Amostragem para projetos de melhoria
Amostragem para projetos de melhoria – O nosso amigo Black Belt de nome Histo DOE está coordenando um projeto para otimizar o processo de elaboração de café expresso (esquematizado na Figura 1) nas lojas da rede “Cafezal em flor”. No processo foram destacadas algumas variáveis de entrada que influenciam o processo (controladas e não controladas) e outras variáveis de saída. Ele observou que estas variáveis podem ser de dois tipos: Contínuas (designadas pela letra C, e que podem assumir infinitos valores em um intervalo, pelo menos sob o ponto de vista conceitual, como temperatura, tempo, quantidade de café) ou Atributos (designadas pela letra A, cujos níveis correspondem a poucas categorias, como nome do funcionário, marca ou tipo do café). Embora saiba que as variáveis contínuas têm mais “poder de fogo”, ele tem que lidar com os dois tipos.
Figura 1 – As saídas de um processo são influenciadas pelas entradas
Histo DOE deve otimizar as saídas relacionadas com a Voz do Cliente (sabor do café e temperatura do café) e com a Voz do Negócio (tempo de ciclo e desperdício). A lucratividade da empresa depende disto. Ele é um técnico altamente capacitado e reconhecido pelos colegas, mas sempre se defronta com questões cruciais quando tem que coletar amostras para estudar um sistema. Tentaremos neste artigo responder algumas perguntas que usualmente o atormentam:
- Realmente preciso coletar dados?
- Quantos elementos se deveriam incluir na amostra?
- Devo usar dados históricos ou devo fazer experimentos no processo?
- Ao fazer experimentos, devo fixar todas as variáveis e modificar só uma por vez?
Ao encarar qualquer projeto, o Black Belt deveria se perguntar qual é a questão fundamental que está tentando resolver. Esta questão vai direcionar a escolha do plano de amostragem. Ao estudar relações causa-efeito o Black Belt deveria utilizar o fluxograma da Figura 2. Segundo este fluxograma Histo DOE deve inicialmente formular os objetivos do projeto Lean Seis Sigma (LSS), relacionar os objetivos com as questões técnicas do processo e traçar uma estratégia de trabalho. A estratégia se converte em uma hipótese estatística que deve ser testada. A seleção do plano de amostragem está intimamente ligada com esta hipótese e com a ferramenta estatística que será usada para testá-la.
Na Figura 3 ilustraram-se: as possíveis estratégias que Histo DOE poderia seguir para otimização do problema do café, os planos amostrais para tratar estas estratégias, as ferramentas indicadas e os tamanhos de amostras requeridos para resolver alguns casos selecionados. Para cada situação indicamos com círculos, os planos que recomendamos como os mais adequados, que estão explicados na Figura 4. Nenhum dos planos de amostragem apresentado tem relação com inspeção de produtos.
Figura 2 – Fluxograma usado pelos Black Belts para pesquisa da Causa-Raiz
Figura 3 – Ligação de estratégias de análise da causa-raiz, planos de amostragem, tamanho de amostra e ferramentas de análise
Figura 4 – Escolha do plano de amostragem
Exemplos
Este projeto de Histo DOE será desenvolvido usando o ciclo DMAIC que consiste das seguintes etapas: Definição do problema, Medição do estado atual do processo, Análise da causa-raiz, (I) Melhoria do processo e Controle dos ganhos.
O primeiro objetivo do Black Belt foi caracterizar o processo em relação à temperatura do café. Como ele não tinha dados históricos, orientou-se pela Figura 3 e decidiu fazer 4 medições diárias da temperatura durante um período de 20 dias. Na fase inicial do DMAIC estes dados permitem avaliar se o processo é estável e capaz de atender à especificação do cliente (80-85 oC). Os dados coletados mostraram instabilidade do processo e variação excessiva. O desvio padrão foi igual a 1,7 oC e o índice de capacidade Cp = 0,49; bem inferior ao de um processo Seis Sigma (Cp = 2).
O segundo objetivo de Histo DOE foi descobrir por que a temperatura varia tanto. Inspecionando a Figura 3 ele decidiu fazer um estudo de fontes de variação. Como os dados da análise anterior mostraram certa evidência de influência da hora do dia na temperatura do café, foram escolhidos os fatores e níveis indicados na Figura 5. Este tipo de estudo é adequado para fatores controlados ou não controlados, com níveis atributo (ou que podem ser categorizados). Ao analisar os dados, confirmou-se que nas horas de maior demanda, a variação da temperatura era maior. O processo foi então modificado para corrigir o problema.
Figura 5 – Fontes de variação que podem afetar a temperatura do café
O terceiro objetivo foi diminuir o tempo requerido para fazer os cafezinhos (aumento da produtividade). Inspecionando a Figura 3, planejou um experimento do tipo “um fator por vez – OFAT” para comparar se o tempo de ciclo era diferente quando a máquina era operada pelos funcionários J ou P. O número de medições para cada funcionário foi calculado como (este cálculo pode ser feito no Minitab em Estat\ Poder e Tamanho de Amostra\ Teste t para 2 Amostras):
Como ele desconhecia o desvio padrão, considerou-se a diferença a detectar igual ao desvio padrão, S e ambos iguais a 1. Para se ter uma ideia mais precisa do tempo do ciclo, foi contado o número de cafezinhos produzidos em períodos de meia hora. A aplicação do teste t de Student para duas médias independentes mostrou uma diferença estatisticamente significativa e de importância prática (teste que pode ser feito no Minitab em Estat\ Estatísticas\ Teste t para 2 Amostras). Esta informação foi importante para treinar melhor um dos funcionários e aumentar as vendas.
Conclusões:
Apresentamos um enfoque integrado para a seleção do plano de amostragem: a escolha começa com a tradução do objetivo do projeto LSS para uma estratégia prática de busca da causa raiz do problema. Isto ajuda a definir a hipótese que se deseja testar, a ferramenta de análise e o plano de amostragem.
Em uma primeira leitura o fluxograma para escolha do plano pode parecer complexo, mas quando o Black Belt compreende sua utilização pode-se transformar em um auxiliar valioso para aumentar a eficiência dos projetos.
Referências:
- Bothe, Davis R. (1997). Measuring Process Capability. New York: McGraw-Hill. ISBN: 0070066523.
- Mace, Arthur E. (1964). Sample-Size Determination. New York: Reinhold Publishing Corp.
- Natrella, Mary G. (1966). Experimental Statistics. New York: Dover. ISBN: 0486439372.
Se tiver comentários, comente abaixo!