4.3 Aula Transcrita

4.
3Anlise Quantitativa de Processos

O curso, licenciado pela ABPMP Brasil, hoje um dos mais
modernos e inovadores no mundo para formao a distncia
de profissionais de BPM
ELO 01 - Curso de Formao de Gestores de Processo
RESUMO
QUADRORESUMO DA AULA
AULA: 4.3 Anlise Quantitativa de Processos
TUTOR: Jos Davi Furlan, MSc, CBPP.
N DE SLIDES: 64 slides
DURAO:
57 min
SLIDE1
4.3 Anlise Quantitativa de Processos

ELO Group 2011 |Todos os Direitos Reservados
SLIDE2
Ol. A aula de hoje ser sobre anlise quantitativa de processos. Seja bem vindo. Eu sou Jos Davi
Furlan.
O objetivo de nossa aula tratar o alinhamento da voz do processo com a voz do cliente, atravs
de mtodos estatsticos e tcnicas de anlise estatstica de dados. Veremos os seguintes tpicos:
Conceitos bsicos de Six Sigma, a metodologia DMAIC, mtodo estatstico, enfoque GQM, tcnicas
para anlise estatstica 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 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 ,AdisonWesley, 1999. Embora tenha sido feito para melhoria de processos de software, um livro
de fcil entendimento de um assunto complexo e poder ajudar profissionais de qualquer
rea.
Wheeler, D.J. Understanding Variation The Key to Managing Chaos, 2nd edition,
ControleEstatstico 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 contibuies significativas para o Japo tornar-se notrio pela fabricao de produtos
inovadores de alta qualidade. Deming considerado o estrangeiro que gerou o maior impacto sobre a
indstria e a economia japonesa no sculo 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 Ford que as decises da gerncia eram responsveis por 85% dos problemas da produo de
melhores carros.
Vamos comear nossa aula de hoje citando os 14 pontos de Deming para a gesto, que descrevem o
caminho para a qualidade total:
Planejar para o futuro, inovar.

Eliminar o medo na organizao em reportar problemas.
Aprender a filosofia do Controle Estatstico de Processo e reconhecer o papel preponderante da
gerncia nesse processo.
Formar equipes para reduzir sistematicamente as variaes e perdas dos processos.
Atuarpreventivamente contra defeitos.
Dispor gerncia e superviso para auxiliar demais pessoas a resolverem problemas levantados.
Promovertreinamento.
Utilizar ao mximo o conhecimento estatstico.
Ensinar a todos a estatstica aplicada.
Usar a estatstica para identificar perdas.
Utilizar Controle Estatstico de Processo para auxiliar na soluo de problemas.
No aceitar falhas como se fossem naturais.
Eliminar gradativamente a dependncia da inspeo.
E apoiarnovasmudanas.

SLIDE5

SLIDE6
Six Sigma engloba elementos de estratgia organizacional, modelo de gesto, metodologia de

trabalho, ferramentas estatsticas e mtodos de comparao. No que se refere a processos, Six
Sigma o enfoque de melhoria e de eliminao de defeitos orientado a resultado final, atravs da
reduo drstica de defeitos. Tambm orientado estratgia, priorizando e alinhando atividades
com estratgia organizacional. robustez e flexibilidade, pelo entendimento de oportunidades de
melhoria em cada processo de negcio. Tambm orientado ao desempenho, pelo alinhamento da
viso individual em um objetivo comum. escalabilidade organizacional, com a aplicao em
departamentos especficos ou toda a corporao. E tambm ao investimento de baixo risco, com
ROI favorvel dos esforos de melhoria de processos.

SLIDE7
O enfoque foi criado em 1986 pela Motorola, inicialmente para a indstria de manufatura. Em 1987,
a Motorola estabeleceu as primeiras metas ambiciosas em Six Sigma, tendo recebido em 1988 o
prmio nacional americano de qualidade Malcolm Baldrige. Em 1991, foram certificados os
primeiros blackbelts, profissionais qualificados a liderar implementao de Six Sigma. Em 1992,
importantes organizaes no mundo passaram a utilizar Six Sigma. Surge em 2002 o novo Six
Sigma, uma evoluo de mtrica para metodologia que acumulou o prmio Malcolm Baldrige pela
segunda vez. A partir de 2003, a utilizao de Six Sigma avana para todo tipo de segmentos de
negcio.
Six Sigma possui as seguintes posturas gerenciais:
Entregar valor para o cliente, com foco na entrega de valor real.

Focar na execuo, sendo que o lder est focado na ao para garantir os resultados
estratgicos da organizao.
A decises so baseadas em fatos; as decises so tomadas de forma efetiva, visando o
melhor interesse da organizao e dos clientes.
O desempenho gerenciado, pois Six Sigma busca melhoria de desempenho e medies de
gerenciamento de desempenho so conduzidos diria ou semanalmente.
Suporta melhorias de grande impacto: os Lderes Six Sigma pensam grande e buscam
atingir resultados atravs de desempenho e melhorias de grande porte.
E suporta tambm melhorias com foco em equipes; as maiores melhorias advm atravs de
equipes inter-funcionais que nivelam suas capacidades e conhecimentos, e no a partir de
um nico empregado super-heri.

SLIDE8
Six Sigma ajuda a melhorar significativamente a satisfao do cliente e a receita financeira pela
reduo da variabilidade em processos de negcios. Um conceito subjacente o de defeitos por
milho de oportunidades de defeito em produtos ou servios. Tais oportunidades de defeitos devem
ser trabalhadas de modo a alcanar um processo Six Sigma, reduzindo dramaticamente defeitos em
uma escala de centenas de milhares para 3,4 defeitos por milho. Oportunidades de defeitos
representam o nmero de defeitos potenciais que podem ocorrer no produto ou servio em relao
aos requisitos do cliente e/ou ao valor nominal da especificao.

SLIDE9
Vejamos um exemplo da capacidade Sigma e o que representa na realidade. O extravio de

bagagem na aviao comercial americana de 4 sigmas; esse sigma reporta uma quantidade de
defeitos por milho na ordem de 6210 bagagens que apresentam algum tipo de extravio por milho
de bagagens despachadas. J a ocorrncia de acidentes na aviao comercial de 6,7 sigmas, o
que significa menos de 0,29 acidentes por milho de oportunidades de acidente.

10
SLIDE 10
Basicamente o Six Sigma busca o entendimento claro das necessidades e anseios dos clientes,
atravs da aplicao de uma metodologia baseada em projetos, denominada DMAIC, cujos
resultados so medidos em termos financeiros. Est fortemente baseado em ferramentas
estatsticas e pessoal 100% dedicado aos projetos Six Sigma; so conhecidos por blackbelts. O foco
da ao deve ser na causa-raiz dos problemas e no na soluo dos sintomas. A pergunta que se
faz : Se somos bons em X, ou seja, na identificao de soluo das causas, porque testar e
inspecionar sintomas? Ocorre ento o desvio de foco da varivel dependente, que Y, para focar
na varivel independente que X.

11
SLIDE 11

12
SLIDE 12
Six Sigma uma soluo de mdio e longo prazo, que necessita de patrocnio, profissionais
qualificados, gerenciamento de expectativas e suporte sustentvel para permitir bons resultados. A
implementao de Six Sigma sugerida atravs de duas metodologia-chave: DMAIC e DMADV,
ambas inspiradas no PDCA, que o Plan, Do, Check, Act, de Deming. Enquanto DMAIC utilizada
para melhorar processos de negcios existentes, DMADV 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 estratgias corporativas.
Medir aspectos chave de processos atuais e coletar dados relevantes.
Analisar os dados para verificar relacionamentos de causa e efeito, determinando o que so
tais relacionamentos e tentando assegurar que todos os fatores relevantes foram
considerados.
Melhorar ou Otimizar os processos, com base em anlise de dados, utilizando tcnicas 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 execuo para estabelecer a capacidade do processo, mover para a
produo, criar mecanismos de controle e monitorar continuamente o processo.

13
SLIDE 13
Six
Sigma
est
fortemente
principaistcnicasutilizadasso:
baseado
em
controle
estatstico
de
processo.
As
oQFD, ou QualityFunction Deployment, que 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. Tambm
conhecido como diagrama espinha de peixe ou diagrama de Ishikawa;
Tem o FMEA, que o failuremodesandeffectsanalysis,identificao de aes corretivas para
prevenir que falhas cheguem at o cliente, melhorando o desempenho, qualidade e
confiabilidade;
O T-Test, que utilizado para determinar a diferena estatstica entre dois grupos;
Cartas de controle, ou ControlCharts, utilizado para monitorar a melhoria de desempenho de
processo no tempo com base em anlise de variao;
E o DOE (Design ofexperience), que contempla o planejamento, desenho, coleta de dados,
anlise e estratgia de implementao.

14
SLIDE 14
Organizaes frequentemente gastam muito tempo tentando se diferenciar no mercado, mas pouco
tempo em eliminar os fatores de irritao dos clientes. Apesar de o marketing concentrar esforos
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 fenmeno so o alto ndice de concorrncia, o lanamento de novos produtos, a
descaracterizao do produto ou servio como decorrncia das mudanas na escala de valores da
sociedade em satisfao dos clientes com a organizao.
Temos ainda dois fatores a analisar: o Market Share e o ClientShare. O Market Share diz respeito
participao que uma organizao possui no mercado de determinado produto. O ClientShare a
participao da organizao nas necessidades de consumo do cliente em diversos produtos. A idia
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 servios inovadores em
commodities, caso a comunicao ao mercado seja padronizada. Hoje no suficiente atingir a
maior fatia de mercado, 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, indispensvel que ocorra uma melhoria permanente da qualidade
dos produtos e servios e nas formas de envolvimento com vistas a uma fidelizao.
Preo apenas um dos quatro aspectos que o cliente avalia para saber se algo bom. Os outros
trs so marca, apresentao e relacionamento. Os consumidores normalmente associam preo
alto a melhor qualidade, mas preciso estar atento ao que os preos dizem a respeito dos servios.

15
SLIDE 15
QualityFunction Deployment, ou o QFD, um mtodo para transformar demandas de clientes em

qualidade de desenho, implantar funes que formam qualidade, implantar mtodos para alcanar
a qualidade de desenho em subsistemas ou partes componentes, e em ltima instncia, especificar
elementos de umprocesso de manufatura.
YojiAkaodesenolveu o QFD no Japo em 1966, atravs da combinao do seu trabalho em garantia

da qualidade e pontos de controle de qualidade com a implantao de funes em engenharia de
valor. O QFD projetado para ajudar a identificar caractersticas de um produto ou servio novo ou
existente a partir de pontos de vista de segmentos de mercado, organizaes e necessidade de
desenvolvimento de tecnologia. A tcnica produz grficos e matrizes. QFD ajuda a transformar
necessidades de clientes, que seria o VOC ou VoiceoftheCustomer em caractersticas de engenharia
e mtodos apropriados de teste para um produto ou servio, priorizando cada caracterstica de um
produto ou servio junto com o estabelecimento de alvos de desenvolvimento para produtos ou
servios.
Emsuma, o Quality Fuction Deploymentbusca:
Escutar a voz do consumidor (VOC), que seria o qu.

Identificar as caractersticas que o produto, bem ou servio dever ter para satisfazer as
necessidades, que o como;
Relacionar as necessidades com as caractersticas (o que com o como);
Identificar correlaes entre as caractersticas (como e como);
E estabelecer metas para as caractersticas.

16
SLIDE 16

17
SLIDE 17
Mtodos estatsticos so utilizados para comparar continuamente os resultados de um processo

com um padro, identificando, a partir dos dados estatsticos, as tendncias para as variaes
significativas, objetivando reduzir cada vez mais as suas variaes. As tcnicas e mtodos
estatsticos passaram a ganhar importncia na anlise e aplicao para a soluo 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 produo industrial, tanto nos Estados Unidos como na
Europa, aps 1944, o controle estatstico de processo surgiu como um mtodo eficiente, seguro e
rpido de controle para aperfeioamento dos processos produtivos. Podemos enumerar algumas
vantagens do controle estatstico de processo: serve para se ter um controle contnuo do processo;
ajuda a produzir com consistncia e previsibilidade; permite que o processo alcance melhor
qualidade, menor custo e maior produtividade; fornece dados para linguagens comuns de discusso
e entendimento do processo; distingue as causas comuns e especiais como um guia para aes
locais do processo ou do sistema.

18
SLIDE 18
Organizaes de classe mundial buscam atingir o alvo com mnima variabilidade e obter o mximo
valor com o mnimo recurso. Quando um processo est sob controle estatstico existe base para
previso, dentro de limites, de como ir desempenhar no futuro. Antes de um processo ser
classificado em uma capacidade definida, deve exibir razovel grau de controle estatstico e atender
dois critrios: ser trazido a um estado de controle estatstico por um tempo suficiente para detectar
qualquer comportamento no-usual, e deve atender ou exceder as especificaes que tem de ser
satisfeitas para os requisitos de negcio ou do cliente.

19
SLIDE 19
Vamos tomar um ciclo bsico de gerenciamento de processo para mostrar como se relaciona a
medio de desempenho de processo; definio do processo, medio do processo, controle do
processo, melhoria do processo. Esse ciclo anlogo ao ciclo de Shewhart, de 1939, para melhoria
contnua, popularizado por Deming em 1986, e caracterizado pelo PDCA.

20
SLIDE 20
Devemos primeiramente definir os processos que podem suportar objetivos de negcio,

identificando e definindo os tpicos, modelos e medies que se relacionam ao desempenho dos
processos. Adicionalmente, devemos prover a infra estrutura necessria para suportar as atividades
e assegurar que a organizao tenha habilidade para executar e sustentar os processos, incluindo
conhecimentos, treinamentos, ferramentas, recursos financeiros. A medio a base para detectar
desvios de um desempenho aceitvel. a base para identificar oportunidades de melhoria de
processo atravs da coleta e anlise de dados de desempenho. O controle de processos significa
manter o processo dentro dos seus limites normais inerentes, garantindo um comportamento
consistente. Envolve medio, deteco e correo de variaes devidas a causas assinalveis.
Uma vez que o processo est sob controle estatstico, atividades de sustentao devem ser
empreendidas para prevenir efeitos de entropia. Sem atividades de sustentao, processos podem
ser vtimas de mudanas ad hocou desuso e deteriorizao. Mesmo se um processo estiver definido
e sob controle, pode no ser capaz de produzir os resultados necessrios e atender aos objetivos
organizacionais. Processos podem ser melhorados pela introduo de mudanas em sua capacidade
ou por substituir sub-processos existentes por outros mais efetivos ou mais eficientes. Nesse
sentido, necessrio compreender as caractersticas dos processos existentes e fatores que afetam
sua capacidade, bem como avaliar os impactos e benefcios obtidos comparando aos custos de
mudanas.

21
SLIDE 21
Mtricas podem ser classificadas em trs categorias:
Mtricas de produto.
o Descrevem caractersticas do produto, tais como tamanho, complexidade, caractersticas
de desenho, desempenho, nvel de qualidade.
Mtricas de processo.
o Podem ser utilizadas para melhorar o desenvolvimento e manuteno de produto.
Exemplos incluem a efetividade de remoo de defeitos, o modelo de teste, o tempo de
resposta de reparo.
Mtricas de projeto.
o Descrevem as caractersticas de projeto e execuo. Exemplos incluem o nmero de
profissionais, o modelo de equipe ao longo do ciclo de vida do produto, custo, prazo e
produtividade.

22
SLIDE 22
Kaplan e Norton sempre afirmaram que o que no medido no gerenciado. Tambm podemos
adicionar que no se pode medir o que no se descreve. Todos os processos so desenhados para
produzir resultados, os produtos e servios que os processos entregam e as maneiras como entregam
possuem atributos mensurveis 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 prprio processo. O slide mostra
alguns objetivos tpicos de negcio e exemplos de atributos que podem ser mensurados para avaliar o
desempenho do processo.
Medies de atributos, tais como os mostrados na ltima coluna so importantes para controlar os
processos que produzem os produtos, tornando previsvel o desempenho futuro do processo. Se
conhecermos os valores correntes desses atributos e o processo no est entregando os resultados
desejados, teremos pontos de referncia para iniciar a introduo e validao de ajustes de melhorias
no processo.
Tpicos na melhoria de processo: desempenho, estabilidade, conformidade e capacidade.
Desempenho: O processo est produzindo de acordo com atributos mensurveis de

qualidade, quantidade, custo e tempo?
Estabilidade: O processo est se comportando de maneira previsvel?
Conformidade: O processo est suficientemente suportado e fielmente executado?
Capacidade: O processo capaz de entregar os resultados que atendam aos requisitos?

23
SLIDE 23
Desempenho, efetividade e capacidade dos processos so consideraes importantes conforme

aumentamos a maturidade e melhoramos as operaes. 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 negcio, estratgia e planos se
relacionam aos nossos processos. Depois devemos identificar os tpicos crticos que determinam se
nossos processos so bem sucedidos para alcanar os objetivos estabelecidos. Selecionar medies
que nos ajudem a caracterizar os processos ou produtos o prximo passo, que tambm criar
uma definio para as mediesselecionadas. Na seqncia, devemos coletar dados para visualizar
os processos, para investigar causas assinalveis e melhorias potenciais, organizando e
sumarizando os dados, buscando padres, tendncias e relacionamentos. Utilizando clculos
apropriados, baseados em dados, podemos ento analisar o comportamento dos processos,
plotando dados de medies em cartas de controle e assim avaliar se os processos esto estveis.
Finalmente, podemos remover causas assinalveis, mudar processos ou continuamente melhorlos.

24
SLIDE 24
Desempenho de processos se refere aos valores caractersticos que vemos ao medir atributos de
produtos e servios 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 funo, o tamanho e
a velocidade de execuo;
Pelos atributos do processo em si. Exemplos seriam a quantidade de esforo despendido, o
tamanho e durao de fluxos de trabalho, o nmero de defeitos detectados.
Devemos selecionar medies que no somente reflitam o propsito primrio do processo, mas
tambm tratem aspectos subjacentes a esse propsito. Eventualmente seria o caso de analisar
variaes em desempenho de processo ao medir atributos de recursos ou ambientes que suportam
o processo, por exemplo nvel de experincia e treinamento dos profissionais.

25
SLIDE 25

26
SLIDE26
Criado por Basili e Weiss em 1984, o enfoque GQM pode ser utilizado para selecionar medies para
suportar objetivos do negcio. Objetivos so identificados, questes so formuladas e mtricas
estabelecidas. GQM define um modelo de medio em trs nveis:
Nvel conceitual: um objetivo definido para um objeto por uma variedade de razes com
respeito a modelos de qualidade, pontos de vista e relativo ao ambiente particular.
Nvel operacional: um conjunto de questes utilizado para definir modelos de objeto em
estudo, e ento, foca em tal objeto para caracterizar e avaliar o atingimento de um objetivo
especfico.
E nvel quantitativo: uma mtrica ou um conjunto de mtricas com base nos modelos;
associado com qualquer questo para responder de modo mensurvel.

27
SLIDE 27
A literatura aberta tipicamente descreve GQM em termos de um processo de seis passos, onde os
trs primeiros dizem respeito aos objetivos de negcio para direcionar a identificao das mtricas
corretas e os trs ltimos so como obter dados efetivos de medio e fazer uso efetivo dos
resultados de medio para direcionar o processo de tomada de deciso e melhorias.

28
SLIDE 28
Basili descreve os seis passos do processo GQM da seguinte forma:

1) Desenvolver um conjunto de objetivos de negcio de projeto de viso ou corporao e
objetivos de medio associados produtividade e qualidade;
2) Produzir questes com base em modelos que definam tais objetivos to abrangentemente
quanto possvel de maneira quantificvel;
3) Especificar as medies necessrias para serem coletadas, para responder as questes
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 relao a aes
corretivas;
6) Analisar os dados post mortem para avaliar conformidade com relao aos objetivos,
fazendo recomendaes para futuras melhorias.

29
SLIDE29
Apesar de toda a experincia da indstria na aplicao de tcnicas e ferramentas de medio,

devemos estar atentos a razes que poderiam levar ao insucesso desse esforo. Primeiramente
entender que usurios diferentes de dados de medies tm necessidades diferentes (dados
coletados para um propsito poderiam no ser adequados a outro, devido a regras empregadas
durante a coleta). Tambm organizaes diferentes tm prticas diferentes estabelecidas; pode ser
difcil alterar o modo no qual a organizao coleta dados somente para satisfazer uma necessidade
externa. Adicionalmente, comunicao de resultados de medies sem ambiguidade uma
dificuldade inerente, pois mesmo profissionais que compreendem perfeitamente como os dados so
coletados, no trivial comunicar adequadamente descries muitas vezes complexas de regras
operacionais. Por fim, mtodos estruturados para a comunicao de resultados de medio
raramente existem, o que reala o ponto da ambiguidade.

30
SLIDE30
Antes de analisar dados de medio, h certos critrios que os valores reportados deveriam
satisfazer. Essescritriosso:
Veracidade;
Sincronizao;
Consistncia;
E validade.
importante determinar se os valores reportados satisfazem o critrio especialmente cedo no

processo de medio. Veracidade refere-se a tipos corretos, formato correto, dento de intervalos
especificados, completos e aritmeticamente corretos. Sincronizao refere-se a valores de atributos
relacionados com o tempo de ocorrncia. A consistncia, a valores de atributos consistentes com
sua definio. E a validade, dentro do contexto e propsito para os quais os resultados sero
utilizados; nenhum dado tem significado fora disso.

31
SLIDE31
De acordo com Hradesky, de 1989, para que o Controle Estatstico de Processos seja eficaz so
necessrios 10% de ao estatstica e 90% de ao administrativa. Osprincipaisingredientesso:
Tcnicasestatsticas;
Tcnicas de soluo de problemas;
Liderana e atitudes para aperfeioamento da produtividade da qualidade;
Planejamento da qualidade;
Mtodo sistemtico que atua como catalisador.

32
SLIDE32

33
SLIDE33
Tcnicas para anlise de dados

Ishikawa observou que embora nem todos os problemas pudessem ser resolvidos por aplicao de
tcnicas de anlise de dados, ao menos 95% poderiam ser, e que qualquer trabalhador
devidamente treinado poderia efetivamente utiliz-las. Embora algumas dessas tcnicas j fossem
conhecidas a tempo, Ishikawa as organizou especificamente para aperfeioar o controle de
qualidade industrial na dcada de 60. Esse aspecto essencial do gerenciamento e controle da
qualidade foi responsvel por muitos dos acrscimos na qualidade dos produtos, e posteriormente,
muitos dos produtos e servios de classe mundial durante as ltimas trs dcadas do sculo XX.
Tcnicas para anlise de dados:
Grfico de disperso;
Histograma;
Grfico de barra;
Diagrama de causa e efeito;
Grfico de Pareto;
Run charts;
Cartas de Controle.

34
SLIDE34
Um grfico de disperso constitui a melhor maneira de visualizar a relao entre duas variveis
quantitativas. Coleta dados aos pares de duas variveis (causa e efeito), para checar a existncia
da real relao entre essas variveis, normalmente utilizado como primeiro passo na explorao de
dados, mostrando como uma varivel tem se comportado em relao outra.

35
SLIDE 37
Um histograma uma representao grfica da distribuio de freqncias de uma massa de

medies, normalmente um grfico de barras verticais. composto por retngulos justapostos em
que a base de cada um corresponde ao intervalo de classe e a sua altura, respectiva frequencia.
Quando o nmero de dados aumenta indefinidamente e o intervalo de classe tende a zero, a
distribuio de frequncia passa para uma distribuio de densidade de probabilidades. A
construo de histogramas tem carter preliminar em qualquer estudo e um importante indicador
da distribuio de dados. Pode indicar se uma distribuio se aproxima de uma funo normal,
como pode indicar mistura de populaes, quando se apresentam bimodais.

36
SLIDE36
Grfico de barras similar ao histograma, mas no necessita estar baseado em medies de

variveis contnuas ou contagens de frequncia. Grfico de barras o nico tipo de grfico que
exibe dados horizontalmente, por esse motivo conhecido por representar dados que ocorrem com
o tempo, com uma data inicial e final finita. Tambm conhecido por mostrar informaes
categricas, uma vez que as categorias podem ser exibidas horizontalmente.

37
SLIDE37
O diagrama de Ishkawa, tambm conhecido por diagrama de causa e efeito ou espinha de peixe
uma tcnica grfica utilizado pelo o gerenciamento e controle da qualidade em processos diversos
de manipulao de frmulas. Originalmente proposto pelo engenheiro qumico KaoruIshkawa, em
1943, e aperfeioado nos anos seguintes, esse diagrama conhecido tambm 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 mtodo, matria-prima, mo-de-obra,
mquinas, medio e meio-ambiente. Permite estruturar hierarquicamente causas de determinado
problema ou oportunidade de melhoria, bem como seus efeitos sobre a qualidade dos produtos.
Tambm permite estruturar atravs de melhor visualizao qualquer sistema que precise de
resposta de forma grfica e sinttica. Para implementao do diagrama de Ishkawa no h limites.
Para os que preferem ir alm dos padres convencionais, podem identificar e demonstrar em
diagramas especficos a origem de cada uma das causas do efeito, isto , as causas das causas do
efeito. A riqueza de detalhes pode ser determinante para uma melhor quantidade e qualidade dos
resultados. Quanto mais informaes sobre os problemas da empresa forem disponibilizados,
maiores sero as chances de se livrar deles.

38
SLIDE38
Grfico de Pareto um grfico de barras que ordena as freqncias das ocorrncias da maior para
a menor, permitindo a priorizao dos problemas, procurando levar a cabo o Princpio de Pareto,
que so os poucos essenciais, muito triviais, isto , h muitos problemas sem importncia diante
de outros mais graves. Sua maior utilidade permitir uma fcil visualizao e identificao de
causas ou problemas mais importantes, possibilitando a concentrao de esforos sobre eles. O
termo Grfico de Pareto ficou conhecido depois que Juran comeou a utiliz-lo. O nome se originou
do trabalho de Vilfredo Pareto, durante seus estudos na rea de economia sobre distribuio de
renda e descobriu que 80% da riqueza estavaconcentrado em cerca de 20% da populao. No
ambiente organizacional, esse tipo de nalise encontra sua aplicao verificando que 80% (ou um
percentual alto) dos problemas so causados por 20% (ou um percentual baixo) das causas. Nesta
linha, conclui-se que poucas causas so responsveis pela maioria dos problemas, levando um bom
gestor a atacar essas causas prioritariamente, pois assim, resolve-se grande parte dos problemas.
O princpio de Pareto tambm conhecido como a regra dos 80-20.

39
SLIDE39
Run Chart um grfico que mostra dados observados em uma sequncia de tempo.
Frequentemente, os dados mostrados representam algum aspecto da sada ou desempenho de um
processo. O tempo geralmente representado no eixo x e o atributo observado, no eixo y. Algumas
medies de tendncia central de dados so indicadas por uma linha central de referncia.
Runcharts so analisados para encontrar anomalias em dados que sugerem variaes em um
processo com o passar do tempo, ou fatores especiais que podem influenciar a variabilidade de um
processo. Fatores tpicos considerados incluem longos runs no usuais de pontos de dados sobre ou
abaixo da linha de mdia, o nmero total de tais runs no conjunto de dados em sries longas nousuais de aumento ou diminuies consecutivas. Runcharts so similares a cartas de controle, mas
no mostram os limites de controle do processo. Mais simples de produzir, no permitem um
conjunto de tcnicas analticas suportadas pelas cartas de controle. Um dos perigos de utilizar
runchart a tendncia de ver cada variao como sendo importante.

40
SLIDE40
Carta de controle um tipo de grfico comumente utilizado para o acompanhamento durante um

processo. Determina uma faixa chamada de tolerncia, limitada pela linha superior, ou limite
superior de controle, e uma linha inferior, ou limite inferior de controle, e uma linha mdia do
processo, que foram estatisticamente determinadas. Realizada com amostras extradas durante o
processo, supe-se distribuio normal das caractersticas da qualidade. O objetivo verificar se o
processo est sob controle.

41
SLIDE41

42
SLIDE 42
Dados contm sinais, mas tambm rudos. Portanto, antes de detectar sinais, devemos filtrar os
rudos. Variao existe em todos os dados, e consiste de rudos, que uma variao randmica, e
sinais, que uma variao no-randmica. Os valores que so reportados devem ser filtrados de
modo a separar sinais de rudos. Essa filtragem deve estar baseada subjetivamente em experincia
profissional e em pressupostos, ou pode estar baseada em enfoques mais formalizados. Se um
enfoque padronizado e formal para analisar dados, pode haver dificuldade para interpretao e
utilizao de resultados da medio. Quando interpretamos e agimos sobre o resultado da medio,
estamos presumindo que os dados de medio representam a realidade, a menos que sinais
legitimadores possam ser distinguidos de rudos. Aes que tomamos podem no ter qualquer
garantia de sucesso. Agindo em rudos como se fossem sinais, servir apenas para ampliar a
instabilidade e aumentar a variabilidade de nos resultados de processo. A razo para analisar dados
de processo desenhar inferncias (que seriam concluses e previses) que possam ser utilizadas
para guiar decises e aes.
Deming diz que h dois modos para se obter inferncias estatsticas: estudos enumerativos e
estudos analticos. Um estudo enumerativo descritivo, para determinar quantos em vez de porque
tantos. Um estudo analtico pra dizer ou melhorar o comportamento do processo no futuro.

43
SLIDE43
O processo tentou indicar que havia um problema, mas ningum notou. Um sinal perdido uma
oportunidade desperdiada. Cada processo varia, por exemplo, se voc fizer dez assinaturas todas
sero similares, mas nenhuma ser exatamente igual outra, h uma variao inerente dentro de
limites previsveis, o que chamamos de causas comuns. Se algum colide com seu cotovelo
enquanto assina, haver uma variao incomum chamada causa assinalvel. Se voc um cortador
de diamantes e algum colide com seu cotovelo a causa assinalvel pode sair cara; para vrios
processos, importante observar causas assinalveis de variao assim que ocorrem.

44
SLIDE44
Causa comum de variao um uma variao no desempenho de processo devido interao

normal ou inerente entre componentes de processos, pessoas, ferramentas e mtodos.
caracterizada por um padro estvel e consiste de valores medidos com o tempo. Variao em
desempenho de processo devido a uma causa comum randmica, mas poder variar dentro de
limites previsveis. Quando um processo estvel, as variaes randmicas em valores medidos
vm de um sistema constante de causas. A variao em desempenho de processo previsvel e
resultados no esperados so extremamente raros.

45
SLIDE45
Previsibilidade significa estar sob controle. Exemplos de causas assinalveis que podem levar
perda de previsibilidade:
Pessoasinadequadamentetreinadas;
Ambiente de trabalhoinstvel;
Falhasemferramentas;
Mtodosalterados;
Falhas em seguir o processo.

46
SLIDE46
Em um processo estvel, as fontes de variabilidade so devido somente a causas comuns. Os

limites de processo so referenciados como sendo a voz do processo. Todas as variaes em um
processo estvel so causadas por fatores inerentes aos prprios processos, variaes devido a
causas assinalveis, tais como aquelas causadas por erro de operador, mudanas ambientais,
desvios do processo e caractersticas mutveis de matrias-primas e recursos tm sido removidas
dos processos e incorporadas como partes permanente do processo. Um processo est estvel
quando est sob controle estatstico. Quando um processo estvel, faz sentido introduzir
mudanas para melhorar a capacidade ou desempenho.

47
SLIDE47
Conforme vimos, cartas de controle so utilizadas para determinar a faixa chamada de tolerncia
na variabilidade de processos. Todas cartas de controle tm uma linha central ou centerline e
limites de controle superior (upper center line) e inferior (lower center line) calculados a partir de
observaes coletadas enquanto o processo executado, isto , no so estabelecidos de maneira
arbitrria.

48
SLIDE48
Os limites de controles tradicionais, de acordo com Shewhart, so 3 sigma, onde sigma um

padro de desvio estatstico. A experincia de muitos anos de utilizao de cartas de controle tem
mostrado que os limites trs sigma oferecem o melhor resultado e o menor ndice de alarmes
falsos.

49
SLIDE49
Neste slide, vemos um passo a passo para investigar a instabilidade:
Devemos selecionar os processos para avaliao de estabilidade;

Identificar caractersticas de produto ou processo que descrevem o desempenho do
processo;
Selecionar o tipo apropriado de Carta de controle;
Medir as caractersticas do produto ou processo por um perodo de tempo;
Utilizar clculos apropriados para estabelecer centerline, upper center line e lower center
line;
Elaborar a Carta de controle;
E comparar os valores do grfico com os limites de intervalo;

50
SLIDE50
Se todos os valores estiverem distribudos randomicamente abaixo e acima do centerline e dentro

do upper center line e lower center line, concluir que o processo tem se mantido estvel.
Se algum valor exceder os limites ou os valores apresentarem um comportamento no randmico,
concluir que o processo no tem se mantido estvel. As razes devem ser investigadas e causas
assinalveis devem ser removidas.
Assim que as causas assinalveis forem removidas, recalcular limites uppercenterline e lower center
line, onde sero necessrias observaes adicionais para determinar limites confiveis.
Limites calculados a partir do conjunto completo de dados podem estar contaminados comvariaes
por causas assinalveis.

51
SLIDE51

52
SLIDE52
De acordo com Irving Burr, Carta de Controle 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.

53
SLIDE53
Neste slide, vemos uma tabela com colunas de dia-esforo, ao lado uma terceira coluna
denominada mR, ou moving range que a diferena entre o esforo do dia atual frente o esforo do
dia anterior. Por exemplo, o esforo do dia 1 foi 50,5 e do dia 2 foi 43,5, portanto o MR do dia 1
7. Aplicamos a mesma lgica para todas as seqncias mostradas. Os XmRcharts so utilizados
quando medies esto espaadas no tempo ou quando cada medio utilizada por si prpria para
avaliar ou controlar um processo. Para se obter o center line ou CL, deve-se obter a mdia dos
esforos tabulados. Nesse exemplo, se apurarmos a mdia, chegaremos a 45,06. Aps obter o CL,
o prximo passo obter o UCL, que o uppercenterline, e o LCL, que o lower center line, ao
aplicar a seguinte frmula: pega-se a mdia dos esforos, 2,66 multiplicado pela mdia dos
moving ranges, que nesse caso 3,38. 2,66 umaconstantenafrmula.

54
SLIDE54
Nesta figura, vemos o XmRchart plotado com base nas computaes realizadas para esforo do
staff da figura anterior, incluindo as delimitaes para UCL, igual 54,04, center line (CL), igual
45,06 e LCL, igual a 36,08. Tambm foi plotado um grfico da mdia do moving range, e o
respectivo UCL, 11,03 e CL, 3,38.

55
SLIDE 55
Para testar instabilidade em processos, devemos examinar cartas de controle para instncias e
padres que sinalizam para comportamento no randmico. Valores que sejam plotados fora dos
limites de controle e padres no usuais dentro do registro de execuo sugerem a existncia de
causas assinalveis. Vrios testes esto disponveis para detectar padres no usuais e
comportamentos no randmicos:
Teste 1: Um nico 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 so chamados de runtests, e se baseiam no pressuposto que a distribuio de

variao natural e inerente seja simtrica sobre o centro.

56
SLIDE 56
Os grficos X-Bar e R charts so utilizados para exibir comportamento do processo quando h

opo de coletar medies mltiplas dentro de um perodo de tempo curto, basicamente sob as
mesmas condies. Assim devemos computar a mdia X e o intervalo R para cada subgrupo de
tamanho n, para cada subgrupo K. Em seguida, computar a mdia total de X, a partir da mdia de
cada subgrupo de mdias K. Ento computar o intervalo mdio R a partir da mdia de cada
intervalo de subgrupos K. O tamanho mximo do subgrupo igual a dez; caso contrrio utilizar S
charts.

57
SLIDE 57
Neste slide, vemos o X-Barchart e o R chart resultantes do exemplo anterior.

58
SLIDE 58
As trs principais razes para determinar os limites de controle de um processo estvel so:
Determinar a capacidade do processo;

Comparar a padres ou requisitos de processo;
Prever o comportamento do processo.
Ao calcular limites de controle, desejvel basear os clculos em no mnimo:
20 a 30 subprogramas para X-Bar e R charts;

E de 40 a 45 valores individuais para XmRcharts.

59
SLIDE 59
Os limites de cartas de controle devem ser revisados para eliminar causar assinalveis, buscando
estabilidade do processo (variaes somente decorrentes de causas comuns). Os limites UCL e LCL
so recalculados conforme novos grupos de valores so incorporados (sem contaminao de valores
fora de limite). Eventos positivos ao processo, incluindo inovao e melhoria, podero deslocar os
limites de maneira favorvel com o tempo.

60
SLIDE 60
Nunca devemos parar de elaborar Cartas de Controle para acompanhar a estabilidade dos
processos. Devemos sempre remover causas assinalveis, mudar o processo e melhorar
continuamente.

61
SLIDE 61
Neste slide, vamos relacionar o passo a passo para iniciar a aplicao do Controle Estatstico de
Processo na organizao.
Familiarizar-se com as tcnicas de Controle Estatstico de Processo o primeiro passo;

Depois, devemos obter uma ferramenta que possa executar clculos de Controle Estatstico
de Processo e gerar Cartas de Controle; uma ferramenta indicada o Minitab;
Em seguida, identificar problemas crticos de processo;
Identificar atributos de desempenho de processo;
Selecionar e definirmedies;
E coletar dados;
Para os dados coletados, dvemos organiz-los e assegurar que os princpios subjacentes a
Controle Estatstico de Processo se aplicam;
Depois, elaborargrficos;
E examinar cada grfico com relao estabilidade de processo, deslocamento de processo
e causas assinalveis;
Por fim, executar anlises adicionais conforme requeira a situao.

62
SLIDE 62

63
SLIDE 63
Chegamos ao final de nossa aula, vejamos os conceitos-chave:
Devemos alinhar a voz do processo voz do cliente;

Processos estveis se traduzem em produtos e servios estveis aos clientes afetando
diretamente a satisfao;
Organizaes frequentemente gastam muito tempo tentando se diferenciar no mercado, mas
pouco tempo em eliminar os fatores de irritao dos clientes;
A estabilidade do processo pode ser monitorada atravs de tcnicas estatsticas, sendo a
carta de controle uma das tcnicas mais utilizadas;
Instabilidade em processos deve ser investigada em sua causa-raiz para se solucionar a
causa e no o efeito;
Six Sigma o enfoque gerencial que busca reduzir drasticamente defeitos a partir da
remoo de problemas e instabilidades em processos;
Controle Estatstico de Processo fortemente empregado em enfoques que buscam reduzir
defeitos em processos, como o caso de Six Sigma.

64
SLIDE 64
Obrigado por assistir aula! Aguardamos voc em nosso frum de discusso.

At a prxima!

65
ANOTAES DO ALUNO
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
66
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________

67
________________________________________________________
________________________________________________________

68

4.3 Aula Transcrita

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

4.3 Aula Transcrita

Uploaded by

Copyright:

Available Formats

4.

3Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Planejar para o futuro, inovar.

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Six Sigma engloba elementos de estratgia organizacional, modelo de gesto, metodologia de

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

YojiAkaodesenolveu o QFD no Japo em 1966, atravs da combinao do seu trabalho em garantia

Escutar a voz do consumidor (VOC), que seria o qu.

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Mtodos estatsticos so utilizados para comparar continuamente os resultados de um processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

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

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Mtricas podem ser classificadas em trs categorias:

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Desempenho: O processo est produzindo de acordo com atributos mensurveis de

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

Desempenho, efetividade e capacidade dos processos so consideraes importantes conforme

4.3 Anlise Quantitativa de Processos

ELO 01 - Curso de Formao de Gestores de Processo

4.3 Anlise Quantitativa de Processos