4.3 Aula Transcrita

4.3Análise Quantitativa de Processos

O curso, licenciado pela ABPMP Brasil, é hoje um dos mais

modernos e inovadores no mundo para formação a distância

de profissionais de BPM

ELO 01 - Curso de Formação de Gestores de Processo

4.3 Análise Quantitativa de Processos

© ELO Group 2011 |Todos os Direitos Reservados 2

RESUMO

QUADRORESUMO DA AULA

AULA: 4.3 Análise Quantitativa de Processos

TUTOR: José Davi Furlan, MSc, CBPP.

Nº DE SLIDES: 64 slides DURAÇÃO: 57 min

SLIDE1




SLIDE2

Olá. A aula de hoje será sobre análise quantitativa de processos. Seja bem vindo. Eu sou José Davi

Furlan.

O objetivo de nossa aula é tratar o alinhamento da voz do processo com a voz do cliente, através

de métodos estatísticos e técnicas de análise estatística de dados. Veremos os seguintes tópicos:

Conceitos básicos de Six Sigma, a metodologia DMAIC, método estatístico, enfoque GQM, técnicas

para análise estatística de dados, investigando a variabilidade de processos, tipos de carta de

controle e finalmente os conceitos-chave da aula.




SLIDE3

A bibliografia sobre o assunto é vasta, sendo que sugeriremos como base os seguintes livros:

Florac, W.A. &Carleton, A.D. – “Measuring the Software Process – Statistical Process Control

for Software Process Improvement”, The SEI Series in Software Engeneering ,Adison-

Wesley, 1999. Embora tenha sido feito para melhoria de processos de software, é um livro

de fácil entendimento de um assunto complexo e poderá ajudar profissionais de qualquer

área.

Wheeler, D.J. – “Understanding Variation – The Key to Managing Chaos”, 2nd edition,

ControleEstatístico de Processo Press, 2000.

Pyzdek, Thomas – “The Six Sigma Handbook: The Complete Guide for Greenbelts,

Blackbelts, and Managers at All Levels”, Revised and Expanded Edition, 2003.




SLIDE4

Deming fez contibuições significativas para o Japão tornar-se notório pela fabricação de produtos

inovadores de alta qualidade. Deming é considerado o estrangeiro que gerou o maior impacto sobre a

indústria e a economia japonesa no século XX. De volta aos Estados Unidos, uma das grandes empresas

a buscar a ajuda de Deming foi a Ford. As vendas da Ford estavam caindo e Deming foi recrutado para

ajudar no levantamento da qualidade. Deming questionou a cultura da empresa e seu gerenciamento e

disse à Ford que as decisões da gerência eram responsáveis por 85% dos problemas da produção de

melhores carros.

Vamos começar nossa aula de hoje citando os 14 pontos de Deming para a gestão, que descrevem o

caminho para a qualidade total:

Planejar para o futuro, inovar.

Eliminar o medo na organização em reportar problemas.

Aprender a filosofia do Controle Estatístico de Processo e reconhecer o papel preponderante da

gerência nesse processo.

Formar equipes para reduzir sistematicamente as variações e perdas dos processos.

Atuarpreventivamente contra defeitos.

Dispor gerência e supervisão para auxiliar demais pessoas a resolverem problemas levantados.

Promovertreinamento.

Utilizar ao máximo o conhecimento estatístico.

Ensinar a todos a estatística aplicada.

Usar a estatística para identificar perdas.

Utilizar Controle Estatístico de Processo para auxiliar na solução de problemas.

Não aceitar falhas como se fossem naturais.

Eliminar gradativamente a dependência da inspeção.

E apoiarnovasmudanças.




SLIDE5




SLIDE6

Six Sigma engloba elementos de estratégia organizacional, modelo de gestão, metodologia de

trabalho, ferramentas estatísticas e métodos de comparação. No que se refere a processos, Six

Sigma é o enfoque de melhoria e de eliminação de defeitos orientado a resultado final, através da

redução drástica de defeitos. Também é orientado à estratégia, priorizando e alinhando atividades

com estratégia organizacional. À robustez e flexibilidade, pelo entendimento de oportunidades de

melhoria em cada processo de negócio. Também é orientado ao desempenho, pelo alinhamento da

visão individual em um objetivo comum. À escalabilidade organizacional, com a aplicação em

departamentos específicos ou toda a corporação. E também ao investimento de baixo risco, com

ROI favorável dos esforços de melhoria de processos.




SLIDE7

O enfoque foi criado em 1986 pela Motorola, inicialmente para a indústria de manufatura. Em 1987,

a Motorola estabeleceu as primeiras metas ambiciosas em Six Sigma, tendo recebido em 1988 o

prêmio nacional americano de qualidade Malcolm Baldrige. Em 1991, foram certificados os

primeiros blackbelts, profissionais qualificados a liderar implementação de Six Sigma. Em 1992,

importantes organizações no mundo passaram a utilizar Six Sigma. Surge em 2002 o novo Six

Sigma, uma evolução de métrica para metodologia que acumulou o prêmio Malcolm Baldrige pela

segunda vez. A partir de 2003, a utilização de Six Sigma avança para todo tipo de segmentos de

negócio.

Six Sigma possui as seguintes posturas gerenciais:

Entregar valor para o cliente, com foco na entrega de valor real.

Focar na execução, sendo que o líder está focado na ação para garantir os resultados

estratégicos da organização.

A decisões são baseadas em fatos; as decisões são tomadas de forma efetiva, visando o

melhor interesse da organização e dos clientes.

O desempenho é gerenciado, pois Six Sigma busca melhoria de desempenho e medições de

gerenciamento de desempenho são conduzidos diária ou semanalmente.

Suporta melhorias de grande impacto: os Líderes Six Sigma pensam grande e buscam

atingir resultados através de desempenho e melhorias de grande porte.

E suporta também melhorias com foco em equipes; as maiores melhorias advém através de

equipes inter-funcionais que nivelam suas capacidades e conhecimentos, e não a partir de

um único empregado “super-herói”.




SLIDE8

Six Sigma ajuda a melhorar significativamente a satisfação do cliente e a receita financeira pela

redução da variabilidade em processos de negócios. Um conceito subjacente é o de defeitos por

milhão de oportunidades de defeito em produtos ou serviços. Tais oportunidades de defeitos devem

ser trabalhadas de modo a alcançar um processo Six Sigma, reduzindo dramaticamente defeitos em

uma escala de centenas de milhares para 3,4 defeitos por milhão. Oportunidades de defeitos

representam o número de defeitos potenciais que podem ocorrer no produto ou serviço em relação

aos requisitos do cliente e/ou ao valor nominal da especificação.




SLIDE9

Vejamos um exemplo da capacidade Sigma e o que representa na realidade. O extravio de

bagagem na aviação comercial americana é de 4 sigmas; esse sigma reporta uma quantidade de

defeitos por milhão na ordem de 6210 bagagens que apresentam algum tipo de extravio por milhão

de bagagens despachadas. Já a ocorrência de acidentes na aviação comercial é de 6,7 sigmas, o

que significa menos de 0,29 acidentes por milhão de oportunidades de acidente.




SLIDE 10

Basicamente o Six Sigma busca o entendimento claro das necessidades e anseios dos clientes,

através da aplicação de uma metodologia baseada em projetos, denominada DMAIC, cujos

resultados são medidos em termos financeiros. Está fortemente baseado em ferramentas

estatísticas e pessoal 100% dedicado aos projetos Six Sigma; são conhecidos por blackbelts. O foco

da ação deve ser na causa-raiz dos problemas e não na solução dos sintomas. A pergunta que se

faz é: “Se somos bons em X, ou seja, na identificação de solução das causas, porque testar e

inspecionar sintomas?” Ocorre então o desvio de foco da variável dependente, que é Y, para focar

na variável independente que é X.




SLIDE 11




SLIDE 12

Six Sigma é uma solução de médio e longo prazo, que necessita de patrocínio, profissionais

qualificados, gerenciamento de expectativas e suporte sustentável para permitir bons resultados. A

implementação de Six Sigma é sugerida através de duas metodologia-chave: DMAIC e DMADV,

ambas inspiradas no PDCA, que é o Plan, Do, Check, Act, de Deming. Enquanto DMAIC é utilizada

para melhorar processos de negócios existentes, DMADV é utilizado para criar um novo produto ou

desenhos de processo. A metodologiaDMAICconsiste de cincopassos:

Definir objetivos de melhorias de processos que estejam consistentes com os requisitos de

clientes e estratégias corporativas.

Medir aspectos chave de processos atuais e coletar dados relevantes.

Analisar os dados para verificar relacionamentos de causa e efeito, determinando o que são

tais relacionamentos e tentando assegurar que todos os fatores relevantes foram

considerados.

Melhorar ou Otimizar os processos, com base em análise de dados, utilizando técnicas tais

como desenho de experimentos ou design ofexperience.

Controlar para assegurar que qualquer desvio do alvo seja corrigido antes que resulte em

defeitos, criar pilotos de execução para estabelecer a capacidade do processo, mover para a

produção, criar mecanismos de controle e monitorar continuamente o processo.




SLIDE 13

Six Sigma está fortemente baseado em controle estatístico de processo. As

principaistécnicasutilizadassão:

oQFD, ou QualityFunction Deployment, que é ums sistema e conjunto de procedimentos

para identificar, comunicar e priorizar requisitos de clientes;

O Cause andEfect Matrix, utilizada para selecionar, priorizar e analisar dados coletados ao

longo do curso do projeto, buscando identificar problemas em processos. Também é

conhecido como diagrama espinha de peixe ou diagrama de Ishikawa;

Tem o FMEA, que é o failuremodesandeffectsanalysis,identificação de ações corretivas para

prevenir que falhas cheguem até o cliente, melhorando o desempenho, qualidade e

confiabilidade;

O T-Test, que é utilizado para determinar a diferença estatística entre dois grupos;

Cartas de controle, ou ControlCharts, utilizado para monitorar a melhoria de desempenho de

processo no tempo com base em análise de variação;

E o DOE (Design ofexperience), que contempla o planejamento, desenho, coleta de dados,

análise e estratégia de implementação.




SLIDE 14

Organizações frequentemente gastam muito tempo tentando se diferenciar no mercado, mas pouco

tempo em eliminar os fatores de irritação dos clientes. Apesar de o marketing concentrar esforços

na tarefa de obter a fidelidade de clientes, construindo um relacionamento duradouro, observa-se

como resposta do mercado com infidelidade crescente. Alguns dos elementos que contribuem para

esse fenômeno são o alto índice de concorrência, o lançamento de novos produtos, a

descaracterização do produto ou serviço como decorrência das mudanças na escala de valores da

sociedade em satisfação dos clientes com a organização.

Temos ainda dois fatores a analisar: o Market Share e o ClientShare. O Market Share diz respeito à

participação que uma organização possui no mercado de determinado produto. O ClientShare é a

participação da organização nas necessidades de consumo do cliente em diversos produtos. A idéia

de se aumentar o envolvimento com o cliente diz respeito a aumentar principalmente o ClientShare.

A mesma tecnologia que cria velozmente pode transformar produtos e serviços inovadores em

commodities, caso a comunicação ao mercado seja padronizada. Hoje não é suficiente atingir a

maior fatia de mercado, é preciso conquistar a “alma” do cliente. Alguns autores preferem utilizar

os termos MindShare e Heart Shareno lugar de Market Share e ClientShare. O mercado se

estabelece com o MindShare e cresce com o Heart Share. Como as expectativas dos clientes

aumentam incessantemente, é indispensável que ocorra uma melhoria permanente da qualidade

dos produtos e serviços e nas formas de envolvimento com vistas a uma fidelização.

Preço é apenas um dos quatro aspectos que o cliente avalia para saber se algo é bom. Os outros

três são marca, apresentação e relacionamento. Os consumidores normalmente associam preço

alto a melhor qualidade, mas é preciso estar atento ao que os preços dizem a respeito dos serviços.




SLIDE 15

QualityFunction Deployment, ou o QFD, é um método para transformar demandas de clientes em

qualidade de desenho, implantar funções que formam qualidade, implantar métodos para alcançar

a qualidade de desenho em subsistemas ou partes componentes, e em última instância, especificar

elementos de umprocesso de manufatura.

YojiAkaodesenolveu o QFD no Japão em 1966, através da combinação do seu trabalho em garantia

da qualidade e pontos de controle de qualidade com a implantação de funções em engenharia de

valor. O QFD é projetado para ajudar a identificar características de um produto ou serviço novo ou

existente a partir de pontos de vista de segmentos de mercado, organizações e necessidade de

desenvolvimento de tecnologia. A técnica produz gráficos e matrizes. QFD ajuda a transformar

necessidades de clientes, que seria o VOC ou VoiceoftheCustomer em características de engenharia

e métodos apropriados de teste para um produto ou serviço, priorizando cada característica de um

produto ou serviço junto com o estabelecimento de alvos de desenvolvimento para produtos ou

serviços.

Emsuma, o Quality Fuction Deploymentbusca:

Escutar a voz do consumidor (VOC), que seria “o quê”.

Identificar as características que o produto, bem ou serviço deverá ter para satisfazer as

necessidades, que é o “como;

Relacionar as necessidades com as características (“o que” com o “como”);

Identificar correlações entre as características (“como” e “como”);

E estabelecer metas para as características.




SLIDE 16




SLIDE 17

Métodos estatísticos são utilizados para comparar continuamente os resultados de um processo

com um padrão, identificando, a partir dos dados estatísticos, as tendências para as variações

significativas, objetivando reduzir cada vez mais as suas variações. As técnicas e métodos

estatísticos passaram a ganhar importância na análise e aplicação para a solução de problemas no

campo industrial a partir de 1924, com o Doutor Walter Shewhart, que desenvolveu pela primeira

vez as cartas de controle.

Com o desenvolvimento em larga escala da produção industrial, tanto nos Estados Unidos como na

Europa, após 1944, o controle estatístico de processo surgiu como um método eficiente, seguro e

rápido de controle para aperfeiçoamento dos processos produtivos. Podemos enumerar algumas

vantagens do controle estatístico de processo: serve para se ter um controle contínuo do processo;

ajuda a produzir com consistência e previsibilidade; permite que o processo alcance melhor

qualidade, menor custo e maior produtividade; fornece dados para linguagens comuns de discussão

e entendimento do processo; distingue as causas comuns e especiais como um guia para ações

locais do processo ou do sistema.




SLIDE 18

Organizações de classe mundial buscam atingir o alvo com mínima variabilidade e obter o máximo

valor com o mínimo recurso. Quando um processo está sob controle estatístico existe base para

previsão, dentro de limites, de como irá desempenhar no futuro. Antes de um processo ser

classificado em uma capacidade definida, deve exibir razoável grau de controle estatístico e atender

dois critérios: ser trazido a um estado de controle estatístico por um tempo suficiente para detectar

qualquer comportamento não-usual, e deve atender ou exceder as especificações que tem de ser

satisfeitas para os requisitos de negócio ou do cliente.




SLIDE 19

Vamos tomar um ciclo básico de gerenciamento de processo para mostrar como se relaciona a

medição de desempenho de processo; definição do processo, medição do processo, controle do

processo, melhoria do processo. Esse ciclo é análogo ao ciclo de Shewhart, de 1939, para melhoria

contínua, popularizado por Deming em 1986, e caracterizado pelo PDCA.




SLIDE 20

Devemos primeiramente definir os processos que podem suportar objetivos de negócio,

identificando e definindo os tópicos, modelos e medições que se relacionam ao desempenho dos

processos. Adicionalmente, devemos prover a infra estrutura necessária para suportar as atividades

e assegurar que a organização tenha habilidade para executar e sustentar os processos, incluindo

conhecimentos, treinamentos, ferramentas, recursos financeiros. A medição é a base para detectar

desvios de um desempenho aceitável. É a base para identificar oportunidades de melhoria de

processo através da coleta e análise de dados de desempenho. O controle de processos significa

manter o processo dentro dos seus limites normais inerentes, garantindo um comportamento

consistente. Envolve medição, detecção e correção de variações devidas a causas assinaláveis.

Uma vez que o processo está sob controle estatístico, atividades de sustentação devem ser

empreendidas para prevenir efeitos de entropia. Sem atividades de sustentação, processos podem

ser vítimas de mudanças ad hocou desuso e deteriorização. Mesmo se um processo estiver definido

e sob controle, pode não ser capaz de produzir os resultados necessários e atender aos objetivos

organizacionais. Processos podem ser melhorados pela introdução de mudanças em sua capacidade

ou por substituir sub-processos existentes por outros mais efetivos ou mais eficientes. Nesse

sentido, é necessário compreender as características dos processos existentes e fatores que afetam

sua capacidade, bem como avaliar os impactos e benefícios obtidos comparando aos custos de

mudanças.




SLIDE 21

Métricas podem ser classificadas em três categorias:

Métricas de produto.

o Descrevem características do produto, tais como tamanho, complexidade, características

de desenho, desempenho, nível de qualidade.

Métricas de processo.

o Podem ser utilizadas para melhorar o desenvolvimento e manutenção de produto.

Exemplos incluem a efetividade de remoção de defeitos, o modelo de teste, o tempo de

resposta de reparo.

Métricas de projeto.

o Descrevem as características de projeto e execução. Exemplos incluem o número de

profissionais, o modelo de equipe ao longo do ciclo de vida do produto, custo, prazo e

produtividade.




SLIDE 22

Kaplan e Norton sempre afirmaram que o que não é medido não é gerenciado. Também podemos

adicionar que não se pode medir o que não se descreve. Todos os processos são desenhados para

produzir resultados, os produtos e serviços que os processos entregam e as maneiras como entregam

possuem atributos mensuráveis que podem ser observados para descrever qualidade, quantidade,

custo e tempo dos resultados produzidos. Desempenho de processos podem ser quantificado pelos

atributos dos produtos, bem como diretamente por atributos do próprio processo. O slide mostra

alguns objetivos típicos de negócio e exemplos de atributos que podem ser mensurados para avaliar o

desempenho do processo.

Medições de atributos, tais como os mostrados na última coluna são importantes para controlar os

processos que produzem os produtos, tornando previsível o desempenho futuro do processo. Se

conhecermos os valores correntes desses atributos e o processo não está entregando os resultados

desejados, teremos pontos de referência para iniciar a introdução e validação de ajustes de melhorias

no processo.

Tópicos na melhoria de processo: desempenho, estabilidade, conformidade e capacidade.

Desempenho: “O processo está produzindo de acordo com atributos mensuráveis de

qualidade, quantidade, custo e tempo?”

Estabilidade: “O processo está se comportando de maneira previsível?”

Conformidade: “O processo está suficientemente suportado e fielmente executado?”

Capacidade: “O processo é capaz de entregar os resultados que atendam aos requisitos?”




SLIDE 23

Desempenho, efetividade e capacidade dos processos são considerações importantes conforme

aumentamos a maturidade e melhoramos as operações. Florac e Carlton nos sugerem uma

estrutura de trabalho para medir e melhorar o comportamento de processos, conforme mostra o

slide.

Inicialmente devemos compreender como nossos objetivos de negócio, estratégia e planos se

relacionam aos nossos processos. Depois devemos identificar os tópicos críticos que determinam se

nossos processos são bem sucedidos para alcançar os objetivos estabelecidos. Selecionar medições

que nos ajudem a caracterizar os processos ou produtos é o próximo passo, que também criará

uma definição para as mediçõesselecionadas. Na seqüência, devemos coletar dados para visualizar

os processos, para investigar causas assinaláveis e melhorias potenciais, organizando e

sumarizando os dados, buscando padrões, tendências e relacionamentos. Utilizando cálculos

apropriados, baseados em dados, podemos então analisar o comportamento dos processos,

plotando dados de medições em cartas de controle e assim avaliar se os processos estão estáveis.

Finalmente, podemos remover causas assinaláveis, mudar processos ou continuamente melhorá-

los.




SLIDE 24

Desempenho de processos se refere aos valores característicos que vemos ao medir atributos de

produtos e serviços resultantes de processos. Conforme temos visto, o desempenho de processos

pode ser medido de duas maneiras:

Pelos atributos de produtos que o processo produz. Exemplos seriam a função, o tamanho e

a velocidade de execução;

Pelos atributos do processo em si. Exemplos seriam a quantidade de esforço despendido, o

tamanho e duração de fluxos de trabalho, o número de defeitos detectados.

Devemos selecionar medições que não somente reflitam o propósito primário do processo, mas

também tratem aspectos subjacentes a esse propósito. Eventualmente seria o caso de analisar

variações em desempenho de processo ao medir atributos de recursos ou ambientes que suportam

o processo, por exemplo nível de experiência e treinamento dos profissionais.




SLIDE 25




SLIDE26

Criado por Basili e Weiss em 1984, o enfoque GQM pode ser utilizado para selecionar medições para

suportar objetivos do negócio. Objetivos são identificados, questões são formuladas e métricas

estabelecidas. GQM define um modelo de medição em três níveis:

Nível conceitual: um objetivo é definido para um objeto por uma variedade de razões com

respeito a modelos de qualidade, pontos de vista e relativo ao ambiente particular.

Nível operacional: um conjunto de questões é utilizado para definir modelos de objeto em

estudo, e então, foca em tal objeto para caracterizar e avaliar o atingimento de um objetivo

específico.

E nível quantitativo: uma métrica ou um conjunto de métricas com base nos modelos; é

associado com qualquer questão para responder de modo mensurável.




SLIDE 27

A literatura aberta tipicamente descreve GQM em termos de um processo de seis passos, onde os

três primeiros dizem respeito aos objetivos de negócio para direcionar a identificação das métricas

corretas e os três últimos são como obter dados efetivos de medição e fazer uso efetivo dos

resultados de medição para direcionar o processo de tomada de decisão e melhorias.




SLIDE 28

Basili descreve os seis passos do processo GQM da seguinte forma:

1) Desenvolver um conjunto de objetivos de negócio de projeto de visão ou corporação e

objetivos de medição associados à produtividade e qualidade;

2) Produzir questões com base em modelos que definam tais objetivos tão abrangentemente

quanto possível de maneira quantificável;

3) Especificar as medições necessárias para serem coletadas, para responder as questões

formuladas e rastrear conformidade de processo e produto aos objetivos;

4) Desenvolver mecanismos para coleta de dados;

5) Coletar, validar e analisar dados em tempo real para prover feedback com relação a ações

corretivas;

6) Analisar os dados post mortem para avaliar conformidade com relação aos objetivos,

fazendo recomendações para futuras melhorias.




SLIDE29

Apesar de toda a experiência da indústria na aplicação de técnicas e ferramentas de medição,

devemos estar atentos a razões que poderiam levar ao insucesso desse esforço. Primeiramente

entender que usuários diferentes de dados de medições têm necessidades diferentes (dados

coletados para um propósito poderiam não ser adequados a outro, devido a regras empregadas

durante a coleta). Também organizações diferentes têm práticas diferentes estabelecidas; pode ser

difícil alterar o modo no qual a organização coleta dados somente para satisfazer uma necessidade

externa. Adicionalmente, comunicação de resultados de medições sem ambiguidade é uma

dificuldade inerente, pois mesmo profissionais que compreendem perfeitamente como os dados são

coletados, não é trivial comunicar adequadamente descrições muitas vezes complexas de regras

operacionais. Por fim, métodos estruturados para a comunicação de resultados de medição

raramente existem, o que realça o ponto da ambiguidade.




SLIDE30

Antes de analisar dados de medição, há certos critérios que os valores reportados deveriam

satisfazer. Essescritériossão:

Veracidade;

Sincronização;

Consistência;

E validade.

É importante determinar se os valores reportados satisfazem o critério especialmente cedo no

processo de medição. Veracidade refere-se a tipos corretos, formato correto, dento de intervalos

especificados, completos e aritmeticamente corretos. Sincronização refere-se a valores de atributos

relacionados com o tempo de ocorrência. A consistência, a valores de atributos consistentes com

sua definição. E a validade, dentro do contexto e propósito para os quais os resultados serão

utilizados; nenhum dado tem significado fora disso.




SLIDE31

De acordo com Hradesky, de 1989, para que o Controle Estatístico de Processos seja eficaz são

necessários 10% de ação estatística e 90% de ação administrativa. Osprincipaisingredientessão:

Técnicasestatísticas;

Técnicas de solução de problemas;

Liderança e atitudes para aperfeiçoamento da produtividade da qualidade;

Planejamento da qualidade;

Método sistemático que atua como catalisador.




SLIDE32




SLIDE33

Técnicas para análise de dados

Ishikawa observou que embora nem todos os problemas pudessem ser resolvidos por aplicação de

técnicas de análise de dados, ao menos 95% poderiam ser, e que qualquer trabalhador

devidamente treinado poderia efetivamente utilizá-las. Embora algumas dessas técnicas já fossem

conhecidas a tempo, Ishikawa as organizou especificamente para aperfeiçoar o controle de

qualidade industrial na década de 60. Esse aspecto essencial do gerenciamento e controle da

qualidade foi responsável por muitos dos acréscimos na qualidade dos produtos, e posteriormente,

muitos dos produtos e serviços de classe mundial durante as últimas três décadas do século XX.

Técnicas para análise de dados:

Gráfico de dispersão;

Histograma;

Gráfico de barra;

Diagrama de causa e efeito;

Gráfico de Pareto;

Run charts;

Cartas de Controle.




SLIDE34

Um gráfico de dispersão constitui a melhor maneira de visualizar a relação entre duas variáveis

quantitativas. Coleta dados aos pares de duas variáveis (causa e efeito), para checar a existência

da real relação entre essas variáveis, normalmente utilizado como primeiro passo na exploração de

dados, mostrando como uma variável tem se comportado em relação à outra.




SLIDE 37

Um histograma é uma representação gráfica da distribuição de freqüências de uma massa de

medições, normalmente um gráfico de barras verticais. É composto por retângulos justapostos em

que a base de cada um corresponde ao intervalo de classe e a sua altura, à respectiva frequencia.

Quando o número de dados aumenta indefinidamente e o intervalo de classe tende a zero, a

distribuição de frequência passa para uma distribuição de densidade de probabilidades. A

construção de histogramas tem caráter preliminar em qualquer estudo e é um importante indicador

da distribuição de dados. Pode indicar se uma distribuição se aproxima de uma função normal,

como pode indicar mistura de populações, quando se apresentam bimodais.




SLIDE36

Gráfico de barras é similar ao histograma, mas não necessita estar baseado em medições de

variáveis contínuas ou contagens de frequência. Gráfico de barras é o único tipo de gráfico que

exibe dados horizontalmente, por esse motivo é conhecido por representar dados que ocorrem com

o tempo, com uma data inicial e final finita. Também é conhecido por mostrar informações

categóricas, uma vez que as categorias podem ser exibidas horizontalmente.




SLIDE37

O diagrama de Ishkawa, também conhecido por diagrama de causa e efeito ou espinha de peixe é

uma técnica gráfica utilizado pelo o gerenciamento e controle da qualidade em processos diversos

de manipulação de fórmulas. Originalmente proposto pelo engenheiro químico KaoruIshkawa, em

1943, e aperfeiçoado nos anos seguintes, esse diagrama é conhecido também como “seis m”, pois

em sua estrutura, todos tipos de problemas podem ser classificados como sendo de seis tipos

diferentes, todos iniciados com a letra M, que seriam método, matéria-prima, mão-de-obra,

máquinas, medição e meio-ambiente. Permite estruturar hierarquicamente causas de determinado

problema ou oportunidade de melhoria, bem como seus efeitos sobre a qualidade dos produtos.

Também permite estruturar através de melhor visualização qualquer sistema que precise de

resposta de forma gráfica e sintética. Para implementação do diagrama de Ishkawa não há limites.

Para os que preferem ir além dos padrões convencionais, podem identificar e demonstrar em

diagramas específicos a origem de cada uma das causas do efeito, isto é, as causas das causas do

efeito. A riqueza de detalhes pode ser determinante para uma melhor quantidade e qualidade dos

resultados. Quanto mais informações sobre os problemas da empresa forem disponibilizados,

maiores serão as chances de se livrar deles.




SLIDE38

Gráfico de Pareto é um gráfico de barras que ordena as freqüências das ocorrências da maior para

a menor, permitindo a priorização dos problemas, procurando levar a cabo o Princípio de Pareto,

que são “os poucos essenciais, muito triviais”, isto é, há muitos problemas sem importância diante

de outros mais graves. Sua maior utilidade é permitir uma fácil visualização e identificação de

causas ou problemas mais importantes, possibilitando a concentração de esforços sobre eles. O

termo Gráfico de Pareto ficou conhecido depois que Juran começou a utilizá-lo. O nome se originou

do trabalho de Vilfredo Pareto, durante seus estudos na área de economia sobre distribuição de

renda e descobriu que 80% da riqueza estavaconcentrado em cerca de 20% da população. No

ambiente organizacional, esse tipo de ánalise encontra sua aplicação verificando que 80% (ou um

percentual alto) dos problemas são causados por 20% (ou um percentual baixo) das causas. Nesta

linha, conclui-se que poucas causas são responsáveis pela maioria dos problemas, levando um bom

gestor a atacar essas causas prioritariamente, pois assim, resolve-se grande parte dos problemas.

O princípio de Pareto é também conhecido como a regra dos “80-20”.




SLIDE39

Run Chart é um gráfico que mostra dados observados em uma sequência de tempo.

Frequentemente, os dados mostrados representam algum aspecto da saída ou desempenho de um

processo. O tempo geralmente é representado no eixo x e o atributo observado, no eixo y. Algumas

medições de tendência central de dados são indicadas por uma linha central de referência.

Runcharts são analisados para encontrar anomalias em dados que sugerem variações em um

processo com o passar do tempo, ou fatores especiais que podem influenciar a variabilidade de um

processo. Fatores típicos considerados incluem longos runs não usuais de pontos de dados sobre ou

abaixo da linha de média, o número total de tais runs no conjunto de dados em séries longas não-

usuais de aumento ou diminuições consecutivas. Runcharts são similares a cartas de controle, mas

não mostram os limites de controle do processo. Mais simples de produzir, não permitem um

conjunto de técnicas analíticas suportadas pelas cartas de controle. Um dos perigos de utilizar

runchart é a tendência de ver cada variação como sendo importante.




SLIDE40

Carta de controle é um tipo de gráfico comumente utilizado para o acompanhamento durante um

processo. Determina uma faixa chamada de “tolerância”, limitada pela linha superior, ou limite

superior de controle, e uma linha inferior, ou limite inferior de controle, e uma linha média do

processo, que foram estatisticamente determinadas. Realizada com amostras extraídas durante o

processo, supõe-se distribuição normal das características da qualidade. O objetivo é verificar se o

processo está sob controle.




SLIDE41




SLIDE 42

Dados contém sinais, mas também ruídos. Portanto, antes de detectar sinais, devemos filtrar os

ruídos. Variação existe em todos os dados, e consiste de ruídos, que é uma variação randômica, e

sinais, que é uma variação não-randômica. Os valores que são reportados devem ser filtrados de

modo a separar sinais de ruídos. Essa filtragem deve estar baseada subjetivamente em experiência

profissional e em pressupostos, ou pode estar baseada em enfoques mais formalizados. Se é um

enfoque padronizado e formal para analisar dados, pode haver dificuldade para interpretação e

utilização de resultados da medição. Quando interpretamos e agimos sobre o resultado da medição,

estamos presumindo que os dados de medição representam a realidade, a menos que sinais

legitimadores possam ser distinguidos de ruídos. Ações que tomamos podem não ter qualquer

garantia de sucesso. Agindo em ruídos como se fossem sinais, servirá apenas para ampliar a

instabilidade e aumentar a variabilidade de nos resultados de processo. A razão para analisar dados

de processo é desenhar inferências (que seriam conclusões e previsões) que possam ser utilizadas

para guiar decisões e ações.

Deming diz que há dois modos para se obter inferências estatísticas: estudos enumerativos e

estudos analíticos. Um estudo enumerativo é descritivo, para determinar quantos em vez de porque

tantos. Um estudo analítico é pra dizer ou melhorar o comportamento do processo no futuro.




SLIDE43

O processo tentou indicar que havia um problema, mas ninguém notou. Um sinal perdido é uma

oportunidade desperdiçada. Cada processo varia, por exemplo, se você fizer dez assinaturas todas

serão similares, mas nenhuma será exatamente igual à outra, há uma variação inerente dentro de

limites previsíveis, o que chamamos de causas comuns. Se alguém colide com seu cotovelo

enquanto assina, haverá uma variação incomum chamada causa assinalável. Se você é um cortador

de diamantes e alguém colide com seu cotovelo a causa assinalável pode sair cara; para vários

processos, é importante observar causas assinaláveis de variação assim que ocorrem.




SLIDE44

Causa comum de variação é um é uma variação no desempenho de processo devido à interação

normal ou inerente entre componentes de processos, pessoas, ferramentas e métodos. É

caracterizada por um padrão estável e consiste de valores medidos com o tempo. Variação em

desempenho de processo devido a uma causa comum é randômica, mas poderá variar dentro de

limites previsíveis. Quando um processo é estável, as variações randômicas em valores medidos

vêm de um sistema constante de causas. A variação em desempenho de processo é previsível e

resultados não esperados são extremamente raros.




SLIDE45

Previsibilidade significa estar sob controle. Exemplos de causas assinaláveis que podem levar à

perda de previsibilidade:

Pessoasinadequadamentetreinadas;

Ambiente de trabalhoinstável;

Falhasemferramentas;

Métodosalterados;

Falhas em seguir o processo.




SLIDE46

Em um processo estável, as fontes de variabilidade são devido somente a causas comuns. Os

limites de processo são referenciados como sendo a voz do processo. Todas as variações em um

processo estável são causadas por fatores inerentes aos próprios processos, variações devido a

causas assinaláveis, tais como aquelas causadas por erro de operador, mudanças ambientais,

desvios do processo e características mutáveis de matérias-primas e recursos têm sido removidas

dos processos e incorporadas como partes permanente do processo. Um processo está estável

quando está sob controle estatístico. Quando um processo é estável, faz sentido introduzir

mudanças para melhorar a capacidade ou desempenho.




SLIDE47

Conforme vimos, cartas de controle são utilizadas para determinar a faixa chamada de tolerância

na variabilidade de processos. Todas cartas de controle têm uma linha central ou centerline e

limites de controle superior (upper center line) e inferior (lower center line) calculados a partir de

observações coletadas enquanto o processo é executado, isto é, não são estabelecidos de maneira

arbitrária.




SLIDE48

Os limites de controles tradicionais, de acordo com Shewhart, são ± 3 sigma, onde sigma é um

padrão de desvio estatístico. A experiência de muitos anos de utilização de cartas de controle tem

mostrado que os limites três sigma oferecem o melhor resultado e o menor índice de alarmes

falsos.




SLIDE49

Neste slide, vemos um passo a passo para investigar a instabilidade:

Devemos selecionar os processos para avaliação de estabilidade;

Identificar características de produto ou processo que descrevem o desempenho do

processo;

Selecionar o tipo apropriado de Carta de controle;

Medir as características do produto ou processo por um período de tempo;

Utilizar cálculos apropriados para estabelecer centerline, upper center line e lower center

line;

Elaborar a Carta de controle;

E comparar os valores do gráfico com os limites de intervalo;




SLIDE50

Se todos os valores estiverem distribuídos randomicamente abaixo e acima do centerline e dentro

do upper center line e lower center line, concluir que o processo tem se mantido estável.

Se algum valor exceder os limites ou os valores apresentarem um comportamento não randômico,

concluir que o processo não tem se mantido estável. As razões devem ser investigadas e causas

assinaláveis devem ser removidas.

Assim que as causas assinaláveis forem removidas, recalcular limites uppercenterline e lower center

line, onde serão necessárias observações adicionais para determinar limites confiáveis.

Limites calculados a partir do conjunto completo de dados podem estar contaminados comvariações

por causas assinaláveis.




SLIDE51




SLIDE52

De acordo com Irving Burr, Carta de Controle é o processo falando conosco. Vejamosalgunstipos de

cartas de controle:

X-Bar and S charts;

C charts;

U charts;

Z charts;

XmR charts;

x-Bar e R charts.

Vamos detalhar a seguir os XmRcharts e os x-Bar e R charts.




SLIDE53

Neste slide, vemos uma tabela com colunas de dia-esforço, ao lado uma terceira coluna

denominada mR, ou moving range que é a diferença entre o esforço do dia atual frente o esforço do

dia anterior. Por exemplo, o esforço do dia 1 foi 50,5 e do dia 2 foi 43,5, portanto o MR do dia 1 é

7. Aplicamos a mesma lógica para todas as seqüências mostradas. Os XmRcharts são utilizados

quando medições estão espaçadas no tempo ou quando cada medição é utilizada por si própria para

avaliar ou controlar um processo. Para se obter o center line ou CL, deve-se obter a média dos

esforços tabulados. Nesse exemplo, se apurarmos a média, chegaremos a 45,06. Após obter o CL,

o próximo passo é obter o UCL, que é o uppercenterline, e o LCL, que é o lower center line, ao

aplicar a seguinte fórmula: pega-se a média dos esforços, ± 2,66 multiplicado pela média dos

moving ranges, que nesse caso é 3,38. 2,66 é umaconstantenafórmula.




SLIDE54

Nesta figura, vemos o XmRchart plotado com base nas computações realizadas para esforço do

staff da figura anterior, incluindo as delimitações para UCL, igual à 54,04, center line (CL), igual à

45,06 e LCL, igual a 36,08. Também foi plotado um gráfico da média do moving range, e o

respectivo UCL, 11,03 e CL, 3,38.




SLIDE 55

Para testar instabilidade em processos, devemos examinar cartas de controle para instâncias e

padrões que sinalizam para comportamento não randômico. Valores que sejam plotados fora dos

limites de controle e padrões não usuais dentro do registro de execução sugerem a existência de

causas assinaláveis. Vários testes estão disponíveis para detectar padrões não usuais e

comportamentos não randômicos:

Teste 1: Um único ponto fica fora do UCL;

Teste 2: Pelo menos 2 de 3 valores sucessivos ficam fora, no mesmo lado, e a mais de 2

sigmas do CL;

Teste 3: Pelo menos 4 de 5 valores sucessivos ficam fora, no mesmo lado, e a mais de 1

sigma do CL;

Teste 4: Pelo menos 8 valores sucessivos ficam foram no mesmo lado do CL.

Testes 2, 3 e 4 são chamados de runtests, e se baseiam no pressuposto que a distribuição de

variação natural e inerente seja simétrica sobre o centro.




SLIDE 56

Os gráficos X-Bar e R charts são utilizados para exibir comportamento do processo quando há

opção de coletar medições múltiplas dentro de um período de tempo curto, basicamente sob as

mesmas condições. Assim devemos computar a média X e o intervalo R para cada subgrupo de

tamanho n, para cada subgrupo K. Em seguida, computar a média total de X, a partir da média de

cada subgrupo de médias K. Então computar o intervalo médio R a partir da média de cada

intervalo de subgrupos K. O tamanho máximo do subgrupo é igual a dez; caso contrário utilizar S

charts.




SLIDE 57

Neste slide, vemos o X-Barchart e o R chart resultantes do exemplo anterior.




SLIDE 58

As três principais razões para determinar os limites de controle de um processo estável são:

Determinar a capacidade do processo;

Comparar a padrões ou requisitos de processo;

Prever o comportamento do processo.

Ao calcular limites de controle, é desejável basear os cálculos em no mínimo:

20 a 30 subprogramas para X-Bar e R charts;

E de 40 a 45 valores individuais para XmRcharts.




SLIDE 59

Os limites de cartas de controle devem ser revisados para eliminar causar assinaláveis, buscando

estabilidade do processo (variações somente decorrentes de causas comuns). Os limites UCL e LCL

são recalculados conforme novos grupos de valores são incorporados (sem contaminação de valores

fora de limite). Eventos positivos ao processo, incluindo inovação e melhoria, poderão deslocar os

limites de maneira favorável com o tempo.




SLIDE 60

Nunca devemos parar de elaborar Cartas de Controle para acompanhar a estabilidade dos

processos. Devemos sempre remover causas assinaláveis, mudar o processo e melhorar

continuamente.




SLIDE 61

Neste slide, vamos relacionar o passo a passo para iniciar a aplicação do Controle Estatístico de

Processo na organização.

Familiarizar-se com as técnicas de Controle Estatístico de Processo é o primeiro passo;

Depois, devemos obter uma ferramenta que possa executar cálculos de Controle Estatístico

de Processo e gerar Cartas de Controle; uma ferramenta indicada é o Minitab;

Em seguida, identificar problemas críticos de processo;

Identificar atributos de desempenho de processo;

Selecionar e definirmedições;

E coletar dados;

Para os dados coletados, dvemos organizá-los e assegurar que os princípios subjacentes a

Controle Estatístico de Processo se aplicam;

Depois, elaborargráficos;

E examinar cada gráfico com relação à estabilidade de processo, deslocamento de processo

e causas assinaláveis;

Por fim, executar análises adicionais conforme requeira a situação.




SLIDE 62




SLIDE 63

Chegamos ao final de nossa aula, vejamos os conceitos-chave:

Devemos alinhar a voz do processo à voz do cliente;

Processos estáveis se traduzem em produtos e serviços estáveis aos clientes afetando

diretamente a satisfação;

Organizações frequentemente gastam muito tempo tentando se diferenciar no mercado, mas

pouco tempo em eliminar os fatores de irritação dos clientes;

A estabilidade do processo pode ser monitorada através de técnicas estatísticas, sendo a

carta de controle uma das técnicas mais utilizadas;

Instabilidade em processos deve ser investigada em sua causa-raiz para se solucionar a

causa e não o efeito;

Six Sigma é o enfoque gerencial que busca reduzir drasticamente defeitos a partir da

remoção de problemas e instabilidades em processos;

Controle Estatístico de Processo é fortemente empregado em enfoques que buscam reduzir

defeitos em processos, como é o caso de Six Sigma.




SLIDE 64

Obrigado por assistir à aula! Aguardamos você em nosso fórum de discussão.

Até a próxima!




ANOTAÇÕES DO ALUNO

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________




________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________

________________________________________________________




________________________________________________________

________________________________________________________

4.3 Aula Transcrita

Documents

Transcript of 4.3 Aula Transcrita