Por Jeff Joines (professor associado de engenharia têxtil da NCSU)
Esta é uma série de três partes sobre Seis Sigma, Lean Sigma e Simulação. O primeiro blog explicará a metodologia Seis Sigma e a ponte para a análise e modelagem de simulação, enquanto a segunda e a terceira partes descreverão os usos da simulação em cada uma das fases do Seis Sigma e do Lean Sigma (ou seja, Manufatura Enxuta), respectivamente.
“Os sistemas raramente funcionam exatamente como previsto” foi o ponto de partida para o blog Predicting Process Variability e é a força motriz por trás da maioria dos projetos de melhoria. Como foi dito, a variabilidade é inerente a todos os processos, sejam eles de fabricação de um produto em uma fábrica, de produção de um produto por meio de todo um complexo de cadeia de suprimentos ou de prestação de um serviço em um ambiente de varejo, bancário, de entretenimento ou hospitalar. Se você pudesse prever ou eliminar a variabilidade de um processo ou produto, não haveria desperdício (ou Muda no mundo Lean, que será discutido em uma terceira parte) associado a um processo, não haveria horas extras para concluir um pedido, não haveria vendas perdidas por ter o estoque errado ou prazos de entrega longos, não haveria mortes por erros na assistência médica, prazos de entrega mais curtos etc., o que, em última análise, leva a custos reduzidos. Para qualquer organização (de manufatura ou de serviços), a redução dos custos, dos prazos de entrega etc. é ou deveria ser uma prioridade para que você possa competir no mundo global. A redução, o controle e/ou a eliminação da variabilidade em um processo é fundamental para minimizar os custos.
Seis Sigma é uma filosofia de negócios que se concentra na melhoria contínua para reduzir e eliminar a variabilidade. Em um ambiente de serviços ou de fabricação, um processo Seis Sigma (6?) seria praticamente isento de defeitos (ou seja, permitiria apenas 3,4 defeitos em um milhão de operações de um processo). Entretanto, a maioria das empresas opera em quatro sigma, o que permite 6.000 defeitos por milhão. O Six Sigma teve início na década de 1980, quando a Motorola se propôs a reduzir o número de defeitos em seus próprios produtos. A Motorola identificou maneiras de reduzir o desperdício, melhorar a qualidade, reduzir o tempo e os custos de produção e concentrar-se na forma como os produtos eram projetados e fabricados. O Seis Sigma surgiu dessa iniciativa proativa de usar medidas exatas para prever áreas problemáticas. Em 1988, a Motorola foi escolhida como a primeira grande empresa de manufatura a ganhar o Prêmio Nacional de Qualidade Malcolm Baldrige. Como resultado, as metodologias da Motorola foram lançadas e logo seus fornecedores foram incentivados a adotar as práticas do Seis Sigma. Hoje, as empresas que usam a metodologia Seis Sigma conseguem reduções de custo significativas.
O Six Sigma evoluiu de outras iniciativas de qualidade, como ISO, Total Quantity Management (TQM) e Baldrige, para se tornar um processo de padronização de qualidade baseado em dados concretos e não em palpites ou intuições, daí o termo matemático Six Sigma. O Six Sigma utiliza uma série de ferramentas estatísticas tradicionais, mas as engloba em uma estrutura de aprimoramento de processos. Essas ferramentas incluem diagramas de afinidade, causa e efeitos, modos de falha e análise eficaz (FMEA), Poka Yoke (à prova de erros), análise de pesquisa (voz do cliente), projeto de experimentos (DOE), análise de capacidade, análise do sistema de medição, gráficos e planos de controle estatístico de processos etc.
Há dois processos Six Sigma básicos (ou seja, DMAIC e DMADV) e ambos utilizam abordagens de solução com uso intensivo de dados e eliminam o uso de seu instinto ou intuição na tomada de decisões e na realização de melhorias. O método Seis Sigma, que se baseia no processo DMAIC e é utilizado quando o produto ou processo já existe, mas não está atendendo às especificações ou apresentando desempenho adequado, é descrito a seguir.
Definir, identificar, priorizar e selecionar os projetos certos. Uma vez selecionados, definir as metas e os resultados do projeto.
Meça as principais características do produto e os parâmetros do processo para criar uma linha de base.
Analise e identifique os principais determinantes do processo ou as causas básicas da variabilidade.
Melhore e otimize o desempenho eliminando defeitos.
Controle os ganhos atuais e os desempenhos futuros do processo.
Se o processo ou produto não existir e precisar ser desenvolvido, será necessário empregar o processo Design for Six Sigma (DFSS) (DMADV). Normalmente, os processos ou produtos projetados com o processo DMADV chegam ao mercado mais cedo, têm menos retrabalho, custos reduzidos etc. Embora o DMADV seja semelhante ao método DMAIC e comece com as mesmas três etapas, eles são bastante diferentes, conforme definido abaixo.
Definir, identificar, priorizar e selecionar os projetos certos. Uma vez selecionados, definir as metas e os resultados do projeto.
Medir e determinar as necessidades e especificações do cliente por meio da voz do cliente.
Analisar e identificar as opções de processo necessárias para atender às necessidades do cliente.
Projetar um processo ou produto detalhado para atender às necessidades do cliente.
Verificar o desempenho do projeto e a capacidade de atender às necessidades do cliente, seja ele interno ou externo à organização.
Ambos os processos utilizam a melhoria contínua de um estágio até o início. Por exemplo, se durante a fase de análise você determinar que uma entrada importante não está sendo medida, novas métricas deverão ser definidas ou novos projetos poderão ser definidos quando a fase de controle for alcançada.
Agora que definimos o Seis Sigma, você deve estar se perguntando qual é a ponte para a simulação e a modelagem por computador. A modelagem e a análise de simulação são apenas mais uma ferramenta na caixa de ferramentas do Six Sigma. Muitas das ferramentas estatísticas (por exemplo, DOE) tentam descrever as variáveis dependentes(Y‘s) em termos das variáveis independentes(X‘s) para melhorá-las. Além disso, a maioria das ferramentas estatísticas são métodos paramétricos (ou seja, elas dependem de os dados serem normalmente distribuídos ou utilizam o nosso amigo teorema do limite central para fazer com que os dados pareçam normalmente distribuídos). Muitas das ferramentas tradicionais podem produzir resultados abaixo do ideal ou não podem ser usadas de forma alguma. Por exemplo, se você estiver projetando um novo processo ou produto, o sistema não existe, portanto, não é possível determinar a capacidade atual ou o desempenho futuro. A complexidade e a incerteza de determinados processos não podem ser determinadas ou analisadas por meio de métodos tradicionais. A modelagem e a análise de simulação não fazem nenhuma dessas suposições e podem produzir uma gama mais realista de resultados, especialmente quando as variáveis independentes(Xs) podem ser descritas como uma distribuição de valores. Em Seis Sigma e Simulação: Parte 2, você verá mais detalhadamente como a simulação é usada nos dois processos Seis Sigma(DMAIC e DMADV).