Parâmetros utilizados no “Seis Sigma”

Uma iniciativa Seis Sigma possui componentes técnicos e de gestão. Sob o enfoque da gestão, o objetivo é identificar os projetos em que os resultados relativos aos custos e às receitas possam ser atingidos e sustentados. Sob o enfoque técnico, o foco é a dinamização no desempenho dos processos (i. e., reduzindo a variabilidade) e a aplicação disciplinada de ferramentas estatísticas no aprimoramento dos processos (Ruthes et al., 2006). A ferramenta é direcionada no sentido de se alcançar operações com não mais de 3,4 defeitos por um milhão de ocorrências e portanto é orientada para prevenção, tornando-se uma das principais motivações para a medição da melhoria contínua e para a fixação de níveis referenciais competitivos. Breyfogle (2003) afirma que se os dados fossem concentrados dentro dos limites de especificação e tivessem vários desvios padrões à taxa de PPM (partes por milhão), representaria o número produtos fora da especificação em partes por milhão. Na Tabela III. 2 é apresentada a correspondência entre o no. de sigmas (desvio padrão do processo) e o no. de “defeitos” (fora da especificação) produzidos.

Tabela III. 2:Tabela de conversão entre PPM e Seis Sigma. ± Nível sigma do limite de

especificação * Distribuição centralizada (%) ** Defeitos por milhão Distribuição 1,5 sigma (PPM) 1 sigma 68,26 697.672,15 2 sigma 95,46 308.770,21 3 sigma 99,73 668.10,63 4 sigma 99,9937 6.209,70 5 sigma 99,999943 232,67 6 sigma 99,9999998 3,4 *

Dados centrados em relação à média histórica. **O médio é deslocado de 1,5 sigma. Fonte: Ruthes et al. (2006)

Um desempenho perto de um Sigma (1σ ou simplesmente 1s) mostra que o processo produz mais defeitos do que bons resultados. "Seis Sigma" significa uma redução da variabilidade no resultado do processo ou produto: 99,9999998% de resultados dentro da especificação, isto é, dois defeitos por bilhão de resultados gerados pelo processo. Mesmo se o valor médio do processo se afastar do valor ideal em 1,5 sigma, não se espera obter mais do que 3,4 defeitos por milhão de resultados.

A variabilidade pode ser definida como uma medida do grau de dispersão dos resultados dos processos em torno do valor médio. As formas mais comuns de se expressar a variabilidade são as medidas estatísticas da amplitude, da variância e do desvio-padrão. O uso de técnicas estatísticas pode ajudar no entendimento da variabilidade e, desta forma, auxiliar na melhoria da eficácia e da eficiência dos processos (Maranhão, 2001). De acordo com Palmer (1974), o controle e a redução da variabilidade dos processos são uma fonte de economia. A opção por processos com níveis muito elevados de precisão pode aumentar a relação custo/benefício e, portanto, torna-se desnecessária no atendimento das especificações. Isto pode tornar os processos onerosos, tanto do ponto de vista de controle, quanto sob do ponto de vista econômico. Para Pande et al. (2001), a variabilidade contribui no entendimento do desempenho real da organização e seus processos. Muitas organizações medem e descrevem seus esforços de melhoria de desempenho em em termos de médias. Contudo, as médias ocultam a variabilidade do processo. No Seis Sigma o objetivo é estreitar ou reduzir a variabilidade até que os seis desvios-padrão possam ser comprimidos

nos limites de especificações, conforme mostrado a seguir. A utilização desta ferramenta tem como premissa a distribuição normal dos dados analisados, representando uma distribuição de probabilidade (Dellaretti e Drumond, 1994). Essa distribuição é freqüentemente adequada para descrever características de qualidade cuja variabilidade é a soma de um grande número de pequenos erros independentes, devido a diferentes causas, tais como os fatores de manufatura. A distribuição normal é caracterizada através de dois parâmetros: (i) o centro da distribuição (média), representado por ; e, (ii) a dispersão da distribuição (desvio padrão), representada pela letra grega σ ou simplesmente por “s”. Cada

desvio padrão (s) representa uma área debaixo da curva da distribuição normal. Na Figura 3. 2, estão mostradas duas curvas de distribuição normal. A curva (a) representa

o nível 3σ, com variabilidade igual à tolerância de projeto (especificação de mercado); na curva (b) a variabilidade do processo é igual a 50% da tolerância de projeto e representa o nível 6σ (Davis et al., 2001).

Legenda: LIC: limite inferior de controle; LSC: limite superior de controle; LIE: limite inferior de

especificação; LSE: limite superior de especificação, LC: linha central (média histórica dos dados). Fonte: Adaptado de Ruthes et al. (2006)

Figura 3. 2: Curvas de distribuição normal para : (a) variabilidade do processo igual à tolerância de projeto (especificação); (b) variabilidade do processo é igual a 50% da

tolerância de projeto (meta do seis sigma).

___

Atendida a premissa de distribuição normal dos dados, pode-se analisar a variabilidade e comparar o desempenho atual com o esperado. A linha central, LC, é definida como a média histórica dos dados. O limite inferior de controle (LIC) e o limite superior de controle (LSC) são a soma e a diferença, respectivamente, da média histórica e desvios- padrão. O desvio padrão é calculado pela equação:

(3.1)

onde n: número de resultados avaliados

___

x : média histórica dos resultados do processo

___

x i: resultado individual do processo

Os limites de especificação, também conhecidos como limites de tolerância de projeto (LIE - limite inferior de especificação- e LSE - limite superior de especificação) representam o que se exige no projeto para que o produto possa atender às necessidades do mercado (Pande et al., 2001).

Quando a variabilidade de um processo até então sob controle estatístico se torna anormal, as amostras indicarão que o processo se modificou. As causas de modificação podem ser identificadas e por isso são chamadas de “causas especiais”. A presença das mesmas é indicada pela ocorrência de diferenças significativas entre o valor observado e a média do processo, isto é, de valores amostrais fora da faixa de controle (Ruthes et al., 2006). O processo sob controle estatístico não possui nenhum ponto fora dos limites e sua variabilidade é atribuída a causas comuns de processo, conforme demonstrado na Figura 3. 3. 2 ___ ___ 1 ) ( 1 1 x x n s i n i − − =

∑

Fonte: Adaptado de Ruthes et al. (2006)

Figura 3. 3: Representação do controle estatístico de processo para um processo 6σ. O objetivo do controle estatístico da qualidade é alcançar um processo tanto sob controle como dentro das tolerâncias de especificação (Davis et al., 2001; Slack et al., 1996). Uma forma rápida de verificar se o objetivo está sendo alcançado é através do uso do coeficiente de capabilidade de processo (Cp), que indica a variabilidade do processo sob a ocorrência de causas comuns. Este coeficiente passa a ser designado como Pp se a variabilidade do processo se encontra sob a atuação de causas comuns e especiais (anomalias). A capabilidade é a razão entre o intervalo de especificação (LIE – LSE) e a faixa característica do processo (ou seja, a variabilidade de ± 3 desvios-padrão), e pode ser calculada utilizando a fórmula apresentada na Eq. (3.2). Idealmente a condição desejada é que se tenha Cp >1, o que significa que a variabilidade do processo está dentro dos limites de especificação, sendo “capaz” de gerar produtos dentro da especificação de projeto. Em outras palavras, a variabilidade é tolerada dentro das faixas de especificação.

s LIE LSE Cp 6 − = (3.2)

Se Cp e Pp são iguais ou muito próximos, isso significa que no processo há poucas ocorrências de causas especiais, sendo a variabilidade em sua maior parte atribuída a causas comuns (variabilidade natural do processo). Davis et al. (2001) ressalvam que o coeficiente de capabilidade do processo (Cp ou Pp) não é suficiente para se avaliar o desempenho do

(LSC)

(LIC) X

X X

mesmo. O Índice de Capabilidade (Cpk- se processo sob atuação de causas comuns ou PPk, se o processo se encontra sob atuação de causas comuns e especiais), calculado através da Eq. (3.3), permite determinar se a média do processo está próxima ao Limite Superior (LSE) ou Inferior de Especificação (LIE).

⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ _{− −} = s LIE x s x LSE Cpk 3 , 3 min __ ___