O Diagrama Pareto tem o objetivo de compreender a relação ação – benefício, ou seja, prioriza a ação que trará o melhor resultado.
O diagrama é composto por um gráfico de barras que apresenta colunas em ordem decrescente com os volumes de dados das ocorrências relacionadas aos problemas ou suas causas mais determinantes.
Chamado de gráfico 80/20, onde geralmente 80% das consequências advém de 20% das causas. Uma ferramenta útil sempre que as classificações gerais de problemas, como erros, defeitos, feedback de clientes, entre outros, puderem ser classificados para estudo, auxiliando na priorização e verificação do alcance da meta.
A linha de porcentagem acumulada começa na primeira barra (mais alta) e se estende até a última barra para ajudá-lo a avaliar a contribuição de cada categoria, que somadas chegam até o percentual que deseja resolver para atingir a meta.
Utilize a planilha do Gráfico de Pareto, link abaixo, para, a partir dos seus dados, realizar os cálculos estatísticos automáticos e plotar o gráfico.
O Diagrama de Ishikawa, também conhecido como “Espinha de Peixe”, é para avaliar um problema (causa vs efeito) e diagnosticar as causas para elaborar um plano de ação.
Utilize esta ferramenta de qualidade, link abaixo, para promover melhorias em seus métodos de trabalho avaliando as causas relativas a materiais, pessoas, métodos, ambiente, máquinas e sistema de medição.
Após identificadas as causas e priorizadas pelo GUT, utilize um método de organização das ações e plano de ação da melhoria para mitigar ou eliminar os efeitos, podendo ser o 5W2H, PDCA, entre outros, de acordo com a criticidade do problema.
Como aplicar o Diagrama de Ishikawa para diagnosticar pontos de melhoria?
O Diagrama de Ishikawa é uma ferramenta gráfica que estuda aspectos considerados como causa de um efeito indesejado. O efeito é identificado previamente e a análise do diagrama facilitará a percepção de suas causas por meio de uma visão sistêmica e que integre diversos pontos de vista.
Abaixo os aspectos analisados nesta metodologia para elaborar seu plano de ação corretiva:
Materiais
Pessoas
Métodos
Ambiente
Maquinas
Madidas.
O Diagrama de Ishikawa foi criado por Karou Ishikawa, engenheiro químico, especializado em controle de qualidade na Tokyo Universtiy.
O método foi difundido no Japão e no mundo a partir da década de 60 e promove uma leitura visual do processo avaliado. Também é conhecido como diagrama espinha de peixe ou diagrama causa e efeito.
Utilize esta ferramenta de qualidade, link abaixo, para promover melhorias em seus métodos de trabalho avaliando as causas relativas a materiais, pessoas, métodos, ambiente, máquinas e sistema de medição.
O Mapa de Raciocínio é um Registro progressivo da forma de raciocínio, condução, ferramentas, resultados e documentos gerados.
De forma resumida ele contém:
A meta inicial, escopo e o resultado final,
Todas as etapas e atividades desenvolvidas,
Perguntas e respostas que a equipe utilizou no desenvolvimento do projeto,
O “COMO” foi feito, de forma clara, detalhada e documentada,
Além do modelo, as perguntas e respostas inseridas pela equipe.
O Mapa de Raciocínio é estruturado utilizando as 5 etapas do Metodo DMAIC: Definir, Mensurar, Analisar, Incrementar e Controlar.
As perguntas estão separadas nas suas devidas etapas para maior controle do processo.
Usa símbolos, fontes, formatos ou cores distintas para destacar os diferentes elementos do mapa. Distinguem as etapas do DMAIC, as perguntas, respostas ou referências e os caminhos seguidos em cada etapa
As etapas do DMAIC podem ser definidas como:
Define (Definir): definir com precisão o problema e escopo do projeto,
Measure (Medir): estratificar, mensurar e investigar os dados em relação ao problema principal e determinar a localização e o foco dos problemas prioritários,
Analyse (Analisar): analisar os dados e processos para identificar as causas potenciais principais dos problemas escolhidos, quantificar a importância e priorizá-las.
Improve (Melhorar): propor, avaliar e implementar soluções para cada problema prioritário, baseado nas causas priorizadas, testes e certificação de alcance da meta estabelecida,
Control (Controlar): garantir o estado futuro do processo para manter o alcance da meta no longo prazo. Implementar sistemas de controle para monitorar os processos continuadamente e um plano de ações corretivas/contingência.
Se utiliza de diversas ferramentas de maneira integrada à cada etapa, que faz com que seja um método sistemático baseado em dados e no uso de ferramentas estatísticas para se atingir os resultados estratégicos buscados pelas empresas.
Utilize este modelo de Mapa de Raciocínio pronto para uso, link abaixo, com a estrutura DMAIC e principais perguntas já preparadas.
Teste de Hipóteses é um procedimento estatístico que permite tomar uma decisão de aceitar ou rejeitar um efeito entre duas ou mais hipóteses, utilizando os dados observados de um determinado experimento.
Esse teste estatístico pode ser utilizado para auxiliar a tomada de decisões nas mais variadas áreas, sendo possível inferir sobre a quantidade de interesse de uma determinada população em relação a uma determinada amostra estudada, analisar parâmetros, determinar se uma teoria cientifica deve ser descartada ou não, entre outras situações.
A hipótese é uma afirmação que pode ser desafiada, como por exemplo:
• Testar se a área A em relação à Área B consegue ou não terminar mais rápido alguma atividade,
• Se o calor é mais adequado que o frio no funcionamento de uma máquina,
• Se contratos sem pendências são finalizados mais rápido.
Para todo estudo formulamos duas respostas possíveis. A primeira é que não existe diferença ou comprovação estatística sobre a suposição, que chamamos de H0. A outra é que existe confirmação estatística que a hipótese estudada é verdadeira e confirmada, que chamamos de Ha.
Realiza-se dois estudos para determinar a veracidade dos dados.
O valor P chamamos de P-valor. É uma estatística que dá qual a chance de termos a diferença nas amostras. Temos também o Alfa (α) que corresponde admitir um erro e um intervalo de confiança da amostra.
A conclusão é que se o valor P encontrado for menor que o α, então a diferença é relevante. P >= α >> H0 vale e Ha é rejeitada (estatisticamente não há diferença). P < α >> H0 é rejeitada e Há é verdadeira (existe comprovação estatística da hipótese).
Outro efeito que validamos é se “t crítico” é menor que “Stat t” (descartando o sinal de -, em módulo).
A conclusão é que se o valor estipulado na hipótese de diferença for maior que o maior valor estabelecido no nível de confiabilidade, então é um valor relevante e confirmamos definitivamente que existe diferença comprovada estatisticamente entre os dados.
Utilize a planilha pronta, link abaixo, e você pode digitar/colar seus dados e realizar estes testes para realizar a análise das hipóteses.
Dentro do campo da ciência estatística, muitas técnicas foram criadas para analisar dados e descobrir relações entre eles. A análise de regressão linear é uma dessas ferramentas criadas para esse propósito e também para possibilitar fazer previsões com confiabilidade estatística.
A regressão é considerada linear quando se considera que a relação entre os dados obtidos gera uma função linear, ou seja, uma linha reta entre as variáveis x e y localizados em um gráfico. Aqueles que mostram não conter esse tipo de relação são chamados de regressão não linear.
A Análise de Regressão Linear, ajuda a investigar um relacionamento, ou correlação entre duas variáveis, além do tempo em que ocorrem e podem ser realizadas previsões, da mesma forma que o estudo da tendência, sazonalidade e ciclicidade. Quando se tem apenas uma variável dependente, ou variável de resposta, se relacionando com uma variável independente, ou preditora, é chamada de regressão linear simples, enquanto aquelas que contem mais de uma variável independente em relação a uma variável dependente são chamadas de regressão linear múltipla.
Após coletados os dados, é possível verificar se existe realmente correlação entre as variáveis. Devem-se calcular os coeficientes lineares e angulares através do método dos mínimos quadrados e utilizando a ferramenta Excel para disponibilizar a equação que representa esses dados.
Em resumo, vamos calcular os dados que nos interessam, sendo o primeiro o valor de P que é um teste estatístico para verificar se as variáveis da equação são válidas para a análise. Segundo a regra, se o valor de P for maior ou igual a 0,10 (P>=0,1) então não pode ser usado e a equação não é válida, se for menor que 0,10 (P<0,10) será mantido e a equação é estatisticamente válida neste conceito.
O outro resultado estatístico é o R-quadrado ajustado (R2aj), que é o coeficiente de determinação múltipla, calculado usando o R2 e o erro padrão. Como é o Excel que nos dá este valor, o que precisamos saber é que quanto mais próximo a 100% melhor será a qualidade e confiabilidade de equação de regressão. Segundo a regra, se este valor estiver acima de 80% já é considerada de boa qualidade, desde que todos os critérios estejam também OK.
Utilize a planilha de Análise de Regressão Linear Simples deste template, link abaixo, para fazer automaticamente todos os cálculos, apresentar os gráficos para análise e as fórmulas para a previsão do valor da sua variável de interesse no futuro.
A Análise de Séries Temporais é um conjunto de técnicas estatísticas que ajuda a estudar estes padrões em um determinado fenômeno e também poder projetar os dados em períodos futuros, ou seja, fazer previsões sobre este fenômeno.
Logicamente, como se trata de uma previsão, os erros fazem parte, porém podem ser minimizados pelo uso das técnicas estatísticas abaixo:
Tendência
Ciclicidade
Sazonalidade
Variações Irregulares.
Para fazer previsões todos os 04 componentes são muito importantes, pois iremos quantificar cada um e utilizar estes valores na previsão da variável de interesse.
A principal forma de decomposição é o modelo multiplicativo, que se dá segundo essa estrutura: Y = T x C x S x I, sendo Y a variável de interesse, T a tendência, C a ciclicidade, S a sazonalidade e I as variações irregulares.
Verificamos também os Resíduos gerados, que são as diferenças calculadas entre os valores reais e os valores conseguidos pela equação de previsão.
Utilize as planilhas de Análise Mensal e Trimestral deste template, link abaixo, para fazer automaticamente todos os cálculos para decomposição destes efeitos e apresentar os gráficos para análise e as fórmulas para a previsão do valor da sua variável de interesse no futuro.
