Introdução
“O Seis Sigma será o maior, o mais gratificante e, no final, o mais rentável empreendimento na nossa história”
Jack Welch, CEO, General Electric
No passado, os programas da Qualidade adoptados pelas empresas focavam-se na satisfação das necessidades dos clientes, não levando em consideração os custos implicados. Muitas empresas, ainda hoje, conseguem produtos e serviços que satisfazem os clientes, mas à custa de grandes volumes de retrabalho e correcção. Como não podem aumentar o preço dos seus produtos, de forma a mantê-los competitivos, os resultados são tremendas perdas de lucro.
O Seis Sigma surgiu como uma resposta à crescente necessidade Objectivo das empresas sustentarem a sua rentabilidade. Como uma filosofia e estratégia de negócio construída em torno do conceito de que as empresas podem aumentar a sua vantagem competitiva através da redução de defeitos em todos os seus processos. Através do Seis Sigma é possível aumentar os lucros das empresas e maximizar o valor para o consumidor, com produtos e serviços de elevada qualidade e custo o mais baixo possível.
Enquanto os programas tradicionais da Qualidade se dedicam a detectar e corrigir defeitos, o Seis Sigma aparece com uma visão mais alargada: proporciona métodos específicos para rever todo o processo para que este não produza defeitos.
Na prática o Seis Sigma é um processo disciplinado, baseado em dados, que através de um conjunto de métodos e ferramentas estatísticas reduz defeitos de forma considerável, reduzindo a variação.
A estratégia Seis Sigma
Identificar o que é importante para o cliente Reduzir defeitos
Centrar em torno do objectivo Reduzir a variação
Objectivos do Seis Sigma Redução de defeitos
Melhoria do rendimento do processo Aumento da satisfação do cliente
Sucesso do negócio
Para as empresas que o adoptam, o Seis Sigma significa:
– Foco no cliente;
– Apresentação de novas questões;
– Novas formas de resolver problemas;
– Eliminação do desperdício em todas as actividades;
– Elevação do nível de Qualidade;
– Levar os processos quase à perfeição e mantê-los lá;
– Colaboração entre cada departamento, cada operação, cada funcionário;
Uma nova maneira de pensar;
– Uma nova maneira de conduzir o negócio;
– Uma linguagem comum, que todos podem compreender, conduzida por dados e focada nos resultados.
É importante notar que o Seis Sigma vem reforçar, e não substituir, as ferramentas da Qualidade já aplicadas.
História do Seis Sigma
O Seis Sigma surgiu na Motorola em 1985 quando um engenheiro, Bill Smith, começa a influenciar a organização para que se estude a variação dos processos, como uma forma de os melhorar.
Em 1991, Lawrence Bossidy toma o mesmo tipo de iniciativa na Allied Signal, transformando uma empresa com problemas, num enorme êxito. Durante a implementação do Seis Sigma nos anos 90, a Allied Signal multiplicou as suas vendas e os seus lucros. Este exemplo foi também seguido pela Texas Instruments, levando ao mesmo êxito.
Em 1995 o CEO da General Electric, Jack Welch, inteira-se do sucesso desta nova estratégia, dando lugar à maior transformação iniciada nesta enorme organização. O esforço e o empenho de Jack Welch transformaram a GE numa “organização Seis Sigma”, com resultados de grande impacto em todas as suas divisões.
Desde então, centenas de companhias por todo o mundo adoptaram o Seis Sigma como uma forma de fazer negócio.
Empresas pioneiras do Seis Sigma
1985 1986 – 1994 1995 – 1997 1997 – 2003
Motorola
ABB Allied Signal Texas Instruments
General Electric Bombardier
Nokia
Polaroid Corporation Sony Dow Dupont Toshiba Lockheed Martin Korea Heavy Industries
Crane Avery Dennison
Shimaro McKesson Seagate Technology
American Express BBA Group PLC Lear Corporation
O que é o Sigma?
O valor de Sigma (σ), também designado por desvio padrão, é um parâmetro estatístico de dispersão, que expressa a variabilidade de um conjunto de valores em relação ao seu valor médio.
Se forem fixados os limites de especificação pelo cliente, em relação ao valor central objectivado, quanto menor for o sigma, menor será o número de valores fora de especificação, portanto, menor será o número de defeitos.
Variação elevada
Variação reduzida
O nível Sigma (z) é uma métrica geralmente usada para indicar qual a capacidade do processo se realizar sem erros / defeitos. Na escala de qualidade do Seis Sigma o nível sigma corresponde ao número de Sigmas que cabem dentro do intervalo definido pelos limites de especificação.
O número de Sigmas pode ser calculado pela diferença entre o Limite Superior Especificado (LSE) e o Limite Inferior Especificado (LIE) dividido pelo desvio padrão (σ).
Processo 3 Sigma
A distância entre o ponto de inflecção da curva de distribuição e o valor médio (μ) representa o desvio padrão (σ). Se três desses desvios couberem entre o valor médio e o limite de especificação, pode dizer-se que o processo tem uma capacidade de 3 Sigma. Assim, quanto mais perto estão os valores medidos do valor central óptimo, mais pequeno é o valor de sigma, e consequentemente, maior número de Sigmas entrarão dentro dos limites de tolerância.
Processo 6 Sigma
A um nível 6 Sigma, entram no espaço entre a média e cada um dos limites de especificação um total de 6 desvios padrões (σ).
Assim, quanto mais elevado for o nível Sigma, melhor será o processo, e menor é a probabilidade de um erro / defeito ocorrer.
O nível sigma de desempenho também é expresso como “defeitos por milhões de oportunidades”
(DPMO). Os DPMO indicam quantos erros apareceriam se uma actividade fosse repetida um milhão de vezes.
O termo “oportunidade” (hipótese para a não conformidade ou não cumprimento das especificações requeridas) é usado mais do que o termo “unidade”, porque as unidades variam na sua complexidade (uma unidade pode ser um relatório, um contrato, um telefonema, ou qualquer outra coisa que descreva um produto). Os “defeitos por milhão” apenas descrevem qual é a percentagem das unidades que terá defeitos que passariam para o cliente.
O nível sigma e os DPMO podem ser relacionados da seguinte forma:
Relação entre nível Sigma (z) e DPMO
É importante compreender que o Seis Sigma é um objectivo de desempenho referente a uma característica considerada como crítica para a qualidade e não a um produto total. Por exemplo, se um automóvel é descrito como “Seis Sigma” isso não significa que apenas 3,4 automóveis, num milhão, serão defeituosos, mas que num único automóvel existe a possibilidade de ocorrerem 3,4 defeitos numa característica crítica para o cliente, num milhão de oportunidades. Então, em vez de se dizer que um produto é Seis Sigma, diz-se que a oportunidade para a não conformidade nesse produto é Seis Sigma. Não é uma medida de um produto, mas sim uma medida de desempenho desse produto.
O quadro seguinte permite melhor compreender o que significa um desempenho Seis Sigma (ou 3,4 defeitos por milhão de oportunidades) e qual a sua diferença, em termos práticos, de um desempenho 3,8 Sigma.
Desempenho 3.8 Sigma vs. 6 Sigma
A Metodologia
A Metodologia Seis Sigma inclui o uso de um conjunto de ferramentas, algumas também conhecidas como ferramentas da Qualidade, que são implementadas de forma sistemática e orientada para o projecto, através de um ciclo composto pelas seguintes cinco fases:
Ciclo DMAIC
Ferramentas típicas do DMAIC
Esta metodologia de resolução de problemas, normalmente designada por DMAIC é posta em prática por grupos especialmente formados para dar solução a diversos problemas da organização e ir ao encontro dos seus objectivos.
Os pontos-chave do DMAIC encontram-se em:
1. Medir o problema. É sempre necessário ter uma noção clara dos defeitos produzidos em termos de quantidades e de custos associados;
2. Enfocar no cliente. As necessidades e requisitos do cliente são fundamentais e devem-se ter sempre devidamente em consideração;
3. Verificar a causa raiz. É essencial chegar à razão fundamental ou raiz, evitando ficar apenas pelos sintomas;
4. Romper com os maus hábitos. Uma mudança real requer soluções criativas;
5. Gerir os riscos. A comprovação e o aperfeiçoamento das soluções é fundamental para a melhoria;
6. Medir os resultados. O seguimento de qualquer solução é verificar o seu impacto real;
7. Manter a mudança. A chave final é conseguir que a mudança perdure.
As cinco fases da metodologia DMAIC dividem-se em 12 passos:
Os 12 passos da metodologia
Passo 1.a) Seleccionar a Característica de Saída (o “Y”) Questão chave: Qual é o problema? Qual é o defeito?
Âmbito do projecto
Cada projecto deve focar-se num defeito específico. Por vezes é necessário dividir o problema inicial em vários problemas menores, podendo cada um destes tornar-se um projecto. Se um projecto tiver um âmbito muito grande ou definido de forma pouco clara, poderá ser conduzido ao fracasso.
Os requisitos para a definição do projecto são:
1. Uma declaração do problema;
2. Um defeito específico e mensurável (o Y);
3. Uma definição do defeito;
4. Um objectivo para a redução percentual do defeito.
Todos estes pontos devem estar devidamente ligados e focados no mesmo defeito.
A declaração do problema deve incluir:
– Uma descrição detalhada do que é o problema;
– A sua importância para a organização e/ou para os seus clientes;
– O nível actual de desempenho.
Nota: a declaração do problema não deve conter causas potenciais, soluções ou conclusões, nem deve referenciar os custos associados (estes são o resultado do problema e não o problema em si).
Informações não suportadas por dados também não devem ser incluídas.
A definição do defeito deve incluir:
– Uma descrição clara do que é o defeito;
– Uma explicação de como o defeito é medido;
– A unidade de medida.
Nota: no inicio do projecto, deve-se definir a unidade de medida e criar o sistema de medição, se este não existir.
O objectivo do projecto deve:
– Esclarecer quando o projecto será considerado como bem sucedido;
– Estar declarado em termos do defeito;
– Ser alcançável.
Passo 1.b) Identificar as variáveis de Entrada / Saída do Processo Tem como finalidade:
– O desenvolvimento de um Mapa de Processo relacionado com o projecto;
– A identificação das variáveis chave de entrada e de saída do processo;
– A avaliação das métricas do processo.
Passo 2 – Definir o Padrão de Desempenho
Questão chave: Qual é a especificação ou o padrão de desempenho requerido pelo Cliente?
Antes de calcular o nível de desempenho actual da característica de saída (“Y”), é necessário saber o seu padrão de desempenho ou especificação.
Se não existir uma especificação “natural”, esta deve ser criada de forma a se tornar possível medir aquilo que é considerado como defeito. Assim, poderá ser efectuado o cálculo dos DPMO iniciais e finais e conseguir-se-á avaliar a melhoria atingida com a realização do projecto.
Passo 3 – Validar o Sistema de Medida
Questões chave: É possível medir o “Y” de forma exacta e consistente? Os dados são fiáveis?
Para melhorar os processos, é necessário reunir dados das características críticas para o Cliente.
Quando existe variação nestes dados, esta pode ser atribuída à própria característica que está a ser medida, ou à forma como estas medições estão a ser executadas (erro de medida). Um erro de medida elevado afecta os dados e pode conduzir à tomada de decisões incorrectas.
Um sistema de medida é o processo usado para obter medições e é constituído por procedimentos, aparelhos de medição e os operadores que obtêm as medições. Cada componente deste sistema representa uma fonte potencial de erro que poderá ser identificada e avaliada através do uso de ferramentas estatísticas. Dado que a repetibilidade e a reprodutibilidade são tipos de erro de grande importância, são objecto de um estudo específico denominado Estudo da Repetibilidade &
Reprodutibilidade do aparelho de medição (do inglês Gage R&R Study). Este estudo pode ser realizado em sistemas de medida baseados tanto em atributos como em variáveis e permite uma avaliação da consistência das medições. Se esta não existir, o sistema de medida deverá ser melhorado para que garanta a eficiente e exacta análise dos dados gerados para uma dada característica.
Passo 4 – Estabelecer a Capacidade do Processo Questão chave: Qual é a taxa de defeituosos actual?
Antes de indicar as métricas utilizadas para medir a capacidade de um processo, importa compreender a diferença entre dados a curto prazo e dados a longo prazo.
– Dados a longo prazo:
• Refletem a influência de causas comuns e especiais de variação;
• São obtidos durante um espaço de tempo alargado: vários turnos de produção, diversas máquinas, operadores e lotes de matéria-prima.
– Dados a curto prazo:
• Não englobam causas especiais;
• Representam apenas o efeito de causas aleatórias;
• São obtidos durante um curto espaço de tempo: um turno de produção, uma máquina, um operador e matéria-prima de apenas um lote.
As principais métricas de processo para dados contínuos são o CP,CPK, PP e o PPK. O PP é usado para exprimir a capacidade potencial do processo a curto prazo, assumindo que o processo é centrado e que se conseguem eliminar todas as causas especiais. O CP é usado para exprimir essa capacidade a longo prazo. O CPK e o PPK indicam se o processo é centrado e capaz de produzir segundo os limites especificados.
Os defeitos por oportunidade (DPO), partes por milhão (PPM), defeitos por milhão de oportunidades (DPMO) e defeitos por unidades (DPU) são as principais métricas usadas para dados discretos.
O nível sigma (z) é considerado uma das melhores métricas a utilizar, já que pode ser usado para comparar processos de natureza muito diferente. Pode ser calculado para qualquer processo, independentemente do tipo de dados usados, contínuos ou discretos. Quando se escolhe esta métrica para representar a capacidade do processo deve-se usar, por convenção, o valor a curto prazo, ZST (ST do inglês “short term” para curto prazo).
É necessário, no entanto, tomar em consideração a fonte dos dados antes de calcular o valor de z.
Distribuição a curto prazo vs. a longo prazo
Z curto prazo = z longo prazo + 1.5
Conversão ZST / ZLT
Nota: LT corresponde a “long term”, a designação em inglês para “longo prazo”.
A tabela seguinte compara os valores de DPMO a curto prazo e a longo prazo, para diferentes níveis sigma:
DPMO a curto prazo vs. a longo prazo Nível
Sigma
DPMO a curto prazo
DPMO a longo prazo
1 158655,3 691462,5
2 22750,1 308537,5
3 1350,0 66807,2
4 31,7 6209,7
5 0,3 232,7
6 0,0 3,4
Passo 5 – Definir os Objectivos de Desempenho
Questão chave: Dada a taxa de defeituosos actual, quanto se espera melhorar?
É importante definir a que nível se quer chegar no final do projecto. Para isso, deve-se estabelecer um objectivo que permita identificar se o projecto está concluído e se foi bem sucedido.
A definição do objectivo do projecto poderá ter como base um dos seguintes pontos:
– A regra dos 90/50:
Se z < 3 - reduzir o defeito em 90%;
Se z > 3 - reduzir o defeito em 50%;
– Exigências do cliente;
Objectivos de negócio ou operacionais.
Passo 6 – Identificar as fontes de variação
Questão Chave: Quais são as causas potenciais do defeito?
Nesta fase do projecto, utilizam-se ferramentas tais como o Mapa do Processo detalhado, a Matriz Causa e Efeito e a Análise Modal de Falhas e Efeitos, para listar todas as variáveis de entrada (Xs) que possam afectar a variável ou característica de saída (Y).
O Mapa do Processo é uma ilustração do processo actual, que permite identificar:
– Os passos do processo com e sem valor acrescentado;
– As entradas do processo (X’s);
– As saídas do processo ou produto (Y’s);
– Os pontos de recolha de dados.
O Mapa do Processo fornece a base para a actividade da equipa do projecto: identifica oportunidades para a eliminação de passos sem valor acrescentado e as variáveis de saída a analisar.
A Matriz Causa e Efeito é uma matriz simples que serve para enfatizar a importância da compreensão dos requisitos do Cliente. Tendo como fonte primária o Mapa do Processo, é usada para relacionar e prioritizar os X’s e os Y’s (identificando as variáveis de saída críticas e avaliando o efeito de cada X em cada Y ) através de uma classificação numérica.
A Matriz Causa e Efeito tem como resultado um diagrama de Pareto em que são seleccionados os X’s que servirão como ponto de partida para a Análise Modal de Falhas e Efeitos. É esta a primeira abordagem da equipa à determinação do Y= f(X).
A Análise Modal de Causas e Efeitos é usada para:
– Identificar de que maneira um produto ou processo pode falhar;
– Estimar o risco associado a uma causa específica;
– Prioritizar as acções que devem ser tomadas para reduzir o risco.
A Análise Modal de Causas e Efeitos é uma ferramenta chave na prevenção de falhas e permite também identificar as potenciais variáveis a considerar em estudos Multi-Variáveis e Desenhos de Experiências. Deverá ser um documento dinâmico, continuamente revisto, aperfeiçoado e actualizado.
A Análise Multi-Variável deve ser usada para:
– Criar um plano de amostragem apropriado;
– Analisar graficamente dados históricos ou pontuais;
– Identificar causas de variabilidade óbvias;
– Direccionar e servir como entrada para os Desenhos de Experiências.
Trata-se de uma excelente ferramenta gráfica para visualizar o impacto que vários X’s (que possam ser classificados, por natureza, como atributos) têm na resposta Y.
Correlação (ou Diagrama de Dispersão) e Regressão Linear
A correlação mede o grau de linearidade ou a intensidade da associação entre duas variáveis contínuas, assumindo que são completamente independentes uma da outra. O coeficiente de correlação, valor R, indica em que medida essa associação é linear. A regressão define esta associação de uma forma mais precisa, pois resulta numa equação que usa uma ou mais variáveis de entrada (X’s) para ajudar a explicar a variação na característica de saída (Y).
Passo 7 – Examinar as Causas Potenciais
Questão Chave: Usando testes estatísticos, é possível concluir quais as causas potenciais que estão a afectar a taxa de defeituosos?
Testes de Hipóteses
Em conjunto com as ferramentas gráficas, também são utilizados Testes de Hipóteses para a identificação e comprovação dos X vitais. Nestes testes são usadas, normalmente, amostras pequenas para responder a questões acerca de parâmetros da população.
Parâmetros da População e da Amostra
Um Teste de Hipóteses responde à seguinte questão acerca de um problema prático:
“Existe uma diferença real entre_______ e _______?”
Etapas de um Teste de Hipóteses
O Nível de Confiança (α) de um Teste de Hipóteses indica o grau de certeza que se pode ter no resultado do teste. Usa-se, na maioria das vezes, um nível de confiança de 95%.
Conforme o tipo de dados, existem diferentes testes que poderão ser usados para determinar diferenças:
Tipos de teste de hipóteses
Passo 8 – Descobrir Relações entre as Variáveis
Questão chave: Agora que se sabe quais as variáveis que causam o defeito, como deverão ser fixadas para produzirem uma quantidade mínima de defeitos?
Deverá ser avaliado se algum dos X’s vitais é afectado por outro X vital. Esta avaliação é feita de forma primária através do uso do Desenho de Experiências. O Desenho de Experiências é um processo experimental que determina qual o impacto de múltiplas entradas numa saída seleccionada e deverá ser realizado de acordo com a seguinte sequência:
Etapas do Desenho de Experiências
No final deste passo sabe-se, então, quais são os X’s que afectam o Y e como os X’s se afectam uns aos outros.
Passo 9 – Estabelecer Tolerâncias de Operação
Questão chave: Pode-se estabelecer uma tolerância para as variáveis de entrada que mantenha uma baixa taxa de defeitos, permita alguma flexibilidade e facilite o controlo?
Uma vez conhecida a relação entre a característica de saída (Y) e uma dada variável de entrada, é relativamente simples determinar as tolerâncias de operação óptimas.
O Objectivo é o valor para uma variável crítica de entrada, determinado através do uso de Testes de Hipóteses (Regressão e Desenho de Experiências, incluídos) que irá fornecer os melhores resultados.
As Tolerâncias de Operação são estabelecidas para variáveis de entrada de natureza contínua, para assegurar que a relação entre as variáveis de entrada e a resposta desejada é reconhecida.
O gráfico seguinte representa uma resposta (Y) em função da variável de entrada (X):
Gráfico de Regressão
Se o valor do objectivo para a característica de saída (Y) for entre 30 e 40, é necessário controlar a variável de entrada no intervalo de valores entre 6 e 8.
Gráfico de Regressão com tolerâncias de operação
Se o nível de confiança pretendido for de 95% e tendo em conta a variação em torno da linha de regressão, esse intervalo é estreitado, ficando entre os valores 6,7 e 7,3.
Passo 10 – Validar o Sistema de Medida
Questão chave: Depois da melhoria, continua a ser possível medir o defeito ou as suas causas?
A resposta (Y) pode ter melhorado de tal forma, que já não seja possível medi-la, sendo assim necessário melhorar o sistema de medida.
Este passo é tecnicamente igual ao passo 3, mas, para além da avaliação do sistema de medida da característica de saída (Y), deve-se também avaliar o sistema de medida para cada variável de entrada crítica do processo (X’s).
Passo 11 – Determinar a Capacidade do Processo
Questão chave: Qual é a taxa de defeituosos depois das melhorias implementadas?
Esta é a altura em que se determinam os resultados formais do projecto, comparando a nova capacidade do processo com a capacidade inicial (passo 4) e com o objectivo (passo 5).
O propósito deste passo é medir a eficácia das melhorias implementadas no processo e demonstrar o sucesso do projecto.
Passo 12 – Implementar Controlos do Processo
Questão chave: Como se tem a certeza que a melhoria se mantém?
O controlo do processo permite tomar acções baseadas em resultados de monitorização, para centrar o processo e controlar a sua variação. Sempre que as ferramentas de controlo do processo detectam uma situação “fora de controlo”, o responsável pelo processo faz as devidas alterações ou ajustes para que o processo entre, novamente, em controlo.
Controlo do Processo
As técnicas de controlo empregues poderão ser divididas em três grandes grupos:
– Controlo de nível 3: eliminação virtual do defeito.
Exemplo: Grupos Poke Yoke.
– Controlo de nível 2: capacidade de prever o defeito.
Exemplo: Controlo Estatístico de Processo.
– Controlo de nível 1: controlos dependentes do operador.
Exemplo: instruções verbais e escritas.
Funções e Responsabilidades
Para levar a cabo as actividades do Seis Sigma são necessários recursos humanos devidamente qualificados, capazes não apenas de aplicar correctamente a metodologia, mas também de levar a filosofia Seis Sigma a todos os níveis da organização, criando uma visão partilhada.
As funções, e respectivas responsabilidades, ligadas à actividade Seis Sigma encontram-se resumidas no quadro seguinte.
Funções e Responsabilidades
Função Responsabilidades
Champion
– Criar a visão
– Aprovar e gerir os recursos – Remover as barreiras
– Gerir os projectos através de várias unidades de negócio
Master Black Belt
– Assistência ao Champion
– Ensinar as ferramentas e a metodologia – Formar e dar suporte aos Black Belts – Rever o estado dos projectos – Desenvolver planos de actividade
Black Belt
– Dedicado a 100% à função – Liderar projectos
– Treinar equipas
– Formar e dar suporte aos Green Belts – Aplicar a metodologia
– Promover a conclusão dos projectos – Identificar novos projectos
Green Belt
– Desenvolvimento de projectos (tipicamente com dedicação de 10 a 30%)
– Apoio aos Black Belts
