Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 6 CERTIFICAÇÃO LEAN SIX SIGMA GREEN BELT – FERRAMENTAS PARA O DESENVOLVIMENTO E MELHORIA Prof. Rafael Simões Ribeiro 2 INTRODUÇÃO Nesta aula, iremos explorar um exemplo clássico de DOE, de maneira similar ao que fizemos na aula anterior. Novamente, esse é um estudo de caso didático que pode ser reproduzido pelo leitor de maneira independente. O estudo ativo é altamente recomendado. TEMA 1 – PROBLEMA DIDÁTICO DA CATAPULTA O problema da catapulta é estudado por diversos treinamentos e aulas sobre o Six Sigma Green Belt mundo afora. Isso ocorre porque se constitui em um modelo de simples entendimento e elevada capacidade de variação de fatores, o que contribui para o seu caráter didático, pela introdução das premissas de DOE exploratórios e de otimização. Eis o problema: temos uma catapulta com várias possibilidades de escolha em relação a níveis e fatores para a realização de um treinamento. O objetivo é mapear o espaço amostral desse produto de modo a formular um modelo matemático que possa prever a distância percorrida por um tiro ao fixarmos os parâmetros de produtos – ou, alternativamente, descobrir quais são as regulagens de cada parâmetro se quisermos acertar um alvo fixo a uma determinada distância. Essa dinâmica experimental é conduzida presencialmente em um modelo físico de catapulta por grupos de alunos Six Sigma Green Belt, sem a ajuda do instrutor ou professor, para que eles sintam as dificuldades e arranjem soluções para as dúvidas, de modo a garantir um aprendizado ativo. Dúvidas pontuais são dirimidas pelo instrutor. Devido às limitações típicas de nosso curso, faremos, nesta aula, um estudo dirigido. Conforme já sugerimos, o aluno deve reproduzir o estudo referindo-se a esse material e aos materiais complementares, para dirimir possíveis dúvidas. O processo ativo é de importância fundamental para a assimilação do conteúdo de experimentos planejados em nossa última oportunidade nesse curso. Utilizaremos o website <https://sigmazone.com/catapult/> um modelo virtual de catapulta. Um modelo físico real de catapulta apresenta ruídos inerentes ao processo de lançamento e a condições ambientais da localidade em que os lançamentos são realizados. No modelo virtual, tais ruídos são simulados 3 aleatoriamente, de modo que um mesmo lançamento executado em sequência não apresenta exatamente os mesmos valores. A Figura 1 mostra a catapulta com os cinco fatores possíveis de alteração de níveis: elevação do cesto de lançamento, posição do elástico, ângulo de disparo, ângulo de lançamento e elevação do pino tensionador. Figura 1 – Catapulta virtual SigmaZone Fonte: SigmaZone, 2021. O modelo de catapulta real apresenta mais fatores passíveis de variação do que o modelo virtual (por exemplo, o projétil e a característica física do elástico). Porém, para a ilustração da dinâmica que nos propomos, o modelo virtual é suficiente. Começamos com um mapa de produto da catapulta. No nosso caso, vale apenas a menção aos níveis em que cada fator pode variar, conforme a tabela a seguir. Tabela 1 – Níveis de variação possíveis dos fatores da catapulta virtual Fator Valor mínimo assumido Valor máximo assumido Cesto 200 300 Elástico 100 200 Ângulo de disparo 90 140 Ângulo de lançamento mínimo ângulo de disparo 185 Tensionador 100 200 4 Usualmente, os grupos de trabalho em dinâmicas da catapulta apresentam uma limitação de 40 tiros como recurso dos experimentos. Esse número de rodadas experimentais é suficiente para compreender o funcionamento do produto e estimular a proposição de experimentos planejados (especialmente os fracionados) de maneira estratégica. Isso é o que faremos a seguir, sempre sujeitos à mesma limitação de 40 tiros. TEMA 2 – JMP DOE EXPLORATÓRIO COM 8 RODADAS Temos o recurso de 40 tiros totais para montar o nosso modelo matemático. Quando falamos de DOE fatorial, estudamos as variações em dois níveis; assim, nossos experimentos serão múltiplos de 2. Portanto, dispondo de 40 tiros, podemos utilizar 40, 36 tiros ou 32 tiros para a confecção de experimentos planejados. Assim, podemos nos dar ao luxo de gastar 8 tiros de reconhecimento para a aprendizagem do produto. Vamos usá-los para entender alguns extremos do funcionamento. Veja, na Tabela 2, as configurações testadas e os respectivos valores de distância encontrados. Tabela 2 – Valores exploratórios para os 8 tiros preliminares Tiro Configuração Distância coberta Cesto Elástico Ângulo de disparo Ângulo de lançamento Tensionador #1 300 200 90 185 200 278 #2 300 200 110 185 200 604 #3 300 200 140 185 200 448 #4 300 200 115 185 200 629 #5 300 100 110 185 200 362 #6 200 200 110 185 200 337 #7 300 100 110 160 200 263 #8 300 100 110 160 100 159 Repare que, ao escolher apenas 8 tiros de reconhecimento, alguns fatores foram menos explorados em nosso esquema, parecido com um OFAT. Porém, cobrimos distâncias variadas. Podemos distribuir os outros 32 tiros em 2 DOE de 16 rodadas cada um, ou 2 DOE de 8 rodadas e 1 DOE de 16 rodadas. As duas abordagens irão produzir resultados que podem ser melhores ou piores entre si, a depender, em grande parte, da experiência do planejador na escolha de níveis suficientemente bons 5 para cada fator na realização dos FRD. Por questões de restrição de espaço, os FRD de cada planejamento executado se encontram nos anexos. No texto, vamos nos referir a cada anexo individualmente. Lembre-se de que as células de resultado e os gráficos dos efeitos e interações são preenchidos apenas ao final da análise. Faremos dois DOE exploratórios de 8 rodadas cada nesta seção. Repare, na Tabela 3, que 5 fatores com 8 rodadas representa um experimento de resolução III. Como nosso primeiro DOE é bastante exploratório, vale a pena renunciar a uma parte da certeza estatística para garantir confundimentos de primeira e terceira ordens. Tabela 3 – Resolução de experimentos fatoriais Fatores Rodadas 2 3 4 5 6 7 8 9 10 11 12 4 F III 8 F IV III III III 16 F V IV IV IV III III III III 32 F VI IV IV IV IV IV IV 64 F VII V IV IV IV IV 128 F VIII VI V V IV Veja, no Anexo A, o FRD para nosso primeiro experimento exploratório. Repare, na Tabela 4, os resultados das estimativas e os valores P para cada fator: Tabela 4 – Estimativas e valores P para DOE 1 Term Estimate Relative Std Error Pseudo t-Ratio Pseudo p-Value tensionador 64,375 0,353553 0,90 0,4527 angulo lançamento 64,125 0,353553 0,89 0,4543 cesto 60,375 0,353553 0,84 0,4778 cesto*elástico 47,875 0,353553 0,67 0,5649 elastico 40,125 0,353553 0,56 0,6254 angulo disparo -28,625 0,353553 -0,40 0,7238 cesto*angulo disparo 12,625 0,353553 0,18 0,8745 Repare que os valores P estão todos acima de 0,05, o que indica que nenhum fator, nesse experimento, apresentou significância estatística. Isso acontece por dois motivos: ou não escolhemos bem os níveis de cada fator, ou nenhum fator é de fato relevante, condição menos provável. Ao analisar o gráfico 6 de probabilidade normal, mostrado a seguir, não percebemos nenhum valor com grande destaque. Gráfico 1 – Probabilidade normal para o DOE 1 Podemos representar as interações e os efeitos principais, mas não o faremos, por seu caráter inconclusivo. É bom verificar a interação Cesto*Elástico na matriz de confundimento. Nesse caso, podemos ver que ela se confunde com a interação ÂnguloDisparo*ÂnguloLançamento. Por conta das estimativas de cada fator individual, não temos certeza sobre qual interação é de fato mais relevante. No Anexo B, apresentamos o FRD para um segundo DOE exploratório, dessa vez com 8 rodadas e 4 fatores, mantendo fixo o fator “elástico”, que apresentou menor variação no DOE 1. Os resultados mostram-se, novamente, inconclusivos, como podemos ver natabela. Tabela 5 – Estimativas e valores P para DOE 2 Term Estimate Relative Std Error Pseudo t-Ratio Pseudo p-Value angulo lançamento 102,125 0,353553 1,09 0,3764 cesto 72,375 0,353553 0,77 0,5114 angulo disparo -68,625 0,353553 -0,73 0,5314 tensionador 62,625 0,353553 0,67 0,5649 cesto*tensionador 24,875 0,353553 0,26 0,8128 cesto*angulo lançamento 18,375 0,353553 0,20 0,8607 cesto*angulo disparo 7,125 0,353553 0,08 0,9456 7 Veja que o valores P são superiores a 0,05, o que caracteriza pouca relevância estatística. TEMA 3 – JMP DOE EXPLORATÓRIO COM 16 RODADAS Neste tema, vamos esquecer os DOE 1 e 2, vistos anteriormente, e realizar um experimento exploratório com 16 rodadas e todos os fatores, para enfatizar a diferença de maior resolução para o experimento exploratório. Veja, no Anexo C, que mantivemos o FRD do DOE 1, porém para 16 rodadas experimentais. Isso nos traz resolução V, em que fatores de primeira ordem se confundem com interações de quarta ordem (improváveis de apresentar relevância estatística). Ainda, fatores de segunda ordem se confundem com fatores de terceira ordem (também menos prováveis). A resolução V é um nível de resolução muito bom, que dificilmente suscitará dúvidas em relação aos confundimentos. A análise da Tabela 6 mostra, novamente, valores P superiores a 0,05, caracterizando pouca relevância estatística. Veja ainda o gráfico de probabilidade normal apresentado no Gráfico 2. Repare que o próprio JMP indica os fatores relevantes. Repare também que o fator “elástico” não está indicado pelo JMP como fator relevante nesse gráfico, o que constitui uma diferença importante entre a abordagem de realizar dois experimentos fatoriais exploratórios de 8 rodadas ou apenas um com 16 rodadas, apesar de o caminho de indicação ter sido o mesmo. Tabela 6 – Estimativas e valores P para DOE 3 Term Estimate Relative Std Error Pseudo t-Ratio Pseudo p-Value angulo lançamento 56,875 0,25 1,96 0,1077 Cesto 47,25 0,25 1,63 0,1649 Tensionador 46,875 0,25 1,61 0,1677 angulo disparo -46,375 0,25 -1,60 0,1714 Elástico 42,125 0,25 1,45 0,2069 angulo disparo*angulo lançamento 26,25 0,25 0,90 0,4078 cesto*elástico 21,375 0,25 0,74 0,4951 cesto*tensionador 19,375 0,25 0,67 0,5345 angulo lançamento*tensionador 18,25 0,25 0,63 0,5576 elastico*tensionador 17,75 0,25 0,61 0,5681 cesto*angulo lançamento 15,875 0,25 0,55 0,6084 elastico*angulo lançamento 14,75 0,25 0,51 0,6334 cesto*angulo disparo -5,125 0,25 -0,18 0,8669 angulo disparo*tensionador 4,75 0,25 0,16 0,8766 8 Term Estimate Relative Std Error Pseudo t-Ratio Pseudo p-Value elastico*angulo disparo 0 0,25 0,00 1,0000 Gráfico 2 – Probabilidade normal para DOE 3 TEMA 4 – JMP DOE DE REFINAMENTO Agora, realizaremos um DOE de refinamento, fixando o fator “elástico” e utilizando as últimas 16 rodadas experimentais. Para tanto, utilizamos os resultados dos DOE anteriores, de modo a estimar níveis melhores para os demais fatores. Veja, no Anexo D, o FRD para esse experimento. Repare que, com 4 fatores e 16 rodadas experimentais, podemos realizar um DOE fatorial completo, sem confundimento entre fatores e interações. Veja, na Tabela 7, os resultados das estimativas e valores P dos fatores principais. Repare que, agora, todos os fatores (e algumas interações) apresentam significância estatística, ou seja, valor P menor que 0,05. Tabela 7 – Estimativas e valores P para DOE 4 Term Estimate Std Error t Ratio Prob>|t| angulo lancamento(150,185) 77,578125 3,209171 24,17 <,0001* tensionador(120,200) 57,765625 3,209171 18,00 <,0001* cesto(240,300) 41,484375 3,209171 12,93 <,0001* angulo disparo(130,100) 45,671875 4,827811 9,46 0,0002* angulo lancamento*tensionador 22,416667 3,104237 7,22 0,0008* angulo disparo*angulo lancamento -27,26563 4,827811 -5,65 0,0024* cesto*angulo lançamento 12,083333 3,104237 3,89 0,0115* cesto*tensionador 7,4583333 3,104237 2,40 0,0614 cesto*angulo disparo 6,828125 4,827811 1,41 0,2164 9 Term Estimate Std Error t Ratio Prob>|t| angulo disparo*tensionador -2,328125 4,827811 -0,48 0,6500 Condição similar pode ser verificada através do gráfico de probabilidade normal, a seguir. Gráfico 3 – Probabilidade normal para DOE 4 Os resultados do DOE 4 confirmam a hipótese inicial de significância dos fatores principais escolhidos, fornecendo certezas em relação às interações. Vemos, por exemplo, que a interação entre os fatores ângulo de disparo e ângulo de lançamento é significante, mas não a interação entre cesto e elástico (já que aqui o fator “elástico” é mantido fixo). Essa era uma dúvida que tivemos anteriormente, e que não podia ser respondida com certeza, devido a confundimentos em DOE fracionados. Por fim, temos um modelo que aparenta ser robusto dentro das faixas de níveis escolhidos. Na próxima seção, aprenderemos a utilizar o modelo matemático para prever novos lançamentos. TEMA 5 – JMP PREVISÕES COM O MODELO MATEMÁTICO Veja, no Gráfico 4, a aplicação “Prediction Profiler” do JMP. Ela mostra, de maneira gráfica, o modelo matemático desenvolvido. Quando realizamos experimentos fatoriais, nosso modelo matemático é uma função linear de fatores que variam nos níveis escolhidos. 10 Gráfico 4 – Modelo matemático para o DOE 4 Prediction Profiler Fonte: JMP, 2018. Vamos falar agora de algumas especificidades do Gráfico 4. Repare que podemos mover as barras pontilhadas em vermelho para simular valores intermediários entre os níveis escolhidos para cada fator. Ainda, a própria estimativa da variável resposta (nesse caso, a distância) é apresentada em vermelho, com valores de erros estimados entre colchetes. Isso significa que, para os níveis selecionados, a distância estimada é de 226, podendo variar entre 213 e 239. Podemos, com o auxílio dessa aplicação, estimar um valor de distância ao mover as barras vermelhas. Veja, na matriz experimental do Anexo D, que os valores extremos de distância obtidos são 72 e 498. Essa faixa representa o espaço de inferência de nosso modelo. Portanto, só poderemos realizar uma nova previsão de lançamento dentro dela. Imagine, então, que queremos acertar um alvo a uma distância de 250. Veja, no Gráfico 5, uma possibilidade de configuração para os fatores da catapulta. Gráfico 5 – Configuração para alvo a 250 Prediction Profiler 11 Ao realizar o lançamento, obtemos a figura a seguir. Figura 2 – Resultado para a configuração para alvo a 250 Fonte: SigmaZone, 2021. Observe que obtivemos um valor real próximo do limite máximo de erro. Por outro lado, o alvo que selecionamos é puramente especulativo, já que, durante nossas rodadas experimentais, não utilizamos essas configurações para nenhum teste. A margem de erro se deve, principalmente, ao fato de que o modelo real não é linear (de fato, sabemos, da física, que lançamentos se comportam de maneira quadrática). Vamos agora testar uma nova configuração, indicada no gráfico. Gráfico 6 – Configuração para alvo a 355 Prediction Profiler Ao realizar o lançamento, obtemos os dados da figura a seguir. 12 Figura 3 – Resultado para a configuração para alvo a 355 Fonte: SigmaZone, 2021. Veja que, nessa faixa, obtivemos uma assertividade muito melhor. Isso mostra que nosso modelo apresenta uma precisão diferente para diversas faixas no espaço de inferência, o que é uma característica dos modelos matemáticos de experimentos planejados. O objetivo de toda essa discussão é mostrar o poder de um estudo baseado em experimentos planejados. Mesmo um fenômeno físico não linear pode ser modelado de maneira aproximada por um modelo linear, que pode resultar em previsões acertadas, com uma certa tolerância de erros. Além disso, o modelo matemático pode ser utilizadode duas formas: como um preditor da variável resposta e como um guia de configuração para a obtenção de determinada resposta. Um engenheiro pode utilizar experimentos planejados para entender um processo ou produto e propor modificações para a otimização de determinada característica de qualidade e para a redução de variabilidade. Esses são os objetivos da aplicação do conhecimento que construímos ao longo de nosso percurso. Finalizamos com votos de que o conhecimento adquirido seja utilizado na resolução de problemas reais, contribuindo para o aumento de qualidade e produtividade de que tanto precisamos, como país, para dar um salto de eficiência e construir uma sociedade melhor. 13 REFERÊNCIAS JMP. Statistical Discovery: version 14.0.0. SAS Institute Inc, 2018. SIGMAZONE Catapult. 2021. Disponível em: <https://sigmazone.com/catapult/>. Acesso em: 25 ago. 2021. 14 ANEXO A Título Catapulta: DOE 1 exploratório 1. Objetivo O objetivo desse DOE é estudar o impacto de todos os fatores de maneira exploratória, para entendermos se podemos dispensar alguns fatores que sejam estatisticamente irrelevantes. 2. Informações prévias Possuímos um conhecimento inicial dos níveis provenientes dos 8 tiros de reconhecimento que disparamos. Verificamos que o ângulo de lançamento apresenta grande influência na distância para pequenas variações e podemos, então, limitar esse fator em níveis mais estreitos. Talvez possamos limitar também a posição do cesto. 3. Variáveis experimentais 3.1 Variáveis resposta Técnica de medição 1 Distância Trena (fornecida pelo aplicativo virtual) 2 3.2 Fatores sob estudo Nível (menos/ −) Nível (mais/ +) 1 Cesto 250 300 2 Elástico 100 200 3 ângulo de disparo 100 140 4 ângulo de lançamento 150 185 5 tensionador 100 200 Teoria Previsão Resultado 1 Maior a amplitude maior altitude no lançamento nível + pode traz mais flexibilidade Inconclusivo 2 Maior tensionamento maior impulso nível + acerta mais longe Inconclusivo, porém menos relevante 3 posição mais angulada promove maior altitude nível mais acerta mais longe Inconclusivo, porém menos relevante 4 Maior impulso aumenta o alcance nível mais acerta mais longe Inconclusivo 5 Maior tensionamento maior impulso nível + acerta mais longe Inconclusivo 3.3 Variáveis ruído Modo de controle 1 Software nenhum 2 5. Repetições / restrições / réplicas Nenhum 6. Método de randomização Algoritmo do JMP 7. Matriz do experimento 15 8. Métodos planejados de análise estatística DOE 2^(5-2) res III - Experimento fracionado sem bloco randomizado 9. Custos estimados, planejamento e outros recursos Tempo total: 30 minutos 10. Confundimento dos efeitos 16 ANEXO B Título Catapulta: DOE 2 exploratório 1. Objetivo O objetivo desse DOE é explorar os fatores excluindo-se a variação do fator “elástico”, que apresentou menos relevância no DOE1 e modificando-se os níveis do fator “ângulo de disparo” e demais fatores 2. Informações prévias DOE 1 foi inconclusivo, mas os fatores “elástico” e “ângulo de disparo” apresentaram menor relevância estatística. 3. Variáveis experimentais 3.1 Variáveis resposta Técnica de medição 1 Distância Trena (fornecida pelo aplicativo virtual) 2 3.2 Fatores sob estudo Nível (menos/ −) Nível (mais/ +) 1 cesto 200 300 - elástico fixo em 200 fixo em 200 2 ângulo de disparo 120 140 3 ângulo de lançamento 150 185 4 tensionador 120 200 Teoria Previsão Resultado 1 Maior a amplitude maior altitude no lançamento nível + pode traz mais flexibilidade inconclusivo - - - - 2 posição mais angulada promove maior altitude nível mais acerta mais longe inconclusivo 3 Maior impulso aumenta o alcance nível mais acerta mais longe inconclusivo 4 Maior tensionamento maior impulso nível + acerta mais longe inconclusivo 3.3 Variáveis ruído Modo de controle 1 Software nenhum 2 5. Repetições / restrições / réplicas Nenhum 6. Método de randomização Algoritmo do JMP 7. Matriz do experimento 17 8. Métodos planejados de análise estatística DOE 2^(4-1) res IV - Experimento fracionado sem bloco randomizado 9. Custos estimados, planejamento e outros recursos Tempo total: 30 minutos 10. Confundimento dos efeitos 18 ANEXO C Título Catapulta: DOE 3 exploratório 1. Objetivo O objetivo desse DOE é estudar o impacto de todos os fatores de maneira exploratória, para entendermos se podemos dispensar alguns fatores que sejam estatisticamente irrelevantes. 2. Informações prévias Possuímos um conhecimento inicial dos níveis provenientes dos 8 tiros de reconhecimento que disparamos. Verificamos que o ângulo de lançamento apresenta grande influência na distância para pequenas variações e podemos, então, limitar esse fator em níveis mais estreitos. Talvez possamos limitar também a posição do cesto. 3. Variáveis experimentais 3.1 Variáveis resposta Técnica de medição 1 Distância Trena (fornecida pelo aplicativo virtual) 2 3.2 Fatores sob estudo Nível (menos/ −) Nível (mais/ +) 1 cesto 200 300 2 elástico 100 200 3 ângulo de disparo 100 140 4 ângulo de lançamento 150 185 5 tensionador 100 200 Teoria Previsão Resultado 1 Maior a amplitude maior altitude no lançamento nível + pode traz mais flexibilidade condizente com previsão 2 Maior tensionamento maior impulso nível + acerta mais longe Considerado irrelevante 3 posição mais angulada promove maior altitude nível mais acerta mais longe O contrário, nível menos acerta mais longe 4 Maior impulso aumenta o alcance nível mais acerta mais longe condizente com previsão 5 Maior tensionamento maior impulso nível + acerta mais longe condizente com previsão 3.3 Variáveis ruído Modo de controle 1 Software nenhum 2 5. Repetições / restrições / réplicas Nenhum 6. Método de randomização Algoritmo do JMP 7. Matriz do experimento 19 8. Métodos planejados de análise estatística DOE 2^(5-1) res V - Experimento fracionado sem bloco randomizado 9. Custos estimados, planejamento e outros recursos Tempo total: 30 minutos 10. Confundimento dos efeitos 20 ANEXO D Título Catapulta: DOE 4 refinamento 1. Objetivo O objetivo desse DOE é refinar o experimento com os fatores relevantes de modo a produzir um modelo matemático mais assertivo. 2. Informações prévias Do DOE anterior, sabemos que o fator “elástico” possui pouca influência e, assim, ficará fixado no nível intermediário. 3. Variáveis experimentais 3.1 Variáveis resposta Técnica de medição 1 Distância Trena (fornecida pelo aplicativo virtual) 2 3.2 Fatores sob estudo Nível (menos/ −) Nível (mais/ +) 1 cesto 240 300 - elástico fixado em 150 fixado em 150 2 ângulo de disparo 130 100 3 ângulo de lançamento 150 185 4 tensionador 120 200 Teoria Previsão Resultado 1 Maior a amplitude maior altitude no lançamento nível + pode traz mais flexibilidade Confirmado - - - 2 posição mais angulada promove maior altitude nível mais acerta mais longe Confirmado 3 Maior impulso aumenta o alcance nível mais acerta mais longe Confirmado 4 Maior tensionamento maior impulso nível + acerta mais longe Confirmado 3.3 Variáveis ruído Modo de controle 1 Software nenhum 2 5. Repetições / restrições / réplicas Nenhum 6. Método de randomização Algoritmo do JMP 7. Matriz do experimento 21 8. Métodos planejadosde análise estatística DOE 2^(4) res full - Experimento full fatorial sem bloco randomizado 9. Custos estimados, planejamento e outros recursos Tempo total: 30 minutos 10. Confundimento dos efeitos Não há
Compartilhar