TÈcnicas AvanÁadas de ProduÁ„o, Six Sigma e Lean Production

Aula 1

Prof. Me. JosÈ M·rcio Fernandes

tutoriaengenhariadeproducao@grupouniter.com.br

Engenharia de ProduÁ„o

− conhecer os conceitos gerais da metodologia seis sigma

− dominar os conceitos de estatÌstica b·sica

− entender o significado de seis sigma

Lean

Seis Sigma

Identifica problemas

no fluxo

Melhora a capacidade

das etapas que

agregam valor

Conceitos B·sicos de Seis Sigma

Ao final desta aula, o aluno dever· ser capaz de:

− conhecer as vantagens da

aplicaÁ„o do seis sigma e do

lean

− estabelecer as relaÁıes entre o seis sigma e o lean

Por que seis sigma + lean?

− O lean e o seis sigma objetivam resultados

− O seis sigma reduz a variabilidade e o nÌvel de defeitos do processo

− O lean elimina desperdÌcios e melhora o fluxo do processo

Cada um Tem um Foco Distinto

Seis Sigma

Lean

Diminuir a variabilidade

Reduzir

desperdÌcios

Aumentar a qualidade

Reduzir o lead time

SoluÁ„o de problemas

complexos por meio de

ferramentas estatÌsticas

SoluÁ„o r·pida de

problemas (kaizen)

Aumento do

rendimento da cadeia

de valor

Aumentar o valor

agregado das

etapas do processo

MÈtrica: nÌvel sigma de

qualidade

MÈtrica: tempo

1

Qual a vantagem da associaÁ„o?

Detalhando as Duas

Metodologias

Elemento

Seis Sigma

Lean

Vis„o

Melhoria dos

processos

Melhoria da cadeia de

valor

Abordagem

ReduÁ„o de defeitos,

conceito de Critical to

Quality (CTQ)

ReduÁ„o de desperdÌcios,

conceito de valor

reconhecido pelo cliente

Objetivo

Diminuir a

variabilidade

Diminuir o valor n„o

agregado

Indicadores

Foco forte na efic·cia,

indicadores

mostrando atender as

especificaÁıes do

cliente

Foco forte em eficiÍncia,

indicadores mostrando

atender a produtividade

Elemento

Seis Sigma

Lean

£reas

Qualidade

ProduÁ„o

cl·ssicas de

coordenaÁ„o

Ferramentas

utilizadas

Mapa do processo,

estudos estatÌsticos,

matrizes de tomada

de decis„o, FMEA,

planos de controle

etc.

VSM, TOC,

kanban, poka-

yoke, JIT, SMED,

5S, gerenciamento

visual etc.

Empresas de

Empresas

Empresas

sucesso com

norte-americanas

japonesas

o programa

Filosofia, sistema ou

ferramenta?

Elemento

Seis Sigma

Lean

Estrutura da

equipe

Equipe formada por

belts compostos por

v·rios nÌveis e

departamentos

trabalhando no tema

do projeto

Atividades de pequenos

grupos (APGs),

compostos por equipes

da ·rea, envolvendo o

ch„o de f·brica

Natureza dos

trabalhos

Projetos definidos,

observando o impacto

no cliente interno e

externo

Projetos definidos,

observando o fluxo da

cadeia de valor

Metodologias

Dmaic e Dmadv

UtilizaÁ„o dos cinco

princÌpios

EstratÈgias de

implementaÁ„o

Implementar projetos

estratÈgicos ao

negÛcio da empresa

Implementar melhorias

nos pontos gargalos com

disseminaÁ„o do conceito

kanban

IntroduÁ„o ao Seis Sigma

Seis Sigma È um mapa geral

(Road Map) que ajuda a integrar

as ferramentas que visam a

melhoria de processos, reduÁ„o

da variabilidade e maximizaÁ„o

do retorno financeiro

2

O foco principal È atingir nÌveis

de defeitos de 3,4 ppm para as

caracterÌsticas crÌticas da

qualidade

(Critical To Quality ñ CTQs)

O Impacto da Qualidade

NÌvel 6Û

Quatro Sigma

Seis Sigma

Evento

(99,38% conforme)

(99,99966% conforme)

300.000 cartas postadas

1860 cartas extraviadas

1 carta extraviada

Um ano (525.600 minutos)

de fornecimento de ·gua

pot·vel

3258 minutos ou

54 horas de

·gua n„o pot·vel

1 minuto de ·gua n„o

pot·vel

Em 1.470.580 internaÁıes

hospitalares

9118 casos de

infecÁ„o hospitalar

5 casos de

infecÁ„o hospitalar

Aterrissagens de aviıes

no Brasil

Uma aterrissagem de

emergÍncia no

aeroporto de

Guarulhos por dia

Uma aterrissagem de

emergÍncia em todos os

aeroportos do Brasil a

cada cinco anos

Processos n„o tÈcnicos

A principal

caracterÌstica de um

processo n„o tÈcnico È

trabalhar com fluxo de

informaÁıes e ter, na

maioria das vezes,

como resultado

um produto intangÌvel.

Maximizar o Retorno, eis a Quest„o

Processos do

Ponto de Vista 6Û

Processos tÈcnicos

A principal caracterÌstica

de um processo tÈcnico

È o fluxo do produto

visÌvel e um produto

tangÌvel como resultado

desse processo.

£reas de AplicaÁ„o do Seis Sigma

Revis„o sobre Conceitos de EstatÌstica B·sica

Dados s„o colet‚neas de quaisquer valores relacionados a mediÁıes ou, segundo o dicion·rio AurÈlio, dado È a ìinformaÁ„o factual usada como base para raciocÌnio, discuss„o ou c·lculo.î

Modos de AplicaÁ„o do Seis

Sigma

Filosofia

Filosofia

EstratÈgia

EstratÈgia

Vis„o

Vis„o

Benchmark

Benchmark

MÈtrica

MÈtrica

EstatÌstica

EstatÌstica

Meta

Meta

Falando com Dados

Tipos de dados:

ïpopulacionais ñ s„o obtidos de

um universo finito, contemplando

todos os valores existentes

ïamostrais ñ s„o obtidos por meio

de uma amostragem retirada da

populaÁ„o, a qual pode ser finita

ou infinita

4

ClassificaÁ„o e CategorizaÁ„o dos Dados

Tipo

CaracterÌstica

Exemplo

MÈtodo

Quantitativo

Representado por

n˙meros reais,

podendo assumir todos

os valores dentro de

um intervalo

especificado

Massa, volume,

tempo de percurso,

temperatura, % de

venda, espessura de

uma peÁa

MediÁ„o

ContÌnuo

Representado por

Quantitativo

n˙meros inteiros (1, 2,

Contagem

Discreto

3, 4,

)

N˙mero de notas

fiscais preenchidas

erradas, n˙mero de

habitantes, n˙mero

de caixas em

estoque

Qualitativo ou

Atributivo

Ordinal

Representado por

n˙meros ou

classificaÁıes que

podem ser arranjados

em ordem de grandeza

ColocaÁ„o em uma

corrida

automobilÌstica,

ranking em uma

pesquisa, grau de

satisfaÁ„o

ClassificaÁ„o

Qualitativo ou

Atributivo

Nominal

Resulta de uma

classificaÁ„o, tomada a

partir de critÈrios

especÌficos

Sexo, tipo de n„o

conformidade, cor

dos olhos,

aprovado/

reprovado

ObservaÁ„o

Dados brutos

Dados organizados Dados transformados em gr·fico

OrganizaÁ„o dos Dados

E quando os dados s„o espalhados?

Dados espalhados

Medidas de TendÍncia

Central

ïModa (Mo): È a medida de maior

ocorrÍncia no conjunto de dados

ïMediana (Md): quando dados

discretos s„o dispostos em ordem

crescente torna-se possÌvel

localizar a mediana, a qual

corresponde ao ponto central

da distribuiÁ„o

Dados

agrupados

ïMÈdia aritmÈtica: consiste na

somatÛria dos valores obtidos

pela mensuraÁ„o ou contagem

dividida pelo n˙mero total

de valores

Determine a moda e a mÈdia para

os dados abaixo:

10,0

10,1

10,3 10,4

10,4 10,5 10,6 10,7 10,8 10,9

Moda È o valor de maior

ocorrÍncia

x



x



x

 

x

1

2

3

n

MÈdia 

n

10,0



10,1 10,3





10,4



10,4



10,5 10,6





10,7



10,8 10,9 



104,7

X



10,47

10

10

6

ïC·lculo da mediana:

ñ

ordene os dados em ordem

crescente

ñ

calcule o ponto mÈdio

N



1

10



1

10,4



10,5 

20,9

Md





 5,5

Md



10,45

2

2

2

2

10,0 10,1

10,3 10,4

10,4

10,5

10,6 10,7 10,8 10,9

1

2

3

4

5

6

7

8

9

10

5,5

mediana

A Dispers„o dos Dados Determina o Tamanho da Curva!

Medidas de Forma e Testes de Normalidade

Medidas de Dispers„o

ïDesvio-padr„o (Û ou s)

ïVari‚ncia (Û 2 ou s 2 )

ïAmplitude (R)

2



(

x

 

)

S 

n

(

x



 )

S 2

 

n

ñ Assimetria e Curtose

ñ Kolmogorov-Smirnov(KS)

ñ Anderson-Darling (AD)

7

DistribuiÁ„o Normal

ï… unimodal e simÈtrica

ïA probabilidade de dois valores equidistantes da mÈdia, mas em lados opostos, È a mesma

ïPelo fato de ser simÈtrica, mÈdia, mediana e moda possuem o mesmo valor

ïAs caudas da curva normal estendem-se atÈ o infinito

Utilizando a Tabela

de DistribuiÁ„o Normal



x

 



z 



De posse do valor do escore-z utilizamos

a tabela de distribuiÁ„o normal

padronizada para determinar a ·rea sob

a curva de distribuiÁ„o.

ï Exemplo: determine qual È a ·rea

sob a curva entre a mÈdia e um

ponto a 1,7 desvios-padr„o ‡ direita

da mÈdia. Procure pelo valor 1,7 na

coluna direita da tabela e o valor

0,00 na linha superior da tabela. O

cruzamento entre coluna e linha

(1,7 + 0,00) nos fornece o valor da

·rea sob a curva para um valor de

Z = 1,70, no caso 0,4554

£rea sob a

curva

45,54%

(z =0,4554)

8

O Significado de TrÍs Sigma

Curva com 6Û

± 6 sigma

99,9999998%

0,002 ppm

Fora de

especificaÁ„o

Limite Natural Inferior: LNI = µ ñ 6Û→ LNI

= 10 ñ (6 x 0,50) → LNI = 7,0 u.m.

Limite Natural Superior: LNS = µ + 6Û→ LNS

= 10 + (6 x 0,50) → LNS =13,0 u.m.

Reduza a

variaÁ„o (Û)!

Limite Natural Inferior: LNI = µ ñ 6Û→ LNI

= 10 ñ (6 x 0,25) → LNI = 8,5 u.m.

Limite Natural Superior: LNS = µ + 6Û→

LNS = 10 + (6 x 0,25) → LNS =11,5 u.m.

Curva com 3Û

± 3 sigma

99,73%

2.700 ppm

Limite Natural Inferior: LNI = µ ñ 3Û→ LNI

= 10 ñ (3 x 0,50) → LNI = 8,5 u.m.

Limite Natural Superior: LNS = µ + 3Û→ LNS

= 10 + (3 x 0,50) → LNS =11,5

u.m.

Como fazer para a curva ficar dentro dos limites de especificaÁ„o?

Mas, processos sofrem

deslocamento ao longo do

tempo. E agora?

Reduza mais ainda a variaÁ„o (”)!

Limite Natural Inferior: LNI = µ ñ 6Û→ LNI

= 10 ñ (6 x 0,20) → LNI = 8,80 u.m.

Limite Natural Superior: LNS = µ + 6Û→ LNS

= 10 + (6 x 0,20) → LNS =11,20 u.m.

Ent„o È f·cil elevar um nÌvel sigma no processo?