Treinamento Lean Six Sigma: Black Belt Complementar

Treinamento Lean Six Sigma
Black Belt Complementar

Semana 1
Desenvolvido pela Seta Desenvolvimento Gerencial Especialmente para a Votorantim

LSS BLACK BELT COMPLEMENTAR
0-1
REVISO 2008
Seta Desenvolvimento Gerencial
Histrico
Empresa voltada ao desenvolvimento de pessoas e empresas, baseado na utilizao de tcnicas de liderana e gesto por processos no dia-a-dia de cada um dos participantes. A Seta Desenvolvimento Gerencial surgiu em 2004, sendo fundada por ex-executivos da General Electric. A empresa conta atualmente com 3 scios, os quais tambm so responsveis por 100% dos treinamentos desenvolvidos. Ao total, foram mais de 1.500 profissionais treinados pela Seta em empresas dos mais variados segmentos e reas funcionais, tanto em Desenvolvimento de Liderana como em Gesto por Processos (neste ltimo, destaca-se o programa Seis Sigma). Entre os principais clientes da Seta encontram-se: GE, Votorantim, Motorola, Multibrs, Ita, Santander, Novartis, SKF, FMC, FCI, Black & Decker, Natura, Faber-Castell, Romi, Nova Petroqumica, Braskem, CPFL, Nextel. Para maiores detalhes, visite o site: www.setadg.com.br
0-2
REVISO 2008
Instrutores
0-3
REVISO 2008
Qualificao dos Instrutores

Castell, SKF, Kinross, Novartis, entre outros;
Alberto Pezeiro
Fundador e Scio-Diretor da Seta Desenvolvimento Gerencial , empresa voltada a treinamento e consultoria empresarial . Tem entre seus principais clientes : GE, Motorola, Votorantim, Natura, Braskem, Whirlpool, Siemens, Banco Santander, Faber-
Ex- executivo da General Electric , foi Diretor Comercial da GE Plastics para a Amrica do Sul ( US$ 70MM / ano ) , Six Sigma Master Black Belt da GE Plastics Amrica do Sul ( US$ 5MM em projetos de reduo de custos em dois anos ) e Gerente de Treinamento e Desenvolvimento Corporativo para a Amrica do Sul ( Treinamentos de Desenvolvimento da Liderana , Universidades Corporativa, Programa de Trainees, Recrutamento e Seleo de Executivos , Desenvolvimento de Carreira , Relao com Universidades );
Professor de Ps Graduao e MBA da Fundao Vanzolini da Escola Politcnica da USP ; Six Sigma Master Black Belt pela General Electric ; Treinou mais de 2.000 Green Beltss, Black Belts s e Master Black Belts s para a General Electric em diversos pases da Amrica do Sul ;
Mentorou mais de 500 projetos de Green Belts s e Black Belts s ; Certified Quality Manager / Certified Quality Engineer / Certified Quality Auditor pelo American Society for Quality / Lead Assessor ;
13 anos de experincia em treinamento e conferncias para empresas em temas relacionados Gesto da Liderana e Gesto de Processos / Qualidade .
0-4
REVISO 2008

SKF, Kinross, Novartis, entre outros;
Fbio Sacoman
Scio-Diretor da Seta Desenvolvimento Gerencial , empresa voltada a treinamento e consultoria empresarial . Tem entre seus principais clientes : GE, Motorola, Votorantim, Natura, Braskem, Whirlpool, Siemens, Banco Santander, Faber-Castell,
Consultor-lder do projeto de implementao do sistema de gesto de valor em Aceras Paz del Ro (Colmbia) agosto de 2007 atualmente);
Ex-Black Belt da General Electric, Responsvel pelo Desenvolvimento de Projetos nas reas Comercial e Supply Chain na GE Plastics Mxico (US$ 50K/ ano em Incremento de Vendas); Responsvel por Projetos nas reas Financeira, IT e de Operaes da GE Plastics para a Amrica do Sul (reduo de custos em US$ 800K em 2 anos); Desenvolvimento de Projetos de Otimizao e Digitalizao de Processos na 3M do Brasil (US$ 50K em 2 anos);
Instrutor para Associao Brasileira de Controle de Qualidade (ABCQ); Six Sigma Black Belt pela General Electric; Treinou cerca de 200 Green Beltss para a General Electric no Brasil e no Mxico; Mentorou mais de 150 projetos de Green Beltss; 07 anos de experincia em treinamento e conferncias para empresas e universidades em temas relacionados Gesto da Liderana e Gesto de Processos/ Qualidade.
0-5
REVISO 2008

SKF, Kinross, Novartis, entre outros;
Mrcio Francato
Scio-Diretor da Seta Desenvolvimento Gerencial , empresa voltada a treinamento e consultoria empresarial . Tem entre seus principais clientes : GE, Motorola, Votorantim, Natura, Braskem, Whirlpool, Siemens, Banco Santander, Faber-Castell,
Atuou como Gerente de Sourcing para Amrica Latina da GE Plastics South America sendo responsvel por compras anuais em torno de US$ 25MM envolvendo duas unidades fabris e seis centros de distribuio
Black Belt certificado pela General Electric Diviso Plsticos, com mais de 50 projetos mentorados nas reas de Supply Chain, Vendas, Tecnologia e RH com resultados financeiros superiores a US$ 2,5MM (1,5 anos de atuao) impactando diretamente o EBTIDA
Mentorou 2 projetos seis sigma que foram premiados com o primeiro lugar em suas categorias no GE Annual Latin America Six Sigma Rallye competio de projetos seis sigma entre todos os negcios da GE na regio (total de 126 projetos)
Certified Quality Engineer pela ASQ Instrutor do Curso de Sourcing do programa de trainees da GE Brasil h 3 anos 10 anos de experincia profissional desenvolvida nas reas de qualidade, sourcing e seis sigma obtida junto a empresas multinacionais de grande porte (Alcoa, GM, DaimlerChrysler, GE)
0-6
REVISO 2008

Consultor da Seta Desenvolvimento Gerencial (www.setadg.com.br)
Fernando Carvalho
Atuou como Coordenador da rea de Controle de Processos da Votorantim Celulose e Papel Unidade Luiz Antnio responsvel por equipe com 80 funcionrios
16 anos de experincia profissional desenvolvida nas reas de produo de utilidades,processo de produo e expedio de celulose e seis sigma nas reas industriais e florestais
Master Black Belt da Votorantim Celulose e Papel certificado pela SETA Desenvolvimento Gerencial Mentorou mais de 200 projetos (com ganhos superiores a US$ 20 milhes anuais) e treinou mais de 500 Green e Black Belts das empresas: CPFL, Valtra, Faber Castell, Citrovita, TIVIT, Votorantim Industrial, Ingersoll Rand, Multibrs, SKF, Suzano Petroqumica entre outras.
Ps graduado Lato Sensu em Celulose e Papel pela Universidade Federal de Viosa MBA em Administrao pela FEA USP Ribeiro Preto Engenheiro Qumico pela Universidade Federal de So Carlos
0-7
REVISO 2008

empresas como Braskem, SKF, GE, Votorantim, Nova Petroqumica, CPFL, FMC;
Edir Kuroda
Consultor pela SETA Desenvolvimento Gerencial ministrando treinamentos e assessorando projetos Lean Six Sigma em
9 anos de experincia no desenvolvimento de Macros em VBA (Excel) como: Painis de Controle de indicadores (Gesto Vista), Pesquisa de Eficincia Interna, Scorecard para Anlise de Crditos, Simulador de Indicadores para definio de metas, Controle de Fichas Tcnicas de Matrias-Primas e Produtos Acabados; Atuou como Especialista de Produo na GE Industrial Plastics Amrica do Sul, sendo responsvel pela implementao do Lean Enterprise onde viabilizou a obteno de melhores vazes mdias de produo, disponibilizando mais de 1500 horas produtivas (incremento anual de 3100 ton) atravs da reduo do changeover time (tempo de setup) em 20% (resultando num cost saving anual de $1380K) com um incremento de 40% de flexibilidade na produo; Reduziu perdas de materiais (cost saving de $60K por ano) obtendo 95% de acuracidade no reporte das ordens de produo atravs desenvolvendo um consistente controle de fluxo de dados e materiais utilizando o Lean/Six Sigma na GE Industrial Plastics Amrica do Sul; Instituiu um controle de reporte dirio, acurado e rpido das mtricas de produo (reduzindo os atrasos de atualizao em 95%) atravs da implementao do Digital Cockpit de Manufatura para a GE Industrial Plastics Amrica do Sul; Lean/Six Sigma Leader pela General Electric e BB Certificado Seta ; Graduado em Engenharia de Produo pela UFSCar.
0-8
REVISO 2008

Consultor associado Seta Desenvolvimento Gerencial Engenheiro Mecnico pela UNICAMP com especializao em Qualidade Industrial MBA Gesto Empresarial pela Fundao Getlio Vargas Six Sigma Black Belt pela General Electric Mentor de aproximadamente 60 projetos Six Sigma para General Electric Treinou mais de 200 Green Belts e Black Belts para General Electric e outras empresas de grande porte
Carlos Rama
Programa Six Sigma (implementao, treinamento e gerenciamento de projetos) para unidade da General Electric no Brasil 16 anos de atuao em empresa de auto-peas nas reas de Produo, Qualidade , Desenvolvimento de Produtos e Coordenao de Projetos 10 anos de atuao em empresa de linha branca nas reas de Six Sigma e Qualidade
0-9
REVISO 2008
Jos Nicolau
Scio e Diretor da GPP Treinamento e Consultoria Empresarial, empresa dedicada ao treinamento e consultoria na rea de gesto de processos parceiro da Seta Desenvolvimento Gerencial, empresa dedicada Educao Executiva voltada ao mercado de treinamento e desenvolvimento em Excelncia Operacional e Desenvolvimento de Liderana (www.setadg.com.br) Engenheiro Mecnico formado pela UNICAMP, com MBA em RH pela FEA USP; Ex- executivo da Motorola, Unibanco e Telesp Celular (atual Vivo), foi Gerente de Recrutamento e Seleo na Motorola e no Unibanco, responsvel pela atividade no Brasil e Gerente de Desenvolvimento da Vivo (Treinamento e Desenvolvimento da Liderana , Universidade Corporativa, Programa de Trainees, Desenvolvimento Organizacional, Pesquisa de Clima, etc.) ; Professor de Estatstica Bsica no IBTA Campinas e de Seis Sigma da Fundao Vanzolini da Escola Politcnica da USP ; Treinou mais de 1.000 profissionais para Green Beltss ou Black Belts s, tanto para empresas de manufatura quanto de servios; Orientou mais de 50 projetos de Green Belts s e Black Belts s ; Certified Quality Engineer pela American Society for Quality (ASQ) desde 1996; 10 anos de experincia em treinamento e consultoria nas reas de Gesto de Processos e Qualidade .
0-10
REVISO 2008

Consultor associado Seta Desenvolvimento Gerencial Engenheiro Eletrnico pela Escola Engenharia Mau MBA Gesto Empresarial pela Fundao Getlio Vargas / Conexo Lean Six Sigma Black Belt pela Novelis do Brasil (antiga Alcan) Mentorou cerca de 50 projetos Lean Six Sigma para Novelis do Brasil Treinamento de Green Belts e Black Belts para Novelis do Brasil
Ricardo Damiani Schvartzaid
Gesto de Melhoria Continua na Novelis do Brasil na unidade Aratu: desenvolvimento de projetos, coaching de Green Belts e suporte na gesto aos gerentes e diretores 20 anos de atuao em empresa metalrgica, nas reas de automao industrial, coordenao de start-up, revamp, coleta de dados de processo, coordenao de equipes, e implementao de ferramentas de melhoria de processo operao e manuteno 2 anos de atuao na rea de Melhoria Continua aplicando e facilitando a aplicao de Lean Six Sigma
0-11
REVISO 2008
Apresentao
Entreviste o(a) companheiro(a) ao lado. Voc ir apresent-lo(a) para o resto da turma. Pergunte: Nome: Formao Acadmica: Funo / Posio na empresa:
Hobby / Do que gosta de fazer no tempo livre:
Qual a experincia com projetos de melhoria? J participou de algum projeto? Como foi?
0-12
REVISO 2008
Agenda
0-13
REVISO 2008
Objetivos do Treinamento
Ao final do treinamento, os participantes entendero: - Associar e executar a metodologia Lean Seis Sigma; - Quando e porque utilizar o modelo Lean Seis Sigma; - Utilizar a metodologia Lean Seis Sigma para a obteno de resultados significativos na Melhoria de Processos, Produtos ou Servios Existentes; - Compreender as Ferramentas que suportam a metodologia; - Lean Seis Sigma x Impacto Financeiro para a organizao; - Desenvolver Competncias de Liderana para a introduo e o gerenciamento de mudanas na organizao; - Construir na empresa uma cultura de Gesto Eficiente do Negcio criando aos acionistas uma percepo de aumento de valor de mercado; - Aprofundar o conhecimentos em tcnicas estatsticas; - Exercitar a funo do Black Belt como coach para projetos Lean Seis Sigma.
0-14
REVISO 2008
Programao
DIA 01
08:00 08:30 08:30 09:00 09:00 09:30 09:30 10:00 10:00 10:30 10:30 11:00 11:30 11:30 11:30 12:00 12:00 12:30 12:30 13:00 13:00 13:30 13:30 14:00 14:00 14:30 14:30 15:00 15:00 15:30 15:30 16:00 16:00 16:30 16:30 17:00 17:00 17:30
Coffee Break Coffee Break Coffee Break Coffee Break Coffee Break Almoo Almoo Almoo Almoo Almoo Coffee Break Coffee Break Coffee Break Coffee Break Coffee Break
DIA 02
DIA 03
DIA 04
DIA 05
-0. Abertura - 1. Introduo
- 2. Fase de Definio
- 4. Estatstica Avanada
- 5. Coleta de Dados e Gage R&R
- 8. Fase de Anlise - 9. FTA
- 6. OEE, FTT, RTY
- 10. FMEA
- 3. Fase de Medio - 4. Estatstica Avanada
- 7. Capabilidade
- Avaliao
- 4. Estatstica Avanada
- 7. Capabilidade
- Encerramento Curso
0-15
REVISO 2008
Aquecimento
0-16
REVISO 2008
Aquecimento
Reflita um pouco em grupos sobre as 3 frases abaixo. Qual a principal mensagem que cada uma quer passar para ns?
Insanidade: achar que vai chegar em um resultado diferente fazendo o mesmo de sempre...
As coisas mais prioritrias no devem estar merc das coisas menos prioritrias. Goethe
As mudanas no devem ser impostas, mas fruto do consenso da equipe.
0-17
REVISO 2008
Introduo
1-1
REVISO 2008
O que Seis Sigma ?

.................
A EVOLUO
ANOS 80
ANOS 90
ANO 2000
.................
Criado na Motorola Co. (Estados Unidos) em meados da dcada de 80 em conjunto com empresas tcnicas de consultoria Apoiado fortemente pelo ento chairman Bob Galvin Focado na reduo de defeitos na manufatura, o que impactaria positivamente nos custos da rea Trouxe a ruptura dos paradigmas clssicos de qualidade, em que 99% de qualidade era sinnimo do melhor processo existente Metodologia para resoluo estruturada de problemas Utilizao de ferramentas clssicas da Qualidade Utilizao de mtodos quantitativos e estatsticos para definio e anlise de um problema Fortemente vinculada ao retorno financeiro para a Organizao: US$16 Bi documentados como benefcios do programa na empresa
MAIORES INFORMAES: www.isixsigma.com
1-2
REVISO 2008
O que Seis Sigma ?

.................
A EVOLUO
ANOS 80
ANOS 90
ANO 2000
.................
Exploso da metodologia ao redor do mundo, chegando em fim com fora tambm no Brasil Grande parcela do boom do Seis Sigma deve-se a sua implantao na GE General Electric liderada pelo ento CEO e considerado por muitos o maior executivo do sculo XX, Jack Welch
We have set for ourselves the goal of becoming, by the year 2000, a Six Sigma quality company, which means a company that produces virtually defect-free products, services and transactions. We want to make our quality so special, so valuable to our customers, so important to their success that our products become their only real value choice. Uma empresa 6 Sigma a nica opo do cliente quando colocar seu prximo pedido este dever ser o futuro da General Electric
1-3
REVISO 2008
O que Seis Sigma ?

.................
A EVOLUO
ANOS 80
ANOS 90
ANO 2000
.................
Com a GE aplicao do Seis Sigma em todas as rea de Negcios das organizaes Ruptura do paradigma de que Seis Sigma era apenas para reas produtivas reas transacionais tambm deveriam utilizar a metodologia para resoluo de problemas Forte foco gerencial da Organizao foco na Gesto do Negcio, e no apenas na gesto da rotina / melhorias especficas Utilizao da metodologia como formadora de lideranas dentro da Organizao Aplicao do Seis Sigma em diversas organizaes, como Allied Signal (atravs do ento CEO Larry Bossidy), Texas Instruments, Ford, Caterpillar, Dupont, Dow, entre outras.
1-4
REVISO 2008
O que Seis Sigma ?

.................
A EVOLUO
ANOS 80
ANOS 90
ANO 2000
.................
Grande evoluo e dinamizao do Seis Sigma em diversas empresas, em diversos segmentos: maior utilizao em servios, como hospitais (Hospital das Clnicas/ SP), empresas de telecomunicaes (Telefnica, Telemar), instituies governamentais (INPE, Foras Armadas Norte-Americanas), bancos (Bank of Boston, Bank of America, Citigroup), entre outras Grande foco comercial em algumas empresas, desde levar o Seis Sigma casa do cliente, realizando os projetos, at usar a marca Seis Sigma para atrair novos negcios e/ou fidelizar clientes Observa-se progressivamente o uso do Seis Sigma dentro do sistema de Gesto das empresas, alinhado estratgia organizacional Grande valorizao no mercado dos profissionais com conhecimento e habilidade em gesto de projetos atravs do Seis Sigma
1-5
REVISO 2008
Seis Sigma Melhoria de Processos com Uso de Anlise Estatstica dos Dados
ESTUDO DO COMPORTAMENTO DO PROCESSO EM RELAO PERFORMANCE MDIA E VARIAO DE ACORDO COM OS REQUERIMENTOS DOS CLIENTES
LIE
LSE
1-6
REVISO 2008
Seis Sigma A Metodologia D-M-A-I-C
Definio 1. Qual processo ser melhorado ? Medio Anlise Melhoria Controle 2. Qual freqncia dos defeitos ? 3. Quando e onde ocorrem os defeitos ? 4. Como podemos corrigir o processo ? 5. Como podemos manter o processo correto ?
1-7
REVISO 2008
Seis Sigma Viso de Processo
FORNECEDORES
SUCESSO LGICA
ENTRADAS
PROCESSO
SADAS
CLIENTE
VISO DO CLIENTE
MEDIO
-CAUSAS - ENTRADAS DO PROCESSO -
MEDIO
-EFEITOS - PROBLEMAS - SADAS DO PROCESSO
-Y
1-8
REVISO 2008
Escolha Adequada da Estratgia de Melhoria de Processos
6 5 4 3 2
CAPABILIDADE DE PROCESSO
PPM
Frutas Seletas 6 Sigma DFSS Investimentos em Tecnologia

LIMITE DO PROCESSO
3,4 } 233 } 6.210 } 66.807 } 308.537

DEFEITOS POR MILHO DE OPORTUNIDADES
Frutas na Copa 6 Sigma - DMAIC Otimizao de Processos
_________________________________________
Low Hanging Fruit PDCA 8D / Eventos Kaizen Frutas no Cho Lgica e Intuio Ver e Agir
___________________________________________
1994 Dr. Mikel J. Harry - V4.0 LSS BLACK BELT COMPLEMENTAR
1-9
REVISO 2008
O que Lean Manufacturing ou Mentalidade Enxuta?
- Filosofia gerencial baseado nas prticas e resultados do Sistema Toyota de Produo (TPS) - Procura especificar valor a partir da tica do cliente, alinhar na melhor seqncia as atividades que criam valor, realizar essas atividades sem interrupo sempre que algum as solicita de forma cada vez mais eficaz
1-10
REVISO 2008
Lean Manufacturing
Princpios
1.
Especificar o valor
2.
Identificar a cadeia de valor dos produtos e remover as etapas que geram desperdcios
3.
Fazer com que as etapas que criam valor fluam
4.
Fazer com que a produo seja puxada pela demanda
5.
Gerenciar para buscar a perfeio
1-11
REVISO 2008
Lean Manufacturing
O Conceito de Produo Enxuta
O conceito Lean Manufacturing (ou Manufatura Enxuta), surgiu na Indstria Automobilstica, considerada como Indstria das Indstrias, que alterou radicalmente nossa forma de produzir bens por duas vezes neste sculo: 1 - Ford e Sloan - da Produo Artesanal para a Produo em Massa; 2 - Toyoda e Ohno - da Produo em Massa para a Produo Enxuta.
Fonte: A mquina que mudou o mundo - Womack, Jones & Roos - 1992 - Ed. Campus
A Produo Enxuta um Sistema de Produo que combina as vantagens das produes Artesanal e Em Massa, evitando os altos custos da primeira e a rigidez da ltima.
1-12
REVISO 2008
Histrico
Origens
Lillian Gilbreth traz a psicologia para o ambiente de produo atravs dos estudos de motivao dos operrios e como as atitudes afetavam o desempenho de um processo. Frederick W. Taylor desenvolve os princpios do Estudo de Tempos e padronizao do trabalho. Taiichi Ohno inicia o aperfeioamento dos conceitos do Just-in-Time introduzidos por Kiichiro Toyoda
Sakichi Toyoda recebe a patente pelo tear de madeira
1890
Final 1890s
1908
1937
1943
1980
1990
Antes: carros eram construdos em um spot e os operadores se moviam de carro a carro. Este era o chamado sistema de produo cigano.
Toyota traz o Toyota Production System para os EUA em colaborao com a GM
Henry Ford inventa a linha de produo mvel e mecanizada Depois: Ford adotou uma linha de montagem onde os operadores ficavam parados numa mesma estao por onde os carros passavam Toyota Motor Company Ltd. criada. Kiichiro Toyoda constri a planta em Koromo e devido ao desbalanceamento causado pelo trabalho particionado, cria o JUST IN TIME.
Womack e Jones publicam The Machine that Changed the World
1-13
REVISO 2008
Lean Manufacturing
Os Oito Desperdcios
Para obter as vantagens da Manufatura Enxuta, basicamente necessrio atuar em atividades que no agregam valor, ou seja, eliminar desperdcios para gerar fluxo.
1-14
REVISO 2008
Lean Manufacturing
A Viso Fundamental
- Foco em cada produto e seu fluxo de valor mais que em organizaes, ativos, tecnologias e planos de carreira; - Pergunte quais atividades so desperdcio e quais realmente criam valor - Aumente o valor e elimine o desperdcio para otimizar o todo!
1-15
REVISO 2008
Lean Manufacturing
Ferramentas do Lean Manufacturing:
Cultura Lean Sistema Ferramentas
KANBAN TPM OEE SETUP RPIDO JIT PDCA MFV Lotes pequenos 5S KAIZEN TQC
Ferramentas, Sistema e Cultura

* Quando as ferramentas trabalharem integradas umas com as outras, ns teremos um sistema
MFV Mapeamento de Fluxo de Valor
* Quando o sistema for praticado e defendido por todas as pessoas da organizao, ns teremos uma Cultura
1-16
REVISO 2008
Lean Thinking
Navegando em guas Calmas...
Mesmo havendo desperdcios e problemas na empresa, a situao macroeconmica, ou mesmo de gerao de receita, est satisfatria ou seja, estas situaes no chegam a ser problemas...
Nivel da gua
Servios fora de SLA
Equipamento Inadequado Mquina Quebrada Espao Fsico Demanda Instvel Falhas em Programao de Mquinas Falta de Confiana dos Trabalhadores
Existncia de Bloqueios
Baixa Qualidade de Processos
Retrabalho
Erros de Quantidade
Pessoas No Preparadas
Demora no Setup de Mquinas
1-17
REVISO 2008
Lean Thinking
Navegando em guas Turbulentas...
Eventuais problemas macroeconmicos, presso de competidores, ou mesmo mudanas de regras da empresa (corporativo, direcionamento...) podem fazer com que os problemas, antes ignorados, passem a ser foco das aes. Portanto: esteja atento, a qualquer momento e em qualquer cenrio, s oportunidades de melhoria.
Nivel da gua
Servios fora de SLA
Equipamento Inadequado Mquina Quebrada Espao Fsico Demanda Instvel Falhas em Programao de Mquinas Falta de Confiana dos Trabalhadores
Existncia de Bloqueios
Baixa Qualidade de Processos
Retrabalho
Erros de Quantidade
Pessoas No Preparadas
Demora no Setup de Mquinas
1-18
REVISO 2008
O que Lean Six Sigma ?
Conceitos
Depois de apresentados aos conceitos de Lean, ficou claro como podemos fazer o relacionamento entre esta metodologia e o Seis Sigma: as ferramentas que so contidas nas 2 metodologias podem, e devem, ser combinadas, para uma melhor anlise do processo e a conseqente proposta de solues mais efetivas. DMAIC = forte utilizao de conceitos estatsticos + compromisso com apurao financeira dos ganhos + Lean Thinking = pensamentos de mudanas rpidas no processo, simplificando e reduzindo ciclos de tempo e gerao de defeitos = Lean Six Sigma
1-19
REVISO 2008
Lean Six Sigma

Duas iniciativas que se complementam perfeitamente
Definio
LEAN
ESCOPO Simples / Curto prazo
SEIS SIGMA
Anlises profundas com ferramentas avanadas / Mdio-Longo prazo Melhoria de processos com impacto financeiro
OBJETIVO
Eliminar desperdcios
ETAPAS
1-20
REVISO 2008
Fases
Objetivo
Definir um projeto Seis Sigma relacionado a uma mtrica / KPI da Organizao Ganhar a a provao da Organizao para a execuo do projeto Estabelecer ganhos,inclusive financeiros, para a organizao Identificar a(s) sada(s) do Processo(Ys) Listar potenciais fontes de variao ( potenciais Xs ) Validar o Sistema de Medio ( MSA ) Identificar a Capabilidade ( ) e DPMO iniciais
Principais Atividades
Justificar perante a Organizao o porqu de fazer o projeto Montar o Contrato do Projeto Pegar a aprovao do Patrocinador e do MBB/ BB Estabelecer a equipe do Projeto Revisar potenciais ganhos financeiros do projeto
Principais Ferramentas
VOC / VOB Histrico de variao da mtrica / KPI ao longo do tempo Contrato do Projeto SIPOC Mapa Macro do Processo Quick Win Opportunities Mapa do Processo Espinha de Peixe Matriz Causa & Efeito Matriz Esforo x Impacto Estatstica Bsica Histograma Pareto Grfico de Tendncia Pareto Box Plot Diagrama de Disperso Anlise Multi Vari Teste Chi Quadrado Anlise de Regresso ANOVA Teste de Hiptese Plano de Ao Diagrama de Afinidade DOE Benchmarking FMEA Anlise de Regresso Experimentao / Piloto - Anlise da cadeia de valor * - Anlise do Takt Time * - Anlise de Fluxo do Processo * - MSA - FMEA - Benchmarking
Perguntas - Chave
Por que este projeto importante para a Organizao? Quem so os membros da equipe ? Existem possveis restries ou dificuldades ? H ganho financeiro ? Quais so as sadas do processo (Ys ) ? O Sistema de Medio foi validado? Os dados j existem ou sero coletados ? Quais os potenciais Xs? Qual o e o DPMO iniciais ? H alguma fonte de variao ( Xs ) identificada sem necessidades de validao Quick Win? Quais so as principais fontes de variao do Processo ? Quais as aes tomadas para melhorar o processo? Qual o benefcio previsto do projeto? Foi validado com Finanas? Qual o novo e DPMO? Qual o novo Mapa do Processo ? O que est sendo feito para garantir que as melhorias vo se manter ao longo do tempo ? Quais os prximos projetos a serem desenvolvidos ?
Definio 1a2 semanas
Medio 1a2 meses
Primeira reunio da equipe Definir a(s) sada(s) do Processo (Ys) Validar o Sistema de Medio Criar uma lista de 20-30 Potenciais Xs ( potenciais fontes de variao ) Criar um banco de dados contendo informaes sobre os Xs e Ys Realizar as primeiras anlises estatsticas sobre o Y Estabelecer os Xs bvios Quick Win Opportunities Validar quais Xs tm influncia sobre os Ys ( graficamente ) Validar quais Xs tm influncia sobre os Ys ( estatisticamente ) Validar quais Xs tm influncia sobre os Ys ( anlise de risco ) Montar o Plano de Ao Validar as aes com o Patrocinador Buscar recursos e ajuda para aes Validar benefcios financeiros com a rea Financeira Montar o novo Mapa de Processo sem atividades que no agregam valor Recalcular e DPMO Montar o Business Process Management Estabelecer os controles Validar com a equipe se h necessidade de aes adicionais Realizar alteraes nos procedimentos e instrues de trabalho Formalizar o trmino do projeto
Anlise 2a4 semanas 3.0 Optimize Melhoria 1a2 meses

EXECUTE
EXECUTE
Encontrar os poucos Xs vitais que devero ser atacados para reduzir a probabilidade do processo gerar defeitos Encontrar os poucos Xs vitais que afetam significativamente a variao do processo
Tomar as aes sobre o processo Confirmar que o processo melhorou Validar os benefcios para a Organizao
- Evento Kaizen* - 5S * - TPM * - Anlise da cadeia de valor * - Supermercado * - Kanban * - JIT* - TPM * - 5S* - PokaYoke* - Visual Aids * - Procedimento Padro de trabalho*
Controle 2a4 semanas
Estabelecer os Controles para manter as melhorias feitas no processo Passar para o dono do processo a responsabilidade por monitorar o processo ao longo do tempo
Normas e Procedimentos Auditoria Business Process Management Plano de Controle CEP
LSS BLACK BELT COMPLEMENTAR * FERRAMENTAS TPICAS - LEAN MANUFACTURING
1-21
REVISO 2008
www.setadg.com.br
Seta Desenvolvimento Gerencial Reviso : 23 de Agosto de 2006
Lean Seis Sigma Equipe de Trabalho

Conselho de Gesto Seis Sigma Lder de Qualidade 6
5 Master Black Belt 3
2 Equipe de Melhoria
4 Analista de Qualidade (BB)
3 Patrocinador 1 Lder: Black Belt / Green Belt
Membros 1-22
REVISO 2008

Patrocinador - Participao na formao da carteira de oportunidades e da conseqente aprovao dos projetos - Participao das reunies peridicas de acompanhamento do programa - Participao de eventos de sustentao do programa, tais como a cerimnias de certificao ou incio de sesses de treinamento - Facilitao e viabilizao da disponibilidade de recursos financeiros e humanos
Master Black Belt (MBB) - So profissionais com cargo efetivo na hierarquia da empresa, respondendo diretamente alta administrao da empresa - Direta ou funcionalmente, est ligado rea de gesto da organizao - Disponibiliza, preferencialmente, 100% de seu tempo ao programa Seis Sigma, principalmente no mentoramento de projetos - Em algumas empresas, exercem tambm funes executivas nas reas de Gesto ou Qualidade
1-23
REVISO 2008
Black Belt (BB) - So profissionais com cargo efetivo na hierarquia da empresa, respondendo diretamente ou indiretamente ao MBB - Direta ou funcionalmente, est ligado rea de gesto da organizao - Disponibiliza, preferencialmente, 100% de seu tempo ao programa Seis Sigma, principalmente na execuo e no mentoramento de projetos (h casos em que o profissional dedica uma certa parte de seu tempo a atividades de gesto da rotina) Green Belt (GB) - So profissionais que dedicam parte de seu tempo (geralmente cerca de 20-30% do tempo) a atividades de melhoria contnua e execuo de projetos Seis Sigma, respondendo hierarquicamente a seu superior imediato (no existe relao hierrquica entre Black Belt e Green Belt, apenas relaes funcionais no desenvolvimento de projetos)
1-24
REVISO 2008
Definio
2-1
REVISO 2008
Identificao de Projetos
A lista de potenciais projetos deve sair da necessidade real da empresa em melhorar o nvel atual de seus processos. Esta lista normalmente oriunda do desdobramento das mtricas e objetivos das reas, da anlise do mapa de cadeia de valor dos processos e/ou da avaliao do impacto de iniciativas sobre o EBTIDA da companhia.
Nvel Atual do Processo Defeitos Aumento de Receita Diminuio de Custos Variveis Diminuio de Custos Fixos Satisfao do Cliente Diminuio de Inventrio Otimizao de Ativos Fixos Diminuio de Contas a Receber Diminuio de Emprstimos Externos Satisfao dos Funcionrios Perpetuar as mudanas
O qu deve ser melhorado? Qual a oportunidade?
Nvel Atual do Processo Defeitos
Importante: um bom projeto Lean Seis Sigma deve estar associado meta / mtrica de uma Organizao/ rea para o perodo LSS BLACK BELT COMPLEMENTAR
2-2
REVISO 2008
Identificao de Projetos
Definio
Quais caractersticas definem um bom candidato a projeto Lean Seis Sigma ?
Escopo do projeto permite que seja terminado no perodo de 04 a 06 meses; Execuo do projeto tem um impacto significativo para a Organizao (preferencialmente financeiro); Soluo e/ou implementao de difcil execuo e/ou no bvios para a Organizao; Se possvel relacionado s atividades do dia a dia (Gesto da Rotina) ou fazem parte dos objetivos definidos para a funo naquele ano; Ter um defeito claramente definido com uma mtrica associada a ele; Potenciais aes a serem implementadas dentro das possibilidades e alinhada com a Viso Estratgica da Organizao; Pessoas a serem envolvidas dispostas e convencidas a negociarem parte do seu tempo para ajudar no projeto
2-3
REVISO 2008
Identificando Projetos
1. Impacto no EBTIDA
2-4
REVISO 2008
Gesto Operacional VID
Introduo
- Todos os valores de ganhos em projetos devem ser calculados levando-se em conta os dados contbeis das UNs do ano de operao do projeto contra o ano anterior (anobase); - Diversos desses dados esto disponveis na ferramenta BDB (Banco de Dados de Benchmark). Dados adicionais podem ser obtidos junto as Controladorias das UNs; - Deve-se evitar a utilizao dos Custos Gerenciais para os clculos; - Procura-se obter desse modo, uma reconciliao contbil demonstrando como o projeto contribuiu no EBITDA da Votorantim; - Dessa maneira, fecha-se o Ciclo de Gesto Operacional.
2-5
REVISO 2008
Ciclo de Gesto Votorantim

PE DAY
Planejamento Estratgico
SEIS SIGMA DAY

Escolha projetos prioritrios (Colegiado)
Gesto do Programa SEIS SIGMA
EBITDA DAY
Desdobramento de Objetivos
Acompanhamento dos Projetos
Validao Financeira Rotina Problemas Crnicos Definio de BBs e GBs Registro de investimentos e ganhos
Escolha de Projetos (preliminar) cesta
Estimativa de ganhos e investimentos Desenvolvimento dos Projetos
Transferir para a Rotina
2-6
REVISO 2008
EBTIDA
Receita Lquida de Vendas ................................ 100.000 (-) Custo dos Produtos Vendidos ....................... (40.000) Lucro Bruto ......................................................... 60.000 Despesas de Vendas ........................................... (20.000) (+) Despesas Administrativas e Gerais .................. (6.000) (+) Outras Despesas............................................... (2.000) Despesas Operacionais.......................................(28.000) Lucro Bruto ............................................................ 60.000 (-) Despesas Operacionais....................................(28.000) Lucro Operacional ............................................... 32.000 Clculo do E.B.I.T.D.A. Lucro Operacional................................................. 32.000 (+) Deprec./Amort. no CPV e DO ........................... 3.000 (+) Dividendos recebidos......................................... 2.000 EBITDA.................................................................. 37.000
Exemplo
'Ebitda' a sigla em ingls para earnings before interest, taxes, depreciation and amortization, que traduzido literalmente para o portugus significa: Lucros antes de juros, impostos, depreciao e amortizao" (Lajida).
2-7
REVISO 2008
Desdobramento EBTIDA
Gesto Operacional
20 20 100 20 10 -10 60
Resultado 2007
Gesto Operacional: variao consumos especficos
Vendas: variao de volumes
Vendas: variao nos preos
Suprimentos: variao nos preos
Outros
Resultado 2006
2-8
REVISO 2008
Gesto Operacional
Clculo de Ganhos
Conceito: melhorias na operao que resultem reduo de perdas nos insumos ou ganhos de produtividade que gerem vendas adicionais. Definio dos Parmetros de Comparao:
Consumo Especfico Preo
massa consumida do insumo (no ano anterior ) massa de produto da fase (no ano anterior ) desembolsos p / uso do insumo (no ano anterior ) massa consumida do insumo (no ano anterior )
massa de produto da fase (no ano anterior )
12
2-9
REVISO 2008
Volume de Produo
Gesto Operacional
Apurao de Ganhos
VALORES MDIOS DO ANO ANTERIOR Volume de Produo Volume = V Consumo Especfico C1
VALORES REAIS APURADOS NO ANO CORRENTE Consumo Especfico C2 Ganho de Gesto Operacional P x V x (C1 C2)
Preo
Preo = P
Exemplo Tpico de Unidade Industrial Energia Eltrica
R$/kWh
ton
kWh/ton
kWh/ton
R$
2-10
REVISO 2008
Exemplo: Gesso na fase de cimento granel
- Definio dos Parmetros de Comparao (base 2006)
Gesso
jan/06 fev/06 mar/06 abr/06 mai/06 jun/06 jul/06 ago/06 set/06 out/06
Gesto Operacional
Apurao de Ganhos - Exemplo
nov/06
dez/06
total ano
ton cimento ton gesso R$
242361 9242 207490
205672 7291 169015
251080 10959 243597
229224 12152 284043
263501 6701 164306
240477 9860 233947
260520 10984 268853
262675 11499 282615
252484 8573 207427
261642 8381 196496
265560 9516 224918
268919 9467 219791
3004116 114626,5 2702499
C1 - Consumo especfico P - Preo
ton gesso / ton cimento R$/ton gesso
3,82% 23,58
- Volume de Produo
Ton cimento (mdia ano)
250.343
- Clculo do Ganho de Gesto (ano 2007)

Gesso jan/07 fev/07 mar/07 abr/07 mai/07 jun/07 jul/07 ago/07 set/07
P x V x (C1 C2)
out/07 nov/07 dez/07
Cons. Esp. acumulado Ganho Gesto Operacional Acumulado (000)
3,80% 0,92
3,43% 22,76
3,15% 39,29
3,23% 34,57
3,36% 26,89
3,44% 22,17
3,45% 21,58
3,43% 22,76
3,40% 24,53
3,35% 27,48
3,35% 27,48
3,35% 27,48
2-11
REVISO 2008
Variao de Volume
20 20 100 20 10 -10 60
Resultado 2007
Outros
Resultado 2006
2-12
REVISO 2008
Variao de Volume
Clculo de Ganhos
Conceito: variao do volume de vendas de um ano em relao ao anterior, de produtos disponveis nas fbricas (fbricas com ociosidade) Definio dos Parmetros de Comparao:
Preo do Produto Volume de Vendas
massa monetria p / venda do produto (no ano anterior ) de produto vendido (no ano anterior ) de produto vendido (no ano anterior )
12
2-13
REVISO 2008
VALORES MDIOS DO ANO ANTERIOR Preo do Produto A Exemplo: VCP ou VM/Ao Produto Vendvel Volume de Vendas B1
Variao Volume
Apurao de Ganhos
VALORES REAIS APURADOS NO ANO CORRENTE Volume de Vendas B2 Ganho de Vendas A x (B2 B1)
R$/t
R$
Nos casos em que h capacidade ociosa e a produo disponvel pode ser vendida sem desconto
2-14
REVISO 2008
Variao de Preo
20 20 100 20 10 -10 60
Resultado 2007
Outros
Resultado 2006
2-15
REVISO 2008
Variao de Preo
Clculo de Ganhos
Conceito: variao do preo de venda de um ano em relao ao preo base (prmio). Definio dos Parmetros de Comparao:
Preo Base do Produto Volume de Vendas
massa monetria p / venda do produto (no ano anterior ) + k de produto vendido (no ano anterior ) de produto vendido (no ano anterior )
12
k: fator de correo do preo base em funo de variaes exgenas do ano de apurao do ganho (ex: LME dos metais, cotao internacional do FCOJ, preo mdio de regional, etc - varivel de acordo com cada tipo de negcio)
2-16
REVISO 2008
Variao Preo
Apurao de Ganhos
VALORES MDIOS DO ANO ANTERIOR Preo Base do Produto A1 Exemplo: VCP ou VM/Ao Produto Vendvel Volume de Vendas B
VALORES REAIS APURADOS NO ANO CORRENTE Preo do Produto A2 Ganho de Vendas B x (A2 A1)
R$/t
R$/t
R$
( A2 A1 ) = prmio sobre preo base
2-17
REVISO 2008
Variao de Preo em Suprimentos
20 20 100 20 10 -10 60
Resultado 2007
Outros
Resultado 2006
2-18
REVISO 2008
Variao de Preo em Suprimentos

Clculo de Ganhos
Conceito: variao do preo de compra de um ano em relao ao anterior. Definio dos Parmetros de Comparao:
Preo Base do Insumo Volume de Compras
massa monetria p / compra do produto (no ano anterior ) + k de produto comprado (no ano anterior ) de produto comprado (no ano anterior )
12
* k: fator de correo do preo base em funo de variaes exgenas do ano de apurao do ganho (ex: variao do preo do petrleo no mercado internacional, alterao preo commodities - varivel de acordo com cada tipo de negcio) LSS BLACK BELT COMPLEMENTAR
2-19
REVISO 2008
Variao Preo em Suprimentos

Apurao de Ganhos
VALORES MDIOS DO ANO ANTERIOR Preo Base do Insumo A1 Exemplo: Volume de Compras B
VALORES REAIS APURADOS NO ANO CORRENTE Preo Negociado do Insumo A2 Ganho de Suprimentos B x (A2 A1)
Insumo
R$/t
R$/t
R$
( A2 A1 ) = ganho de negociao
2-20
REVISO 2008
Quantificao de Impactos em Projetos Lean Seis Sigma

Os itens expostos nesse material so para clarificar a forma como o KPI de projeto deve ser selecionado (sempre do contbil das UNs). A classe do ganho do projeto deve ser identificada conforme descrito no Gesto do Programa Seis Sigma - Anexo 4 - Critrios de Classificao do Impacto Financeiro de Projetos Seis Sigma:
- Reduo de Custos COGS; - Reduo de Custos - SG&A; - Margem Incremental - aumento volume; - Margem Incremental - aumento preos; - Melhoria Fluxo Caixa Livre; - Melhoria Fluxo Caixa Outros; - Evitar aumento de custos/investimentos/aumento capacidade.
2-21
REVISO 2008
Exerccio
Trabalhando em grupos, elabore uma lista de potenciais projetos de sua empresa baseados no desdobramento de ndices de eficincia financeiros vistos anteriormente. Busque colocar vrias reas da empresa nesta anlise de identificao de oportunidades, bem como os tipos de benefcios identificados. As reas esto identificadas e alguns exemplos colocados nas prximas pginas.
2-22
REVISO 2008
Projetos - Recursos Humanos

1. 2. Reduo de absentesmo Aumento da taxa de posies de executivo preenchidas com pessoas da prpria companhia 3. Reduo de horas extras no programadas
Que outros projetos poderiam ser feitos ?
2-23
REVISO 2008
Projetos - Finanas
1. 2. 3. Relatrios contbeis at o terceiro dia til aps o fechamento do ms Reduo de atrasos no contas a pagar Reduo da inadimplncia
2-24
REVISO 2008
Projetos Supply Chain

1. 2. 3. Reduo de gastos com frete de exportao Matria prima disponvel no momento programado da montagem Reduo dos gastos com materiais diretos
2-25
REVISO 2008
Projetos IT / Informtica
1. Reduo de gastos com despesas de viagem ( por substituio das viagens por recursos tecnolgicos ) 2. 3. Reduo de gastos com licenas de software Reduo do ciclo de tempo para atendimento ( help desk )
2-26
REVISO 2008
Projetos rea Operacional (Servios) / Manufatura (Indstria)

1. 2. 3. Aumento da Eficincia Operacional ( OEE ) de equipamento crtico Fabricao de acordo com a programao Reduo do tamanho dos lotes
2-27
REVISO 2008
Projetos Vendas , Marketing, Satisfao do Cliente, Meio Ambiente, Sade , Segurana

1. 2. 3. Reduo de gastos com produtos em garantia Melhoria do mix de venda para um mercado Reduo da emisso de leos no ambiente
2-28
REVISO 2008
Projetos rea Operacional (Servios) / Manufatura (Indstria)

1. 2. 3. Aumento da Eficincia Operacional ( OEE ) de equipamento crtico Fabricao de acordo com a programao Reduo do tamanho dos lotes
2-29
REVISO 2008
Projetos Meio Ambiente, Sade , Segurana

1. 2. 3. Reduo de gastos com produtos em garantia Melhoria do mix de venda para um mercado Reduo da emisso de leos no ambiente
2-30
REVISO 2008
2. Desdobramento de Metas e Objetivos

2-31
REVISO 2008
Gesto Por Processos
Desdobramento na Organizao
Envolvendo Todos os Nveis
- Alinhamento das mtricas financeiras principais junto aos
ESTRATGICO
acionistas - Entendimento das mtricas estratgicas que resultaro nas mtricas financeiras - Desdobramento das mtricas para a Organizao - Entendimento das mtricas gerenciais a serem
TTICO
atingidas e o alinhamento estratgia da empresa - Gerenciamento e coordenao das atividades que cumpriro com os objetivos propostos
- Entendimento das mtricas operacionais a
OPERACIONAL
serem atingidas - Execuo das atividades que cumpriro com os objetivos propostos
2-32
REVISO 2008
Gesto Por Processos
NVEL ESTRATGICO
Metas Corporativas / Metas Financeiras do Negcio Planejamento Estratgico METAS Desdobramento das Metas Balanced Scorecard / QFD
NVEL TTICO
M A I
D + C
L E N A
Mtricas Organizacionais Seis Sigma / Lean / TOC / TPM Ferramentas de Controle
Plano de Controle Procedimentos e Instrues de Trabalho da srie de Normas ISO 9000 / ISO 14000
NVEL OPERACIONAL
Sistema Integrado de Gesto da Rotina
2-33
REVISO 2008
INICIATIVA SEIS SIGMA
VETOR DE MUDANA PROJETOS 4-6 MESES, UTILIZANDO FORTEMENTE FERRAMENTAS ESTATSTICAS EVENTOS KAIZEN (CURTOS, COM FOCO EM MUDANAS RPIDAS)
OBJETIVO PRINCIPAL REDUZIR VARIAO GERANDO RETORNO FINANCEIRO
FOCO ELIMINAR PROBLEMAS GERANDO IMPACTO FINANCEIRO MELHORIA NO FLUXO DE PRODUO
LEAN MANUFACTURING
ELIMINAR DESPERDCIO (MUDA)
TOC (TEORIA DAS RESTRIES)
ANLISE DOS GARGALOS (BUSCA DO ELO MAIS FRACO QUE ORIENTA TODA A CADEIA)
ELIMINAR GARGALOS
MELHORIA SISTMICA (BOM LOCAL NO O BOM SISTMICO)
ISOS 9000
AUDITORIAS DE SISTEMA DE QUALIDADE CEP & 14 PRINCPIOS DE DEMING
GESTO DA ROTINA
PADRONIZAO DAS TAREFAS E PROCEDIMENTOS MELHORIAS CONTNUAS DO PROCESSO
PDCA
(CONCORRENTE DO 6 SIGMA FOCO NAS CAUSAS COMUNS) / (CONCORRENTE DAS ISOS FOCO NAS CAUSAS ESPECIAIS)
REDUZIR VARIAO / GESTO DA ROTINA
SDCA
BSC (BALANCE SCORECARD)
KPIS PARA POSIES DE LIDERANA
DESDOBRAR METAS EM MTRICAS POR TODA A ORGANIZAO
ESTABELECER MTRICAS PARA TODA A ORGANIZAO
2-34
REVISO 2008
INICIATIVA SEIS SIGMA
PRINCIPAIS CRTICAS - COMPLEXO - LEVA TEMPO PARA ENXERGAR AS MELHORIAS
LEAN MANUFACTURING
- ANLISES SUPERFICIAIS - CASOS DE SUCESSO RESTRITOS S REAS DE MANUFATURA E SUPPLY CHAIN
TOC (TEORIA DAS RESTRIES)
- ENVOLVE POUCO OU QUASE NADA OS OPERADORES - ENFOQUE MUITO ACADMICO (OU GRUPO DE ESPECIALISTAS)
ISO 9000
- BUROCRTICO - DIFCIL DE MEDIR O RETORNO FINANCEIRO - FALTA DE VISO DE NEGCIO - POUCO / NENHUM ENFOQUE EM RETORNO FINANCEIRO - ENFOQUE NO CEP (VISO ACADEMICISTA)
(CONCORRENTE DO 6 SIGMA FOCO NAS CAUSAS COMUNS) /
PDCA
SDCA
(CONCORRENTE DAS ISOS FOCO NAS CAUSAS ESPECIAIS)
BSC (BALANCE SCORECARD)
- DIZ O QU TEM QUE SER FEITO, MAS NO FALA COMO RESOLVER OS PROBLEMAS (DEFINE APENAS AS MTRICAS E KPIS FASE DE DEFINIO NO PROJETO 6 SIGMA)
2-35
REVISO 2008
Definio de Projetos de Melhoria a partir do Desdobramento das Metas

- Alinhar com as prioridades da empresa; - O projeto no deve ser uma atividade a mais, mas deve, sim, ser uma forma mais eficiente de cumprir com as metas da Organizao; - Metas mais complexas pedem mais que um projeto (projetos guarda chuva) projetos tpicos para Black Belts.
2-36
REVISO 2008
Gesto Por Processos

FAZENDO O DESDOBRAMENTO
Desdobramento de Mtricas
Viso da Gesto da Empresa
MTRICA ESTRATGICA ESTRATGICO
TTICO
MTRICA GERENCIAL
MTRICA GERENCIAL
MTRICA GERENCIAL
OPERACIONAL
MTRICA OPERACIONAL
MTRICA OPERACIONAL
MTRICA OPERACIONAL
MTRICA OPERACIONAL
MTRICA OPERACIONAL
2-37
REVISO 2008
Conflitos
Exerccio de desdobramento de Mtricas deve ser feito com base nas Metas da Organizao para o ano; H mtricas conflitantes; MBB ou BB deve servir como facilitador / mediador; Buscar o consenso; Prioridade das metas deve servir como guia na resoluo dos conflitos; Usar os projetos de melhoria para navegar na horizontal / interfaces da Organizao.
2-38
REVISO 2008
Sistemas de Gesto de Negcio
Exemplo: Supply Chain
ACURACIDADDE DE FATURAMENTO: META -100%
QUALIDADE DE ENTGREGAS: META = 0% RRECLAMAES
TEMPO DE RESPOSTA A PROBLEMAS COM CLIENTES: MXIMO 7 DAS
Quality Function Deployment (QFD)
TEMPO DE IMPORTAO DE MATERIA PRIMA: INFERIOR A 10 DIAS
GIROS DE INVENTARIO: META = 8
MTRICAS DAS REAS OPERACIONAIS ( * KPIs )

CUSTOS LOGSTICOS: -10%
LEGENDA: H HIGH (9) M MEDIUM (3) L LOW (1) IMPORTNCIA PARA O NEGCIO
METRICAS DA ORGANIZAO (ESTRATEGICO)
MARGEM OPERACIONAL: + 25% FLUXO DE CAIXA: +15% VENDAS: + 10% SUPPLY CHAIN: ATRASOS INFERIORES A 2 DIAS CUSTOS FIXOS: - 10% PRIORIDADE * KPI KEY PROCESS INDICATOR
4 4 3 5 5
H L
H H
L M H
M M H L L 89 M H L 137 M H L 134 M M 62
L L
85
117
71
2-39
REVISO 2008
DISPONIBILIDADE DE SISTEMA: 100%
Definio do Projeto - DMAIC
Y = ACURACIDADE DE FATURAMENTO
y1 = PREOS
D M A I C
y2 = INVENTARIO FISICO
D M A I C
y3 = CLCULO DE IMPOSTOS
D M A I C
- Projetos liderados pelos GBs com auxlio e suporte dos BBs; - Projeto relacionado s atividades dirias do GB; - Tempo mdio para finalizar o projeto : 4-6 meses (GB-DMAIC ) ; 4 -12 meses ( DFSS ); - Reduo de, pelo menos, 50% na quantidade de defeitos; - Se possvel com retorno financeiro para a empresa.
2-40
REVISO 2008
Observaes
- Em algumas organizaes existem iniciativas dentro do Sistema de Gesto que podem substituir o desdobramento de mtricas como: Balanced ScoreCard ( BSC ) Planejamento Estratgico com Estabelecimento de Metas Oramento Matricial Mapa Estratgico do Negcio - O ponto chave que todas as pessoas que devero ser treinadas devem ter um projeto de melhoria a ser desenvolvido para poder aplicar a metodologia e as Ferramentas; - Em sistemas de Gesto maduros espera-se que um GB ou BB certificado desenvolva de 1 a 2 projetos por ano.
2-41
REVISO 2008
3. Mapa de Cadeia de Valor

2-42
REVISO 2008
Mapa de Cadeia de Valor ( MVC )

Vimos anteriormente duas formas de se estabelecer um projeto Lean Six Sigma : - Desdobramento de Metas em Mtricas - Problemas crnicos que no conseguem ser resolvidos no nvel operacional Uma outra forma possvel de fazer a definio do projeto atravs da elaborao e anlise do Mapa da Cadeia de Valor ( MVC ) Antes de iniciarmos a explicao do Mapa da Cadeia de Valor vamos assistir a um vdeo que nos ajudar a entender dois conceitos bastante importantes que usaremos a partir de agora : - Produo empurrada - Produo puxada
2-43
REVISO 2008
Introduo
Cadeia de Valor: refere-se a todas as atividades que a organizao deve fazer para projetar, autorizar, produzir e entregar seus produtos e servios aos Clientes.
A Cadeia de Valor tem 3 partes principais: 1- Fluxo de materiais: da recepo de seus fornecedores at a entrega a seus Clientes. 2- Transformao: de matrias-primas em produtos acabados. 3- Fluxo de informao: que suporta e direciona tanto o fluxo de materiais como a transformao de matrias-primas em produtos acabados.
2-44
REVISO 2008
Introduo
Fornecedores
Empresa
Clientes
FLUXO DE VALOR TOTAL

Fluxo de Valor toda a ao, que agrega valor ou no, necessria para produzir um produto desde a extrao da matria-prima at o consumidor final
2-45
REVISO 2008
Mapeamento do Fluxo de Valor

Forne c. Produto
Programa Pedidos
PCP MRP
Pedidos
Cliente
Fluxo de Informao
Program a
Processo xxx Info xxx
Processo xxx Info
Processo xxx Info
Processo xxx Info
Processo
Fluxo de Material
xxx xxx xxx xxx xxx xxx xxx xxx xxx
Indique o Fluxo de Informao e o Fluxo de Material

2-46
REVISO 2008
Desenhando o Mapa do Estado Atual

- Iniciar pelo nvel de Mapeamento de Planta nica; - Coletar informaes do estado atual diretamente junto ao fluxo de produo; - Comear pela Expedio, e em seguida, nos processos anteriores; - No se basear em informaes que no foram coletadas pessoalmente (traga o seu prprio cronmetro); - Mapear pessoalmente o completo fluxo de valor; - Desenhar a Mo e a Lpis (Permite agilidade e facilidade para realizar correes no desenho do mapa);
2-47
REVISO 2008
Introduo
- Usa grficos simples ou cones para mostrar a seqncia e movimento de informaes, materiais e aes da cadeia de Valor da organizao; - Ajuda os empregados entenderem como as partes separadas da cadeia de Valor da organizao so combinadas para criar produtos ou servios; - O desenvolvimento de um Mapa da Cadeia de Valor visual permite que todos entendam completamente e concordem como Valor criado e onde os desperdcios ocorrem.
2-48
REVISO 2008

processos de negcio de uma organizao, deve focar nas seguintes reas:
Foco
Para criar eficientemente um mapa da cadeia de Valor para os processos de manufatura ou
1- Fluxo de Informaes: do pedido de uma ordem de compras ou de produo, atravs do caminho dos processos de engenharia, controle da produo, produo, embarque e contabilidade. 2- Atividades de Produo: que so as atividades fsicas que os empregados devem executar para produzir um produto ou entregar um servio.
3- Fluxo de Materiais: o movimento fsico de materiais, do recebimento atravs da produo, ao embarque ou entrega do produto acabado ou servio. 4- Valor ao Cliente: que um aspecto de um produto ou servio, pelo qual o Cliente est disposto a pagar. (Algumas vezes referido como Valor Adicionado).
2-49
REVISO 2008
Foco
5 - Sistema Empurrado (push system): onde materiais so automaticamente movidos de uma operao para a prxima, independente se so ou no necessrios.
6- Sistema Puxado (pull system): onde materiais so movidos de uma operao para a prxima, sob a requisio desta. 7- Qualquer desperdcio envolvido nos processos de negcios ou de manufatura. 8- Takt time: tempo de trabalho disponvel total por dia (ou turno), dividido pela demanda requisitada pelo Cliente por dia (ou turno). 9- Lead time (tempo de fabricao e entrega): tempo que demora para completar uma atividade do incio ao final.
2-50
REVISO 2008
cones
Numa organizao Lean todos devem se familiarizar com 4 tipos de cones:
1- cones de fluxo de produo 2- cones de fluxo de material 3- cones de fluxo de informao 4- cones de Manufatura Enxuta (Lean Manufacturing)
2-51
REVISO 2008

Algumas dicas e comentrios:
cones
a) Para uma organizao de manufatura, em incio da jornada Lean, deveria fazer um mapa de cadeia de Valor, apenas no nvel da planta.
b) Assim que a iniciativa progredir, dever decidir se representa o sistema completo para mltiplas plantas ou para a organizao como um todo.
c) Para iniciar, todos empregados deveriam, isoladamente, mapear a cadeia de Valor. comum, cada mapa feito por um empregado, ser diferente de todos os outros.
d) Depois, comparando mapas e trabalhando juntos para chegar a um consenso, a equipe poder desenvolver o mais exato possvel mapa da cadeia de Valor.
2-52
REVISO 2008
Criando um MCV
1- Disponibilizar papel, lpis, borracha e cronmetros para a coleta de dados.
2- Selecionar um produto ou servio para mapear. Fazer uma rpida visita (tour) ao mapa de Valor para verificar os fluxos completos (topo a topo) de material e informao, garantindo que foram identificados todos os componentes dos fluxos. 3- Identificar um Cliente representativo do produto ou servio que esteja em avaliao. Uma vez identificado o Cliente tpico, consiga dados de quantidades de uma ordem (pedido) tpico, freqncias de entregas e nmeros das variaes (variabilidade) do produto ou servio. Essas informaes vo ajudar a estabelecer o takt time para o Cliente e produto (ou servio).
2-53
REVISO 2008
Criando um MCV
4- Iniciar o mapeamento da cadeia de Valor, comeando com os requisitos do Cliente e indo atravs das principais atividades da produo. O resultado um estado real do mapa da cadeia de Valor.
5- Criar uma carta de Lead Time (tempo de fabricao e entrega) na parte inferior do mapa da cadeia de Valor, mostrando os Lead Times da produo que agregam e que no agregam Valor. 6- Revisar o mapa com todos os empregados que trabalham na cadeia de Valor que foi elaborada, para garantir que no esto faltando atividades, informaes ou materiais.
2-54
REVISO 2008
cones de Fluxo de Produo

Exemplos
1- Processo do departamento ou manufatura Na parte superior do cone apresentado o nome do departamento ou processo sendo mapeado. Na parte inferior do cone, detalha recursos, informaes ou tcnicas de Lean Enterprise relevantes.
Mquina Automatizada Planejamento da Produo
2- Fontes externas Inclui Clientes e Fornecedores. Usar Clientes ou Fornecedores tpicos nas atividades de mapeamento.
Cliente XYZ Fornecedor ABC
2-55
REVISO 2008

3- Caixa de dados o local para os dados mais importantes, tais como disponibilidade de mquina, nmero de variaes no produto que cada operao tpica produz, tempo de troca rpida do produto (C/O - changeover time), se

Exemplos
C/T = 45 s C/O = 30 min 3 turnos Sucata = 2%
CTP = sabor CTQ = temp. Padres processo Espec. produto
cada pea produzida base diria, semanal ou mensal, tempo de ciclo (C/T - cycle time), capacidade do processo, certo da primeira vez (FTT), nveis de qualidade. Se o processo que est sendo mapeado baseado em mquina, registrar a eficcia global do equipamento (OEE) e identificar qual a operao com restrio (gargalo).
Legenda: C/T: tempo de ciclo C/O: tempo de troca CTP: caracterstica crtica do processo CTQ : caracterstica crtica da qualidade
2-56
REVISO 2008

Exemplos
4- Pessoas
Informar o nmero de pessoas requeridas para executar uma operao. Pessoa parcial pode ser usado. Por exemplo: 0,5 significa que um empregado gasta metade de seu tempo executando uma operao especfica. 1
2-57
REVISO 2008

Exemplos
5- Materiais de produo com movimento empurrado Representa o movimento de matrias-primas ou componentes que so empurrados pelo processo de produo ao invs de solicitados pelo Cliente. 6- Materiais de produo com movimento puxado Representa o movimento de matrias-primas ou componentes que so solicitados pelo Cliente (ou seja, no so empurrados).
7- Materiais de produo com movimento automatizado Indica que automatizao usada para movimentar matriasprimas ou componentes de um processo para outro.
2-58
REVISO 2008

Exemplos
8- FIFO (primeiro a entrar, primeiro a sair) Indica que os produtos precisam ser puxados e entregues na base primeiro a entrar, primeiro a sair. O item remanescente mais antigo em uma batelada (batch) o primeiro a sair para o prximo processo de produo.
9- Embarque por ferrovia Representa o movimento de materiais por trem. Garantir a apresentao da freqncia de embarques no mapa.
2-59
REVISO 2008

Exemplos
10- Embarque por caminhes Representa o movimento de materiais por caminhes. Garantir a apresentao da freqncia de embarques no mapa.
11- Embarque areo Representa o movimento de materiais por avio. Garantir a apresentao da freqncia de embarques no mapa.
2-60
REVISO 2008

12- Inventrio Indica a contagem de inventrio e tempo.

Exemplos
I
300 peas 1 dia
13- Estocagem Indica todos os produtos contidos em uma rea de estocagem. Deve-se anotar o nvel mnimo e nvel mximo dentro de cada silo ou fileira. 14- Estocagem de emergncia Indica todos os produtos contidos em uma rea de estocagem de emergncia. Deve-se anotar o nvel mnimo e nvel mximo dentro de cada item.
A B C
2-61
REVISO 2008

Exemplos
15- Fluxo de informao manual Indica a informao que transferida de forma manual.
16- Fluxo de informao eletrnica Indica a informao que transferida de forma eletrnica / computador.
17- Tipo de comunicao Indica o tipo de informao que est sendo comunicada.
Programao semanal
2-62
REVISO 2008

Exemplos
18- Kanban de produo um carto usado para iniciar a produo de um certo item (usado somente para sistemas Kanban).
20
19- Kanban de retirada um carto usado para obter um item de uma rea de estocagem (usado somente para sistemas Kanban).
2-63
REVISO 2008
Exemplo - Mapa de Cadeia de Valor

Sequncia tima para troca deores c Pedidos viaFone Paletes Kanban B Buffer Sazonal Todas especs acumulam juntas Coordenador DBL DBL DBL DBL DBL DBL DBL atingir WL AQL para o gatilho
Exemplo: Produo de Tampas

Retorno sobre status do pedido Status do pedido SISCOM
Fluxo de Materiais & Informaes
A3
Pedidos via Fax Fone / CLIENTES Sinal /criao de pedidos p COMERCIAL ProgEmbarque .
FilasScoring Liners
01 02 03 04 05
PCP
Ordem 24h
Acmulo Buffer Buffer SPAL Coordenador Plate ProgProduo . Fbrica PAL S
Prog Produo .
- ABC Pedidos viaFone
Quadro de Acmulo de Kanbans

480s cxc/ 4100 / tps
Mximo= 20 gaylords
240s cxc/ 4100 / tps
. Cxs Papelo
M#6
DBL / M4
Vermelha 360 - EVA 40 gaiolas DBL Branca 360 EVA 90NT 30 gaiolas DBL Verde Kuat 360 - EVA
Rua A
SCO # 1
- KKKK
M#5
DBL / M4 Pedidos viaFone 83s cxc/ 4100 / tps
PRT #1
Kanban B
Rua B
Corantes
M#4
DBL / M4
83s cxc/ 4100 / tps
Plate
RuaC
A - CROMORTE
SCO # 2 INS#1
20 gaiolas DBL Prpura 360 - EVA 16 gaiolas DBL Laranja 360 - EVA ProgProduo .
M#3
DBL / M4
Rua D Rua E
Kanban B
Tintas Impresso Sacos plsticos
M#2
- LUVAPLAST WL / AQL / M3
PRT #2
SCO # 3 INS#4
M#1
Prog Produo .
- ZETT - METATOR - ROMMER WL / AQL / M3
20 gaiolas DBL Branca 360 EVA 88NT 40 gaiolas DBL Azul Sprite 360 - EVA 16 gaiolas DBL Branca 360 - EVA 30 gaiolas WL AzulCrystal 360
Rua F Rua G
Plate
C L I E N T E S
M#7
DBL / M4
Rua H
ProgProduo .
SCO # 4
Polipropileno
M#8
DBL / M4 - MATTI - POLIGONO - OTL
PRT #5
Kanban B
Rua I
Atraso
M#9
DBL / M4
Atraso
SCO # 5
Vedantes
M # 10
- TELTAL DBL / M4
Molders
Set up 10 min
A3
Inside Printers
A 3Scoring
Liners
A3
Qualidade
8 min 120 min 4 min
Sobras Tampas
60 gaiolas AQL Azul Petrpolis 360 30 gaiolas AQL Branca 360 50 gaiolas AQL
Printers
Estoque de segurana DBL
A3 A3
A3
Expedio
Manuteno Almoxarifado
Buffer Sazonal
Lojas
Set up 15 min
2 min
Lead Time p/ 1 caixa c/ 4.000 tampas
2-64
REVISO 2008

indstria aeroespacial Apollo Jr. Requisitos do cliente: - 50.600 peas / ms - Opera em 3 turnos / dia - 1 entrega diria PCP da empresa XYZ: - Recebe previses mensais da Apollo Jr que alimenta o MRP - Emite previso quinzenal para a Plsticos Catavento a partir do MRP - Recebe pedido firme dirio da Apollo Jr - Adquire big-bags com pedidos semanais para a Plsticos Catavento Tempo de trabalho na empresa XYZ: - 20 dias por ms - Opera em 3 turnos por dia
Exerccio
Elaborar o mapa da cadeia de valor para a empresa XYZ que produz componentes para a
- 8 horas por turno, com 3 intervalos de 10 min para cada turno
- Realiza programao semanal para cada processo (Injeo, Esmaltao, Secagem e montagem) - Realiza programao de entrega diria para Expedio
2-65
REVISO 2008

Informao dos processos:
1) Injeo:
- Processo semi-automtico com alimentao manual (2 operadores) - C/T = 0,3 seg - C/O = 48 min - Uptime = 80% - Estoque observado antes = 10 dias (abastecidas diariamente pelo fornecedor Plsticos Catavento) - Estoque observado aps = 5000 peas injetadas
Exerccio
2) Esmaltao:
- Processo semi-automtico com 1 operador - C/T = 40 seg - C/O = 120 min - Uptime = 50% - Estoque observado = 3800 peas esmaltadas
3) Secagem:
- Processo manual com 1 operador - C/T = 300 seg - C/O = 5 min - Uptime = 82% - Estoque observado = 4000 peas secas
4) Montagem:
- Processo semi-automtico com 2 operadores - C/T = 180 seg - C/O = 25 min - Uptime = 75% - Estoque observado = 4500 peas montadas LSS BLACK BELT COMPLEMENTAR
2-66
REVISO 2008

parte superior; - Representao das atividades:
Fluxos Administrativos
Comentrios Importantes
- O fluxo um s (informao): em geral desenhado da esquerda para a direita, sem a
a- cada atividade um bloco (separar atividades feitas por diferentes pessoas ou em momentos diferentes); b- atividade (verbo - predicado); c- quem faz (setor); d- como faz (ex. sistema usado, p.ex.); e- conexes entre atividades; f- indicar entradas e sadas; g- especificar o que sai e como se no bvio; h- usar bifurcaes se necessrio; i- indicar %s nas bifurcaes quando relevante; j- registrar loops (idas e vindas).
2-67
REVISO 2008

Caixa de informaes:
- Registre os dados que sejam teis para determinada anlise: a- nmero total de pessoas envolvidas (P); b- tempo de realizao de atividade (TRA) e o tempo de permanncia (TP) em cada posto (estimados) . Ex.: demora 1 dia para o setor de engenharia liberar o clculo (TP = 1 dia); destes, 15 minutos a anlise em si (TRA = 15 min), o resto reunindo informaes, tempo de fila (processando outros do lote) etc; c- %s estimadas de erros freqentes ou retrabalhos, caso existam; d- freqncia de eventuais picos ou sazonalidades (ex. semanal, quinzenas, 90% dos pedidos na ltima semana do ms etc.).
2-68
REVISO 2008

Dados de fechamento do fluxo:
a- Identifique as principais fases do fluxo e coloque acima do mapa; b- Obtenha informao, para o fluxo todo, o lead time; tempo entre entrada e sada da informao, geralmente registrado nos pedidos mdia e distribuio podem ser obtidas, ex.: 80% dos pedidos so processados em 3 dias, 10% at 6 dias, 10% at 15 dias); compare com a soma dos tempos de permanncia e espera determinados; c- Totalize os dados colhidos, ex.: (P, TP, TRA, PE); d- Qual o takt time? (demanda mdia do cliente) ex.: 480 pedidos de compra em mdia chegam toda sexta feira para serem processados em um dia 480 minutos; o takt time seria 1 minuto; mas se os pedidos fossem distribudos pelos 5 dias da semana (480x5), de 5 min.
2-69
REVISO 2008
Exemplo: Fluxos Administrativos
Receber e analisar Pedido cliente Release Cliente Analista Mercado Fax / EDI / SAP P=1 TP = 1 dia TRA = 2hs Cpia (Quinzenal)
Validar viso Logstica, fbrica, Reunio P=2 TP = 3 dias TRA = 1hs Planilha excel viso 4 meses
Alimentar SAP Analista Mercado
Programar Tela com montagem Vol. a serem montados Programador Fbrica Digitao SAP MPS/MRP
P=1 TP = 1 dia TRA = 2hs
P=1 TP = 1 dia TRA = 3hs
TP = 5 dias TRA = 8 hs
- P = pessoas envolvidas - TP = tempo de permanncia (naquela posio) - TRA = Tempo de realizao da atividade
2-70
REVISO 2008

Processo de cotao na fbrica Vlvulas ABC
Exerccio
A fbrica Vlvulas ABC produz vlvulas engenheiradas; diversas caractersticas podem ser combinadas para atender a demandas especficas, gerando mais de 3.000 combinaes. So recebidos em geral 12 pedidos por dia; o cliente informado que receber a cotao em at 2 semanas; muitas vezes quando a cotao enviada ao cliente, o mesmo j adquiriu o produto de um concorrente. Os setores envolvidos so: Atendimento ao cliente, Oramento, engenharia, custos, PCP, Gerncia comercial; cada um tem um funcionrio envolvido neste fluxo, a maioria no dedicados exclusivamente ao mesmo.
2-71
REVISO 2008

Atividades:
Exerccio
- O Atendimento ao cliente recebe o pedido por telefone, e registra o mesmo no sistema SISPED; isto leva 5 minutos; encaminha ao Setor de Oramento, responsvel pela cotao; - O Setor de Oramento verifica os pedidos no SISPED e encaminha para a engenharia; isso em geral feito uma vez por dia, e leva 1 minuto por pedido; - A Engenharia analisa o pedido, para ver se as informaes esto completas; isto leva 5 minutos; se estiverem OK, elabora a estrutura do produto (o que feito em 15 minutos); se faltarem informaes, encaminha ao Atendimento ao Cliente, para contatar o mesmo e retornar com a informao complementar (isto ocorre com 30% dos pedidos). Engenharia tem outras atribuies, existindo a regra de responder em at 3 dias, que o que normalmente ocorre. Feita a estrutura, a mesma impressa e mandada para custos; - Custos informa os preos dos insumos na folha de estrutura, usando um banco de dados atualizado a cada nova compra; no dia seguinte a estrutura com estes dados passada ao Oramento. O lanamento dos dados leva 15 minutos por cotao;
2-72
REVISO 2008

Atividades (continuao) :
Exerccio
- Oramento digita todos os dados numa planilha e procede aos clculos finais, incorporando os custos de fabricao; imprime a planilha final e passa para o PCP; cada digitao e clculo demora 20 minutos por pedido; os pedidos seguem no dia seguinte para PCP; - PCP analisa a data que pode ser prometida para o cliente, verificando a disponibilidade de insumos e capacidade da fbrica em funo de pedidos j aceitos; no final do dia envia os pedidos ao Gerente Comercial para assinatura; a anlise do PCP feita em 5 minutos; - O Gerente Comercial assina os pedidos, liberando os que chegaram at ele no fim da manh e no fim da tarde; a assinatura leva 10 segundos; - O pedido segue para o Atendimento ao cliente, que o quanto antes passa por fax (a transmisso leva 2 minutos, e o pedido espera em torno de uma hora para ser enviado).
2-73
REVISO 2008
Exerccio
Faa na pgina abaixo o mapa de cadeia de valor deste processo, ressaltando as etapas, TP e TRA. Faa tambm outros comentrios que julgar pertinentes.
2-74
REVISO 2008
Papo do Elevador
2-75
REVISO 2008
Papo do Elevador
Exerccio
Pense em um potencial projeto Lean Seis Sigma com base em todos os conceitos trabalhado at o momento: - Impacto no EBTIDA da organizao - Desdobramento de Mtricas Organizacionais - Anlise do Mapa de Cadeia de Valor Utilizando a tcnica do Elevator Speech (ou One Minute Speech), prepare uma apresentao de 1 minuto sobre seu projeto, enfatizando: - Necessidade e motivao da realizao do projeto - Benefcios para a Organizao - Recursos necessrios
2-76
REVISO 2008
Traduzindo Necessidades em Indicadores

CTQ e CTP
2-77
REVISO 2008
Indicadores dos Projetos
Entendimento de Mtricas Internas & Externas
Definio
<CRITICAL TO PROCESS>
CTPS
<CRITICAL TO QUALITY>
CTQS
<REQUERIMENTOS CRTICOS DO NEGCIO>
RCN
<REQUERIMENTOS CRTICOS DO CLIENTE>
RCC
<RECLAMAES DO NEGCIO>
RNs
<RECLAMAES DOS CLIENTES>
RCs
ENTENDENDO AS REAIS NECESSIDADES DO CLIENTE
<VOICE OF BUSINESS>
VOB
<VOICE OF CUSTOMER>
VOC
NEGCIO
CLIENTE
2-78
REVISO 2008
Mtricas e Indicadores
Um dos fatores freqentemente analisados como causa de insucesso ou atrasos em projetos Lean Seis Sigma a (m) definio do Y , y e xs do processo estudado. Isto ocorre diversas vezes devido complexidade do processo, bem como ao escopo tomado para melhoria. Ilustrativamente, ocorre a seguinte situao:
(FORMA DE MEDIR A SADA FINAL PARA O CLIENTE)
DO PROCESSO
(CTQ ou CTP)
(Requerimento Crtico para o Cliente ou Negcio)
CLIENTE
X1 X2 Xn
y1
PROCESSO
y2
PROCESSO
PROCESSO TOTAL
MUITAS VEZES PORM O PROJETO DEVE SER TER UM ESCOPO REDUZIDO E ANALISAR O y CORRETO QUE AFETAR A SADA PARA O CLIENTE. EM OUTRAS PALAVRAS: NO AFETAR A RESPOSTA FINAL POR FATORES NO CONTEMPLADOS EM SEU PROJETO CARACTERSTICA MENSURVEL, DE IMPACTO REAL NOS REQUERIMENTOS DO CLIENTE. PODE-SE COMPARAR O ANTES E O DEPOIS DAS AES DE MUDANA IMPLEMENTADAS
ESTA A CARACTERSTICA IMPORTANTE PARA SEU CLIENTE
2-79
REVISO 2008
Mtricas e Indicadores
Exemplos
DESDOBRAMENTO
IDENTIFICAO DE PROJETOS
CTP: ALTO CUSTO DE FABRICAO (ASSOCIADO META DA REA DE MANUFATURA)
CTP: FALTA DE COMPETITIVIDADE NO MERCADO (ASSOCIADO META DA REA COMERCIAL)
Y: CUSTOS TOTAIS DE FABRICAO (R$) y: REDUO DE PERDAS (KG / DIA) E ELIMINAO DO PROCESSO DE PINTURA (R$ / PEA)
PARA IDENTIFICAO DOS XS SIGNIFICANTES
Y: PREO FINAL DO PRODUTO (R$ / PEA) y: REDUO DE PESO POR PEA (KG / PEA)
DEFINIO
MEDIO/ ANLISE/ MELHORIA
X: UTILIZAR DOE DE 4 FATORES COM 2 NVEIS
AO NOS XS CRTICOS DO PROCESSO
X: UTILIZAR QFD / FMEA PARA IDENTIFICAO E
2-80
REVISO 2008
Escopo do Projeto
2-81
REVISO 2008
Escopo do Projeto
Matriz Dentro e Fora
Escopo
Fora
<elementos que no faro parte do projeto> <podem envolver fatores limitantes ou barreiras>
Dentro
<elementos que faro parte do projeto> <podem envolver fatores limitantes ou barreiras>
Fora
<elementos que no faro parte do projeto> <podem envolver fatores limitantes ou barreiras>
Utilize amplamente esta ferramenta para melhor dimensionar o seu projeto Lean Seis Sigma
2-82
REVISO 2008
Etapas Chave do Processo
Mapa de Processo de Alto Nvel

SIPOC
Ferramenta que auxilia no desenvolvimento e elaborao de uma seqncia lgica de aes com foco no cliente. Utilize o conceito do SIPOC para lhe ajudar no desenvolvimento de cada etapa do processo e do seu mapa de processo de alto nvel
Funo Requerimentos Requerimentos
S
Fornecedores
I
Entradas
P
Processo Fronteira Fluxo de Elaborao
O
Sadas
C
Clientes
2-83
REVISO 2008
Mapa de Processo de Alto Nvel

SIPOC
- Fornecedor: Para quem a ao proporciona a entrada do processo? - Entrada: Entrada/Informao/Material Necessrio para realizar a ao - Etapas do Processo: Atividades principais de um processo especfico. Deve conter uma palavra de ao (verbo). Exemplo: Entrar, verificar, organizar - Sada: Resultado do seu processo - Cliente: O que crtico para o cliente externo? Identificar os CTQ`s e os clientes
2-84
REVISO 2008
Escopo do Projeto
Matriz Dentro e Fora
Exerccio
Procure focar neste momento no dimensionamento do projeto: quais elementos estariam fora e quais estariam dentro do escopo, tamanho do projeto Lean Seis Sigma.
2-85
REVISO 2008

Elabore o SIPOC do processo a ser melhorado.
Exerccio
SIPOC
2-86
REVISO 2008
Formao de Equipes
2-87
REVISO 2008
Formao de Equipes
As ferramentas que sero apresentadas na seqncia so, antes de mais nada, formas de auxiliar ao lder do projeto a identificar e definir os recursos e pessoas. Este trabalho no simples. Requer uma anlise de todas as pessoas envolvidas no trabalho, identificando se esto no mesmo ritmo do projeto se entendem a importncia e seu papel no processo, se esto dispostas a negociar parte de seu tempo para integrar o projeto, se h algum entrave poltico ou pessoal para a participao e etc. No so ferramentas a serem apresentadas para a Organizao. Devem ser utilizadas pelo lder do projeto para melhor entender a sua equipe, e como agilizar e realizar as mudanas dentro dos prazos e expectativas.
2-88
REVISO 2008
Formao de Equipes
Construo de Equipe
M.P.P.I
Resoluo de Problema
META PAPIS / FUNES PROCEDIMENTO RELAES INTERPESSOAIS
2-89
REVISO 2008
Formao de Equipes
M.P.P.I
Verso Ampliada da Ferramenta: til quando uma viso mais detalhada dos elementos da equipe necessria.
P P
0% Propsito &Resultados Compreendemos e estamos de acordo com a misso do nosso projeto e o resultado desejado (viso) Cliente e Necessidades Sabemos quem so as partes interessadas no projeto, o que necessitam e porque este projeto realmente necessrio. Metas & Produtos Identificamos metas & produtos especficas, mensurveis & priorizadas ligadas s metas de nosso negcio Dimensionamento do projeto Compreendemos e estamos de acordo sobre qual a dimenso e tarefas do nosso projeto. O dimensionamento do projeto est ajustado. Papis e Responsabilidades J definimos e estamos de acordo em relao aos nossos papeis, responsabilidade, habilidades & recursos necessrios para a equipe do projeto. Autoridade & Autonomia Nossa equipe entende claramente o grau de autoridade / poder que temos para alcanar a misso do nosso projeto Fatores Crticos para o Sucesso Conhecemos e estamos voltados aos fatores principais necessrios para atingir as metas e a misso do projeto. Planos e Atividades Possumos um plano de ao efetivo que inclui as tarefas certas; claramente definidas/atribudas. Monitoramento e Medies Possumos um processo de monitoramento efetivo & padres de medio especficos ligados ao progresso & metas. Cronograma/Marcos Definimos nosso cronograma de projeto e sabemos quais so as principais fases e marcos. Acordo Operacional da Equipe Compartilhamos expectativas, concordamos com e seguimos as diretrizes para o trabalho conjunto de nossa equipe. Interpessoais/Equipe Possumos as relaes, confiana, abertura, participao e comportamentos necessrios para uma equipe saudvel e produtiva
50%
100%
2-90
REVISO 2008
Formao de Equipes
CD. NOME POSIO NA EMPRESA DEFINIO MEDIO ANLISE MELHORIA
Matriz ARMI
CONTROLE
A APROVADOR: PESSOA RESPONSVEL POR PROVER RECURSOS E APROVAES DURANTE O PROJETO O CHAMPION,
MBB E O COMIT SEIS SIGMA.
R RECURSO: PESSOA RESPONSVEL POR PROVER RECURSOS NO PROJETO. PARTICIPA COM ATIVIDADES ESPORDICAS E
CHAMADO PELO LDER (GB E/OU BB) QUANDO NECESSRIO.
M MEMBRO: PESSOA QUE PARTICIPA ATIVAMENTE DO PROJETO, EM REUNIES, TOMADAS DE DECISES, ANLISES E
ETC. SEU TEMPO EST MAIS DEDICADO AO PROJETO QUE O RECURSO.
I INFORMADO: PESSOA QUE NO PARTICIPA INTENSAMENTE DO PROJETO, MAS QUE PODE SER INFLUENCIADA/
AFETADA PELAS AES TOMADAS NO PROJETO. LSS BLACK BELT COMPLEMENTAR
2-91
REVISO 2008
Contrato de Projeto
2-92
REVISO 2008
Contrato de Projeto
Parte I:
- Cabealho,
Elementos para Preenchimento
- Descrio do Problema, - Histrico do Problema, - Definio da Meta, - Descrio do KPI do Projeto
Parte II:
- Inclui / Exclui, - Restries e Suposies, - Equipe de Trabalho
Parte III:
- Requisitos do Cliente, - Contribuies para o Negcio - Impacto Financeiro - Formalizao das Aprovaes
2-93
REVISO 2008
Contrato de Projeto
uma descrio do problema a ser solucionado ou do aprimoramento a ser buscado, em vista de alguma oportunidade vislumbrada pela empresa. A declarao do problema deve: - Ser descrita de modo claro e livre de ambigidades - Descrever a situao atual associada ao problema ou oportunidade e as tendncias verificadas (apresentar grficos quando possvel) - Ser expressa em termos mensurveis, por uso de mtricas apropriadas. - Explicitar o que a empresa est perdendo e/ou o que pode ganhar. - Incluir informaes sobre o grau de prioridade do projeto para a empresa (ordem recebida na Matriz de Priorizao para seleo de Projetos Lean Six Sigma - Estar livre de expresses que possam indicar causas ou culpados para o problema.

Parte I
Descrio da meta do projeto, constituda por: Trazer ndices (internos e/ ou externos que mostrem dados preliminares do tamanho do problema a ser estudado no projeto Lean Seis Sigma - Objetivo gerencial (associado ao problema ou oportunidade), - Valor e - Prazo. Descrever o indicador chave do processo a ser estudado no projeto
2-94
REVISO 2008
Contrato de Projeto
Limites do projeto dentro dos quais a equipe dever trabalhar, como os tipos de produtos includos no projeto e possveis atividades que a equipe no poder mudar; alm de restries de oramento e de outros recursos.

Parte II
Utilize os resultados da Matriz DENTRO E FORA para alimentar esta linha do contrato de projeto
Utilize os resultados das ferramentas para construo de equipes para fechar a Equipe de Trabalho do projeto
2-95
REVISO 2008
Contrato de Projeto

Parte III
uma forma de se colocar os CTQs (Critical to Quality) dos clientes. Pode-se tomar essa informao do desdobramento de metas, ou SIPOC.
Colocar como a Organizao se beneficiar com o projeto Seis Sigma. Aqui vale a pena descrever os benefcios e colocar um pouco do racional para se chegar no valor final. Se os ganhos forem qualitativos, coloc-los e descrev-los tambm.
Valores anualizados. Ressaltar para a controladoria o racional/ memorial de clculo do benefcio.
Formalizao das aprovaes. Garante que os gestores e patrocinadores do projeto esto alinhados com as iniciativas e idias colocadas.
2-96
REVISO 2008
Contrato de Projeto
Formalizao
Importante: o preenchimento deve ser feito no documento do Gesto do Programa Seis Sigma - Anexo 3 - Sumrio Executivo - Contrato do Projeto / Concluso do Projeto e , e inserido no Portal Votorantim.
SUMRIO EXECUTIVO
Projeto Seis Sigma - CONTRATO DO PROJETO -
SUMRIO EXECUTIVO
Projeto Seis Sigma - CONCLUSO DO PROJETO CDIGO:
TTULO:
TTULO:
LDER: DESCRIO DO PROBLEMA PATROCINADOR:
CDIGO:
UNID. NEG.:
UNID. NEG:
LDER
PATROCINADOR:
FERRAMENTAS APLICADAS
HISTRICO DO PROBLEMA
RESUMO DAS ETAPAS Etapa do DMAIC Data de Incio Data de Concluso Resumo
D M
DEFINIO DA META KPI(s) DO PROJETO
00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 00/00/2000 COMPARAO ANTES / DEPOIS
A
INCLUI / EXCLUI
I C
RESTRIES E SUPOSIES
EQUIPE DE TRABALHO Nome Lder: Patrocinador: Cargo
Membros da equipe:
Especialistas para suporte tcnico:
OPORTUNIDADES DE REPLICAO E/OU NOVOS PROJETOS
REQUISITOS DO CLIENTE
LIES APRENDIDAS
CONTRIBUIES PARA O NEGCIO
VALIDAO FINAL DO PROJETO Ganho Financeiro Realizado (R$):

Ganho Financeiro Projetado (R$): Aprovao do Patrocinador do Projeto em: Aprovao da Diretoria em: R$ 00/00/2000 00/00/2000 Tipo de Ganho Responsvel pela Aprovao: Responsvel pela Aprovao:
R$ 00/00/2000 00/00/2000 00/00/2000
Tipo de Ganho Responsvel pela Aprovao: Responsvel pela Aprovao: Responsvel pela Aprovao:
Aprovao do Patrocinador em: Aprovao da Controladoria em: Aprovao da Diretoria em:
2-97
REVISO 2008
Contrato de Projeto
- Os projetos devem ser cadastrados no Portal Votorantim:
Formalizao
http://gc.portalvotorantim.com.br/sites/CdPVotorantim/6sigma/default.aspx
-
Os documentos obrigatrios para reportar o projeto so: - Sumrio Executivo - Contrato do Projeto - Sumrio Executivo - Concluso do Projeto
- Documentos adicionais podem ser guardados no Portal Votorantim, assim como outro documento obrigatrio especfico solicitado pela UN.
-
Os documentos so encontrados no Portal Votorantim no box: - Biblioteca de Documentos da Comunidade 6-sigma - Manual de Gesto
2-98
REVISO 2008
Contrato de Projeto
Exerccio
Abra o arquivo Manual de Melhores Prticas - Anexo 3 - rev 1.XLS - Procure a pasta referente ao Contrato do Projeto (Incio). Nesta folha, preencha o contrato de projeto com elementos discutidos neste captulo; - Observe que no contrato so tomados elementos discutidos durante a preparao e entendimento do projeto a ser realizado; - Utilize o contrato como ferramenta para comunicao do seu projeto, enfatizando com a liderana os principais pontos a serem trabalhados, obtendo dos mesmos a aprovao e o suporte para execuo das atividades.
2-99
REVISO 2008
Medio
3-1
REVISO 2008
O Qu Devemos Medir?
Como se comporta o processo a ser estudado?
Medindo o Processo
FORNECEDORES
Ferramentas Qualitativas
ENTRADAS
PROCESSO
FASE DE MEDIO
SADAS
CLIENTE
Mapa de Processo Diagrama Espinha de Peixe Matriz Causa e Efeito Matriz Esforo e Impacto
Entendimento da Estabilidade Entendimento da Normalidade Estudo da Capabilidade (Performance Atual v. Especificaes do Cliente)
Ferramentas Quantitativas Anlise Grfica Anlise Numrica
FASE DE ANLISE
Xs Crticos
Y
3-2
REVISO 2008
Entendendo Relao Y e X
Ferramenta
FASE DE DEFINIO
Uso das Ferramentas Qualitativas

O qu deve ser entregue?
Foco
S-I-P-O-C
Y = F(X)
Entender em nvel macro a relao Y = F(x)
Entender com mais detalhes a relao Y =
Mapa de Processo
Y = F(X)
F(X), explicitando a relao dos CTQs com cada etapa do processo e buscando entender / levantar potenciais Xs
Espinha de Peixe
Levantar potenciais Xs
Matriz Causa e Efeito
Classificar os Xs de acordo com a importncia e impacto nos CTQs
Matriz Esforo e Impacto
Com a relao de Xs (j com os respectivos impactos validados), avaliar agora o esforo para implementao e levantamento dos dados dos Xs
3-3
REVISO 2008
Mapa de Processo
- Mapeamento - Downtime v. Uptime - Takt Time
3-4
REVISO 2008
Mapa de Processo
O que esta ferramenta?
Introduo
- Ilustrao grfica do processo ( mais simples que o Mapa de Cadeia de Valor ) O que ser identificado por esta ferramenta? - Todas as etapas do processo que agregam ou no agregam valor - Entradas principais do processo (Xs) - Requisitos do cliente Quando usar Mapas de Processos? - Sempre ( principalmente quando precisa de uma visualizao rpida das etapas do processo ) Quais os resultados do mapa do processo? - As pessoas com maior conhecimento sobre o processo comeam a trabalhar juntas - Identificao de oportunidades para eliminar etapas - Identificar gargalos
3-5
REVISO 2008
Mapa de Processo
MEDIO
O QUE VOC ACHA QUE ...
Uso em Diferentes Fases
ANLISE
O QUE REALMENTE ...
MELHORIA & CONTROLE

COMO GOSTARIA QUE FOSSE...
NESTA FASE DO PROJETO SEIS SIGMA, ESTA DEVE SER A UTILIZAO DA FERRAMENTA: - ENTENDER A REALIDADE DO PROCESSO - COMBINAR E COMPARTILHAR AS DIFERENTES VISES DO MESMO PROCESSO - DISCUTIR AS DIFERENAS ENTRE AS VERSES SOBRE O MESMO PROCESSO
3-6
REVISO 2008
Mapa de Processo
Resultados Finais
- Mostrar complexidades inesperadas, reas problemticas, redundncias, desvios desnecessrios, e onde pode ser possvel simplificar ou padronizar; - Permitir a um grupo chegar a um acordo quanto s vrias etapas de um processo, e examinar que atividades podem ter um impacto no desempenho do processo; - Identificar locais onde dados adicionais podem ser coletados e investigados; - Servir como um recurso de treinamento para se entender o processo como um todo.
3-7
REVISO 2008
Mapa de Processo
Uptime v. Downtime
Trata-se de uma excelente ferramenta para analisar o mapa de processo realizado anteriormente. Basicamente uma anlise de atividades sobre o ponto de vista de agregar ou no valor.
Antes
Trabalho sem valor agregado Trabalho com valor agregado
Depois
TEMPO
3-8
REVISO 2008
Mapa de Processo
Uptime v. Downtime
A animao ao lado demonstra o dia-a-dia de uma operria numa grfica. Observando-a atentamente, responda: a) Qual o UPTIME % dela?
b) Como podemos melhorar o trabalho dela? possvel aumentar o UPTIME?
c) Qual a % de uptime que voc acredita o encontrado na maioria dos processos industriais?
3-9
REVISO 2008
Mapa de Processo
Takt Time
Definio: tempo necessrio e suficiente para produo de um item. um valioso conceito que pode ser aplicado logo na seqncia do uso do mapeamento de processos.
Takt Time =
Tempo Total Disponvel Quantidade de Itens Necessrios
- Feriados e finais de semana Obs.: No Tempo Total Disponvel - Manuteno preventiva - Paradas Foradas (falta de gua, energia eltrica etc.) - Reunies de metas - Treinamentos / Eventos especiais
3-10
REVISO 2008
Mapa de Processo
Takt Time
Exemplo: operao para atender a demanda de 40 reclamaes dirias, sendo que a jornada de trabalho por dia de 8 horas.
Takt Time =
8 horas/ dia x 60 min/ hora 40 reclamaes/ dia
= 12 min/ reclamao
Para atender cada reclamao, so gastos em mdia 12 min.
3-11
REVISO 2008
Espinha de Peixe
3-12
REVISO 2008
Diagrama Espinha de Peixe
Introduo
Objetivo: Providenciar a visualizao de todas as possveis causas de um problema especfico, atravs das principais entradas do processo
CAUSA
CATEGORIAS
EFEITO
DECLARAO DO PROBLEMA
ENTRADAS DO PROCESSO
3-13
REVISO 2008
Priorizao de Causas
- Matriz Causa e Efeito - Matriz Esforo v. Impacto
3-14
REVISO 2008
Introduo
A Matriz Causa e Efeito utilizada para priorizar as entradas do processo de acordo com o impacto de cada uma nas sadas ou requerimentos do cliente. Recomenda-se inclusive que sejam tomadas as informaes (principais entradas Xs) levantadas inicialmente no SIPOC, Mapa de Processo e Diagrama Espinha de Peixe para desenvolvimento da ferramenta.
3-15
REVISO 2008
Etapas do Preenchimento Etapa 6: Priorizar as Entradas do Processo
10
09
08
06
ENTRADAS PRIORIZADAS: MAIOR PARA O

RESULTADO S FINAIS SADA # 1 SADA # 2 SADA # N SADA # 3
MENOR IMPACTO
ENTRADA # 3 ENTRADA # 1 ENTRADA # 4 ENTRADA # 5 ENTRADA # 2 ENTRADA # N
MAIOR IMPACTO
MENOR IMPACTO
3-16
REVISO 2008
Resultados Finais
- Haver um estudo por parte da equipe de quais so os Xs de maior impacto para o cliente - Todos os membros da equipe tero seu conhecimento do processo aumentado - Ao final da elaborao do Mapa do Processo, da Espinha de Peixe e da Matriz de Causa & Efeito, a equipe j ter pronto um completo levantamento inicial (subjetivo) das caractersticas do processo que est sendo melhorado.
3-17
REVISO 2008
Introduo
A matriz Causa e Efeito pode ser complementada pela Matriz Esforo x Impacto, onde o grupo avaliar para cada entrada, quais so aquelas em que vale pena comearmos a tomar aes para reduzir os defeitos no processo, coletarmos os dados para as anlises, empreender recursos (tempo, dinheiro, pessoas) para estudar o fator.
3-18
REVISO 2008
Etapas do Preenchimento Etapa 3: Propor as Aes de Acordo com Cada Quadrante da Matriz
ESFORO
PODE REQUERER INVESTIMENTOS, MAIORES ESFOROS E CUSTOS
PODE REQUERER INVESTIMENTOS, MAIORES ESFOROS E CUSTOS, ALM DE NO TRAZER IMPACTOS TO SENSIVEIS
BAIXO
ALTO
EVENTUAIS AES VER-EAGIR, QUE PORM PODEM NO TRAZER IMPACTOS SIGNIFICATIVOS
FOCO!
-TOMAR AES VER-E-AGIR - ELABORAR O PLANO DE COLETA DE DADOS - ELABORAR PLANO DE ANLISE DO POTENCIAL PROBLEMA
ALTO
BAIXO
IMPACTO
3-19
REVISO 2008
Estatstica & Grficos
4-1
REVISO 2008
Estatstica
Inferncia Estatstica
Termos Bsicos
Populao (ou Universo)
Amostra
Probabilidade (associado s distribuies)
Populao (ou Universo): conjunto de todos os dados que necessitamos informaes Amostra: parte da coleo de variveis Varivel: caracterstica pela qual estamos interessados
4-2
REVISO 2008
Estatstica
Termos Bsicos
Inferncia Estatstica
Populao (ou Universo)
DADOS CONTNUOS OU DISCRETOS?
Amostra
Probabilidade (associado s distribuies) - Mdia () - Desvio Padro () - Varincia (2) - Formato da Curva / Modelos Populacionais - Probabilidade p ( )
_ - Mdia (X)
~ - Mediana (X) - Desvio Padro (S) - Varincia (S2) - Amplitude (R) - Quartis (Qn)
4-3
REVISO 2008
Estatstica
DADOS CONTNUOS DADOS
Contnuos ou Discretos?
Tipos de Dados
DISCRETOS
CATEGORIAS
Medidos em intervalos contnuos: - Tempo

- Dinheiro - Peso - Altura - Velocidade - Temperatura
Ordinal: - Contagem de
defeitos - # Aprovaes - # Erros - Classificao
Nominal: - Aprovado,
Reprovado - Turnos - Produtos - Clientes - Nomes
4-4
REVISO 2008
Dados Discretos ao Introduo

Iniciando o Projeto Seis Sigma
Seis Sigma
Seis ... O Qu???
Definio
- Contagens - Propores
4-5
REVISO 2008
Estatstica
Medidas Descritivas
Contagens & Propores
Contagens: nmero, quantidade de ocorrncias sendo observadas e analisadas. Ao ocorrer a contagem de defeitos em um conjunto de peas, estamos indicando este nmero por c. c = quantidade de ocorrncias sendo observadas Proporo: % de observaes de uma determinada caracterstica ou evento comparada ao total de ocorrncias. p = nmero de observaes especficas nmero total de observaes O exemplo seria a proporo de itens defeituosos dentro de uma amostra de peas em uma fbrica.
4-6
REVISO 2008
Dados Contnuos ao Introduo

Seis Sigma
Seis ... O Qu???
Definio
- Histograma - Medidas de Posio - Medidas de Disperso

4-7
REVISO 2008
Estatstica
Dados Contnuos
Histograma
Podemos descrever o comportamento de qualquer processo ou sistema atravs da plotagem de pontos de dados mltiplos para a mesma varivel - Ao decorrer do tempo - Por produto ou negcio - Por diferentes pessoas, mquinas, etc...
O acmulo destes dados pode ser visto como uma distribuio dos valores e representado por uma tabela de freqncia ou Histograma Sugestes : - Nmero de Categorias = nmero total de dados
- Amplitude das Categorias = aproximadamente a amplitude dividida pelo nmero de categorias - Amplitude das Categorias deve ser mltiplo ou divisor de 1, 2 ou 5
4-8
REVISO 2008
Estatstica
Medidas Descritivas
Relacionadas Amostra
1. Medidas de Posio: - Mdia ( X-barra) - Mediana ( X-til ou Q2 ) - Quartis ( Q1 e Q3 )
2. Medidas de Disperso: - Amplitude ( R ) - Varincia ( s2 ) - Desvio-padro ( s )
4-9
REVISO 2008
Dados Discretos ao Introduo

Seis Sigma
Seis ... O Qu???
Definio
- Distribuio Binomial - Distribuio Poisson

4-10
REVISO 2008
Estatstica
Parmetros Populacionais
Dados Atributos
H situaes em que o tipo de dado avaliado discreto, ou seja, a caracterstica somente pode assumir valores inteiros.
Este o caso do reclamaes de clientes num perodo, nmero de erros em um relatrio, porcentagem de peas defeituosas num lote, etc.
Duas distribuies discretas merecem destaque: Distribuio Binomial; Distribuio de Poisson.
4-11
REVISO 2008
Estatstica
Dados Atributos
Distribuio Binomial
Esta distribuio aplicada quando o dado discreto e faz-se a classificao em categorias como, por exemplo, satisfeito/no satisfeito, boa/ruim, claro/escuro, atende/no atende, etc.
P( X = x ) = Cn,d.p x .(1 p)n x
Em que: n o tamanho da amostra; d o nmero de defeituosos.
4-12
REVISO 2008
Estatstica
Dados Atributos
Distribuio Binomial
Exerccio: Suponha que compramos 4 baterias. Na embalagem est descrito que as 95% das vezes as baterias duram pelo menos 100 horas. Se verdade, qual a probabilidade das 4 baterias durarem pelo menos 100 horas? Qual a chance de 3 baterias durarem este tempo? E de nenhuma bateria durar pelo menos 100 horas? n=4; d = 0; 3; 4 p = 95%
Utilizando o Minitab: - Digitar na coluna C1: 0 ; 3 ; 4 - Selecionar: Calc > Probability Distributions > Binomial - Marcar Probability Number of trials: < 4 > Probability of success: < 0,95 > Input column: C1 OK
4-13
Resposta: P(0) = P(3) = P(4) =

REVISO 2008
Estatstica
Dados Atributos
Distribuio Poisson
Esta outra distribuio discreta til quando se tem contagem de erros ou no conformes na amostra.
e c .(c )x P( X = x ) = x!
Em que: c-barra o nmero mdio de defeitos na amostra.
4-14
REVISO 2008
Estatstica
Dados Atributos
Distribuio Poisson
Exerccio: A quantidade mdia de chamadas telefnicas recebidas por hora em uma empresa igual a 25. Qual a probabilidade de, nesta empresa, num perodo de 4 horas serem recebidas 110 chamadas? c-barra = 25 chamadas/hora x 4 horas = 100
Utilizando o Minitab: - Selecionar: Calc > Probability Distributions > Poisson - Marcar Probability Mean: < 100 > Input column: < C1 > OK Resposta =
4-15
REVISO 2008
Dados Contnuos ao Introduo

- Distribuio Normal - Teste de Normalidade - Subgrupos Racionais - Distribuio Chi-Quadrado - Distribuio T-Student - Intervalo Percentlico
Seis Sigma
Seis ... O Qu???
Definio
- Outras Tipos de Distribuies
4-16
REVISO 2008
Estatstica
Dados Contnuos
Distribuio Normal
LIMITE DE DESEMPENHO
p(x > a) =
a
1 e-(1/2)[(x - )/]2 dx 2
Sendo que 100% abaixo da curva normal encontra-se entre , podemos calcular a rea alm do limite de desempenho. Isto revelaria uma probabilidade de chance ao acaso de criao de um defeito.
PROBABILIDADE DE OCORRNCIA
- INFINITO
4-17
+ INFINITO
REVISO 2008
Estatstica
Dados Contnuos
Distribuio Normal
Principais caractersticas: 1-) A distribuio normal um distribuio de dados contendo certas propriedades consistentes ( e ), que muito bem caracterizam o processo; 2-) Outra propriedade bastante importante a capacidade de encontrarmos a probabilidade de ocorrncia de um certo X, baseando-se nas equaes desenvolvidas por Gauss.
4-18
REVISO 2008
Estatstica
Dados Contnuos
Distribuio Normal
Probabilidade do valor da amostra
40% 30% 20% 10% 0% 4 3 2 1
68%
95%
99,73%
+1
+2 +3
+4
Eixo X
p(x > a) =
a
1 e-(1/2)[(x - )/]2 dx 2
Substituindo-se os valores de , e X (dado no eixo X), chega-se probabilidade de ocorrncia colocada acima.
4-19
REVISO 2008
Estatstica
Dados Contnuos
Distribuio Normal
Exerccio: Uma mquina gera produtos cuja especificao para o peso de 98 a 105 g. Sabese, pela anlise de dados obtidos a partir desta, que o peso obedece distribuio normal, com mdia de 101 g e desvio-padro de 1,65 g. Que porcentagem (probabilidade) de produtos fabricados encontram-se fora da especificao?
COLOCAR OS LIMITES DE ESPECIFICAO
4-20
REVISO 2008
Estatstica
Dados Contnuos
Distribuio Normal
P (X<= 98) =
3,45%
+
P (X> 105) = 1 - 99,23% = 0,77%
P (TOTAL)
= 4,22%
ESTE O PERCENTUAL (PROBABILIDADE) DE SE ENCONTRAR PRODUTOS FORA DE ESPECIFICAO

4-21
REVISO 2008
Estatstica
Teste de Normalidade
Dados Contnuos
Para saber se uma distribuio pode ser explicado pelo modelo Normal, podemos fazer o Teste de Normalidade:
ESCALA Z
-4 -3 -2 -1 0 1 2 3 4
PROBABILIDADE
0,01% 0,5% 2,5% 16% 50% 84% 97,5% 99,5% 99,99%
<COMANDO DO MINITAB>
ACUMULADA
4-22
REVISO 2008
Estatstica
99,5% 99,99%
Teste de Normalidade
Dados Contnuos
Probability Plot of Normal

Normal
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1
PONTOS EM VERMELHO (AMOSTRA) AJUSTADO SOBRE A LINHA EM AZUL (POPULAO)
-4 -3 -2 -1 0 1 2 3 4
50%
84% 97,5%
Mean StDev N AD P-Value
70,00 10,00 500 0,418 0,328
SE P-VALUE MAIOR OU IGUAL A 0,05 (5%), A DISTRIBUIO PODE SER CONSIDERADA NORMAL
0,5%
2,5%
16%
0,01%
30
40
50
60
70 Normal
4-23
80
90
100
110
REVISO 2008
Estatstica
aproximando de uma distribuio normal.
Dados Contnuos
Subgrupos Racionais
O conceito de subgrupos racionais nos ajuda a entender como uma distribuio acaba se Recomenda-se a utilizao, sempre que possvel, destes subgrupos para garantir que a distribuio final segue o modelo normal.
DISTRIBUIES INDIVIDUAIS
DISTRIBUIES DAS MDIAS
1 PONTO ... HISTOGRAMA
Observao individual Distribuio de valores individuais
Mdia de valores individuais Distribuio de valores mdios
DISPERSO
X
Qual a probabilidade que um valor individual ir durar mais de 90 horas?
X =
X n
A PERGUNTA PODERIA SER...
Qual a probabilidade que a vida til de uma amostra n=15 ir exceder 90 horas?
4-24
REVISO 2008
Estatstica
Outras Distribuies
E agora? Os dados no so distribudos normalmente. O qu fazer? Na seqncia, voc ter contato com anlises de distribuies em que a principal ferramenta ser o papel de probabilidade normal. Observe que a partir de agora o grfico no mais serve apenas para avaliar a normalidade de um conjunto de dados, mas sim a tendncia e comportamento do processo estudado. No final voc observar tambm a anlise avaliando-se o papel de probabilidade Weibull. Estas sero apenas algumas anlises (perante o grande nmero de possibilidades de curvas ajustadas possveis) no captulo de Capabilidade teremos contato com o recurso de identificao da melhor curva ajustada.
4-25
REVISO 2008
Estatstica
Student. Usamos quando: - A amostra uma amostra simples aleatria; - O valor do desvio padro populacional no conhecido;
Distribuio T-Student
Uma importante distribuio que estudaremos fundo na 2a semana de treinamento a T-
- Pelo menos uma das seguintes condies verdadeira: a populao normalmente distribuda ou n > 30. Propriedades: T= x x s n 1- T-Student diferente para tamanhos amostrais diferentes; 2- T-Student tem a mesma forma geral de sino que a distribuio normal; sua forma mais larga reflete a maior variabilidade que se espera quando se usa s como estimativa de ; 3- T-Student tem uma mdia de t=0 (assim como Normal tem z=0); 4- O desvio padro de T-Student varia com o tamanho amostral e maior que 1 (Normal tem = 1); 5- medida que o tamanho amostral se torna maior, T-Student se aproxima a uma distribuio Normal.
4-26
REVISO 2008
Estatstica
no-normais.
Distribuio Chi-Quadrado
Veremos na 2a semana de treinamento testes estatsticos que so baseados em distribuies Uma importante distribuio para estes caso a distribuio conhecida por Chi-Quadrado. Propriedades:
NO SIMTRICA
1- A distribuio Qui-Quadrado no simtrica, diferentemente das distribuies normal e t de Student; 2- Os valores Qui-Quadrado podem ser zero ou positivos, mas nunca podem ser negativos; 3- A distribuio Qui-Quadrado diferente para cada nmero de graus de liberdade (sendo graus de liberdade (gl) = n -1). medida que o nmero de graus de liberdade aumentando, a distribuio Chi-Quadrado se aproxima de uma Normal.
2 = ( n 1 ) s2 2
2
4-27
REVISO 2008
Estatstica
Diferentes Tipos de Distribuio

ESCALA Z
Papel de Probabilidade
ESCALA Z
ESCALA Z
Processo Instvel Vrias curvas indicam subprocessos
Reta que indica Normalidade
Processo Real
VARIVEL
VARIVEL
ESCALA Z
Outras configuraes no-normais
VARIVEL
4-28
REVISO 2008
Estatstica
Escala Z
Processo Instvel Processo Real
Tendncia Central
Q1 (eventualmente Q3)
Variao
Fator de Estabilidade FE - (Q1/Q3)
Varivel Y
Encontra-se tipicamente casos de instabilidade de processos para Ys como:
Escala Z
Q3
Ciclo de Tempo Distribuio de Preos
Q1
Estabilizao do Processo => diminuir a diferena entre Q3 e Q1, chegando o mais prximo possvel de FE =1. Assim, h maior probabilidade da distribuio resultante seguir o modelo normal, e assim podemos calcular a capabilidade conforme visto anteriormente.
Varivel Y
4-29
REVISO 2008
Estatstica
Exemplo: Maratona classificatria para os Jogos Pan-americanos

MDIA = 2H45MIN
200
# Corredores
150
100
50
Tempo para Completar a Maratona (h) LSS BLACK BELT COMPLEMENTAR
4-30
REVISO 2008
Estatstica
MELHOR TEMPO DE MARATONA (2H21MIN) TEMPO PARA CLASSIFICAO PARA O PANAMERICANO
200
# Corredores
150
PESSOAS NO CLASSIFICADAS: SIMPLES VARIAO NATURAL DE PROCESSO?
100
50
Tempo para Completar a Maratona (h)
4-31
REVISO 2008
Estatstica
200
TEMPO DOS ATLETAS PROFISSIONAIS
# Corredores
150
TEMPO DOS ATLETAS AMADORES
100
50
Tempo para Completar a Maratona (h)
4-32
REVISO 2008
Estatstica
Pode-se tirar concluses equivocadas observando a sada do processo sem uma prvia analise do comportamento da distribuio dos dados. No caso, observou-se que quase todos os atletas profissionais conseguiram ndice para os Jogos Panamericanos (uma tima performance!) ao se estratificar os dados. Se no fosse realizada tal analise, as concluses seriam diferentes
200
# Corredores
150
sobre o desempenho dos atletas neste evento classificatrio.
100
50
Tempo para Completar a Maratona (h) LSS BLACK BELT COMPLEMENTAR
4-33
REVISO 2008
Estatstica
95
TEMPO DOS ATLETAS AMADORES
Assim, o processo apresentar um termo (Fator de Estabilidade - FE) capaz de avaliar a diferena de comportamento entre as subdistribuies presentes no conjunto de dados. Quando se estuda a performance de processo,
Probabilidade % Acumulada
75
50
TEMPO DOS ATLETAS PROFISSIONAIS
sugere-se acompanhar com o FE a tendncia do comportamento total, mas calcular os nveis de capabilidade para cada um dos sub-processos, de acordo com as explicaes colocadas anteriormente no material. Aes possveis:
25
Q1
TEMPO PARA CLASSIFICAO PARA O PAN-AMERICANO
Q3
- Analisar as causas e tomar aes na estabilizao do sub-processo - Estratificar os sub-processos e trabalhar com cada um separadamente
4-34
REVISO 2008
Estatstica
Exerccio: Uma empresa necessita acelerar o tempo para responder as propostas de cotaes pedidas por seus clientes, sejam para produtos j especificados, sejam para novos. Os dados (em dias) esto no arquivo: Anlise de Cotaes.mtw. Avalie como est a performance atual de resposta as cotaes.
4-35
REVISO 2008
Estatstica
PROCESSO
Probability Plot of DADOS

Normal - 95% CI
PRESENA DE VALE (MUDANA ABRUPTA DE DIREO)
99,9 99 95 90 80 70 60 50 40 30 20 10 5 Mean StDev N AD P-Value
TIPICAMENTE NONORMAL
7,015 3,054 250 10,898 <0,005
Percent
PROCESSO 02
PROCESSO 01
1 0,1
5 DADOS
10
15
20
4-36
REVISO 2008
Estatstica
Porm sabemos que h uma estratificao das respostas dependendo do tipo de produtos que sero cotados:
4-37
REVISO 2008
Estatstica
Probability Plot of NOVOS; ESPECIF; DADOS

Normal - 95% CI
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1
ESPECIF PRODUTOS
Variable NOVOS ESPECIF DA DOS Mean StDev N 9,945 2,763 100 5,063 0,9603 150 7,015 3,054 250 AD P 0,946 0,161 0,160 0,949 10,898 <0,005
2 PROCESSOS NORMAIS
Percent
NOVOS PRODUTOS
CONCLUSES:
10 Data
15
20
_________________________________ _________________________________ _________________________________ _________________________________ _________________________________
4-38
REVISO 2008
Estatstica
Tendncia Central
Mediana
Variao
Intervalo Percentlico (IP)
Este tipo de distribuio caracteriza basicamente processos que seguem uma forte tendncia central (representado aqui pela linha no zero) e pontos extremos bastante acentuados. So exemplos: performance de entrega de produtos ou servios nas datas acordadas (ou quaisquer processos em que a mtrica est sendo comparada a um valor objetivo)
Varivel
4-39
REVISO 2008
Estatstica
Esta (mediana) a melhor representao da tendncia central do processo, no a mdia
Mdia = 4
Desvio Padro = 12
0
Tomar os pontos extremos e a freqncia com que eles ocorrem uma maneira mais eficaz de se avaliar a disperso dos dados para esta distribuio
4-40
REVISO 2008
Estatstica
Papel de Probabilidade Normal

Probabilidade Acumulada 99.9% 99% 95% 75% 50% 25% 5% 1% 0.1%
IP = 38 P95 = +31
P5 = -7
Mediana = 0
-60 -40 -20 0 20 40 60 80 100 120
-80
5% dos pontos de menor valor esto abaixo de -7
5% dos pontos de maior valor esto acima de +31
4-41
REVISO 2008
Estatstica
Tendncia Central Representa a Localizao do Processo
Mediana = 0
P5 = -7
P95 = +31
0
IP = 38
Variao Caracteriza a Consistncia da Execuo
4-42
REVISO 2008
Estatstica
dados anexa no arquivo Perf_Entregas.mtw. Avalie como est a performance na semana corrente.
Exemplo: A performance de uma empresa avaliada semanalmente atravs da base de
4-43
REVISO 2008
Estatstica
Probability Plot of C1
Normal - 95% CI
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1
Mean StDev N AD P-Value
0,86 4,660 100 27,005 <0,005
Percent
FORTE TENDNCIA CENTRAL -> VALOR = 0 PROCESSO TIPICAMENTE NONORMAL
-20
-10
10 C1
20
30
40
4-44
REVISO 2008
Estatstica
Analisando com mais detalhes os percentis da distribuies:
Probability Plot of C1
Normal - 95% CI
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1 Mean StDev N AD P-Value 0,86 4,660 100 27,005 <0,005
COMENTRIOS:
Percent
SE A META E TER VARIAO P(95,5) = 10 DIAS, O PROCESSO ESTA MENOR O CORTE PERCENTILICO, MENOR O RIGOR NA ANALISE DA VARIAO DO PROCESSO ATINGINDO SEUS OBJETIVOS?
-20
-10
10 C1
20
30
40
VARIAO TOTAL DO PROCESSO
4-45
REVISO 2008
Testes
Introduo ao Definio Seis Sigma
Seis ... O Qu???
4-46
REVISO 2008
Estatstica
1) Qual tipo de dados representa melhor cada um dos exemplos abaixo? (a) (b) (c) (d) Porcentagem de peas defeituosas em uma amostra Porcentagem de creme contido em garrafas de leite Tempo que leva para atender um pedido de um cliente Nmero de imperfeies por metro quadrado de tecido (e) (f) (g) (h) Teste dirio da acidez d'gua (pH) Nmero de passas numa caixa cereais
Testes
Nmero de peas defeituosas em lotes de tamanho 100 Comprimento de parafusos em lotes de tamanho 10
2) Abra o arquivo Capitulo 4 Teste #01.mtw e faa o teste de normalidade . Sua concluso : a) a distribuio normal ; b) a distribuio no normal, portanto devemos tomar uma ao sobre o processo para normaliz-lo; c) a distribuio no normal e, portanto, devemos prosseguir com a anlise tomando-se cuidado com as suposies de normalidade que esto sendo feitas e procurando observar se a no normalidade a caracterstica do processo ou se causada por alguma fonte de variao d) caso a no normalidade seja caracterstica do processo, uma transformao matemtica pode auxiliar a anlise e) c) e d) esto corretas
4-47
REVISO 2008
Grficos Bsicos Introduo ao

Seis Sigma
Seis ... O Qu???
Definio
Grfico de Pareto Diagrama de Disperso Box Plot Grfico de Tendncia

4-48
REVISO 2008
Grficos Bsicos
Muitas vezes, a simples observao quantitativa, atravs de grficos de tendncia ou posio, pode nos ajudar a identificar oportunidades de melhoria nas atividades. Dentro da metodologia Lean 6 Sigma, trata-se da utilizao de grficos bsicos, que podem ser teis para explorao das causas reais de defeitos em um processo. Alm disso, estes grficos podem ser teis para: - Identificar se os dados foram coletados de maneira satisfatria - Identificar tendncias atpicas, pontos extremos e etc. - Auxiliar na melhor compreenso do fenmeno estudado - Identificao dos pontos em que as aes de melhoria so requeridas - Identificao da necessidade de se utilizar ferramentas e recursos mais robustos e sofisticados na anlise das causas-razes dos problemas
4-49
REVISO 2008
Anlise Exploratria de Dados

Avaliao de Concentraes Avaliao de Correlaes
Ferramentas Comuns
Avaliao de Variaes
Pareto
Diagrama de Disperso
Box Plot
Avaliao de Perfis e Pontos Extremos
Avaliao de Normalidade
J ESTUDADO
Grfico de Tendncia
Histograma
4-50
REVISO 2008
Box Plot
*
Quantidade de Dados
Conceitos
Outlier (fora da distncia do 75a percentil + 1,5 vezes 75a percentil menos 25a percentil) Observao Mxima (Para uma distncia de 1,5 vezes 75a percentil menos 25a percentil)
25%
75 Percentil (Terceiro Quartil = Q3)
25%
Mediana (50 Percentil)
25%
25 Percentil (Primeiro Quartil = Q1)
25%
Observao Mnima (Para uma distncia de 1,5 vezes 75a percentil menos 25a percentil ) LSS BLACK BELT COMPLEMENTAR
4-51
REVISO 2008
Box Plot
Minitab
4-52
REVISO 2008
Box Plot
Minitab
Avaliao apenas do Y do processo
Avaliao do Y do processo Avaliao do X do processo
4-53
REVISO 2008
Box Plot
Exerccio
Faa no Minitab o uso do Box Plot. Digite as informaes abaixo em um arquivo em branco no Minitab. Os dados foram coletados na ltima semana. Faa a comparao entre 2 plantas sobre os respectivos rendimentos de processo (%). Quais so suas concluses? Planta A: 79%; 81%; 88%; 77%; 82%; 85%; 83% Planta B: 50%; 99%; 84%; 60%; 70%; 69%; 81%
4-54
REVISO 2008
Grfico de Pareto
Conceitos
Os Grficos de Pareto nos ajudam a focalizar nosso esforo naqueles problemas, que oferecem a maior oportunidade para melhoramento, por apresentar como se relacionam num grfico de barras. Seu nome provm do Economista/ Banqueiro italiano (Vilfredo Pareto 1848-1923) quem observou que 80% da riqueza italiana era controlada por 20% da populao. Ele prosseguiu estudando muitos outros assuntos e comeou a descobrir que muitas coisas dentro do nosso ambiente aparentavam seguir esta Regra 80-20. Sua teoria atualmente aplicada por grupos da qualidade em aplicaes semelhantes. Exemplo: 80% dos defeitos relacionam-se 20% das causas potenciais. Focando nestes 20%, podemos eliminar as causas e portanto conseguir um impacto significante e rpido sobre os efeitos
4-55
REVISO 2008
Grfico de Pareto
Pareto Chart of Defeitos
1000
Conceitos
100 80
Nmero de Ocorrncias de Defeitos

Count
800
Nmero de Ocorrncias de Defeitos/ Nmero Total de Defeitos (e o percentual individual dos Xs)
400
40
200
20 0
Defeitos Count Percent Cum %
Diferenca de Peso 431 44,2 44,2
Bolha de Ar 293 30,0 74,2
Cor 132 13,5 87,7
Deformacao 120 12,3 100,0
Nmero de Ocorrncias de Defeitos Acumulado/ Nmero Total de Defeitos (e o percentual acumulado dos Xs que estiverem a esquerda no Pareto, ou seja, de todos os maiores at os menores)
4-56
REVISO 2008
Percent
600
60
Grfico de Pareto
Minitab
2
4-57
REVISO 2008
Grfico de Pareto
Y X
Minitab
Usar quando os dados estiverem empilhados:
Usar quando os dados estiverem tabelados: X Y
4-58
REVISO 2008
Grfico de Pareto
Exerccio
Faa no Minitab o uso do Pareto. Digite as informaes abaixo em um arquivo em branco no Minitab. Os dados foram coletados no ltimo ms. So dados relacionados s perdas de produo de diversos produtos na planta XYZ. Quais so suas concluses?
Produto A: 50KG Produto B: 4KG Produto C: 12KG Produto D: 123 KG Produto E: 80KG Produto F: 10 KG Produto G: 200 KG Produto H: 1 KG Produto I: 18 KG Produto J: 7 KG
4-59
REVISO 2008
estas 2 variveis (pode ser positiva ou negativa) ou no (nula).
CORRELAES POSSVEIS
Conceitos
Grfico que relaciona 2 variveis em 2 eixos, X e Y. Mostra se existe uma correlao entre
Y
X X X
X X X X X X
POSITIVA
X Y
X X X X X X X X X X X X
OBSERVE A TENDNCIA APRESENTADA PELO GRFICO: QUANTO MAIOR O X, MAIOR O Y
NEGATIVA X X X X
X X
X X X
X NULA
X
X
REVISO 2008
4-60
Minitab
4-61
REVISO 2008
Exerccio
Abra o arquivo de Minitab chamado Anlise de Fornecedores.MTW. Este arquivo correlaciona a leitura feita em um lote com alguns produtos dentro do fornecedor e dentro do cliente. Os pesos destes produtos deveriam ser os mesmos, visto que no deveria existir nenhum problema durante o transporte ou armazenamento. Quais so as suas concluses?
4-62
REVISO 2008
Grfico de Tendncia
Conceitos
Grfico que relaciona 2 variveis em 2 eixos, X e Y, mas que neste caso a varivel X o tempo (ou seqncia de acontecimentos).
ENTENDA PICOS
OBSERVE TENDNCIAS
ENTENDA VALES
4-63
REVISO 2008
Grfico de Tendncia
Minitab
OBSERVE QUE COMO O X CONHECIDO (TEMPO), SOMENTE NECESSRIO COLOCAR OS DADOS DE Y
4-64
REVISO 2008
Grfico de Tendncia
Exerccio
Observe o perfil de produo representado pelos dados abaixo. Faa o grfico de tendncia utilizando o Minitab. Quais tipos de produto podem ter sua produo associada a este grfico? Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 5.000 unidades 50.000 unidades 80.000 unidades 30.000 unidades 45.000 unidades 35.000 unidades 35.000 unidades 30.000 unidades 20.000 unidades 15.000 unidades 10.000 unidades 5.000 unidades
4-65
REVISO 2008
Coleta de Dados
- Definio Operacional - Plano de Coleta de Dados - Anlise Sistema de Medio - Exerccios Prticos
5-1
REVISO 2008
Coleta de Dados
O foco encontrar informaes quantitativas sobre os ys (sadas) e xs (entradas) do processo. So 5 os passos para se ter dados representativos do processo a ser analisado: - Etapa 01: Desenvolver definies operacionais - Etapa 02: Avaliar o sistema de medio - Etapa 03: Desenvolver o plano de coleta de dados - Etapa 04: Coletar os dados - Etapa 05: Avaliao exploratria dos dados (atravs de recursos grficos)
5-2
REVISO 2008
Definio Operacional
5-3
REVISO 2008
Definio Operacional
Conceito
- A definio operacional um conceito que auxilia ao direcionamento da equipe de projeto em que deve ser o foco da medio, bem como nas caractersticas desta medio: quando, como e quem medir - Garante uniformidade de conhecimento sobre o objeto ou processo analisado para todos aqueles que esto realizando a medio - uma descrio precisa sobre um critrio especfico usado para as medies (o qu), para a metodologia de coleta de informaes (o como), para a quantidade de dados para coletar (o quanto) e para quem responsvel pela coleta das informaes (o quem) - Define o mesmo significado para todos - Descreve o escopo da medio (o qu est e o qu no est includo na anlise ou medio)
5-4
REVISO 2008
Definio Operacional
Conceito
- Mau Exemplo: ciclo de tempo para contrataes - Bom Exemplo: base de dados para todos os currculos recebidos por fax entre 3 e 17 de janeiro. O tempo de resposta ser definido com o tempo (dia e hora) do recebimento do fax (como mostrado no cabealho do papel) at o tempo (dia e hora) da aprovao ou rejeio do currculo, (atravs de mensagem enviada ao remetente do currculo por fax (e registrado no papel de confirmao).
5-5
REVISO 2008
Definio Operacional
Exerccio
- A turma ser dividida em equipes - Cada equipe receber um copo com chocolate M&Ms - Escreva uma definio operacional para defeito (quebras, irregularidades... No use cor como um critrio) e determine o nmero de defeitos. No fale para os demais grupos qual o valor de defeitos contados - Passe a definio operacional junto com o copo de M&Ms - Cada grupo deve contar e registrar o nmero de defeitos de cada um dos grupos, de acordo com a respectiva definio operacional - No ser permitida comunicao entre os grupos - Vence a equipe que tiver a definio operacional melhor interpretada, ou seja, quando os valores contados pelos grupos coincida com o original
5-6
REVISO 2008
Anlise Sistema de Medio
5-7
REVISO 2008
O Qu Se Est Medindo?
Qual a Real Performance?
Medindo o Processo
OBSERVADO
No projeto Lean Seis Sigma esta fase crtica.
Temos que garantir que a variao da medio total seja pouco influenciada pela presena/ utilizao do sistema de medio. Se houver forte influncia, lembre-se: voc deve AGIR para melhorar o sistema de medio para prosseguir com o projeto.
LIE
LSE
REAL
SISTEMA DE MEDIO
5-8
REVISO 2008
Introduo
A variao total das medies podem vir de duas fontes: o processo e o prprio sistema de medio:
2 2 = measurement-system + 2 total process
Se a variao de processo estiver confundida com a do sistema de medio... Podemos tentar ajustar o processo quando no necessrio A capabilidade do processo ser reportada com nveis mais baixos do que realmente so Os esforos de melhoria podem ser nulos ao se tentar mudar um processo que aparentemente no capaz; da mesma forma, um processo que gera muitos defeitos pode simplesmente no sofrer nenhuma ao necessria pois no foi acusada a necessidade
5-9
REVISO 2008
Avaliao do Sistema de Medio
Tipos de Anlises
Xs
Ys
SISTEMA DE MEDIO
DADOS CONTNUOS - PRECISO:
DADOS ATRIBUTOS
NO DESTRUTIVOS
- REPRODUTIBILIDADE - REPETIBILIDADE - ACURACIDADE: - VIS (BIAS) - LINEARIDADE - REPETIBILIDADE - REPRODUTIBILIDADE
AVALIAO POR EXPERT
- REPRODUTIBILIDADE (ACURACIDADE)
ROUND ROBIN ROUND ROBIN COM EXPERT
- REPETIBILIDADE (PRECISO)
DESTRUTIVOS
- REPRODUTIBILIDADE (ACURACIDADE) - REPETIBILIDADE (PRECISO)
5-10
REVISO 2008
Dados Contnuos
5-11
REVISO 2008

Estudos No-Destrutivos
Tipos de Anlises
Dados Contnuos
Os erros em sistemas de medio podem ser classificadas em duas categorias: acuracidade e preciso: - Acuracidade: descreve a diferena entre a medio realizada e o valor real da amostra analisada - Preciso: descreve a variao observada quando mede-se a mesma pea repetidas vezes com o mesmo equipamento Dentro de qualquer sistema de medio, pode-se observar um e/ou outro destes pontos. Por exemplo, pode-se observar um sistema de medio preciso (pouca variao por parte dos equipamentos), porm com pouca acuracidade. E vice versa. Veja o diagrama abaixo:
* * * * * * *
* * * * * ** * * **
PRECISO MAS NO ACURADO
* * *
* * * * *
* * *
* * ** * ** *
NO ACURADO OU PRECISO
ACURADO MAS NO PRECISO
ACURADO E PRECISO
5-12
REVISO 2008

Preciso
Tipos de Anlises
Dados Contnuos
- Repetibilidade: a variao devido ao equipamento. Esta variao observada quando o mesmo operador mede a mesma amostra diversas vezes utilizando o mesmo equipamento. - Reprodutibilidade: a variao do sistema de medio (operador + mtodo de medio). Esta variao observada quando diferentes operadores medem as mesmas amostras usando o mesmo equipamento.
Sistema de Medio
Repro
Repe
2 2 2 SM = Repro + Repe
2 2 SM = Repro + Repe
5-13
REVISO 2008

Estudos No-Destrutivos Preciso
Tipos de Anlises
Dados Contnuos
GR&R (Gauge Repeatability & Reproducibility) (% GR&R: frao total da variao devido ao sistema de medio)
P/T (Preciso sobre a Tolerncia) (% P/T: frao da tolerncia devido variao do sistema de medio)
6 MS GRR = x100 % 6 Total
6 MS %P / T = x100 % USL LSL
5-14
REVISO 2008

Estudos No-Destrutivos Preciso
Tipos de Anlises
Dados Contnuos
- Discriminao:capacidade do sistema de medio de detectar e indicar mesmo pequenas mudanas na caracterstica medida.
M Discriminao
Boa Discriminao
1
3
5-15
5
REVISO 2008

Estudos No-Destrutivos Anlise de Reprodutibilidade e Repetibilidade & Discriminao:
Lembrete: GAGE R&R Study Var e % P/T< ou = a 10% : sistema de medio aceitvel
Tipos de Anlises
Dados Contnuos
GAGE R&R Study Var e % P/T entre 10% e 30% : sistema de medio pode ser aceitvel, dependendo da criticidade do processo GAGE R&R Study Var e % P/T > ou = a 30% : sistema de medio recusado Nmero de Categorias > ou = a 4 : sistema de medio aceitvel Nmero de Categorias < 4 : sistema de medio no aceitvel aceitvel
(lembrando: nmero de categorias est associado capacidade de resoluo/ discriminao do sistema de medio quanto maior o valor, melhor o sistema de medio (este capaz de medir com maior clareza diferentes tipos de peas))
5-16
REVISO 2008

Tipos de Anlises
Dados Contnuos
Caractersticas Tpicas para Ensaios No-Destrutivos para Avaliao da Preciso do Sistema de Medio:
Utilizao de 10 corpos de provas para a avaliao (chamadas comumente de pea) - As avaliaes so realizadas por 3 analistas (chamados de operadores) - Cada operador avalia 3 vezes a mesma pea - As avaliaes devem ser aleatrias - As peas devem possuir uma codificao de tal forma que os operadores no sejam capazes de identific-las - Devem ser analisados aspectos ambientais e condies de operao, afim de se isolar quaisquer efeitos externos aos dos ensaios
5-17
REVISO 2008

Tipos de Anlises
Dados Contnuos
Utilizao do Minitab para Avaliao de Preciso do Sistema de Medio:

Abra o arquivo chamado GageRR.MTW. As informaes colocadas neste arquivo referem-se ao estudo de um sistema de medio.
OPERADOR
PEA AVALIADA VALORES MEDIDOS
5-18
REVISO 2008

Tipos de Anlises
Dados Contnuos
5-19
REVISO 2008

Tipos de Anlises
Dados Contnuos
DEVE-SE INFORMAR A TOLERNCIA COLOCADA NO ESTUDO (DIFERENA ENTRE OS LIMITES SUPERIOR E INFERIOR = USL LSL) OPCIONAL DENTRO DOS ESTUDOS, MAS SE USADO FORNECE UMA ESTIMATIVA DA FAIXA DE VALORES ESTUDADA, AUMENTANDO A PRECISO DOS RESULTADOS
5-20
REVISO 2008

Tipos de Anlises
Dados Contnuos
% R&R DO SISTEMA DE MEDIO NA RESPOSTA
AVALIA AS LEITURAS DAS PEAS AO LONGO DO TEMPO
VARIAO DA AMPLITUDE DAS MEDIDAS POR CADA OPERADOR (REPETIBILIDADE ) Mais pontos dentro dos limites melhor VARIAO DA MDIA DAS MEDIDAS POR OPERADOR (REPRODUTIBILIDADE) AVALIA A INTERAO PEA VS. OPERADOR Discriminao do Meio de Medio 50% ou mais dos pontos deve ficar for a dos limites (nmero de categorias maior ou iigual a 4 ) AVALIA AS LEITURAS POR CADA UM DOS OPERADORES
5-21
REVISO 2008

Tipos de Anlises
Dados Contnuos
2 MS 100 2 Total
6 MS 100 6 Total
6 MS 100 USL LSL
- Este grfico mostra %R&R, cada componente (Repe & Repro) separadamente e a variao pea-a-pea - Objetivo: observar as menores barras de Gage R&R possvel
5-22
REVISO 2008

Tipos de Anlises
Dados Contnuos
- Limites de controle baseados na amplitude mdia geral - Deseja-se observar os pontos dentro dos limites de controle, indicando consistncia de avaliaes dos operadores Dicas: - A repetibilidade questionvel se o grfico mostrar vrias condies de pontos fora dos limites de controle
- Se a amplitude para um operador est fora de controle e para os outros no, pode-se suspeitar do mtodo de trabalho - Se as amplitudes de todos os operadores estiverem fora de controle, o sistema de medio sensvel s tcnicas aplicadas pelos operadores
5-23
REVISO 2008

Tipos de Anlises
Dados Contnuos
- Se a mdia de resultados para cada operador diferente, a reprodutibilidade est sob suspeita
Dicas: - Deseja-se observar as mdias caindo nas regies fora do limite de controle, mas consistentemente para todos os operadores: isto indicaria apenas a variabilidade de pea-apea, que o que deseja-se observar em bons sistemas de medio
5-24
REVISO 2008

Tipos de Anlises
Dados Contnuos
- Mostra a mdia (crculos) e a variao dos valores para cada pea estudada - Para se ter o mnimo de variabilidade devido ao sistema de medio, espera-se observar a mnima variao de pea-a-pea, mas o mximo de variao entre as peas (indica que elas so diferentes umas das outras)
5-25
REVISO 2008

Tipos de Anlises
Dados Contnuos
- Mostra a mdia (crculos) e a variao dos valores para cada operador - Para se ter o mnimo de reprodutibilidade, uma linha horizontal esperada, ligando as mdias das leituras dos operadores
5-26
REVISO 2008

Tipos de Anlises
Dados Contnuos
- Mostra possveis interaes entre as peas e os operadores - No h nenhuma interao se as linhas dos operadores forem paralelas quando analisadas pea-a-pea - Se houver algum tipo de cruzamento de linhas (como colocado em destaque acima), h evidncias de efeitos de interao
5-27
REVISO 2008

Tipos de Anlises
Dados Contnuos
Observe na Session do Minitab: = %R&R (valor acima de 30% tolervel) = %P/T (valor acima de 30% tolervel)
UMA VEZ QUE O SISTEMA DE MEDIO NO ACEITVEL, DEVE-SE ENCONTRAR OS MOTIVOS DESTES PROBLEMAS, TOMAR AES DE MELHORIA E REFAZER OS TESTES PARA VERIFICAR A EFICCIA DAS AES
Dentro da faixa aceitvel !
5-28
REVISO 2008

Estudos No-Destrutivos Exerccio: Divida a sala em grupos, de tal forma que tenha-se: - 5 pessoas que serviro como peas para o exerccio - 3 pessoas que sero os medidores (operadores) - 1 pessoa que ser a responsvel pela consolidao dos resultados
Tipos de Anlises
Dados Contnuos
Exerccio
O objetivo do exerccio verificar a capacidade do sistema de medio (rgua, procedimentos e operadores) do antebrao. Basicamente, sero 3 medies feitas por cada um dos operadores em 10 antebraos diferentes. Siga as instrues na seqncia para coleta das informaes. Insira-as no Minitab e aguarde para realizar os estudos e anlises.
5-29
REVISO 2008

Tabela para coleta de informaes:
Operador Operador 1 Pea 1 Pea 2 Pea 3 Pea 4 Pea 5 Pea Pea 6 Pea 7 Pea 8 Pea 9 Pea 10 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Operador 2 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Operador 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3 Leitura 1, 2, 3
Tipos de Anlises
Dados Contnuos
Exerccio
5-30
REVISO 2008

Assim devem ser inseridas as informaes no Minitab:
Tipos de Anlises
Dados Contnuos
Exerccio
3 OPERADORES, COM 3 REPETIES POR CADA OPERADOR
10 PEAS DISTINTAS VALORES MEDIDOS
5-31
REVISO 2008
Tipos de Anlises
Dados Contnuos
Exerccio
Para inserir as informaes no Minitab da maneira mostrada na pgina anterior, podemos utilizar alguns recursos, conforme os comandos na seqncia: 1- Digite os nomes das colunas apropriadas (pea, operador, repetio e valor medido):
5-32
REVISO 2008

2- Inserir os valores das peas (lembrando que sero 10 no total):
Tipos de Anlises
Dados Contnuos
Exerccio
10 PEAS NO TOTAL
2 REPETIES PARA 3 OPERADORES DIFERENTES
5-33
REVISO 2008

3- Inserir os operadores (lembrando que sero 3 no total):
Tipos de Anlises
Dados Contnuos
Exerccio
3 OPERADORES NO TOTAL
2 REPETIES PARA 10 PEAS DIFERENTES
5-34
REVISO 2008
Tipos de Anlises
Dados Contnuos
Exerccio
4- Inserir as repeties por cada operador (lembrando que sero 2 no total):

2 REPETIES NO TOTAL
3 OPERADORES COM 10 PEAS DIFERENTES
5-35
REVISO 2008
Tipos de Anlises
Dados Contnuos
Exerccio
Com a tabela em mos, colete os dados. Cuidado ao realizar os testes tomando as informaes de maneira aleatria. Uma sada seria usar o Minitab para gerar uma seqncia aleatria de dados:
CRIE UMA COLUNA CHAMADA ORDEM ALEATRIA
Este comando garante a gerao de uma base de dados comum a todos (mais sem uma ordem padro)
5-36
REVISO 2008

TOTAL
Tipos de Anlises
Dados Contnuos
60 TESTES NO
Exerccio
5-37
REVISO 2008
Tipos de Anlises
Dados Contnuos
Exerccio
Com a seqncia aleatria em mos, basta organizar a tabela tomando-se este indicador como referncia, conforme comando abaixo:
5-38
REVISO 2008
Tipos de Anlises
Dados Contnuos
Exerccio
TODAS AS COLUNAS A SEREM SELECIONADAS PARA ANLISE
UTILIZAR ORDEM ALEATRIA COMO PADRO
SUBSTITUIR AS COLUNAS ORIGINAIS
5-39
REVISO 2008

Tipos de Anlises
Dados Contnuos
Exerccio
Basta agora realizar as coletas das informaes conforme procedimento experimental definido pela equipe e realizar as anlises do sistema de medio utilizando os comandos e recursos do Minitab colocados nas pginas anteriores. Em se observando problemas com o sistema de medio, procure tambm avaliar com o grupo de trabalho, os motivos das falhas, bem como indicar aes de melhoria para os mesmos.
5-40
REVISO 2008
Dados Destrutivos
5-41
REVISO 2008

Estudos Destrutivos
Tipos de Anlises
Dados Contnuos
Exemplo: toma-se uma barra de ferro deseja-se saber qual fora necessria ser aplicada para se romper com as propriedades de trao do material. Em outras palavras, vai ser tomada apenas 1 barra de ferro e esta ser submetida a um ensaio/ teste que destruir todas as suas caractersticas iniciais ou seja, ser realizado um ensaio destrutivo. O raciocnio o mesmo colocado para os estudos no-destrutivos: a nica correo feita quando deseja-se medir a mesma pea mais de uma vez ( impossvel, j que a pea inicial sofreu deformao). Assume-se, portanto, que as peas dentro de um mesmo lote / corrida tm caractersticas idnticas.
5-42
REVISO 2008

Estudos Destrutivos
Tipos de Anlises
Dados Contnuos
Alguns cuidados que podem ser tomados na preparao das peas da amostra: - Homogeneizao: garantir que a pea original esteja com as mesmas caractersticas em todas as suas partes estas serviro como corpos-de-prova para uma mesma amostra.
Apesar de fsica e quimicamente diferentes, as alquotas das barras so consideradas idnticas para realizao do estudo
5-43
REVISO 2008

Estudos Destrutivos
Tipos de Anlises
Dados Contnuos
Uso do Minitab
Abra o arquivo Gage RR Destrutivo.MTW. Avalie o % de contribuio neste caso em que ocorre a destruio dos corpos de prova.
5-44
REVISO 2008

Estudos Destrutivos
Tipos de Anlises
Dados Contnuos
Uso do Minitab
As anlises e regras do grfico abaixo so as mesmas do grfico para ensaios no-destrutivos. Observe somente que, devido a premissa de que as amostras utilizadas so idnticas (quando retiradas de um mesmo lote) e quando na verdade no so o valor da repetibilidade acaba sendo mais alto (e muitas vezes o problema no est no equipamento, e sim a variao das mesmas amostras que ocasiona tal fenmeno).
5-45
REVISO 2008

Estudos Destrutivos
Tipos de Anlises
Dados Contnuos
Uso do Minitab
Observe novamente a grande variao da repetibilidade e tambm a baixa discriminao do sistema de medio.
5-46
REVISO 2008
Dados Discretos
5-47
REVISO 2008
Tipos de Anlises
Dados Discretos
A avaliao de sistemas de medio para dados discretos bastante importante e pode indicar vrios pontos de melhoria no processo como um todo. So exemplos de algumas aplicaes deste estudo: - Determinar se algumas inspees so efetivas na seleo de produtos (celulares, caixas, equipamentos eletrnicos...); - Determinar a efetividade de sistema de qualidade assegurada em servios de atendimento a clientes (call center, indicadores de satisfao de funcionrios...); - Avaliar a efetividade de sistema de auditoria interno; - Estudar a assertividade na gerao de relatrios financeiros e gerenciais.
5-48
REVISO 2008

Conceitos Bsicos: Exatido: obter o resultado correto
Tipos de Anlises
Dados Discretos
Preciso: obter a mesma resposta repetidamente na mesma unidade. Em outras palavras, um inspetor (e at diferentes inspetores) deveriam chegar ao mesmo resultado ao repetir a inspeo de um item em particular (concordncia). Logo que definies operacionais adequadas forem estabelecidas, preciso aplicar treinamento para assegurar que aqueles que esto executando as inspees as entendem da mesma maneira (Preciso) -- e da maneira correta (Exatido) . . . Calibragem! Testes de rotina peridicos deveriam ser conduzidos para avaliar o desempenho do processo de medio com o tempo, para ver se est correto (Exatido) e de acordo (Preciso). Obs.: Dependendo do processo, a concordncia pode envolver no apenas a concordncia de um operador para outro, mas tambm a concordncia/consistncia dos resultados para um operador em particular.
5-49
REVISO 2008

Recomendaes para Utilizao do Sistema de Medio: - Incluir pelo menos 10 amostras distintas; - Utilizar de 2 a 3 operadores; - Cada amostra deve ser avaliada de 2 a 3 vezes por cada operador;
Tipos de Anlises
Dados Discretos
- Incluir amostras a serem classificadas como boas e outras como ruins procure colocar metade da quantidade de amostras em cada regio de aceitao; - Obter, se possvel, a avaliao de um expert para cada amostra esta ser a resposta tida como referncia; - Aleatorizar a seqncia de avaliao de cada um dos operadores.
5-50
REVISO 2008

Mtodo Kappa para Avaliao: - Usado para dados discretos (nominais) - Faixas de valores entre -1 e +1 de concordncia, sendo que: - o nvel +1 indica total concordncia - o nvel -1 indica total discordncia - Teste estatstico a ser executado: - H0: Kappa = 0 (no h concordncia ou discordncia) - Ha: Kappa 0 (h concordncia ou discordncia) - Valores de Referncia para o Teste Kappa: - Sistema de medio aceitvel: effectiveness 90%
Tipos de Anlises
Dados Discretos
- Sistema de medio parcialmente aceitvel: 80% effectiveness < 90% - Sistema de medio inaceitvel: effectiveness < 80%
5-51
REVISO 2008

Mtodo Kappa para Avaliao: Utilizando o Minitab
Tipos de Anlises
Dados Discretos
Exemplo: Operadores de call center so responsveis por atender perguntar sobre anlises de cartes de crdito. 4 operadores, selecionados aleatoriamente, responde 10 perguntas, 2 vezes cada uma das questes, de maneira aleatria. H consistncia nas respostas analisadas pelos operadores? Podemos dizer que o sistema de medio confivel? Os dados esto colocados no arquivo RR Discreto.MTW.
5-52
REVISO 2008

Tipos de Anlises
Dados Discretos
10 questes diferentes
Respostas obtidas
4 operadores: Ana, Bruno, Flvio e Marcos
Respostas corretas (padro)
5-53
REVISO 2008

Tipos de Anlises
Dados Discretos
Selecione para dados ordinais
5-54
REVISO 2008

Tipos de Anlises
Dados Discretos
% CONCORDNCIA DOS OPERADORES AO LONGO DO TEMPO PARA A MESMA PEA (AVALIAO GRFICA DA PRECISO)
% CONCORDNCIA ENTRE OS OPERADORES E O PADRO (AVALIAO GRFICA DA EXATIDO)
5-55
REVISO 2008

Tipos de Anlises
Dados Discretos
Avaliao dos Operadores (mltiplas medies ao longo do tempo)
100% DE CONCORDNCIA QUANDO OS OPERADORES LERAM AS MESMAS PEAS MAIS DE UMA VEZ
KAPPA = 1, INDICANDO QUE O SISTEMA DE MEDIO ACEITVEL
5-56
REVISO 2008

Mtodo Kappa para Avaliao: Utilizando o Minitab Avaliao entre Operadores
Tipos de Anlises
Dados Discretos
KAPPA = 0,9085, INDICANDO QUE O SISTEMA DE MEDIO ACEITVEL
5-57
REVISO 2008

Mtodo Kappa para Avaliao: Utilizando o Minitab Avaliao entre Operadores e o Padro
Tipos de Anlises
Dados Discretos
KAPPA = 0,9550, INDICANDO QUE O SISTEMA DE MEDIO ACEITVEL
5-58
REVISO 2008

Mtodo Kappa para Avaliao: Exerccio
Tipos de Anlises
Dados Discretos
Retomando os grupos de trabalho do incio do mdulo (M&Ms): faremos a avaliao do sistema de medio de M&Ms com e sem defeitos. - Indique 3 operadores a serem usados nos ensaios. Separe-os do restante do grupo; - O grupo deve selecionar aleatoriamente 10 M&Ms e numere-os de 1 a 10; - Na mesma equipe, defina critrios de qualificao dos M&Ms entre bons e ruins anote os resultados de cada amostra; - Com os operadores, treine-os sobre os critrios a serem utilizados na avaliao; - Proceda a avaliao dos 10 M&Ms com cada um dos operadores executando a atividade com 2 repeties; - Anote os resultados e utilize o Minitab para a avaliao de todo o sistema de medio, utilizando os conceitos vistos nas pginas anteriores.
5-59
REVISO 2008
Plano de Coleta de Dados
5-60
REVISO 2008

Ao desenvolver o plano de coleta de dados, devemos nos atentar para que: - Os dados apresentem significado fsico - Os dados sejam vlidos - Todas as variveis de entrada e sada (ou sejam, que apresentem inter-relao) sejam coletadas ao mesmo tempo Alguns questionamentos importantes: - Quais dados sero exatamente medidos? - Medidas de performance ? - Causas dos defeitos do processo ? - Analisaremos todos os dados ou apenas uma amostra ? - Qual o tamanho correto da amostra ? - Qual a freqncia adequada de coleta de dados ? - Qual o mtodo mais adequado para seleo de dados ? - Quais so as ferramentas necessrias ? - Quais relatrios sero utilizados ? - Quais bases de dados sero tomadas ? - Ser necessrio um computador ?
5-61
REVISO 2008

- Quais so os recursos a serem utilizados? - Quem ser o responsvel pela coleta dos dados ? - Outras reas ou pessoas devero participar do processo ? - Onde as informaes esto disponveis ? - Quando os dados sero coletados ? - Por quanto tempo os dados sero coletados ?
- O que deseja-se fazer com os dados coletados ? - Usar diariamente, semanalmente para anlises e relatrios ? - Identificar tendncias no processo ? - Identificar deficincias nos processo ? - Demonstrar a performance atual do processo ? - Identificar variaes no processo ? - Estabelecer relaes causa-e-efeito ? Na pgina seguinte, encontra-se um exemplo de tabela que pode auxiliar na coleta de dados de um processo.
5-62
REVISO 2008

Indicador Definio Operacional Fonte dos Dados Tamanho da Amostra Resp. pela Coleta dos Dados Quando os Dados Sero Coletados Como os Dados Sero Coletados Outros Dados que Devem ser Coletados ao Mesmo Tempo
Como os dados sero utilizados?
Como os dados sero mostrados?
Exemplos:
-
Exemplos:
-
Identificao dos maiores ofensores Identificao se dados seguem a normalidade Anlises de causa e efeito Anlises de correlao
Diagrama de Pareto Histograma Grficos de Tendncia Grficos de Disperso
5-63
REVISO 2008
Coletar os Dados
Dados Contnuos
5-64
REVISO 2008
Coleta de Dados
Exerccio Prtico 01: Catapulta Imagine o seguinte processo colocado na seqncia ele conhecido como exerccio da catapulta. Basicamente, o objetivo da catapulta atingir um certo alvo colocado a qualquer distncia em relao a sua base desta forma, encontrar os parmetros que otimizam este lanamento fundamental para este processo. Dividam-se em equipes. Cada equipe dever ter o lder de projeto que ser responsvel por emitir o relatrio final da atividade. Neste relatrio, deve-se conter o plano de coleta de informaes do processo. Depois de preparado o plano de coleta de dados, realize a coleta das informaes. As diretrizes e dicas de como ordenar os dados no Minitab podem ser observadas na prxima pgina.
5-65
REVISO 2008
Coleta de Dados
1- Abra um novo arquivo em Minitab 2- Um turno de catapulta constitui-se de 5 tiros (a cada turno troca-se os elsticos) 3- O processo ser executado durante 6 dias (2 turnos por dia) 4- Deve-se variar o ngulo de lanamento (tiro 1 :1300, tiro 2 : 1400, tiro 3 : 1500, tiro 4 : 1600, tiro 5 : 1700 ) 5 - A cada turno troca-se de operador (aps 3 dias voltam os mesmos operadores em ordem inversa) 6 - As 4 balas so trocadas aleatoriamente (ver pgina seguinte para gerao de nmeros aleatrios em Minitab) 7 - Deve ser medida a distncia do lanamento 8 Salve o arquivo como Excatapulta.mtw
5-66
REVISO 2008
Coleta de Dados
Basicamente, o esquema abaixo retrata o processo a ser trabalhado com a catapulta:
4 BOLAS ESPALHADAS DE MANEIRA ALEATRIA!
Dia 01
OPERADOR A
Dia 02
OPERADOR C
Dia 03
OPERADOR E
Dia 04
OPERADOR F
Dia 05
OPERADOR D
Dia 06
OPERADOR B
Turno 01 (elstico 01)
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
OPERADOR B
OPERADOR D
OPERADOR F
OPERADOR E
OPERADOR C
OPERADOR A
Turno 02 (elstico 02)
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
#1: #2: #3: #4: #5:
130 140 150 160 170
5-67
REVISO 2008
Coleta de Dados
Podemos utilizar o Minitab para construir a tabela de gerao dos dados a serem coletados: 1- Digite os nomes das colunas que sero utilizadas no exerccio:
2- Inserir as informaes referentes varivel elstico:
5-68
REVISO 2008
Coleta de Dados
Podemos utilizar o Minitab para construir a tabela de gerao dos dados a serem coletados: 3- Inserir as informaes referentes varivel ngulo:
4- Inserir as informaes referentes varivel operador
5-69
REVISO 2008
Coleta de Dados
Podemos utilizar o Minitab para construir a tabela de gerao dos dados a serem coletados: 5- Inserir as informaes referentes varivel bala Lembrando que deve-se seguir uma ordem aleatria:
5-70
REVISO 2008
Coleta de Dados
Basta agora desenvolver a coleta de dados, levando-se em conta as discusses de como se obter os dados, procedimentos experimentais e entendimento do processo. Anote os resultados na coluna adequada. No se esquea de salvar o arquivo!
5-71
REVISO 2008
Coletar os Dados
Dados Discretos
5-72
REVISO 2008
Coleta de Dados
Exerccio Prtico 02: Anlise de Performance de Entregas
Imagine um processo em que deseja-se entender como est a atual performance de entregas de um grande portal de distribuio da internet. Os 2 grandes requerimentos dos clientes so pontualidade e exatido do produto entregue. Os dados esto colocados no arquivo em Excel chamado Nvel de Servios.XLS Aproveitando-se da base de dados disponvel (atravs do ERP da empresa), foram coletados potenciais dados (cliente, ms, regio, produto, formato e vendedor) que podem fornecer pistas e indicativos de quais so os motivos dos problemas levantados: estas informaes esto no arquivo: Potenciais Causas.XLS. Os dados so referentes ao ano fiscal de 2005. Individualmente, monte uma tabela no Minitab relacionando todos os dados coletados nas duas planilhas. No se esquea de salvar o arquivo (sugesto: Nvel de Servio.MTW).
5-73
REVISO 2008
Anlise Exploratria dos Dados
5-74
REVISO 2008
Aps coletar os dados, podemos partir para a anlise exploratrio dos resultados, afim de se observar: - Potenciais indcios de problemas na coleta dos dados (tendncias, pontos extremos e etc.) - Auxiliar na melhor compreenso do fenmeno estudado - Identificao dos pontos em que as aes de melhoria so requeridas - Identificao da necessidade de se utilizar ferramentas e recursos mais robustos e sofisticados na anlise das causas-razes dos problemas
5-75
REVISO 2008
Exerccio
Retome os dados coletados nos 2 tpicos apresentados anteriormente, tanto para o exemplo envolvendo a catapulta como para do nvel de servio. Os arquivos esto nomeados como Excatapulta.MTW e Nvel de Servios.MTW, respectivamente. O objetivo neste momento utilizar as ferramentas grficas colocadas neste captulo para entender um pouco mais se os dados podem ser considerados corretos e confiveis, se h algum fator que j neste momento chama a ateno para que seja melhor analisado posteriormente; enfim, realizar uma anlise exploratria das informaes. Antes de realizar os estudos no Minitab, avalie quais sero as ferramentas aqui expostas que sero utilizadas, bem como a forma que sero executadas. Esta atividade faz parte do plano de anlise dos dados. Aps realizado o planejamento das ferramentas, utilize o Minitab e anote os resultados nas pginas seguintes.
5-76
REVISO 2008

Catapulta
Resultado das Anlises
Exerccio
X1: Elstico X2: ngulo X3: Operador X4: Bala
Y: Distncia
CATAPULTA
Resultados:
Y: Distncia
No Impacta No possvel concluir
Comentrios:
X1: Elstico X2: ngulo X3: Operador X4: Bala
Impacta
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
5-77
REVISO 2008

Nvel de Servio
X1: Cliente X2: Ms X3: Produto X4: Regio X5: Formato X6: Vendedor Y1: Prazo
Impacta No Impacta No possvel concluir Impacta
Resultado das Anlises

Y1: Prazo Y2: Correto
Exerccio
NVEL DE SERVIO
Resultados:
Y2: Correto
No Impacta No possvel concluir
X1: Cliente X2: Ms X3: Produto X4: Regio X3: Formato X6: Vendedor
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta No Impacta
No possvel concluir No possvel concluir
Impacta
No Impacta No Impacta
No possvel concluir No possvel concluir
Impacta
Impacta
Impacta
No Impacta
No possvel concluir
Impacta
No Impacta
No possvel concluir
5-78
REVISO 2008
OEE, FTT, RTY

- Overall Equipment Efficiency - First Time Through - Rolled Throughput Yield
6-1
REVISO 2008
OEE
Overall Equipment Efficiency

6-2
REVISO 2008
OEE
TEMPO CALENDRIO (DECIDIDO PARA A PRODUO) = TD
Avaliao da Manuteno
TEMPO DE CARGA = TC
PARADAS PLANEJADAS
TEMPO DE OPERAO = TO
PERDAS POR PARADAS
TEMPO EFETIVO DE OPERAO = TEO
PERDAS POR VELOCIDADE
TEMPO EFETIVO DE PRODUO = TEP
PERDAS POR DEFEITOS
6-3
REVISO 2008
OEE
TEMPO CALENDRIO (DECIDIDO PARA A PRODUO) = TD
Mtricas
TEMPO DE CARGA = TC
ITO (NDICE DE TEMPO OPERACIONAL) CAPACIDADE PADRO > 90% IDO (NDICE DE DESEMPENHO OPERACIONAL) PRODUTIVIDADE PADRO > 95% IPA (NDICE DE PRODUTOS APROVADOS) QUALIDADE PADRO > 99%
6-4
REVISO 2008
OEE
Mtricas
OEE (OVERALL EQUIPMENT EFFICIENCY)

Eficincia Global do Equipamento PADRO > 85%
OEE = ITO x IDO x IPA
ITO = TC TEMPO DE PARADA TC IDO = CICLO PADRO * QUANTIDADE PRODUZIDA TO IPA = QTDADE PRODUZIDA QTDADE DEFEITUOSOS QTDADE PRODUZIDA
6-5
REVISO 2008
OEE
Exerccio
A grfica de uma empresa funcionou 5 dias em uma semana de 2 turnos dirios de 8 horas, sendo que um total de 125 minutos foram dedicados manuteno preventiva de uma mquina impressora de etiquetas adesivas. A referida mquina tem uma capacidade nominal de produo de 50 etiquetas por minuto, e nesta semana, sua produo alcanou um total de 79.000 unidades. O departamento de qualidade do produto final, entretanto, reportou que 5% foram consideradas reprovadas por falta de qualidade. A durao das paradas que ocorreram durante o tempo com carga foram levantadas e esto colocadas abaixo: - Paradas por falhas nas mquinas = 80 minutos - Paradas por set up = 220 minutos - Paradas para ajustes = 150 minutos Qual foi o Rendimento Operacional Global (OEE) da mquina neste perodo? Comente os resultados.
6-6
REVISO 2008
FTT
First Time Through

6-7
REVISO 2008
FTT First Time Through
Conceitos
Certo da primeira vez (First Time Through - FTT): mede a percentagem de unidades que passam pelo processo de produo, sem ocorrer sucatamento, reprocessamento, reteste, retorno s etapas anteriores ou desviadas para rea de reparo. FTT tambm se aplica aos processos relacionados aos servios da organizao (reas administrativas). Como medir? unidades na entrada do processo ( sucata + reprocesso + reteste + reparos FTT = fora da linha + retornos) unidades na entrada do processo
Nota: unidades pode ser produtos acabados, peas, componentes, servios, notas de vendas, ....
6-8
REVISO 2008
FTT First Time Through

Sucata: 2 Entrada Sucata: 1 Sucata: 4
Exerccio
Sada
100 unidades Processo A YA
90
8
Processo B Yb
85
8 4
Processo C Yc
75
8 4 6
Perfeitas
Retrabalhadas
Retrabalho: 8
Retrabalho: 4
Retrabalho: 6
Rendimento (eficincia) fbrica escondida: R= Certo da primeira vez (FTT) de cada processo: YA = FTT = ; YB = e YC =
6-9
REVISO 2008
RTY
Rolled Throughput Yield

6-10
REVISO 2008
RTY Rolled Throughput Yield
Conceitos
Mtrica que avalia a probabilidade de um processo ser realizado sem a ocorrncia de um defeito. O que significa? O RTY equivale probabilidade de um produto ou servio ser feito atravs de um processo de mltiplas etapas, sem ocorrer sucateamento ou retrabalho. Por que usar? Para determinar o rendimento verdadeiro de um processo, incluindo a fbrica escondida. A fbrica escondida no adiciona Valor ao Cliente e inclui consertar coisas que no foram feitas do modo correto, da primeira vez.
6-11
REVISO 2008

Como medir? Mtodo 1 Descrio
Conceitos
DPU final: quando s so conhecidos ao final do processo o nmero de unidades produzidas e defeitos DPU rendimentos individuais: quando so conhecidos os rendimentos para cada tipo especfico de oportunidade para um defeito.
Conceitos importantes: Defeito: algo que no est conforme com um padro conhecido e aceito pelo Cliente. Unidade: produto, informao ou servio usado ou comprado por um Cliente. Oportunidade para um defeito: uma caracterstica medida em uma unidade que deve estar conforme em relao ao padro do Cliente (ex: o dimetro de um parafuso, o tempo para entregar um pacote ou o endereo em um formulrio).
6-12
REVISO 2008

Conceitos importantes (cont.)
Conceitos
Defeituoso: quando a unidade inteira inaceitvel devido a qualquer uma das oportunidades para um defeito. Entendimento Mtodo 1
Defeito Considerando que qualquer um defeito pode causar uma unidade de ser defeituosa, leva a acreditar que o rendimento do processo seja 50%. No entanto, no a estria completa. Assumindo que os defeitos so aleatoriamente distribudos, a distribuio de Poisson pode ser usada para estimar o nmero de unidades com Zero Defeitos, ou seja, o RTY. RTY = e-DPU
6-13
REVISO 2008

Entendimento Mtodo 1 (cont.)
Conceitos
Na figura anterior, existem 8 defeitos em 6 unidades, resultando um DPU = 1,33 (ou seja, 8/6 = 1,33).
Substituindo na frmula:
RTY = e-DPU
RTY = e-1,33
RTY = 0,264
Com os clculos, o processo pode esperar, em mdia, apenas 26,4% sem defeitos (sucatamento ou retrabalho). Isso bastante diferente da idia de fosse 50% livre de defeitos!
6-14
REVISO 2008

Entendimento Mtodo 2
Conceitos
Se, em uma unidade, o rendimento de cada oportunidade para um defeito conhecida (ou seja, os cinco rendimentos para cada oportunidade na figura anterior), ento, esses rendimentos podem ser multiplicados juntos para determinar o RTY.
Os rendimentos para cada uma das oportunidades para um defeito, so conhecidos como rendimentos de sadas, que so calculados da seguinte forma:
YTP = e-DPU
Para uma oportunidade especfica para um defeito de dados atributos e, Para dados contnuos, onde P(defeito) a probabilidade de ocorrncia de um defeito, com base na distribuio normal.
YTP = 1 P(defeito)
6-15
REVISO 2008

Entendimento Mtodo 2 (cont.)
Conceitos
Na figura a seguir, apresentada uma unidade da figura anterior, na qual os respectivos YTPs para cada oportunidade de um defeito, foram medidas em muitas unidades. Rendimento de sada de cada oportunidade para um defeito YTP = 53,6% YTP = 97,6% YTP = 87,5% YTP = 98,1% YTP = 69,9%
RTY = 0,536*0,976*0,875*0,981*0,699 = 0,314
Multiplicando esses rendimentos de sada, obtm-se o rendimento global RTY:
De acordo com esses clculos, em mdia, pode ser esperado 31,4% unidades livres de defeitos (sem sucatamento ou retrabalho).
6-16
REVISO 2008
FTT e RTY
Diferenas
O RTY baseado no nmero de defeitos por oportunidade (DPO Defeitos Por Oportunidade). Uma oportunidade algo que medido, testado ou inspecionado. Isso pode ser uma caracterstica de um pea, produto ou servio que crtica aos requisitos e expectativas de qualidade do Cliente.
Em qu o RTY diferente do FTT? - FTT: mede o quo bem a organizao cria unidades de produtos ou servios. - RTY: mede o quo bem a organizao cria qualidade. - FTT: mede no nvel da unidade de produto e descobre as peas defeituosas. - RTY: mede no nvel de defeito e descobre quantos defeitos tem uma pea.
6-17
REVISO 2008
FTT e RTY
Calcule o RTY para os casos abaixo:
Exerccios
1- Pea com 4 oportunidades de defeitos; amostra = 450 unidades; 23 defeitos encontrados.
2- 397 notas fiscais emitidas, com 5 oportunidades e total de 57 defeitos.
6-18
REVISO 2008
Capabilidade
7-1
REVISO 2008
Conduzindo Estudos de Capabilidade

COLETA DE DADOS
DISTRIB. NORMAL OU NO NORMAL?
NORMAL
NO-NORMAL
NORMAL
Y CONTNUO OU DISCRETO?
CONTNUO
- SUBGRUPO - ZST = ZLT + 1,50

OPCIONAL
CAPABILIDADE UTILIZANDO: - DADOS COLETADOS

<MINITAB: STAT> QUALITY TOOLS> CAPABILITY ANALYSIS> NORMAL>
DISCRETO
TRANSFORMAO BOX COX: - RESPOSTA: NOVA CURVA AJUSTADA

<MINITAB: STAT> CONTROL CHARTS>BOX COX TRANSFORMATION
NONORMAL
ENCONTRAR MELHOR CURVA AJUSTADA

<MINITAB: STAT> RELIABILITY SURVIVAL> DISTRIBUTION ANALYSIS> DISTRIBUTION ID PLOT>
CAPABILIDADE : - UNIDADES - OPORTUNIDADES - DEFEITOS

<CAPABILIDADE_ATRIBUTO.XLS>
NONORMAL DISCRETIZAO

<MINITAB: STAT> QUALITY TOOLS> CAPABILITY ANALYSIS> NONORMAL>
7-2
REVISO 2008

Defeitos por Milho de Oportunidades
1.000.000 ZLT ZSHIFT = 1,50 ZST

ZLT
100.000 10.000
ZSHIFT = 1,50 ZLT
ZST ZST
ZSHIFT = 1,50 ZLT
1.000 100 10 1
ZSHIFT = 1,50 ZLT
ZST
ZSHIFT = 1,50 ZLT
ZST
ZSHIFT = 1,50
ZST
3
Nvel Sigma
7-3
REVISO 2008

Retomando os conceitos da curva Normal:
40% 30% 20% 10% 0% 4 3 2 1
68%
95%
99,73%
+1
+2 +3
+4
Eixo X
p(x > a) =
a
1 e-(1/2)[(x - )/]2 dx 2
Substituindo-se os valores de , e X (dado no eixo X), chega-se probabilidade de ocorrncia colocada acima.
7-4
REVISO 2008
O Clculo de Z Transformado
Dados Contnuos
Distribuio Normal
Com os conceitos vistos anteriormente, podemos agora associar curva que representa o processo estudado o valor de Z. O valor da estatstica Z a distncia de um valor x qualquer at a mdia em quantidade de desvios-padro
VALOR FIXADO NO EIXO X
MDIA POPULACIONAL VALOR DE Z
x- Z=
7-5
CALCULADA
DESVIO PADRO POPULACIONAL CALCULADA
REVISO 2008
O Clculo de Z Transformado
Dados Contnuos
Distribuio Normal
40% 30% 20% 10% 0%

-4
68%
95%
99,73%
-3 3
-2
-1
1 +1
4 +4
Eixo Z
2 1
+2 +3
Eixo X
7-6
REVISO 2008
Distribuio da Populao Abaixo da Curva de Probabilidade Normal Padro
Dados Contnuos
Distribuio Normal
Z>0
Para qualquer valor z especfico, a rea abaixo da curva direita de z igual a probabilidade que um membro da populao (x) selecionado ao acaso ir medir igual ou maior que z.
P{x > z}
Z<0
Da mesma forma, para -z, a rea abaixo da curva esquerda de -z igual a probabilidade que um membro da populao (x) selecionado ao lu ir medir igual ou menor que z.
P{x > z}
z
7-7
REVISO 2008
Dados Contnuos
Distribuio Normal
Exerccio: Certa vez, estudou-se que a distribuio dos dados do tempo de espera na fila de transplante de crneas no Brasil seguia uma distribuio normal com uma mdia de 266 dias e com um desvio padro de 16 dias. Baseado nestes dados, qual a probabilidade de uma pessoa realizar um transplante em menos de 234 dias ou de mais de 282 dias? Desenhe na parte inferior da pgina a curva associada a este exemplo, representando como sero feitos os clculos.
7-8
REVISO 2008
Dados Contnuos
Distribuio Normal
Sabemos, ento, que o termo usado para normalizar a distribuio dos dados a estatstica Z, que uma relao de dois valores absolutos e, portanto, sem dimenso. Como faremos quando o valor da estatstica Z for diferente de 0; +1; +2; +3
z=
z
(x - )
+1
+2 X
+3
+4
7-9
REVISO 2008
LINHA
Tabela da Estatstica Z
Z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 COLUNA 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9
0 5.00E-01 4.60E-01 4.21E-01 3.82E-01 3.45E-01 3.09E-01 2.74E-01 2.42E-01 2.12E-01 1.84E-01 1.59E-01 1.36E-01 1.15E-01 9.68E-02 8.08E-02 6.68E-02 5.48E-02 4.46E-02 3.59E-02 2.87E-02 2.28E-02 1.79E-02 1.39E-02 1.07E-02 8.20E-03 6.21E-03 4.66E-03 3.47E-03 2.56E-03 1.87E-03 1.35E-03 9.68E-04 6.87E-04 4.84E-04 3.37E-04 2.33E-04 1.59E-04 1.08E-04 7.25E-05 4.82E-05 3.18E-05 2.08E-05 1.34E-05 8.62E-06 5.48E-06 3.45E-06 2.15E-06 1.33E-06 8.18E-07 4.98E-07
0.01 4.96E-01 4.56E-01 4.17E-01 3.78E-01 3.41E-01 3.05E-01 2.71E-01 2.39E-01 2.09E-01 1.81E-01
0.02 4.92E-01 4.52E-01 4.13E-01 3.75E-01 3.37E-01 3.02E-01 2.68E-01 2.36E-01 2.06E-01 1.79E-01
0.03 4.88E-01 4.48E-01 4.09E-01 3.71E-01 3.34E-01 2.98E-01 2.64E-01 2.33E-01 2.03E-01 1.76E-01 1.52E-01 1.29E-01 1.09E-01 9.18E-02 7.64E-02 6.30E-02 5.16E-02 4.18E-02 3.36E-02 2.68E-02 2.12E-02 1.66E-02 1.29E-02 9.90E-03 7.55E-03 5.70E-03 4.27E-03 3.17E-03 2.33E-03 1.70E-03 1.22E-03 8.74E-04 6.19E-04 4.34E-04 3.02E-04 2.08E-04 1.42E-04 9.59E-05 6.42E-05 4.26E-05 2.80E-05 1.82E-05 1.18E-05 7.53E-06 4.77E-06 3.00E-06 1.87E-06 1.15E-06 7.05E-07 4.28E-07
Exemplo : Probabilidade de z>1,25 1,25 = 1,2 + 0,05

COLUNA LINHA
1.56E-01 1.5 39E01 1.34E-01 1.31E-01 1.13E-01 1.11E-01 9.51E-02 9.34E-02 7.93E-02 7.78E-02 6.55E-02 6.43E-02 5.37E-02 5.26E-02 4.36E-02 4.27E-02 3.52E-02 3.44E-02 2.81E-02 2.74E-02 2.22E-02 1.74E-02 1.36E-02 1.04E-02 7.98E-03 6.04E-03 4.53E-03 3.36E-03 2.48E-03 1.81E-03 1.31E-03 9.35E-04 6.64E-04 4.67E-04 3.25E-04 2.24E-04 1.53E-04 1.04E-04 6.96E-05 4.63E-05 3.05E-05 1.99E-05 1.29E-05 8.24E-06 5.23E-06 3.29E-06 2.05E-06 1.27E-06 7.79E-07 4.73E-07 2.17E-02 1.70E-02 1.32E-02 1.02E-02 7.76E-03 5.87E-03 4.40E-03 3.26E-03 2.40E-03 1.75E-03 1.26E-03 9.04E-04 6.41E-04 4.50E-04 3.13E-04 2.16E-04 1.47E-04 9.97E-05 6.69E-05 4.44E-05 2.92E-05 1.91E-05 1.23E-05 7.88E-06 5.00E-06 3.14E-06 1.96E-06 1.21E-06 7.41E-07 4.50E-07
= 1,06 E-01 = 0,106 (dica: -01 a quantidade de 0 ao lado esquerdo do nmero) =10,6 %
7-10
REVISO 2008
LINHA
Z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 COLUNA 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9
0 5.00E-01 4.60E-01 4.21E-01 3.82E-01 3.45E-01 3.09E-01 2.74E-01 2.42E-01 2.12E-01 1.84E-01 1.59E-01 1.36E-01 1.15E-01 9.68E-02 8.08E-02 6.68E-02 5.48E-02 4.46E-02 3.59E-02 2.87E-02 2.28E-02 1.79E-02 1.39E-02 1.07E-02 8.20E-03 6.21E-03 4.66E-03 3.47E-03 2.56E-03 1.87E-03 1.35E-03 9.68E-04 6.87E-04 4.84E-04 3.37E-04 2.33E-04 1.59E-04 1.08E-04 7.25E-05 4.82E-05 3.18E-05 2.08E-05 1.34E-05 8.62E-06 5.48E-06 3.45E-06 2.15E-06 1.33E-06 8.18E-07 4.98E-07
0.01 4.96E-01 4.56E-01 4.17E-01 3.78E-01 3.41E-01 3.05E-01 2.71E-01 2.39E-01 2.09E-01 1.81E-01
0.02 4.92E-01 4.52E-01 4.13E-01 3.75E-01 3.37E-01 3.02E-01 2.68E-01 2.36E-01 2.06E-01 1.79E-01
Exemplo : Probabilidade de z>1,25 1,25 = 1,2 + 0,05

COLUNA LINHA
1.56E-01 1.5 39E01 1.34E-01 1.31E-01 1.13E-01 1.11E-01 9.51E-02 9.34E-02 7.93E-02 7.78E-02 6.55E-02 6.43E-02 5.37E-02 5.26E-02 4.36E-02 4.27E-02 3.52E-02 3.44E-02 2.81E-02 2.74E-02 2.22E-02 1.74E-02 1.36E-02 1.04E-02 7.98E-03 6.04E-03 4.53E-03 3.36E-03 2.48E-03 1.81E-03 1.31E-03 9.35E-04 6.64E-04 4.67E-04 3.25E-04 2.24E-04 1.53E-04 1.04E-04 6.96E-05 4.63E-05 3.05E-05 1.99E-05 1.29E-05 8.24E-06 5.23E-06 3.29E-06 2.05E-06 1.27E-06 7.79E-07 4.73E-07 2.17E-02 1.70E-02 1.32E-02 1.02E-02 7.76E-03 5.87E-03 4.40E-03 3.26E-03 2.40E-03 1.75E-03 1.26E-03 9.04E-04 6.41E-04 4.50E-04 3.13E-04 2.16E-04 1.47E-04 9.97E-05 6.69E-05 4.44E-05 2.92E-05 1.91E-05 1.23E-05 7.88E-06 5.00E-06 3.14E-06 1.96E-06 1.21E-06 7.41E-07 4.50E-07
= 1,06 E-01 = 0,106 (dica: -01 a quantidade de 0 ao lado esquerdo do nmero) =10,6 %
7-11
REVISO 2008
Z 5.0 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 7.0 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8 30 8.4 8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 10.0
0 3.00E-07 1.80E-07 1.07E-07 6.27E-08 3.66E-08 2.12E-08 1.22E-08 6.98E-09 3.96E-09 2.23E-09 1.25E-09 6.94E-10 3.84E-10 2.11E-10 1.15E-10 6.25E-11 3.38E-11 1.82E-11 9.72E-12 5.18E-12 2.75E-12 1.45E-12 7.64E-13 4.01E-13 2.10E-13 1.09E-13 5.68E-14 2.94E-14 1.52E-14 7.85E-15 4.05E-15 2.08E-15 1.07E-15 5.48E-16 2.81E-16 1.44E-16 7.34E-17 3.75E-17 1.92E-17 9.79E-18 5.00E-18 2.56E-18 1.31E-18 6.67E-19 3.41E-19 1.75E-19 8.94E-20 4.58E-20 2.35E-20 1.21E-20 6.22E-21
0.01 2.85E-07 1.71E-07 1.01E-07 5.95E-08 3.47E-08 2.01E-08 1.16E-08 6.60E-09 3.74E-09 2.11E-09 1.18E-09 6.54E-10 3.61E-10 1.98E-10 1.08E-10 5.88E-11 3.18E-11 1.71E-11 9.13E-12 4.86E-12 2.58E-12 1.36E-12 7.16E-13 3.76E-13 1.96E-13 1.02E-13 5.32E-14 2.76E-14 1.42E-14 7.35E-15 3.79E-15 1.95E-15 9.99E-16 5.12E-16 2.62E-16 1.34E-16 6.87E-17 3.51E-17 1.79E-17 9.16E-18 4.68E-18 2.39E-18 1.22E-18 6.24E-19 3.19E-19 1.63E-19 8.37E-20 4.29E-20 2.20E-20 1.13E-20 5.82E-21
7-12
REVISO 2008
Dados Contnuos
Distribuio Normal
Exerccio: Estudou-se que a distribuio da idade das pessoas que freqentam os cinemas paulistanos s sextas noite segue uma distribuio normal com uma mdia de 25 anos e com um desvio padro de 2 anos . Qual a probabilidade de uma pessoa ir ao cinema sexta noite e ter a idade maior que 27,9 anos ou menor que 20 anos ? Desenhe na parte inferior da pgina a curva associada a este exemplo, representando como sero feitos os clculos.
7-13
REVISO 2008
Reportando o Nvel Sigma
Dados Contnuos Normais
7-14
REVISO 2008

COLETA DE DADOS
NORMAL
NO-NORMAL
NORMAL
CONTNUO

OPCIONAL
DISCRETO

NONORMAL



7-15
REVISO 2008
Nvel Sigma do Processo

Imagine um processo perfeitamente centrado, onde a distncia entre a mdia e o limite de especificao de 6 . Qual a probabilidade de termos um defeito ?
LEMBRE-SE DE QUE ESTE VALOR PODE SER OBTIDO OBSERVANDO AS TABELAS ESTATSTICAS: BASTA PROCURAR ONDE Z = 6,00 QUAL O VALOR DA PROBABILIDADE P ASSOCIADA
LSE
P ( Z>6)
ZLSE = 6 : P ( Z>6) = 1,25 / 1.000.000.000 P ( defeito ) = 1,25 / 1.000.000.000
7-16
REVISO 2008

Qual a maior distncia (isto , qual a pior situao) que o processo pode estar do valor alvo se varia a longo prazo + 1,5 ? ZST = 6 LIE LSE
CURTO PRAZO
P (Z < -4,5) = 3,4/1.000.000
LONGO PRAZO
ZLT=4,5
ZSHIFT=1,5
7-17
REVISO 2008
Portanto, conclumos que um processo que tem capabilidade de longo prazo (ZLT) igual a 4,5 tem uma probabilidade de defeitos de 3,4 por milho .
Eliminando-se a variao desse processo ao longo do tempo (Zshift) e centralizando-o obtm-se a capabilidade de curto prazo (ZST) que representa o melhor que o processo pode ser.
O ZST que deve ser reportado como a capabilidade Sigma do processo.
Quando algum fala que um processo X Sigma do ZST de que est falando .
7-18
REVISO 2008
Importante: Portanto para calcularmos a capabilidade para dados variveis iremos coletar dados por um perodo razovel de tempo (de modo a formar uma imagem do processo que acredita-se representar a variao tpica a qual o processo est normalmente sujeito). Feito isso, calcularemos a distncia da mdia at o limite de especificao mais prximo em nmero de desvios padres, o ZLT (essa a capabilidade atual). Adicionamos 1,5 e teremos o ZST (essa a capabilidade potencial).
ZST = ZLT + 1,50
7-19
REVISO 2008
Uso do Minitab
Exemplo: um dos clientes mais importante de uma empresa vem reclamando h muito tempo que h uma demora excessiva no carregamento dos seus caminhes com os produtos comprados por parte da rea de expedio. O ideal seria que esse carregamento fosse feito em menos de 78 minutos. Foi designado um Green Belt para desenvolver esse projeto . Ele coletou, durante um ms, o tempo desde a chegada do caminho do cliente no fornecedor at a sua sada pelo porto completamente carregado. Todos os dias foram tomadas amostras de tamanho 5 (usando-se tcnicas de subgrupos racionais). Esses dados encontram-se no arquivo CAPABILIDADE_1.MTW . Calcular a capabilidade desse processo.
7-20
REVISO 2008

Inicialmente, deve-se avaliar a normalidade do processo: Recordando: STAT > BASICS STATISTICS > NORMALITY TEST
Uso do Minitab
Probability Plot of Tempo

Normal
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1 Mean StDev N AD P-Value 72,81 7,264 150 0,638 0,095
Como p>0,05, trata-se de um processo normal.
Percent
50
60
70 Tempo
80
90
100
7-21
REVISO 2008
Uso do Minitab
Verificada a normalidade da distribuio, entre com os seguintes comandos e dados no Minitab:
COLOCAR A VARIVEL Y
IDENTIFICAR O SUBGRUPO
COLOCAR O LIMITE INFERIOR E/OU SUPERIOR DE ESPECIFICACAO (PELO MENOS UM DELES)
7-22
REVISO 2008
Uso do Minitab
SELEO REFERENTE VARIAO NO LONGO PRAZO (ZLT)
7-23
REVISO 2008
Uso do Minitab
ZLT ZST = O,71 + 1,50 = 2,21

DICA: no Minitab, Overall est relacionado ao conceito de LT (Longo Prazo)
Probabilidade de estar acima do limite superior de especificao = 237.683 PPM
7-24
REVISO 2008
Exerccio
Exerccio: para que um Negcio seja competitivo no mercado em que atua essencial que, uma vez o cliente tenha feito um pedido, ele seja atendido em no mximo 7 dias. Alm disso, o tempo mnimo para entrega do pedido de 1 dia, que o tempo para que o cliente possa se preparar-se para receber os produtos em suas instalaes . Foi designado um Green Belt para desenvolver esse projeto . Os dados foram coletados em subgrupos de tamanho 5 toda semana durante 30 semanas . Os dados encontram-se no arquivo CAPABILIDADE_2.mtw (em horas) . Calcular a capabilidade do processo. Represente na pgina seguinte como seria o diagrama (curva normal) do processo estudado, enfatizando os limites de especificao e regies de defeitos.
7-25
REVISO 2008
Exerccio
7-26
REVISO 2008

Cp, Cpk, Pp, Ppk. Quando nos referimos a variaes dentro da amostra, falamos de
Cp, Cpk, Pp, Ppk
Como comentrios finais, inclumos o conceito de Capacidade de Processo, representado por
Cp e Cpk. Quando Pp e Ppk.
falamos de variaes no longo prazo, entre amostras, falamos de
Em projetos Lean Seis Sigma, por estarmos falando da variao total do processo, nos referimos ao longo prazo (ZLT), faz mais sentido associarmos com os valores de Pp e Ppk.
LIE LSE
Pp = LSE LIE 6s
Pp indica variao do processo em relao aos limites de especificao

7-27
REVISO 2008

Interpretando:
LIE LSE
Cp, Cpk, Pp, Ppk
Pp = alto (padres 6 Sigma): > 2
Pp = mdio: entre 1 e 2
Pp = baixo: < 1
7-28
REVISO 2008

Para o Ppk:
Cp, Cpk, Pp, Ppk
LIE
LSE
Ppk = min{ LSE x ; x - LIE} 6s 6s
Ppk indica posicionamento (centralizao) do processo em relao aos limites de especificao

7-29
REVISO 2008

Interpretando:
LIE LSE
Cp, Cpk, Pp, Ppk
Ppk = Pp : significa que est centralizado
Ppk = diminuindo : est ocorrendo o deslocamento para um dos lados Ppk = baixo: deslocamento acentuado para um dos lados (cruza o limite de especificao)
7-30
REVISO 2008
Dados Contnuos No Normais
7-31
REVISO 2008

COLETA DE DADOS
NORMAL
NORMAL NO-NORMAL
CONTNUO
CAPABILIDADE UTILIZANDO: DADOS COLETADOS SUBGRUPO ZST = ZLT + 1,50

OPCIONAL
DISCRETO
- TRANSFORMAO BOX COX: - RESPOSTA: NOVA CURVA AJUSTADA

NONORMAL



7-32
REVISO 2008
Dados Contnuos
No Normais Transformao Box Cox
Uma dificuldade encontrada em projetos 6 Sigma surge quando os dados de sada do processo so no normais. Isto impactar o mtodo de clculo da capabilidade do processo. Deve-se estar claro que o fato de os dados no seguirem o modelo normal no invalidam o projeto deve-se, contudo, continuar o projeto e buscar outras ferramentas que melhor avaliem os dados disponiveis. As recomendaes deste captulo so tcnicas para transformar dados no-normais em normais. A transformao Box Cox pode ser til para corrigir a no-normalidade de dados de um processo, bem como a variao na mdia de subgrupos. Curvas com caudas bastante alongadas normalmente sero as mais impactadas por essa transformao. Importante: o simples fato de se executar a transformao no garante que os novos dados sero normais: a ferramenta tem o carter exploratrio, ou seja, trabalha com os dados a fim de averiguar, de acordo com os parmetros inseridos no modelo Box Cox, se os mesmos podem seguir o modelo normal. Se no seguirem o modelo normal depois da transformao, os dados iniciais devem ser submetidos a novos tratamentos estatsticos.
7-33
REVISO 2008

dados e entre com o comando Box Cox
Dados Contnuos
Visto que os dados no seguem o modelo normal (NORMALITY TEST), tome a coluna com os
ARQUIVO: Transf_Box Cox.mtw COMANDO: STAT > CONTROL CHARTS > BOX COX TRANSFORMATION
COLUNA COM OS DADOS (Y)
TAMANHO DO SUBGRUPO
7-34
REVISO 2008
Dados Contnuos
O Minitab fornece o valor timo de Lambda ()
Onde sero colocados os dados resultantes da transformao Box Cox
7-35
REVISO 2008
Dados Contnuos
Box-Cox Plot of Concentracao

Lower C L Upper C L Lambda (using 95,0% confidence) Estimate Lower CL Upper CL Rounded Value 0,12 -0,19 0,40 0,00
Em sendo um conjunto de dados (apos a transformao) que segue a distribuio normal, este e o valor de Lambda () a ser utilizado no calculo da capabilidade
60 50 40 StDev 30 20 10 0 -5,0 -2,5 0,0 Lambda 2,5 5,0 Limit
Regio para valores timos de Lambda
7-36
REVISO 2008

Distribuio Resultante da Transformao Box Cox
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1
Dados Contnuos
Probability Plot of Concentracao_Transf

Normal
Mean StDev N AD P-Value 1,485 0,6252 125 0,282 0,633
Percent
-1
1 2 Concentracao_Transf
Distribuio Resultante da Transformao Box Cox segue o Modelo Normal (p>0,05). Concluso: a ferramenta Box Cox se demonstrou bastante eficiente (lembre-se: poderia no ter sido: no garantia que haver uma distribuio normal aps as transformaes numricas: apenas uma tentativa!
7-37
REVISO 2008
Dados Contnuos
Colocar os dados originais (e no os transformados!)
Colocar os limites de especificao originais
7-38
REVISO 2008
Dados Contnuos
Toma o valor timo de Lambda () calculado anteriormente neste caso vale 0
7-39
REVISO 2008
Dados Contnuos
7-40
REVISO 2008

Curva Original Curva Transformada
Dados Contnuos
I . Valor de Z = 0,95 + 1,50 = 2,45
II . Valor de DPMO 171.325 = ~ 17,1%

7-41
REVISO 2008

COLETA DE DADOS
NORMAL
NO-NORMAL
NORMAL
CONTNUO

OPCIONAL

DISCRETO

NONORMAL



7-42
REVISO 2008
Dados Contnuos
No Normais Melhor Curva Ajustada
Para a utilizao de clculos estatsticos para uma determinada amostra de dados, recomendvel um prvio entendimento de qual seria a melhor distribuio (modelo) ajustada a estes pontos. Para tanto, pode-se utilizar o Minitab como uma ferramenta bastante til. Acompanhe os comandos abrindo o arquivo Distrib_Identifica.mtw
7-43
REVISO 2008
Dados Contnuos
Selecione a coluna com os dados a serem analisados
Marque esta opo; assim o Minitab far o teste utilizando todas as distribuies disponveis
7-44
REVISO 2008
Dados Contnuos
Sero originados alguns grficos que tentam ajustar os dados colocados a melhor distribuio estatstica que os representa. Basicamente, quanto melhor for o ajuste dos pontos plotados a curva em azul traada, mais apropriado o uso da respectiva distribuio estatstica.
Aparentemente, apresentam os melhores ajustes aos dados
Probability Plot for Dados

LSXY Estimates-Complete Data
Weibull 99,9 90 50 P er cent P er cent 10 1 0,1 99,9 99 90 50 10 1 4 6 Dados E xponential 99,9 90 50 P er cent P er cent 10 1 0,1 99,9 99
Percent
Probability Plot for Dados

LSXY Estimates-Complete Data
C orrelation C oefficient Weibull 0,990 Lognormal 0,939 E xponential * Loglogistic 0,944
Smallest Extreme Value 99,9 90 50 Percent 10 Percent 99,9 99 90 50 10 1 Normal
Lognormal
C orrelation C oefficient S mallest E xtreme V alue 0,998 N ormal 0,969 Logistic 0,971
1 0,1
10
0,1
6 Dados Loglogistic
10
6 Dados Logistic
10
0,1
6 Dados
10
99,9 99 90 50 10 1
90 50 10 1
0,001
0,010
0,100
1,000
10,000
100,000
0,1
5,0
Dados
7,5 Dados
10,0
12,5
0,1
8 Dados
10
7-45
REVISO 2008
Dados Contnuos
Agora, para o esclarecimento de quaisquer dvidas, e gerado na Session do Minitab um extenso relatrio que detalha com parmetros estatsticos qual a distribuio que melhor se ajusta. Para fins prticos, vale a regra que gira em torno da ESTATISTICA DE ANDERSON DARLING (AD) na avaliao de GOODNESS-OF-FIT: QUANTO MENOR O VALOR DA ESTATISTICA DE ANDERSON DARLING (AD), MELHOR A DISTRIBUICAO REPRESENTA A AMOSTRA DE DADOS ANALISADA
7-46
REVISO 2008
Dados Contnuos
Uma vez identificada a melhor distribuio ajustada aos dados e observada que no trata-se do modelo normal, pode-se utilizar o Minitab para fazer o clculo da devida capabilidade (nvel Sigma do processo):
7-47
REVISO 2008
Dados Contnuos
Selecione a coluna com os dados a serem analisados
Selecione distribuio Insira o(s) limite(s) de especificao (es) melhor ajustada
7-48
REVISO 2008
Dados Contnuos
Selecione a opo de Benchmark Zs (sigma level) para j ter o valor de Zbench de longo prazo
7-49
REVISO 2008
Dados Contnuos
Nvel Sigma (Z) = ZLT + Zshift

<usar Zshift (variao natural do processo) como 1,50>
Nvel Sigma (Z) = ZLT + Zshift = 0,52 + 1,50 = 2,02
DPMO = 300.602 ~ 30,0% de defeitos
7-50
REVISO 2008
Dados Discretos
7-51
REVISO 2008

COLETA DE DADOS
NORMAL
NO-NORMAL
NORMAL
CONTNUO

OPCIONAL

DISCRETO

NONORMAL



7-52
REVISO 2008

O clculo de capabilidade baseado no comportamento da curva normal ajustada de um processo portanto, refere-se em princpio a distribuies dados contnuos. Entretanto, principalmente no contexto administrativo e comercial, alguns dados somente podem ser classificados como atributos/ discretos. Assim, surgiu a necessidade de se criar um parmetro / mtodo para realizar este clculo Mikel Harry sugeriu um modelo baseado na teoria de Gauss (referncia: arquivo Capabilidade_Atributo.xls clula J3). Para tanto, necessrio definir alguns parmetros: - Unidades = elemento / conjunto de informaes que se est analisando - Oportunidades = para cada elemento, quantas so as possibilidades de ocorrer alguma falha - Defeitos = contagem do nmero de falhas observadas, de acordo com as especificaes colocadas pelo cliente
7-53
REVISO 2008

Sempre esteja atento s corretas definies dos termos colocados anteriormente: para o mesmo processo, podem ocorrer diversas anlises: Exemplo: Processo de Faturamento de Pedidos
PROCESSOS DO CLIENTE Unidades = # de notas fiscais
VISO DO CLIENTE
(NF) Oportunidades = 1 (NF correta ou incorreta) Defeitos = # de NFs incorretas
PROCESSOS INTERNOS Unidades = # de notas fiscais (NF) Oportunidades = 5 (campos disponveis nas NFs - corretos ou incorretos) Defeitos = # de campos incorretos
7-54
REVISO 2008

VISO DO CLIENTE
PROCESSOS INTERNOS Unidades = (100) # de notas fiscais (NF) Oportunidades = 5 (campos disponveis nas NFs - corretos ou incorretos) Defeitos = (200) # de campos incorretos DPMO = 400.000 ZST = 1,75
PROCESSOS DO CLIENTE Unidades = (100) # de notas fiscais (NF) Oportunidades = 1 (NF correta ou incorreta) Defeitos = (35) # de NFs incorretas
Utilizando a planilha em Excel: x

DPMO = 350.000 ZST = 1,88
Melhor direciona aes internas

Sente aquilo que o cliente sente

7-55
REVISO 2008

DEFEITOS / MILHO DE OPORTUNIDADES
VISO INTERNA
DIGITAR:
# DEFEITOS
DIGITAR:
# UNIDADES
DIGITAR:
# OPORTUNIDADE
VISO EXTERNA
CAPABILIDADE FINAL DO PROCESSO
7-56
REVISO 2008

Para se calcular o nvel sigma do processo para dados discretos, h a da distribuio binomial para a normal. Exemplo: DPMO = 400.000, isto significa 4,00 E-01. Pela tabela Z (assim, assume-se que a distribuio seja normal), podemos encontrar o valor da estatstica Z correspondente: Z = 0,25 -> este o Z de longo prazo (ZLT). Assim: ZST = ZLT + ZSHIFT ZST = 0,25 + 1,50 = 1,75
7-57
REVISO 2008
Exerccio
Exerccio: um determinado Negcio vem recebendo h muito tempo um grande nmero de reclamaes dos clientes dizendo que os produtos solicitados chegam muitas vezes fora do prazo acordado e que muitas vezes chega o produto errado. Um Green Belt foi designado para desenvolver um projeto para eliminar esses problemas .Este processo j continha dados do passado que foram, ento, utilizados pelo Green Belt . Foram tomados dados de 6 meses at agora (perodo razovel de tempo para que ocorressem todas as possveis fontes de variao no processo), totalizando 1.134 pedidos; em cada pedido era verificado se o produto havia sido entregue dentro do prazo e se o produto entregue ao cliente estava correto . O nmero total de defeitos foi 265. Calcule o nvel Sigma do processo, bem como o valor do DPMO associado.
7-58
REVISO 2008
Fase de Introduo ao Anlise

Seis Sigma
Seis ... O Qu???
8-1
REVISO 2008
Fase de Anlise
FORNECEDORES
Ferramentas Qualitativas
ENTRADAS
PROCESSO
FASE DE MEDIO
SADAS
CLIENTE
Mapa de Processo Diagrama Espinha de Peixe Matriz Causa e Efeito Matriz Esforo e Impacto
Entendimento da Estabilidade Entendimento da Normalidade Estudo da Capabilidade (Performance Atual v. Especificaes do Cliente)
Ferramentas Quantitativas
FASE DE ANLISE Anlise Grfica Anlise Numrica
Xs Crticos
Y
8-2
REVISO 2008
Fase de Anlise
XS POTENCIAIS
<MEDIO>
Efeito Funil
Ferramentas Qualitativas - Mapa de Processo - Diagrama Espinha de Peixe - Matriz Causa e Efeito - Matriz Esforo e Impacto
<ANLISE>
Ferramentas Quantitativas - FMEA - Box Plot - Diagrama de Disperso - Pareto - Teste de Hiptese - ANOVA - Moods Median Test - Test for Equal Variances - Teste Chi-Quadrado - Anlise de Regresso - Regresso Logstica
Para os Xs identificados como vitais (ou importantes para a melhoria do processo), deve-se realizar o plano de ao, concretizando-as mediante sejam observadas durante o projeto
XS VITAIS
8-3
REVISO 2008
FTA
Fault Tree Analysis

9-1
REVISO 2008
FTA Fault Tree Analysis

O que FTA (Fault Tree Analysis) Anlise de rvore de Falhas?
Introduo
- Ferramenta que auxilia no mapeamento do processo gerador de falhas em um sistema, a partir de uma falha topo. Segue o fluxo da falha para as causas razes da falha; - Ajuda na identificao de causas razes com eficincia e eficcia, desencorajando saltar etapas e chegar rpido soluo;
Como realizar? - Usar abordagem de equipe, com designao de um lder; - Usar equipe multifuncional (ex.: reas de qualidade, manufatura, processos, manuteno e etc.);
9-2
REVISO 2008

O que FTA (Fault Tree Analysis) Anlise de rvore de Falhas? - Seguir 3 princpios importantes: 1. Investigar processos, sistemas e peas que falharam; 2. Completar com investigao de campo para visualizao; 3. Registrar circunstncias da ocorrncia da falha.
Introduo
FTA uma ferramenta muito usada na soluo de problemas, quando a questo central investigar a origem da causa (ou como chamamos nos projetos a causa raiz). Na estrutura do DMAIC, alm da fase de Anlise, pode muito bem ser usada tambm nas fases de Definio (para selecionar variveis a serem estudadas) e Medio (para levantar potenciais Xs). Na fase de Anlise, nos ajuda a filtrar os Xs potenciais no significativos.
9-3
REVISO 2008

rea Industrial
FALHA TOPO Vazamento na carcaa de cmbio (caixa de mudanas)
Exemplo
Anel de vedao da tampa dianteira
Anel de vedao da tampa traseira
Vazamento
Soltura
Quebra
Vazamento
Material
Material
Material
Impacto Externo
Material
Material
Impacto Externo
9-4
REVISO 2008
FTA
As 5 Questes do FTA
Na execuo do FTA, so colocadas 5 questes para refletirmos:
1- Quais foram as principais descobertas das peas que falharam? 2- Quais foram as principais descobertas da pesquisa de campo? 3- Quais foram as principais descobertas, com base nos registros? 4- Qual a principal indicao do mecanismo de falha? 5- O mecanismo de falha consistente com os 3 princpios vistos na pgina anterior?
9-5
REVISO 2008
FTA
1. Obter informaes bsicas da falha; 2. Descrever um resumo da declarao da falha; 3. Definir o evento de topo (falha ou problema); 4. Desenvolver a rvore de falhas (5 Por qus); 5. Desenvolver um plano de ao para investigao:
Etapas para Preenchimento
- O qu: caractersticas bsicas do processo ou produto; - Quem: responsvel; - Quando: meta da data de identificao da causa raiz;
9-6
REVISO 2008
FTA
Etapas para Preenchimento
6. Analisar os dados da investigao; 7. Documentar a indicao do principal mecanismo de falha; 8. Analisar criticamente as concluses; 9. Planejar aes corretivas; 10. Executar as aes corretivas; 11. Implementar controles que perpetuem as melhorias.
9-7
REVISO 2008
FTA
Dicas
Quando o FTA usado para identificar a causa raiz de peas que falharam, considere:
- Outras peas falharam tambm? - So idnticas (as mesmas peas)? - As especificaes so as mesmas? - Se as peas so novas, em que diferenciam? - Para as peas que no falharam, em que so diferentes? - Estratificar os dados de falhas (ex.: aplicao, regio, montadora, cliente, distribuidor).
9-8
REVISO 2008
FTA
Formulrio para Preenchimento
9-9
REVISO 2008
FTA
arquivo chamado Modelo FTA.XLS.
Exerccio
Em grupos, selecionem 1 problema de seu cotidiano e realizem o estudo de FTA. Utilize o Se preferirem, utilizem a pgina abaixo como rascunho para desenhar a rvore de falhas do problema selecionado.
9-10
REVISO 2008
FMEA
Failure Mode & Effect Analysis

10-1
REVISO 2008
FMEA
FMEA.
Aquecimento
Leia individualmente o texto abaixo. Podemos dizer que trata-se da inspirao para o uso da
Algum tempo depois do batismo o coronel Stapp declarou, numa coletiva de imprensa, que os esplndidos resultados obtidos por ns, durante anos seguidos, em quedas, choques simulados, eram devido fundamentalmente crena de todos na Lei de Murphy, isto , no nosso esforo constante para negar a sua inevitabilidade. George E. Nichols Administrador de Qualidade e Segurana Projeto Viking - Laboratrio de Propulso a Jato NASA.
ALGUMAS LEIS: - Se alguma coisa pode dar errado, dar. E mais, dar errado da pior maneira, no pior momento e de modo que cause o maior dano possvel. - Todo corpo mergulhado numa banheira faz tocar o telefone. - A informao mais necessria sempre a menos disponvel. - O pessimista se queixa do vento, o otimista espera que ele mude, o realista ajusta as velas e quem conhece Murphy no faz nada. - A probabilidade do po cair com o lado da manteiga virado para baixo proporcional ao valor do carpete.
10-2
REVISO 2008
FMEA
Aquecimento
- O gato sempre cai em p. - No adianta amarrar o po com manteiga nas costas do gato e o jogar no carpete. Provavelmente o gato comer o po antes de cair em p. - A fila do lado sempre anda mais rpido. - Se voc est se sentindo bem, no se preocupe. Isso passa. - Se a experincia funcionou na primeira tentativa, tem algo errado. - Mais vale um pssaro na mo do que um voando sobre a nossa cabea. - Por mais tomadas que se tenham em casa, os mveis esto sempre na frente. - Existem dois tipos de esparadrapo: o que no gruda, e o que no sai. - Uma pessoa saudvel aquela que no foi suficientemente examinada. - Voc sempre acha algo no ltimo lugar que voc procura. - Toda partcula que voa sempre encontra um olho. - Os primeiros 90% de uma tarefa demora 90% de tempo a executar. Os restantes 10% demora outros 90%. - Uma gravata limpa atrai sempre a sopa do dia. - Concluso o ponto onde voc ficou cansado de pensar.
10-3
REVISO 2008
FMEA
A utilizao do FMEA est associada a:
Quando Utilizar?
1-) identificao de potenciais modos de falhas e quantificao da severidade em seus efeitos; 2-) identificao de caractersticas crticas; 3-) quantificao e priorizao de potenciais deficincias tanto em processos como em produtos; 4-) prover foco na eliminao das potenciais problemas de produto ou processo, assim como auxiliar na preveno de outros riscos potenciais; 5-) melhoria de qualidade, confiabilidade e segurana de produtos; 6-) reduo do tempo e custo de desenvolvimento de produtos; 7-) documentao e rastreabilidade das aes recomendadas para mitigao do risco; 8-) focarmos na preveno, ao invs da correo; 9-) Preservao da memria tcnica ou know how da organizao , com informaes que podem ser utilizadas no futuro em produtos similares.
10-4
REVISO 2008
FMEA
Histrico
Segundo a evoluo e aperfeioamento de tcnicas de qualidade e gesto na indstria, percebe-se o desenvolvimento de FMEAs inicialmente na indstria aeroespacial, durante a corrida pela conquista do espao na dcada de 1960. Os custos e tempos de desenvolvimento praticamente proibiam retrabalhos, atrasos, erros... Portanto, pensou-se em uma forma quantitativa, que toma-se como base o conhecimento tcnico e experincia dos envolvidos para que, utilizando uma ferramenta, todos os riscos fossem mapeados, e levantadas as aes sobre aqueles riscos que apresentavam maior criticidade. Dentro deste contexto, outras reas do setor industrial passaram a utilizar a ferramenta, destacando-se a indstria automotiva. A utilizao foi to marcante que os fornecedores das grandes montadoras passaram a ser exigidos quanto a sua implementao. Atualmente, as 2 grandes normas que regulam os processos de qualidade neste setor (ISO-QS para montadores americanas e ISO-TS para europias) exigem o envio peridico de FMEAs associados a produtos e servios automotivos.
10-5
REVISO 2008
FMEA
Para se ter uma idia de como erros no processo podem afetar toda uma cadeia, utilizemos um estudo feito pela General Electric (GE): os custos dos erros vo se agravando toda vez que um produto ou componente d mais um passo na cadeia de produo. Um erro que custo $ 0,003 se detectado no fornecedor custar $ 300 - cem mil vezes mais - se no for descoberto at o produto chegar s mos do cliente. No grfico ao lado temos esta representao:
* Custo estimado por defeito por produto
Histrico
Fonte: Weston Ison, gerente de controle da qualidade e de sistemas de confiabilidade da General Eletric Co. Reproduzida com permisso da editora, How to Gain the Competitive Edge: Improving Product Quality Through Continous Feedback, por Robert E. Cole, Managemet Review, outubro de 1983.
10-6
REVISO 2008
FMEA
Associao ao DMAIC
CONTROLE
- AJUDA A DESENVOLVER PLANOS DE CONTROLE DO PROCESSO
X1 X2 X
MEDIO
- IDENTIFICAR/ REFINAR AS ETAPAS DE PROCESSOS
ANLISE
- LIGAR AS CAUSAS AOS EFEITOS - PRIORIZAR OS PROBLEMAS
IMPROVE
- DETERMINAR AS AES DE MELHORIA A SEREM TOMADAS COM OS RESPONSVEIS - PRIORIZAR AS AES A SEREM TOMADAS
10-7
REVISO 2008
FMEA
Termos Associados
3
CAUSA
Qual a causa do modo de falha ?
1
MODO DE FALHA (DEFEITOS)
De que modo o processo pode falhar em cumprir com a sua funo ?
2
EFEITO
Qual o efeito do modo de falha para o cliente ?
- Impacto no cliente caso o modo de falha no seja prevenido ou corrigido - Cliente pode estar a jusante ou pode ser no cliente final
- Uma deficincia que resulta em um modo de falha - Causas so as origens da variabilidade associada s principais variveis de entrada
- A maneira pela qual uma pea ou processo podem deixar de atender as especificaes - Normalmente associado a um defeito ou noconformidade
4
CONTROLE
Qual o controle atual existente para evitar que a causa do modo de falha ocorra ?
- Mtodos /dispositivos sistematizados instalados para prevenir ou detectar Modos de Falha ou Causas (antes de causarem os efeitos)
10-8
REVISO 2008
FMEA
X1: X2:
Exemplo: Ir ao Trabalho
X3:
Modo de Falha
Efeito
Causa
Controle
10-9
REVISO 2008
FMEA
MODO DE CAUSA FALHA (DEFEITOS)
Pontuao
EFEITO
OCORRNCIA (OCC)
QUAL A PROBABILIDADE DA CAUSA DO MODO DE FALHA OCORRER? NMERO MAIS ELEVADO PARA MAIOR OCORRNCIA (ESCALA 1 A 10)
SEVERIDADE (SEV)
QUO SIGNIFICANTE O IMPACTO DO EFEITO PARA O CLIENTE? NMERO MAIS ELEVADO PARA MAIOR
CONTROLE
GRAVIDADE (ESCALA 1 A 10)
DETECO (DET) RPN = SEV * OCC * DET

QUAL A PROBABILIDADE DO SISTEMA ATUAL DETECTAR A CAUSA DO MODO DE FALHA CASO OCORRA? NMERO 10 PARA TOTAL FALTA DE CAPACIDADE DE DETECTAR (ESCALA 1 A 10) NMERO DE PRIORIDADE DE RISCO (RPN)
10-10
REVISO 2008
FMEA
Nmero de Prioridade de Risco (RPN)
Pontuao
A sada de uma FMEA o Nmero de Prioridade de Risco O RPN um nmero calculado baseado na informao proporcionada relativa a aos modos de Falha potenciais, aos efeitos, e a capabilidade atual do processo para detectar as falhas antes de chegarem ao cliente
Ele calculado pelo produto de trs classificaes quantitativas, cada qual relacionada aos efeitos, causas, e controles:
RPN = Severidade X Ocorrncia X Deteco
10-11
REVISO 2008
FMEA
Pontuao: Severidade
Maior a pontuao, maior a gravidade, maior o risco!

10-12
REVISO 2008
FMEA
Pontuao: Ocorrncia
Maior a pontuao, maior probabilidade de ocorrncia, maior o risco!

10-13
REVISO 2008
FMEA
Pontuao: Deteco
Maior a pontuao, menos efetivo o controle, maior o risco!

10-14
REVISO 2008
FMEA
Resumo
10-15
REVISO 2008
FMEA
PFMEA & DFMEA

10-16
REVISO 2008
FMEA
PFMEA & DFMEA
Existem diferenas na aplicao do FMEA quando estamos avaliando processos e produtos. Importante ressaltar que as diferenas no so de tcnicas ou conceitos, mas sim de perguntas e aplicaes especficas para cada caso. Quando estamos avaliando um processo e seus riscos, seja na implantao de um novo ou a sua melhoria, utilizamos o PFMEA (Process Failure Mode & Effect Analysis). Podemos utilizar como um mtodo estruturado para - Identificar a maneira pela qual um processo pode falhar em satisfazer os requisitos crticos dos clientes; - Estimar os riscos associados s causas das falhas potenciais; - Avaliar o plano de controle atual para aprimorar o sistema de deteco; - Priorizar as aes que devem ser tomadas para melhorar o processo. Importante dizer que trata-se de um documento vivo, ou seja, deve estar sempre sendo analisado, atualizado e discutido com o grupo.
10-17
REVISO 2008
FMEA
So os passos recomendados para sua utilizao: 1- Revisar o processo; 2- Levantar todos os modos de falha potencial; 3- Listar todos os efeitos das falhas potenciais; 4- Determinar o nvel de severidade;
PFMEA & DFMEA
5- Determinar as causas potenciais e o nvel de ocorrncia dos modos de falhas; 6- Determinar o controle atual do processo e o nvel de deteco; 7- Calcular o NPR; 8- Desenvolver o Plano de Ao; 9- Tomar aes efetivas; 10- Calcular o novo RPN.
10-18
REVISO 2008
FMEA
PFMEA & DFMEA
J o DFMEA, cuja sigla significa Design Failure Mode & Effect Analysis (e traduo pode ser feita como Anlise dos Modos e Efeitos de Falhas Potenciais) em Produtos. Podemos utilizar como um mtodo estruturado para: - Anlise dos modos e efeitos de falhas de projeto de produto; - Identificar falhas potenciais associadas ao projeto de produtos; - Ser usado desde a concepo do produto at o momento em que ele aprovado para a produo; - Identificar caractersticas crticas relacionadas aos produtos durante a sua concepo; - Fornece inputs para o aprimoramento contnuo dos produtos desenvolvidos pela empresa. Como contribuies associadas ao DFMEA, podemos ressaltar: - Definir e guiar um processo de desenho estruturado e que previna a ocorrncia de falhas; - Identificar, quantificar, reduzir o risco durante o projeto do produto;
10-19
REVISO 2008
FMEA
- Quantificar, reduzir o risco durante o projeto do produto; - Fornecer um meio para o aperfeioamento contnuo dos produtos;
PFMEA & DFMEA
Possibilitar o aprendizado com os erros cometidos para prevenir a reincidncia das falhas em futuros projetos de produtos. So praticamente os mesmos os 10 passos vistos no PFMEA (a diferena est no passo #01), ou seja: 1-) Revisar o produto ou idia de produto a ser gerado; 2-) Levantar todos os modos de falha potencial; 3-) Listar todos os efeitos das falhas potenciais; 4-) Determinar o nvel de severidade; 5-) Determinar as causas potenciais e o nvel de ocorrncia dos modos de falhas; 6-) Determinar o controle atual do processo e o nvel de deteco; 7-) Calcular o NPR; 8-) Desenvolver o Plano de Ao; 9-) Tomar aes efetivas; 10-) Calcular o novo NPR.
10-20
REVISO 2008
FMEA
Fernando acabou de abrir uma livraria on-line. Ele precisa melhorar seu sistema de
Exerccio
encomendas. Para assegurar que o processo esteja funcionando muito bem, ele resolveu realizar um FMEA. Sua equipe foi designada para desenvolver o FMEA para o processo de entrada do pedido do cliente, que se inicia no momento em que o cliente acessa o site at quando recebe a confirmao de que o pedido foi aceito. Avalie inicialmente as principais variveis de entrada deste processo (atravs por exemplo de mapeamento, espinha de peixe...). Selecione 3 variveis que o grupo julgue serem as principais, e faa o FMEA sugerido, chegando at a gerao do plano de ao. Utilize o arquivo Formulrio FMEA.XLS para auxiliar na resoluo.
10-21
REVISO 2008
Projetos
Incremento de Recuperacin de Cobre

Votorantim Metais Zinc Green Belt
Flix Rojas
Ganancias Realizadas: US$ 122 mil Ganancias Realizadas: US$ 122 mil Benefcios Alcanzados: Estabilizacin Benefcios Alcanzados: Estabilizacin del Proceso; Incremento en el volumen del Proceso; Incremento en el volumen de Cu para venta yyla reduccin del de Cu para venta la reduccin del costo de produccin. costo de produccin.
Mejor
Inserir Foto da Equipe do Projeto Inserir Foto da Equipe do Projeto

Meta: Incrementar la Recuperacin de Cobre Meta: Incrementar la Recuperacin de Cobre de 90% aa93% aapartir de marzo del 2007. de 90% 93% partir de marzo del 2007.
Descrio do Problema e/ou Oportunidade:

A travs del Benchmarking Competitivo 2006/2007 que tiene como A travs del Benchmarking Competitivo 2006/2007 que tiene como objetivo encontrar oportunidades de mejora que nos permitan agregar objetivo encontrar oportunidades de mejora que nos permitan agregar valor para el negocio de zinc, se identific la oportunidad de valor para el negocio de zinc, se identific la oportunidad de incrementar la recuperacin de cobre en la unidad de Cajamarquilla. incrementar la recuperacin de cobre en la unidad de Cajamarquilla.
GAP ANALYSIS Recuperacin Cu - ENERO 2007
Time Series Plot of Recuperacion de Cobre
94 92 90 88 Data 86 84 82 80
06 06 b6 -0 ar -0 ay 6
Variable
Recuperacion Cu Meta
06 nju 16 6 l-0 - ju 28 06 pse 16 -0 ct -o 6 v no 06 -0 06 ic-d 22
20
ne -e
e -f 17
-m 31
-m 12
Fecha
Adems esta oportunidad nos permitir encontrar niveles de Adems esta oportunidad nos permitir encontrar niveles de estabilidad y capacidad de acuerdo con estandares de desempeo de estabilidad y capacidad de acuerdo con estandares de desempeo de clase mundial, incrementando valor a los productos agregados. clase mundial, incrementando valor a los productos agregados.
Contrato do Projeto:
Titulo: Unidad: Especialista: Champion: Incrementar la Recuperacin de Cobre en la Refinera de Cajamarquilla Cajamarquilla Flix Moiss Rojas Ramrez Julio Vargas Valer
Equipo: Ivn Carbajal Pedro Yturrizaga Donato Flix
Jose Lott (JF) Nestor Estrella Hugo Moran
Alejandro Correa Dionicio Anco Bernardino Rodriguez
Alfredo Abanto Francisco Gordillo Aldo Caceda
Meta: Incrementar la Recuperacin de Cobre de 90.0% a 93.0% en la Unidad de Cajamarquilla a partir de marzo del 2007.
KPI: (% Recuperacin) Ganancias Financieras: Ganancias esperadas con el proyecto Ganancias realizados con el proyecto
US$ 112.339,30 US$ 122.478,60

Treinamento Lean Six Sigma: Black Belt Complementar

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Treinamento Lean Six Sigma: Black Belt Complementar

Hochgeladen von

Copyright:

Verfügbare Formate

Treinamento Lean Six Sigma

Black Belt Complementar

Desenvolvido pela Seta Desenvolvimento Gerencial Especialmente para a Votorantim

Seta Desenvolvimento Gerencial

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

LSS BLACK BELT COMPLEMENTAR

Qualificao dos Instrutores

Ricardo Damiani Schvartzaid

LSS BLACK BELT COMPLEMENTAR

Hobby / Do que gosta de fazer no tempo livre:

LSS BLACK BELT COMPLEMENTAR

LSS BLACK BELT COMPLEMENTAR

LSS BLACK BELT COMPLEMENTAR

-0. Abertura - 1. Introduo

- 5. Coleta de Dados e Gage R&R

- 8. Fase de Anlise - 9. FTA

- 5. Coleta de Dados e Gage R&R

- 6. OEE, FTT, RTY

- 3. Fase de Medio - 4. Estatstica Avanada

- 5. Coleta de Dados e Gage R&R

- 5. Coleta de Dados e Gage R&R

LSS BLACK BELT COMPLEMENTAR

LSS BLACK BELT COMPLEMENTAR

As mudanas no devem ser impostas, mas fruto do consenso da equipe.

LSS BLACK BELT COMPLEMENTAR

LSS BLACK BELT COMPLEMENTAR

O que Seis Sigma ?

MAIORES INFORMAES: www.isixsigma.com

LSS BLACK BELT COMPLEMENTAR

O que Seis Sigma ?

LSS BLACK BELT COMPLEMENTAR

O que Seis Sigma ?

LSS BLACK BELT COMPLEMENTAR

O que Seis Sigma ?

LSS BLACK BELT COMPLEMENTAR

Seis Sigma A Metodologia D-M-A-I-C

LSS BLACK BELT COMPLEMENTAR

Seis Sigma Viso de Processo

LSS BLACK BELT COMPLEMENTAR

Escolha Adequada da Estratgia de Melhoria de Processos

Frutas Seletas 6 Sigma DFSS Investimentos em Tecnologia

3,4 } 233 } 6.210 } 66.807 } 308.537

Frutas na Copa 6 Sigma - DMAIC Otimizao de Processos

1994 Dr. Mikel J. Harry - V4.0 LSS BLACK BELT COMPLEMENTAR

O que Lean Manufacturing ou Mentalidade Enxuta?

LSS BLACK BELT COMPLEMENTAR

Fazer com que as etapas que criam valor fluam

Fazer com que a produo seja puxada pela demanda

Gerenciar para buscar a perfeio

LSS BLACK BELT COMPLEMENTAR