Projeto Green Belt

UNIVERSIDADE SO FRANCISCO
Curso de Engenharia de Produo
JONATHAN FELIPE MATHEUS

TATIANE VERIDICO RODRIGUES
YANN BARROS DE TOLEDO FERRARI
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:
Monografia apresentada ao Curso de Engenharia

de Produo da Universidade So Francisco, como
requisito parcial para obteno do ttulo de Bacharel
em Engenharia de Produo.
Orientador: Prof. Ms. Helton Salles de Oliveira
Campinas
2013
JONATHAN FELIPE MATHEUS
TATIANE VERIDICO RODRIGUES
YANN BARROS DE TOLEDO FERRARI
GREEN BELT:
Monografia apresentada, defendida e aprovada pelo

Programa de Graduao em Engenharia de
Produo da Universidade So Francisco, como
requisito parcial para obteno do ttulo de Bacharel
em Engenharia de Produo.
rea de Concentrao: Industrial
Data de Aprovao: ___/___/____
Banca Examinadora:
Prof. Ms. Helton Salles de Oliveira (Orientador)

Universidade So Francisco
Prof. Dr. Emlio Gruneberg Boog (Examinador)

Prof. Dr. Robisom Damasceno Calado (Examinador)

Aos professores deste pas pelo idealismo, confiana e
coragem, e aos nossos pais pela dedicao e amor.
"Seja a mudana que voc quer ver no mundo".
Mahatma Gandhi
RESUMO
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.
Palavras-chave: Seis Sigma, Estatstica e Melhoria.

ABSTRACT
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.
Keywords: Six Sigma, Statistics and Improvement.

SUMRIO
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
A empresa WABCO Sistema de Freios Veiculares dispe de uma nica planta de

manufatura na Amrica do Sul e um centro de Distribuio e sua Matriz Mundial de
Engenharia encontra-se na Alemanha e a sede de negcio na Blgica. A unidade de
Sumar desenvolve atividades para o eixo de mercado automotivo pesado, atravs da
fabricao de componentes para o sistema de frenagem e controle de caminhes e nibus.
A empresa est divida em unidade de valor ou Value Stream. Esse conceito foi aplicado
para a empresa WABCO devido a sua organizao matricial corporativa que dispe de um
Vice Presidente para cada tipo de produto correspondente a uma unidade de negcio ou
Business Unit. Na WABCO America do Sul os produtos so manufaturados conforme as
seguintes divises: C&B (Compressor and Brake ou Compressores e Freios) e VDC/TRAM
(Vehicles Dynamic Controls and Trailer System Aftermarket ou Controles Dinmicos de
Veculos e Sistemas para Carretas no Mercado de Reposio). Dentro da organizao de
VDC/TRAM so fabricadas as famlias de Vlvulas, onde esto includas as vlvulas Freio
de Mo e Vlvulas Pedal de Freio.
1.1.2 Caracterizao do Problema
Excesso de rejeio de Vlvulas Pedal de Freio devido a vazamento de ar acima da

especificao de produto na bancada de teste final afetando o rendimento yield da
unidade de valores VDC/TRAM.
1.2 Objetivos
Este presente trabalho tem como objetivo executar um projeto utilizando as

ferramentas e metodologias Seis Sigma para reduzir variao no processo de manufatura
de Vlvulas Pedal de Freio. Atravs desse trabalho, ser demonstrada a importncia de
trabalhar um problema sistmico dentro do universo estatstico e trazer dele uma soluo
prtica e eficaz.
12
1.3 Justificativa
Utilizando a ferramenta Seis Sigma possvel, de forma precisa, definir o problema e

medir, garantindo que o processo est refletindo a realidade e priorizar os esforos naquilo
que vai trazer o resultado com maior eficcia. Essa medio seguida por uma analise
crtica que leva implementao de aes de correo e melhorias e permitem que o
processo seja controlado ao longo do tempo, trazendo nesse caso um benefcio para a
empresa em formato de reduo de desperdcio.
13
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
2.1.1 Eras da Qualidade
Na figura 1 apresentado alguns detalhes das principais mudanas no ponto de

vista da qualidade, onde essas mudanas so interpretadas em quatro fases ou eras, onde
pode-se evidenciar evolues.
Figura 1 Evoluo do Conceito de Qualidade

Fonte: Adaptado de Checchia, (1992).
A fase ou era da inspeo (ou controle do produto), corresponde a um enfoque de

verificao da uniformidade do produto final e segregao das unidades no conformes,
mas no da gerao de qualidade. A inspeo formalizada s passou a ter importncia aps
a adoo dos processos de produo em massa, principalmente quando Taylor deu maior
importncia a esse processo de separar as atividades prprias de fabricao e transferiu-o
para outro setor com profissionais especializados na tarefa, se tornando, posteriormente,
parte crucial do controle de qualidade (TERBOUL, 1991).
Muitas vezes a responsabilidade pela qualidade dos produtos que vo para os
clientes estava sob a responsabilidade desses setores ou departamentos de inspeo. No
entanto, essa tarefa era limitada no cabendo ao setor responsvel por ela a soluo dos
problemas (RODRIGUES E AMORIM, 1995).
J na era do controle estatstico da qualidade (ou controle do processo), onde se
segue a premissa de garantir a uniformidade do produto com menos inspeo, e com um
enfoque preventivo visando o acompanhamento e controle de variveis do processo que
podem influir na qualidade final do produto. Sendo algo inconcebvel e impraticvel a
15
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:
Orientao pelo cliente;

Qualidade em primeiro lugar;
Ao orientada por prioridades;
Controle de processos;
Respeito pelo empregado como ser humano;
Comprometimento da alta direo.
2.2 Ferramentas da Qualidade
Ferramentas da Qualidade so tcnicas que so utilizadas para definir, mensurar,

analisar e propor solues para problemas que ocorrem e interferem no desempenho dos
processos de trabalho (LINS, 1993).
Estas ferramentas foram estruturadas com base nos conceitos e prticas existentes
na dcada de 50 e, aps isso, estas tem se mostrado muito importantes para os sistemas de
gesto, sendo um conjunto de ferramentas estatsticas teis para a melhoria dos processos,
produtos e servios.
As ferramentas bsicas so a essncia da engenharia da qualidade. O seu uso pode
representar, entre outros aspectos, um ponto inicial para a melhoria no ambiente de trabalho
e para a reduo de custos operacionais, alm de auxiliar o profissional na anlise de
soluo de problemas.
As ferramentas bsicas da Qualidade se dividem em:
17
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).
2.2.2 Folha de Verificao
A folha de verificao um quadro para o lanamento do nmero de acontecimentos

de um determinado evento. A sua aplicao est relacionada com a observao de
fenmenos. Observa-se a quantidade de ocorrncias de um problema ou de um evento e
anota-se na folha a sua freqncia (LINS, 1993).
19
2.2.3 Grfico de Pareto
O Diagrama de Pareto tem como objetivo mostrar o quo importante so as

condies, a fim de: escolher o ponto de incio para soluo do problema; identificar qual a
causa bsica do problema e monitorar o sucesso. Vilfredo Pareto foi um economista italiano
que descobriu que a riqueza no era distribuda de maneira uniforme. Ele formulou que
aproximadamente 20% da populao detinham 80% da riqueza criando uma condio de
distribuio desigual. Os Diagramas de Pareto podem ser usados para identificar o
problema mais importante atravs do uso de diferentes critrios de medio, como
frequncia ou custo, ver exemplo na figura 3 (GROVE, 1996).
Figura 3 Grfico de Pareto

Fonte: Moth; Correa; Castro; Caetano (2005)
20
2.2.4 Diagrama de causa e efeito
O Diagrama de causa e efeito ou espinha de peixe tem como finalidade analisar e

indicar todas as possveis causas de uma condio estabelecida ou um problema
especfico. Este diagrama foi criado para representar a relao entre o efeito e todas as
possibilidades de causa que podem contribuir para esse efeito. Conhecido tambm como
Diagrama de Ishikawa, foi desenvolvido por Kaoru Ishikawa, da Universidade de Tquio, em
1943, onde foi utilizado para demonstrar para o grupo de engenheiros da Kawasaki Steel
Works como vrios fatores podem ser ordenados e relacionados, ver exemplo na figura 4
(RODRIGUES, 2010).
Figura 4 Diagrama de Ishikawa

Fonte: Soares; Koscianki (2005)
2.2.5 Grfico de Tendncia
um grfico em coordenadas cartesianas, que descreve o comportamento de uma

varivel ao longo do tempo ou em funo de outra varivel de referncia. A sua aplicao
a identificao de tendncias de comportamento, favorecendo a identificao de eventos ou
o entendimento do problema em estudo (LINS, 1993).
21
2.2.6 Histograma
um grfico de barras verticais que apresenta valores de uma determinada

caracterstica, agrupados por faixas. adequado para identificar o comportamento tpico de
uma caracterstica. Um histograma demonstra o valor central de uma caracterstica
produzida pelo seu processo, a forma e o tamanho da disperso nos dois lados deste valor
central. A forma e o tamanho da disperso facilita a identificao de outra forma de fontes
ocultas de variao. Os dados utilizados para construir um histograma podem ser usados
para determinar a capacidade de um processo de produzir uma sada que sempre fique
dentro dos limites de especificao, ver exemplo na figura 5. (GROVE, 1996).
Figura 5 Histograma
Fonte: Silva, Guimares; Tavares (2003)
2.2.7 Cartas de Controle
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).
Figura 6 Carta de Controle

Fonte: Milan; Fernandes (2002)
2.2.8 Grficos de Disperso
Possibilita a visualizao da correlao entre duas grandezas. A correlao poder:

Inexistir;
Caracterizar-se como uma correlao linear (ao longo de uma reta);
Caracterizar-se como uma correlao no linear (ao longo de uma curva);
Caracterizar outras distribuies (LINS, 1993).
2.2.9 Ferramentas da Qualidade na Indstria Automotiva
Existem ferramentas da qualidade utilizadas nas indstrias baseadas em normas, tal

como a ISO TS 16949 que uma norma automotiva para Gesto Integrada da Qualidade.
Dentro destas ferramentas especficas, chamadas quality tools, pode-se observar as
23
seguintes ferramentas da qualidade voltadas para controles e estudos estatsticos dos

processos de fabricao:
2.2.9.1 MSA (Measurement Systems Analysis)
Segundo o Manual de MSA da ISO TS: 16949 (2010), Sistema de Medio um

conjunto de operaes, procedimentos, meios de medio e outros equipamentos, software
e mo de obra usados para atribuir um nmero caracterstica a ser medida, ou seja, todos
os fatores do processo usados para obter as medidas.
A Anlise do Sistema de Medio consiste em um estudo que serve para avaliar se o
sistema de medio de uma determinada caracterstica pode prover uma medida confivel.
Para avaliar os fatores que influenciam no sistema de medio, faz-se necessrio o uso do
diagrama de Ishikawa. Estes fatores so importantes para indicar quais passos devero ser
seguidos para a execuo do estudo.
Segundo Silva (2002), apesar das diferenas que so possveis, existem algumas
propriedades estatsticas que todos os sistemas devem ter:
O sistema de medio deve estar sob controle estatstico de processo, o que
significa que a variao no sistema resultante somente causas comuns e no
causas especiais;
A variabilidade do sistema de medio deve ser pequena se comparada com a
variabilidade do processo de fabricao;
A variabilidade do sistema de medio deve ser pequena quando comparada
com os limites de especificao;
Os incrementos de medida devem ser pequenos em relao ao que for menor
entre a variabilidade do processo ou os limites de especificao.
O controle das variaes dos resultados das medies utilizado para estabelecer
as mdias e desvios, acompanhamento da estabilidade no decorrer do tempo,
estabelecimento de previsibilidade e obteno de coerncia. O planejamento e
gerenciamento adequados do sistema de medio tm por finalidade, portanto, proporcionar
economia com os recursos de inspeo (instrumentos, dispositivos de controle, entre outros)
e at mesmo com o intervalo das inspees.
Dentro do MSA, um dos principais fatores que influenciam o sistema de medio so
os prprios instrumentos. Com isto, necessrio que os instrumentos utilizados estejam
garantindo as medidas indicadas por eles. Para garantir as medidas indicadas pelos
24
instrumentos de medio, realizada a calibrao destes instrumentos. A calibrao

consiste em um conjunto de operaes que estabelece a relao entre os valores indicados
por um instrumento de medio e os valores das grandezas estabelecidos por padres de
referncia. Basicamente, calibrao a comparao do valor indicado pelo instrumento de
medio com um padro de referncia. A calibrao dos instrumentos de medio
necessria para atender normas da qualidade tais como ISO 9000 e ISO TS 16949
(KOBAYOSHI, 2012).
Segundo o Manual do MSA 4 Edio, no MSA existe um mtodo para estimar a
variabilidade do sistema de medio. Esta variabilidade decomposta em:
Repetitividade: variao das medidas encontradas por apenas um operador,
utilizando o mesmo instrumento de medio e mtodo, ao medir diversas vezes uma
mesma grandeza da mesma pea (corpo de prova).
Reprodutibilidade: variao das mdias obtidas por mais de um operador utilizando o
mesmo instrumento de medio para medir diversas vezes uma mesma grandeza da
mesma pea (corpo de prova).
R&R: a soma das variaes devido falta de Repetitividade e Reprodutibilidade.
Uma vez que a soma das variaes (R&R) um valor estimado em porcentagem,
para um sistema de medio cujo propsito analisar um processo, os critrios para anlise
de aceitao do sistema de medio so definidos conforme tabela 1.
Tabela 1 Critrio de aceitao R&R

RR Deciso Comentrios
Sistema de
medio Recomendvel, especialmente til quando tentamos ordenar ou
Abaixo
geralmente classificar peas ou quando for requerido um controle apertado do
de 10%
considerado processo.
aceitvel
Poder ser A deciso deve ser baseada primeiro, por exemplo, na importncia
Entre
aceito para da aplicao da medio, custo do dispositivo de medio, custo do
10% e
algumas retrabalho ou reparo. O sistema de medio deve ser aprovado pelo
30%
aplicaes cliente.
Todos os esforos devem ser tomados para melhorar o sistema de
medio. Esta condio pode ser resolvida pelo uso de uma
Acima Considerado
estratgia apropriada para a medio; por exemplo, utilizar a mdia
de 30% inaceitvel
de diversas medies da mesma caracterstica da mesma pea a
fim de reduzir a variabilidade da medida final.
Fonte: Portal Action Estatcamp (2010)
25
2.2.9.2 CEP (Controle Estatstico do Processo)
O Controle Estatstico de Processo (CEP) pode ser descrito como um conjunto de

ferramentas para monitoramento on-line da qualidade. Com tais ferramentas, possvel
conseguir uma descrio com detalhes do comportamento do processo, identificando a
variabilidade e possibilitando o controle ao longo do tempo, por meio da coleta continuada
de dados e tambm da anlise e bloqueio de possveis causas especiais, que so
responsveis pelas instabilidades dos processos. O Controle Estatstico de Processo
abrange a coleta, a anlise e a interpretao de dados com a finalidade de resolver um
problema especfico (PARANTHAMAN, 1990).
Logo, Controle Estatstico de Processo uma tcnica utilizada para processos de
produo, para auxiliar a deteco de problemas na manufatura de um produto, com o
intuito de diminuir desperdcios e retrabalhos, assim como aumentar a produtividade. O
aumento da produtividade visado, em geral, por meio da padronizao da produo, ou
seja, atravs da minimizao das variaes nas especificaes dos produtos com operao
de modo estvel.
Assim, a Estatstica fornece subsdios da maneira a se coletar os dados e formalizar
um padro a ser utilizado durante o acompanhamento do processo, permitindo que o este
seja capaz de apresentar repetitividade e capaz de operar com pouca variabilidade ao redor
da meta (parmetro, medida padro a ser perseguida, objetivada, alcanada).
O CEP usado para monitorar e controlar a qualidade dos processos utilizando
como base a estatstica para averiguao dos dados. Atravs destes dados, provenientes
dos processos, possvel utilizar grficos estatsticos para verificar o comportamento dos
processos e utilizar estas informaes para tomada de aes e decises.
A principal idia do CEP aprimorar os processos de produo com menos
variabilidade proporcionando nveis melhores de qualidade nos resultados da manufatura.
muito comum nas empresas que processos industriais no sejam otimizados, no sentido de
serem caracterizados por altos nveis de eficincia, todavia, dentro do CEP existem
ferramentas para monitorar o processo e, portanto, melhor-lo. (PALADINI, 2002;
CARVALHO & PALADINI, 2005).
A eficcia da utilizao do CEP tem base no seguinte conceito: se um processo
acontece sob condies conhecidas e estas so cuidadosamente mantidas, este processo
estar exposto apenas aos efeitos de Causas Comuns - que definem a posio e a
disperso do processo, configurando-se por uma Distribuio Normal. Assim, sendo um
processo conhecido, possvel prever toda sua ocorrncia (PINTON, 1997).
26
2.2.9.3 FMEA (Failure Mode and Effect Analysis)
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
A ferramenta 5 porqus utilizada para encontrar a causa raiz de um problema com

base em um sequenciamento de perguntas (porqus), uma vez que um fator em potencial
identificado para gerar o problema. Os 5 porqus consistem basicamente em uma
sequncia de porqus no qual o primeiro porqu deve ser a resposta de porqu o fator em
potencial identificado previamente ocorreu e/ou existe, e a partir disso, os porqu
subsequentes devem seguir um entendimento sobre o porqu anterior, com detalhes
especficos e evidncias que comprovem a veracidade das respostas de cada um. O ltimo
porque deve resultar na causa raiz do problema (AOUDIA; TESTA, 2011).
27
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).
2.3 SEIS SIGMA
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
consegue controlar a variao, possvel obter resultados notveis.

(MANAGEMENT, 2006).
Pouco tempo depois outras empresas comearam a adotar esse conceito Seis
Sigma e obtiveram resultados notveis, onde se destacou a empresa General Electric com
resultados impressionantes e que segundo Eckes (2001 p.21) est ajudando a empresa a
conquistar uma posio como uma das corporaes mais bem-sucedidas da historia.
Focado no uso de tcnicas estatsticas e com uma abordagem rigorosa, o seis sigma
visa entender as falhas no desempenho da produo para transform-las em melhorias,
aperfeioando assim esses processos falhos. A maior meta do seis sigma atingir uma
performance de classe mundial com foco nas necessidades dos clientes e na eliminao
das falhas (ECKES, 2001).
Com o auxilio de poderosas tcnicas e ferramentas estatsticas o seis sigma foca em
reduzir os desperdcios atravs na diminuio da variabilidade dos processos. O conceito do
seis sigma busca a eliminao dos erros ou falhas, com o anseio de atingir 3,4 falhas em um
milho de peas produzidas, ou seja, um desempenho de 99,9997% de eficincia.
(CORONADO e ANTONY, 2002).
No s para melhoras de desempenho fabril ou para a satisfao do cliente em
receber menos peas defeituosas serve o seis sigma, segundo Coronado e Antony (2001)
em termos de negocio serve como uma estratgia de melhoria, pois com as redues de
desperdcios e diminuio dos custos de qualidade se consegue aumentar as margens de
lucro da empresa e se v uma melhora da eficincia e eficcia dos processos e operaes
num geral. O seis sigma pode ser considerado como um programa que utiliza ferramentas
estatsticas para diminuir a variabilidade dos processos, diminuindo as falhas, mas alm de
tudo isso serve para mudana do valor cultural da empresa, como uma filosofia de trabalho
intolerante a defeitos.
A analise da variao dos processos e a meta de seis sigma no foram as nicas
que permitiram realmente a reduo da variao, melhoria dos processos e altos lucro, isso
tudo se derivou da metodologia do processo de melhoria, denominado, DMAIC (sigla do
ingls Define, Measure, Analyze, Improve e Control). Assim comeou a ser usado o conceito
Seis Sigma, que em poucos anos se disseminou por todo o mundo devido tantos casos de
sucesso da aplicao da metodologia. (SANTOS; MARTINS, 2003)
O DMAIC uma metodologia de resoluo de problemas estruturada e amplamente
utilizada no mundo dos negcios de acordo com George et al. (2005), encoraja o
pensamento criativo e foi desenvolvido afim de reduzir os defeitos, encontrando suas causas
razes e eliminando-as melhorando assim os processos. As letras DMAIC so uma sigla
para as cinco fases de melhoria do seis sigma, e se comportam em forma de ciclo, assim
30
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
Figura 7 Metodologia DMAIC

Fonte: Autoria prpria
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
Melhorar: durante esta quarta fase so identificadas as melhorias para otimizar os

resultados e eliminar ou reduzir os defeitos e as variaes. identificado o x e se determina
a y=f(x) relacionando e validando estatisticamente as condies de operao do novo
processo. determinada a relao da variao da y=f(x) atravs dos mtodos de
experimentos planejados, anlise de regresso ou ANOVA, so estabelecidas as tolerncias
operacionais e confirmado os resultados, e com isso as melhorias so validadas.
Controlar: a ultima fase documentada, monitorada e as responsabilidades so
atribudas afim de sustentar os ganhos obtidos com as melhorias no processo. So
redefinidas as capabilidades do processo com a anlise de capacidade e plano de controle
CEP, realizado o controle do processo de melhoria e completada a documentao do
projeto com a validao financeira, identificao de oportunidades de replicao dos
resultados do projeto em outros processos, realizado o acompanhamento da concluso do
projeto e uma reunio com o time, os stakeholders e clientes.
Como figuras fundamentais do seis sigma, os Champions, os Black Belts, os Green
Belts e os Master Black Belts, tem papel importante na organizao para o desenvolvimento
dos projetos (HARRY e SCHROEDER, 2000).
Os champions so os lderes de nvel executivo, selecionados para garantir que o
seis sigma esteja integrado organizao, uma pessoa dedicada gesto do seis sigma
no cotidiano, muitas vezes tambm chamado de lder do seis sigma (ou no ingls six sigma
leader).
Com aluso as artes marciais, os Black Belts ou faixas preta so os colaboradores
que trabalham aplicando os conceitos e as ferramentas do seis sigma em projetos de
grande porte, e sua formao depende de um treinamento intensivo em estatstica e em
tcnicas para soluo de problemas. Eles normalmente atuam identificando em diferentes
processos, oportunidades a serem exploradas por meio de projetos.
Da mesma maneira que os Black Belts, os Green Belts ou faixas verde so
colaboradores em diferentes partes da organizao que aplicam o seis sigma no seu dia-a-
dia, e sua formao envolve um treinamento um pouco menos intensivo que o dos Black
Belts, mesmo assim so lderes de projetos.
J os Master Black Belts so indivduos selecionados pela empresa para atuarem
como especialistas nos conceitos e ferramentas do seis sigma, coordenando a seleo de
projetos e treinamentos. Desempenham o papel de treinadores ou de consultor interno para
os projetos e do suporte tcnico a todos os envolvidos nos projetos quando necessrio.
A letra Sigma (grafia do grego ) para Campos (1999) utilizada na estatstica como
sendo uma medida de variao em torno da mdia de uma tolerncia. Empresas com nvel
de qualidade seis sigma podem ter apenas 3,4 defeitos em um milho de peas produzidas,
e custos da no qualidade inferiores a 10% das vendas conforme tabela 2.
32
Tabela 2 Escala da Qualidade

Nvel Sigma Defeitos por milho Custo da no qualidade
6 3,4 Menos de 10% das vendas
5 233 10%-15% das vendas
4 6.210 15%-20% das vendas
3 66.807 20%-30% das vendas
2 308.537 30%-40% das vendas
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.
Figura 8 Significado grfico do Seis Sigma

Fonte: Flemming (2008).
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
Figura 9 ndices de Capabilidade (Equaes dos clculos: Cp, Cpk, Pp e Ppk)

Fonte: Adaptado de Sheehy et al. (2002).
O Cp e Pp mostram a capabilidade do processo, ou seja a capacidade do processo

de produzir peas conforme uma especificao de engenharia ou cliente, e um indicador
simples e direto desta capacidade do processo. O Cpk e Ppk so ndices de capacidade do
processo, mostram a acomodao de Cp e/ou Pp para o efeito da distribuio no-centrada.
Exemplificando, o Cpk ou Ppk mede o quo perto voc est do seu alvo e como voc
coerente em torno de sua performance mdia. Uma pessoa pode apresentar com uma
variao mnima, mas ele pode estar longe do seu alvo no sentido de um limite de
especificao, o que indica um menor Cpk ou Ppk, enquanto Cp ou Pp ser elevado. Por
35
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).
Processo dentro dos

Processo centrado, porm
Limites de especificao,
deslocado do objetivo
porm disperso
Cp baixo Cp alto
Cpk alto Cpk baixo
Cenrio desejado ou ideal:

Processo dentro dos limites
de especificao e centrado
Cp alto
Cpk alto
Figura 10 Exemplo figurativo da Capabilidade de Processo

Fonte: Autoria prpria
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
Real melhora de um Processo
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
Figura 11 - Exemplo de Melhora Real de um Processo.

Fonte: Autoria prpria.
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.
2.4 RTY (ROLLED THROUGHPUT YIELD)
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.
Figura 12, Equao do RTY

Fonte: Court (2002)
2.5 POKA YOKES
Os poka-yokes ou tambm conhecidos como dispositivos a prova de erros foram

concebidos por Shingo (1986). Este acreditava em mecanismos de controle de qualidade de
baixo custo. Shingo (1986) identificou que basicamente, trs tcnicas de inspeo
conduziam o controle de produtos: inspeo por julgamento, inspeo normativa e inspeo
na fonte. A inspeo por julgamento no permite que produtos defeituosos sejam entregues
aos clientes, porm no elimina completamente os defeitos. Na inspeo normativa h uma
investigao a respeito da origem dos defeitos, mas estes continuam at que a causa raiz
seja encontrada e os defeitos corrigidos. A inspeo na fonte atua nos erros ao longo do
processo evitando, assim, que estes erros se transformem em defeitos nos produtos.
(SHINGO, 1986). Assim, a inspeo na fonte importante para evitar os defeitos; os poka-
yokes atuam com inspeo na fonte, no permitindo que se desenvolvam produtos ou
servios com defeitos. Rodrigues (2010) ressalta que os poka-yokes so apresentados de
diversas formas, mas que os mais comuns so constitudos por sensores ou interruptores
que apontam atividade incorreta, gabaritos instalados em mquinas, contadores digitais para
verificar o nmero de atividades e at mesmo alguns simples checklists. A utilizao dos
poka-yokes contribui para a diminuio da taxa de retrabalho e melhora dos processos
produtivos.
38
2.6 MINITAB
Segundo o manual do Minitab (2003), uma ferramenta do Six Sigma, empregado

em todas as fases dos projetos. Trata-se de um software de gerenciamento de processos e
estatstica com muitos recursos, capaz de calcular e gerar grficos estatsticos e testes de
hiptese para validar amostras e processos com base em analise de amostragem.
39
3 METODOLOGIA
3.1 CONTRATO DE PROJETO
A constatao de um problema dentro de uma empresa Multinacional Automotiva seja

ela qual for requer pouco mais que apenas a percepo pessoal de um indivduo, no caso, o
profissional da Engenharia de Produo. Isso se deve ao fato de os recursos serem
limitados e o nvel de expectativa e produtividade ser elevado, o que nos leva a diferentes
metodologias de priorizao de um problema, baseado em seu efeito para o cliente final
e/ou organizao.
Para no haver desalinhamento entre os objetivos da organizao e os objetivos
individuais de cada profissional, antes do incio de qualquer investigao de problema cria-
se um Contrato de Projeto (Project Charter). O contrato de projeto normalmente assinado
pelas figuras do lder do projeto, de seu lder imediato, de um mentor que o guiar no
restante do projeto e dos membros da equipe que iro participar.
O contrato do projeto inicia-se na aplicao da ferramenta 5W2H (5 Whys 2 hows). Ela
consiste em responder as seguintes perguntas:
Qual o problema?
Por que isto um problema?
Onde este problema foi detectado?
Quem detectou?
Quando foi detectado?
Como foi detectado este problema?
Quanto?
Com base nessas informaes, possvel formular o contrato e estimar um objetivo

para o projeto. Uma vez finalizado o contrato de projeto, o mesmo assinado e aprovado
pela alta liderana, juntamente com a aprovao de possveis recursos necessrios para
execuo do projeto. Segue-se, ento, para as etapas de soluo de problema seguindo a
metodologia DMAIC.
40
3.2 DEFINIR (D)
A primeira etapa do processo DMAIC consiste no D, de Definir. Inicialmente,

necessrio definir um escopo para o projeto. Uma vez que o contrato de projeto est
finalizado e aprovado, parte-se para o escopo tcnico do projeto. Isso inclui o verdadeiro
alvo do projeto e no o resultado, que deve ser tratado como conseqncia. Diz-se que
temos a funo de um projeto dada por:
F(Resultado final) = (Resultado parcial 1 + Resultado parcial 2 + Resultado parcial n
+ ...)
Ao definir-se o escopo, esclarecem-se possveis dvidas e delimitam-se
determinadas reas de atuao na qual o projeto visa uma melhora efetiva e quantitativa.
Faz-se analogia a um quadro, onde o projeto a pintura (rea em azul) e a moldura a rea
(rea em marrom) que demarca seu contedo, como mostrado na figura 13.
Improve FBV assembly line

In frame
RTY by improving main (under scope)
detractors Fora do
Dentro do escopo do projeto
escopo do
(frame)
projeto
Reduce rework due to
rejection at EOL test benches
Figura 13 Escopo do projeto

Fonte: Autoria Prpria.
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.
SIGMA / DPMO CALCULATOR

(Attribute Data)
v1.1
Characteristic Under Study: Characteristic
# of Units Processed 100

Defect Opportunities / Unit 1
# Defects Recorded 5
Sigma Shift 1.5
DPU 0.05
DPO 0.050000
DPMO 50,000
YIELD 95.0%
PROCESS SIGMA (with Shift) 3.15
Figura 14 Resumo do nvel Sigma

Fonte: Autoria Prpria
A figura 14 contm um resumo do desempenho estatstico de um processo com

dados atributivos. Observamos a influncia da varivel Caracterstica como sendo o
baseline desse indicador. Isso quer dizer, o estado atual em que o processo se encontra no
momento em que se decidiu realizar um projeto de melhoria.
Entradas
#Nmero de unidades processadas = Quantidade de peas testadas, por exemplo.
#Quantidade de oportunidades de defeito a cada unidade = 1 (no caso, define-se
apenas o critrio atributivo de: pea aprovada ou pea rejeitada)
#Nmero de defeitos registrados = Nmero de peas que tiveram o defeito, ou que
foram rejeitadas, por exemplo.
#Sigma Shift = refere-se a uma constante de clculo
42
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
3.3 MEDIR (M)
A segunda etapa de um projeto DMAIC a etapa Medir. Durante essa etapa so

realizadas medies do estado atual de um processo, medies em variveis crticas para o
resultado final, correlao entre causa e efeito e anlise do sistema de medio.
O estado atual consiste na utilizao de ferramentas estatsticas bsicas como:
grficos de Pareto, grficos de controle, entre outros.
Para realizao deste estudo foi utilizado o software Minitab 16 que nos auxilia a
compilar os dados e montar grficos e testes de hiptese probabilsticos para a
quantificao da qualidade do sistema de medio.
O estudo deve ser realizado sempre utilizando aquilo que foi definido na etapa de
definio. Ou seja, os dados a serem analisados devem partir do perodo selecionado como
baseline para o projeto. Para o caso onde o resultado final depende de muitas variveis
como por exemplo, famlias de produtos, sugere-se o estudo estatstico baseado no grfico
de pareto.
Inicialmente deve ser feito um estudo correlacionando todas as variveis de modo a
tabelar os valores que cada uma possui em termos de representatividade no resultado. Em
outras palavras, prioriza-se aquelas que so responsveis pela maior parte de um resultado
final (tcnica conhecida como 80-20 ou 60-40)
Com base nas informaes coletadas do perodo que foi selecionado como base,
podem-se observar alguns pontos relevantes em termos da populao geral em relao a
alguns subgrupos especficos e com isso selecionar e direcionar o foco das investigaes,
testes e aes de melhorias para um determinado caminho.
Feito isso possvel criar um grfico de Pareto, que nos d uma viso clara de onde
esto concentradas as rejeies que esto impactando negativamente o processo.
Uma vez selecionado o subgrupo a ser focado, necessrio assegurar a leitura
correta do resultado. Isto , garantir que aquilo que foi reprovado pelo teste do processo
realmente estava no-conforme e tambm que o que foi aprovado realmente estava
43
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.
3.4 ANALISAR (A)
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
Aqui especificamente faz-se a priorizao dos subgrupos considerados principais detratores

de um determinado indicador, por exemplo: Qual famlia de peas rejeita mais e quanto isso
representa para a eficincia da produo, etc...
Outra importante atividade a ser cumprida durante a etapa de anlise a criao do
diagrama de causa e efeito para o surgimento do problema. Esse diagrama deve focar nos
6M (medio, material, mquina, mtodo, mo de obra e meio ambiente) de forma a
identificar as causas razes mais complexas de um problema e que somente aparecem aps
a aplicao de algumas tcnicas como a reproduo da falha ou aplicao da ferramenta
dos 5 Por qus.
3.5 IMPLEMENTAR (I)
Na fase de implementao, deve-se desenvolver potenciais solues para os

problemas encontrados, novos mapas de processo, novos conceitos e fluxos de atividades,
criar solues pilotos e plano de aes. O uso de solues pilotos torna-se bastante comum,
pois atravs disso possvel montar alguns experimentos que, auxiliados de uma boa
ferramenta estatstica, servem para direcionar as aes de melhoria. Afim de assegurar que
o resultado obtido estatsticamente melhor do que o anterior, usa-se a ferramenta do teste
de hiptese, que onde comparamos um processo com o outro pelo mtodo de
comparao de amostras.
3.6 CONTROLAR (C)
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
4.1 CONTRATO DE PROJETO
O projeto selecionado contou com um formulrio de contrato de projeto padro

utilizado pela empresa WABCO Indstria e Comrcio de Freios LTDA. O projeto: Melhoria
do RTY da linha de vlvula pedal foi iniciado no dia 01/04/2013 e seu registro no sistema da
empresa 19554. Conforme ferramenta 5W2H, a descrio do problema :
Qual o problema?
A linha de montagem de vlvula pedal possui uma taxa de RTY muito baixa.
Por que isto um problema?

Porque mais horas so perdidas executando retrabalho de peas
Onde este problema foi detectado?

Durante uma reunio diria de gerenciamento da rotina nvel 3
Quem detectou?
Sr. Luis Gustavo Coltro Coordenador de Produo do setor de Vlvulas
Convencionais
Quando foi detectado?

Analisando o desempenho de RTY da linha nos trs primeiros meses de 2013
Como foi detectado este problema?

Atravs do gerenciamento visual dos indicadores de qualidade e produo da
VDC/TRAM
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
Contrato completo do projeto exposto na figura 14.

Six Sigma Project - Charter and Project Commitment
Process Foot Brake Valve Assembly Line Project ID 19554
Chartering Manager: Javier Pantoja Project Start Date 1-abr-13
Project Leader (GB/BB) Yann Ferrari End Date ( estimated ) 1-mar-14
Project Title:
FBV RTY Improvement
Understand the problem (5W2H):
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?
Where was it detected? VDC/TRAM DRM 3
Who detected it? Luis Coltro
When was it detected? April / 2013
How was it detected? KPI's visual management
How many? Or How much? RTY = 90% ( Baseline FEB 2013)

Project Objective:
Increase FBV line RTY to 98% according to site AOP 2013
Benefit to the Customer Metric Actual Goal Unit
RTY 90 98 %
Improve line output, reducing risk of delivery and the risk of
Eficiencia x x Prod/Backfsh
sending bad parts
Expected financial Project Impact
- Less backflushed hours due to low process efficiency (R$ R$ 28 0 K/year
28K/year). R$ 5 0 K/year
- Rework (R$ 5k/year) valor
- Cost Avoidance (R$ - TBD) valor R$ TBD K/year
Project Team Name Process/Function Necessary Resources
Member -
Yann Ferrari Six Sigma VDC/TRAM
Luis Coltro PTL
Marcos Pereira PE
Luiz Aprigio LL
Jonathan Matheus Auditor
Tatiane Rodrigues QMS
Expected Milestones Milestone due date

25% 50% 75% 100%
Define Start: 01.04 End: 29.04.2013
Measure Start: 2.05 End: 16.06.2013
Analyse Start: 17.06 End: 17.07.2013
Improve Start: 18.07 End: 30.09.2013
Control Start: 01.10 End: 15.10.2013
More than 2
On Time 2 Weeks delay
weeks delay
Project Commitment and Approval
Name Process Date Signature
Chartering Manager Javier Pantoja VDC/TRAM
Leader
Team Leader Javier Pantoja VDC/TRAM
Leader
Green Belt \ Black Belt Yann Ferrari Proj. Mgmt.
Six Sigma Mentor Joo Hayashi Six Sigma
Figura 14 Contrato do Projeto

47
4.2 DEFINIR (D)
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:
Improve FBV assembly line

In frame
RTY by improving main (under scope)
detractors
Reduce rework due to Improve all P/N RTY

rejection at EOL test benches
Out of frame
(out of scope)
Figura 15 Definio do Escopo do projeto

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
High Level Process Map
Op 50A
Op 60
Op 20 Op 30 Op 10 Op 40 Op 50B
Op20 Montar corpo Op30 Montar corpo Op10 Montar pisto

superior da vlvula onde inferior da vlvula dentro do corpo superior
posteriormente ser fechando-a com a tampa da vlvula
montado o pisto e guia de descarga
Op40 Fechamento da Op50A e B Teste de Op60 Acabamento

vlvula, aplicao de acionamento e final da vlvula e
torque na unio do corpo estanqueidade embalagem
inferior e superior da
vlvula
Figura 16 Macro fluxo de processo

4.3 MEDIR (M)
Aps a realizao do mapeamento, calculamos o nvel sigma do processo atual,

definimos a funo do projeto e as variveis crticas para o resultado, conforme figura 17.
49
Variable Y = Total Line RTY baseline

performance
Process Capability: DPMO / Sigma Level

(Attribute Data)
v1.1
Characteristic Under Study: General FBV RTY April/2013

Sigma Shift 1,5
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
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).
A funo definida para o RTY da linha FBV :
F (RTY FBV) = (PN#4613152460 RTY).(PN#4613152470 RTY).(PN#4613152470

RTY).(PN#4613151210 RTY).(N) onde N = RTY individual de cada modelo de vlvula pedal
produzida. Para descobrir quais as variveis crticas para o processo, foi implantada na linha
durante o ms todo, nos dois turnos, uma carta de coleta de dados conforme tabela 3.
50
Tabela 3 Coleta de dados vlvula pedal
50
51
Como resultado dessa coleta, observamos em Abril/2013 os seguintes valores,

conforme tabela 4.
Tabela 4 - Resumo da coleta de dados
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 -
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
Pareto Chart of Individual Rejection

900
100
800
700 80
600
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
Mesma famlia de vlvula = ~60% das rejeies

Figura 18 N Rejeies por P/N
Como principal resultado dessa anlise, podemos selecionar os modelos

4613152470, 4613152460 e 4613152480, atravs do pareto realizado no software Minitab.
Juntos eles representam quase 60% do total de rejeies de um ms e por se tratar da
mesma famlia de vlvulas, elas so tecnicamente semelhantes. Dessa forma, as aes de
investigao e anlise podem ser priorizadas e focadas nesses modelos.
Em seguida, realizamos novamente o calculo do valor sigma atual do processo,
dessa vez contemplando apenas a famlia de vlvulas pedais 246, 247 e 248, conforme
figura 19.
53
F(Total FBV RTY) = (PN #4613152460 RTY; PN

#4613152470; PN #4613152480) Core
variables in this process
Process Capability: DPMO / Sigma Level

(Attribute Data)
v1.1
Characteristic Under Study: 246/247/248 FBV family

Sigma Shift 1,5
DPU 0,10
DPO 0,102480
DPMO 102.480
YIELD 89,8%
PROCESS SIGMA (with Shift) 2,77
Figura 19 Nvel Sigma / Capabilidade

4.4 ANALISAR (A)
Seguindo a seqncia lgica do fluxo DMAIC, a terceira etapa consiste na anlise

dos dados levantados na coleta de dados e no grfico de pareto onde foi possvel medir o
tamanho do problema. Quando priorizamos as investigaes de causa para focarmos em
uma nica famlia de vlvulas pedais estamos ao mesmo tempo tratando indiretamente de
todas as outras famlias de vlvulas pedais. Isso ocorre porque independentemente do
modelo que est sendo produzido, o fluxo do processo o mesmo, as bancadas de
montagem so as mesmas e as bancadas de teste tambm so as mesmas. As diferenas
entre as famlias de vlvulas so muito pequenas e o que define o nmero da pea
basicamente o suporte de fixao entre os diversos clientes que compram esse produto,
sendo que essa caracterstica nada influencia no funcionamento da pea.
A priorizao nos levou a observar atenciosamente o comportamento das rejeies
durante um perodo de 1 semana conforme podemos observar no grfico da figura 20.
54
Pareto Chart of Rejections

90
100
80
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
Figura 20 Pareto de rejeies por testes

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
Pareto Chart of Causes

40
100
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
Figura 21 Pareto de causas de rejeies

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
Pisto 628 com porosidades

MSA da bancada 50 B
Dureza da mola de borracha fora do
especificado gerando rejeio sem defeito MSA da bancada 50 A
visvel Shore A spec: 81+3-2
Material Mquina / Medio
RTY
Mo de obra Mtodo Meio

Ambiente
Treinamento Mtodo de
dos operadores montagem Ambiente
Controlado
Figura 22 Espinha de Peixe

4.5 IMPLEMENTAR (I)
Como resultado da analise do diagrama de causa e efeito, pudemos definir algumas

causas como sendo razes para o problema do RTY.
1 - Pisto 628 com porosidades: Foi evidenciado que os pistes fundidos figura 23
e usinados do modelo 628 (componente interno da vlvula pedal) possuem porosidades
visveis e porosidades invisveis, comprometendo a estanqueidade das vlvulas pedais.
Causa raiz: Ferramental WABCO com a vida til acima de sua capacidade projetada. Ao
Corretiva: Desenvolver novo ferramental de injeo junto ao fornecedor ao em
andamento.
57
Figura 23 Pisto com Porosidade

2 - Dureza do anel de borracha fora do especificado: Foi evidenciado que a mola

de borracha (componente interno da vlvula pedal) estava com a dureza acima do
especificado e consequentemente, o processo do fornecedor estava com um Cpk acima do
aceitvel figura 24. Causa raiz: Investigado junto ao fornecedor e foi descoberta a existncia
de um desvio de projeto aprovado na Europa para uma determinada aplicao porm como
no foi dado o retorno para o fornecedor o mesmo continuou produzindo sob esses critrios
at os dias de hoje (desvio datado de 2004). Ao Corretiva: Solicitar correo no processo
de fabricao da mola de borracha junto ao fornecedor (alterado parmetro de quantidade
de p de borracha) ao concluda conforme figura 25.
58
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
Figura 24 Dureza da mola de borracha antes da melhoria

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 *
79,2 80,0 80,8 81,6 82,4 83,2 84,0

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0,00 P P M < LS L 1,57 P P M < LS L 144,50
P P M > U S L 0,00 P P M > U S L 0,00 PPM > USL 2,19
P P M Total 0,00 P P M Total 1,57 P P M Total 146,69
Figura 25 Dureza da mola de borracha depois da melhoria no fornecedor

59
3 - MSA (Measurement System Analisys) da bancada de teste 50 A: Foi

evidenciado que a bancada de teste op 50A no possui um MSA confivel, pois est
rejeitando peas boas. Causa raiz: Componente interno da bancada (vlvula proporcional)
com problema demonstrando 10 BAR de presso no sistema interno da bancada porm
alimentando apenas com 9,8 BAR o que gera uma falsa leitura de vazamento pelo sistema
de diferencial de presso. Ao Corretiva: Efetuar a compra de uma nova vlvula
proporcional, realizar manuteno corretiva na bancada de testes e executar um segundo
estudo de MSA para validao do resultado ao concluda, gage R&R passou de 48,79
para 6,06 aprovado, conforme figura 26.
60
Antes
Gage R&R (ANOVA) for 12c331
Reported by :
G age name: Tolerance:
D ate of study : M isc:
Components of Variation R Chart

100 % Contribution
0,2 U C L=0,2059
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
12c331 by A mostra XBar Chart
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:

100 % Contribution U C L=0,02574
Sample Range
% 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
12c331-2 by A mostra XBar Chart
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
Figura 26 Gage R&R antes e depois das aes na Bancada de Teste 50 A.

61
4 - MSA (Measurement System Analisys) da bancada de teste 50 B: Foi

evidenciado que a bancada de teste op 50B no possui um MSA confivel, pois tambm
est rejeitando peas boas (quantidade muito superior a bancada 50 B). Causa raiz:
Bancada sem calibrao desde 2005 devido ao projeto da bancada ter sido feito na Polnia
e a no existncia de um manual de como calibrar e realizar manuteno nos componentes
internos da bancada de testes. Ao Corretiva: Efetuar total desmontagem da bancada,
manuteno preventiva a partir de instrues do time da WABCO Polnia, atualizao do
software que realiza medio e executar estudo de MSA para validao do resultado Ao
concluda, gage R&R de 8,13 aprovado, conforme figura 27.
62
Antes
- Bancada de teste descalibrada

- Sistema de medio no confivel
(alto ndice de reprova por conta do teste)
Depois
Gage R& R (A NOVA ) for Vazamento
Reported by :
G age nam e: T olerance:
D ate of study : M isc:

% Contribution U C L= 0,8752
75
% Study Var
Sample Range
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
Vazamento by A mostra XBar Chart

U C L= 1,4765
1,5 1,4
Sample M ean
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
Figura 27 Gage R&R depois das aes na Bancada de Teste 50 B.

63
4.6 CONTROLAR (C)
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.
Boxplot of Apr/2013; May/2013; Jun/13; Jul/2013; Aug/13; Sep/13
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
Figura 28 Grfico de acompanhamento de RTY mensal

Observamos a evoluo ms a ms, e com os dados de rejeio dirios podemos

montar um teste de hiptese que mostra o resultado de P-valor = 0,000, conforme figura 29.
Figura 29 Teste de hiptese utilizando o software minitab

Isso significa que temos uma melhoria comprovada estatisticamente entre o processo
antes e depois das aes que foram implementadas.
64
5 CONCLUSO
A proposta de aplicao da metodologia Seis Sigma foi a de resolver um problema,

uma situao real de forma estatstica, bem como encontrar os fatores e variveis chaves
para o surgimento do problema e depois trazer novamente para uma soluo ou melhoria
real. Quando observado que uma melhoria foi executada ou que um problema foi resolvido,
necessria uma comprovao. Para confirmar foi utilizado o mtodo estatstico do teste de
hiptese. O objetivo principal de atingir um RTY acima de 94% foi atingido e comprovado
por esses meios de clculo estatsticos que fazem do Seis Sigma uma poderosa ferramenta
/ conceito que agrega valor ao negcio e impacta positivamente, quando bem aplicado e
seguido em uma lgica correta.
A metodologia aplicada foi basicamente o DMAIC de maneira sequencial, utilizando
as ferramentas mais comuns que fazem parte do pacote Seis Sigma, mas no
necessariamente todas elas, afinal o que realmente interessa o resultado obtido com este
trabalho.
O desafio de se iniciar um projeto como esse nos remete a gesto de projetos e ao
foco no resultado que um profissional Engenheiro de Produo precisa ter para contribuir
positivamente no desenvolvimento e na competitividade da organizao onde ele est
inserido. necessrio ter perseverana, flexibilidade, foco no Cliente (seja ela a
organizao ou um cliente externo) e acima de tudo: Paixo por melhoria contnua.
No incio do projeto (RTY = 88,3%) a empresa WABCO desperdiava
aproximadamente 44 horas semanais de mo de obra qualificada para a anlise das
vlvulas pedais com defeito e posterior remontagem das mesmas. Isso equivale a exatos R$
84.482,53 por ano em termos de custo de mo de obra direta para a empresa (sem contar
todos os demais custos difceis de se contabilizar que esto envolvidos ao se retrabalhar
1100 peas por ms: Motivao, risco ao cliente, degradao do processo de montagem e
teste, entre muitos outros). Quando chegamos ao resultado esperado (RTY > 94%)
registramos um saving real em 2013 de R$29.872,00 e um saving previsto para 2014 de
R$45.490,60. Isso significa aproximadamente 54% de melhoria.
Por ser um trabalho de melhoria contnua importante ressaltar que ela nunca pode
parar. Para o ano que vem o objetivo que esta linha de vlvulas pedais atinja o ndice de
97%, reduzindo ainda mais o desperdcio. Foi recomendado que este trabalho seja feito no
somente para uma nica linha, mas sim para todas as linhas cujo resultado de RTY seja
abaixo da meta definida pela empresa de 97%. Uma pr-anlise pode ser realizada
utilizando um grfico de pareto para priorizar as linhas que mais impactam no resultado final
e, em seguida, aplicar os passos conforme este trabalho para reduzir as rejeies e
65
aumentar o rendimento de qualidade das linhas de produo seriadas de qualquer

segmento.
66
REFERNCIAS BIBLIOGRFICAS
ANTONY, J.; CORONADO, R. B. (2001). A strategy for survival. Manufacturing Engineer,

Dearborn, vol. 80. N 3, p. 119-121.
AOUDIA, H.; TESTA, Q. Perfect QRQC, The Basics. Ed Maxima, 2011.
BEHARA, R. S.; FONTENOT, G. F.; GRESHAM, A. Customer satisfaction measurement

and analysis using six sigma. International Journal of Quality & Reliability Management, p.9-
18, 1995.
CAMPOS, M. S. Em Busca do Padro Seis Sigma. Revista EXAME, ed. 689, ano 32, n. 11,
2 de junho, 1999.
CAMPOS, V. F. Qualidade Total, Padronizao de Empresas. Nova Lima, MG: INDG

Tecnologia e Servios Ltda, 2004.
CAMPOS, V. F. TQC Controle da Qualidade Total. Belo Horizonte: DG, 1992, 8 Edio.
CARVALHO, M. M.; PALADINI, E. P. Gesto da qualidade: teoria e casos. Rio de Janeiro:

Editora Campus, 2005. 355p.
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.
ECKES, G. A Revoluo Seis Sigma. Rio de Janeiro, Campus, 2001, 4 Edio.

67
GARVIN, D. A. Gerenciando a Qualidade: A Viso Estratgica e Competitiva, Qualitymark

Editora, Rio de Janeiro, 1992.
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.
GIOVANNI, M. Elementos do Sistema de Gesto de SMSQRS. Sistema de Gesto

Integrada, Volume 2, 2Edio, 2010.
GROOVE, J. The General Eletric Company. Playbook by GE Aircraft Engines Executive

Communication. Topic 6, 1996.
HARRY D.; SCHROEDER, R. Six Sigma: the breakthrough management strategy

revolutionizing the Worlds Top Corporation. New York, Doubleday, 2000.
KOBAYOSHI, M. Calibrao de instrumentos de medio: rea mecnica dimensional. So

Paulo: SENAI-SP editora, 2012.
LINS, B. F. E. Ferramentas bsicas da qualidade. Cincia da Informao, Braslia, v.22,n. 2,

maio/ago., 1993.
Manual do MSA Measurement Sistems Analysis, Manual de Referncia 4 Edio, AIAG,

2010.
Manual Meet Minitab, Verso 14 para Windows by Minitab Inc, 2003, 2004.
MELLO, C. H. P.; SILVA, C. E. S.; TURRIONI, J. B.; SOUZA, L. G. M. ISO 9001:2008,

Sistema de Gesto da Qualidade para Operaes de Produo e Servios. So Paulo:
Atlas, 2009.
MORAES, L. G. S.; JUNIOR, E. P. L.. Os Custos da Qualidade e da No Qualidade na

Produo. 2012.
MUNIZ, J.; MOELLMANN, A.H. Gesto da Qualidade: Histrico e Perspectivas Estratgicas.

MBA Pro UNESP, Guaratinguet, 2010.
68
PALADINI, E. P. Avaliao estratgica da qualidade. So Paulo: Atlas; 2002. p.64-114.
PARANTHAMAN, D. Controle de qualidade. So Paulo: McGraw- Hill Ltda; 1990. p.118-212.
PINTON, D.H. Controle estatstico de processo. So Paulo, Rev IMES 1997; (40):35-8.
RODRIGUES, M. V. Aes para a qualidade: gesto estratgica e integrada para a melhoria

dos processos na busca da qualidade e competitividade. 3. ed. Rio de Janeiro: Qualitymark,
2010.
RODRIGUES, M. V. C.; AMORIM, T. A. A. Uma investigao da qualidade nas organizaes

brasileiras. Revista Brasileira de Administrao Contempornea, Joo Pessoa, v. 1, n. 9, p.
262-285, 1995.
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.
SOLEIMANNEJAD, F. Six Sigma, Basic Steps and Implementation. AuthorHouse, 2004, 1

Edio.
STAMATIS, D. H. Failure Mode Effect Analysis. FMEA from Theory to Execution, Second
Edition, 2003.
TEBOUL, J. Gerenciando a dinmica da qualidade. Rio de Janeiro: Qualitymark, 1991.
SILVA, W. L. Experincia na implantao da rotina de anlise de sistemas de medio em

uma indstria de auto peas. 2002. 22f. Artigo (2nd International Conference on Advanced
Measurement Techniques and Sensory Systems for Automotive Automotive Applications) -
Ancona, Itlia. 2002.
69
ZUFFOLETTI, V. The General Eletric Company. Playbook by GE Power Systems Training

and Development. Topic 25, 1997.
FLEMMING, D. Seis Sigma. Potencialize seus ganhos. Disponvel em

http://www.mbc.org.br/mbc/uploads/biblioteca/1207675282.0673A.pdf. Acesso em 11 de
outubro de 2013.
KOSCIANSKI, A.; SOARES, M. S. Qualidade de Software: Aprenda as metodologias e

tcnicas mais modernas para o desenvolvimento de software. Disponvel em:
http://www.martinsfontespaulista.com.br/anexos/produtos/capitulos/241804.pdf. Acesso em
12 de outubro de 2013.
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.
MANAGEMENT, HSM, 2006, Seis Sigma: Memrias do pioneiro. Disponvel em

www.minitabbrasil.com.br. Acesso em 03 de outubro de 2013.
MILAN, M.; FERNANDES, R. A. T. Qualidade das operaes de preparo do solo por

controle estatstico de processo. Disponvel em:
http://www.scielo.br/pdf/sa/v59n2/8919.pdf. Acesso em 12 de outubro de 2013.
MOTH, C. G.; CORREA, D. Z.; CASTRO, B. C. S.; CAETANO, M. Otimizao da produo

de Biodiesel a partir do leo de mamona. Disponvel em:
http://www.revistaanalytica.com.br/ed_anteriores/19/art01.pdf. Acesso em 09 de outubro de
2013.
PINHO, A. F.; LEAL, F.; MONTEVECHI, J. A. B.; ALMEIDA, D. A. Combinao entre as

tcnicas de fluxograma e mapa de processo no mapeamento de um processo produtivo.
Disponvel em: http://www.abepro.org.br/biblioteca/enegep2007_tr570434_9458.pdf.
Acesso em 10 de outubro de 2013.
70
RIBEIRO, O. Uso do modelo de cubo numa analise dos aspectos ergonmicos, de

produtividade e qualidade nos postos de trabalho manuais de solda a resistncia numa
indstria de auto peas. UFPR,Curitiba, 2008. Disponvel em
http://www.pgmec.ufpr.br/dissertacoes/dissertac ao_098_Oderli%20Ribeiro.pdf. Acesso em
20 de setembro de 2013.
SILVA, J. W.; GUIMARES, E. C.; TAVARES, M. Variabilidade temporal da precipitao

mensal e anual na estao climatolgica de Uberaba-MG. Disponvel em:
http://www.scielo.br/pdf/cagro/v27n3/a24v27n3.pdf. Acesso em 10 de outubro de 2013.

Projeto Green Belt

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Projeto Green Belt

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDADE SO FRANCISCO

Curso de Engenharia de Produo

JONATHAN FELIPE MATHEUS

Monografia apresentada ao Curso de Engenharia

Orientador: Prof. Ms. Helton Salles de Oliveira

Monografia apresentada, defendida e aprovada pelo

rea de Concentrao: Industrial

Data de Aprovao: ___/___/____

Prof. Ms. Helton Salles de Oliveira (Orientador)

Prof. Dr. Emlio Gruneberg Boog (Examinador)

Prof. Dr. Robisom Damasceno Calado (Examinador)

Palavras-chave: Seis Sigma, Estatstica e Melhoria.

Keywords: Six Sigma, Statistics and Improvement.

A empresa WABCO Sistema de Freios Veiculares dispe de uma nica planta de

1.1.2 Caracterizao do Problema

Excesso de rejeio de Vlvulas Pedal de Freio devido a vazamento de ar acima da

Este presente trabalho tem como objetivo executar um projeto utilizando as

Utilizando a ferramenta Seis Sigma possvel, de forma precisa, definir o problema e

2.1.1 Eras da Qualidade

Na figura 1 apresentado alguns detalhes das principais mudanas no ponto de

Figura 1 Evoluo do Conceito de Qualidade

A fase ou era da inspeo (ou controle do produto), corresponde a um enfoque de

Orientao pelo cliente;

2.2 Ferramentas da Qualidade

Ferramentas da Qualidade so tcnicas que so utilizadas para definir, mensurar,

2.2.2 Folha de Verificao

A folha de verificao um quadro para o lanamento do nmero de acontecimentos

2.2.3 Grfico de Pareto

O Diagrama de Pareto tem como objetivo mostrar o quo importante so as

Figura 3 Grfico de Pareto

2.2.4 Diagrama de causa e efeito

O Diagrama de causa e efeito ou espinha de peixe tem como finalidade analisar e

Figura 4 Diagrama de Ishikawa

2.2.5 Grfico de Tendncia

um grfico em coordenadas cartesianas, que descreve o comportamento de uma

um grfico de barras verticais que apresenta valores de uma determinada

2.2.7 Cartas de Controle

Figura 6 Carta de Controle

2.2.8 Grficos de Disperso

Possibilita a visualizao da correlao entre duas grandezas. A correlao poder:

2.2.9 Ferramentas da Qualidade na Indstria Automotiva

Existem ferramentas da qualidade utilizadas nas indstrias baseadas em normas, tal

seguintes ferramentas da qualidade voltadas para controles e estudos estatsticos dos

2.2.9.1 MSA (Measurement Systems Analysis)

Segundo o Manual de MSA da ISO TS: 16949 (2010), Sistema de Medio um

instrumentos de medio, realizada a calibrao destes instrumentos. A calibrao

Tabela 1 Critrio de aceitao R&R

2.2.9.2 CEP (Controle Estatstico do Processo)

O Controle Estatstico de Processo (CEP) pode ser descrito como um conjunto de

2.2.9.3 FMEA (Failure Mode and Effect Analysis)

A ferramenta 5 porqus utilizada para encontrar a causa raiz de um problema com

2.3 SEIS SIGMA

consegue controlar a variao, possvel obter resultados notveis.

Figura 7 Metodologia DMAIC

Melhorar: durante esta quarta fase so identificadas as melhorias para otimizar os

Tabela 2 Escala da Qualidade

6 3,4 Menos de 10% das vendas

5 233 10%-15% das vendas

4 6.210 15%-20% das vendas

3 66.807 20%-30% das vendas

2 308.537 30%-40% das vendas

Figura 8 Significado grfico do Seis Sigma

Figura 9 ndices de Capabilidade (Equaes dos clculos: Cp, Cpk, Pp e Ppk)

Data de Aprovao: _/_/____