Seis Sigma

Guia do Profissional
Um Guia Completo para Green Belts,
Black Belts e Gerentes em Todos os Nveis
Thomas Pyzdek
Paul A. Keller

Traduo da Terceira Edio

Rio de Janeiro, 2011

Sumrio
Prefcio

Parte I

xi

Seis Sigma Implementao e Gerenciamento

Construindo a Empresa Seis Sigma que Responde Prontamente

O Que Seis Sigma?
Por que Seis Sigma?
A Filosofia Seis Sigma
As Mudanas Indispensveis
Implementando o Seis Sigma
Calendrio
Infraestrutura
Integrando o Seis Sigma com Iniciativas Relacionadas
Implantao para a Cadeia de Suprimentos
Comunicaes e Percepes

3
3
4
5
11
13
14
16
32
34
36

Identificando Oportunidades
Tornando-se Uma Empresa Orientada ao Cliente e ao Mercado
Elementos da Empresa Transformada
Estratgias para a Comunicao com Clientes e Funcionrios
Estudo de Caso de Elaborao de Pesquisas
Dinmicas de Grupo
Calculando o Valor da Reteno do Cliente
Expectativas, Prioridades, Necessidades e Voz do Cliente
Quality Function Deployment (QFD)
A Empresa de Processos Seis Sigma
A Origem do Conflito
A Soluo para o Conflito
Seis Sigma e a Empresa de Processos
Ligando os Projetos Seis Sigma com as Estratgias
A Matriz de Desenvolvimento Estratgico
Criando Diferenciadores Para as Operaes
Implementando o Planejamento de Operaes nos Projetos
Interpretao
A Tomada de Deciso Estruturada

43
44
46
48
52
57
58
60
61
65
67
67
70
71
71
74
75
76
77

iii

iv

Sumrio

O Gerenciamento Orientado a Dados

87
As Caractersticas dos Bons Indicadores
87
Balanced Scorecard
89
Medindo as Causas e Efeitos
90
A Perspectiva do Cliente
92
A Perspectiva dos Processos Internos
94
A Perspectiva da Inovao e do Aprendizado
95
A Perspectiva Financeira
95
O Custo da M Qualidade
97
Exemplos de Custos da Qualidade
99
Plano de Desenvolvimento Estratgico
102
O Desenho do Dashboard
105
Requisitos de Sistemas de Informao
107
Integrando o Seis Sigma a Outras Tecnologias de Sistemas de
Informao
108
Depsito de Dados (Data Warehousing)
108
OLAP
110
Minerao de Dados (Data Mining)
110
OLAP, Minerao de Dados e o Seis Sigma
112
Benchmarking
112
O Processo de Benchmarking
112
Introduo ao Benchmarking
113
Por que as Iniciativas de Benchmarking Fracassam? ................................114
Os Benefcios do Benchmarking
116
Alguns Perigos do Benchmarking
116

Maximizando Recursos
Escolhendo os Projetos Certos
Tipos de Projetos
Analisando os Candidatos a Projetos
Usando a Anlise de Pareto Para Identificar Candidatos a
Candidatos a Projetos Seis Sigma
Escolha de Projetos Baseada no Throughput
Suporte Contnuo ao Gerenciamento
Obstculos Internos
Obstculos Externos
Barreiras Individuais Contra Mudanas
Estratgias Ineficazes de Suporte Gesto
Estratgias Eficazes de Suporte Gesto
Colaborao Entre Departamentos
Acompanhando os Resultados dos Projetos Seis Sigma
Validando os Resultados Financeiros
Avaliao do Desempenho da Equipe
Reconhecimento e Recompensa da Equipe
Levantamento e Replicao das Lies Aprendidas

117
117
117
118
125
127
133
133
134
134
135
136
136
137
138
139
141
143

Sumrio

PARTE II
5

Ferramentas e Tcnicas Seis Sigma

Gerenciando Projetos com o DMAIC e o DMADV
Modelos de Implantao DMAIC e DMADV
Gerando Informaes Sobre o Projeto
O Oramento do Projeto
Os Registros do Projeto
Equipes Seis Sigma
Juntando-se Equipe
Gerenciando a Dinmica da Equipe, Incluindo a
Soluo de Conflitos
Os Estgios do Desenvolvimento de Grupos
Papis e Responsabilidades da Equipe
Tcnicas de Facilitao

147
147
152
153
154
155
155

A Fase Definir
O Termo de Abertura do Projeto
Decompondo Projetos
A Estrutura Analtica do Projeto
Anlise de Pareto
Entregas
Indicadores Crticos de Qualidade
ndice de Capacidade do Processo
Indicadores Crticos de Cronograma
Indicadores Crticos de Custo
O Cronograma do Projeto
Grficos de Gantt
PERT-CPM
Controlando e Evitando Atrasos no Cronograma
Considerando os Custos no Cronograma do Projeto
Definindo os Principais Processos
Mapas de Processos
Reunindo a Equipe

165
165
167
167
167
169
170
173
179
180
186
186
188
191
192
194
194
195

A Fase Medir
A Definio do Processo
Fluxogramas
SIPOC
Definindo Indicadores
Escalas de Medidas
Dados Discretos e Dados Contnuos
Estimativas de Linha de Base do Processo
Estudos Analticos e Enumerativos
Os Princpios do Controle Estatstico de Processo
Estimando a Linha de Base do Processo Usando a
Capacidade de Processo

197
197
198
198
201
203
205
206
207
209

156
157
157
160

213

vi

Sumrio

Grficos de Comportamento dos Processos

215
Grficos de Controle para Dados Variveis
215
Grficos de Controle por Mdias e Amplitude
215
Grficos de Controle por Mdias e Desvio Padro (Sigma)
217
Grficos de Controle para Medies Individuais (Grficos X)
221
Grfico de Controle para Dados de Atributos
224
Grficos de Controle para Proporo de Defeitos (Grficos p)
224
Grficos de Controle para Contagem de Defeitos (Grficos np)
227
Grficos de Controle Para Mdia de Ocorrncias
Por Unidade (Grficos u)
229
Grficos de Controle Para Contagem de Ocorrncias
por Unidade (Grficos c)
232
Escolhendo o Grfico de Controle
233
Amostragem de Subgrupo Racional
235
Interpretando os Grficos de Controle
236
Testes de Execuo
241
Efeitos e Diagnstico do Tampering
242
Tcnicas CEP em Sries Curtas de Produo
244
Dados Variveis
245
Atributo CEP para Sries Pequenas e Curtas
255
Resumo do CEP a Curto Prazo ................................................................... 261
Tcnicas CEP para Automao Industrial
261
Problemas com as Tcnicas CEP Tradicionais
262
Grficos de Causas Especiais e Comuns
262
Grficos EWMA de Causa Comum
263
Grficos de Controle EWMA versus Grficos Individuais
269
Distribuies
271
Mtodos de Enumerao
271
Distribuio Acumulada e Distribuio de Frequncia
273
Distribuies Amostrais
274
Distribuio Binomial
274
Distribuio de Poisson
275
Distribuio Hipergeomtrica
277
Distribuio Normal
278
Distribuio Exponencial
282

Avaliao dos Sistemas de Medio

Definies
Discriminao do Sistema de Medio
Estabilidade
Tendncia (Bias)
Repetitividade
Reprodutibilidade
Variao Pea a Pea
Exemplo de Resumo de Anlise de Sistema de Medio
Anlise Gage R&R Utilizando o Minitab

289
289
291
293
295
295
298
300
301
302

Sumrio

Linearidade
Anlise de Linearidade Utilizando o Minitab
Anlise de Erros de Medio de Atributos
Definies Operacionais
Como Conduzir Estudos de Inspeo de Atributos
Attribute Gage R&R - Exemplo em Minitab

306
308
310
311
312
316

10

A Fase da Anlise
Anlise do Fluxo de Valor
Mapeamento do Fluxo de Valor
O Grfico Espaguete
Analisando as Fontes de Variao
Diagramas de Causa e Efeito
Diagramas de Caixa (Boxplots)
Inferncia Estatstica
Distribuies Qui-Quadrado, T de Student e distribuies F
Estimativa Por Ponto e Por Intervalo
Teste de Hipteses
Reamostragem (Bootstrapping)
Anlise de Regresso e Correlao
Modelos Lineares
Ajuste dos Mnimos Quadrados
Anlise de Correlao
Projeto de Experimentos
Terminologia
Caractersticas de Projetos
Tipos de Projetos
Anlise de Varincia (ANOVA) de Um Fator
Anlise de Varincia (ANOVA) de Dois Fatores sem Rplica
Anlise de Varincia (ANOVA) de Dois Fatores com Rplica
Fatorial Completo e Fracionado
Poder e Tamanho Amostral
Testando Hipteses Comuns
Anlise de Dados Categorizados
Fazendo Comparaes Utilizando Testes Qui-Quadrado
Regresso Logstica
Regresso Logstica Binria
Regresso Logstica Ordinal
Regresso Logstica Nominal
Mtodos No-Paramtricos

321
321
323
326
326
327
328
331
332
336
339
341
342
344
346
351
352
353
354
355
356
359
360
361
369
369
376
376
378
380
383
385
389

11

A Fase Melhorar/Design
Utilizando a Demanda dos Clientes Para Tomar Decises
Sobre Design e Melhoria
Pesos de Importncia por Categoria

393
393
394

vii

viii

Sumrio

Tcnicas Lean para Otimizao do Fluxo

Ferramentas para Ajudar na Melhoria do Fluxo
Usando a Construo do Modelo Emprico para Otimizar
Fase 0: Sentindo o Terreno
Fase I: Experimentos Pilotos (Screening Experiment)
Fase II: Inclinao Ascendente (Steepest Ascent)/Descida
Mais ngreme (Descent)
Fase III: Experimentos Fatoriais
Fase IV: Delineamento Composto (Composite Design)
Fase V: Produto Robusto e Desenho de Processo
Data Mining, Redes Neurais Artificiais e Mapeamento
Virtual de Processos
Exemplo de Modelos de Redes Neurais
Otimizao Utilizando a Simulao
Prevendo o Desempenho CTQ
Ferramentas Para Simulao
Geradores de Nmeros Aleatrios
Desenvolvimento de Modelos
Projeto de Experimentos Virtual Utilizando
Software de Simulao
Ferramentas Para Avaliao de Riscos
Reviso do Design
Anlise de rvore de Falhas (FTA)
Anlise de Segurana
Anlise dos Modos de Efeitos de Falhas (FMEA)
Definindo Novos Padres de Desempenho Utilizando
a Tolerncia Estatstica
Hipteses da Frmula
Intervalos de Tolerncia
12

A Fase Controlar/Verificar
Validando o Novo Processo ou as Novas Caractersticas do Produto
Planejamento e Controle dos Processos de Negcios
Mantendo os Ganhos
Preparando o Plano de Controle de Processos
Planejamento de Controle de Processos para Sries
Pequenas e Curtas
Auditoria de Processos
Selecionando os Elementos de Controle dos Processos
Outros Elementos do Plano de Controle de Processos

400
400
402
403
404
408
408
411
415
419
420
420
423
426
427
431
438
443
443
443
444
447
450
453
454
455
455
455
456
458
460
462
462
465

Apndice
A1

Glossrio de Termos Estatsticos Bsicos

469

A2

rea Sob a Curva Normal Padro

475

A3

Valores Crticos da Distribuio-t

479

Sumrio

A4

Distribuio Qui-Quadrado

481

A5

Distribuio F ( = 1%)

483

A6

Distribuio F ( = 5%)

485

A7

Somas da Probabilidade de Poisson

487

A8

Fatores do Intervalo de Tolerncia

491

A9

Constantes do Grfico de Controle

495

A10

Equaes de Grficos de Controle

497

A11

Tabela dos Valores d

499

A12

Fatores Para Grficos de Controle de Valores Individuais,

x-bar e Grficos R para Sries Curtas

501

A13

Exemplo de Pesquisa com Cliente

503

A14

Nveis do Processo e Nveis de Qualidade

Equivalentes em PPM

505

A15

Certificao da Efetividade do Black Belt

Conjunto de Conhecimentos para o Processo de
Certificao Black Belt da [EMPRESA]
Introduo
Processo
Critrios de Efetividade da Certificao Black Belt [EMPRESA]
Conselho de Certificao Black Belt da [EMPRESA]
Questionrio de Efetividade
Reviso Oral e Agenda do Black Belt da [EMPRESA]

A16

A17

507
507
507
507
508
509
509
510

Certificao da Efetividade do Green Belt

Conjunto de Conhecimentos para o Processo de
Certificao do Green Belt
Introduo
Critrios para a Certificao da Efetividade do Green Belt
Conselho de Certificao Green Belt
Questionrio de Efetividade
Guia de Pontuao
A Agenda do Green Belt

519

Processo Analtico de Hierarquia Usando o Microsoft Excel

Exemplo

531
531

Referncias

533

ndice Remissivo

537

519
519
520
521
521
521
522

ix

Sobre os Autores
THOMAS PYZDEK autor ou coautor de mais de 50
livros, incluindo The Six Sigma Handbook, The Quality
Engineering Handbook e The Handbook of Quality Management. Seus trabalhos servem de referncia para milhares de universidades e empresas de todo o mundo no
ensino da excelncia de processos. Desde 1967, ele vem
treinando e dando consultoria para empresrios e clientes
de todos os segmentos. Seu trabalho como consultor vai
desde os executivos aos Belts, atuando diretamente nas
trincheiras. Em seus seminrios online, ao vivo e nas aulas
para clientes, Pyzdek tem ensinado Seis Sigma, Lean, Qualidade e outras metodologias para melhoria dos processos
de negcios a milhares de pessoas.
Como membro da ASQ, recebeu a Medalha ASQ
Edward e do ASQ foi premiado com o Simon Collier
Quality Award ambos por importantes contribuies na
rea da gesto da qualidade e a Medalha de Reconhecimento do ASQ EL por suas expressivas contribuies para
o Ensino da Qualidade. Ele atua em no conselho editorial
de vrias publicaes, tais como The Quality Management
Journal, Quality Engineering e o International Journal of
Six Sigma and Competitive Advantage.
PAUL KELLER vice-presidente e consultor snior da
Quality America, Inc. Ele desenvolveu e implementou o
Seis Sigma e programas de Melhoria da Qualidade com
sucesso em empresas de servios e manufatura. Keller
(s para ficar registrado!) est na Quality America desde
1992, onde:
r
Desenvolveu e gerenciou sistemas para operaes
em geral, incluindo melhoria da qualidade, desenvolvimento de produtos, relacionamento com parceiros, marketing, vendas, atendimento de pedidos
e suporte tcnico.
r
Forneceu importante conhecimento estatstico para
clientes, assim como para equipes internas de desenvolvimento de software, vendas e suporte tcnico.
r
Desenvolveu e implementou treinamentos relacionados ao Seis Sigma, incluindo Gesto da Qualidade,
Controle de Processos Estatsticos (SPC Statistical
Process Control) e Projeto de Experimentos, para centenas de empresas nos mais variados setores, tais como
Roche Pharmaceuticals, Core3 Inc. Business Process
Outsourcing, U.S Army, MacDermid Printing Solutions, Boeing Satellite, Dow Corning, Antec, Pfizer,
Warner Lambert e muitas outras.

Prefcio

metodologia Seis Sigma tem sido adotada pela grande maioria das empresas que figuram na lista Fortune 500, assim como por muitas pequenas e mdias empresas. Sua
aplicao em empresas com e sem fins lucrativos um reflexo dos seus amplos objetivos na melhoria dos processos na parte mais importante da misso de uma empresa. Embora
primeira vista seu foco sempre recaia em melhorias para a qualidade, uma implementao
bem-sucedida traduz em lucratividade, sustentabilidade e crescimento a longo prazo.
Enquanto escrevo estas palavras, o que agora a mais longa e tenebrosa recesso desde a
Grande Depresso, acaba de derrubar um perodo recorde de crescimento e expanso global.
Durante a expanso, Seis Sigma provou ser uma valiosa estratgia para atingir a forte demanda do mercado por produtos e servios, atravs de melhorias na capacidade e produtividade,
com foco na reduo do tempo de venda. Onde as presses competitivas dos mercados emergentes globais estavam especialmente fortes, as estratgias para melhoria dos servios, custo
de entrega e custo de produo provaram ser bem-sucedidas. Essa recesso foi chamada de
divisor de guas por vrios economistas, derrubando o supply chains (cadeias de suprimentos) e forando todas as empresas a reconsiderarem seus modelos de negcios. Certamente,
muitas empresas dos mais variados setores no sobreviveram a esta recesso. No entanto, sem
dvidas, haver sobreviventes que conquistaro market share (fatia de mercado) e se tornaro
os pilares deste novo sculo. Primeiramente, essas empresas dedicaro ateno ao seu negcio
principal, garantindo o market share (fatia de mercado) e sua rentabilidade. Elas utilizaro os
esforos estruturados do Seis Sigma direcionados para os principais objetivos de custos, qualidade e servios. Isto demandar uma nova avaliao dos processos internos, a partir da perspectiva da base de clientes, de a maximilizando e reduo de custo. Elas aproveitaro as novas
oportunidades deixadas pelos seus enfraquecidos competidores. A capacidade de explorar
esses mercados depender de um planejamento diligente e uma execuo bem-sucedida, caractersticas marcantes da metodologia Seis Sigma. A simplicidade e adaptabilidade do mtodo DMAIC fornecer os meios para a obteno de uma vantagem competitiva fortalecida.
Os principais benefcios que buscvamos alcanar nesta terceira reviso incluem:
r
Definir claramente as responsabilidades dos gerentes e as aes necessrias para uma
boa implementao.
r
Incorporar completamente o Lean, a Soluo de Problemas e as tcnicas Estatsticas
com a metodologia Seis Sigma.
r
Criar um guia prtico escrito numa linguagem de fcil compreenso.

xi

xii

Prefcio

r
Dar exemplos utilizando o Minitab, Excel e outras ferramentas para demonstrar a aplicao das tcnicas estatsticas e de soluo de problemas conforme
diferentes configuraes.
r
Enfatizar a aplicao Seis Sigma em servios, j que todas as empresas so, na sua
essncia, empresas de servios.
Ns direcionamos esta edio aos gerentes executivos, ou queles que aspiram por esta
posio, como forma de desvendar o potencial de uma iniciativa Lean Seis Sigma corretamente desenhada e implementada. Os praticantes em nvel operacional tambm se beneficiaro dos planos detalhados para implementao e a metodologia estruturada para as ferramentas e mtodos utilizados pelas equipes de projetos. Os princpios fundamentais e as
ferramentas do Lean, com a validao estatstica, anlise da causa-raiz e a metodologia de
soluo de problemas DMAIC, so integradas durante todo o livro. A apresentao desta
terceira edio baseia-se na estratgia de implementao do Seis Sigma: tpicos iniciais abordam as responsabilidades dos gerentes, com os tpicos subsequentes abordando os detalhes
da metodologia de soluo de problemas DMAIC do Lean Seis Sigma.
Esperamos que voc aprecie a leitura!

PARTE
Seis Sigma
Implementao e Gerenciamento

Captulo 1

Captulo 3

Construindo a Empresa Seis Sigma que

Responde Prontamente

O Gerenciamento Direcionado Informao

Captulo 2

Maximizando Recursos

Descobrindo Oportunidades

Captulo 4

CAPTULO
Construindo a Empresa Seis Sigma
que Responde Prontamente
O Que Seis Sigma?
Seis Sigma uma implementao rigorosa, focada e altamente eficiente das tcnicas e princpios de qualidade comprovadas. Incorporando elementos de trabalho de vrios pioneiros
da qualidade, Seis Sigma visa ao desempenho dos negcios praticamente sem erros. Sigma,,
uma letra do alfabeto grego utilizada pelos estatsticos para medir a variao em qualquer
processo. O desempenho de uma empresa medido pelo nvel sigma dos seus processos de
negcios. Tradicionalmente, as empresas tm aceitado trs ou quatro nveis de desempenho
sigma como norma, apesar do fato de que, esses processos criaram entre 6.200 e 67.000 problemas por milhes de oportunidades! O padro Seis Sigma de 3,4 problemas por milho de
oportunidades* uma resposta crescente expectativa dos clientes e ao aumento da complexidade dos produtos e processos atuais.
Apesar do seu nome, o milagre Seis Sigma no reside na agitao estatstica ou tecnolgica. Seis Sigma baseia-se em mtodos testados e reais, que vm sendo utilizados h dcadas. Considerando-se certas medidas, Seis Sigma descarta grande parte da complexidade
que caracterizava a Gesto da Qualidade Total (TQM Total Quality Management). Seis
Sigma rene alguns mtodos comprovados para treinar um pequeno grupo de lderes tcnicos internos conhecidos como Seis Sigma Black Belts, para a proficincia na aplicao
dessas tcnicas. Como garantia, alguns dos mtodos utilizados pelos Black Belts incluindo
programas de computador atualizados so extremamente avanados. Porm, as ferramentas so aplicadas com um modelo simples para melhoria de desempenho, conhecido como
Definir-Medir-Analisar-Melhorar-Controlar (DMAIC Define, Measure, Analyze, Improve, Control). A metodologia DMAIC descrita sucintamente abaixo:
D Definir os objetivos da atividade de melhoria.
M Medir o sistema existente.
A Analisar o sistema para identificar maneiras de eliminar a distncia entre o desempenho atual do sistema ou processo e o objetivo desejado.
M Melhorar o sistema.
C Controlar o novo sistema

*Nota dos estatsticos: a rea sob a curva normal alm do Seis Sigma vale 2 partes por bilho. Ao calcularmos o ndice de falhas para o Seis Sigma, assumimos que o desempenho obtido pelos clientes durante a vida til do produto
ou processo ser muito pior do que as estimativas internas que profetizam para o curto prazo. Para compensar, uma
transferncia de 1,5 sigma da mdia adicionada antes de calcularmos as falhas em longo prazo. Dessa forma, voc
encontrar 3.4 partes por milho como rea alm de 4,5 sigma na curva normal.

Captulo Um

Porque Seis Sigma?

Quando uma empresa japonesa assumiu a fbrica da Motorola que produzia os televisores Quasar
nos Estados Unidos, nos anos 1970, eles decidiram implementar mudanas imediatas na forma
como a fbrica operava. Sob a gesto dos japoneses, a fbrica logo passou a produzir televisores com
20 vezes menos defeitos do que na antiga gesto. Eles obtiveram esses resultados utilizando a mesma
mo-de-obra, tecnologia e mesmos recursos. Alm disso, reduziram custos e provaram que o problema residia na gesto da Motorola. Demorou um pouco, mas, enfim, at mesmo os executivos da
Motorola admitiram: Nossa qualidade uma droga (Main, 1994).
At meados dos anos 1980, a Motorola ainda no sabia como tratar o assunto. Bob Galvin, o CEO da Motorola na poca, implementou na empresa uma metodologia de qualidade
conhecida como Seis Sigma e tornou-se um cone do mundo dos negcios com o xito que
a Motorola alcanou em qualidade. Atravs do Seis Sigma, a Motorola tornou-se conhecida
como lder em qualidade e lucratividade. Depois que a Motorola ganhou o prmio Malcolm
Baldrige National Quality Award em 1988, o segredo do seu sucesso veio tona. Iniciava-se,
ento, a revoluo do Seis Sigma. Atualmente, o Seis Sigma est mais em alta do que nunca!
Embora a Motorola venha passando por dificuldades nos ltimos anos, empresas como a
GE e a AlliedSignal adotaram a metodologia Seis Sigma, utilizando-a para lev-los a novos
patamares de produtividade e atendimento ao cliente.
Seria um erro imaginar que o Seis Sigma aborda a qualidade no seu sentido tradicional. A
qualidade tradicionalmente definida como conformidade aos requisitos internos , pouco
tem a ver com o Seis Sigma. O Seis Sigma tem seu foco direcionado em ajudar a empresa a ser
mais rentvel, dando mais valor ao cliente e aumentando sua eficincia. Se quisermos fazer uma
ligao entre o objetivo do Seis Sigma e a qualidade, precisamos redefinir o que qualidade:
o valor agregado originado por um esforo produtivo. Essa qualidade pode ser definida como
qualidade potencial e qualidade real. Qualidade potencial o valor agregado mximo possvel
conhecido por unidade includa. Qualidade real o valor agregado atual por unidade includa. A diferena entre qualidade potencial e qualidade real o desperdcio. Seis Sigma foca no
aumento da qualidade (ou seja, na reduo do desperdcio), ajudando as empresas a fabricarem
seus produtos e servios de forma melhor, mais rpida e mais barata. H uma correlao direta
entre os nveis de qualidade e os nveis sigma de desempenho. Por exemplo, um processo operando com Seis Sigma apresentar no conformidade aps cerca de 3 transaes por milho.
Uma empresa comum costuma funcionar no nvel quatro sigma o equivalente a aproximadamente 6.210 de erros por milho de transaes. O Seis Sigma voltado para os requisitos do
cliente, a preveno de defeitos, a reduo do tempo de ciclo e dos custos. Portanto, os benefcios do Seis Sigma vo direto ao ponto principal. Diferentemente de programas ineficazes para
a reduo de custos, que tambm reduzem o valor e a qualidade, Seis Sigma identifica e elimina
custos que no agregam valor aos clientes: desperdcio.
Geralmente, nas empresas que no utilizam o Seis Sigma, esses custos so extremamente
altos. Empresas que funcionam com trs ou quatro sigma gastam, tipicamente, entre 25%
e 40% da sua receita consertando problemas. A isso denominamos custo da qualidade, ou,
mais adequadamente, custo da m qualidade. Empresas que utilizam o Seis Sigma gastam em
mdia menos de 5% da sua receita consertando problemas (Fig 1.1). Os valores de custos da
m qualidade (COPQ Cost Of Poor Quality) mostrados na Fig 1.1 esto na extremidade
mais baixa da faixa de resultados levantados em vrios estudos. O custo em dlar dessa distncia pode ser enorme. A General Electric estimou que a distncia entre o trs ou quatro
sigma e o Seis Sigma lhe custava entre 8 bilhes e 12 bilhes de dlares por ano.
Uma razo para que os custos estejam diretamente relacionados aos nveis sigma muito
simples: os nveis sigma so medidas para taxa de erros e custa dinheiro corrigir erros. A
Figura 1.2 mostra o relacionamento entre erros e os nveis sigma. Observe que a taxa de erros diminui exponencialmente quando o nvel sigma aumenta, e que isso est perfeitamente
representado nos dados empricos para custos mostrados na Fig. 1.1. Note ainda que os

Construindo a Empresa Seis Sigma que Responde Prontamente

50%
% Qualidade, vendas

45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
2

Nvel Sigma
FIGURA 1.1 Custo da m qualidade versus nvel sigma.

erros so exibidos por milho de oportunidades, no como percentuais. Essa outra conveno introduzida com o Seis Sigma. No passado, costumvamos aceitar taxas de erros em
percentual (erros por centena de oportunidades), mas o cenrio mudou.

A Filosofia Seis Sigma

Seis Sigma a aplicao do mtodo cientfico para o projeto e operao dos sistemas de gerenciamento e processos de negcios, os quais do condies aos funcionrios de entregarem
mais valor aos clientes e empregadores. O mtodo cientfico funciona conforme abaixo:
1. Observe aspectos importantes do mercado ou do seu negcio.
2. Desenvolva uma explicao experimental ou hiptese compatvel com suas observaes.
3. Baseando-se nas suas hipteses, faa previses.

Erros por milho de oportunidades

70,000
60,000
50,000
40,000
30,000
20,000
10,000

3.00

3.25

3.50

3.75

4.00

Nvel sigma do processo atual

FIGURA 1.2 Taxa de erro versus nvel sigma

4.25

4.50

Captulo Um

4. Teste suas previses realizando experimentos ou fazendo observaes mais cuidadosas. Guarde suas observaes. Modifique suas hipteses baseando-se nos novos fatos.
Se houver variaes, utilize estatsticas para ajud-lo a separar o joio do trigo.
5. Repita os passos 3 e 4 at que no haja mais discrepncias entre as hipteses e os resultados dos experimentos ou observaes.
A esta altura, voc ter uma teoria vivel que explica um importante relacionamento no
seu ramo de atividade ou na sua empresa. A teoria a sua bola de cristal, a qual voc usa para
prever o futuro. Como voc pode imaginar, uma bola de cristal extremamente til para
qualquer empresa. Alm disso, sempre acontece da sua teoria explicar fenmenos distintos
daqueles que voc estudou inicialmente. A teoria de Isaac Newton sobre a gravidade pode
ter comeado com a observao de uma ma caindo no solo, mas as leis de Newton explicavam muito sobre como os planetas giram em torno do sol. Aplicando o mtodo cientfico
durante um perodo de anos, voc desenvolver um profundo conhecimento sobre como o
seu cliente e seu negcio funcionam.
Quando este mtodo utilizado em toda a organizao, minimiza-se a influncia poltica que emperra as empresas, prevalecendo a atitude mostre-me os dados. Enquanto
polticas corporativas jamais sero eliminadas onde exista interao humana, essas mesmas
polticas tm menor influncia em empresas que adotam o Seis Sigma do que nas empresas
tradicionais. As pessoas geralmente se surpreendem com os resultados dessa simples mudana de estratgia. A essncia desses resultados foi definida sucintamente pela lei de Pyzdek:
A maioria do que voc sabe est errado!
Como todas essas leis, essa afirmao um exagero. Porm, voc se surpreender com a
frequncia com que as pessoas deixam de fornecer informaes que suportem problemas simples quando solicitadas. Por exemplo, o CEO pediu que o gerente da central de atendimento
de suporte tcnico demonstrasse que os usurios se preocupavam muito com o tempo de espera. Ao investigar, o gerente descobriu que os usurios se preocupavam mais com o tempo
que eles levavam para encontrar um tcnico e se seu problema havia sido resolvido ou no. O
sistema de informao da central de atendimento media como tempo de espera o tempo que o
tcnico atendia ao telefone e o tempo que o cliente aguardava enquanto o tcnico pesquisava
pela resposta. O cliente dava pouca importncia a este tempo de espera, pois eles reconheciam o valor da resoluo do problema. Essa mudana fundamental de foco fez uma grande
diferena na forma como a central de atendimento operava.
O que ns sabemos
Todos sabemos que houve uma exploso de nascimentos nove meses aps o apago na cidade de Nova Iorque em Novembro de 1965, certo? Afinal, o New York Times publicou
um artigo a respeito no dia 8 de Agosto de 1966. Se isso no o bastante para que voc,
considere que a fonte da matria citada pelo Times era o renomado Hospital Monte Sinai.
O que os dados mostram
O jornal comparava os nascimentos em 8 de Agosto de 1965 com os de 8 de Agosto
de 1966. Essa comparao de um dia realmente revelava um aumento anual. Porm, J.
Richard Udry, diretor do Carolina Population Center, da Universidade da Carolina do
Norte, estudou o ndice de nascimentos em diversos hospitais entre 27 de Julho e 14 de
Agosto de 1966. Sua descoberta: o ndice de nascimentos nove meses aps o blecaute
foi ligeiramente menor que a mdia dos ltimos cinco anos.

Construindo a Empresa Seis Sigma que Responde Prontamente

A filosofia Seis Sigma direciona sua ateno para os stakeholders (partes interessadas),
motivo da existncia da empresa. uma mentalidade de causa e efeito. Sistemas de gerenciamento bem desenvolvidos e processos internos desempenhados por funcionrios felizes
fazem com que clientes e patres sintam-se satisfeitos e contentes. Obviamente, nada disso
novidade. A maioria dos lderes de empresas tradicionais acredita honestamente que isso
o que eles j fazem. O que distingue o modelo tradicional do Seis Sigma o grau de rigor e
comprometimento com os princpios fundamentais.

Seis Sigma versus Desempenho Tradicional Trs Sigma

O modelo tradicional de qualidade da capacidade dos processos difere do Seis Sigma em dois
aspectos fundamentais:
1. Ele era aplicado apenas em processos de produo, enquanto o Seis Sigma utilizado
em todos os processos importantes de negcios.
2. Ele estipulou que um processo capaz era aquele cujo desvio padro no ultrapassava
1/6 da disperso total permitida, enquanto o Seis Sigma exige que o desvio padro do
processo seja de, no mximo, 1/12 da disperso total permitida.
Essas diferenas so bem mais profundas do que algum possa imaginar. Ao abranger todos os processos de negcios, o Seis Sigma no s considera a produo como parte de um
nico sistema, ele deixa de lado o foco estreito e limitado do mtodo tradicional. A preocupao com cliente vai alm de saber se o produto bem produzido. Preo, servio, condies de
financiamento, estilo, disponibilidade, frequncia de atualizaes e melhorias, suporte tcnico e vrios outros itens tambm so relevantes. Alm disso, Seis Sigma beneficia no somente
os clientes. Quando as operaes tornam-se eficientes do ponto de vista financeiro e o ciclo
de vida para a concepo do produto diminui, proprietrios e investidores tambm lucram.
Quando os funcionrios tornam-se mais produtivos, eles podem obter aumento de salrio. O
escopo abrangente do Seis Sigma resulta em benefcios para todos os stakeholders da empresa.
H um segundo ponto tambm com implicaes que no so bvias. Seis Sigma , basicamente, um objetivo de qualidade de processo, onde sigma uma medida estatstica para a
variao de determinado processo. Dessa forma, ele se enquadra na categoria de tcnica de
capacidade dos processos. O paradigma tradicional de qualidade definia um processo capaz a
sua disperso normal, mais ou menos trs sigma, fosse menor que a tolerncia planejada. Em
condies normais, esse nvel de qualidade trs sigma significa 99,73% de sucesso para o processo. Um estudo posterior considerava o posicionamento do processo, alm da sua disperso,
e reduzia o critrio de aceitao mnima para que a sua mdia fosse, pelo menos quatro sigma
a partir da exigncia mais prxima do planejado. Seis Sigma requer que processos operando
nessa faixa de exigncia da engenharia sejam, pelo menos, Seis Sigma a partir da mdia do
processo.
Uma das contribuies mais importantes da Motorola foi mudar a discusso sobre qualidade, substituindo aquela em que os nveis de qualidade eram medidos em percentual (partes
por centena) pela que considera partes por milho (PPM), ou at mesmo partes por bilho.
A Motorola ressaltou corretamente que a tecnologia moderna era to complexa, que pensamentos ultrapassados sobre nveis aceitveis de qualidade no poderiam mais ser tolerados.
Negcios modernos demandam nveis de qualidade beirando perfeio.
Uma informao surpreendente da literatura oficial Seis Sigma diz que um processo
funcionando com Seis Sigma produzir 3,4 PPM de no conformidades. Porm, ao se consultar a tabela especial de distribuio normal (poucas so criadas para Seis Sigma), descobrimos que as no conformidades esperadas so 0,002 PPM (2 partes por bilho, ou PPB).

Captulo Um

A diferena ocorre porque a Motorola presume que a mdia do processo pode tender 1,5
sigma para cada lado. A rea de uma distribuio normal que esteja 4,5 sigma acima da mdia
, de fato, 3,4 PPM. Como os grficos de controle facilmente detectaro qualquer mudana
de processo dessa magnitude numa nica amostra, o valor 3,4 PPM representa um limite
superior da taxa de no conformidade.
Contrastando com a qualidade Seis Sigma, o antigo padro de qualidade trs sigma de
99,73% significa 2.700 PPM de falhas, mesmo se assumirmos tendncia zero. Para processos
com vrias etapas, a produo final o resultado de todas as etapas. Por exemplo, se tivssemos um processo simples realizado em duas etapas, onde a etapa 1 tivesse uma produo de
80% e a etapa 2 tivesse uma produo de 90%, sua produo final seria 0,8 x 0,9 = 0,72, ou
72%. Note que a produo final de um processo que tenha vrias etapas ser sempre menor
que a produo da etapa com a menor taxa de produo. Se obtivermos nveis de qualidade
trs sigma (99,97% de produo) em cada etapa de um processo que tenha 10 etapas, o nvel de qualidade no final do processo conter 26.674 defeitos por milho. Considerando-se
que o grau de complexidade dos processos modernos geralmente ultrapassa 10 etapas, fcil
notar que a qualidade Seis Sigma no opcional; ela vital para a sobrevivncia da empresa.
A exigncia pela qualidade extremamente alta no se limita aos processos de mltiplos
estgios. Veja o que representaria a qualidade trs sigma se aplicada a outros processos:
r

r

r

r

r

Praticamente nenhum computador moderno funcionaria.

10.800.000 pedidos mal atendidos de assistncia mdica por ano.
18.900 ttulos pblicos do governo americano perdidos todo ms.
54.000 cheques perdidos por noite em cada grande instituio bancria.
4.050 faturas emitidas incorretamente por ms em empresas de telecomunicaes de
pequeno porte.
r
540.000 registros detalhados incorretos de ligaes a cada dia em uma empresa regional de telecomunicaes.
r
270.000.000 (270 milhes) de transaes erradas efetuadas com carto de crdito
por ano nos Estados Unidos.
Com nmeros to expressivos, fcil notar que o mundo moderno demanda por nveis extremamente altos de desempenho livre de erros. Seis Sigma surgiu como resposta
a essa necessidade.

Faa!
importante ressaltar que as empresas Seis Sigma no so instituies acadmicas. Elas competem no agitado mundo dos negcios e no podem se dar ao luxo de passar anos estudando
todos os aspectos de um problema antes de decidir que caminho seguir. Uma importante
habilidade esperada do lder de uma empresa Seis Sigma ou do patrocinador de um projeto
Seis Sigma decidir quando foram obtidas informaes suficientes para garantir determinado plano de ao. O lder Seis Sigma deveria ser conservador ao gastar o dinheiro dos
stakeholders. Em razo disso, a pesquisa para o projeto tende a estar fortemente focada na
obteno de informaes teis para os gerentes avaliam decises. Uma vez alcanado o nvel de confiana, os gestores devero convocar o Black Belt para levar o projeto da fase de
Anlise para a Melhora; ou da Melhora para a fase de Controle. Projetos so encerrados e os
recursos transferidos para outros projetos assim que possvel.

Construindo a Empresa Seis Sigma que Responde Prontamente

As empresas Seis Sigma no so infalveis; elas tambm cometem erros e perdem oportunidades. Mesmo assim, estudos revelam que elas cometem menos erros que seus concorrentes tradicionais e apresentam desempenho muito superior a longo prazo. Elas so capazes de
aprender com seus prprios erros, o que resulta em aprimoramentos sistemticos.

O Que Importante?
Quando trabalhava com um cliente do ramo aeroespacial, eu estava ajudando um executivo a configurar um sistema que identificava potenciais projetos Seis Sigma na sua rea. Eu
perguntei Quais so seus indicadores cruciais? Qual o foco do seu trabalho?. fcil,
respondeu ele. Como acabamos de finalizar nosso relatrio mensal, posso lhe mostrar.
Ele ligou para a secretria e solicitou que ela trouxesse as cpias do relatrio. Ela entrou
carregando trs enormes fichrios repletos de slides em PowerPoint. Esse executivo e sua
equipe passavam um dia inteiro do ms revisando todos aqueles indicadores, na esperana de
encontrar alguma luz que os ajudassem nos planejamentos futuros. Isso no foco, tortura!
Infelizmente, esse no foi um caso isolado. H anos, trabalho com milhares de pessoas
em centenas de empresas, e o pesadelo das mtricas , tpico. A mente humana no est preparada para lidar com tamanha informao. Os corvos podem seguir trs ou quatro pessoas;
acima disso, eles perdem a conta*. Assim como os corvos, ns s conseguimos armazenar um
nmero limitado de fatos em nossas mentes a cada vez. Ns ficamos simplesmente sobrecarregados quando tentamos reter muita informao. Um estudo acerca da sobrecarga de
informaes concluiu o seguinte (Waddington, 1996):
r
Dois teros dos gerentes reportam ter problemas com seus colegas de trabalho e perda da satisfao pelo trabalho por causa do estresse associado com a sobrecarga de
informaes.
r
Um tero dos gerentes apresenta problemas de sade como consequncia direta do
estresse associado ao excesso de informaes. O nmero salta para 43% entre os gerentes seniores.
r
Cerca de dois teros (62%) dos gerentes declararam que seus relacionamentos pessoais sofrem influncia direta devido sobrecarga de informaes.
r
43% dos gerentes acreditam que decises importantes so proteladas, e a capacidade
de tomar decises afetada como resultado de ter muita informao.
r
44% acreditam que o custo de se comparar informaes excede seu valor para o negcio.
Est claro que muita informao nem sempre o melhor.
Quando pressionado, quase todo executivo ou gerente admitir que apenas cerca de meia
dzia de indicadores so realmente importantes. Os demais ou so derivados, ou esto ali
para encher linguia. Quando eu perguntei qual era seu real interesse, meu cliente prontamente me mostrou um nico slide no meio do fichrio. Havia dois slides principais que
ele realmente se importava. Os itens de segundo nvel possuam meia dzia de informaes
importantes. Os seres humanos e no os corvos! , so capazes de lidar com esse nmero
de mtricas. Com esse foco mais concentrado, o executivo conseguiu reunir um sistema para
escolha de bons projetos Seis Sigma e membros de equipe.
As atividades Seis Sigma concentram-se em alguns fatos de maior relevncia para trs
principais grupos: clientes, acionistas e funcionrios. O foco principal o cliente, mas o

*Acesse Corvus brachyrhynchos, de Joe Wortham em http://www.geocities.com/jswortham/corvus.html.

10

Captulo Um

o interesse dos acionistas no menos importante. Obviamente, as exigncias desses dois

grupos so determinadas com a utilizao de mtodos cientficos. Alm disso, a cincia que
identifica as necessidades de clientes e acionistas ainda no est perfeitamente madura. Portanto, as informaes so obtidas atravs de muito contato pessoal em todos os nveis da empresa. Busca-se muito atender s necessidades dos funcionrios. Funcionrios bem tratados
permanecem por mais tempo na empresa e fazem um trabalho melhor.
O foco vem de duas perspectivas: de cima para baixo com os objetivos mais importantes,
e debaixo para cima com os problemas e as oportunidades. As oportunidades atingem os objetivos do projeto Seis Sigma, cuja escolha e desenvolvimento tornam-se aspectos crticos no
alcance das metas slidas da empresa. Os projetos Seis Sigma ligam as atividades da empresa
com seus objetivos de melhorias. A ligao to forte que, em empresas maduras, as pessoas
engajadas em projetos Seis Sigma so capazes de dizer quais objetivos da empresa sero impactados pelo seu projeto, e os lderes seniores conseguem medir o impacto do Seis Sigma na
empresa em termos claros e significantes. Os custos e benefcios do Seis Sigma so monitorados atravs da utilizao de sistemas de acompanhamento que podem decompor e analisar
os dados de formas distintas. A qualquer momento, um executivo ser capaz de afirmar se o
Seis Sigma est fazendo a parte dele. Em muitos programas de TQM do passado, as pessoas
no conseguiam apontar os principais benefcios, o que fazia com que o interesse diminusse
gradualmente, levando os programas a serem engavetados quando o prazo apertava. Empresas Seis Sigma sabem com preciso o que elas obtero com seu investimento.
Seis Sigma tem ainda um benefcio indireto raramente medido nas empresas: seu impacto no comportamento humano. Seis Sigma no funciona no vazio. Quando os funcionrios
notam os resultados fabulosos do Seis Sigma, eles mudam o comportamento no trabalho de
forma natural. O gerenciamento pelo cheiro no cheira bem (desculpem-me o trocadilho!)
em empresas Seis Sigma que alcanaram a massa crtica. A massa crtica ocorre quando a
cultura da organizao muda como resultado da implementao bem-sucedida do Seis Sigma em uma rea de grande relevncia da empresa. O confronto inicial de culturas resolveu-se
por si s, e aqueles que divergiam do Seis Sigma ou saram, ou passaram a defend-lo, ou
aprenderam a ficar quietos.
Ao implementar o Seis Sigma, importante no reprimir a criatividade em benefcio da
eficincia operacional. Por exemplo, um programa de P&D (Pesquisa e Desenvolvimento)
de sucesso requer muito pensamento criativo e originalidade. A pesquisa pode, de fato, sofrer
com o rigor excessivo e foco na preveno de erros. A pesquisa moderna necessariamente
tentativa e erro, demandando grande tolerncia a falhas. O caos da busca por novas ideias
deve ser gerenciado pelo sistema; esperado e deve ser encorajado. Em virtude de envolver
o desenho de processo e o teste de produtos, incluindo o conceito de fabricabilidade, Seis
Sigma certamente contribuir com a parte de desenvolvimento do P&D. O objetivo aplicarmos o Seis Sigma naqueles setores onde ele trar benefcios.
Se pararmos para pensar, um negcio uma tarefa complexa e exige criatividade, inovao e intuio para a liderana bem-sucedida. Embora seja bom ser orientado a dados, os
lderes devem, de fato, question-los, especialmente j que alguns dos mais importantes componentes do sucesso nos negcios no tm limite e no podem ser medidos. Duvide de dados
obscuros e submeta-os a uma verificao detalhada. Pode ser que esses dados representem um
avano surpreendente no conhecimento, mas podem simplesmente estar errados.
Considere este exemplo: uma empresa de software possua uma central de atendimento
de suporte tcnico para auxiliar seus clientes, a resolverem seus problemas com o software.
Foi realizada uma pesquisa de satisfao com os clientes, e o estatstico fez uma curiosa descoberta: o tempo de espera no era importante! A pesquisa mostrou que a satisfao do cliente
era a mesma para clientes atendidos imediatamente e para aqueles que estiveram aguardando