You are on page 1of 18

Universidade Tecnolgica Federal do Paran - UTFPR

Campus Ponta Grossa - Paran - Brasil


ISSN 1808-0448 / v. 02, n. 02: p. 173-190, 2006
D.O.I.:10.3895/S1808-04482006000200012

Revista Gesto Industrial

SEIS SIGMA: MELHORIA DA QUALIDADE ATRAVS DA REDUO DA


VARIABILIDADE
SIX SIGMA: IMPROVEMENT OF THE QUALITY THROUGH THE
REDUCTION OF THE VARIABILITY

Sidarta Ruthes1; Paulo Srgio Ceretta2; Igor Bernardi Sonza3


Universidade Tecnolgica Federal do Paran UTFPR Curitiba Brasil
sidarta@ppgte.cefetpr.br
2
Universidade Federal de Santa Maria UFSM Santa Maria Brasil
ceretta@smail.ufsm.br
3
Universidade Federal de Santa Maria UFSM Santa Maria Brasil
ibs182@terra.com.br

Resumo
Dentro do contexto da busca por produtos perfeitos, encontram-se vrias estratgias que visam
aumentar a vantagem competitiva das organizaes, dentre elas existe o Seis Sigma. Este artigo
visa comparar os benefcios operacionais que o programa Seis Sigma pode proporcionar no atual
processo de produo de refrigerante pet 2000 ml da empresa X. No desenvolvimento deste artigo
foi utilizada uma pesquisa exploratria, a fim de investigar e proporcionar uma viso geral, de tipo
aproximativo, acerca do programa Seis Sigma em relao ao processo de fabricao do
refrigerante pet 2000 ml. Neste estudo, ficou evidente que em termos operacionais o programa Seis
Sigma pode trazer, se bem aplicado, grandes benefcios para o processo de produo do
refrigerante pet 2 litros, com reduo do nmero de defeitos e, conseqentemente, um aumento da
uniformidade dos produtos.
Palavras-chave: seis sigma; controle de qualidade; gerenciamento de processos.

1. Introduo
Atualmente os mercados esto cada vez mais competitivos e a fidelidade dos clientes cada
vez mais disputada. As empresas que buscam o crescimento e almejam o mercado mundial, devem
comercializar produtos e servios de forma a encantar seus clientes. Para surpreender os
consumidores, com produtos interessantes, preos atrativos e de excelente qualidade, so
necessrios vrias horas de muito empenho e dedicao na elaborao de projetos consistentes. A
busca incessante por produtos e servios perfeitos leva muitas pessoas a pesquisar e implantar
vrias tcnicas, ferramentas e estratgias. Dentro do contexto da busca por produtos perfeitos,

encontram-se vrias estratgias que visam aumentar a vantagem competitiva das organizaes, entre
elas, o Seis Sigma.
De acordo com um dossi publicado pela Revista HSM Management (2003), na dcada de
80, o presidente da Motorola, Robert Garvin, juntamente com sua equipe, criaram o programa de
qualidade batizado com o nome 6-sigma. O engenheiro da Motorola Bill Smith fez parte da equipe
de Garvin e sua participao foi fundamental na percepo de que o controle da variao na
produo poderia alcanar um resultado final de 3,4 defeitos por milho de oportunidades, ou seja, a
oportunidade de defeitos no nvel 6-sigma.
Os resultados alcanados com o programa Seis Sigma estimularam vrios estudos e
pesquisas sobre o tema. Para McCarthy e Stauffer (2001), o seis sigma a mais poderosa fora para
corporaes que precisam mudar suas operaes e seus processos de desenvolvimento de produtos e
servios. Empresas como a General Eletric, Motorola e Ford investiram, aproximadamente, 100
milhes de dlares em projetos Seis sigma, com expectativas de receber bilhes de dlares em
contrapartida. A nfase do Seis sigma est nos resultados financeiros e na possibilidade de
eliminao de produtos e processos defeituosos. Segundo McCarthy e Stauffer (2001), acabou-se os
dias da qualidade a qualquer custo. Atualmente, os programas de qualidade precisam trazer
resultados mensurveis.
Este artigo tem como objetivo comparar duas etapas do processo de fabricao do
refrigerante pet 2 litros com a produo em um nvel de variao de processo Seis Sigma,
identificando e explicando alguns benefcios que o programa Seis Sigma pode proporcionar para a
empresa X. Inicialmente ser apresentada uma reviso literria, por meio de referncias de
publicaes a respeito de qualidade e da filosofia Seis Sigma, aps ser explicitada a metodologia
aplicada neste estudo, com a caracterizao do trabalho e, por fim, a anlise dos dados empricos e
os resultados obtidos com a projeo do Seis Sigma.
2. Qualidade Rumo Perfeio
A qualidade no temporria e nem obra do acaso. De acordo com Bateman e Snell
(1998), pouco se pode fazer, em uma base temporria, para melhorar a qualidade. Alguns gerentes
tm tentado implementar um programa da qualidade temporrio ou sob forma de campanha,
geralmente incluindo reunies com empregados, seminrios, posters, slogans, emblemas e artigos
em boletins de informaes dos empregados. A qualidade produto de uma cultura organizacional
que orienta a melhoria contnua e a preocupao em produzir mercadorias e servios de alta
performance. Se os empregados acreditam que o programa da gerncia passageiro, eles o trataro
como tal. Depois de instalado um programa passageiro, a qualidade do produto pode at alcanar

Revista Gesto Industrial

174

uma certa melhoria, mas ele no permanecer nesse novo nvel e certamente essa melhoria no ir
alm daquele ponto. Os programas improvisados so, na melhor das hipteses, transitrios.
A qualidade nas organizaes vem evoluindo em todos os aspectos. A abordagem de Garvin
(1992) define qualidade considerando a viso de quem a percebe, por exemplo: (i) transcendente,
que define qualidade como excelncia inata; (ii) produto, quando descreve a qualidade como algo
preciso e mensurvel; (iii) usurio, quando a qualidade est diante dos olhos de quem observa; (iv)
produo, quando a conformidade s especificaes qualidade; e, (v) valor, quando a qualidade
est diretamente relacionada aos custos e preos. Davis, Aquilano e Chase (2001) divide a
qualidade em duas categorias: (i) qualidade do produto e, (ii) qualidade do processo. O nvel de
qualidade na elaborao de um produto ir variar com relao ao mercado especfico que ele almeja
atender e, no sentido de processo, qualidade produzir produtos livres de erros.
Lobos (1991), na tentativa de definir zero defeito, ou como prefere zero erro, descreve a
importncia da qualidade para empresas que possuem produtos complexos, com agregao de
vrias peas e componentes at formar o produto final. O autor lembra o episdio da Motorola,
quando antes da implantao do Seis Sigma, na produo de uma central telefnica, que possua
1.200 componentes e uma tolerncia de 2.700 componentes defeituosos em 1 milho, o que
eqivale a 99,7% de produtos perfeitos, a combinao de componentes defeituosos e nodefeituosos se multiplicavam de tal forma que, no final das contas, num lote de 1.000 centrais
telefnicas tinha-se 40 que acabavam rejeitadas. Lobos (1991) salienta que a disposio ao zero
erro no um compromisso com a utopia, mas com a perfeio possvel, representa uma nova
forma de raciocnio segundo a qual os ganhos de produtividade ou de qualidade s podem ser de
natureza infinitesimal.
Existem algumas estratgias para se alcanar uma produo com zero erro. Pande,
Neuman e Cavanagh (2001) afirmam que h trs estratgias Seis Sigma. As estratgias so: (i)
estratgia de melhoria de processo; (ii) estratgia de projeto/reprojeto de processo; e, (iii) estratgia
de gerenciamento de processo. A melhoria de processo refere-se estratgia de desenvolver
solues com a finalidade de eliminar as causas-raiz dos problemas de desempenho de uma
empresa, sem, no entanto, interferir na estrutura bsica do processo. Na estratgia projeto/reprojeto
de processo, o objetivo substituir uma parte ou todo o processo por um novo. J na estratgia de
gerenciamento de processo, as exigncias do cliente so claras e regularmente atualizadas, os
processos so documentados e gerenciados com medies em todas as suas etapas. Nesta ltima
estratgia, os gestores tambm usam as medies e o conhecimento do processo para avaliar os seus
desempenhos.
O Seis Sigma um sistema que liga idias, tendncias e ferramentas desconexas nos
negcios, onde o foco no cliente torna-se a prioridade principal. As melhorias Seis Sigma so

Revista Gesto Industrial

175

definidas pelo seu impacto sobre a satisfao e valores dos clientes. Existem muitas decises de
negcios que se baseiam em opinies e suposies. A disciplina Seis Sigma comea esclarecendo
que medidas so a chave para avaliar o desempenho dos negcios; depois, aplica-se dados e anlises
de modo a se construir um entendimento das variveis-chaves e a otimizar resultados. A Figura 1
resume alguns mtodos importantes do programa Seis Sigma. (PANDE, NEUMAN e
CAVANAGH, 2001).
Figura 1 - Mtodos e Ferramentas Essenciais do Programa Seis Sigma
Planejamento de Experimentos
Gerenciamento de Processo
Controle Estatstico de Processo
Melhoria Contnua

Reprojeto de Processo
Anlise de Varincia
Balanced Scorecard
Voz do Cliente
Pensamento Criativo

Fonte: Adaptado de PANDE; NEUMAN; CAVANAGH. (2001, p. 15).

3. A Estatstica no Controle da Qualidade


Conforme Hutchins (1994), o controle estatstico da qualidade (SQC) originou-se na dcada
de 80, no setor comercial. Com base no SQC, surgiu, anos mais tarde, a filosofia Seis Sigma. A
filosofia do programa Seis Sigma enfatiza um controle estatstico da qualidade que tenta definir os
padres da excelncia operacional. Esta filosofia esfora-se para alcanar operaes com no mais
de 3,4 defeitos por um milho. O Seis Sigma orientado para preveno, tornando-se um dos
principais impulsos para a medio da melhoria contnua e para a fixao de nveis referenciais
competitivos. Breyfogle (2003) afirma que se os dados fossem concentrados dentro dos limites de
especificaes e tivesse vrios desvios padres taxa de ppm (parts per million) representaria o
nmero de partes por milho que estariam fora dos limites, conforme a Tabela 1.
Campos (2002) assegura que o Controle de Qualidade Total (TQC) e a abordagem Seis
Sigma apoiam-se em ferramentas comuns, mas a gesto das duas estratgias bastante diferentes. O
TQC est fundamentado no aprimoramento contnuo, sendo considerado uma jornada em que nunca
se atinge o alvo, pois ele est sempre frente, ou seja, quando se atinge um certo patamar, busca-se
outro mais adiante. J o programa Seis Sigma procura buscar a perfeio na resoluo de projetos,
com alvos bem definidos, onde se sabe quando os objetivos foram alcanados. Campos (2002)
salienta, tambm, que o Seis Sigma incorpora a viso do negcio na estratgia da qualidade. O Seis

Revista Gesto Industrial

176

Sigma tem como mtodos estatsticos o alicerce para a tomada de decises, garantindo, assim, uma
base cientfica consistente. A abordagem Seis Sigma muda a forma de gerenciamento, porque as
decises passam a ser abalizadas em dados e, no apenas, em intuies ou sentimentos.
Tabela 1 - Tabela de Converso Entre ppm e Seis Sigma
Nvel sigma do
limite de
especificao

(%)
Distribuio
Centralizada

*DPMO
Distribuio
Centralizada

(%)
Distribuio
1,5 Sigma

*DPMO
Distribuio
1,5 Sigma

68,2689480

317310,520

30,232785

697672,15

95,4499876

45500,124

69,122979

308770,21

99,7300066

2699,934

93,318937

66810,63

99,9936628

63,372

99,379030

6209,70

99,9999426

0,574

99,976733

232,67

99,9999998

0,002

99,999660

3,4

*DMPO: Defeitos por milho de oportunidades.


Fonte: Adaptada de BREYFOGLE. (2003, p. 1090-1091).

As aes de um programa Seis Sigma est nos processos, como projetos de produtos e
servios, medidas de desempenho, melhora da eficincia e da satisfao do cliente. Seis Sigma
engloba ferramentas e prticas que substituem hbitos reativos por um estilo de gerenciamento
dinmico, receptivo e proativo. Ser proativo significa agir antes dos eventos. No Seis Sigma os
mtodos utilizados para criar, monitorar e melhorar o sistema de negcios so: (i) gerenciamento do
processo; (ii) melhoria do processo; e, (iii) projeto/reprojeto do processo (PANDE, NEUMAN e
CAVANAGH, 2001).
Antes de tomar qualquer deciso quanto ao melhoramento do processo, Buss e Ivey (2001),
destacam o valor da simulao como ferramenta essencial do Seis Sigma. A simulao permite
incorporar testes complexos e regras operacionais para identificar as interaes entre os sistemas e
os efeitos da variabilidade do processo. Com a utilizao da simulao pode-se identificar opes
de oportunidade de melhoria, determinar os impactos financeiros e provar a melhor opo de
projeto que vise atender todas as expectativas do cliente com um mnimo de capital.
Nesse sentido, a variabilidade uma medida do grau de disperso dos resultados dos
processos em torno do valor mdio. As empresas buscam reduzir continuamente a variabilidade,
elimin-la impossvel. As formas mais comuns de expressar a variabilidade so as medidas
estatsticas da amplitude, da varincia e do desvio-padro. O uso de tcnicas estatsticas pode ajudar
no entendimento da variabilidade e, desta forma, auxiliar as organizaes a resolverem os
problemas de melhoria na eficcia e eficincia (MARANHO, 2001). De acordo com Palmer
(1974), o controle e reduo da variabilidade dos processos so uma fonte de economia. No entanto,
de um modo geral, mais oneroso obter processos com alta preciso e, ento, no se justifica,

Revista Gesto Industrial

177

economicamente, trabalhar com tolerncias que sejam muito grandes em relao variabilidade do
processo.
Para Pande, Neuman e Cavanagh (2001), a variao ajuda a gerncia a entender o
desempenho real da organizao e seus processos. Muitas organizaes medem e descrevem seus
esforos em termos de mdias, mas as mdias como, por exemplo, custo mdio e tempo de ciclo
mdio, escondem problemas, ocultando a variao. No Seis Sigma o objetivo estreitar ou reduzir a
variao at que os seis desvios-padro (6) possam ser comprimidos dentro dos limites de
especificaes do cliente. As medidas Seis Sigma no so estticas, necessrio ter a conscincia
de modificar quando as necessidades dos clientes mudam.
Dellaretti Filho e Drumond (1994), enfatizam que a distribuio normal possui a aparncia
de um grfico em forma de sino e representa uma distribuio de probabilidade, conforme Figura 2.
Essa distribuio , freqentemente, adequada para descrever caractersticas de qualidade cuja
variao a soma de um grande nmero de pequenos erros independentes, devido a diferentes
causas, tais como os fatores de manufatura. A distribuio normal tem dois parmetros: (i) centro da
distribuio (mdia), representado pela letra grega ; e, (ii) disperso da distribuio (desvio
padro), representada pela letra grega . Cada desvio padro () representa uma rea debaixo da
curva da distribuio normal, sendo capaz de obter as reas associadas a cada intervalo como uma
proporo da rea total sob a curva.
Figura 2 - A Meta dos Seis Sigma
(A) Variao do Processo Igual
Tolerncia de Projeto

(B) Variao do Processo Igual


a 50% da variao de Projeto

Tolerncia
de Projeto

-3

Tolerncia
de Projeto

+3

-6

+6

Fonte: DAVIS; AQUILANO; CHASE. (2001, p. 202).

As curvas da distribuio normal ilustram a probabilidade de aceitao de lotes com


variao da percentagem de defeituosos. Na Figura 2 esto expostos dois modelos de curvas de
distribuio normal. A curva (A) representa o nvel 3, com variao do processo igual tolerncia
de projeto. J na curva (B) a variao do processo igual a 50% da variao de projeto e representa
o nvel 6 (DAVIS, AQUILANO e CHASE, 2001).
Para Davis, Aquilano e Chase (2001), o Controle Estatstico de Processo (CEP) um
mtodo quantitativo para monitorar um processo repetitivo. O CEP coleta dados do processo em

Revista Gesto Industrial

178

tempo real e compara as medies atuais com os medidores bsicos de desempenho do processo
(dados do passado). Atravs do CEP pode-se analisar a variao do processo e comparar o
desempenho atual com o esperado. Desta forma, pode-se estabelecer a Linha Central (LC), ou seja,
a mdia histrica dos dados. Logo aps, pode-se definir os Limite Superior de Controle (LSC) e o
Limite Inferior de Controle (LIC). O LSC e o LIC so a soma e a diferena, respectivamente, da
mdia histrica e os desvios-padro. O LSC e LIC so, geralmente, definidos com
aproximadamente trs desvios-padro, conforme Figura 3.
Figura 3 - Clculo dos Limites de Controle
LSC 3 s
LC mdia histrica
LIC 3 s

1
n

Nota
s = Desvio Padro
A
n = Amostra
A

Fonte: DAVIS; AQUILANO; CHASE. (2001, p. 195).

De acordo com Loureno Filho (1976), a verificao de que o processo est ou no sob
controle feita pelo exame de amostras extradas periodicamente. No processo sob controle o
caracterstico de qualidade do conjunto dos itens produzidos possui distribuio normal. Quando a
variabilidade se torna anormal, as amostras indicaro que o processo de fabricao se modificou e
ficou fora de controle. As causas da modificao podem ser descobertas e, por isso, so
denominadas causas identificveis. A presena de causas identificveis indicada pela ocorrncia
de diferenas significantes entre o valor observado e a mdia do processo, isto , de valores
amostrais fora da faixa de controle. O processo sob controle no possui nenhum ponto fora dos
limites, conforme a Figura 4.
Figura 4 - Grfico de Controle de Qualidade

3s

Limite Superior de Controle

3s

Limite Inferior de Controle

Fonte: Adaptado de SLACK; CHAMBERS; HARLAND; HARRISON; JOHNSTON. (1996, p. 568).

Para Davis, Aquilano e Chase (2001), o objetivo do controle estatstico da qualidade


alcanar um processo tanto sob controle como dentro das tolerncias. Uma forma rpida de verificar
se o objetivo est sendo alcanado atravs do uso do coeficiente de capabilidade de processo (Cp).

Revista Gesto Industrial

179

A capabilidade a razo do intervalo de tolerncia (LTS LTI) pela faixa caracterstica do


processo (6s), e pode ser calaculada utilizando a formula exposta na a Figura 5 (A). Slack et al.
(1996) destacam que a capabilidade do processo a medida da aceitabilidade da variao do
processo. A capabilidade do processo dada pela razo entre a faixa de especificao e a variao
natural do processo, isto 3 desvios-padro.
Davis, Aquilano e Chase (2001) ressalvam que o coeficiente de capabilidade de processo
(Cp) no indica especificamente quo bem est o desempenho do processo. preciso calcular o
ndice de Capabilidade (Cpk), conforme Figura 5 (B), para determinar se a mdia do processo est
prxima ao Limite de Especificao Superior (LES) ou Inferior (LEI). Quando o Cpk igual ao Cp,
ento a mdia do processo est centrada entre os dois limites de especificao. Caso contrrio, a
mdia do processo se aproximar ao limite de especificao correspondente ao menor valor
resultante do clculo dos dois coeficientes Cpk. O ndice de capabilidade permite a comparao da
faixa caracterstica do processo com as especificaes, conforme a Figura 6.
Figura 5 - Coeficiente e ndice de Capabilidade
Nota
LTS = Limite de Tolerncia Superior
LTI = Limite de Tolerncia Inferior
LES = Limite de Especificao Superior
LEI = Limite de Especificao Inferior
x = Mdia do Processo
s = Desvio-padro

(A) Coeficiente de Capabilidade de Processo (Cp)


Cp LTS - LTI
6s
(B) ndice de Capabilidade (Cpk)

Cpk min x - LEI , x - LEI


3s
3s

Fonte: DAVIS; AQUILANO; CHASE. (2001, p. 200).

No exemplo da Figura 2, a curva (A) possui tolerncia de projeto igual variao do


processo, com um Cp = 1,0. Neste caso, h 3 desvios-padro de variao de processo dentro da
tolerncia de projeto. Estes trs desvios-padro representam 99,7% dentro das especificaes ou
2.700 defeitos por milho. J na curva (B) da Figura 2, que representa o programa Seis Sigma, a
variao do processo reduzida a 50% da tolerncia de projeto. Isto resulta em um Cp = 2,0 e
somente 3,4 ppm.
Figura 6 - Tolerncia e Especificao
A

Fonte: Adaptado de LOURENO FILHO. (1976, p. 66).

Revista Gesto Industrial

180

Existe uma distino entre os Limites de Especificao ou Tolerncia (LES, VN, LEI) e os
Limites de Controle (LSC, LC, LIC). Segundo Loureno Filho (1976), os limites da especificao
representam aquilo que se exige no projeto, para que o produto possa atender finalidade para a
qual desejado. Os limites de controle resultam do processo de fabricao empregado e refletem
aquilo que o processo capaz de realizar. Portanto, de posse dos limites de controle e de
especificao, j possvel verificar se o processo pode ou no atender especificao. Na Figura
6, os casos (A), (B) e (C) identificam que a mdia do processo de fabricao coincide com o valor
nominal da especificao. Essa coincidncia significa que o nvel mdio de qualidade satisfatrio,
muito embora a disperso possa ser maior do que a especificao. Quando a mdia do processo
estiver acima do valor nominal (D) ou abaixo dele (E), ento, ser indicativo de elevada
porcentagem de peas inaceitveis (rea hachurada). Quando o processo no atende tolerncia da
especificao, pode-se tomar as seguintes decises: (i) modificar a especificao; (ii) alterar o
processo de fabricao; e, (iii) empregar inspeo completa, com triagem das peas fora da
especificao.
Uma distribuio normal com Cp 1 (Cp = coeficiente de capabilidade de processo)
considerada indicativa de que o processo capaz e quando a Cp 1, indica que o processo nocapaz, conforme demonstrado nos grficos (A) e (C) expostos na Figura 7. A simples medida de
Cp pressupe que a mdia da variao do processo est no ponto mdio da faixa de especificao.
Porm, com freqncia a mdia do processo viesada em relao faixa de especificao, ou seja,
tende ao Limite de Tolerncia Superior (LTS) ou para o Limite de Tolerncia Inferior (LTI),
conforme Figura 7 (D). Nesses casos, necessrio calcular os ndices de capabilidade Cpk para
compreender a capabilidade do processo Cp (SLACK et al., 1996).
Figura 7 - Capabilidade do Processo
A

Variao natural de processo

Variao natural de processo

Cp > 1
LTI
C

Cp = 1
LTI

LTS

Faixa de especificao
Variao natural de processo

Cp < 1

Faixa de especificao

LTS

Variao natural de processo

Cpk > 1

LTI Faixa de especificao LTS

LTI

Faixa de especificao

LTS

Fonte: Adaptado de SLACK; CHAMBERS; HARLAND; HARRISON; JOHNSTON. (1996, p. 564).

Revista Gesto Industrial

181

O processo pode estar sob controle estatstico e no ser capaz, ou seja, na mdia, poder
estar produzindo itens dentro dos limites de controle, mas sua variao tanta que no consegue
atender as especificaes para todos os itens, conforme Figura 8 (A). No entanto, o processo com
varincia reduzida no garante uma produo livre de defeitos. Com a reduo da variabilidade, os
limites de controle para as mdias da amostra esto contidos nos limites de tolerncia, ou seja,
diminui os itens fora dos limites de tolerncia, conforme figura 8 (B). Quando a variabilidade do
processo conduzida ao controle, o processo capaz de realizar produo livre de defeitos. Neste
caso, a varincia reduzida a tal ponto que nenhuma medida individual poder cair fora da
tolerncia, conforme Figura 8 (C). Para conseguir reduzir a varincia do processo at que todos os
componentes estejam dentro das especificaes (livre de defeitos) necessrio melhorar o
desempenho de cada fonte de variao. Estas fontes de variao so: operadores, mquinas,
ferramentas, setup, material e o meio-ambiente (DAVIS, AQUILANO e CHASE, 2001).
Figura 8 - Reduo da Varincia do Processo
A

Ponto fora
Limite Especificao Superior (LES)
Limite Superior de Controle (LSC)

Limite Inferior de Controle (LIC)


Limite Especificao Inferior (LEI)
Fonte: DAVIS; AQUILANO; CHASE. (2001, p. 200).

O fluxo de processo das empresas Seis Sigma composto pelas entradas do processo, o
processo em si, representado por um mapa de fluxograma, e as sadas, representadas por clientes,
produtos finais e lucros. A Figura 9 ilustra essa relao, as letras (x), que aparecem na entrada e no
fluxograma do processo seriam indicadores de mudanas ou desempenho nas partes independentes
do sistema. J os (y) representam medidas do desempenho dos negcios. A frmula y = f(x) uma
maneira matemtica de representar que mudanas nas variveis de entrada e processos do sistema
(x) determinaro os resultados dos negcios (y), ou seja, os resultados dos negcios esto em
funo das entradas e do fluxo do processo. Portanto, necessrio compreender qual as variveis
(x) da entrada e do processo de negcios tm maior influncia sobre os (y) ou resultados. Desta
forma pode-se usar as mudanas no desempenho geral do processo para ajustar os negcios e
mant-los em movimento sobre um caminho lucrativo (PANDE, NEUMAN e CAVANAGH,
2001).

Revista Gesto Industrial

182

Pande, Neuman e Cavanagh (2001) afirmam que essencial um procedimento para sustentar
a melhoria Seis Sigma. Esse procedimento ou caminho para a melhoria Seis Sigma pode ser
definido em 5 (cinco) etapas: (i) identificar processos essenciais e clientes-chave; (ii) definir
necessidades de clientes; (iii) medir desempenho atual; (iv) priorizar, analisar e implementar
melhorias; e, (v) expandir e integrar o sistema Seis Sigma.
Figura 9 - Variveis Independentes (x) e Dependentes (y)
Organizao/Processo

Entradas
x

Clientes
y
x

x
x

Produtos
y

Lucro
y

Fonte: PANDE; NEUMAN; CAVANAGH. (2001, p. 23).

Uma das ferramentas utilizadas na gesto da qualidade o PDCA. Campos (1992) define o
PDCA como sendo um mtodo para a prtica de controle, ou seja, o controle de processo exercido
atravs do ciclo PDCA. Os termos desse ciclo tm os seguintes significados: (P = Plan)
planejamento consiste em estabelecer metas sobre os itens de controle e as diretrizes para se
atingir as metas; (D = Do) Execuo efetivar as tarefas e coletas de dados para verificao; (C =
Check) verificao comparar os resultados com as metas planejadas; (A = Action) atuao
corretiva detectar e definir as aes corretivas de tal forma que o problema seja extinto. Segundo
Pande, Neuman e Cavanagh (2001), o modelo de melhoria do Seis Sigma baseia-se no PDCA. Na
estratgia Seis Sigma o ciclo de melhoria compreende as seguintes fases: Definir, Medir, Analisar,
Melhorar e Controlar, ou simplesmente DMAIC. Para Breyfogle (2003) as cinco fases do ciclo de
melhoria baseado no Seis Sigma so: (D = Define Project) definio do projeto; (M = Measure)
mensurar e avaliar o projeto; (A = Passive Analysis), analise passiva; (I = Proactive Testing)
desenvolver ensaios, mtodos e processos de ao pr-ativa; e, (C = Control) controlar os
resultados.
Rivera e Marovich (2001) afirmam que a metodologia DMAIC representa as fases
fundamentais no desenvolvimento de projeto Seis Sigma. Essas fases garantem que as empresas
apliquem a tcnica em um metdico e disciplinado caminho, bem como a correta definio e
execuo dos projetos e incorporao dos resultados alcanados com eles. Os autores afirmam que a
fase de definio crtica e fundamental na garantia de sucesso do projeto Seis Sigma.
Ao analisar, no entanto, as Organizaes Seis Sigma, percebe-se que no existem
empresas que atingiram a qualidade no nvel Seis Sigma em todas as reas e departamentos.
Nenhuma empresa possui mais do que alguns processos neste nvel. Usar medidas sigma ou alguma

Revista Gesto Industrial

183

outra ferramenta no qualifica uma empresa como sendo uma Organizao Seis Sigma. Para
tornar-se uma organizao Seis Sigma necessrio que a companhia assuma o desafio de medir e
melhorar todos os processos. Todas as empresas querem resultados do Seis Sigma, mas o tipo de
resultado ou mudana pode variar muito. As empresas implementam o sistema Seis Sigma para
buscar resultados baseados em diversos objetivos: (i) transformao do negcio (mudana de
cultura, mudana estrutural, atitudes focalizadas no cliente); (ii) melhoria estratgica (acelerar o
desenvolvimento de produtos, eficincia da cadeia de suprimento); e, (iii) soluo de problemas
(altos custos, retrabalhos, atrasos). A busca por resultados satisfatrios em um sistema Seis Sigma
est estreitamente ligado seleo de projetos. Projetos de melhoria bem selecionados e bem
definidos so iguais a resultados melhores (PANDE, NEUMAN e CAVANAGH, 2001).
Segundo Berdebes (2003), o sucesso do programa Seis Sigma depende de profissionais
devidamente treinados, que possuem o domnio de vrias ferramentas de qualidade e de avanadas
anlises estatsticas. Estes profissionais so denominados Master Black Belts, Black Belts e Green
Belts ou, respectivamente, mestre faixa-preta, faixa-preta, faixa-verde. Os Master Black Belts esto
aptos a treinar os Black Belts e Green Belts nos mtodos estatsticos analticos e so especialistas na
metodologia Seis Sigma. Os Black Belts esto ativamente envolvidos na organizao, so
considerados os comandantes tcnicos, uma de suas tarefas a extrao de dados para anlise. Os
Green Belts so responsveis pela administrao de todas as facetas dos projetos Seis Sigma como,
por exemplo, gesto de reunies, gerenciamento de projetos, tcnicas de controle de qualidade e
anlise de dados elementares.
Harry e Schroeder (2000) afirmam que os ttulos Master Black Belts, Black Belts, e Green
Belts foram criados na Motorola e procuram distinguir as qualificaes desses profissionais que
administram a qualidade. Existem outras empresas que adotaram os ttulos Yellow Belts e White
Belts aos termos j citados, isto se deve a forte tendncia das organizaes em personalizar e criar
mais nveis de profissionais em seus programas de Seis Sigmas. McCarthy e Stauffer (2001),
afirmam que, tradicionalmente, os Black Belts utilizam muito a estatstica nos seus projetos.
Recentemente, os Black Belts introduziram a simulao para o projeto seis sigma, e a soluo dessa
simulao considerada parte do kit de ferramentas Seis Sigma.
4. Aspectos Metodolgicos
No desenvolvimento deste artigo foi utilizada uma pesquisa exploratria a fim de investigar
os benefcios do programa Seis Sigma em relao a duas etapas do processo de fabricao do
refrigerante pet 2 litros. Segundo Gil (2002), este mtodo de pesquisa utilizado para investigar e
proporcionar uma viso geral, de tipo aproximativo, acerca do problema proposto. Foram usados

Revista Gesto Industrial

184

para este fim: (i) dados primrios extrados junto a uma fbrica de refrigerantes franqueada a uma
multinacional; e, (ii) dados secundrios extrados da internet, pesquisa bibliogrfica e pesquisa
documental. O mtodo utilizado para calcular o nvel sigma e o percentual de rendimento do
processo o mesmo adotado por Pande, Neuman e Cavanagh (2001) e Breyfogle (2003).
Os dados primrios so compostos por 610 amostras de refrigerantes pet 2000 ml que, por
sua vez, foram submetidas a testes de 10 itens de controle. Esses itens de controle so,
normalmente, verificados e analisados estatisticamente pelo pessoal responsvel pelo CEP
Controle Estatstico do Processo da empresa, a fim de verificar se o processo est sob controle e
dentro das especificaes. Os itens de controle podem ser divididos em dois sub-processos, um
referente ao envase e, o outro referente injeo plstica da garrafa pet (sopro). Para o sub-processo
de envase foram coletados os dados de volume lquido de refrigerante; para o sub-processo de
injeo plstica da garrafa pet foram coletados os seguintes dados: (i) ponto de injeo; (ii) rea de
fundo; (iii) petalide; (iv) calcanhar; (v) cintura; (vi) parede lateral inferior; (vii) painel do rtulo;
(viii) ombro; e, (ix) ombro superior. Outras informaes fornecidas pelo departamento de qualidade
da empresa dizem respeito s especificaes desses itens de controle relacionados anteriormente.
5. Estudo de Caso: O Processo de Fabricao do Refrigerante Pet 2000 ml
Como este estudo possui, aproximadamente, 6.000 medidas de verificao (10 itens de
controle, cada um com 610 medidas de verificao) fica difcil expor todos esses dados e seus
respectivos clculos, sendo impossvel apresentar todos as informaes neste instrumento de
pesquisa. Entretanto, ser exposta a metodologia dos clculos utilizados, de forma simplificada e
genrica, para que se possa evidenciar como foram estimados os resultados desta pesquisa.
Foram criados grficos de controle para todos os itens de controle deste estudo, bem como
plotados as especificaes dos mesmos. Logo aps, foi construdo uma matriz que possibilitasse a
identificao dos pontos que estavam fora das especificaes para cada item de controle, desta
forma foi possvel identificar a quantidade de pontos fora dos limites de especificaes
(oportunidades) de cada amostra, conforme o modelo da Figura 10.
Figura 10 - Modelo de matriz de verificao de oportunidades de defeitos
Amostra
1
2
3
4
5
Total

C
X

D
X

X
X
1

X
2

X
3

X
1

X
1

Oportunidade
2
0
2
0
5
9

Fonte: Desenvolvido pelos autores.

Revista Gesto Industrial

185

No caso das 610 amostras a matriz foi construda com o auxlio de planilha eletrnica para
facilitar o clculo do nmero de oportunidades para cada amostra e para cada item de controle.
Foram, tambm, estimados os percentuais de rendimento para cada item de controle, bem como
seus respectivos nveis sigma e clculo de defeitos por milho de oportunidades (DPMO), conforme
a Figura 11.
A identificao de todas as oportunidades de defeitos de cada item de controle e do total dos
defeitos das 610 amostras, conforme Figura 11, serviram como subsdios para calcular o rendimento
percentual do processo como um todo e seu respectivo nvel sigma. Para determinar a estimativa do
rendimento percentual e do nvel sigma do processo foi utilizado o mesmo mtodo de clculo
aplicado nos sub-processos (10 itens de controle), conforme Figura 12.

Figura 11 - Matriz de verificao de oportunidades de defeitos do processo pet 2000 ml


Amostra

Oportunidade

X
1
001
0
002
X
X
X
X
X
X
X
X
8
003
X
X
X
X
4
004
0
005
0
...
X
X
2
610
4
0
73
60
116
31
26
30
15
9
364
Total
6557
0
11967 98361 19016 50820 42623 49180 24590 14754
DPMO
2
4
3
6
2,7
2,8
2,4
3,1
3,2
3,2
3,5
3,7
Sigma
99,34 100,0 88,03 90,16 80,98 94,92 95,74 95,08 97,54 98,52
R (%)
Nota: DMPO = Defeitos por milho de oportunidades; R (%) = Rendimento (%); A = volume de envase de
refrigerante; B = ponto de injeo; C = rea de fundo; D = petalide; E = calcanhar; F = cintura; G =
parede lateral inferior; H = painel do rtulo; I = ombro; e, J = ombro superior.
Fonte: Desenvolvido pelos autores.

Deve ficar bem claro que o total de defeitos (364) encontrados nas 610 amostras so
referentes aos 10 itens de controles submetidos a esse estudo, ou seja, no pode-se afirmar que
existem 364 amostras com defeitos em 610 analisadas, mas sim que h 364 defeitos nas 610
amostras. Portanto, so coisas totalmente diferentes e que sua distino deve ficar bem ntida para
que haja um claro entendimento do mtodo de determinao da estimativa do nvel sigma do
processo.
Figura 12 - Rendimento Percentual e Nvel Sigma do Processo
Nota
DTC = Defeitos Totais Contados
(total de defeitos em todas as amostras)

(A) Oportunidades Totais (OT)


OT = UC x O
(B) Defeitos Por Milho de Oportunidades (DPMO)
DPMO = (DTC/OT)x 106

O = Oportunidades
(n de defeitos em uma nica amostra)
UC = Unidades Contadas
(total de amostras coletadas)

Revista Gesto Industrial

186

Fonte: Adaptado de PANDE; NEUMAN; CAVANAGH. (2001, p. 411).

As informaes obtidas atravs da construo da matriz de verificao de oportunidades


(Figura 11) foram utilizadas para calcular e determinar o rendimento percentual e o nvel sigma do
total do processo em estudo (todos os 10 itens de controle), conforme Tabela 2. O nvel sigma
determinado atravs de uma tabela de converso do rendimento percentual do processo, de acordo
com o modelo de Breyfogle (2003) (Tabela 1). importante lembrar que este mtodo de clculo do
sigma uma estimativa e, portanto, o nmero sigma pode variar significativamente com base na
preciso de seus dados e no nmero de oportunidades identificadas em uma unidade (amostra).
Tabela 2 - Informaes do Processo de Fabricao do Refrigerante Pet 2000 ml
Informaes dos 10 Itens de Controle do Processo de
Fabricao do Refrigerante Pet 2000 ml
Total de dados coletados UC
Total de defeitos DTC
Oportunidades O
Oportunidades totais OT
Defeitos por milho de oportunidades DPMO
Nvel sigma (aproximado)
Rendimento do processo (%)

Dados
610
364
8
4880
74.590,16
2,95
92,54098

Fonte: Desenvolvido pelos autores.

Atravs dos dados da Tabela 2 pode-se considerar que o processo em estudo est,
aproximadamente, 92,54% em conformidade com as especificaes e que a converso para o nvel
sigma evidenciou um processo 2,95 . A empresa em estudo produz 3.428.100 unidades/ms de pet
2000 ml, um total de 41.137.200 unidades/ano. Com o rendimento de 92,54098% a empresa produz,
aproximadamente, 38.068.768 refrigerantes pet 2000 ml com nenhum tipo de defeito ou 3.068.432
refrigerantes com pelo menos um defeito identificvel. A mesma produo de 41.137.200
unidades/ano de refrigerantes pet 2000 ml no nvel de qualidade Seis Sigma teria uma estimativa de
rendimento prximo de 100% (99,99966%) ou um total de 140 unidades de refrigerantes com
defeitos em todo o ano de fabricao, conforme evidenciado na Tabela 3.
Tabela 3 - Comparao do Nvel Sigma do Processo
Dados comparativos

Processo atual

Nvel Sigma

Processo estimado

2,95

6,00

92,54098

99,99966

Total produzido por ano

41.137.200

41.137.200

Produtos sem nenhum defeito (unid./ano)

38.068.768

41.137.060

3.068.432

140

Rendimento (%)

Produtos com pelo menos um defeito (unid./ano)


Resultado de melhoria no processo

Revista Gesto Industrial

3.068.292 unidades/ano

187

Fonte: Desenvolvido pelos autores.

6. Consideraes Finais
Criar estratgias que tragam benefcios para as organizaes requer do administrador uma
habilidade prtica e terica bastante relevante, visto que existem vrias estratgias e ferramentas
que esto sendo empregadas nos mais diversos meios organizacionais. O mais difcil no
identificar as estratgias que podem ser adotadas pela organizao, mas sim evidenciar as vantagens
e desvantagens intrnsecas estratgia e mensurar os benefcios que ela pode proporcionar. O Seis
Sigma mais uma dessas estratgias ou ferramentas de gesto que vem sendo empregada de forma
bastante participativa. Existem vrios estudos que demonstram os benefcios que as organizaes
alcanam com a implantao da estratgia Seis Sigma, mas h, tambm, relatos de fracassos.
Grande parte desse fracasso est atrelada ao alto custo de implementao do programa Seis Sigma,
pois o investimento em treinamento no muito barato e, muitas vezes, o retorno no aparece. A
chave para o sucesso de um programa Seis Sigma est na escolha de projetos que possibilitem
retornos altura do investimento.
No caso deste estudo, o processo de fabricao do refrigerante pet 2 litros composto por
vrios sub-processos, e no somente o envase e a injeo plstica da garrafa, pois existem outras
atividades que compem o produto final e que deveriam fazer parte do estudo de melhoria do
processo. Seria mais relevante se fosse considerado outras informaes, desde a entrada dos
insumos, passando por todo o processo de fabricao, at chegar ao cliente final. Portanto, pode-se
afirmar que o envase e a injeo plstica da garrafa pet 2 litros dois sub-processos, no sendo
ideal para formar um projeto Seis Sigma. preciso avaliar todo o processo, desta forma, pode-se
obter uma noo mais realista dos benefcios que a empresa poderia alcanar.
Em se tratando apenas de duas etapas do processo de fabricao do refrigerante pet 2 litros,
e assumindo a premissa de que a empresa alcance o nvel Seis Sigma, a economia operacional pode
chegar a 3.068.292 unidades pet por ano, ou seja, aproximadamente, 255.691 refrigerantes por ms
estaro dentro dos limites de especificao. H, tambm, um benefcio implcito que o programa
Seis Sigma pode proporcionar, atravs da diminuio da variabilidade do volume de refrigerante
envasado, a empresa consegue comprimir a faixa caracterstica do processo, reduzindo, assim, os
limites de especificao. Desta forma, a economia poderia chegar, tambm, na quantidade de
refrigerante envasado. Esse mesmo raciocnio poderia ser admitido para a quantidade de plstico
injetado, com a diminuio da variabilidade e, conseqentemente, a reduo de matria-prima
plstica.
A grande questo est na anlise do investimento necessrio para implantar a filosofia Seis
Sigma, pois em se tratando apenas no objeto deste estudo, os benefcios operacionais so relevantes,

Revista Gesto Industrial

188

basta, agora, transformar os ganhos operacionais em ganhos financeiros e realizar a confrontao


desses ganhos com o investimento total necessrio para sua implementao. Neste estudo, ficou
claro que em termos operacionais o programa Seis Sigma pode trazer grandes benefcios.
Abstract
In this context for searching of perfect products, there are many strategies that aim and improve the
competitive advantages of organizations, that includes the Six Sigma. This article aims to compare
the operationals benefits which Six Sigma program can proportionate in the present production
process of pet refrigerant 2000 ml of X company. In development of this article was utilized an
explorer method in order to investigate and proportionate a general vision as kind of approach
relationed with the Six Sigma program in relation to the manufacture process of pet 2000 ml
refrigerant. In present study, was evident that in operationals conditions, the Six Sigma program can
bring if as good applicable is great benefits to this production process of pet 2 liters refrigerant,
reducing then, number of fails and, consequently, increasing the uniformity of products.
Key-words: Six Sigma; Quality Control; Management Process.
Referncias
BATEMAN, T. S.; SNELL, S. A. Administrao: construindo vantagem competitiva. So Paulo: Atlas, 1998.
BERDEBES, G. Introduction to six sigma: for internal service departments and professional services organizations.
Quebec: Working Paper, 2003.
BOECHAT, Y. Faixas-pretas economizam bilhes nas empresas. Jornal Gazeta Mercantil: empresas e carreiras, So
Paulo, 21 mar. 2000.
BREYFOGLE, F. W. Six Sigma: smarter solutions using statistical methods. 2. ed. Austin: Wiley, 2003.
BUSS, P.; IVEY, N. Dow chemical design for six sigma rail delivery project. In: Proceeding of the 2001 Winter
Simulation Conference, Phoenix, Arizona, 2001.
CAMPOS, M. S. Em busca do padro seis sigma. Revista Exame, So Paulo, edio 689, ano 32, n.11, 02 jun. 1999.
CAMPOS, M. S. Seis sigma: presente e futuro. In: Congresso SAE Brasil, So Paulo, 2002.
CAMPOS, V. F. Controle da qualidade total: no estilo japons. Belo Horizonte: Fundao Christiano Ottoni, 1992.
DAVIS, M. M.; AQUILANO N. J.; CHASE R. B. Fundamentos da administrao da produo. 3. ed. Porto Alegre:
Bookman, 2001.
DELLARETTI FILHO, O. D.; DRUMOND, F. B. Itens de controle e avaliao de processos. Belo Horizonte:
Fundao Christiano Ottoni, 1994.
GARVIN, D. A. Gerenciando a qualidade: a viso estratgica e competitividade. Rio de Janeiro: Qualitymark, 1992.
GIL. A. C. Como elaborar projetos de pesquisa. 4. ed. So Paulo: Atlas, 2002.
HARRY, M.; SCHROEDER, R. Six sigma: the breakthrough management strategy revolutionizing the worlds top
corporations. Nova York: Doubleday, 2000.
HSM MANAGEMENT. Dossi 6-sigma: a um passo da perfeio. Revista HSM Management. So Paulo: HSM do
Brasil, ano 7, n. 38, mai./jun. 2003. p. 63-90.
HUTCHINS, G. ISO 9000: um guia completo para o registro, as diretrizes da auditoria e a certificao bem-sucedida.
So Paulo: Makron Books, 1994.

Revista Gesto Industrial

189

LOBOS, J. Qualidade atravs das pessoas. 9. ed. So Paulo: Instituto da Qualidade, 1991.
LOURENO FILHO, R. C. B. Controle estatstico de qualidade. Rio de Janeiro: Livros Tcnicos e Cientficos, 1976.
MARANHO, M. ISO srie 9000: manual de implementao verso 2000. 6. ed. Rio de Janeiro: Qualitymark, 2001.
McCARTHY, B. M.; STAUFFER, R. Enhancing six sigma through simulation with igrafx process for six sigma. In:
Proceeding of the 2001 Winter Simulation Conference, Phoenix, Arizona, 2001.
PALMER, C. F. Controle total de qualidade. So Paulo: Editora da Universidade de So Paulo, 1974.
PANDE, P. S.; NEUMAN, R. P.; CAVANAGH, R. R. Estratgia seis sigma: como a GE, a Motorola e outras grandes
empresas esto aguando seu desempenho. Rio de Janeiro: Qualitymark, 2001.
RIVERA, A.; MAROVICH, J. Use of six sigma to optimize cordis sales administration and order and revenue
management process. In: Proceeding of the 2001 Winter Simulation Conference, Phoenix, Arizona, 2001.
SLACK, N.; CHAMBERS, S.; HARLAND, C.; HARRISON, A.; JOHNSTON, R. Administrao da Produo. So
Paulo: Atlas, 1996.

Dados do primeiro autor:


Nome: Sidarta Ruthes
Filiao institucional: Universidade Tecnolgica Federal do Paran UTFPR
Departamento: Programa de Ps-Graduao em Tecnologia PPGTE
Funo: Mestrando em Tecnologia
Endereo: Av. Cndido de Abreu, 469 Cj. 1305 Centro Cvico Curitiba Paran Brasil
CEP: 80530-000
Telefones: (41) 8413-3830
e-mail: sidarta@ppgte.cefetpr.br
Recebido para publicao: 30/03/2006
Aceito para publicao: 05/06/2006

Revista Gesto Industrial

190