[FM2S] Apostila - Certificação Lean Seis Sigma Green Belt

Prévia do material em texto

G
re
en
 B
el
t
A
P
O
ST
IL
A
Apostila certificação Lean Seis Sigma Green Belt
[livro eletrônico]. -- 2. ed. -- Campinas, SP :
FM2S Educação e Consultoria, 2024.
PDF
ISBN 978-65-80624-92-8
1. Administração de empresas 2. Desempenho
organizacional 3. Gestão de negócios 4. Mudança
organizacional - Administração 5. Planejamento
estratégico.
Índices para catálogo sistemático:
1. Gestão de processos : Administração 658
Tábata Alves da Silva - Bibliotecária - CRB-8/9253
Quem somos?
Empresa de Educação e Consultoria criada por líderes determinados a com-
partilhar conhecimento de excelência na prática. Mais de 500 mil profissio-
nais já aceleraram suas carreiras conosco.
Somos um dos maiores centros de aperfeiçoamento do Brasil que conta com 
cursos nas áreas de: Lean; Lean Seis Sigma; ISO; Gestão de Projetos; Gestão 
da Qualidade; Ferramentas de Análise de Dados; Gestão Empresarial; Ges-
tão Industrial; Excelência Operacional; Gestão de Pessoas e Liderança; Soft 
Skills; Logística e Saúde.
Temos mais de 100 certificações com o objetivo de garantir uma formação 
continuada de qualidade. Em um modelo de assinatura anual, o aluno terá 
acesso a todos os cursos disponíveis da nossa plataforma EaD, além de lan-
çamentos de conteúdos mensais e grupos de networking exclusivos.
Nossos instrutores são formados nas melhores universidades do país e já 
atuaram em cargos de liderança e de consultoria em grandes projetos, como 
Petrobras, RV Ímola, CTC, Tetra Pak, JSL, Login e Somos Educação.
Capítulo 1 - Introdução ao Seis Sigma
Capítulo 2 - Define
Capítulo 3 - Measure
Capítulo 4 - Analyse
Capítulo 5 - Improve
Capítulo 6 - Control
Capítulo 7 - Projeto de Melhoria
Referências Bibliográficas
MENU INTERATIVO
C
ap
ít
u
lo
 1
In
tr
o
d
u
çã
o
 a
o
 S
ei
s 
Si
gm
a
Clique 
para voltar 
ao Índice
1. Introdução ao Seis Sigma
 A maior dúvida dos alunos an-
tes de conhecer o curso é o que é 
o Green Belt, ou até mesmo, o que 
é a metodologia Seis Sigma. Dentre 
todas as definições possíveis, nós 
iremos nos valer desta: a certifica-
ção de Lean Seis Sigma Green Belt 
é uma formação que torna o profis-
sional capaz de melhorar processos 
e analisar dados, em qualquer tipo 
de organização. Ela tem o objetivo 
de ensinar várias técnicas, princí-
pios e ferramentas da ciência da 
melhoria, transformando o “belt” 
em um agente de melhoria em sua 
organização. O Green Belt é a cer-
tificação intermediária do Lean Seis 
Sigma, uma poderosa Metodologia 
para Excelência Operacional, que 
iremos aprofundar mais adiante.
 Vale lembrar, neste começo, que melhorar processos e 
analisar dados são duas das competências mais procuradas 
pelas empresas na era da informação, a qual vivemos hoje. Não 
há nenhum colaborador de destaque que não tenha bons co-
nhecimentos nestas duas áreas.
 Sabemos que melhorar é uma necessidade de qualquer 
organização, independentemente do setor ou porte. Quem 
não busca a melhoria por conta própria, geralmente acaba 
buscando quando sua sobrevivência é ameaçada por concor-
rentes melhores e mais preparados. Diante disto, é consenso 
que aprender a nadar quando a água chega na altura do nariz, 
não é algo prazeroso.
 Para melhorar, o Seis Sigma nos ajuda a buscar a melhoria 
por meio de duas grandes portas: a porta dos dados e a porta 
dos processos (que iremos aprofundar mais a frente). Pela por-
ta dos dados, nos são ensinados ferramentas estatísticas para 
analisá-los, bem como técnicas e con-
ceitos para coletá-los. A metodologia 
nos ensina a fazer análises melhores e 
com isto, tomaremos decisões melho-
res. Ao aplicarmos os conceitos, trans-
formamos dados em informação útil 
à tomada de decisão. A porta de pro-
cessos nos leva à várias técnicas para 
enxergar as organizações como pro-
cessos. E processos, são uma série de 
atividades que transformam insumos 
em produtos ou serviços, agregando 
valor ao cliente a cada transformação.
 Juntar todas essas ferramentas, por meio do roteiro 
(DMAIC), gerando melhorias na organização é o verdadei-
ro objetivo do Seis Sigma e é o que vamos passar neste curso 
para você. Com este roteiro, você poderá realizar um projeto 
de melhoria, ou seja, uma iniciativa com início, meio e fim, que 
irá entregar uma melhoria para a sua organização.
 Entretanto, antes de nos debruçarmos nas técnicas e fer-
ramentas, vamos entender a aplicação do tema em uma caso 
real. A proposta do Desafio da fábrica TubosMatrix (logo abai-
xo) tem como objetivo contextualizar problemas que as em-
presas enfrentam que podem ser resolvidos com a aplicação 
de um projeto de melhoria e metodologias como a do Lean 
Seis Sigma. Lembre-se que a situação apresentada no desafio 
é algo muito comum nas empresas: temos a meta de melhorar, 
mas nem sempre sabemos como. Pronto para o desafio?
2. O Desafio - TubosMatrix
 
 Imagine que o grupo de empresas 
em que você trabalha adquiriu uma fá-
brica de tubos de PVC (vamos chamá-
-la de TubosMatrix) como parte de sua 
estratégia de negócios. Acontece que 
essa fábrica não vai nada bem (e isso 
só foi percebido depois que a compra 
foi feita). A antiga gerência vinha pas-
sando por terríveis dificuldades, prin-
cipalmente pela péssima qualidade 
dos tubos e suas montagens. Os clien-
tes reclamavam a todo momento so-
bre o fato de os tubos estarem sendo 
entregues fora de especificação e com 
muito atraso, por isso, muitas vezes, 
até devolviam a carga completa. 
O desafio seria: 
Como o agente de melhoria da 
empresa, incumbido de resolver 
esse problema, faria para fazer 
a fábrica dar dinheiro e ganhar 
mais mercado?
2.1 Missão
 O agente e a equipe de melhoria, então, vão assumir mo-
mentaneamente a operação da fábrica de tubos de PVC. A 
missão é simples: entender como funciona o processo de fazer 
tubos e fazer com que esse processo seja econômico e atenda 
às necessidades dos clientes. 
O não cumprimento desta missão acarretará no fechamento 
da fábrica e no prejuízo para o seu grupo de empresas e seus 
empregadores. 
2.2 Informações básicas
 Dada a missão, você então decide ir até a nova fábrica 
(TubosMatrix) e entender como as coisas estão. A fábrica tra-
balha diariamente das 8:00 às 18:00h, de segunda a sexta e o 
processo de produção é mais ou menos o seguinte: 
1. O material de entrada (tubos PVC) é recebido pelo departa-
mento de compras técnicas;
2. O departamento de compras técnicas avalia os tubos quan-
to às dimensões e resistência;
3. Após aprovados, os tubos são então marcados na altura de 
corte;
4. Em seguida, os tubos passam para um 
cortador que ajusta os parâmetros de acor-
do com a serra, de maneira a obter uma boa 
produtividade. Segundo os antigos donos, 
a serra é capaz de produzir cerca de 4000 
tubos por dia, mas o histórico de produção 
mostra que raramente eles passaram de 
2000 tubos por dia.
 O clima organizacional encontra-se 
péssimo. O ânimo dos funcionários é uma 
mistura de depressão, por não conseguirem 
se sustentar sozinhos e terem de ser vendi-
dos, com um pavor por demissões em mas-
sa. 
 A concorrência ainda é escassa, mas esse cenário vai logo 
mudar. Uma empresa multinacional líder no mercado mundial 
de tubos de PVC já soltou um comunicado de que, em breve, irá 
começar a comercialização do seu tubo no mercado da Tubos-
Matrix. O tubo da concorrência é considerado o melhor tubo 
de PVC do mundo e o seu preço virá bem competitivo, uma vez 
que essa empresa multinacional quer ganhar mercado. 
E então? o que você faria neste caso?
3. Mudança e Melhoria: 
conceitos e diferenças
 Pensando no Desafio proposto, os funcionários decidi-
ram em realizar várias mudanças. Algumas das mudanças mais 
clássicas neste exemplo são: 
1. Trocar as lideranças para melhorar o clima organizacional;
2. Comprar máquinas novas;
3. Colocar um outro procedimento de fabricação.
 Essas mudanças fazem sentido, mas nem sempre elas bas-
tam. Um ponto central da ciência da melhoria é a sua relação 
com a mudança. Sabemos que uma boa definição de insanida-
de é fazersempre a mesma coisa e esperar por resultados dife-
rentes. É impossível melhorar alguma coisa sem que se façam 
mudanças. Melhoria requer mudança. Entretanto, mudança 
nem sempre resulta em melhorias. Algumas mudanças, inclu-
sive, pioram o desempenho de um processo, portanto, não co-
meta o erro de entender melhoria como sinônimo de mudança, 
vide figura abaixo:
Requer
Nem sempre resulta em
MudançaMelhoria
 Esse conceito, apesar de parecer óbvio quando exposto 
dessa maneira, é traiçoeiro. Em nossa vida cotidiana, estamos 
acostumados a pensar sempre em mudar. Em empresas, é co-
mum nos depararmos com planos de ação em que o autor lista 
que encontrou 350 oportunidades de melhorias. Está errado. 
Ele encontrou oportunidade de mudanças, que serão ou não 
melhorias, cabendo ao tempo dizer isto. Então como desenvol-
ver mudanças que tenham grande probabilidade de ser melho-
rias?
Há uma maneira fácil de estruturamos essas mudanças, por 
meio das três questões fundamentais da melhoria, apresenta-
das nos próximos tópicos.
3.1 Como estruturar 
boas mudanças?
 Esta é a pergunta que precisamos responder. Algumas re-
comendações:
1. Saber o que queremos melhorar: ter 
foco em mudar o que vai resolver nosso 
problema. É usual treinarmos o nosso 
olhar para entender que essa resposta 
deve ser feita com base em um incômo-
do da organização, que pode ser um pro-
blema presente, ou uma oportunidade de 
crescimento. Geralmente, estes proble-
mas e oportunidade estão muito ligados 
à um processo dentro da empresa (que está sendo mal condu-
zido, ou então poderia ser conduzido de maneira mais eficien-
te). Iremos comentar mais sobre isso adiante, quando mencio-
namos o “Processo por trás do problema”.
2. Ter alguma forma de resposta, de feedback, para saber-
mos se nossas mudanças vão ou não ser uma melhoria. Isso 
geralmente envolve uma métrica.
3. Pensar em alternativas: nunca existe apenas uma mudança 
disponível.
4. Ter um método de gerar conhecimento sobre o que funcio-
na e o que não funciona. 
Em outras palavras, temos 3 questões fundamentais para nos 
ajudar a elaborar essas mudanças:
1. O que queremos melhorar;
2. Como saberemos que a mudança é uma melhoria;
3. Quais mudanças podemos fazer;
E um motor para o conhecimento é o ciclo PDSA, ilustrado na 
imagem abaixo:
A
ACT
P
PLAN
D
DO
S
STUDY
4. As três questões 
fundamentais da Melhoria
 Responder as 3 questões fundamentais da melhoria nos 
dão o que precisamos para realizarmos um projeto de sucesso. 
As perguntas criam um mapa com as principais informações:
1. O objetivo do esforço. 
2. As métricas do esforço de melho-
ria. 
3. Quais mudanças podemos fazer? 
Quais mudanças podemos realizar 
para alcançar o nosso objetivo, ou seja, 
impactar nosso indicador? Quais mu-
danças não poderão ser feitas? Pode-
mos contratar mais gente? Podemos 
colocar mais controles?
As 3 perguntas podem ser respon-
didas de maneira iterativa, ou seja, 
não há uma ordem lógica para res-
pondê-las. Comece por qual pergunta 
preferir, apenas garanta que todas se-
rão respondidas. 
A ordem é livre.
4.1 O processo por 
trás do problema
 Um dos pontos mais delicados na hora de responder às 
três questões, é entender a resposta para a primeira. O que 
queremos melhorar? A chave para uma boa definição do pro-
blema é garantir que você está lidando com o problema real 
– e não seus efeitos. Por exemplo, se o desempenho em seu de-
partamento é baixo, você pode pensar que o problema é ape-
nas com a falta de vontade das pessoas que trabalham ali. No 
entanto, se você olhar um pouco mais criteriosamente, o pro-
blema pode ser que as pessoas estão desmotivadas pois estão 
trabalhando em atividades completamente desorganizadas, 
onde não há uma visão clara de pro-
pósito e nem métodos eficientes para 
conduzir o trabalho. Dizemos que a 
desmotivação é causada por um “pro-
cesso ruim”. Ora, sistemas entregam 
exatamente o que foram projetados 
para entregar. Não há pessoa no mun-
do capaz de fazer um bom trabalho se 
o trabalho não for bem definido e es-
truturado. 
 A primeira questão do Modelo para Melhorias fornece a 
oportunidade para definir claramente o que estamos tentan-
do conseguir com este esforço de solução de problema. O for-
mato da apresentação do problema é importante, mas não o 
ponto essencial. O essencial é que 
cada um envolvido com o esforço 
entendam que eles precisam mudar 
algo na maneira que eles estão tra-
balhando, ou seja, no seu processo. 
O esforço terá mais chance de ser 
bem sucedido se todos tiverem as 
mesmas respostas para a questão 
“o que estamos tentando melhorar? 
”. E essa resposta deve visualizar um 
processo definido dentro da orga-
nização (iremos trabalhar mais esse 
ponto ao longo do curso).
 Por isso é fundamental entender o “processo por trás do 
problema”. O objetivo é focar a atenção da equipe em mudar 
características deste processo (seja como o trabalho é feito, 
os instrumentos, a comunicação, etc.), de maneira a resolver o 
problema.
4.2 Questão 1 - o que 
queremos melhorar?
 Dito isso, podemos nos debruçar mais sobre a primeira 
questão. Para respondê-la, vale a pena seguir algumas boas 
práticas. Primeiramente, tenha em mente que toda organiza-
ção é um conjunto de pessoas trabalhando em processos para 
atingir um propósito, mas principalmente que, se algo vai mal, 
significa que a maneira com que as pessoas trabalham não está 
alinhada com o que o cliente quer. É necessário encontrar o 
“processo por trás do problema”. 
Algumas dicas para encontrar esse processo: 
1. Contextualize. Converse 
com todos os envolvidos para 
entender o que realmente 
está acontecendo. Lembre-se 
que o problema é como uma 
névoa, todos sentem mas 
poucos conseguem definir. 
2. Entenda quais são as suas 
restrições (o que podemos 
e não podemos trabalhar em 
um projeto). O mundo é feito 
de restrições. Alguns exem-
plos de restrições são: não 
contratar mais pessoas ou 
não aumentar os gastos. Além 
desses, podemos ter restri-
ções de escopo como, não 
fazer nenhuma mudança nos 
processos de vendas.
3. E as métricas? Tente vislumbrar um pouco das métricas. 
Uma vez feito isso, o seu time de melhoria está pronto para 
começar a trabalhar.
4.2.1 Defina um objetivo
 Se o passo de contextualizar era muito aberto, o passo de 
definir um objetivo deve ser muito fechado. Ter um objetivo 
formal do esforço de melhoria é importante pois é um ponto 
sólido no esforço. Podemos sempre, ao longo do trabalho, fa-
zer uso dele para focar a equipe e as mudanças no que impor-
ta. Após as discussões, force a equipe a sair com um objetivo 
claro. 
Objetivos claros tem uma 
estrutura padrão:
1. Verbo no infinitivo (diminuir 
ou aumentar); 
2. Indicador, em quanto, onde, 
até quando. 
Exemplos:
- Diminuir o número de refugos na linha de produção em 38%, 
até janeiro de 2021.
- Aumentar as vendas pelo site, de 100 vendas diárias para 400 
vendas diárias até março de 2021.
- Diminuir o retrabalho na máquina em 80% até segunda-feira, 
08/5/21.
 Essa definição clara de objetivo faz com que saiamos da 
“fumaça” que geralmente são os contextos das empresas e en-
tremos em algo concreto. Uma vez claro o indicador, podemos 
alinhá-lo com o grupo e começar a trabalhar.
4.3 Questão 2 - como saberemos 
que a mudança será uma melhoria?
 Na hora de verificar se uma mudança deu errado ou certo, 
não basta o nosso feeling. Muitas pessoas desenvolvem ao lon-
go do projeto verdadeiras histórias de amor pelas mudanças 
que propõem e, como sabemos, tanto amor pode afetar nosso 
julgamento. A segunda pergunta só pode ser respondida com 
a coleta de dados.
 A coleta de dados deve estar ligada à escolha de indicado-
res para o projeto. Um bom indicador:
1. Está ligado a um processo;
2. Todos sabemos o que ele significa;
3. Norteia a equipe de trabalho;
4. É baseado em dados confiáveis.
4.4 Questão 3 - quais mudanças 
podemos fazer que vão gerar essa 
melhoria?
 Não existe apenas uma mudança possível. Geralmente, a 
primeira ideiade mudança nem sempre é a melhor. Tome seu 
tempo pensando e estudando as mudanças.
Geralmente 4 estratégias são 
usadas para desenvolver mudanças:
1. Análise crítica da situação;
2. Uso da tecnologia;
3. Uso da criatividade;
4. Benchmarking.
 
 Saber que temos várias alternativas para uma mudança é 
muito útil em situações reais do nosso dia a dia. Geralmente, 
nos apaixonamos por uma mudança, que pode nem sempre ser 
a melhor. Por exemplo, podemos pensar na estratégia de tec-
nologia para a TuboMatrix. Supomos que queremos comprar 
novas máquinas, mais modernas e caras. 
 Entretanto, se o real problema da falta de qualidade da 
empresa for a matéria-prima, a utilização da tecnologia não 
serviria como melhoria. Ela seria apenas uma fonte adicional 
de custos! 
 Com isso em mente, temos que ter uma boa utilização das 
estratégias e, antes de tomarmos uma decisão e implementar-
mos uma mudança, devemos ter certeza que esgotamos as de-
mais alternativas. 
5. Exercício - TubosMatrix
 Lembre-se do contexto da nossa fábrica TubosMatrix. A 
concorrência vem chegando ao mercado de tubos PVC. Os 
custos de produção estão altos e os funcionários, desmoti-
vados. Frequentemente, a produção entrega tubos não con-
formes para os clientes, que reclamam constantemente e até 
devolvem lotes inteiros. Isso gera uma grande insatisfação e 
faz com que a empresa comece a perder todo o mercado que 
demorou anos para conseguir. Os novos donos sentem que a 
administração da fábrica não está performando direito e co-
meçam a ficar impacientes com a situação. 
Pensando nisso, eles decidem agir:
a. Qual é o incômodo desta situação?
b. Qual é o processo por trás do problema?
c. O que seria um bom objetivo para este esforço de melhoria?
d. Quais seriam as restrições do trabalho?
Resolução:
 A contextualização do problema é muito importante para 
a sua resolução. A concorrência irá entrar no mercado com o 
mesmo produto e se devemos aplicar um projeto de melhoria. 
O que queremos melhorar? Como sabemos que a mudança 
será uma melhoria? Quais mudanças podemos fazer que vão 
gerar essa melhoria?
 Chegamos a conclusão que o objetivo é diminuir os cus-
tos para sermos mais competitivos. Os fatos dizem que um dos 
problemas é a qualidade, por isso diminuir os custos com ma-
téria prima mais barata não pode ser uma opção. Em segun-
do lugar, demitir funcionários para reduzir custos não garan-
te que o produto seja de qualidade então não seria o melhor 
cenário. Por entender que o processo em si é falho, a terceira 
opção então seria melhorar o processo produtivo. Não que es-
tas mudanças sejam ruins, elas apenas não estão diretamen-
te ligadas com o real problema do departamento de compras. 
Então o melhor passo para começar é pelo processo atrás do 
problema. 
As respostas propostas 
para o exercícios são:
a. O problema reside basicamente na 
produção. Ela não consegue atingir o que 
o cliente quer. Isso gera custos de garan-
tia e perdas de clientes. Isso gera a desin-
tegração do negócio. 
b. O processo por trás do problema é o 
processo de produção de tubos. Precisamos definir um indica-
dor para saber se ele está melhorando ou não. 
c. Um bom objetivo seria: Reduzir para zero o número de tu-
bos não conformes até o fim do esforço de melhoria. Erros co-
muns aqui incluem: focar em custos e colocar uma mudança 
como objetivo.
d. As restrições seriam o próprio projeto do tubos, então é 
preciso deixar claro que não mexeremos nos processos admi-
nistrativos (por enquanto). É importante ter foco para se re-
solver um problema.
O Ciclo PDSA
 Além das 3 perguntas fundamentais, o Modelo de Me-
lhoria é formado pelo ciclo PDSA. O ciclo PDSA é um roteiro 
iterativo de aquisição de conhecimento inspirado no método 
científico. Ele nos permite adquirir conhecimento novo sobre 
o que estamos fazendo.
 Estamos aqui falando de melhoria de processos. Como 
melhorar um processo de “apertar parafusos” sem saber uma 
maneira melhor de se apertar parafusos do que a já praticada. 
Essa maneira, só vem com um conhecimento maior da tarefa 
específica “apertar parafusos”. É justamente este conhecimen-
to que o ciclo PDSA nos ajuda a obter.
 É importante, neste ponto, não confundirmos o ciclo 
PDSA com o ciclo PDCA em que o ciclo PDSA é um método 
para a geração de conhecimento, e o ciclo PDCA é um roteiro 
de melhoria. Ao longo de um projeto de melhoria, realizamos 
inúmeros ciclos PDSA. Ele é mais flexível e fácil de se aprender.
 O esquema acima é uma das formas de esquematizar 
a lógica do PDSA. A outra seria pelas letras: 
• No P, planejamos nossas hipóteses sobre um problema (ou 
oportunidade): o que esperamos com as mudanças? Que mé-
tricas vamos ver para entender se deu certo?
3
O que
podemos
mudar?
7
O que vamos
incorporar
no dia a dia?
6
Analisamos!
O que saiu 
fora do 
esperado?
1
Como estão
as coisas?
2
Por que 
estão assim?
4
Como
vamos 
fazer?
5
Fazemos?
Como está
o indicador?
• No D, realizamos nosso “experimento”;
• No S, comparamos os resultados com o que pensamos e as-
sim aprendemos;
• No A, pensamos em como incorporar na rotina o que deu 
certo e qual será o próximo passo.
 O ciclo PDSA padroniza a aplicação do método em proje-
tos de melhoria. Um ponto é muito importante lembrar: o ob-
jetivo do ciclo NÃO é igual ao objetivo do projeto de melhoria. 
Um projeto de melhoria pode ter vários ciclos PDSA’s indivi-
duais ao longo do mesmo, visando cumprir um objetivo final 
maior. 
 A aplicação dos ciclos PDSA é contínua. Quando se acaba 
um ciclo, inicia-se outro, o que chamamos de “conectar” seus 
ciclos PDSA.
A
ACT
P
PLAN
D
DO
S
STUDY
A
ACT
P
PLAN
D
DO
S
STUDY
A
ACT
P
PLAN
D
DO
S
STUDY
Conhecimento
Tempo
6.2 Exemplo - ciclo PDSA
 Para tangibilizar a lógica PDSA podemos preencher um 
formulário genérico com as demais aplicações, como elaborar 
hipóteses e sugestões de melhorias. A partir dessas informa-
ções, a equipe deve realizar experimentos e ver de fato se hou-
ve melhoria ou não.
 Para o exemplo a seguir, foram usadas informações da 
equipe de Marketing da FM2S e a sua ideia de mudança para 
alavancar o setor. O objetivo, ações e experimentos foram pre-
enchidos no Formulário PDSA que você poderá visualizar nas 
próximas páginas.
Projeto MKT_1 – PDSA 1.1
Projeto: Geração de Negócios PDSA #: 1 (exemplo) Data: 15/10/2010
Objetivo: Verificar se a publicação de um artigo na revista XY aumenta o indicador número de
visitas no site da empresa.
PLAN
Questões Predições
Q1) A publicação do artigo irá
aumentar o número de acessos ao
site?
Q2) Algum leitor do artigo irá entrar
em contato via e-mail?
P1) Sim. Deve aumentar em pelo menos 10%, pois
as pessoas irão ler o artigo e irão entrar no site
para saber mais sobre o assunto.
P2) Sim. Ao ler o artigo, pelo menos 5 pessoas irão
enviar um e-mail, para discutir o assunto.
• Que dados serão coletados para responder às questões? Faça um plano de coleta de dados (Quem,
O que, Onde, Quando, Como).
• Como você vai registrar os dados? Construa um formulário de coleta de dados. • Como os dados
serão analisados? Antecipe os gráficos e as técnicas que serão usados para analisar os dados.
• O que pode sair errado na condução desse plano? Prepare-se para observar e
anotar. Dados
Serão anotados:
Número de acessos ao site. Este valor é medido através da ferramenta Google Analytics e o
responsável por medi-lo é o Marquinho. Os dados serão coletados uma vez por semana,
durante duas semanas após a publicação do artigo na revista.
Número de e-mails. Marquinho ficará responsável por acompanhar o número de e-mails
enviados para a caixa da empresa. O acompanhamento será diário, porém o indicador será
analisado semanalmente.
Para a análise do gráfico será utilizado um gráfico de tendência, pois atualmente o número
médio de visitas diárias ao site é de 1.
DO
Execute o que foi planejado. Comece a análise dos dados assim que começar a coletá-los. Algo saiu
errado? Ocorreu algo que não fazia parte do plano?
Númerode e-mails recebidos no período: 0
Mudança de Plano: Como nas primeiras duas semanas do mês de outubro não houve
nenhuma mudança significativa, optou-se por aumentar o período de coleta de dados em
duas
© FM2S
All Rights Reserved
Projeto MKT_1 – PDSA 1.1
semanas, cobrindo o mês de outubro todo.
STUDY
Complete a análise dos dados. Foi possível responder as questões formuladas? Resuma o
conhecimento obtido nesse ciclo. Inclua a comparação com o que foi previsto
Não houve mudança significativa com a publicação do artigo na revista. As alterações no
número de visitas ao longo do mês de outubro são todas causas comuns. Ao contrário de
nossas predições, a resposta para a questão 01 foi não, pois o número de acessos ao site
não se alterou com a publicação na revista.
O segundo indicador analisado também se mostrou diferente das predições, já que não houve
nenhum contato via e-mail. Nenhum leitor se manifestou via e-mail, o que o grau de
repercussão estimado (5 pessoas) estava errado.
ACT
Que decisões (ações) serão tomadas com o que foi aprendido?
Há duas maneiras de publicar na revista, uma por meio do envio de artigos gratuitos e outra
pelo envio de artigos pagos (1 página = R$ 3.500,00). Nós fizemos o teste sem custo, já que
conseguimos aprovar o artigo pela modalidade gratuita, porém, poucos artigos da revista são
publicados desta maneira. Se conseguíssemos contatos por meio da publicação que nos
trouxessem lucros maiores que 3,5 K, seria interessante pagar para termos os artigos
publicados, porém, os dados nos mostraram que para o nosso negócio, esta modalidade não
compensa.
Qual será o objetivo do próximo ciclo PDSA?
O próximo PDSA será utilizado para testar outras estratégias para aumento de visitas ao site.
 Com os resultados do ciclo PDSA, a equipe de Marketing 
resolveu fazer um segundo experimento, com novo objetivo e 
atividades, salvo na pasta do curso. O sucesso e desempenho 
das ações ficam registradas no Formulário PDSA, o que serve 
de aprendizado. Essa é uma maneira estruturada de enxergar 
a melhoria, porém com a experiência, escrever no papel pode 
ser dispensado.
 
Lembretes: o ciclo PDSA pode ser usado continuamente ou 
pontualmente. Sua lógica inspira a realização de melhorias.
7. O jeito Seis Sigma 
de gerar melhorias
 O Seis Sigma foi criado por Bill Smith na Motorola e po-
pularizado por meio de seu presidente na década de 1980, 
Robert W. Galvin. Agora anunciada como uma das principais 
práticas metodológicas para melhorar a satisfação do cliente e 
melhorar os processos de negócios, o Seis Sigma foi refinado e 
aperfeiçoado ao longo dos anos no que vemos hoje.
 Tradicionalmente, emprega uma série de ferramentas de 
análise de processos e de dados, com forte viés estatístico, 
para buscar: redução de custos, otimização de produtos e pro-
cessos e incremento da satisfação do cliente. O objetivo ideal 
é corrigir um processo para que ele seja 99,9997% livre de de-
feitos. Ou produzir apenas 3,4 Defeitos por milhão de oportu-
nidades ou menos!
 Embora o Six Sigma dependa de uma liderança forte para 
impulsionar a melhoria, um dos princípios da metodologia é 
que cada pessoa na organização deve estar comprometida e 
compreender o esforço, especialmente o gerenciamento de 
alto nível.
 A metodologia faz todas as análises de forma a desenvol-
ver processos, projetos e programas de melhoria. Iremos revi-
sar estes conceitos e entender quem são os responsáveis por 
implementá-los.
7.1 Processos de negócio
 
 São as atividades rotineiras que 
visam transformar entradas de for-
necedores em saídas para atender às 
necessidades dos clientes. Para a atri-
buição como processos de negócios, 
são consideradas algumas caracterís-
ticas:
• Uma empresa é composta por vários processos (como va-
mos ver mais adiante, no tópico sobre organizações);
• Os processos são tocados por pessoas, trabalhando em equi-
pes;
• Em um processo, todos os dias produzimos saídas parecidas.
7.2 Projetos de melhoria
 São iniciativas únicas que visam entender, analisar e me-
lhorar um processo de rotina. A esquematização de um proje-
to de melhoria é observado na abaixo.
• Essa melhoria é geralmente o impacto em um indicador de 
interesse da organização (como vamos ver mais adiante);
• A equipe do projeto não necessariamente é a equipe do pro-
cesso;
• É preciso que a organização dê tempo para que as pessoas 
possam trabalhar essas iniciativas;
• É justamente nestes projetos que atuam os “belts”;
• Diferentes técnicas são usadas nesta análise e melhoria.
ENTRADAS SAÍDAS
INDICADORES
DE DESEMPENHO
<< REALIZAR MUDANÇAS QUE VÃO 
GERAR MELHORIAS NOS PROCESSOS >>
ENTENDER,
ANALISAR,
MELHORAR
7.3 Programas de melhoria
 Assim como visto anteriormente, programas de melhoria 
são uma série de projetos de melhoria tocados em conjunto, 
de maneira a impactar simultaneamente vários indicadores da 
organização. 
• A equipe (ou área) de melhoria geralmente faz a gestão des-
sa série de projetos;
• Costumam ter um impacto significativo no desempenho da 
organização;
ENTRADAS
ENTRADAS
ENTRADAS
SAÍDAS
GESTÃO DE 
INICIATIVAS
SAÍDAS
SAÍDAS
7.4 Pontos críticos para 
o sucesso do Seis Sigma
 No seu núcleo, o Seis Sigma gira em torno de alguns con-
ceitos-chave. Ao investir em Cultura, Estrutura e o Envolvi-
mento das Pessoas, o sucesso do Seis Sigma é mais próximo. 
Os pontos são expostos na Tabela abaixo, em que todas dicas 
são importantes e devem ser implementadas. 
Culturais
Cultura de solução 
de problemas 
(jeito ocidental);
Cultura de 
engenharia;
Cultura de 
projetos.
Clareza nas metas 
estratégicas 
para a melhoria;
Disponibilidade
de Dados por parte
da Organização
Uso dos melhores
talentos 
da organização;
Facilidade 
de aprender 
Liberação de 
tempo dos 
especialistas para 
resolver problemas;
Pessoal com 
aptidão para 
trabalho com 
dados e org.
para projetos;
Apoio da alta 
administração;
Pessoal com 
alto nível 
de treinamento;
Estruturais
Das pessoas
envolvidas
8. O Lean Seis Sigma 
 O Seis Sigma atual incorpora vários aspectos provenien-
tes do Lean. A ideia é dar ao agente de melhoria (do Seis Sigma 
clássico), um repertório de mudanças simples, que vão engajar 
o pessoal da operação. Essas mudanças 
são inspiradas na forma de trabalhar 
das empresas japonesas (principal-
mente a Toyota), que ficou conhecido 
como Lean. Ele foca que a melhoria 
precisa ser conduzida por todos os co-
laboradores da empresa, com iniciati-
vas simples, visuais e descentralizadas. 
Falaremos mais deles a seguir.
 Apesar do Lean Seis Sigma como conhecemos hoje ter 
uma estrutura ainda projetizada e ser dividido em belts, ou 
faixas, ele incorpora outras ideias para o desenvolvimento das 
mudanças.
8.1 O que é Lean?
 A metodologia Lean é uma filosofia para a melhoria contí-
nua, aplicada através de boas práticas e ferramentas. A Figura 
abaixo apresenta de forma os dois grandes pilares do Lean: o 
respeito às pessoas e a melhoria contínua.
 
Liderança Consultiva Desperdícios
Desenvolvimento
Contínuo
Filosofia
Compartilhada
Gestão Visual
Flexibilidade
de produção
Foco no
cliente
Melhoria de fluxo
Respeito 
às pessoas
Melhoria
Contínua
(Kaizen)
 A melhoria contínua, o pilar Kaizen, também conhecida 
como melhoria de fluxo, tem como objetivo tirar barreiras do 
fluxo natural dos processos. Para fazer isso, junto ao respeito 
às pessoas, é preciso transparência, mapeamento e envolvi-
mento coletivo. 
O jeito Lean é descrito como:
• É mais uma abordagem contínua do que iniciativas “projeti-
zadas”;
• Envolve a melhoria contínua das pessoas e da liderança;
• É uma mudança cultural.
8.2 Pontos críticos para 
o sucesso do Lean
 Assim como os pontos para o sucesso do Seis Sigma, o 
pontos Culturais, Estruturais e de Pessoas Envolvidas são mui-
to importantes. Na Tabela abaixo são levantadas as caracterís-
ticas mais marcantes que garantem o sucesso. 
9. Projetos de Melhoria
 Foi visto no tópico sobre o Seis Sigma o que é a ideia de 
um projeto de melhoria,podemos aprofundar os seus concei-
tos. Um projeto de melhoria é uma sequência de atividades 
Culturais
Pensamento de 
longo prazo;
Respeito às 
pessoas;
Disciplina na 
execução para 
criar o hábito 
da melhoria.
Forte programa de 
educação do 
chão de fábrica;
Alinhamento entre
alta, média e baixa 
administração.
Mente aberta 
para mudanças 
radicais;
Pensamento para 
melhoria 
(Lean Thinking). 
Alinhamento de 
objetivos com 
todas as partes 
da organização;
Sincera 
preocupação 
com o cliente;
Participação 
ativa da alta 
administração;
Pensamento 
de longo prazo;
Estruturais
Das pessoas
envolvidas
realizadas com o objetivo de entregar uma melhoria em um 
processo. As soluções para gerar essas melhorias são desco-
nhecidas. Descobri-las faz parte do escopo do projeto.
 O Projeto de Melhoria normalmente é organizado a par-
tir de um roteiro (como o roteiro DMAIC). Pode ser simples 
ou complexo, dependendo do número de pessoas envolvidas. 
Porém ele sempre deve partir do princípio que o projeto não 
tem uma resposta conhecida. Esse detalhe minimiza as chan-
ces que a mudança implementada não seja realmente uma me-
lhoria. O roteiro trabalha com “palpites”.
 As características marcantes para realizar um bom 
projeto são:
• Começa com um problema ou oportunidade;
• É percebido por muitos, inclusive pela direção;
• É recorrente;
• Não tem uma solução clara. 
 Também é relevante fazer pergun-
tas teóricas sobre ele: Esse é o projeto 
certo? Com as pessoas certas (na equi-
pe e no suporte)? Pode ser cumprido 
dentro do tempo (até 9 meses)? Assim 
como vimos, algumas equipes selecio-
nam um grupo de mudanças para se-
rem implementadas que não respon-
dem a tais perguntas porém que seja 
de fácil aplicação, o que não é ideal.
9.1 Como estruturar o projeto?
 A recomendação na hora de estruturar um projeto é de 
usar o roteiro DMAIC. Vamos aprender várias ferramentas e 
técnicas neste curso, mas nem todas precisam ser usadas para 
o seu projeto. O esperado é que possamos ver nas cinco fases 
que:
1. Você definiu bem o problema a ser 
abordado (Define);
2. Você entendeu bem o que estava acon-
tecendo, através da análise dos dados e 
dos processos (Measure);
3. Você desenvolveu mudanças com base 
nas análises causais dos dados coletados 
(Analyze);
4. Você testou essas mudanças de manei-
ra estruturada (Improve);
5. Você implementou e estabilizou o seu 
processo (Control).
10. O DMAIC e suas ferramentas
 O roteiro DMAIC é composto pelas cinco fases: 
Define (definir), Measure (medir), Analyze (analisar), Im-
prove (melhorar) e Control (controlar). 
Na fase do Define nós definimos qual é o 
problema ou oportunidade queremos tra-
balhar. Nela, respondemos às 2 primeiras 
perguntas fundamentais, entendendo a 
real necessidade da organização. O maior 
desafio aqui é cristalizar as impressões 
particulares de cada envolvido no proje-
to para chegar a um objetivo mais palpá-
vel. A saída fundamental da fase Define 
é a formulação do contrato de melhoria, 
que irá pautar todos os esforços futuros. 
Algumas ferramentas usadas nesta fase 
são:
• Técnicas do VOC (Voice of Customer), que nos ajuda a cole-
tar informações do cliente;
• O SIPOC, que nos ajuda a enxergar o processo de outra ma-
neira;
• A árvore CTC (critical do customer) ou CTQ (critical to quali-
ty), que nos ajuda a transformar ideias abstratas em indicado-
res concisos;
• O contrato de melhoria, que compila e formaliza todo o dis-
cutido;
• A matriz de análise de stakeholders, que nos ajuda a identifi-
car todos os envolvidos e programar nossas ações de conven-
 
cimento;
• A matriz de comunicação, que nos ajuda a evitar problemas 
do tipo “rádio-peão”; 
• O diagrama de afinidades, que nos ajuda a organizar as nos-
sas ideias. 
 A fase seguinte é a fase do Measure, aonde vamos co-
meçar a entender as coisas como elas são. Essa fase tem duas 
frentes de trabalho distintas, ou duas “portas” por onde co-
meçamos nossas medições: a porta de processos e a porta de 
dados. 
 Na porta de processos, nós mapea-
mos o processo atual e entendemos como 
ele funciona. Identificamos quais são suas 
atividades e como elas se conectam. A 
grande saída dessa porta é um fluxograma 
que explica exatamente como nosso pro-
cesso transforma suas entradas (maté-
rias-primas) em saídas (produtos ou ser-
viços). Na porta de dados, nós medimos o 
desempenho do processo com números. 
Para isso, temos que coletar dados (indi-
cadores) sobre o que está acontecendo 
e analisá-los. Boa parte das ferramentas 
que iremos ensinar no curso de Green 
Belt tem o objetivo único de analisar os 
dados que coletamos. Algumas ferramen-
tas desta fase são: 
Para processos:
• A ferramenta do SIPOC, com ênfase no mapeamento de pro-
cessos;
• A criação de fluxogramas;
• A elaboração de um VSM (value stream mapping, ou mapea-
mento do fluxo de valor);
• A criação de diagramas de espaguete, ou diagramas de layout;
• A análise e criação de instruções de trabalho e definições 
operacionais.
Para dados:
• Formulários de coletas de dados e folhas de verificação;
• Gráficos de tendência;
• Gráficos de controle;
• Gráficos de frequência (histogramas, Box-Plots, gráficos de 
barras, de setores, de Pareto, etc.);
• Análises de capabilidade;
• Análises MSA (measure system analysis);
• Ferramentas para a transformação de variáveis.
Verificar o 
perfil do cliente
Cliente possui 
aplicação
Fornecer 
vantagens
básicas
+
Fornecer 
melhores
vantagens
Oferecer
novos
produtos
Efetivar a 
operação 
de crédito
Informar resultados
da operação
 A terceira fase é a do Analyze. Nela fazemos duas coisas: 
analisamos criticamente nossos dados e procuramos desen-
volver mudanças que vão gerar melhorias. Na prática, fazemos 
as duas coisas juntas. Ao final dessa fase, já teremos formata-
do as nossas primeiras mudanças a serem testadas. Algumas 
ferramentas:
Para dados:
• Estudo de correlação, como 
gráficos de dispersão e plani-
lhas de contingência;
• Análise de Regressão Linear.
Para processos:
• Os 5 por quês;
• O diagrama de Ishikawa, ou 
diagrama de causa e efeito;
• Diagramas de árvore;
• Análise de Valor;
• Criação de Poka-Yokes;
• Análise de desconexões;
• As técnicas de criatividade;
• Os conceitos de mudança.
 A penúltima fase é a fase do Improve, onde vamos me-
lhorar as nossas mudanças e começar a melhorar o nosso 
processo. Nesta fase nós iniciamos nossos experimentos. As 
ferramentas mais importantes a serem trabalhadas são o ci-
clo PDSA e o planejamento de experimentos, usando experi-
mentos fatoriais. Ao sairmos do improve, já vamos saber exa-
tamente quais ferramentas devemos implementar. 
A última fase é a fase do Control. Nela de fato implementamos 
as mudanças vencedoras. Para que essa implementação seja 
bem feita, iremos trabalhar algumas ferramentas de psicolo-
gia, como o diagrama de campos de força e aprender a fazer 
bons padrões e bons treinamentos.
 As ferramentas estão presentes na página seguinte de 
forma visual, em que as cores representam os belts, onde em 
amarelo são ferramentas vistas no Yellow Belt, em verde as 
demais ferramentas aprendidas no Green Belt e por último as 
ferramentas em cinza que são ensinadas apenas para o Black 
Belt. Nos próximos capítulos, o curso irá aprofundar cada fase 
DMAIC e as ferramentas do Green Belt.
F
as
e 
d
o
 D
ef
in
e
F
as
e 
d
o
 M
ea
su
re
F
as
e 
d
o
 A
n
al
yz
e
F
as
e 
d
o
 Im
p
ro
ve
F
as
e 
d
o
 C
o
n
tr
o
l
SI
PO
C
M
ap
ea
m
en
to
 d
e 
Pr
oc
es
so
s
D
ia
gr
am
a 
de
 Is
hi
ka
w
a
Re
al
iz
aç
ão
 d
e 
Te
st
es
As
 fa
se
s 
da
 im
pl
em
en
ta
çã
o
VO
C 
(V
oi
ce
 o
f C
us
tu
m
er
)
Fl
ux
og
ra
m
as
An
ál
is
e 
de
 D
es
co
ne
xõ
es
O
 c
ic
lo
 P
D
SA
G
es
tã
o 
da
 M
ud
an
ça
Ár
vo
re
 C
TC
VS
M
An
ál
is
e 
de
 D
es
pe
rd
íc
io
s
Te
st
es
 e
m
 p
ar
al
el
o
G
es
tã
o 
de
 Im
pl
em
en
ta
çã
o
D
ia
gr
am
a 
de
 A
fin
id
ad
es
Fo
rm
ul
ár
io
 d
e 
Co
le
ta
 de 
D
ad
os
5 
po
rq
uê
s
Ti
po
s 
de
 c
om
pa
ra
çã
o
An
dr
ag
og
ia
Co
nt
ra
to
 d
e 
M
el
ho
ria
 (P
ro
je
ct
 
Ch
ar
te
r)
Fo
lh
a 
de
 V
er
ifi
ca
çã
o
Po
ka
-Y
ok
e
Es
tu
do
 e
st
at
ís
tic
o 
de
 
po
pu
la
çõ
es
Co
nd
uç
ão
 d
e 
Pr
og
ra
m
as
 d
e 
m
el
ho
ria
H
os
hi
n 
Ka
nr
i
G
rá
fic
o 
de
 T
en
dê
nc
ia
U
so
 d
a 
Te
cn
ol
og
ia
In
fe
rê
nc
ia
 e
st
at
ís
tic
a
G
es
tã
o 
de
 E
qu
ip
es
G
es
tã
o 
Es
tra
té
gi
ca
 d
e 
M
el
ho
ria
H
is
to
gr
am
a
G
rá
fic
o 
de
 D
is
pe
rs
ão
Ex
pe
rim
en
ta
çã
o 
av
an
ça
da
Pa
dr
on
iz
aç
ão
G
rá
fic
o 
de
 P
ar
et
o
An
ál
is
e 
de
 C
or
re
la
çã
o 
M
at
riz
 d
e 
Pr
io
riz
aç
ão
G
es
tã
o 
e 
M
ud
an
ça
 C
ul
tu
ra
l
An
ál
is
e 
de
 V
ar
ia
çã
o
G
rá
fic
o 
de
 D
is
pe
rs
ão
5W
2H
G
rá
fic
o 
de
 C
on
tro
le
Co
rre
la
çã
o 
Av
an
ça
da
Ac
om
pa
nh
am
en
to
 e
 O
CA
P
Pl
an
o 
de
 C
om
un
ic
aç
ão
Té
cn
ic
as
 d
e 
Cr
ia
tiv
id
ad
e
M
at
riz
 d
e 
Im
pa
ct
o 
Es
fo
rç
o
An
ál
is
e 
de
 C
ap
ab
ili
da
de
An
ov
a
Co
nt
ro
le
 E
st
at
ís
tic
o 
de
 
Pr
oc
es
so
s
M
od
el
os
 e
st
at
ís
tic
os
 
pa
ra
m
ét
ric
os
Re
gr
es
sã
o 
Li
ne
ar
Fu
nd
am
en
to
s 
do
 tr
ab
al
ho
 e
m
 
eq
ui
pe
M
od
el
os
 e
st
at
ís
tic
os
 n
ão
-
pa
ra
m
ét
ric
os
Re
gr
es
sã
o 
Lo
gí
st
ic
a
Ex
p.
 F
at
or
ia
is
 C
om
pl
et
os
Ex
p.
 F
at
or
ia
is
 F
ra
ci
on
ad
os
Te
st
es
 d
e 
hi
pó
te
se
s
11. A divisão dos Belts
 Os “belts” são os diferentes níveis de conhecimento na 
metodologia. A ideia foi emprestada das artes marciais (como 
o judô ou o karatê), onde cada faixa é o seu conhecimento so-
bre a arte marcial em questão. No Lean Seis Sigma, tradicio-
nalmente temos cinco faixas. O que cada uma representa está 
sumarizado na Tabela abaixo.
 Cada faixa Seis Sigma têm um nível de conhecimento e 
experiência maior. Por isso as ferramentas mais complexas são 
realizadas pelos profissionais Green Belt e Black Belt.
12. As habilidades de 
um agente de melhoria
 As habilidades do agente de melhoria (que devem ser ad-
quiridas ao longo dos cursos belts) são: 
White Belt Yellow Belt Green Belt Black Belt Master Black Belt
EEnntteennddee oo qquuee éé aa 
mmeettooddoollooggiiaa
EEnntteennddee oo qquuee éé uumm 
pprroojjeettoo
SSaabbee aaccoommppaannhhaarr 
eeqquuiippeess ddee pprroojjeettoo
CCoonnhheeccee aappeennaass ooss 
ffuunnddaammeennttooss
EEnntteennddee oo qquuee éé aa 
mmeettooddoollooggiiaa
SSaabbee aapplliiccaarr ppaassssooss 
ddee uumm rrootteeiirroo ddee 
mmeellhhoorriiaa
SSaabbee lliiddeerraarr uumm 
pprroojjeettoo ddee bbaaiixxaa 
ccoommpplleexxiiddaaddee
CCoonnhheeccee 
ffeerrrraammeennttaass ppaarraa 
aannáálliissee ddee pprroocceessssooss
EEnntteennddee oo qquuee éé aa 
mmeettooddoollooggiiaa
SSaabbee aapplliiccaarr ooss 
ppaassssooss ddee uumm rrootteeiirroo 
ddee mmeellhhoorriiaa
LLiiddeerraa pprroojjeettooss ddee 
mmééddiiaa ccoommpplleexxiiddaaddee
CCoonnhheeccee 
ffeerrrraammeennttaass ppaarraa 
aannáálliissee ddee ddaaddooss ee 
pprroocceessssooss
DDoommiinnaa aa 
mmeettooddoollooggiiaa
LLiiddeerraa pprroojjeettooss ddee 
aallttaa ccoommpplleexxiiddaaddee
DDoommiinnaa ttooddaass aass 
ffeerrrraammeennttaass 
eessttaattííssttiiccaass ee ddee 
pprroocceessssooss
DDoommiinnaa 
pprrooffuunnddaammeennttee ooss 
ffuunnddaammeennttooss
OOrriieennttaa GGrreeeenn BBeellttss ee 
YYeellllooww BBeellttss
DDoommiinnaa 
pprrooffuunnddaammeennttee aa 
mmeettooddoollooggiiaa
LLiiddeerraa aa áárreeaa ddee 
mmeellhhoorriiaa,, oorriieennttaannddoo 
ttooddoo ttiippoo ddee pprroojjeettoo
DDoommiinnaa 
pprrooffuunnddaammeennttee 
ttooddaass aass ffeerrrraammeennttaass
PPrroommoovvee aa ccuullttuurraa 
ddee mmeellhhoorriiaa nnaa 
oorrggaanniizzaaççããoo
1. Saber aplicar a metodologia em diferentes situações;
2. Entender processos de negócios (ver o processo por trás do 
problema);
3. Saber coletar dados qualitativos e quantitativos sobre os 
processos; 
4. Conhecer os conceitos das metodologias de melhoria;
5. Desenvolver mudanças;
6. Saber planejar experimentos e testar mudanças; 
7. Entender como trabalhar e analisar dados (estatística);
8. Estimar o desempenho de um processo;
9. Fazer o projeto andar (convencer as pessoas, conseguir 
apoio, vender os resultados);
10. Trabalhar com visualização de dados e processos; 
11. Saber comunicar-se de maneira eficiente e trabalhar em 
equipe.
13. Resumo do capítulo
 A melhoria resulta da aplicação de conhecimento. O cur-
so de Green Belt ensina como as empresas transformam esses 
conhecimentos em projetos de melhoria.
Cinco pontos são fundamentais para se conseguir uma 
melhoria:
1. Saber o que precisa ser melhorado, com clareza;
2. Ter um mecanismo de feedback para saber se a melhoria 
está acontecendo;
3. Desenvolver mudanças que resultarão na melhoria;
4. Testar a mudança, adquirindo conhecimento específico no 
assunto;
5. Saber quando tornar a mudança perene, ou seja, quando im-
plementar a mudança.
 As empresas sempre terão oportunidades a serem apro-
veitadas, problemas a serem resolvidos e processos a serem 
melhorados. Elas sempre precisarão de procedimentos mais 
eficazes, produtos mais competitivos e conhecimentos que a 
façam desempenhar melhor. Os roteiros são apenas o como 
vamos suprir estas necessidades. O Modelo de Melhoria é uma 
estrutura que veremos para aplicar os cinco pontos citados do 
DMAIC que serão abordados no curso para suprir essas ne-
cessidades.
 
C
ap
ít
u
lo
 2
D
efi
n
e
Clique 
para voltar 
ao Índice
1. Introdução ao Define
 O Define é o primeiro pas-
so do roteiro DMAIC. É por ele 
que começamos o nosso proje-
to de melhoria. Nele, todas as 
nossas ações vão ter o objeti-
vo simples de definir o objetivo 
do nosso esforço de melhoria. 
Em outras palavras, temos que 
achar o processo por trás do 
problema, abordado junto às 
três questões fundamentais, e 
entender o indicador que o re-
presenta e definir o impacto 
neste indicador que será o obje-
tivo do projeto.
 Essa definição deve ser feita de maneira clara e objetiva, 
seguindo a filosofia do Modelo de Melhoria, ou seja, respon-
dendo as 3 perguntas fundamentais (especialmente as duas 
primeiras). Na prática, seguimos os seguintes passos no Defi-
ne:
1. Começamos o projeto, conversando com todos os interes-
sados do esforço de melhoria. Aqui, é importante falar com o 
patrocinador (que é o líder formal responsável pelo projeto) 
para identificar claramente o problema ou oportunidade que 
vamos atacar. Temos que entender também a razão pela qual 
este problema ou oportunidade é importante para a empresa. De-
vemos entender o contexto do nosso projeto de melhoria.
2. Após esclarecido o problema e o 
contexto, temos que entender qual 
é o processo por trás do problema, 
bem como onde este processo come-
ça e onde ele termina. Entender esse 
processo é vital para sabermos qual 
o propósito dele, ou seja, o que este 
processo está entregando para a or-
ganização. A ferramenta do SIPOC 
(que iremos detalhar mais a frente) é 
uma ótima ferramenta para descre-
ver este processo. 
3. Uma vez entendido o problema e o processo por trás do pro-
blema (que são a resposta para a primeira questão), temos que ter 
uma métrica ou indicador para saber se estamos melhorando ou 
não o processo. Esse indicador é importante pois é com ele que 
vamos, posteriormente, provar que as mudanças que fizemos fo-
ram de fato uma melhoria. A definição dessa métrica (caso ela já 
não exista) é um passo fundamental do Define. Geralmente, ques-
tionamos os clientes do processo problemático (aquelas pessoas 
que teoricamente usam as suas saídas) e entendemos suas ne-
cessidades. Em seguida, compilamos essas suas impressões em 
fatos observáveis. Esse processo é chamado de “VOC”,ou Voice 
of Customer (Voz do Cliente). A ferramenta que nos auxilia nesta 
empreitada (de transformar as necessidades do cliente em itens 
mensuráveis) é a árvore CTC.
4. Em seguida, temos que determinar o objetivo do esforço 
de melhoria. Temos que entender qual impacto vamos bus-
car no indicador. Esse objetivo precisa ser formalmente de-
finido (Aumentar ou Diminuir, um indicador, em uma meta, 
até um prazo). 
5. Ao final da fase do Define, teremos preenchido o Contra-
to de Melhoria do projeto, que é a principal ferramenta de 
alinhamento da equipe de melhoria. Este documento é aná-
logo ao Project Charter (ou, Termo de Abertura do Projeto) 
utilizado nas metodologias de gestão de projetos. Devemos 
também analisar se o objetivo do projeto está alinhado com 
os objetivos da organização (checklist de inicialização).
 
 Para identificar quais as ferramentas utilizar, o Mapa 
do fase Define, mostra os objetivos e as saídas esperadas 
nas fases do Define abordadas anteriormente.
Inicie o projeto
Conversas com 
o patrocinador e
equipe. Entender
a necessidade 
para 
a organização.
Atividades
Ferramentas
Saídas
Diagrama de 
afinidades
SIPOC Macro,
Matriz de 
Stakeholders
Braisntorming VOC,
Árvore CTC
Árvore CTC,
Definição
de objetivos
Contrato
de melhoria,
Checklist de 
contrato
Resposta para:
O que queremos
realizar?
SIPOC preenchido,
Identificação do
“processo por trás
do problema”
Indicadores: 
Expectativas
claras de qualidade
do cliente
Resposta: “ Como 
saberemos que as
mudanças são 
melhorias?
Contrato
Preenchido
Formalizar o
 Processo
por trás do 
problema.
Entender 
fronteiras,
envolvidos e 
entregáveis.
Entender o que é
esperado daquele
processo. O que ele
é feito com qualidade?
Como os problemas 
se relacionam com
 o propósito?
Definir como medir
e analisar cada 
direcionador de
qualidade do 
processo 
(indicadores). 
Atribuir uma meta.
Registrar as 
definições do 
Define para focar
a equipe.
Vislumbrar os
próximos passos.
Defina o processo
Entenda os
requerimentos
Defina os
indicadores
Formalize
2. O SIPOC
 
 O SIPOC é uma ferramenta que descreve um processo. 
Entretanto, ele não faz isso evidenciando o fluxo do proces-
so (o que pode ser muito confuso de ser detalhado), como um 
fluxograma, mas sim evidenciando a razão daquele processo 
existir e a interação do processo com outras áreas na empre-
sa. Seu nome é uma sigla que exibe o que queremos entender 
do processo: quem são os fornecedores do processo (S - Su-
ppliers), quais as entradas para o processo (I - Inputs), quais as 
etapas do processo (P - Process), quais as saídas do processo 
(O - Outputs) e quais são os clientes destas saídas. Na prática, 
ele é um formulário, onde cada sigla é um campo a se preen-
cher do processo:
2.1 Como Elaborar o SIPOC
Passos do Processo
Fornecedores
(suppliers)
Entradas
(inputs)
Processo
(process)
Saídas
(outputs)
Clientes
(clients)
 Para criar um SIPOC do processo você deve seguir alguns 
passos. São eles:
1. Concordar com o nome do processo. 
Lembre-se, para definir nome de um pro-
cesso use verbos no infinitivo mais um 
complemento (Ex: Realizar Planejamen-
to Estratégico da Área Comercial);
2. Defina as saídas do processo. As saídas 
são as coisas tangíveis que o processo 
produz (Ex: um relatório, uma carta, um 
produto, etc);
3. Defina os clientes do processo. Estas 
são as pessoas ou outros processos que recebem as saídas do 
processo. Toda saída deverá possuir um cliente;
4. Defina as entradas do processo. Estas são as coisas neces-
sárias para iniciar o processo. Elas frequentemente são tangí-
veis (Ex: Requisição do cliente);
5. Defina os fornecedores do processo. Estes são as pessoas 
ou outros processos que fornecem as entradas. Toda entrada 
deverá possuir um fornecedor. Em alguns processos que vão 
do início ao fim, o fornecedor e o cliente poderão ser o mesmo;
6. Defina os sub-processos que fazem parte do processo ma-
peado. Estas são as atividades que são feitas para converter as 
entradas em saídas. Elas serão a base para o mapa do proces-
so a ser criado a após a elaboração do SIPOC. Lembre-se que 
nesta etapa do Define, não é preciso detalhar muito estes sub-
-processos, apenas colocar-los de maneira “macro”, a fim de se 
conhecer as etapas. Iremos fazer um mapeamento mais deta-
lhado na etapa do Measure. Notem que ao fazer isso, estamos 
começando a mapear o processo que estamos analisando. Mais 
para a frente, iremos destacar como usar essa ferramenta para 
se mapear com perfeição qualquer tipo de processo. Na Tabela 
abaixo é possível ver algumas dicas para construir o SIPOC:
2.2 Por que usar o 
SIPOC no Define?
Mão de obra e outros 
recursos não consumidos 
no processo. Eles não 
disparam o processo e não 
sofrem transformação.
Políticas e regras não 
devem ser incluídas como 
entradas. Elas guiam o 
processo, mas não são 
trabalhadas por ele. 
Entradas podem incluir 
instruções operacionais 
 que são necessárias para 
quem executa as atividades.
Entradas são “coisas” 
supridas pelos 
fornecedores 
do processo.
As saídas são “coisas”. 
Elas podem estar corretas 
ou com erros. Podem 
atender as necessidades 
do cliente ou não;
As saídas devem 
especificar o que 
o processo entrega,
 não o que ele alcança.
Saídas que ou são vagas, 
como “clientes satisfeitos”
 ou que contém especificações, 
como “relatórios entregues 
a tempo”;
Colocar palavras que 
definem o objetivo do 
processo. Ex: Contratar 
pessoas rápido, melhorar 
os relatórios;;
Use a declaração de 
propósitos do processo 
para definir porquê ele 
existe. Isto irá ajudá- lo 
a identificar os objetivos
e as métricas.
O nome do processo 
não deverá definir seu 
desempenho e nem seus 
objetivos de melhoria;
O nome processo define 
o que ele faz, nem mais 
e nem menos;
Dicas O que fazer Erros mais comuns
Usar verbo no infinitivo 
mais complemento;
Dar nome utilizando gerúndio 
ou verbo no passado;
Entradas devem ser
 especificar os “gatilhos” 
do processo e o que 
será trabalhado pelo 
processo.
 Lembrem-se: no Define trabalhamos para sair com um 
foco claro para atacarmos em nosso projeto de melhoria. Te-
mos que entender as visões de cada uma das pessoas e bolar 
um indicador que vá nos balizar durante o resto do projeto. O 
SIPOC é útil para se conseguir as duas coisas.
 Quando utilizamos o SIPOC, começamos a analisar o nos-
so problema de uma forma extremamente útil para a melhoria: 
de forma sistêmica. Começamos a entender com muita clareza 
onde está inserido o processo que queremos analisar, enten-
demos onde ele começa, termina e quais são os seus limites. 
Além disso, temos declaradas claramente todas as etapas do 
processo. Podemos então, com a ajuda do resto do time de 
melhoria, analisar criticamente as etapas propostas, tentando 
identificar nas discussões direcionadores críticos para a quali-
dade.
 O SIPOC também nos permite 
identificar pontos para a coleta de 
dados. Podemos pensar em indica-
dores diversos para as saídas, para 
as entradas e para cada etapa do 
processo. Por exemplo: como me-
dir se a saída está com qualidade? 
Quanto tempo demora toda a eta-
pa de processamento? Quanto de 
rejeito esta etapa está gerando? Quanto aproveitamos de cada 
entrada? Todas estas perguntas, elementares a se observar um 
SIPOC, podem levar a indicadores bastante úteis em projetos 
de melhoria. Por fim, essa visão segmentada e clara do proces-
so também já nos começa a abrir a mente para possíveis mu-
danças no processo: Temos alguma entrada que não precisa-
mos? Deixamos de ter alguma entrada que precisamos? Nesta 
etapa, de “preparação do paciente”, qual é o procedimento que 
estamos seguindo? Podemos fazer melhor? Essas técnicas de 
aperfeiçoamento das atividades serão discutidas em mais pro-
fundidade na etapa do Analyze.
2.3 Exercício - SIPOC
Elabore um SIPOC para o processo comumente conhecido 
de “realizar um exame de sangue”. Faça a análise do SIPOC do 
ponto de vista do laboratório responsável para o exame.
• Qual é asaída mais importante do laboratório?
• Quem consome essa saída?
• Para produzir essa entrega, o que é necessário entrar para o 
laboratório?
• Quem fornece essas entradas?
• Como as entradas se transformam em saídas?
• É assim para todos os laboratórios? O que muda?
Resolução:
 O exemplo de como funciona o processo de coleta de san-
gue tem como objetivo identificar as entradas e saídas. Se fos-
se definido primeiro a saída, é sabido que o mais importante do 
processo é o resultado do exame de sangue, que é consumido 
pelo médico (ou pelo paciente). A saída não é o sangue. Aliás, 
esse nem aparece no SIPOC. Ele é coletado e é processado 
inteiramente dentro do processo, portanto não é uma entrada 
nem uma saída. Logo as entradas são relacionadas à coleta do 
sangue, inclusive o paciente.
 É possível notar na imagem abaixo também que o proces-
so pode não ser realizado da mesma maneira de um laborató-
rio para outro. Por exemplo, a atividade de “preparar o pacien-
te” pode ser realizada das mais diversas maneiras, seguindo os 
mais diversos procedimentos. 
3. O VOC (Voice of Customer)
 Uma vez definido o produto e desenhado o processo que 
queremos melhorar, temos que definir seus indicadores, para 
Passos do Processo
Fornecedores
(suppliers)
Entradas
(inputs)
Processo
(process)
Saídas
(outputs)
Clientes
(clients)
Receber 
paciente
+ requisição
Preparar 
paciente
Retirar 
sangue
Analisar 
sangue
Preencher
relatório
Médico
Laboratório
Paciente
Requisição
Seringas
Agulhas
Álcool
Outros
Realizar 
exame 
de 
sangue
Resultado Médico
saber que estamos melhorando. Esses indicadores podem já 
ser definidos pela empresa (no caso de termos algo como: au-
mentar a produtividade, reduzir custos, etc.) ou então teremos 
que defini-los no Define.
 Muitos projetos de melhoria estão baseados na interfa-
ce com o cliente do processo. Em outras palavras, tem como 
objetivo resolver os problemas dos clientes ou encantá-los. 
Para tanto, precisamos escutá-los e traduzir o que estão falan-
do para uma linguagem palpável ao nosso projeto de melhoria. 
Precisamos, portanto, extrair das informações subjetivas, indi-
cadores mensuráveis. 
3.1 Avaliando a 
qualidade do processo
 Agora que já sabemos qual é o nosso processo, seguindo 
a lógica do Define, precisamos identificar e formalizar um indi-
cador que avalia se ele é feito com qualidade. 
 Este indicador é o feedback se nossas mudanças vão ser 
melhorias ou não. Ele é chave para que possamos de fato bus-
car a nossa melhoria. Boa parte das vezes, esse indicador é 
dado pelo patrocinador (em empresas estruturadas). Entre-
tanto, muitas vezes ele não é dado. Quando ele não é dado, 
temos que questionar nossos clientes (internos ou externos) 
para desdobrar o que eles esperam do processo (o que é quali-
dade para eles) e, a partir disso, determinar um indicador para 
acompanhar.
 Durante a coleta de informações, temos que entender 
que os clientes não possuem os mesmos pensamentos que nós, 
envolvidos com melhoria, possuímos. Eles não estão interes-
sados em definir um objetivo claro para melhorar nossos pro-
dutos, por isso eles vão ser relativamente vagos em suas expo-
sições. Irão exprimir-se muitas vezes de maneira sentimental e 
inconsciente: sabem que não gostam de algo do produto, mas 
não sabem exatamente o porquê. Cabe a nós, tentar entender 
o porquê com perguntas. Outra coisa que pode acontecer (e 
vai acontecer) é o cliente comparar seu produto com coisas 
que ele está acostumado. Você irá escutar respostas do tipo:
• “Eu gosto que a minha entrega seja rápida. O pessoal da con-
corrência entregou muito rápido”; tudo bem, mas em quantos 
dias? Qual a definição de rápido para você?
• “O ar condicionado do carro de vo-
cês é uma porcaria, ele demora um ano 
para esfriar! Eu moro no Rio de Janei-
ro, aqui faz muito calor! Meu amigo 
tem o carro da concorrência e ele gela 
rapidinho”; ótimo, mas quantos graus 
lá fora é calor? Quantos graus significa 
conforto 
para você, 23ºC? O que é “rapidinho” 
em minutos?
 Perguntas “inteligentes” seguem uma lógica. A perspec-
tiva pela qual questionamos o cliente também é muito impor-
tante. Devemos conduzi-lo a pensar na sua necessidade, e não 
na solução que ele gostaria. Um exemplo disso é a célebre fra-
se atribuída a Henry Ford, sobre a invenção do carro: “Se eu 
perguntasse ao meu cliente o que ele queria, iria me respon-
der que precisava de um cavalo um pouco mais rápido”.
 É papel do agente de melhoria, direcionar a conversa com 
o cliente de maneira a extrair as informações necessárias que 
respondam às questões fundamentais. Alinhar, claramente 
com o cliente o objetivo da reunião, explicando calmamente 
todo o esforço de melhoria, é uma ótima maneira de coletar 
as informações de maneira eficiente. A ferramenta da árvore 
CTC (Critical to Customer) ajuda muito nessas situações.
4. Árvore CTC
 A árvore CTC, ou CTQ (Critical to Quality) é um diagra-
ma que nos ajuda a extrair indicadores dos clientes, a partir de 
suas percepções abstratas. Ela interpreta o que é feito com o 
VOC e que deve traduzir em indicadores, assim como visto na 
imagem abaixo:
Produto/Serviço 
com Qualidade
Direcionador 1
Variável (Y2)
Definição/forma de medir
Especificação (*)
Direcionador 2
Direcionador 3
Geral Específico
Difícil de medir Fácil de medir
Necessidade Direcionadores Variáveis Indicadores
(*) quando existir
Variável (Y2)
Definição/forma de medir
Especificação (*)
Variável (Y2)
Definição/forma de medir
Especificação (*)
 A árvore CTC tem, basicamente, 4 níveis, que são 
exemplificadas na sequência de imagens abaixo:
1. Formular o problema: o que estamos analisando? Podemos 
estar, por exemplo, querendo ver a qualidade do nosso proces-
so de faturamento, ou então a qualidade de um carro que pro-
duzimos.
2. Identificação dos direcionadores: de maneira abstrata, o que 
é, do ponto de vista para o cliente, um bom processo de fatura? 
As faturas têm que ser entregues no dia, portanto tempo de 
entrega é um direcionador. As faturas também devem vir com 
o valor correto, conforme o combinado no contrato, portanto 
valor da fatura é outro direcionador. Para o caso do carro, te-
mos direcionadores diferentes, como por exemplo: consumo 
de combustível, silêncio, conforto térmico, etc.
Aqui é o que nosso processo entrega...
O processo “fazer bolos” entrega bolos. Temos então que avaliar 
se cada bolo é feito com qualidade. Agora, o que é qualidade?
Produto/Serviço 
com Qualidade
Direcionador 1
Variável (Y2)
Definição/forma de medir
Especificação (*)
Direcionador 2
Direcionador 3
Necessidade Direcionadores Variáveis Indicadores
(*) quando existir
Variável (Y2)
Definição/forma de medir
Especificação (*)
Variável (Y2)
Definição/forma de medir
Especificação (*)
Às vezes, o que é qualidade pra mim, não é qualidade para você. Temos que 
definir (por enquanto de maneira genérica) o que é qualidade para nosso cliente. 
Temos que ter os direcionadores de qualidade.
Produto/Serviço 
com Qualidade
Direcionador 1
Variável (Y2)
Definição/forma de medir
Especificação (*)
Direcionador 2
Direcionador 3
Necessidade Direcionadores Variáveis Indicadores
(*) quando existir
Variável (Y2)
Definição/forma de medir
Especificação (*)
Variável (Y2)
Definição/forma de medir
Especificação (*)
Produto/Serviço 
com Qualidade
Direcionador 1
Variável (Y2)
Definição/forma de medir
Especificação (*)
Direcionador 2
Direcionador 3
Necessidade Direcionadores Variáveis Indicadores
(*) quando 
existir
Variável (Y2)
Definição/forma de medir
Especificação (*)
Variável (Y2)
Definição/forma de medir
Especificação (*)
As variáveis já são as pontos de medição objetivas. O que vamos analisar 
no bolo para saber se ele é quentinho? Se ele é fofinho? Sempre que 
pensamos nas variáveis, começamos a entender nosso banco de dados. 
3. Identificados os direcionadores, temos que definir variáveis 
específicas e mensuráveis para representar cada direciona-
dor. No caso da fatura,para representar o direcionador “tem-
po de entrega”, podemos medir a variável tempo de entrega, 
definida como: o tempo total em dias que leva da solicitação 
de faturamento pelo cliente até o mesmo receber a sua fatura. 
Atrelada a esta variável, podemos ter também uma especifica-
ção: a fatura estará conforme, caso ela seja entregue em até 3 
dias úteis, caso contrário ela estará não conforme. Cada dire-
cionador pode ter uma ou mais variáveis para representá-lo.
Os indicadores dizem respeito a como olhamos e gerenciamos as 
nossas variáveis. Em outras palavras, como temos ideia do 
comportamento do processo por meio e nosso banco de dados!
Bolo com 
qualidade
Deve ser 
quentinho
Variável (Y2)
Definição/forma de 
medir
Especificação (*)
Deve ser 
fofinho
(*) quando existir
Variável (Y2)
Definição/forma de 
medir
Especificação (*)
Necessidade Direcionadores Variáveis Indicadores
4. Por fim, definimos os indicadores para medirmos se estamos 
atendendo as variáveis importante para o cliente. Cada variá-
vel poderá ter um ou mais indicadores, dependendo da situa-
ção. Em nosso exemplo, a variável “tempo de entrega” pode ter 
dois indicadores: tempo médio de entrega das faturas e por-
centagem de faturas não conformes, dando-nos informações 
diferentes.
 Esta árvore é uma ferramenta maravilhosa na tradução 
das necessidades de clientes (tanto internos quanto externos). 
Nos próximos tópicos um exemplo de projeto será desenvolvi-
do. 
4.1 Como coletar os 
direcionadores de qualidade
 Para coletar informações dos clientes (aqui estamos fa-
lando tanto de clientes externos quanto de clientes internos), 
nós temos basicamente duas estratégias:
1. Recorrer a fontes reativas de 
informação, ou seja, fontes que 
te enviam informações, quer você 
faça algo ou não. São por exemplo, 
ligações de clientes para o SAC da 
empresa, aberturas de chamados 
em sites como o Reclame AQUI, 
relatórios de vendas, reivindica-
ções de garantia de nossos produ-
tos ou serviços, etc. Essas infor-
mações são relativamente baratas 
de serem adquiridas, porém elas 
são também parciais: a informa-
ção nunca chega da maneira que 
queremos e, convenhamos, pou-
cos clientes nos ligam para elogiar 
nossos produtos. E, quando che-
gam, pode ser tarde demais, pois 
algo ruim ocorreu.
2. A segunda maneira são as fontes ativas de informação, ou 
seja, aquelas que temos que fazer alguma coisa para conseguir 
as informações. Exemplos de fontes ativas vão desde as mais 
simples, como formulários de pesquisa enviados por e-mail 
até as mais complexas, como a elaboração de grupos focais, 
passando pelas mais convencionais, como entrevistas com os 
clientes, conversas informais e até ligações de feedback. A van-
tagem das fontes ativas de informações é que, por meio delas, 
podemos obter a informação como quisermos.
 Qual fonte escolher depende muito do tipo de projeto. 
Podemos, inclusive, escolher ambas no Define. Podemos par-
tir de fontes reativas (compilando as nossas reclamações no 
Reclame AQUI, por exemplo) e depois seguir para as fontes 
ativas para a complementação das informações passivas (por 
exemplo, ligar para cada cliente para entender melhor os pro-
blemas apresentados).
O importante é, ao final da pesquisa, termos um objetivo claro 
para agradar o cliente. Exemplos:
• Os clientes gostam de agilidade na entrega, por isso temos 
que entregar o produto até eles em, no máximo, 3 dias úteis;
• Os clientes gostam abominam falhas em seus produtos, por 
isso apenas 1 em cada 10.00 produtos fabricados pode ter al-
gum tipo de falha;
• Os clientes prezam o conforto térmico em seus carros, por 
isso, quando o ar condicionado do carro é ligado e a tempera-
tura externa é de 40°C, em até 5 minutos o carro precisa ter 
seu interior climatizado em 22°C.
 Chegar em objetivos como estes não é fácil. Quando es-
tamos coletando informações dos clientes, para chegar a estes 
objetivos, devemos tomar alguns cuidados. Dicas que podem 
ajudar a obter informações confiáveis dos clientes são:
1. Os clientes podem ser vagos em sua explicação;
2. Seja específico;
3. Considere um fator por vez; 
4. Busque a necessidade do cliente, não a sua solução favorita;
5. Expresse os requerimentos em fatores mensuráveis;
6. Identifique o que é “aceitável” ou “inaceitável”.
4.2 Exemplo - Dados Estruturados
 A aplicação do VOC e da árvore CTC constroem um banco 
de dados. Os dados estruturados consistem em informações 
gerenciadas pela organização em planilhas, como o exemplo 
da imagem abaixo, que mostra o monitoramento do processo 
e suas entregas. 
 No exemplo da figura as variáveis estão separadas por 
colunas e as observações em linhas. Os dados da árvore CTC 
(“fofura”) estão presentes como variáveis de interesse, porém 
é do nosso interesse adicionar mais informações que facilitem 
a interpretação do processo na fase Measure, como é o caso 
do “sabor”.
Bolo Sabor
Dia em que 
foi assado Fofura
Temperatura 
(°C) Confeiteiro Custo (R$) Vendido?
1 Chocolate 1 100 35 Raul 15,00 Sim
2 Morango 2 88 18 Pedro 13,20 Sim
3 Chocolate 2 55 42 Raul 11,22 Sim
4 Limão 3 150 38 Raul 8,50 Não
5 Morango 3 89 16 Pedro 16,60 Sim
Observação
Variável de 
interesse
Variável 
de tempo
Fofura média
Dia
4.3 Exemplo - Árvore CTC
 O processo é o de “enviar faturas com qualidade”. A árvore 
CTC completa do projeto sobre Faturas é expressa na imagem 
abaixo:
 As variáveis identificadas foram: tempo, valor, envio e 
controle. A partir delas a coleta de dados deve ser feita de for-
ma mensurável e traduzida em indicadores. 
 No exemplo, a conclusão foi a criação de indicadores de 
porcentagem para monitorar as faturas enviadas com qualida-
de. 
4.4 O SIPOC e a Árvore 
CTC em Projetos Reais
Fatura enviada 
com qualidade
Tempo 
Tempo (dias)
Menos que 2 
dias úteis antes 
do vencimento
Tempo para enviar a fatura (dias) 
por envio
% de faturas enviadas fora do 
prazo por mês
Valor
Valor da fatura 
de acordo com 
contrato
% de faturas com valor incorreto 
por mês
% de notas de crédito
Envio Enviar a fatura 
(Sim ou Não) % de faturas enviadas por mês
Controle
Fatura 
registrada (Sim 
ou Não)
% de faturas registradas por mês
 Até agora, aprendemos a usar o SIPOC e a Árvore CTC 
em projetos de melhoria. Entretanto, alguns comentários são 
válidos:
• Nem sempre você irá preci-
sar utilizar essas ferramentas. 
Pode ser que você trabalhe em 
uma empresa que já tem bons 
processos para realizar proje-
tos de melhoria. Em empresas 
assim, geralmente há um Black 
Belt ou um Master Black Belt 
que irá entender os problemas, 
relacioná-los com processos 
e definir os indicadores. Nes-
te caso, a missão será dada ao 
Green Belt de maneira mais 
clara, já com o processo e o in-
dicador definidos. 
• O importante é responder às 
questões fundamentais sobre 
“o que queremos fazer” e “como 
saberemos que a mudança é 
uma melhoria”, o SIPOC e a ár-
vore CTC são apenas maneiras 
de tangibilizar isso. Caso você 
já tenha um indicador e o pro-
cesso claro, não é necessário 
passar pela formalização des-
tas ferramentas. 
5. O Contrato de Melhoria
 O contrato de melhoria é um acordo escrito entre o patroci-
nador do projeto e a equipe de melhoria. Nele, devemos detalhar 
claramente o que se espera do projeto: quais os objetivos a serem 
alcançados pela equipe e quais os recursos o patrocinador deverá 
disponibilizar para tal.
 Além disso, é usual em projetos de me-
lhoria descrevermos de maneira sucinta o 
incômodo a ser tratado, antes de definir-
mos os objetivos. A descrição do incômodo 
ajuda a contextualizar o esforço de melho-
ria e a definir a perspectiva mais adequada 
do projeto.
 O contrato é uma fotografia das coisas no início do projeto, 
muito útil pois ele ajuda a estabelecer papéis e responsabilidades, 
além de deixar a equipe focada no objetivo. Quando conduzimos 
projetos de melhoria, sempre que há discussões ou dúvidas se es-
tamos no caminho certo, recorremos ao contrato. É nele que fica 
o norte do projeto, algoque não podemos perder.
As mudanças vão acontecer de maneira natural. Às vezes, mes-
mo após todas as discussões do Define, achamos que o problema 
está em um lugar e quando começamos as medições iniciais, tudo 
muda. O escopo é geralmente um caso clássico desse tipo de mu-
dança.
 Na próxima página, você encontrará a lista dos elementos 
básicos do contrato de melhoria. 
 O contrato e melhoria é elaborado conforme as 3 pergun-
tas fundamentais, que discutimos previamente. Ao preenchê-
-lo, geralmente já fizemos várias discussões (inclusive usando 
as ferramentas do SIPOC e da árvore CTC), portanto já temos 
bem definido o que vai ser atacado, por isso é relativamente 
fácil colocarmos no papel o que foi discutido.
 O modelo de contrato pode variar de lugar para lugar ou 
de equipe para equipe. Nesta apostila, faremos um exercício 
extenso onde apresentaremos uma proposta de contrato. En-
tretanto, alguns pontos são muito importantes e devem estar 
presentes:
Nome do Projeto:
Integrantes:
Patrocinador:
2. Como sabemos que uma mudança é uma melhoria?
(Indicadores, Contra-Indicadores, Meta)
4. Cronograma
1. O que queremos realizar? (Objetivo, Importância, Incomodo)
3. Restrições
• Descrição do incômodo: é vital para a equipe contextualizar 
o projeto. Descreva claramente o incômodo que está sendo 
atacado. Exemplo:
• Descrição do incômodo ou oportunidade:
 “A empresa trabalha com pintura e 
montagem de para-choques. Ultimamen-
te, uma série de para-choques vêm sendo 
rejeitados na inspeção que acontece após 
a pintura, devido a riscos que acredita-
mos ser provenientes de pequenas bati-
das que acontecem quando a tinta ainda 
está fresca. Pelo elevado número de rejei-
tos, não estamos conseguindo atender a 
demanda de nossos clientes. Além disso, 
boa parte dos para-choques ficam esto-
cados em uma área do barracão, ocupan-
do espaço e dificultando a circulação de 
pessoas. ”
• Descrição da importância do projeto: geralmente, para 
usar futuramente como argumento de convencimento para 
os envolvidos, escrevemos algumas palavras para explicar por 
que o projeto é importante. Essa importância pode ser expos-
ta por várias perspectivas: a do cliente, a da empresa, as de vá-
rios departamentos, etc. Ter esses argumentos prontos é útil, 
pois quando precisamos da ajuda destes envolvidos, podemos 
claramente expor a eles o porquê estamos propondo aquilo. 
Exemplo:
• Importância para a empresa:
“Reduzir as perdas na pintura devido à batida irá diminuir a carga 
de trabalho e aumentar a produtividade”.
• Importância para o cliente:
“Reduzir esta perda fará com que o cliente receba a sua encomen-
da mais rápido e de maneira integral”.
• O objetivo do projeto: Devemos 
descrever o objetivo de maneira clara 
e atrelada a um indicador. Isso ajuda a 
manter o foco da equipe de melhoria. 
Exemplo:
• Objetivo:
“Reduzir as perdas na pintura por bati-
das de 30% para menos de 1% até o mês 
que vem”.
• Como saberemos que a mudança é uma melhoria? Nesta 
parte, identificamos todos os indicadores e contra indicadores 
que queremos trabalhar, bem como colocamos uma meta para 
a sua redução. Sim, sabemos que colocar metas é um assunto 
polêmico, por isso ele será discutido mais à frente nessa apos-
tila.
• Restrições: Na parte de restrições, devemos deixar explíci-
to quais são as restrições do projeto. Por exemplo, podemos 
ter restrições como “não modificar o processo X”, ou “não 
envolver mudanças para o cliente”. Além disso, em geral tra-
balhamos com restrições orçamentárias e de recursos hu-
manos.
• Cronograma: Por fim, colocamos uma sequência lógica 
no tempo do que vamos trabalhar. No cronograma, pode-
mos relacionar as próximas atividades com as etapas do 
roteiro DMAIC, por exemplo: na primeira semana, iremos 
fazer a definição das metas, na segunda semana, iremos 
medir o processo, e assim por diante.
5.1 Elementos de contrato 
Elementos conhecidos de contratos 
de melhoria são:
• Informações iniciais: nome do projeto, patrocinador,
 equipe e líder da equipe;
• Contexto/Descrição do projeto;
• Descrição do incômodo ou oportunidade;
• Importância do projeto;
• As três perguntas fundamentais;
• Restrições para as atividades;
• Riscos;
• Aprovação/Data.
Por exemplo:
 Os objetivos são descritos ao responder à pergunta fun-
damental “O que estamos tentando realizar” e os indicadores 
em “Como saberemos que uma mudança é uma melhoria?”, as-
sim como na imagem abaixo, visto no contrato de melhoria do 
projeto Despachante Aduaneiro.
 Uma outra forma menos intuitiva de preencher o contra-
to seria pelo roteiro DMAIC. Ele ajuda a identificar os defeitos 
e organizar os próximos passos, que para processos bem es-
truturados são mais fáceis de descrever.
5.2 O Contrato de Melhoria 
e a atribuição de metas
 O Contrato de Melhoria deve contar metas quantitativas, 
numéricas, que podem ser distorcidas ao longo do caminho. 
Frente a uma meta não batida, as pessoas podem distorcer o 
sistema para batê-la, por isso é importante elaborar bem as 
metas de modo que sejam possíveis e ao mesmo tempo desa-
fiadoras, mas objetivas e a prova de distorção.
5.2.1 Metas
 Muito cuidado deve ser tomado ao negociar metas com o 
patrocinador do projeto, especialmente se estas metas refleti-
rem na remuneração dos envolvidos. Quando os funcionários 
batem a meta, algumas observações devem ser feitas:
1. As pessoas podem distorcer os dados (colocar uns zeros a 
mais na planilha do Excel);
2. Distorcer o sistema de medição (colocar aquela “balança vi-
ciada” para parecer mais magro);
3. Omitir ou “expurgar” dados;
4. Alterar a memória de cálculo;
5. Distorcer o sistema como um todo (como o vendedor que, 
para vender mais, começa a dar descontos em excesso).
 As metas mais confiáveis são metas numéricas. As mentes 
mais competentes e ambiciosas se motivam por meio da atri-
buição de metas numéricas bem definidas.
Metas devem ser SMART (Specific, Measurable, Achievable, 
Relevant e Time-bound), ou seja: 
• Específicas (ligadas a um indicador);
• Mensuráveis (é preciso saber exatamente como ela será ava-
liada); 
• Possíveis (metas muito fantasiosas desmotivam a equipe);
• Relevantes (ou seja, devemos entender a variação do indica-
dor para atribuir a meta);
• Adequada com o tempo do projeto (Time-bound). 
 Outra coisa que vale a pena ser 
dito sobre metas é que, como gesto-
res, nunca devemos dar uma meta 
para uma pessoa, sem ensiná-la o 
que ela deve fazer para chegar lá. 
Isso é uma grande crueldade. Deve-
mos priorizar a dedicação da pessoa 
e a sua conformidade em relação ao 
processo, ao invés de meramente 
os resultados obtidos. Como dizem 
na Toyota: é melhor (e mais fácil) ter 
um processo brilhante do que pes-
soas brilhantes.
 Metas devem ser elaboradas por métodos, para isso, é ne-
cessário ser flexível e procurar a melhor forma de formulá-las. 
Procure conhecer outras empresas que bateram metas simi-
lares às suas. O que eles fizeram? Qual foi a estratégia adota-
da? Como eles implementaram as mudanças? Entenda o que 
já aconteceu e trace seu caminho até a sua meta, sempre utili-
zando as técnicas de geração de conhecimento específico para 
que o seu caminho seja mais suave que o da empresa consulta-
da. Essa iniciativa se chama benchmarking.
 Por fim, renegociações são possíveis no contrato, poucos 
projetos terminam sem reformulações em seu contrato. Isso 
acontece com o tempo porque o escopo pode mudar, a equi-
pe e os recursos podem mudar, além de eventos externos não 
previstos. Por isso, não pode ser impedido que as metas mu-
dem também.
6. Resumo do capítulo
 A definição do Define diz que essa é a fase em que o pro-
fissional da melhoria deve conversar com os funcionários que 
atuam no projeto e entender o incômodo deles. Assim, os pro-
cessos devem ser revisados e indicadores devem ser estabele-
cidos para a leitura da melhoria. 
As fases juntas do Define são:
1. Início do projeto;
2. Defina o processo;
3. Entenda os requerimentos;
4. Defina os indicadores;5. Formalize.
 As saídas esperadas são o Contrato de Melhoria e um 
bom entendimento de como o projeto irá contribuir para a or-
ganização. Saberemos aqui os seus impactos estimados, o pro-
cesso a ser trabalhado e os indicadores a serem impactados.
C
ap
ít
u
lo
 3
M
ea
su
re
Clique 
para voltar 
ao Índice
1. Introdução ao Measure
 No Measure, você irá entender a situação atual, ou seja, 
irá adquirir conhecimento de como está o processo (o que as 
pessoas estão fazendo) e qual o resultado disso (análise de da-
dos).
 Esse entendimento passa por duas portas: a porta de 
processos e a porta de dados. A porta de processos é onde 
mapeamos os processos envolvidos com a nossa meta do pro-
jeto de melhoria. Fazer esse mapeamento significa entender 
exatamente como que as entradas se transformam em saídas. 
Existem várias técnicas para se fazer isso e vamos discorrer 
cada uma delas.
 A porta de dados seria onde de fato coletamos os dados 
relativos ao nosso indicador principal do projeto e começamos 
a analisá-lo. Temos que entender que é muito importante fazer 
uma coleta cuidadosa dos dados para que nossa análise seja 
razoável (iremos comentar como se coletar bons dados). Do 
ponto de vista de análise, na fase do Measure nossa maior pre-
ocupação é entender a variação dos indicadores. Vamos ensi-
nar algumas ferramentas excelentes para se fazer isso (como é 
o caso dos gráficos de controle de Shewhart) e como se com-
parar essa variação com as especificações do cliente (que é o 
caso das análises de Capabilidade).
 Os dados podem ser analisados estaticamente (quanto à 
frequência), dinamicamente (com gráficos de controle) e com-
parados com os requisitos dos clientes (capabilidade). 
 Ao final do Measure, assim como mostra a Tabela abaixo, a 
situação atual deve ser exposta para todos os envolvidos, atra-
vés de ferramentas de visualização de dados. Uma das ferra-
mentas de visualização de dados mais usada e que é abordada 
pelo curso de Green Belt é o Minitab. 
1.1 A porta dos dados
 Na prática, todas as nossas decisões (de processos e da 
vida) estão relacionadas ao desempenho de determinada ca-
racterística.
Exemplos:
• Podemos refugar uma peça devido ao seu comprimento;
• Podemos promover um vendedor devido a suas vendas;
Atividades
Entender o Fluxo de 
informações e 
materiais. Entender 
problemas no fluxo. Ir 
ao Gemba.
Analisar as atividades 
dentro do processo. 
Há erros claros e falta 
de padrão?
Montar o banco de 
dados do projetos ou 
verificar o que já tem. 
Avaliar a 
confiabilidade. 
Estratificar.
Avaliar a frequência e 
a tendência dos dados.
Avaliar a estabilidade 
e a capabilidade do 
processo (o que é 
“natural” dele e se isso 
é bom para o cliente).
Informar os 
stakeholders sobre o 
desempenho atual. 
Nivelar o 
conhecimento.
Ferramentas
SIPOC, VSM, 
Fluxograma
Tempos e Métodos, 
Instruções de Trabalho
Folha de Verificação, 
Dados estruturados
Gráficos de Tendência, 
Pareto, Barras, 
histograma, etc
Gráficos de Controle, 
Análises de 
Capabilidade
Fluxogramas, 
visualização de dados.
Divulgar o 
aprendido
Usar análises 
paramétricas
Análises 
Básicas
Coletar os 
dados
Mapear os 
procedimentos
Mapear os 
processos
Define
Entender o resultado do que estão fazendo (Dados)
Entender o que as pessoas estão fazendo (Processos)
Compilar 
e Divulgar 
o 
resultado
Coletar dados
Mapear processos Mapear Procedimentos
Análises básicas Análises paramétricas (previsibilidade)
• Podemos abandonar um negócio devido ao seu lucro;
• Podemos ficar insatisfeitos devido a um alto tempo de espe-
ra.
 Dados são os “pacotes individuais de informação” que nos 
levam a tomar essas decisões. Por sua importância no nosso 
entendimento do mundo, eles são pontos centrais no Lean Seis 
Sigma.
Dados estão sempre vinculados: 
• A um “evento” (Em melhoria, esse evento é, na maioria das 
vezes, vinculado a um processo ou atividade);
• A uma “característica” (que é o que observamos do evento – 
e podemos observar por diversas lógicas diferentes).
Exemplo 1: 
Em um processo de “assar bolos” podemos ter a informação 
de que um bolo (evento) é de chocolate (característica 1), pesa 
100 gramas (característica 2) e demorou 30 minutos para ser 
assado (característica 3). 
Exemplo 2: 
Em um processo “vender carros”, podemos analisar cada mês 
de trabalho (evento) pela quantidade de carros vendidos (ca-
racterística 1), valor vendido (característica 2) e até pelo preço 
médio das vendas (característica 3).
Por estas razões dizemos que dados são sempre dependentes 
de um contexto. 
1.2 Trabalhando com dados
 Trabalhar com dados nada mais é do que entender como 
gerenciar as informações ao nosso redor para a melhor toma-
da de decisão possível.
Algumas atividades precisam ser feitas, entre elas:
• Garantir a confiabilidade das informações;
• Cruzar informações de diferentes fontes e sobre diferentes 
características;
• Contextualizar as informações;
• Usar técnicas para visualizar e entender o que está aconte-
cendo frente a uma “enxurrada de informações”.
A estatística é a ciência que nos ajuda a lidar 
com estes dados. Ela nos ajuda:
• A modelar o problema (fortemente ligado ao contexto);
• A garantir que as informações sejam confiáveis (em outra pa-
lavras, a coletar bons dados);
• A estruturar os dados para a análise;
• A evitar problemas que nos confundem facilmente (como a 
variação);
• A formular um entendimento melhor do contexto.
 Estruturar o banco de dados é muito importante para o 
projeto de melhoria. Para realizar bem essa tarefa, o profis-
sional Seis Sigma pode seguir algumas dicas, entre elas: usar 
amostras e testar antes de terminar o banco de dados, além 
disso é interessante treinar aqueles que coletarão os dados e 
dar a eles instruções compreensíveis.
 Outro fato importante de observar é que, ao obter os da-
dos, sempre vamos ter a medição de nossa característica e ex-
periência pessoal atrelada a forma que interagimos com a na-
tureza (ou seja, com o nosso “meio de medição”). Portanto, os 
dados coletados, com os quais vamos trabalhar, sempre refle-
tirão apenas uma pequena parte da natureza onde eles foram 
gerados.
 Dito isso, vamos conhecer como 
elaborar uma boa “definição opera-
cional” e começar a jornada da co-
leta, construção do banco de dados 
e análise dos dados, tão importante 
para os projetos de melhoria.
2. Coleta de dados
 Até agora estivemos falando na parte do Measure como 
enxergar os processos através do entendimento da sequência 
de suas atividades e das inter-relações entre essas atividades. 
Agora iremos começar a analisar os processos através dos da-
dos que eles nos enviam. 
 Essa porta é talvez a grande contribuição do Green Belt 
na análise de melhorias. Aqui, vamos ensinar várias ferramen-
tas estatísticas, como os Gráficos de Controle e a Análise de 
Capabilidade. 
A princípio a coleta de dados se-
gue um passo a passo:
1. Estruture os dados que você pre-
cisa (estrutura de banco de dados);
2. Crie uma definição operacional 
clara para os dados que você irá co-
letar;
3. Identifique a população e a amos-
tra para realizar a coleta de dados;
4. Crie as ferramentas necessárias 
para a coleta dos dados (formulá-
rios de coleta de dados, folhas de 
verificação, sistemas, etc.);
5. Colete os dados.
2.1 Passo 1 - Estruture os 
dados que você precisa 
(estrutura de banco de dados)
 
 A estruturação dos dados é a parte mais importante da 
porta de dados. 
 Quais dados serão coletados? A resposta para isso virá 
necessariamente do contexto de sua coleta (PDSA). É impor-
tante que possamos formular o problema pensando:
• Quais são os eventos que melhor definem o contexto?
• Quais são as características que gostaríamos de entender?
• Existe alguma variável de estratificação que 
 poderá afetar o comportamento do processo?
• Existe alguma variável de ruído que precisamos anotar?
• Como vamos olhar para esses eventos? 
 Como definir os subgrupos para a análise?
2.1.1 Exemplo - Passo1
Supondo que somos agentes da ANAC (Agência Nacional de 
Aviação Civil) e temos recebido reclamações dos usuários 
quanto à grande quantidade de voos atrasados. Precisamos 
avaliar se as companhias aéreas tem um bom desempenho 
quanto à pontualidade e se algo está influenciando os atrasos. 
 • Qual é o evento? Vamos ter que observar cada v
oo chegando em um aeroporto,
• Qual é a característica principal?
• Temos que ver se o voo está atrasado. Para isso, temos que 
ver a hora que era para ele chegar e a hora que ele realmente 
chegou.
 Quais dados serão coletados? A resposta para isso virá 
necessariamente do contexto de sua coleta (PDSA). É impor-
tante que possamos formular o problema pensando:
• Quais são os eventos que melhor definem o contexto?
• Quais são as características que gostaríamos de entender?
• Existe alguma variável de estratificação que 
 poderá afetar o comportamento do processo?
• Existe alguma variável de ruído que precisamos anotar?
• Como vamos olhar para esses eventos? 
 Como definir os subgrupos para a análise?
2.1.1 Exemplo - Passo 1
Supondo que somos agentes da ANAC (Agência Nacional de 
Aviação Civil) e temos recebido reclamações dos usuários 
quanto à grande quantidade de voos atrasados. Precisamos 
avaliar se as companhias aéreas tem um bom desempenho 
quanto à pontualidade e se algo está influenciando os atrasos. 
 • Qual é o evento? Vamos ter que observar cada v
oo chegando em um aeroporto,
• Qual é a característica principal?
• Temos que ver se o voo está atrasado. Para isso, temos que 
ver a hora que era para ele chegar e a hora que ele realmente 
chegou.
• Quais as outras características (variáveis) que gostaríamos 
de entender?
 Temos que observar de que companhia aérea era cada 
voo. Assim podemos ver se há uma companhia com desempe-
nho pior que a outra e agir. Podemos também avaliar qual é o 
número do voo, para pesquisar se algo aconteceu com aquele 
específico.
• Como vamos estruturar os subgrupos para a análise?
 Coletando que dia aconteceu cada voo, podemos avaliar 
a porcentagem de atrasados por dia. Assim, se um dia sair mui-
to fora em relação aos outros, podemos ver que houve um pro-
blema isolado.
 Lembre-se que temos vários tipos de dados que podemos 
coletar, que vão nos possibilitar várias análises depois. As in-
formações coletadas para esse exemplo montaram a Tabela 
abaixo.
Voo
Hora de 
saída
Hora de 
chegada
Tempo total Dia Cia Aérea Atrasado?
Número de 
pass.
1227 14:55 16:35 1:40 02/06 Air Fantasy Não 115
3535 11:10 12:12 1:02 02/06 Air Arábia Não 128
9091 22:20 0:30 2:10 03/06 Air Fantasy Sim 152
5018 12:15 14:15 2:00 03/06 G Air Sim 395
6565 18:00 20:04 4:04 03/06 Air Fantasy Sim 110
Evento
Variável de 
interesse
Variável de 
tempo
 
2.1.2 Exercício - Tipos de variáveis
 A Tabela abaixo mostra alguns exemplos cotidianos de da-
dos. O objetivo é que os tipos de variáveis facilitem a análise 
da situação. A seguir são apresentados os resultados do exer-
cício. 
Grupo Tipo de Variável Exemplo (característica)
O que vai na planilha 
(registro)
Análise possível
Atributos
Classificação
Desempenho da entrega “Atrasada” ou “não atrasada”
% de atrasados por mês (ou dia, 
ou cia)
Companhia Aérea “Cia A” ou “Cia B” Market Share
Contagem
Número de Passageiros 1, 2, 3, ... (números inteiros)
Número de passageiros por vôo
ou por dia
Número de defeitos em uma 
amostra de n peças
1, 2, 3, ... Defeitos/unidade
Contínuos Contínua
Peso de uma peça Valores em gramas (fracionado)
Peso médio por ciclo, peso total 
por dia, ...
Tempo de atraso Valores em minutos (fracionado)
Atraso médio por dia, atraso 
médio por cia, ...
1. Classificação de hotéis 2. Número de chamadas de longa 
distância realizadas por mês 
3. Quantidade de calorias de um 
produto alimentício 
4. Duração de cada chamada de longa 
distância 
5. Número de bolhas em uma garrafa 
de vidro 
6. Cor do telefone utilizado com mais 
frequência 
7. Tempo médio de espera para ser 
atendido em um Call Center 
8. Se existe uma linha conectada ao 
modem na resistência 
9. Número de atendentes em um Call 
Center 
10. Tempo gasto na livraria por mês 
11.Número de ligações perdidas em 
um Call Center 
12.Se é filiado a algum Partido Político 
13.Motivos para ligações perdidas em 
um Call Center 
14. Temas de livros na livraria por mês 
15. Fontes de consumo de água em 
uma residência 
16.Caso seja, a que Partido Político é 
filiado 
17.Consumo de água em uma 
residência 
18.Satisfação com um determinado 
produto 
 
Respostas tipos de variáveis:
1. Classificação 2. Contagem 
3. Contínuo 4. Contínua 
5. Contagem 6. Classificação 
7. Contínuo 8. Classificação 
9. Contagem 10.Contínuo 
11.Contagem 12.Classificação 
13.Classificação 14.Classificação 
15.Contagem 16.Classificação 
17.Contínuo 18.Classificação 
 
2.2 Passo 2 - Crie uma Definição 
Operacional clara para os dados 
que você irá coletar
 A estrutura de banco de dados deve ser fácil de ler e in-
terpretar. Para isso é preciso criar um documento: a Definição 
Operacional.
 Uma Definição Operacional é uma descrição clara, em 
termos quantificáveis, do que medir e dos passos a seguir para 
realizar a medição de forma consistente. Ela resolve vários 
problemas quando a coleta é feita por múltiplas pessoas ou em 
períodos diferentes de tempo.
No exemplo, a hora de chegada do avião é o momento que o 
avião toca o solo ou a hora que o último passageiro deixa a ae-
 
ronave? A Definição Operacional fornece um sentido comuni-
cável a um conceito, é clara e inequívoca. Ela é responsável por 
identificar critérios de aceitação (e até propõe padrões de qua-
lidade), mas também especifica os métodos e equipamentos.
Podemos ter uma definição operacional:
• De evento;
• Da variável de interesse;
• De um padrão (definir o que é bom e o que é defeituoso);
• Definir um critério.
 Um dos pontos mais importan-
tes que devemos definir são as variá-
veis. Isso porque elas serão coletadas 
por mais pessoas e porque é sobre 
elas que faremos as análises. Temos 
que deixar bem claro, ao medir o va-
lor de determinada variável para um 
dado evento:
• O objetivo daquela medição;
• A característica de interesse;
• O instrumento de medição;
• O procedimento/método de medi-
ção;
• O critério de classificação.
 Para criar uma definição clara, a equipe dispõe de vídeos e 
desenhos. O modelo pode ser do mais simples ao mais comple-
xo, como Lições de 1 Ponto, manuais etc., porém o importante 
 
é que todos entendam o que será coletado de forma clara.
2.2.1 Exemplo - Passo 2
 No exemplo do aeroporto as Definições Operacionais 
pensadas para o evento respondem as seguintes característi-
cas:
• Objetivo: Verificar se uma aeronave chegou no horário no 
aeroporto;
• Característica de interesse: Horário de chegada da aero-
nave no aeroporto;
• Instrumento de medição: Relógio referenciado com o reló-
gio da torre de controle.
• Procedimento: O horário de chegada de um voo será o ho-
rário em que o trem de pouso da aeronave tocar a pista de 
pouso;
• Critério: A aeronave está no prazo se o horário de chegada 
for igual ao horário programado mais ou menos 15 minutos.
2.2.2 Exemplo visual - Passo 2
 Vale lembrar que, para criar as Definições Operacionais, 
podemos utilizar diversos recursos. Imagens são interessan-
tes para ilustrar padrões (que determinam os critérios) ou en-
tão procedimentos. 
 
 Um exemplo disso está na imagem abaixo. Nela é possível 
ver uma definição de critério para avaliar um cilindro (evento) 
como bom ou ruim (variável).
Temos que medir se um suporte está ou não danificado. 
Um gabarito pintado ajuda a entender se há o dano. Caso 
não haja contato com a parte verde, há o dano:
Lembre-se: 
• Sempre teste a definição operacional antes de colocá-la em 
prática!
• Ela deve estar clara para os coletores, bem como as defini-
ções e critérios.
2.3 Passo 3 - Identifique 
a população e a amostra 
para realizar a coleta
 
População AmostraAmostra e população são dois conceitos muito importan-
tes em estatística em que a população refere-se ao grupo de 
eventos que gostaríamos de controlar. Pode ser infinita, como 
o número de voos. Já amostra refere-se a uma quantidade de 
eventos que é possível observar, assim como visto nas imagens 
abaixo.
 O objetivo é conhecer propriedades da população nessa 
fase. Fazemos isso olhando para amostra. Esse processo se 
chama inferência.
Exemplo 1: 
 Queremos saber se TODOS os voos de uma companhia 
tem mais probabilidade de atraso do que de outra (população).
 Observamos a porcentagem de voos atrasados na amos-
tra e com eles estimamos a probabilidade de novos voos atra-
sados.
 
População
% voos atrasados A
% voos atrasados B
Probabilidade 
atrasados A
Probabilidade 
atrasados B
Amostra
População
Amostra Média da altura 
na amostra (𝒙𝒙")
Média da 
população (µ)
Exemplo 2: 
 Queremos saber a altura média dos brasileiros (popula-
ção: todos os brasileiros).
 Observamos a altura de diversas pessoas, tiramos a mé-
dia e, com isso, estimamos a altura média da população, com-
preendendo a amostra da imagem abaixo:
 
2.3.1 Tamanho de amostra
 Ao reduzirmos o número de eventos observados (tomar 
uma amostra da população), haverá perda de informação. Essa 
perda de informação é traduzida em uma incerteza estatística 
sobre o que queremos inferir.
 O cálculo do erro apresentado abaixo depende da varia-
ção que temos na nossa amostra (s), do grau de certeza que 
desejamos ter sobre a característica da população (z) e do ta-
manho da amostra (√n).
 Desta forma temos um intervalo para a média de uma po-
pulação. O erro também é chamado de intervalo de confiança.
2.3.2 Exemplo - 
intervalo de confiança
 Para uma amostra alturas, retira de uma população de 
𝜇𝜇 = �̅�𝑥 ± 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
 
pessoas, temos o seguinte banco de dados, representado na 
tabela abaixo:
 O cálculo da média e do intervalo de confiança é feito, 
nesse caso, pelo Minitab, e apresentado no gráfico abaixo.
Estatísticas
Variável N N* Média
Altura (cm) 5 0 173,20
Pessoa
Altura 
(cm)
1 155
2 198
3 150
4 189
5 174
200
190
180
170
160
150
140
Al
tu
ra
 (c
m
)
Gráfico de Intervalos de Altura (cm)
IC de 95% para a Média
Os	desvios	padrão	individuais	foram	usados	para	calcular	os	intervalos.
 
 Tenho 95% de certeza que a altura média dos brasileiros 
fica entre 188 e 198 cm. 95% das amostras que eu coletar vão 
estar com a média entre 148 e 198 cm.
 Mas essa média seria confiável? Para diminuir o erro é 
possível aumentar o tamanho da amostra ou ter uma amostra 
mais homogênea.
 Na Figura abaixo está representado um segundo cenário, 
com uma outra amostragem.
 Nesse caso, como a amostra é mais homogênea, o inter-
valo de confiança é menor. Agora, como a variação na amostra 
é menor, podemos dizer que a média está entre 168 e 176 cm. 
95% das amostras com essas características vão ficar entre 
esses limites. 
 O terceiro caso, visto na imagem abaixo, é a amostra me-
nos homogênea, porém com o tamanho de amostra maior.
Variável N N* Média
Exemplo Anterior 5 0 173,20
Altura (cm) 5 0 171,40
Estatísticas
Pessoa
Altura 
(cm)
1 172
2 171
3 177
4 168
5 169
Altura (cm)Exemplo Anterior
200
190
180
170
160
150
140
Da
do
s
Gráfico de Intervalos de Exemplo Anterior; Altura (cm)
IC de 95% para a Média
Os	desvios	padrão	individuais	foram	usados	para	calcular	os	intervalos.
Diminuímos a 
variação da 
amostra
 
 Aumentando a coleta de dados, temos uma certeza maior 
sobre a média da população.
Pergunta clássica: Qual o tamanho da amostra ideal?
O tamanho de amostra ideal depende da diferença de médias 
que queremos visualizar, do desvio padrão e do custo da cole-
ta de dados.
2.4 Passo 4 - Crie ferramentas 
para coleta de dados
 Às vezes, é interessante montar uma ferramenta específi-
ca para a coleta de dados. Elas ficarão disponíveis no processo 
e alimentarão o banco de dados. 
Exemplos:
• Formulários de Coleta de Dados;
• Folhas de Verificação;
• Sistemas;
E3E2E1
200
190
180
170
160
150
140
Da
do
s
Gráfico de Intervalos de E1; E2; E3
IC de 95% para a Média
Os	desvios	padrão	individuais	foram	usados	para	calcular	os	intervalos.
Pessoa E1 E2 E3
1 155 172 155
2 198 171 160
3 150 177 198
4 189 168 199
5 174 169 185
6 173
7 201
8 155
9 170
10 188
11 166
12 150
13 160
14 155
Aumentamo
s a amostra
Variável N Média DesvPad
E1 5 173,20 20,83
E2 5 171,40 3,51
E3 15 173,53 18,07
Estatísticas
 
 A imagem abaixo traz dados de voos de uma companhia 
aérea escritos em um dos exemplos dados, o Formulário de da-
dos.
2.5 Folha de Verificação
 Folhas de Verificação são um tipo especial de Formulário 
de Coleta de Dados (FCD). Muito úteis em qualidade, podem 
ser aplicadas para melhor controle de processos. Elas são mais 
“abertas” que FCD padrão e nos ajudam quando não temos 
muito conhecimento sobre o processo a priori. Você pode en-
contrar uma ilustração de uma Folha de Verificação na imagem 
abaixo.
Voo
Hora de 
saída
Hora de 
chegada
Tempo total Dia Cia Aérea Atrasado?
Número de 
pass.
1227 14:55 16:35 1:40 02/06 Air Fantasy Não 115
3535 11:10 12:12 1:02 02/06 Air Arábia Não 128
9091 22:20 0:30 2:10 03/06 Air Fantasy Sim 152
5018 12:15 14:15 2:00 03/06 G Air Sim 395
6565 18:00 20:04 4:04 03/06 Air Fantasy Sim 110
§ Observação
§ Variáveis de Interesse
§ Variável de tempo
§ Formulário de Coleta de Dados
Medições automáticas 
(de sensores
ou de softwares de 
“chamado”)
 
2.6 Passo 5 - Colete os Dados
 A última parte consiste na aplicação das ferramentas e no 
preenchimento do banco de dados. Lembre-se neste etapa:
• Acompanhe ao menos as primeiras coletas;
• Se treinamento é necessário, realize-o;
• Faça uma instrução clara para todos os envolvidos.
2.7 Análise de dados
 Analisar dados, em linhas gerais, significa transformar os 
dados em conhecimento, em melhoria. Assim, não podemos 
ter uma análise fora de contexto. 
 A lógica do PDSA vale mais do que 
nunca aqui. Se fizermos as perguntas erra-
das, vamos ter respostas inúteis. 
Algumas estratégias são clássicas, e vamos 
explorá-las melhor. Geralmente, como usá-
-las depende muito do contexto e do tipo 
de variável analisada. São elas:
• Análises dinâmicas, para entender como os dados se com-
portam ao longo do tempo;
• Análises estáticas, como histogramas, gráficos de Pareto, 
barras, etc, chamadas de análises de frequência;
 
• Análises paramétricas, como gráficos de controle e capabili-
dade;
 Na prática, fazemos todas elas “em conjunto”. O que não 
podemos fazer é usar essas análises de maneira errada ou nos 
perder em conclusões insuficientes.
3. Análise de Variação 
e Análises Temporais. 
 Análises temporais são a chave para o entendimento de 
dados. Isso porque o tempo nos conta quando nosso proces-
so muda de comportamento. Um caráter fundamental para a 
análise do tempo é entender a variação natural do processo. 
 Vemos um exemplo dessa variação no gráfico abaixo. No 
caso as duas barras representam tempos de ciclos, de um pro-
cesso qualquer, antes e depois de uma mudança.
 Visualmente podemos concluir que após a mudança, o de-
sempenho do processo melhorou. Na Tabela abaixo é observa-
do o banco de dados para esse exemplo.
 Intuitivamente diríamos que a mudança ilustrada na ta-
bela acima é sim uma melhoria. Entretanto, se formos analisar 
melhor o problema, podemos chegar a conclusões distintas. 
Note os dados mostrados na tabela anterior, referentes a seis 
possíveis cenários para o indicador do tempo de ciclo, analisa-
do anteriormente. Todos os seis cenários poderiam represen-
tar o gráfico anterior: tempo na semana 4 = 8 e tempo na se-
mana 11 = 3. Agora, será que todos eles foram melhorias? Para 
isso, precisamos de uma análise mais minuciosa. Essa análise 
será mostrada através dos gráficos de tendências para os seus 
cenários.
Semana Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6
1 6 6 9 8 6 3
2 9 2 9 9 9 4
3 7 3 6 7 7 2
4 8 88 8 8 8
5 6 4 7 6 3 3
6 7 2 6 7 2 2
7 9 9 6 9 4 4
8 2 7 4 2 3 2
9 3 3 4 1 2 3
10 4 7 3 3 4 4
11 3 3 3 3 3 3
12 3 6 2 5 2 3
13 4 9 3 8 4 4
14 2 4 2 9 3 3
 Os dados foram traduzidos em gráficos, representados a 
seguir, em diferentes cenários ,para valores da semana 4 e 11 
iguais ao da imagem abaixo.
 No cenário 1 temos claramente uma melhoria. O proces-
so, de fato, mudou seu patamar de variação. A mudança que 
começou na semana 7 deu resultado na semana seguinte (Ce-
nário 1). Neste cenário temos um caso de melhoria pela mu-
dança claro, já que o comportamento após a mudança foi cons-
tante.
 A mudança refletida no Cenário 2 não representou me-
lhoria alguma. A diferença entre a semana 4 e a semana 11 
está completamente dentro da variação natural do processo. 
O tempo de ciclo assume vários valores entre 2 e 9. Qualquer 
variação neste patamar é dita ser uma variação atribuídas as 
causas comuns, naturais ao processo. 
 Não se deixem enganar por estes cenários. Lembre de 
não fazer comparações um período contra o outro.
 E no Cenário 3 novamente não temos uma melhoria. Sim, 
a mudança causou uma variação significativa no indicador, mas 
não foi uma melhoria. 
 Isso porque melhorias devem ser perenes, duradouras. 
Neste caso temos a mudança causando uma queda temporá-
ria no indicador, entretanto o mesmo volta a subir após algum 
tempo. Este comportamento é típico de campanhas de cons-
cientização, que funcionam por um curto período, mas melho-
 No Cenário 4 temos um caso muito parecido com o Ce-
nário 3. Não temos uma melhoria gerada pela nossa mudança. 
Algo aconteceu que mudou o patamar de trabalho do proces-
so, porém não teve nada a ver com a nossa mudança. 
 É importante relacionarmos às variações significativas 
em nossos indicadores à nossas mudanças, pois só assim po-
deremos adquirir mais conhecimento sobre o processo a fim 
de melhorá-lo.
ram de fato. Não é esse o tipo de resultado que devemos bus-
car em nossos projetos. 
 Por fim, temos mais dois caso de não-melhoria no Cená-
rio 5 e 6 (acima). O cenário 6 é um caso interessante, pois a 
diferença entre a semana 4 e a semana 11 foi causada por um 
“ponto fora da curva” na primeira medição. 
 Isso acontece bastante, e tais pontos são o que definire-
mos futuramente como causa especial. Algo aconteceu na se-
mana 11 que fez o tempo de ciclo explodir naquela semana, 
mas depois dela, o indicador retornou à estabilidade e o pro-
cesso continuou estável.
 Vamos ver mais pra frente que quando isso acontece, nem 
sempre é uma boa estratégia analisar todo o processo. Temos 
que analisar apenas a causa especial e identificar o que pode 
ter acontecido ali.
 Este exemplo dos cenários mostra como podemos tomar 
as conclusões erradas caso não saibamos analisar dados. É um 
aviso importante. Neste caso específico, assim como em vários 
da vida real, chegamos à conclusão errada simplesmente por 
não entender a variabilidade natural dos nossos dados. A se-
guir, iremos entrar em mais detalhes sobre este assunto.
3.1 O que significa 
entender a variabilidade
 Sempre que monitoramos algum produto ou processo, o 
fazemos por meio da observação de uma determinada carac-
terística, ilustrada em um determinado indicador. Esse indica-
dor pode ser o mais variado possível, por exemplo, as dimen-
sões de uma peça, o tempo de ciclo de um processo, as notas 
de nossos filhos, as vendas de nossa empresa, etc. Todas essas 
características, variam. Nunca um indicador mantém o mesmo 
valor durante várias medições feitas ao longo de um período 
extenso de tempo, mesmo quando nada está sendo feito no 
processo para alterá-lo.
 O grande problema é que todas as decisões tomadas são 
baseadas no comportamento desses indicadores de interesse 
e muitas vezes nos enganamos ao julgarmos a variação dentro 
destes. Podemos, por exemplo, nos assustar com uma variação 
natural no processo de vendas (quando enfrentamos um mês 
com menos vendas) e tomar uma série de ações desesperadas 
para vender mais (como por exemplo, dar muitos descontos 
em uma série de produtos).
 A análise de variação nos permite entender o que está 
acontecendo com um processo ao longo do tempo. Ela nos aju-
da a ter ideia do que vamos fazer e como vamos atuar em cima 
do processo. Em outras palavras, ela busca entender as dife-
renças observadas em determinada característica.
 Um conceito fundamental para o estudo e melhoria dos 
processos, de acordo com Walter Shewhart (1931), é o de que 
a variação em um determinado indicador é provocada por um 
desses dois tipos de causas:
Causas comuns: quando as diferenças não tem uma explica-
ção clara (tudo está como sempre esteve).
Causas especiais: quando algo está nitidamente diferente, 
logo há uma “causa” clara para a diferença.
 A imagem abaixo ilus-
tra esta discussão em um 
exemplo cotidiano: a cali-
grafia. Note que a variação 
está presente em todas as 
letras escritas na Figura. 
Um “a” minúsculo não é 
igual à outro “a” minúsculo. 
O que causa esta diferen-
ça? Não se pode dizer ao 
certo. Provavelmente um 
conjunto de fatores, sem 
uma explicação “especial” (a posição da mão, a velocidade da 
escrita, a iluminação, a posição do papel relativa ao corpo, etc.). 
Só podemos reduzir esta variação atuando em todas essas 
“causas comuns” de variação. Agora, quando comparamos um 
“a” minúsculo com um “A” maiúsculo, temos uma causa especial 
que determina a diferença (que é a caixa da caligrafia).
 A identificação das causas para a variação são muito in-
teressantes em uma análise temporal. Isso porque as coisas 
“mudam” no processo com o tempo. Entender onde e quando 
mudaram nos dá um entendimento muito grande.
 Mesmo que tudo esteja como sempre esteve, também 
podemos ter boas informações para nos ajudar nas mudanças. 
Análises mais sofisticadas, como o Gráfico de Controle, nada 
mais são do que uma evolução dessa análise temporal. Nos 
próximos tópicos vamos entrar nesse tipo de avaliação e ou-
tras análises.
4. O gráfico de tendência
 O gráfico de tendência é a mais simples ferramenta para 
análise de variação. Ele consiste em plotar uma métrica ou me-
dida ao longo do tempo, traçar no eixo Y o indicador de inte-
resse e no eixo X a linha do tempo. Com ele podemos: 
• Identificar causas especiais;
• Identificar tendências;
• Analisar o comportamento natural do processo;
• Inferir sobre a estabilidade da medida;
• Variação;
• Sazonalidade;
• Ciclos;
• Anomalias.
 O gráfico de tendência também pode ser feito para dife-
rentes estratificações dentro de um conjunto de dados. 
4.1 Vantagens e como construir 
um gráfico de tendência
 A maior vantagem do gráfico de tendência é a sua simplici-
dade. Além da facilidade no entendimento, o gráfico apresenta 
momentos de problema no processo e quão longe se está das 
metas e objetivos.
 A própria simplicidade do gráfico é o que o torna tão po-
deroso. Todas as pessoas ligadas ao processo podem usar e 
entender um gráfico de tendência.
Sua construção passa por:
• Adicionar uma variável de tempo no banco de dados;
• Definir a periodicidade a ser avaliada;
• Ajustar os dados (o que quer ver no eixo Y: a métrica 
e no eixo X: o tempo);
• Traçar o gráfico (no Excel, Minitab, etc.).
Na prática, a definição do eixo Y é a parte mais sensível do pro-
cesso. O que queremos ver? Ele pode demonstrar:
• As medidas individuais do banco de dados;
• Uma estatística (média, desvio padrão, etc.);
• Uma taxa (para variáveis de contagem);
• Uma porcentagem (para variáveis classificatórias).
 A montagem dos subgrupos, vista na imagem abaixo, é 
feita da divisão das medidas individuais do banco de dados.
1 2 3 ... n
X1
X2
X3
...
xn
X1
X2
X3
...
xn
X1
X2
X3
...
xn
Subgrupos
Medidas referentes a um 
intervalo de tempo
Estatística
Média, 
Desvio padrão,
Porcentagem, 
Taxa, 
Etc.
4.2 Alguns indicadores clássicos 
para a análise temporal
 A análise temporal possibilita identificar estabilidadede 
um processo. O processo está estável? Existem causas espe-
ciais? Essa análise pode ser usada para diferentes áreas, apre-
sentadas na Tabela abaixo com seus indicadores clássicos.
 O tema análises temporais será retomado no futuro com o 
gráfico de controle, que nada mais é do que um gráfico de ten-
dência no qual incluímos “linhas” que nos ajudam a identificar 
as causas de variação de um processo, mencionadas anterior-
mente. Mas antes serão abordados outros tipos de análises.
5. Gráficos de frequência
Para máquinas: 
Para serviços:
Para qualidade:
Para área 
de saúde:
% de itens defeituosos, número 
de defeitos por peças, etc. ;
Tempo de atendimento, tempo de 
ocupação de leito, número 
de atendimentos, etc.
Tempos (de processo, de resposta, etc.), 
produtividade (processos por pessoa, 
processos por setor, etc.);
Condições base (temperatura, 
vibração, pressão, tensão, etc.);
 Um gráfico de frequência, como o nome já diz, avalia a fre-
quência que determinado valor de variável aparece em nosso 
banco de dados e o demonstra de maneira visual.
Existem vários tipos, para diferentes tipos de variáveis. 
Eles nos ajudam a:
• Ter uma visão de como uma variável se comporta;
• Entender diferenças de comportamento;
• Ter uma visão estática dos nossos dados;
• Entender a centralidade e a quantidade de variação 
atrelada a determinada variável.
 O que a imagem acima mostra é a comportamento duran-
te o tempo da frequência de um restaurante, possibilitando a 
comparação entre os dias e o entendimento da centralidade, 
assim como listado.
 Uma das vantagens dessa análise é que, caso o processo 
esteja estável, o gráfico de frequência serve como uma previ-
são para o desempenho do processo no futuro, já que a estabi-
Frequência - Restaurante
Sexta-feira
Segunda-feira
lidade pressupõe que aquele padrão de comportamento per-
manecerá. Se o processo for instável o gráfico de frequência é 
simplesmente um resumo de o que o processo fez no passado.
 
 Assim como comentado, existem diferentes gráficos de 
frequência. Na Tabela abaixo, é visto de forma clara quais vari-
áveis utilizar para cada tipo de gráfico de frequência.
5.1 Análise de Frequência 
para variáveis classificatórias
 Geralmente a comparação de frequências dentro de va-
riáveis de estratificação nos ajuda a entender mudanças no 
comportamento de um processo. 
Grupo Tipo de Variável Gráficos
Atributos
Classificação
Gráficos de Barras e Setores 
(contagens ou porcentagens)
Gráfico de Pareto
Tabelas de Contagem
Contagem
Gráfico de Barras
Tabelas de Contagem
Contínuos Contínua Histogramas e Diagramas de Pontos
• Podemos olhar “dentro e fora” de uma variável;
• Podemos olhar a frequência para diferentes condições;
• Podemos olhar a frequência antes e depois de uma mudança;
• Podemos olhar a frequência em causas comuns e causas es-
peciais.
 Outras maneiras de olhar frequências de variáveis cate-
góricas é através de Gráficos de Setores e Tabelas de Conta-
gem, como visto na imagem abaixo:
6. Gráfico de Pareto
 O Gráfico de Pareto, além de ser um gráfico de frequên-
cia, é uma das 7 ferramentas básicas da qualidade e nos aju-
da a focalizar os esforços de melhoria. Ele é útil sempre que 
classificações gerais de problemas (erros, defeitos, feedback 
de clientes, etc.) puderem ser compilados na forma de valores 
para estudo e ações posteriores.
Linhas: Atrasado? Colunas: Cia
N
S
Categoria
12;	60,0%
S
8;	40,0%
N
Gráfico de Setores de Atrasado?
Cia Atrasado?
A
B
N
S
Categoria
Gráfico de Setores de Cia; Atrasado?
Gráfico de Setores
Tabelas de Contagem
A B Todos
N 4 4 8
50 50 100
40 40 40
S 6 6 12
50 50 100
60 60 60
Todos 10 10 20
50 50 100
100 100 100
Conteúdo da 
Célula
Contagem
% da Linha
% da Coluna
 Nesta ferramenta, as frequências de cada causa são re-
presentadas em gráficos de barras ordenados em ordem de-
crescente. O total acumulado em percentual também é repre-
sentado por uma linha, como visto na imagem abaixo:
 O Gráfico de Pareto é interessante pois ele nos ajuda a 
priorizar as nossas ações, focando nas classificações mais fre-
quentes de um defeito, erro ou problema de qualidade, que é 
facilmente evidenciadas no gráfico. A ideia dessa priorização 
ficou célebre na formulação do Princípio de Pareto, uma ideia 
proposta por Joseph Juran.
 Juran observou, em seus estudos, que os problemas de 
qualidade “tem poucas causas vitais e muitas causas triviais”, 
que representam um percentual menor. Essa realidade de 
muitos problemas favorece bastante uma estratégia de prio-
rização: temos que pensar em resolver estas causas vitais. O 
Gráfico de Pareto pode facilmente evidenciar as causas de 
problemas que devemos priorizar.
Pareto
Defeito Tipo
1 Não selagem topo
2 Não selagem fundo
3 Não selagem fundo
4 Não selagem lateral
5 Impressão borrada
6 Não selagem topo
7 Não selagem topo
8 Caixa amassada
9 Sem etiqueta
10 Impressão borrada
11 Não selagem lateral
12 Não selagem topo
13 Não selagem fundo
 Temos que fazer apenas uma ressalva quanto a esta estra-
tégia, para não banalizar seu uso e levar o agente de melhoria 
a um caminho errado. A ressalva é de que, apesar de bastante 
interessante, o Princípio de Pareto nem sempre se aplica. 
 Nas imagens abaixo, mostramos duas situações, uma 
onde ele se aplica (há uma, ou poucas, causas responsáveis 
pela maioria dos defeitos) e outra, onde ele não se aplica (to-
das as causas parecem importar de maneira igual). Devemos 
sempre fazer essa análise antes de adotar uma estratégia de 
priorização. Caso o princípio de Pareto não se aplique, temos 
que abandonar a priorização e desenvolver contramedidas 
para todas as causas por igual, ou então mudar a modelagem 
das classificações descritas no eixo X (como uma nova estraté-
gia de análise de frequência). 
 A estratificação do gráfico de Pareto é outra estratégia in-
teressante de análise de dados. As vezes é interessante ir além 
na análise estratificando cada uma das “causas principais”. Isso 
nos ajuda a adquirir cada vez mais informação sobre nossos 
problemas de qualidade, usando o Pareto.
NNããoo ssee aapplliiccaaSSee aapplliiccaa
A imagem abaixo é um exemplo de uma estratificação: 
 Um outro exemplo clássico de estratificação, apresenta-
do na imagem abaixo, é a análise de estabilidade/instabilidade, 
feita com gráficos de controle.
Gráfico de Pareto
Período Estável
Gráfico de Pareto
Período Instável
 Por fim, é interessante pensarmos também na análise de 
Pareto em conjunto com uma análise de tendência. Às vezes, 
observar o “perfil” de uma variável de classificação em mo-
mentos distintos no tempo (quando o processo está estável 
ou instável), nos ajuda a obter informações importantes sobre 
o seu comportamento. Na interpretação do exemplo da Figu-
ra 3.26, a classificação H do segundo pareto está associado a 
uma causa especial, que é possível notar depois da construção 
do gráfico. Quando o processo está estável, essa causa não é 
frequente, sendo a causa C mais frequente nesta situação.
7. Análises de Frequência 
para Variáveis Contínuas
 Quando falamos de análises de frequência para vari-
áveis contínuas temos duas ferramentas usuais: o Dot-Plot 
(ou Diagrama de Pontos) e o Histograma. 
 O Dot plot é o gráfico de frequência mais simples que 
existe. Ele plota os valores numéricos que uma determinada 
métrica pode ter no eixo X (de maneira ordenada) e coloca um 
ponto para cada observação naquele valor apresentada nos 
dados. Ele é um gráfico bastante parecido com o histograma, 
porém cada ponto do Dot plot é uma observação real do con-
junto de dados. 
 Com ele podemos ver claramente várias características 
da distribuição de dados, por exemplo, como é ilustrado nas 
imagens abaixo:
320028002400200016001200800400
16
14
12
10
8
6
4
2
0
Renda
Fr
eq
uê
nc
ia
Histograma de Renda
30002500200015001000500
Renda
Diagrama de Pontos de Renda
 A utilização do histograma é mais proveitosa para a análi-
se de sistemas considerados estáveis,ou seja, aqueles em que 
a variação dos dados é advinda apenas de causas comuns. Nes-
ses casos, em que há estabilidade previsões podem ser feitas 
acerca do sistema analisado. Por outro lado, quando o sistema 
está instável, ou seja, quando não há previsibilidade alguma do 
comportamento do processo, um histograma não terá grande 
aplicação. Assim, considerando um processo estável, um histo-
grama pode ser utilizado para:
• Identificar como os dados de um sistema estão distribuídos;
• Determinar a resposta mais comum de um sistema;
• Estimar o desempenho futuro dos processos;
• Auxiliar na identificação de ocorrências e anomalias (bem 
como ver simetria, centralidade, variação, etc.);
• Entender o comportamento dos dados de um processo na 
fase Measure do roteiro DMAIC em Projetos de Melhoria.
7.1 Análise de Tendência 
e Frequência
 Até agora estivemos falando na parte do Measure como 
enxergar os processos através do entendimento da sequência 
de suas atividades e das inter-relações entre essas atividades. 
 Agora iremos começar a analisar os processos através 
dos dados que eles nos enviam. Essa porta é talvez a grande 
contribuição do Green Belt na análise de melhorias. Aqui, va-
mos ensinar várias ferramentas estatísticas, como os Gráficos 
de Controle e a Análise de Capabilidade. 
8. Estatística Paramétrica: 
Gráficos de Controle 
e Análises de Capabilidade
 As análises usando estatísticas paramétricas são um dos 
pontos centrais da metodologia do Seis Sigma clássico e uma 
das mais sofisticadas ferramentas que o agente de melhoria 
pode usar em seus projetos. Em linhas gerais, elas visam apro-
ximar um conjunto de dados por uma distribuição estatística 
e, com base nelas, inferir sobre resultados futuros ou compa-
rar o histograma provável deste processo com especificações 
do cliente. Elas são interessantes pois são 
chave no entendimento da variação ine-
rente a um processo. Usando esta estra-
tégia, somos capazes de, analisando os 
dados, determinar resultados futuros de 
um processo ou identificar eventos anô-
malos no tempo. 
 Por exemplo, imagine que você vai até um restaurante 
e anota em um banco de dados o tempo que demora até ser 
atendido. Cada observação vai dizer um pouco sobre o de-
sempenho do processo. Para se programar melhor na sua ro-
tina, você pode observar a média do tempo de atendimento 
nos últimos meses (digamos, 5 minutos), e a variação espera-
da, representada pelo desvio padrão (digamos, 1 minuto) e, em 
seguida, estabelecer uma curva normal (como a mostrada na 
imagem abaixo) para prever que em 99,7% das vezes que você 
for neste restaurante, você será atendido entre 2 (a média me-
nos 3 desvios padrão) e 8 minutos (a média mais três desvios 
padrão). Caso seja atendido em menos de 2 minutos, ou mais 
do que 8, pode ter certeza de que muito provavelmente algo 
aconteceu com o processo do restaurante, pois a probabilida-
de disto acontecer é muito baixa.
 Temos basicamente duas ferramentas de análise pa-
ramétrica mais usuais em Seis Sigma: os Gráficos de Con-
trole e as Análises de Capabilidades. A lógica de ambos se-
gue o exemplo citado sobre o restaurante (e são ilustradas nas 
imagens a seguir). Elas:
1. Partem de uma amostra de dados de uma característica das 
saídas de um processo (como o tempo de atendimento);
2. Com base em parâmetros desta amostra, criam uma distri-
buição estatística característica para o processo, que estima a 
probabilidade, contra possíveis valores da característica (eixo 
X);
3. Com base nesta distribuição, inferem sobre o processo (no 
caso do Gráfico de Controle, mostram o quanto é normal uma 
característica variar e apontam pontos com variação anômala 
e, no caso da capabilidade, calculam o número de vezes que 
que é esperado que o processo tenha resultados fora de limi-
tes definidos de especificação.
Exemplo de Gráfico de Controle:
AnáliseParametrizaçãoDados
Ciclo Tamanho (mm)
1 32,6365
2 30,4459
3 34,6395
4 31,0564
5 35,5490
6 32,9048
7 30,6421
8 33,3748
9 32,1398
10 30,2749
11 30,6613
12 31,3070
13 31,5418
14 32,3020
...
34,833,632,431,230,0
14
12
10
8
6
4
2
0
Média 32,04
DesvPad 1,193
N 50
Tamanho (mm)
Fr
eq
uê
nc
ia
Histograma de Tamanho (mm)
Normal 
464136312621161161
36
35
34
33
32
31
30
29
28
Observação
Va
lo
r I
nd
iv
id
ua
l
_
X= 32,037
LSC= 35,828
LIC= 28,245
Carta I de Tamanho (mm)
Sem 
causas 
especiais!
Exemplo de Capabilidade:
9. Distribuições Estatísticas 
usadas nas Análises Paramétricas
 Como vimos, as análises paramétricas passam por deter-
minar uma distribuição estatística característica para um pro-
cesso. Mas afinal, o que são essas distribuições? Elas nada mais 
são do que aproximações do comportamento de um processo, 
baseadas em observações anteriores dos dados gerados por 
eles e modelos estatísticos. Algumas características são ob-
servadas nestas distribuições: 
• São pré-determinadas por alguns parâmetros dos dados;
• Geram “probabilidades” para os próximos eventos (caso es-
teja estável);
40% fora 
do 
padrão!
Dados Parametrização Análise
Ciclo Tamanho (mm)
1 32,6365
2 30,4459
3 34,6395
4 31,0564
5 35,5490
6 32,9048
7 30,6421
8 33,3748
9 32,1398
10 30,2749
11 30,6613
12 31,3070
13 31,5418
14 32,3020
...
O tamanho deve ficar 
entre 31 e 33 mm!
• Avaliam o que “sai fora das especificações”;
• Norteiam as ferramentas clássicas usadas em qualidade 
(Gráficos de Controle, por exemplo).
 A ideia por trás da parametrização (a criação de uma cur-
va característica para uma distribuição de dados) é ilustrada 
na imagem abaixo. Nela, podemos ver um exemplo para dados 
discretos, onde uma amostra contendo o número de filhos em 
vários casais amostrados é transformado em uma distribuição 
de probabilidade e outra para dados contínuos, onde é forma-
da uma distribuição normal a partir de dados de tamanho de 
um tarugo metálico.
 A mais famosa e usada destas distribuições é a distribui-
ção normal, usada quando os dados que vamos estimar são 
contínuos. Entretanto, existem várias distribuições outras que 
nos ajudam com modelos probabilísticos. Cada uma tem seus 
parâmetros específicos (a normal, usa a média e o desvio pa-
drão, a Poisson, usa a taxa média, etc.) e é usada para aproxi-
mar diferentes tipos de variáveis. Temos que saber o tipo de 
variável para usar o modelo correto, tendo a previsão correta.
Número de Filhos Porcentagem
0 10%
1 30%
2 35%
3 20%
4 5%
Dados discretos
Número de filhos
P
ro
ba
bi
lid
ad
e
0 1 2 3 4
Dados Contínuos
As distribuições mais usuais que temos são:
• A distribuição Normal, para dados contínuos (parametrizada 
por uma média e um desvio padrão);
• A distribuição de Poisson, para dados de contagem (parame-
trizada por taxas);
• A distribuição Binomial, para dados de classificação (para-
metrizada por porcentagens).
 Entender que existe uma distribuição correta para um 
tipo de dado correto é fundamental para usarmos os gráficos 
de controle e as análises de capabilidade corretamente. Temos 
que entender qual é o tipo de variável e o gráfico adequado 
para ela. 
 Além disso, temos que conferir se, de fato, nossos dados 
podem ser aproximados pelas distribuições usadas nestas aná-
lises. Tomamos por exemplo as variáveis contínuas. Apesar da 
maioria dos processos que são aproximados por variáveis con-
tínuas serem normais, pode ser que algumas vezes eles não 
possam ser aproximados por essa curva. Um exemplo disso é 
apresentado na imagem presente na próxima página. Nela, te-
mos um processo que apresenta um comportamento natural, 
porém não aproximadas por uma normal. Quando analisamos 
ele com um gráfico de controle que usa uma distribuição nor-
mal para estimar seus limites, vamos ter vários apontamentos 
de causas especiais que, na verdade, não são anomalias esta-
tísticas. 
 Se usamos um gráfico de controle baseado em uma dis-
tribuição que não representa os dados, vamos cometer erros. 
Isso porque estamos estimando o comportamento do nossoprocesso com uma distribuição inadequada para os nossos da-
dos. Isso fará com que tomemos decisões erradas, nos enga-
nando com a variação existente em um processo. Em geral, an-
tes de usar uma ferramenta estatística de análise de processo 
(o gráfico de controle ou a capabilidade), temos que avaliar se 
os nossos dados podem ser aproximados por uma distribuição 
padrão.
10. Os gráficos de controle
 Os gráficos de Controle são gráficos que dizem se o nosso 
processo está estável ou não. Ele plota o que é a “variação na-
tural do processo”.
 A partir do acompanhamento periódico de um indicador, 
sabemos se ele está sob a influência de causas especiais, o que 
nos ajuda a aprender mais sobre o que está acontecendo. 
 Assim como no gráfico de tendência, ele pode ser traça-
do para diferentes métricas. Entretanto, temos que saber qual 
é a distribuição ideal para aquela métrica. Esse entendimento 
precisa passar pelo entendimento do tipo de variável e pelo ta-
manho do subgrupo. Um exemplo seria parecido com o gráfico 
de tendência, visto na imagem abaixo:
 
 Uma informação importante é que diferentes tipos de 
gráficos de controle são usados para diferentes tipos de dados. 
Todos eles distinguem a variação de causa especial da variação 
1 2 3 ... n
X1
X2
X3
...
xn
X1
X2
X3
...
xn
X1
X2
X3
...
xn
Subgrupos
Medidas referentes a um 
intervalo de tempo
Estatística
Média, 
Desvio padrão,
Porcentagem, 
Taxa, 
Etc.
de causa comum. Todos eles usam limites de controle para in-
dicar se um determinado valor de dado deve ser tratado como 
uma causa especial.
 A escolha dos gráficos depende do tipo de dados. A ima-
gem abaixo apresenta os gráficos mais usuais e as situações 
em que eles são usados.
10.1 O Gráfico P
 O gráfico p é usado para variáveis de classificação e usa a 
distribuição Binomial como base.
 Algumas classificações clássicas são: unidade defeituo-
sa/não-defeituosa, conforme/não conformes, aprovada/não 
aprovada, etc. O gráfico p irá plotar a porcentagem de uma 
classificação ao longo do tempo e os limites esperados para 
essas porcentagens. 
Tipos de 
dados
Contagem ou 
classificação 
(dados de 
atributos)
Contínuos 
(dados de 
variáveis)
Defeitos ou não-
conformidades
ClassificaçãoContagem
Unidades defeituosas 
ou não conformes
Subgrupo de 
tamanho 1
Tamanho fixo de 
subgrupo
Tamanho variável de 
subgrupo
Gráfico U Gráfico P Gráfico X
Gráfico X-barra 
e R
Gráfico X-barra 
e S
Defeitos por 
unidade
Porcentagem 
de defeituosos
Medida 
individual
Média e 
amplitude
Média e desvio 
padrão
 No exemplo abaixo, são as unidades defeituosas que vão 
gerar o gráfico. 
 
 
 
 
 
 No exemplo abaixo, temos um gráfico P que indica o com-
portamento do absenteísmo (faltou ou não faltou; justificou 
falta ou não justificou). Podemos ver que a porcentagem das 
ausências está em controle estatístico (sem causas especiais), 
já as ausências sem justificativa apresentam uma causa espe-
cial.
Amostra
Unidades
Amostradas/Amostra
Nº de unidades 
defeituosas
Proporção de unidades 
defeituosas
1 200 20 0,1
2 100 30 0,3
3 300 10 0,03
- - - -
- - - -
- - - -
- - - -
- - - -
24 150 20 0,13
(n) (p)
Numero de 
defeituosos
Tamanho da
Amostra
O Gráfico P plota
esta coluna
Dados sobre absenteísmo – 90 funcionários 
Dia 
Total de 
Ausências 
p 
Ausências Não 
Justificadas 
p 
1 10 0.11 2 0.02 
2 8 0.09 3 0.03 
3 14 0.16 1 0.01 
4 6 0.07 1 0.01 
5 8 0.09 1 0.01 
6 7 0.08 2 0.02 
7 16 0.18 0 0.00 
8 12 0.13 3 0.03 
9 10 0.11 1 0.01 
10 9 0.10 8 0.09 
11 12 0.13 1 0.01 
12 10 0.11 2 0.02 
13 14 0.16 0 0.00 
14 4 0.04 4 0.04 
15 8 0.09 3 0.03 
16 12 0.13 1 0.01 
17 9 0.10 0 0.00 
18 5 0.06 2 0.02 
19 14 0.16 1 0.01 
20 10 0.11 0 0.00 
 
10.2 O gráfico U
 Esse gráfico é indicado quando são feitas contagens de 
ocorrências (erros, defeitos, acidentes, mudanças, etc. ) e usam 
a distribuição de Poisson como base. Os gráficos Us, em geral 
mostram indicadores do tipo “taxas” (defeitos por peças, aci-
dentes por km rodados, etc.). Para montá-los, precisamos de-
finir, como na tabela abaixo, qual é o nosso subgrupo e coletar 
as estatísticas para estes subgrupos.
 No exemplo que você encontrará na próxima página, 
mostramos um gráfico U para indicar o número de acidentes 
em uma estrada. Vemos que existem três causas especiais no 
gráfico (dois pontos acima do Limite Superior de Controle e 8 
pontos abaixo da média). 
 Notem que, neste caso, o subgrupo foi idêntico para to-
(a) (c) (U)
(c) = número de erros 
encontrados nas unidades 
processadas
(a) = área de oportunidade:
Número de unidades 
processadas por semana 
O gráfico-u se faz 
com esta coluna
U = (c/a)
Semana
Unidades
Processadas/Semana
Nº de erros Nº de erros por unidade
1 104 15 0,14
2 21 4 0,19
3 18 3 0,17
- - - -
- - - -
- - - -
- - - -
- - - -
24 25 5 0,20
das as medições. Nem sempre isso acontece. Poderíamos, por 
exemplo, ter amostras diferentes para cada caso.
10.3 O gráfico de Individuais
 O gráfico de controle para dados individuais é usado 
quando nosso dado é uma variável contínua e cada observa-
ção é plotada no gráfico, na sequência em que é obtida. Este 
gráfico usa a distribuição normal como base.
 Para o cálculo dos limites ele utiliza a distribuição normal, 
baseada na média e no desvio padrão dos dados fornecidos. O 
Gráfico de Controle de Individuais é o mais utilizado em proje-
tos de melhoria.
Mês/Ano 
(oportunidade) 
Número de 
acidentes (C) 
Mês/Ano 
(oportunidade) 
Número de 
acidentes (C) 
Janeiro 1989 6 Janeiro 1990 10 
Fevereiro 2 Fevereiro 5 
Março 4 Março 9 
Abril 8 Abril 4 
Maio 5 Maio 3 
Junho 4 Junho 2 
Julho 23 Julho 2 
Agosto 7 Agosto 1 
Setembro 3 Setembro 3 
Outubro 15 Outubro 4 
Novembro 12 Novembro 3 
Dezembro 7 Dezembro 1 
 
Mês Inventário
01/1989 19
02/1989 27
03/1989 20
04/1989 16
05/1989 18
06/1989 25
07/1989 22
08/1989 24
09/1989 17
10/1989 25
11/1989 17
... ...
Inventário em processo
 
 É o mais comum para dados de área transacionais, como 
o acompanhamento de inventário, como o exemplo da imagem 
acima, mas em outras análises de:
• Dados financeiros;
• Tempo para executar uma atividade;
• Dados de faturamento;
• Dados de vendas.
10.4 O gráfico X-Barra S
 No exemplo da imagem abaixo, temos um gráfico X-barra 
S. O ponto acima do LSC no gráfico de X-barra indica um pe-
ríodo onde a média foi atipicamente maior. A causa especial 
no gráfico S, indica um ponto onde a variação foi atipicamente 
maior.
Semana Amostra 
1 45 48 48 
2 46 46 44 
3 41 47 47 
4 41 44 45 
5 43 50 41 
6 41 45 47 
7 48 46 46 
8 48 44 45 
9 49 45 46 
10 46 50 44 
11 42 46 48 
12 42 49 47 
13 54 56 49 
14 43 44 45 
15 42 45 59 
16 44 47 44 
17 46 51 45 
18 44 42 40 
19 45 45 46 
20 42 47 43 
 
Cada ponto 
neste gráfico é 
a média de um 
subgrupo. 
Cada ponto 
neste gráfico 
é o desvio 
padrão dentro 
do mesmo 
subgrupo.
10.5 Usando os Gráficos 
de Controle
 Teoricamente, traçar um gráfico de controle utiliza a mes-
ma lógica para criar qualquer gráfico: coleta de dados. Geral-
mente seguimos os passos:
1. Avalie a métrica que quer medir/controlar;
2. Avalie a periodicidade da análise;
3. Escolha o tipo certo de gráfico;
4. Certifique-se que os dados são aproximados 
pela distribuição correta;
5. Gere o gráfico e avalie as causas especiais.
10.5.1 Como avaliar causas 
especiais (eventos de baixa 
probabilidade)
 As práticas em avaliar se a distribuição faz sentido são na 
elaboração do gráfico, utilizar gráficos probabilísticos (para va-
riáveis contínuas). Outra forma de prever a boa análise é usar 
testes para avaliação das distribuições. 
 Após desenharmos nossos gráficos, temos que saber 
identificar onde estão as causas especiais. Três regras para 
isso são dadas, baseadas nas distribuições de probabilidade, 
na imagem abaixo:
 
Uma observação além 
de um limite de controle.
Uma sequênciade oito ou mais 
pontos acima ou abaixo da média.
Uma sequência de seis ou mais 
pontos crescentes ou decrescentes.
10.5.2 O Teorema 
Central do Limite
 Um ponto que merece destaque é a normalidade para 
quando trabalhamos com médias de medidas. Sempre que es-
tivermos calculando a média de amostras, essa distribuição irá 
ser uma normal caso a amostragem seja suficientemente gran-
de. Esse fato é provado pelo Teorema Central do Limite.
 O exemplo do slide mostra bem esse fato. Temos descrito 
lá, a probabilidade da média do valor para o lançamento de n 
dados. Quando lançamos só um dado, a média é o valor que 
saiu. Como cada lado tem a mesma probabilidade de cair vira-
do para cima, a média para o primeiro caso é uniforme. Con-
forme aumentamos o número de dados, temos mais possibili-
dades para que a média seja valores intermediários (para que 
a média seja 1, ambos os dados devem cair no 1; para que a 
média seja 3, podemos ter combinações como 3 e 3, 2 e 4, 4 e 
2, 5 e 1, 1 e 5).
 Isso, na prática, quer dizer que quando queremos avaliar 
a média de uma característica em uma amostra suficientemen-
te grande, podemos assumir sua distribuição como sendo uma 
normal. 
 
 A imagem abaixo mostra a progressão da conclusão que 
com a medida que os número de lançamentos aumenta, o grá-
fico se parece mais com uma normal.
11. Capabilidade
 Análises de Capabilidade nada mais são do que comparar 
a variação natural do processo com as especificações do clien-
te. A amplitude da curva normal está relacionada às especifica-
ções do cliente, por exemplo como é ilustrado na imagem abai-
xo. Assim podemos ver o desempenho do processo e prever 
perdas futuras. A análise paramétrica é ótima para tudo isso. 
Imagine o lançamento de dados. 
Qual é a probabilidade para a média do valor dos dados?
Distribuição média de 1 lançamento Distribuição média de 2 lançamentos
Distribuição média de 3 lançamentos Distribuição média de 5 lançamentos
 
 Um formulário padrão de Capabilidade entregue por um 
software como o Minitab é representado na imagem abaixo. 
Ela contém gráfico de probabilidades, gráficos de controle, his-
tograma e mais algumas análises que auxiliam na validação da 
normalidade.
11.1.1 O que são os 
índices de capabilidade?
 Antes da invenção dos computadores, a análise de capabi-
lidade já existia. Esses índices eram medidas fáceis de calcular, 
que ajudavam a ver como estava a capabilidade de determina-
da característica. Acabaram virando jargões da qualidade. Os 
mais famosos são o Cp (e Pp) e o Cpk (e Ppk), que você irá en-
contrar na próxima pagina.
 Atualmente, eles saem nos relatórios padronizados, jun-
tos com outras informações importantes.
Estabilidade
Representação 
gráfica
Normalidade
Índices de 
capabilidade
 
𝐶𝐶"# = 𝑚𝑚𝑚𝑚𝑚𝑚
𝐿𝐿𝐿𝐿𝐿𝐿 −𝑀𝑀𝑀𝑀𝑀𝑚𝑚𝑀𝑀
3×𝐷𝐷. 𝑃𝑃. ,
𝑀𝑀𝑀𝑀𝑀𝑚𝑚𝑀𝑀	 − 𝐿𝐿𝐿𝐿𝐿𝐿
3×𝐷𝐷. 𝑃𝑃.
𝐶𝐶" =
789
:×;.<.
= 
=>?	@=A?
:×;.<.
11.1.2 Usando os gráficos 
de controle e a análise 
de capabilidade
 Ao analisarmos causas de variação, podemos cometer al-
guns erros clássicos: 
Erro 1: Reagir a um resultado como se viesse de uma causa es-
pecial, quando na verdade vem de causas comuns de variação.
Erro 2: Tratar um resultado como se viesse de causas comuns 
de variação, quando na verdade vem de uma causa especial.
 Erros de decisão são intrínsecos ao Gráfico de Controle. 
A proposta de Walter Shewhart (limites de controle), pai do 
Controle Estatístico, procura um equilíbrio entre os dois tipos 
de erros. Assim como representado na Figura 3.44, os gráficos 
de controle e capabilidade auxiliam na tomada de ações, que 
serão diferentes de acordo com a estabilidade ou não do pro-
cesso.
 
Processo estável Processo instável
Selecionar uma medida de processo 
ou característica da qualidade
Desenvolver gráfico de 
controle apropriado
Reduzir causas comuns 
(mudar o processo)
Descobrir e atuar sobre 
causas especiais
Identificar causas comuns 
ou processos alternativos
Identificar causas 
especiais
O processo 
é estável?
Métodos Primários de Investigação
1. Planejamento de Experimentos 1. Gráficos de controle
2. Subgrupamento / estratificação 2. Subgrupamento / estratificação
3. Gráficos de controle 3. Planejamento de Experimentos
Responsabilidade pela investigação
1. Peritos técnicos 1. Trabalhadores do processo
2. Supervisores 2. Supervisores
3. Trabalhadores do processo 3. Peritos técnicos
Responsabilidade pela melhoria
1. Gerência 1. Supervisores
2. Peritos técnicos 2. Peritos técnicos
3. Supervisores 3. Gerência
4. Trabalhadores no processo 4. Trabalhadores no processo
 
 Já falamos bastante sobre isso, mas sempre é impor-
tante reforçar: limites de controle são diferentes de limites 
de especificação, como a imagem a seguir traz de exemplo. 
Os limites de Especificação:
 
• Vêm de exigências da engenharia ou dos clientes;
• Representam o que alguém quer que o processo faça;
• Podem ser alterados por exigência do cliente.
Limites de Controle:
• São calculados com os dados do processo;
• Representam o que um processo é realmente capaz de fazer;
• Só podem ser alterados quando mudanças no processo alte-
ram o comportamento dos indicadores (produzem impacto).
 Limites de Especificações não devem ser usadas em um 
gráfico de controle. Mas, como se pode atender as especifica-
ções do cliente? Melhore o processo reduzindo a variação de 
causa comum.
 
 Na imagem abaixo já está descrito 4 situações, que fre-
quentemente encontramos em projetos de melhoria:
 No primeiro gráfico da imagem acima o processo está es-
tável e dentro dos limites do cliente, o que é um bom sinal. Nes-
se caso, temos que pensar em manter o desempenho e, caso 
necessário, reduzir os custos. 
 O segundo gráfico à direita mostra um processo também 
estável, porém os limites de especificação do cliente são me-
nores do que a variação natural do processo. Isso indica que 
sempre teremos itens defeituosos sendo gerados pelo cliente. 
Para melhorar este processo, temos que atuar sobre as causas 
comuns, procurando maneiras de diminuir a variação natural 
do processo. 
 Já os processos na segunda linha estão instável. O pri-
 
meiro processo está instável, porém até agora não tivemos um 
item fora dos limites de especificação. Neste caso, nosso foco 
deve ser em estabilizar o processo, fazendo com que ele atue 
apenas com causas comuns. O processo no canto inferior di-
reito está instável e fora dos limites de especificação, o que é 
muito ruim. A primeira coisa que devemos fazer é garantir que 
o processo se estabilize.
11.2 A porta de processos
 As organizações recebem diretrizes para se organizarem 
em processos, sistemas e procedimentos, vide imagem abaixo:
 Um sistema é a organização como um todo. Ele é extre-
mamente complexo e transforma uma série de entradas em sa-
ídas. Existem várias pessoas trabalhando nele e é muito difícil 
Sistema
Processos
Atividades/ procedimentos
D
etalh
am
en
to
C
o
m
p
le
xi
d
ad
e
 
detalhá-lo de uma vez. 
 Um processo é uma parte menor do sistema. Ele traba-
lha com um número limitado de pessoas, entradas, saídas e 
atividades. As suas saídas são, muitas vezes, consumidas por 
clientes externos, sendo que só processos com interface com 
o cliente externo produzem saídas para ele. Um processo tam-
bém é mais simples de ser detalhado e “desenhado”. Com um 
fluxograma, por exemplo, podemos desenhar suas interações 
e a sequência de suas atividades, bem como onde cada coisa 
acontece na organização (iremos ilustrar alguns fluxogramas 
mais adiante). 
 Uma atividade é a parte mais basal da organização. Ela 
pode ser descrita por um procedimento, ou instrução de tra-
balho e sempre é realizada por apenas uma pessoa (podendo 
ter interface com outras). A sua complexidade é baixa e ela é 
fácil de ser enxergada, pois são as coisas que realizamos no dia 
a dia. É possível detalhá-la com clareza. 
 Nos próximos tópicos será mos-
trado técnicas de como realizamos o 
mapeamento dos processosde uma 
organização. Vale dizer que nem sem-
pre precisamos usar todo conheci-
mento teórico a prova. Muitas vezes, 
uma simples ida ao Gemba vai te per-
mitir entender o que está acontecen-
do.
 
12. Mapeamento de processos
 Um ponto central da ciência da melhoria é a sua relação 
com a mudança. Como foi comentado no curso, é impossível 
melhorar alguma coisa sem que seja feita uma mudança. Me-
lhoria requer mudança. Entretanto, muitas mudanças nem 
sempre resultam em melhorias. Algumas mudanças, inclusive, 
pioram o desempenho de um processo. 
 Então como desenvolver mudanças que realmente vão 
ser melhorias?
 Há uma maneira fácil de estruturamos essas mudanças. 
Temos que responder às três questões fundamentais da me-
lhoria.
Fornecedores Entradas
Produção
Saídas Clientes
Suporte
Direcionamento
 
 Vimos várias vezes na imagem anterior o sistema propos-
to por Deming sobre as organizações. Acontece que na vida 
real, não é fácil chegar nesse estágio onde tudo está organiza-
do e detalhado.
 
 Na prática, vemos algo como na imagem abaixo: uma série 
de pessoas (representadas pelas bolinhas) realizando uma sé-
rie de atividades (caixinhas) que transformam sabe-se lá Deus 
como, entradas (caixas em terracota) em saídas (caixas azuis) 
para os clientes. A ordem dessas atividades é confusa. Deter-
minadas pessoas desempenham papéis diferentes ao longo 
do fluxo e, muitas vezes, estão envolvidas em mais de um pro-
cesso. Por exemplo, a pessoa do “financeiro” da empresa, ela 
recebe pagamentos dos clientes, paga fornecedores, controla 
custos e monitora o caixa. Cada uma dessas atividades corri-
queiras está ligada a processos diferentes. 
 
 No mapeamento de processos, nosso objetivo é ilustrado 
na imagem abaixo:
 É possível entender melhor um processo e assim obter 
melhores resultados. Um processo mapeado pode ser aplica-
do indicadores, buscar melhorias e reestruturar radicalmente 
de forma que os resultados sejam conhecidos e esperados. 
Um bom mapeamento traz resultados positivos:
1. Entendimento do processo;
2. Conhecimento sobre o fluxo de trabalho;
3. Ilustração em um fluxograma;
4. Identificação das desconexões.
12.1 Mapeamento
 Mas como realizar um mapeamento na prática? Uma se-
quência deve ser seguida.
 
1) Defina o escopo do mapeamento:
 A primeira coisa que temos que de-
finir é o escopo, ou objetivo do nosso 
mapeamento. Para que vamos mapear o 
processo?
 Isso vai fazer com que o foco do 
que estamos procurando mude. Por 
exemplo, se estivermos envolvidos em 
um projeto cujo objetivo é “reduzir número de relatórios fi-
nanceiros com erros”, vamos ter que focar nosso mapeamento 
no fluxo de informações que geram esses relatórios. Quem en-
via essas informações para a pessoa que faz o relatório? Quais 
informações ela precisa? Como chegam as informações para 
ela? Essas perguntas mudam a óptica do que vamos mapear 
(como vamos ver mais pra frente). 
 Se, alternativamente, estivermos envolvidos em um pro-
cesso cujo objetivo é reduzir defeitos de uma peça, vamos ter 
que mapear não apenas o fluxo de informações (que pode nos 
gerar erros de montagem, por exemplo, mas sim todos os com-
ponentes que formam essa peça. Mapeando de onde vem os 
componentes e por quais etapas de processamento eles pas-
sam, podemos entender se há problemas de matérias-primas 
ou então de fabricação.
2) Defina os limites do seu mapeamento (e projeto):
 A imagem a seguir ilustra em diferentes cores as fases in-
teressantes do processo para o mapeamento.
 
Ignorar
Mapear
Ignorar
3) Identifique e entreviste 
os envolvidos no Processo: 
 Em seguida, passamos para uma entrevista minuciosa. 
Esta entrevista, deve identificar tudo o que acontece, e cabe 
ao entrevistador instigar o entrevistado a expor todas as pos-
sibilidades e todos os casos que acontecem. 
 Mas como fazer essa entrevista? Usando a metodologia 
do SIPOC, já explicada anteriormente e representada na ima-
gem abaixo:
Fornecedor
es
(suppliers)
Entradas
(inputs)
Processo
(process)
Saídas
(outputs)
Clientes
(clients)
Procedimento
Relatório
Peça 1
Peça 2
Relatório
Lista de 
compras
Peça 15
Operação 1
Operação 2
Operação 3
Operação 4
A A
CB
SIPOC da pessoa X
 
 As saídas da pessoa analisada devem ser as entradas da 
pessoa seguinte (clientes) e as entradas da pessoa analisada, 
devem ser as saídas das pessoas anteriores (fornecedores) as-
sim por diante. A imagem abaixo representa as pessoas por le-
tras e as correlaciona com cores, para organizar o mapeamen-
to.
 O mapeamento dos processos, quando bem feito, traz 
uma série de benefícios para a equipe de melhoria. Com ele é 
possível ter muitos ganhos:
• Facilita o aprendizado da equipe sobre o processo;
• Torna o que está acontecendo visível;
• Demonstra papéis e relações entre os envolvidos no proces-
so;
=
SIPOC da pessoa X
SIPOC da pessoa A
SIPOC da pessoa B
SIPOC da pessoa C
SIPOC da pessoa ...
+
++
++
 
• Identifica gargalos, desconexões, etapas desnecessárias, etc.
• Permite medir o tempo das atividades;
• Identifica “quick wins” do projeto.
12.2 E como encontrar 
as desconexões
 Após a elaboração do SIPOC e do Fluxograma, a equi-
pe de melhoria deverá debruçar-se neste material e aplicar o 
checklist para localizar as desconexões de saídas, entradas e 
atividades. É importante passar por cada uma das saídas e en-
tradas listadas no SIPOC realizando todos os passos do che-
cklist abaixo: 
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?
 
13. Fluxograma
 Fluxogramas, como já falamos, são representações grá-
ficas dos nossos processos para mostrar como um processo 
funciona, por exemplo a imagem abaixo. Existem vários tipos 
de fluxogramas que nos ajudam a observar diferentes aspec-
tos dentro do nosso processo. Vamos ver alguns destes tipos 
nos próximos tópicos. 
 O Fluxograma Vertical é o fluxograma mais simples que 
existe (e um dos mais usados nos projetos de melhoria). Ele 
mostra de maneira linear como o processo acontece, apresen-
tando também as suas ramificações e pontos de decisão.
A lâmpada não 
funciona
Comprar nova 
lâmpada
Plugar a lâmpada
Trocar o bulbo
A lâmpada 
está 
plugada?
O bulbo 
queimou?
Não
Sim
Sim
Não
 
 Ao elaborarmos um fluxograma, como o da imagem abai-
xo, começamos sempre pelos pontos mais característicos do 
processo (que podem ser o seu começo e fim) e depois vamos 
adicionando os detalhes. Lembrem-se que neste ponto, já te-
mos um grande entendimento sobre o processo que foi obtido 
através das entrevistas de SIPOC. 
 O Fluxograma Multifuncional é um sofisticação do Fluxo-
grama Vertical que inclui o local (ou área) onde cada uma das 
atividades acontecem. Ele muda o foco das atividades para as 
áreas em que elas acontecem e na interação entre elas. Com 
ele, podemos visualizar todas as “passagens de bastão” entre 
os departamentos e em que momento do processo elas acon-
tecem. 
 Esse tipo de demonstração evidencia as interdependên-
cias entre os departamentos e é útil para indicar as responsa-
bilidades de cada uma das áreas nos processos. 
 O exemplo da imagem a seguir também mostra um indi-
cador (no caso o tempo decorrido em um dos processos ana-
lisados).É bastante comum em fluxogramas, tanto verticais 
Gera 
documentação e 
libera empréstimo
Empréstimo 
aprovado?
Não
Sim
Venda recebe 
solicitação
Funcionário 
verifica 
documentação
Analista avalia 
solicitação
Analista comunica 
cliente
Superintendente 
avalia 
recomendação
Excessão
aprovado?
Início
Fim
Sim
Não
 
quanto multifuncionais, colocarmos uma coluna ou linha extra 
onde mostramos um indicador ou outro tipo de informação 
adicional. Essa “artimanha” nos permite alinhar a equipe no de-
sempenho de uma característica em específico quando vamos 
discutir com eles como o processo acontece.
 
 
 
 
 
 
 
 
 O Diagrama Espaguete é um fluxograma que exprime 
o processo em uma planta física. Ele é muito usado em proje-
tos onde queremos mapear e eliminar desperdícios de movi-
mentação e transporte (vamos ver estes desperdícios mais pra 
frente no curso). Ele consiste em desenhar, no mapa da planta 
ou local onde ocorre o processo, linhas coloridas que indicam 
os fluxos mapeados (pode ser o caminho de um documento, de 
uma peça, de uma pessoa, de uma empilhadeira, etc.).
Para desenhar esse fluxograma, seguimos alguns passos: 
• Obter o mapa (layout) do espaço de trabalho;
• Listar as atividades (passos) do processo;
• Marcar as posições onde acontecem cada um dos passos. Atu-
Aprovado
Recebe
solicitação
Verifica 
documentação
Avalia
solicitação
Avalia
recomendação
Comunica cliente
Gera 
documentação e 
libera empréstimo
Aprovado
Não Aprovado
1
2
3
4
6
5
Vendas Análise de crédito Superintendência Processamento Tempo decorrido
1 dia
5 dias
10 dias
 
almente é muito fácil realizar essa marcação pois praticamente 
qualquer smartphone pode ser rastreado por GPS. Existem, in-
clusive, vários aplicativos que já mostram o caminho do celular 
no mapa (como aqueles aplicativos de corridas e caminhadas). 
• Ligar as marcações e desenhar no mapa as linhas de fluxo. 
Ao olhar para o fluxograma de espaguete da imagem abai-
xo, podemos tomar várias conclusões sobre o processo: 
• Se existem vários cruzamentos entre as linhas, devemos co-
meçar a pensar em alterações no layout ou no processo;
• Se há muito retorno a um ponto, podemos simplificar o pro-
cesso para que todas as atividades sejam realizadas de uma só 
vez (em uma única “passada”);
• Se existem muitas passagens de bastão ou pontos de espera, 
podemos pensar em eliminar possíveis gargalos que possam 
estar acontecendo.
Torre de Controle
Fluxo de funcionários 
para preparação do voo
Cabine de Ferramentas: 
Se está cabine fosse mais 
próxima da aeronave seria 
possível agilizar a preparação.
 
13.1 VSM - Value Stream Map
 Uma outra maneira de se expor um processo é fazer o seu 
VSM, ou Mapeamento do Fluxo de Valor (Value Stream Map). 
Essa ferramenta é utilizada em projetos Lean para a represen-
tação de processos fabris, portanto, caso queira se aprofundar, 
recomendamos nosso curso de Especialista Lean. 
Os principais apontamentos do VSM são:
• Estoques intermediários entre os processos (representados 
pelos triângulos);
• A ordem das atividades;
• O tempo de ciclo das atividades;
• O tempo de set-up das atividades;
• O tempo em que os materiais e peças permanecem parados 
no estoque;
• O tempo total que as matérias-primas demoram para percor-
rer todo o processo de fabricação (o lead time);
• O fluxo de informações de produção;
 Outra fase importante do VSM, é a contagem dos esto-
ques, vide exemplo a seguir. Para processos administrativos, 
deve-se tomar cuidado redobrado pela dificuldade que poderá 
ser encontrada na definição do takt time (tempo de ciclo) e na 
determinação do estoque. Contornados estes empecilhos, o 
VSM pode ser usado sem problemas para processos adminis-
trativos.
 
Tempo de ciclo
Setup
Disponibilidade
Tempo disponível
Tempo de ciclo
Setup
Disponibilidade
Tempo disponível
Tempo de ciclo
Setup
Disponibilidade
Tempo disponível
Tempo de ciclo
Setup
Disponibilidade
Tempo disponível
Tempo de ciclo
Setup
Disponibilidade
Tempo disponível
18400 pçs/mês
12000 “E”
6400 “D”
Bandeja = 20 pçs 2 Turnos
6 semanas
Programação 
diária
Previsão 30/60/90
Pedido diário
Diário
3ª e 5ª
Estamparia
x1
Solda 1
x1
Solda 2
x1
Montagem 1
x1
Expedição
x1
E
4600 D 
2400 E
E
1100 D 
600 E
E
1600 D 
850 E
E
2700 D 
1400 E
PCP
Programação Semanal
5 dias 7,6 dias 2 dias
1s 46s
1,8 dia 2,7 dias
39s 62s
Lead Time = 19,1
Tempo de processo = 148s 
E
Aços São Paulo Montadora São Jorge
13.2 Erros ao se elaborar 
um fluxograma
 Agora vamos falar um pouco sobre os erros mais comuns 
ao se elaborar um fluxograma.
 O primeiro deles é o que já comentamos anteriormente, 
mas sempre é bom lembrar: desprender-se da realidade. É o 
que a imagem a seguir demonstra. 
 No mapeamento e na elaboração do fluxograma, temos 
que mapear como o processo realmente é, não como o proces-
so deveria ser ou então como nós pensamos que ele é, mas sim 
como ele realmente é. 
 Nas fases seguintes, iremos discorrer mais profundamen-
te sobre como o processo poderia ser, depois de usarmos uma 
 
série de ferramentas analíticas para torná-lo mais simples e 
mais eficiente.
14. Análise de Procedimentos
 A análise dos procedimentos nada mais é do que avaliar o 
que as pessoas estão fazendo. 
Algumas estratégias para isso:
• Observação direta (correlacionando com o problema do de-
fine);
• Medição dos tempos (será retomado posteriormente);
• Analisar a “Padronização, Comando e Controle”.
14.1 Observação direta
Erros ao se elaborar um fluxograma
O que o gerente pensa que é:
O que realmente é:
O que deveria ser:
O que poderia ser:
Foque aqui 
durante 
a fase Analyze
Foque aqui 
durante 
a fase Improve
 
 O método da observação direta é o mais rápido de análi-
se. Pode ser feito a partir do “sentimento” do pessoal do pro-
cesso (eles já sabem o que está dando errado). Também pode 
envolver uma coleta de dados.
 Temos que sempre fazer as perguntas relacionadas com 
o Define, ou seja, objetivos e metas, e podemos observar com 
base nos desperdícios do Lean (iremos falar mais sobre isso na 
fase do Analyze).
14.2 Coleta dos Tempos
 Em vários projetos de melhoria, precisamos fazer a cole-
ta dos tempos de um processo. Essa coleta mistura análise de 
procedimentos e de dados. 
 Na prática, coletamos os tempos en-
volvidos na realização de cada atividade, 
em condições controladas. Esses dados 
são coletados tanto para atividades iso-
ladas, quanto para um processo como um 
todo. Geralmente, quando coletamos para 
o todo, também coletamos os tempos de 
espera. Muitas vezes, esses tempos de es-
pera causam dessincronização e proble-
mas gravíssimos.
 
 O VSM baseia-se majoritariamente no entendimento 
dessas métricas de processo.
 
15. Apresentação de 
Resultados do Measure
 
 A apresentação dos resultados do Measure é sempre um 
ponto importante em um projeto de melhoria. Geralmente, 
mostramos os dados cruzando o que descobrimos com as in-
formações de processo. Essa apresentação vem sempre con-
textualizada, indicando o que descobrimos.
 Em outras palavras, elas devem responder às principais 
perguntas que tínhamos na fase do Define (e outras que even-
tualmente apareceram). 
 Devem também dar uma ideia clara do que está aconte-
cendo e dos passos a serem seguidos. 
Segue algumas dicas:
Dica 1: Use gráficos para mostrar a variação natural (eles são 
melhores que tabelas)
 
Dica 2: Contextualize a informação dos gráficos
Dica 3: Faça bom uso do espaço
Dica 4: Faça bom uso das cores e contrastes;
 
16. Resumo do capítulo
 Na fase do Measure, como o próprio nome já diz, vamos 
começar a “medir” nosso processo. Por medir entendemos: co-
letar informações que nos serão úteis no esforço de me-
lhoria.
• Fazer o mapa detalhado do Processo; 
• Determinar os X’s e os Y’s críticos;
• Validar o Sistema de Medição treinamento;
• Desenvolver plano para coletar dados 
• Avaliar o desempenho atual: estabilidade 
e processo capabilidade;• Ajustar o foco do projeto.
As tarefas, suas entradas e saídas, são ilustradas na tabela 
abaixo:
Atividades
Entender o Fluxo de 
informações e 
materiais. Entender 
problemas no fluxo. Ir 
ao Gemba.
Analisar as atividades 
dentro do processo. 
Há erros claros e falta 
de padrão?
Montar o banco de 
dados do projetos ou 
olhar o que já tem. 
Avaliar a 
confiabilidade. 
Estratificar.
Avaliar a frequência e 
a tendência dos dados.
Avaliar a estabilidade 
e a capabilidade do 
processo (o que é 
“natural” dele e se isso 
é bom para o cliente).
Informar os 
stakeholders sobre o 
desempenho atual. 
Nivelar o 
conhecimento.
Ferramentas
SIPOC, VSM, 
Fluxograma
Tempos e Métodos, 
Instruções de Trabalho
Folha de Verificação, 
Dados estruturados
Gráficos de Tendência, 
Pareto, Barras, 
histograma, etc
Gráficos de Controle, 
Análises de 
Capabilidade
Fluxogramas, 
visualização de dados.
Divulgar o 
aprendido
Usar análises 
paramétricas
Análises 
Básicas
Coletar os 
dados
Mapear os 
procedimentos
Mapear os 
processos
C
ap
ít
u
lo
 4
A
na
ly
se
Clique 
para voltar 
ao Índice
 
1. Introdução ao Analyse
 O Analyse é o terceiro passo do roteiro DMAIC. Nele, 
como o próprio nome já diz, vamos analisar o que aprendemos 
durante as etapas de medição e também desenvolvemos mu-
danças sobre o processo, de maneira a melhorar o seu desem-
penho. A grande saída da fase do Analyse são as mudanças de-
senvolvidas. Para chegar lá, iremos explorar 4 estratégias, em 
detalhes:
• A análise crítica do processo;
• O uso de tecnologia;
• O uso da criatividade;
• O uso dos 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 sequ-
ências. Exemplo: Poka-Yokes, Análise de Valor, Eliminação de 
Desperdícios, etc. Já as técnicas de dados visam estabelecer 
um pensamento matemático de causalidade. Exemplos: análi-
se do banco de dados (regressão, etc.) e planejamento de expe-
rimentos. As diferentes técnicas estão exemplificadas na Tabe-
la abaixo: 
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
 Para começar o capítulo, faça a leitura do Estudo de 
Caso do Analyse: Ambulatório Médico de Especialidades, 
presente na pasta do curso.
2. Estratégias e sub 
estratégias para a Mudança
 Até agora estivemos falando na parte do Measure 
como enxergar os processos através do entendimento da 
sequência de suas atividades e das inter-relações entre 
essas atividades. Agora iremos começar a analisar os pro-
cessos através dos dados que eles nos enviam. 
 Essa porta é talvez a grande contribuição do Green 
Belt na análise de melhorias. Aqui, vamos ensinar várias 
ferramentas estatísticas, como os Gráficos de Controle 
e a Análise de Capabilidade. Mas antes, vamos introduzir 
alguns conceitos básicos sobre se trabalhar com dados. 
2.1 As macro estratégias
 As macro estratégias para o desenvolvimento de mu-
danças são definidas na fase Analyse:
• Entender e analisar criticamente o processo atual;
• Usar Tecnologia;
• Usar Criatividade;
• Usar os Conceitos de Mudança.
 
• Análise crítica: a primeira faz uso do pensamento analítico 
crítico. Nesta abordagem adotamos ferramentas que nos per-
mitem enxergar o processo e questionar seus fornecedores, 
insumos, passos, saídas e clientes. É uma análise profunda que 
vai te ajudar a encontrar os pontos que podem causar proble-
mas e eliminá-los;
• Tecnologia: nesta abordagem, procura beneficiar de tecno-
logias já desenvolvidas. É muito comum na área de TI, onde 
uma empresa compra um novo sistema de gerenciamento de 
estoques, por exemplo. Além do sistema em si, vem junto ao 
mesmo todo o conhecimento adquirido pela empresa no de-
senvolvimento daquele processo;
• Criatividade: é um meio de 
escapar dos modelos mentais 
estabelecidos para encontrar 
alternativas. Das quatro catego-
rias, esta é a que menos encon-
tramos nas empresas, quando o 
assunto é melhorar processos. 
E, a causa para isto é que duran-
te a formação do profissional, 
ele dificilmente possui treina-
mento neste assunto. De Bono, 
TRIZ, SIT e outras técnicas im-
portantíssimas para a geração 
de ideias criativas, são muito 
pouco difundidas e estudadas;
 
• Conceitos de Mudanças: processos 
que têm bom desempenho são estru-
turados em bons conceitos. Esses con-
ceitos, se identificados, podem ser uti-
lizados para encontrar boas mudanças. 
Para projetos de melhoria, contamos 
com uma lista de 72 conceitos que fo-
ram muito úteis para gerar mudanças 
que levaram a melhoria. Para conhecê-
-los melhor, recomendamos que bai-
xe nosso e-book “Disseminação de 
Mudanças”.
 Sobre as abordagens, precisamos ponderar que a depen-
dência de coleta e análise de dados varia de técnica para técni-
ca. Para criatividade, por exemplo, você não precisará coletar 
tantos dados, já para a análise crítica, será necessário a coleta 
dos dados e o mapeamento do processo;
 O praticante da atividade de melhorar processos, produ-
tos e serviços deve, com o tempo e com a experiência, procurar 
integrar sistemicamente essas técnicas. Começar pela análise 
crítica ou pelos conceitos de mudança, ajuda a eliminar o “ma-
to-alto” com a adoção de mudanças rápidas e claras. Depois, 
para elevar o desempenho do processo à patamares bastante 
superiores, deve-se recorrer às ferramentas de criatividade 
ou soluções tecnológicas. 
 A Tabela a seguir, apresenta a relação entre a análise crí-
tica e que tipo de ferramenta é recomendado. 
 
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
 É importante lembrar que o objetivo de todas essas ferra-
mentas é de gerar mudanças que vão se tornar melhoria.
2.2 Os tipos de mudança
 Depois de analisarmos os tipos de mudanças, podemos 
classificá-las em duas categorias:
• Primeira Ordem: são aquelas necessárias para manter a em-
presa em funcionamento no dia a dia. São mudanças necessá-
rias para manter o nível de desempenho da organização e para 
resolver os problemas que vão aparecendo no dia a dia. Um 
exemplo que gosto muito é o pneu do carro. Para mim, mudan-
ça de primeira ordem é trocar o seu pneu furado. Como carac-
terística, podemos pontuar que são realizadas rotineiramen-
 
te, devolvem o sistema a condição anterior, dá uma alívio de 
curto prazo (quem já teve um pneu furado na estrada, sabe o 
alívio que temos ao trocá-lo e voltarmos à rodovia) e mostramao cliente que o problema foi resolvido. Como disse, provoca a 
sensação de “tudo voltou ao normal”.
• Segunda Ordem: são aquelas mudanças necessárias para 
prevenir problemas e elevar o desempenho do sistema a pa-
tamares superiores. São aquelas mudanças necessárias para 
batermos as metas. Geralmente, elas resultam na criação de 
um novo processo ou na modificação de um processo existen-
te. Assim, alteram como o sistema funciona e como as pessoas 
trabalham, possibilitando que os indicadores de desempenho 
da organização sejam afetados positivamente. 
 Comparando as mudanças 
de primeira e segunda ordem na 
Tabela a seguir, fica claro a pre-
ferência que temos de que toda 
organização faça mais mudanças 
de segunda ordem do que de pri-
meira. Afinal, a melhoria só é al-
cançada por meio delas. Porém, 
em muitas empresas pudemos 
observar o contrário. Pelo seu efeito de curto prazo, muitas or-
ganizações acabam preferindo virar seu foco para “apagar os 
incêndios” e acabam deixando de lado a eliminação dos riscos 
para que eles não aconteçam. São tantos incêndios ocorren-
do simultaneamente, que todos os recursos são drenados para 
combatê-los, criando um ciclo vicioso.
 
Categorias
1ª Ordem 2ª Ordem
Sistema Não é alterado É alterado
Percepção do cliente Solução do problema Melhoria
Prazo Imediato, curto Médio, longo
 Diante dessas categorias, recomendamos fortemente 
que antes de focar apenas nas mudanças de primeira ordem, 
você se pergunte: qual é a possível causa deste problema? 
Como alterar o sistema para que a haja uma melhoria, uma 
mudanças positiva e duradoura no indicador que tenho que 
atuar? Pensando assim, haverá uma contribuição muito maior 
à organização do que agir apenas como bombeiro. 
 Para adotar esta postura, você deve ser forte. Haverá 
muita resistência e a liderança poderá cobrá-lo para resolver 
o problema urgente. Faça isto, mas não mude para a próximo 
urgência antes de mudar o sistema para que este incêndio não 
mais ocorra. 
Para ajudá-lo no convencimento do time, pergunte: 
• Quanto tempo passamos agregando valor ao cliente (produ-
zindo)?
• Quanto tempo passamos realizando mudanças de segunda 
ordem (melhorias)?
 
• Quanto tempo passamos realizando mudanças de primeira 
ordem (incêndios)?
 Tipicamente, passamos muito mais tempo nos incêndios 
do que agregando valor ou melhorando a empresa. Diante dis-
to, pergunto: qual é o futuro de nossa organização se continu-
armos assim? E, se mudarmos esta proporção? É possível sen-
tirmos um impacto nos nossos indicadores? 
 Agora, vamos para as abordagens de mudanças que você 
poderão adotar para criarem suas mudanças de segunda or-
dem e elevarem a organização a patamares elevados.
3. Ferramentas para entender 
a causa de problemas
 É normal sempre identificarmos alguns problemas críti-
cos em nosso mapeamento. Por exemplo:
• Reclamações de clientes;
• Riscos à saúde de pacientes;
• Problemas de Qualidade;
• Eventos inesperados;
 Uma boa estratégia para buscar melhorias de segunda 
ordem é analisar estes pontos mais a fundo. Duas ferramen-
tas clássicas nos ajudam a fazer isso é o Diagrama de Ishikawa 
(ou diagrama de Causa e Efeito) e a ferramenta dos 5 Porquês, 
apresentados nos próximos tópicos.
 
3.1 O Diagrama de Ishikawa
 É um diagrama que nos ajuda a identificar causas específi-
cas que explicam 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, or-
ganizar conhecimento e disseminar informação. A sua forma, 
vista na imagem abaixo é boa para identificar causas potenciais 
de determinado problema ou oportunidade de melhoria que 
necessite de resposta de forma gráfica e sintética para melhor 
visualização. 
 Também é conhecido outros nomes como: Diagrama de 
Causa e Efeito; Gráfico de Ishikawa; Diagrama 6M; e Diagra-
ma Espinha de Peixe.
 
Você pode utilizar o Diagrama para:
• Analisar defeitos e insatisfações do cliente, buscando suas 
causas: o cliente reclamou de algum problema ou defeito num 
produto ou serviço adquirido por ele;
• Fornecer uma metodologia inicial 
para análise de um fenômeno, de-
feito ou oportunidade de melhoria: 
é uma primeira abordagem para 
entender algum efeito de forma 
qualitativa;
• Guiar o brainstorming para entendimento de um problema: 
as discussões são direcionadas para um determinado efeito, 
não se tornam reuniões vazias;
• Identificar possíveis ações para se resolver um problema ou 
eliminar um evento negativo: gerar ideias e propor planos de 
ação, não ficar apenas na teoria;
• Analisar criticamente o processo na fase Analyze do roteiro 
DMAIC em Projetos de Melhoria. No Define são fixados os ob-
jetivos do projeto de melhoria, no Measure são feitas a coleta 
e a análise dos dados para compreender como está o compor-
tamento atual do processo em questão. Na fase Analyze o Dia-
grama de Causa e Efeito é uma das ferramentas de análise crí-
tica do processo. As principais saídas são planos de ação para 
desenvolvimento de mudanças que ocorrerão no Improve e 
serão monitoradas no Control.
 
Exemplo de diagrama para hóspedes insatisfeitos: 
 O diagrama Ishikawa pode ser feito no Excel e Minitab. 
Manter o diagrama como arquivo digital é importante para a 
gestão do conhecimento. Assim, não se perde o estudo realiza-
do que poderá ser consultado sempre que for preciso.
 O exemplo acima representa um processo de identificar 
as causas que deixam os hóspedes insatisfeitos em um hotel. 
Na figura, a estratificação das causas foi em recepção, aparta-
mento, restaurante e comodidade, porém o problema pode ser 
desenvolvido de acordo com o brainstorming da equipe que 
esteja elaborando o diagrama.
3.1.1 Fases do 
Diagrama de Ishikawa
 A utilização do Diagrama de Ishikawa é dividida em 5 fa-
ses apresentadas na Tabela a seguir:
HOSPEDES
INSATISFEITOS
APARTAMENTORECEPÇÃO
RESTAURANTECOMODIDADES
Ocupado
Fumante
TV quebrada
Limpeza
Frio
Vista ruim
Janela
Exaustores
Cortina
Cobertores
Toalhas
Alarme
Água quente
Refeição
Serviço de Quarto
Sem Café da manhã
Fria
Pouca
Variedade
Horário ruim
Lento
Sem estacionamento
Acesso difícil
Chave errada
Bagagem 
perdida
Atendimento 
Lento
Fumante/Não fumante
Reserva
Datas
Campainha
Computador
Exemplo 
Hotel
 
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
• Defina o seu efeito: é a fase em que é definido o defeito e 
seu contexto através da coleta de informação. A saída será o 
preenchimento do efeito no diagrama (preencher efeito);
• Defina a metodologia de início da discussão: definir como 
o efeito será abordado. O facilitador deve chegar com as cau-
sas definidas para evitar debates desnecessários. A saída é o 
preenchimento da causa no diagrama (preencher causa);
• Colete as sub causas prováveis: é a fase de geração de sub-
causas através do brainstorming. Quanto mais sub causas pro-
váveis, mais rica será a proposição de ações corretivas (preen-
cher subcausas);
• Revise o diagrama: combine subcausas,obtenha dados 
confiáveis, faça experimentos para saber quais causas são pro-
váveis, priorize causas para atacar;
• Proponha ações corretivas: aprofunde-se nas causas prio-
rizadas, proponha ações corretivas e execute-as.
 
3.1.2 Vantagens do 
Diagrama de Ishikawa
A utilização do Diagrama de Ishikawa é 
vantajosa por: 
• Ajudar a enfocar o aperfeiçoamen-
to do processo: isso acontece por que 
a ferramenta pode ser utilizada para 
fazer a análise crítica do processo e 
propor ações de melhoria;
• Registrar visualmente as causas potenciais que podem 
ser revistas e atualizadas: é uma técnica simples, visível e 
que pode ser modificada a qualquer tempo;
• Prover uma estrutura para o brainstorming: as ideias são 
categorizadas e sintetizadas, o que facilita no entendimento 
do problema e na proposição de ações;
• Envolver todos: por ser de fácil entendimento não exclui 
nenhum nível hierárquico ou função, todos podem participar 
positivamente;
• Reduzir a tendência de encontrar uma única causa para 
um problema: as diferentes perspectivas proporcionadas 
pela equipe no brainstorming ajuda a enxergar que o problema 
pode ter diferentes causas e que se todas forem solucionadas 
conjuntamente, a chance dele voltar a ocorrer é muito peque-
na.
 
3.1.3 Pontos de atenção ao 
elaborar o Diagrama de Ishikawa
Para utilizar o Diagrama de Ishikawa alguns 
pontos devem estar em atenção:
• Não deixe o brainstorming virar bate-
-papo: controle a equipe para que as dis-
cussões mantenham o foco de resolver o 
problema;
• Não se “apaixone” por uma causa: não dê mais importância 
a uma causa do que a outras, geralmente os problemas ocor-
rem pela junção de vários fatores ou várias causas;
• Cuidado com a escolha dos participantes da equipe: es-
colha pessoas que realmente vão contribuir com as discussões. 
Tome cuidado com pessoas que possam enviesar a discussão, 
por exemplo, um superior intimidador. A tendência é que to-
dos sempre concordem com ele e isso irá empobrecer as dis-
cussões. Também podem haver diferenças pessoais entre os 
membros, o que ocasionará discordâncias infundadas e irra-
cionais. Caso essas situações existam, uma sugestão é utilizar 
o brainstorming visual, que consiste em anotações individuais 
em papel que são mostradas ao mesmo tempo pela equipe. As-
sim, todos podem contribuir sem intimidações e inimizades.
• Cuidado com causas pouco prováveis: no brainstorming 
quanto mais idéias surgirem melhor. Isso não significa que to-
das as ideias serão aproveitadas. Quando revisar o Diagrama 
tenha em mente que algumas causas podem ser pouco pro-
 
váveis e podem estar ali só para te atrapalhar a encontrar as 
verdadeiras causas do problema;
• Confirme as causas antes de elaborar e executar os pla-
nos de ação: para ter certeza de que uma causa é realmente 
provável faça testes e experimentos. A comprovação com da-
dos é sempre melhor e evita que você perca tempo e dinheiro 
direcionando seus esforços para causas pouco prováveis que 
não irão solucionar o problema.
3.2 Os 5 porquês
 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 ca-
pacidade da operação na realização de Kaizens.
 Apesar de ser uma técnica poderosa, precisamos tomar 
cuidado com alguns pontos. São eles: 
• Tendência de parar nos sintomas ao invés de aprofundar 
no nível de causas;
• Incapacidade de ir além do conhecimento atual do in-
vestigador: não é possível encontrar as causas que ainda não 
são conhecidas.
• Falta de apoio para ajudar o investigador a fazer o “por-
quê” correto;
 
• Os resultados não são repetíveis: pessoas diferentes, uti-
lizando os 5 porquês chegam a diferentes causas para o mes-
mo problema.
• Tendência de isolar uma causa única, enquanto que cada 
pergunta pode suscitar muitas causas diferentes.
 Ao usar o “Por que?” atente para o fato de que a resposta 
em cada estágio corresponde a um determinado nível de en-
tendimento do problema. E, para aumentar o entendimento, 
são necessários investigações e testes. 
 Para o preenchimento da técnicas de, assim como visto 
na Tabela acima, é preciso conhecer o processo. Não deve ser 
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.Nível de entendimento de um problema Nível da mudança correspondente
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).
 
um exercícios de chute. Para cada nível de entendimento do 
problema há uma mudança correspondente.
3.2.1 Relatório de 
Não Conformidade
 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. 
O culpado pela má utilização dos 5 porquês: muitas vezes, 
por motivo de prazo ou desinformação, as pessoas preen-
chem 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.
3.3 Ferramentas para 
entendimento e melhoria do fluxo
 No mapeamento, também podemos ter problemas de flu-
xo. Por exemplo:
• Processos redundantes;
• Etapas que não são necessárias;
 
• Etapas difíceis de serem feitas;
• Desconexões.
 Algumas ferramentas nos ajudam a, a partir de um fluxo-
grama, 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.
4. Desconexões
 Uma desconexão é um desvio, erro ou disrupção em um 
fluxo de trabalho, que impede o alcance de uma situação dese-
jada. São como fios soltos em um processo. Podem acontecer 
nas saídas, entradas e nas próprias atividades do processo, as-
sim como exemplificado na tabela abaixo:
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?
 
 Asdesconexões são encontradas no mapeamento do pro-
cesso. 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.
4.1 Como tratar as desconexões
 As desconexões e/ou oportunidades de melhorias identi-
ficadas durante o mapeamento do processo e suas respectivas 
sugestões de implantação, se surgirem, devem ser registradas 
numa Planilha de Desconexões, que está exemplificada na Ta-
abaixo. As sugestões desta planilha, será o seu plano de ataque 
as desconexões do processo que está analisando. 
Plano de ataque às desconexões
Desconexão Sugestão
 
 Além disso, deve-se marcar no 
mapa do processo o ponto em que essa 
desconexão foi identificada, colocando 
uma identificação para ela num círcu-
lo, referenciando essa identificação na 
planilha, na frente de sua descrição. 
Caso alguma desconexão identificada 
possa ser alvo de um esforço de me-
lhoria imediato, identificar na planilha 
a pessoa ou grupo que ficará responsá-
vel por essa ação.
 Um estudo mais detalhado das desconexões também é 
recomendado e pode ser realizado da seguinte por meio de 6 
passos:
• Classificar as desconexões por tipo (exemplos: espaço físico, 
equipamentos, capacitação técnica, estrutura organizacional, 
normas e procedimentos, sistemas de informação, recursos fi-
nanceiros etc)
• Coletar dados que evidenciem os maiores focos de necessi-
dade de atuação no processo.
• Identificar as desconexões que tem maior impacto no alcance 
dos objetivos estratégicos e no atendimento das necessidades 
dos clientes. Essas desconexões serão base para priorização 
das melhorias.
• Identificar quais desconexões dependem exclusivamente do 
processo e quais dependem de outros processos para serem 
resolvidas.
 
• Analisar as causas dos “fios desligados” ou seja, das princi-
pais desconexões. 
• Algumas causas já são conhecidas. Outras exigem o uso de 
ferramentas apropriadas que serão vistas em mais adiantes, 
em outras disciplinas. Entre estas ferramentas, pode-se des-
tacar o VSM, que mostra o fluxo de valor e o fluxo de informa-
ções numa só folha.
5. 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 va-
lor 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 quais são e tentar mu-
dar essa realidade.
Toda análise de valor parte dos passos:
1. Saiba o que é valor para o seu cliente (interno e externo) – 
Isso vem do Measure e do Define.
2. Descubra, no detalhe, o que está acontecendo – este é o 
mapeamento de processos do Measure.
3. Critique as atividades sendo realizadas. Classifique-as.
4. Tome ações para mudar o que está acontecendo.
 
 A imagem abaixo mostra uma árvore de decisão que ajuda 
a identificar as atividades que agregam ou não valor.
 No caso, as atividades que não agregam valor (NAV) às 
vezes são necessárias e por isso não podem ser descartadas.
5.1 Exercício - Análise de Valor
 A proposta do exercício é classificar cada passo do pro-
cesso como AV ou NAV. Caso alguma das opções não agregue 
valor, o objetivo é propor um novo fluxo contendo somente as 
atividades que agregam valor. 
Exemplo: 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. As 
fases desse processo são listadas:
1. Funcionário liga p/ setor de transportes para verificar a dis-
ponibilidade de carro da empresa na data; 
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
 
2. Se sim, funcionário pede para reservar carro da frota, infor-
mando 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 assi-
nar;
 
5. Funcionário espera retorno da solicitação carimbada e assi-
nada; 
6. Funcionário envia solicitação para transportes;
7. Funcionário liga para transportes para informar que foi en-
viada a solicitação;
8. Transportes espera chegada da solicitação;
9. Transportes providência o carro (da empresa ou alugado) 
para 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 ti-
cket combustível;
12. Funcionário pega o carro.
Na resolução, entre todas as atividades, apenas a última agre-
ga valor. Algumas das fases são desnecessárias (como a confir-
mação redundante por mais de uma maneira). A solução é tirar 
essas fases para encurtar o processo, por exemplo, as fases de 
preenchimento de formulário de papel e o carimbo do supe-
rior.
 
6. Os sete desperdícios
 Um dos maiores objetivos do Lean é eliminar desperdícios 
do processo produtivo. Mas, o que são desperdícios? 
 Desperdício é toda a atividade que consome energia e re-
cursos sem agregar valor ao cliente, ou seja, aquilo que faze-
mos mas que o cliente não está disposto a pagar. Tudo a ver 
com análise de valor!
 Identificar os desperdícios pode parecer uma tarefa fácil, 
entretanto encontrar essas atividades pode ser difícil. Pensan-
do nisso, vários autores experientes na prática do Lean listaram 
sete desperdícios visuais, que podem ser facilmente identifica-
dos e quantificados em uma visita ao Gemba (chão de fábrica). 
A classificação abaixo mostra cada um dos desperdícios:
1
2
7
6
5
4
3
Superprodução (excesso de quantidade)
Espera
Transporte (de material)
Movimentação (de pessoal)
Inventário (estoque)
Defeitos
Superprocessamento (excesso de funcionalidade)
 
 As imagens abaixo mostram alguns exemplos de desper-
dícios e como eles são visuais e podem ser identificados por 
um bom observador. 
7. 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 ser-
viu 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 ma-
peamento e pensar:
 
• O que pode ser Eliminado?
• O que pode ser Combinado?
• O que pode ser Reduzido?
• O que pode ser Simplificado?
A Tabela abaixo apresenta exemplos que 
geralmente aparecem na vida real:
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 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;
 
8. Processos à prova de erros
 Erros frequentemente são apontados em um mapeamen-
to de processos. Exemplos são:
• Erros de operação;
• Erros de montagem/posicionamento;
• Esquecimentos;
As ferramentas que mais nos ajudam a entender estes erros e 
evitá-los são os Poka-Yokes.
8.1 Poka-Yoke
Vocês já viram arranjos como os da imagens abaixo? 
 Esses tipos de erros acontecem frequentemente na vida 
real. Operações arriscadas, como trabalho em altura e utiliza-
ção de extensões, são tarefas complexas e que mais frequen-
tementetendem a causar problemas. Se deparar com uma 
arranjo deste tipo da figura, hoje, são mais incomuns, porém 
 
ainda acontecem. A solução é prevenir essas situações antes 
que aconteçam.
 Poka-Yoke significa à prova de erros ou de falhas. O 
objetivo é eliminar ou prevenir não conformidades de proces-
so utilizando dispositivos ou sensores e assegurar que os mes-
mos estejam funcionando adequadamente.
 Por mais treinado que alguém esteja, um ser humano 
sempre vai errar. Essa é a motivação por trás dos sistemas 
Poka-Yokes. Com eles, podemos reduzir os erros reprojetando 
o sistema, para fazer com que os erros sejam menos prováveis. 
E, este tipo de projeto ou reprojeto é chamado de “à prova de 
erros”. Uma vez que os erros são predominantemente deslizes 
do subconsciente, “à prova de erros” é apropriada para a redu-
ção da probabilidade destes deslizes, ao invés de mudanças no 
comportamento consciente. 
 Não podemos eliminar defeitos, erros e falhas, apenas 
fazendo exortações ou colocando inúmeros cartazes pela em-
presa. Os cartazes não vão reduzir seus erros e suas falhas, 
porque duvido que haja pessoas que queiram errar. Para mim, 
é o processo que facilita o erro. É isto que o Poka Yoke ataca. 
Quando o adotamos esta postura, podemos esperar al-
guns benefícios. São eles:
• Melhorar a qualidade (reduzir PPM e refugo);
• Tornar o processo mais fácil e capaz;
• Identificar na linha os dispositivos a Prova de Erros;
• Desenvolver ideias de dispositivos a Prova de Erros;
 
 • Aumentar a Segurança no local de trabalho;
• Manter métodos de produção e inventário enxutos;
• Reduzir custos;
• Manter a satisfação do cliente.
8.1 Tipos de Poka-Yoke
 Tornar fácil fazer certo e impossível fazer errado. Com 
Poka-Yoke, podemos reduzir os erros reprojetando o sistema, 
para fazer com que os erros sejam menos prováveis. Este tipo 
de projeto ou reprojeto é chamado de “à prova de erros”. Exis-
tem dois tipos de reprojetos:
Preventivo (Error Proof): Elimina a possibilidade de ocorrên-
cia da falha ou defeito específico, através do projeto. 
Exemplos: 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.
Detectivo (Mistake Proof): Detecta a falha ou defeito, caso 
ocorra, e previne que a não-conformidade continue no proces-
so. 
Exemplos: 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 veí-
culo desligado. 
 
8.2 Métodos
 O Poka-Yoke pode ser implementado em qualquer etapa 
de um processo de fabricação em que algo possa dar errado ou 
ocorrer um erro. A imagem abaixo apresenta algumas estraté-
gias de implementação.
Lembretes: muitos erros são cometidos pelo esquecimento 
de fazer algo. Os lembretes auxiliam a recordação. Eles podem 
vir de muitas formas diferentes;
 Um aviso escrito, uma chamada telefônica, um checklist 
das coisas a realizar, um alarme, um formulário padrão ou a 
documentação das etapas a serem seguidas em um processo. 
Os lembretes são simples de fazer e fáceis de usar, mas exi-
gem esforços conscientes para serem efetivos. Uma maneira 
de reduzir a necessidade do esforço consciente, é cadastrar 
seus lembretes nos aplicativos de celular e assim, forçar eles à 
avisá-los. Visualmente os lembretes são como os exemplos da 
imagem a seguir.
LLeemmbbrreetteess DDiiffeerreenncciiaaççõõeess
RReessttrriiççõõeess EExxiibbiiççõõeess
 
Diferenciações: os erros podem ocorrer quando estamos li-
dando com coisas que parecem similares, ou realizando ações 
forem similares ou porque as instruções ou procedimentos são 
similares a outros que podemos ter usado em outra situação. 
Para reduzir os erros, devem ser adotadas etapas para ‘que-
brar’ os padrões. Isto pode ser conseguido de diversas manei-
ras como código de cores, índices, uso de símbolos diferentes 
ou separação física de itens similares. Dois exemplos são ilus-
trados nas imagens abaixo:
 
Restrições: uma restrição delimita o desempenho de certas 
ações que conduzem a erros. Ter de remover o cartão do ban-
co no caixa eletrônico, assim como visto na imagem abaixo, an-
tes do dinheiro ser liberado é um exemplo de restrição. Restri-
ção de montagem de diferentes tipos de engates de tubulação 
médica, também ilustrado abaixo, é outro exemplo.
 A restrição é o método mais desejável de “à prova de er-
ros” porque normalmente não requer um comportamento 
consciente para ser efetiva na redução de erros. Um atributo 
importante de uma restrição efetiva é que a restrição delimita 
a ação indesejável enquanto não impede a ação desejável.
Exibições: uma obviedade fornece previsibilidade, sem a ne-
cessidade de explicações de como alguma coisa deva ser usa-
da. Uma coisa óbvia traz uma incitação visual (ou de outro sen-
 
tido) para as ações que devam ser realizadas. Ao vermos as 
dobradiças de uma porta, estamos aptos a determinar se ela 
abre para dentro, para fora ou se desliza. Se um processo ou 
produto pode ser projetado para levar o usuário a realizar as 
ações corretas, então menos erros ocorrerão.
 Os exemplos abaixo também são muito visuais. As cores 
exibidas nas latas de lixo mostram os tipos de resíduos que são 
destinados alí, assim é possível diminuir o número de lixos jo-
gados no lugar errado. Ao fazer um estoque por exemplo, tam-
bém é possível usar um contador que monitore a quantidade 
de itens ainda presentes.
9. Uso da Tecnologia
 Define-se tecnologia como a ciência de aplicação prática, 
incluindo equipamentos, materiais, sistemas de informação 
e métodos. Tecnologia pode ser usada para gerar mudanças 
 
de segunda ordem. Por exemplo, uma empresa de distribuição 
pode tentar uma mudança que usa automação para pegar e 
empacotar pedidos. Se aplicadas corretamente, as novas tec-
nologias oferecem às organizações a oportunidade de imple-
mentar grandes melhorias simplesmente aplicando aquilo que 
os outros têm desenvolvido. De qualquer forma, grande quan-
tia de dinheiro e tempo são necessários para fazer acontecer 
uma mudança que envolva tecnologia especialmente numa in-
dústria capitalista como a de manufatura. Em algumas situa-
ções, a mudança pode nem mesmo resultar em melhoria.
 Usar a tecnologia é ter aplicação 
prática da ciência, incluindo equipa-
mentos, materiais, sistemas de infor-
mação e métodos). Alguns aspectos:
• Se bem empregadas, dão à empresa 
a oportunidade de grandes melhorias, 
aplicando o que os outros já desenvol-
veram;
• Requerem dinheiro e tempo;
• É necessário testar em pequena escala 
para minimizar o risco;
• Como toda mudanças, sofrerá resistência das pessoas;
• É necessário ter plano de transição do velho para o novo.
Lembrete: Tecnologia não compensa erros de processo. Para 
se ter vantagens com as novas tecnologias, os processos que 
representam conquistas tecnológicas relevantes dentro da or-
 
ganização deveriam ser colocados juntamente com os proces-
sos que trazem benefícios tecnológicos. Em certas situações, 
uma organização pode também conseguir se envolver duran-
te os primeiros estágios do desenvolvimento de novas tecno-
logias. Isso pode ser feito pelo estabelecimento de parcerias 
com outras organizações ou permitindo aos desenvolvedores 
testarem a tecnologia na sua própria organização.
Cuidados nas mudanças que envolvem tecnologia:
• Não automatize um sistema ruim: erros ocorrerão 
mais rápido e custo serão mais altos;
• Reserve soluções tecnológicas para melhorar sistemas 
estáveis em vez de solucionar causas especiais;
• Concentre as mudanças nos gargalos;
• Uma tecnologia não confiável é pior que 
nenhuma tecnologia.
 As organizações poderiam de-
terminar os modos de testar novas 
tecnologias em pequena escala, o 
que deve ajudar a reduzir o risco 
em trazê-las para a organização. 
Alugar ou fazer “leasing” de novos 
equipamentos,comprar pequenos 
lotes de novos materiais e utilizar 
novos remédios em animais antes 
das pessoas, são exemplos de cami-
nhos para testar novas tecnologias.
 Assim como qualquer outra mudança, o uso de novas tec-
 
nologias enfrentará resistência e outros problemas. Algumas 
pessoas encontrarão dificuldade em ter que mudar para usar 
novas tecnologias. Quando os computadores começaram a ser 
usados, algumas pessoas se sentiam mais confortáveis usando 
a máquina de escrever e os arquivos em pastas. Geralmente 
não é fornecido um treinamento adequado. Às vezes, quando 
é fornecido, pessoas arrumam uma desculpa para evitá-los. 
Para diminuir estes problemas, a gerência deveria ter um pla-
nejamento para ajudar estas pessoas na transição do uso de 
novas tecnologias.
10. Uso da criatividade
 Falando de uma forma simplificada, criatividade é a inven-
ção de uma nova ideia. De onde vêm as novas ideias? Como fa-
zer para conseguir mais ideias criativas? O modo que a mente 
humana trabalha é bem apropriado para produzir novas ideias 
– por ser criativa. Isso significa que a criatividade não é pri-
vilégio de algumas pessoas, mas é uma capacidade que todos 
possuem. 
 Usar a criatividade é aplicar técnicas para quebrarmos 
nossos modelos mentais. O resultado pode ser achado por di-
ferentes lógicas, assim como visto na imagem a seguir. Existem 
algumas técnicas que nos ajuda a fazer isso, como o Pensa-
mento lateral, Método Ingenious, SIT - Systematic Innovati-
ve Thinking e Método TRIZ. Todos esses são abordados no 
curso de Criatividade da FM2S.
 
Possíveis Mudanças
Resultado:
Novas ideias de mudança
Conhecimento atual
 Uma ideia promissora pode ser esmagada antes que te-
nha a chance de ser aperfeiçoada em uma mudança que resul-
taria em melhoria. Uma pessoa pode facilmente imaginar as 
objeções lógicas que surgiram de outros. Exemplo: é comum 
que em reuniões do departamento de distribuição, alguém su-
gira preparar remessas antecipadas. Se Paulo, como Supervi-
sor, não apoiar essas ideias, o risco de perdê-las é grande. Para 
conquistar a criatividade, é necessário reconhecer e utilizar di-
ferentes modos de pensamento:
• Pensamento Criativo, que resulta em novas ideias e possibi-
lidades;
• Pensamento Positivo Lógico, que se refere a como fazer uma 
nova ideia funcionar;
• Pensamento Negativo Lógico (Crítico), que é focalizado em 
encontrar falhas lógicas numa nova ideia.
 
 Todos os três modos de pensamento são importantes e 
têm um papel importante nas mudanças criativas que resultem 
em melhoria. Sem pensamento criativo, há risco de mudan-
ças “mais do mesmo” (as mesmas coisas). Sem o pensamen-
to positivo lógico, bons conceitos para mudança não resultarão 
em mudanças práticas, mudanças que funcionem para o siste-
ma. Pensamento crítico é necessário para fazer vir à tona os 
problemas. Como discutido anteriormente, pensamento críti-
co é útil para revisar o sistema atual. É também particularmen-
te útil durante o projeto de um teste para uma mudança. Quais 
poderiam ser os efeitos ne-
gativos da mudança? Como 
pode a mudança ser testada 
nas condições que poderiam 
acontecer estes potenciais 
efeitos negativos? Pensa-
mento lógico positivo ajudará 
a desenvolver métodos para 
superar essas dificuldades.
 Estes três modos de pen-
samento devem ser reco-
nhecidos e gerenciados por 
equipes que estejam desenvolvendo mudanças. É geralmente 
melhor para um grupo comprometer-se com um tipo de pensa-
mento por vez. Quando novas ideias para mudança estão sen-
do desenvolvidas, pensamento positivo lógico e criativo deve-
ria ser usado. Isso permite que o pensamento lógico melhore o 
pensamento criativo em vez de reprimi-lo.
 
11. Benchmarking, 
Conceitos de Mudança
 O Benchmarking é uma ótima estratégia para se reali-
zar mudanças. Nas ferramentas de busca da internet, ben-
chmarking está definido como o “processo de avaliação da em-
presa em relação à concorrência, por meio do qual incorpora 
os melhores desempenhos de outras firmas e/ou aperfeiçoa os 
seus próprios métodos”. Em seu sentido literal significa “nive-
lar”, ou seja, o objetivo é beneficiar o desempenho competitivo.
Exemplo: Para ajudar equipes de melhoria, a API (Associates 
for Process Improvement) 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 es-
tas mudanças. Esse material está presente no E-book Concei-
tos de Mudanças.
Outro meio de desenvolver mudanças é com os Conceitos de 
Mudança. Se um conceito é uma noção geral que está envolvida 
com uma ideia específica, o que significa Conceitos de Mudan-
ça? Um Conceito de Mudança é uma noção geral útil no desen-
volvimento específico de ideias para mudança, que resultem 
em melhorias.
 Como usar os Conceitos de Mudança? As atividades lis-
tadas a seguir são maneiras de provocar ideias específicas para 
 
as mudanças desejadas.
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
Para gerir uma ideia de mudança:
• Qual a noção geral associada a ela?
• Qual conceito de mudança está associado?
• Use outros conceitos do mesmo grupo para explorar a gera-
ção de novas ideias.
 Exemplos detalhados da aplicação destes conceitos, bem 
como as descrições dos próprios conceitos podem ser encon-
trados em nosso material complementar: “Usando os Concei-
tos de Mudança”, disponibilizados no material do curso.
 
12. Correlação: 
associação entre variáveis
 Nos próximos tópicos entraremos na Porta de Dados na 
fase Analyse.
 A relação entre variáveis tem por base ajudar a encontrar 
quais são as causas, em termos de fatores, que estão levando-o 
a obter o resultado atual. A causa para um “não venda”, pode 
ser uma distorção no tempo de ligação depois que o cliente ma-
nifesta o interesse na compra. Ou ainda, no preço cobrado ao 
interessado. Com a análise de relação, será possível entender 
qual é ou quais são as variáveis que, se alteradas, vão melhorar 
seu resultado. Pela sua importância, vamos abordar a seguir 
várias técnicas estatísticas para que você consiga entender a 
relação entre a variável de interesse e as variáveis que influen-
ciam no seu comportamento.
 A imagem abaixo apresenta as variáveis causais e o resul-
tado interessado.
Fornecedores
(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)
 
12.2 Como fazer correlação
 Após separar as variáveis, identifique a técnica a ser utili-
zada na Tabela abaixo:
 Após definir qual o tipo de variável, deve-se escolher qual 
técnica estatística será utilizada para analisar a relação dos 
dados. De acordo com a tabela, é possível encontrar as técni-
cas disponíveis para analisar a relação entre X e Y numéricas, 
X numérica e Y categórica, X e Y categóricas e X categórica e 
Y numérica. A complexidade das técnicas utilizadas também 
variam. Muitas vezes, técnicas simples e visuais resolverão 
o problema. Outras vezes, será necessário um refinamento 
maior das análises utilizadas. 
 A seguir, iremos explorar essas análises e comentar sobre 
as ferramentas propostas.
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
 
13. Correlação entre 
variáveis numéricas
13.1 Gráficos de Dispersão
 O Gráfico de Dispersão é um tipo de análise de correlação 
para variáveis contínuas. São gráficos que plotamde maneira 
cartesiana um conjunto de variáveis, de maneira a buscar cor-
relações entre duas ou mais variáveis. Para a sua confecção, 
temos que ter duas variáveis contínuas em colunas separadas 
de um banco de dados. 
 São extremamente simples, mas extremamente impor-
tantes. O exemplo abaixo ilustra a sua construção entre a altu-
ra e o peso de um grupo qualquer.
 
13.1.1 Quando usar 
Gráficos de Dispersão
 Os gráficos de dispersão são usados para examinar a asso-
ciação entre duas medidas. As medidas podem ser caracterís-
ticas de qualidade, medidas de processo ou variáveis causais. 
Eles foram o embrião de toda a estatística de correlação, como 
as famosas análises de regressão e outras análises multivaria-
das. Exemplos clássicos são mostrados abaixo. 
 O gráfico é utilizado basicamente para poder verificar se 
as duas variáveis estão realmente relacionadas e se há alguma 
relação de causa e efeito.
13.1.2 Como interpretar os 
Gráficos de Dispersão
 
 Há vários tipos de associações entre parâmetros que po-
dem ser demonstradas pelo gráfico de dispersão. A relação 
pode ser positiva ou negativa (quando um cresce o outro de-
cresce), fraca ou forte, linear ou não linear, assim como visto 
abaixo.
 A relação entre os parâmetros pode ser não linear. Nes-
se caso os pontos se pareceriam mais com uma curva do que 
com uma linha reta, com máximos e mínimos evidentes no grá-
fico. A fim de simplificar a interpretação, o gráfico de dispersão 
pode ser dividido em seções, baseado na relação ser positiva 
ou negativa, e visto como linear dentro de cada seção. Na figu-
ra, nota-se que nas correlações fortes, os pontos das amostras 
estão mais perto entre si. Já na fraca, é possível notar a linha 
de correlação mas com menos nitidez. 
 Se existir uma associação entre uma característica de qua-
lidade e uma variável causal, isso não significa que exista ne-
 
cessariamente uma relação de causa e efeito. A relação pode 
ser devida a outro parâmetro que esteja associado a cada um 
dos parâmetros estudados. Se não existir nenhuma associação 
em um gráfico de dispersão, isso não significa que os dois pa-
râmetros não estejam relacionados. É possível que uma causa 
comum ou que uma causa especial de variação esteja masca-
rando a associação para a amplitude de dados estudada. Em 
alguns casos um simples teste de associação entre as variáveis 
no gráfico de dispersão pode fornecer uma confirmação para 
as conclusões obtidas após uma inspeção visual.
 A estratificação pode ser usada para aprimorar um gráfico 
de dispersão. Os dados são estratificados plotando-se símbo-
los diferentes para grupos diferentes de dados no gráfico de 
dispersão. Algumas vezes a relação entre parâmetros não é 
evidente quando todos os dados são considerados, mas quan-
do os dados são agrupados e plotados com um símbolo dife-
rente a relação se torna mais clara.
13.2. Análise de Regressão
 O Gráfico de Dispersão nos ajuda a entender se há ou não 
há uma correlação entre as variáveis. Entretanto, essa análi-
se 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 conjun-
to de variáveis X.
 As análises de regressão, através do ajuste estatístico dos 
dados, nos ajuda a ter parâmetros para entender esses proble-
mas.
13.2.1. O que são 
Análises de Regressão
 A análise de regressão linear gera uma equação que des-
creve a relação estatística entre uma ou mais variáveis predi-
toras e a variável resposta. A regressão linear encontra a linha 
que melhor representa as variáveis de entrada com a variável 
de saída. 
Além da equação encontrada podemos 
quantificar coisas como:
• O quanto minhas variáveis de entrada influenciam na variá-
vel de saída, através do R². A letra R representa o coeficiente 
de correlação. Valores de R variam de -1 para inclinações ne-
gativas e 1 para inclinações positivas. R² é a fração da variação 
total devido às variáveis no modelo. O valor variar de 0 a 1 e 
quanto mais próximo ao número 1, mais seu modelo explica a 
variação nos dados;
• Em um banco de dados com muitas variáveis, o que influen-
cia e o que não influencia, através do p-valor. O p-valor mede a 
 
evidência estatística contra a hipótese nula de que a verdadei-
ra correlação na população é zero. Esse parâmetro é abordado 
posteriormente nos tópicos de regressão e teste de hipótese;
• Qual é o valor de Y para dadas configurações de X (através da 
equação da regressão). 
 Geralmente os cálculos para determinar esses parâme-
tros não são tão simples (mas nem tão complicados assim). 
O gráfico de regressão pode ser calculado pelo Minitab, vide 
exemplo abaixo. Nesta parte do curso, vamos focar nas análi-
ses de regressão do ponto de vista da interpretação dos resul-
tados do Minitab.
13.2.2 Quando usar 
Análises de Regressão
 
 A regressão linear pode ser usada, por exemplo, para 
quantificar os impactos de uma ou mais variáveis preditoras 
em uma variável de interesse (ou seja, uma variável resposta). 
Por exemplo, queremos saber se a idade, sexo e dieta (as variá-
veis preditoras) influenciam na altura de indivíduos (a variável 
de desfecho). Podemos também querer entender se a veloci-
dade de uma máquina, o número de operadores ou o procedi-
mento usado influencia na produtividade final.
 A regressão linear que correlaciona mais de uma variá-
vel preditora com uma variável resposta é também conheci-
da como regressão múltipla, regressão multivariada, mínimos 
quadrados ordinários (OLS) e regressão. Nos próximos tópi-
cos é ensinado como fazer essa análise e a interpretar o seus 
parâmetros.
13.2.3 Como fazer uma 
Análise de Regressão
 Segundo a imagem a seguir, a análise de regressão passa 
por diversas etapas, seguindo a ordem:
• Coleta de dados: que pode resultar na criação de um banco 
de dados histórico;
• Analisar seus dados graficamente: originando do banco 
de dados, é preciso escolher quais variáveis serão estudadas e 
porquê elas podem ter correlação;
• Criação da curva ajustada: o método de cálculo da curva 
varia. O programa Minitab tem essa função;
 
• Avaliar os parâmetros: o valor de R² e o p-valor são impor-
tantes para interpretar a correlação, se ela é forte, fraca e se é 
válida;
• Avaliar os resíduos: demais pontos não relacionados;
• Tomar uma decisão: decidir o ponto ótimo.
13.2.4 Os parâmetros da regressão
 Saber interpretar os parâmetros que os programas calcu-
lam é o diferencial de um profissional. Entender de fato o que 
um determinado parâmetro representa e o que o seu valor 
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
 
informa naquela situação analisada é muito importante e de-
monstra conhecimento específico no assunto, além de passar 
mais confiança do trabalho realizado.
Os parâmetros conhecidos de uma regressão são:
• Equação ou curva de regressão;
• Coeficientes linear e angular (os que compõem a equação);
• R² (Fator de Ajuste);
• p-valor.
13.2.5 O que são os 
parâmetros da regressão
13.2.5.1 Equação ou curva 
de regressão e os coeficientes 
linear e angular
 A análise de regressão gera uma equação para descrever 
a relação estatística entre uma ou mais variáveis preditoras e 
sua variável de resposta. Depois de ajustar um modelo de re-
gressão e verificar o ajuste, você quer interpretar os resulta-
dos. Neste tópico, vamos mostrar como interpretar os coefi-
cientes da regressão linear.
 A fórmula da curva de regressão depende de constantes 
 
b0, b1, onde b
0 
representa a situação inicial, com x=0 e b1 
é o 
incremento em Y, chamado de inclinação da reta.
 A imagem abaixo mostra um exemplo de dados analisados 
pelo Minitab. As constantes b0= 2628 e b1= -37,15são dadas 
pelo programa. O valor negativo de b1, indica que a curva é de-
crescente.
 A equação dá uma estimativa do comportamento do pro-
cesso. Além disso, ela ajuda a estimar os valores de Y para de-
terminados X’s.
 O programa gera uma linha em que a distância em relação 
aos pontos plotados é mínima. Esse valor da distância do pon-
to plotado e a linha gerada é o resíduo (ajuste), assim como 
visto na imagem a seguir.
Y = 2628 – 37,15x
 
13.2.5.2 O R²
 Como visto, R² é a medida de ajuste de um modelo esta-
tístico linear. Varia entre 0 e 1. Quando aparece em porcen-
tagem, deseja expressar a quantidade da variância dos dados 
que é explicada pelo modelo linear.
 Na imagem abaixo, note que R2= 90,2%, para o exemplo 
do Minitab, isso significa que 90,2% da variação da força de 
cisalhamento pode ser explicada pela idade do propelente. Ou 
seja, 9,8% são devido a outros fatores.
R² = 90,2%
 Para os valores de R2 altos (>0,7), se diz que os dados têm 
forte correlação. Nos exemplos abaixo, vemos dois gráficos, 
um com forte correlação e outro com baixa correlação. As cor-
relações podem ser positivas, caso uma variável interfira po-
sitivamente em outra e negativa, caso o crescimento de uma 
variável afete negativamente a outra. 
 Os dados adicionais que o Minitab fornece, são sobre a 
Variação Total, que é o próprio R2. Como visto na imagem abai-
xo, esse valor representa o somatório do quadrado das varia-
ções.
R² = 87,6% R² = 11,6%
 
 Ao realizar o cálculo, o resultado será a correlação do grá-
fico, o valor de R2. 
 
 Dessa fórmula, compreende-se que o fator R2 depende 
do somatório das distâncias dos pontos plotados até a linha 
horizontal (para y=0) mais o somatório dos resíduos. Esse so-
matório deve ser sempre o quadrado das variações, pois tais 
variações podem vir a ser negativo.
13.2.5.3 O p-valor
 O p-valor é um valor calculado pelo programa e é mais útil 
em regressão linear múltipla, serve para indicar se há ou não 
correlação entre uma variável preditora específica e a variável 
resposta. 
 A imagem a seguir apresenta uma resposta padrão de re-
gressão pelo Minitab, que indica os valores calculados, inclusi-
ve o p-valor. Os elementos presentes são:
• Curva de predição;
• R²;
• Relatório da somas dos quadrados (regressão múltipla);
• p-valor (teste de hipótese);
SSRegressão
SSTotal
R² = 1527843
1693738
R² = = 90,2%
Exemplo:
 
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!
 Observa-se que o p-valor tem relação direta com o coe-
ficiente angular, que é o parâmetro que acompanha a variável 
do eixo X, o b
1
. Dessa forma, compreende-se que quanto mais 
próximo de 1 for o p-valor, indica uma certeza de que o coefi-
ciente angular é zero, portanto, não tem impacto na variável Y. 
Em outras palavras, pode-se afirmar que a variável de entrada 
não tem relação com a variável de saída quanto maior for o seu 
p-valor.
 Isso pode ser facilmente entendido se observada a fórmu-
la, pois se b
1
=0, então nenhum valor de X irá interferir no valor 
de Y.
 O contrário também ocorre, quanto mais próximo de 0 for 
o p-valor, indica uma certeza de que o coeficiente angular é di-
ferente de zero, significando que existe algum impacto da vari-
ável X em relação a variável Y. 
 
13.3 Regressão Múltipla
 É importante compreender as diferenças entre regressão 
linear simples e múltipla. Dessa forma, o profissional consegue 
distinguir qual ferramenta melhor atende às suas necessida-
des de análise.
13.3.1 O que é regressão múltipla
 Chamamos de Análise de Regressão Múltipla, como co-
mentamos, as análises de Regressão Linear que avaliam mais 
de uma variável preditora. A Regressão Múltipla, do ponto de 
vista matemático, equivale à regressão simples. Entretanto, se 
difere da regressão linear simples na quantidade de variáveis 
independentes analisadas em relação a variável dependente. 
Consequentemente, o número de parâmetros também aumen-
ta, devendo ser analisados um a um. Inclusive, o p-valor é mais 
útil na regressão múltipla, assim como o R² ajustado torna-se 
mais preciso quanto mais variáveis de entrada são adicionadas 
na análise.
13.3.2 Quando usar 
regressão múltipla
 A regressão múltipla é usada quando o profissional de-
seja avaliar se há o impacto ou não de duas ou mais variáveis 
independentes na variável de saída (eixo Y). Por exemplo: um 
 
gerente deseja cortar gastos na empresa e para isso é preciso 
realizar o levantamento de quais equipamentos elétricos utili-
zados impactam significativamente ou não no consumo de qui-
lowatt-hora. A partir desse levantamento de dados, a geração 
da regressão múltipla, uma atenta análise de todos os parâme-
tros calculados pelo programa, permite que planos de ação se-
jam tomados de forma mais segura, como avaliar se há a possi-
bilidade de substituir equipamentos que impactem menos no 
consumo de quilowatt-hora.
13.3.3 Como fazer uma 
regressão múltipla
 Na regressão linear múltipla, no exemplo que segue, há 
vários outros coeficientes, que podem ou não ser diferentes de 
zero (fazendo a variável ser significativa), vide fórmula abaixo:
Exemplo: é realizada uma predição se a inteligência pode ser 
prevista por características das pessoas (experimento real). As 
variáveis escolhidas cujos dados foram coletados são:
yi é a inteligência (medido por teste de QI - PIQ) do aluno i;
xi
1
 é o tamanho do cérebro (medido por ressonância magnéti-
ca - MRI) do aluno i;
yi=(β0+β1xi1+β2xi2+β3xi3)+ϵi
 
xi
2
 é a altura (altura) do aluno i;
xi
3
 é o peso (peso) do aluno i.
 A partir do banco de dados contendo essas variáveis, foi 
gerada a regressão linear múltipla no Minitab. A imagem abai-
xo evidência os valores gerados pelo programa.
 
 Observe que além do programa calcular R2, também foi 
calculado o R2adj (ou R² ajustado), que nada mais é do que o R2 
ajustado para múltiplas variáveis. Dessa forma, quanto mais 
variáveis tiverem, melhor será para o fator de ajuste. Outra in-
formação interessante é o p-valor ser calculado para cada va-
 
riável, como no exemplo, para cérebro, altura e peso também, 
além de calcular para a própria regressão. Entretanto, isso não 
altera como os parâmetros são avaliados, pois ocorre da mes-
ma forma que em regressão linear.
13.4 Cuidados com gráficos 
de Dispersão e Regressão linear
 Um cuidado que temos que ter com análises de correla-
ção é que nem sempre correlação significa causalidade. Um 
exemplo histórico ilustra bem este problema.
 Entre os anos 1920 e 1935 foram coletados os dados re-
lativos ao número de aparelhos de rádio e número de doentes 
mentais por 100.000 habitantes na Inglaterra. O Gráfico de 
dispersão abaixo mostra esta análise. 
 
 O que podemos concluir desta análise? Quanto maior 
o número de aparelhos de rádio maior o número de doentes 
mentais. Será que aparelhos de rádio causam doenças men-
tais? Precisamos acabar com os rádios? 
 Apesar da má interpretação dos resultados apresentados 
no gráfico acima, a correlação não implica causalidade. Duas 
variáveis podem estar correlacionadas devido a:
• A variável X é causa direta da variável Y;
• A variável Y é causa direta da variável X;
• A variável X contribui para a variação em Y, mas não é a única 
causa;
• Outras variáveis podem estar provocando a correlação;
• Ambas as variáveis estão mudando com o tempo;
• A associação não passa de coincidência.
 Em estudos observacionais não se pode atribuir relação de 
causa e efeito a variáveis correlacionadas. Para atribuir relação 
de causa e efeito, é preciso realizar experimentos planejados. 
Sem isto, estaremos correndo risco de tomarmos relações que 
não passam de mera coincidência. Hoje, na era do Data Mining 
este risco é bastante grande. 
 Alguns exemplos tão absurdos quanto o gráfico anterior: 
Você sabia que doutorado em matemáticatem forte correla-
ção com a quantidade de urânio estocado nas usinas de ener-
gia nuclear dos Estados Unidos? E os filmes do gótico Nicolas 
Cages? Sabia que eles têm forte correlação com o número de 
 
pessoas que afogam depois de cair na piscina? É caros leito-
res. Acho que vocês não sabiam que em nosso curso de Green 
Belt tratamos de correlações sobrenaturais na fase do analyse. 
Brincadeira à parte, colocamos estes exemplos para que você 
tenha noção de que causalidade difere-se da correlação pura-
mente matemática. 
14. Correlação entre 
variáveis categóricas
14.1 Ferramentas gráficas
 A correlação com variáveis categóricas geralmente passa 
ou por estudar a frequência (histograma, por exemplo) da vari-
ável 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.
 Vale lembrar que, quando avaliamos essas métricas, te-
mos 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 permi-
tam 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 cate-
górico ou vice versa);
• Análise temporal estratificada.
• Gráficos de Intervalos para a média (Y contínuo e X categóri-
co);
• Gráficos de Barras (para Y categórico contra X categórico).
 As análises são várias. Com uma base de dados pode ser 
feito diversos gráficos, como no exemplo a seguir, em que a 
comparação entre os processos é visível pelo Histograma, Grá-
fico de Análise Temporal estratificada e pelo Gráfico de Inter-
valos. Cabe ao profissional interpretar cada um deles.
 
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
14.2 Ferramentas Avançadas
 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 interes-
se ter uma métrica diferente da outra. 
Elas compreendem:
• Os testes de Hipóteses (Z, t, chi-quadrado, p, etc.);
• A Análise de Variância (ANOVA).
14.2.1 O que são os 
Testes de Hipóteses
 Um teste de hipótese nada mais é do que uma validação 
estatística das nossas dúvidas (ou hipóteses). Além disso é uma 
poderosa ferramenta para encontrar soluções práticas de um 
problema. 
 
 Por exemplo, podemos querer ver se o tempo de um pro-
cesso (uma variável numérica) é diferente para dois turnos de 
trabalho. Hipótese: Será que o tempo médio do turno A é 
diferente do tempo médio do turno B? Depois da coleta de 
dados as médias dos tempos em cada turno são comparadas. A 
resposta é dada analisando os dados e vem da seguinte forma: 
“dados os dados, ou seja, o tamanho da amostra e as médias 
das amostras, posso afirmar com 95% de convicção de que as 
médias das populações são diferentes”. 
 As curvas do gráfico abaixo representam a possível inter-
seção dos dados coletados. O teste de hipótese vai dar exata-
mente a probabilidade do erro acontecer, ou seja, da afirma-
ção estar errada. No caso da figura, seria quando os valores da 
parte vermelha são maiores que da parte azul.
 
14.2.1.1 Quando usar 
Teste de Hipóteses
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 a porcentagem 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?).
Para realizar um teste de hipóteses, seguimos os passos:
1. Contextualizamos o problema: o que queremos “comparar” 
entre populações;
2. Formalizamos nossas hipóteses;
3. Escolhemos o tipo de teste de hipótese correto para o que 
queremos ver;
4. Realizamos o teste (analisando na distribuição de referên-
cia);
5. Analisamos o p-valor e os resultados para ver se nossa hipó-
tese é verdadeira ou não.
Alguns softwares ajudam com o passo quatro, de realizar os 
testes, já que é a fase mais difícil.
 
14.2.1.2 Passo 1 - 
Contextualizar o problema
 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?
 Uma maneira de enxergar o problema de forma lógica é 
rodar o PDSA, representado na imagem abaixo. É preciso en-
tender o contexto e o teste que iremos fazer (qual dado pre-
cisamos coletar para responder nossas dúvidas em uma situa-
ção?).
 
Exemplo:
“Sempre faço o mesmo caminho de casa para o trabalho. Um co-
lega me propõe um caminho novo. Será que esse caminho é mais 
rápido?”
• O que queremos comparar?
Queremos ver se o tempo médio do caminho velho é estatisti-
camente igual ou não ao caminho novo. 
• Quais as populações?
Os tempos referentes ao caminho velho e os tempos referen-
tes ao caminho novo
• Qual a estatística?
O tempo médio para o caminho A e para o B.
Como devem estar estruturados os dados? A Tabela abaixo 
mostra a construção da tabela com os dados do exemplo.
Tempos caminho novo (min) Tempos caminho velho (min)
100 78
95 82
110 94
111 75
... ...
 
14.2.1.3 Passo 2 - 
Formalizar a hipótese
 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: μ
a=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?).
 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 “explícita”, apenas existir 
“em nossas cabeças”, ou seja, irá determinar a análise final. Po-
rém a análise muda para as opções matemáticas. Exemplo:
No caso dos caminhos, queremos testar, para os tempos:
 H: μ
novo
=μ
velho
 (será que as médias são iguais?);
ou
 H: μ
novo
<μ
velho
 (será que o novo é mais rápido?).
 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 ló-
gica do que acontece, caso a hipótese nula não seja verdade. 
Por exemplo, se:
Ho: μ
a
=μ
b
 é falsa, então
Ha: μ
a
≠μ
b
 é verdadeira.
14.2.1.4 Passo 3 e 4 - Escolha 
e realização dos testes
 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 popu-
lações com base nas amostras que temos (todos os tempos do 
caminho novo e velho, como o exemplo anterior) e ver a possi-
bilidade delas apresentam interseções ou não.
 A escolha do teste vai depender do tipo de variável, pois 
para cada tipo temos uma distribuição. 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 o gráfico abaixo. A distribuição vermelha possui 
média global menor que a azul. Entretanto, se a amostra for 
pequena, ela pode ser obtida de uma área da distribuiçãoque 
tem média da curva vermelha é maior do que outra área da azul 
(note a área sólida de ambas). 
 
 Como escolher o teste certo? Depende das variáveis, vide 
Tabela a seguir. Pode parecer complicado, mas o Minitab é um 
dos softwares que ajuda a realizar o teste correto e interpre-
tar os resultados segundo as classificações das variáveis infor-
madas. A escolha pode ser feita através do Assistente Minitab.
 
Qual é o objetivo 
Comparar uma média 
com um valor
Comparar duas 
amostras entre si
Comparar mais 
de duas amostras
• Teste t para 2 amostras;
• Teste t pareado;
• Teste de desvio padrão para 2 amostras;
• Teste de % Defeituosos para 2 amostras;
• Teste Qui-Quadrado para Associação.
• Teste t para 1 amostra;
• Teste de desvio padrão para 1 amostra;
• Teste de % Defeituosos para 1 amostra;
• Qualidade de Ajuste Qui-quadrado.
• ANOVA com um fator;
• Teste de desvios padrão;
• Teste Qui-Quadrado para % 
 de Defeituosos;
• Teste Qui-Quadrado para Associação.
14.2.1.5 Passo 5 - 
Analisar os Resultados
 O resultado mais importante dos testes de hipótese é o 
famoso p-valor. É ele que valida ou não a hipótese nula. O p-va-
lor é um número de 0 a 1 que diz a probabilidade de termos o 
erro de amostragem.
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 amos-
tragem que comentamos anteriormente. No gráfico abaixo, a 
“evidência falsa”, ou o erro, seria uma amostra azul menor que 
uma amostra vermelha.
 
 Na prática, cada teste específico vai ter uma definição 
formal de hipótese nula e hipótese alternativa. Lembre-se de 
identificar qual das hipóteses o software está apresentando 
na hora de interpretar os resultados. 
 O programa Minitab dá uma análise completa dos teste. 
Um exemplo é ilustrado a seguir.
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
Exemplo (de resultado do Minitab)
Evidência
Chance de 
evidência errada
Conclusão: 
são diferentes!
 
 No exemplo, a evidência diz que as médias de C1 e C2 são 
diferentes, dado a estimativa. Para comprovar se as amostras 
das populações são diferentes para a hipótese nula, em que as 
médias não iguais, vemos o p-valor. Como o p-valor é igual a 
zero, a probabilidade das médias serem iguais é de 0%, logo a 
amostra é confiável em afirmar que as populações são diferen-
tes e as médias também.
14.2.2 Considerações 
sobre o p-valor
 Os testes de hipótese não deixam de ser análises paramé-
tricas, portanto a normalidade e outros ajustes são importan-
tes. Em várias ferramentas, usaremos testes de hipótese espe-
cíficos no meio deles (indiretamente), por exemplo: o gráfico 
probabilístico normal (Ho: a distribuição é normal) e a regres-
são linear, para os coeficientes (Ho: o coeficiente i de xi é dife-
rente de 0).
 Normalmente, um p-valor consi-
derado baixo é 0,05. Entretanto, 
não há um “número mágico” para 
o p-valor. Ele é uma probabilidade. 
Devemos ou não aceitá-lo median-
te o contexto, avaliando os riscos 
envolvidos na decisão. O exemplo 
a seguir apresenta p-valor = 0.247, 
o que é considerado alto.
 
 O p-valor é o assunto abordado no arquivo Leitura do 
Analyse, disponível na pasta do curso. É importante ressaltar 
que o p-valor ainda é estudado por estatísticos e sua interpre-
tação é complexa. Para uma leitura sobre o assunto é recomen-
dado o livro “Introdução ao Controle Estatístico da Qualidade” 
de Douglas C. Montgomery (2016).
14.3 ANOVA
 A ANOVA (Análise de Variância) será a última ferramenta 
estatística de correlação abordada no curso de Green Belt. Ela 
é um tipo bem específico de teste de hipóteses. Com ele, po-
demos 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, assim como 
visto anteriormente. Isso implica que não analisamos somente 
o p-valor, mas também o R² e os resíduos obtidos. A interpre-
tação destes parâmetros é idêntica à da regressão.
 No fundo, ela vai comparar se a variância total é igual à 
variância dentro dos grupos.
14.3.1 O que é o teste ANOVA
 Anova ou Análise de variância é a técnica estatística que 
permite avaliar afirmações sobre as médias de populações. O 
objetivo da técnica é analisar se existe uma diferença significa-
tiva de um ou mais fatores (também chamados de variáveis de 
entrada, ou variáveis X) comparando as médias das variáveis 
de resposta em diferentes níveis dos fatores.
 Análogo ao teste de hipótese, a hipótese nula afirma que 
todas as médias das populações (médias dos níveis dos fato-
res) são iguais, enquanto a hipótese alternativa afirma que 
pelo menos uma é diferente.
 
14.3.2 Quando usar ANOVA
 A ANOVA é usada apenas quando queremos correlacio-
nar um Y contínuo com um ou mais X’s categóricos, que pos-
suem 3 distintas classificações. Por exemplo, será que o proce-
dimento A, B ou C influencia no tempo de processo? 
Os dados devem cumprir os pressupostos:
• Cada população deve ser normal;
• As variâncias de cada população devem ser iguais.
14.3.3 Como realizar 
um teste ANOVA
 Para realizar a ANOVA, você precisará de uma variável de 
resposta contínua e pelo menos um fator categórico com dois 
ou mais níveis. As análises ANOVA exigem dados de popula-
ções que sigam a distribuição normal e cujas sejam variâncias 
iguais entre fatores. Porém, para nossa sorte, os procedimen-
tos ANOVA funcionam bem mesmo quando a pressuposição 
de normalidade é violada, havendo uma exceção quando uma 
ou mais distribuições são altamente assimétricas ou quando 
as variâncias são muito diferentes. Nesses casos, recomenda-
-se lançar mão de uma transformação de variáveis para corri-
gir essas violações.
 Por exemplo, pois é com exemplos que aprendemos, ima-
gine que uma loja gostaria de testar se o valor gasto na com-
 
pra pelo cliente, sofre influência de alguns fatores. Dentre os 
fatores, o lojista a loja e coloca 3 níveis (loja A, loja B e loja C). 
O Anova, vai permitir que o lojista avalie se há diferenças esta-
tisticamente significativas entre os tratamentos ou se o resul-
tado observado variou em decorrência da mera variabilidade 
amostral.
 O programa Minitab nos ajuda a elaborar e interpretar 
uma ANOVA. Assim como na regressão linear múltipla, pode-
mos usar a ANOVA para ver quais X’s categóricos impactam 
ou não no resultado. Existem duas maneiras de realizar o teste 
ANOVA no Minitab:
• Pelo Assistente do Teste de Hipótese;
• Através do Modelo Linear Generalizado, que apresenta o R² 
e o gráfico de resíduos. No modelo Linear Generalizado da Re-
gressão, podemos misturar vários tipos de variáveis (Categó-
ricos e Contínuos, pois a matemática da ANOVA e da regres-
são é equivalente);
14.3.4 Os Parâmetros da ANOVA
 A interpretação dos parâmetros da anova são muito pare-
cidos com os parâmetros de interpretação de uma regressão 
linear (simples ou múltipla). É usual avaliar se: 
• A equação da anova, que proporá, aos moldes da Regressão 
Linear, uma equação preditora para a variável resposta com 
base nas variáveis classificatórias incluídas no modelo;
 
• O p-valor para cada variável classificatória testada, que nos 
dirá qual variável preditora influencia na variável resposta;
• O R² e o R² ajustado, que nos dirá a qualidade do modelo;
• e, finalmente, os resíduos da análise. 
15. 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 dadoshistóricos;
• Os dados históricos não são confiáveis (frente a coleta);
• Os dados históricos não conseguem responder aos nossos 
questionamentos (frente à sua estruturação).
 Experimentar consiste em realizar diversos ensaios (ex-
perimentos) para obter um banco de dados a fim de analisá-lo. 
O ponto fundamental do Seis Sigma é o Planejamento de Ex-
perimentos, 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 redu-
zir o número de ensaios necessários para nossos questiona-
mentos (reduzindo o custo do experimento).
As ferramentas de análise são as mesmas que vimos até 
agora: ANOVA; Regressão; Testes de Hipóteses; Métodos 
gráficos.
 
 Além disso, temos algumas técnicas que são traba-
lhadas mais a fundo no Black Belt: Experimentos Fatoriais;
Experimentos Fatoriais Fracionados; Experimentos Dicotô-
micos.
16. Resumo do capítulo
 A grande entrega da fase do Analyze são as mudanças 
desenvolvidas. Para desenvolver uma consciência analítica, a 
fase mostra, em detalhes:
• A análise crítica do processo;
• O uso de tecnologia;
• O uso da criatividade;
• O uso dos conceitos de mudança.
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
C
ap
ít
u
lo
 5
Im
pr
ov
e
Clique 
para voltar 
ao Índice
 
1. Introdução ao Improve
 No Improve, escolhemos quais mudanças são mais pro-
missoras e realizamos os testes para saber quais de fato vão 
gerar as melhorias. É a priorização das mudanças e estrutura 
de testes. 
 A partir dos testes, usando o ciclo PDSA, podemos enten-
der melhor os detalhes e falhas em nossas hipóteses e predi-
ções. Aqui também devemos ir aumentando gradualmente a 
escala e o escopo dos testes. Ao final, teremos uma boa con-
vicção de quais mudanças vão de fato ser melhorias. Às vezes 
as mudanças já foram implementadas durante a fase de testes 
(um ciclo para implementar).
 O ciclo PDSA é uma das ferramentas citadas na Tabela 
abaixo que são recomendadas para a fase Improve, além do 
Planejamento de Experimentos entre outros.
2. Testes de mudança
 Os testes são o coração do Improve. Nele, temos que ob-
servar como as nossas mudanças vão se comportar na realida-
Preparar a
implementação
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
 
de. Para isso, usamos e abusamos do ciclo PDSA, assim como 
visto na fase Improve, representado na imagem abaixo:
 Muitas vezes a equipe de melhoria desenvolver uma sé-
rie de mudanças na fase do Analyze e não possui nem tem-
po nem recursos suficientes para testar e amadurecer todas 
elas durante a fase do Improve. Para resolver esse problema, 
a equipe precisa desenvolver uma maneira de escolher entre 
as mudanças possíveis e priorizar as que têm mais chance de 
sucesso.
 Uma forma de fazer isso é pesar o esforço e o ganho po-
tencial (impacto) de cada uma das mudanças. Podemos fazer 
isso através do uso de uma Matriz de Priorização chamada 
Matriz de Impacto/Esforço, visto a seguir. Para preenchê-la, 
damos uma nota para o Impacto potencial de uma mudança e 
outra para o esforço relacionado com o seu ciclo de testes e 
sua posterior implementação. 
 
Prop 1
Prop 2
Prop 3
Prop 4
Prop 5
10 2 3 4 5
1
2
3
4
5
Im
p
ac
to
Esforço
 A técnica de priorização na fase de testes prevê que os 
esforços sejam recompensados com resultados positivos em 
poucos tempos de ciclos. Mas é com o tempo que as mudanças 
farão efeitos. É preciso monitorar o Grau de Convicção que 
cada teste causa, vide gráfico abaixo. Ele é o grau de certeza, 
baseado em evidências. No exemplo, as três mudanças têm 
graus de certeza diferentes e mudam através do tempo, tudo 
porque surgem novas evidências.
 
 A grande pergunta seria: como testar? Estruturar um 
teste pode nem sempre ser uma tarefa fácil. Temos basica-
mente dois estudos mais frequentes quando queremos testar 
mudanças: 
• Testes do tipo Antes e Depois;
• Comparação simultânea.
2.1 Comparação Antes e Depois
Considere o teste de Comparação Antes e Depois quando:
• Os dados encontram-se disponíveis ou podem ser coletados 
antes da mudança;
• Há pequena ameaça de eventos externos ocorrerem ao mes-
mo tempo em que é realizada uma mudança;
• Os dados serão coletados por um longo período de tempo 
após a realização da mudança;
• Grandes melhorias são esperadas;
• Grupos necessários para a compa-
ração simultânea não podem ser iso-
lados.
A visualização de um exemplo do es-
tudo Antes e Depois está na imagem 
a seguir. A mudança é estratificada 
e é possível observar um melhor de-
sempenho da atividade.
 
Porém o estudo não é a prova de erros. 
Pontos vulneráveis:
• Ocorrência de causas especiais ao mesmo 
tempo em que mudanças são feitas;
• Efeito Hawthorne.
2.2 Comparação Simultânea
Considere o tipo Comparação Simultânea quando:
• Duas ou mais alternativas estão sendo testadas;
• Uma alternativa está sendo testada mas eventos externos 
podem atrapalhar a interpretação dos resultados (formam-se 
dois grupos: sistema atual x grupo sendo testado);
 
• Deseja-se acrescentar condições diversas durante o teste 
(planejamento de grupos).
 A imagem abaixo mostra um exemplo de Comparação Si-
multânea onde é claramente observado uma mudança de re-
sultados depois da mudança. 
2.3 As boas práticas
 Algumas práticas são recomendadas para os testes serem 
sucesso, independente do tipo de estudo escolhido e da técni-
ca de priorização: comece pequeno; dose o que pode dar er-
rado; envolva a todos para disseminar o conhecimento; tente 
mitigar os riscos.
 O que também é visto na tabela a seguir é a preocupação 
necessária para começar um teste. Cada ideia é uma responsa-
 
bilidade. Decidir em implantar uma mudança deve estar bem 
planejado e embasado em possíveis resultados positivos. 
Grau de convicção na mudança
Baixa Alta
Consequências 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
C
ap
ít
u
lo
 6
Co
nt
ro
l
Clique 
para voltar 
ao Índice
 
1. Introdução ao Control
 A última fasedo DMAIC é a fase 
do Control. Nela nós temos que imple-
mentar as mudanças que saíram vito-
riosas da fase de teste e monitorar os 
indicadores importantes para o projeto 
após essa implementação. Embora pos-
sa parecer simples, quem já teve de im-
plementar alguma coisa sabe que essa 
atividade pode ser muito complicada e 
até mesmo ingrata. Para que uma im-
plementação seja bem sucedida temos 
que saber trabalhar com pessoas. Preci-
samos nos atentar para a parte humana 
da mudança, convencendo os envolvi-
dos a adotarem as mudanças que temos 
convicção de que serão melhorias. 
 Para que essa implementação seja mais suave, podemos 
seguir algumas boas práticas e utilizar algumas ferramentas 
que nos ajudam a convencer os envolvidos. Nos próximos tópi-
cos vamos aprofundar em como conduzir implementações.
 Além disso, o Control temos que monitorar os indicadores 
depois do projeto. Até quando fazemos esse monitoramento? 
Coletar um indicador é uma atividade que requer esforço e até 
mesmo recursos financeiros. Caso um processo atinja uma es-
tabilidade, medir seu desempenho para sempre pode não ser 
 
uma boa estratégia. Vamos discutir um pouco sobre isso. 
 É a hora onde mais se usa a Psicologia e se realiza a Ges-
tão da Mudança. Devemos preparar as mudanças para serem 
lógicas e alinhadas com a cultura da empresa, trabalhando o ra-
cional e o emocional das pessoas envolvidas no processo. 
 Também estruturamos o plano de implementação com 
base nas etapas: 
1. Padronização;
2. Documentação;
3. Treinamento; 
4. Implementação (Medir). 
 Por fim, compilamos os ganhos, apresentamos os resulta-
dos e celebramos. A sequências das fases é apresentado na Ta-
bela abaixo:
2. Plano de Implementação
 Implementar pode ser a parte mais difícil de um projeto 
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
 
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 per-
der.
 Após a implementação das melhorias, é necessário esta-
belecer práticas que assegurem que as mudanças se tornarão 
procedimentos usuais nos negócios. Muitas empresas fazem 
melhorias no trabalho e depois descobrem que as pessoas 
voltaram à forma antiga de fazer as coisas ou que algum novo 
problema foi identificado. A seguir descreve-se os componen-
tes que precisam ser considerados para implementação e con-
trole das mudanças.
1. Padronização:
• Estabelecer práticas e políticas 
específicas e reconhecidas para 
servir como um modelo ou diretriz 
para um processo.
• As políticas, materiais, métodos e 
treinamentos documentados cos-
tumam ser chamados de “padrões” 
ou “melhores práticas”. 
 
2. Documentação:
• Registro das mudanças que foram implementadas. 
• Organizações dependem da documentação para:
 • Entendimento do processo;
 • Educação e treinamento de pessoas que operam o pro 
 cesso;
 • Comunicar as mudanças a quem se encontra dentro e 
 fora do sistema;
 • Fornecer atualizações em tempo real para documentar 
 melhores práticas, medidas e outras informações impor 
 tantes de processos ou de produtos.
• Uma excelente prática na hora da documentação é a criação 
de Instruções Operacionais:
 • Conceito: Orientação sobre a forma de executar uma 
 tarefa. 
 • Objetivo: Servir como guia para a realização de tare- 
 fas críticas comunicando de maneira direta e objetiva o 
 que e como deve ser executado o trabalho.
 • Conteúdo: Resultado esperado da tarefa; O QUE e 
 COMO a tarefa deve ser realizada (objetivamente); 
 Ações corretivas; Instruções relacionadas à segurança 
 e meio ambiente específicas da tarefa.
 • Responsável: Cargo do executante da tarefa.
 
3. Treinamento:
• Treinamento é quase sempre necessário para implementar 
mudanças; 
• Se a mudança for uma mera extensão do trabalho atual, en-
tão uma simples discussão poderá ser suficiente;
• Entretanto, se a mudança for complexa, um treinamento ex-
tensivo poderá ser necessário; 
• Considere o tipo de mudança que está sendo proposta, quem 
será incumbido de implementá-la e o nível de conhecimento e 
experiência dos participantes para determinar quanto tempo 
de treinamento será necessário. 
4. Medir:
• Documentação adequada não garante que o processo opere 
como proposto;
• Monitorar o processo através de indicadores é um meio de 
verificar se as mudanças propostas estão sendo efetivamente 
implementadas;
• Medição fornece uma fonte de 
aprendizagem durante a implementa-
ção e um método de manutenção após 
a implementação;
• Gráficos de tendência (ou de contro-
le) dos indicadores devem ser utiliza-
dos para monitorar o processo depois 
das mudanças implementadas;
 
Comparação do Desempenho 
com os Objetivos: 
 Não é possível tornar um 
processo perfeito em um dia ou 
em uma única iniciativa de me-
lhoria. A melhoria de processos 
normalmente leva vários ciclos 
de desenvolvimento, teste e im-
plementação das mudanças que 
possuem maior probabilidade de 
produzir melhoria. 
 Comparar o desempenho com os objetivos é uma forma 
de acompanhar seu progresso. Retorne aos objetivos da me-
lhoria, definidos ao responder à segunda pergunta: Como sa-
beremos que uma mudança é uma melhoria?
 Em seguida, compare o desempenho das medidas após a 
implementação, para verificar se serão necessárias mudanças 
adicionais:
• Se as medidas de melhoria foram alcançadas. Então continue 
com a implementação.
• Se as medidas de melhoria não foram alcançadas. Então re-
torne às fases de Desenvolvimento, Teste e Implementação e 
continue com esses ciclos até que os objetivos sejam alcança-
dos.
 
2.1 Estratégias de implementação
 A maneira ideal para se conduzir e fiscalizar uma imple-
mentação vai depender da complexidade. Geralmente temos 
3 estratégias:
• Simplesmente faça;
• Implementação paralela;
• Implementação sequencial.
 Independente da estratégia, temos que garantir que as 
coisas irão acontecer conforme o planejado.
3. Como fiscalizar a 
implementação
3.1 O 5W2H
 O que é o 5W2H? Um projeto é desdobrado em diversas 
atividades. Essa ferramenta questiona as atividades de forma 
a detectar descontinuidades.
 Esse é um método de fiscalização relativamente simples 
de gerenciamento de um projeto. Um projeto é desdobrado 
em diversas atividades. Fazer as perguntas do 5W2H é enten-
der o porquê das ações de um determinado processo e garan-
tir que as ações recomendadas sejam de fato implementadas.
 
As perguntas se referem:
• As atividades (O que? - What) são executadas segundo uma 
certa ordem, com um determinado prazo (Quando? -When) 
e custo (Quanto? – How Much), em um determinado local 
(Onde? – Where) e com responsabilidadesde execução ou 
coordenação atribuídas (Quem? - Who). Além disso, deve ha-
ver uma razão (Por que? - Why) para fazê-la e uma forma pre-
vista para a sua execução (Como? - How);
• As iniciais dessa perguntas (What, Why, When, Where, Who, 
How, How much) formam o acrônimo 5W2H.
Lista-se as atividades 
que fazem parte do pro-
jeto;
Essas atividades são os 
“What”;
Em seguida passa-se a 
responder aos outros 
Ws e Hs para cada ativi-
dade;
Em projetos de melho-
ria é útil utilizar o 
5W2H como na fase de 
implementação de mu-
danças;
As informações são es-
truturadas em uma 
planilha com sete colu-
nas e tantas linhas 
quantas forem as ativi-
dades identificadas for-
mando assim o projeto;
Resta ainda identificar 
um coordenador que 
cuidará da gestão das 
atividades, verificando 
que os prazos sejam 
cumpridos e intervindo 
quando necessário.
Como utilizar a 
ferramenta?
Quando usar? Variantes
As possibilidades de uso 
do 5W2H são amplas;
Pode ser usada para 
organizar uma única 
atividade ou um conjun-
to de atividades for-
mando um projeto;
Quanto o gasto para realizar 
a atividade não for uma 
questão relevante (o “How 
much” não é considerado) a 
técnica é reduzida para 
5W1H.
 
 A Tabela abaixo mostra um exemplo de template simples, 
em que cada pergunta é respondida para que o processo de 
implementação seja verificado. 
4. Resumo dos capítulos
 Na conclusão do conteúdo, podemos encerrar a teoria 
com algumas observações e destaques. Um projeto de melho-
ria deve terminar quando:
• O objetivo do projeto foi cumprido.
• Houve melhoria e ficou claro que qualquer progresso adicio-
nal irá exigir um novo esforço inicial.
• A equipe desempenhou bem e obteve sucesso suficiente 
para se aposentar com dignidade e orgulho.
Depois que o projeto seja finalizado, é importante que o conte-
údo fixe e o aprendizado seja contínuo, por isso:
O que 
(What)
Quem 
(Who)
Quando 
(When)
Onde 
(Where)
Porque 
(Why)
Como (How) Por quanto 
(How much)
 
1. Resuma os aprendizados;
2. Finalize a documentação sobre as melhorias;
3. Faça um sumário de planos e recomendações futuras;
4. Comunique a finalização do projeto;
5. Celebre!
C
ap
ít
u
lo
 7
P
ro
je
to
 d
e 
M
el
h
o
ri
a
Clique 
para voltar 
ao Índice
 
Capítulo 7 - Projeto de Melhoria
1. Seleção de projetos
 Seleção de Projetos é o processo de avaliar projetos indi-
viduais ou grupos de projetos e escolher qual queremos con-
duzir e implementar. 
 As organizações (seus gerentes e especialistas) geralmen-
te usam modelos para extrair informações relevantes e tomar 
decisões. Os modelos tentam quantificar aspectos de cada pro-
jeto de maneira a racionalizar a escolha de um em detrimento 
de outro. É como “dar uma nota” para cada projeto a fim de ava-
liar de maneira fria qual é mais adequado.
 Esses modelos podem ser muito úteis, mas não tomam a 
decisão sozinhos. Modelos, como visto no curso de Black Belt 
da FM2S, são apenas aproximações da realidade. Eles possuem 
as suas premissas e imprecisões e a decisão é sempre um pro-
cesso humano, carregado de uma série de aspectos racionais e 
irracionais.
 Nos próximos tópicos iremos abordar os módulos de fa-
lha e o supermercado de processos por setor. Esse material 
serve de auxílio para o desenvolvimento do Projeto de 
Melhoria, proposto no curso de Green Belt da FM2S. Sua 
elaboração é necessária para a obtenção do certificado de 
especialista Green Belt.
 
1.1 Algumas premissas para 
os modelos de decisão
 Para que a liderança possa julgar qual projeto é mais ade-
quado, é usual que, ao iniciar-se um projeto de melhoria, le-
vante-se também quais os projetos concorrentes. Após esta 
listagem, são coletadas mais informações sobre cada uma das 
iniciativas. Essas informações são organizadas sob a ótica de 
premissas, dentre elas:
• Premissas financeiras – avaliam o custo estimado contra o 
benefício estimado (por benchmark, por exemplo). É possível 
estimar métricas claras (como valor presente, retorno sobre o 
investimento, etc.);
• Premissas operacionais – avaliando outros aspectos, até 
certo ponto quantificáveis, porém não puramente financeiros. 
Como a nossa capacidade de realizar tal projeto, a flexibilidade 
da melhoria ser implementada em outras áreas, o tempo ne-
cessário, os riscos, etc. 
• Premissas não numéricas – avaliam o aspecto político e es-
tratégico dos projetos. Vão desde as investimentos particula-
res (de interesse da alta gestão ou investidores externos) até o 
ganho competitivo esperado pelo projeto.
 Essas premissas são a base para a utilização de modelos 
para “julgar” os projetos. A seleção de projetos de melhoria é 
uma das partes mais difíceis do trabalho de um profissional Seis 
 
Sigma. Ela pode ser extremamente complexa em organizações 
maiores, visto que agendas ocultas podem estar em pauta ou 
diferentes abordagens sobre a estratégia estejam sendo ven-
tiladas. Seja como for, é sempre interessante ter uma aborda-
gem padronizada e metódica, para que a seleção não seja algo 
“intuitivo”, mas sim baseado em dados.
Em geral, essa seleção segue algumas etapas:
1) Levantamento da problemática e projetos “candidatos” com 
as áreas e partes interessadas (gerentes e especialistas);
2) Estimativa do impacto e do esforço dos projetos (quanto ao 
seu ganho, custo e cronograma);
3) Priorização (escolha dos melhores projetos através de uma 
avaliação quantitativa sob diferentes critérios e atribuição de 
uma “nota” para cada um);
4) Desdobramento e início dos trabalhos relacionados aos pro-
jetos.
1.2 Pontos-chave na hora 
de sugerir projetos
 Seguem abaixo algumas características necessárias na 
hora de sugerir um projeto:
• O projeto proposto deve estar conectado ao plano de negó-
cios da organização;
• O projeto deve ser importante para a liderança por uma ou 
mais da seguintes razões:
 
• Clientes estão tendo problemas com produtos ou serviços;
• Existe a necessidade de reduzir custos mantendo ou melho-
rando a qualidade;
• Existe a necessidade de expandir as expectativas dos clien-
tes.
• A solução é desconhecida. Agentes de Melhoria são melhor 
utilizados em projetos que requerem aprendizado e testes an-
tes da implementação;
• Métricas chaves para avaliar o sucesso do projeto foram 
identificadas;
• O projeto pode ser completado dentro de um prazo de seis 
meses ou menos;
• Dados sobre a situação atual para as métricas estão disponí-
veis e metas para as métricas foram estabelecidas;
• O impacto financeiro (redução de custos ou aumento da re-
ceita) foram estimados;
• O sistema, processos, produtos ou organizações onde as 
mudanças deverão ser feitas estão sob o controle e influência 
do patrocinador do projeto;
• Existe um balanço adequado entre a quantidade de esforço 
e de recursos necessários para completar o projeto;
• Os resultados obtidos são replicáveis para outras áreas da 
organização;
• O projeto deve mudar um processo de rotina;
• Não há mudanças em andamento no processo que possam 
causar impacto diretamente no andamento do projeto.
 
1.3 Modos de Falhas de 
Atividades de Melhoria (MFAM)
 Projetos mal sucedidos podem ser impedidos. O MBB 
deve estar atento que seu projeto não esteja nas categorias a 
seguir:
• Falta de um comando claro por parte da liderança;
• Falta de modelo para realizar melhoria;
• Falta de clareza de onde se quer chegar;
• Falta de recursos dedicados;
• Falta de acompanhamento da performance;
• Falta de habilidade para medir performance e eficácia;
• Falta de clareza se se conseguiu alguma coisa;
• Falta de estimativa financeira do ROI no início do projeto e 
de sua medição no final;
• Falta de resposta clara para a pergunta “Porque estamos fa-
zendo esse projeto?”
1.4 Alguns projetos típicos 
 Os projetos de melhoria se adaptam para as várias áreas 
de atuação. Alguns projetos de melhoria são clássicos e estão 
listados abaixo:
 
Logística
• Tempo excessivo para enviar invoice ao cliente depois de 
executado o serviço; 
• Tempo excessivopara identificar se uma invoice é uma dis-
puta;
• Redução do volume de solicitações de prorrogação de prazos 
de pagamento devido ao não recebimento da fatura no prazo 
por parte do cliente;
• Redução de inventário de produtos acabados;
• Reduzir tempo de entrega;
• Reduzir porcentagem de entregas defeituosas (peças faltan-
tes);
• Reduzir custos com fretes.
Compras
• Redução de custos com insumos;
• Redução de custos com prestadores de serviços.
Produtividade
• Redução de setup;
• Aumento de OEE.
TI
• Redução do tempo de atendimento de solicitações de servi-
ços;
 
• Redução do tempo de troca de equipamento entregue com 
defeitos.
Manufatura
• Reduzir defeitos de fabricação;
• Reduzir custo de fabricação de peças;
• Reduzir as despesas com a Ferramentaria;
• Reduzir inventário de ferramentas;
• Reduzir uso de material poluente;
• Reduzir custos de embalagem;
• Reduzir controles / tarefas que não agregam valor / relató-
rios gerenciais que não são usados / coleta de dados que não 
são usadas;
• Reduzir necessidades de limpeza/organização nos proces-
sos;
• Reduzir custos com manutenção dos sistemas;
• Melhorar aproveitamento (cortes/excessos) de matérias pri-
mas nos processos;
• Reduzir refugos de produtos intermediários ou finais por de-
feitos;
• Reduzir consumo de energia e utilidades nos processos;
• Reduzir perdas de dados vitais para o processo;
• Reduzir dependência de mão de obra especializada no pro-
cesso;
• Reduzir tempo para lançar novos produtos.
 
Serviço
• Redução de tempo de entrega de equipamentos visando re-
duzir penalidade por não cumprimento de prazo;
• Redução de porcentagem e não atendimento de SLA;
• Reduzir gap entre planejado e executado em projetos;
• Aumentar taxa de solução de problemas para clientes;
• Aumentar satisfação dos clientes com solução de problemas;
• Reduzir contato/interação de clientes para resolver proble-
mas;
• Reduzir perda de clientes rentáveis;
• Reduzir risco de fraude para o cliente;
• Aumentar lucratividade de segmentos de clientes.
Segurança e Meio Ambiente
• Reduzir o impacto dos produtos no meio ambiente;
• Reduzir acidentes de trabalho;
• Reduzir acidentes com perdas materiais.
Financeiro
• Reduzir despesas com impostos respeitando legislação;
• Encantar e surpreender o cliente e aumentar a demanda por 
serviços e produtos;
• Atender necessidades dos clientes que nossos produtos não 
atendem atualmente;
 
• Criar serviços que complementam a satisfação dos clientes;
• Desenvolver o design e estética atraentes nos produtos;
• Aumentar vendas cruzadas;
• Aumentar vendas com pacotes de produtos;
• Oferecer produtos e serviços a novos segmentos.
R
ef
er
ên
ci
as
 
B
ib
li
o
gr
áfi
ca
s
Clique 
para voltar 
ao Índice
 • American Society for Quality. Acesso em: https://asq.org/
• BLANK, Leland; TARQUIN, Anthony, P. E. Engenharia Eco-
nômica. São Paulo: McGraw-Hill, 2008.
• CAMPOS, V. F. Gerenciamento da Rotina no Dia a Dia. 8ª 
edição, Nova Lima: INDG, 1994. 
• FAYOL, Henri. Administração Industrial e Geral. 1916. 
• Harvard Business Review, On managing people, Harvard 
Business Press, 2011.
• Harvard Business Review, On leadership. Harvard Business 
Press, 2011.KOTTER, John. Leading Change. 1995.
• HARMON, P., Business Process Change. 2ª ed. Amsterdã: 
Morgan Kaufmann, 2007.
• HARRY, M., SHROEDER, R. Six Sigma: The Breakthrough 
Management Strategy Revolutionizing the World’s Top Cor-
porations, 1ª ed. Nova Iorque: Crown Business, 2006.
• HAYES, R. H., WHEELWRIGHT, S. C. Competing Through 
Manufacturing. Harvard Business Review, 1984. 
• HOULE, Cyril. O. The Design of Education. San Francisco: 
Jossey-Bass, 1972. 
•HOULE, Cyril. O. Continuing Learning in the Professions. 
San Francisco: Jossey-Bass, 1980.
 • IMAI, M. Gemba Kaizen, uma abordagem de bom senso à es-
tratégia de melhoria contínua. 2ª edição. São Paulo: Bookman, 
2014.
• KANG, C. W., KVAM, P. H., Basic Statistical Tools for Impro-
ving Quality, 1ª ed. Hoboken: John Wiley & Sons, 2011.
• KIRKPATRICK, Donald L. Evaluating Training Programs. WI: 
American Society for Training and Development, 1975.
• KIRKPATRICK, Donald L. A Practical Guide for Supervisory 
Training and Development. Reading, MA: Addison-Wesley, 
1971. 
• KIRKPATRICK, Donald L. Transferring Learning to Behavior: 
Using the Four Levels to Improve Performance. 2005.
• KNOWLES, Malcolm S., HOLTON III, Elwood F., SWANSON, 
Richard A. Aprendizagem de resultados: uma abordagem prá-
tica para aumentar a efetividade da educação corporativa. 
Tradução de Sabine Alexandra Holler. Rio de Janeiro: Elsevier, 
2009.
• KUME, H., Statistical Methods for Quality Improvement, 1ª 
ed. Tóquio: 3ª Corporation, 1985.
• KUBIAK, T. M.; BENBOW D. W. The certified six sigma bla-
ck belt handbook. 2nd ed. Milwaukee, Wisconsin: ASQ Quality 
Press, 2009. 683p. ISBN 978-0-87389-732-7 
 
• KUBIAK, T. M.; BENBOW D. W. The certified six sigma bla-
ck belt handbook. 2nd ed. Milwaukee, Wisconsin: ASQ Quality 
Press, 2009. 683p. ISBN 978-0-87389-732-7 
• LEVINE, H.A. “Project Portfolio Management: A practical 
guide to selecting projects, managing portfolios and maximi-
zing benefits”, San Francisco, Jossey-Bass, 2007.
• LIKER, J. Toyota Way: 14 Management principles from the 
world’s greatest manufacturer. 1ª edição, Nova Iorque: Mc-
Graw-Hill, 2004.
• MCGREGOR, Douglas. The Human Side of Enterprise. Mc-
Graw-Hill, 1960.
• MCCARTHY, T., BREMER, M., DANIELS, L., GUPTA, P. Mo-
torola University, The Six Sigma Black Belt Handbook, 1ª ed. 
Nova Iorque: McGraw-Hill, 2004.
• MCGREGOR, D. Leadership and Motivation. Cambridge: 
The Massachusetts Institute of Technology Press, 1967. 
• MONTGOMERY, D. C. Introdução ao Controle Estatístico 
da Qualidade. 2016.
• MONTGOMERY, D. C., Introduction to Statistical Quality 
Control, 6ª ed. Nova Iorque: John Wiley & Sons, 2009;
 • MURMAN, E. et al. Lean Enterprise Value: Insights from 
MIT’s Lean Aerospace Initiative. 1ª edição, Cambridge: Palgra-
ve Macmillan, 2002.
• NAKAJIMA, S. Introduction to TPM. 1ª edição, Portland: 
Productivity press, 1989.
• OHNO, T. Toyota Production System: Beyond Large-Scale 
Production. Tóqui: Diamond, 1978.
• PYZDEK, T. The Six Sigma Handbook, 1ª ed. Nova Iorque: 
McGraw-Hill, 2003.
• PMI - PROJECT MANAGEMENT INSTITUTE. Guia PM-
BOK®: Um Guia para o Conjunto de Conhecimentos em Ge-
renciamento de Projetos, Sexta edição, Pennsylvania: PMI, 
2017.
• PYZDEK, Thomas. The Six Sigma Project Planner. New York: 
McGraw-Hill, 2003. 
• ROGERS, Carl. Liberdade para Aprender. Belo Horizonte: 
Interlivros, 1969.
• SCHONBERBER, R. J. World Class Manufacturing: the les-
sons on simplicity applied. 1ª edição, Nova Iorque: The Free 
Press, 1986.
• SCHEIN, Edgar. The Corporate Culture Survival Guide. The 
Jossey-Bass Business & Management Series, 1999.
 • SHARMA, M. KODALI, R. Development of a framework for 
manufacturing excellence. Measuring Business Excellence, 12, 
2008.
• SHEWHART, W., Economic Control of Quality of Manufacu-
red Product, 1ª ed. Nova Iorque: D. Van Nostrand Company, 
1931.
• SMITH, B., Six Sigma Design, IEEE Spectrum, p. 43-47, 1993.
• SNOW, R. E. Aptitude-Treatment Interaction as a Framework 
for Research on Individual Differences in Learning. Learning 
and Individual Differences: Advances in Theory and Research. 
P. L. Ackerman, R. J. Sternberg, and R. Glaser (eds.). New York: 
W. H. Freeman, 1989.
• SUTHERLAND, Jeff. Scrum : a arte de fazer o dobro do tra-
balho na metade do tempo. tradução de Natalie Gerhardt. São 
Paulo: LeYa, 2014. 
• SWANSON, R. A. Industrial Training. Encyclopedia of Educa-
tional Research. H. E. Mitzel (ed.). New York: Macmillan, 1982.
• TANG, L. C., GOH, T. N., YAM, H. S., YOAP, T. Six Sigma: Ad-
vanced Tools for Black Belts and Master Black Belts, 1ª ed. 
Chicester: John Wiley & Sons, 2006.
• TAYLOR, Frederick W. Os Princípios da Administração Cien-
tífica. 1911.• VOM BROCKE, J., ROSEMAN, M. Handbook on business 
process management 1. 1ª ed. Londres: Springer, 2010
• VOM BROCKE, J., ROSEMAN, M. Handbook on business 
process management 2. 1ª ed. Londres: Springer, 2010
• White, B. Lean Daily Management for healthcare: a strate-
gic guide to implementing lean for hospital leaders, 1ª edição, 
Nova Iorque: CRC Press, 2016. 
• WILLMOT, P. TPM: Total Productive Maintenance: the Wes-
tern Way, 1ª edição, Oxford: Butterworth-Heinemann, 1997.
• WIREMAN, T. Total Productive Maintenance: Na American 
Approach, 1ª edição, Nova Iorque: Industrial Press Inc., 1991
• WLODKOWSKI, R. J. Enhancing Adult Motivation to Learn. 
San Francisco: Jossey-Bass, 1985. 
• WOLMACK, J. P., JONES, D. T. Lean Thinking. 1ª edição, Nova 
Iorque: Simon & Schuster, 1996.
• YANG, K., EL-HAIK, B. Design for Six Sigma: Roadmap to pro-
duct development, 2ª edição, Nova Iorque: McGraw-Hill, 2003.