Prévia do material em texto
Green Belt Analyze ▪ No Analyze iremos desenvolver as mudanças de segunda ordem que vão gerar as melhorias. ▪ 4 estratégias: Análise Crítica, Uso da Tecnologia, Uso da Criatividade, Conceitos de Mudança ▪ Como no Measure, podemos usar técnicas para propor as mudanças baseados nos dados e nos processos. ▪ As técnicas de processos visam melhorar os procedimentos e suas sequências. Exemplo: Poka- Yokes, Análise de Valor, eliminação de desperdícios, etc. ▪ As técnicas de dados visam estabelecer um pensamento matemático de causalidade: Y = f(x). Exemplos: análise do banco de dados (regressão, etc.) e planejamento de experimentos. ▪ Ao final do Analyze, vamos ter várias mudanças que podem gerar melhorias. Analyze Mapa do Analyze Atividades Entender o que se pode mudar no fluxo de maneira a gerar melhorias Entender o que se pode mudar nas atividades para deixá-las melhores e mais rápidas. Buscar no banco de dados correlações entre variáveis para entender o que se pode variar no processo de maneira a gerar um resultado melhor. Aprenda mais sobre as correlações de variáveis com experimentos planejados Priorizar as mudanças propostas para a realização de testes de mudança Ferramentas Desconexões, análise de valor, ECRS, Criatividade, Conceitos de Mudança Poka-Yokes, Diagrama de Ishikawa, Análise de Tempo, Tecnologia, Benchmarking, Criatividade Gráficos de dispersão, Análises de Regressão, Testes de hipóteses, Tabelas de contingência, Gráficos de Barras Planejamento de experimentos; Experimentos Fatoriais; Experimentos Dicotômicos; etc. Ciclo PDSA; Matriz de Impacto Esforço. Saídas Mudanças para melhorar o fluxo Mudanças para melhorar as atividades Alterações nos parâmetros de entrada que vão gerar melhoria Alterações nos parâmetros de entrada que vão gerar melhoria Plano de testes das mudanças desenvolvidas. Formate suas mudanças Investigue os experimentos Analise seu banco de dados Analise os procedimentos Analise os processos Vamos ver um case para entender o Analyze? Analyze As estratégias e sub estratégias para a Mudança As Macro Estratégias Entender e analisar criticamente o processo atual Usar Tecnologia Usar Criatividade Usar os Conceitos de Mudança Entender e analisar criticamente o processo atual Grupo Sub-Estratégia Ferramenta Porta dos Processos Entender a causa de um problema Diagrama de Ishikawa 5 Porquês Melhorar o fluxo para gerar mais valor Desconexões Análise de Valor Os desperdícios do Lean ECRS Evitar erros e falhas Poka-Yoke Porta de Dados Buscar correlações Gráfico de Dispersão Análises de Regressão Testes de Hipótese ANOVA Realizar experimentos Planejamento de Experimentos Lembre-se! O objetivo de todas essas ferramentas é de gerar mudanças que vão se tornar melhoria. Os Tipos de Mudança Categorias 1ª Ordem 2ª Ordem Sistema Não é alterado É alterado Percepção do cliente Solução do problema Melhoria Prazo Imediato, curto Médio, longo Ferramentas para entender a causa de problemas É normal sempre identificarmos alguns problemas críticos em nosso mapeamento. Por exemplo: ▪ Reclamações de clientes; ▪ Riscos à saúde de pacientes; ▪ Problemas de Qualidade; ▪ Eventos inesperados; ▪ Etc. Uma boa estratégia para buscar melhorias de segunda ordem é analisar estes pontos mais a fundo. Duas ferramentas clássicas nos ajudam a fazer isso: ▪ O Diagrama de Ishikawa (ou diagrama de Causa e Efeito); ▪ A ferramenta dos 5 Porquês. Entendendo a Causa de um Problema O diagrama de Ishikawa O que é o Diagrama de Ishikawa É um diagrama que nos ajuda a identificar causas específicas que expliquem determinado efeito. A sua lógica está em partir de macro causas genéricas e caminhar para causas específicas, que são fáceis de serem transformadas em mudanças palpáveis. Ele nos ajuda a analisar problemas, buscar mudanças, organizar conhecimento e disseminar informação. Quando usar o Diagrama de Ishikawa ▪ Analisar defeitos e insatisfações do cliente, buscando suas causas; ▪ Fornecer uma metodologia inicial para análise de um fenômeno, defeito ou oportunidade de melhoria; ▪ Guiar o brainstorming para entendimento de um problema; ▪ Identificar possíveis ações para se resolver um problema ou eliminar um evento negativo; ▪ Analisar criticamente o processo na fase Analyze do roteiro DMAIC em Projetos de Melhoria. Exemplo - Hotel Diagrama de Ishikawa Atividades Entender o efeito, problema ou oportunidade de melhoria que será estudada e o seu contexto. O facilitador define a metodologia de início de discussão e as causas. A equipe sugere todas as possibilidades de subcausas prováveis. Discutir quais ideias podem ser combinadas e aperfeiçoadas Teste quais causas são reais e defina quais serão priorizadas Ferramentas ▪ Fontes ativas (pesquisas, formulários, árvore CTC, etc); ▪ Fontes reativas (reclamações, defeitos, etc). ▪ 6M; ▪ 4P; ▪ Afinidades; ▪ Processos; ▪ Componentes. ▪ Brainstorming; ▪ RNC. ▪ 5 Porquês; ▪ RNC. ▪ Gráfico de Pareto; ▪ Testes e Experimentos; ▪ RNC. Saídas Efeito descrito na ponta do diagrama Causas nas espinhas do diagrama Subcausas nas espinhas do diagrama Diagrama de Ishikawa Mudanças 5. Proponha Mudanças 4. Revise o Diagrama 3. Colete as subcausas prováveis 2. Defina a metodologia de início da discussão 1. Defina o seu efeito ▪ Ajuda a enfocar o aperfeiçoamento do processo; ▪ Registra visualmente as causas potenciais que podem ser revistas e atualizadas; ▪ Provê uma estrutura para o brainstorming; ▪ Envolve todos; ▪ Reduz a tendência de encontrar uma única causa para um problema. Vantagens de utilizar o Diagrama de Ishikawa Pontos de atenção ao elaborar o Diagrama de Ishikawa ▪ Não deixe o brainstorming virar bate- papo; ▪ Não se “apaixone” por uma causa; ▪ Cuidado com a escolha dos participantes da equipe; ▪ Cuidado com causas pouco prováveis; ▪ Confirme as causas antes de elaborar e executar os planos de ação. ▪ Não deixe de agir! Os 5 porquês Aprofundando-se nas causas Os 5 porquês foi uma ferramenta criada na Toyota para fomentar o senso e crítico e a capacidade analítica no Gemba. Seu objetivo é forçar o pessoal da base a investigar e propor boas mudanças. Se aplicado corretamente, ele aumenta a capacidade da operação na realização de Kaizens. O que é a Ferramenta dos 5 Porquês? Exemplo Nível de entendimento de um problema Nível da mudança correspondente Durante uma emergência era necessário fazer uma drenagem pulmonar mas não havia nenhum frasco coletor adulto disponível. Buscou-se nos 2 arsenais da enfermagem e nenhum foi encontrado. Use um frasco pediátrico mesmo. Por quê não havia um frasco coletor adulto em nenhum lugar? Porque não havia sido feita a compra de um frasco coletor. Compre frascos coletores para adultos. Por quê compras não havia requisitado a compra? Porque eles não haviam sido informados sobre a compra deste item. Por quê eles não haviam sido informados? Porque o pessoal da assistência não havia requisitado. Crie um formulário/sistema mais fácil para as requisições. Por quê eles não haviam sido requisitados? Porque eles não checaram o estoque. Crie um procedimento de checagem de estoque e insira na rotina. Por que eles não checaram o estoque? Com a correria do dia a dia, se esqueceram das atividades de rotina. Implemente um quadro de checklist no Gemba com os pontos da rotina. Use a liderança para reforçar o seu preenchimento (diário de bordo). Ao usar o “Por que?” atente para o fato de que a resposta em cada estágio corresponde a um determinado nível de entendimento do problema. E, para aumentar o entendimento, são necessários investigações e testes. Não é um exercícios de chutes numa sala fechada feito em 30 minutos! Para cada nível deentendimento do problema há uma mudança correspondente. Cuidados Extras Cuidados! Você já viu RNC? É muito comum encontrarmos os famosos Relatório de Não Conformidade (RNCs) em empresas auditadas pela ISO. E, neste relatório há um Ishikawa e uma análise dos 5 porquês para ser preenchida sobre a não conformidade encontrada. Problema: muitas vezes, por motivo de prazo ou desinformação, as pessoas preenchem este relatório com teorias não testadas sobre o que eles acham serem as causas. Isto é errado. Uma investigação de causas como vimos, envolve testes, definição de hipóteses e muita investigação antes de preenchermos o RNC. Preenchê-lo em “30 minutos” causará um aumento de custos e perda de validade na análise. Ferramentas para entendimento e melhoria do fluxo No mapeamento, também podemos ter problemas de fluxo. Por exemplo: ▪ Processos redundantes; ▪ Etapas que não são necessárias; ▪ Etapas difíceis de serem feitas; ▪ Desconexões... Algumas ferramentas nos ajudam a, a partir de um fluxograma, entender o que é necessário ou não e o que fazer com as atividades que não são necessárias. São elas: ▪ Análise de Desconexões; ▪ Análise de Valor; ▪ Os 7 desperdícios clássicos; ▪ Ferramenta do ECRS. Melhorando o Fluxo Desconexões Como encontrar os fios desligados do seu processo? O que é uma desconexão? Uma desconexão é um desvio, erro ou disrupção em um fluxo de trabalho, que impede o alcance de uma situação desejada. São os fios soltos em um processo. Exemplos de Desconexões Saídas ▪ Está produzindo alguma saída desnecessária? ▪ Está deixando de produzir saídas para os clientes adequados? ▪ Está deixando de atender expectativas de qualidade dos clientes? de prazo? ▪ Está deixando de atender expectativas internas de produtividade? de custos? Entradas ▪ Está deixando de receber alguma entrada necessária? ▪ Está recebendo alguma entrada desnecessária? ▪ Existem entradas chegando de fornecedores errados? ▪ Existem entradas deixando de atender expectativas de qualidade, prazo, custo ou produtividade? Atividades ▪ Estão sendo realizadas na hora certa no processo? ▪ Estão sendo realizadas pelas áreas/pessoas certas? ▪ Estão criando gargalo? ▪ Agregam valor para o cliente? ▪ Apresentam redundância? ▪ É um ponto de inspeção ou de decisão? ▪ Apresentam ciclos de retrabalho? ▪ Estão sendo executados no tempo programado? As desconexões são encontradas no mapeamento do processo. Algumas dicas: ▪ Use o SIPOC para avaliar as conexões entre as pessoas; ▪ Busque pelas desconexões citadas; ▪ Entenda o impacto de falta ou excesso de informações. ▪ Desenvolva as suas mudanças. Como encontrar uma desconexão? Depois de encontrá-las, como tratá-las? Plano de ataque às desconexões Desconexão Sugestão Análise de valor A análise de valor é uma ferramenta que classifica tudo o que fazemos (como as etapas de um processo, os passos de uma atividade, etc.), para entender se aquilo está gerando valor para o cliente. Valor é aquilo que realmente é importante para o cliente, ou seja, aquilo que ele pagaria por. Fazemos muitas coisas que não agrega valor. Temos que entender o quais são e tentar mudar essa realidade. O que é Análise de Valor Toda análise de valor parte dos passos: Saiba o que é valor para o seu cliente (interno e externo) – Isso vem do Measure e do Define. Descubra, no detalhe, o que está acontecendo – este é o mapeamento de processos do Measure. Critique as atividades sendo realizadas. Classifique- as. Tome ações para mudar o que está acontecendo. Como fazer? 1 2 4 3 As classificações Atividade AV NAV Necessária Desnecessária ReduzaAcerte o fluxo Elimine Coloque as atividade em uma sequência natural Reduza essas atividades e sua interferência no fluxo de valor Tipos Ação Detalhes Classificar cada passo do processo como AV ou NAV. Propor um novo fluxo contendo somente as atividades que agregam valor. “A empresa tem um departamento de transportes que providencia o veículo”. Um funcionário tem necessidade de viajar a trabalho e utiliza carro providenciado pela empresa. 1. Funcionário liga p/ setor de transportes para verificar a disponibilidade de carro da empresa na data 2. Se sim, funcionário pede para reservar carro da frota, informando a data de uso e prontuário. Se não, funcionário pede para alugar um carro, informando a data de uso e prontuário 3. Funcionário preenche solicitação em papel (tanto faz, para carro da frota ou alugado) 4. Funcionário passa solicitação para superior carimbar e assinar 5. Funcionário espera retorno da solicitação carimbada e assinada 6. Funcionário envia solicitação para transportes 7. Funcionário liga para transportes para informar que foi enviada a solicitação 8. Transportes espera chegada da solicitação 9. Transportes providencia o carro (da empresa ou alugado) p/ a data de uso 10. Funcionário liga para Transportes na véspera para ver se “está tudo ok” 11. Funcionário passa no transportes para pegar a chave e ticket combustível 12. Funcionário pega o carro. Exercício Os 7 desperdícios Lean e desperdícios Um dos maiores objetivos do Lean é eliminar desperdícios do processo produtivo. Mas, o que são desperdícios? Desperdício (無駄): Toda a atividade que consome energia e recursos sem agregar valor ao cliente, ou seja, aquilo que fazemos mas que o cliente não está disposto a pagar. Tudo a ver com análise de valor! https://en.wiktionary.org/wiki/%E7%84%A1%E9%A7%84 Identificando os desperdícios Parece simples... Entretanto, encontrar estas atividades pode ser difícil. Pensando nisso, vários autores experientes na prática do Lean listaram 7 desperdícios visuais, que podem ser facilmente identificados e quantificados em uma visita ao Gemba (chão de fábrica) Os 7 desperdícicos clássicos Superprodução (excesso de quantidade) Espera Transporte (de material) Movimentação (de pessoal) Inventário (estoque) Defeitos Superprocessamento (excesso de funcionalidade) 1 2 7 6 5 4 3 Desperdícios são visuais! A Ferramenta do ECRC O ECRS é uma ferramenta, um modo de pensar, que nos ajuda a desenvolver mudanças em processos que não agregam valor. Foi criada pelos americanos na Segunda Guerra e serviu de base para boa parte das ferramentas modernas (como o SMED, para redução de tempo de setup). Como o próprio nome já diz, temos que olhar para o mapeamento e pensar: ▪ O que pode ser Eliminado? ▪ O que pode ser Combinado? ▪ O que pode ser Reduzido? ▪ O que pode ser Simplificado? O que é o ECRS? Exemplo para Eliminar: ▪ Coletar informações que não são usadas; ▪ Atividades que são desperdícios; ▪ Relatórios que não serão analisados; ▪ Inspeções, uma vez que o processo esteja redondo. Exemplo para Combinar: ▪ Atividades redundantes (ligar e mandar e- mail); ▪ Coleta de informações e sistemas; ▪ Coleta de informações e checklists Exemplo Exemplo para Reduzir: ▪ Coleta de informações (como realizar múltiplos exames); ▪ Verificações; ▪ Pontos de aprovação/inspeção; Exemplo para Simplificar: ▪ Atividades que dependem de especialistas; ▪ Burocracias; ▪ Equipamentos de difícil manuseio; ▪ Avaliação de padrões; ▪ Classificações excessivas; Ferramentas para evitar erros Erros frequentemente são apontados em um mapeamento de processos. Exemplos são: ▪ Erros de operação; ▪ Erros de montagem/posicionamento; ▪ Esquecimentos; ▪ etc.. As ferramentas que mais nos ajudam a entender estes erros e evita-los são: ▪ Poka-Yokes; Evitando Erros Processos a prova de falhasExercícios Poka yoke Processo à prova de erros e falhas Exemplos de processos complicados Significado À prova de erros ou de falhas Objetivo Eliminar ou prevenir não conformidades de processo utilizando dispositivos ou sensores e assegurar que os mesmos estejam funcionando adequadamente. Motivação:Por mais treinado que alguém esteja, um ser humano sempre vai errar. Poka Yoke A prova disso: Vamos fazer um desafio no próximo slide. Todos sabem contar? Todos sabem identificar letras? Estão treinados nessas atividades? Vocês terão 1 minuto... Poka Yoke “The necessity of training farm hands for first class farms in the fatherly handling of farm livestock is foremost in the eyes of farm owners. Since the forefathers of the farm owners trained the farm hands for first class farms in the fatherly handling of farm live stock, the farm owners feel they should carry on with the family tradition of training farm hands of first class farmers in the fatherly handling of farm live stock because they believe it is the basis of good fundamental farm management.” Conte quantas vezes a sexta letra do alfabeto aparece no texto! Detectivo (Mistake Profing): Detecta a falha ou defeito, caso ocorra, e previne que a não-conformidade continue no processo. Tipos de Poka Yoke Preventivo (Error Profing): Elimina a possibilidade de ocorrência da falha ou defeito específico, através do projeto. Poka Yoke Preventivo ▪ Microondas não funciona com porta aberta; ▪ Moto não liga se estiver engrenada e com o pezinho abaixado; ▪ Boia da caixa d’água evita que água vaze da caixa; ▪ Farol dos carros se apaga quando a chave é retirada do contato Exemplos Poka Yoke Detectivo ▪ Indicador no painel dos automóveis, que indica que o motorista não está usando o cinto de segurança; ▪ Carros que emitem som ao abrir a porta quando o farol está aceso e o veículo desligado. Exemplos Métodos Lembretes Diferenciações Restrições Exibições Lembretes Diferenciações Restrições Exibições Uso da Tecnologia Aplicação prática da ciência, incluindo equipamentos, materiais, sistemas de informação e métodos). Alguns aspectos: ▪ Se bem empregadas, dão à empresa a oportunidade de grandes melhorias, aplicando o que os outros já desenvolveram; ▪ Requerem $ e tempo; ▪ É necessário testar em pequena escala p/ minimizar o risco; ▪ Como toda mudanças, sofrerá resistência das pessoas; ▪ É necessário ter plano de transição do velho para o novo. O que é usar a tecnologia Tecnologia não compensa erros de processo Cuidados nas mudanças que envolvem tecnologia: ▪ Não automatize um sistema ruim: erros ocorrerão mais rápido e custo serão mais altos ▪ Reserve soluções tecnológicas p/ melhorar sistemas estáveis em vez de solucionar causas especiais; ▪ Concentre as mudanças nos gargalos ▪ Uma tecnologia não confiável é pior que nenhuma tecnologia O que é usar a tecnologia Uso da Criatividade ▪ O uso da criatividade é a aplicação de técnicas para quebrarmos nossos modelos mentais. ▪ Existem várias técnicas que nos ajuda a fazer isso. ▪ Estão disponíveis em nosso curso de Criatividade O que é criatividade? Possíveis Mudanças Resultado: Novas ideias de mudança Conhecimento atual Benchmarking Conceitos de Mudança O Benchmarking é uma ótima estratégia para se realizar mudanças. Para ajudar equipes de melhoria, a API fez um estudo grande com vários projetos nos EUA e viu que: ▪ Eles tinham objetivos parecidos; ▪ Soluções parecidas. Pensando nisso eles criaram um guia para trabalhar com estas mudanças. Esse guia está disponível no material adicional. O que são os conceitos de mudança? Conceitos de mudança Eliminar desperdícios Melhorar fluxo de trabalho Otimizar inventário Mudar o ambiente de trabalho Incrementar a Relação Produtor / Consumidor Gerenciar o Tempo Genrenciar variação Planejar sistemas e evitar erros Focar no produto ou serviço Correlação: associação entre variáveis Como correlacionar variáveis de entrada com as de saída Sistema de causas Fornecedore s (suppliers) Entradas (inputs) Processo (process) Saídas (outputs) Clientes (clients) Variáveis de input Variáveis de processo Variáveis de output X1, X2, X3, ..., Xk Y Y = f(X1, X2, X3, ..., Xk) Correlacionar variáveis é entender como uma variável de entrada em nosso banco de dados (X) influencia em nossa variável de interesse (Y). Exemplo: a quantidade de farinha (x1) e a temperatura de assar o bolo (x2) influenciam em seu sabor (y)? Para descobrir essas correlações, temos uma série de ferramentas. Elas podem ser simples (para amostras) ou então mais avançadas (para correlacionar populações). O que é correlação? X Y Y numérica Y categórica X numérica Simples: gráfico de dispersão Avançada: Análise de Regressão Simples: histograma estratificado Avançada: Regressão Logística X categórica Simples: histograma estratificado Avançada: testes de hipótese/ANOVA Simples: Pareto, gráfico de barras; Avançadas: testes de hipótese para proporção E como fazer? Em seguida: Identifique a técnica a ser utilizada na tabela abaixo: Correlação entre variáveis numéricas Gráfico de dispersão e análises de regressão O que é o gráfico de dispersão? São gráficos que plotam de maneira cartesiana um conjunto de variáveis, de maneira a buscar correlações entre 2 ou mais variáveis. São extremamente simples, mas extremamente importantes. Eles foram o embrião de toda a estatística de correlação, como as famosas análises de regressão e outras análises multivariadas. Exemplos Exemplos Exemplos Vamos fazer alguns exercícios sobre correlação com o gráfico de dispersão. Hora do exercício Gráfico de DispersãoMinitab Gráficos de Dispersão Lista de Exercícios 3 Correção Lista de Exercícios 3 Análise de regressão Regressão Linear O Gráfico de Dispersão nos ajuda a entender se há ou não há uma correlação entre as variáveis. Entretanto, essa análise é apenas visual, ou seja, não temos parâmetros claros para avaliar a força e a existência de fato da correlação. Isso nos faz ser incapaz de resolver problemas práticos, como: ▪ Qual variável influencia mais? ▪ Estamos entendendo toda a variação? ▪ Qual é o valor exato de uma variável Y para um dado conjunto de variáveis X. X Y Regressão Linear As análises de regressão linear, através do ajuste estatístico dos dados, nos ajuda a ter parâmetros para entender estes problemas. Podemos quantificar coisas como: ▪ O quanto minhas variáveis de entrada influenciam na variável de saída (através do R²) ▪ Em um banco de dados com muitas variáveis, o que influencia e o que não influencia (através do p-valor); ▪ Qual é o valor de Y para dadas configurações de X (através da equação da regressão). Regressão Linear Geralmente os cálculos para determinar esses parâmetros não são tão simples (mas nem tão complicados assim). A boa notícia é que o Minitab faz isso pra gente. Nesta parte do curso, vamos focar nas análises de regressão do ponto de vista da interpretação dos resultados do Minitab. Regressão Linear Colete os dados Analise seus dados graficamente Crie sua curva ajustada de regressão no Minitab Avalie a significância do R² e P Avalie os resíduos Tome uma decisão Os parâmetros da regressão Regressão Linear Os parâmetros – A curva de regressão A equação dá a você uma estimativa do comportamento do processo. Além disso, ela te ajuda a estimar os valores de Y para determinados X’s. Note que R² = 90,2% Falaremos sobre isso mais tarde Y = 2628 – 37,15x De onde vem a linha de ajuste? O Minitab encontra uma linha que minimizará as distâncias dos pontos plotados para a linha .... Regressão Linear – Os parâmetros – o R² R² = 90,2% Isso significa que 90,2% da variação pode ser explicada pela equação. Ou seja, 9,8% são devido a outros fatores. Exemplos de R² R² = 87,6% R² = 11,6% De onde vem o R²? De onde vem o R²? SSRegressão SSTotal R² = 1527843 1693738 R² = = 90,2% Exemplo: Regressão Linear – Os parâmetros – o p-valor R-Sq = SSRegressão/ SSTotal H0: Coefic. Angular = 0 (sem correlação) H1: Coefic. Angular ≠ 0 (há correlação) Quanto menor o p-valor, mais certeza temos que a variável influencia. O p-valor é muito útil na Regressão Múltipla! Regressão Múltipla Regressão linear múltipla Na regressão linear múltipla, colocamos vários outros coeficientes, que podem ou não serem diferentes de zero (fazendo a variável ser significativa): yi é a inteligência (PIQ) do aluno i xi1 é o tamanho do cérebro (MRI) do aluno i xi2 é a altura (Altura) do aluno i xi3 é o peso (peso) do aluno i yi=(β0+β1xi1+β2xi2+β3xi3)+ϵi Podemos tentar predizer, por exemplo, se a inteligência pode ser prevista por características das pessoas (esse experimento foi feito!) Os dados escolhidos para anotar foram: Regressão linear múltipla Não se desespere! Regressão linear múltipla Clique em “more...” se você quiser recapitular Assistente do Minitab ou Assistente do Minitab O que o assistente diz sobre a seleção do modelo para regressão simples O que o assistente diz sobre a seleção do modelo para regressão simples Assistente do Minitab Assistente do Minitab: Menu Seja cauteloso, permitindo que Minitab selecione seu modelo. Analise seus dados graficamente e consulte as leis da física antes de ajustar um modelo usando o assistente do Minitab Alfa = 0,05 Assistente do Minitab: Relatório da Análise Amount of data – tamanho de amostra pequeno. Seja um pouco cuidadoso ao avaliar a força do relacionamento Unusual data – 2 pontos não estão adequados ao modelo Normality – desde sua amostra esteja acima de 15 observações, a normalidade não será um problema Model fit – Avalie a amplitude para valores de x, possível curvatura e possíveis áreas de interesse especial Assistente do Minitab: Relatório de Previsão O Relatório de Previsão exibe o intervalo e o gráfico de predição para cada resposta prevista, fornecendo um intervalo que contenha um determinado ponto medido. O intervalo de predição é sempre maior do que o intervalo de confiança por causa da incerteza adicional envolvida na previsão de uma resposta individual. Assistente do Minitab: Relatório de Diagnóstico Os valores de Residuals vs Fitted devem formar uma faixa reta. Os resíduos devem exibir apenas variações aleatórias no gráfico de série temporal. Há algum problema presente com este modelo? O assistente escolheu um modelo linear 2 pontos de dados têm um ajuste fraco para o modelo escolhido (= grandes resíduos) Abaixo do gráfico você encontra uma tabela de resumo contendo estatísticas-chave tanto para o modelo escolhido como para o modelo alternativo (= não escolhido) Assistente do Minitab: Relatório de Diagnóstico Assistente do Minitab: Sumário Existe uma relação significativa entre Y e X, pois p está bem abaixo de 0,05 O modelo explica 90% da variação em Y O coeficiente de correlação é de -0,95, indicando uma forte correlação negativa Aqui está o gráfico de ajuste adequado, incluindo a equação de regressão escolhida Comentários e conclusões Vamos treinar regressão! Hora do exercício Regressão Linear e MúltiplaMinitab Regressão Linear e Múltipla Lista de Exercícios 4 Correção Lista de Exercícios 4 Alguns cuidados quando usamos gráficos de dispersão e regressão linear Correlação x Causalidade Rádios causam loucura? Outras correlações estranhas Continuaremos estudando correlação Fornecedore s (suppliers) Entradas (inputs) Processo (process) Saídas (outputs) Clientes (clients) Variáveis de input Variáveis de processo Variáveis de output X1, X2, X3, ..., Xk Y Y = f(X1, X2, X3, ..., Xk) Y numérica Y categórica X numérica Simples: gráfico de dispersão Avançada: Análise de Regressão Simples: histograma estratificado Avançada: Regressão Logística X categórica Simples: histograma estratificado Avançada: testes de hipótese/ANOVA Simples: Pareto, gráfico de barras; Avançadas: testes de hipótese para proporção Continuaremos vendo nossas ferramentas de correlação Em seguida: Identifique a técnica a ser utilizada na tabela abaixo: Correlação entre variáveis categóricas Gráficos de Frequência e Testes de Hipótese A correlação com variáveis categóricas geralmente passa ou por estudar a frequência (histograma, por exemplo) da variável de interesse (y) para vários valores de x, ou por comparar estatísticas de y para valores de x. Exemplos de estatísticas que avaliamos são: ▪ A média; ▪ O desvio padrão; ▪ Uma proporção; ▪ Uma taxa; ▪ Etc. Como estudar a correlação com variáveis categóricas X Y 1, 2, 3... Como estudar a correlação com variáveis categóricas Vale lembrar que, quando avaliamos essas métricas, temos que lembrar de nossa discussão anterior sobre população e amostra. Na maioria dos casos temos a amostra e queremos saber da população. Por isso temos que usar técnicas que nos permitam avaliar essa incerteza. Um exemplo disso é o intervalo de confiança, que vimos anteriormente. Em outras palavras, para correlações simples usamos: ▪ Histogramas e Dot Plots estratificados (y contínuo e x categórico ou vice versa); ▪ Análise temporal estratificada. ▪ Gráficos de Intervalos para a média (y contínuo e x categórico); ▪ Gráficos de Barras (para y categórico contra x categórico). Ferramentas Simples Exemplo Será que o processo A é mais rápido que o processo B? 1 0,0 1,0 2,0 3,0 4,0 2 4 6 8 0 5 NdaPvseDaidMé 525539,0095,9 52902,1830, D e d a dis n e D soda T leviáraV )B( opmeT )A( opme H lamroN )B( opmeT ;)A( opmeT ed amargotsi Tempo (B)Tempo (A) 10 9 8 7 6 5 4 D a d o s Gráfico de Intervalos de Tempo (A); Tempo (B) IC de 95% para a Média Os desvios padrão individuais foram usados para calcular os intervalos. Tempo (A) Tempo (B) 4,7 9,8 5,9 9,4 3,2 11,3 6,2 9,3 6,0 8,5 5,8 9,2 6,1 10,8 5,2 9,5 4,6 8,4 3,5 10,6 2,3 10,4 5,4 9,9 3,2 10,5 5,1 7,9 5,7 8,6 3,4 8,8 6,9 8,7 5,6 10,4 5,6 8,9 4,0 9,0 6,8 10,8 4,8 10,3 6,4 8,3 4,8 10,0 4,8 10,4 Vamos fazer exercícios? Ferramentas Simples As ferramentas avançadas para correlação, colocam as coisas do ponto de vista de probabilidades. Elas nos ajudam a entender qual é a probabilidade de uma população de interesse ter uma métrica diferente da outra. Elas compreendem; ▪ Os testes de Hipóteses (Z, t, chi- quadrado, p, etc.); ▪ A Análise de Variância (ANOVA). Ferramentas Avançadas? Correlação de Variáveis Categóricas Minitab Correlação de Variáveis Categóricas Lista de Exercícios 5 Correção Lista de Exercícios 5 Teste de Hipóteses Para análise de populações Um teste de hipótese nada mais é do que uma validação estatística das nossas dúvidas (ou hipóteses). Por exemplo, podemos querer ver se o tempo de um processo (uma variável numérica) é diferente para dois turnos. Hipótese: Será que o tempo médio do turno A é diferente do tempo médio do turno B? A resposta é dada analisando-se os dados e sai da forma: dados os dados, tenho 95% de certeza que são. O que e um teste de hipótese? Podemos ter testes de hipóteses para diferentes métricas: ▪ Para médias (será que a média dos tempos do processo antes da mudança é maior do que depois da mudança?); ▪ Para proporções (será que que a % de atrasados da cia A é maior que da cia B?) ▪ Taxas (será que a taxa de defeitos por unidade da fábrica A é diferente da B?). Quando usar Tipo de Variável é importante! Para realizar um teste de hipóteses, seguimos os passos: Contextualizamos o problema: o que queremos “comparar” entre populações; Formalizamos nossas hipóteses; Escolhemos o tipo de teste de hipótese correto para o que queremos ver; Realizamos o teste (analisando na distribuição de referência); Analisamos o p-valor e os resultados para ver se nossa hipóteseé verdadeira ou não. Como funciona? Os softwares ajudam a gente neste passo mais difícil. 1 2 4 3 5 Passo-a-Passo para Realizar o Teste de Hipóteses Para análise de populações O primeiro passo é enxergar nosso problema atual com a “lógica” do teste de hipóteses. A ideia é entender: ▪ O que queremos comparar? ▪ Quais são as populações? ▪ Qual é a estatística que eu quero comparar? ▪ Quais são os dados que preciso ter/coletar para testar essa hipótese? Passo 1 – Contextualize (modele) seu problema Exemplo: Sempre faço o mesmo caminho de casa para o trabalho. Um colega me propõe um caminho novo. Será que esse caminho é mais rápido? O que queremos comprar? Queremos ver se o tempo médio do caminho velho é estatisticamente igual ou não ao caminho novo. Quais as populações? Os tempos referentes ao caminho velho e os tempos referentes ao caminho novo Qual a estatística? O tempo médio para o caminho A e para o B. Passo 1 – Contextualize (modele) seu problema Como tem que ser meus dados? Tempos caminho novo (min) Tempos caminho velho (min) 100 78 95 82 110 94 111 75 ... ... O segundo passo consiste em formalizar a nossa hipótese de um jeito matemático. Essa formalização nada mais é do que escrever matematicamente o que queremos testar. Algo como: H: 𝜇𝑎 = 𝜇𝑏 (será que as médias são iguais?) ou H: 𝜇𝑎 < 𝜇𝑏 (será que a média de a é menor que a média de b?) ou então; H: 𝜇𝑎 > 𝜇𝑏 (será que a média de a é maior que a média de b?) Passo 2 – Formalize a hipótese Podemos fazer isso não só para médias, mas para todos os outros tipos de estatísticas. Essa formalização nos ajudará a entender qual teste vamos usar. Além disso ela não precisa ser “explicita”, apenas existir “em nossas cabeças”. Passo 2 – Formalize a hipótese Exemplo: No caso dos caminhos, queremos testar, para os tempos: H: 𝝁𝒏𝒐𝒗𝒐 = 𝝁𝒗𝒆𝒍𝒉𝒐 (será que as médias são iguais?) ou H: 𝝁𝒏𝒐𝒗𝒐 < 𝝁𝒗𝒆𝒍𝒉𝒐 (será que o novo é mais rápido?) Passo 2 – Formalize a hipótese Vale dizer que todo teste sempre terá duas hipóteses. Uma é o que chamamos de hipótese nula, ou principal, que é o que queremos avaliar. A outra é a hipótese alternativa, que é uma implicação lógica do que acontece, caso a hipótese nula não seja verdade. Por exemplo, se: Ho: 𝝁𝒂 = 𝝁𝒃 é falsa, então Ha: 𝝁𝒂 ≠ 𝝁𝒃 é verdadeira. Passo 2 – Formalize a hipótese O cerne do teste de hipótese irá avaliar se, com base nos dados de nossa amostra, podemos dizer alguma coisa sobre as suas populações. Em outras palavras, o teste irá parametrizar duas populações com base nas amostras que temos (todos os tempos do caminho novo e velho, por exemplo) e ver a possibilidade delas “encavalarem ou não”. A escolha do teste vai depender do tipo de variável, pois para cada tipo temos uma distribuição. Passo 3 e 4 – Escolha e realize o teste O teste irá, em linhas gerais, parametrizar populações a partir das amostras dadas e analisar a chance das hipótese nula ser verdadeira ou falsa. Objetivamente, ele avalia a chance de uma amostra não representar a sua população quanto ao parâmetro testado (média, por exemplo). Ele levará em conta o tamanho da amostra, a variação e a diferença da estatística entre as populações. É como a figura ao lado. A distribuição vermelha possui média global menor que a azul. Entretanto, se a amostra for pequena, ela pode ser obtida de uma área da distribuição que tem média maior do que outra área da azul (note a área sólida de ambas). Passo 3 e 4 – Escolha e realize o teste Pode parecer complicado, mas o Minitab irá nos ajudar a realizar o teste correto e interpretar os resultados Passo 3 e 4 Passo 3 e 4 – Escolha e realize o teste Passo 3 e 4 – Escolha e realize o teste Passo 3 e 4 – Escolha e realize o teste Nota: muitos destes testes assumem a hipótese de normalidade! Passo 3 e 4 – Escolha e realize o teste Use e abuse! Teste de HipótesesMinitab Análise de Resultados: Teste de Hipóteses Para análise de populações O resultado mais importante dos testes de hipótese é o famoso p-valor. É ele que valida ou não a hipótese nula. O p-valor é um número de 0 a 1 que diz a probabilidade de termos o erro de amostragem citado anteriormente. A sua definição formal é: “A probabilidade de obtermos evidência de que a hipótese nula é falsa, dado que ela é verdadeira” Em outras palavras, ele dá a chance dos erros de amostragem que comentamos anteriormente. No caso a “evidência falsa”, seria uma amostra azul menor que uma amostra vermelha. Passo 5 – Analise os resultados Na prática, cada teste específico vai ter hipóteses nulas específicas. Lembre-se de analisar qual é na hora de interpretar os resultados. Lembrando que o p-valor é a probabilidade de você ter uma amostra como a que você tem, dado que a hipótese nula é verdadeira. Um p-valor baixo, portanto, rejeita a hipótese nula. Passo 5 – Analise os resultados Exemplo (de resultado do Minitab) Passo 5 – Analise os resultados C1 C2 0,57088 4,92652 -1,24569 4,60680 -0,65486 5,14566 -0,60757 6,02591 0,12676 5,42442 -1,02850 6,22536 1,04768 4,64596 0,63148 4,91375 -1,27095 6,18465 0,30670 5,12457 -0,63675 5,14067 -0,09585 5,13849 0,14326 5,42180 2,66192 5,01271 -0,07980 3,85974 0,84040 5,18778 0,69064 4,79286 -0,55813 5,26738 -0,08524 6,37494 0,52989 4,99944 -0,42817 5,41172 -0,04956 3,53886 -0,92062 4,69994 -2,18923 5,82346 0,50827 5,44303 Evidência Chance de evidência errada Conclusão: são diferentes! Teste de Hipóteses e Análise de Resultados Minitab Considerações sobre o p-valor Para análise de populações ▪ Os testes de hipótese não deixam de ser análises paramétricas, portanto a normalidade e outros ajustes são importantes; ▪ Em várias ferramentas, usaremos testes de hipótese específicos no meio deles. Já vimos dois exemplos: o gráfico probabilístico normal (Ho: a distribuição é normal) e a regressão linear, para os coeficientes (Ho: o coeficiente i de xi é diferente de 0); ▪ Normalmente, um p-valor considerado baixo é 0,05. Entretanto, não há um “número mágico” para o p-valor. Ele é uma probabilidade. Devemos ou não aceita-lo mediante o contexto, avaliando os riscos envolvidos na decisão. Considerações sobre testes de hipóteses ANOVA Um caso bem específico de teste de hipótese ANOVA - Utilização A ANOVA (Análise de Variância) é um tipo bem específico de teste de hipóteses. Com ele, podemos testar médias para mais de duas populações. Em outras palavras: H0 => μa = μb = μc e H1 => μa ≠ μb ≠ μc Apesar da sua utilização ser a de um teste de hipótese, a sua matemática é idêntica à da regressão linear. Isso implica que não analisamos somente o p-valor, mas também o R² e os resíduos obtidos. A interpretação destes parâmetros é idêntica à da regressão. No fundo, ela vai comparar se a variância total é igual à variância dentro dos grupos. ANOVA - Utilização A ANOVA é usada apenas quando queremos correlacionar um y contínuo com um ou mais x’s categóricos. Os dados devem cumprir os pressupostos: ▪ Cada população deve ser normal; ▪ As variâncias de cada população devem ser iguais; O Assistente do Minitab nos ajuda a rodar e interpretar uma ANOVA. Assim como na regressão linear múltipla, podemos usar a ANOVA para ver quais X’s categóricos impactam ou não no resultado. Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo i ! Atípicos Dados Não há pontos de dados atípicos. Os dados atípicos podem ter uma forte influência nos resultados. da Amostra Tamanho A amostra é suficiente para detectar diferenças entre as médias. Normalidade confiavelmente verificada com amostras pequenas, você deve ter cuidado ao interpretar os resultados do teste. normalmente distribuídos, o valor-p pode ser inexato com amostras pequenas. Como a normalidade não pode ser Como alguns tamanhos amostrais são menores do que 15, a normalidade pode ser um problema. Se os dados não forem Igual Variância não são iguais. A pesquisa mostra que o teste tem bom desempenho com variâncias desiguais, mesmo quando os tamanhos amostrais O Assistente do Minitab usa o método de Welch, que não considera nem exige que as amostras tenham variâncias iguais. Verificar Status Descrição ANOVA com um Fator para Tempo por Grupo Cartão de Relatório Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo E o R²? Temos que fazer por outro caminho? Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C Bônus: No modelo Linear Generalizado da Regressão, podemos misturar vários tipos de variáveis (Categóricos e Contínuos, pois a matemática da ANOVA e da REGRESSÃO é equivalente). Exemplo Será que a variável “Grupo” explica a variação do tempo? Tempo Grupo 9,9861 A 8,4131 A 9,7846 A 9,3315 A 8,6155 A 9,0639 A 9,7336 A 10,8337 A 11,3541 A 10,1466 A 8,8694 B 7,6784 B 8,2785 B 9,2137 B 7,9261 B 9,0887 B 7,9491 B 6,5026 B 8,4942 B 7,0641 B 10,5827 C 13,1255 C 11,4975 C 11,7399 C 11,3465 C 13,6983 C 13,5944 C 13,0176 C 11,8705 C 12,4431 C ANOVAMinitab ANOVA Lista de Exercícios 6 Correção Lista de Exercícios 6 Recapitulando Correlação E como fazer? Y numérica Y categórica X numérica Simples: gráfico de dispersão Avançada: Análise de Regressão Simples: histograma estratificado Avançada: Regressão Logística X categórica Simples: histograma estratificado Avançada: testes de hipótese/ANOVA Simples: Pareto, gráfico de barras; Avançadas: testes de hipótese para proporção Experimentação A Experimentação é uma prática alternativa à análise de um Banco de Dados existente. Ela é vital em diversos tipos de problemas onde: ▪ Não temos dados históricos; ▪ Os dados históricos não são confiáveis (frente a coleta); ▪ Os dados históricos não conseguem responder aos nossos questionamentos (frente à sua estruturação). Experimentação Experimentar consiste em realizar diversos ensaios (experimentos) para obter um banco de dados afim de analisá-lo. O ponto fundamental do Seis Sigma é o Planejamento de Experimentos, ou seja, estruturar as suas questões e predições para entender como coletar dados para responder às suas perguntas. Outro objetivo do planejamento de experimentos é reduzir o número de ensaios necessários para nossos questionamentos (reduzindo o custo do experimento). Experimentação As ferramentas de análise são asmesmas que vimos até agora: ▪ ANOVA; ▪ Regressão; ▪ Testes de Hipóteses; ▪ Métodos gráficos. Experimentação Além disso, temos algumas técnicas que são trabalhadas mais a fundo no Black Belt: ▪ Experimentos Fatoriais; ▪ Experimentos Fatoriais Fracionados; ▪ Experimentos Dicotômicos. Mapa do Analyze Atividades Entender o que se pode mudar no fluxo de maneira a gerar melhorias Entender o que se pode mudar nas atividades para deixá-las melhores e mais rápidas. Buscar no banco de dados correlações entre variáveis para entender o que se pode variar no processo de maneira a gerar um resultado melhor. Aprenda mais sobre as correlações de variáveis com experimentos planejados Priorizar as mudanças propostas para a realização de testes de mudança Ferramentas Desconexões, análise de valor, ECRS, Criatividade, Conceitos de Mudança Poka-Yokes, Diagrama de Ishikawa, Análise de Tempo, Tecnologia, Benchmarking, Criatividade Gráficos de dispersão, Análises de Regressão, Testes de hipóteses, Tabelas de contingência, Gráficos de Barras Planejamento de experimentos; Experimentos Fatoriais; Experimentos Dicotômicos; etc. Ciclo PDSA; Matriz de Impacto Esforço. Saídas Mudanças para melhorar o fluxo Mudanças para melhorar as atividades Alterações nos parâmetros de entrada que vão gerar melhoria Alterações nos parâmetros de entrada que vão gerar melhoria Plano de testes das mudanças desenvolvidas. Formate suas mudanças Investigue os experimentos Analise seu banco de dados Analise os procedimentos Analise os processos Improve ▪ No Improve, escolhemos quais mudanças são mais promissoras e realizamos os testes para saber quais de fato vão gerar as melhorias. ▪ Temos que priorizar as mudanças e estruturar nossos testes. ▪ A partir dos testes, usando o ciclo PDSA, podemos entender melhor os detalhes e falhas em nossas hipóteses e predições. ▪ Aqui também devemos ir aumentando gradualmente a escala e o escopo dos testes. ▪ Ao final, teremos uma boa convicção de quais mudanças vão de fato ser melhorias. As vezes já até as implementamos durante a fase de testes (um ciclo para implementar). Improve Preparar a implementação Mapa do Improve Atividades Realizar os testes para confirmar suas hipóteses, verificando se as suas mudanças se transformaram de fato em melhorias. Uma vez que o grau de confiança é suficiente, resumir os aprendizados da etapa de testes e compartilhar com o grupo. Planejar as etapas de implementação. Ferramentas Ciclo PDSA, Planejamento de Experimentos, Treinamentos Iniciais, Matriz de Habilidades Ciclos PDSA, Apresentação do projeto de Melhoria Plano de implementação Saídas Aumento do Grau de Convicção das suas mudanças Nivelamento do conhecimento da etapa de testes. Plano de implementação preenchido. Compilar o aprendido Testar, aprendendo e aumentando a escala e o escopo Testes da mudança Os testes são o coração do Improve. Nele, temos que observar como as nossas mudanças vão se comportar na realidade. Para isso, usamos e abusamos do ciclo PDSA. Realização de testes A ideia dos testes Tempo Conhecimento A realidade dos testes Testando uma mudança: ciclos 1, 2, ... Implementando uma mudança Desenvolvendo uma mudança Uma mudança vitoriosa Mudança necessita de mais testesMudança fracassada Grau de convicção de que a mudança é uma melhoria Alto Baixo Lembre-se de priorizar! Prop 1 Prop 2 Prop 3 Prop 4 Prop 5 10 2 3 4 5 1 2 3 4 5 Im p a c to Esforço Temos basicamente dois estudos mais frequentes quando queremos testar mudanças: Tipos de Estudos Comparação simultâneaTestes do tipo “antes e depois” Base de comparação histórica; Pontos vulneráveis: ▪ Ocorrência de causas especiais ao mesmo tempo em que mudanças são feitas ▪ Efeito Hawthorne Antes e Depois Comparação Simultânea ▪ Duas ou mais alternativas são comparadas ao mesmo tempo, mesmo espaço ou sob outras condições similares ▪ Usar aleatorização ▪ Comece pequeno; ▪ Dose o que pode dar errado; ▪ Envolva a todos para disseminar o conhecimento; ▪ Tente mitigar os riscos. As boas práticas Grau de convicção na mudança Baixa Alta Consequência s de um teste falho Pequena Testes de média escala Um ciclo para implementar Grande Teste em escala muito pequena Testes de média e pequena escala Preparar a implementação Mapa do Improve Atividades Realizar os testes para confirmar suas hipóteses, verificando se as suas mudanças se transformaram de fato em melhorias. Uma vez que o grau de confiança é suficiente, resumir os aprendizados da etapa de testes e compartilhar com o grupo. Planejar as etapas de implementação. Ferramentas Ciclo PDSA, Planejamento de Experimentos, Treinamentos Iniciais, Matriz de Habilidades Ciclos PDSA, Apresentação do projeto de Melhoria Plano de implementação Saídas Aumento do Grau de Convicção das suas mudanças Nivelamento do conhecimento da etapa de testes. Plano de implementação preenchido. Compilar o aprendido Testar, aprendendo e aumentando a escala e o escopo Control ▪ Na fase do Control, nós vamos implementar as mudanças, finalizar o projeto e estabilizar os processos. ▪ É a hora onde mais se usa a Psicologia e se realiza a Gestão da Mudança ▪ Devemos preparar as mudanças para serem lógicas e alinhadas com a cultura da empresa, trabalhando o racional e o emocional das pessoas envolvidas no processo. ▪ Também estruturamos o plano de implementação com base nas etapas: 1. Padronização, 2. Documentação, 3. Treinamento e 4. Implementação. ▪ Por fim, compilamos os ganhos, apresentamos os resultados e celebramos! Control Mapa do Control Atividades Definir exatamente como serão os novos procedimentos e criar as instruções que serão desdobradas para a equipe do processo. Treinar a equipe com a finalidade de desenvolver neles as habilidades necessárias para executar o processo. Por treinamento entendemos uma série de atividades supervisionadas, não só aulas expositivas. Desdobrar o plano de ação para a mudança do jeito velho para o novo. Monitorar o desempenho do processo para avaliar se tudo está saindo conforme planejado. Resumir o aprendizado, apresentar os resultados, fazer as recomendações futuras e celebrar. Ferramentas Formulários de trabalho padrão; Relatórios de Testes, Fluxogramas. Plano de treinamento, Andragogia, Matriz de Habilidades 5W2H, Gestão de Projetos, Ciclos PDSA. Ciclos PDSA, Gráficos de Controle, formulários de coleta de dados. Apresentação de encerramento. Saídas Desenho claro, lógico e justificado do novo processo. Pessoal treinado no novo processo. Novo processo funcionando de fato na organização. Evidências de Melhoria Finalização formal do projeto FinalizaçãoControleImplementaçãoTreinamento Padronização e documentação Plano de Implementação Implementar pode ser a parte mais difícil de um projeto de melhoria. É a parte mais humana do projeto. Nela, é necessário: ▪ Se comunicar bem; ▪ Ter claro o que é necessário fazer; ▪ Reforçar, ou seja, fiscalizar se tudo está indo bem; ▪ Pensar muito bem no “transiente”. Mesmo os projetos mais simples devem ter um plano de implementação. Caso contrário, tudo pode ser colocado a perder. Plano de Implementação 1 2 4 3 Etapas da implementação Padronize Documente Treine Meça A maneira ideal para se conduzir e fiscalizar uma implementação vai depender da complexidade. Geralmente temos 3 estratégias: Independente da estratégia, temos que garantir que as coisas irão acontecer conforme o planejado. Estratégias de implementação Simplesmente faça Implementação paralela Implementação sequencial Como fiscalizar a implementação? O que (What) Quem (Who) Quando (When) Onde(Where) Porque (Why) Como (How) Por quanto (How much) Mapa do Control Atividades Definir exatamente como serão os novos procedimentos e criar as instruções que serão desdobradas para a equipe do processo. Treinar a equipe com a finalidade de desenvolver neles as habilidades necessárias para executar o processo. Por treinamento entendemos uma série de atividades supervisionadas, não só aulas expositivas. Desdobrar o plano de ação para a mudança do jeito velho para o novo. Monitorar o desempenho do processo para avaliar se tudo está saindo conforme planejado. Resumir o aprendizado, apresentar os resultados, fazer as recomendações futuras e celebrar. Ferramentas Formulários de trabalho padrão; Relatórios de Testes, Fluxogramas. Plano de treinamento, Andragogia, Matriz de Habilidades 5W2H, Gestão de Projetos, Ciclos PDSA. Ciclos PDSA, Gráficos de Controle, formulários de coleta de dados. Apresentação de encerramento. Saídas Desenho claro, lógico e justificado do novo processo. Pessoal treinado no novo processo. Novo processo funcionando de fato na organização. Evidências de Melhoria Finalização formal do projeto FinalizaçãoControleImplementaçãoTreinamento Padronização e documentação