Aula 3 Ferramentas da Qualidade Parte II Estratificação

Prévia do material em texto

Ferramentas da Qualidade
Aula 3: Ferramentas da Qualidade – Parte II
Apresentação
Em ambientes empresariais, os mais variados processos ocorrem simultaneamente, e, mesmo que não seja desejado,
alguns deles apresentarão problemas. Essa concomitância de variáveis e fatores di�culta a análise pormenorizada porque,
quando surgem as não conformidades, os gestores buscam minimizar impactos negativos atacando os efeitos
(resultados) em vez de as causas que as originam.
Na aula anterior, você foi apresentado e aplicou as ferramentas da qualidade folha de veri�cação e grá�co de Pareto.
Nesta aula, abordaremos a estrati�cação aplicando uma “lente de aumento” aos fatores que podem contribuir para um
problema.
Objetivos
Analisar separadamente as causas de variação;
Aplicar a ferramenta estrati�cação;
Analisar dados estrati�cados.
Estrati�cação
Inicialmente, vamos entender semanticamente o signi�cado de estrati�cação para que então possamos perceber sua
relevância como ferramenta da qualidade.
Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online
Atenção
Segundo o Dicionário Michaelis (2019), estrati�car é de�nido como “dispor (-se) em camadas sucessivas ou estratos”.
Segundo a mesma fonte, um estrato, por sua vez, é entendido como “amostra que reúne unidades relativamente homogêneas
dos membros de uma população que se quer estudar” ou ainda “qualquer tipo de camada, em especial as superpostas”.
Isso nos leva a perceber que, muitas vezes, os dados de um problema estão integrados em um cenário de difícil dissociação,
ou seja, enxerga-se o “todo” e não os fatores do problema.
Os problemas também são conhecidos como “anomalias”, nome dado às irregularidades de um processo do qual esperamos
resultados previsíveis e com qualidade. Para o PMBoK:
"Um processo é um conjunto de ações e atividades inter-
relacionadas que são executadas para criar um produto,
serviço ou resultado pré-especi�cado."
- PMBoK (2017)
Exemplo
Você conseguiria a�rmar se foram danos esporádicos ou se os problemas estão acontecendo regularmente? Seria um
problema pontual de uma máquina ou algum tipo de tecido especí�co foi o responsável nesse cenário?
Neste momento, “apagar o incêndio” é o que boa parte do contingente da empresa será designado a fazer. Mas isso não
garante que os mesmos – ou novos – problemas não aparecerão novamente.
Imagine que você é funcionário do setor de controle de
qualidade de uma lavanderia reconhecida em sua cidade
pela qualidade dos serviços prestados. Ao realizar a
veri�cação do processo, você percebe que, no último mês,
ocorreram muitas anomalias.
Uma vez que o problema já ocorreu, para que as medidas
corretivas possam ser iniciadas, será sua responsabilidade
informar aos responsáveis pelas tomadas de decisão da
empresa sobre as roupas dani�cadas.
 (Fonte: Dmitry Kalinovsky / Shutterstock)
O que acontece, na prática, é que os problemas podem surgir a partir de fatores diversos, o que pode di�cultar o foco sobre a
ação preventiva. Para resolver essa questão, usamos a estrati�cação.
Para Werkema (2013), essa ferramenta torna possível usar os seguintes pontos de vista:
1
Tempo
Os resultados relacionados ao problema são diferentes de
manhã, à tarde ou à noite, neste mês ou no mês passado?
2
Local
Os resultados são distintos nas diferentes linhas de produção
da indústria ou nas diferentes regiões do país onde o produto é
comercializado? Existe diferença de resultados em diferentes
partes do produto (porta, gabinete, console)?
3
Tipo
São obtidos diferentes resultados dependendo do fornecedor
da matéria-prima utilizada, da embalagem, do consumidor?
4
Sintoma
Os resultados diferem em função de distintos defeitos que
podem ocorrer?
5
Indivíduo
Diversos operadores estão associados a resultados distintos?
De forma complementar, Carpinetti (2016) sugere a estrati�cação dos fatores por:

1
Condição climática

2
Turno de produção

3
Local

4
Matéria-prima

5
Operador
Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online
 Exemplo Lavanderia - Continuação
 Clique no botão acima.
Exemplo Lavanderia - Continuação
Considerando o exemplo da lavanderia, observe a imagem a seguir e avalie como podemos agrupar seus dados.
Analise as possibilidades a partir da estrati�cação das roupas dani�cadas na lavanderia.
Estrati�cação – Esquema
1. Tipo de dano:
Manchas;
Perda de coloração;
Avarias (roupa rasgada);
Outros .
2. Tipo de roupa:
Algodão;
Viscose;
Poliéster;
Outros .
3. Operador:
Operador A – Turno 1;
Operador B – Turno 2;
Operador C – Turno 1;
Operador n .
4. Marca de sabão:
A;
B;
C.
5. Máquina de lavar:
ML-1;
ML-2;
ML-3;
 (Fonte: Adaptado de Werkema, 2013.)
*
*
**
ML-n .
6. Máquina de secar:
MS-1;
MS-2;
MS-n .
7. Máquina de passar:
MP-1;
MP-2;
MP-n .
8. Dia da semana:
segunda-feira – Turno 1;
segunda-feira – Turno 2;
terça-feira – Turno 1;
terça-feira – Turno 2;
quarta-feira – Turno 1;
quarta-feira – Turno 2;
quinta-feira – Turno 1;
quinta-feira – Turno 2;
sexta-feira – Turno 1;
sexta-feira – Turno 2;
Sábado.
 Para os itens denominados “outros”, pode ser usada a mesma estratégia ensinada para o grá�co de Pareto, em que
agrupamos, neste componente, vários elementos que contribuem com menor relevância em relação ao universo
estudado.
 A representação -n refere-se ao enésimo item do agrupamento.
Perceba que, uma vez estrati�cado o problema, temos a possibilidade de identi�car como a variação desses fatores
interfere no resultado indesejado (pela lavanderia) do processo.
**
**
**
*
**
Plano para coleta de dados
No exemplo da lavanderia, uma anomalia já ocorreu e queremos estrati�car os fatores para que possamos identi�car as
causas e observar a frequência dos dados. No entanto, a estrati�cação também poderá ser feita antes da elaboração de uma
folha de veri�cação, a ferramenta que você aprendeu em nossa última aula, por meio da de�nição das categorias para a
estrati�cação dos dados e sua posterior coleta.
Uma vez de�nida a forma como a estrati�cação será utilizada, é preciso criar um plano para coleta de dados, que pode ser
estruturado no modelo 5W1H :1
What
o que é feito
Who
quem faz
When
quando é feito
http://estacio.webaula.com.br/cursos/go0112/aula3.html
Where
onde é feito
Why
por que é feito
How
como é feito
Agora, analise a tabela a seguir, que apresenta um exemplo de plano para coleta de dados:
Exemplo de plano para coleta de dados
O que
medir
Tipo de
medida
Tipo
de
dado
Definição operacional Folha(s) deVerificação Amostragem
Tempo para
importação de
polímeros
(dias)
Produto
(output)/processo
Contínuo Tempo decorrido desde o
envio do pedido ao
fornecedor até o recebimento
do material no estoque
Folha de Verificação para a
distribuição das medidas do
tempo para importação de
polímeros
Avaliar todos os
pedidos de
importação de
polímeros do ano
2011
Fonte: adaptado de Werkema (2013).
Tratando dados depois da estrati�cação
Nós já vimos que, em projetos nos quais desejamos melhorar processos, precisamos de�nir uma meta. Esta atividade é
descrita na etapa P do PDCA.
Vamos retornar ao exemplo da lavanderia?
Exemplo
Nesse caso que estamos analisando ao longo desta aula, a meta estipulada é reduzir em 20% o número de itens não
conformes até o dia 31/12/2019.
O planejamento de coleta de dados resultou na distribuição de uma folha de veri�cação a ser preenchida por cada operador, em
seu turno, na máquina que opera. A gerência industrial solicitou que, mesmo em períodos em que não houvesse anomalias, os
operadores assinassem o documento e o entregassem com ao menos seu cabeçalho preenchido.
Após a coleta dos dados em toda a empresa durante um mês, a seguinte estrutura de problemas foi encontrada:
Estrati�cação – peças dani�cadas em uma lavanderia em julho/2019
Novas rodadas de estrati�cação foram realizadas a partir da separação dos tipos de avarias. Com isso, a equipe da lavanderia
percebeu que a incidência não variava consideravelmente de acordo com o tipo de roupa, nem com as máquinas delavar. Nas
máquinas de secar e passar, seus operadores relataram zero incidência de manchas. Os dias da semana também
apresentavam o problema distribuído de maneira uniforme.
A última análise realizada contemplou as marcas de sabão em pó utilizadas. A decomposição, baseada nas marcas de sabão
em pó, é a seguinte:
Estrati�cação – marcas de sabão em pó utilizadas na lavagem de roupas
Por mais que agora pareça óbvio que o sabão em pó da marca “C” deva ser descartado e sua aquisição não seja permitida em
novas compras, somente foi possível identi�car que tal insumo era o principal responsável pelas anomalias da empresa após a
estrati�cação.
Essa causa estava, de certo modo, “camu�ada” em meio a tantas variáveis possíveis do processo, e nem sempre apontar o
fator determinante para que aconteça um problema será tarefa trivial como neste exemplo.
Comentário
Não será nosso objetivo, nesse momento, averiguar a causa raiz do problema. A próxima aula examinará, por meio do
diagrama de Ishikawa (também chamado de diagrama de causa e efeito), quais possíveis causas efetivamente são
responsáveis por resultados não desejados nos processos.
A partir daí, serão traçadas ações para buscar a meta de redução proposta no planejamento do PDCA.
Mesmo assim, algumas perguntas podem ser levantadas:
1
Tal marca de sabão em pó sempre resultou em roupas manchadas? Seria apenas um
lote problemático ou o produto em si é de má qualidade?
Resposta: Neste caso, usar a mesma marca, com lotes distintos, em uma mesma
máquina, com mesmo operador, pode servir de experiência para comprovar a
hipótese levantada. Basta comparar os resultados depois da lavagem.
2
As mesmas quantidades de produto devem ser usadas independentemente da
marca? Por que a marca C foi aprovada para compra anteriormente? Justi�ca-se pelo
custo do produto?
Resposta: Para respondê-la, �que atento às seguintes dicas:
Para se analisar de maneira estrati�cada, identi�que a origem dos dados: dias
da semana e horários da coleta, quais máquinas estavam funcionando e quais
estavam paradas, quais operadores e quais lotes de matérias-primas foram
identi�cados.
Registre todos os fatores que sofreram alterações durante a coleta de dados,
até os que nunca acontecem ou os que aconteceram pela primeira vez.
Analise a variação ao longo do tempo. Para que a análise gere resultados
con�áveis, não recomendamos a coleta de dados durante períodos curtos.
Use grá�cos após a coleta dos dados para otimizar a visualização das
quantidades dos fatores levantados (Pareto, barras, sequencial, etc.).
Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online
Atividade
1. (CS-UFG – 2017 – UFG – Auditor). No processo de amostragem, população é o conjunto completo de dados sobre o qual a
amostra é selecionada. O processo de dividir uma população em subpopulações, cada uma sendo um grupo de unidades de
amostragem com características semelhantes, é denominado:
a) Seleção
b) Distribuição
c) Projeção
d) Estratificação
e) Fatoração
2. (Quadrix – 2013 – CREF – 12ª Região (PE-AL) – Agente de Fiscalização). Para a construção de um grá�co de Pareto
(utilizado no ambiente empresarial) é preciso seguir os seguintes passos: projetar a coleta de dados; coletar os dados;
tabelamento e cálculo do percentual; e o grá�co de Pareto. O planejamento da coleta de dados auxilia a de�nir o que irá ser
medido, de forma que se possam obter as informações adequadas para a análise de Pareto, priorizando assim o tratamento
para os problemas. O período da coleta que deve informar o tempo e a periodicidade da coleta é fundamental para o sucesso
da análise. Quando já se tem noção de quais são os tipos de problemas, pode-se planejar o início da estrati�cação que:
a) Consiste no agrupamento das informações (dados) sob vários pontos de vista, de modo a determinar o tipo de ação a ser tomada. O
agrupamento da informação é feito com base em fatores apropriados que são conhecidos como fatores de estratificação.
b) Consiste em reunir as necessidades sociais dos indivíduos que trabalham na empresa e, com base nessas informações, melhorar a
qualidade de vida no trabalho.
c) Significa reunir as informações para criar um conjunto de regras que definirão o comportamento no ambiente de trabalho.
d) Consiste no estabelecimento de um modelo dinâmico de trabalho, com base nos dados colhidos.
e) Resultará no estabelecimento de um modelo democrático para tomadas de decisão na empresa.
3. Um instituto realizará, em determinada cidade, uma pesquisa sobre a renda per capita para medir o desenvolvimento
econômico da região em que está localizada. Serão de�nidas as seguintes faixas de valores:
Renda até R$1000,00;
Renda de R$1000,01 até R$5000,00;
Renda acima de R$5000,01.
Depois de obter esses dados, quais outros fatores você acredita que devem ser estrati�cados para elucidar as diferenças
encontradas na renda dos indivíduos entrevistados?
4. Uma indústria de autopeças produz molas de aço, que têm a dureza como uma das principais características de qualidade. As
molas fabricadas foram avaliadas por um período de 25 dias, e deveriam apresentar, em suas medições, o valor máximo de
dureza até 435 HB e mínimo igual ou acima de 370 HB, sendo HB a sigla que representadureza Brinell. A dureza das molas é
obtida por meio de tratamento térmico e, atualmente, três fornecedores prestam esse serviço.
Considerando essas informações, analise a imagem a seguir,
que apresenta um problema: o aumento de molas devolvidas
pelos clientes por apresentarem dureza fora das
especi�cações. Na imagem, as linhas vermelhas representam
os valores máximos e mínimos permitidos (tolerância).
Utilizando a estrati�cação, quais são os fatores para análise
que você, se responsável pela gestão da qualidade da
empresa, utilizaria?
5. Atuando em várias disciplinas do núcleo especí�co, um professor universitário de um curso de engenharia mecânica percebeu
um elevado número de alunos apresentando sintomas de sonolência durante as aulas. Por meio de um brainstorming promovido
em algumas turmas, vários alunos apontaram fatores que podem ser efetivamente a causa desse problema.
Quais possíveis fatores seriam esses? Como realizar uma estrati�cação das variáveis levantadas?
Notas
Modelo 5W1H 1
O 5W1H é uma variação da ferramenta original denominada 5W2H, que contém as seis iniciais das palavras em inglês já
expostas, acrescida de mais um H: how much – em português, quanto custa. Em situações nas quais essa informação não é
necessária ou quando não há estimativa de custos, esse campo pode �car suprimido da ferramenta, gerando assim o 5W1H.
Outra possível aplicação refere-se ao 5W3H, sendo o novo caractere inserido referente a how many, ou quantos.
Mesmo não estando inserido na lista das ferramentas da qualidade, o 5W1H é amplamente utilizado para construção de planos
de ação ou, ainda, para descrever um problema com riqueza de detalhes. Como vimos na Aula 01, tais ações acontecem no
�nal da etapa P do PDCA.
Referências
CARPINETTI, Luiz Cesar Ribeiro. Gestão da qualidade, conceitos e técnicas. 3. ed. São Paulo: Atlas S.A., 2016.
ESTRATIFICAR. In: MICHAELIS. Dicionário brasileiro da língua portuguesa. Disponível em: <http ://michaelis .uol .com .br
/busca ?r =0 &f =0 &t =0 &palavra =estrati�car> Acesso em: 15 jul. 2019.
ESTRATO. In: MICHAELIS. Dicionário brasileiro da língua portuguesa. Disponível em: <http ://michaelis .uol .com .br /busca ?r
=0 &f =0 &t =0 &palavra =estrato> Acesso em: 15 jul. 2019.
PMI. Um guia do conhecimento em gerenciamento de projetos. GUIA PMBoK. 6. ed. EUA: Project Management Institute, 2017.
javascript:void(0);
javascript:void(0);
WERKEMA, M. C. C. Métodos PDCA e DMAIC e suas ferramentas analíticas. Rio de Janeiro: Elsevier, 2013.
Próxima aula
As ferramentas da qualidade – Parte III;
As ferramentas da qualidade – Parte IV;
As ferramentas da qualidade – Parte V.
Explore mais
Pesquise na internet, sites, vídeos e artigos relacionados ao conteúdo visto. Em caso de dúvidas, converse com seu professor
online por meiodos recursos disponíveis no ambiente de aprendizagem.