Green Belt_INTERFACE_Fernanda-fev 19

Prévia do material em texto

1
2
3
4
5
6
Metodologia Lean Six-sigma
Curso de Formação de Green Belts
Lean 6
7
Primeiro Dia:
 Introdução
 Origem e Conceituação do Lean Six-sigma
 Campos de Aplicação
 Implantação da Metodologia
 Estrutura da Equipe
 Responsabilidades
 Treinamento e Certificação
 Seleção de Projetos
 DMAIC
CONTEÚDO PROGRAMÁTICO
8
	
Primeiro Dia:
 DEFINIR
 Identificação e Priorização de Problemas e Oportunidades
 Abordagem Y=f(x)
 Diagrama de Pareto
 Técnica GUT
 Matriz de Decisão
 Mapeamento de Processos
 Fluxograma
 SIPOC/FEPSC
CONTEÚDO PROGRAMÁTICO
9
	
Segundo Dia:
 MEDIR
 Diagrama de Ishikawa
 Matriz de Causa e Efeito 
Análise do Sistema de Medição 
CONTEÚDO PROGRAMÁTICO
10
	
Terceiro Dia:
 ANALISAR
 Análises gráficas
 Correlação e Regressão
MELHORAR
 DOE – Projetos de Experimentos
 FMEA – Failure Mode and Effect Analysis
CONTEÚDO PROGRAMÁTICO
11
	
Quarto dia:
 MELHORAR
 Testes de Hipóteses
 CONTROLAR
 Plano de Controle
 CEP – Controle Estatístico de Processos
 Replicação das Melhorias
 Cálculo dos Ganhos Financeiros / Validação     
CONTEÚDO PROGRAMÁTICO
12
	
12
TREINAMENTO
GREEN BELT
	
BEM VINDOS!
	
CONHECENDO A TURMA
Faça uma breve apresentação sua, contando sua trajetória profissional, experiência com 6Sigma e o que gosta de fazer!
	
NOSSO ACORDO
Respeitar os horários
Celulares em modo silencioso
Evitar conversas paralelas
Compartilhar dúvidas
Postura Participativa
	
Origens do Lean Six-sigma
1986
1990
INTRODUÇÃO
17
	
17
GE 12 bilhões de dollares em 1981 e hoje: 280 bilhoes hoje
Nenhum CEO na História criou mais valor para o acionista do que Jack Welch
Utiliza ferramentas estatísticas, focando a tomada de decisões em dados.
O que é a metodologia Lean Six-sigma?
É um processo sistemático e estruturado para se obter ganhos de qualidade e de produtividade através da melhoria dos processos.
Tem como base a execução de projetos sem investimento conduzidos por uma equipe multidisciplinar.
INTRODUÇÃO
18
	
MOTOROLA
Benchmark:
As Empresas de média performance, falhavam entre 3 mil a 10 mil vezes a cada 1MM. Já as BIC’s 3,4. 
As empresas de média performance tinham alto índice de reprocesso. O que não acontecia com as BIC’s.
	Segredo: EVITAR reprocesso => Fazer certo da 1 vez!!!
Nascimento do Six-sigma
Bob Galvin
Bill Smith
Michael Harry
INTRODUÇÃO
19
	
19
Bob Galvin – CEO: melhorar a qualidade 10X em 5 anos.
O engenheiro de qualidade da Motorola, Bill Smith, chamou o processo de melhoria de qualidade de Six Sigma. 
Michael Harry, who led the Six Sigma programme at Motorola moved on to other organisations and finally established the ‘Six Sigma Academy’
DMAIC
GE – Jack Welch
Six-sigma Academy 
(M. Harry e R. Schroeder)
Motorola
O que fez do 6 algo diferente?
 Objetiva a melhoria de (qualquer) processo;
 Tem foco em aumentar a LUCRATIVIDADE da empresa através de:
	< defeitos  > rendim. e qualidade  > a satisfação dos clientes 
 Equipes multi-funcionais. CLIENTES são a ref. fundamental;
 Projetos rápidos, com alto retorno e guiado por DADOS;
 Processo DISCIPLINADO e com forte suporte ferramental;
 Condição: Validado ESTATÍSTICA E FINANCEIRAMENTE
INTRODUÇÃO
20
	
20
(Mikel Harry & Richard Schroeder - Six Sigma Academy)
“Nada se compara à eficácia do Six-sigma na hora de melhorar a eficiência operacional da empresa, aumentando a produtividade e reduzindo custos.”
 
Jack Welch – Ex-presidente da GE
INTRODUÇÃO
21
	
21
(Mikel Harry & Richard Schroeder - Six Sigma Academy)
4
3
2
1
0
-
1
-
2
-
3
-
4
68%
95%
Probabilidade do valor da amostra
Número de Desvios Padrões da Média
99,73%
	
Curva de Gauss
Desvio Padrão ()
Média (µ)
INTRODUÇÃO
22
	
22
 Água não-potável quase 15 minutos por dia;
 5.000 operações cirúrgicas incorretas por semana
 2 pousos forçados nos maiores aeroportos diariamente
 Falta de energia elétrica por quase 7 horas a cada mês
 Um minuto de água não-potável a cada sete meses
 1,7 operações cirúrgicas incorretas por semana
 Um pouso forçado nos maiores aeroportos a cada cinco anos
 Uma hora sem energia elétrica a cada 34 anos
99% bom – 3,8
6 
s
PPM
Capabilidade do Processo
Defeitos por Milhão de Op. 
2
308.537
3
66.807
4
6.210
5
233
6
3,4
INTRODUÇÃO
23
	
23
* Fonte: Jornal A Tarde, edição 22/2/2009.
	Matéria: “Lipoaspiração sem Risco” *
	“Em 2004, ao estudar 400 mil cirurgias plásticas feitas nos EUA, a Sociedade Americana dos Cirurgiões Plásticos descobriu que em 0,34% houve sérias complicações (uma a cada 298 operações) e que em 0,0019% os pacientes morreram (um óbito a cada 51.459 cirurgias)”.
	
	Complicações sérias: 
	DPMO = (1/298) x 1.000.000 = 3.355,7  4,21
	Mortes: 
	DPMO = (1/51.459) x 1.000.000 = 19,4  5,62
		1 morte a cada 289.855 cirurgias  6
INTRODUÇÃO
24
	
	A Filosofia Lean
	O Lean Manufacturing surgiu na Toyota no Japão pós-Segunda Guerra Mundial. Os criadores desta filosofia são Taiichi Ohno, engenheiro da Toyota e seus precursores: Sakichi Toyoda, fundador do Grupo Toyoda em 1902; Kiichiro Toyoda, filho de Sakichi Toyoda, que encabeçou as operações de manufatura de automóveis entre 1936 e 1950 e Eiji Toyoda. 
James Womack
Daniel T. Jones
Nascimento do Lean
	1990
	1996
INTRODUÇÃO
25
	
25
The machine – 1990
Lean Thinking – 
O termo Lean surgiu originalmente no famoso livro de James Womack e Daniel Jones chamado The Machine that Changed the World (A Máquina que Mudou o Mundo) publicado nos Estados Unidos em 1990. Este livro foi o resultado de um estudo sobre a indústria automotiva mundial realizado pelo MIT (Massachusetts Institute of Technology), sob a coordenação de Womack. Dentre outras coisas o livro explora as vantagens do Sistema Toyota de Produção (Toyota Production System). 
Os 5 Princípios do Lean:
Definir o que é VALOR para o cliente
Mapear a CADEIA DE VALOR para cada produto
Criar um FLUXO CONTÍNUO de produção
Operar com PRODUÇÃO PUXADA
Buscar a PERFEIÇÃO
“É uma forma de especificar valor, alinhar na melhor seqüência as ações que criam valor, realizar essas atividades sem interrupção toda vez que alguém as solicita e realizá-las de forma cada vez mais eficaz.” 
A Mentalidade Enxuta nas Empresas–1998 
(Womack e Jones) 
INTRODUÇÃO
26
	
Exemplo de Fluxo Contínuo
No fluxo da esquerda (desbalanceado), qual a etapa mais lenta? E a mais rápida?
Quais as consequências de se ter etapas com capacidades de processamento diferentes?	
INTRODUÇÃO
27
	
Focos do Lean: velocidade e fluxo de valor.
Utiliza técnicas para:
 Focalizar e maximizar a velocidade do processo;
 Ferramentas para analisar o fluxo de valor e os atrasos em cada etapa do processo;
 Ferramentas para analisar e reduzir desperdícios que não sejam defeitos.
Principais resultados alcançados:
 Redução de Lead Time
 Redução de inventário (WIP)
INTRODUÇÃO
28
	
MUDAS
(Os 7 + 1 Grandes Desperdícios da Produção Enxuta)
Desperdício de Transporte
Desperdício de Estoques
Desperdício de movimento (problemas ergonômicos)
Desperdício de Espera
Desperdício de Superprodução
Desperdício de Processamento
Desperdício de Produzir Itens defeituosos/ retrabalho
Não valorizar as pessoas
INTRODUÇÃO
29
	
EVENTOS KAIZEN
Aperfeiçoamento constante dos processos:
KAI = Mudança 
ZEN = Bom
Mudança para melhor
Eventos Kaizen são reuniões, com foco em execução, de 3 a 5 dias de duração, com o objetivo de se estabelecer melhorias no processo estudado;
Seu pré-requisito é um planejamento robusto a fim de que durante o evento não se perca o foco na execução.
INTRODUÇÃO
30
	
30
		LEAN	SIX-SIGMA
	OBJETIVO	Eliminar desperdícios	Reduzir variações
		1. Definir Valor	1. Definir
		2. Cadeia Valor	2. Medir
	SISTEMÁTICA	3. Fluxo Contínuo	3. Analisar
		4. Produção Puxada	4. Melhorar
		5. Buscar Perfeição	5. Controlar
	CTQ	Lead Time/ Valor AgregadoFalhas/ Redução de custos
	FOCO	Fluxo	Projeto (problema)
* Adaptado do Boletim da Siqueira Campos – Setembro de 2005, ano IX, nº 17.
Tabela comparativa: Lean e Six-sigma*
INTRODUÇÃO
31
	
Qualidade
Rapidez
 Fluxo Produtivo
Dados e Fatos
LEAN SIX-SIGMA
Satisfazer Clientes
Otimizar Processos
Fluxo do Processo
 Fluxo Produtivo
Defeitos e Variações
Adaptado de GEORGE, ROWLANDS e KASTLE. What is Lean Six Sigma? McGraw-Hill, USA, 2004.
INTRODUÇÃO
32
	
Principais Personagens do LSS
Aprovar e financiar projetos, remover as “pedras no caminho” para o sucesso dos projetos
Champions	
Consultores internos, são dedicados em tempo integral ao Six-Sigma, mentores dos BB e GB, estabelecem junto com os Champions as metas dos projetos.
Master Black Belts
Black Belts e Green Belts
Yellow Belts e White Belts
Lideram equipes de projeto, dão assistência no uso das ferramentas do Six-Sigma. BB são tempo integral; GB dedicam-se part time a Six-Sigma.
Participam da equipe de projetos, dando suporte aos BBs e GBs; utilizam as ferramentas para executarem pequenas melhorias nos processos. 
INTRODUÇÃO
33
	
CURSO GB - Seleção de Projetos
Seleção de Projetos
34
	
SELEÇÃO DE PROJETOS
	“Se um homem começar com certezas, vai acabar com dúvidas; mas se ele se contentar em começar com dúvidas, vai acabar com certezas.”
Sir Francis Bacon
Filósofo e escritor Inglês (1561 – 1626)
35
	
Aprovado ?
Sim
Projeto de
Investimento
Sim
Matriz de 
Priorização
Não: Melhorar!!!
Não
Baixo risco e 
complexidade
KAIZEN
Alto risco e 
complexidade
DMAIC
Pipeline de 
Oportunidades
Investimento?
Projetos LSS
INTRODUÇÃO
36
	
Implementando o LSS
36
O que é o 6 Sigma ?
Como defino o 6 Sigma em termos práticos ?
	
	“O “Six Sigma” é originalmente um método que objetiva a redução da variabilidade e a eliminação de defeitos através de uma abordagem disciplinada para melhoria de processos e produtos, orientada por dados, buscando a quase total eliminação de defeitos em cada produto, processo ou transação, dada sua característica de poder ser aplicado em praticamente quase todas as vertentes de um negócio.” 
SELEÇÃO DE PROJETOS
37
	
Como o 6 Sigma ataca um problema:
 Como organizam-se esforços de melhoria?
Projetos 6 Sigma
SELEÇÃO DE PROJETOS
	Critério	Novo produto/processo	Mudança evolucionária	Re-projeto
	Foco	Desenvolvimento de novos produtos /processos	Atualização e otimização de produto/processo existente	Correção de produto/processo existente
	Escopo	Abrangente	Moderado	Limitado
	Tempo de execução	Longo	Moderado	Curto
	Custo	Alto	Moderado	Baixo
	Qualidade	Alta	Alta	Moderado
 Classificação de projetos segundo critérios usuais (baseada em SORDERBORG, 2005)
38
	
Como o 6 Sigma vê um problema:
 A abordagem causal Y=f(x):
SELEÇÃO DE PROJETOS
		 Y
Saída de um processo
Efeito
Monitorado
		 X
Entrada de um processo
Causa
Controlado ou ruído
PROCESSO
Y
X
39
	
Como o 6 Sigma vê um problema:
 A abordagem causal Y=f(x):
SELEÇÃO DE PROJETOS
Gerenciar
“Correto”
(In-Spec.)
K...Key
P...Process
I.....Input
V....Variables
(Principais Variáveis de entrada do processo) 
KPOV
K...Key
P...Process
O...Output
V....Variables
(Principais Variáveis de saída do processo) 
CTQ
Critical To Quality
 (Crítico para a 
Qualidade)
Gerencie as ENTRADAS que ótimas SAÍDAS surgirão !
COPQ
(Cost Of Poor Quality)
Todos os custos TANGÍVEIS
e INTANGÍVEIS ASSOCIADOS
À BAIXA QUALIDADE
PROCESSO
KPIV
KPIV
KPIV
40
	
Onde identificar uma oportunidade de projeto:
 Fontes típicas para buscar oportunidades de projetos:
 Planejamento estratégico, plano de negócios da empresa;
Estudos de benchmarking e demais avaliações de competidores;
Indicadores internos (garantia, qualidade, custos, processo, manutenção, etc);
Histórico de falhas do produto e/ou processo;
Gargalos de logísticos, administrativos ou de produção.
SELEÇÃO DE PROJETOS
41
	
Onde identificar uma oportunidade de projeto:
 Avaliação das métricas de desempenho: 
 Indicadores internos:
 Rendimento do processo;
 Tempo de ciclo;
 Projeto orientado para a Qualidade (processos críticos) 
 Indicadores externos:
 Dados de pesquisas;
 Custos de garantia. 
 Projetos executados em outros setores da organização (replicação).
SELEÇÃO DE PROJETOS
42
	
Onde identificar uma oportunidade de projeto:
 Custo da não qualidade:
SELEÇÃO DE PROJETOS
				 Receita
 					 Custos
Produtividade =
Custos Fixos (administração, sistemas de controle, equipamentos, instalações, etc.)
Custos Variáveis (matéria-prima, energia, mão-de-obra, 
 expedição, etc.)
Faturamento (vendas, lucro, etc.)
Custos Evitáveis (ocorrências / reclamações)
43
	
Onde identificar uma oportunidade de projeto:
 Projetos LSS e o relatório de demonstração de resultados:
SELEÇÃO DE PROJETOS
Receita
-
Custo dos bens vendidos
= 
Margem de contribuição
-
Despesas c/ vendas, gerais e Adm
=
Margem Operacional
-
Despesas Financeiras (juros…)
= 
Lucro antes do IR
-
IR
= 
Lucro Líquido
Projetos de Mkt e Vendas
Foco:  receita
Projetos de Manufatura
Foco:  CV
Projetos de RH, finanças...
Foco:  CFD
44
	
Como considerar um projeto:
 Avaliação das prioridades da empresa: 
 Projeto orientado para a Qualidade (processos críticos)
 Projeto orientado para Custos (“hard & soft savings”)
 Projeto orientado para a Entrega (e.g. tempo de ciclo)
 Projeto orientado ao combate a incêndio
SELEÇÃO DE PROJETOS
45
	
Critérios para a seleção de projetos:
 O que avaliar numa proposta de projeto: 
 Porque vale a pena fazer o projeto?
Porque é importante fazer o projeto agora ?
Quais as conseqüências de não fazer o projeto ?
Quais outras atividades são igualmente ou mais prioritárias ?
Como este projeto se encaixa nos planos e objetivos da empresa ?
SELEÇÃO DE PROJETOS
46
	
Critérios para seleção de projetos:
 Perguntas utilizadas para filtrar potenciais projetos:
 O problema apresenta-se de forma recorrente ?
O escopo do projeto está devidamente reduzido ?
Há métricas existentes ou que possam ser facilmente implementadas? 
Voce tem controle do processo e autonomia para efetuar mudanças ?
O problema afeta a satisfação do cliente
SELEÇÃO DE PROJETOS
47
	
Exemplos de projetos:
 Exemplos típicos de projetos 6-Sigma:
 Eliminação de desperdícios na linha de produção
Garantir robustez de novas tecnologias ou soluções
Resolver problemas de qualidade
Redução de variabilidade na manufatura
Otimização do desempenho de um produto
Validar ações de redução de custo
SELEÇÃO DE PROJETOS
48
	
Exemplos de projetos:
 O que evitar:
Objetivos vagos
Projetos não relacionados aos objetivos estratégicos/plano de negócios;
Muitos objetivos simultâneos
Com métricas falhas ou de difícil mensuração
Com solução já conhecida;
Projetos sem impacto financeiro ou que demandem grandes investiimentos;
Resultados esperados em curtíssimo prazo.
SELEÇÃO DE PROJETOS
49
	
Atividade:
 Avalie as seguintes declarações de problema. Considerando-se o que vimos até agora, quais são boas alternativas de projetos:
Melhorar o processo de montagem de TVs para eliminar reclamações de telas riscadas
Melhorar a robustez e qualidade do sistemaReduzir em 60% os custos de garantia por meio da redução da variabilidade na montagem de decodificadores de HDTV
Reduzir o absenteísmo na época do carnaval
Instalar novo forno de tratamento térmico
SELEÇÃO DE PROJETOS
50
	
Atividade 
Helicóptero Origami 
Qual o tempo médio de vôo alcançado ?
51
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
Técnicas usuais para priorização de projetos:
 
 Análise SWOT			Matriz de Foco ou Esforço Impacto ou Decisão 
 		 Matriz GUT
SELEÇÃO DE PROJETOS
Slide 18
52
	
Técnicas usuais para identificação do escopo de projetos:
 Y = f(x) Mapa de Processo
 Diagrama de Ishikawa Matriz Causa e Efeito
SELEÇÃO DE PROJETOS
Slide 18
Y = f (x1, x2, x3,…xn)
Y’ = f (x1’, x2’, x3’,…xn’)
Qualidade
Tempo
Custo
53
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
SELEÇÃO DE PROJETOS
Matriz SWOT
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
SELEÇÃO DE PROJETOS
Matriz SWOT 
Lista de Fatores
Agora, liste os fatores de seu projeto:
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
SELEÇÃO DE PROJETOS
Matriz SWOT
Análise
Agora, analise seu projeto:
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
Matriz GUT
SELEÇÃO DE PROJETOS
57
	
57
Exemplo:
 A Empresa Product Delivery vem perdendo mercado para os concorrentes nos últimos anos. Os problemas levantados foram os seguintes: 
Matriz GUT
SELEÇÃO DE PROJETOS
58
	
58
Exercício:
 Liste 5 oportunidades do seu estudo. Em seguida priorize essas oportunidades utilizando a matriz GUT abaixo:
Matriz GUT
SELEÇÃO DE PROJETOS
59
	
59
Matriz de Foco, Esforço x Impacto ou Decisão
SELEÇÃO DE PROJETOS
60
	
60
SELEÇÃO DE PROJETOS
61
Matriz de Foco, Esforço x Impacto ou Decisão
	
61
SELEÇÃO DE PROJETOS
Matriz de Foco, Esforço x Impacto ou Decisão
	
62
DMAIC
CURSO GB - DMAIC
63
	
CURSO GB - DMAIC
D M A I C
A estrutura de fases do DMAIC:
 Identificação das fases e seu seqüênciamento:
DEFINIR
(DEFINE)
CONTROLAR
(CONTROL)
MELHORAR
(IMPROVE)
ANALISAR
(ANALYZE)
MEDIR
(MEASURE)
64
	
Objetivos da fase Definir (“Define”):
 Aperfeiçoar o entendimento sobre o problema:
 Identificação e contextualização do problema: 
 O quê ? Quem ? Onde? Quando ? Quanto ? (5W2H?); 
 Clientes e suas demandas;
 Identificação dos fornecedores.
 Organização do time:
 Participantes;
Responsabilidades; 
Metas.
 Elaboração e aprovação do contrato do projeto – “project charter”
DMAIC - DEFINIR
65
	
Objetivos da fase Medir (“Measure”):
 Suportar a tomada de decisão baseada em dados:
 Aplicação de técnicas de coleta de dados, de avaliação de performance e de monitoramento:
 Identificação das variáveis a serem avaliadas;
 Estabelecimento e avaliação do sistema de medição;
 Plano de amostragem/coleta.
 Identificação do desempenho inicial do produto ou processo
 Atualização e revisão da documentação do projeto
DMAIC - MEDIR
66
	
Objetivo da fase Analisar (“Analyze”):
 Identificação e caracterização das fontes de variação:
 Aplicação de técnicas gráficas ou analíticas nos resultados das medições para:
 Identificação das variáveis mais influentes;
 Avaliação da forma como se dá tal influência.
 Atualização e revisão da documentação do projeto
DMAIC – ANALISAR 
67
	
Objetivo da fase Melhorar (“Improve”):
 Minimizar a sensibilidade do produto/processo às condições de uso/produção e centralizar seu desempenho em seu alvo:
 Identificar oportunidades de melhoria:
 Avaliações físicas, analíticas ou virtuais.
 Realização de pilotos;
 Implementação das melhorias.
 Atualização e revisão da documentação do projeto
DMAIC – MELHORAR 
68
	
Objetivo da fase Controlar (“Control”):
 Manter e perpetuar os ganhos obtidos:
 Implantação de dispositivos à prova de erro – “poka-yoke”
 Monitoramento das melhorias implementadas:
 Formalização das melhorias;
 Treinamentos; 
 Análise do sistema de medição de longo prazo;
 Estabelecimento do plano de controle;
 Elaboração do plano de reação.
 Atualização e revisão da documentação do projeto para aprovação final e fechamento
DMAIC – CONTROLAR
69
	
E após o encerramento do projeto?
 “Corporate base of knowledge”:
 Especificações;
 Folhas de processo;
 Melhores práticas, etc;
 Treinamentos
 Atualizações de “hard” e “soft skills”
DMAIC – PÓS-PROJETO
70
	
DEFINIR
CURSO GB - DEFINIR
71
	
CURSO GB - DEFINIR
	“O primeiro trabalho numa tomada de decisão é encontrar o real problema e definí-lo."
Peter Drucker (1909 – 2005), 
o “pai da administração moderna”
72
	
Objetivos da fase Definir (“Define”):
 Aperfeiçoar o entendimento sobre o problema:
 Identificação e contextualização do problema: 
 O quê ? Quem ? Onde? Quando ? Quanto ? (5W2H?); 
 Clientes e suas demandas;
 Identificação dos fornecedores.
 Organização do time:
 Participantes;
Responsabilidades; 
Metas.
 Elaboração e aprovação do contrato do projeto – “project charter”
DMAIC - DEFINIR
73
	
Elementos da fase Definir (“Define”):
 Os principais elementos da fase Definir são:
 Definição inicial do problema - declaração de alto nível;
 Voz do cliente;
 Crítico p/ qualidade (CTQ-“critical to quality”) e definição de defeito;
 Conceito e técnica Y=f(x);
 Mapas do processo:
 SIPOC;
 Mapas de fluxo.
 Estabelecimento do escopo e do objetivo do projeto; 
 Declaração detalhada do problema;
 Contrato do projeto – “project charter”.
DMAIC - DEFINIR
74
	
Elementos da fase Definir (“Define”):
 Definição inicial do problema - declaração de alto nível:
 Objetivos:
 Apresentar o problema de forma clara e concisa;
 Quantificar o problema, com seus indicadores e métricas;
 Identificar o impacto no cliente e o desempenho inicial.
DMAIC - DEFINIR
75
	
Elementos da fase Definir (“Define”):
 Definição inicial do problema - declaração de alto nível:
 Exemplo:
 Os clientes estão insatisfeitos com a qualidade da imagem dos televisores .
DMAIC - DEFINIR
76
	
Elementos da fase Definir (“Define”):
 Definição inicial do problema - declaração de alto nível:
 Exemplo melhorado:
 Os clientes estão insatisfeitos com a qualidade da imagem dos televisores LCD com mais de 40 polegadas.
DMAIC - DEFINIR
77
	
Elementos da fase Definir (“Define”):
 Definição inicial do problema - declaração de alto nível:
 Exemplo melhorado:
 Os clientes estão insatisfeitos com a imagem dobrada nos televisores LCD com mais de 40 polegadas.
DMAIC - DEFINIR
78
	
Elementos da fase Definir (“Define”):
 Definição inicial do problema - declaração de alto nível:
 Exemplo melhorado:
30% dos clientes estão insatisfeitos com a imagem dobrada nos televisores LCD com mais de 40 polegadas produzidas na planta de Manaus após 30 de outubro (quando ocorreu a troca do fornecedor de telas) conforme relatório do Depatamento de Serviços #42/2011.
DMAIC - DEFINIR
79
	
Elementos da fase Definir (“Define”):
 Exercicio 
Definição inicial do problema - declaração de alto nível 
Elabore uma declaração de alto nivel para a oportunidade em analise
DMAIC - DEFINIR
80
	
Elementos da fase Definir (“Define”):
 Voz do cliente - VOC:
 Objetivos:
 Apresentar o problema da forma o mais fiel possível a como o cliente o descreve ou percebe;
 Pode ser cliente interno ou externo.
DMAIC - DEFINIR
 Crítico para a qualidade – CTQ (“critical to quality”):
 Objetivos:
 Traduzir o problema da linguagem do cliente para a linguagem técnica, sempre vinculando-a a uma métrica de desempenho.
A correta tradução da VOC em CTQ é vital para o sucesso do projeto !
81
	
Elementos da fase Definir (“Define”):
 Traduzindoa VOC em CTQ:
DMAIC - DEFINIR
 Definição operacional:
 É a descrição do problema de uma forma que assegure a interpretação correta e consistente das expectativas do cliente.
VOC Requisitos
Problema
chave
82
	
Elementos da fase Definir (“Define”):
 Traduzindo a VOC em CTQ:
DMAIC - DEFINIR
83
	
Elementos da fase Definir (“Define”):
 Traduzindo a VOC em CTQ – Exercicio 
DMAIC - DEFINIR
84
	
Elementos da fase Definir (“Define”):
DMAIC - DEFINIR
 Definição operacional:
 É a descrição do problema de uma forma que assegure a interpretação correta e consistente das expectativas do cliente.
QUANTAS BLUSAS AZUIS NA SALA ????
85
	
Elementos da fase Definir (“Define”):
DMAIC - DEFINIR
Definição operacional:
 
Uma blusa é qualquer peça de roupa que cobre 70% ou mais do tronco, acima da saia ou calça de quem a usa e cuja extremidade inferior (quando usada solta) cai entre 7 a 17cm (inclusive) abaixo da parte extrema da saia ou calça. Se o tipo de roupa usada não for saia ou calça, a peça de roupa usada não é uma blusa. 
 Qualquer blusa assim definida será considerada azul se mais de 50% de sua superfície exposta e visível (quando vestida) é de cor azul. 
 Qualquer cor será considerada azul se similar a qualquer porção de uma faixa marcada em um cartão de cores disponível, quando ambos, blusa e cartão, são julgados por um inspetor certificado por exame médico, tendo passado no teste de daltonismo para piloto aéreo. 
A Definição Operacional torna o CTQ Mensurável!!!! 
86
	
Elementos da fase Definir (“Define”):
DMAIC - DEFINIR
 Defeitos:
 Em termos de 6 Sigma, o não atingimento dos requisitos configura-se em um defeito;
 Defeito vs defeituoso;
 São expressos em relações matemáticas como DPO, DPU, DPMO, ou avaliados de forma inversa pelos rendimentos. 
 Às vezes, mesmo atendendo-se um requisito o cliente continua insatisfeito. O que fazer então ? 
87
	
PROCESSO
ENTRADAS
SAÍDAS
Fatores de Ruído
Fatores de Controle
Não Conformidades
Mapeamento de Processo:
 O que é um Processo?
Conjunto de atividades interrelacionadas
Objetivo específico
Transforma entradas em saídas
DMAIC - DEFINIR
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 São representações de processos utilizando-se símbolos objetivando:
	Visualizar o processo 
	Alinhar o conhecimento sobre o processo com o time de projeto e os decisores;
	Auxilia na identificação de ineficiências
 Gargalos;
 Fábricas ocultas (loops, retrabalhos, redundâncias);
 Operações não padronizadas, etc.
DMAIC - DEFINIR
89
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 SIPOC ou FEPSC
 Mapa de alto nível que visa identificar os principais elementos do processo:
 S	= Supplier >>>	Fornecedor
 I 	= Inputs >>>	Entradas
 P	= Process >>> 	Processo
 O	= Output >>> 	Saída
 C	= Customer >>>	Cliente
DMAIC - DEFINIR
90
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 SIPOC
DMAIC - DEFINIR
S I P O C
91
	
	F
Fornecedor
	E
Entrada
	P
Processo
	S
Saída
	C
Cliente
			 		
	 	Informações s/ Navio	 	Navio atracado	Op. do Terminal
	Prático/ Agente Marítmo	Informações s/ cabos	Atracamento	Declaração de presença de carga	Empresa Cliente
	Capitania dos Portos	Declaração de conformidade	 	Autorização subida a bordo	Receita Federal
	 	 	 	 	 
			 		
	Agente Marítmo	Documentação navio	Verificação e Inspeção	Desembaraço aduaneiro	Op. do Terminal
	Firma Inspetora	Fatura	Arqueamento	Plano de descarga	Empresa Cliente
	Receita Federal	Declaração de conformidade	Liberação do Pronto a Operar	Declaração de Importação	Cmte. Navio
	 	 	 	Pronto a Operar	 
			 		
	Operadores Navio	Pronto a Operar	 	 	Op. do Terminal
	Operadores Terminal	Definição tancagem	Conexão do Braço	Carga	Empresa Cliente
	Empresa	Liberação Empresa via FAX	Operação de Carga e Descarga	Carta de Protesto	Prático
	 	 	Desconexão do Braço	 	 
			 		
DMAIC - DEFINIR
92
	
	F
Fornecedor
	E
Entrada
	P
Processo
	S
Saída
	C
Cliente
			 		
	 		 		
					
			 		
	 	 	 	 	 
			 		
					
					
					
	 	 	 		 
			 		
			 	 	
					
					
	 	 		 	 
			 		
DMAIC - DEFINIR
Exercicicio – Fazer o SIPOC/FEPSC da oportunidade em estudo
93
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 Mapa de processo ou mapas de fluxo
 Utilizam-se de símbolos e convenções para representar as atividades relacionadas ao processo produtivo e seu seqüênciamento;
 Podem ser tão detalhados quanto necessário
DMAIC - DEFINIR
94
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 Símbolos e regras usuais:
DMAIC - DEFINIR
Etapa ou Operação
Inspeção
Decisão
Espera
Armazenagem
Transporte
95
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
 Símbolos e regras usuais:
DMAIC - DEFINIR
96
	
Elementos da fase Definir (“Define”):
 Mapas de processo:
Exercicio – Fazer o mapa do processo da oportunidade em estudo
DMAIC - DEFINIR
97
	
Elementos da fase Definir (“Define”):
 Y=f(x):
 Objetivos:
 Desmembrar um problema complexo em várias vertentes melhor gerenciáveis;
 Ajudar a traduzir uma VOC para linguagem técnica comparável às especificações do produto ou processo.
 Significado:
 Y = variável de saída e problema a ser solucionado; é o EFEITO;
 x = variável de entrada; é a CAUSA;
 f = simboliza a função matemática que as relaciona.
DMAIC - DEFINIR
98
	
Elementos da fase Definir (“Define”):
 Y=f(x):
 Estruturação:
DMAIC - DEFINIR
PROCESSO
Y
X
Y = f (x1, x2, x3,…xn)
Y’ = f (x1’, x2’, x3’,…xn’)
Qualidade
Tempo
Custo
99
	
Elementos da fase Definir (“Define”):
 Y=f(x):
 Exemplo: Problema = sofá desconfortável
DMAIC - DEFINIR
Y = Sofá desconfortável
Subjetivo 
Que ação tomar ?
100
	
Elementos da fase Definir (“Define”):
 Y=f(x):
 Exemplo: Problema = sofá desconfortável
DMAIC - DEFINIR
Y = Sofá desconfortável
Y = f (encosto, assento, espuma)
	 
	 Y’ = f (tecido, largura, comprimento, inclinação)
		 Y” = f (fios por polegada, permeabilidade)
Todos mensuráveis
Mensuráveis
101
	
Elementos da fase Definir (“Define”):
 Y=f(x):
 Exercicio: Fazer o cascateamento para a oportunidade em estudo. 
DMAIC - DEFINIR
102
	
Elementos da fase Definir (“Define”):
 Escopo e Objetivo:
 Definir o escopo de um projeto é definir a abrangência prevista para o projeto, é delimitar o que será ou não investigado;
 Já o objetivo estabelece qual a meta de melhoria a ser atingida. 
DMAIC - DEFINIR
 Y = f(x) Mapa de Processo
Y = f (x1, x2, x3,…xn)
Y’ = f (x1’, x2’, x3’,…xn’)
Qualidade
Tempo
Custo
103
	
Escopo do Projeto
LIBERAR
PROGRAMAÇÃO
CONTROLAR
QUALIDADE
MP CONFORME ?
SIM
NÃO
MOVIMENTAR MP P/ ÁREA OPERACIONAL
CONTATAR /AJUSTAR PROGRAMAÇÃO
AUTORIZAR RECEBIMENTO
PRODUZIR AROMÁTICOS /OLEFINAS
VERIFICAR
PROGRAMAÇÃO
VERIFICAR
CONDIÇÕES DE OPERAÇÃO
HÁ CONDIÇÕES ?
SIM
NÃO
SEGUIR ORIENTAÇÕES
SOLICITAR CONDIC. DAS UO’S
RECEBER PRONTO A OPERAR
INICIAR OPERAÇÃO
ACOMP. REGIME TRANSITÓRIO/ PERMANENTE
SIM
NÃO
FINALIZAR OPERAÇÃO
REPOUSO
HÁ INTERRUPÇÃO ?
DMAIC - DEFINIR
104
	
Elementos da fase Definir (“Define”):
 Declaração detalhada do problema:
Trata-se de um refinamento da declaração de problema de alto nível, considerando-se todo o ganho e aprofundamento de conhecimento sobre o problema proporcionado pelos elementos anteriores desta fase.
Deve apresentar clara e objetivamente o problema, possibilitando sempre que possivel a estratificação ao nível acionável adequado e as métricas que motivam a execução do projeto
 Mesmo a declaração detalhada não deve apresentar soluções ao problema. Se a solução é conhecida, basta implementá-la. 
DMAIC - DEFINIR
105
	
Elementos da fase Definir (“Define”):
 Contrato/carta do projeto (“project charter”):
 É o documento mais importante do projeto.Funciona como um contrato mesmo em que o lider do time identifica:
 O projeto, seus participantes e atribuições;
 A declaração detalhada do problema (clara e mensurável);
 Os elementos críticos para a qualidade (CTQ);
 O escopo (abrangência) do projeto
 Indicadores do problema no início e a meta de redução deles, bem como os demais impactos previstos; 
 Cronograma de execução do projeto.
DMAIC - DEFINIR
106
	
Elementos da fase Definir (“Define”):
 Contrato/carta do projeto (“project charter”):
 Assim, por meio do contrato do projeto o time assume responsabilidade perante a organização pelo atingimento da meta de um problema específico no prazo estabelecido;
 O projeto só será considerado bem sucedido ao cumprir as metas e objetivos por meio dele acordados.
 Este documento pode ser revisado ao longo do andamento do projeto conforme novos dados e descobertas assim o requererem desde que haja aprovação das lideranças por ele afetadas. 
DMAIC - DEFINIR
107
	
Elementos da fase Definir (“Define”):
 Exemplo 1:
DMAIC - DEFINIR
108
	
Elementos da fase Definir (“Define”):
 Exemplo 2:
DMAIC - DEFINIR
109
	
MEDIR
CURSO GB - MEDIR
110
	
CURSO GB - MEDIR
	“Quando você pode medir o que você está estudando, e expressá-lo em números, você sabe algo a respeito; mas quando você não pode expressá-lo em números, seu conhecimento é escasso e insatisfatório. Pode ser o princípio do conhecimento, mas você pouco avançou, em seu raciocínio, para o estado da ciência.”
				Lord Kelvin (1824 – 1907)
111
	
DMAIC - MEDIR
Objetivos da fase Medir (“Measure”):
 Suportar a tomada de decisão baseada em dados:
 Aplicação de técnicas de coleta de dados, de avaliação de performance e de monitoramento:
 Identificação das variáveis a serem avaliadas;
 Estabelecimento e avaliação do sistema de medição;
 Plano de amostragem/coleta.
 Identificação do desempenho inicial do produto ou processo
 Atualização e revisão da documentação do projeto
112
	
Elementos da fase Medir (“Measure”):
 Os principais elementos da fase Medir são:
 Identificação das variáveis a serem mensuradas;
 Identificação do tipo de dados de cada variável;
 Plano de coleta de dados;
 Análise do sistema de medições;
 Coleta de dados;
 Análise da capacidade inicial do processo ou de performance de um produto;
 Eventual redefinição do problema e atualização do contrato do projeto – “project charter”.
DMAIC - MEDIR
113
	
Elementos da fase Medir (“Measure”):
 Identificação das variáveis a serem mensuradas:
 Aplicação de técnicas exploratórias:
 Avaliação do mapa do processo;
 Brainstorm;
 Diagrama de Ishikawa (espinha de peixe);
edentificação das variáveis a serem mensuradas;
 Aplicação de técnicas de priorização:
Matrizes de decisão
Matriz Causa e Efeito
DMAIC - MEDIR
114
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas exploratórias – Diagrama de Ishikawa:
 Representação esquemática da relação de causas e efeitos
DMAIC - MEDIR
PROCESSO
Y
X
Y
115
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas exploratórias – Diagrama de Ishikawa:
 Representação esquemática da relação de causas e efeitos
DMAIC - MEDIR
Y
Efeito
Causas
Prováveis fontes de variação
Categorias principais
Sub-categorias
116
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas exploratórias – Diagrama de Ishikawa:
 Fontes típicas de variação:
 Método;
 Material
 Mão de obra
 Meio ambiente
 Medição
 Máquina
DMAIC - MEDIR
117
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas exploratórias – Diagrama de Ishikawa:
 Diagrama de Ishikawa com os 6 Ms:
DMAIC - MEDIR
Y
Efeito
Prováveis fontes de variação
Método
Material
Mão de obra
Meio ambiente
Medição
Máquina
118
	
Elementos da fase Medir (“Measure”):
 Exemplo tempo nas operações dos navios de exportação:
DMAIC - MEDIR
Abril-Maio 2011
119
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas de priorização:
 Matriz Causa e Efeito:
 Técnica qualitativa de priorização fortemente baseada na experiência e qualificação dos membros do time do projeto;
 Visa identificar dentre as variáveis provenientes das técnicas exploratórias aquelas que tem maior probabilidade de terem um maior impacto no efeito percebido pontuando-se a relação entre as entradas e as saídas (efeitos);
 Pode receber entradas do diagrama de Ishikawa (espinha de peixe), de brainstorms ou de qualquer outra técnica.
 É utilizada praticamente sempre objetivando o melhor uso dos recursos disponíveis para execução do projeto e a resolução do problema no menor tempo possível.
DMAIC - MEDIR
120
	
Elementos da fase Medir (“Measure”):
 A matriz causa e efeito – Etapas da elaboração:
 Identificar as saídas do proceso;
 Avaliar a importância de cada saída para o cliente;
 Listar todas as entradas;
 Pontuar a relação entre cada entrada e cada saída;
 Calcular o peso ponderado de cada variável de entrada multiplicando-se a pontuação de cada relação entrada-saída (etapa anterior) com o peso de cada saída para o cliente (etapa2);
 Somar os totais de cadarelação x-Y;
 Ranqueiam-se as variáveis pelos totais obtidos.
DMAIC - MEDIR
121
	
Elementos da fase Medir (“Measure”):
 Aplicação de técnicas de priorização – Matriz C&E:
DMAIC - MEDIR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Total
1
2
3
4
5
6
7
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
1
2
3
4
5
6
122
	
122
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
1
2
3
4
5
6
7
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
1
Autono
Velocidade final
Km/l
123
	
123
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
1
2
3
4
5
6
7
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
2
9
1
3
Km/l
Autonomia
Velocidade final
124
	
124
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
Km/l
Autonomia
9
1
3
3
Velocidade final
1
2
3
Tamanho do tanque
Cor
Peso do
veículo
4
Pressão pneus
5
Cilindrada
125
	
125
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
1
2
3
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
Km/l
Autonomia
9
1
3
Tamanho do tanque
Cor
Peso do
veículo
4
Pressão pneus
Velocidade final
9
0
0
0
9
0
0
3
5
Cilindrada
9
9
9
9
9
1
3
5
(0x9) + (9x1) + (0x3)
126
	
126
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
1
2
3
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
Km/l
Autonomia
9
1
3
Tamanho do tanque
Cor
Peso do
veículo
4
Pressão pneus
Velocidade final
9
0
0
0
9
0
0
3
5
Cilindrada
9
9
9
9
9
1
3
6
9
0
117
117
33
127
	
127
Elementos da fase Medir (“Measure”):
 Exemplo – Performance de um veículo:
DMAIC - MEDIR
1
2
3
Total
1
2
3
Importância para o consumidor
Saídas do
Processo
(Ys)
Causas
ou Entradas (xs)
Km/l
Autonomia
9
1
3
Tamanho do tanque
Cor
Peso do
veículo
4
Pressão pneus
Velocidade final
9
3
5
Cilindrada
9
9
1
3
7
9
0
117
33
117
0
0
0
9
9
9
0
9
0
128
	
128
DMAIC - MEDIR
 Folha de Verificação
Elementos da fase Medir (“Measure”):
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
 Plano de Coleta de Dados
Elementos da fase Medir (“Measure”):
DMAIC - MEDIR
130
	
Fazer um bom plano de coleta de dados pode não ser suficiente. É fundamental garantir que os dados continuem a ser consistentes à medida em que são coletados  GEMBA
Não esquecer de especificar no plano de coleta a quantidade de dados a ser coletada.Muitos dados podem gerar dificuldades de análise, além de levarem mais tempo e em alguns casos envolver mais custo na sua obtenção.
Dados de menos podem distorcer os resultados da análise ou levar a equipe a ter que coletar dados novamente, o que pode garar ainda mais custo.
Não esquecer de treinar os responsáveis pela coleta de dados a fim de que utilizem corretamente o método estabelecido.
É preferível pequenas amostras de tempos em tempos do que uma grande amostra num momento único.
DMAIC - MEDIR
 Coleta de Dados
Elementos da fase Medir (“Measure”):
131
	
DMAIC - MEDIR
Elementos da fase Medir (“Measure”): Tipo de Dado
FAIL
Passar
Circuito Elétrico
TEMPERATURA
Termômetro
Tempo
Variável
Atributo
NÃO Passa
Passa
Calibre
	QTY	UNIT	DESCRIPTION 	TOTAL
	1	$10.00		$10.00
	3	$1.50		$4.50
	10	$10.00		$10.00
	2	$5.00		$10.00
ORDEM DE ENVIO
Erro
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
A definição operacional de um conceito irá mudar de acordo com a aplicação. Por
exemplo, o termo “limpo” terá significados bastante distinto numa residência e numa sala
de cirurgia de hospital. Portanto, geralmente é melhor pensar em definições operacionais
úteis ou inúteis ao invés de definições operacionais corretas ou erradas. A utilização de
definições operacionais irá eliminar as discordâncias sobre os significados dos termos
enquanto fonte de confusão ou conflito nas relações.
DMAIC - MEDIR
Elementos da fase Medir (“Measure”): Tipo de Dado
 Dados de Atributo
Categorias
Sim/Não
Passa/Não Passa
Aprovar/Reprovar
Bom/Defeituoso
 Dados variáveis
Dados contínuos
Contém decimais que mostram distância absoluta entre os números. Exemplos: Tempo, Encargos financeiros, Comprimento, Largura, etc.
Dados discretos
São contagens de inteiros. Ex. Numero de pessoas, numero de bens produzidos, numero de casas, cidades, etc.
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
A definição operacional de um conceito irá mudar de acordo com a aplicação. Por
exemplo, o termo “limpo” terá significados bastante distinto numa residência e numa sala
de cirurgia de hospital. Portanto, geralmente é melhor pensar em definições operacionais
úteis ou inúteis ao invés de definições operacionais corretas ou erradas. A utilização de
definições operacionais irá eliminar as discordâncias sobre os significados dos termos
enquanto fonte de confusão ou conflito nas relações.
DMAIC - MEDIR
Elementos da fase Medir (“Measure”): Tipo de Dado
Variável
Atributo
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
A definição operacional de um conceito irá mudar de acordo com a aplicação. Por
exemplo, o termo “limpo” terá significados bastante distinto numa residência e numa sala
de cirurgia de hospital. Portanto, geralmente é melhor pensar em definições operacionais
úteis ou inúteis ao invés de definições operacionais corretas ou erradas. A utilização de
definições operacionais irá eliminar as discordâncias sobre os significados dos termos
enquanto fonte de confusão ou conflito nas relações.
Avaliação do Sistema de Medição
Um sistema de medição é um conjunto de:
Operadores
Instrumentos
Métodos de medição
	De nada adianta medir, se não pudermos confiar nos dados. Para isso é fundamental se fazer uma análise do sistema de medição na condução de um projeto LSS.
Avaliação do Sistema de Medição
DMAIC - MEDIR
135
	
Avaliação do
Sistema de Medição
Repetibilidade
Vício (Bias)
Reprodutibilidade
Linearidade
Estabilidade
DMAIC - MEDIR
EXATIDÃO
PRECISÃO
136
	
	Exatidão: Diferença entre o valor de referência e a média de uma seqüência de medições. 
	Precisão: Medida da variabilidade de um sistema de medição de qualquer grandeza.
Pergunta: Ao se fazer a calibração de um instrumento, qual é a grandeza que se está alterando?
DMAIC - MEDIR
	
	Vício (Bias): Desvio sistemático entre o resultado das medições e o seu valor de referência.
	Linearidade: Variação do Vício (Bias) ao longo da faixa de operação do instrumento.
	Estabilidade: Variação do Vício (Bias) ao longo o tempo. Ou seja, a média das medidas obtidas de um mesmo padrão varia segundo uma tendência ao longo
	do tempo.
DMAIC - MEDIR
EXATIDÃO
	
	Repetibilidade: Variação entre as medições obtidas quando um mesmo operador mede o mesmo parâmetro várias vezes, com o mesmo instrumento e utilizando o mesmo método.
	Reprodutibilidade: Variação entre as médias das medições quando mais de um operador mede o mesmo parâmetro, usando o mesmo instrumento e o mesmo método, ou quando um mesmo operador mede o mesmo parâmetro usando o mesmo método, porém mais de um instrumento.
DMAIC - MEDIR
PRECISÃO
	
Avaliação do Sistema de Medição:
Diz-se que a repetibilidade de um sistema de medição é boa quando ao medir diversas vezes um certo parâmetro, ele consegue obter valores próximos entre si.
Diz-se que a reprodutibilidade de um sistema de medição é boa quando as médias de diferentes operadores (ou diferentes instrumentos) são próximas entre si.
DMAIC - MEDIR
+

Processo
2
=

Sist. Medição 
2

Observada
(Total)
2
140
	
	Estudo de R&R:
	O objetivo dos estudos de R&R é identificar como a variação total do sistema de medição se compara com a variação do processo ou com a tolerância da especificação.
 
DMAIC - MEDIR
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
Dados Contínuos
Medições não destrutivas
Precisão
Reprodutibilidade
Repetibilidade
Exatidão
Vício (Bias)
Linearidade
Medições destrutivas
Precisão
Reprodutibilidade
Repetibilidade
Dados Discretos (Atributos)
Análise de Concordância de Atributos
Método Kappa de Fleiss
Método do Coeficiente de Kendall
142
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
Dados Contínuos – Medições Não Destrutivas
Gage R&R: Indica o percentual de contribuição da variação do sistema de medição em relação à variação total:
Relação Precisão/Tolerância: Indica a relação percentual entre a variação do sistema de medição e a tolerância da especificação:
143
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
Discriminação: É a capacidade do sistema de medição de detectar mudanças no parâmetro medido. 
1
2
3
4
5
Discriminação Boa
1
2
3
4
5
Discriminação Ruim
1.3
1
Dados Contínuos – Medições Não Destrutivas
144
	
DMAIC - MEDIR
	%Tolerance, %StudyVar	%Contribution	O sistema é...
	< 10%	< 1%	Ótimo
	10% a 30%	1% a 9%	Aceitável
	> 30%	> 9%	Inaceitável
 Critérios de Aceitação:
Dados Contínuos – Medições Não Destrutivas
Número de categorias distintas:
	< 4		Inaceitável
	≥ 4		Aceitável
145
Avaliação do Sistema de Medição
	
DMAIC - MEDIR
Exercício dos copos 
 Equipes de 5 pessoas: 3 inspetores, 1 coletor de dados e 1 observador;
 colocar água em 5 copos descartáveis, de forma que a água fique em altura diferente no copo;
 Cada inspetor irá medir a altura da água em uma ordem aleatória e irá registrar seus resultados;
 Cada inspetor irá repetir a sua medição 3 vezes;
 Após completar as medidas, entrar com os dados no MINITAB
 Analise os resultados
146
Avaliação do Sistema de Medição:
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
 Passo a passo para entrar com os dados a partir do MINITAB 16 - exercício dos copos:
147
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
 Passo a passo para entrar com os dados a partir do MINITAB 16 - exercício dos copos:
148
Após gerar a planilha, Siga o RunOrder e digite na coluna C4 os valores medidos
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
 Passo a passo para entrar comos dados a partir do MINITAB 16 - exercício dos copos:
149
	
DMAIC - MEDIR
Avaliação do Sistema de Medição:
 Passo a passo para entrar com os dados a partir do MINITAB 16 - exercício dos copos:
150
	
DMAIC - MEDIR
Repet.
Reprod.
151
	
DMAIC - MEDIR
0,41% da variação total é devida ao Sistema de Medição.
99,59% da variação total é devida à variação peça a peça.
22 Número de categorias
152
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
153
Refere-se à capacidade de um processo consistente para produzir um produto / serviço que atenda aos limites das especificações dos clientes.
Mede todos os efeitos no processo (estoque, operador, temperatura, ferramentas).
Baseia-se em um conjunto de exemplos levados ao longo de um período de tempo.
Requer estabilidade e controle.
Baseia-se fundamentalmente na suposição de normalidade. 
O que é Capacidade?
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
154
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
155
Cenário 1
Cenário 2
USL=6
LSL=0
Largura 
do desenho
3
2
1
0
-1
-2
-3
USL=3
LSL=-3
Largura de Processo e Design
6
3
Largura do processo
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
156
Considere o seguinte conjunto de dados: 125 dados Amostras, 5 por subgrupo, coletados em ordem de produção.
LSL = 6
USL = 16
	12.0400
11.9426
13.0840
11.3318
11.7967
10.9490
11.5525
12.8015
10.9123
11.8755
11.9504
10.9859
12.0069
12.6302
11.0308
11.5667
11.5784
13.2758
10.3478
12.8052
10.8642
11.6343
12.6351
12.1292
12.1447	12.3297
10.9681
11.3739
11.9863
11.4877
10.3645
12.6069
12.2077
11.2651
12.2523
10.7595
11.7620
10.3127
12.9915
11.8973
11.5912
12.0452
11.5988
12.0074
12.8626
11.9826
9.4693
11.7310
13.0141
13.4404	11.2259
12.5667
12.0431
13.1216
14.5058
10.8084
12.9108
12.4524
10.2257
12.6946
9.5036
11.4914
13.0199
11.3161
11.0481
10.3597
12.6100
10.6546
11.4452
11.5882
11.4279
12.6791
11.1291
11.3181
13.3869
	12.3976
11.5950
13.7931
11.7358
11.5257
11.0386
11.4051
12.4363
10.3484
12.3999
12.2701
12.2084
12.3841
12.8794
10.4873
9.9663
14.0514
12.0400
10.0797
12.7418
10.8471
11.7233
11.9219
10.6586
11.9374
	12.5915
12.6480
11.5583
13.5096
11.6148
12.2206
12.0917
11.2895
12.6944
10.7733
11.3756
12.8250
12.1963
12.0709
13.4733
12.1375
12.6771
11.5219
10.9178
12.8774
10.7908
11.9221
13.1763
11.0842
12.1692
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
157
Avalie a capacidade do processo com o gráfico de alcance de um gráfico de controle Xbar-R :
A suposição de estabilidade é aceita.
O processo é estável.
Gráfico mais importante. Define a Estabilidade.
Define o Centro de Processo.
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
Avalie a normalidade. Um histograma dos dados irá guiar o Green Belt a responder a pergunta de normalidade:
A suposição de normalidade é aceita.
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
O histograma parece uma distribuição normal em forma de sino. 
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
DMAIC - MEDIR
Análise da capacidade inicial do processo ou de performance de um produto
Clique para editar os estilos do texto mestre
Segundo nível
Terceiro nível
Quarto nível
Quinto nível
	
Antes de calcular a capacidade do processo usando Dados de Atributo, é importante entender alguns termos-chave :
Análise de Capacidade - Dados de Atributo
Unidade (N)
Defeito (D)
Oportunidade para um defeito em cada unidade (O)
Defeitos por milhões de oportunidades (DPMO)
DMAIC - MEDIR
Dados de Atributo
Os termos-chave para determinar a capacidade do processo usando dados de atributos incluem:
Unidade (N): O item produzido ou processado
Defeito (D): qualquer evento ou saída que não atenda a uma especificação CTS
Oportunidade (O): qualquer evento ou saída que possa ser medido e que ofereça uma chance de não atender aos requisitos de um cliente
Defeitos por milhão de oportunidades (DPMO) incluem todas as tentativas, sucesso e erros
Para calcular um valor Sigma:
Defina N para um processo particular, exemplo: Uma parte ou componente
Defina D com base nos requisitos do cliente, e. Desempenho parcial, ajuste
Identifique o número relevante de O para erro em cada unidade (fatura), por exemplo, Tamanho apropriado, localização correta de parafusos, danos superficiais
Calcule o respectivo DPMO e procure o valor "Z" na tabela de conversão no apêndice
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Para calcular DPMO use a fórmula :
DPMO = 
Número total de defeitos
Total de unidades ´ Oportunidades por unidade
´ 1,000,000
DPMO = 
D
N ´ O
 ´ 1,000,000
O passo final é converter DPMO para um Valor Sigma 
usando a tabela de conversão de valor Z.
ou
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Cálculo da capacidade do processo usando dados de atributos
Por exemplo, os dados de curto prazo coletados em cheques de folha de pagamento indicaram que houve 20 defeitos observáveis (erros) em um grupo de 1000 cheques. Houve três oportunidades de erro por verificação, incluindo:
	Correção da ortografia do nome
	Valor do dólar correto
	Data correta
20
1,000 ´ 3
 ´ 1,000,000
 = 6,667
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Exemplo: os dados coletados em pedidos de peças são mostrados abaixo:
	
500 Pedidos de peças (N)
 3	Oportunidades	(O)
  Atraso
 Peça errada 
 Endereço errado 
	por exemplo. 57 Erros são cometidos (D), 12 Recontados antes de serem enviados para o cliente, 45 Defeitos encontrados pelos clientes.
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Cálculo da capacidade do processo 
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Número de Unidades Processadas, N = 500
Número Total de Defeitos feitos (incluindo reparos), D = 57
Número de oportunidades de defeito por unidade, O = 3
Calcule os defeitos por 
milhão de oportunidades, DPMO = x 1,000,000,
 DPMO = x 1,000,000 = 38,000
57 defeitos são a performance da “Primeira Vez" (First-Time-Through)
Procure o valor Z(Sigma), Z = 1.78, que é o valor Sigma de longo prazo para esse processo.
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Cálculo da capacidade do processo
A aplicação da fórmula aos números dá um valor Z de 1,77.
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Usando a tabela padrão normal:
Convertendo DPMO para um valor Z
 Z Area
0.00	0.500000
0.05	0.480061
0.10	0.460172
0.15	0.440382
0.20	0.420740
0.25	0.401294
0.30	0.382089
0.35	0.363169
0.40	0.344578
0.45	0.326355
0.50	0.308538
0.55	0.291160
0.60	0.274253
0.65	0.257846
0.70	0.241964
0.75	0.226627
0.80	0.211855
0.85	0.197663
0.900.184060
0.95	0.171056
1.00	0.158655
 Z Area
1.05	0.146859
1.10	0.135666
1.15	0.125072
1.20	0.115070
1.25	0.105650
1.30	0.096800
1.35	0.088508
1.40	0.080757
1.45	0.073529
1.50	0.066807
1.55	0.060571
1.60	0.054799
1.65	0.049471
1.70	0.044565
1.75	0.040059
1.80	0.035930
1.85	0.032157
1.90	0.028717
1.95	0.025588
2.00	0.022750
2.05	0.020182
 Z Area
2.10	0.0178644
2.15	0.0157776
2.20	0.0139034
2.25	0.0122245
2.30	0.0107241
2.35	0.0093867
2.40	0.0081975
2.45	0.0071428
2.50	0.0062097
2.55	0.0053861
2.60	0.0046612
2.65	0.0040246
2.70	0.0034670
2.75	0.0029798
2.80	0.0025551
2.85	0.0021860
2.90	0.0018658
2.95	0.0015889
3.00	0.0013499
3.05	0.0011442
3.10	0.0009676
 Z Area
3.15	0.0008164
3.20	0.0006871
3.25	0.0005770
3.30	0.0004834
3.35	0.0004041
3.40	0.0003369
3.45	0.0002803
3.50	0.0002326
3.55	0.0001926
3.60	0.0001591
3.65	0.0001311
3.70	0.0001078
3.75	0.0000884
3.80	0.0000723
3.85	0.0000591
3.90	0.0000481
3.95	0.0000391
4.00	0.0000317
4.05	0.0000256
4.10	0.0000207
4.15	0.0000166
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Encontre o valor Z para uma área = 38000 DPMO (0.038):
 Z Area
0.00	0.500000
0.05	0.480061
0.10	0.460172
0.15	0.440382
0.20	0.420740
0.25	0.401294
0.30	0.382089
0.35	0.363169
0.40	0.344578
0.45	0.326355
0.50	0.308538
0.55	0.291160
0.60	0.274253
0.65	0.257846
0.70	0.241964
0.75	0.226627
0.80	0.211855
0.85	0.197663
0.90	0.184060
0.95	0.171056
1.00	0.158655
 Z Area
1.05	0.146859
1.10	0.135666
1.15	0.125072
1.20	0.115070
1.25	0.105650
1.30	0.096800
1.35	0.088508
1.40	0.080757
1.45	0.073529
1.50	0.066807
1.55	0.060571
1.60	0.054799
1.65	0.049471
1.70	0.044565
1.75	0.040059
1.80	0.035930
1.85	0.032157
1.90	0.028717
1.95	0.025588
2.00	0.022750
2.05	0.020182
 Z Area
2.10	0.0178644
2.15	0.0157776
2.20	0.0139034
2.25	0.0122245
2.30	0.0107241
2.35	0.0093867
2.40	0.0081975
2.45	0.0071428
2.50	0.0062097
2.55	0.0053861
2.60	0.0046612
2.65	0.0040246
2.70	0.0034670
2.75	0.0029798
2.80	0.0025551
2.85	0.0021860
2.90	0.0018658
2.95	0.0015889
3.00	0.0013499
3.05	0.0011442
3.10	0.0009676
 Z Area
3.15	0.0008164
3.20	0.0006871
3.25	0.0005770
3.30	0.0004834
3.35	0.0004041
3.40	0.0003369
3.45	0.0002803
3.50	0.0002326
3.55	0.0001926
3.60	0.0001591
3.65	0.0001311
3.70	0.0001078
3.75	0.0000884
3.80	0.0000723
3.85	0.0000591
3.90	0.0000481
3.95	0.0000391
4.00	0.0000317
4.05	0.0000256
4.10	0.0000207
4.15	0.0000166
Interpolar:
Z = 1.78
Convertendo DPMO para um valor Z
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
Fazendo Uma Estimativa De Capacidade Dos Atributos
Uma vez que o valor Z é calculado, ele define um Ppk equivalente criando uma distribuição pseudo-normal da seguinte maneira :
Esta é uma curva normal padrão com o valor Z definindo o ponto (desvio padrão) em que a área sob a curva (o DPMO) começa.
Ppk = = = 0.59 o qual é chamado de Ppk equivalente a atributos. 
Valor-Z
DPMO
Análise de Capacidade - Dados de Atributo
DMAIC - MEDIR
Caracterizar KPOV
Determinar Tipo de Dados
Desenvolver Plano de Coleta De Dados
Análise do Sistema de Medida
Avaliar
Capacidade
Confirmar a variação KPOV
ANALISAR
CURSO GB - ANALISAR
168
	
DMAIC - ANALISAR
Objetivo da fase Analisar (“Analyze”):
 Identificação e caracterização das fontes de variação:
 Aplicação de técnicas gráficas ou analíticas nos resultados das medições para:
 Identificação das variáveis mais influentes;
 Avaliação da forma como se dá tal influência.
 Atualização e revisão da documentação do projeto
Poucos Xs vitais
Muitos Xs triviais
169
	
Objetivo da fase Analisar (“Analyze”):
 Identificação e caracterização das fontes de variação:
 Aplicação de técnicas gráficas ou analíticas nos resultados das medições para:
 Identificação das variáveis mais influentes (causas raiz);
 Avaliação da forma como se dá tal influência. 
 Principais ferramentas utilizadas:
 Gráficos de pizza, de barras, Paretos, gráficos de linha ou tendênca;
 Box-plot;
 Diagramas de dispersão/correlação
DMAIC - ANALISAR
170
	
Fase Analisar (“Analyze”):
 Identificação e caracterização das fontes de variação:
 Análises gráficas:
 Facilitam a interpretação de dados;
 Muito simples quando comparadas à formulação matemática de análises estatísticas;
 Suportam iniciativas de gerenciamento visual de indicadores;
 Fácil treinamento de operadores de linha p/ identificação de anomalias no processo.
DMAIC - ANALISAR
171
	
Fase Analisar (“Analyze”):
 Identificação e caracterização das fontes de variação:
 Principais técnicas gráficas:
Pareto e gráfico de barras
Gráfico de pizza
Gráficos de linha e de tendência
Boxplot
Diagramas de dispersão/correlação
DMAIC - ANALISAR
172
	
Análises Gráficas:
 Gráficos de Pareto:
	Wilfred Pareto (1848–1923) Parisiense descendente de Italianos, tornou-se economista e fez extensivos estudos sobre a distribuição desigual da riqueza. Formulou modelos matemáticos para quantificar essa distribuição.
	Joseph M. Juran quando escrevia seu livro “Quality Control Handbook” no final dos anos 40, precisou de um título para o fenômeno que ele observara sobre os “poucos vitais” e “muitos triviais”. Ele desenhou algumas curvas cumulativas no seu manuscrito e escrevou uma legenda sob elas: “Princípio de Pareto de distribuições desiguais...”
DMAIC - ANALISAR
173
	
Análises gráficas:
 Gráficos de Pareto:
 De forma resumida, o princípio sugere que na maioria das situações poucas categorias de problemas (aproximadamente 20%) irão representar as maiores oportunidades de melhoria (aproximadamente 80%).
 Diagramas de Pareto são utilizados para:
 Analisar o problemas de uma nova perspectiva;
 Focar a atenção nos problemas prioritários;
 Comparar mudanças de dados em diferentes períodos;
 Prover uma base para a construção de uma curva cumulativa.
DMAIC - ANALISAR
174
	
Análises gráficas:
 Gráficos de Pareto:
 De forma resumida, o princípio sugere que na maioria das situações poucas categorias de problemas (aproximadamente 20%) irão representar as maiores oportunidades de melhoria (aproximadamente 80%).
 Diagramas de Pareto são utilizados para:
 Analisar o problemas de uma nova perspectiva;
 Focar a atenção nos problemas prioritários;
 Comparar mudanças de dados em diferentes períodos;
 Prover uma base para a construção de uma curva cumulativa.
DMAIC - ANALISAR
175
	
Análises gráficas:
 Gráficos de Pareto - Exemplo:
 Problema chave Acidentes fatais de trânsito:
DMAIC - ANALISAR
176
	
Análises gráficas:
 Gráficos de Pareto - Exemplo:
 Primeiro passo: reordenar os itens em ordem decrescente de ocorrências:
DMAIC - ANALISAR
177
	
Análises gráficas:
 Gráficos de Pareto - Exemplo:
 Segundo passo: somar os acumulativos em números absolutos e percentuais:
DMAIC - ANALISAR
178
	
Análises gráficas:
 Gráficos de Pareto - Exemplo:
 Terceiro passo: plota-se as ocorrências absolutas:
DMAIC - ANALISAR
179
	
Análises gráficas:
 Gráficos de Pareto - Exemplo:
 Quarto passo: plota-se as ocorrências absolutas acumuladas:
DMAIC - ANALISAR
180
	
Análises gráficas:
 Gráficos de Barras - Exemplo:
 Para o mesmo problema teríamos a seguinte representação em gráfico de barras:
DMAIC - ANALISAR
181
	
Análises gráficas:
 Gráficos de Pizza - Exemplo:
 Parra o mesmo problema teríamos a seguinte representação em gráfico de Pizza:
DMAIC - ANALISAR
182
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Utilizados quando busca-se identificar variações que possam ocorrer ao longo do tempo;
 Muito indicados no estudo de problemas que possam estar relacionados a degradação de algum elemento do produto/processo, a alterações pontuais de algum fator,mudanças de nível ou ainda na investigação de elementos com alguma sazonalidade.
DMAIC - ANALISAR
183
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Exemplo de degradação: Diâmetro de peça usinada
Diâmetro do eixo usinado
Observações
Diâmetro. 
(mm)
DMAIC - ANALISAR
184
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Exemplo de degradação: Diâmetro de peça usinada
Diâmetro do eixo usinado
Observações
Diâmetro. 
(mm)
DMAIC - ANALISAR
185
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Exemplo de alterações pontuais de algum fator:
Diâmetro do eixo usinado
Diâmetro. 
(mm)
Observações
DMAIC - ANALISAR
186
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Exemplo de mudanças de nível:
Diâmetro do eixo usinado
Diâmetro. 
(mm)
Observações
DMAIC - ANALISAR
187
	
Análises gráficas:
 Gráficos de Linha / Tendência:
 Exemplo de sazonalidade.
Diâmetro do eixo usinado
Diâmetro. 
(mm)
Observações
DMAIC - ANALISAR
188
	
Análises gráficas:
 Gráficos Box-plot:
 Trata-se de um gráfico de avaliação “estática” dos dados que permite termos uma idéia de como os dados estão distribuídos;
 Para tanto, divide os dados em 4 regiões ou quartis, cada qual contendo um quarto (ou 25%) dos dados;
 São muito utilizados em comparações gráficas entre duas amostras de uma população, mas...
 Freqüêntemente as conclusões obtidas com box-plots precisam ser confirmadas analiticamente.
DMAIC - ANALISAR
189
	
Análises gráficas:
 Gráficos Box-plot:
*
Outlier
75ª Percentil (Terceiro Quartil = Q3)
Observação Mínima
Observação Máxima 
regular
25ª Percentil (Primeiro Quartil = Q1)
Mediana (50ª Percentil)
DMAIC - ANALISAR
190
	
Análises gráficas:
 Gráficos Box-plot:
DMAIC - ANALISAR
191
	
Análises gráficas:
 Gráficos de dispersão (“scaterplots”):
 São gráficos de análise estática;
 Bastante utilizados quando busca-se entender como se dá a relação entre entradas e saídas;
 São o passo inicial para mostrar se e como existe tal relação;
 São bastante utilizados quando pelo menos uma das variáveis apresenta variação apreciável.
DMAIC - ANALISAR
192
	
Análises gráficas:
 Gráficos de dispersão (“scaterplots”):
DMAIC - ANALISAR
193
	
Análises gráficas:
 Gráficos de dispersão (“scaterplots”):
DMAIC - ANALISAR
194
	
Técnicas Analíticas:
 Correlação:
 Expressa quão forte e qual o sentido da relação linear entre duas variáveis
 Uma correlação positiva significa que quando aumentamos o valor de uma variável a outra também aumenta; 
Uma correlação negativa significa que quando aumentamos o valor de uma variável o valor da outra diminui
 A força e o sentido da correlação é expresso pelo coeficiente de Pearson (r), também conhecido com coeficiente de correlação.
DMAIC - ANALISAR
195
	
Técnicas Analíticas:
 Correlação:
 Interpretação do coeficiente de Pearson:
 -1 ≤ r ≤ +1
 r = +1 ou r = -1 	 correlação linear perfeita
 r = 0 			 não há correlação linear
 r> 0,70 		 forte correlação
 0,30 ≤ /r/ ≤ 0,70 	 correlação moderada
 r/ < 0,30 		 fraca correlação
DMAIC - ANALISAR
196
	
Técnicas Analíticas:
 Correlação:
 Graficamente têm-se:
r = 0,95
r = - 0,95
r = 0,01
r = 0,00
r = 0,3
DMAIC - ANALISAR
197
	
Técnicas Analíticas:
 Regressão:
 Trata-se de um método de modelamento do comportamento da de uma variável em função das variações de uma ou mais variáveis diferentes;
 Pode ser linear quadrática, cúbica…
Y = f (x1, x2, x3,…xn)
Variável 
de saída
Variáveis 
de entrada
DMAIC - ANALISAR
198
	
Técnicas Analíticas:
 Regressão:
Caso Y seja função de um único x, diz-se ser uma regressão simples. Neste caso:
	Transforma-se em:
Quando Y é função de vários X, têm-se uma regressão múltipla e:
Transforma-se em:
Y = f (x1)
Y = B0 + B1X1 + B2 X2 + B3 X3 + …+ erro
Y = B0 + B1X + B2 X2 + B3 X3 + …+ erro
Y = f (x1, x2, x3,…xn)
DMAIC - ANALISAR
199
	
Técnicas Analíticas:
 Regressão:
 Determinação dos coeficientes em uma regressão linear:
X
Y
 Y = B0 + B1X + erro
B0 = Ponto onde a reta 
 intercepta o eixo X
B1= 
 
X
Y
DMAIC - ANALISAR
200
	
Técnicas Analíticas:
 Regressão:
	1) Avaliar as relações graficamente: 
	Graph  Scatterplot  Simple Multiple Graphs  Separate Panels
DMAIC - ANALISAR
201
	
Técnicas Analíticas:
 Regressão:
	2) Identificando a relação: 
	Stat  Regression  Fitted Line Plot (type of model = linear)
DMAIC - ANALISAR
202
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	3) Acrescentamos o termo quadrático cabível: 
	 Calc  Calculator
DMAIC - ANALISAR
203
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	4.1) Checar multicolinearidade: 
	 Graph  Matrix Plot 
DMAIC - ANALISAR
204
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	4.2) Checar multicolinearidade: 
	 Stat  Basic Statistics  Correlation
DMAIC - ANALISAR
205
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	5.1) Rodar a regressão: 
 Stat  Regression Regression
DMAIC - ANALISAR
206
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	5.2) Análise dos resíduos
DMAIC - ANALISAR
207
	
Técnicas Analíticas:
 Regressão:
 Exemplo arquivo 1-regressão multipla.mpj
	6) Redução do modelo
	
	A) “Stat  Regression  Regression” usando p-values e correlações;
	B) “Stat  Regression  Stepwise”
	C) “Stat  Regression  Best Subsets”
DMAIC - ANALISAR
208
	
Exemplo arquivo 1-regressão multipla.mpj
	6.1) Redução do modelo	
	A) “Stat  Regression  Regression” usando p-values e correlações;
DMAIC - ANALISAR
209
	
Exemplo arquivo 1-regressão multipla.mpj
	6.1) Redução do modelo	
	A) “Stat  Regression  Regression” usando p-values e correlações;
DMAIC - ANALISAR
210
	
Exemplo arquivo 1-regressão multipla.mpj
	6.1) Redução do modelo	
	A) “Stat  Regression  Regression” usando p-values e correlações;
DMAIC - ANALISAR
211
	
	6.2) Redução do modelo
	
	B) “Stat  Regression  Stepwise”
DMAIC - ANALISAR
212
	
	6) Redução do modelo
	C) “Stat  Regression  Best Subsets”
DMAIC - ANALISAR
213
	
	7) Usando o Modelo
	“Stat  Regression  Regression”
DMAIC - ANALISAR
214
	
	7) Usando o Modelo
	“Stat  Regression  Regression”
DMAIC - ANALISAR
215
	
Técnicas Analíticas:
 Regressão: Roteiro:
	1) Avaliar as relações graficamente: 
		Graph  Scatterplot  Simple Multiple Graphs  Separate Panels
	2) Identificando a relação: 
		Stat  Regression  Fitted Line Plot (type of model = linear)
	3) Acrescentamos o termo quadrático cabível: 
		 Calc  Calculator
	4) Checar multicolinearidade: 
		 Graph  Matrix Plot
	 	Stat  Basic Statistics  Correlation
	5.1) Rodar a regressão: 
 		Stat  Regression Regression
	5.2) Análise dos resíduos
	6) Redução do modelo
		A) “Stat  Regression  Regression” usando p-values e correlações;
		B) “Stat  Regression  Stepwise”
		C) “Stat  Regression  Best Subsets”
	7) Usando o Modelo
		“Stat  Regression  Regression”
DMAIC - ANALISAR
216
	
MELHORAR
CURSO GB - MELHORAR
217
	
DMAIC - MELHORAR
Objetivo da fase Melhorar (“Improve”):
 Minimizar a sensibilidade do produto/processo às condições de uso/produção e centralizá-lo em seu alvo:
 Identificar oportunidades de melhoria:
 Análises físicas ou virtuais.
 Realização de pilotos;
 Implementação das melhorias.
 Atualização e revisão da documentação do projeto
218
	
Análise de variáveis
 Métodos de análise de variáveis:
 Passivos;
 Não interferem no sistema;
 Podem aceitar dados históricos.
 Ativos:
 Interferem no sistema para avaliar o comportamento do sistema.
DMAIC - MELHORAR
219
	
Análise de variáveis
 Planejamento de experimentos:
 Permite:
 Otimização dos recursos disponíveis;
 Melhor controle de variáveis e monitoramentode fatores de ruído;
 Maior alinhamento do experimento com as CTQs.
DMAIC - MELHORAR
220
	
Análise de variáveis
 Planejamento de experimentos:
 O objetivo continua sendo o modelamento da relação:
	na forma:
 
por meio de experimentações em condições pré-estabelecidas.
Y = B0 + B1X1 + B2 X2 + B12 X1 X2 + erro
Y = f (x1, x2)
DMAIC - MELHORAR
constante
Fatores/efeitos principais
interações
221
	
Análise de variáveis
 Planejamento de experimentos:
 Técnicas mais utilizadas:
 Tentativa e erro;
 Um fator de cada vez;
 Fatorial completo;
 Fatorial fracionado;
 Superfície de resposta.
 Sua utilização está condicionada a:
Recursos ( incluindo conhecimento) e;
 Objetivo (“screening”, modelamento e otimização)
DMAIC - MELHORAR
222
	
Análise de variáveis
 Planejamento de experimentos:
 Um fator de cada vez:
 Ex: maximização de um Y que dependa de duas entradas distintas (A e B)
DMAIC - MELHORAR
223
	
Análise de variáveis
 Planejamento de experimentos:
 Um fator de cada vez: 
 Fixando-se um fator em um nível (A em 5)e variando-se o outro (B) obtén-se:
Y=40
Y=65
DMAIC - MELHORAR
224
	
Análise de variáveis
 Planejamento de experimentos:
 Um fator de cada vez:
 Com A fixo em 5 o melhor valor de Y é em B=45. Então fixamos o B em 45 e variamos A
Y=40
Y=65
Y=75
DMAIC - MELHORAR
225
	
Análise de variáveis
 Planejamento de experimentos:
 Um fator de cada vez:
 Seria esse o Y máximo possível ?
Y=40
Y=65
Y=75
Y=95
DMAIC - MELHORAR
226
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B					Y
	5	36					
	15	36					
	5	45					
	15	45					
	YMedio com FatorAlto					Media geral	
	YMedio com Fatorbaixo						
	Efeito						
	Coeficiente						
227
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1			
	15	36	+1	-1			
	5	45	-1	+1			
	15	45	+1	+1			
	YMedio com FatorAlto					Media geral	
	YMedio com Fatorbaixo						
	Efeito						
	Coeficiente						
228
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - Melhorar
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1	+1		40
	15	36	+1	-1	-1		95
	5	45	-1	+1	-1		65
	15	45	+1	+1	+1		75
	YMedio com FatorAlto					Media geral	
	YMedio com Fatorbaixo						
	Efeito						
	Coeficiente						
229
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1	+1		40
	15	36	+1	-1	-1		95
	5	45	-1	+1	-1		65
	15	45	+1	+1	+1		75
	YMedio com FatorAlto		85	70	57,5	Media geral	68,75
	YMedio com Fatorbaixo						
	Efeito						
	Coeficiente						
230
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1	+1		40
	15	36	+1	-1	-1		95
	5	45	-1	+1	-1		65
	15	45	+1	+1	+1		75
	YMedio com FatorAlto		85	70	57,5	Media geral	68,75
	YMedio com Fatorbaixo		52,5	67,5	80		
	Efeito						
	Coeficiente						
231
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1	+1		40
	15	36	+1	-1	-1		95
	5	45	-1	+1	-1		65
	15	45	+1	+1	+1		75
	YMedio com FatorAlto		85	70	57,5	Media geral	68,75
	YMedio com Fatorbaixo		52,5	67,5	80		
	Efeito		32,5	2,5	-22,5		
	Coeficiente						
232
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
DMAIC - MELHORAR
	Natural		Codificado		Interação		Resposta
	A	B	A	B	AB		Y
	5	36	-1	-1	+1		40
	15	36	+1	-1	-1		95
	5	45	-1	+1	-1		65
	15	45	+1	+1	+1		75
	YMedio com FatorAlto		85	70	57,5	Media geral	68,75
	YMedio com Fatorbaixo		52,5	67,5	80		
	Efeito		32,5	2,5	-22,5		
	Coeficiente		16,25	1,25	-11,25		
233
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
	na forma:
Y = k0 + k1A + k2 B + k12 AB + erro
Y = f (A, B)
DMAIC - MELHORAR
Média geral
Coef = efeito/2
234
	
Análise de variáveis
 Planejamento de experimentos:
 Gerando a equação:
Y = k0 + k1A + k2 B + k12 AB + erro
DMAIC - MELHORAR
Y = 68,75 + 16,25A + 1,25B – 11,25AB + erro
235
	
Análise de variáveis
 Planejamento de experimentos:
 Completo:
 Testam-se todas as combinações possíveis entre os fatores:
 Para o mesmo exemplo teríamos:
Combinações a serem testadas:
A = 5 e B = 36
A = 5 e B = 45
A = 15 e B = 36
A = 15 e B = 45
DMAIC - MELHORAR
236
	
Análise de variáveis
 Planejamento de experimentos:
 Completo:
 Cada fator pode ter um número diferente de níveis;
 O número total de combinações é dado por:
 Assim, com 1 fator de 4 níveis, um de 7 e dois de 5 teríamos:
	Total de combinações = 4 X 7 X 5 X 5
Quantidade total de combinações
Quantidade de níveis do fator A
Quantidade de níveis do fator B
Quantidade de níveis do fator N
DMAIC - MELHORAR
237
	
Análise de variáveis
 Planejamento de experimentos:
 Completo:
 Considere que uma variável de resposta é dada em função de 3 variáveis de entrada A, B e C conforme segue:
A varia de 10 a 20 em incrementos de 1 unidade;
B varia de 150 a 250 em incrementos de 10 unidades;
C varia de 5 a 10 em incrementos de 1 unidade.
Total de combinações = 11 X 11 X 5 = 605
DMAIC - MELHORAR
238
	
Análise de variáveis
 Planejamento de experimentos:
 Completo:
 E se pudermos assumir linearidade ? Os níveis para os fatores seriam:
A testado a 10 e a 20;
B testado a 150 e 250;
C testado a 5 e 10. 
Total de combinações = 2 X 2 X 2 = 8
DMAIC - MELHORAR
239
	
Análise de variáveis
 Planejamento de experimentos:
 Experimentos Fatoriais:
 São experimentos que consideram 2 ou mais fatores com 2 níveis cada;
 São expressos na forma:
onde “k” simboliza o número de fatores e o 2 é uma referência a 2 níveis para cada fator;
Assim, um experimento fatorial completo com 4 fatores teria:
	
	N. de combinações = 2k = 24 = 16 combinações 
2k
DMAIC - MELHORAR
240
	
Análise de variáveis
 Planejamento de experimentos:
 Experimentos Fatoriais Fracionados:
 Utilizados quando há um excessivo número de combinações ou mesmo quando há alguma dificuldade técnica de se executar um teste com alguma combinação específica;
Cada fracionamento implica no corte de metade das combinações previstas pelo fatorial completo ou pelo fracionamento anterior.
DMAIC - MELHORAR
241
	
Análise de variáveis
 Considerações gerais em todo experimento:
 
Randomização;
 Repetição;
 Replicação.
DMAIC - MELHORAR
242
	
Análise de variáveis:
 DOE 2K Completo:
 Exemplo
Considere uma empresa que esteja buscando a otimização de seu faturamento por meio dos seguintes parâmetros de marketing:
	Fator 		 Nível baixo		 Nível alto
	Anúncio	 Impresso		 Radio
	Incentivo	 garantia extendida	 desconto
	IPVA	 	 não incluído (Não)	 incluído (Sim)
DMAIC – MELHORAR
243
	
Análise de Variáveis:
 DOE 2K completo:
 Exemplo
DMAIC - MELHORAR
244
	
Análise de variáveis:
 DOE 2K Completo:
 Exemplo
	1) Criando o DOE
	 Stat  DOE  Factorial  Create Factorial Design
DMAIC - MELHORAR
245
	
Análise de Variáveis:
 DOE 2K completo:
 Exemplo
	1) Criando o DOE
 Stat  DOE  Factorial  Create Factorial Design
DMAIC - MELHORAR
246
	
Análise de Variáveis:
 DOE 2K completo:
 Exemplo
	1) Criando o DOE
	 Stat  DOE  Factorial  Create Factorial Design
DMAIC - MELHORAR
247
	
Análise de Variáveis:
 DOE 2K completo:
 Exemplo
	1) Criando o DOE
	 Stat  DOE  Factorial  Create Factorial Design
DMAIC - MELHORAR
248
Crie a coluna “Venda” e lance os resultados obtidos da combinação dos 3 fatores
	
Análise de Variáveis:
 DOE 2K completo:
 Analisando o Fatorial:
DMAIC - MELHORAR
	
Análise de Variáveis:
 DOE 2K completo:
DMAIC - MELHORAR
250
	
Análise de Variáveis: