GREEN BELT:
PROJETO PARA MELHORIA DO DESEMPENHO DA QUALIDADE E
PERFORMANCE DE PRODUO
Campinas
2013
JONATHAN FELIPE MATHEUS R.A. 004200900225
TATIANE VERIDICO RODRIGUES R.A. 004200900072
YANN BARROS DE TOLEDO FERRARI R.A. 004200900100
GREEN BELT:
PROJETO PARA MELHORIA DO DESEMPENHO DA QUALIDADE E
PERFORMANCE DE PRODUO
Campinas
2013
JONATHAN FELIPE MATHEUS
TATIANE VERIDICO RODRIGUES
YANN BARROS DE TOLEDO FERRARI
GREEN BELT:
PROJETO PARA MELHORIA DO DESEMPENHO DA QUALIDADE E
PERFORMANCE DE PRODUO
Banca Examinadora:
Esta monografia demonstra como a metodologia e o conceito Seis Sigma pode ser
aplicado na rea de manufatura de uma indstria automotiva. O Seis sigma uma
metodologia que utiliza um conjunto de ferramentas da qualidade automotiva e ferramentas
de estatstica aplicadas seguindo uma seqncia cronolgica de projeto conhecida como
DMAIC. uma sistemtica voltada para soluo de problemas crnicos e melhoria de
processos e que com o auxilio da estatstica, pode ser comprovada atravs de fatos e
dados. O que ser apresentado no decorrer do trabalho ser a aplicao na prtica do
conceito Seis Sigma na melhoria do desempenho da qualidade e performance de uma linha
de produo, visando a reduo de desperdcios, melhora da qualidade e,
conseqentemente, aumento da competitividade da empresa no mercado. Essa linha de
produo consiste no processo de montagem de uma vlvula pedal de freio que utilizada
em caminhes e nibus para acionamento pneumtico do sistema de freio de veculos
comerciais pesados. O resultado encontrado pela aplicao desta metodologia foi uma
reduo no desperdcio por conta de reprovao de peas ocasionado por sistema de
medio no confivel e problemas relacionados a qualidade de peas e componentes
comprados. Foi utilizado o software minitab verso 16 para criao e anlise de dados e
grficos.
This monograph demonstrates how the methodology and concept Six Sigma can be
applied in the area of manufacturing an automotive industry. Six Sigma is a methodology that
uses a set of quality automotive tools and statistical tools applied following a chronological
sequence of project - known as DMAIC . It is a systematic solution facing chronic problems
and improving processes and with the help of statistics, can be proven through facts and
data . What is presented in this work will be the practical application of the concept in Six
Sigma performance improvement of quality and performance of a production line, in order to
reduce waste, improve quality and consequently increase the competitiveness of company in
the market. This production line is in the process of assembling a pedal brake valve that is
used in trucks and buses for pneumatic actuation of the brake system of heavy commercial
vehicles. The results found by the application of this methodology was a reduction in waste
because of disapproval caused by unreliable measurement and problems related to quality of
purchased components and spare parts system. Minitab version 16 software for creating and
analyzing data and graphs were used.
1 INTRODUO .............................................................................................................. 10
1.1 CONTEXTUALIZAO........................................................................................... 10
1.1.1 Empresa .......................................................................................................... 11
1.2 OBJETIVOS............................................................................................................ 11
1.3 JUSTIFICATIVA...................................................................................................... 12
2 REVISO BIBLIOGRFICA ......................................................................................... 13
2.1 QUALIDADE ........................................................................................................... 13
2.1.1 Eras da Qualidade........................................................................................... 14
2.2 FERRAMENTAS DA QUALIDADE.......................................................................... 16
2.2.1 Fluxograma ..................................................................................................... 17
2.2.2 Folha de Verificao........................................................................................ 18
2.2.3 Grfico de Pareto ............................................................................................ 19
2.2.4 Diagrama de causa e efeito ............................................................................. 20
2.2.5 Grfico de Tendncia ...................................................................................... 20
2.2.6 Histograma ...................................................................................................... 21
2.2.7 Cartas de Controle .......................................................................................... 21
2.2.8 Grficos de Disperso ..................................................................................... 22
2.2.9 Ferramentas da Qualidade na Indstria Automotiva ........................................ 22
2.2.9.1 MSA (Measurement Systems Analysis) ......................................................... 23
2.2.9.2 CEP (Controle Estatstico do Processo)......................................................... 25
2.2.9.3 FMEA (Failure Mode and Effect Analysis) ...................................................... 26
2.2.9.4 Os 5 Porqus ................................................................................................. 26
2.2.9.5 5W2H............................................................................................................. 27
2.3 SEIS SIGMA ........................................................................................................... 27
2.4 RTY (ROLLED THROUGHPUT YIELD) .................................................................. 36
2.5 POKA YOKES......................................................................................................... 37
2.6 MINITAB ................................................................................................................. 38
3 METODOLOGIA ........................................................................................................... 39
3.1 CONTRATO DE PROJETO .................................................................................... 39
3.2 DEFINIR (D) ........................................................................................................... 40
3.3 MEDIR (M).............................................................................................................. 42
3.4 ANALISAR (A) ........................................................................................................ 43
3.5 IMPLEMENTAR (I).................................................................................................. 44
3.6 CONTROLAR (C) ................................................................................................... 44
4 RESULTADOS.............................................................................................................. 45
4.1 CONTRATO DE PROJETO .................................................................................... 45
4.2 DEFINIR (D) ........................................................................................................... 47
4.3 MEDIR (M).............................................................................................................. 48
4.4 ANALISAR (A) ........................................................................................................ 53
4.5 IMPLEMENTAR (I).................................................................................................. 56
4.6 CONTROLAR (C) ................................................................................................... 63
5 CONCLUSO ............................................................................................................... 64
REFERNCIAS BIBLIOGRFICAS.................................................................................... 66
10
1 INTRODUO
1.1 Contextualizao
A competitividade que est presente no mundo atual dos negcios leva as Indstrias de
diversos setores a buscarem as mais diferentes e criativas solues para aumentarem o seu
diferencial perante o mercado. Diante de um cenrio agressivo, que pode ser comparado
com uma Selva, surgiram muitos conceitos e mtodos para soluo de problemas e
reduo de desperdcio. O que comeou como um conjunto de ferramentas da qualidade
evoluiu para uma poderosa caixa de ferramentas chamada de Six Sigma. O nome Six Sigma
est totalmente ligado a reduo de variao que a principal causa dos desperdcios e
problemas que as empresas enfrentam e muitas vezes esto ocultas. As ferramentas dentro
do Six Sigma podem ser aplicadas para os mais diferentes tipos de problemas, desde
aqueles aparentemente mais simples e que podem facilmente ser medidos at aqueles que
nos levam a trabalhosas anlises grficas e desenvolvimento de experimentos, um trabalho
totalmente ligado a pesquisa porm aplicado na prtica.
O grande desafio que as empresas enfrentam o de transformar questes reais e
problemas que incomodam no dia a dia em nmeros, que posteriormente sero levados ao
campo estatstico, onde sero analisados, decifrados, solucionados e em seguida trazidos
para o mundo real em forma de aes de melhoria, correo, preveno e controle.
A estatstica nem sempre entendida pelos Engenheiros e Administradores que esto
no mercado, muitas vezes em posies de liderana. Normalmente o entendimento de
estatstica fica limitado a controles produtivos dirios ou simples grficos para comparao
de resultados contra metas propostas. Isso muitas vezes cria uma dificuldade para as
empresas em solucionar questes que aparentemente so do dia a dia, ou variaes
declaradas por muitos como inerentes ao processo e que demandam investimento. O Seis
Sigma trabalha nesse campo para mostrar que a estatstica e a pesquisa, de forma aplicada
e prtica, trazem um resultado extremamente positivo para a empresa, que pode ser
decisivo para se manter competitiva no mercado e que valoriza o diferencial do profissional
especializado nessa metodologia.
11
1.1.1 Empresa
1.2 Objetivos
1.3 Justificativa
2 REVISO BIBLIOGRFICA
2.1 QUALIDADE
Desde muito tempo atrs, se um arteso fosse questionado sobre o que qualidade,
suas respostas, assim como a de muitos outros profissionais da rea em pocas distintas,
seriam bastante diversas. Como esses trabalhadores dominavam todo o processo produtivo
de seus produtos, desde a concepo do projeto ao ps-vendas, e estavam muito mais
prximos de seus clientes e suas exigncias (necessidades), por isso precisavam ter muito
cuidado com a qualidade e/ou repercusso de seus produtos, pois isso acontecia atravs da
opinio de seus clientes pela comunidade nos tempos antigos. Os conceitos de
confiabilidade, conformidade, tolerncia e especificao no eram abordados naquela
poca. Apesar de atender as necessidades do cliente e acompanhar todo o processo
produtivo de seus produtos, o arteso ainda no pensava em importantes fatores que
chegariam a compor o conceito da qualidade (Carvalho et al., 2012).
Esse conceito de trabalho artesanal permaneceu at o final sculo XIX, onde at a
maior montadora de automveis da poca, a Panhard e Levassor (P&L), utilizavam esse
conceito no montando seus carros iguais. Por conta disso, era bastante comum que
ocorresse o chamado susto dimensional, quando um produto, no caso o veculo, poderia
diferir de outro fabricado sob o mesmo projeto, no quesito dimensional, devido aos ajustes
das peas, feitos pelos artesos.
A revoluo industrial veio para mudar o conceito de trabalho artesanal e trouxe
consigo uma nova ordem produtiva, a padronizao e a produo em larga escala. Surge
tambm a funo de um inspetor de qualidade do produto, reas como a metrologia,
sistema de medidas e especificaes. Em meados de 1920, o conceito da qualidade
progrediu aps o surgimento dos grficos de controle e o ciclo PDCA que j direcionaria as
atividades de anlise e soluo de problemas. Desde ento, novos conceitos foram
nascendo e evoluindo e com isso a qualidade sempre galgava mais espao nas indstrias.
No perodo ps-guerra, quando o Japo se recuperava do perodo traumtico, Deming e
Juran, dois nomes respeitveis na formao da qualidade estiveram no Japo influenciando
a criao do modelo de qualidade e produtividade japons. E tempos depois, segundo
Carvalho et. al (2012), o modelo japons esbanjava xito, mencionando j naquela poca a
aferio dos defeitos em parte por milho, enquanto no Ocidente, as mtricas eram ainda
expostas em porcentagens.
14
inspeo da totalidade dos produtos por motivos tcnicos, econmicos e de prazo, o sistema
de amostragem passou a ser adotado com tcnicas especficas e com maior confiabilidade
propiciando grande avano nos processos de qualidade (GARVIN, 1992).
O controle de processo fundamentou o desenvolvimento das tcnicas de controle
estatstico da qualidade, organizando as etapas que compem um processo (fluxo, tarefas,
insumos, produtos gerados, atividades) podendo assim obter informaes sistematizadas e
perceber os pontos crticos e oportunidades de melhoria para os processos. As
metodologias associadas ao controle da qualidade ganham foras com o envolvimento das
reas produtivas e de projeto alavancando cada vez mais a qualidade dos processos
(RIBEIRO, 2008).
A era de garantia da qualidade se sustenta em programas e sistemas, que envolvem
todos os departamentos associados cadeia de produo, direta ou indiretamente, no
sentido de haver um planejamento da qualidade a fim de impedir falhas e garantir a
uniformidade e conformidade do produto final. Empresas que, por exemplo, implantaram um
sistema de gesto da qualidade baseado nas normas da srie ISO 9000, encontram se,
provavelmente, nessa fase evolutiva em relao a qualidade (Mello et. al, 2009).
Diversos debates rodeavam o real significado da qualidade e qual era o nvel
suficiente para alcan-la, principalmente pelo fato de no existirem estudos estimando
quanto aos custos que implicavam sua implementao nas empresas. Nesse contexto
Joseph M. Juran, em 1951, publica o Quality Control Handbook que se tornou referncia no
tema, pois a obra apresenta elementos de investimento para se ter qualidade, levando em
considerao o incio do projeto at a fase final do ciclo de vida de um produto, abrangendo
assistncia, perdas, descarte, retrabalho, refugo e devolues (MORAES; JUNIOR, 2012).
Tambm na dcada de 1950 Deming e Juran (estatsticos especialistas em
qualidade), discpulos de Walter A. Shewhart que desenvolveu o Grfico de Controle de
Processo, foram convidados para capacitar lderes industriais japoneses. O objetivo era
ajudar a reconstruo industrial do pas aps a 2 guerra mundial, e essa contribuio foi
muito expressiva em todo Japo. Em 1954 Juran, ainda no Japo, introduziu uma nova era
no controle de qualidade tirando o foco apenas dos aspectos tecnolgicos das fbricas para
uma preocupao global e holstica, abarcando toda a organizao e todos os aspectos de
seu gerenciamento (MAXIMIANO, 2000).
Na era de Gesto da Qualidade Total de acordo com Campos (1992),
[...] o controle da qualidade total um novo modelo gerencial centrado no
controle do processo, tendo como meta satisfao das necessidades das
pessoas. O objetivo mais importante deste controle garantir a qualidade
do seu produto (seja ele qual for) para o seu cliente externo ou interno.
16
Para Campos (2004), Qualidade Total so todas aquelas dimenses que afetam a
satisfao das necessidades dos consumidores e, por conseqncia a sobrevivncia da
organizao. Os modelos e processos intimamente ligados a gesto da qualidade total
permitem o contnuo e incessante aprimoramento das empresas, que a todo o momento so
impelidas a alterar seus procedimentos e sistemticas na tentativa de atingir maiores nveis
de competitividade de mercado. Para Deming (apud CAMPOS, 2004) fato bem conhecido
por uma seleta minoria que a produtividade aumentada pela melhoria da qualidade.
A existncia de colaboradores qualificados para produzir qualidade, treinados e
capacitados para realizar suas funes da melhor maneira possvel o real controle de
Qualidade Total, Campos (1992) diz que a principal meta de uma organizao pode ser
atingida pela prtica do Controle da Qualidade Total, por ter as seguintes caractersticas
bsicas:
Fluxograma;
Folha de Verificao;
Grfico de Pareto;
Diagrama de Causa e Efeito;
Grfico de Tendncias
Histograma;
Carta de Controle;
Grfico de Disperso
2.2.1 Fluxograma
O Fluxograma tem como objetivo identificar o caminho real e ideal para um produto
ou servio para identificar os desvios. uma ilustrao seqencial de todas as etapas de
um processo, mostrando como cada uma relacionada. Utiliza smbolos facilmente
reconhecidos para demonstrar os diferentes tipos de operaes em um processo, ver
exemplo na figura 2. (RODRIGUES, 2010).
18
Figura 2 Fluxograma
Fonte: Pinho; Leal; Montevechi; Almeida (2007).
2.2.6 Histograma
Figura 5 Histograma
Fonte: Silva, Guimares; Tavares (2003)
Para um processo ser colocado sob controle, necessrio analisar todos os desvios
significativos de comportamento que venham a ocorrer ao mesmo tempo, descobrir suas
22
causas e resolv-las sempre que possvel. Com a Carta de Controle possvel observar o
comportamento do processo e documentar a sua variabilidade. Sabendo o instante em que
um certo desvio foi identificado, possvel utilizar as demais ferramentas para estudar as
suas causas e corrig-las, utilizando o Controle Estatstico de Processos (CEP), ver exemplo
da figura 6 (LINS, 1993).
Stamatis (2003) define FMEA (Failure Mode and Effect Analysis) como um mtodo
de anlise de produtos ou processos usado para identificar todos os possveis modos
potenciais de falha e determinar o efeito de cada um sobre o desempenho do sistema
(produto ou processo), mediante um raciocnio basicamente dedutivo (no exige clculos
sofisticados), confirmado por Zuffoletti (1997). portanto, um mtodo analtico padronizado
para detectar e eliminar problemas potenciais de forma sistemtica e completa.
Basicamente tido como um grupo sistemtico de atividades, comprometidos com:
1. Reconhecer e avaliar o potencial de falha de um produto/processo e seus efeitos;
2. Identificar aes que podem eliminar ou reduzir as chances de uma falha potencial
ocorrer;
3. Documentar o processo.
O FMEA utiliza um formulrio que serve como um roteiro para sua elaborao e uma
maneira de dispor e organizar os dados obtidos. A definio de cliente abordada pelo FMEA,
no simplesmente o usurio final, mas toda a cadeia produtiva (desenvolvimento,
produo, vendas e logstica). O FMEA um documento vivo, sendo sempre atualizado com
as mudanas ocorridas ou com informaes adicionais obtidas pela equipe que o
desenvolve.
2.2.9.4 Os 5 Porqus
2.2.9.5 5W2H
Segundo Aoudia & Testa (2011), a ferramenta 5W2H utilizada para caracterizar um
problema, porm pode ser usada em outras aplicaes. Esta ferramenta permite construir
uma base de informaes simples, porm essenciais para identificar e caracterizar um
problema.
Atravs das respostas para as seguintes perguntas, o problema pode ser caracterizado:
What (happend): Descrio do problema com informaes claras e precisas
When (was it detected): Tem como objetivo identificar o exato momento em que o
problema ocorreu e quando foi detectado.
Where (was this detected): Local onde foi detectado, com detalhes de uma viso
macro do lugar at o local especfico.
Who (detected it): Quem e/ou o que detectou o problema.
How (was this detected): A condio em que estava o problema e os meios utilizados
para detectar o problema.
How many: Quantidade do problema (se for possvel quantificar).
Na metade da dcada de 70 ocorreu uma crise dos combustveis que acabou por ser
um precursor de algumas mudanas de conceito. A crise se deu devido aos americanos
necessitarem cada vez mais de veculos, ainda mais com o movimento feminista da poca
que transformou radicalmente o conceito de lar e o numero de mulheres que trabalhavam
fora aumentava cada vez mais. O consumo de automveis aumentou e conseqentemente
o de combustveis, porm os veculos norte americanos vorazes no consumo de
combustvel foram perdendo espao para os veculos importados, naquela ocasio os
japoneses, que eram muito mais econmicos em relao ao norte americano. Com o
aumento da utilizao dos veculos japoneses, percebeu-se que no apenas eram mais
econmicos como tambm eram mais durveis e confiveis. Com isso vemos que houve
realmente uma mudana de percepo da qualidade dos produtos e servios norte-
americanos e japoneses (ECKES, 2001).
Devido a crise de qualidade dos produtos americanos e o aumento da participao
dos produtos japoneses no mercado, o Departamento de Comercio Americano editou uma
28
medida para as empresas americanas anunciando a necessidade dos EUA irem alm em
questo de qualidade em relao aos concorrentes japoneses. Diversas empresas
americanas foram at o Japo para analisar seus processos e mtodos que levavam a uma
produtividade to elevada e de qualidade, e o mercado norte-americano percebe alguns
detalhes que os diferenciam. Notaram diferenas nas prticas de inspeo que as empresas
americanas tinham como prtica para a qualidade dos produtos fabricados que eram
realizadas somente ao final do processo de produo, j as empresas nipnicas possuam
abordagens e atitudes diferentes em relao qualidade, visando aprimorar os processos
de fabricao continuamente.
Durante toda a dcada de 80 houveram muitas tentativas de mudana no conceito
de qualidade nos EUA e apesar dos esforos bem intencionados, nada foi sustentvel o
suficiente para se manter e dar resultados palpveis. Os conceitos ensinados por W.
Edwards Deming aos japoneses e ferramentas como o Controle Estatstico do Processo,
eram cada vez mais usados e at divulgados pela mdia nacional, porm ainda sem grandes
resultados. Um movimento nacional americano em prol da qualidade surgiu afim de
incentivar as empresas a buscarem ferramentas e metodologias que possam melhorar seus
processo e produtos em busca de maior qualidade, e conseqentemente a alavancarem
novamente o cenrio econmico do pas, e em troca existiam algumas premiaes. Nada
disso foi suficiente para alavancar a qualidade dos produtos e processos norte-americanos.
Durante estudos sobre o conceito de variao de processo de Deming, o engenheiro
e estatstico Mikel Harry da empresa Motorola, percebeu que as variaes dos processos,
obviamente quando medidas estatisticamente, significavam o desvio-padro da mdia, e
representadas pela letra grega sigma, e j com o apoio do presidente da empresa Bob
Galvin, definiram uma meta de Seis Sigma em todas suas aes, o que representa 3,4
defeitos (algo que no atende expectativa do cliente) por milhes de oportunidades
praticamente, a perfeio segundo Eckes (2001 p.20).
Depoimento de B. Galvin mostra o momento da concepo da metodologia seis
sigma:
Muito antes de pensarmos no Seis Sigma, fizemos uma reunio
de executivos. Nessa ocasio Art Sundy, diretor da rea de rdios
bidirecionais, declarou: Nossa qualidade nojenta. Tnhamos 85% do
market share mundial e estvamos conseguindo um crescimento de dois
dgitos. A despeito disso, todos ns diretores levamos Sundy a srio.
Rapidamente percebemos que, se consegussemos controlar a variao
na produo, poderamos fazer funcionar todas as peas e processos, e
alcanar um resultado final de 3,4 defeitos por milho de oportunidades,
ou seja, um nvel Seis Sigma. Nosso pessoal cunhou o termo e ele
pegou. Era prtico, pois as pessoas entendiam que, quando se
29
como o ciclo PDCA, sendo a primeira fase Definir, a segunda Medir, a terceira Analisar, a
quarta Melhorar e a quinta Controlar, conforme figura 7.
DEFINIR
DEFINIR
CONTROLAR
CONTROLAR MEDIR
MEDI
MELHORAR
MELHORAR ANALISAR
ANALISAR
Para Sheehy et al. (2002) cada projeto seis sigma deve completar as cinco fases em
ordem cronolgica, definindo-as da seguinte maneira:
Definir: nessa fase as necessidades do cliente so apresentadas e os processos e
produtos a serem melhorados so identificados. Cria-se uma declarao do problema,
definindo o processo a ser melhorado, definindo os objetivos do projeto, identificando os
stakeholders (partes interessadas), identificando as necessidades dos clientes e definindo
os padres de performance.
Medir: na segunda fase se determina o ponto de partida, tambm chamado de
baseline do projeto, a meta de desempenho do processo, define se as variveis de entrada
e sada do processo e valida os sistemas de medio. realizado o entendimento do
processo, validado o sistema de medio, determinado a capabilidade do processo e
finalizado os objetivos de performance.
Analisar: durante a fase de anlise usam-se os dados para estabelecer as entradas
dos processos-chave que afetam as sadas do processo que esta sendo analisado. Neste
momento so identificadas as fontes de variao atravs de um mapa detalhado do
processo, brainstorming, diagrama de espinha de peixe, matriz de causa e efeito, FMEA,
CEP e MSA, alm das causas potenciais por meio de anlises grficas, testes de hipteses,
anlise multi-vari e anlise de correlao e regresso.
31
1 690.000 -
Fonte: Adaptado da Revista EXAME, CAMPOS (1999).
Estatisticamente falando, de acordo com Behara et al. (1995), seis sigma (6)
expressa a ocorrncia de 6 desvios-padro entre a mdia e os limites de especificao
inferior (LIE) e superior (LSE). Um processo de nvel seis sigma quando podem ser
encontrados entre a mdia de uma distribuio e os limites estabelecidos pelo cliente
(limites de especificao) seis desvios-padro, neste caso o processo apresentar somente
3,4 defeitos em um milho de oportunidades, veja exemplo grfico na figura 8.
DPMO ou defeito por milho de oportunidade, segundo Sheehy et al. (2002) ajuda na
determinao da capacidade de um processo, alm de permitir o clculo de capacidade em
uma ou mais oportunidades, e se necessrio at mesmo para toda a organizao. O DPMO
nos mostra um valor que dado pela soma da quantidade de defeitos divido pela soma do
total de oportunidades do defeito o ocorrer (ou seja, por exemplo, a quantidade total de
33
peas que foram produzidas, e que corriam o risco de sair com algum defeito), multiplicando
esse quociente por um milho, mesmo conceito de calculo do PPM.
A capabilidade de um processo refere-se capacidade que esse processo tem para
fazer constantemente um produto que atenda as especificaes do cliente. Os ndices de
capabilidade do processo medem o quanto a variao natural de um processo est em
relao aos seus limites de especificao, e so construdos com o objetivo de expressar a
capacidade mais desejada, com valores cada vez mais elevados, pois valores prximos ou
abaixo de zero indicam processos operando fora do alvo ou com alta variao (SHEEHY et
al., 2002).
A capabilidade do processo vista atravs do Cp, Cpk, Pp e Ppk. O Cp e Cpk so
indicadores de curto prazo, dados pelo desvio padro combinado, j o Pp e Ppk so ndices
de longo prazo, dados pelo desvio padro a longo prazo, tanto Cp e Pp, e Cpk e Ppk so
calculados da mesma maneira, tendo somente a extenso de curto ou longo prazo os
diferindo, conforme figura 9.
34
outro lado, uma pessoa pode ser, em mdia, exatamente no alvo, mas a variao no
desempenho elevada, mesmo assim ainda menor do que o intervalo de tolerncia, ou
seja, o intervalo de especificao. Neste caso tambm Cpk ou Ppk ser menor, mas Cp ou
Pp ser elevado. Cpk ou Ppk ser maior somente quando o agrupamento sob o alvo est de
forma consistente com variao mnima (ver figura 10, interpretando estatisticamente o alvo
seria o limite de especificao do cliente ou engenharia e as tentativas de acerto ao alvo as
peas produzidas em um processo).
Cp alto
Cpk alto
Outra ferramenta usual do seis sigma, o Teste de hiptese. Segundo George et al.
(2005), o teste de hipteses ajuda a determinar se realizarmos uma mudana na entrada do
processo alterar significativamente a sada deste processo, estatisticamente se conclui se
duas coisas so iguais ou se existem diferenas significativas nos processos. Com isso
podemos saber se o processo realmente teve uma mudana significativa ou se a mudana,
aps as melhorias do projeto seis sigma, por exemplo, so apenas variaes normais do
processo, ver exemplo da figura 11.
36
Antes
Range de Variao
Normal do Processo
1
Esta rea no uma melhora real do processo, apenas
parte de sua variao normal do processo
Depois
6
Range de Variao
Normal do Processo
3
Para Sheehy et al. (2002) existe uma proporo que convertida em uma probabilidade,
chamada de P-valor (ou P-valeu em ingls), que comparado com os critrios de deciso, o
risco alfa. Por esse ndice se pode analisar se um processo teve mudanas significativas ou
no. Infelizmente, uma deciso de uma hiptese nunca pode ser definida de forma
conclusiva como a deciso correta, pois todo o teste de hiptese apenas mostra qual
mnimo risco de tomar uma deciso errada. De maneira interpretativa, quanto menor o
ndice P-valor, mais evidente a mudana de um patamar ou condio.
Segundo Court (2002), RTY estima a probabilidade que uma unidade, servio ou
produto fsico, tm de passar por um processo livre de defeito. Est relativamente
relacionado a refugo, retrabalho, garantia e satisfao do cliente. Ento, basicamente RTY
a probabilidade de um processo produzir uma unidade sem defeitos. Trata-se do produto de
37
rendimentos para cada passo do processo de todo o processo. Para qualquer processo, o
ideal que o processo produza o seu produto sem defeitos e sem retrabalho.
A equao para clculo do RTY indicada na figura 12.
2.6 MINITAB
3 METODOLOGIA
muito importante que a definio do escopo seja realizada de forma clara pois isso
definir o sucesso de um projeto e alinhar o nvel de expectativa que a equipe de liderana
de uma empresa tem do resultado do projeto. Um escopo mal definido pode levar a
expectativas subestimadas ou, no pior dos casos, superestimadas que consequentemente
poder acarretar conflito e insatisfao do cliente interno ou externo da organizao.
Aps a definio e validao do escopo do projeto, cria-se ento o mapeamento
geral do processo. Esse mapeamento tem por funo esclarecer a lgica de cada atividade
dentro de um processo produtivo. Usa-se a ferramenta de diagramas de fluxo para a
execuo dessa etapa.
41
Esse tipo de diagrama proporciona uma viso geral das etapas do processo
produtivo, o que auxilia o entendimento dos membros da equipe e de outras pessoas que
no estaro ligadas ao projeto, porm tem necessidade de entendimento.
Obviamente, trata-se de uma viso limitada e pouco esclarecedora dos detalhes do
processo, porm isso ser mais explorado no diagrama de fluxo detalhado, que faz parte da
etapa M de Medir.
A sequncia do diagrama de fluxo geral da etapa de definio do projeto dada
atravs da definio das variveis crticas para o resultado. Trata-se do calculo inicial de
desempenho de um processo, que pode ser feito por meio do clculo do nvel Sigma de um
processo ou tambm conhecido como capabilidade do processo.
DPU 0.05
DPO 0.050000
DPMO 50,000
YIELD 95.0%
PROCESS SIGMA (with Shift) 3.15
Sadas
DPU = Defeitos por unidade
DPO = Defeitos por oportunidades
DPMO = Defeitos por milho de oportunidades (tambm conhecido por PPM)
Sigmas do Processo = Nvel sigma do processo atual
conforme especificao do cliente. Para avaliar isso, se faz necessrio utilizar a ferramenta
de Anlise do Sistema de Medio (Measurement System Analysis). Essa ferramenta
permite avaliar a capacidade que um sistema de medio tem de demonstrar o valor mais
prximo do real que uma medida possui.
A avaliao do sistema de medio fornece a garantia necessria para dar
continuidade no processo de Anlise (A do DMAIC). Essa avaliao deve ser realizada
seguindo os passos abaixo:
1 Fabricar 10 peas do subgrupo escolhido como sendo a varivel mais impactante
no resultado final do projeto;
2 Testar as 10 peas escolhidas e garantir que todas so consideradas
APROVADAS por um outro sistema de medies confivel
3 Numerar cada uma das peas e separ-las para realizar os testes
4 Preparar carta de coleta de dados considerando as peas em ordem aleatria
5 Iniciar medio de 10 peas diferentes na sequncia
6 Repetir mais 10 medies nas mesmas peas, em outra ordem
7 Repetir mais 10 medies uma ltima vez, em uma ordem diferentes das duas
vezes anteriores
8 Utilizar software Minitab para compilar os dados coletados em um estudo de MSA
para caracterstica de processo varivel (ou seja, medidas, vazo, fora, etc...)
9 Avaliar os resultados do MSA e definir se o sistema de medio confivel e
consequentemente aprov-lo ou atuar nos fatores de mo-de-obra, mquina, mtodo e
material que podem estar influenciando no resultado medido pelo teste.
Durante a etapa Analisar, feito uma avaliao para confirmar uma ou mais causas
razes e causas contribuintes para a existncia de um problema. O impacto de cada uma
delas tambm deve ser avaliado e por esse motivo que usa-se a ferramenta de anlise e
gesto de risco no mercado automotivo: o FMEA. Atravs do FMEA podem-se mapear,
dentro do escopo do projeto, os chamados modos de falhas e suas conseqncias para o
produto, cliente e usurio.
Mais especificamente em um projeto automotivo que visa a melhoria atravs da
reduo de desperdcio por qualidade (rejeies de peas) tambm deve ser feita uma
leitura de todos os dados que foram coletados e compilados no formato de grfico de pareto.
44
A fase de controle uma das fases mais importantes de qualquer projeto. nesse
momento que garante-se a longevidade da melhoria, a manuteno do bom resultado que
foi obtido na fase de Implementao (I) e o desempenho do resultado ao longo tempo,
atravs de anlise estatstica.
Formas de controle a serem utilizadas: POKA YOKES, treinamento de mo de obra,
medies em intervalos definidos, manuteno preventiva, lies aprendidas e finalmente, a
transio de um projeto para um processo corrente.
45
4 RESULTADOS
Qual o problema?
A linha de montagem de vlvula pedal possui uma taxa de RTY muito baixa.
Quem detectou?
Sr. Luis Gustavo Coltro Coordenador de Produo do setor de Vlvulas
Convencionais
Quanto?
Em fevereiro de 2013 foi registrado o valor mais baixo, 90% de RTY. Isso representa
aproximadamente R$28.000,00 / ms em desperdcio.
46
The Foot Brake Valve assembly line has RTY below 98%
What is the problem?
Less backflushed hours due to low process efficiency (R$ 28K/year).
Why is it a problem?
O escopo definido para o projeto foi o aumento do nvel de RTY da linha de montagem
FBV (foot brake valve vlvula pedal de freio) atravs da priorizao dos principais
causadores de rejeio e retrabalho no posto de teste funcional da pea, onde 100% dos
produtos so testados conforme as especificaes de vazamento, estanqueidade, curva de
acionamento e fora. Utilizamos a figura da moldura para definir o escopo do projeto
conforme figura 15.
Project Scope
In and Out:
Out of frame
(out of scope)
O mapeamento geral do processo foi realizado, conforme figura 16, e segue a lgica
que todas as peas seguem quando so produzidas e submetidas aos testes (OP 50A e
50B). Vale ressaltar que os dois testes so paralelos, ou seja, as peas podem ser testadas
tanto em um quanto no outro e por esse motivo os critrios de ambos os testes seguem
com preciso as mesmas especificaes.
48
Op 50A
Op 60
Op 20 Op 30 Op 10 Op 40 Op 50B
DPU 0,12
DPO 0,116755
DPMO 116.755
YIELD 88,3%
PROCESS SIGMA (with Shift) 2,69
F(Y) = (X,X,X,Xn)
F(Total FBV RTY) = (PN #4613152460 RTY; PN
#4613152470; PN #4613152480;...Each FBV
PN RTY)
Figura 17 nvel Sigma e capabildade atuais
Fonte: Autoria Prpria
O nvel sigma diagnosticado na linha no ms utilizado como base para clculo (Abril
de 2013) de 2,69 Sigmas o que corresponde a aproximadamente 116755 PPM de
rejeies ou 88,3% de Rolled Throughput Yield (RTY).
50
51
Geral VDC/TRAM
PN Produzido TP TR RTY
4613150080 1161 74 93.6%
4613150380 0 0 -
4613150400 324 44 86.4%
4613150570 8 6 25.0%
4613151000 79 6 92.4%
4613151210 844 87 89.7%
4613151560 424 46 89.2%
4613151570 66 5 92.4%
4613151620 0 0 -
4613151800 0 0 -
4613152460 2177 211 90.3%
4613152470 1664 212 87.3%
4613152480 538 77 85.7%
4613152500 37 25 32.4%
4613152550 76 48 36.8%
8845007010 224 29 87.1%
8845031240 0 0 -
Fonte: Autoria Prpria
Esses dados serviram como base para a criao de um grfico que representa a
rejeio individual de cada Part Number (cada pea) que o fundamental para analisarmos
na hora de escolher qual famlia de vlvulas mais impacta negativamente no RTY, conforme
podemos observar na figura 18.
52
Percent
500 60
TR
400
40
300
200 20
100
0 0
PN 0 er
47 60 21
0 80 08
0
55
0
56
0 00 10
24 24 05 4 70 0 tO h
51 2 15 51 1 15 51 0 51 2 15
1
16 3 16 3 16 3 16 3 16 3 16 3 16 3 31 50
4 4 4 4 4 4 4 64 1 88 4
TR 212 211 87 77 74 48 46 44 29 42
Percent 24,4 24,3 10,0 8,9 8,5 5,5 5,3 5,1 3,3 4,8
Cum % 24,4 48,6 58,6 67,5 76,0 81,5 86,8 91,8 95,2 100,0
DPU 0,10
DPO 0,102480
DPMO 102.480
YIELD 89,8%
PROCESS SIGMA (with Shift) 2,77
70
80
60
Percent
50 60
C2
40
40
30
20
20
10
0 0
C1 B passo 8 B passo 3 A passo 3 A passo 5 B passo 2 A passo 2 Other
C2 26 24 14 6 6 5 2
Percent 31,3 28,9 16,9 7,2 7,2 6,0 2,4
Cum % 31,3 60,2 77,1 84,3 91,6 97,6 100,0
Nesse momento fica evidente que a grande maioria das peas rejeitadas (> 90%)
foram diagnosticadas erroneamente com um vazamento de ar por um dos passos do teste
automtico B.
Sempre que uma pea rejeitada, ela passa por uma anlise bastante rigorosa
pelos operadores em conjunto com o time da qualidade e, por se tratar de um complexo
conjunto de componentes montados, nunca descartada sem que isso seja feito. Essa
anlise consiste em desmontar a pea e buscar qualquer irregularidade de montagem,
componente ou contaminao que possa ter gerado o vazamento. Uma vez feita essa
analise, tudo fica registrado em um controle de qualidade e o resultado disso , mais uma
vez, um pareto nos mostrando as principais causas de rejeio, conforme figura 21.
55
30 80
Percent
60
C5
20
40
10
20
0 0
C4 do F ia o 4 er
co a N F Gu s t 0 th
Pi 80 O
tr n a en l
8 a n o
6 2 rb c o o
A
o ba va a nd
s t R e C lt a
Pi Fa
C5 18 10 6 1 1 1
Percent 48,6 27,0 16,2 2,7 2,7 2,7
Cum % 48,6 75,7 91,9 94,6 97,3 100,0
Analisando o grfico da figura 21, podemos observar que mais de 50% das rejeies
monitoradas durante um dia inteiro de produo se refere a um problema em um
componente de alumnio fundido chamado Pisto 628. A falha nesse pisto que ele pode
gerar vazamento caso esteja com porosidade ou micro porosidade (sendo a primeira
detectvel a olho nu e a segunda no). Outros 27% de rejeio esto ligadas a NFF (em
ingls: No Failure Found) ou seja, houve uma falha porm ao desmontar a pea, nada de
suspeito ou com defeito foi encontrado o que nos direciona a trabalhar no teste.
Vale ressaltar que para o operador o teste est sempre certo, pois mede o
vazamento de ar por um sistema de diferencial de presso altamente sofisticado.
Atravs desses resultados, o grupo pode partir para uma investigao de causa utilizando-
se da ferramenta diagrama de causa e efeito e o resultado foi conforme a figura 22.
56
RTY
Process Capability of C1
LSL USL
P rocess Data Within
LS L 79 Ov erall
Target *
USL 84 P otential (Within) C apability
S ample M ean 84,6444 Cp 1,56
S ample N 90 CPL 3,53
S tD ev (Within) 0,532911 C P U -0,40
S tD ev (O v erall) 0,671425 C pk -0,40
O v erall C apability
Pp 1,24
PPL 2,80
PPU -0,32
P pk -0,32
C pm *
79 80 81 82 83 84 85 86
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0,00 PPM < LS L 0,00 P P M < LS L 0,00
P P M > U S L 800000,00 PPM > U S L 886724,46 P P M > U S L 831426,09
P P M Total 800000,00 PPM Total 886724,46 P P M Total 831426,09
Process Capability of C2
LSL USL
P rocess Data Within
LS L 79 Ov erall
Target *
USL 84 P otential (Within) C apability
S ample M ean 81,2056 Cp 1,76
S ample N 90 C P L 1,55
S tD ev (Within) 0,473145 C P U 1,97
S tD ev (O v erall) 0,608435 C pk 1,55
O v erall C apability
Pp 1,37
PPL 1,21
PPU 1,53
P pk 1,21
C pm *
Antes
Gage R&R (ANOVA) for 12c331
Reported by :
G age name: Tolerance:
D ate of study : M isc:
Sample Range
% Study Var
% Tolerance
P er cent
0,1 _
50 R=0,08
0,0 LC L=0
0 1 2 3 4 5 6 7 8 9 10
Gage R&R Repeat Reprod Part-to-Part P ar t
9,9 U C L=9,9182
9,90
Sample M ean
9,85 _
_
9,8 X=9,8363
9,80
9,7 LC L=9,7545
9,75
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
A mostr a P ar t
Depois
Gage R&R (ANOVA) for 12c331-2
Reported by :
G age name: Tolerance:
Date of study : M isc:
% Study Var
% Tolerance 0,02
P er cent
_
50 0,01 R=0,01
0,00 LC L=0
0 1 2 3 4 5 6 7 8 9 10
Gage R&R Repeat Reprod Part-to-Part P ar t
9,96 9,96
Sample M ean
9,94 9,94
U
_ C L=9,92490
_
9,92 9,92
X=9,91467
9,90 LC L=9,90444
9,90
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
A mostr a P ar t
Antes
Depois
Gage R& R (A NOVA ) for Vazamento
Reported by :
G age nam e: T olerance:
D ate of study : M isc:
0,75
% Tolera nce
P ercent
50 0,50
_
R= 0,34
0,25
25
0,00 LC L= 0
0 1 2 3 4 5 6 7 8 9 10
Gage R&R Repeat Reprod Part-to-Part P ar t
1,2 1,2 _
_
X= 1,1287
0,9 1,0
0,8 LC L= 0,7808
0,6
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
A m ostr a P ar t
A etapa final consiste em controlar tudo aquilo que foi implementado como melhoria.
Ao validarmos as aes, passamos a observar o comportamento do nosso Y final, ou seja,
controlar e monitorar o indicador RTY na linha de vlvulas pedais. Podemos observar esse
controle no grfico da figura 28.
100,0%
94,6%
95,0% 93,7% 94,3%
92,1%
92,5%
90,0%
88,3%
Data
85,0%
80,0%
75,0%
70,0%
Apr/2013 May/2013 Jun/13 Jul/2013 Aug/13 Sep/13
Isso significa que temos uma melhoria comprovada estatisticamente entre o processo
antes e depois das aes que foram implementadas.
64
5 CONCLUSO
REFERNCIAS BIBLIOGRFICAS
CAMPOS, M. S. Em Busca do Padro Seis Sigma. Revista EXAME, ed. 689, ano 32, n. 11,
2 de junho, 1999.
CAMPOS, V. F. TQC Controle da Qualidade Total. Belo Horizonte: DG, 1992, 8 Edio.
CARVALHO, M. M.; PALADINI, E.P. (Org.) Gesto da Qualidade: Teoria e Casos. Rio de
Janeiro: Editora Campus, 2012, 2 Edio.
CORONADO, R. B.; ANTONY, J. (2002). Critical success factors for the successful
implementation of six sigma projects in organizations. The TQM Magazine, v. 14, n. 2, p. 92-
99.
COURT, E. Quality Engineering. Six Sigma Rolled Throughput Yield, Volume 14, Issue 2,
2002.
GEORGE, M. L.; ROWLANDS, D.; PRICE, M.; MAXEY, J. The lean six sigma pocket
toolbook a quick reference guide to 100 tools for improving process quality, speed, and
complexity. New York, McGraw-Hill, 2005.
Manual Meet Minitab, Verso 14 para Windows by Minitab Inc, 2003, 2004.
PINTON, D.H. Controle estatstico de processo. So Paulo, Rev IMES 1997; (40):35-8.
SANTOS, B. A.; MARTINS, F. M., A implementao dos projetos seis sigma contribuindo
para o direcionamento estratgico e para o aprimoramento do sistema de medio de
desempenho, Revista Pesquisa e Desenvolvimento Engenharia de Produo, n.1, p. 1-14,
Dezembro de 2003.
SHEEHY, P.; NAVARRO, D.; SILVERS, R; KEYES, V.; DIXON; DEB & PICARD, D. The
Black Belt Memory Jogger: A Pocket Guide for Six Sigma Success. Salem-NH-USA:
GOAL/QPC, 2002, 1 Edio.
SHINGO, S. Zero Quality Control: Source Inspection and the Poka Yoke System, 1986.
STAMATIS, D. H. Failure Mode Effect Analysis. FMEA from Theory to Execution, Second
Edition, 2003.
LEO, D. MSA quarta edio: Anlise dos Sistemas de Medio, Disponvel em:
http://portalaction.com.br/content/msa-an%C3%A1lise-dos-sistema-de-
medi%C3%A7%C3%A3o Acesso em 10 de outubro de 2013.
LEO, D. MSA quarta edio: Anlise dos Sistemas de Medio, Disponvel em:
http://portalaction.com.br/content/24-repetitividade-e-reprodutibilidade. Acesso em 15 de
outubro de 2013.