Métodos PDCA e DMAIC e Suas Ferramentas Analíticas

Métodos PDCA e DMAIC e suas ferramentas analíticas Cristina Werkema Série Werkema Werkema de Exceléncia Empresarial

Sumário Capa Folha de rosto Cadastro Copyright sobre a autor autoraa agradecimentos Epígrafe prefácio Capítulo 1. A história história do controle da qualidade: do uso do gráfico de controle ao  Lean Seis Sigma Capítulo 2. Controle da Qualidade Total Total 2.1 Introdução 2.2 Conceitos Básicos Do TQC

Capítulo 3. O Ciclo PDCA de controle de processos 3.1 Introdução 3.2 Atuação Para O Alcance Das Metas Para Manter 3.3 Atuação Para O Alcance Das Metas Para Melhorar 3.4 Funcionamento Conjugado Dos Ciclos PDCA Para Manter E Melhorar

Capítulo 4. As ferramentas analíticas e os ciclos PDCA para manter e melhorar 4.1 Uma Visão Geral Das Principais Ferramentas Analíticas 4.2 Integração Das Ferramentas Da Qualidade Aos Ciclos PDCA Para Manter E Melhorar 4.3 Utilização Das Ferramentas Estatísticas No Ciclo PDCA Para Melhorar Resultados 4.4 Utilização Das Ferramentas Estatísticas No Ciclo PDCA Para Manter Resultados (SDCA) 4.5 Considerações Finais

Capítulo 5. O método DMAIC  e sua correspondência com o Ciclo PDCA Capítulo 6. Integração das ferramentas Lean Seis Sigma ao DMAIC  6.1 Introdução 6.2 Etapa D: Define (Definir) 6.3 Etapa M: Measure (Medir) 6.4 Etapa A: Analyze (Analisar) 6.5 Etapa I: Improve (Melhorar) 6.6 Etapa C: Control  (Controlar)

Anexo A. A Estatística e a variabilidade Anexo B. Visão geral das ferramentas Seis Sigma integradas ao DMAIC 

Anexo C. Comentários e referências Capítulo 1 Capítulo 2 Capítulo 3 Capítulo 4 Capítulo 5 Capítulo 6 Anexo A Anexo B

Cadastro

Cadastre-se em www.elsevier.com.br para conhecer nosso catálogo completo, ter acesso a serviços exclusivos no site e receber informações sobre nossos lançamentos e promoções.

Copyright © 2013, Elsevier Editora Ltda. Todos os direitos reservados e protegidos pela Lei no 9.610, de 19/02/98 Nenhuma parte deste livro, sem autorização prévia escrita da editora, poderá ser reproduzida ou transmitida sejam quais forem os meios empregados: eletrônicos, mecânicos, fotográficos, gravação ou quaisquer outros. Copidesque: Casa Editorial BBM  Editoração Eetrônica: C&C Criações e Textos Ltda.  Revisão: Geisa Mathias de Oliveira

Elsevier Editora Ltda. Conhecimento sem Fronteiras Rua Sete de Setembro, 111 – 16o andar 20050-006 – Centro – Rio de Janeiro – RJ – Brasil Rua Quintana 753 – 8o andar 04596-011 – Brooklin – São Paulo – SP Serviço de Atendimento ao Cliente 0800-0265340 [email protected] ISBN Nota: Muito zelo e técnica foram empregados na edição desta obra. No entanto, podem ocorrer erros de digitação, impressão ou dúvida conceitual. Em qualquer das hipóteses, solicitamos a comunicação à nossa Central de Atendimento, para que possamos esclarecer ou encaminhar a questão. Nem a editora nem o autor assumem qualquer responsabilidade por eventuais danos ou perdas a pessoas ou

bens, originados do uso desta publicação CIP-Brasil. Catalogação-na-fonte. Sindicato Nacional dos Editores de livros, RJ W521m Werkema, Cristina Métodos PDCA e DMAIC e suas ferramentas analíticas / Cristina Werkema. –  Rio de Janeiro : Elsevier, 2013. (Werkema de excelência empresarial) Inclui bibliografia ISBN 978-85-352-5429-7 ISBN (versão eletrônica): 978-85-352-5430-3 1. Engenharia de produção. 2. Six sigma (Padrão de controle de qualidade). 3. Administração da produção. 4. Controle de processos. 5. Controle de qualidade. 6. Administração da qualidade. I. Título. II. Série. 12-4256. CDD: 658.5 CDU: 658.5

sobre a autora Cristina Werkema, a consultora pioneira em Seis Sigma no Brasil, coordenou a implantação do Seis Sigma em diversas empresas brasileiras, como Multibrás e Embraco (Whirlpool), AmBev, Belgo-Mineira e Aços Finos Piratini, durante o período em que atuou como coordenadora técnica do programa na Fundação de Desenvolvimento Gerencial (FDG), na década de 1990. Cristina é autora das obras Criando a Cultura Lean Seis Sigma;  DFLSS –   Design for Lean Six Sigma: Ferramentas Básicas Usadas nas Etapas D e M do  DMADV ; Lean Seis Sigma: Introdução às Ferramentas do Lean Manufacturing; valiação de Sistemas de Medição e  Perguntas e Respostas Sobre o Lean Seis Sigma, além de oito livros sobre estatística aplicada à gestão empresarial, área na

qual atua há vinte anos. É proprietária e diretora do Grupo Werkema, empresa especializada na implantação do Lean Seis Sigma e do Lean Manufacturing, bem como na aplicação de outras iniciativas para a obtenção de resultados nas organizações, tais como metodologias para o desenvolvimento humano e para a comunicação estratégica. Sua carteira de clientes inclui empresas como Aços Villares, AGCO, América Latina Logística (ALL), Atento, Banco HSBC, Banco Real ABN AMRO, Behr, Cebrace, CNH, Companhia Siderúrgica Nacional (CSN), Contax, CST (atual ArcelorMittal), Embraer, Esab, Fiat Automóveis, Fleury Medicina e Saúde, Grupo Société Générale, Harsco, Hermes Pardini, Invensys, Johnson & Johnson, Karcher, Kraft Foods, Lojas Americanas, MRS Logística, MWM International Motores, Nestlé, Nokia, Novelis, Novo Nordisk, Raízen, RollsRoyce, Sadia, Samarco, Schaeffler, Stora Enso, TAM, Technip, Tetra Pak, ThyssenKrupp, Tintas Coral, Tupy Fundições, Villares Metals, Votorantim Cimentos e Votorantim Metais, entre outras.

agradecimentos Ao Universo, pela infinita benevolência. “It is difficult for you to separate that which is corporal from that which is divine. Here is a test for you. Is there anyone you cannot forgive? Visualize them. Can you see the Love of God part in them? If you cannot, you’ve got  some work to do. And when you can start seeing and feeling it, you’ll know it. You’ll feel the shift and the change – and the drama around the events will start to fall off. You’ll only see them as the Love of God that they can be. Some of them came to irritate you, to bring you in meetings like this, to create life change. Listen, dear ones, some of them came to die and give you grief. They loved you enough to do that, because they knew it would push into this: self-examination, at a perfect time on the Planet that needed you here. There is a system here, and we all help one another. Do you have the courage to accept this: that even your enemies are your friends?” Kryon

 Live Kryon Channelling – Santiago, Chile – November 19, 2011 – As channelled by Lee Carroll for Kryon ( www.kryon.com )

Epígrafe “Too many people are thinking of security instead of opportunity. They seem more afraid of life than death.” James F. Byrnes

prefácio Este texto é uma edição revista e ampliada  do livro  As Ferramentas da Qualidade no Gerenciamento de Processos, escrito pela autora em 1995. Desde a sua primeira edição, em novembro de 1995, já foram publicados mais de 40.000 exemplares do livro, que se tornou, portanto, uma obra de grande sucesso. O presente livro discute em detalhes os métodos gerenciais PDCA (P lan, Do, C heck, Action) e DMAIC ( Define, M easure, Analyze, I mprove, C ontrol), usados para o alcance de metas de melhoria dos resultados empresariais, e apresenta a Estatística como a ciência que trata da coleta, do processamento e da disposição de dados (informações) necessários à prática de ambos os métodos. Vale destacar que o método DMAIC é a abordagem padrão para a condução dos projetos Lean Seis Sigma de melhoria de desempenho de produtos e processos. Neste livro são fornecidos não apenas um roteiro simples e eficaz para apresentar o PDCA e o DMAIC, como também uma descrição resumida das ferramentas analíticas (com destaque para as técnicas estatísticas), além de um sumário de sua forma de integração às etapas do PDCA e do DMAIC – ou seja, as explicações esclarecem como as ferramentas analíticas podem ser utilizadas dentro de cada método, de acordo com os objetivos da etapa que está sendo executada. Após o estudo do presente texto, o leitor interessado em obter um maior detalhamento das ferramentas analíticas (o que inclui as técnicas do  Lean  Manufacturing) poderá aprofundar seus conhecimentos com a leitura dos demais volumes da Série Werkema de Excelência Empresarial.

CAPÍTULO 1

A história do controle da qualidade: do uso do gráfico de controle ao  Lean Seis Sigma “The significance of a man is not in what he attains, but rather what he longs to attain.”  Khalil Gibran

O controle da qualidade moderno teve seu início na década de 1930, nos Estados Unidos, com a aplicação industrial do gráfico de controle inventado pelo Dr. Walter A. Shewhart, da empresa de telefonia “Bell Telephone Laboratories”. Em um memorando com data de 16 de maio de 1924, o Dr. Shewhart propôs o uso do gráfico de controle para a análise de dados resultantes de inspeção, fazendo com que a importância dada a tal etapa – um procedimento baseado na detecção e na correção de produtos com defeitos – começasse a ser substituída por uma ênfase no estudo e na prevenção dos problemas relacionados à qualidade, de modo a impedir que os produtos com defeitos fossem produzidos. No entanto, a Segunda Guerra Mundial foi o grande catalisador para a aplicação do controle da qualidade em um maior número de indústrias norteamericanas. Sua utilização tornou possível a produção de suprimentos militares de boa qualidade, em grande quantidade e mais baratos, e também permitiu que fossem atendidas às exigências das condições do período em que durou a guerra. A produção norte-americana, dos pontos de vista qualitativo, quantitativo e econômico, foi muito satisfatória durante o referido período, devido, em grande parte, ao emprego do controle da qualidade e da estatística moderna. Naquela época, os procedimentos para o controle da qualidade foram publicados sob a forma de normas, conhecidas como “American War Standards Z1.1 – Z1.3”. O controle da qualidade também foi adotado relativamente cedo na Inglaterra. Em 1935, os trabalhos sobre controle da qualidade do estatístico E. S. Pearson

foram utilizados como base para a elaboração dos Padrões Normativos Britânicos (“British Standard BS 600”). Outros padrões relacionados ao controle da qualidade foram formulados e utilizados na Inglaterra também durante o mesmo período da guerra. Antes da Segunda Guerra Mundial, o Japão já conhecia os Padrões Normativos Britânicos BS 600 e alguns especialistas japoneses já haviam começado a estudar as técnicas estatísticas modernas. No entanto, os resultados desse trabalho foram expressos sob complexa forma matemática, o que dificultou sua adoção. Além disso, o Japão também enfrentava dificuldades com os métodos administrativos e o controle da qualidade praticado no país era totalmente dependente da inspeção, a qual não era satisfatória, já que nem todos os produtos eram suficientemente inspecionados. Naquela época, os produtos aponeses competiam em preço no mercado internacional, mas não em qualidade. Após a derrota do Japão na Segunda Guerra Mundial, as forças norteamericanas de ocupação chegaram ao país e descobriram que o sistema telefônico japonês apresentava um grande número de falhas, o que era um empecilho para o exercício da administração militar. A baixa confiabilidade do telefone japonês não era uma consequência apenas da guerra – o problema era resultado da baixa qualidade do equipamento. Diante desse quadro, os norteamericanos determinaram, em maio de 1946, que a indústria de telecomunicações japonesa implantasse um programa eficiente de controle da qualidade, com o objetivo de eliminar os defeitos e a falta de uniformidade na qualidade dos equipamentos produzidos. As forças de ocupação começaram então a “educar” as indústrias do Japão diretamente a partir do método norteamericano, que não foi modificado para se adaptar melhor à cultura japonesa. Esse fato gerou algumas dificuldades, mas como foram obtidos resultados muito bons, o método passou a ser utilizado por empresas de outros setores da economia. Ainda em 1946, foi criada a JUSE (Union of Japanese Scientists and Engineers), uma organização constituída por engenheiros e pesquisadores. Em 1949, a JUSE formou o Grupo de Pesquisa do Controle da Qualidade, cujos membros trabalhavam em universidades, indústrias e órgãos governamentais. O grupo tinha como objetivos pesquisar e disseminar os conhecimentos sobre controle da qualidade, para que as indústrias japonesas pudessem melhorar a qualidade de seus produtos e aumentar os índices de exportação. Em 1950, a JUSE convidou o estatístico William Edwards Deming, dos

Estados Unidos, para proferir um seminário sobre controle da qualidade para administradores e engenheiros. Nesse seminário, foram abordados os seguintes tópicos: • utilização do Ciclo PDCA (ver Capítulo 2) para a melhoria da qualidade; • a importância do entendimento da variabilidade presente em todos os processos de produção de bens e serviços; • utilização de gráficos de controle para gerenciamento de processos. Esse seminário foi de grande importância, já que contribuiu para que os administradores percebessem a importância do controle da qualidade para suas empresas. O procedimento foi, então, amplamente empregado no Japão na década de cinquenta, com um uso intensivo de técnicas estatísticas, tais como inspeção por amostragem e gráficos de controle. No entanto, naquele período, o controle da qualidade japonês passou a enfrentar alguns problemas. O primeiro deles foi a excessiva ênfase dada às técnicas estatísticas, o que criou nas pessoas a impressão incorreta de que o controle da qualidade era algo muito complexo. Outra dificuldade foi o pouco interesse demonstrado pelos presidentes e pelos diretores das empresas em relação ao controle da qualidade, que permanecia como um movimento de engenheiros e operários. Com o objetivo de resolver parte desses problemas, a JUSE convidou, em 1954, o engenheiro norte-americano J. M. Juran para ministrar seminários para a alta administração de várias empresas japonesas. Nesses seminários, foi explicado o papel que esses administradores deveriam desempenhar para a implantação e o desenvolvimento das atividades do controle da qualidade. A partir da visita do Dr. Juran, o controle da qualidade passou a ser entendido e utilizado como uma ferramenta administrativa, o que representou o início da transição do controle estatístico da qualidade para o controle da qualidade total como é praticado atualmente, envolvendo a participação de todos os setores e de todos os empregados da empresa. Durante a promoção das atividades de controle da qualidade, os pesquisadores e os usuários japoneses começaram a perceber que, enquanto alguns ramos do conhecimento são universais e igualmente aplicáveis em todos os países do mundo, o controle da qualidade dependia muito de fatores humanos e culturais, devendo então apresentar diferenças de um país para outro. A partir dessa percepção, foi desenvolvido, com base nos sistemas norteamericano e inglês, um método japonês para o controle da qualidade, que levava em conta as diferenças existentes entre o Japão e os países ocidentais. Esse

método foi evoluindo ao longo do tempo, originando o Controle da Qualidade Total (TQC – Total Quality Control) ao estilo japonês que, segundo Ishikawa, K.,1,2 apresenta as seguintes características básicas: 1. Participação de todos os setores e de todos os empregados da empresa na prática do controle da qualidade. 2. Educação e treinamento em controle da qualidade. 3. Atividades dos círculos de controle da qualidade.3 4. Auditorias do controle da qualidade: para obtenção do “Prêmio Deming” e pelo presidente da empresa. 5. Utilização de técnicas estatísticas: disseminação das Sete Ferramentas da Qualidade e emprego de outras técnicas mais avançadas. 6. Campanhas nacionais de promoção do controle da qualidade. Essas características do TQC japonês em muito contribuíram para que o Japão passasse a fabricar produtos da mais alta qualidade, os quais são globalmente importados. Vários outros países perceberam as vantagens do Controle da Qualidade Total e um grande número de empresas espalhadas em todo o mundo passou a utilizar os métodos do TQC japonês, após realizarem as necessárias adaptações às suas situações específicas, obtendo variados níveis de sucesso. Na evolução do controle da qualidade, é importante mencionar o  Lean  Manufacturing, uma iniciativa que busca eliminar desperdícios, isto é, excluir o que não tem valor para o cliente e imprimir velocidade à empresa. As origens do Lean Manufacturing remontam ao Sistema Toyota de Produção (também conhecido como Produção Just-in-Time ). O executivo da Toyota Taiichi Ohno iniciou, na década de cinquenta, a criação e a implantação de um sistema de produção cujo principal foco era a identificação e a posterior eliminação de desperdícios, com o objetivo de reduzir custos e aumentar a qualidade e a velocidade de entrega do produto aos clientes. O Sistema Toyota de Produção, por representar uma forma de produzir cada vez mais com cada vez menos, foi denominado produção enxuta ( Lean Production ou  Lean  Manufacturing) por James P. Womack e Daniel T. Jones, em seu livro  A máquina que mudou o mundo.4 Essa obra – publicada em 1990 nos Estados Unidos com o título original The Machine that Changed the World   – é um estudo sobre a indústria automobilística mundial realizado nos anos 1980 pelo Massachusetts Institute of Technology (MIT), que chamou a atenção de empresas de diversos setores.5 Um marco muito importante para a evolução do controle da qualidade

moderno foi o nascimento do Seis Sigma na Motorola, em 15 de janeiro de 1987, com o objetivo de tornar a empresa capaz de enfrentar seus concorrentes, que fabricavam produtos de qualidade superior a preços menores. O programa foi lançado em uma palestra do CEO da empresa na época, Bob Galvin, divulgada em videoteipes e memorandos. O “pai” dos conceitos e métodos do Seis Sigma foi Bill Smith, engenheiro e cientista que trabalhava no negócio de produtos de comunicação da Motorola. Bob Galvin foi contagiado pela forte convicção de Bill Smith quanto ao sucesso do Seis Sigma e então criou as condições para que Bill colocasse o programa em prática e o transformasse no principal componente da cultura da Motorola na época. A partir de 1988, quando a Motorola foi agraciada com o Prêmio Nacional da Qualidade Malcolm Baldrige, o Seis Sigma tornou-se conhecido como o programa responsável pelo sucesso da organização. Com isso, outras empresas, como a Asea Brown Boveri, AlliedSignal, General Electric, Kodak e Sony passaram a utilizar com sucesso o programa e a divulgação dos enormes ganhos alcançados por essas empresas gerou um crescente interesse pelo Seis Sigma. Podemos dizer que o Seis Sigma foi celebrizado pela GE, a partir da divulgação, feita com destaque pelo CEO Jack Welch, dos expressivos resultados financeiros obtidos pela empresa através da implantação da metodologia (por exemplo, ganhos de 1,5 bilhão de dólares em 1999). Após a adoção pela GE, houve uma grande difusão do programa. No Brasil, a utilização do Seis Sigma está crescendo a cada dia. As empresas cujas unidades de negócio no exterior implementaram o Seis Sigma já há algum tempo – Motorola, ABB, Kodak e GE, por exemplo – conhecem bem o programa e, usualmente, treinavam seus especialistas fora do Brasil, por meio dos  Master Black Belts da própria organização ou de consultorias estrangeiras. Agora, grande parte dessas empresas já está implementando o programa com o suporte de consultorias nacionais ou de sua própria equipe de Master Black Belts e Black Belts. A partir da divulgação dos resultados obtidos pelas primeiras empresas multinacionais que adotaram o Seis Sigma, várias outras organizações que não tinham qualquer tipo de experiência com o programa passaram a utilizálo, já contando, desde o início, com o apoio de consultores brasileiros e obtendo resultados expressivos. Os resultados das organizações brasileiras que estão adotando o programa têm, muitas vezes, superado o indicador “trinta reais de ganho por real investido” e há vários projetos Seis Sigma cujo retorno é da ordem de 5 a 10 milhões de reais anuais. O Seis Sigma já sofreu várias modificações desde o início de sua utilização

pela Motorola. Por exemplo, o método  DMAIC  ( Define,  M easure  Analyze,  I mprove, C ontrol) substituiu o antigo método  MAIC  ( M easure,  Analyze,  I mprove, C ontrol) como a abordagem padrão para a condução dos projetos Seis Sigma de melhoria de desempenho de produtos e processos (o método  DMAIC  será apresentado em detalhes no Capítulo 5 e no Capítulo 6). Além disso, outras técnicas não estatísticas, tais como as práticas e a filosofia do  Lean  Manufacturing, foram integradas ao Seis Sigma, dando origem ao  Lean  Seis Sigma, uma estratégia mais abrangente, poderosa e eficaz do que cada uma das partes individualmente (a partir de agora passaremos a usar somente a terminologia Lean Seis Sigma, visto que a integração do  Lean Manufacturing  e do Seis Sigma é uma tendência definitiva). Outra evolução foi o surgimento do  Design for Lean Six Sigma e do método  DMADV  ( Define,  M easure,  Analyze,  Design, V erify), que são utilizados em projetos cujo escopo é o desenvolvimento de novos produtos e processos.6 Neste ponto, é natural que surja a pergunta: quais são as principais diferenças entre o  Lean  Seis Sigma e o TQC no estilo japonês? Podemos dizer que os principais aspectos enfatizados pelo Seis Sigma e menos destacados pelo TQC são: • orientação para a obtenção de resultados para o negócio (o Lean Seis Sigma é uma estratégia de negócio e não somente uma iniciativa da qualidade); • elevado comprometimento da alta administração da empresa; • existência de uma infraestrutura de suporte para a sua implementação, com papéis bem definidos para os patrocinadores e especialistas do Lean Seis Sigma (Sponsors, Champions, Master Black Belts, Black Belts, Green Belts, Yellow Belts  e White Belts); • projetos Lean Seis Sigma associados às metas prioritárias da empresa; • resultados dos projetos traduzidos para a linguagem financeira, permitindo a mensuração direta dos benefícios do programa pelo aumento da lucratividade da empresa; • elevada dedicação dos especialistas do Lean Seis Sigma ao desenvolvimento dos projetos; • mensuração do retorno sobre o investimento dos treinamentos realizados; • existência de um roteiro detalhado (métodos DMAIC  e DMADV ) que mostra como integrar as ferramentas analíticas (principalmente, técnicas estatísticas) a uma abordagem global para o alcance das metas. Para finalizar, é importante destacar que o  Lean Seis Sigma está em contínuo aprimoramento, sendo possível relacionar as seguintes tendências mundiais em

seu processo de evolução e consolidação: • crescente implementação em empresas que atuam na área de prestação de serviços (setores de saúde, financeiro, varejo e governamental, por exemplo); • adoção do Lean Seis Sigma pela empresa como um todo – principalmente nos setores envolvidos diretamente no relacionamento com os clientes/consumidores – e não apenas nas áreas de manufatura; • disseminação do Design for Lean Six Sigma ( DFLSS) como uma extensão do  Lean Seis Sigma para o projeto de novos produtos (bens ou serviços) e processos; • integração da Teoria das Restrições ao Lean Seis Sigma; • maior valorização dos chamados soft savings que podem ser gerados pelos projetos Lean Seis Sigma. Um exemplo de soft saving são os ganhos que resultam quando são evitadas perdas de clientes que poderiam ocorrer em consequência da deterioração da imagem da marca do produto e/ou da empresa; • envolvimento cada vez mais efetivo dos fornecedores da empresa no programa; • integração do Lean Seis Sigma a um sistema global de gerenciamento da qualidade; • reconhecimento do programa como um mecanismo para o desenvolvimento de lideranças – diversas empresas, entre elas GE, DuPont e 3M, exigem pelo menos a certificação Green Belt  como pré-requisito para promoções para cargos gerenciais. Vale ressaltar que o  Lean  Seis Sigma não se tornará obsoleto. Atualmente existe a ampliação do consenso de que o programa veio para ficar, não sendo apenas mais uma moda passageira na área da Gestão ou da Qualidade. O  Lean Seis Sigma é uma estratégia gerencial para a melhoria do desempenho do negócio e, como sabemos, a necessidade de melhoria sempre existirá. Além disso, os elementos que constituem os pilares do  Lean Seis Sigma sempre serão necessários para o sucesso de qualquer empresa. Não podemos deixar de lembrar que o programa já existe há 25 anos, a partir do nascimento do Seis Sigma na Motorola, e que vem sofrendo aprimoramentos desde então, sendo adotado por um número cada vez maior de organizações. O lançamento da  ASQ7 Six Sigma Forum Magazine, a implementação do  ASQ Six Sigma Forum, a instituição do exame da ASQ para certificação de Black Belts e Green Belts  e o sucesso de sites como o www.isixsigma.com  são fortes indicadores da consolidação mundial do Lean Seis Sigma.

CAPÍTULO 2

Controle da Qualidade Total “When there are harmony and stillness within, I can hear the voice of my own wisdom.” Brahma Kumaris

2.1 Introdução Neste capítulo será apresentada uma visão geral sobre os princípios básicos do Controle da Qualidade Total no estilo japonês. O Controle da Qualidade Total – TQC (Total Quality Control ) é um sistema gerencial baseado na participação de todos os setores e de todos os empregados de uma empresa, no estudo e na condução do Controle da Qualidade. Seu núcleo é, portanto, o Controle da Qualidade, o qual é definido, segundo a norma aponesa JIS Z 8101, como um “sistema de técnicas que permitem a produção econômica de bens e serviços que satisfaçam às necessidades do consumidor”. O controle da qualidade moderno utiliza técnicas estatísticas e por esse motivo é frequentemente denominado controle estatístico da qualidade. Segundo a definição de Ishikawa, K.,1,2  “praticar um bom controle da qualidade é desenvolver, projetar, produzir e comercializar um produto de qualidade que seja mais econômico, mais útil e sempre satisfatório para o consumidor”. Para atingir esse objetivo, todos na empresa (diretores, gerentes, técnicos e operadores) precisam trabalhar juntos.

2.2 Conceitos básicos do TQC 2.2.1 Qualidade Para que o Controle da Qualidade Total possa ser praticado, é necessário ter bem claro o que realmente significa o termo ‘qualidade’. De acordo com a definição de Campos, V. F.,3  “um produto ou serviço de qualidade é aquele que atende perfeitamente, de forma confiável, de forma acessível, de forma segura e no

tempo certo às necessidades do cliente”. Esse autor também estabelece cinco componentes ou dimensões para a qualidade, os quais geram o conceito de Qualidade Total, conforme está apresentado na Figura 2.1.

FIGURA 2.1 Componentes da Qualidade Total, segundo Campos, V. F.3

Os componentes da Qualidade Total apresentam os seguintes significados: 1. Qualidade Também conhecida como qualidade intrínseca; essa dimensão da Qualidade Total se refere às características específicas dos produtos (bens ou serviços) finais ou intermediários da empresa, que definem a capacidade desses bens ou serviços de promoverem a satisfação do cliente. A qualidade intrínseca inclui a qualidade do bem ou serviço (ausência de defeitos e presença de características que agradem o consumidor), qualidade do pessoal, qualidade da informação, qualidade do treinamento, entre outros aspectos. 2. Custo Esse componente diz respeito ao custo operacional para fabricação do bem ou fornecimento do serviço e envolve, por exemplo, os custos de compra, de venda, de produção, de recrutamento e de treinamento. O custo resulta do projeto, fabricação e desempenho do produto. O preço é estabelecido pelo mercado em função de fatores, tais como valor

agregado, disponibilidade, imagem do produto, entre outros. Portanto, custo e preço resultam de fatores diferentes. 3. Entrega Esse componente está relacionado à entrega dos produtos finais e intermediários da empresa, a qual deve ocorrer na quantidade, na data e no local certos. 4. Moral Esse é o componente que mede o nível médio de satisfação das pessoas que trabalham na empresa. Como os produtos (bens ou serviços) que serão fornecidos aos clientes serão produzidos por uma equipe de pessoas, é claro que deverá haver um bom ambiente de trabalho para que possa haver uma produção de boa qualidade, capaz de garantir o atendimento das necessidades do cliente. O nível médio de satisfação das pessoas que trabalham na empresa pode ser medido por índices de absenteísmo, de demissões, de reclamações trabalhistas, de sugestões, entre outros. 5. Segurança Essa dimensão da Qualidade Total se refere à segurança das pessoas que trabalham na empresa e dos usuários de seus produtos ou serviços, que não devem provocar acidentes para seus usuários nem acidentes de trabalho na empresa. A partir dessa apresentação dos componentes da Qualidade Total, fica claro que qualidade não é apenas ausência de defeitos. De nada adiantará, por exemplo, fabricar um produto totalmente sem defeitos, mas cujo preço é tão elevado que ninguém estará disposto a comprá-lo. Por outro lado, o cliente não comprará um produto que não cumpra adequadamente a função para a qual foi projetado, ou que não seja seguro, por mais baixo que seja o preço

2.2.2 Processo Um “processo”  pode ser definido de forma sucinta, como um conjunto de causas que têm como objetivo produzir um determinado efeito, o qual é  denominado produto do processo.  Devido à sua complexidade, um processo

pode ser dividido em uma espécie de família de causas: insumos ou matériasprimas, equipamentos ou máquinas, informações do processo ou medidas, condições ambientais ou meio ambiente, pessoas ou mão de obra e métodos ou procedimentos. Essa caracterização do processo está representada na Figura

2.2. Há um diagrama nessa figura conhecido como “Diagrama de Causa e Efeito” ou “Diagrama Espinha de Peixe” ou “Diagrama de Ishikawa”. É importante lembrar que o Diagrama de Causa e Efeito será estudado em detalhes em outro volume da Série Werkema de Excelência Empresarial.

FIGURA 2.2 Caracterização de um processo por meio do Diagrama de Causa e Efeito

É importante destacar que podemos visualizar uma empresa como um processo, sendo que fazem parte dela vários outros processos menores, os quais compõem o fluxo de produção dos bens ou de fornecimento dos serviços. Para esclarecer o significado dessa afirmação, vamos considerar uma lavanderia como exemplo. Essa empresa (a lavanderia) representa o processo que abarca uma série de causas, que por sua vez provocam o efeito principal, que é o serviço fornecido pela empresa: roupa lavada, seca e passada. As causas são os insumos, os equipamentos, os métodos de trabalho, as pessoas, os instrumentos de medição, entre outros. A Figura 2.3 mostra uma representação de uma lavanderia por meio de um Diagrama de Causa e Efeito.

FIGURA 2.3 Representação de uma lavanderia por meio de um Diagrama de Causa e Efeito

Por sua vez, o processo “lavanderia” é divisível em outros processos menores, que constituem o fluxo de fornecimento do serviço. Alguns desses processos são, por exemplo, processo de recebimento da roupa suja, processo de lavagem, processo de secagem, processo de passagem e processo de entrega da roupa lavada, seca e passada. Mesmo esses processos podem ser subdivididos em outros processos ainda menores, com o objetivo de facilitar as atividades de gerenciamento. No caso da lavanderia, por exemplo, o processo de lavagem pode ser subdividido nos processos de carregamento da lavadora com a roupa a ser lavada, entrada de água, adição de sabão, “molho” da roupa, agitação, enxágue, centrifugação, descarregamento da lavadora e limpeza do filtro. A divisibilidade de um processo é importante por permitir que cada processo menor seja controlado separadamente, facilitando a localização de possíveis problemas e a atuação nas causas desses problemas, o que resulta na condução

de um controle mais eficiente de todo o processo.

2.2.3 Item De Controle E Item De Verificação Para que seja possível controlar um processo, a primeira tarefa consiste na identificação de seus clientes, os quais deverão ter suas necessidades satisfeitas. Em muitos casos, esses clientes serão nternos à empresa, fato que não torna menos importante o cuidado com a sua satisfação, já que será impossível satisfazer ao cliente externo se cada pessoa não se empenhar para atender plenamente às necessidades de seu cliente interno. Após a definição dos clientes, o próximo passo será a identificação dos produtos que lhe serão entregues. Logo após ter sido identificado o produto, deverão ser estabelecidas as características da qualidade desse produto que são necessárias ao cliente. Para a garantia da satisfação do cliente será preciso transformar essas características em grandezas mensuráveis, as quais são denominadas itens de controle. Em outras palavras, os itens de controle medem a qualidade intrínseca, o custo, a entrega e a segurança do produto que será fornecido ao cliente e o moral das pessoas que trabalham no processo que o fabrica. Um processo é então gerenciado por meio de seus itens de controle, os quais são acompanhados periodicamente para que seja possível detectar eventuais resultados indesejáveis do processo. No processo “lavanderia”, alguns exemplos de itens de controle são o número de roupas danificadas, o custo de roupa lavada, o número de entregas atrasadas, o número de acidentes e o número de sugestões dadas pelas pessoas que trabalham na empresa. Os itens de controle de um processo são afetados por várias causas. As principais causas que afetam os itens de controle do processo, e que podem ser medidas e controladas, são denominadas itens de verificação. Alguns exemplos de itens de verificação associados ao processo “lavanderia” são o consumo de sabão por quilograma de roupa lavada, o tempo médio de lavagem e a temperatura de secagem. A Figura 2.4 mostra o relacionamento entre os itens de verificação e os itens de controle de um processo. O leitor deve observar que os itens de controle são estabelecidos sobre o resultado do processo e, portanto, definem responsabilidade. Já os itens de verificação são determinados sobre as causas do processo e então definem autoridade. Os bons resultados de um item de controle são garantidos pelo acompanhamento dos itens de verificação.

FIGURA 2.4 Itens de verificação e itens de controle de um processo

É importante destacar que um item de verificação de um processo pode ser um item de controle de um processo anterior. No exemplo da lavanderia, o peso da roupa lavada pode ser um item de controle do processo de lavagem e, ao mesmo tempo, pode ser um item de verificação do processo de secagem. Note que no fluxo de fornecimento de serviço de uma lavanderia, o processo anterior ao de secagem é o de lavagem da roupa.

2.2.4 Problema  Finalmente, é importante definir o que representa um problema segundo os conceitos do Controle da Qualidade Total. Um problema é o resultado indesejável de um processo, ou seja, é um item de controle que não atinge o nível desejado (Figura 2.5).

FIGURA 2.5 Conceito de problema

Neste texto, serão apresentadas várias técnicas estatísticas que podem ser utilizadas como ferramentas para a solução de problemas, a qual deve ser conduzida com base em fatos e dados, conforme será discutido no próximo capítulo.

2.2.5 Controle De Processo Referindo-se aos conceitos apresentados anteriormente, Campos, V. F.3 estabelece que o controle de processo compreende três principais ações: 1. Estabelecimento da “diretriz de controle” (Planejamento da Qualidade): A diretriz de controle consta da meta, que é a faixa de valores desejada para o item de controle (nível de controle), e do método, que são os procedimentos necessários para o alcance da meta. 2. Manutenção do nível de controle (Manutenção de Padrões): Consiste em garantir que a meta estabelecida no Item 1 seja atingida. Caso isso não ocorra, será necessário atuar nas causas que provocaram o desvio e recolocar o processo no estado de funcionamento adequado 3. Alteração da diretriz de controle (Melhorias): Consiste em mudar o nível de controle atual e alterar os procedimentos padrão de tal forma que o novo nível de controle seja atingido. Essas alterações têm o objetivo de melhorar o nível de qualidade planejado inicialmente. O controle de processos é exercido por meio do Ciclo PDCA de controle de processos. O Ciclo PDCA será apresentado no próximo capítulo.

CAPÍTULO 3

O Ciclo PDCA de controle de processos “Love is the ability and willingness to allow those that you care for to be what they choose for themselves without any insistence that they satisfy  you.” Wayne W. Dyer

3.1 Introdução O controle de processos, conforme definido no capítulo anterior, é exercido por meio do Ciclo  PDCA de controle de processos, o qual é apresentado na Figura 3.1. Segundo Ishikawa, K.1 e Campos, V. F., 2,3 o Ciclo  PDCA (P lan,  Do, C heck, ction) é composto pelas seguintes etapas: 1. Planejamento (P) Essa etapa consiste em: • estabelecer metas; • estabelecer o método para alcançar as metas propostas. 2. Execução (D) Executar as tarefas exatamente como foi previsto na etapa de planejamento e coletar dados que serão utilizados na próxima etapa de verificação do processo. Na etapa de execução são essenciais a educação e o treinamento nas atividades a serem executadas no trabalho. 3. Verificação (C) A partir dos dados coletados na execução, comparar o resultado alcançado com a meta planejada. 4. Atuação corretiva (A) Essa etapa consiste em atuar no processo em função dos resultados obtidos. Existem duas formas de atuação possíveis: • adotar como padrão o plano proposto, caso a meta tenha sido alcançada;

• agir sobre as causas do não atingimento da meta, caso o plano não tenha sido efetivo

FIGURA 3.1   Ciclo PDCA de controle de processos, segundo Campos, V. F.3

O Ciclo  PDCA  é um método de gestão, representando o caminho a ser seguido para que as metas estabelecidas possam ser atingidas. Na utilização do método, poderá ser preciso empregar várias ferramentas analíticas para a coleta, o processamento e a disposição das informações necessárias à condução das etapas do  PDCA. Entre as ferramentas analíticas, as técnicas estatísticas são de

especial importância. Algumas dessas técnicas são: • Sete Ferramentas da Qualidade; • Amostragem; • Análise de Variância; • Análise de Regressão; • Planejamento de Experimentos; • Otimização de Processos; • Análise Multivariada; • Confiabilidade. Para que o leitor possa entender o papel das ferramentas analíticas dentro do Ciclo  PDCA, devemos novamente destacar que a meta (resultado) é alcançada por meio do método ( PDCA). Quanto mais informações (fatos e dados, conhecimentos) forem agregadas ao método, maiores serão as chances de alcance da meta e maior será a necessidade de utilização de ferramentas apropriadas para coletar, processar e dispor essas informações durante o giro do  PDCA. Com o objetivo de mostrar como deve ocorrer a integração das ferramentas analíticas ao Ciclo  PDCA, faremos, nos próximos parágrafos, uma breve discussão sobre como funciona o Ciclo  PDCA  no TQC, com base no trabalho desenvolvido por Campos, V. F.3,4 A seguir (Capítulo 4), apresentaremos as principais ferramentas que podem ser aplicadas em cada etapa do Ciclo PDCA girado com os objetivos de manter e melhorar resultados. Vale destacar que o aumento da sofisticação das ferramentas empregadas deverá ocorrer em função do aumento da capacidade de gerenciamento da empresa, isto é, do aumento da capacidade de alcance de metas. Para que seja possível entender como funciona o Ciclo  PDCA  no TQC, é importante, primeiramente, que fique clara a existência de dois tipos de metas a serem atingidas: 1. Metas para manter: Uma meta para manter consta de uma faixa aceitável de valores para o item de controle considerado, representando especificações de produto provenientes dos clientes internos e externos da empresa. As metas para manter são denominadas metas padrão. Como exemplos de meta padrão podemos citar “fabricar uma peça de aço cuja dureza sempre atenda à faixa de especificação” e “entregar o produto ao cliente no prazo máximo de dois dias”. Portanto, as metas padrão são metas a serem mantidas. 2. Metas para melhorar:

As metas para melhorar, ou metas de melhoria, surgem, geralmente, de necessidades emergentes do mercado (clientes): um produto cada vez melhor, a um custo cada vez mais baixo e com uma entrega cada vez mais precisa. A entrada de novos concorrentes no mercado e o surgimento de novos materiais e novas tecnologias também levam à necessidade do estabelecimento de metas de melhoria. Observe que as metas de melhoria envolvem necessariamente modificações na forma atual de se trabalhar. As expressões “reduzir em 30% a variação na dureza das peças de aço fabricadas pela empresa até o final do ano”  e “reduzir o prazo máximo de entrega do produto ao cliente de dois dias  para um dia até o final do ano” são exemplos de metas para melhorar.

Lembrando da definição de problema apresentada no capítulo anterior, percebemos que cada meta de melhoria gera um determinado tipo de problema que deverá ser “atacado” pela empresa. As metas para manter e para melhorar estão representadas na Figura 3.2.

FIGURA 3.2 Metas para manter e metas para melhorar

O leitor deve, então, observar que as metas vêm do mercado, isto é, resultam dos desejos dos clientes, os quais querem um produto consistente (metas para manter) e, ao longo do tempo, também desejam um produto cada vez melhor sob os aspectos da qualidade intrínseca, do custo e da entrega (metas para melhorar). Para que essas metas (fins) possam ser atingidas, será necessário atuar nos processos (meios) da empresa. As ideias apresentadas nesse parágrafo estão resumidas na Figura 3.3.

FIGURA 3.3 Relacionamento entre metas, clientes, produtos e processos de uma empresa

Passaremos a analisar agora como devemos atuar para que as metas para manter e as metas para melhorar possam ser atingidas.

3.2 Atuação para o alcance das metas para  manter As metas para manter (metas padrão) são atingidas por intermédio de operações padronizadas. A Figura 3.4 mostra o Ciclo  PDCA utilizado para atingir as metas padrão. Como o plano que permite o alcance da meta padrão é o Procedimento Operacional Padrão (Standard), o Ciclo  PDCA  empregado para o alcance das metas para manter pode ser denominado SDCA, que representa a maneira como devemos trabalhar para manter o resultado desejado.

FIGURA 3.4 Ciclo PDCA utilizado para o alcance das metas padrão, segundo Campos V. F.3

Em relação às etapas do Ciclo SDCA, é importante fazer os seguintes comentários: S A meta padrão representa o resultado que desejamos atingir com o nosso trabalho e o procedimento operacional padrão é o planejamento do trabalho repetitivo que deve ser executado para o alcance da meta padrão. Portanto, o sistema de procedimentos operacionais padrão da empresa é o próprio planejamento operacional a partir do qual decorre todo o treinamento operacional ou treinamento no trabalho. D Os elementos necessários ao cumprimento dos procedimentos operacionais padrão são: • Treinamento no Trabalho (On the Job Training): Cada pessoa da empresa deve estar bem treinada para executar as tarefas que realizará no dia a dia, de tal forma que seja a “melhor do mundo” naquilo que faz. Esse treinamento é baseado nos procedimentos operacionais padrão. • Supervisão: Cada chefia (inclusive diretores e gerentes) deve acompanhar o trabalho de seus subordinados com o objetivo de verificar se os procedimentos operacionais padrão estão sendo cumpridos. • Auditoria: A certeza de que todos os procedimentos operacionais padrão da empresa estão sendo cumpridos deve ser levada às chefias pelas auditorias regulares do Departamento de Garantia da Qualidade, pelas auditorias regulares das próprias chefias e pelas auditorias externas. C A etapa de verificação consiste no acompanhamento (monitoramento) da meta, ou seja, em avaliar se a meta foi ou não alcançada. A verificação é feita nos fins (resultado final do processo) e não nas estapas intermediárias. A Caso a meta padrão não tenha sido atingida, deve ser adotada a ação corretiva sobre o desvio detectado (anomalia), de acordo com o seguinte procedimento: • relato da anomalia; • remoção do sintoma; • análise da anomalia, seguida da adoção de contramedidas sobre as causas imediatas e da emissão do relatório de anomalias; • revisão diária, seguida da adoção de contramedidas adicionais.

Esse procedimento está indicado na parte intermediária da Figura 3.5. 3.5. Essa figura representa o “controle de processo avançado” e nada mais é do que uma outra maneira de representar a Figura 3.4, 3.4, com a explicitação das ações que compõem a etapa A (atuação corretiva). A parte inferior da figura corresponde ao levantamento das anomalias crônicas e prioritárias para o tratamento preventivo. Essa ação, juntamente com a ação corretiva, compõe o “Tratamento das Anomalias”.

Processo Avançado”, segundo Campos, V. V. F. F.3 FIGURA 3.5 “Controle do Processo

Portanto, dentro do SDCA devem existir os seguintes sistemas: 1. Sistema de Padronização (S); 2. Sistema de Treinamento no Trabalho (D); 3. Sistema de Supervisão e Auditoria (D); 4. Sistema de Monitoramento de Todas as Metas Padrão (C); 5. Sistema de Tratamento de Anomalias (A).

3.3 Atuação para o alcance das metas para  melhorar Para atingir as metas de melhoria, também utilizamos o Ciclo  PDCA conforme consta na Figura 3.6. 3.6. O  PDCA apresentado nessa figura também é denominado Método de Solução de Problemas, já que cada meta de melhoria gera um problema que a empresa deverá solucionar.

FIGURA 3.6   Ciclo PDCA utilizado para o alcance das metas de melhoria, segundo Campos, V.F.3

Em relação ao Ciclo  PDCA  de melhorias, devemos fazer as seguintes observações: P O problema identificado na Fase 1 da etapa P do  PDCA é gerado a partir da meta de melhoria (estabelecida sobre os fins), a qual pode pertencer a uma das duas categorias relacionadas a seguir: • Meta “Boa”: É aquela que surge a partir do plano estratégico, sendo baseada nas exigências do mercado e na necessidade de sobrevivência da empresa. • Meta “Ruim”: É aquela proveniente das anomalias crônicas (veja as ações localizadas abaixo da linha pontilhada na Figura 3.5). Uma anomalia crônica prioritária identificada a partir do SDCA gera uma meta “ruim”, que deverá ser atingida por meio do giro do Ciclo PDCA para melhorias. O leitor deve observar que a existência de processos que apresentam diversas anomalias impede a empresa de atingir as metas “boas” provenientes do planejamento estratégico, já que a maior parte do tempo dedicado ao alcance de metas será voltada à solução das metas “ruins”. É importante lembrar que o trabalho que objetiva o alcance das metas “ruins” não agrega valor, já que apenas corrige algo que anteriormente foi malfeito. Após o estabelecimento da meta e a identificação do problema, deve ser feita uma análise do fenômeno ou análise do problema, para que as características do problema possam ser reconhecidas. A análise do fenômeno, realizada levando em conta os objetivos a serem alcançados, consiste em investigar as características específicas do problema, com uma visão ampla e sob vários pontos de vista. Essa análise permite a localização do foco do problema. A próxima fase da etapa P é a análise do processo, realizada sobre os meios, que objetiva a descoberta das causas fundamentais do problema. Na análise do processo, devemos investigar o relacionamento existente entre o fenômeno, concentrando nossa atenção no foco do problema identificado na fase anterior, e quaisquer deficiências que possam existir no processo (meios). Após a condução da análise do processo, deve ser estabelecido o plano de ação (sobre os meios) que é um conjunto de contramedidas com o objetivo de bloquear as causas fundamentais. Para cada contramedida constante do plano de ação, deverá ser definido o “5WIH”: O QUÊ (WHAT ) será feito, QUANDO (WHEN ) será feito, QUEM ( WHO) fará, ONDE (WHERE) será feito, POR QUE (WHY ) será feito e COMO ( HOW ) será feito.

A etapa de planejamento do Ciclo  PDCA  de melhorias consiste, então, no estabelecimento de metas sobre os fins e na definição das ações que deverão ser executadas sobre os meios para que cada meta possa ser atingida. Essa é a etapa mais difícil do  PDCA. No entanto, quanto mais informações forem agregadas ao planejamento, maiores serão as possibilidades de que a meta seja alcançada. Além disso, quanto maior for o volume de informações utilizadas, maior será a necessidade do emprego de ferramentas apropriadas para coletar, processar e dispor essas informações. Também é importante destacar que a quantidade de informações e o grau de sofisticação das ferramentas necessárias à etapa P variam de acordo com o tipo de atividade no qual o giro do PDCA está inserido, ou seja, dependem da complexidade do problema em questão. As ideias discutidas nesse parágrafo estão sumarizadas na Figura 3.7.

FIGURA 3.7 Necessidades de informações e ferramentas na execução da etapa de planejamento (P) do Ciclo PDCA de melhorias, em função do tipo de atividade no qual o PDCA está inserido, segundo Campos, V. F.4

D A etapa de execução do  PDCA  de melhorias consiste no treinamento nas tarefas estabelecidas no plano de ação, na execução dessas tarefas e na coleta de

dados que serão utilizados na etapa seguinte, de confirmação da efetividade da ação adotada. C Na etapa de verificação do Ciclo PDCA de melhorias será feita a confirmação da efetividade da ação de bloqueio adotada. Se o bloqueio não foi efetivo e a meta de melhoria não foi atingida, devemos retornar à fase de análise do fenômeno, fazer uma nova análise, elaborar um novo plano de ação e emitir o chamado “Relatório de Três Gerações”, que é o documento que relata o esforço de se atingir a meta por meio do giro do  PDCA. O Relatório de Três Gerações deve mostrar: • o que foi planejado (passado); • o que foi executado (presente); • os resultados obtidos (presente); • os pontos problemáticos, responsáveis pelo não atingimento da meta (presente); • a proposição (plano) para resolver os pontos problemáticos (futuro). Caso o bloqueio tenha sido efetivo, resultando no alcance da meta, devemos passar à etapa A do PDCA de melhorias. A A fase de padronização da etapa A consiste em adotar como padrão as ações que “deram certo”, isto é, as ações cuja implementação permitiu o alcance da meta. Observe que, para que a consolidação do alcance da meta de melhoria possa ocorrer, a nova maneira de trabalhar definida a partir do giro do  PDCA de melhorias deverá ser utilizada no dia a dia, passando, então, a constituir o novo patamar que será adotado como padrão (Procedimento Operacional Padrão) na Etapa S do Ciclo SDCA. Nesse sentido, dizemos que o  PDCA  de melhorias modifica o SDCA, colocando-o em um patamar de desempenho mais elevado Após a padronização, vem a fase de conclusão, na qual deve ser feita uma revisão das atividades realizadas e o planejamento para o trabalho futuro. Para encerrar as observações relativas à atuação para o alcance das metas de melhoria, é importante ressaltar que existem duas maneiras pelas quais essas metas podem ser atingidas por meio do giro do Ciclo PDCA: 1 Melhorando-se continuamente os processos existentes. Nesse tipo de atuação, são feitas sucessivas modificações nos processos existentes na empresa, tais como dar mais treinamento aos operadores, empregar matérias-primas de qualidade mais uniforme e otimizar a forma de utilização de equipamentos e ferramentas. Essas modificações

geralmente conduzem a ganhos sucessivos obtidos sem nenhum investimento ou com pequenos valores investidos. 2 Projetando-se um novo processo ou fazendo-se modificações substanciais nos processos existentes. O projeto de um novo processo ou a realização de grandes modificações no processo existente são ações necessárias quando as metas colocadas pelo mercado são tão desafiadoras que não podem ser atingidas pelo processo preexistente. Geralmente, esse procedimento resulta em grandes avanços para a empresa, mas também implica na realização de investimentos elevados. A implantação de um processo totalmente informatizado, visando o alcance das metas de melhoria, é um exemplo desse modo de atuação.

3.4 Funcionamento conjugado dos ciclos PDCA para manter e melhorar A forma de funcionamento conjugado dos Ciclos PDCA para manter e melhorar os resultados de um processo é apresentada na Figura 3.8. Observe que todos os produtos internos e externos da empresa decorrem do  PDCA  para manter (SDCA). O  PDCA  de melhorias modifica o SDCA, colocando o ciclo para manter em um novo patamar de desempenho.

FIGURA 3.8 Funcionamento conjugado dos Ciclos PDCA para manter e melhorar resultados, segundo Campos, V. F.3

A Figura 3.9  mostra o conceito de Melhoramento Contínuo, a qual também apresenta o Ciclo  PDCA  aplicado para a inovação, que envolve o desenvolvimento de novos produtos e processos. O detalhamento do PDCA para inovação não será apresentado no presente volume da Série Werkema de Excelência Empresarial.

FIGURA 3.9 Conjugação dos Ciclos SDCA e PDCA que compõem o Melhoramento Contínuo, segundo Campos, V. F.5

Tomando as Figuras 3.4 a 3.8  como referência, no próximo capítulo discutiremos como as ferramentas analíticas podem ser integradas aos Ciclos SDCA e PDCA, exercendo o papel de instrumentos para a coleta, a disposição e o processamento das informações necessárias à manutenção e à melhoria dos resultados dos processos de uma empresa. É importante destacar que as ideias, que serão apresentadas no Capítulo 4, sobre a forma de integração das ferramentas analíticas  às diversas etapas do Ciclo  PDCA (método) para manter e melhorar resultados, serão aprofundadas e exemplificadas nos outros textos da Série Werkema de Excelência Empresarial.

CAPÍTULO 4

As ferramentas analíticas e os ciclos PDCA para manter e melhorar “Judgments prevent  us from seeing the good that lies beyond appearances.” Wayne W. Dyer

4.1 Uma visão geral das principais ferramentas analíticas 4.1.1 Ferramentas Estatísticas Uma descrição resumida da finalidade das principais técnicas estatísticas, que podem ser utilizadas como ferramentas integradas aos Ciclos PDCA para manter e melhorar, consta na Tabela 4.1. Essas ferramentas serão estudadas em detalhes em outros volumes da Série Werkema de Excelência Empresarial.

Tabela 4.1 Visão geral das principais ferramentas estatísticas utilizadas no giro dos Ciclos PDCA para manter e melhorar

4.1.2 Sete Ferramentas Do Planejamento Ou Ferramentas Administrativas Da Qualidade A Tabela 4.2 apresenta, de forma resumida, a finalidade de cada uma das Sete Ferramentas do Planejamento, que também são utilizadas no giro dos Ciclos  PDCA  para manter e melhorar. Essas ferramentas são apropriadas para o tratamento de dados não numéricos, sendo muito importantes na preparação de projetos e como apoio aos processos decisórios. As Sete Ferramentas do Planejamento serão apresentadas em outro volume da Série Werkema de Excelência Empresarial.

Tabela 4.2 Visão Geral das Sete Ferramentas do Planejamento

4.1.3 FMEA E FTA Os métodos FMEA e FTA  são utilizados no Ciclo  PDCA  com o objetivo de melhorar resultados. Esses métodos são empregados na análise de falhas (problemas) pertinentes ao projeto do produto ou em processos técnicos e administrativos, e funcionam como importantes ferramentas para a identificação das causas fundamentais dos problemas, a priorização das causas das falhas quanto à sua importância e risco e o estabelecimento de planos de ação para bloqueá-las. O uso ideal dessas ferramentas se faz na etapa de projeto do produto ou do processo, quando são detectadas todas as possíveis falhas potenciais e estabelecidas contramedidas para evitá-las, ANTES que aconteçam. Por outro lado, os dois métodos podem ser empregados na análise de problemas já existentes, como ferramentas auxiliares dentro do PDCA de melhorias. Os métodos FMEA e FTA serão tratados em detalhes em outro volume da Série Werkema de Excelência Empresarial.

4.2 Integração das ferramentas da qualidade aos Ciclos PDCA para manter e melhorar A Tabela 4.3, apresentada a seguir, é um sumário de uma possível  forma de integração das ferramentas que acabamos de apresentar ao leitor, às diversas etapas dos Ciclos  PDCA  para manter e melhorar os resultados de um determinado processo. Ao observarmos a tabela fica evidente o fato de que existem várias ferramentas que podem ser utilizadas em cada fase do Ciclo. Na verdade, o emprego conjunto de mais de uma ferramenta, de acordo com a natureza do problema em questão, permite o aprimoramento do processo de coleta, processamento e disposição das informações, o que contribui para aumentar a eficiência do giro do PDCA.

Tabela 4.3 Forma de integração das ferramentas analíticas ás etapas dos Ciclos PDCA para manter e melhorar os resultados de um processo

Com o objetivo de complementar as informações fornecidas pela Tabela 4.3 e tornar mais claro, para o leitor, o papel exercido pelas ferramentas da qualidade, nas duas próximas seções giraremos os Ciclos  PDCA para manter e melhorar, e faremos uma descrição resumida sobre como algumas das ferramentas mais apropriadas a cada fase dos Ciclos podem ser utilizadas, de acordo com os objetivos da fase que estará sob consideração. Com o propósito de não entediar o leitor, essa descrição será feita considerando apenas as ferramentas estatísticas. É importante destacar que algumas vezes uma mesma ferramenta estatística

será discutida em mais de uma fase dos Ciclos  PDCA para manter e melhorar. A princípio, esse fato poderia parecer uma repetição desnecessária, visto que acabamos de apresentar uma visão geral das principais ferramentas estatísticas. No entanto, como os objetivos de cada fase são diferentes, consideramos que essa discussão poderá contribuir para que fiquem cada vez mais claras para o leitor a função e a importância das ferramentas durante o giro dos Ciclos  PDCA para melhorar e manter resultados.

4.3 Utilização das ferramentas estatísticas no Ciclo PDCA para melhorar resultados Etapa P – Fase 1: Identificação Do Problema  Iniciando nossa análise com o Ciclo PDCA de melhorias (ver Figura 3.6), temos que a primeira ação da etapa P desse Ciclo consiste na identificação do problema gerado pela meta de melhoria. Devemos nos basear em fatos e dados para que possamos estar certos de que a meta de melhoria e o problema correspondente, que serão analisados, são os mais importantes, no momento, para a empresa. Para nos auxiliar nessa avaliação, as ferramentas estatísticas listadas a seguir podem ser muito úteis: 1. Amostragem e Análise Multivariada (Pesquisa de Mercado) Para definir a meta de melhoria, é necessário que a empresa ouça seus clientes, já que as metas vêm do própr io mercado. A utilização das técnicas de amostr agem e de análise multivariada per mitir á que a empresa identifique seus clientes e também as necessidades desses clientes, as quais podem dar origem às metas consideradas “boas” que deverão ser atingidas por meio do giro do  PDCA. Essas técnicas fornecem os métodos para a escolha de um grupo representativo (amostra) da totalidade dos elementos que constituem o universo de interesse da empresa (população) e também fornecem formas eficientes de coleta e análise dos dados que permitirão o estabelecimento da meta de melhoria. 2. Folha de Verificação A Folha de Verificação será empregada para a coleta dos dados necessários à identificação da meta de melhoria e do problema por ela gerado. 3. Gráfico de Pareto

O Gráfico de Pareto permite a priorização de temas e o estabelecimento de metas numéricas viáveis para serem alcançadas por meio do giro do Ciclo PDCA de melhorias (ver a Figura 4.1).

FIGURA 4.1 Utilização do Gráfico de Pareto na fase de identificação do problema  do Ciclo PDCA de melhorias, a partir da definição das anomalias crônicas prioritárias (metas “ruins”)

4. Histograma, Medidas de Locação e de Variabilidade e Índices de Capacidade de Processos Essas ferramentas, quando utilizadas a partir do emprego de dados históricos, dispõem e processam as informações de forma que seja possível perceber a existência de uma falta de capacidade do processo em gerar produtos que atendam às especificações. Essa falta de capacidade do processo pode dar origem a uma meta de melhoria (ver a Figura 4.2).

FIGURA 4.2 Utilização do Histograma e dos Índices de Capacidade de Processos na fase de identificação do problema  do Ciclo PDCA de melhorias.

5. 5. Carta de Controle A Carta de Controle permite a visualização do nível de variabilidade do processo provocada pelas causas comuns de variação. Essas causas podem resultar nos problemas crônicos e dar origem a uma meta de melhoria (meta considerada “ruim”, ver a Figura 4.3).

FIGURA 4.3 Utilização da Carta de Controle na fase de identificação do problema do Ciclo PDCA de melhorias

Etapa P – Fase 2: Análise Do Fenômeno A fase de análise do fenômeno da etapa P do Ciclo  PDCA de melhorias consiste no reconhecimento das características do problema. Nessa fase, as ferramentas estatísticas relacionadas a seguir exercem um papel de grande importância: 1. Estratificação Devemos estratificar as informações sob vários pontos de vista, tais como: • Tempo: os resultados relacionados ao problema são diferentes de manhã, à tarde, à noite? • Local: os resultados são distintos nas diferentes linhas de produção da

indústria ou nas diferentes regiões do país onde o produto é comercializado? • Tipo: são obtidos diferentes resultados dependendo do fornecedor da matéria-prima utilizada? • Sintoma: os resultados diferem em função de diferentes defeitos que podem ocorrer? • Indivíduo: diversos operadores estão associados a resultados distintos? 2. Folha de Verificação Todos os fatores de estratificação de interesse (máquinas, operadores, turnos, matérias-primas, tipos de defeitos, entre outros) devem ser incluídos na Folha de Verificação que será utilizada para a coleta e o registro dos dados empregados na observação do problema (ver a Figura 4.4).

FIGURA 4.4 Utilização da Folha de Verificação e do Gráfico de Pareto na fase de análise do fenômeno do Ciclo PDCA de melhorias

3. Gráfico de Pareto

O Gráfico de Pareto dispõe sob a forma visual as informações obtidas a partir da estratificação (ver a Figura 4.4). 4. Histograma e Medidas de Locação e de Variabilidade Essas ferramentas processam as informações de tal forma que é possível observar se o problema está mais relacionado à localização do valor médio ou à magnitude da variabilidade dos resultados gerados pelo processo. 5. Intervalos de Confiança, Testes de Hipóteses e Análise de Variância Essas técnicas estatísticas podem ser empregadas para verificar se o problema ocorre de maneira diferente nos diversos grupos definidos na estratificação realizada na etapa de análise do fenômeno, sendo possível manter um controle do erro que pode ser cometido no estabelecimento da conclusão (ver a Figura 4.5).

FIGURA 4.5 Utilização de Testes de Hipóteses na fase de análise do fenômeno do Ciclo PDCA de melhorias

FIGURA 4.6 Utilização de Diagrama de Causa e Efeito na fase de análise do processo do Ciclo PDCA de melhorias

6. Técnicas de Avaliação da Capacidade de Sistemas de Medição (Repetibilidade e Reprodutibilidade) Para que os dados coletados com o objetivo de estudar as características do problema considerado no giro do Ciclo PDCA de melhorias sejam confiáveis, é necessário que o sistema de medição empregado forneça resultados acurados (precisos e não viciados). Para que possamos avaliar se essa condição está sendo realmente satisfeita, será necessário quantificar a repetibilidade e a reprodutibilidade dos métodos de medição.

Etapa P – Fase 3: Análise Do Processo A fase de análise do processo da etapa P do Ciclo  PDCA de melhorias consiste na descoberta das causas fundamentais do problema que está sendo considerado. As ferramentas estatísticas apresentadas a seguir são muito utilizadas nessa fase:

1. Diagrama de Causa e Efeito O Diagrama de Causa e Efeito é uma ferramenta utilizada para apresentar a relação existente entre o problema a ser solucionado (efeito) e os fatores (causas) do processo que podem provocar o problema. O Diagrama de Causa e Efeito, além de sumarizar as possíveis causas do problema, também atua como um guia para a identificação da causa fundamental e para a determinação das ações que deverão ser adotadas. É importante destacar que as causas relacionadas nessa ferramenta devem ser reduzidas por meio da eliminação das causas menos prováveis. Essa redução pode ser feita com base nos resultados obtidos a partir do emprego das técnicas estatísticas na fase anterior (análise do fenômeno). A Figura 4.6 é um exemplo de Diagrama de Causa e Efeito utilizado na fase de análise do processo do  PDCA de melhorias. 2. Amostragem O emprego das técnicas de amostragem permitirá que sejam coletados, de forma eficiente, dados representativos do processo. Esses dados devem ser utilizados na análise das causas mais prováveis do problema. 3. Gráfico de Pareto Tomando como ponto de partida o conjunto das causas mais prováveis que tenham sido confirmadas após a realização dos testes das hipóteses, o Gráfico de Pareto permite a visualização de quais são as poucas causas vitais que deverão ser bloqueadas para que a meta de melhoria possa ser atingida. 4. Histograma e Medidas de Locação e de Variabilidade Essas ferramentas processam as informações de modo a tornar possível a avaliação de como as causas mais prováveis que estão sendo testadas afetam a locação e a dispersão dos resultados (efeito) do processo. 5. Diagrama de Dispersão O Diagrama de Dispersão pode ser utilizado para a visualização do tipo de relacionamento existente entre o problema considerado no giro do  PDCA e cada causa mais provável que tenha sido identificada. O emprego dessa ferramenta também pode permitir a visualização de algum possível relacionamento entre duas causas mais prováveis para o problema. Portanto, o Diagrama de Dispersão processa as informações de forma a tornar possível a identificação das variáveis que podem ser a causa do problema em questão (ver Figura 4.7).

FIGURA 4.7 Utilização do Diagrama de Dispersão na fase de análise do processo do Ciclo PDCA de melhorias

6. Análise de Regressão A Análise de Regressão pode ser empregada para modelar e quantificar a intensidade do relacionamento existente entre o problema que está sendo solucionado e as causas mais prováveis dentficadas na fase de análse do processo Portanto a Análse de Regressão processa as nformações de modo a identificar e priorizar as causas influentes no problema (ou meta). 7. Carta de Controle A possível visualização de configurações especiais nas Cartas de Controle pode nos fornecer indicações sobre as prováveis causas do problema (ver Figura 4.8).

FIGURA 4.8 Utilização da Carta de Controle na fase de análise do processo do Ciclo PDCA de melhorias

8. Intervalos de Confiança, Testes de Hipóteses e Análise de Variância Essas ferramentas estatísticas podem ser utilizadas no teste das causas mais prováveis (hipóteses), permitindo a confirmação, ou não, da correlação entre o problema (efeito) e as causas mais prováveis identificadas. 9. Planejamento de Experimentos O Planejamento de Experimentos é uma técnica estatística de grande importância na execução da fase de análise do processo da etapa P do  PDCA de melhorias, porque seu emprego permite a identificação das principais causas do processo sobre as quais devemos atuar no sentido de fazer com que a meta de melhoria seja alcançada. As causas mais prováveis (hipóteses) podem ser identificadas e testadas, com o mínimo de tempo e custos e, ao mesmo tempo, com a manutenção de um nível de confiança preestabelecido para as conclusões, por meio da realização de experimentos estatisticamente planejados. Esses experimentos são especialmente importantes quando é necessário projetar um novo processo ou fazer modificações substanciais no processo existente com o intuito de que a meta de melhoria possa ser alcançada, mas também podem ser empregados no melhoramento contínuo de um processo já existente.

10. Otimização de Processos As técnicas estatísticas de Otimização de Processos também são muito importantes na fase de análise das causas mais prováveis do problema considerado no giro do PDCA de melhorias. Para que a técnica de Otimização de Processos possa ser utilizada, na maioria das situações, será necessário realizar interferências no processo, ou seja, deverão ser provocadas alterações planejadas e controladas nos fatores do processo com o propósito de observar as mudanças correspondentes nos seus efeitos. Esse procedimento irá gerar informações que serão processadas para que possamos confirmar as causas mais prováveis e determinar o sentido no qual o processo deverá ser direcionado, com o propósito de atingir a meta de melhoria (ver Figura 4.9). Uma das técnicas de Otimização de Processos é o chamado Método de Superfície de Resposta, que se mostra especialmente adequado quando é necessário projetar um novo processo ou fazer modificações substanciais no processo existente para que a meta de melhoria possa ser atingida. Já a técnica conhecida como Operação Evolutiva (EVOP) é bastante apropriada quando a meta de melhoria deverá ser obtida por meio do melhoramento contínuo dos processos existentes.

FIGURA 4.9 Utilização das Técnicas de Otimização de Processos na fase de análise do processo do Ciclo PDCA de melhorias

11. Análise Multivariada A Análise Multivariada processa as informações de forma a facilitar o entendimento do relacionamento existente entre as variáveis do processo. 12. Confiabilidade Nessa fase, os Testes de Vida Acelerados são importantes para uma rápida obtenção de dados referentes à durabilidade de produtos/componentes. A modelagem estatística adequada dos resultados obtidos sob condições de aceleração permite a condução de uma Análise do Tempo de Falha nas condições de uso do produto/componente.

Etapa P – Fase 4: Plano De Ação A fase de elaboração do plano de ação da etapa P do Ciclo PDCA de melhorias

consiste na concepção de um plano para bloquear as causas principais que tenham sido identificadas na fase de análise do processo, ou seja, consiste no estabelecimento das contramedidas às causas principais. As conclusões obtidas por meio do emprego das técnicas estatísticas para o processamento das informações envolvidas no cumprimento das fases anteriores devem sempre ser levadas em consideração durante a elaboração da estratégia de ação.

Etapa D – Fase 5: Execução A fase de execução da etapa D do Ciclo PDCA de melhorias consiste na atuação de acordo com o plano de ação. Nessa fase, devem ser coletados dados que serão utilizados na fase seguinte, de verificação da efetividade do bloqueio adotado. Algumas ferramentas estatísticas que podem ser utilizadas são: 1. Análise de Regressão Nas situações relacionadas a seguir, a Análise de Regressão pode ser utilizada na coleta de dados do processo. • Para a substituição de um ensaio destrutivo, realizado para a obtenção da medida da variável de interesse, por um ensaio não destrutivo. A Análise de Regressão pode ser utilizada, por exemplo, para determinar uma equação que expresse a resistência à tração de uma peça de aço (medida por um ensaio destrutivo) como uma função da dureza da peça de aço (medida por um ensaio não destrutivo). • Para a obtenção de curvas de calibração, que são utilizadas para fornecer as medidas da variável de interesse. 2. Carta de Controle A Carta de Controle permite o processamento e a disposição das informações sobre a estabilidade do processo. Essas informações são muito importantes para a avaliação da efetividade do bloqueio adotado, tarefa que será realizada na próxima fase do PDCA, já que após a adoção das contramedidas esperaremos obter um processo estável, operando em um patamar de desempenho mais elevado.

Etapa C – Fase 6: Verificação A fase de verificação da etapa C do Ciclo  PDCA  de melhorias consiste na confirmação da efetividade da ação de bloqueio. Essa confirmação deve ser feita por meio do emprego dos dados coletados antes e após a ação de bloqueio, os

quais permitirão a comparação dos resultados. Nessa fase, as ferramentas estatísticas listadas a seguir são especialmente importantes: 1. Gráfico de Pareto A comparação de Gráficos de Pareto construídos a partir de dados coletados antes e após a adoção das medidas para melhoria do processo pode ser utilizada para avaliar se as ações executadas foram realmente efetivas. Ou seja, a utilização de Gráficos de Pareto para comparações “antes” e “depois” nos permite avaliar o impacto das mudanças efetuadas no processo e o grau de alcance da meta (ver Figura 4.10).

FIGURA 4.10 Utilização do Gráfico de Pareto na fase de verificação do Ciclo PDCA de melhorias

2. Histograma e Medidas de Locação e de Variabilidade Essas ferramentas processam e dispõem as informações sobre a forma, a locação e a dispersão da distribuição dos resultados gerados pelo processo após a adoção das medidas de bloqueio. Essas informações nos permitem avaliar se o bloqueio foi efetivo e se foram provocados efeitos

secundários. 3. Intervalos de Confiança, Testes de Hipóteses e Análise de Variância Essas técnicas estatísticas podem ser empregadas, utilizando dados coletados após a adoção do bloqueio, para processar as informações de modo a ser possível realizar a verificação da continuidade ou não do problema, mantendo um controle do erro que pode ser cometido no estabelecimento da conclusão. 4. Carta de Controle A Carta de Controle pode ser utilizada para processar e dispor as informações necessárias para que possamos avaliar se após a adoção das contramedidas foi obtido um processo estável, operando no patamar de desempenho desejado. Esse gráfico é muito útil para a verificação da continuidade ou não do problema (ver Figura 4.11).

FIGURA 4.11 Utilização da Carta de Controle na fase de verificação do Ciclo PDCA de melhorias

5. Índices de Capacidade de Processos Se tiver sido obtido um processo estável após a adoção das ações de bloqueio, os Índices de Capacidade podem ser empregados como ferramentas que nos permitem avaliar se o processo é de fato capaz de atender à meta de melhoria. 6. Confiabilidade Após a adoção das contramedidas, é possível verificar se houve ganhos consideráveis com relação à durabilidade do produto, por meio da realização de Testes de Vida Acelerados.

Etapa A – Fase 7: Padronização A fase de padronização da etapa A do Ciclo  PDCA  de melhorias consiste na eliminação definitiva das causas influentes detectadas, ou seja, trata-se da prevenção contra o reaparecimento do problema. Nessa fase, o novo procedimento operacional padrão deve ser estabelecido ou o procedimento antigo deve ser revisto. Essas medidas significam que a nova maneira de trabalhar deve ser adotada no dia a dia (irá se transformar no procedimento operacional padrão da etapa S do SDCA), com o objetivo de manter o processo no novo patamar de desempenho que foi alcançado. Nesse sentido, são fundamentais a educação e o treinamento no trabalho e o acompanhamento da utilização do padrão. Na fase de padronização, as ferramentas estatísticas mais utilizadas são: 1. Folha de Verificação A Folha de Verificação é útil na coleta de informações que podem ser utilizadas na verificação da utilização do padrão (ver Figura 4.12).

FIGURA 4.12 Utilização da Folha de Verificação na fase de padronização do Ciclo PDCA de melhorias

2. Amostragem O emprego das técnicas de Amostragem propicia que sejam obtidas informações representativas sobre a efetividade do cumprimento do padrão

Etapa A – Fase 8: Conclusão A fase de conclusão da etapa A do Ciclo  PDCA  de melhorias consiste na recapitulação de todo o processo de solução do problema e no planejamento de futuras atividades. Nessa fase, deve ser feita uma relação dos problemas remanescentes e também deve ser elaborado o planejamento da solução desses problemas. Além disso, deve ser efetuada uma reflexão sobre a própria atividade de solução de problemas. Na fase de conclusão, as ferramentas estatísticas listadas a seguir exercem um importante papel:

1. Gráfico de Pareto O Gráfico de Pareto dispõe sob a forma visual e torna evidente a priorização dos problemas remanescentes que serão atacados no futuro. 2. Carta de Controle A Carta de Controle permite que os resultados indesejáveis remanescentes devidos às causas comuns de variação sejam isolados das anomalias provocadas por causas especiais de variação, para as quais qu ais a adoção de contramedidas deve ser imediata. 3. Histograma e Medidas de Locação e de Variabilidade Variabilidade Essas ferramentas podem ser empregadas para processar as informações de modo a tornar possível a visualização dos resultados obtidos abaixo ou acima do esperado, os quais qu ais são indicadores mportantes para aumentar a eficiência dos próximos trabalhos.

4.4 Utilização das ferramentas estatísticas no Ciclo PDCA para manter resultados (SDCA) Etapa S – Fases 1 E 2: Meta Padrão E Procedimento Operacional Padrão A meta padrão representa a faixa de valores desejados para o item de controle de interesse do processo, devendo ser mantida, ou seja, atingida no trabalho do dia a dia. A meta padrão é alcançada por meio de operações padronizadas. Desse modo, o procedimento operacional padrão representa o método para se atingir a meta padrão. Portanto, a meta padrão e o procedimento operacional padrão resultam da fase de padronização do Ciclo PDCA de melhorias (ver Figura 3.8). 3.8). Na etapa S do SDCA não é necessário empregar ferramentas estatísticas.

Etapa D – Fase 3: Execução A etapa D de execução do Ciclo SDCA consiste no cumprimento do procedimento operacional padrão. Nessa fase, devem ser coletados dados que serão utilizados na fase seguinte, de verificação da efetividade do procedimento operacional padrão. Nessa fase, podem ser utilizadas as mesmas ferramentas estatísticas já relacionadas na fase 5 e na fase 7 do Ciclo PDCA de melhorias.

Etapa C – Fase 4: Verificação A fase de verificação da etapa C do Ciclo SDCA consiste na confirmação da efetividade do padrão operacional. Essa confirmação deve ser feita por meio do emprego dos dados coletados durante a fase de execução. Se o procedimento operacional padrão for efetivo, tudo o que deve ser feito é manter sem alterações a operação do processo. Em caso contrário, devemos passar à fase de ação corretiva do SDCA. Na fase de verificação, as ferramentas estatísticas listadas a seguir são especialmente importantes: 1. Histograma e Medidas de Locação e de Variabilidade Variabilidade As informações processadas e dispostas por essas ferramentas nos permitem avaliar se a meta padrão está sendo atingida. 2. Carta de Controle A Carta Carta de Controle pode ser utilizada para processar e dispor as informações necessárias para que possamos avaliar se o processo está estável, apresentando um comportamento previsível em consequência do cumprimento do padrão operacional (ver Figura 4.13). 4.13).

verificação e ação FIGURA 4.13 Utilização da Carta de Controle nas etapas de verificação corretiva do Ciclo SDCA

3. Índices de Capacidade de Processos Se o processo estiver estável, os Índices de Capacidade podem ser empregados como ferramentas que processam as informações necessárias à avaliação da capacidade do processo em atender à meta padrão.

Etapa A – Fase 5: Ação Corretiva  A fase de ação corretiva será acionada quando os dados coletados durante a fase de execução ndicarem que o procedimento operacional não é efetivo Nesse caso, deverão ser feitos o relato da anomalia e a remoção do sintoma e, a seguir, a análise da anomalia, o estabelecimento de contramedidas sobre as causas imediatas do problema e a emissão do relatório de anomalias. Periodicamente, deve ser realizada uma revisão das anomalias para a identificação dos problemas crônicos prioritários, os quais deverão ser tratados por meio do giro do Ciclo 3.5).  PDCA de melhorias (ver Figura 3.5). Na fase de ação corretiva, as ferramentas estatísticas listadas a seguir exercem um papel importante: 1. Diagrama de Causa e Efeito O Diagrama de Causa e Efeito pode ser utilizado para dispor as informações relativas à relação existente entre a anomalia detectada (efeito) e os fatores (causas) do processo que possam ter provocado a anomalia. 2. Diagrama de Dispersão O Diagrama de Dispersão pode ser utilizado para a visualização do tipo de relacionamento existente entre a anomalia detectada no giro do SDCA e cada causa mais provável que tenha sido identificada. 3. Histograma e Medidas de Locação e de Variabilidade Variabilidade As informações processadas e dispostas por essas ferramentas podem permitir uma avaliação dos motivos pelos quais os procedimentos operacionais padrão não estão se mostrando efetivos. 4. Carta de Controle Essa ferramenta dispõe as informações de modo a permitir a visualização imediata da ocorrência de alguma anomalia, que pode então ser prontamente relatada e analisada (ver Figura 4.13). 4.13).

4.5 Considerações finais

As ideias que acabamos de apresentar, e também o conteúdo do capítulo anterior, devem ter sido capazes de tornar claro para o leitor o fato de que os Ciclos  PDCA  para manter e para melhorar consistem em uma sequência de procedimentos lógicos, baseados em fatos e dados. No giro do  PDCA, devemos coletar dados, medir resultados, compará-los com a meta considerada e adotar a ação apropriada. Portanto, no giro desse ciclo será necessário empregar as ferramentas apropriadas para a coleta, o processamento e a disposição de dados, o que permitirá a tomada de decisões confiáveis. Um sumário da discussão que acabamos de fazer, sobre a forma de integração das ferramentas estatísticas às etapas do Ciclo  PDCA com os objetivos de manter e melhorar os resultados de um processo já foi apresentado na Tabela 4.3. Com o intuito de fazer com que o leitor, cada vez mais, conscientize-se da necessidade do emprego das ferramentas estatísticas para uma realização mais eficiente do gerenciamento de processos, apresentaremos no Anexo A uma sucinta discussão sobre a natureza da Estatística.

CAPÍTULO 5

O método DMAIC  e sua correspondência com o Ciclo PDCA “To admit my mistakes is a sign of strength.” Brahma Kumaris

Conforme apresentado no Capítulo 1, um dos elementos da infraestrutura do Lean Seis Sigma é a constituição de equipes para executar projetos que contribuam fortemente para o alcance das metas estratégicas da empresa. O desenvolvimento desses projetos é realizado com base em um método denominado DMAIC .1 ♦ O método DMAIC  (Figuras 5.1 e 5.2) é constituído por cinco etapas: • D – Define (Definir): Definir com precisão o escopo do projeto. • M – Measure (Medir): Determinar a localização ou foco do problema. • A – Analyze (Analisar): Determinar as causas de cada problema prioritário. • I – Improve (Melhorar): Propor, avaliar e implementar soluções para cada problema prioritário. • C – Control (Controlar): Garantir que o alcance da meta seja mantido a longo prazo.

FIGURA 5.1   Método DMAIC 

FIGURA 5.2 Visão geral das etapas do DMAIC 

FIGURA 5.3 Integração das ferramentas Lean Seis Sigma ao DMAIC 

♦ Diversas ferramentas são utilizadas de maneira integrada às etapas do  DMAIC , que se transforma, então, em um método sistemático baseado em dados e no uso de ferramentas estatísticas para se atingir os resultados estratégicos desejados pela empresa. ♦ O esquema de integração das ferramentas Seis Sigma ao método DMAIC  utilizado para a melhoria do desempenho de produtos e processos, apresentado nesta figura, serà discutido detalhadamente neste capítulo. Para que possamos fazer uma comparação entre o Ciclo  PDCA  e o método  DMAIC , apresentamos novamente o  PDCA na Figura 5.4, agora na versão publicada por Joseph M. Duran e A. Blanton Godfrey.3

FIGURA 5.4   Ciclo PDCA

A análise das Figuras de 5.1 a 5.4  mostra que existe uma correspondência entre o método  DMAIC   e o Ciclo  PDCA, que pode ser visualizada nas Figuras 5.5 a 5.7.

FIGURA 5.5 Correspondência entre o Metodo DMAIC  e o Ciclo PDCA

As Figuras 5.6 e 5.7 mostram claramente a grande ênfase dada pelo método  DMAIC  ao planejamento, antes que as ações sejam executadas. No Capítulo 6, as etapas do DMAIC serão apresentadas em detalhes. Os pontos fortes do DMAIC são sumarizados na Figura 5.8.

FIGURA 5.6 Correspondência entre o Método DMAIC  e o Ciclo PDCA

FIGURA 5.7 Correspondência entre o Método DMAIC  e o Ciclo PDCA4

FIGURA 5.8 Pontos fortes do DMAIC 

Portanto, está evidente que não há conflitos entre o  DMAIC  e o PDCA e, sim, uma complementaridade, de modo que ambos podem ser utilizados em uma mesma empresa. O  DMAIC , com seu roteiro detalhado e maior número de ferramentas analíticas, pode e deve complementar o  PDCA, à medida que evoluem o sistema de gestão e o nível de capacitação das pessoas da organização.

CAPÍTULO 6

Integração das ferramentas Lean Seis Sigma ao DMAIC  “How people treat you is their karma; how you react is yours.” Wayne W. Dyer

6.1 Introdução O esquema de integração das ferramentas  Lean Seis Sigma ao método  DMAIC  foi mostrado na Figura 5.3. Neste capítulo serão descritas as etapas do  DMAIC  e também algumas ferramentas empregadas nas etapas do método. Uma visão geral das ferramentas Seis Sigma integradas ao DMAIC  será mostrada no Anexo A e o detalhamento de cada uma, bem como uma introdução às ferramentas do  Lean Manufacturing, será apresentado nos demais volumes da Série Werkema de Excelência Empresarial.

6.2 Etapa D: Define (Definir) Na primeira etapa do  DMAIC   (veja a Figura 6.1), a meta e o escopo do projeto deverão ser claramente definidos, com base no Business Case  elaborado pelo Champion.

FIGURA 6.1 Integração das ferramentas Lean Seis Sigma ao DMAIC  – Etapa Define

Nesta etapa, deverão ser respondidas as seguintes questões: • Qual é o problema – resultado indesejável ou oportunidade detectada – a ser abordado no projeto? • Qual é a meta a ser atingida? • Quais são os clientes/consumidores afetados pelo problema? • Qual é o processo relacionado ao problema? • Qual é o impacto econômico do projeto? Uma ferramenta que deve ser utilizada nesta etapa do método, para registro dos passos iniciais do trabalho, é o  Project Charter (Figura 6.2).

FIGURA 6.2 Exemplo de Project Charter 3,4

O  Project Charter é um documento que representa uma espécie de contrato firmado entre a equipe responsável pela condução do projeto e os gestores da empresa (Champions e Sponsors) e tem os seguintes objetivos:

• apresentar claramente o que é esperado em relação à equipe; • manter a equipe alinhada aos objetivos prioritários da empresa; • formalizar a transição do projeto das mãos do Champion para a equipe; • manter a equipe dentro do escopo definido para o projeto. O Project Charter deverá conter os tópicos apresentados a seguir:

Descrição Do Problema  A descrição do problema deve apresentar respostas às seguintes questões: • Qual é o problema (ou oportunidade) considerado? • Que métricas ou indicadores são usados para o problema? • Qual é a diferença entre o valor atual para cada indicador e o valor almejado (lacuna)? • Onde o problema é observado? • Quando o problema é observado? • Qual será o impacto da solução do problema? • Quais serão os ganhos financeiros resultantes da solução do problema? • Quais serão as consequências se o problema não for resolvido? Peter Pande, Robert Neuman e Roland Cavanagh, a partir da experiência com a implementação, do  Lean  Seis Sigma em várias empresas, incluindo a GE, ensinam-nos que a descrição do problema é muito importante para: • Garantir que a equipe responsável pelo desenvolvimento do projeto entenda corretamente a situação apresentada no Business Case. • Consolidar os pontos de consenso entre a equipe e as responsabilidades de seus membros. • Garantir que o projeto é adequado como um “Projeto Lean Seis Sigma”. • Estabelecer o patamar inicial dos indicadores usados para medir o problema (baseline) que será utilizado como base de comparações para avaliação dos resultados alcançados com o projeto.

Definição Da Meta  Nas palavras de Vicente Falconi Campos, uma meta é constituída por um objetivo gerencial, (associado ao problema ou à oportunidade), um valor e um prazo. Um exemplo de meta é: • Objetivo = reduzir as perdas de produção por parada de linha na Fábrica I

• Valor = em 50% • Prazo = até o final do ano A meta apresentada acima será utilizada como exemplo ao longo deste capítulo. É fácil perceber que a meta e o problema constituem um par: “o problema é a meta não alcançada”.

Avaliação Do Histórico Do Problema: Fatos e dados históricos que ajudarão no entendimento e na valorização do problema (como ocorre e o que se está perdendo) deverão ser apresentados em um anexo ao Project Charter. Durante o levantamento do histórico do problema, o retorno econômico e o impacto do projeto sobre os clientes/consumidores e sobre as estratégias da empresa deverão ser avaliados. Nessa fase, as ferramentas Métricas do Seis Sigma, Gráfico Sequencial, Carta de Controle e Análise de Séries Temporais  poderão ser de grande auxílio para a equipe (veja a Figura 6.3 e o Anexo A).

FIGURA 6.3 Parte do Anexo I integrante do Project Charter  da Figura 6.2

Na avaliação do retorno econômico, fatores como aumento nas vendas, melhoria nas margens, aumento de produtividade e maior retenção de clientes devem ser levados em consideração. Ela deverá ser validada pelo departamento financeiro/controladoria da empresa. É importante destacar que, para que as conclusões obtidas a partir da análise do histórico do problema possam ser, de fato, consideradas verdadeiras, os dados que deram origem a essa análise devem ser confiáveis. Para garantir a

confiabilidade dos dados gerados por todos os sistemas de medição, inspeção e registro utilizados durante a execução de todas as etapas do  DMAIC , devem ser usadas as ferramentas para Avaliação de Sistemas de Medição e Inspeção (veja o Anexo A). Após o levantamento do histórico do problema e do retorno econômico, a equipe – juntamente com o Champion  – deve avaliar se o projeto é realmente prioritário para a unidade de negócio e se será patrocinado pelos gestores envolvidos, isto é, deve identificar se o mesmo deverá, de fato, ser desenvolvido. Em caso negativo, o projeto não deverá ser executado e o Champion  ficará responsável por selecionar novo projeto. Em caso afirmativo, a equipe deverá continuar a elaboração do Project Charter, definindo os tópicos a seguir:

Apresentação De Possíveis Restrições E Suposições Possíveis restrições, como baixo tempo de dedicação dos membros da equipe ao projeto e inexistência de dados confiáveis, deverão ser registradas neste item do  Project Charter. Também devem ser documentadas suposições associadas a necessidades para o desenvolvimento do projeto, como suporte de especialistas ou consultores internos para fornecer auxílio à equipe em momentos específicos do giro do  DMAIC . Outra possível suposição se refere a tipos de soluções cuja implementação a equipe deve considerar inviável.

Definição Dos Membros Da Equipe De Trabalho E De Suas Responsabilidades O  Project Charter  deve apresentar a identificação e as responsabilidades dos membros full-time da equipe, dos especialistas responsáveis por suporte técnico específico, do Black Belt  ou Green Belt  (líder da equipe) e do Champion.

Definição Da Logística Da Equipe Neste item, devem ser respondidas questões, como: • Qual será a frequência das reuniões da equipe? • Qual será a frequência das reuniões com o Champion e com os Sponsors?

• Onde a equipe se reunirá? • Qual será a duração das reuniões?

Definição Do Cronograma Preliminar Do Projeto Neste tópico deverão ser definidas datas preliminares para a finalização de atividades prioritárias do projeto, como a conclusão de cada etapa do  DMAIC  (milestones). ♦ Durante a execução de todas as etapas do DMAIC , deverá ser utilizada outra ferramenta muito útil – o Mapa de Raciocínio –, que é uma documentação progressiva da forma de pensamento empregada durante o giro completo do  DMAIC . Ele deve ser iniciado quando começa a etapa Define e atualizado continuamente, à medida que as atividades previstas no DMAIC  vão sendo realizadas. Somente ao término da última etapa do DMAIC  o Mapa de Raciocínio é concluído. ♦ Na etapa Define do DMAIC , é importante identificar os principais clientes/consumidores do projeto e incorporar informações geradas por procedimentos utilizados para avaliar as necessidades desses clientes/consumidores. Essas informações são usadas com os seguintes objetivos: • Garantir que o problema e a meta já definidos estejam realmente relacionados a questões prioritárias para a satisfação dos clientes/consumidores. • Enfatizar a importância de se manter sempre o foco na satisfação dos clientes/consumidores, mesmo que o projeto tenha como objetivo principal a melhoria de resultados que afetem mais diretamente outros beneficiários da empresa. • Assegurar que não sejam implementadas medidas prejudiciais às relações da empresa com seus clientes/consumidores. O conjunto de dados que representam as necessidades e expectativas dos clientes/consumidores e suas percepções quanto aos produtos da empresa é denominado Voz do Cliente (Voice of the Customer  ou VOC ). Esses dados, que podem ser provenientes de reclamações, comentários, resultados de grupos-foco e respostas a pesquisas, devem ser usados para a identificação das chamadas Características Críticas para a Qualidade ( Critical to Quality ou CTQs) dos produtos da empresa e de suas respectivas especificações (ver Anexo A e os demais volumes da Série Werkema de Excelência Empresarial).

O problema do projeto deverá ser relacionado às CTQs. Nas palavras de Pande, Neuman e Cavanagh: “Se a empresa já possui implementado um sistema para avaliação da satisfação de consumidores, a obtenção da Voz do Cliente não deverá ser uma tarefa difícil, cara ou demorada. Caso contrário, deverá ser realizada uma análise mais cuidadosa dos recursos necessários à obtenção das informações sobre a satisfação dos clientes/consumidores desejáveis, em vista da urgência para o desenvolvimento do projeto”. Na etapa  Define  também deve ser utilizado um diagrama que tenha como objetivo definir o principal processo envolvido no projeto e, consequentemente, facilitar a visualização do escopo do trabalho. Esse diagrama é denominado SIPOC   (veja a Figura 6.4). A denominação SIPOC   resulta das iniciais, em inglês, dos cinco elementos presentes no diagrama: fornecedores (Suppliers), insumos ( I nputs), processo (P rocess), produtos (Outputs) e consumidores (C ustomers).

FIGURA 6.4 Exemplo de SIPOC 

Por meio do SIPOC   é possível a padronização, entre os participantes da equipe, Champions  e demais gestores, do escopo do projeto e da forma de visualização do principal processo envolvido. Detalhes do processo não devem ser apresentados no SIPOC , já que não são úteis nessa etapa do  DMAIC . O detalhamento deverá ser feito na etapa nalyze, por meio do uso das ferramentas Mapa de Processo ou Fluxograma.

6.3 Etapa M: Measure (Medir) Na segunda etapa do  DMAIC  (Figura 6.5), o problema deverá ser refinado ou focalizado. Para isso, as duas questões a seguir devem ser respondidas: • Que resultados devem ser medidos para a obtenção de dados úteis à focalização do problema?

• Quais são os focos prioritários do problema? (Os focos são indicados pela análise dos dados gerados pela medição de resultados associados ao problema.)

FIGURA 6.5 Integraço das ferramentas Lean Seis Sigma ao DMAIC 

Por meio das atividades realizadas nessa etapa, o problema do projeto poderá ser dividido em outros problemas de menor escopo ou mais específicos, de mais fácil solução. Por exemplo, o problema elevada perda de produção por parada de linha na Fábrica I poderá ser visto, após a realização das atividades previstas na etapa  Measure, como resultante de três problemas prioritários: • Perdas de produção por parada de linha na Fábrica I por atraso na importação de polímeros. • Perdas de produção por parada de linha na Fábrica I por falta de ordem de

fabricação de reagente. • Perdas de produção por parada de linha na Fábrica I por manutenção elétrica não programada no relê do condensador AXW3. Note que agora existem três problemas mais localizados e, consequentemente, mais simples de resolver que o problema apresentado inicialmente. Cada um desses três problemas deverá ter sua própria meta estabelecida e suas causas e soluções identificadas. Os dados  representam o ponto de partida para a realização da etapa Measure. Neste ponto, a equipe deverá decidir entre as alternativas de coletar novos dados ou usar dados já existentes na empresa. Frequentemente, os dados já existentes não são confiáveis, o que implica a necessidade de coleta de novos dados. No entanto, antes da coleta de novos dados ou da análise dos dados já existentes, a forma de estratificação para o problema deverá ser identificada. A Estratificação consiste na observação do problema sob diferentes aspectos, isto é, no agrupamento dos dados sob vários pontos de vista, de modo a focalizar o problema. É possível realizar a estratificação do problema sob os seguintes pontos de vista: • Tempo: Os resultados são diferentes de manhã, à tarde, à noite, neste mês, no mês passado? • Local: Os resultados são diferentes em regiões, cidades, fábricas ou linhas de produção diferentes? Em partes diferentes de um produto (porta, gabinete, console)? • Tipo: Os resultados são diferentes dependendo do fornecedor, do produto, da embalagem, do consumidor, do tipo do ponto de venda? • Sintoma: Os resultados são diferentes se o defeito é do tipo A ou do tipo B, se o sucateamento de produtos é por devolução, recusa ou avaria interna, se a parada de linha é por falta de material ou por manutenção? • Indivíduo: Os resultados são diferentes dependendo do operador, da turma, do vendedor, do supervisor? Após a definição da forma de estratificação, deve ser iniciado o planejamento da coleta de dados. Uma importante ferramenta que deve ser utilizada nesta

atividade é o Plano para Coleta de Dados (Figura 6.6), que pode ser entendido como o 5W1H – who, what, where, when, why  e how – do processo de coleta de dados.

FIGURA 6.6 Exemplo de Piano para Coleta de Dados

Durante a elaboração do Plano para Coleta de Dados, a equipe deverá construir Folhas de Verificação (Figura 6.7) para registro dos dados e definir a estratégia de Amostragem  a ser utilizada, com o objetivo de garantir que os dados sejam coletados de modo eficaz.

FIGURA 6.7 Folha de Verificação

É importante enfatizar que, antes do início da coleta de dados, devem ser realizados a preparação e o teste dos sistemas de medição e inspeção a serem utilizados. Para isso, são empregadas as ferramentas para Avaliação de Sistemas de Medição e Inspeção, as quais permitem a quantificação do grau de exatidão dos dados gerados pelos sistemas de medição e inspeção da empresa. O próximo passo consiste, finalmente, na coleta dos dados, que deverá ser realizada de acordo com os procedimentos definidos no Plano para Coleta de Dados. A seguir, com base nos dados obtidos e na forma de estratificação previamente definida, a equipe deverá analisar o impacto das várias partes do problema e

identificar os problemas prioritários, por meio da construção de Gráficos de Pareto. Esses gráficos tornam evidente e visual a estratificação e a priorização do problema, permitindo o estabelecimento de metas mais específicas. A Figura 6.8  apresenta um possível resultado da estratificação do problema associado à meta reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano. As informações nela contidas são apresentadas com o objetivo de facilitar a visualização e a priorização do problema, nos Gráficos de Pareto da Figura 6.9.

FIGURA 6.8 Estratificação do problema associado à meta reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano

FIGURA 6.9 Gráficos de Pareto para priorização do problema associado à meta reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano

A partir da análise da Figura 6.9, é possível perceber que os problemas mais específicos e que mais contribuem para o problema inicial elevadas perdas de produção por parada de linha na Fábrica I são: • Atraso na importação de polímeros. • Falta de ordem de fabricação de reagente. • Fabricação de produto com viscosidade elevada. Portanto, as atividades da etapa  Measure do  DMAIC   descritas até o momento perm item a divisão do problema inicial em problemas diferentes, mais focalizados e de solução menos complexa. É importante destacar que conhecimentos preciosos para o alcance da meta também serão obtidos por meio do estudo das variações12  associadas aos problemas prioritários identificados. Por exemplo, vamos considerar o problema prioritário fabricação de produto com viscosidade elevada, que resultou da análise da Figura 6.9. A informação viscosidade elevada  é muito ampla e necessita ser mais detalhada antes de se iniciar a busca das causas que levam à fabricação de produto com essa característica. Nesse detalhamento poderia ser realizada a comparação entre o valor médio da viscosidade das produções do último trimestre do ano 2011 e as especificações existentes para a viscosidade do produto. Considere que, realizando essa comparação, tenham sido obtidos os seguintes resultados (dados sob forma codificada): • Viscosidade média = 70 centipoises. • Especificações para a viscosidade: limite superior de especificação (LSE) = 73 centipoises. Aparentemente, poderia parecer que não há problemas em relação à viscosidade. No entanto, se for utilizada a ferramenta Histograma, com base nos valores individuais para a viscosidade das produções do último trimestre do ano 2011, as conclusões obtidas poderão ser bastante diferentes. A Figura 6.10  apresenta um histograma que poderia ser obtido a partir dos valores individuais para a viscosidade das produções do último trimestre do ano 2011.

FIGURA 6.10 Histograma dos valores individuals para a viscosidade das produções do último trimestre de 2011

Nesse histograma, as barras verdes correspondem aos produtos que, devido à elevada viscosidade, resultaram em perda de produção por parada de linha (o produto estava muito viscoso e entupiu as tubulações; além da perda imediata desse produto, o trabalho de desobstrução das tubulações impediu novas partidas na produções). Portanto, a partir do histograma é possível concluir que, no que diz respeito à parada de linha, viscosidade elevada é equivalente à viscosidade igual ou superior a 75 centipoises. Além do histograma, poderiam ser empregadas as ferramentas Índices de Capacidade e Métricas do  Lean Seis Sigma (DPMO – defeitos por milhão de oportunidades e nível na Escala Sigma, por exemplo), para uma avaliação mais clara do desempenho inicial do resultado que se deseja melhorar (baseline). Com o objetivo de complementar os conhecimentos gerados na fase de estudo das variações dos problemas prioritários, também podem ser usadas as Cartas de Controle. A Figura 6.11  apresenta a Carta de Controle para os valores individuais da viscosidade das produções do último trimestre do ano 2011.

FIGURA 6.11 Carta de Controle para os valores individuals da viscosidade das produções do último trimestre de 2011

Como no gráfico da Figura 6.11 todos os pontos estão dentro dos limites de controle, com ausência de configurações não aleatórias, é possível concluir que as produções com viscosidade igual ou superior a 75 centipoises são resultantes da variação natural do processo produtivo14  (a ferramenta Carta de Controle é apresentada em detalhes em outro volume da Série Werkema de Excelência Empresarial.). Após a realização da fase de estudo das variações, a meta inicial reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano poderia ser desdobrada nas seguintes metas prioritárias e mais específicas: • Reduzir em 70% as perdas de produção por parada de linha na Fábrica I, por atraso na importação de polímeros, até o final do ano. • Eliminar as perdas de produção por parada de linha na Fábrica I, por falta de ordem de fabricação de reagente, até o final do ano. • Eliminar a ocorrência de produções com viscosidade igual ou superior a 75 centipoises, resultantes da variação natural do processo produtivo, até o final do ano. A partir dos Gráficos de Pareto da Figura 6.9, é possível concluir que as três metas prioritárias estabelecidas anteriomente são suficientes para levar ao alcance da meta definida inicialmente: • Reduzir em 70% as perdas de produção por parada de linha na Fábrica I, por atraso na importação de polímeros, até o final do ano:

Redução 1 = 0,7 × 3.214,56 = 2.250,19 toneladas. • Eliminar as perdas de produção por parada de linha na Fábrica I, por falta de ordem de fabricação de reagente, até o final do ano: Redução 2 = 1.899,65 toneladas. • Eliminar a ocorrência de produções com viscosidade igual ou superior a 75 centipoises, resultantes da variação natural do processo produtivo, até o final do ano: Redução 3 = 939,93 toneladas. • Total da redução= 2.250,19 + 1.899,65 + 939,93 = 5.089,77 toneladas. • Como 5.089,77 = 0,6173 × 8.245 (8.245 toneladas representam as perdas de produção por parada de linha em 2011), se as três metas prioritárias forem alcançadas, as perdas de produção por parada de linha na Fábrica I serão reduzidas em 61,73% e a meta inicial será superada. Note que, dependendo da natureza do projeto, as ferramentas Gráfico Sequencial, Análise de Séries Temporais e Análise Multivariada  também podem ser utilizadas na fase de estudo das variações dos problemas prioritários (Anexo A e demais volumes da Série Werkema de Excelência Empresarial). Durante a etapa  Measure, também é muito importante investigar o próprio local da ocorrência do problema. Essa investigação ou observação pode ser feita por meio do emprego de fotografias e filmagens, para a coleta de informações adicionais que não podem ser obtidas sob a forma de dados numéricos. É importante destacar que cada meta prioritária estabelecida ao final da etapa  Measure  pode pertencer ou não à área de atuação da equipe responsável pela condução do projeto original. Se uma meta for classificada como pertencente à área da equipe, o giro do  DMAIC   deverá ter continuidade, agora na etapa nalyze. Caso contrário, a meta poderá ser atribuída à área diretamente responsável, devendo ser iniciado um novo projeto, que terá essa meta como inicial. O desenvolvimento desse projeto deverá ser acompanhado pela equipe responsável pelo alcance da meta associada ao projeto original. Para deixar clara a diferença entre os dois tipos de metas, vamos considerar que o alcance da meta inicial reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano seja responsabilidade de uma equipe liderada por um Black Belt   do departamento de planejamento e controle da produção (PCP) da empresa e patrocinada por um Champion  do mesmo departamento. A meta prioritária reduzir em 70% as perdas de produção por parada de linha na Fábrica I por atraso na importação de polímeros, até o final do ano

deverá ser atribuída a uma equipe liderada por um Black Belt   do departamento de compras da empresa, área diretamente envolvida com o problema prioritário associado à meta. A equipe do departamento de compras, ao receber essa meta, deverá estabelecer um novo projeto, para o qual ela se transformará em meta inicial. Note que, na etapa  Measure do  DMAIC   referente a esse novo projeto, o problema associado à nova meta inicial poderia ser desdobrado segundo a forma mostrada na Figura 6.12.

FIGURA 6.12 Desdobramento do problema do Black Belt  do departamento de compras

Como os dois problemas prioritários identificados na Figura 6.12 possivelmente mostram variações significativas, a equipe do departamento de compras deveria, a seguir, realizar a fase de estudo das variações prevista no  DMAIC . As Figuras de 6.13 a 6.16 apresentam possíveis resultados desse estudo.

FIGURA 6.13 Histograma e Gráfico Sequencial para os valores do tempo entre a chegada do material ao porto e o desembaraço, para os processos de importação de polímeros por transporte marítimo (2011)

FIGURA 6.14 Cartas de Controle × e AM para os valores do tempo entre a chegada do material ao porto e o desembaraço, para os processos de importação de polímeros por transporte marítimo (2011)

FIGURA 6.15 Histograma e Gráfico Sequencial do tempo entre a emissão do pedido e o embarque do material, para os processos de importação de polímeros por transporte marítimo (2011)

FIGURA 6.16 Cartas de Controle × e AM para os valores do tempo entre a emissão do pedido e o embarque do material, para os processos de importação de polímeros por transporte marítimo (2011)

A partir da análise das Figuras de 6.13 a 6.16, é possível concluir que, nesse caso, as seguintes metas prioritárias poderiam ser estabelecidas: • Meta prioritária 1 Eliminar as perdas de produção por parada de linha na Fábrica I, por atraso no tempo entre a chegada do material ao porto e o desembaraço, decorrente da variação natural do processo de importação de polímeros por transporte marítimo, até o final do ano. • Meta prioritária 2 Eliminar as perdas de produção por parada de linha na Fábrica I, por atraso no tempo entre a emissão do pedido e o embarque do material, decorrente da variação natural do processo de importação de polímeros por transporte

marítimo, até o final do ano. É fácil perceber que as duas metas prioritárias definidas anteriormente seriam suficientes para levar ao alcance da nova meta inicial: • Meta prioritária I Redução = 1.575,13 toneladas. • Meta prioritária 2 Redução = 1.260,11 toneladas. • Total da redução = 1.575,13 + 1.260,11 = 2.835,24 toneladas. • Como 2.835,24 = 0,8820 × 3.214,56 (3.214,56 toneladas representam as perdas de produção por parada de linha na Fábrica I por atraso na importação de polímeros em 2011), se as duas metas prioritárias fossem alcançadas, a nova meta inicial seria superada. Já a meta prioritária eliminar as perdas de produção por parada de linha na Fábrica I, por falta de ordem de fabricação de reagente, até o final do ano é uma meta que pertence à área de atuação da equipe que está conduzindo o projeto originalmente definido, porque o PCP é o departamento diretamente responsável pela emissão das ordens de fabricação. Para o alcance dessa meta, a equipe deverá dar início à etapa Analyze do DMAIC . Por outro lado, a meta prioritária eliminar a ocorrência de produções com viscosidade igual ou superior a 75 centipoises, resultantes da variação natural do processo produtivo, até o final do ano deverá ser atribuída a uma equipe do departamento de engenharia industrial. Essa equipe, ao receber a meta, deverá dar início a um novo projeto.

6.4 Etapa A:  Analyze (Analisar) Na terceira etapa do  DMAIC  (Figura 6.17), deverão ser determinadas as causas fundamentais do problema prioritário associado a cada uma das metas definidas na etapa anterior. Isto é, nesta etapa, para cada meta, será respondida a pergunta: por que o problema prioritário existe?

 – Etapa FIGURA 6.17 Integração das ferramentas Lean Seis Sigma ao DMAIC  –  Analyze

Se representarmos por Y  uma medida do problema prioritário e por x1, x2,x3……., xn os elementos do processo gerador desse problema, então, na etapa nalyze, a equação Y = f(x1, x2, …., xn) deverá ser resolvida. Solucioná-la significa determinar quais são os xs do processo que mais afetam o desempenho de Y. Estes xs são as causas fundamentais do problema, que buscamos descobrir: Para a descoberta das causas fundamentais, necessitamos realizar dois tipos de análise. O primeiro consiste no exame do processo gerador do problema prioritário (Process Door ), ), para permitir um melhor entendimento do fluxo e a identificação de oportunidades para a redução do tempo de ciclo e dos custos do processo. As ferramentas Fluxograma ( Fluxograma (Figura Figura 6.18), 6.18), Mapa de Processo, Mapa  FTA  serão de Produto, Análise do Tempo de Ciclo,  FMEA (Figura 6.19) 6.19) e  FTA extremamente úteis à condução dessa análise.

FIGURA 6.18 Exemplo de Fluxograma

FIGURA 6.19 Exemplo de FMEA de Processo

O próximo passo consiste na análise de dados do problema prioritário e de seu processo gerador ( Data ). Nessa fase são examinados dados provenientes  Data Door ). do processo (principalmente os dados coletados na etapa  Measure), com o objetivo de descobrir indicações ou pistas sobre pistas sobre as possíveis causas do problema prioritário. Neste passo, busca-se, basicamente, descobrir quais são os fatores (xs) que introduzem variações nos resultados associados ao problema (Y ( Y) e como essas variações se apresentam. Por exemplo, para o alcance da meta eliminar a ocorrência de produções com viscosidade igual ou superior a 75 centipoises, resultantes da variação natural do processo produtivo, até o final do ano, ano, poderiam ser utilizados dados do processo, para avaliação das variações na viscosidade dentro de uma mesma batelada de produto e também entre diferentes d iferentes bateladas. As ferramentas que serão muito úteis para a análise dos dados com os

propósitos descritos acima são Avaliação de Sistemas de Medição e Inspeção, Histograma,  Boxplot , Estratificação, Diagrama de Dispersão (Figura 6.20) e Cartas “Multi-Vari” (Figura 6.21).

FIGURA 6.20 Exemplo de Diagrama de Dispersão

FIGURA 6.21 Exemplo de Cartas “Multi-Vari”

Após a conclusão das atividades Process Door  e  Data Door , a equipe deve identificar e organizar as causas potenciais do problema prioritário. Para a criação de uma lista de causas potenciais, deve ser realizado um Brainstorming, do qual devem participar os membros da equipe, além de especialistas no problema e processo envolvidos no projeto. As informações levantadas deverão

ser organizadas, para maior facilidade de visualização, por meio do uso de uma destas ferramentas: Diagrama de Causa e Efeito, Diagrama de Afinidades e Diagrama de Relações. Ao término da construção do Diagrama de Causa e Efeito (ou outro diagrama equivalente), geralmente é identificado um grande número de causas potenciais para o problema. No entanto, será necessário coletar dados para verificar as que, realmente, contribuem de modo significativo para a ocorrência do problema. Como geralmente não é viável coletar dados de todas as causas potenciais identificadas, será necessário priorizá-las, por meio do emprego de um Diagrama de Matriz ou de uma Matriz de Priorização. A Matriz de Priorização correlaciona as saídas do processo (medidas associadas aos problemas prioritários e a outros resultados importantes) às entradas e a outras variáveis do mesmo (causas potenciais dos problemas prioritários). A Figura 6.22  apresenta como exemplo uma configuração para a Matriz de Priorização que poderia resultar do trabalho da equipe que busca atingir a meta reduzir em 50% as perdas de produção por parada de linha na Fábrica I, até o final do ano.

FIGURA 6.22 Exemplo de Matriz de Priorização

A seguir, o verdadeiro grau de influência das causas potenciais prioritárias deve ser quantificado, através do uso de ferramentas, como Avaliação de Sistemas de Medição e Inspeção, Cartas de Controle, Diagrama de Dispersão, Análise de Regressão, Testes de Hipóteses, Análise de Variância, Planejamento de Experimentos ( Design of Experiments – DOE), Análise de Tempos de Falhas e Testes de Vida Acelerados. Esta fase do  Analyze corresponde, então, à quantificação da importância das causas potenciais prioritárias (determinação das causas fundamentais) do problema considerado. É importante destacar que as ferramentas utilizadas nesta última fase da etapa  Analyze do  DMAIC   podem variar e dependem muito do problema e do processo abordados no projeto. Por exemplo, suponha que, para o problema ocorrência de produções com viscosidade igual ou superior a 75 centipoises, resultantes da variação natural do processo produtivo, a equipe do departamento de engenharia industrial da empresa do exemplo tenha determinado as seguintes causas potenciais prioritárias: • Temperatura de mistura inadequada • pH inadequado à mistura • Concentração de formaldeído inadequada • Baixa velocidade de mistura Para que a equipe possa obter conhecimento quantitativo sobre o grau de importância dessas causas na viscosidade do produto, poderão ser utilizadas as ferramentas Planejamento de Experimentos (ver Figura 6.23) ou Análise de Regressão, que serão apresentadas em detalhes em outros volumes da Série Werkema de Excelência Empresarial.

FIGURA 6.23 Experimento realizado pela equipe do departamento de engenharia industrial19

Portanto, ao final da etapa  Analyze, as causas fundamentais do problema prioritário devem estar identificadas e quantificadas, de modo a constituírem a base para a geração de soluções, que ocorrerá na próxima etapa do DMAIC .

6.5 Etapa I: Improve (Melhorar) Na quarta etapa do DMAIC  (Figura 6.24), inicialmente devem ser geradas ideias sobre soluções potenciais para a eliminação das causas fundamentais do problema prioritário detectadas na etapa Analyze.

FIGURA 6.24 Integração das ferramentas Lean Seis Sigma ao DMAIC  – Etapa Improve

Nesta fase inicial da etapa  Improve, Pande, Neuman e Cavanagh21 nos ensinam que, durante uma sessão de  Brainstorming, as seguintes perguntas devem ser formuladas e respondidas pela equipe: • “Quais são as ideias sobre as formas para eliminação das causas fundamentais? • Todas essas ideias podem ser transformadas em soluções de elevado potencial para implementação? • Que soluções possivelmente levarão ao alcance da meta com menor custo e maior facilidade de execução? • Como testar as soluções escolhidas, com o objetivo de se garantirem o alcance da meta e a ausência de efeitos correlatos indesejáveis? As ideias levantadas nesta fase devem ser refinadas e combinadas para darem origem às soluções potenciais para o alcance da meta prioritária. O uso de uma destas ferramentas: Diagrama de Causa e Efeito, Diagrama de Afinidades ou Diagrama de Relações  poderá auxiliar a equipe na condução dessa tarefa. É importante que as soluções potenciais sejam elaboradas de modo claro e formalmente registradas. O próximo passo consiste na priorização das soluções potenciais, por meio do emprego de um Diagrama de Matriz ou de uma Matriz de Priorização (veja

um exemplo na Figura 6.25).

FIGURA 6.25 Exemplo de configuracao para uma Matriz de Priorização das soluções potenciais

A seguir, os riscos das soluções prioritárias devem ser avaliados e minimizados. A ferramenta  FMEA ( Failure  M ode and  Effect  Analysis), uma abordagem estruturada para identificação e avaliação de riscos, pode ser bastante útil para limitar os riscos associados à implementação de mudanças no processo, decorrentes das soluções prioritárias consideradas. Outra ferramenta que deve ser utilizada nesta fase é denominada Stakeholder  nalysis22 (Análise de Grupos de Interesse). Um stakeholder é uma pessoa, área ou departamento que será afetado pelas soluções prioritárias consideradas ou que deverá participar da implementação dessas soluções. Stakeholders  típicos são gestores e operadores que trabalham no processo que está sendo modificado e nos processos imediatamente anteriores e posteriores a ele, além de consumidores, fornecedores e a área financeira da empresa. O resultado da Stakeholder Analysis é constituído por: • Uma relação dos stakeholders • Uma escala que indica os possíveis níveis de comprometimento de cada stakeholder

• O nível de comprometimento de cada stakeholder necessário à implementação, com sucesso, das soluções prioritárias • O atual nível de comprometimento de cada stakeholder • A mudança necessária no nível de comprometimento de cada stakeholder, para que as soluções prioritárias sejam implementadas com sucesso.

A Figura 6.26  apresenta um exemplo de uso da ferramenta Stakeholder nalysis.

FIGURA 6.26 Exemplo de utilização da ferramenta Stakeholder Analysis na etapa Improve do DMAIC 

Em outro volume da Série Werkema de Excelência Empresarial serão apresentados procedimentos que a equipe responsável pelo projeto pode utilizar para promover a mudança necessária no nível de comprometimento de cada stakeholder, com o objetivo de minimizar os riscos para o sucesso da implementação das soluções prioritárias. A próxima fase do  Improve  consiste em realizar Testes na Operação das soluções prioritárias escolhidas pela equipe, isto é, testar em pequena escala as soluções selecionadas (teste piloto). Nessa fase, dependendo da natureza do projeto, as ferramentas Testes de Mercado e Simulação poderão ser utilizadas. A partir dos resultados do teste piloto, devem ser identificados e implementados possíveis ajustes ou melhorias para as soluções selecionadas. Essas tarefas podem ser realizadas com o auxílio das ferramentas Operação Evolutiva ( EVOP ) e Testes de Hipóteses. Após a implementação dos possíveis ajustes, a equipe deve avaliar se as soluções selecionadas tiveram potencial suficiente para levar ao alcance da meta e se não produziram efeitos correlatos indesejáveis. Caso o resultado dessa avaliação seja desfavorável, a equipe deverá retornar à etapa M  do  DMAIC   para um maior aprofundamento da análise ou considerar a possibilidade de implementar o  Design for Lean Six Sigma (DFLSS), para elaborar novo projeto do produto e/ou do processo considerados no trabalho.

Se o resultado do mapeamento for favorável (meta atingida e ausência de efeitos correlatos indesejáveis), o próximo passo consistirá na elaboração e na execução de um plano para a implementação das soluções em larga escala. Nessa fase poderão ser utilizadas como ferramentas de planejamento: Diagrama de Gantt, Diagrama de Árvore, 5W2H, PERT/CPM  e o Diagrama do Processo Decisório (mencionados no Anexo A e em outro volume da Série Werkema de Excelência Empresarial).

6.6 Etapa C: Control  (Controlar) A primeira fase da quinta etapa do  DMAIC  (Figura 6.27) consiste na avaliação do alcance da meta em larga escala. Com esse objetivo, os resultados obtidos após a ampla implementação das soluções devem ser monitorados para a confirmação do alcance do sucesso.

FIGURA 6.27 Integração das ferramentas Lean Seis Sigma ao DMAIC  – Etapa Control 

Essa confirmação deve ser feita por meio do emprego de dados coletados antes e após a implementação das soluções em larga escala, que permitirão a comparação dos resultados e a verificação do alcance da meta. Nesta fase, as ferramentas Avaliação de Sistemas de Medição e Inspeção, Gráfico de Pareto, Carta de Controle, Histograma, Índices de Capacidade e Métricas do Lean Seis Sigma serão especialmente úteis. Caso o resultado do mapeamento do alcance da meta em larga escala seja desfavorável, a equipe deverá retornar à etapa  M  do  DMAIC   para um maior aprofundamento da análise ou considerar a possibilidade de implementar o  Design for Lean Six Sigma (DFLSS), para elaborar novo projeto do produto e/ou do processo considerados no trabalho Se o resultado do mapeamento for favorável (meta atingida em larga escala), a próxima fase consistirá na padronização das alterações realizadas no processo em consequência das soluções adotadas. Nesse sentido, novos procedimentos operacionais padrão  devem ser estabelecidos ou os procedimentos antigos devem ser revisados. Os procedimentos operacionais padrão devem incorporar mecanismos que garantam a realização de atividades “à prova de erro” ( Mistake-Proofing ou Poka-Yoke), de modo a enfatizar a detecção e correção de erros, antes que esses se transformem em defeitos transmitidos para o cliente/consumidor. Também é muito importante que os novos padrões sejam divulgados para todos os

envolvidos, por meio da elaboração de manuais de treinamento e da realização de palestras, reuniões e treinamento no trabalho (On the Job Training – OJT ). É fundamental que os padrões sejam claros, com utilização de figuras e símbolos que facilitem o seu entendimento e estejam disponíveis no local e na forma necessários. A próxima fase da etapa Control consiste em definir e implementar um plano para monitoramento da performance do processo e do alcance da meta. Essa fase é muito importante para impedir que o problema já resolvido ocorra novamente no futuro, devido, por exemplo, à desobediência aos padrões. As ferramentas Avaliação de Sistemas de Medição e Inspeção, Plano para Coleta de Dados, Folha de Verificação, Amostragem, Carta de Controle, Histograma, Índices de Capacidade, Métricas do  Lean  Seis Sigma e Auditoria do Uso dos Padrões podem ser utilizadas no dia a dia, para garantir que os resultados alcançados sejam mantidos. Também deve ser definido e implementado um plano para a tomada de ações corretivas, caso surjam problemas no processo. Esse plano deve contemplar o uso de Relatórios de Anomalias e do OCAP (Out of Control Action Plan ). Finalmente, todas as atividades realizadas devem ser recapituladas, para que seja feita uma reflexão sobre a forma de condução do projeto e também para que sejam levantados os pontos não abordados no trabalho. Esses, por sua vez, deverão ser apresentados aos gestores envolvidos no projeto, para uma possível definição de novos trabalhos. Essa última atividade consiste, então, em sumarizar o que foi aprendido e fazer recomendações para trabalhos futuros.

ANEXO A

A Estatística e a variabilidade “Only talent filled with humility is of real use to humanity.” Brahma Kumaris

A Estatística é a ciência que lida com a coleta, o processamento e a disposição de dados (informação), atuando como ferramenta fundamental nos processos de solução de problemas. Em outras palavras, a Estatística trata da coleta de dados informativos e da interpretação desses dados, facilitando o estabelecimento de conclusões confiáveis sobre algum fenômeno que esteja sendo estudado. A Figura A.1 ilustra uma das formas em que a Estatística pode ser visualizada. Podemos interpretar essa figura dizendo que a Estatística viabiliza a coleta, o processamento e a disposição  da informação, de forma que o conhecimento assim gerado possa ser utilizado – por meio do método gerencial (Ciclo PDCA ou Método DMAIC) – para agregar valor, ou seja, para atingir metas.

ANEXO A.1 Forma de visualização de Estatística, segundo Campos, V. F1.

A partir dessa discussão, fica claro que um profissional com treinamento no campo da Estatística terá maior facilidade em identificar um problema (meta) em sua área de atuação, determinar os tipos de dados que irão contribuir para a sua análise, coletar esses dados e, a seguir, estabelecer conclusões e determinar um plano de ação para a solução do problema detectado. Também devemos ressaltar que a Estatística é muito importante em um programa para a melhoria da qualidade de bens e serviços, porque as técnicas estatísticas podem ser utilizadas para descrever e interpretar a variabilidade, a qual é a causa da fabricação de produtos defeituosos. A variabilidade, também denominada variação ou dispersão, está presente em todos os processos de produção de bens e de fornecimento de serviços. Considere, por exemplo, uma situação em que serão selecionadas algumas peças provenientes de uma linha de produção e, a seguir, será medido o diâmetro de cada uma dessas peças. Se o instrumento de medida utilizado tiver resolução suficiente, os resultados obtidos serão diferentes, ou seja, existirá variabilidade entre as medidas do diâmetro Em outra situação, se forem contados os números de defeitos (não conformidades) presentes em várias chapas metálicas, será detectada a existência de variabilidade entre as contagens, já que algumas chapas apresentarão um pequeno número de defeitos, enquanto outras apresentarão vários defeitos. Além disso, se forem registrados todos os tempos gastos por uma camareira para arrumar os quartos de um hotel em um determinado dia, poderemos perceber a existência de variação nos resultados que serão obtidos. Há muitas causas para a presença dessa variabilidade observada. De modo geral, podemos dizer que a variabilidade é o resultado de alterações nas condições sob as quais as observações são feitas. Essas alterações podem refletir diferenças entre as matérias-primas, as condições dos equipamentos, os métodos de trabalho, as condições ambientais e os operadores envolvidos no processo considerado A variabilidade também é decorrente do sistema de medição empregado. Quando medimos o peso de um objeto, por exemplo, o valor que será obtido dependerá da localização exata do objeto na balança e da calibração do aparelho, dentre outros fatores. Por esse motivo, se um mesmo objeto for pesado duas vezes, provavelmente não serão obtidos dois resultados idênticos. De acordo com a discussão anterior, é fácil perceber que no processo de fabricação de um produto (bem ou serviço), atuam diversos fatores que afetam suas características da qualidade. Nesse sentido, o processo pode ser visualizado

como um conjunto de causas de variação. Essas causas provocam as mudanças nas diversas características da qualidade dos produtos, o que poderá dar origem aos produtos com defeitos. Note que um produto será considerado defeituoso se as suas características da qualidade não satisfizerem uma determinada especificação, e será considerado perfeito ou não defeituoso em caso contrário. Mesmo os produtos não defeituosos apresentam variações dentro dos limites de sua especificação, o que significa dizer que esses produtos não são exatamente idênticos. Com o objetivo de ilustrar o que foi dito até agora sobre a variabilidade, considere como exemplo o processo de têmpera a que são submetidas as peças de aço produzidas por uma indústria metalúrgica. O processo de têmpera consiste em aquecer as peças até uma temperatura adequada, mantê-las no forno durante um certo tempo e, a seguir, resfriá-las bruscamente em um meio líquido, usualmente água, soluções salinas ou óleos. A têmpera é o tratamento térmico usual praticado pela indústria quando é necessário aumentar a dureza das peças de aço para atender às especificações estabelecidas pelos clientes. Vamos, então, tentar identificar algumas causas de variação que atuam no processo de têmpera e que, portanto, afetam a dureza (característica da qualidade de interesse) das peças temperadas. Em primeiro lugar, devemos notar que se as peças forem aquecidas em um forno elétrico, a temperatura do forno variará continuamente em torno de algum valor médio, como resultado das oscilações na voltagem da energia fornecida ao forno. Se for utilizado um forno a gás, a temperatura sofrerá variações em consequência de oscilações na pressão do gás. Além disso, as áreas próximas ao topo, à base, às laterais ou à parte central do forno, apresentam condições térmicas diferentes entre si e, então, a quantidade de calor que cada peça de aço irá receber variará de acordo com sua posição relativa no interior do forno. Outra causa de variação nesse processo é a temperatura do banho no qual as peças são resfriadas, a qual sofrerá alterações à medida que as peças de aço forem sendo lançadas em seu interior. Devido à atuação de fatores desse tipo, será esperada uma variação na qualidade das peças temperadas. Já que os produtos defeituosos são provocados por variações nas condições de operações do processo, se essas variações forem reduzidas, os defeitos certamente diminuirão, o que implicará em uma elevação no nível de qualidade do produto. Em outras palavras, a redução da variabilidade dos processos permite e produção e itens cuja característica da qualidade de interesse esteja próxima a um valor alvo desejado e dentro dos limites de especificação

estabelecidos. A redução da variabilidade dos processos deve ser feita por meio do giro do Ciclo PDCA ou do Método DMAIC  e envolve a coleta, o processamento e a disposição de dados, para que as causas fundamentais de variação possam ser identificadas, analisadas e bloqueadas. Portanto, o emprego das ferramentas estatísticas contribui para que a redução da variabilidade possa ser alcançada de forma eficaz. Nesse ponto, é importante destacar que existem dois tipos de causas para a variação na qualidade dos produtos provenientes de um processo: • causas comuns ou aleatórias; • causas especiais ou assinaláveis. A variação provocada por causas comuns, também conhecida como variabilidade natural do processo, é inerente ao processo considerado e estará presente mesmo que todas as operações sejam executadas empregando métodos padronizados. Quando apenas as causas comuns estão atuando em um processo, a quantidade de variabilidade se mantém em uma faixa estável, conhecida como faixa característica do processo. Nesse caso, dizemos que o processo está sob controle estatístico, apresentando um comportamento estável e previsível. Já as causas especiais de variação surgem esporadicamente, devido a uma situação particular que faz com que o processo se comporte de um modo completamente diferente do usual, o que pode resultar em um deslocamento do seu nível de qualidade. Quando um processo está operando sob a atuação de causas especiais de variação, dizemos que está fora de controle estatístico, e, nesse caso, sua variabilidade geralmente é bem maior do que a variabilidade natural. Alguns exemplos de causas especiais de variação são a admissão de um novo operador para a realização de uma tarefa, a ocorrência de defeitos nos equipamentos, a utilização de um novo tipo de matéria-prima, o descumprimento dos padrões operacionais, o desgaste de ferramentas e a calibração inadequada de instrumentos de medição. Logo, será possível reduzir a variabilidade dos processos por meio das seguintes ações: • eliminação das causas especiais de variação; • redução das causas comuns de variação. As causas especiais de variação devem ser imediatamente identificadas, analisadas e eliminadas para que o processo volte ao estado de controle estatístico. Além disso, devem ser adotadas medidas que impeçam a reincidência dessas causas (ver as ações localizadas acima da linha pontilhada da Figura 3.5).

Já a redução das causas comuns de variação é baseada em ações de melhoria do processo, as quais implicam em uma alteração de seu nível de qualidade (ações localizadas abaixo da linha pontilhada da Figura 3.5). As causas comuns e especiais de variação estão representadas na Figura A.2 O gráfico na Figura A.2 é conhecido como Gráfico Sequencial, o qual se configura como uma ferramenta bem simples utilizada para avaliar o estado de controle estatístico de um processo. Para construir um gráfico sequencial, devemos plotar em um diagrama os dados gerados pelo processo na sequência em que foram produzidos e, a seguir, ligar os pontos obtidos. Na interpretação do gráfico sequencial, observamos se existem configurações (tendências) especiais nos pontos ao longo do tempo ou se há pontos muito afastados dos demais. A presença de alguns desses padrões pode estar indicando a atuação de causas especiais de variação no processo considerado.

ANEXO A.2 Causas Comuns e Causas Especiais de Variação

A Carta de Controle é outra ferramenta muito útil para a avaliação do estado de controle estatístico de um processo, sendo mais informativa do que o Gráfico

Sequencial. Os diversos tipos de Cartas de Controle serão estudados em detalhes em outros volumes da Série Werkema de Excelência Empresarial. Concluindo, devemos dizer que, para que a redução da variabilidade de um processo possa ser alcançada, é fundamental diferenciar, na prática, os dois tipos de causas de variação, já que para cada um deles deverá ser adotada uma forma particular de ação. Por meio do emprego da Estatística, é possível distinguir, de forma objetiva e econômica, as causas comuns das causas especiais de variação. Nos textos da Série Werkema de Excelência Empresarial, serão estudadas várias ferramentas estatísticas que podem ser utilizadas para conhecer, analisar e controlar a variabilidade presente nos processos produtivos.

ANEXO B

Visão geral das ferramentas Seis Sigma integradas ao DMAIC  “When I have learned to be gentle with myself, my words will and deeds will never hurt anyone.” Brahma Kumaris

ANEXO B.1 Integração das ferramentas Lean Seis Sigma ao DMAIC 

ANEXO B.2 Mapa de Raciocinio

♦ Finalidade: documentar, progressivamente, a forma de raciocínio durante a execução de um trabalho ou projeto. O Mapa de Raciocínio deve conter: • A meta inicial do projeto. • As questões às quais a equipe precisou responder durante o

desenvolvimento do projeto • O que foi feito para responder as questões e as respostas obtidas. • Novas questões, novos passos, novas respostas.

ANEXO B.3 Project Charter

♦ Finalidade: documento que representa uma espécie de contrato firmado entre a equipe responsável pela condução do projeto e os gestores da empresa (Champions e Sponsors). O Project Charter tem os seguintes objetivos:

• Apresentar claramente o que é esperado em relação à equipe. • Manter a equipe alinhada aos objetivos prioritários da empresa. • Formalizar a transição do projeto das mãos do Champion para a equipe. • Manter a equipe dentro do escopo definido para o projeto.

ANEXO B.4 Métricas do Lean Seis Sigma

♦ Finalidade: as Métricas do Lean Seis Sigma são usadas para quantificar como

os resultados de uma empresa podem ser classificados no que diz respeito à variabilidade e à geração de defeitos ou erros.

ANEXO B.5 Gráfico Sequencial

♦ Finalidade: o Gráfico Sequencial é um diagrama utilizado para mostrar os valores individuais do resultado de um processo em função do tempo.

ANEXO B.6 Carta de Controle

♦ Finalidade: a Carta de Controle é uma ferramenta que dispõe os dados do fenômeno que está sendo analisado, de modo a permitir a visualização do tipo de variação desse fenômeno – variação natural (típica) ou variação especial (atípica).

ANEXO B.7 Análise de Series Temporais1

ANEXO B.8

♦ Finalidade: as Técnicas Estatísticas de Previsão baseadas em Séries Temporais modelam matematicamente o comportamento futuro do fenômeno analisado, relacionando os dados históricos do próprio fenômeno com o

tempo.

ANEXO B.9 Análise Econômica

♦ Finalidade: a Análise Econômica é usada para quantificar os ganhos econômicos resultantes do alcance da meta.

ANEXO B.10 Voz do Cliente

♦ Finalidade: a Voz do Cliente (Voice of the Customer) é usada para descrever as necessidades e as expectativas dos clientes/consumidores e suas

percepções quanto aos produtos da empresa.

ANEXO B.11   SIPOC

♦ Finalidade: o SIPOC é um diagrama que tem como objetivo definir o principal processo envolvido no projeto e, consequentemente, facilitar a visualização do escopo do trabalho.

ANEXO B.12 lntegração das ferramentas Lean Seis Sigma ao DMAIC 

ANEXO B.13 Avaliação de Sistemas de Medição/Inspeção (MSE )

♦ Finalidade: as técnicas para Avaliação de Sistemas de Medição/Inspeção permitem a quantificação do grau de confiabilidade dos dados gerados pelos sistemas de medição, inspeção e registro utilizados pela empresa.

ANEXO B.14   Estratificação

♦ Finalidade: a Estratificação consiste no agrupamento dos dados sob vários pontos de vista, de modo a focalizar o fenômeno estudado. Os fatores equipamento, material, operador e tempo, entre outros, são categorias naturais para a estratificação dos dados.

ANEXO B.15 Piano para Coleta de Dados

♦ Finalidade: o Plano para Coleta de Dados representa o 5W1H – Who, What, Where, When, Why e How –  do processo de coleta de dados.

ANEXO B.16 Folha deVerificação

♦ Finalidade: a Folha de Verificação é um formulário no qual os itens a serem verificados para a observação do problema já estão impressos, com o objetivo de facilitar a coleta e o registro dos dados. O tipo de Folha de Verificação a ser utilizado depende do objetivo da coleta de dados. Normalmente, ela é construída após a definição das categorias para a estratificação

ANEXO B.17   Amostragem

♦ Finalidade: as técnicas de Amostragem permitem que sejam coletados, de forma eficiente, dados representativos da totalidade dos elementos que constituem o universo de nosso interesse (população).

ANEXO B.18 Gráfico de Pareto

♦ Finalidade: o Gráfico de Pareto é um gráfico de barras verticais que dispõe a informação de modo a tornar evidente e visual a estratificação e a priorização de um fenômeno, além de permitir o estabelecimento de metas específicas.

ANEXO B.19   Histograma

♦ Finalidade: o Histograma é um gráfico de barras que dispõe as informações de modo que sejam possíveis a visualização da forma da distribuição de um conjunto de dados do fenômeno analisado e a percepção da localização do valor central e da dispersão dos dados em torno do mesmo. A comparação de histogramas com os limites de especificação nos permite avaliar se um processo está centrado no valor nominal e se é necessário adotar alguma medida para reduzir a variabilidade desse processo.

ANEXO B.20   Boxplot

♦ Finalidade: o Boxplot  é um gráfico que apresenta simultaneamente várias características de um conjunto de dados, como locação, dispersão, simetria ou assimetria e presença de observações discrepantes (outliers).

ANEXO B.21 Relação entre os Índices de Capacidade e a Escala Sigma

♦ Finalidade: os Índices de Capacidade processam as informações de modo que seja possível avaliar se um processo é capaz de gerar produtos que atendam às especificações provenientes dos clientes internos e externos.

ANEXO B.22 Análise Multivariada

♦ Finalidade: quando o número de variáveis envolvidas no fenômeno é muito grande, a Análise Multivariada processa as informações de modo a sintetizálas e simplificar a estrutura dos dados.

ANEXO B.23 Integração das ferramentas Lean Seis Sigma ao DMAIC 

ANEXO B.24 Exemplo de Fluxograma

♦ Finalidade: o Fluxograma é usado para a visualização das etapas e características (complexidade, geração de retrabalho e refluxo, por exemplo) de um processo.

ANEXO B.25 Mapa de Processo2

♦ Finalidade: o Mapa de Processo é usado para documentar o conhecimento

existente sobre o processo. Descreve os limites, as principais atividades/tarefas, os parâmetros de produto final (Y), de produto em processo (y) e os parâmetros de processo (x). É a base para a quantificação dos relacionamentos existentes entre os parâmetros de processo e os de produto: .

ANEXO B.26 Mapa de Produto3

♦ Finalidade: o Mapa de Produto é utilizado para simplificar a descrição funcional de um produto, de modo a auxiliar na organ ização das relações existentes entre seus componentes e a fornecer informações básicas para a utilização posterior de outras ferramentas, como FTA, FMEA e DOE.

ANEXO B.27 Análise do Tempo de Ciclo4

♦ Finalidade: a Análise do Tempo de Ciclo é usada para avaliar o tempo gasto na produção de um bem ou serviço.

ANEXO B.28 FMEA – Failure Mode and Effect Analysis (Analise de Efeitos e Modos de Falhas)

♦ Finalidade: FMEA é uma ferramenta que tem como objetivo identificar, hierarquizar e prevenir as falhas potenciais de um produto ou processo. Suas principais utilizações são: • Identificação das variáveis críticas que podem afetar a qualidade da saída de um processo. • Avaliação dos riscos associados às falhas. • Auxílio para a elaboração de suposições sobre o tipo de relacionamento entre as variáveis de um processo. • Avaliação de prioridades para a coleta de dados e a realização de estudos quantitativos para a descoberta das causas fundamentais de um problema.

ANEXO B.29 FTA – Fault-Tree Analysis (Análise da Árvore de Falhas) 5

♦ Finalidade: a FTA é utilizada para a verificação das possíveis causas primárias das falhas e a elaboração de uma relação lógica entre falhas primárias e falha final do produto.

ANEXO B.30 Diagrama de Dispersão

♦ Finalidade: o Diagrama de Dispersão é um gráfico utilizado para a visualização do tipo de relacionamento existente entre duas variáveis, que podem ser duas causas, uma causa e um efeito ou dois efeitos de um processo.

“Multi-Vari” ANEXO B.31 Cartas “Multi-Vari” : A variação entre as bateladas é maior que a variação dentro das bateladas. Conclusão

♦ Finadade: as Cartas “Multi-Vari” “Multi-Vari” permitem a visualização das principais fontes de variação atuantes sobre um resultado de interesse.

ANEXO B.32   Brainstorming

♦ Finalidade: o Brainstorming nos auxilia a produzir o máximo possível de ideias ou sugestões criativas sobre um tópico de interesse, em um curto período de tempo.

ANEXO B.33 Diagrama de Causa e Efeito

♦ Finalidade: o Diagrama de Causa e Efeito é utilizado para apresentar a relação entre um resultado de um processo (efeito) e os fatores (causas) que, por razões técnicas, possam afetar o resultado considerado. É empregado nas sessões de brainstorming realizadas nos trabalhos em grupo.

ANEXO B.34 Diagrama de Afinidades6

♦ Finalidade: o Diagrama de Afinidades é a representação gráfica de grupos de dados afins, que são conjuntos de dados verbais que têm, entre si, alguma relação natural que os distingue dos demais. Permite que a estrututa de um tema complexo fique mais clara, por meio da organização das informações sobre o tema em grupos cujos elementos possuem afinidade entre si.

ANEXO B.35 Diagrama de Relações7

♦ Finalidade: o Diagrama de Relações permite a visualização das relações de causa e efeito de um tema ou problema, a partir de um conjunto de dados não numéricos. Sua utilização é recomendada quando as relações entre as causas de um problema são complexas e é necessário evidenciar que cada evento não é o resultado de uma única causa, mas de múltiplas causas interrelacionadas.

ANEXO B.36 Diagrama de Matriz

♦ Finalidade: o Diagrama de Matriz consiste no arranjo dos elementos que constituem um evento ou problema de interesse nas linhas e colunas de uma matriz, de forma que a existência ou a força das relações entre os elementos seja mostrada, por meio de símbolos, nas interseções das linhas e colunas. É utilizado na visualização de um problema como um todo, deixando claras as áreas nas quais está concentrado.

ANEXO B.37 Matriz de Priorização

♦ Finalidade: a Matriz de Priorização, na etapa Analyze, tem como objetivo a identificação das principais causas potenciais para o problema considerado.

ANEXO B.38 Carta de Controle

♦ Finalidade: as Cartas de Controle permitem o entendimento de como as causas de variação que podem estar presentes em um processo afetam os resultados do mesmo. São ferramentas importantes para a quantificação e priorização das causas de variação de um processo.

ANEXO B.39 Análise de Regressão

♦ Finalidade: a Análise de Regressão processa as informações contidas nos dados de forma a gerar um modelo que represente o relacionamento entre as diversas variáveis de um processo. Esse modelo nos permite determinar como as variáveis xs devem ser alteradas para que alguma meta associada à variável Y seja alcançada.

ANEXO B.40 Testes de Hipóteses

♦ Finalidade: os Testes de Hipóteses permitem um processamento mais aprofundado das informações contidas nos dados, de modo que possamos controlar, abaixo de valores máximos preestabelecidos, os erros que podem ser cometidos no estabelecimento das conclusões sobre as questões avaliadas.

ANEXO B.41 Análise deVariância8 Como F 0 = 8,88 > F 5% = 3,47, os técnicos da indústria obtiveram forte evidência para concluir que havia diferença estatisticamente significante entre as durezas médias das molas fabricadas utilizando o aço dos três fornecedores.

♦ Finalidade: a Análise de Variância nos permite comparar vários grupos de interesse, mantendo controle dos erros que podem ser cometidos no

estabelecimento das conclusões.

ANEXO B.42 Planejamento de Experimentos Meta:aumentar o teor de pureza do producto de 75% para 95% até julho de 2012.

♦ Finalidade: o Planejamento de Experimentos processa as informações nos dados de modo a fornecer indicações sobre o sentido no qual o processo deve ser direcionado para que a meta de interesse possa ser alcançada.

ANEXO B.43 Análise de Tempos de Falhas (Weibull Analysisy )9

♦ Finalidade: a Análise de Tempos de Falhas utiliza dados amostrais referentes a tempos de falha do produto (componente) e os modela segundo algumas

das distribuições estatísticas, como Weibull e log-normal. A distribuição que melhor explicar o comportamento do tempo de falha do produto será utilizada para estimar percentis, frações de falhas e taxas de falha.

ANEXO B.44 Testes deVidaAcelerados10

♦ Finalidade: acelerar o aparecimento de falhas em testes de vida realizados com produtos (ou componentes). Os resultados obtidos a partir do teste conduzido em condições estressantes são utilizados para estimar figuras de mérito nas condições de projeto.

ANEXO B.45 lntegração das ferramentas Lean Seis Sigma ao DMAIC 

ANEXO B.46 Matriz de Priorização

♦ Finalidade: a Matriz de Priorização tem como objetivo a identificação das principais soluções para o problema.

ANEXO B.47 Stakeholder Analysis

♦ Finalidade: um stakeholder é uma pessoa, área ou departamento que será afetado pelas soluções prioritárias consideradas em um projeto ou que deverá participar da implementação dessas soluções. A Stakeholder Analysis tem como objetivo levantar e apresentar as seguintes

informações: • Uma relação dos stakeholders • Uma escala que indica os possíveis níveis de comprometimento de cada stakeholder

• O nível de comprometimento de cada stakeholder necessário à implementação, com sucesso, das soluções prioritárias. • O atual nível de comprometimento de cada stakeholder. • A mudança necessária no nível de comprometimento de cada stakeholder,  para que as soluções prioritárias sejam implementadas com sucesso.

ANEXO B.48 Testes na Operação

♦ Finalidade: os Testes na Operação permitem avaliar em pequena escala as soluções selecionadas, para a identificação da possível necessidade de implementação de ajustes ou melhorias destas soluções.

ANEXO B.49 Testes de Mercado

♦ Finalidade: um Teste de Mercado é um experimento controlado, realizado em uma parte limitada, mas cuidadosamente selecionada do mercado, cujo objetivo é prever as consequências, sobre as vendas ou sobre os lucros, de uma ou mais ações de marketing propostas.

ANEXO B.50   Simulação11

♦ Finalidade: a Simulação permite a análise das relações que determinam as prováveis consequências futuras de ações alternativas e a definição de medidas apropriadas de eficácia, de modo a viabilizar o cálculo do mérito relativo a cada uma dessas ações.

ANEXO B.51 Operação Evolutiva (EVOP)

♦ Finalidade: a Operação Evolutiva é utilizada para a determinação da condição ótima de operação de um processo produtivo. Para a utilização da EVOP não é necessário realizar grandes alterações na forma de operação do processo.

ANEXO B.52   5W2H

♦ Finalidade: o 5W2H  tem o objetivo de definir, para a estratégia de ação elaborada, os seguintes itens: • o que será feito (What ) – quando será feito ( When) – quem fará (Who) –  onde será feito (Where) – por que será feito ( Why) – como será feito ( How)  – quanto custará o que será feito ( How much).

ANEXO B.53 Diagrama de Árvorel2

♦ Finalidade: o Diagrama de Árvore é empregado na definição da estratégia para a solução de um problema, mostrando o mapeamento detalhado dos caminhos (meios ou medidas) a serem percorridos para o alcance do objetivo.

ANEXO B.54 Diagrama de Gantt

♦ Finalidade: o Diagrama de Gantt mostra o cronograma de execução das tarefas de um plano de ação.

ANEXO B.55   pert/cpm13

♦ Finalidade: o PERT/CPM  mostra o cronograma de execução das tarefas de

um plano de ação, seu caminho crítico e como eventuais atrasos afetam o tempo de execução. O PERT/CPM  tem se mostrado muito efetivo quando o tempo é um fator crítico, quando é necessário negociar a duração de um projeto e se for preciso estabelecer cuidados especiais para que o tempo de duração do projeto seja preservado.

ANEXO B.56 Diagrama do Processo Decisório (PDPC )14

♦ Finalidade: o PDPC  é utilizado para garantir o alcance de uma meta através do estudo da lógica de todas as possibilidades de ocorrência de eventos e

contingências no caminho para atingi-la e pensar sobre as contramedidas que podem ser adotadas. Isso melhora as condições de tomada de decisões e, consequentemente, aprimora o plano de ação. O diagrama de processo decisório tem se mostrado muito útil quando a situação enfrentada é nova, muito dinâmica ou difícil de antecipar e também se a solução do problema for complexa e de difícil execução.

ANEXO B.57 Integração das ferramentas Lean Seis Sigma ao DMAIC 

ANEXO B.58 Procedimento Operacional Padrão15

♦ Finalidade: o Procedimento Operacional Padrão é usado para indicar os procedimentos para execução das tarefas de um processo, de modo que os resultados desejados possam ser alcançados e mantidos.

ANEXO B.59 Poka-Yoke (Mistake-Proofing)16

♦ Finalidade: a ferramenta Poka-Yoke (Mistake-Proofing) nos permite detectar e corrigir erros em um processo, antes que eles se transformem em defeitos percebidos pelo cliente/consumidor.

ANEXO B.60 Relatório de Anomalias

♦ Finalidade: o Relatório de Anomalias indica as ações corretivas para a eliminação de anomalias (desvios das condições normais de operação) que venham a ocorrer em processos produtivos.

ANEXO B.61 OCAP (Out of Control Action Plan)17

♦ Finalidade: o OCAP indica os procedimentos para a descoberta e a eliminação de causas especiais de variação que venham a atuar em um processo produtivo.

ANEXO C

Comentários e referências “Don’t let a mad world tell you that success is anything other than a successful present moment.”  Eckhart Tolle

Capítulo 1 1. Ishikawa K. Introduction to Quality Control. Tokyo: 3A Corporation; 1989; 435 p. 2. Ishikawa K. Controle de Qualidade Total: à Maneira Japonesa. Rio de Janeiro: Campus-Elsevier; 1993; 221 p. 3. Os círculos de controle da qualidade são pequenos grupos formados por pessoas que trabalham em um mesmo setor de uma empresa, as quais praticam voluntariamente atividades de controle da qualidade. Esses grupos realizam o autodesenvolvimento e o desenvolvimento mútuo como partes integrantes das atividades do TQC e utilizam as ferramentas do controle da qualidade para melhorar continuamente seus setores de trabalho, sempre com a participação de todos os membros do grupo. 4. Womack JP, Jones DT. A Máquina que Mudou o Mundo. Rio de Janeiro: Elsevier; 2004; 342 p. 5. Informações adicionais sobre o Lean Manufacturing podem ser obtidas no livro Lean Seis Sigma: Introdução às Ferramentas do Lean  Manufacturing da Série Werkema de Excelência Empresarial. 6. Informações detalhadas sobre o Lean Seis Sigma e o Design for Lean Six Sigma podem ser obtidas nos demais volumes da Série Werkema de Excelência Empresarial. 7. ASQ é a sigla para American Society for Quality.

Capítulo 2

1. Ishikawa K. Introduction to Quality Control. Tokyo: 3A Corporation; 1989; 435 p. 2. Ishikawa K. Controle de Qualidade Total: à Maneira Japonesa. Rio de Janeiro: Campus-Elsevier; 1993; 221 p. 3. Campos VF. TQC – Controle da Qualidade Total (no estilo japonês). Belo Horizonte: Fundação Christiano Ottoni / Escola de Engenharia da Universidade Federal de Minas Gerais; 1992; 220 p.

Capítulo 3 1. Ishikawa K. Introduction to Quality Control. Tokyo: 3A Corporation; 1989; 435 p. 2. Campos VF. TQC – Controle da Qualidade Total (no estilo japonês). Belo Horizonte: Fundação Christiano Ottoni / Escola de Engenharia da Universidade Federal de Minas Gerais; 1992; 220 p. 3. Campos VF. Gerenciamento da Rotina do Trabalho do Dia a Dia. Nova Lima: INDG Tecnologia e Serviços Ltda.; 2004; 266 p. 4. Campos VF. Curso Aperfeiçoamento da Prática do TQC . Belo Horizonte: Fundação Christiano Ottoni / Escola de Engenharia da Universidade Federal de Minas Gerais; 1995; 12 a 14/06/1995. 5. Campos VF. Gerenciamento pelas Diretrizes. Belo Horizonte: Fundação Christiano Ottoni / Escola de Engenharia da Universidade Federal de Minas Gerais; 1996; 331 p.

Capítulo 4 1. Asaka T, Ozeki K. Handbook of Quality Tools: The Japanese Approach. Cambridge: Productivity Press; 1990; 315 p. 2. Futami R. Guide to Seven Management Tools for QC . Tokyo: The Association for Overseas Technical Scholarship; 1985; 162 p.

Capítulo 5 1. Pande Segundo Peter S, Neuman Robert P, Cavanagh Roland R. The Six Sigma Way – How GE, Motorola, and Other Top Companies Are  Honing Their Performance. New York: McGraw-Hill; 2000; p. 410, “O  DMAIC  teve sua origem na GE Capital e, posteriormente, foi adotado

por toda a GE. O modelo original – ainda utilizado por algumas empresas – incluía apenas quatro etapas: Measure-Analyze-ImproveControl”. 2. O esquema de integração das ferramentas Lean Seis Sigma ao método  DMAIC  foi elaborado a partir da experiência da autora na utilização de técnicas estatísticas e outras ferramentas da qualidade, em seu trabalho como consultora de empresas. 3. Juran Joseph M, Blanton Godfrey A. Juran’s Quality Handbook – Fifth  Edition. New York: McGraw-Hill; 1999; A Figura 5.4 foi elaborada com base em, p. 19–29. 4. CAMPOS VF. Gerenciamento da Rotina do Trabalho do Dia a Dia. Nova Lima: INDG Tecnologia e Serviços Ltda.; 2004; O Ciclo PDCA utilizado para o alcance de metas de melhoria mostrado na Figura 5.7 foi extraído de, 266 p.

Capítulo 6 1. Gandelman Henrique. De Gutemberg à Internet: Direitos Autorais na  Era Digital, 4a ed Ampliada e Atualizada. Rio de Janeiro: Record; 2001; Para enfatizar a importância da definição da meta e do escopo do projeto, vale citar p. 118: “Já dizia Santo Tomás de Aquino que ‘tudo começa no fim.’. Se possível, interpretaríamos tal reflexão afirmando que é necessário, sempre, definir os fins a serem atingidos antes de começar a buscá-los. No nosso universo (…) é fundamental, desde logo, estabelecer metas, limites e parâmetros”. 2. Pande Peter S, Neuman Robert P, Cavanagh Roland R. The Six Sigma Way – How GE, Motorola, and Other Top Companies Are Honing Their  Performance. New York: McGraw-Hill; 2000; As quatro primeiras

questões são apresentadas por, p. 239. 3. Gostaria de agradecer aos candidatos a Black Belts Roberto Arno Gruhl (Embraco) e Mário César do Nascimento (Multibrás), cujos projetos acompanhei, na qualidade de coordenadora do Programa Seis Sigma da Fundação de Desenvolvimento Gerencial (FDG), por terem me dado a oportunidade de conhecer melhor a estrutura dos processos que embasam parte dos exemplos que ilustram o presente capítulo. 4. Os dados, gráficos, cálculos, situações, análises e conclusões apresentados nos exemplos desse capítulo foram criados pela autora, a

partir de sua experiência como consultora de várias empresas, mas não podem ser atribuídos a nenhuma delas em particular. 5. Pande Peter S, Neuman Robert P, Cavanagh Roland R. The Six Sigma Way – How GE, Motorola, and Other Top Companies Are Honing Their  Performance. New York: McGraw-Hill; 2000; p. 241. 6. Vicente Falconi Campos. Gerenciamento pelas Diretrizes. Belo

Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1996; p. 45. 7. Vicente Falconi Campos. Gerenciamento pelas Diretrizes. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1996; p. 47. 8. Pande Peter S, Neuman Robert P, Cavanagh Roland R. The Six Sigma Way – How GE, Motorola, and Other Top Companies Are Honing Their  Performance. New York: McGraw-Hill; 2000; p. 247. 9. Maria Cristina Catarino Werkema. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano

Ottoni, Escola de Engenharia da UFMG; 1995; p. 32. 10. Maria Cristina Catarino Werkema. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; p. 64–65. 11. Maria Cristina Catarino Werkema. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; p. 43. 12. A importância do estudo das variações na etapa Measure do DMAIC  é bastante enfatizada nas páginas 52 a 82 do texto de Mary Williams, Thomas Bertels e Harvey Dershin, Rath & Strong.’s Six Sigma Pocket  Guide, sob o subtítulo Understanding Variation. 13. Centipoise é uma unidade de medida da viscosidade. 14. Na verdade, a conclusão: “as produções com viscosidade igual ou superior a 75 centipoises são resultantes da variação natural do processo produtivo” somente pode ser estabelecida após a análise conjunta das Cartas de Controle para os valores individuais da viscosidade (Figura 6.11) e para as amplitudes móveis da viscosidade. 15. Vicente Falconi Campos. Gerenciamento da Rotina do Trabalho do Dia a Dia. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1994; p. 226. 16. Juran Joseph M, Blanton Godfrey A. Juran.’s Quality Handbook – Fifth

 Edition. New York: McGraw-Hill; 1999; A importância de se desdobrar um projeto complexo em projetos menores e, a seguir, delegálos a

equipes de trabalho específicas é destacada com muita propriedade por,p. 5–29, sob o subtítulo Elephant-Sized and Bite-Sized Projects. 17. Eckes George. em The Six Sigma Revolution – How General Electric and Others Turned Process Into Profits. New York: John Wiley & Sons, Inc.; 2001; As expressões Process Door e Data Door são utilizadas por, p. 113 e por Mary Williams, Thomas Bertels e Harvey Dershin no texto  Rath & Strong.’s Six Sigma Pocket Guide. Lexington: Rath & Strong Management Consultants, 2000, p. 102–103. 18. Williams Mary, Bertels Thomas, Dershin Harvey. no Rath & Strong.’s Six Sigma Pocket Guide. Lexington: Rath & Strong Management Consultants; 2000; A ferramenta Matriz de Priorida deutilizada nesse texto segue o formato apresentado por, p. 24–26. 19. Moen Ronald D, Nolan Thomas W, Provost Lloyd P. Quality  Improvement Through Planned Experimentation. 2a New York: McGraw-Hill; 1999; O formulário para documentação do experimento apresentado na Figura 6.23 foi construído tendo como modelo a Figura 3.7: Form for documentation of a planned experiment , de, p. 67. 20. Montgomery Douglas C. Design and Analysis of Experiments. 5th New York: John Wiley & Sons, Inc.; 2001; A situação apresentada nesse parágrafo é similar à descrita nas quatro últimas linhas do primeiro parágrafo do Exemplo 6.2 de, p. 246. 21. Pande Peter S, Neuman Robert P, Cavanagh Roland R. The Six Sigma Way – How GE, Motorola, and Other Top Companies Are Honing Their  Performance. New York: McGraw-Hill; 2000; p. 276. 22. Eckes George. The Six Sigma Revolution – How General Electric and Others Turned Process Into Profits. New York: John Wiley & Sons, Inc.; 2001; Nossa apresentação da ferramenta Stakeholder Analysis foi

inspirada pela leitura dos textos de, p. 185–190 e de Mary Williams, Thomas Bertels e Harvey Dershin, Rath & Strong’s Six Sigma Pocket  Guide. Lexington: Rath & Strong Management Consultants, 2000, p. 9–  10. 23. Campos Vicente Falconi. Gerenciamento da Rotina do Trabalho do Dia a Dia. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1994; Esse parágrafo incorpora ensinamentos de, p. 230.

Anexo A 1. Campos VF. Contatos Pessoais. Belo Horizonte: Fundação Christiano Ottoni / Escola de Engenharia da Universidade Federal de Minas Gerais; 1995.

Anexo B 1. Corrêa Henrique L, Gianesi Irineu GN, Caon Mauro. Planejamento,  Programação e Controle da Produção: MRP II / ERP – Conceitos, Uso e Implantação – 2ª ed. São Paulo: Editora Atlas S.A.; 1999; A ilustração

da ferramenta Séries Temporais foi criada a partir das figuras de autoria de, p. 237 e de Ken Black, Business Statistics: Contemporary Decision  Making – Second Edition. St. Paul: West Publishing Company, 1997, p. 739. 2. Sandres Doug, Ross Bill, Coleman Jim. The Process Map. Quality  Engineering. 1999;11(4):557 A ilustração da ferramenta Mapa de Processo foi criada a partir da figura de autoria de. 3. A ilustração da ferramenta Mapa de Produto foi cedida por candidatos a Black Belts da empresa Multibrás Eetrodomésticos S.A. – Unidade Rio Claro. 4. Bockerstette Joseph A, Moura Reinaldo A. Guia para Redução do Tempo de Ciclo. São Paulo: IMAM; 1995; A ilustração da ferramenta Análise do Tempo de Ciclo foi extraída de, p. 19. 5. Freitas Marta, Colosimo Enrico. Confiabilidade: Análise de Tempo de  Falha e Testes de Vida Acelerados. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1997; Extraído de, p. 10. 6. Brassard Michael, Ritter Diane. The Memory Jogger II . Salem: GOAL/QPC; 1994; A ilustração da ferramenta Diagrama de Afinidades foi criada a partir da figura de autoria de, p. 15. 7. Cristina Maria, Werkema Catarino. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; A ilustração da ferramenta Diagrama de Relações foi criada a partir de um exemplo de T. Asaka e K. Ozeki e foi extraída de, p. 51. 8. Drumond Fátima Brant, Catarino Werkema Maria Cristina, Aguiar

Sílvio. Análise de Variância: Comparação de Várias Situações. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1996; Extraído de, p. 79, 97. 9. Freitas Marta, Colosimo Enrico. Confiabilidade: Análise de Tempo de  Falha e Testes de Vida Acelerados. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1997; A finalidade da ferramenta Análise de Tempos de Falhas foi extraída do texto de, p. 11 e a ilustração foi retirada de Maria Cristina Catarino Werkema, As  Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, 1995, p. 48. 10. Freitas Marta, Colosimo Enrico. Confiabilidade: Análise de Tempo de  Falha e Testes de Vida Acelerados. Belo Horizonte: Fundação Christiano Ottoni Escola de Engenharia da UFMG; 1997; Extraído de, p. 11. 11. Wagner Harvey M. Pesquisa Operacional. Rio de Janeiro: Prentice-Hall do Brasil; 1986; A ilustração da ferramenta Simulação foi extraída de, p. 747. 12. Catarino Werkema Maria Cristina. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; A ilustração da ferramenta Diagrama de Árvore foi extraída de, p. 52. 13. Catarino Werkema Maria Cristina. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; A ilustração da ferramenta PERT/CPM  foi originalmente extraída do texto de R. Futami e apresentada em, p. 56. 14. Catarino Werkema Maria Cristina. As Ferramentas da Qualidade no Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; A ilustração da ferramenta Diagrama de Processo Decisório foi originalmente extraída do texto de R. Futami e apresentada em, p. 55. 15. Catarino Werkema Maria Cristina. Ferramentas Estatísticas Básicas  para o Gerenciamento de Processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG; 1995; A ilustração da ferramenta Procedimento Operacional Padrão foi extraída de, p. 352. 16. NKS/Factory Magazine. Poka-Yoke: Improving Product Quality by

 Preventing Defects. Portland: Productivity Press; 1988; A ilustração da ferramenta Poka-Yoke foi extraída de uma parte da figura de, p. 16.

17. Sandorf John P, Bassett III A Thomas. The OCAP: Predetermined Responses to Out-of-Control Conditions. Quality Progress 1993;91–94 A ilustração da ferramenta OCAP foi criada a partir o estudo do texto de, May.