E-book-5-maneiras-que-a-porcentagem-pode-estragar-seu-projeto-lss

Prévia do material em texto

<p>Maneiras que a porcentagem pode</p><p>estragar seu projeto Lean Seis Sigma</p><p>Talvez você tenha estudado porcentagem lá no sexto ano do colégio e</p><p>hoje você trabalhe com assuntos complexos e ferramentas bem</p><p>específicas que dão até pavor de pensar. Se eu perguntar quem tem</p><p>dúvida sobre porcentagem, ninguém vai falar que tem – parece muito</p><p>trivial. Mas, como dizem, que a quinta série nunca sai da gente: muita</p><p>gente erra porcentagem nos projetos de melhoria! Sério!</p><p>E isso ocorre com muita frequência! Trabalhando como</p><p>consultor na Setec em diversas empresas, em especial</p><p>no ramo de serviços, eu venho percebendo erros que se</p><p>repetem (seja para quem está em um projeto de</p><p>Yellow, Green ou Blackbelt). Alguns erros podem</p><p>significar até mesmo o fracasso do projeto! Calma. A</p><p>fim de que você não erre, vamos comentar aqui quais</p><p>os erros que eu tenho percebido ao longo do tempo.</p><p>Primeiro erro</p><p>Não escolher um</p><p>indicador percentual</p><p>O indicador é escolhido ainda no começo do projeto, na</p><p>etapa “define” do DMAIC. A escolha do indicador</p><p>depende muito do objetivo do seu projeto e dos objetivos</p><p>estratégicos de onde você trabalha. Reflita se convém</p><p>utiliza o absoluto ou o porcentual:</p><p>Em vez de usar</p><p>este indicador</p><p>Será que não convém</p><p>usar este?</p><p>Quantidade absoluta de rechamados</p><p>recebidos (rechamado ocorre quando</p><p>um usuário entra em contato pela</p><p>segunda vez para fazer um mesmo</p><p>pedido ou reclamação)</p><p>Percentual de rechamados recebidos</p><p>(sobre o total de chamados) –</p><p>indicador defeituoso</p><p>Percentual de reincidências (sobre o</p><p>total de incidências) – indicador</p><p>defeituoso</p><p>Percentual de transbordo (sobre o</p><p>total de ligações) – indicador</p><p>defeituoso</p><p>Quantidade absoluta de reincidência</p><p>(reincidência ocorre quando um</p><p>problema não é resolvido e um novo</p><p>protocolo é aberto para o mesmo</p><p>problema)</p><p>Quantidade absoluta de ligações que</p><p>transbordam para outra área (o</p><p>transbordo ocorre quando a primeira</p><p>área não consegue tratar um pedido e</p><p>repassa para outra área tratar)</p><p>Em vez de usar</p><p>este indicador</p><p>Será que não convém</p><p>usar este?</p><p>Quantidade absoluta de</p><p>perda de clientes</p><p>Quantidade absoluta de</p><p>reclamações (ou defeitos)</p><p>Percentual de clientes que foram</p><p>embora (sobre total de clientes) –</p><p>indicador defeituoso</p><p>Percentual de reclamações (ou</p><p>defeitos) (sobre o total de clientes ou</p><p>produtos) – indicador de defeitos</p><p>Vou pegar o primeiro exemplo da tabela. Se seu processo sofrer de sazonalidade</p><p>(ex.: todo mês de dezembro a quantidade de chamados duplica), é possível que</p><p>você reduza a porcentagem de rechamados, mas não a quantidade absoluta de</p><p>rechamados. Se você escolher um indicador absoluto, mesmo fazendo uma</p><p>melhoria real no processo, seu indicador pode não evidenciar isso se você der o</p><p>azar de terminar seu projeto no fim do ano (época que sazonalmente a</p><p>quantidade absoluta aumenta).</p><p>No último exemplo da tabela: se a sua empresa</p><p>aumentar a quantidade de clientes, provavelmente irá</p><p>aumentar também a quantidade de reclamações. Então,</p><p>mesmo fazendo um excelente trabalho para diminuir</p><p>reclamações, você pode não alcançar sua meta</p><p>(absoluta) se sua empresa estiver em crescimento (mas</p><p>você pode alcançá-la se seu indicador for percentual).</p><p>Ou seja: muitas vezes (ou quase sempre) convém</p><p>indicadores percentuais.</p><p>Perceba que todos os exemplos dados se referem a</p><p>dados do tipo “atributo” (também chamados de</p><p>“discretos”). Esses números não contêm vírgulas, eles</p><p>são números inteiros positivos com valores pré</p><p>estabelecidos – o oposto disso são dados como custo,</p><p>tempo, tamanho de peça, distância, etc (estes últimos</p><p>possui inúmeros valores possíveis, pense no tanto de</p><p>casas decimais possíveis de se obter).</p><p>Alguns atributos são do tipo “defeituoso” (marcados na</p><p>tabela): os defeituosos são binários (só podem assumir</p><p>2 valores, como: houve reincidência ou não houve;</p><p>cliente rechamou ou não rechamou, etc) – podemos</p><p>usar a distribuição de bernoulli neste caso.</p><p>Porém, é necessário falar, ás vezes convém sim</p><p>permanecer com indicadores absolutos. Se o indicador</p><p>do seu projeto for utilizado para calcular necessidade de</p><p>mão de obra, por exemplo, talvez o indicador absoluto</p><p>possa ser mais útil para trabalhar com rechamados.</p><p>Ao analisar com mais calma, perceba que esses</p><p>números percentuais se tratam de uma proporção de</p><p>defeituosos (os valores percentuais serão</p><p>obrigatoriamente entre 0 e 100%). Coloquei um exemplo</p><p>do tipo “defeito” (marcado na tabela): esses dados se</p><p>referem a uma contagem de problemas. Como pode</p><p>haver mais de um defeito por produto/cliente/peça, a</p><p>porcentagem pode ser acima de 100%.</p><p>Principalmente se seu indicador for um atributo, verifique se</p><p>convém utilizar a porcentagem para trabalhar com a</p><p>porcentagem de defeituosos (Proporção de defeituosos) ou</p><p>a porcentagem de defeitos (Defeitos por unidade).</p><p>RESUMO</p><p>A porcentagem acima de 100%, ou seja, indicadores de</p><p>defeito medem a quantidade de defeito por unidade.</p><p>Segundo erro</p><p>Indicador percentual que</p><p>nunca aumenta ou diminui</p><p>Imagine que onde você trabalhe, as reclamações são</p><p>classificadas em reclamações do tipo A e reclamações</p><p>do tipo B. Digamos ainda que você queira reduzir as</p><p>reclamações do tipo A (reclamações B estejam fora do</p><p>escopo do projeto).</p><p>Você pode ter problemas se seu indicador for:</p><p>reclamações A / total de reclamações.</p><p>Isso seria errado porque ao analisar a fórmula,</p><p>teríamos: (Reclamações A) / (Reclamações A +</p><p>Reclamações B)</p><p>Evite indicadores em que o numerador esteja embutido</p><p>(e tenha um grande impacto) no denominador.</p><p>RESUMO</p><p>Com isso, mesmo diminuindo o número absoluto de</p><p>reclamações A, na porcentagem a redução ocorreria no</p><p>numerador e denominador ao mesmo tempo. O</p><p>resultado é: você melhorou o processo, mas seu</p><p>indicador evoluiu muito pouco. Já presenciei isso</p><p>ocorrendo. A pessoa só percebeu no final do projeto,</p><p>quando ela não atingiu a meta, mas ela sabia que tinha</p><p>melhorado o processo.</p><p>Terceiro erro</p><p>Cálculo do baseline errado</p><p>Esse problema é de longe o que mais eu vejo. Para</p><p>alguns é evidente, para outros é uma surpresa. Já teve</p><p>casos da pessoa em alguns segundos perceber que ela</p><p>calculou a vida inteira errada o principal indicador da</p><p>sua área.</p><p>Vamos lá: na etapa “definir” do DMAIC é necessário</p><p>calcular o baseline e a meta. O baseline é o valor atual e</p><p>a meta é o valor futuro que se quer alcançar (algumas</p><p>pessoas chamam de “de” “para”). O que costuma ser</p><p>feito: a gente levanta um histórico do nosso indicador</p><p>(exemplo 12 meses). O baseline costuma ser uma média</p><p>dos meses. Em cima do baseline, a meta é estipulada</p><p>(...há várias maneiras de estipular uma meta, mas isso</p><p>é outro assunto). Cuidado aqui é: não faça média de</p><p>porcentagem.</p><p>Veja a tabela a seguir com um indicador de percentual</p><p>de reincidências, durante 12 meses, a gente quer</p><p>calcular o baseline. Veja a maneira errada e a correta de</p><p>calcular.</p><p>Reincidências</p><p>Jan</p><p>Fev</p><p>Mar</p><p>Abr</p><p>Mai</p><p>Jun</p><p>Jul</p><p>Ago</p><p>Set</p><p>Out</p><p>Nov</p><p>Dez</p><p>% de ReincidênciasIncidências</p><p>20</p><p>22</p><p>18</p><p>21</p><p>20</p><p>21</p><p>20</p><p>20</p><p>19</p><p>20</p><p>21</p><p>20</p><p>20%</p><p>22%</p><p>18%</p><p>20%</p><p>20%</p><p>20%</p><p>20%</p><p>0%</p><p>19%</p><p>20</p><p>20%</p><p>21%</p><p>100</p><p>100</p><p>98</p><p>105</p><p>100</p><p>105</p><p>100</p><p>10000</p><p>100</p><p>101</p><p>105</p><p>95</p><p>Maneira errada: Média de Porcentagem</p><p>Média 18%</p><p>Maneira correta: utilize os números absolutos</p><p>(some tudo, depois faça a porcentagem)</p><p>242 11109 2%</p><p>Perceba a diferença: se você fizer a média da</p><p>porcentagem, a média foi de 18% de reincidências. Se</p><p>você fizer os cálculos com números absolutos, o valor</p><p>médio será de 2%. Por que ocorre tanta diferença? Olhe o</p><p>mês de agosto, houve muito mais incidências, por este</p><p>motivo, ele deveria ter um peso maior no cálculo do</p><p>valor médio (o que a média simples não considera).</p><p>Além de errar o cálculo do baseline, talvez sua meta</p><p>também esteja errada (pois costuma ser calculada</p><p>sobre o baseline).</p><p>Não faça média de porcentagem. Utilize sempre os</p><p>números absolutos nos cálculos, mas exiba em formato</p><p>de porcentagem.</p><p>RESUMO</p><p>Quarto erro</p><p>Usar teste de</p><p>hipótese errado</p><p>Vamos dizer que você terminou seu projeto e você</p><p>queira evidenciar que você diminuiu a porcentagem de</p><p>reincidências. Você coleta alguns dados e monta a</p><p>seguinte tabela:</p><p>Amostra</p><p>1:</p><p>Antes do projeto</p><p>Reincidências</p><p>Incidências</p><p>Porcentagem</p><p>Amostra 2:</p><p>Depois do projeto</p><p>Reincidências</p><p>Incidências</p><p>Porcentagem20% 19%</p><p>200 198</p><p>40 38</p><p>Uma pessoa com pouco conhecimento sobre estatística</p><p>inferencial, falaria que você melhorou o processo, pois a</p><p>porcentagem caiu de 20% e foi para 19%. Mas será que</p><p>você melhorou mesmo o processo? E se em vez de</p><p>analisar 198 incidências, você analisar 205? Será que</p><p>sua porcentagem não vai aumentar? Isso é semelhante</p><p>o que ocorre com a pesquisa eleitoral: não é porque um</p><p>candidato está a frente na pesquisa que ele tem mais</p><p>votos na população (mesmo considerando que a</p><p>pesquisa acerte 100%)...isso ocorre porque pode haver</p><p>um ‘empate técnico’.</p><p>Isso ocorre porque a gente coletou apenas um grupo de</p><p>dados (uma amostra) e estamos fazendo afirmações de</p><p>toda uma população (um histórico). Devemos usar o</p><p>teste de hipótese nestas situações! Testes de hipótese</p><p>podem ser utilizados no projeto inteiro, mas de maneira</p><p>especial para validar suas causas no final da etapa</p><p>“analyze” do DMAIC e para validar seus ganhos com o</p><p>projeto – por teoria no final da fase “improve”, mas</p><p>realizada muitas vezes na etapa “control” do DMAIC.</p><p>O problema é que muitas pessoas utilizam a</p><p>porcentagem para fazer teste de hipótese e escolhem o</p><p>teste errado (elas escolhem o teste para distribuições</p><p>contínuas, como teste One Sample T ou Paired T, ambos</p><p>comparam médias). Porém, mesmo o indicador sendo</p><p>percentual (e percentual costuma conter vírgulas,</p><p>matematicamente é contínuo), o dado em si é um</p><p>atributo e deve ser usado um teste de atributos. Olhe a</p><p>tela do Minitab para você escolher o teste (para quem</p><p>não sabe, minitab é um software estatístico que facilita</p><p>nossa vida no Seis Sigma).</p><p>Neste caso, deveria ser usado o teste “2 Sample %</p><p>Defective” (também chamado de 2 proporções ou 2</p><p>amostras % defeituoso) quando for um indicador do tipo</p><p>defeituoso ou o teste “Chi Square” (qui quadrado) se for</p><p>um indicador do tipo defeito. Nesses testes eles usam os</p><p>números absolutos nos cálculos e não os números</p><p>percentuais.</p><p>Ao fazer testes de hipótese, utilize testes para dados</p><p>discretos e não utilize a porcentagem se seus dados são</p><p>discretos.</p><p>RESUMO</p><p>Quinto erro</p><p>Usar a carta de</p><p>controle errado</p><p>A carta de controle é um gráfico utilizado para verificar</p><p>se um processo (ao longo do tempo) está estável ou</p><p>não, estudado dentro da área de Controle Estatístico de</p><p>Processo (CEP, ou SPC em inglês). Ela serve para que</p><p>consigamos rapidamente monitorar um indicador e,</p><p>caso algo pareça estranho, a gente tome ações.</p><p>A carta não é um gráfico do tipo “foto” do estado atual,</p><p>ela é um “filme” do indicador. Ela é utilizada na etapa</p><p>“control” do DMAIC, mas também pode ser usada mais</p><p>no começo do projeto, como na etapa “measure” (para</p><p>a gente fazer uma comparação ‘antes’ e ‘depois’ do</p><p>projeto).</p><p>Já vi até mesmo quem faça logo no início do projeto, na</p><p>etapa “define” para verificar se o período de cálculo de</p><p>baseline estava estável ou não (sobretudo por causa</p><p>dos efeitos da pandemia).</p><p>O problema aqui é similar ao anterior: muita gente</p><p>utiliza a carta para dados contínuos e faz com a</p><p>porcentagem, eles escolhem a carta I-Am (ou I-MR em</p><p>inglês). Porém, deveriam ser utilizadas as cartas de</p><p>atributo.</p><p>Exemplo: a cada semana eu fui anotando a quantidade de</p><p>incidência e a de reincidências. Depois disso, eu calculei a</p><p>porcentagem. Fiz isso por vinte semanas. Será que a taxa de</p><p>incidência está estável ao longo do tempo?</p><p>ReincidênciasSemanas</p><p>Semana 1</p><p>Semana 2</p><p>Semana 3</p><p>Semana 4</p><p>Semana 5</p><p>Semana 6</p><p>Semana 7</p><p>Semana 8</p><p>Semana 9</p><p>Semana 10</p><p>Semana 11</p><p>Semana 12</p><p>Semana 13</p><p>Semana 14</p><p>Semana 15</p><p>% de ReincidênciasIncidências</p><p>19</p><p>13</p><p>20</p><p>18</p><p>22</p><p>23</p><p>20</p><p>14</p><p>12</p><p>23</p><p>16</p><p>13</p><p>25</p><p>15</p><p>11</p><p>98</p><p>115</p><p>114</p><p>98</p><p>84</p><p>75</p><p>102</p><p>80</p><p>78</p><p>108</p><p>85</p><p>108</p><p>121</p><p>110</p><p>92</p><p>19,4%</p><p>11,3%</p><p>17,5%</p><p>18,4%</p><p>26,2%</p><p>30,7%</p><p>19,6%</p><p>17,5%</p><p>15,4%</p><p>21,3%</p><p>18,8%</p><p>12%</p><p>20,7%</p><p>13,6%</p><p>12%</p><p>ReincidênciasSemanas</p><p>Semana 20</p><p>Semana 19</p><p>Semana 18</p><p>Semana 17</p><p>Semana 16</p><p>% de ReincidênciasIncidências</p><p>23</p><p>17</p><p>21</p><p>13</p><p>24</p><p>115</p><p>89</p><p>101</p><p>91</p><p>101</p><p>20%</p><p>19,1%</p><p>20,8%</p><p>14,3%</p><p>23,8%</p><p>Neste caso, a carta recomendada, seria a carta de P</p><p>(veja a tela no minitab).</p><p>Ao trabalhar com controle estatístico de processo, utilize as</p><p>ferramentas para dados discretos se sua porcentagem se</p><p>referir a dados discretos.</p><p>RESUMO</p><p>Percebeu como que um assunto que parece simples oferece</p><p>tanta margem para erros? Mas agora que você já sabe, fique</p><p>esperto para não cometê-los. Bom projeto de melhoria para</p><p>você, desejo muito sucesso, se precisar, conte conosco!</p><p>Conclusão</p><p>Sobre o Autor</p><p>Luiz Neto</p><p>Consultor | Setec Consulting Group</p><p>Na Setec CG desde fevereiro 2022, Luiz é responsável por</p><p>treinamentos sobre Lean seis sigma (de Yellowbelt até</p><p>Blackbelt), Gestão de projetos preditivos e ágeis (como</p><p>Scrum), Kanban, OKR, Design Thinking, entre outros, na</p><p>maioria das vezes treinamentos in company. Luiz é também</p><p>responsável por consultoria, mentoria e avaliação de</p><p>projetos, em especial na área de serviços, com parceria com</p><p>empresas como Banco Itaú, Banco BV, Porto, CAF railway,</p><p>Zurich Santander, Vivo, etc. Com 36 anos, ele se formou em</p><p>Engenharia de Produção com parte da graduação em</p><p>Engenharia Mecânica na França. Luiz coleciona experiências</p><p>na Renault na França e na Airbus no Brasil. Após se tornar</p><p>mestre em Engenharia de Produção, Luiz se tornou docente</p><p>universitário. Luiz ama línguas (em especial Francês e</p><p>Alemão) e se interessa por ferramentas como</p><p>PowerAutomate, PowerBI, PowerApps, Minitab e Python.</p><p>Conheça outros</p><p>conteúdos da Setec</p><p>Siga a Setec</p><p>nas Redes Sociais</p><p>@seteccg</p><p>Setec Consulting Group</p><p>www.setecnet.com.br</p><p>@setecnet</p>