre sua forma.
201
Exercício! Nove Histogramas de Amostras de tamanho 25: Qual delas pode ser aproximada por uma distribuição Normal? 6 5
8
7
7
6
6 4
5
5
3
4
4 3
3
2
2
2 1
1
1
0
0 35
40
45
50
55
60
65
70
75
0 30
35
40
45
C1
50
55
60
65
35
40
45
50
C2
6 5
55
60
65
C3
9
7
8
6
7
4
5
6
3 2
5
4
4
3
3
2
2
1
1
1
0
0 25
30
35
40
45
50
55
60
65
70
0 35
40
45
50
C4
55
60
65
70
75
30
35
40
C5
50
55
60
65
C6
7
6
6
6
5
5
4
4
3
3
2
2
5
45
4 3 2 1
1
0
0 35
40
45
50
C7
55
60
65
1 0 30
35
40
45
50
55
C8
60
65
70
75
25
30
35
40
45
50
55
60
65
70
C9
Qual delas podemos dizer que são normais? Note que o tamanho da amostra é de 25. A resposta é: todas! Como a quantidade de dados é pequena, é difícil termos certeza apenas por olhar o histograma.
202
Exercício! Nove Histogramas de Amostras de tamanho 100: Qual delas pode ser aproximada por uma distribuição Normal? 20
20
20
10
10
10
0
0 20
30
40
50
60
70
80
0 20
30
40
50
C21
60
70
80
25
30
35
40
C22
45
50
55
60
65
70
C23
30 20
20 20
10
10 10
0
0 30
35
40
45
50
55
60
65
70
75
0
30
80
40
50
C24
60
70
80
90
20
30
40
50
C25
60
70
80
C26
25 20 20
20
15 10 10
10
5
0
0 25
30
35
40
45
50
C27
55
60
65
70
75
0 25
30
35
40
45
50
C28
55
60
65
70
75
20
30
40
50
60
70
80
C29
Qual delas podemos dizer que são normais? Agora aumentamos o tamanho da amostra para 100. Fica mais fácil, não é mesmo? Nesse caso é possível dizer com segurança que todas elas são normais (embora algumas até possam, ainda, nos confundir). Mas será que é assim também para outras distribuições?
203
Exercício! Exponencial 9
8
8
7
7
6
6
25
a r t s o m a a d o h 50 n a m a T
Poisson
Uniforme 4
3
5
5
4
2
4 3
3
2
2
1
1
1 0
0 0
1
2
3
4
5
6
0 0
1
2
C31
3
4
5
0.0
0.1
0.2
0.3
0.4
C32
0.5
0.6
0.7
0.8
0.9
1.0
0.6
0.7
0.8
0.9
1.0
0.6
0.7
0.8
0.9
1.0
C33
15
7 6
10
5
10
4 3
5
5 2 1
0
0 0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
0
0
5.0
1
2
C34
3
4
5
6
0.0
0.1
0.2
0.3
0.4
C35
0.5
C36
30
15
20
10
10
5
15
100
10
5
0
0 0
1
2
C37
3
4
0 0
1
2
3
C38
4
5
6
0.0
0.1
0.2
0.3
0.4
0.5
C39
Esse exemplo nos mostra claramente como o histograma pode nos enganar! Nenhuma das distribuições aqui é uma normal, mas mesmo assim, mesmo com amostras de tamanho grande, podemos nos enganar. Será que existe uma forma melhor para se fazer essa análise?
204
Uma forma melhor de saber!
Como saber se a
Curva Normal é uma boa aproximação?
Use o Gráfico Probabilístico Normal. PROBABILITY PLOT
O Gráfico probabilístico normal nos ajuda a saber de maneira mais confiável se nossos dados são aproximáveis por uma normal ou não.
205
Gráfico Probabilístico Normal Probability Plot of X Normal - 95% CI 99
95 90 80 70
t n 60 e c 50 r e 40 P
30
Pontos alinhados com a reta central indicam distribuição normal
20 10 5
1
-4
-3
-2
-1
0
1
2
3
X
O gráfico probabilístico normal é gerado a partir de nossa amostra de dados. Temos que calcular a média e o desvio padrão deles para, em seguida, desenhar uma reta central que representa a probabilidade acumulada de uma normal gerada a partir destes parâmetros. No eixo X, temos os valores de maneira análoga a um histograma (a média fica no ponto central deles e no exemplo essa média é 0). No eixo Y, está indicada a probabilidade acumulada dos dados para cada valor de X. No exemplo, podemos notar que para uma normal com a média e o desvio padrão iguais à nossa distribuição de dados, 50% dos valores estariam abaixo da média e 50% dos valores acima dela. Também vemos que cerca de 85% dos dados devem apresentar valores menores do que 1. É assim que lemos um gráfico de probabilidade. O Gráfico probabilístico normal também coloca duas linhas auxiliares, que dão uma certa “margem de erro” para a nossa aproximação. Não entraremos em detalhes no curso de Green Belt sobre como essas linhas são calculadas, mas explicaremos os princípios delas no curso de Black Belt. Por fim, são plotados os pontos reais do nosso conjunto de dados, ou seja, aqueles que realmente medimos (eles estão indicados em vermelho). Se eles estiverem alinhados com a linha central, dentro das linhas intermediárias, significa que nossos dados podem ser aproximados por uma distribuição normal. Se apenas um ou outo ponto estiver fora das linhas, significa que eles são causas especiais. Se a maioria dos pontos estiver fora, não podemos aproximar nossa distribuição por uma normal.
206
Gráfico Probabilístico Normal X -1.6245
Y 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
0.6670
-1.0347
0.3553
0.0776
1.0806
-0.1372
0.8718
-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
Qual Pode Ser Aproximada pela
Distribuição Normal?
No slide temos dois exemplos claros de distribuições que podem e não podem ser aproximadas por uma normal. Elas são avaliadas tanto pelo gráfico probabilístico quanto pelo histograma.
207
Gráfico Probabilístico Normal Normal Probability Plot for C1
Normal Probability Plot for C2
99
MLEstimates
95
Mean:
53.4797
StDev:
9.60017
Normal Probability Plot for C3
99
MLEstimates
95
Mean:
49.1024
StDev:
8.04855
99
90
90
80
80
80
70
70 60 50 40
70 60 50 40
60 50 40 30
30
30
20
20
20
10
10
10
5
5
1
1 24
34
44
54
64
74
84
45
Normal Probability Plot for C4
55
65
75
25
Mean:
48.8893
StDev:
10.2680
MLEstimates Mean:
54.3933
StDev:
9.50359
90
80
80
70
70
70
60 50 40 30
60 50 40 30
60 50 40 30
20
20
20
10
10
5
5
50
60
70
35
45
55
65
75
85
25
Normal Probability Plot for C7
MLEstimates
95 90
Mean:
49.4396
StDev:
8.98477
MLEstimates
95
Mean:
47.1290
StDev:
10.6092
8.79949
65
75
MLEstimates Mean:
50.2510
StDev:
10.4661
90
80
80
70 60 50 40 30
70 60 50 40 30
20
20
20
10
10
10
5
5
1
1 75
55
95
80
Data
45
99
70 60 50 40 30
65
48.9405
StDev:
Normal Probability Plot for C9
99
90
55
Mean:
Data
Normal Probability Plot for C8
99
45
35
Data
Data
35
MLEstimates
1 25
80
75
5
1
1
65
95
90
25
55
99
80
40
45
Normal Probability Plot for C6
99
90
10
8.35164
Data
95
95
30
35
Normal Probability Plot for C5
MLEstimates
51.8801
StDev:
1 35
Data
99
Mean:
5
25
Data
20
MLEstimates
95
90
5
1 20
30
40
50
Data
60
70
80
20
30
40
50
60
70
80
Data
Neste exemplo mostramos os gráficos probabilísticos normais para os mesmos conjuntos de dados de tamanho 25 que analisamos com o histograma. Todos são normais. Podemos notar claramente que essa ferramenta é muito mais precisa para a avaliação da normalidade. Nas próximas vídeo aulas, iremos ensinar como se avaliar a normalidade com a ajuda do Minitab.
208
Normalidade e médias
Distribuição da média dos resultados de lançamento de n dados.
Um ponto que merece destaque é a normalidade para quando trabalhamos com médias de medidas. Sempre que estivermos calculando a média de amostras, essa distribuição irá ser uma normal caso a amostragem seja suficientemente grande. Esse fato é provado pelo Teorema Central do Limite. O exemplo do slide mostra bem esse fato. Temos descrito lá, a probabilidade da média do valor para o lançamento de n dados. Quando lançamos só um dado, a média é o valor que saiu. Como cada lado tem a mesma probabilidade de cair virado para cima, a média para o primeiro caso é uniforme. Conforme aumentamos o número de dados, temos mais possibilidades para que a média seja valores intermediários (para que a média seja 1, ambos os dados devem cair no 1; para que a média seja 3, podemos ter combinações como 3 e 3, 2 e 4, 4 e 2, 5 e 1, 1 e 5). Isso, na prática, quer dizer que quando queremos avaliar a média de uma característica em uma amostra suficientemente grande, podemos assumir sua distribuição como sendo uma normal.
209
Transformação de variáveis O que fazer quando os dados não são normais?
TRANSFORMAÇÃO DE VARIÁVEIS
210
Transformação de variáveis ◉ Uma
transformação é uma re-expressão dos dados
em outra escala. ◉ Exemplo simples: • Transformar Dólares em Reais: $1 = R$3.03 Transformar minutos em segundos: 1 min = 60 segs Transformar Graus Centígrados em Graus Fahrenheit: °C+32 = °F • • • • •
Em nosso dia a dia, realizamos uma série de transformações de variáveis, até nas mais corriqueiras atividades (como transformar minutos em segundos). Nos próximos slides, mostraremos como transformar dados não normais em normais, permitindo assim a aplicação de diversas ferramentas de análise.
211
Transformação de variáveis
YT
YT denota a
Y
variável
transformada Histograma of Y
Histograma de SQRT(Y)
20 15
10
10
5
0
0
2
4
6
8
10
12
Y
14
16
18
20
22
1
2
3
4
5
SQRT(Y)
Para se transformar uma variável em outra, temos que multiplicar cada um dos valores por uma função. Existem vários tipos de função que podem transformar dados não normais em dados normais. No exemplo, mostramos que extrair a raiz quadrada de um valor pode ser suficiente para tornar uma distribuição não normal, normal. Entretanto, essa função nem sempre serve. Às vezes, precisamos de outras funções. Iremos explorar isso nos próximos slides.
212
Transformação de variáveis Escala original
1000 100 10 1 0.1 0.01 0.001
Escala Log
3 2 1 0 -1 -2 -3
Da mesma maneira que a função raiz quadrada serviu, as vezes a função logarítmica é capaz de transformar a distribuição dos dados em uma normal.
213
Como escolher a função certa? Como escolher qual
transformação é adequada?
Tentar uma
transformação dentre um conjunto de possibilidades
Usar a técnica de transformação Box-Cox
Não podemos simplesmente chutar uma série de transformações para encontrar qual é a mais adequada. Para escolhermos uma função adequada, podemos usar uma técnica que é a transformada de Box-Cox. Ela permite, por meio do cálculo de um fator lambda, escolher qual é a transformação adequada. Iremos, obviamente, mostrar em uma vídeo aula como se faz a transformada de Box-Cox usando o Minitab.
214
Box-Cox
-2
Y
Nome
1
Inversa ao quadrado
Y
2
1
-1
Inversa
Y
-0.5
YT = Y
Y
Inversa raiz Quadrada
0
Log(Y)
Logarítmica
0.5
Y
Raiz Quadrada
1
1
Sem Transformação
2
Y2
Quadrado
Método de Box-Cox: Uma transformação potência eleva os valores de Y a uma potência lambda ( ): YT = Y é tipicamente um valor entre – 2 e 2; O Método de Box-Cox sugere um valor de transformados de uma distribuição Normal.
que melhor aproxima os dados
Como escolher o ? Usando o Minitab!
215
Box-Cox Box-Cox Plot for Y 95% Confidence Interval Last Iteration Info
3
Lambda
StDev
Low
0.393
0.553
Est
0.450
0.553
Up
0.507
0.553
2
1
-5
-4
-3
-2
-1
0
1
2
3
4
5
Lambda
216
Gráficos de Controle Identificando causas comuns e causas especiais com muita facilidade.
GRÁFICOS DE CONTROLE
217
Gráficos de Controle
Um Gráfico de Controle é um Gráfico de Tendência com limites de controle. Os limites de controle são referências calculadas com base estatística que ajudam a identificar se um resultado do processo está afastado o suficiente dos demais para ser tratado como uma causa especial. Esse gráfico, como comentado anteriormente, foi desenvolvido inicialmente para ser usado na linha de produção, mas tem aplicação em todas as situações em que dados são gerados ao longo do tempo.
Os gráficos de controle: Ajudam a separar variação devido a causas comuns de variação devido a causas especiais; Pode ser usado para quase qualquer tipo de dados coletados ao longo do tempo; Proporciona uma linguagem comum para discutir desempenho de processo; Permite verificar se as alterações intencionais em um processo alcançaram o resultado desejado; Permite monitorar processos e identificar rapidamente mudanças ou alterações para ajudar a conservar os ganhos gerados por um projeto de melhoria W é uma estatística da amostra: média, amplitude, desvio padrão, porcentagem, DPU, etc. •
•
•
•
•
e σw são a média e o desvio padrão de W.
w
LC = w é a linha central do Gráfico LSC = w + k σw é o limite superior do Gráfico LIC = w - k σw é o limite inferior do Gráfico Uma escolha comum é k=3 Alguns conceitos importantes: 218
Subgrupo: o Amostra do processo utilizada para gerar um ponto no gráfico. Ex: 5 peças retiradas do processo num determinado tempo, 50 propostas de venda. Oportunidade: Período de tempo, área, volume, etc. utilizado para realizar uma medição. o Ex: 100 ml retirados do processo num determinado tempo; um mês, uma distância de 5 Km em uma rodovia em um determinado local etc.
219
Gráficos de Controle
Uma informação importante é que diferentes tipos de gráficos de controle são usados para diferentes tipos de dados. Todos eles distinguem a variação de causa especial da variação de causa comum. Todos eles usam limites de controle para indicar se um determinado valor de dado deve ser tratado como uma causa especial. Dados de classificação: (Defeituoso) Gráfico p. Dados de contagem: (Defeitos) Gráfico u.
Dados contínuos: Gráfico de individuais; Gráfico X-barra/R ou X-barra/S.
220
Entendendo os tipos de dados
Tipos de dados de Atributo : Classificação: unidade defeituosa/não-defeituosa, conforme/não conformes, aprovada/não aprovada, etc. Contagem: número de incidências (erros, defeitos, acidentes, mudanças, etc. Tamanho do subgrupo : Classificação: número de unidades classificadas; Contagem: número de unidades avaliadas ou oportunidade para que as incidências ocorram.
221
O gráfico p (classificação) (p)
(n)
Proporção de Unidades Nº de Unidades Amos tra Amo str adas/Am ost ra Defeituosas Unidades Defeituosas
1 2 3
200 100 300
20 30 10
0.10 0.30 0.03
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
24
150
20
Tamanho da Amostra
Numero de defeituosos
•
0.13 O Gráfico P plota esta coluna
Como já comentamos anteriormente nesta apostila, podemos monitorar a variação de uma variável classificatória ao longo do tempo. Podemos fazer essa análise por meio de um gráfico de controle que avalia o comportamento de uma porcentagem ao longo do tempo. Esse gráfico é chamado de gráfico p. Geralmente usamos cartas-p para plotar a proporção defeituosa, sejam os tamanhos de amostras iguais ou não. Podemos também avaliar a variação em amostras com tamanhos desiguais ao longo do tempo (fazemos isso em geral por meio de gráficos np). Atenção, nem todo dado de porcentagem é dado classificatório: Muitas vezes as porcentagens se originam de dados de variáveis tais como tempo, peso, comprimentos e custos. Por exemplo, o lucro percentual pode ser uma razão de lucros sobre vendas. Dados desse tipo devem ser tratados como dados contínuos ao se desenvolver gráficos de controle.
222
O gráfico p (classificação)
Dados sobre absenteísmo – 90 funcionários Dia Total de p Ausências Não Ausências Justificadas 1 10 0.11 2 2 8 0.09 3 3 14 0.16 1 4 6 0.07 1 5 8 0.09 1 6 7 0.08 2 7 16 0.18 0 8 12 0.13 3 9 10 0.11 1 10 9 0.10 8 11 12 0.13 1 12 10 0.11 2 13 14 0.16 0 14 4 0.04 4 15 8 0.09 3 16 12 0.13 1 17 9 0.10 0 18 5 0.06 2 19 14 0.16 1 20 10 0.11 0
p 0.02 0.03 0.01 0.01 0.01 0.02 0.00 0.03 0.01 0.09 0.01 0.02 0.00 0.04 0.03 0.01 0.00 0.02 0.01 0.00
No exemplo acima, temos um gráfico p que indica o comportamento do absenteísmo (faltou ou não faltou; justificou falta ou não justificou). Podemos ver que a porcentagem das ausências está em controle estatístico (sem causas especiais), já as ausências sem justificativa apresentam uma causa especial (indicada em vermelho).
223
O gráfico U (contagem) (a) Unidades Semana Processadas/Semana
1 2 3
(a) = área de oportunidade: Número de unidades processadas por semana.
104 21 18
(c)
(U)
Nº de Erros
Nº de Erros Por Unidade
15 4 3
.14 .19 .17
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
24
25
5
.20
(C) Nº de erros
encontrados nas unidades processadas.
O gráfico-u se faz com esta coluna; U = (c/a).
Indicado quando são feitas contagens de ocorrências (erros, defeitos, acidentes, mudanças, etc. ). Os gráficos Us, em geral mostram indicadores do tipo “taxas” (defeitos por peças, acidentes por km rodados, etc.). Para montá-los, precisamos definir qual é o nosso subgrupo e coletar as estatísticas para estes subgrupos.
Um subgrupo é definido por: Número de unidades avaliadas; o Área de oportunidade: um espaço, um período de tempo, um volume etc. Espaço: 200 metros de tecido, um metro quadrado de papel envernizado, um quarto de amostra de um produto. Tempo: uma hora, três meses, um turno.
224
O gráfico U (contagem) Mês/Ano (oportunidade) Janeiro 1989 Fevereiro Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro
Número de acidentes (C) 6 2 4 8 5 4 23 7 3 15 12 7
Mês/Ano (oportunidade) Janeiro 1990 Fevereiro Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro
Número de acidentes (C) 10 5 9 4 3 2 2 1 3 4 3 1
No exemplo do slide, mostramos um gráfico U para indicar o número de acidentes em uma estrada. Vemos que existem 3 causas especiais no gráfico (dois pontos acima do LSC e 8 pontos abaixo da média). Iremos discutir esse exemplo mais adiante, em uma vídeo aula. Notem que, neste caso, o subgrupo foi idêntico para todas as medições. Nem sempre isso acotnece. Poderíamos, por exemplo, ter amostras diferentes para cada caso.
225
O gráfico de individuais
Inventário 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 1993
20
22
19
16
22
19
25
22
18
20
16
17
20
15
27
25
17
19
28
O gráfico de controle para dados individuais é utilizado quando cada valor medido (contínuo) é plotado no gráfico, na sequência em que é obtido. Para o cálculo dos limites ele utiliza a estimativa da variação do processo dada por dados consecutivos (amplitude móvel). O Gráfico de Controle de Individuais é o mais versátil e mais utilizado. É o mais comum para dados de área transacionais, usado em análises de: Dados financeiros; •
•
•
•
Tempo para executar uma atividade; Dados de Faturamento; Dados de Vendas.
226
O gráfico de individuais
Histogram of tiempo Normal 35
Mean 20.94 StDev 6.389 N 200
Suposição de normalidade para gráfico de individuais
30 25 y c n e u q e r F
20 15 10 5 0
5
10
15
20 25 tiempo
30
35
40
Os limites de controle em um gráfico de individuais são calculados sob a suposição de que os dados podem ser modelados pela distribuição Normal (Gaussiana). Se a distribuição dos dados é assimétrica (no caso de medições de tempo de ciclo, por exemplo), o gráfico de individuais assinalará muitos pontos fora dos limites de controle, sendo que esses não necessariamente são causas especiais. Se a distribuição é assimétrica, é útil transformar os dados (transformação logarítmica, por exemplo) e fazer o Gráfico dos dados transformados, para não correr o risco de interpretação errada.
227
O gráfico de individuais
Neste exemplo, podemos ver exatamente o erro que está sendo causado por analisar uma distribuição não normal com uma ferramenta que está dentro da normalidade. Vemos aqui, vários pontos fora do limite superior de controle, o que indicaria causas especiais. Entretanto, esses pontos não são causas especiais. A definição de causa especial diz que são pontos “fora do que é natural ao processo”, ou seja, que fogem da distribuição padrão dos dados. Nesse caso, os pontos não estão fora do comportamento natural. É de se esperar, para essa distribuição, a existência de alguns pontos com valores mais elevados.
228
O gráfico X-barra/R
Quando os dados (contínuos) são coletados em
◉
subgrupos: Subgrupo 1 2 3 . . . 19 20
Amostra 45 46 41 . . . 45 42
48 46 47 . . . 45 47
48 44 47 . . . 46 43
◉ Dentro do subgrupo esperamos ter atuando
somente causas comuns de variação.
O gráfico X-barra/R é usado quando dados contínuos são coletados em subgrupos (amostras) de tamanho constante. Nesse caso constrói-se dois gráficos: •
Um gráfico para avaliar o comportamento da média da variável ao longo do tempo; Gráfico X-barra: Médias de dados dos subgrupos. Um gráfico para avaliar o comportamento da variação da variável ao longo do tempo; •
•
Gráfico R: amplitude dos dados dentro de cada subgrupo. Embora seja usado tanto em aplicações administrativas quanto industriais, é a ferramenta preferida de muitas fábricas. Vantagens sobre o Gráfico X-barra/R: •
•
•
Os subgrupos permitem uma estimativa mais precisa de variabilidade “local” ou de curto prazo; As causas de variação que afetam a média podem ser distinguidas das que afetam a variabilidade.
As vantagens de uma carta X-barra/R desaparecem ao ocorrerem causas especiais sistemáticas – isto é, uma causa especial que apareça em cada subgrupo. Por exemplo, suponha que você esteja contando erros para ordens recebidas por telefone e tenha quatro operadores preenchendo pedidos. Seria natural você querer criar subgrupos de 4, pegando um formulário de pedido de cada operador. Mas se um operador estiver consistentemente melhor ou pior do que os outros, você estaria misturando variações de causa comum e causa especial nos dados. A carta ficará inutilizada: obscurecendo diferenças entre operadores E tornando difícil detectar amplitudes no processo ou na variabilidade.
229
Estude cuidadosamente antes de formar subgrupos de: Valores de diferentes operadores, máquinas, turnos, posições, etc. •
•
Dados determinados por calendário de semanas, meses ou trimestres.
230
O gráfico X-barra/R Semana
Cada ponto neste
gráfico é a média de um subgrupo.
Cada ponto neste
gráfico é a amplitude dentro do mesmo subgrupo.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Amostra 45 46 41 41 43 41 48 48 49 46 42 42 54 43 42 44 46 44 45 42
48 46 47 44 50 45 46 44 45 50 46 49 56 44 45 47 51 42 45 47
48 44 47 45 41 47 46 45 46 44 48 47 49 45 59 44 45 40 46 43
No exemplo, temos um gráfico X-barra/R. O ponto acima do LSC no gráfico de X-barra indica um período onde a média foi atipicamente maior. A causa especial no gráfico R indica um ponto onde a variação foi atipicamente maior.
231
O gráfico X-barra/S
Quando os dados (contínuos) são coletados em
◉
subgrupos: Subgrupo 1 2 3 . . . 19 20
Amostra 45 46 41 . . . 45 42
48 46 47 . . . 45 47
48 44 47 . . . 46 43
◉ Dentro do subgrupo esperamos ter atuando
somente causas comuns de variação.
O gráfico X-barra/S é similar ao gráfico X-barra/R. Porém, é utilizado quando dados contínuos são coletados em subgrupos (amostras) de tamanho constante ou variável; Nesse caso constrói-se dois gráficos: Um gráfico para avaliar o comportamento da média da variável ao longo do tempo; Gráfico X-barra: Médias de dados dos subgrupos. •
•
•
Um gráfico para avaliar o comportamento da variação da variável ao longo do tempo; Gráfico S: desvio padrão dos dados dentro de cada subgrupo. •
232
O gráfico X-barra/R Semana
Amostra
1
45
48
48
2
46
46
44
3
41
47
47
4
41
44
45
5
43
50
41
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
14
43
44
45
15
42
45
59
16
44
47
44
17
46
51
45
18
44
42
40
19
45
45
46
20
42
47
43
Cada ponto
neste gráfico é a média de um subgrupo.
Cada ponto
neste gráfico é o desvio
padrão dentro do mesmo subgrupo.
No exemplo, temos um gráfico X-barra/S. O ponto acima do LSC no gráfico de X-barra indica um período onde a média foi atipicamente maior. A causa especial no gráfico S, indica um ponto onde a variação foi atipicamente maior.
233
Regras para identificação de causas especiais
Uma observação além de um limite de controle.
Uma sequência de seis ou mais pontos crescentes ou decrescentes.
Uma sequência de oito ou mais pontos acima ou abaixo da média.
Há inúmeras regras para apontar possíveis causas especiais. O princípio básico por trás de todas elas é apontar padrões com baixa probabilidade de ocorrer se somente causas comuns estiverem atuando (processo estável). Os mais utilizados são: •
•
•
•
•
•
Um ou mais pontos próximos ou fora dos limites de controle; Dois pontos em três 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 média; Oito ou nove pontos acima ou abaixo da média; Seis ou sete pontos em sequência crescente ou decrescente; Quinze pontos em sequência acima ou abaixo da linha média;
Um padrão não usual ou não aleatório nos dados; Os softwares de análise de dados têm, em geral, essas regras já automatizadas, poupandoo de carrega-las em sua memória. Nenhuma das regras deve ser usada sozinha para a tomada de decisão. É preciso analisar o contexto para decidir se uma determinada situação será tratada como especial. •
234
Alteração dos limites
Os limites de controle refletem o comportamento do processo e só devem ser alterados se houver evidência de alterações significantes no comportamento do processo. No slide há uma situação típica onde ocorre uma alteração nos limites de controle. Após uma sequência de oito ou mais pontos abaixo da média, os limites de controle são recalculados. Ao investigar a mudança no comportamento, verificou-se que uma mudança intencional foi realizada para reduzir o indicador. Deste modo, o processo mudou de comportamento, o que está refletido nos dados.
235
Vamos resolver alguns exércicios? Nas próximas aulas, tente resolver no Minitab a lista proposta e assista às resoluções e discussões nos vídeos.
236
Usando os Gráficos de Controle Algumas dicas que vão facilitar a sua vida.
237
Erros clássicos
Ao analisarmos causas de variação, podemos cometer alguns erros clássicos: ERRO 1: Reagir a um resultado como se viesse de uma causa especial, quando na verdade vem de causas comuns de variação. ERRO 2: Tratar um resultado como se viesse de causas comuns de variação, quando na verdade vem de uma causa especial.
Erros de decisão são intrínsecos ao Gráfico de Controle e a proposta de Shewhart (limites de controle) procura um equilíbrio entre os dois tipos de erros. Por isto, utilize-os sempre que desejar analisar a variação de um processo, respeitando as regras de apontamento das causas especiais.
238
Gráfico de controle e o cliente
60
Como se pode atender as
55
especificações do cliente? LSC = 50.0
50 45
Especif. Superior do Cliente = 40
40 35
X = 35.1
30 Especif. Inferior do Cliente = 30
25 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
Já falamos bastante sobre isso, mas sempre é importante reforçar: limites de controle são diferentes de limites de especificação. Limites de Especificação: •
Vêm de exigências da engenharia ou dos clientes;
•
Representam o que alguém quer que o processo faça;
•
Podem ser alterados por exigência do cliente.
Limites de Controle: •
São calculados com os dados do processo;
•
Representam o que um processo é realmente capaz de fazer;
•
Só podem ser alterados quando mudanças no processo alteram o comportamento dos indicadores (produzem impacto).
Limites de Especificações não devem ser usados em um gráfico de controle. No
gráfico do slide, temos um exemplo de um gráfico de controle. Pelo gráfico, é possível verificar que o processo trabalha entre 20 e 50. Porém, o cliente deseja que o valor esteja entre 30 e 40. Diante deste cenário, pergunta-se como atender as especificações do cliente? Temos algumas propostas: Trabalhe com clientes para expandir as especificações de “entre 30 e 40” para “entre 20 e 50”; •
Melhore o processo reduzindo a variação de causa comum. Qual você acha que é a mais real? •
239
Gráfico de controle e o cliente Dentro das especificações
Fora das especificações
LSE LSC
LSC
Estável
LSE
(controlada)
LIE
Qual
situação é adequada?
LIC LIE
LIC
LSE LSC
LSC LSE
Instável
(sem controle) LIC
LIE LIC
LIE
A figura no slide descreve 4 situações, que frequentemente encontramos em projetos de melhoria: Canto superior esquerdo: processo está estável e dentro dos limites do cliente, o que é o melhor dos mundos! Nesse caso, temos que pensar em manter o desempenho e, caso necessário, reduzir os custos. Canto superior direito: processo está estável, porém os limites de especificação do cliente são menores do que a variação natural do processo. Isso indica que sempre teremos itens defeituosos sendo gerados pelo cliente. Conseguimos até estimar o quanto de itens defeituosos (que é o que vamos fazer nos slides da próxima aula sobre capabilidade). Para melhorar este processo, temos que atuar sobre as causas comuns, procurando maneiras de diminuir a variação natural do processo. Canto inferior esquerdo: processo está instável, porém até agora não tivemos um item fora dos limites de especificação. Neste caso, nosso foco deve ser em estabilizar o processo, fazendo com que ele atue apenas com causas comuns. Embora os limites mais largos permitam bastante variação no processo, não podemos ficar calmos. Só porque não tivemos um item fora de especificação até agora, como o processo é instável, não podemos garantir que eles não vão aparecer. Não temos como gerar previsões sobre processos instáveis. Canto inferior direito: processo está instável e fora dos limites de especificação, o que é muito ruim. A primeira coisa que devemos fazer é garantir que o processo se estabilize. Neste caso, vamos cair em um cenário igual ao caso 2, onde teremos que produzir melhorias que estabilizem o sistema como um todo. •
•
•
•
Em seguida, iremos realizar vários exercícios com a ajuda do Minitab e, em seguida, discutir sobre análises de capabilidade.
240
Análises de Capabilidade Avaliando nossos processos pela voz do cliente.
ANÁLISE DE CAPABILIDADE
241
Análise de Capabilidade
Capabilidade serve para: • Entender o passado; • Prever o futuro (caso o
processo seja previsível)
As análises de capabilidade possuem uma lógica muito simples, ilustrada no slide. De forma geral, um processo produz um resultado que pode ser um produto ou um serviço. Este, por sua vez, tem características que são críticas para os clientes. Tais características têm especificações que podem ser explicitas ou implícitas. Uma falha com respeito a uma especificação é considerada um defeito, assim, produtos ou serviços que apresentam um ou mais defeitos são considerados defeituosos. As medidas de capabilidade de processo medem seu desempenho com respeito a especificações dos clientes. Para isto, utilizam-se indicadores de qualidade de um processo, que permitem comparar diferentes processos entre si e o mesmo processo ao longo do tempo. Os indicadores também permitem avaliar se os esforços de melhoria estão produzindo os resultados desejados e priorizar projetos de melhoria. Duas perspectivas devem ser consideradas quando examinarmos um processo quanto à sua capabilidade: •
•
Passado: O que foi produzido atende as especificações? Futuro: Podemos prever que o processo irá atender as especificações (notem que só podemos usar os indicadores de capabilidade para entender o futuro, caso nosso processo esteja estável! Por isso, geralmente avaliamos a estabilidade antes de começarmos a analisar a capabilidade.
242
Capabilidade para Atributos # de palavras
30
28
32
31
25
29
Definindo o que são: 1) Defeitos; 2) Oportunidades para defeitos; 3) Defeituosos
Vamos começar falando sobre os indicadores de capabilidade para atributos (ou seja, para variáveis de classificações e contagem). Normalmente, para estes casos, queremos comparar taxas de defeito ou então porcentagem de defeituosos. Vários clientes podem nos dar especificações como: •
•
Meu produto não pode ter mais de 3 defeitos por unidade (DPU); Seu processo não pode me entregar mais do que 0,5% de defeituosos (Pd);
Vocês não podem me fornecer mais do que 1 ppm de defeituosos; Para continuarmos com essa discussão, precisamos introduzir algumas definições importantes: •
Unidade do Produto: Um item que está sendo processado ou um bem ou serviço (produto) final entregue ao consumidor. Defeito: Um defeito é definido como qualquer parte de um produto ou serviço que: Não atende uma especificação ou requerimento; Causa insatisfação ao cliente; Não atende requisitos funcionais. Oportunidade para Defeitos: Cada especificação necessária à satisfação do consumidor de um produto ou serviço representa uma oportunidade para ocorrência 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 ◉
Área:
•
Call Center.
◉
Reclamação de um cliente:
•
‘Eu geralmente tenho que esperar muito tempo para ser atendido‘.
◉ CTQ (Indicador, KPI) : • Tempo de Espera (segundos). ◉
Especificação:
•
Menos que 60 segundos desde a
◉ Unidade: • Uma chamada. ◉ Oportunidade: • Uma por chamada • . ◉ Defeituoso: •
Chamada cujo tempo de espera é maior ou igual a 60 segundos.
conexão completada até ser atendido. ◉ Defeito: •
Chamadas cujo tempo de espera é maior
•
ou igual a 60 segundos .
No slide temos alguns exemplos das definições que fizemos anteriormente.
244
Capabilidade para Atributos
Métricas Percentual de defeituosos
PPM Rendimento final
Fórmulas Número de defeituosos PD =
x 100
Número de unidades avaliadas
PPM =
YFinal =
PD x 10000
100 – percentual de defeituosos
No slide são apresentados os principais indicadores de capabilidade para variáveis classificatórias: Percentual de defeituosos; •
•
•
PPM; Rendimento final.
245
Exercício! 106 impressoras (de um total de
P=
PPM=
P=
PPM=
P=
PPM=
73 extratos de cartão de crédito P= (de um total de 200 avaliados) são
PPM=
850 avaliadas) são defeituosas 37 placas de circuito impresso (de
um total de 1250 avaliadas) são defeituosas
81 solicitações de pagamento de seguro-saúde (de um total de 450 avaliadas) são defeituosas
defeituosas
Calcule a porcentagem de defeituosos e o ppm para cada um dos casos.
246
Capabilidade para Atributos
◉ DPU: Defeitos por Unidades.
= ◉ DPO: Defeitos por Oportunidade.
= ◉
DPMO: Defeitos por Milhão de Oportunidades.
= DPO
No slide são apresentados os principais indicadores de capabilidade para variáveis de contagem (atributos defeitos). São eles: Taxa de defeitos por unidades; •
•
•
Taxa de defeitos por oportunidades de defeitos; Taxa de defeitos por milhão de oportunidades.
247
Exercício! 110 defeitos e 850 impressoras avaliadas. 10 oportunidades de defeitos por impressora. 37defeituosas
PPM= DPU= DPO= DPMO=
198 defeitos em 1250 placas de circuito impresso avaliadas. 120 oportunidades de defeitos por placa. 37defeituosos
PPM= DPU= DPO= DPMO=
463 defeitos em 450 solicitações de pagamento de seguro-saúde avaliadas. 13 oportunidades de defeitos por solicitação. 81 defeituosos
PPM= DPU= DPO= DPMO=
Calcule os indicadores para cada uma das situações apresentadas.
248
Capabilidade para Variáveis Contínuas
Especificação do cliente
Processo
Processo entregando
fora de especificação
Vamos começar falando sobre os indicadores de capabilidade para variáveis contínuas, explorando agora, esses conceitos mais a fundo. Em linhas gerais, o procedimento é o seguinte: •
•
•
•
•
Coletar dados representativos de um processo (amostras ao longo do tempo). Avaliar se os dados dessa amostra podem ser aproximados por uma distribuição normal (usando, por exemplo, um probability plot ). Avaliar a estabilidade do processo através de um gráfico de controle. Se o processo é instável, não podemos estimar muita coisa a partir dos dados que temos. A partir dos dados obtidos, calcular a média e o desvio padrão do processo, de maneira a obter uma curva normal que possa representar uma aproximação do nosso processo como um todo. Avaliar a variação e o posicionamento dessa curva estimada frente às especificações do cliente. Nesta etapa muitas vezes calculamos índices de capabilidade para, de maneira sucinta, representar a qualidade de um processo.
Em seguida, vamos explorar melhor quais tipos de limite de especificação podemos ter.
249
Tipos de Limites de Especificação LSE
LIE
◉
Nominal é Melhor (NM) LIE
NM
◉ Quanto Maior Melhor (QMM) QMM
LSE
◉ Quanto menor melhor (Qmm) Qmm
Quando um uma característica de um produto tem especificações explicitas, elas podem ser de três tipos:
Nominal é Melhor (NM): Existe um Limite Superior e um Limite Inferior de Especificação. Quanto Maior Melhor (QMM): Existe um Limite Inferior de Especificação. Quanto menor melhor (Qmm): Existe um Limite Superior de Especificação
250
Desempenho
LIE
LSE Porc. de defeituosos Acima
Porc. de defeituosos Abaixo
Tempo de Entrega
% de Defeituosos = % Abaixo + % Acima PPM = % de Defeituosos x 10.000
◉Performance observada: PPM de itens fora da especificação na amostra. ◉Performance esperada: PPM calculado com a Curva Normal aproximada.
A partir das análises de capabilidade, é possível prever quantos produtos fora de especificação o meu processo entregará.
251
Cp – Nominal Melhor
◉
Índice de Capabilidade (Nominal é Melhor):
•
Tolerância (Tol) = LSE-LIE;
•
Variação Natural do Processo = 6xD.P.; LIE
LSE Tolerância
=
Variação Natural
Um importante índice de capabilidade é o Cp. Ele compara a nossa variação natural do processo com a tolerância do cliente (LSE-LIE). A fórmula do Cp está descrita no slide, onde a variação natural é aproximada por 6 vezes o desvio padrão dos meus dados. Se o Cp assumir um valor menor do que 1, temos um sério problema, pois a nossa variação natural é maior do que as especificações. Isso sugere uma série de produtos não conformes sendo gerados naturalmente pelo meu processo.
252
Exercício! Peso declarado Distribuição Normal X
Média = 200 Desvio Padrão = 1 LIE
Valores de X
197
Cp =
LSE
198
199
200
201
202
203
PPM =
Calcule o Cp e o PPM para o caso apresentado. Uma empresa produz pacotes de biscoito cujo peso líquido declarado é 200g. As especificações são: LIE =197g e LSE = 203g (Voz do Cliente).
Situação 1: De uma amostra dos pacotes produzidos, calculou-se a média e o desvio padrão e obteve-se: Média=200g e desvio padrão=1g (Voz do Processo) Calcular Cp e PPM.
253
Exercício! Peso declarado
Distribuição Normal X
Média = 197 Desvio Padrão = 1 LIE
Valores de X
194
195
Cp =
196
197
LSE
198
199
200
201
202
203
PPM =
Uma empresa produz pacotes de biscoito cujo peso liquido declarado é 200g. As especificações são: LIE =197g e LSE = 203g (Voz do Cliente)
Situação 2: De uma amostra dos pacotes produzidos calculou-se a média e o desvio padrão e obteve-se: Média=197g e desvio padrão=1g (Voz do Processo) Calcular Cp e PPM.
Porque o Cp é alto e o PPM é alto? No exemplo anterior, o processo não está centrado no valor nominal. Nessas situações, o Cp não é uma medida apropriada. Por isto, vamos à outra medida de capabilidade que é adequada em qualquer situação.
254
O cálculo do Cp não leva em conta a centralidade Em muitos casos podemos ter um bom
Cp mas um péssimo índice de defeituosos
255
O Cpk e a centralidade
Índice de Capabilidade
◉ • •
Tolerância (Tol) = LSE-LIE Variação Natural do Processo = 6xD.P
LIE
LSE Tolerância
=
Variação Natural
Uma alternativa ao cálculo do Cp é o Cpk. Ele leva em conta a centralidade do nosso processo (o valor no qual ele está centrado). Ele faz isso calculando o pior cenário dos desvios da média com os limites. A maneira de analisar o Cp e o Cpk é a mesma. Quanto menor forem estes índices, melhor é o nosso processo.
256
Vamos resolver alguns exércicios? Nas próximas aulas, tente resolver no Minitab a lista proposta e assista às resoluções e discussões nos vídeos.
257
Usando os indicadores de capabilidade O que fazer dependendo dos resultados?
USANDO OS INDICADORES DE CAPABILIDADE
258
Analisando os índices
Capabilidade e estabilidade
VOP
Situação Processo estável Processo instável
Capabilidade alta
O.K.
Capabilidade baixa
NM - Ajustar a
VOC
Situação
média e diminuir a variação QMM – Aumentar a média/reduzir a variação Qmm – Reduzir a média/reduzir a variação
O processo deve estar
estável para fazermos a
análise de capabilidade
A análise de capabilidade é diferente de uma análise de estabilidade. Na segunda, nós procuramos avaliar o processo afim de buscar os pontos nos quais temos causas especiais atuando. Na capabilidade, queremos ter uma noção quantitativa sobre a adequação de nosso processo para gerar resultados dentro do que o cliente espera.
Quando nosso processo está instável, não faz muito sentido uma análise de capabilidade (a menos que haja alguma estratificação de dados que mostre as causas da instabilidade). A razão disso é muito simples. Realizamos análises de capabilidade para estimar o quanto de problema nosso processo vai gerar e para ter insights de como melhorá-lo. Se o nosso processo está instável, não conseguimos usar o passado para estimar o futuro. Não podemos, neste caso, prever nada. Não conseguimos prever qual é a média do indicador sendo avaliado e não conseguimos prever qual é a sua variação natural. Dessa maneira, temos que sempre avaliar a estabilidade antes da capabilidade (como feito nos exemplos anteriores). A planilha apresentada no slide mostra o que devemos fazer caso a estabilidade exista.
259
A capabilidade e a tabela sigma PPM
Yield %
Sigma
PPM
Yield %
Sigma
PPM
Yield %
Sigma
3.4
99.9997
6.00
6210
99.3790
4.00
308000
69.2000
2.00
5
99.9995
5.92
8190
99.1810
3.90
344000
65.6000
1.90
8
99.9992
5.81
10700
98.9300
3.80
382000
61.8000
1.80
10
99.9990
5.76
13900
98.6100
3.70
420000
58.0000
1.70
20
99.9980
5.61
17800
98.2200
3.60
460000
54.0000
1.60
30
99.9970
5.51
22700
97.7300
3.50
500000
50.0000
1.50
40
99.9960
5.44
28700
97.1300
3.40
540000
46.0000
1.40
70
99.9930
5.31
35900
96.4100
3.30
570000
43.0000
1.32
100
99.9900
5.22
44600
95.5400
3.20
610000
39.0000
1.22
150
99.9850
5.12
54800
94.5200
3.10
650000
35.0000
1.11
230
99.9770
5.00
66800
93.3200
3.00
690000
31.0000
1.00
330
99.9670
4.91
80800
91.9200
2.90
720000
28.0000
0.92
480
99.9520
4.80
96800
90.3200
2.80
750000
25.0000
0.83
680
99.9320
4.70
115000
88.5000
2.70
780000
22.0000
0.73
960
99.9040
4.60
135000
86.5000
2.60
810000
19.0000
0.62
1350
99.8650
4.50
158000
84.2000
2.50
840000
16.0000
0.51
1860
99.8140
4.40
184000
81.6000
2.40
860000
14.0000
0.42
2550
99.7450
4.30
212000
78.8000
2.30
880000
12.0000
0.33
3460
99.6540
4.20
242000
75.8000
2.20
900000
10.0000
0.22
4660
99.5340
4.10
274000
72.6000
2.10
920000
8.0000
0.09
Outra maneira de se fazer previsões para a quantidade de itens defeituosos é utilizar uma Tabela Sigma. A maneira de utilizar essa tabela é bem semelhante à de se utilizar os índices de capabilidade que comentamos até agora, porém a quantidade de itens defeituosos esperado para o processo é um pouco diferente. Essas tabelas se popularizam com a utilização da metodologia em grandes empresas. Quem nunca ouviu falar que um “processo 6 sigmas” é aquele que produz apenas 3,4 ppm de itens defeituosos? E é justamente esse número 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 é muito mais do que o previsto pela distribuição normal! ” A resposta é que, quando elaboraram essa tabela, consideraram que todo processo tem uma variação de seu ponto central. Essa variação pode ser por razões concretas (como o processo de fato variar a sua média), quanto pela incerteza de amostragem. Mas vale a pena colocar essa ressalva para não haver confusão. Na vídeo aula iremos abordar mais a fundo esta questão.
260
Disseminando os resultados do Measure Uma vez que já medimos e aprendemos sobre nossos processos, como exibir os resultados.
RESULTADOS DO MEASURE
261
Relatórios Gerenciais Relatório d e Julho de 2015 Indicadores
Acumulado no ano Valor Planejado Atual
% Dif.
%Dif. YTD/ 05 YTD/ 04
90.8
91.3
–0.6
–0.3
–10.0
69.3
70
–1.0
–0.4
0.0
132
129
+2.3
+1.5
+4.5
+2.0
251.5
252
–0.2
+8.0
–1.5
–1.9
198.46
201.22
–1.4
–3.6
+7.0 +0.6
+4.5 +11.3
4.46 11.02
4.16 11.27
+7.2 –2.2
+9.3 +9.2
278.82
+0.7
+0.9
280.82
278.82
+0.7
+0.4
28
19.7
+42.0
+12.0
21.6
19.7
+9.6
+5.9
74.3
95
–21.8
-23.5
87.8
95
–7.6
–2.7
Depto
Valor Atual
Média Mensal
% Dif.
%Dif. Julho/ 05 Julho/ 04
20
91.0
91.3
–0.3
–0.9
12
54
70
–
19
124
129
–3.9
Volume Produzido (1000 Kg) Custo de Material ($/ 100 Kg)
13
34.5
33
13
198.29
201.22
HH/ 100 Kg Energia e Custos Fixos/ 100 Kg
13 13
4.45 11.34
4.16 11.27
Custo Total de Produção/ 100 Kg
13
280.8 3
Inventário em processo (100 Kg)
17
06
Qualidade Entregas no prazo (%) Aprovação na primeira vez (%) Sucata/ por 1000 Kg produzidos)
23.0
Produção
Operações %Fatur am. no prazo
Relatórios gerenciais são a forma mais frequente de se exibir indicadores. Entretanto, essa maneira exibe diversos erros grotescos que nada nos ensinam sobre o processo que estamos estudando e tentando melhorar. O primeiro problema é que ele nos força a “caçar” com os olhos números discrepantes (como aumentos percentuais). No exemplo do slide, facilmente iríamos observar o inventário em processo como um indicador crítico (já que ele aumentou 42% do mês passado para o atual). Não preciso nem dizer que esse tipo de relatório nos força a comparar um mês contra o outro, o que já vimos que é muito ruim. Ao fazer isso, desprezamos toda a variação embutida o indicador. Uma maneira muito mais inteligente de se mostrar esse indicador é mostrada no slide seguinte.
262
Mostre o histórico de variação 1. Colete os dados ao longo do tempo 2013
2014
2015
Jan
19
20
20
Fev
27
22
15
Mar
20
19
27
Abr
16
16
25
Mai
18
22
17
Jun
25
19
19
Jul
22
25
28
Ago
24
22
Set
17
18
Out
25
20
Nov
15
16
Dez
17
17
2. Faça umgráfico de tendência
Julho/15 é uma causa especial?
Uma forma bem melhor de se apresentar os dados é exibi-los em um gráfico de tendência. Note que quando fazemos isso, observamos que o mês de julho de 2015 não é uma causa especial. Ele está dentro da variação natural do processo. Se tivéssemos tratado julho de 2015 como causa especial, provavelmente teríamos como consequências um relatório explicando o resultado e um plano de ação seriam solicitados pela direção. Depois, o relatório detalhado explicando o resultado seria elaborado e um plano de ação proposto pelo responsável pelo Depto 17 (muitas vezes com muita criatividade!). O relatório seria uma obra de ficção cujo único objetivo seria dar à direção a sensação de que algo está sendo feito para resolver o problema. Por último, o plano de ação seria executado consumindo recursos preciosos da organização e o resultado continuaria na mesma.
263
Slide 237
Cuidado com variações comparativas
Comparação com a média
Muitas pessoas também gostam de mostrar o resultado do indicador como uma porcentagem da média. Temos, nesse caso, declarações do tipo: “Este mês, as vendas foram 50% acima da média”. Nesta comparação temos o mesmo problema exemplificado no relatório anterior. Nem sempre uma variação grande relativa à média é significativa (como mostram os slides). Outras vezes, uma variação pequena relativa à média pode ser uma causa especial. Tudo depende de quanto o seu indicador varia. E para entender essa variação, precisamos olhar gráficos de controle ou tendência.
264
A maneira correta 1) Defina bem o indicador.
Mês
Gasto
Mês
Gasto
jan/01 fev/01 mar/01 abr/01 mai/01 jun/01 jul/01 ago/01 set/01 out/01 nov/01 dez/01
97 104 99 94 100 99 96 96 94 96 98 99
jan/02 fev/02 mar/02 abr/02 mai/02 jun/02 jul/02 ago/02 set/02 out/02 nov/02 dez/02
96 100 99 96 103 97 96 91 98 96 95 105
2) Indique-o mostrando a variação.
Para definir um indicador, devemos atentar à: •
Nome do indicador
•
Definição: •
•
•
Definição operacional do indicador; Outros indicadores ou dados necessários para o cálculo; Fórmula de cálculo e unidades de medida.
•
Relação com outros indicadores
•
Objetivo do Indicador
•
Relação do Indicador com o Propósito, Estratégia
•
Amostragem: •
•
•
•
•
•
Tamanho da amostra; Frequência de coleta; Período da coleta; Local da coleta; Fonte dos dados.
Estratificação: •
Outras variáveis que devem ser coletadas junto com o indicador.
•
Técnicas de análise/ acompanhamento:
•
Administração: •
•
Tarefa; Responsabilidade; 265
•
•
•
•
Desenvolver gráficos.
Regras para apresentação de dados: •
•
Realizar medições; Coletar dados;
Os dados “brutos” deveriam acompanhar qualquer gráfico ou resumo numérico.
O contexto para os dados deve ser descrito: •
O que? Por que? Quem? Como? Quando?
Sempre que um resumo numérico ou um gráfico de distribuição (histograma, por exemplo) de dados coletados ao longo do tempo for apresentado, ele deve vir acompanhado de um Gráfico de Tendência. Média, mediana, amplitude, desvio padrão, histograma, etc. Não permitem “descobrir” uma informação importante que é o comportamento dos dados ao longo do tempo.
266
Resumo do Measure
O segundo passo de um projeto de melhoria é o Measure, cujo objetivo é medir o desempenho atual. As principais atividades dessa fase são: • Elaborar um fluxograma do processo; • Avaliar a estabilidade do processo (gráfico • Avaliar a capabilidade do processo.
de controle);
RESUMO MEASURE
267
Analyse
ANALYSE O Analyze é o terceiro passo do roteiro DMAIC. Nele, como o próprio nome já diz, vamos analisar o que aprendemos durante as etapas de medição e também desenvolveremos mudanças sobre o processo, de maneira a melhorar o seu desempenho. A grande saída da fase do Analyze são as mudanças desenvolvidas. Para chegar lá, iremos explorar 4 estratégias, em detalhes: A análise crítica do processo; O uso de tecnologia; O uso da criatividade; O uso dos conceitos de mudança. Nos próximos slides, nos aprofundaremos no desenvolvimento de mudanças e suas estratégias. •
•
•
•
268
O que vamos aprender?
Objetivo: propor, desenvolver e testar mudanças Atividades •
Desenvolver mudanças
•
Testar as mudanças em escala piloto
•
Avaliar os resultados (impactos nas métricas do projeto)
Ao final do módulo, você irá analisar os problemas e oportunidades mapeados criticamente. Depois, será capaz de gerar ideias de mudanças, desenvolvê -las e testá-las
269
odos concordam que mudanças são importantes e inevitáveis? E que não há melhoria sem mudanças?
Se concordar com o slide, pode seguir adiante. Caso contrário, reflita o porquê acredita ser possível melhoria sem mudança. Se encontrar um exemplo, no envie, porque nunca encontramos melhoria sem mudança.
270
Mudanças
Como desenvolver mudanças que resultem em melhoria?
Melhoria requer mudança, mas nem toda mudança resulta em melhoria. Diante desta constatação e da necessidade que temos em melhorar nossos processos, a pergunta que clama por resposta é: como desenvolver mudanças que resultem em melhoria? Dito isto, várias soluções começam a pintar em nossa cabeça. Memórias de como resolvemos diversos problemas surgem e assim, nos confortamos com as grandes ideias que já tivemos. O problema desta abordagem é: como conseguir ideias para desenvolver mudanças agora? Para encontrar esta saída, precisamos definir algumas coisas. A primeira é sobre os tipos de mudanças. Quais os tipos de mudanças que existem? Criar um novo processo , produto ou serviço •
Modificar um processo, produto ou serviço. Quando desenvolvemos mudanças, podemos falar que algumas são obvias, outras não. Mudanças do tipo ver e agir aparecem com certa frequência em nossas vidas. Se você pensar no seu trabalho, aposto que terá várias mudanças em mente que poderiam ser executadas sem muito investimento ou sem que fosse necessário pensar muito até encontra-las. Por isto, dizemos que mudanças não tem que ser necessariamente caras ou demoradas. Outras mudanças, demandarão mais tempo para serem desenvolvidas e mais testes até se provarem realmente como uma melhoria. Lembro-me de vários projetos em que suamos a camisa até encontrarmos a mudança certa. Foram várias técnicas aplicadas e diversos testes feitos até chegarmos ao resultado. Quando falamos nestas mudanças mais desafiadoras, também nos veem à mente os problemas que encontramos para desenvolvê-las. O mais comum é esquecermos as técnicas nos deixarmos levar pelo: “Fazer mais do mesmo” Mais pessoas, •
•
•
271
•
•
Mais dinheiro, Mais inspeções,
Mais exortações; Tenho certeza que você já se pegou sugerindo mudanças do tipo mais do mesmo. Uma vez, ao depararmos com um aumento repentino no número de reclamações de clientes, me vi sugerindo que fizessem inspeções cruzadas. Pedi ao nosso coordenador que inspecionasse 100% dos produtos, pois itens defeituosos estavam indo para nosso cliente. Como resultado, esta mudança “mais do mesmo” aumentou nosso custo e manteve o processo produzindo itens fora de especificação. •
Mudar adicionando mais pessoas ao processo, também é um problema muito comum. Sempre que pedíamos para uma área melhorar algum indicador, era comum a coordenação vir com a imediata desculpa que não dava. Quando perguntávamos o porquê, a resposta padrão era: faltam pessoas. Para melhorar o indicador, preciso de mais pessoas. Nas primeiras vezes, acreditava na história e acabava cedendo mais pessoas sem uma rigorosa análise e, como resultado, tínhamos mais uma pessoa para o mesmo resultado de antes. Era mais custo, mas não mais produtividade. As mudanças mais do mesmo vão no máximo, resultar em um alívio de curto prazo que provavelmente não será mantido. É a mesma coisa de fazermos regime sem mudarmos nossos hábitos alimentares. Iremos emagrecer rápido, mas ao final do regime, voltaremos a engordar. E por que? Porque o “mais do mesmo” não altera a estrutura do sistema, adiciona despesa e complexidade e pode acabar contribuindo com o problema. O regime pode aumentar o custo de sua alimentação, torna a preparação da comida algo complexo e ainda por cima, causar um quadro de desnutrição ou sobrecarga em alguns órgãos. É a mesma lógica que se aplica na empresa. Mais especificações e detalhes no projeto não vão melhorar seu produto. Mais inspeções não vão eliminar os erros. Mais ajustes manuais (experiência da operação) não reduz variação e, mais regras não impõe disciplina. Se este tipo de abordagem funcionasse, um país com tantas leis e restrições como o Brasil não teria mais problemas. É sempre bom lembrar que os efeitos da lei seca (zero de álcool para dirigir) não reduziu de maneira sustentada, o número de acidentes por embriaguez. A mudança ajudou no curto prazo, mas depois, os números voltaram para o patamar próximo ao que estavam. Se por um lado fazer qualquer mudança é ruim, por outro lado, muitas pessoas ficam paralisadas pela perfeição. Estas buscam eliminar os riscos da mudança não as implementando até que tenham para si que não há risco nenhum de algo dar errado. Esta postura é muito arriscada, pois o problema acaba se arrastando por um tempo muito grande e a equipe, acaba se desmotivando. Além disto, pode-se mencionar o risco de o concorrente adotar uma mudança antes, que mesmo pior que a sua, será suficiente para colocar a empresa dele na frente. É importante lembrar que a Kodak foi a primeira empresa a inventar a câmera digital. Porém, seus executivos optaram por não implementar aquela tecnologia a tempo, pois não a tratavam digna da qualidade que a Companhia pregava. Anos depois, a empresa ruiu pelo avanço tecnológico que suas concorrentes conseguiram na área. Outro indicio da paralisia pela perfeição é aquele chefe que só aceita ideias prontas. Tudo que você propõe de novo, ele pensa que não está bom e diz que não vai implementar se
272
não provar que o risco de falha seja zero. Como isto é impossível, a equipe desmotiva-se e não propõem mais ideias de mudanças. Se mudança, como já dissemos, não há melhoria.
273
Mudanças
E quais são as categorias de mudança?
274
Mudanças
Categorias
1ª Ordem Sistema
Percepção do cliente Prazo
2ª Ordem
Não é alterado
É alterado
Solução do problema
Melhoria
Imediato, curto
Médio, longo
Depois de analisarmos os tipos de mudanças, podemos classifica-las em duas categorias: Primeira Ordem: são aquelas necessárias para manter a empresa em funcionamento no dia a dia. São mudanças para garantir o nível de desempenho da organização e para resolver os problemas corriqueiros que aparecem. Um exemplo que gosto muito é o pneu do carro. Para mim, mudança de primeira ordem é trocar o seu pneu furado. Como característica, podemos pontuar que são realizadas rotineiramente, devolvem o sistema a condição anterior, dá um alívio de curto prazo (quem já teve um pneu furado na estrada, sabe o alívio que temos ao trocá-lo e voltarmos à rodovia) e mostram ao cliente que o problema foi resolvido. Como disse, provoca a sensação de “tudo voltou ao normal”. Segunda Ordem: são aquelas mudanças necessárias para prevenir problemas e elevar o desempenho do sistema a patamares superiores. São aquelas mudanças necessárias para batermos as metas. Geralmente, elas resultam na criação de um novo processo ou na modificação de um processo existente. Assim, alteram como o sistema funciona e como as pessoas trabalham, possibilitando que os indicadores de desempenho da organização sejam afetados positivamente. •
•
Comparando as mudanças de primeira e segunda ordem, fica claro a preferência que temos por fazer mais mudanças de segundo ordem do que de primeira. Afinal, a melhoria só é alcançada por meio delas. Porém, em muitas empresas pudemos observar o contrário. Pelo seu efeito de curto prazo, muitas organizações acabam preferindo virar seu foco para “apagar os incêndios” e acabam deixando de lado a eliminação dos riscos para que eles não aconteçam. São tantos incêndios ocorrendo simultaneamente, que todos os recursos são drenados para combatê-los, criando um ciclo vicioso. Diante disto, recomendamos que antes de focar apenas nas mudanças de primeira ordem, você se pergunte: qual é a possível causa deste problema? Como alterar o sistema para que a haja uma melhoria, uma mudança positiva e duradoura no indicador que tenho que atuar? Pensando assim, haverá uma contribuição muito maior à organização do que agir apenas como bombeiro. 275
Para adotar esta postura, você deve ser forte. Haverá muita resistência e a liderança poderá cobrá-lo para resolver o problema urgente. Faça isto, mas não mude para a próxima urgência antes de mudar o sistema para que este incêndio não mais ocorra. Para ajudá-lo no convencimento do time, pergunte: Quanto tempo passamos agregando valor ao cliente (produzindo)? •
•
•
Quanto tempo passamos realizando mudanças de segunda ordem (melhorias)? Quanto tempo passamos realizando mudanças de primeira ordem (incêndios)?
Tipicamente, passamos muito mais tempo nos incêndios do que agregando valor ou melhorando a empresa. Diante disto, pergunto: qual é o futuro de nossa organização se continuarmos assim? E, se mudarmos esta proporção? É possível sentirmos um impacto nos nossos indicadores? Agora, vamos para as abordagens de mudanças que você poderá adotar para criar suas mudanças de segunda ordem e elevar os patamares de desempenho da organização.
276
Desenvolvimento de Mudanças Entender e analisar criticamente o processo atual
Usar Tecnologia
Usar Criatividade
Usar os Conceitos de Mudança
Para desenvolver mudanças, podemos adotar quatro abordagens principais: Análise crítica: a primeira faz uso do pensamento analítico crítico. Nesta abordagem adotamos ferramentas que nos permitem enxergar o processo e questionar seus fornecedores, insumos, passos, saídas e clientes. É uma análise profunda que vai te ajudar a encontrar os pontos que podem causar problemas e eliminá-los; Tecnologia: nesta abordagem, procura beneficiar de tecnologias já desenvolvidas. É muito comum na área de TI, onde uma empresa compra um novo sistema de gerenciamento de estoques, por exemplo. Além do sistema em si, vem junto ao mesmo todo o conhecimento adquirido pela empresa no desenvolvimento daquele processo; Criatividade: é um meio de escapar dos modelos mentais estabelecidos para encontrar alternativas. Das quatro categorias, esta é a que menos encontramos nas empresas, quando o assunto é melhorar processos. E, a causa para isto é que durante a formação do profissional, ele dificilmente possui treinamento neste assunto. De Bono, TRIZ, SIT e outras técnicas importantíssimas para a geração de ideias criativas, são muito pouco difundidas e estudadas. Para mais detalhes, recomendamos nosso e-book e nosso curso gratuito; Conceitos de Mudanças : processos que tem bom desempenho são estruturados em bons conceitos. Esses conceitos, se identificados, podem ser utilizados para encontrar boas mudanças. Para projetos de melhoria, contamos com uma lista de 72 conceitos que foram muito úteis para gerar mudanças que levaram a melhoria. Para conhece-los melhor, recomendamos que baixe nosso e- book “Disseminação de Mudanças”. •
•
•
•
Sobre as abordagens, precisamos ponderar:
277
•
•
A dependência de coleta e análise de dados varia de técnica para técnica. Para criatividade, por exemplo, você não precisará coletar tantos dados, já para a análise crítica, será necessário a coleta dos dados e o mapeamento do processo; O praticante da atividade de melhorar processos, produtos e serviços deve, com o tempo e com a experiência, procurar integrar sistemicamente essas técnicas. Costumo começar pela análise crítica ou pelos conceitos de mudança, eliminando o “mato-alto” com a adoção de mudanças rápidas e claras. Depois, para elevar o desempenho do processo à patamares bastante superiores, tenho que recorrer as ferramentas de criatividade ou soluções tecnológicas.
278
Diagrama Causa Efeito Como organizar suas hipóteses para entender as causas de um problema
DIAGRAMA CAUSA EFEITO
O diagrama de causa e efeito é uma ferramenta útil para descobrir, organizar e resumir o conhecimento do grupo a respeito das causas que contribuem para a variabilidade ou para o problema. O diagrama de causa e efeito também é conhecido como diagrama de espinha de peixe (por causa de sua aparência) e como diagrama de Ishikawa (em homenagem a seu inventor). Esse método foi desenvolvido por Kaoru Ishikawa em 1943 para explicar para um grupo de engenheiros como vários fatores podem ser organizados e relacionados (Ishikawa, 1976). Construir um diagrama de causa e efeito ajuda seus usuários a tomar consciência do sistema de causas que está por trás do problema. Ele encoraja um enfoque holístico para a melhoria ao realçar o inter-relacionamento das importantes causas e sub-causas que contribuem para a variação ou problemas.
279
Como organizar as hipóteses para as causas?
Método
Máquina Marcha
Velocidade
Ajuste do bico injetor
Pressão do pneu
Alto consumo combustível
Lubrificação
Manutenção
Tipo de Combustível
Forma de dirigir
Pessoas
Material
Muito do valor do diagrama de causa e efeito se origina do processo de criá-lo. O aprendizado resultante do momento em que as partes interessadas se reúnem para compartilhar e organizar suas teorias a respeito das causas de um problema importante, pode levar, por si só, a ações que aumentam a qualidade. Além disso, entre os benefícios importantes do diagrama completo incluem-se: •
•
•
•
Redução da tendência de procurar por uma “verdadeira” causa, às custas de ignorar outras causas e interações de causas. Ajuda no planejamento de ciclos para aprendizado e melhoria. Por meio de consenso, hierarquiza as causas por sua importância. Também é útil considerar aqui se as causas são comuns ou especiais, e rotulá-las de acordo. Decida onde são necessários mais dados para confirmar crenças a respeito de relações de causa e efeito e planeje ciclos apropriados de obtenção de dados. Para aquelas causas que já são fundamentadas em dados e bem compreendidas, planeje e execute ações corretivas. Codificar por cores ou outra simbolização diretamente no diagrama pode ser útil para a hierarquização, mostrando graus de crença, e identificando categorias de causas comuns e especiais. Atualização do conhecimento presente. À medida que coletas de dados, experimentos, levantamentos e outros estudos são efetuados, o diagrama de causa e efeito pode ser facilmente corrigido para refletir novos aprendizados. É um meio efetivo para compartilhar conhecimentos. O diagrama de causa e efeito delineia claramente o sistema causal de uma maneira facilmente compreendida.
280
Como construir um Diagrama Causa Efeito
Passo 1
• Escolha o “efeito” a ser estudado
Passo 2
• Desenvolva uma definição operacional do efeito
Passo 3
• Use um processo de brainstorming
Passo 4
• Faça um brainstorming sobre possíveis sub-
causas
Passo 5
• Quando a interação diminuir, reveja-o
Passo 6
• Finalize-o
Construção de um Diagrama de Causa e Efeito Quando um grupo enfoca uma característica ou problema específico de qualidade, podese usar o diagrama de causa e efeito do tipo análise de dispersão. Esse tipo de diagrama de causa e efeito fornece um formato útil para organizar o conhecimento atual do grupo a respeito de causas inter-relacionadas. Passo 1: Escolha o “efeito” a ser estudado. O efeito usualmente será a variabilidade excessiva de uma importante característica de qualidade ou outro problema selecionado baseado em uma análise de Pareto de respostas de clientes internos e/ou externos. Passo 2: Desenvolva uma definição operacional do efeito. Desenhe uma estrutura básica para o diagrama de causa e efeito com o efeito em uma caixa do lado direito. Passo 3: Use um processo de brainstorming para desenvolver de três a seis características ou classificações principais de possíveis causas ou fatores que contribuem para o efeito. Estas formarão os principais ramos do diagrama de causa e efeito. Para facilitar esse processo, o diagrama de causa e efeito deve ser desenvolvido em um bloco grande de papel ou em um meio similar onde todos possam vê-lo sendo desenvolvido. As categorias gerais que costumam ser úteis em amplo espectro de situações são pessoas, materiais, métodos, máquinas, medição e ambiente. Entretanto, outras categorias podem ser mais apropriadas em casos específicos, baseados no conhecimento de processo dos participantes. Passo 4: Faça um brainstorming sobre possíveis sub-causas para cada uma das categorias principais de causa, criando novos sub-ramos até alcançar um nível apropriado de detalhamento. Um modo útil de se chegar a um nível adequado de detalhes consiste em se perguntar “por que? ” de três a cinco vezes para cada uma das causas iniciais (Ishikawa, 1976). Passo 5: Quando o nível de energia do grupo desenvolvendo o diagrama de causa e efeito começa a diminuir, isso é provavelmente um bom indicador de que a maior parte •
•
•
•
•
281
•
de suas ideias importantes a respeito das causas do problema já aparece no diagrama. Reveja-o procurando por mudanças e acréscimos óbvios que sejam necessários para completar o diagrama. Passo 6: O diagrama de causa e efeito agora está pronto para ser usado como uma ferramenta para a melhoria. Veja mais adiante nesse capítulo “Usando o Diagrama de causa e Efeito.
282
O que você ganha com o Ishikawa?
Muito de seu valor está em sua elaboração: partes interessadas se reúnem e organizam conhecimentos
Redução da tendência de achar uma “verdadeira” causa
Meio efetivo para compartilhar conhecimento
283
Exemplo
284
Causa Efeito para melhorar um processo
Passo 1
Passo 2
• Identifique o processo a ser aperfeiçoado
• Acrescente as principais causas e sub-causas
de variabilidade ou outros problemas de processo
Um método alternativo ao descrito acima, o método da enumeração de causas, consiste em primeiro fazer um brainstorming de todas as causas possíveis e simplesmente listálas na ordem em que forem recebidas. A partir dessa lista se constrói então o diagrama de causa e efeito do tipo dispersão. Quando o foco de atenção de um grupo não é uma característica particular de qualidade, mas sim a melhoria de um processo, o formato de classificação de processo pode ser útil. Esse tipo de diagrama de causa e efeito acrescenta valor por mostrar causas da variabilidade de processo à medida em que elas se relacionam a estágios específicos do processo. Os passos para elaborá-lo são descritos a seguir: Passo 1: Identifique o processo a ser aperfeiçoado e identifique as etapas chaves dele. Um fluxograma mostrando essas etapas será útil. Use-as como as categorias principais nas causas. Passo 2: Por meio de um brainstorming, acrescente as principais causas e subcausas de variabilidade ou outros problemas de processo a cada etapa do processo. •
•
O diagrama ajuda a entender como cada passo pode potencialmente causar uma entrega fora do prazo.
285
Cuidados
◉ As causas nem sempre
são reais (precisa ser testadas);
◉Podemos focar em soluções não tão
práticas;
◉Use-o para desenvolver mudanças no processo (as sub-
causas devem ser “palpáveis” na hora de desenvolver a mudança .
286
Os 5 porquês Aprofundando-se nas causas
OS 5 PORQUÊS
.
287
E como se aprofundar nas causas?
Por que o computador não está f uncionando? • Porque não está na tomada
Por que não está? • Porque o cabo foi puxado da tomada
Por que foi puxado? • Porque o cabo está no meio da passagem das pessoas
Por que o cabo está no chão? • Porque é muito longo
Por que é muito longo? • Não sei..
Soluções • Reduzir o comprimento do cabo • Fixar o cabo na tomada melhor • Colocar o computador perto da parede
5 porquês
Para cada causa, pergunte por que o problema ocorreu? Para descobrir as causas que contribuíram para o problema ocorrer. Continue perguntando por que o problema ocorreu, para descobrir níveis adicionais de causas. Cinco não é um número mágico. Algumas vezes é suficiente usar dois ou três “Por Que”.
288
Cuidados Extras
“Por que?” atente para o fato de que a resposta em cada estágio corresponde a um determinado nível de ◉ Ao usar o
entendimento do problema. E, para aumentar o entendimento, são necessários investigações e testes. Não é um exercícios de chutes numa sala fechada feito em 30 minutos
nível de entendimento do problema há uma mudança correspondente ◉Para cada
Apesar de ser uma técnica poderosa, precisamos tomar cuidado com alguns pontos. São eles: Tendência de parar nos sintomas ao invés de aprofundar no nível de causas; •
•
•
•
•
Incapacidade de ir além do conhecimento atual do investigador: não é possível encontrar as causas que ainda não são conhecidas; Falta de apoio para ajudar o investigador a fazer o “porquê” correto; Os resultados não são repetíveis: pessoas diferentes, utilizando os 5 Porquês chegam a diferentes causas para o mesmo problema; Tendência de isolar uma causa única, enquanto que cada pergunta pode suscitar muitas causas diferentes.
289
Cuidados Extras
causas identificadas no diagrama são, nesse momento, ”teorias” que as pessoas têm sobre as possíveis causas ◉ As
◉É
necessário testar essas teorias
◉Uma forma de testar é reunir evidências, geralmente com
dados ◉Outra forma mais adequada
é realizar experimentos
290
Exemplo 1
Nível de entendimento de um problema
Há uma poça de óleo no chão.
Nível da mudança correspondente
Limpe o óleo.
- Por quê há uma poça de óleo no chão?
Porque está vazando óleo da máquina. - Por quê está vazando óleo da máquina? Porque a junta se estraga fácil.
Troque a junta (temos várias em estoque)
- Por quê a junta se estraga fácil? Porque é a pior do mercado.
Compre melhores (e jogue fora as outras)
- Por que adquirimos a pior?
Porque fizemos um bom negócio com elas. - Por que é considerado um bom negócio a
compra de um item que dá problema no uso? Porque “Compras” é avaliado pela economia
Mude a política.
feita no momento da compra.
291
Exemplo 2
Nível de entendimento de um problema
Nível da mudança correspondente
O monumento de Rui Barbosa esta se Aumente a frequência da manutenção deteriorando mais rapidamente do que qualquer outro monumento no Rio de Janeiro. Por quê? Porque é limpo com mais frequência que os outros monumentos. Por quê? Porque tem mais dejetos de pássaros que os Espante os pássaros outros monumentos. Por quê? Porque tem mais pássaros em volta deste monumento do que dos outros. Por quê? Porque tem mais insetos, comida preferida dos Mate os insetos pássaros, em torno deste monumento. Por
quê? Porque a lâmpada que ilumina este monumento Mude a posição da lâmpada é diferente das outras e atraí mais insetos.
292
Cuidados! Você já viu RNC?
É muito comum encontrarmos os famosos de Relatório Não Conformidade (RNCs) em empresas auditadas pela ISO. E, neste relatório há um Ishikawa e uma análise dos 5 porquês para ser preenchida sobre a não conformidade encontrada.
Problema: muitas vezes, por motivo de prazo ou desinformação, as pessoas preenchem este relatório com teorias não testadas sobre o que eles acham serem as causas. Isto é errado. Uma investigação de causas como vimos, envolve testes, definição de hipóteses e muita investigação antes de preenchermos o RNC. Preenchê-lo em “30 minutos” causará um aumento de custos e perda de validade na análise.
293
Como a Toyota faz 5 porquês
O caso das parafusadeiras do acelerador e como os 5 porquês ajudaram no problema
A história é bem interessante, pois mostra que a realização dos 5 porquês em 30 minutos, como muitos consultores e auditores ISO pregam, é impossível. Se a empresa que criou a ferramenta leva meses para aplica-la, alguém que aprendeu recentemente não poderia conseguir fazê-lo em poucos minutos. O objetivo dos 5 porquês do exemplo era a resolução de um problema que ocorria devido a aplicação de um torque menor do que o necessário nos parafusos do acelerador dos carros da montadora. Devido a este problema, havia 55 carros parados no pátio a espera de retrabalho. O problema era bastante grave, pois quando a Toyota atinge um número máximo de carros com defeitos, pouco mais que 55, para-se a planta até que o problema seja resolvido e parar a planta, é prejuízo na certa. Yuri, um engenheiro da Toyota, começou 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 estações de trabalho. Esta investigação inicial ajudou Yuri a focar o seu objetivo: construir um processo no qual todos os parafusos são apertados da maneira correta e no tempo correto . Quando começou 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, já que em seu antigo emprego, os operadores utilizavam ferramentas sofisticadas que regulavam o torque necessário de maneira automática, parando de apertar quando o torque correto era alcançado. A ideia “ver e agir” foi realizar a compra de uma sofisticada parafusadeira automática para que todos pudessem apertar os parafusos sem problemas. Plano de ação embaixo do braço, Yuri foi apresenta-lo aos seus gerentes superiores. Em sua visão, todos iriam adorar e seu diretor iria ficar orgulhoso de tê-lo no time. Porém, seu diretor interrompeu sua apresentação e disse: “Tudo bem, eu vejo que você tem uma saída para o problema. Porém, você quer que eu compre novas parafusadeiras de $400 294
dólares para todos os funcionários da planta. Pois se você está dizendo que esta é a proposta de solução para este problema, é isto que teremos de fazer”. Pego no contrapé, Yuri começou a gaguejar e disse: “Não estou dizendo isto”. Seu diretor disse calmamente: “Então volte e pense mais no assunto. Isto não está bom”. Uma semana depois, Yuri voltou ao seu diretor e propôs uma nova solução. Ele havia descoberto que algumas parafusadeiras estavam muito velhas e por isto, muito fracas para alcançar o nível de torque desejado. Então, Yuri queria comprar mais parafusadeiras iguais a que a fábrica já tinha para utilizá-las como backup e para aposentar algumas das velhas. Então, ele apresentou sua solução e recebeu uma resposta abrupta de que não estava bom e que ele deveria continuar pensando no assunto. Depois da resposta negativa, Yuri se tocou que se a solução 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 mês, mas ele percebeu que estava indo na direção errada para resolver o problema, e seu diretor nunca tivera de dizer isto a ele. O diretor apenas dizia que não estava bom. Quando o Yuri estava tentando adivinhar o quando ele seria demitido, lembrou-se que havia aprendido no treinamento do Sistema Toyota de Produção os 5 porquês. Esta ferramenta deve ser utilizada toda vez que um líder Toyota precisa chegar à causa raiz. Quando se lembrou da ferramenta, Yuri percebeu que não tinha perguntando o porquê o número de vezes necessário. Depois desta reflexão, Yuri começou a perguntar o porquê mais vezes e acabou por descobrir três importantes causas fundamentais para os problemas na linha de produção. Primeiro deles era o baixo nível de treinamento que a equipe possuía. 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 alcançado. Mas a equipe não sabia disto. Yuri fez uma enquete com os operadores e descobriu que 40% deles não sabiam desta informação. A segunda causa estava no sistema de manutenção da parafusadeira. Os encaixes iam ficando fracos, mas ninguém os trocava antes que quebrassem de vez, mostrando que a manutenção preventiva era muito ruim. Depois de levantar esta causa, Yuri aproveitou e verificou a manutenção preventiva de outras ferramentas, descobrindo que também eram ruins. Já a terceira causa relacionava-se a um problema de projeto do produto, que ele descobriu ser bem complexo de resolver, já que teria de alinhar o assunto com o setor de engenharia e encaixá-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 manutenção das ferramentas. Depois de dois meses de investigação e aprendizado, Yuri conseguiu entender as causas fundamentais do problema. Todos os planos de ação elaborados antes eram ataques aos efeitos e não as causas. Agora, ele poderia elaborar um plano de ação assertivo que iria resolver o problema da maneira mais efetiva e barata possível. Para isto, Yuri começou por resolver o problema da falta de conhecimento dos operadores e treinou pessoalmente todos que utilizavam a parafusadeira. Yuri foi além do treinamento tradicional em sala de aula. Para garantir que cada membro da equipe tivesse as habilidades que precisavam, ele ensinou técnicas “ 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 padrões 295
de comportamento, o que era muito mais difícil do que incutir na cabeça do time o método de parafusar correto. Para o problema da manutenção, ele desenvolveu um sistema de gestão a vista chamado de quadro Kamishibai. Kamishibai significa storyboard . No Japão, os pais costumam pegar os livros infantis e reescrevê-los na forma de cartões. Utilizando estes cartões, os pais podem ler as histórias aos filhos à noite de maneira mais organizada, pois permite aos pais não repetirem histórias e retomarem as histórias no ponto em que pararam na noite anterior.
296
Desconexões Como encontrar os fios desligados do seu processo?
DESCONEXÕES
297
O que é uma desconexão?
O problema é: como saber se existem e como encontra -las!
Uma desconexão é um desvio, erro ou não conformidade que impede o alcance de uma situação desejada. Uma boa metáfora para entender este conceito é encará-lo como os “fios desligados” do processo. São as entradas e saídas faltantes, redundantes ou ilógicas que podem afetar o processo. Apesar do fácil entendimento, é sempre um desafio encontra-las. Qual a dificuldade de identificar que um elo de uma corrente está quebrado? Penso que não é grande. Agora, qual a dificuldade de identificar que há um fio desconectado no data-center da imagem? Não julgo que seja uma tarefa trivial. Tal qual neste data-center , uma empresa possui diversos processos, que nem sempre estão documentados e tem seus procedimentos para sua execução respeitados. Diante disto, para localizá-los faz-se necessário a elaboração de um SIPOC, depois de um fluxograma e por fim, uma análise detalhada deste fluxograma para que a equipe possa lograr êxito com a atividade. Sem que estes passos sejam seguidos, fica complexo e difícil encontrar as desconexões.
298
E como encontrar as desconexões?
Saídas • Está produzindo alguma saída desnecessária? • Está deixando de produzir saídas para os clientes adequados?
• Está deixando de atender expectativas de qualidade dos clientes? de prazo?
• Está deixando de atender expectativas internas de produtividade? de custos?
Entradas
• Está deixando de receber alguma entrada
necessária? • Está recebendo alguma entrada desnecessária? • Existem entradas chegando de fornecedores errados? • Existem entradas deixando de atender expectativas de qualidade, prazo, custo ou produtividade?
Atividades
• Estão sendo realizadas na hora certa no processo?
• Estão sendo realizadas pelas áreas/pessoas certas?
• Estão criando gargalo? • Agregam valor para o cliente?
• Apresentam redundância? • É um ponto de inspeção ou de decisão? • Apresentam ciclos de retrabalho?
• Estão sendo executados no tempo programado?
Após a elaboração do SIPOC e do Fluxograma, a equipe de melhoria deverá debruçar-se neste material e aplicar o checklist para localizar as desconexões de saídas, entradas e atividades. É importante passar por cada uma das saídas e entradas listadas no SIPOC realizando todos os passos do checklist . Uma história muito famosa sobre a aplicação desta ferramenta, foi um projeto realizado numa fábrica de camisinha. Durante a realização do projeto, a equipe de melhoria estava a analisar as entradas e de repente, ficou surpresa ao descobrir que leite em pó era utilizado como insumo no processo da fabricação de camisinha. Intrigados, os consultores perguntaram: isto é realmente necessário? Ninguém sabia explicar. Alguns falavam que sim, outros que não, mas ninguém sabia realmente sobre o assunto. Diante disto, o consultor sênior lançou mão de um PDSA para testar a real necessidade. Rodados os testes, verificou-se que o produto não sofria qualquer problema de qualidade, ao se retirar o leite em pó da fórmula. Risadas a parte, o projeto ajudou a reduzir o custo de maneira significativa e assim, entrou para a história como o caso mais peculiar de aplicação da ferramenta de desconexão. A desconexão era: leite em pó na fórmula, já o tratamento: verificar, via teste, sua real necessidade.
299
Depois de encontra-las, como trata-las?
DESCONEX ES
SUGEST ES
Plano de ataque às desconexões
As desconexões e/ou oportunidades de melhorias identificadas durante o mapeamento do processo e suas respectivas sugestões de implantação, se surgirem, devem ser registradas numa Planilha de Desconexões. As sugestões desta planilha, será o seu plano de ataque as desconexões do processo que está analisando. Além disso, deve-se marcar no mapa do processo o ponto em que essa desconexão foi localizada, colocando uma identificação para ela num circulo, referenciando esse ponto na planilha, na frente de sua descrição. Caso alguma desconexão identificada possa ser alvo de um esforço de melhoria imediato, marque na planilha a pessoa ou grupo que ficará responsável por essa ação. Um estudo mais detalhado das desconexões também é recomendado e pode ser realizado pelo seguinte roteiro de 6 passos: Classificar as desconexões por tipo (exemplos: espaço físico, equipamentos, capacitação técnica, estrutura organizacional, normas e procedimentos, sistemas de informação, recursos financeiros etc) •
•
•
•
•
•
Coletar dados que evidenciem os maiores focos de necessidade de atuação no processo. Identificar as desconexões que tem maior impacto no alcance dos objetivos estratégicos e no atendimento das necessidades dos clientes. Essas desconexões serão base para priorização das melhorias. Identificar quais desconexões dependem exclusivamente do processo e quais dependem de outros processos para serem resolvidas. Analisar as causas dos “fios desligados”, ou seja, das principais desconexões. Algumas causas já são conhecidas. Outras exigem o uso de ferramentas apropriadas que serão vistas em mais adiantes, em outras disciplinas. Entre estas ferramentas, pode-se destacar o VSM, que mostra o fluxo de valor e o fluxo de informações numa só folha. 300
Desperdícios Como localizar e eliminar os 7 desperdícios
DESPERDÍCIOS
301
Desperdício (無駄): Toda a atividade que consome energia e recursos sem agregar valor ao cliente, ou seja, aquilo que fazemos, mas que o cliente não está disposto a pagar.
Para estudar desperdícios, é importante iniciarmos por sua definição.
302
Ouvir o cliente é um credo
Para a Toyota, líder mundial na aplicação da filosofia que busca a eliminação constante dos desperdícios, ouvir o cliente é algo importante. Por isto, a empresa vem aumentando ao longo do tempo o número comentários dos clientes. Em 2011, somadas Lexus e Toyota, receberam mais de 60 mil comentários de seus clientes. Isto mostra o quanto esta tarefa é importante.
303
Os 7 desperdícios
Parece simples... Entretanto, encontrar estas atividades pode ser difícil. Pensando nisso, vários autores experientes na prática do Lean listaram 7 desperdícios visuais, que podem ser facilmente identificados e quantificados em uma visita ao Gemba (chão de fábrica)
304
Os 7 desperdícicos clássicos
◉
Superprodução (excesso de quantidade)
◉
Espera
◉
Transporte (de material)
◉
Movimentação (de pessoal)
◉
Inventário (estoque)
◉
Defeitos
◉
Superprocessamento (excesso de funcionalidade)
305
Superprodução
Tipo de Desperdício
Definição
Exemplos
Causas
Mudanças
Programação puxada
Excesso de Produção
Produzir mais itens do que cliente necessita neste momento
Produzir mais para reduzir setups
Previsões incorretas
Redução de tamanho de lote
Setups demorados Nivelamento da carga
Processamento em lotes grandes
Erros no processo
Redução do tempo de setup TPM
306
Espera
Tipo de Desperdício
Espera
Definição
Tempo ocioso porque materiais, pessoas, equipamentos ou
informações não estão prontos
Exemplos
Causas
Mudanças
Produção Espera por peças
Sincronização do fluxo de
empurrada
trabalho
Espera pela inspeção
Trabalho desbalanceado
Implantação de células
Inspeção
Balanceamento nas etapas de carga/descarga
Espera por máquinas Espera por
informação Espera pelo reparo da
máquina
centralizada
Produção no takt time
Falta de prioridade TPM Falta de
comunicação
307
Transporte
Tipo de Desperdício
Definição
Movimento de Transporte
partes que não agrega valor
Exemplos
Causas
Movendo peças para
Produção em lotes
dentro e fora do estoque
grandes
Sistema puxado
Produção empurrada
Kanban
Estoque
Optimização de layout
Movendo material de
uma estação de trabalho para outra
Mudanças
Layout não funcional
308
Movimentação
Tipo de Desperdício
Definição
Exemplos
Causas
Mudanças
Área de trabalho
Movimentação
Movimento de
Procura por peças,
pessoas que não
ferramentas, desenhos, etc
agregam valor
Escolher material
desorganizada
5S
Itens faltantes
Quadro de ferramentas
Design ruim da
One-piece flow
estação de trabalho Área de trabalho sem segurança
Layout da estação de trabalho
309
Inventário
Tipo de Desperdício
Definição
Mais materiais, Inventário (estoque)
peças ou produtos disponíveis do que o Cliente necessita neste momento
Exemplos
Causas
Mudanças
Matéria-prima
Lead-times dos fornecedores
Kanban
Setups longos
Desenvolvimento do fornecedor
Produto em
elaboração Produto acabado
Suprimentos de
consumíveis Componentes
Lead-times longos
Papéis e formulários em processo
Fluxo contínuo (onepiece flow)
Redução de setup
Ordem no processamento
310
Defeitos
Tipo de Desperdício
Definição
Exemplos
Causas
Mudanças
Falha do processo Sucata Trabalho que
Defeitos
contém erros,
Retrabalho
Falta de carregamento da
retrabalho, enganos ou falta de alguma
Correção
peça
coisa necessária
Falha em campo
Processo em grandes lotes
Necessidade de
inspeção
Melhoria dos procedimentos Melhoria de projeto
Criação de poka-yokes
Instruções de trabalho insuficientes
311
Superprocessamento
Tipo de Desperdício
Definição
Exemplos
Causas
Mudanças
Preenchimento de folhas
Atrasos entre os processos
Linhas em fluxo
Sistema empurrado
Fluxo contínuo
Tolerâncias apertadas
Voz do cliente não
4Ps
demais
compreendida
Ferramenta ou peça de difícil manuseio
Layout ruim
Múltiplas limpezas das peças Esforço que não Excesso de processamento
agrega valor do ponto de vista do cliente
Design enxuto
312
Agora é sua vez...
◉ Ajude-nos a encontrar
os desperdícios
313
E agora?
314
E agora?
315
316
Análise Análise de de Valor Valor Avaliando Avaliando oo que que agrega agrega valor valor ee oo que que não não agrega agrega valor. valor.
ANALISE DE VALOR
O ponto de partida crítico para o pensamento enxuto é o valor e este, só pode ser definido pelo cliente final. Esse é o único valor que o cliente está disposto a pagar e, todas as outras atividades que não agregam valor realizadas para produzir o produto ou serviço, são desperdícios. Para uma análise de valor adequada, é necessário desenvolvermos a habilidade de reconhecermos e identificarmos o desperdício. E para isto, não basta apenas a aplicação das ferramentas que iremos mostrar a seguir. Você precisa ter coragem de chama-lo de desperdício e desejar realmente, eliminá-lo. Dizemos isto, pois é comum as pessoas sentirem-se desprestigiadas quando parte das atividades que executam são classificadas como “não agrega valor”. Assim, é importante entendermos que desperdícios aumentam os custos, não produzem benefícios e ameaçam nossos empregos. Não adianta pensarmos que ao mantermos atividades que não agregam valor, estamos a proteger nossos empregos. Não atuar diante do desperdício coloca em risco a sobrevivência da organização, o que poderá causar inúmeros problemas e dificuldades financeiras.
317
O O que que éé valor? valor? ◉ ◉
ÉÉ definido definido pelo pelo cliente; cliente;
◉ ◉
ÉÉ mutável mutável no no tempo tempo ee no no mercado; mercado;
◉ ◉
ÉÉ refletido refletido no no preço preçodo doproduto; produto;
Devemos Devemos desdobrar desdobrar nossos nossos processos processos com com base base na na sua sua definição. definição. ◉ ◉
318
Árvore de Valor
Atividade
Tipos
Ação
Detalhes
AV
NAV
Necessária
Desnecessária
Acerte o fluxo
Reduza
Elimine
Coloque as atividade em
Reduza essas atividades e
uma seqüência natural
sua interferência no fluxo de valor
Valor é o conteúdo inerente de um produto ou serviço, segundo o julgamento do cliente, refletido em seu preço de venda e demanda de mercado. O valor em um produto ou serviço típico é criado pelo fabricante por meio de uma combinação de passos, alguns dos quais produzem valor conforme percebido pelo cliente e outros que são meramente necessários devido à atual configuração do projeto e do processo de produção. O objetivo do pensamento Lean, dentro do Lean Six Sigma, é eliminar as atividades desnecessárias e preservar e aumentar aquelas que agregam valor para o cliente. A árvore de valor neste slide, mostra toda a sequencia de passos que deve ser realizada para a eliminação das atividades que não agregam valor. O primeiro passo, é classificar as atividades da seguinte forma: •
Atividade que agrega valor (AV) o
•
Atividade que não agrega valor mas é necessária (NAV) o
o
o
o
Atividade realizada para produzir um produto ou um serviço, mas que não adiciona valor sob o ponto de vista do cliente Podem ser separadas em três categorias São realizadas para direcionar ou apoiar as atividades que agregam valor (financeiro, RH, planejamento etc.) Foram incorporados ao sistema para:
o
Detectar erros, omissões e defeitos Corrigir erros, omissões e defeitos
o
Acomodar desperdícios no sistema como: demoras, tempos de espera, etc
o
•
Atividade necessária para produzir um produto ou um serviço e que adiciona valor sob o ponto de vista do cliente
Atividade que não agregar valor (NAV): podem ser simplesmente eliminadas 319
320
Como fazer uma análise de valor?
1. Liste os processos/passos 2. Classifique cada passo como AV, NAV necessário e NAV desnecessário 3. Preencha o Diagrama AV/NAV
Com um fluxograma em mãos, liste as atividades no Diagrama AV/NAV. Para cada atividade listada, informe seu símbolo, lembrando que o retângulo significada atividade, o losango decisão, o triângulo denota extração de dados, a meia lua é utilizada para o atraso, o círculo é usado como conector e o retângulo arredondado aplica-se ao início e final. Depois, é prudente informar a etapa do processo de cada atividade e ao final, nos cabe definir se aquela atividade agrega ou não valor. Se não agregar, é importante informar se ela é ou não necessária. Depois de preencher o Diagrama AV/NAV, vocês terão claro qual é o perfil das atividades do seu processo. Lembramos que para aquelas que não agregam e são desnecessária, é fundamental partirem para a eliminação. Este tipo de atividade deve ser eliminado o mais rápido possível, pois tais atividades só agregam custos.
321
Exercício! Classificar cada passo do processo como AV ou NAV. Propor um novo fluxo contendo somente as atividades que agregam valor. “ Um funcionário tem necessidade de viajar a trabalho e utiliza carro providenciado pela empresa. A empresa tem um departamento de transportes que providencia o veículo” 1.
Funcionário liga p/ setor de transportes para verificar a disponibilidade de carro da empresa na data
8.
Se sim, funcionário pede para reservar carro da frota, informando a data de uso e prontuário. Se não, funcionário pede para alugar um carro, informando a data de uso e prontuário Funcionário preenche solicitação em papel (tanto faz, para carro da frota ou alugado) Funcionário passa solicitação para superior carimbar e assinar Funcionário espera retorno da solicitação carimbada e assinada Funcionário envia solicitação para transportes Funcionário liga para transportes para informar que foi enviada a solicitação Transportes espera chegada da solicitação
9.
Transportes providencia o carro (da empresa ou alugado) p/ a data de uso
10.
Funcionário liga para Transportes na véspera para ver se “está tudo ok” Funcionário passa no transportes para pegar a chave e ticket combustível Funcionário pega o carro.
2.
3. 4. 5. 6. 7.
11. 12.
E aí? Matou a charada do processo de providenciar carro para viagem? O que você achou? O processo está enxuto ou tem muitas oportunidades para melhoria? E a burocracia, está em alta neste processo ou quase não aparece? Imagino que vocês viram a quantidade de oportunidades de realizarmos mudanças promissoras neste processo. E na sua empresa? Será que não tem oportunidade também? Eu aposto que sim hein... Note que só a última etapa agrega valor ao cliente.
322
Quer conhecer outra ferramenta? ECRS
Eliminar
Combinar
Reduzir
Simplificar
ECRS
Que tal uma ferramenta que te ajudará a analisar as atividades da sua empresa e ter ideias de mudanças? Com esta ferramenta, você conseguirá eliminar, combinar, reduzir ou simplificar as atividades, nesta ordem. Caso não possa eliminar uma atividade, porque é necessária ao cliente, pergunte-se sobre a possibilidade de combinar esta atividade com a próxima ou com a anterior. Não é possível? E reduzir? As vezes é possível reduzir uma atividade, como execução de setup, por exemplo. Não sendo, simplifique. Torne a atividade mais simples para que os riscos de erro sejam reduzidos com o processo ficando mais robusto.
323
E como estão as empresas?
Manufatura
Serviços
Se eu perguntar a você qual o percentual do tempo as organizações de manufatura e serviços, provavelmente vou ver algo como nos gráficos acima. Eles são resultado de uma pesquisa feita por Hines e Taylor no ano 2000, onde analisaram várias companhias quanto aos seus processos. A grande maioria das atividades desempenhadas por elas não agregavam valor ao cliente.
324
Análise do tempo Como identificar os tempos desnecessários no processo?
ANALISE DO TEMPO
O objetivo da análise de tempo é identificar passos do processo que adicionam custo e tempo sem adicionar valor. Esta técnica é aplicada para identificar focos de mudanças para melhoria de processos.
325
Como analisar o tempo?
Tempo de Espera Tempo de Atividades
Atividades em processos demandam tempo para serem executadas. “Não atividades” muitas vezes demandam um tempo em que valor não é agregado ao processo, mas que afetam custo e qualidade. Desta forma, os componentes do tempo de processo podem ser: Tempo de atividades •
Tempo de espera Em projetos de melhoria em que o objetivo é a redução do tempo de ciclo, a análise do tempo é fundamental para que a meta seja alcançada. Não há como reduzir o tempo de execução de um processo, sem a crono-analise. É por meio dela que será possível eliminar tempo de espera e reduzir o tempo de atividade. Você já parou para analisar como poderíamos analisar o tempo de uma viagem de avião? Qual o percentual de tempo o avião estará voando? E esperando? Dependendo da companhia e da aeronave, é comum encontrarmos rotas cujo tempo de espera e o tempo de atividade quase se igualam, já que o tempo de preparação entre os voos é de cerca de 45 minutos. Num projeto que participamos, tínhamos como meta reduzir o tempo de aeronave parada. Por meio da aplicação da análise de tempo, conseguimos chegar lá. •
326
E como fazer?
Passo a Passo 1.Tenha em mãos o fluxograma detalhado do processo 2.Identifique cada passo como AV, NAV necessário e NAV
desnecessário 3.Calcule a proporção de atividades em cada categoria 4.Meça o tempo de cada atividade
5.Calcule a porcentagem do tempo do processo que adiciona
valor sob a ótica do cliente 6.Escolha os passo que não agregam valor e os passos que consomem mais tempo como focos de mudanças
327
Poka yoke
Processo à prova de erros e falhas
POKA YOKE
O Poka Yoke surgiu nos anos 1960, quando Shigeo Shingo engenheiro industrial da Toyota, liderava a produção. Não havia um dia em que ele não se deparasse com falhas humanas, que resultavam em produtos defeituosos: e, por isso, não havia um dia em que não ficasse irritado. Diante disso, Shingo começou a desenvolver técnicas que, por vingança, chamou de Baka (“idiota”, em japonês) Yoke (“à prova de”), o que dispensa traduções. Aos poucos, porém, as técnicas foram aprimoradas, se provaram profundamente eficazes e ganharam aderência. Em 1963, um funcionário da Arakawa Body Company recusou-se a utilizar o mecanismo criado por ser ofensivo. Assim, o termo foi alterado para Poka- Yoke, que significa “à prova de erro" ou, mais literalmente evitando (yokeru) erros involuntários (poka). Idealmente, poka-yokes tem como missão garantir que as condições apropriadas existam antes de se executar uma etapa do processo, evitando a ocorrência de defeitos em primeiro lugar. Quando não for possível, poka-yokes agem como detetive, avisando o erro e permitindo que a equipe inicie a eliminação de defeitos no processo o mais cedo possível.
328
Exemplos de processos complicados
Vocês já 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 são à prova de erro, estes são criados para o erro. Operações arriscadas, como trabalho em altura e utilização de extensões, são 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
Definições Importantes
Defeito •
•
Resultado de um erro Exemplo: cartão esquecido no caixa eletrônico
Erros •
•
Acontecem quando as ações, não estão de acordo com as intenções Exemplo: esquecer o cartão do banco no caixa eletrônico
Falhas •
Resultado ou manifestação de um ou mais defeitos
330
Poka Yoke
Significado Á prova de erros ou de falhas
Objetivo
Eliminar ou prevenir a fabricação de produtos não conformes utilizando dispositivos ou sensores e assegurar que os mesmos estejam funcionando adequadamente
Tipos de Poka-Yoke
Preventivo (Error Profing): Elimina a possibilidade de ocorrência da falha ou defeito específico, através do projeto. Detectivo (Mistake Profing): Detecta a falha ou defeito, caso ocorra, e previne que a não-conformidade continue no processo.
Tornar fácil fazer certo e impossível fazer errado. Para mim, este é 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 prováveis. E, este tipo de projeto ou reprojeto é chamado de “à prova de erros”. Uma vez que os erros são predominantemente deslizes do subconsciente, “à prova de erros” é apropriada para a redução da probabilidade destes deslizes, ao invés de mudanças no comportamento consciente. Não podemos eliminar defeitos, erros e falhas, apenas fazendo exortações ou colocando inúmeros cartazes pela empresa. Os cartazes não vão reduzir seus erros e suas falhas, porque duvido que haja pessoas que queiram errar. Para mim, é o processo que facilita o erro. É isto que o poka yoke ataca. Quando o adotamos esta postura, podemos esperar alguns benefícios. São eles: •
•
•
•
•
•
•
•
Melhorar a qualidade (reduzir PPM e refugo); Tornar o processo mais fácil e capaz; Identificar na linha os dispositivos a Prova de Erros; Desenvolver ideias de dispositivos a Prova de Erros; Aumentar a Segurança no local de trabalho; Manter métodos de produção e inventário enxutos; Reduzir custos; Manter a satisfação do cliente.
331
332
Exemplos
Poka Yoke Preventivo
◉
Microondas não funciona com porta aberta; Moto não liga se estiver engrenada e com o pezinho abaixado; Boia da caixa d’água evita que água vaze da caixa; Farol dos carros se apaga quando a chave é retirada do contato
333
Exemplos
Poka Yoke Detectivo
◉
Indicador no painel dos automóveis, que indica que o motorista não está usando o cinto de segurança; Carros que emitem som ao abrir a porta quando o farol está aceso e o veículo desligado.
334
Como poderíamos evita -los?
Oportunidades para desenvolvermos Poka Yokes
Para desenvolver Poka Yokes, deve-se observar alguns princípios importantes: Controle na fonte, o mais perto possível da fonte dos defeitos; •
•
•
•
Estabeleça controles apropriados à severidade dos potenciais defeitos; Não exagere nos controles – se atenha ao método mais eficaz e mais econômico; Desenvolva cooperação entre operadores, técnicos e engenheiros;
Não atrase a melhoria com análise exagerada; Ao observar estes princípios, você conseguirá desenvolver Poka Yokes mais robustos e com maior probabilidade de funcionarem. E de todos eles, gostaria de atentar para o ultimo. Não se deixe paralisar pela perfeição. Já falamos sobre o assunto, mas é sempre bom reforçar este ponto. Se você gastar muito tempo, os defeitos irão acumular-se no final da linha. •
335
Métodos
Lembretes
Diferenciações
Restrições
Exibições
Lembretes: muitos erros são cometidos pelo esquecimento de fazer algo. Os lembretes auxiliam a recordação. Eles podem vir de muitas formas diferentes. Um aviso escrito, uma chamada telefônica, um checklist das coisas a realizar, um alarme, um formulário padrão ou a documentação das etapas a serem seguidas em um processo. Os lembretes são simples de fazer e fáceis de usar, mas exigem esforços conscientes para serem efetivos. Uma maneira de reduzir a necessidade do esforço consciente, é cadastrar seus lembretes nos aplicativos de celular e assim, força-los a avisar. Restrições: uma restrição delimita o desempenho de certas ações que conduzem a erros. Ter de remover o cartão instantâneo antes do dinheiro ser liberado é um exemplo de restrição. A restrição é o método mais desejável de “à prova de erros” porque normalmente não requer um comportamento consciente para ser efetiva na redução de erros. Um atributo importante de uma restrição efetiva é que a restrição delimita a ação indesejável enquanto não impede a ação desejável. Diferenciações: os erros podem ocorrer quando estamos lidando com coisas que parecem similares, ou realizando ações forem similares ou porque as instruções ou procedimentos são similares a outros que podemos ter usado em outra situação. Para reduzir os erros, devem ser adotadas etapas para ‘quebrar’ os padrões. Isto pode ser conseguido de diversas maneiras como código de cores, índices, uso de símbolos diferentes ou separação física de itens similares. Exibições: uma obviedade (coisa óbvia) fornece previsibilidade, sem a necessidade de explicações de como alguma coisa deva ser usada. Uma coisa óbvia traz uma incitação visual (ou de outro sentido) para as ações que devam ser realizadas. Ao vermos as dobradiças de uma porta, estamos aptos a determinar se ela abre para dentro, para fora ou se desliza. Se um processo ou produto pode ser projetado para levar o usuário a realizar as ações corretas, então menos erros ocorrerão.
336
Adivinhe a categoria
337
Adivinhe a categoria
338
Exemplos
339
Exemplos
340
Agora é sua vez
1. Nossa empresa vende arruelas em conjunto de 10 unidades. Como garantir que estes não saiam nem com arruelas a menos, nem a mais? 2. Na área de embalagem de produtos, frequentemente as colheres para dosagem de produto são esquecidas fora da lata. Como evitar isto ? 3. Normalmente o tempo é escasso e preparativos de viagem são sempre feitos na última hora às pressas. Como assegurar partida para uma viagem de negócios sem esquecer os itens essenciais na bagagem pessoal?
341
Tecnologia
Tecnologia como um meio de desenvolver mudanças
TECNOLOGIA
342
Só mais tecnologia resolve?
343
Só tecnologia adianta?
344
Tecnologia
Aplicação prática da ciência, incluindo equipamentos, materiais, sistemas de informação e métodos): Alguns aspectos:
Se bem empregadas, dão à empresa a oportunidade de grandes melhorias, aplicando o que os outros já desenvolveram; Requerem $ e tempo; É necessário testar em pequena escala p/ minimizar o risco; Como toda mudanças, sofrerá resistência das pessoas; É necessário ter plano de transição do velho para o novo.
Define-se tecnologia como a ciência de aplicação prática, incluindo equipamentos, materiais, sistemas de informação e métodos. Tecnologia pode ser usada para gerar mudanças de segunda ordem. Por exemplo, uma empresa de distribuição pode tentar uma mudança que usa automação para pegar e empacotar pedidos. Se aplicadas corretamente, as novas tecnologias oferecem às organizações a oportunidade de implementar grandes melhorias simplesmente aplicando aquilo que os outros têm desenvolvido. De qualquer forma, grande quantia de dinheiro e tempo são necessários para fazer acontecer uma mudança que envolva tecnologia especialmente numa indústria capitalista como a de manufatura. Em algumas situações, a mudança pode nem mesmo resultar em melhoria. Isso frequentemente acontece com empresas que implantam novas tecnologias, sem entender seus problemas a fundo. Entre 1985 e 1995, as empresas investiram mais de um trilhão de dólares em novos sistemas de informação. Estes sistemas têm criado oportunidades para a solução de problemas de qualidade, redução de custos e desenvolvimento de novos produtos e serviços. Porém, alguns questionaram, se eles têm resultado em melhorias de fato, ou se são apenas simples mudanças que só agregam mais custos ao processo. Um erro comum é considerar que melhoria se dá pela aquisição e uso de novas tecnologias. Ao tomar esta postura, alguns acabam deduzindo que a tecnologia resultará em uma melhoria, o que não é verdade, vide exemplos mencionados anteriormente. Para se ter vantagens com as novas tecnologias, os processos para representam conquistas tecnológicas relevantes dentro da organização deveriam ser colocados juntamente com os processos que trazem benefícios tecnológicos. Em certas situações, uma organização pode também conseguir se envolver durante os primeiros estágios do desenvolvimento de novas tecnologias. Isso pode ser feito pelo estabelecimento de parcerias com outras organizações ou permitindo aos desenvolvedores testarem a tecnologia na sua própria organização. A identificação de novas tecnologias começará respondendo à terceira questão fundamental do modelo de melhoria ( Quais mudanças podemos fazer que resultem em melhoria? ). Mas não podemos esquecer que outras duas questões do modelo ( O que nós 345
e Como sabemos se uma mudança é uma melhoria? ) deveriam também ser respondidas. Isso reduzirá a aquisição de tecnologia para fins tecnológicos em si, e não para fins de melhoria. As organizações poderiam determinar os modos de testar novas tecnologias em pequena escala, o que deve ajudar a reduzir o risco em trazê-las para a organização. Alugar ou fazer “leasing” de novos equipamentos, comprar pequenos lotes d e novos materiais e utilizar novos remédios em animais antes das pessoas, são exemplos de caminhos para testar novas tecnologias. Assim como qualquer outra mudança, o uso de novas tecnologias enfrentará resistência e outros problemas. Algumas pessoas encontrarão dificuldade em ter que mudar para usar novas tecnologias. Quando os computadores começaram a ser usados, algumas pessoas se sentiam mais confortáveis usando a máquina de escrever e os arquivos em pastas. Geralmente não é fornecido um treinamento adequado. Às vezes, quando é fornecido, pessoas arrumam uma desculpa para evitá-los. Para diminuir estes problemas, a gerência deveria ter um planejamento para ajudar estas pessoas na transição do uso de novas tecnologias. estamos tentando realizar?
346
Tecnologia
Cuidados nas mudanças que envolvem tecnologia:
Não automatize um sistema ruim: erros ocorrerão mais rápido e custo serão mais altos Reserve soluções tecnológicas p/ melhorar sistemas estáveis em vez de solucionar causas especiais; Concentre as mudanças nos gargalos Uma tecnologia não confiável é pior que nenhuma tecnologia
Não automatize um sistema ruim: as vezes, uma empresa acaba tentando automatizar um sistema com problemas. Isso apenas permite que erros sejam cometidos mais rapidamente. Nesse caso, o uso da tecnologia acaba sendo uma mudança de alto custo que não resulta em melhoria. Uma melhoria pode ser feita simplesmente com o reprojeto do sistema. Mudanças tais como: demonstração dos erros (más interpretações) e simplificação do formulário, minimização do número de “ handoffs”, e padronização do sistema, devem ser consideradas. Ciclos deveriam ser planejados para reprojetar o sistema antes que uma mudança que envolva automatização seja desenvolvida e testada. Reserve soluções tecnológicas p/ melhorar sistemas estáveis em vez de solucionar causas especiais: antes que seja desenvolvida uma mudança que envolva tecnologia, deveria ser compreendido se causas especiais afetam a variabilidade no sistema. Se o sistema acima foi estudado por pessoas na fábrica, elas podem descobrir que circunstâncias especiais foram a fonte de muitas das variações. Circunstâncias especiais podem incluir mudanças nos lotes de matérias-primas, substituição dos operadores, ou mudanças nas condições de operação. Embora os novos equipamentos pudessem aliviar o efeito dessas causas especiais, uma mudança a mais no custo efetivo poderia ser possível. Uma vez que as causas especiais foram identificadas e removidas, se for necessária redução adicional da variação, então será requerida uma mudança fundamental a mais. Somente, então, deveria ser considerado o uso de novas tecnologias. Concentre as mudanças nos gargalos: um “gargalo” numa organização significa qualquer momento onde a demanda por um recurso é maior que sua disponibilidade. Uma vez que o limite do sistema é definido pela capacidade no gargalo, mudanças deveriam ser direcionadas ao aumento do fluxo por meio daquele recurso. O uso da tecnologia para aumentar a capacidade nas áreas que não são gargalos, não resultarão no aumento da eficiência do sistema. Isso apenas resultará em maior tempo de espera no gargalo. Um hospital usou novas tecnologias para aumentar o fluxo de entrada dos pacientes. Isso não diminuiu o tempo total para os pacientes conseguirem seus quartos porque a saída dos pacientes era o gargalo no sistema.
347
Uma tecnologia não confiável é pior que nenhuma tecnologia: uma vez que uma mudança que envolva tecnologia é implementada, as pessoas acreditam em seu desempenho. A nova tecnologia deveria, consequentemente, ser completamente testada de forma a não deixar dúvidas sobre sua confiabilidade. Um GPS que não funcione direito, é pior do que nenhum GPS. Pois se você não o tivesse, iria buscar soluções alternativas para resolver seu problema, como comprar um mapa ou pedir auxílio à um amigo.
348
Nunca asfalte o caminho da vaca
Leia nosso texto sobre “pavimentar o caminho da vaca”.
349
Criatividade
Como desenvolver mudanças utilizando a criatividade
CRIATIVIDADE
350
O que é criatividade?
Criatividade Assunto complicado e confuso
No nível mais simples, "criativo" significa trazer à existência algo que não existia antes
Falando de uma forma simplificada, criatividade é a invenção de uma nova ideia. De onde vêm as novas ideias? Como fazer para conseguir mais ideias criativas? O modo que a mente humana trabalha é bem apropriado para produzir novas ideias – por ser criativa. Isso significa que a criatividade não é privilégio de algumas pessoas, mas é uma capacidade que todos possuem. Como então as pessoas podem desatar esta capacidade? A natureza da mente que é uma generosa fonte de criatividade, é também a força que impede a criatividade. Um modo de ver a mente, é como um sistema de informações autoorganizável. Conforme as percepções e experiências ocorrem, a mente tenta encontrar significado e ordem. Este processo organizacional utiliza padrões de pensamentos préexistentes para julgar o significado das novas experiências. O uso de padrões de pensamentos pré-existentes restringe fortemente as opções de mudança consideradas pelas pessoas. É uma das razões primárias que indivíduos ou grupos que não têm habilidades para melhorias, geralmente produzem ideias para melhorias que são “mais do mesmo”
351
Ideias criativas
352
Padrões
Os padrões normais de pensamento que ocorrem numa situação específica, têm uma lógica que foi estimulada com o passar do tempo. Uma vez que uma nova ideia não adquiriu ainda um padrão lógico para suportá-la, ela pode ser facilmente cancelada pela lógica mais bem desenvolvida dos padrões de pensamento pré-existentes. Dessa forma, uma ideia promissora pode ser esmagada antes que tenha a chance de ser aperfeiçoada em uma mudança que resultaria em melhoria. Uma pessoa pode facilmente imaginar as objeções lógicas que surgiram de outros. Exemplo: é comum que em reuniões do departamento de distribuição, alguém sugira preparar remessas antecipadas. Se Paulo, como Supervisor, não apoiar essas ideias, o risco de perde-las é grande. Para conquistar a criatividade, é necessário reconhecer e utilizar diferentes modos de pensamento
353
Modos de pensamento
Pensamentos
P e n s a m e n t o C r i a t i v o , que resulta em novas
ideias e possibilidades. P e n s a m e n t o P o s i t i v o Lógico, que se refere
a como fazer uma nova ideia funcionar. P en s a m e n t o N e g at i v o Lógico (Crítico) que
é focalizado em encontrar falhas lógicas numa nova ideia.
Todos os três modos de pensamento são importantes e têm um papel importante nas mudanças criativas que resultem em melhoria. Sem pensamento criativo, há risco de mudanças “mais do mesmo” (as mesmas coisas). Sem o pensamento positivo lógico , bons conceitos para mudança não resultarão em mudanças práticas, mudanças que funcionem para o sistema. Pensamento crítico é necessário para fazer vir à tona os problemas. Como discutido anteriormente, pensamento crítico é útil para revisar o sistema atual. É também particularmente útil durante o projeto de um teste para uma mudança. Quais poderiam ser os efeitos negativos da mudança? Como pode a mudança ser testada nas condições que poderiam acontecer estes potenciais efeitos negativos? Pensamento lógico positivo ajudará a desenvolver modos para superar essas dificuldades. Estes três modos de pensamento devem ser reconhecidos e gerenciados por equipes que estejam desenvolvendo mudanças. É geralmente melhor para um grupo comprometer-se com um tipo de pensamento por vez. Quando novas ideias para mudança estão sendo desenvolvidas, pensamento positivo lógico e criativo deveria ser usado. Isso permite que o pensamento lógico melhore o pensamento criativo em vez de reprimi-lo.
354
Como tudo isto funciona
Como estes três modelos de pensamento podem ser usados para desenvolver mudanças criativas de segunda ordem? Métodos para melhorar pensamento criativo, tem seus fundamentos em provocar novos padrões de pensamentos para gerar novas ideias para mudanças. Sem novos padrões de pensamento, pouquíssimas mudanças serão produzidas. Novos padrões de pensamento abrem uma variedade de mudanças que podem resultar em melhorias.
355
Como utilizar o pensamento criativo?
Criatividade Tempo
Preparo
Desafio
Força
Sonho
Foco
A seguir, citamos alguns métodos gerais para provocar novos padrões de pensamento: Ter tempo. Este é o método 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 maçã que caiu na sua cabeça quando ele estava sentado debaixo de uma árvore. 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 mudanças podem ser desenvolvidas . Pessoas são
frequentemente limitadas em desenvolver mudanças por limites implícitos ou explícitos. Para desafiar estes limites, comece a listá-los. Então, elimine-os ou expanda-os. Um dos limites listados por um grupo trabalhando na melhoria da prestação de serviços de uma lanchonete de um escritório, foi que a comida era sempre paga somente depois de selecionada. Quando o time desafiou este limite, começou-se a usar tickets pré-pagos. •
•
Atacar a solução (força).
Muitas vezes as mudanças sugeridas, são as mesmas, ou seja, são os atuais padrões de pensamentos. Faça uma lista de mudanças sugeridas e identifique o que elas têm em comum. Como no desafio dos limites, ataque os pontos comuns como impedimento para novas ideias. Um grupo trabalhando na melhoria da eficiência do processo de preenchimento de pedidos, examinou as mudanças que foram feitas. Embora algumas mudanças fossem satisfatórias, todas elas focalizavam a redução de trabalhos burocráticos dentro da organização. Uma revisão destas soluções resultou que os pedidos dos clientes fossem endereçados diretamente aos computadores da área de distribuição. Usar objetivos “não realistas” (sonho). Quando a forma com que as coisas são feitas
é inadequado para alcançar os objetivos, faça a pergunta: “O que poderia ser ..............? (Complete o espaço em branco com algum objetivo não realista). Isto ajuda as pessoas a abandonarem a atual maneira de pensar. 356
•
Foco na necessidade . Para qualquer produto ou serviço, articular qual é a necessidade
em comum, e então definir o ataque à solução, desconsiderando as opções atuais de produtos e serviços. Haverá muitas maneiras de casar as necessidades com os novos produtos e serviços. Por exemplo, uma empresa de paisagismo fornece o serviço de cortar grama. Depois deles articularem a necessidade de conservar a grama curta, criou-se a necessidade por este serviço, e eles começaram a experimentar um produto que diminuía o crescimento da grama. Isto quase eliminou o serviço de corte de grama. Quando novos padrões de pensamento são provocados, novas ideias para mudança surgirão. Estas ideias podem frequentemente trazer alguma forma de expressão, como exemplos, o desenho de um quadro, alguém contando uma estória ou representando-a. A representação de ideias é uma forma de compartilhá-las com os outros.
357
Continue aprendendo
http://ead.fm2s.com.br/curso/curso-de-criatividade-principios-e-abordagens/
358
Conceitos de mudanças Como desenvolver mudanças a partir dos conceitos
CONCEITOS DE MUDANÇAS
359
Os conceitos de mudança
Eliminar disperdícios Focar no produto ou
Melhorar fluxo de trabalho
serviço
Planejar sistemas e evitar erros
Otimizar
inventário
Conceitos de
mudança
Mudar o ambiente de trabalho
Genrenciar
variação
Gerenciar o Tempo
Incrementar
a Relação
Produtor / Consumidor
Extraído do Apêndice A do livro Langley, G. J., Moen,R. D., Nolan, K. M.,Nolan,T. W., Norman, C. L., Provost, L. P. Modelo de Melhoria . Mercado de Letras Edições e Livraria Ltda , Campinas, S.P, 2011. A – Eliminar Desperdício: Eliminar coisas que não são usadas. Eliminar entradas múltiplas de dados. Reduzir ou eliminar o uso de recursos excessivos. Reduzir controles dos sistemas. Reciclar ou reutilizar. Usar produtos substitutos. Reduzir classificações. Reduzir intermediários. Compatibilizar a quantidade ao necessário. Usar amostragem. Mudar alvos ou set points. B – Melhorar o Fluxo de Trabalho: •
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Sincronizar. Programar em processos múltiplos. Minimizar tráfego de mão-em-mão / tramitações. Aproximar fisicamente os passos do processo. Achar e remover gargalos. Usar automação. Suavizar o fluxo de trabalho. 360
•
•
•
•
Fazer tarefas em paralelo. Considerar pessoas como parte do mesmo sistema. Usar múltiplas unidades de processamento. Ajustar a picos previstos de demanda.
C - Otimizar Inventário: Compatibilizar estoque à demanda prevista. •
•
•
•
Usar sistemas que demandam (“puxam”). Reduzir escolhas de características. Reduzir marcas múltiplas dos mesmos itens.
D – Mudar o Ambiente de Trabalho: Dar acesso à informação às pessoas. •
•
•
•
•
•
•
•
•
•
•
Usar medidas apropriadas. Cuidar do básico. Reduzir aspectos desmotivadores do sistema de pagamento. Conduzir treinamento. Implementar treinamento cruzado. Investir mais recursos na melhoria. Focar nos processos essenciais e no propósito. Compartilhar riscos. Enfatizar consequências naturais e lógicas. Desenvolver alianças e relações cooperativas.
E – Incrementar a Relação Produtor / Consumidor: Ouvir os clientes. •
•
•
•
•
•
•
•
Treinar clientes quanto uso ao produto / serviço. Focar no resultado oferecido ao cliente. Usar um coordenador. Alcançar expectativas despertadas. Surpreenda com o “grátis". Otimizar nível de inspeção. Trabalhar com os fornecedores.
F - Gerenciar o Tempo: Reduzir tempo de set-up e de start-up . •
•
•
•
•
Definir tempo para usufruir descontos. Otimizar manutenção. Aumentar os tempos dos especialistas. Reduzir tempo de espera. 361
G - Gerenciar Variação: Padronização (criar um processo formal). •
•
•
•
•
•
•
•
Parar o tempering (intromissão no processo estável). Desenvolver definições operacionais. Melhorar previsões. Desenvolver planos de contingência. Distribuir produtos em graduações. Amenize a sensibilidade Tire proveito da variação.
H – Planejar Sistemas e Evitar Erros: Usar lembretes. •
•
•
Usar diferenciação. Usar restrições.
Usar referências formais I - Focar no Produto ou Serviço: •
•
•
•
•
•
•
•
•
Customizar em massa. Oferecer produto / serviço a qualquer hora. Oferecer produto / serviço em qualquer lugar. Enfatizar o intangível. Influenciar ou aproveitar as tendências da Reduzir o número de componentes. Disfarçar defeitos ou problemas. Diferenciar produtos usando dimensões da qualidade
362
Meios para Desenvolver Mudanças: Conceitos de Mudança
Como Usar os Conceitos de Mudança
Selecione um grupo geral que caracterize as mudanças que se deseja fazer e use os conceitos do grupo para provocar ideias específicas de mudança; Gere uma ideia de mudança
Qual a noção geral associada a ela? Qual conceito de mudança está associado? Use outros conceitos do mesmo grupo para explorar a geração de novas ideias;
Se um conceito é uma noção geral que está envolvida com uma ideia específica, o que significa “conceito de mudanças”? Um conceito de mudança é uma noção geral útil no desenvolvimento específico de ideias para mudança, que resultem em melhorias.
363
Paulo e a Distribuição
Pa ul o e s eu gr upo d o D ep art am en to de Distribuição tiveram dificuldades para desenvolver ideias adicionais para mudança a fim de melhorar o fluxo de trabalho. Um amigo que estava por dentro do dilema de Paulo, deu-lhe um livro. No apêndice, Paulo encontrou conceitos que poderiam ser usados para desenvolver ideias para mudanças. “Na verdade, havia um conjunto de conceitos no livro que t rat av a d e f lu xo de trabalho”. E le s en ti u q ue o s c on cei tos p ode ri am g era r al gum as i dei as p ara mudanças. No encontro seguinte, Paulo explicou aos membros do grupo o que faria e pediu-lhes para pensar positivamente nas mudanças que estavam sendo sugeridas. Ele começou apresentando o conceito de mudança “minimizar handoffs”. Imediatamente Mike disse que eles tinham a tendência de eliminar a coleta e embalagem de correspondência. O ut ro s p ont os e m c om um f or am s uge ri dos . Pa ul o começava a s en ti r-s e be m c om e ss a a bo rda ge m. E le te nt ou o ut ro c on ce it o: “aliviar o fluxo de trabalho”. Karen disse que eles poderiam diminuir o fluxo, começando 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 documentação a o m es mo t em po e m qu e o pe di do está sendo preparado”. Todo mundo riu porque John não costumava ser tão animado, mas eles todos concordaram com sua ideia. Paulo estava m ui to fe li z c om a reunião devido aos resultados positivos que ela gerou. Eles tinham começado a desenvolver um número de boas ideias para mudanças, tinham mais conceitos de mudanças a serem trabalhados. A possibilidade para melhorias parecia agora muito grande.
Paulo utilizou uma boa abordagem para usar os conceitos de mudanças. Inicialmente utilizou um grupo genérico “melhorar o fluxo de trabalho”, que caracterizava as melhorias que ele estava tentando fazer. Então usou alguns conceitos de mudança do grupo para provocar ideias específicas para mudanças. A abordagem de Paulo não é o único modo que os conceitos de mudanças possam ser usados. Uma ideia específica para uma mudança pode ser gerada primeiro (assim como a ideia de coletar e embalar o pedido), então pessoas poderiam perguntar qual a noção geral está sendo aplicada para gerar aquela ideia, a qual deveria conduzir ao conceito de mudança “minimizar handoffs ”. Novas ideias podem ser geradas do conceito de mudanças (por exemplo, aquela que a pessoa poderia completar todos os passos na distribuição para atender o pedido, ou que os clientes poderiam dar a entrada de seus pedidos em um computador). Outro conceito de mudança é o grupo genérico: “melhorar o fluxo de trabalho”, que poderia ser explorado para gerar outras ideias de mudanças. Um conceito de mudanças não é específico o bastante para uso imediato. Conceitos como “aliviar o fluxo de trabalho” e “diminuir manuseio” devem ser aplicados para situações específicas e então tornar-se ideias para mudanças. As duas maneiras sugeridas aqui para se usar os conceitos de mudanças são similares, e são baseadas na habilidade de ir para trás e para frente entre o geral (conceitos de mudanças) e o específico (ideias). Os exemplos descritos no apêndice demonstram o uso desta habilidade. Isto é muito importante se praticar quando é usado o conceito de mudanças
364
Conceitos de Mudanças
Como utilizar?
Selecionar um aleatoriamente e provocadas.
conceito de mudança ver quais idéias são
“Disseminação de e-book Mudanças” para aprender todos os diferentes conceitos de mudanças e algumas ideias para serem usadas. Estudar
o
Copiar uma ideia específica nos exemplos dados para cada conceito de mudança do ebook, se eles forem aplicáveis a sua situação .
Conceitos de mudanças podem ser usados para estimular tanto pensamentos críticos como criativos. Os conceitos de mudanças dividem-se em categorias como “melhoria do fluxo de trabalho”, “foco nas variações” e “processo à prova de erros”. Para você refletir o que está errado com o sistema atual, tem que ter em mente que alguns conceitos de mudanças melhorarão a qualidade e quantidade das mudanças que você desenvolveu. Pensamentos criativos podem ser estimulados se certos conceitos de mudanças são selecionados (talvez mesmo os aleatórios) e usados como estimuladores. Muitos dos conceitos de mudanças no e-book podem já ser familiares para você. Podem haver outros conceitos que serão novos. Os conceitos de mudanças listados não têm o objetivo de serem originais ou completos. O mais importante é que a lista possa servir como uma simples referência e outros conceitos possam ser adicionados. A taxa de melhoria será aumentada, assim como as pessoas não somente usarão os conceitos de mudanças, mas também desenvolverão e documentarão novos conceitos. Alguns dos novos conceitos poderão provar serem mais úteis em uma área particular, como por exemplo na área de Saúde e Educação.
365
Que mudanças podemos fazer para melhoria?
O primeiro passo para responder essa questão é desenvolver uma ideia para possível mudança . A ideia pode vir de um pensamento crítico sobre o sistema atual, da tecnologia, do pensamento criativo, ou do uso dos conceitos de mudança, do guia que está descrito no ebook. O próximo passo é testar a ideia.
366
Correlação: associação entre variáveis Como correlacionar variáveis de entrada com as de saída
CORRELAÇÃO
Frequentemente é desejável determinar se existe uma relação ou associação entre duas variáveis. Por exemplo, uma vez que um diagrama de causa e efeito tenha sido desenvolvido para identificar causas potenciais que tenham impacto em uma característica de qualidade de um processo, a relação entre as causas e as características de qualidade têm que ser estudadas. Os resultados desse esforço devem ajudar a determinar qual ação poderia ser tomada no processo.
367
A relação entre as variáveis
Temperatura
Umidade
Precipitação
Pressão Atmosférica
Vento
Nuvens
Quais fatores influenciam no clima?
Como prever as condições climáticas? Como saber se uma chuva se aproxima ou se a próxima estação será mais seca? Para isto, precisamos estudar o clima. E o que significa estudar o clima? Encontrar quais as variáveis do clima que afetam o comportamento do clima futuro para podemos prever a próxima condição climática. Um exemplo bastante conhecido é a relação entre pressão atmosférica e chuva. Se a pressão atmosférica cai, é sinal de que vem chuva por aí. Por que? Porque a densidade do ar se reduz com o aumento da umidade e um fluído menos denso irá exercer menor pressão. Por meio desta correlação, conseguimos prever que a chuva está a caminho quando nosso barômetro apontar uma queda na pressão. E como utilizar este conceito para entender melhor os processos?
368
A relação entre as variáveis
X1
X2
X3
X4
X5
Y Como estimar Y?
É comum nos depararmos com problemas semelhantes ao do clima, mas no contexto dos negócios. Quem nunca se viu desafiado por uma meta, mas ficou perdido na hora de elaborar um plano de ação para entender o que fazer para chegar a meta? Quais fatores nós podemos atacar que vão impactar em nossa meta? Quais são os itens de verificação, ou variáveis de inputs e de processos que poderão impactar nosso item de controle ou variável de output? É para isto que a relação entre variáveis serve. Ela nos ajuda a entender o que temos de fazer para chegarmos ao resultado desejado.
369
Sistema de causas
Como mencionado, a relação entre variáveis tem por base ajuda-lo a encontrar quais são as causas, em termos de fatores, que estão levando-o a obter o resultado atual. A causa para um não venda, pode ser uma distorção no tempo de ligação depois que o cliente manifesta o interesse na compra. Ou ainda, no preço cobrado ao interessado. Com a análise de relação, será possível entender qual é ou quais são as variáveis que se alteradas, vão melhorar seu resultado. Pela sua importância, vamos abordar a seguir várias técnicas estatísticas para que você consiga entender a relação entre a variável de interesse e as variáveis que influenciam no seu comportamento.
370
E como fazer?
Para começar as análises, classifique as variáveis sob dois aspectos: A variável é Y ou X?
Y: Variáveis de saída do processo cujo comportamento você quer explicar e obter um modelo. Nomenclatura: variáveis resposta, variáveis dependentes ou itens de controle X: 1) Variáveis de processo ou de entrada, candidatas a explicar o comportamento das variáveis resposta. Nomenclatura: variáveis explicativas, variáveis independentes, fatores, itens de verificação; 2) Variáveis de estratificação
A variável é numérica ou categórica?
Antes de começar qualquer análise é importante classificar as variáveis sob dois aspectos: se é dependente ou independente, e se é numérica ou categórica. Estas duas classificações são fundamentais para definirmos qual tipo de ferramenta estatística utilizar para analisar a relação entre as variáveis. Se não adotarmos o estudo adequado, não conseguiremos avaliar corretamente a existência de uma relação. E, sendo assim, não saberemos em qual variável independente focar para alcançarmos a meta desejada.
371
E como fazer?
Em seguida: Identifique a técnica a ser utilizada na tabela abaixo:
Y numérica •
X numérica
•
•
X categórica
•
Gráfico de dispersão Gráfico de dispersão estratificado Dot-plot estratificado Gráfico de Tendência estratificado
Y categórica
•
•
•
Tudo isso, só que invertido
Tabela de contingência Gráfico de barras
Após definir qual o tipo de variável, deve-se escolher qual técnica estatística será utilizada para analisar a relação dos dados. De acordo com a tabela, é possível encontrar as técnicas disponíveis para analisar a relação entre x e y numéricas, x numérica e y categórica, x e y categóricas e x categórica e y numérica. É interessante notar que os tratamentos para x categórica e y numérica, e x numérica e y categórica, são os mesmos, porém apenas invertidos.
372
Relação entre variáveis X numérica e Y numérica Como analisar a relação entre duas variáveis numéricas
373
Imagine o cenário
A satisfação dos projetos desta empresa dependem do atraso? Projeto 1 2 3 4 5 6 7 8 9 10 11 12
Dias de atraso -3 -6 -1 0 4 5 9 11 19 12 -5 -6
Índice Satisfação 3.90 3.42 3.10 2.95 1.83 2.25 1.92 3.15 2.85 3.00 2.64 3.96
Projeto 13 14 15 16 17 18 19 20 21 22 23 24
Dias de atraso -8 8 -15 -15 10 -11 11 -13 4 0 10 -7
Índice Satisfação 3.91 3.57 4.40 4.63 2.98 4.11 1.83 4.57 2.92 3.70 2.63 4.51
É muito comum em empresas que trabalham com projetos, a tentativa de sempre melhorar a satisfação dos clientes. Para isto, busca-se sempre entender qual variável possa ajudar a empresa, a entender o índice de satisfação dos clientes com um projeto. Em uma entrevista, alguns clientes reclamaram do atraso e assim, a empresa decidiu entender se havia relação entre o índice de satisfação com o número de dias de atraso em que o projeto era entregue. Os dados da pesquisa estão disponíveis na tabela e para analisa-los, precisamos começar pela classificação das suas variáveis. Neste caso, a variável x é “dias de atraso” e sua classificação é numérica. Já a variável y, ou seja, a variável resposta que estamos tentando impactar é o índice de satisfação, que também é numérico. Portanto, temos uma relação entre Y numérico e X numérico, que pela tabela do slide 6, deve ser avaliada por meio de um gráfico de dispersão.
374
Gráfico de Dispersão
GRÁFICO DE DISPERSÃO
Por meio do gráfico de dispersão, é possível verificar uma relação entre os dias de atraso na entrega do projeto e seu índice de satisfação. Quanto mais atrasado o projeto, pior o índice. Com isto, aprendemos que se a meta da empresa for melhorar o índice de satisfação, devemos trabalhar forte para melhorar o processo de realizar projetos no que tange o tempo de entrega. Se a meta for manter um índice de satisfação maior ou igual à 4, teremos de entregar os projetos 10 dias antes da data que entregamos hoje. Ou seja, precisaremos acelerar o processo de execução de projetos, pois o cliente só ficará muito satisfeito se nossos prazos diminuírem. O gráfico de dispersão, técnica utilizada neste exemplo, é uma representação gráfica da associação entre pares de dados. Esse emparelhamento de dados é o resultado da associação de diferentes medições de uma certa causa (por exemplo, atraso) com a medição correspondente da característica de qualidade (por exemplo, satisfação). Os dados emparelhados podem também ser medições de duas causas (por exemplo, atraso e escopo), ou duas características de qualidade (satisfação e custo). Cada par se torna um ponto do gráfico de dispersão.
375
Como avaliar o gráfico de dispersão
Aspectos a serem observados em m Gráfico de Dispersão n n n
Direção Forma Força
Um gráfico de dispersão pode revelar relações importantes entre certos parâmetros, o que pode ajudar nas tomadas de decisões em um processo. Ele também pode indicar que não existe relação entre uma causa e uma característica de qualidade, o que poderia resultar em uma causa sendo eliminada de um diagrama de causa e efeito. Há vários tipos de associações entre parâmetros que podem ser demonstradas pelo gráfico de dispersão. A relação pode ser positiva ou negativa (quando um cresce o outro decresce), fraca ou forte, linear ou não linear.
376
Correlação linear
Sem correlação
Correlação positiva forte
Correlação negativa forte
Correlação negativa média
Correlação positiva média
377
Gráfico de Dispersão Estratificado
Gráfico de Dispersão: Espessura vs Pressão Maquina A B
25
20
a r 15 u s s e p s E 10
5
0
65
70
75 Pressão
80
85
Se há variáveis de estratificação, é geralmente útil fazer o gráfico de dispersão estratificado para verificar se o padrão encontrado no conjunto de dados se repete em cada estrato. Neste exemplo, em cada máquina.
Ao se preparar um gráfico de dispersão deve-se considerar o uso de estratificação, a classificação dos dados em grupos por alguma característica comum. Às vezes a relação entre os parâmetros não é evidente quando todos os dados são considerados, mas quando os dados são agrupados e plotados separadamente, a relação se torna mais clara. Os dados podem ser estratificados por máquina, operador, dia da semana, ou mesmo geograficamente. O slide mostra uma situação na qual a estratificação dos dados resultou em mais informação sendo obtida do gráfico de dispersão. Pela estratificação por máquina, uma relação linear negativa se torna clara quando a Máquina A está sendo usada. A relação também é negativa quando a Máquina B é usada, mas é diferente da relação entre os parâmetros para a Máquina A. As razões para esses resultados diferentes devem ser estudadas.
378
Gráfico de Dispersão Estratificado
Há relação par a cada for necedor mas não há no total
Não há relação para cada fornecedor mas há no conjunto
Por meio da análise do gráfico de dispersão estratificado, é possível comparar se a força para romper está relacionada a rigidez e, se há diferença entre os fornecedores (estratos da análise). No primeiro gráfico, não há relação total, mas quando estratificamos por fornecedor, a correlação aparece. Se o fornecedor deseja aumentar a força para romper, ele deve aumentar a rigidez, Já no segundo gráfico, acontece exatamente o contrário. Se o fornecedor A deseja aumenta a rapidez para romper, não conseguirá captar a correlação entre rapidez e rigidez analisando apenas seus produtos, assim como o fornecedor B. Entretanto, se analisarmos esta relação no conjunto, veremos que ela é presente. Deste modo, quando analisamos correlação com dados estratificados, diversas situações podem ocorrer. E, entender qual situação esta ocorrendo em nossa análise, nos dirá o qual a relação entre a variável Y e a variável X. Dentre as relações, podemos descrever algumas: Existe correlação no geral, e em cada estrato e a direção é a mesma
Existe correlação no geral, e em cada estrato e a direções são diferentes Existe correlação no geral, mas não em cada estrato Existe correlação em cada estrato, mas não no geral Outras
379
Será que o investimento por aluno influência no % de alunos formados?
Algumas vezes se supõe que o desempenho de uma escola poderia ser melhorado se os salários dos professores fossem aumentados ou se uma parcela maior da verba da escola fosse gasta com salários de professores. E aí, é possível dizer isto por meio do gráfico?
380
Será que o investimento por aluno influência no % de alunos formados?
Há relação pontuação no SAT com o salário médio do processo por Estado
Não há relação entre a taxa de estudantes se formando e o salário dos professores
A figura mostra dois gráficos de dispersão que não apoiam esse ponto de vista. Ambos os diagramas estão estratificados por estados que exigem testes de competência dos alunos e aqueles que não exigem tais testes. De acordo com os gráficos de dispersão, nenhum desses fatores desempenha um papel importante no sucesso da escola, conforme medido pelas pontuações SAT e taxas de graduação.
381
Correlação x Causalidade
Relação entre N. de Doentes Mentais e N. apar. de r ádio 26
22 is at n e m s
18 te n e o
Rádios causam loucura? d e d
14 o r e m ú N
10
6 0
2000
4000
6000
8000
10000
Número de aparelhos de rádio (emmilhões)
Veja os dados coletados entre os anos 1920 e 1935 relativos ao número de aparelhos de rádio e número de doentes mentais por 100.000 habitantes na Inglaterra. E aí, o que podemos concluir desta análise? Quanto maior o número de aparelhos de rádio maior o número de doentes mentais. Será que aparelhos de rádio causam doenças mentais? Precisamos acabar com os rádios? Calma, não nos precipitemos. Correlação não implica causalidade. Duas variáveis podem estar correlacionadas devido a:
A variável X é causa direta da variável Y A variável Y é causa direta da variável X A variável X contribui para a variação em Y, mas não é a única causa Outras variáveis podem estar provocando a correlação Ambas as variáveis estão mudando com o tempo
A associação não passa de coincidência Em estudos observacionais não se pode atribuir relação de causa e efeito a variáveis correlacionadas. Para atribuir relação de causa e efeito, é preciso realizar experimentos planejados. Sem isto, estaremos correndo risco de tomarmos relações que não passam de mera coincidência. Hoje, na era do Data Mining este risco é bastante grande.
382
Máquina de correlações
Link
No Google Correlate , você pode analisar a relação entre termos de busca. Sim, o Google faz exatamente isto para você. 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 gráfico de dispersão e uma lista dos termos de busca com um maior índice de correlação com as buscas por desemprego. Pelo estudo, o termo com maior correlação é seguro desemprego. Será que desemprego é causa direta da pesquisa pelo seguro desemprego? Na minha percepção, neste caso faz sentido atribuirmos uma causalidade nesta correlação. Porém, o terceiro termo que mais se correlaciona é o "você sabia" e o sétimo é "quebrando a cara". E aí? Será que são a correlação de 0,7722 entre desemprego e você sabia tem uma relação de causa? Ou será que é mera coincidência? Para mim, neste caso está mais para coincidência do que para uma relação causal.
383
Outras correlações estranhas
E agora? Você sabia que doutorado em matemática tem forte correlação com a quantidade de uranio estocado nas usinas de energia nuclear dos Estados Unidos? E os filmes do gótico Nicolas Cages? Sabia que eles têm forte correlação com o número de pessoas que afogam depois de cair na piscina? É caros leitores. Acho que vocês não sabiam que em nosso curso de Green Belt tratávamos de correlações sobrenaturais na fase do Analyse. Brincadeira à parte, colocamos estes exemplos para que você tenha noção de que causalidade se difere da correlação puramente matemática.
384
Resumo: gráfico de dispersão
Agora, gostaríamos de saber se você aprendeu sobre gráfico de dispersão. Por isto, respondam:
O que são?
Quando utilizar? Quando estratificar?
Os gráficos de dispersão são usados para examinar a associação entre duas medidas. As medidas podem ser características de qualidade, medidas de processo ou variáveis causais. Ele é uma das mais poderosas ferramentas para se investigar relações e associações entre pares de variáveis de processo. Os gráficos de dispersão nos permitem enxergar padrões fora do comum, dados afetados por causas especiais e agrupamentos interessantes de pontos de dados. Se existir uma associação entre uma característica de qualidade e uma variável causal, isso não significa que exista necessariamente uma relação de causa e efeito. A relação pode ser devida a outro parâmetro que esteja associado a cada um dos parâmetros estudados. Se não existir nenhuma associação em um gráfico de dispersão, isso não significa que os dois parâmetros não estejam relacionados. É possível que uma causa comum ou que uma causa especial de variação esteja mascarando a associação para a amplitude de dados estudada. Em alguns casos um simples teste de associação entre as variáveis no gráfico de dispersão pode fornecer uma confirmação para as conclusões obtidas após uma inspeção visual. A estratificação pode ser usada para aprimorar um gráfico de dispersão. Os dados são estratificados plotando-se símbolos diferentes para grupos diferentes de dados no gráfico de dispersão. Algumas vezes a relação entre parâmetros não é evidente quando todos os dados são considerados, mas quando os dados são agrupados e plotados com um símbolo diferente a relação se torna mais clara.
385
Agora é sua vez...
Colete dados sobre a altura, peso e idade das pessoas em sua classe. Colete também informações sobre outra variável para estratificar os dados. Preveja relações para essas características . Desenvolva gráficos de dispersão para cada par de variáveis. Identifique os níveis da estratificação com símbolos diferentes.
386
Associação entre variável Y numérica e X classificatória Como analisar a relação entre uma variável numérica e uma classificatória
387
APOSTILA DE GREEN BELT Certificação Lean Six Sigma FM2S
FM2S Certificação Lean Six Sigma Green Belt
SUMÁRIO Introdução ao Six Sigma ............................................................................................................................... 4 A era dos artesãos ...................................................................... .............................................................. 6 A era das fábricas e o Taylorismo ........................................................... .................................................. 7 Fordismo ..................................................... ................................................................. ............................. 9 Nasce a melhoria de processos ................................................... ........................................................... 11 Os Conceitos Fundamentais Fundam entais da Melhoria ............................................................. ...................................... 15 O Saber Profundo .................................................................................. ................................................. 16 Como implementar o saber profundo .............................................................. ...................................... 19 Conceito fundamental .......................................................................................... ...................................... 21 As três questões fundamentais ................................................... ........................................................... 23 O que queremos realizar? ...................................................................................................................... 25 Como saberemos se a mudança é uma melhoria .................................................................................. 29 Definição de melhoria ............................................................................................................................ 39 Tipos de indicadores ......................................................... ................................................................. ..... 42 Que mudanças 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 Árvore 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 comunicações .............................................................. ........................................................... 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 Definição operacional ......................................................................................................... .............. 135 Tipos de variáveis .............................................. ................................................................. .............. 139 Melhorando a coleta de dados ........................................................... .............................................. 143 Variáveis de estratificação ................................................................. ............................................... 146 Análise de variação var iação ....................................................... ................................................................. ... 149 A voz do processo ......................................................... ................................................................. ... 153 Gráfico de tendência ........................................................................................................................ 154 Gráfico de frequência ........................................................................ ............................................... 165 Dot plot .............................................................. ................................................................. .............. 168 Histograma ....................................................................................................................................... 169 Medidas de localização e variação vari ação ..................................................................................... .............. 171 Box plot............................................................................................................................................. 180 Gráficos de barras ba rras e setores (pizza) .............................................................. .................................... 185 Gráfico de pareto.............................................................................................................................. 188 Distribuição normal .......................................................................................................................... 196 Probability plot ................................................................................................................................. 205 Transformação de variáveis ................................................................ .............................................. 210 Gráficos de controle ......................................................................................................................... 217 Análise de capabilidade capabil idade ........................................................... ......................................................... 241 Usando os indicadores de capabilidade .................................................................. ......................... 258 Resultados do measure ................................................ ................................................................. ... 261 Resumo measure .......................................................................................... .................................... 267 Analyse ................................................................................................................................................. 268 Diagrama causa efeito ....................................................................... ............................................... 279 Os 5 porquês...................................................... ................................................................. .............. 287 Desconexões...................................................... ................................................................. .............. 297 Desperdícios ................................................................................................. .................................... 301 Analise de valor ................................................. ................................................................. .............. 317 ECRS ........................................................ ................................................................. ......................... 323 Analise do tempo .......................................................... ................................................................. ... 325 Poka yoke ......................................................................................................................................... 328 Tecnologia ........................................................................................................................................ 342 Criatividade....................................................................................................................................... 350 Conceitos de mudanças ........................................................... ......................................................... 359
2
Correlação ........................................................................................................................................ 367 Gráfico de dispersão di spersão ..................................................... ................................................................. ... 375 Tabela de contingência ............................................................ ......................................................... 390 Planejamento de experimentos ........................................................................................................... 399 Experimento fatorial ........................................................................................................... .............. 411 Improve ................................................................................................................................................ 446 Teste de mudanças ....................................................... ................................................................. ... 448 Como testar mudanças ............................................................ ......................................................... 455 Matriz de priorização ............................................................... ......................................................... 463 Control ........................................................ ................................................................. ......................... 466 Abordagens da implementação........................................................................................................ 468 Plano de implementação ......................................................... ......................................................... 470 Encerramento ........................................................ ................................................................. .............. 484
3
Um pouco de
história
De onde vem as teorias que trabalhamos hoje?
5
A era dos artesãos – até século XVII
◉
O artesão controla todo o processo de produção dentro do escopo de seu
ofício ◉
◉
Cada peça produzida é única O processo é passado adiante de mestre para aprendiz
◉
Não existem padrões
A ERA DOS ARTESÃOS Durante a maior parte da história humana, desde que se começou a produzir bens de consumo até a época da revolução industrial, a produção foi conduzida no sistema de “artesanal”. Cada artesão possuía o seu ofício e o passava, de maneira tácita, para o seu aprendiz. O ensino era prático: não havia métodos e padrões, todo o conhecimento era passado adiante adiante por meio do contato contato mestre-aprendiz. Além disso, o artesão controlava as atividades de produção de um bem dentro de seu ofício. Por exemplo, o criador de gado produzia peles, o curtidor, transformava a pele em couro, o sapateiro transformava couro e madeira em botas. Cada trabalhador produzia um produto. Cabia ao sapateiro saber quais couros escolher, como conforma-los, como aderi-los à sola da bota e qual seria o uso que o cliente daria, ao bem b em produzido por ele. Cada um destes distintos tipos de artesãos também trabalhava em espaços separados. Não havia uma grande fábrica com diversos trabalhadores, apenas algumas corporações de ofício em que alguns artesãos trabalhavam juntos. Uma empresa não controlava a totalidade da transformação das matérias-primas em produto acabado. Em outras palavras, a divisão do trabalho era social, focada nas atividades de todos os indivíduos, não manufatureira, focada no produto final. Com a revolução industrial e a criação de fábricas que reuniam diversos trabalhadores especializados (note que nas fábricas modernas um trabalhador isolado não é capaz de produzir um produto sozinho), o sistema das corporações de ofício chega ao seu derradeiro destino. É preciso integração do trabalho de cada um. Tornam-se necessários processos, padrões e procedimentos, ou seja, a interação homem-máquina agora é regulada por um conjunto pré-determinado de passos. É preciso um sistema de comunicação e ensino melhor do que o existente, pois um operador experiente, já não é mais capaz de produzir um produto. A mudança da divisão social do trabalho para uma divisão manufatureira mudou a maneira de se conduzir a produção pela primeira vez, em milênios.
6
Vários autores renomados, como Adam Smith e Jean-Baptiste Say, já haviam publicado vasto material pregando a necessidade da melhoria da produção. O que Taylor fez foi, no momento certo, popularizar esse método. O Taylorismo é sempre considerado uma faca de dois gumes. Ele é extremamente positivo, pois abre ao mundo a ideia de melhoria de atividades (o que eventualmente evolui em melhoria de processos). Mas, apresenta vários problemas graves: foco no aumento da quantidade produzida; depende muito do gerente e não respeita o trabalhador, uma vez que lhe atribui o papel de máquina, deixando ao gerente toda a responsabilidade de pensar e melhorar o processo. É deste período a inspiração do maravilhoso filme “Tempo Modernos” de Charlie Chaplin. Felizmente, o sistema produtivo evoluiu muito ao longo dos anos...
8
O Fordismo – início do século XX até ~1930
◉
Criação da linha de montagem
◉
◉
◉
Padronização extrema Inicio da mentalidade de qualidade do produto
Popularização 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 é do que trabalhadores realizando atividade altamente especializadas num ritmo específico. As tarefas são realizadas num tempo determinado pela velocidade das máquinas da linha, seguindo padrões definidos e em uma sequência lógica de atividades. A popularização da linha de montagem afeta a maneira como a humanidade conduz a manufatura de tal forma que possibilita a massificação de produtos em uma escala nunca antes vista. Produtos complexos (como é o caso do carro) são popularizados e tornam-se acessíveis para uma grande quantidade de pessoas. Notem que a linha de montagem não era uma ideia original. Adam Smith mesmo já havia citado um exemplo desse tipo de montagem em um livro de 1750. O que Ford fez foi aperfeiçoar o sistema, colocando a lógica de tempos e métodos embutida nela. A padronização na linha de montagem assim como o treinamento sistêmico dos funcionários é muito importante. A empresa começa a se preocupar em como instruir seus trabalhadores a seguir padrões. Além disso, ela busca não modificar apenas o processo pelo qual a atividade é realizada, mas também busca desenvolver ferramentas que tornem o processo mais simples e eficaz. Novamente, não foi apenas Taylor que influenciou no desenvolvimento da linha de montagem na Ford. Thomas Edison também deu sua contribuição. Na época ele era sócio e mentor de Ford. Nesta era, nasce a preocupação com a qualidade dos produtos. Após inúmeras perdas de produtos pela falta de qualidade, se estabelece a criação de estruturas para se inspecionar se o produto está de acordo com a norma antes que chegue ao consumidor. Além disto, buscam-se maneiras de evitar que os funcionários cometam erros durante a condução de suas atividades (é um “avô” dos poka-yokes modernos), causada pela alta rotatividade nas perigosas fábricas e pela falta de capacitação do funcionário na operação pela qual ficou incumbido. 9
Shewhart e a sofist icação da melhoria (1930)
◉
Inicio do uso da estatística em melhoria de processos
◉
Criação de algumas das ferramentas básicas usadas atualmente
◉
Busca por previsibilidade da resposta dos processos
NASCE A MELHORIA DE PROCESSOS Na década de 1930, acontece outro grande avanço na ciência da melhoria: inicia-se a utilização das ferramentas estatísticas e do método científico na melhoria de processos. Esse avanço aconteceu nos laboratórios Bell, uma das mais renomadas instituições de pesquisa da história (8 prêmios Nobel foram concedidos a trabalhos realizados nestes laboratórios). O protagonista desse avanço foi o estatístico Walter Shewhart. Ele trabalhava com a análise dos processos do laboratório. Dentre suas inovações mais importantes, podemos citar o controle estatístico de processo (CEP), que culmina com os Gráficos de Controle.O objetivo de Shewhart ao desenvolver tais ferramentas era identificar quando um sistema estava em estabilidade e quando ele tornava-se instável. Com isso, desenvolveu-se um dos pilares da melhoria de processos como conhecemos hoje: o entendimento da variação. Saber se um processo está estável ou instável é condição fundamental para saber quando e como devemos agir frente a um processo. É umas das primeiras ferramentas de diagnóstico gerencial que se tem notícia. Além dos métodos estatísticos, Shewhart também introduziu ao mundo fabril o método científico, desenvolvendo a construção de conhecimento e sua implementação por meio de mudanças nos processos. Esse “passo a passo” ficou conhecido como o ciclo de Shewhart e foi o embrião para as técnicas modernas do PDSA e do PDCA. Shewhart, durante sua vida acadêmica, também pode orientar outro famoso estatístico: Willian Edwards Deming . Deming, mais tarde, transformar-se-ia em um dos mais importantes gurus da qualidade, sendo responsável pela transformação do Japão no pósguerra e pela recuperação da indústria americana no final dos anos 80.
11
A reconstrução do Japão e o avanço da qualidade (1945 – 1980)
◉
Popularização da qualidade
◉
◉
Aplicação da estatística Popularização da melhoria como vantagem
estratégica ◉
Desenvolvimento do Sistema Toyota de
Produção
Após a segunda guerra mundial, uma mudança bastante interessante nos métodos de produção começou a acontecer no Japão. O país precisava se reconstruir após a destruição causada pela guerra e estava determinado a fazer isso da melhor maneira possível. Nesse contexto, criou-se a JUSE em 1946 ( Japanese Union of Scientists and Engineers , ou União Japonesa de Cientistas e Engenheiros). Essa entidade era composta pelos mais brilhantes e influentes personagens da indústria japonesa. Dela fazia parte quase à totalidade dos presidentes das grandes empresas japonesas da época e grande parte dos pesquisadores da indústria. Um dos objetivos iniciais da JUSE foi desenvolver métodos de produção mais eficientes, e para isso, convidou Deming a ir ao Japão para dar palestras sobre a gestão da qualidade e o uso de ferramentas estatísticas no desenvolvimento de processos. Essas palestras tiveram uma adesão muito forte entre os engenheiros japoneses e o conteúdo disseminado por Deming (no final da década de 1940 e nas décadas posteriores) fez com que o Japão se tornasse uma referência mundial em manufatura. Nessa época, além 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 não devia ser controlada por inspeção e sim disseminada entre todos os processos da empresa. Juran foi o pai da qualidade como a conhecemos hoje. Ele também foi responsável por enxergarmos a qualidade como vantagem estratégica. Além de Deming e Juran, Kaoru Ishikawa e Armand Feigenbaum fizeram contribuições notáveis nesta era. Por fim, nesta etapa iniciam-se as primeiras iniciativas da Toyota em desenvolver seu sistema de produção (hoje mundialmente famoso). Taiichi Ohno, o grande precursor do TPS (Toyota Production System ), começa a levar a melhoria e a qualidade ao operador. Ele retoma os velhos conceitos de padrões, porém deixa-os abertos para que cada trabalhador possa melhorar seu desempenho. Cria também a noção de funcionário multitarefa, que permite a um trabalhador executar múltiplas atividades dentro de sua empresa. A produtividade alcançada por causa dessas mudanças emerge violentamente 12
na década 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 à esta iniciativa. A compilação e aperfeiçoamento dos conceitos desenvolvidos aqui consolidaram o que hoje chamamos de Modelo de Melhoria.
13
Os conceitos fundamentais
OS CONCEITOS FUNDAMENTAIS DA MELHORIA
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
As ferramentas que nos ajudam a aprender, são aquelas criadas em cima do método científico, como o ciclo PDSA e o Planejamento de Experimentos. Mais a frente, exploraremos em detalhes como funciona o método e quais são suas etapas para gerar conhecimento de maneira rápida e sólida.
Entendimento da variação: este pilar tem tudo a ver com as ferramentas estatísticas. Todos os processos e resultados de uma organização variam. Às vezes vendemos mais, às vezes menos, às vezes uma peça sai mais leve, outras mais pesada. Isso é perfeitamente natural e por mais que trabalhemos para reduzir essas variações, nunca acabaremos com elas. O problema é a maneira como reagimos a essa variação. Imagine se todos os meses que eu vendesse menos eu ficasse triste e começasse a tomar ações drásticas. Isso não necessariamente faria com que eu vendesse mais no mês seguinte. Porém, se houvesse uma causa clara para eu vender menos, se eu não tomar uma ação drástica sobre ela, meu negócio estará ameaçado. Entender a variação é saber quando uma mudança no meu indicador é natural e quando ela não é natural (ou seja, tem algo novo e diferente no processo). As ferramentas estatísticas nos ajudam exatamente nesse quesito. Analisar o comportamento do indicador ao longo do tempo com essas ferramentas nos permite enxergar quando uma variação é significativa e quando ela é natural. Psicologia: organizações são compostas de pessoas, e pessoas tem sentimentos e ambições. Se não entendermos o que motiva cada um individualmente, dificilmente poderemos juntar os esforços individuais para atingir o propósito da organização. Esse entendimento é justamente a psicologia. Como disseminar o propósito de maneira que ele engaje continuamente cada membro da organização? Como trabalhar em equipe? Para melhoramos nosso domínio deste pilar, existe algumas técnicas, principalmente referentes à comunicação e ao alinhamento de cada um. Vamos discuti-la com mais profundidade ao longo do curso.
18
UseOs charts to explain your ideas requisitos do método
Crie uma estrutura favorável Domine uma técnica de melhoria Entenda melhoria como necessidade estratégica
O método do Modelo de Melhoria e os ensinamentos do Conhecimento Profundo são extremamente robustos. Eles podem ser aplicados em qualquer tipo de organização, porém, possui alguns requisitos. Devemos preencher esses requisitos se desejamos alcançar o máximo de resultado com estes conhecimentos. São eles: Entender melhoria como necessidade estratégica: a organização precisa realmente estar engajada no desenvolvimento de melhorias. É impossível conduzir projetos de melhoria (independente da metodologia), sem que sejam disponibilizados os recursos necessários à equipe. Por exemplo, como um funcionário irá dedicar-se a melhorar um indicador se ele não fizer parte da necessidade da empresa? Como um trabalhador poderá melhorar seu desempenho se não possui tempo ou foco para aprender sobre o que está fazendo? Se a direção da organização não prezar pela melhoria, esta não irá acontecer. Dominar uma técnica de melhoria: isso é o que passaremos no curso de Green Belt, a técnica (um roteiro e várias ferramentas) para fazer a melhoria acontecer. Essa técnica deve ser dominada pelo agente que irá conduzir os esforços da equipe. Ele deverá atuar como um tutor conduzindo a equipe pelo roteiro e pelas várias ferramentas. Criar uma estrutura favorável para a melhoria: por fim, as organizações, juntamente com o agente de melhoria devem torna-la um processo do dia a dia. Os operadores de cada atividade devem possuir os meios necessários para gerar novas melhorias. Isso vem do trabalho da organização em mudar e adaptar seu próprio ambiente.
20
Mudança e Melhoria Conceitos que andam juntos
CONCEITO FUNDAMENTAL
21
Use charts to explain your ideas Mudança e Melhoria
1. O que queremos melhorar?
2. Como saberemos que a
mudança é uma melhoria?
3. Quais
mudanças podemos fazer?
AS TRÊS QUESTÕES FUNDAMENTAIS Responder as 3 perguntas fundamentais da melhoria nos dão o que precisamos para realizarmos um projeto de sucesso. As perguntas criam um mapa com: O objetivo do esforço. A primeira pergunta nos faz refletir sobre o que queremos realizar. Quando o objetivo é claro, nós podemos estruturar de maneira mais efetiva as nossas ações. Além disso, podemos usar a definição de objetivo para alinhar a nossa equipe. As métricas do esforço de melhoria. A segunda pergunta tem a ver com indicadores i ndicadores e métricas, ou seja, tem a ver com dados. Como saber que a nossa mudança foi uma melhoria? Precisamos de dados para isso! Se o nosso projeto de melhoria visa “diminuir os refugos na linha de produção”, só vamos saber que uma mudança foi uma melhoria quando medirmos a quantidade total de refugos ao longo do tempo e verificarmos uma queda. Definir claramente um indicador nos ampara na realidade e guia as nossas ações. Quais mudanças podemos fazer? A terceira pergunta nos ajuda a definir o escopo. Quais mudanças poderemos realizar para alcançar o nosso objetivo, ou seja, impactar nosso indicador? Várias vezes, a resposta para esta pergunta aparece ao longo do projeto de melhoria. Entretanto, tentar respondê-la no começo do projeto ajuda a equipe a entender um pouco também suas restrições. Quais mudanças não poderão ser feitas? Podemos contratar mais gente? Podemos colocar mais controles? Antes de explorarmos mais a fundo cada uma dessas perguntas, precisamos fazer um comentário prático. As 3 perguntas podem ser respondidas de maneira iterativa, ou seja, não há uma ordem lógica para responde-las. Comece por qual pergunta preferir, apenas garanta que todas serão respondidas, mas a ordem é livre. Gosto bastante de uma história relacionada a isso. Em uma empresa que tivemos a oportunidade de trabalhar, os funcionários propunham a todo o momento realizar mudanças no processo (e acho que isso não acontecia só lá). Muitas dessas mudanças eram iguais às mudanças dos políticos que comentamos anteriormente, ou seja, sem um •
•
•
23
foco claro definido. Algumas eram boas ideias, outras nem tanto, mas a grande maioria delas vinha embasada em problemas reais da organização. Para não desperdiçar as boas ideias e nem deixar passar os problemas, propusemos um método: todas as mudanças seriam analisadas, contanto que para cada uma, as outras 2 perguntas fundamentais fundamentais fossem respondidas. respondidas. Desta maneira, quando um funcionário pensasse em uma mudança, ele era forçado a entender o objetivo dessa mudança e a propor um indicador ou uma métrica para identificar se ela seria uma melhoria. O resultado foi fantástico. f antástico. Assim que uma mudança surgia na cabeça do trabalhador, ele logo identificava o real objetivo dela. Com o objetivo claro na cabeça, ele podia aperfeiçoar a mudança ou até mesmo propor uma alternativa até melhor que a ideia original. Faça um desafio. Muitas empresas possuem um programa de sugestões em que os colaboradores que fornecem boas ideias são premiados. Foram poucas as vezes que vi tal programa resistir resistir mais que alguns meses. meses. A maioria gera muitas sugestões no início, mas depois são deixados de lado e esquecidos. Os motivos para isto são muitos, da falta de boas ideias até a falta de empenho da empresa em colocar em prática as sugestões recebidas. Diante disto, proponha o desafio de colocar as três tr ês questões no formulário de sugestões. Isto irá forçar os colaboradores a sugerirem ideias mais trabalhadas, com objetivo, indicador e sugestão de mudanças. E, ideias mais estruturadas tem grandes chances de serem boas, o que vai potencializar seu programa de sugestões e fazer com que os próprios colaboradores percebam a diferença e a força f orça do programa.
24
OInque twoqueremos or three columns realizar?
CONTEXTUALIZE
Busque entender qual é o contexto do projeto de melhoria. O objetivo nunca aparece de
maneira clara…
DEFINA O OBJETIVO Tente definir o objetivo de uma maneira concisa e objetiva. Fuja
de objetivos genéricos. Tente várias definições.
RESTRINJA Entenda quais as fronteiras do seu projeto, quais as
restrições. Delimite o escopo no tempo e
espaço.
O QUE QUEREMOS REALIZAR ? Para responder à primeira pergunta, vale a pena seguir estas boas práticas: • Entenda o contexto em que sua organização está inserida. Converse, discuta o que está acontecendo com os demais envolvidos, buscando concretizar o que queremos fazer. É muito difícil sair com um objetivo concreto de uma situação, é como se houvesse uma “fumaça” na cabeça de cada um dos envolvidos. O que temos que fazer, como gestores de melhoria, é condensar essa fumaça em algo concreto, um objetivo. Para isso, precisamos entender o sentimento e as impressões de todos os envolvidos mais próximos. Não há maneira melhor para esse entendimento do que conversando com todos. • Defina um objetivo . Se o passo anterior era muito aberto, este deve ser muito fechado. Após as discussões, force a equipe a sair com um objetivo claro. Objetivos claros tem uma estrutura padrão: Verbo no infinitivo (diminuir ou aumentar) -> indicador -> em quanto -> onde -> até quando. Exemplos: Diminuir o número de refugos na linha de produção em 38%, até janeiro de 2017. Aumentar as vendas pelo site, de 100 vendas diárias para 400 vendas diárias até março de 2016. Diminuir o retrabalho na máquina em 80% até segunda-feira, 08/5/19. Essa definição clara de objetivo faz com que saiamos da “fumaça” qu e geralmente são os contextos das empresas e entremos em algo concreto. Uma vez claro o indicador, podemos alinhá-lo alinhá-lo com o grupo e começar a trabalhar. trabalhar.
25
Coloque as restrições necessárias . Alguns exemplos de restrições são: não contratar mais pessoas ou não aumentar os gastos. Além desses, podemos ter restrições de escopo como, não fazer nenhuma mudança nos processos de vendas. Uma vez feito isso, o seu time de melhoria está pronto para começar a trabalhar.
•
26
Exercício!
In two or three columns
Um de depar parta tamen mento to de co compr mpras as O de depa part rta ame men nto de co com mpr pras as de um uma a mu mult ltin ina aci cion onal al está co com m di difi ficu culd ldad ades es em enco en cont ntra rarr bo bons ns fo forn rnec eced edor ores es.. Se Sem mpr pre e qu que e vai bu busc scar ar por fo forn rnec ece edo dore res s ma mais is bara ba rato tos s e confiáveis, de demo mora ram m mu muit ito o te temp mpo o pa para ra co cons nseg egui uirr po pouc ucas as opções (e boas as). ). O de depa parta rtame ment nto o vê qu que e se seus us cu cust stos os estão al alttos e se sent nte e opçõ op ções es nã não o tã tão o bo que os comp comprad radores ores do dep departa artamen mento to nã performando ando direito. não o est estão ão perform Impacie Imp aciente nte com esss esssa a situação, o dir diret etor or de com compra pras s de decid cide e ag agir! ir! Pensando Pensan do neste cenário, responda: 1. Qual é o inco incomod modo o pres present ente e nest neste e exe exempl mplo? o? 2. Qu Qual al po pode deri ria a se serr um ob obje jeti tivo vo pa para ra me melh lhor orar ar es este te pr proc oces esso so? ? 3. Quais restrições pod poderia eriam m ser apli aplicada cadas? s?
Há diversas maneiras de formular esse incômodo. Podemos seguir a linha do diretor de compras, que provavelmente vai culpar os compradores por sua incompetência em seguir um processo “pautado pelo bom senso” . A ansiedade do diretor por gerar resultados e diminuir seus custos poderia fazer com que ele estabelecesse como objetivo: “Diminuir o número de compradores no setor para o mínimo agora!”. Neste caso, as açõe s seguiriam para impactar o indicador de head count (número de pessoas). Mas nem sempre isso é uma boa estratégia. Poderíamos, alternativamente, pensar no incômodo como sendo os custos altos do departamento. Neste caso, iríamos colocar como objetivo: “Red uzir os custos do departamento de compras em X% até o próximo trimestre”. É uma estratégia. Entretanto, acredito que esta definição de objetivos iria focar em ações do tipo: reduzir as visitas para aos fornecedores; comprar canetas mais baratas; baratas; não imprimir imprimi r tantos papéis, etc. Não que estas mudanças sejam ruins, elas apenas não estão diretamente ligadas com o real problema do departamento de compras. A melhor definição de objetivo teria que atacar o cerne do incômodo: “Reduzir o tempo para conseguir novos fornecedores de 20 dias para 2 dias até o próximo trimestre”. Essa definição ataca justamente o problema e abre a criatividade para as pessoas começarem começarem a analisá-lo da forma correta. Perguntas melhores começarão a ser feitas, como: “Onde podemos encontrar melhores fornecedores? ”; “O que é um bom fornecedor? ”, “Por quais canais vamos contatar esses fornecedores? ”; “Como faremos esses fornecedores chegarem até nós? ”. ”. É justamente esse tipo de discussão que queremos que nossa equipe tenha ao trabalhar em um projeto de melhoria.
Lembrem-se: uma das maneiras mais criativas de resolver um problema é formulando-o e refomunlando-o.
27
Resolvendo um problema Para resolver um problema, devemos formulá-lo corretamente
28
Objetivo: In two reduzir or three o tempo columns de ciclo
Medidas antes e depois 10 9 8 7 6 E L C Y C
5 4
MUDANÇA
3 2 1 0
Medida Antes
Medida Depois
NEWVAR3
Medida na semana
Medida na semana 1
Para entender um pouco melhor a variação, temos este exemplo. Observando o gráfico acima e tendo em mente que o objetivo do projeto de melhoria era diminuir o tempo de ciclo, é possível dizer que a mudança (realizada entre a primeira e a segunda medição) foi uma melhoria? Seja sincero e responda agora. Depois, mostraremos alguns argumentos que poderá fazê-lo tornar-se mais prudente em relação a este tipo de comparação.
30
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 1: Aqui podemos ver claramente que a mudança foi uma melhoria. Temos um bom indicativo de que a variação do tempo de ciclo antes da mudança oscilava entre 6 e 9 e, depois da mudança oscila entre 2 e 4. Melhorias geralmente possuem esse comportamento. É possível observar claramente o impacto da mudança, mesmo quando analisamos os indicadores com suas variações.
32
Objetivo: In two reduzir or three o tempo columns de ciclo
Cenário 2: A mudança neste caso não representou melhoria alguma! A diferença entre a semana 4 e a semana 11 está completamente dentro da variação natural do processo. O tempo de ciclo assume vários valores entre 2 e 9. Qualquer variação neste patamar é dita ser uma variação normal, atribuídas as causas naturais ao processo. Não se deixem enganar por estes cenários! Não façam comparações de um ponto contra o outro! Isto poderá deixa-lo cego quanto a variação natural do processo.
33
Correlação ........................................................................................................................................ 367 Gráfico de dispersão di spersão ..................................................... ................................................................. ... 375 Tabela de contingência ............................................................ ......................................................... 390 Planejamento de experimentos ........................................................................................................... 399 Experimento fatorial ........................................................................................................... .............. 411 Improve ................................................................................................................................................ 446 Teste de mudanças ....................................................... ................................................................. ... 448 Como testar mudanças ............................................................ ......................................................... 455 Matriz de priorização ............................................................... ......................................................... 463 Control ........................................................ ................................................................. ......................... 466 Abordagens da implementação........................................................................................................ 468 Plano de implementação ......................................................... ......................................................... 470 Encerramento ........................................................ ................................................................. .............. 484
3
