Integração do Six Sigma e SMED na Produção Enxuta

Prévia do material em texto

UNIVERSIDADE FEDERAL DE ITAJUBÁ 
 INSTITUTO DE ENGENHARIA DE PRODUÇÃO E GESTÃO 
 
 
 
INTEGRAÇÃO DA METODOLOGIA SIX SIGMA À TÉCNICA SMED: UM 
ESTUDO DE CASO 
 
 
Frank Filgueiras de Assis 10654 
 
Orientador: Professor Anderson Paiva 
Universidade Federal de Itajubá, IEPG 
Cx. P. 50 – 37500-000 – Itajubá, MG, Brasil – andersonppaiva@yahoo.com.br. 
 
Resumo. As necessidades cada vez mais específicas dos clientes vêm forçando as 
empresas a uma busca constante pela inovação de seus produtos, serviços e processos. 
Como conseqüência, é observada a produção de uma grande quantidade de modelos 
diferenciados nas plantas fabris e a obsolescência de produtos e recursos de produção 
numa velocidade jamais vista. A técnica SMED (Single Minute Exchange of Dies), 
conhecida também como Troca Rápida de Ferramentas, tem sido amplamente utilizada 
para a redução dos tempos de setup permitindo a redução dos tamanhos de lote e a 
criação de um fluxo uniforme e balanceado. Neste contexto, surge a metodologia Six 
Sigma, com uma estrutura clara e robusta para resolução de problemas, com o foco na 
redução da variabilidade e satisfação total dos clientes. Este trabalho apresenta um 
estudo de caso onde o Six Sigma e a técnica SMED foram utilizadas de maneira 
integradas e apresenta a sinergia existente entre elas 
 
Palavras-chave: SMED, Six Sigma, Produção Enxuta 
 
1. INTRODUÇÃO 
 
Com a abertura do mercado às importações, a partir de 1990, surgiu a necessidade das 
empresas se aperfeiçoarem na gestão de seus negócios para competirem com os 
produtos importados. As empresas, que desenvolviam seus negócios sob protecionismo 
de mercado garantido pelo estado, não tinham uma preocupação com a qualidade e a 
produtividade, tornando-se ao longo dos anos incapazes de enfrentar às concorrentes 
internacionais (CAMPOS, 1999). 
A abertura do mercado e a globalização dos negócios acirraram as disputas comerciais, 
exigindo um esforço cada vez maior das empresas para sobreviver. Novas filosofias, 
técnicas e metodologias têm sido desenvolvidas e aplicadas com o objetivo de reduzir o 
custo e maximizar o valor, aumentando a eficiência e a qualidade. Nos últimos tempos, 
o aumento no número de produtos fabricados numa mesma planta fabril para atender 
consumidores cada vez mais exigentes, tem requerido uma estrutura de apoio cada vez 
maior. 
No desenvolvimento de novos modelos produtivos, o principio do aumento da 
flexibilidade da Produção Enxuta tem se destacado como uma das principais dimensões 
almejadas por meio das inovações tecnológicas e organizacionais implementadas nas 
empresas. Segundo Womack (2004), os princípios que estiveram por trás do “modelo de 
mailto:andersonppaiva@yahoo.com.br
produção de Henry Ford”, baseado na produção em massa, nas economias de escala e na 
grande empresa integrada verticalmente, devido a sua rigidez e ineficiência, vêm sendo 
continuamente substituídos pela lógica da flexibilidade no novo ambiente competitivo. 
Em termos de processos operacionais, o aumento da flexibilidade tem como intuito 
adaptar os sistemas produtivos às flutuações na demanda e ao aumento na variedade de 
produtos fabricados. Uma maneira de aumentar a competitividade das companhias e 
aumentar sua flexibilidade é a implementação da Produção Enxuta. 
A Produção Enxuta é a filosofia de administração das operações que tem como objetivo 
eliminar a perda em todos os aspectos das atividades de produção da empresa de 
maneira que seja possível atingir uma produção de alto volume, utilizando estoques 
mínimos de matérias-primas, estoques intermediários e bens acabados (DAVIS, 2001). 
Segundo Rother (2003), a fabricação de produtos em um fluxo contínuo completo com 
o lead time suficientemente curto para permitir a produção somente dos pedidos 
confirmados e tempo de troca zero entre os diferentes produtos é uma visão do estado 
ideal de fábrica. 
A Produção Enxuta, com sua ampla gama de conceitos e técnicas, tem permitido a 
melhoria de performance de muitas empresas e a técnica SMED tem sido amplamente 
utilizada já que a redução dos tempos de setup é um requisito básico para 
implementação da produção enxuta (HAY, 1992). 
A sistemática da ferramenta SMED gera ótimos resultados para a redução dos tempos 
de setup, mas se limita a redução do tempo e análise das operações. Neste ponto a 
metodologia Six Sigma pode enriquecer a análise e maximizar os resultados, sobretudo, 
na sustentabilidade do desempenho destes setups. De acordo com Bertels (2001) a 
implementação da Produção Enxuta e do Six Sigma de forma isolada limita os 
resultados já que o Six Sigma foca a redução dos defeitos, mas não atende à necessidade 
de otimizar o fluxo de produção, enquanto a Produção Enxuta não utiliza as avançadas 
técnicas estatísticas para que um processo tenha a capacidade de ser realmente enxuto. 
Este trabalho apresenta um estudo de caso onde uma técnica fundamental da Produção 
Enxuta, a troca rápida de ferramenta, é desenvolvida integrada a um projeto Six Sigma. 
 
 
2. A FERRAMENTA SMED 
 
De um modo geral, tempos longos de preparação implicam em raras mudanças de lote, 
incorrendo assim em grandes lotes e conseqüentemente em grandes níveis de estoque. 
Isto porque, apesar das atividades de setup serem auxiliares ao processo, o valor destas 
operações não é reconhecido pelo cliente final, ou seja, não agregam valor ao cliente, 
logo não há intenção de pagar por tais atividades. Este conceito é importante, pois o 
tempo consumido em todo o processo deve ser visto como um recurso de entrada e sua 
redução deve ser uma meta. Além disso, a redução do setup é necessária para aplainar o 
caminho para todos os outros elementos da Produção Enxuta, como: ritmo uniforme de 
produção, operações sobrepostas, sistemas de tração e qualidade da fonte. 
Portanto, se for possível diminuir o tempo de preparação da máquina, as mudanças de 
produtos podem ser mais freqüentes e assim haverá uma diminuição no nível de 
estoque. Esta capacidade de realizar muitas trocas dá maior flexibilidade e dinamismo 
ao sistema produtivo garantindo a sua adaptação às demandas variáveis, ou seja, ter um 
setup rápido é um dos passos fundamentais para nivelar a produção, possibilitando, 
assim, trabalhar em pequenos lotes e diminuir os estoques, aumentar a flexibilidade e 
atender mais rapidamente a demanda dos seus clientes. 
Segundo Shingo (2000), a adoção da troca rápida de ferramentas possibilita uma 
resposta rápida às mudanças na demanda e uma redução dos tempos de produção, 
provocando um aumento substancial da flexibilidade de manufatura. Além disso, 
minimiza os estoques, o que traz benefícios como: aumento da taxa de giro de capital; 
aumento nos índices de utilização das máquinas; uso mais eficiente da planta fabril; 
redução do número de ferramentas necessárias devido à padronização; redução da perda 
de produtos finais ou em processo devido à deterioração; etc. 
A técnica SMED (Single Minute Exchange of Dies – Troca Rápida de Ferramentas em 
Menos de Dez Minutos) tem como objetivo a redução dos tempos improdutivos gastos 
na preparação da máquina para a mudança de lote através da aplicação de uma 
metodologia de reflexão progressiva que vai desde a organização do posto de trabalho 
até a sua automatização. A técnica distingue as operações de mudança de ferramentas 
em operações de setup interno, que só podem ser realizadas com a máquina parada e de 
setup externo, que podem ser realizadas com a máquina em funcionamento. Através da 
análise da função primária das atividades internas, muitas delas podem ser convertidas 
em externas. Um projeto SMED possui basicamente as seguintes etapas: 
 
- Filmagem da troca e mapeamento das atividades; 
- Separação das atividades internas e externas; 
- Conversão das atividades internas em externas; 
- Otimização das atividades internas; 
- Padronização. 
 
Num projeto SMED, é comum a utilização de duas ferramentas muito úteis à técnica: o 
Diagrama de espaguete que tem a funçãode analisar deslocamentos e a rede PERT que 
tem o objetivo de encontrar o caminho crítico para a troca através da análise dos 
tempos. Além destas ferramentas, um projeto SMED funciona basicamente como um 
Kaizen, utilizando técnicas como Brainstorming, Pareto, Diagrama de Causa e Efeito, 
Ciclo PDCA e 5W2H. 
 
3. A METODOLOGIA SIX SIGMA 
 
A essência da Metodologia Six Sigma consiste na utilização sistemática de métodos 
estatísticos para redução da variabilidade e conseqüentemente dos defeitos e dos custos 
com grande focalização no cliente. 
Six Sigma é um sistema abrangente e flexível para alcançar, sustentar e maximizar o 
sucesso empresarial, sendo impulsionado por uma estreita compreensão das 
necessidades dos clientes, pelo uso disciplinado de fatos, dados e análise estatística e a 
atenção diligente à gestão, melhoria e reinvenção dos processos de negócio. (PANDLE, 
2004). 
Nesse contexto, Six Sigma é uma estratégia que faz o uso estruturado de uma série de 
técnicas e ferramentas estatísticas auxiliando as organizações na tomada de decisão, 
para a implementação de ações de melhoria de processos e produtos. 
Conseqüentemente, Six Sigma pode proporcionar satisfação aos clientes e lucratividade 
às organizações, atendendo satisfatoriamente as partes interessadas (HARRY, 1998). 
A definição estatística do Seis Sigma pode ser observada na fig. 1, onde é apresentado 
um processo 3σ convencional (em azul) em um processo 6σ (em verde). É importante 
salientar que grande parte da curva azul está fora dos limites de especificação, área que 
representa 66.378 defeitos por milhão de oportunidades, o mesmo não ocorre com a 
curva verde que, conceitualmente, corresponde 3,4 defeitos por milhão de 
oportunidades. 
 
 
 
 
 
 
 
 
 
 
 
 
 
3.1. Roa
 
Um gra
com a 
Existem
com o ro
 
 
 
 
 
 
 
Fa
Pr
• 
co
a l
• 
pro
Fa
•R
CT
•E
•D
•E
•E
•A
 Figura 1 – Definição estatística do Six Sigma 
dmap 
nde benefício trazido pela metodologia Six Sigma é a rigidez e clareza obtidas 
utilização do modelo DMAIC (Define-Measure-Analyse-Improve-Control). 
 vários padrões de DMAIC, chamados de roadmap. O projeto foi desenvolvido 
admap utilizado na companhia.. 
Fase II: Mensuração do Processo. 
• Mapear o processo e identificar entradas e 
saídas. 
 
 Figura 2 – Modelo de roadmap utilizado no projeto 
• Matriz de Causa e Efeitos. 
• Estabelecer mensuração da capacidade do 
sistema. 
• Estabelecer uma linha de base da 
capacidade do processo. 
Fase III: Análise do Processo. 
• Completar FMEA. 
• Executar a análise de múltiplas Variáveis. 
• Identificar potenciais entradas críticas. 
• Desenvolver plano para a próxima fase.
Fase IV: Melhorias no Processo. 
• Verificar entradas críticas. 
• Otimizar entradas críticas. 
se V: Controle do 
ocesso. 
Implementar plano de 
ntrole; verificar capacidade 
ongo prazo. 
Melhoria contínua do 
cesso. 
se I: Definir. 
elatório do problema / 
Qs. 
scopo e limite. 
 
Processo 6σ Processo 3σ 
efinir defeitos. 
quipe líder e responsável. 
stimativa de custo. 
provação da direção. 
3.2. Definir 
 
Nesta etapa, o grupo de trabalho definirá claramente o problema, baseando-se na 
estratégia do negócio ou naquilo que é crítico para o cliente, que na linguagem Six 
Sigma denomina-se de características críticas para o cliente (CTQ - critical to quality). 
As características críticas para a satisfação do cliente são correlacionadas com os vários 
processos da organização. 
 
3.3. Medir 
 
Neste estágio é estabelecido o nível de desempenho do processo atual. São definidas as 
necessidades e expectativas do cliente com o objetivo de se determinar as variáveis 
críticas do processo. Nesta fase, são utilizadas ferramentas básicas como, por exemplo: 
as métricas Seis Sigma, a análise dos sistemas de medição (MSA-measurement system 
analysis) e a análise dos modos efeitos de falha (FMEA-failure modes and effects 
analysis). 
 
3.4. Analisar 
 
Na fase de análise o grupo explora as causas fundamentais responsáveis pela geração 
dos defeitos. A análise estatística é usada para examinar as variáveis potenciais que 
afetam o resultado e procurar identificar a causa raiz mais significativa. As ferramentas 
utilizadas incluem análise multivariada, teste de normalidade, análise de variância 
(ANOVA-analysis of variance), análise de correlação e regressão. 
 
3.5. Melhorar 
 
Durante esta fase, o grupo procura a solução ótima, desenvolve e testa o plano de ação 
para implementar e confirmar a solução. O processo é modificado e o resultado é 
medido para se avaliar o nível de otimização alcançado. Com o processo otimizado, 
padroniza-se o novo método que produzirá resultados de acordo com as especificações 
do cliente. Métodos estatísticos como projetos de experimentos e regressão linear 
múltipla podem ser utilizados para identificar o ajuste otimizado para o processo. 
 
3.6. Controlar 
 
Para prevenir a recorrência do problema e garantir a manutenção do desempenho 
alcançado, medidas de controle são implementadas. Entre as técnicas adotadas, 
destacam-se as seguintes: o controle estatístico de processo, os planos de controle, os 
testes de confiabilidade e os processos à prova de erros. 
 
4. ESTUDO DE CASO 
 
O estudo de caso foi desenvolvido em uma empresa de embalagens. O processo gargalo 
desta fábrica é a impressora, máquina responsável pela decoração dos produtos. Este 
equipamento possui a capacidade de imprimir até seis cores e utiliza a tecnologia de 
impressão indireta off set à seco. A fábrica possui duas linhas de fabricação com uma 
impressora por linha. Sendo o gargalo por capacidade, a eficiência da planta é definida 
pelo seu desempenho, ou seja, qualquer ganho obtido na impressora será refletido nos 
resultados de toda fábrica. 
4.1. Definir 
 
Como exemplo da necessidade de flexibilização da linha de produção da companhia, 
verificou-se um aumento de 23% no número setups por mês como observado na Fig.3 : 
 
15
33
19 20
38
61
70
80
63
57 59
48 49
92
52
81
0
10
20
30
40
50
60
70
80
90
100
jan
/04
ma
r/0
4
ma
i/0
4
ag
o/0
4
ou
t/0
4
de
z/0
4
fev
/05
ab
r/0
5
 
 
 
 
 
 
 
 
 
 
 
 
 Figura 3 – Gráfico de Crescimento de Número de Setups por Mês 
 
A Figura 4 indica que o aumento no número de trocas reduz a disponibilidade do 
equipamento, ou seja, como o numero de trocas é uma variável definida pelo cliente e o 
seu aumento é uma realidade, torna-se indispensável reduzir o tempo de troca, o que 
permitiria elevar o número de trocas sem aumentar a parcela de tempo destinada ao 
setup. 
 
5 7 t r o c a s / m ê s
8 , 5 3 m i n u t o s / t r o c a
4 8 6 , 2 m i n u t o s / m ê s 
g a s t o s c o m s e t u p
7 0 t r o c a s / m ê s
8 , 5 3 m i n u t o s / t r o c a
5 9 7 , 1 m i n u t o s / m ê s 
g a s t o s c o m s e t u p
2 0 0 4 2 0 0 5
T e m p o d i s p o n í v e l
p a r a p r o d u ç ã o
T e m p o g a s t o
c o m a s t r o c a s
 
 
 
 
 
 
 
 
 
 
 
 
 
 Figura 4 – Gráfico do crescimento do número de setups por mês 
 
Tem-se então a definição do problema: Com o aumento de 22,8% no número de setup e 
a performance média de 8,53 minutos nos últimos doze meses, tivemos um acréscimo 
de 110 minutos por mês gastos a mais nos setups o que significa uma perda de 
2.480.500 de itens por ano. 
A análise dos dados históricos, verificação dos padrões corporativos e de benchmarking 
orientaram a definição dos padrões de desempenho e o objetivo como demonstrado na 
Fig. 5: 
Figura 5 – Resumo dos padrões de desempenho 
Dados contínuos 
LSE =8,00 minutos 
LIE = 0 
ALVO = 7,73 minutos
 
 
 
 
4.2. Medição 
 
Com a equipe Six Sigma, desenvolveu-se um minucioso mapa de processo, onde foram 
consideradas todas as variáveis que exercem influência sobre o processo. Nesta etapa 
foi importante a contribuição dos eventos SMED já realizados através dos vídeos 
utilizados para tomada dos tempos das operações e a identificação das atividades 
internas e externas.A partir do mapa de processo, foi elaborada uma matriz de causa e efeito cujo objetivo é 
a priorização das variáveis. O resultado desta matriz indicou as variáveis que foram 
levadas ao FMEA. 
O sistema de medição de tempo é automático, ou seja, o tempo não é medido pelos 
operadores, mas por um sistema de sensores que identifica o momento de início e fim da 
troca, assim, a análise do sistema de medição teve como foco a validação dos resultados 
do sistema automático. 
Considerando os padrões de desempenho e a definição de defeito definidos na fase de 
Definição e a análise de normalidade dos dados, foi desenvolvida a análise de 
capacidade do processo. 
 
Normal Probability Plot 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Average: 8,52826
StDev: 2,28714
N: 23
Anderson-Darling Normality Test
A-Squared: 0,521
P-Value: 0,165
5 6 7 8 9 10 11 12 13 14
,001
,01
,05
,20
,50
,80
,95
,99
,999
Pr
ob
ab
ilit
y
ANTES
 Figura 6 – Teste Anderson-Darling para Verificação da Norm
 Figura 7 – Estudo de Capabilidade do Processo An
 
P Value= 0,165 
Dados normais
alidade dos Dados 
tes do Projeto 
O teste de normalidade Anderson-Darling, apresentado na Figura 5, confirma a 
normalidade dos dados, já que o P-value é maior que 0,05. Com este resultado, aplicou-
se um estudo de capabilidade do processo que apresentou um processo com 590317,4 
defeitos por milhão de oportunidades, ou seja, com grande oportunidade de melhoria. 
 
4.3. Analisar 
 
O Estudo de Variáveis Multíplas, desenvolvido na fase de Análise tem a função de 
identificar as causas óbvias possíveis da variabilidade, analisando diferenças entre 
turnos, equipes, horários e linhas de produçao, por exemplo. É importante salientar que 
o estudo Multi-Vari representa um retrato do processo. No caso do projeto, utilizou-se 
os dados de dois meses, analisando as seguintes componentes: Turmas, turnos, dias, 
horários de troca, mês e refugo durante a troca. 
 
FONTE DE VARIAÇÃO: Turmas – Linha –Turnos - mês 
 
s e ta g o
2121
1 2 ,5
1 1 ,5
1 0 ,5
9 ,5
8 ,5
7 ,5
6 ,5
m ê s
te
m
po
A 
B 
C 
D 
M u lt i- V a r i C h a r t f o r t e m p o b y tu r m a - m ê s
lin h a
tu rm a
 Figura 8 – Carta Multi-Vari Considerando Tempo, Linha, Turno, Turmas e Mês 
 
TESTE DE HIPÓTESES: Linha 2 > Linha 1 
 
 
 
 
 
1 2
0
1 0
2 0
l in h a
te
m
po
B o x p l o t s o f t e m p o b y l i n h a
( m e a n s a r e in d ic a t e d b y s o l id c ir c le s )
 Figura 9 – Teste de hipótese de que o tempo de setup na linha 2 é maior que na linha 1 
Two-Sample T-Test and CI: tempo; linha 
 
P-Value = 0,999 
Nos casos onde se identificou informações relevantes quanto às fontes de variação, 
foram testadas as hipóteses. O estudo Multi-Vari indicou que há diferenças nos setup 
entre as duas linha de produção, ou seja, há variáveis atuando na segunda linha, 
provocando um desempenho pior que na primeira linha. 
Neste ponto, com as informações do mapa de processo, os resultados do estudo Multi-
Vari e os testes de hipótese, a equipe teve condições de estabelecer como variáveis 
críticas: 
 
 - Troca de cilindros 
 - Ajuste de tonalidade 
 - Ajuste de registro 
 - Troca de blanquetas 
 
4.4. Melhorar 
 
A aplicação da ferramenta SMED na fase de melhoria é um meio eficiente para se 
estudar todas as etapas do setup. Desta forma, seguindo os quatro passos da técnica, 
desenvolveu-se um mapeamento das operações, separação das atividades internas e 
externas, conversão das atividades internas em externas e a otimização das atividades 
internas. A aplicação do Diagrama de Espaguete para analisar o deslocamento dos 
operadores e a Rede PERT para encontrar o caminho crítico possibilitam um perfeito 
entendimento das oportunidades de melhoria. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
PLATAFORMA
PAINEL
TAMBOR DE 
BLANQUETAS
TAMBOR DE 
BLANQUETAS
BLOW OFFBLOW OFF TINTEIROS
1 2 3 4 5 61 2 3 4 5 6
Téc. 1: 10,5m
Téc.2: 6m
Figura 10 – Rede PERT e diagrama de Espaguete 
 
O resultado da Matriz de Causa e Efeito e do FMEA associados com o diagrama de 
Espaguete e a Rede PERT indicaram como vitais, as seguintes variáveis: troca de 
cilindros, ajuste das tonalidades, ajuste do registro e a troca das blanquetas. 
Téc.3: 6m
Téc. 4: 4,8
Total: 27,3m
Téc. 1: 10,5m
Téc. 4: 4,8
Téc.2: 6m
Téc.3: 6m
Téc. 1: 10,5m
Téc. 4: 4,8
Téc.2: 6m
Téc.3: 6m
Total: 27,3mTotal: 27,3m
EspaguetiTroca de Rótulo
Com os resultados das análises estatísticas e a realização do evento SMED, a equipe, 
através de brainstorming, sugeriu como propostas de melhorias: 
 
 
 
 
 
 
 
 
 
 
Troca de cilindros 
 
 
Ajuste de tonalidade 
Ajuste de registro 
Troca de blanquetas 
Desenvolvimento de um novo modelo de ferramenta 
para retirada do cilindro 
 
Desenvolvimento de uma metodologia para 
manutenção preventiva dos cilindros 
 
Novamente, o rigor estatístico da metodologia Six Sigma enriquece a utilização da 
técnica SMED através da verificação do desempenho das turmas apresentado na Fig. 
11: 
 
A B C D
5
6
7
8
9
10
11
12
13
TURM A Q
Q
U
IN
ZE
N
AL
Boxplots of QUINZENA by TURMA Q
(means are indicated by solid circles)
One-way ANOVA: QUINZENAL versus TURMA Q 
 
Analysis of Variance for QUINZENA 
Source DF SS MS F P 
TURMA Q 3 27,50 9,17 2,61 0,071 
Error 28 98,39 3,51 
Total 31 125,89 
 Individual 95% CIs For Mean 
 Based on Pooled StDev 
Level N Mean StDev ----+---------+---------+---------+-- 
A 8 6,788 1,419 (--------*--------) 
B 8 8,600 2,388 (--------*--------) 
C 8 8,698 2,011 (--------*--------) 
D 8 6,805 1,516 (--------*--------) 
 ----+---------+---------+---------+-- 
Pooled StDev = 1,875 6,0 7,5 9,0 10,5 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 11 – Resultados da ANOVA quanto a diferença entre as turmas 
Os resultados demonstram que, apesar da aparente diferença encontrada nos tempos das 
turmas B e C, não se pode afirmar que há diferenças estatísticas entre as equipes, o que 
é evidenciado pelo teste ANOVA, Pvalue = 0,071, e a Comparação de Tukey’s 
pairwise demonstrado na Fig. 12: 
 Tukey's pairwise comparisons 
 
 
 A B C 
 
 B -4,371 
 0,746 
 
 C -4,468 -2,656 
 0,648 2,461 
 
 D -2,575 -0,763 -0,665 
 2,541 4,354 4,451
Exemplo: Não há 
diferenças estatística 
entre a turma B e C 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 12 – Teste de Comparação Tukey’s Pairwise 
 
 
4.5. Controlar 
 
Na fase de controle, optou-se pela adoção de uma carta de controle para os resultados 
quinzenais, o que permite o monitoramento da performance a observação da ocorrência 
de causas especiais ou comuns. Desta forma, é possível analisar o desempenho dos 
setups ao longo do tempo, verificando sua tendência e evitando a tomada de decisões 
sobre causas comuns de variação do processo. 
 
 
 
 
 
 
 
 
 
 
 
 
Na figura 13
uma melhor
dpmo. 
 
 
0S u b g r o u p 1 2 3 4 5 6 7 8 9
2
7
1 2
In
di
vid
ua
l V
al
ue
 
Figura 13 – Carta de Controle Individual Chart 
, observa-se que o processo está sob controle estatístico e a Figura 14 indica 
ia na capabilidade do processo, apresentando uma redução de 33% no 
 
 
 
 
 
 
 
 
Figura 14 – Capabilidade do processo após projeto 
5.0 CONCLUSÃO 
 
A necessidade de flexibilizar a linha de produção é uma realidade incontestável. A 
redução de estoques de matérias-primas, produtos em processamento e bens acabados é 
um alvo comum a todas as fábricas. O aumento da qualidade dos produtose serviços 
através da diminuição dos defeitos e a redução da variabilidade são, não mais vantagens 
competitivas, mas parâmetros de sobrevivência. Neste contexto, a implementação da 
filosofia de Produção Enxuta integrada à metodologia Six Sigma é um caminho eficaz 
para a melhoria da performance da organização e seu reconhecimento com empresa de 
classe mundial. 
Foi possível observar que a há sinergia entre a técnica SMED e a metodologia Six 
Sigma, aproveitando as virtudes de cada uma e principalmente, melhorando o processo 
com análise estatística e sustentabilidade dos resultados. 
A Figura 15 apresenta o resumo dos benefícios trazidos pela técnica SMED e pela 
metodologia Six Sigma: 
 
 
 
 
 
 
 
 
 
 
 
Sistemática e
Mape
Divisão de ativi 
Foco 
Anális
Definiç
prob
Sustenta 
Me
Figura 15 – B
 
Desta forma, a ap
preparação com a
condução do pro
processo em aten
dos resultados, ma
 
 
REFERÊNCIAS
BALESTRASSI, P. 
BERTELS, Thomas
www.isixsigma.com 
CAMPOS, V. F. 1
Horizonte, Oitava e
DAVIS, M.M., 200
Alegre, Terceira ed
HARRY, M. J., 199
Company. 
HAY, E. J., 1992, J
São Paulo. 
PANDE, P. S. et al,
ROTHER, M, 2003
Eliminar o Desperd
SHINGO, S.,2000, 
Primeira edição 
WOMACK, J. P, 20
SMED 
 
specífica e eficaz para 
setups 
 
amento eficaz 
 
dades internas e externas
 
para melhorias 
enefícios da integração da técnica SMED e
licação da metodologia Six Sigma em proje
 aplicação da técnica SMED permite um
jeto, definindo claramente o problema, 
der às especificações de setup, além de p
ximizando os ganhos. 
 
P., 2002. Apostila Six Sigma. 
, Integrating Lean and Six Sigma: The Powe
999, TQC: Controle da Qualidade Total (no
dição. 
1, Fundamentos da Administração da Produ
ição 
4, The Vision of Six Sigma: A Roadmap Bre
ust in Time: Um Exame dos Novos Conceitos 
 2004, Estratégia Six Sigma, Qualitymark, Rio 
, Aprendendo a Enxergar: Mapeando o Fluxo 
ício, Lean Institute Brasil, São Paulo 
Sistema de Troca Rápida de Ferramenta, Ed
04. A Máquina que Mudou o Mundo, Editora C
SIX SIGMA 
 
e estatística avançada 
 
ão clara e objetiva do 
lema, defeito, e alvo 
 
bilidade dos resultados 
 
todologia Robusta 
 metodologia Six Sigma 
tos de redução de tempo de 
 maior aproveitamento na 
o alvo e a capacidade do 
romover a sustentabilidade 
r Of An Integrated Roadmap IN 
 estilo japonês). EDG, Belo 
ção, Editora Bookman, Porto 
akthrough, Sigma Publishing 
de Produção, Editora Maltese. 
de Janeiro, 2a reimpressão 
de Valor para Agregar Valor e 
itora Bookman, Porto Alegre, 
ampus, Rio de Janeiro 
http://www.isixsigma.com/