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.

Loja/Catálogo

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.

Loja/Catálogo

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.

Loja/Catálogo

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.

Loja/Catálogo

É uma representação gráfica para distribuição de dados numéricos, ou seja, um modelo estatístico para a organização dos dados, exibindo a frequência de uma determinada amostra.

Representa como o processo está em relação a limites e distribuição, e dispersão de seus dados.

Cada nova amostra (quantidade) coletada é somada à sua determinada “Classe”, que nada mais é do que a sua faixa de valores na escala.

Ela irá compor uma barra que representa a quantidade de amostras coletadas do sistema que também pertencem à mesma classe.

Os dados de amostra devem ser selecionados aleatoriamente. Se os dados não foram coletados aleatoriamente, os resultados podem não representar a realidade.

Um histograma funciona melhor quando o tamanho de amostra for de pelo menos 20. Entretanto, um tamanho de amostra que é considerado maior do que 20 pode representar melhor a distribuição.

O que medir?

Grandezas físicas: Peso, Comprimento, Temperatura, Pressão, Tempo, Volume, etc.

Ocorrências em geral: Número de ligações por dia, Número de reclamações, Número de falhas, Nível de Satisfação, etc.

As barras correspondem aos resultados das medidas, agrupados nas classes.

Por exemplo, no peso de embalagem quantos estão com 1Kg, 1Kg,1Kg, 1,2Kg, 0,9Kg, e assim por diante, ou no tempo de espera na linha no atendimento em um Call Center, 6min, 5, 4, 1 , etc.

Utilize a planilha do Histograma, no link abaixo, com maiores informações, instruções, captação dos dados, cálculos automáticos, gráficos e controle, pronta para uso e desenvolvimento desta ferramenta.

Loja/Catálogo

O Kaizen é uma das ferramentas de Lean Manufacturing e melhoria contínua que visa melhorar todas as partes de uma empresa através da padronização dos processos. Geralmente o ciclo se completa em média em 30 dias e incentiva a criatividade para mudar a cultura da sua empresa para melhor, exigindo, como o Seis Sigma, um esforço de equipe para resolver problemas como o desperdício, por exemplo. Esse esforço é realizado em uma reunião que foca em na melhoria da empresa denominada Evento Kaizen.

A empresa que realiza um evento Kaizen foca na melhoria continua, necessitando que o grupo escolhido faça reuniões constantes para sempre poder entender e melhorar algum problema, por menor que seja. Esse foco na melhoria continua se transforma em um ciclo aonde começa com a identificação do problema, segue para ser analisado e encontra-se uma solução para ele, geralmente em eventos Kaizen.

A metodologia prevê três etapas que devem ser distribuídas e realizadas: Preparação, o Evento, que terá a implantação da resolução/melhoria realizada e depois o Follow-up para medição e controle.

No link abaixo, utilize a planilha do Evento Kaizen para definir, captar, organizar e controlar as ideias e ações, com um tutorial de como realizá-lo.

Loja/Catálogo