Binóculos ou lentes de aumento?Exemplos da aplicação da abordagem   Lean Six Sigma na gestão de TI         José Luiz Kugler
I    Desafios da gestão de TIII   Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da aná...
Desafios da gestão de TI Alinhar a TI com as prioridades e  objetivos dos usuários Atender os SLAs exigidos Otimizar os...
Desafios da gestão de TI A gestão de TI deve ser baseada na coleta  e análise de evidências Evidências são métricas asso...
Na prática, a gestão de TI precisa... Monitorar a utilização de recursos Definir valores limite para o disparo de  alert...
I    Desafios da gestão de TIII   Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da aná...
Evolução das abordagens de gestão           • Just in Time           • Kanban           • Total Quality• Deming           ...
I    Desafios da gestão de TIII   Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da aná...
A abordagem Lean Six Sigma                Objetivos e diretrizesVoice of the    Análise de resultados Business       Id...
A abordagem Lean Six Sigma Os gestores precisam entender a Voz do  Processo e amenizar os Gaps em relação à  Voz do Clien...
Qual é a temperatura típica em São Paulo,      em agosto?
Qual é a temperatura em São Paulo em agosto?
Qual é a temperatura em São Paulo em agosto?                                  12 graus                 12 graus12 graus
A abordagem Lean Six Sigma O comportamento de qualquer sistema ou  processo está sujeito a variações Algumas variações s...
A abordagem Lean Six Sigma                     Ruídos  Variação           Sinais (tendências)                     Catastró...
A abordagem Lean Six Sigma2ª. Feira             5ª. Feira ???3ª. Feira             6ª. Feira ???4ª. Feira
Nossas limitações cognitivas... Generalizamos com baixíssimo N Dificuldade para estimar freqüências e  probabilidades(no...
A abordagem Lean Six Sigma  34%               34%           Em um processo estabilizado (não                              ...
A abordagem Lean Six Sigma Análise das variações e suas causas Se não entendemos a variação e suas causas, os  Gaps VP v...
I    Os desafios da gestão de TIII   Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da ...
Resumo da Análise Quantitativa Análise de 28 sistemas que rodam no mainframe  IBM de uma grande empresa Horizonte de aná...
Resumo da Análise Quantitativa As primeiras 6 variáveis (número de jobs; número  de programas; EXCPs; service units; CPU ...
Resumo da Análise Quantitativa                15.000.000.000                14.000.000.000                13.000.000.000Se...
Resumo da Análise Quantitativa                                                 Abends Progr. /Estabilidade                ...
Resumo da Análise QuantitativaVolatilidade Variação das métricas de produção Mensurada pelas vezes em que o desvio padrã...
Resumo da Análise QuantitativaVolatilidade O score pode variar de zero (sem desvios significativos no período  observado)...
Resumo da Análise QuantitativaVolatilidade A volatilidade deve ser analisada em função  do seu impacto prático Se um sis...
Resumo da Análise QuantitativaVolatilidade O score final foi obtido atribuindo-se peso 1 para Sigma > 50% da média;  e pe...
9               35                                                            XAL    Instável                             ...
I    Os desafios da gestão de TIII   Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da ...
Debate e conclusões Precisamos das análises detalhadas de variáveis  isoladas (lente de aumento); e das que  sintetizam d...
Debate e conclusões Alterações (recursos, sequenciamento,  prioridade) em um sistema afetam toda a  cadeia Para análise ...
Muito obrigado!  José Luiz Kuglerjose.kugler@fgv.br
Perfil do palestranteJosé Luiz Kugler Professor de Informática e Métodos Quantitativos da EAESP/FGV; e Diretor Presidente...
Próximos SlideShares
Carregando em…5
×

Examples of lean six sigma applied to IT management

421 visualizações

Publicada em

Examples of the Lean Six Sigma approach applied to IT management

Publicada em: Negócios
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
421
No SlideShare
0
A partir de incorporações
0
Número de incorporações
4
Ações
Compartilhamentos
0
Downloads
9
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Examples of lean six sigma applied to IT management

  1. 1. Binóculos ou lentes de aumento?Exemplos da aplicação da abordagem Lean Six Sigma na gestão de TI José Luiz Kugler
  2. 2. I Desafios da gestão de TIII Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da análise quantitativaV Debate e conclusões
  3. 3. Desafios da gestão de TI Alinhar a TI com as prioridades e objetivos dos usuários Atender os SLAs exigidos Otimizar os recursos existentes Acompanhar a evolução tecnológica Estimar a demanda futura Avaliar os impactos que a demanda causará na infra-estrutura de TI e os investimentos necessários Conciliar as perspectivas dos diversos gestores e especialidades envolvidas
  4. 4. Desafios da gestão de TI A gestão de TI deve ser baseada na coleta e análise de evidências Evidências são métricas associadas aos recursos, objetos, eventos, resultados e fatores críticos relacionados ao processo produtivo da organização As métricas representam as variações e tendências relacionadas aos volumes de demanda, cargas de produção, janelas críticas e demais fatores que impactam as funções de TI
  5. 5. Na prática, a gestão de TI precisa... Monitorar a utilização de recursos Definir valores limite para o disparo de alertas e ações corretivas Negociar SLAs realistas e adequados aos recursos e competências da organização Criar uma base analítica para avaliar e simular o consumo de recursos, incidência de problemas e tendências futuras Identificar gargalos e pontos de turbulência e recomendar adaptações e melhorias
  6. 6. I Desafios da gestão de TIII Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da análise quantitativaV Debate e conclusões
  7. 7. Evolução das abordagens de gestão • Just in Time • Kanban • Total Quality• Deming • Six Sigma • Lean Six Sigma • Kaisen• Juran (Motorola) (GE) • Benchmarking • Lean Production • Ohno • Lean Thinking (Toyota) • Value Stream
  8. 8. I Desafios da gestão de TIII Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da análise quantitativaV Debate e conclusões
  9. 9. A abordagem Lean Six Sigma  Objetivos e diretrizesVoice of the  Análise de resultados Business  Idéias de investimentos  Expectativas de performanceVoice of the  Análise dos Gaps Customer  Idéias de projetos  Medidas de performanceVoice of the  Análise do comportamento real/possível Process e suas restrições  Idéias de melhorias e inovação
  10. 10. A abordagem Lean Six Sigma Os gestores precisam entender a Voz do Processo e amenizar os Gaps em relação à Voz do Cliente / Voz do Negócio Nenhum dado tem significado fora do contexto que o originou Comparações entre pares de valores raramente tem sentido, exceto para “apagar incêndios”
  11. 11. Qual é a temperatura típica em São Paulo, em agosto?
  12. 12. Qual é a temperatura em São Paulo em agosto?
  13. 13. Qual é a temperatura em São Paulo em agosto? 12 graus 12 graus12 graus
  14. 14. A abordagem Lean Six Sigma O comportamento de qualquer sistema ou processo está sujeito a variações Algumas variações são esporádicas (“ruído”) Outras refletem uma tendência (“sinal”), ou seja, modificação mensurável na trajetória do sistema Em alguns casos a variação é aleatória, súbita, imprevisível e com forte impacto (“black swans”)
  15. 15. A abordagem Lean Six Sigma Ruídos Variação Sinais (tendências) Catastróficas (“black swans”) Precisamos distinguir ruídos e tendências Sem este cuidado podemos interpretar ruídos como sinais Pior ainda, podemos não detectar os sinais imersos no comportamento do sistema Sem análise quantitativa adequada o entendimento de ruídos e tendências é precário
  16. 16. A abordagem Lean Six Sigma2ª. Feira 5ª. Feira ???3ª. Feira 6ª. Feira ???4ª. Feira
  17. 17. Nossas limitações cognitivas... Generalizamos com baixíssimo N Dificuldade para estimar freqüências e probabilidades(nossas estimativas “intuitivas” apresentam forte viés) Dificuldade para interpretar diversas variáveis agindo de forma simultânea Somos suscetíveis aos eventos recentes (“pior” inverno, verão, engarrafamento de trânsito), principalmente se não monitoramos de forma cumulativa o fenômeno.
  18. 18. A abordagem Lean Six Sigma 34% 34% Em um processo estabilizado (não caótico), qual é a sua variação (VP)? -1 +1 95,4% 2,3% 2,3% -2 +2 99%6 Sigma: 99,97% 0,5% 0,5% 3,4 ppm -2,58 +2,58
  19. 19. A abordagem Lean Six Sigma Análise das variações e suas causas Se não entendemos a variação e suas causas, os Gaps VP vs. VC/VB vão persistir ou ampliar Para aproximar a VP da VC/VB podemos: Aperfeiçoar o sistema Alterar as especificações da VC/VB Distorcer o sistema; ou Distorcer os dados sobre o desempenho do sistema
  20. 20. I Os desafios da gestão de TIII Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da análise quantitativaV Debate e conclusões
  21. 21. Resumo da Análise Quantitativa Análise de 28 sistemas que rodam no mainframe IBM de uma grande empresa Horizonte de análise: 36 meses As métricas colhidas para cada sistema foram: Jobs executados Programas EXCPs Service Units CPU time Elapsed time Start time End time Abends de jobs Abends de programas
  22. 22. Resumo da Análise Quantitativa As primeiras 6 variáveis (número de jobs; número de programas; EXCPs; service units; CPU time; e elapsed time) são métricas de produção Expressam o consumo de recursos da instalação Representam a VP Os exemplos expostos são baseados em 9 sistemas, escolhidos de forma aleatória Horizonte reduzido para 10 meses
  23. 23. Resumo da Análise Quantitativa 15.000.000.000 14.000.000.000 13.000.000.000Service Units 12.000.000.000Sistema CAM 11.000.000.000 10.000.000.000 9.000.000.000 2a. Feira 3a. Feira 4a. Feira 5a. Feira 6a. Feira Sábados Domingos 2.900.000.000 2.800.000.000 2.700.000.000 Service Units 2.600.000.000 2.500.000.000 2.400.000.000 Sistema OSA 2.300.000.000 2.200.000.000 2.100.000.000 2.000.000.000 2a. Feira 3a. Feira 4a. Feira 5a. Feira 6a. Feira Sábados Domingos 32.000.000.000 31.000.000.000 30.000.000.000 Service Units 29.000.000.000 28.000.000.000 Sistema TFM 27.000.000.000 26.000.000.000 25.000.000.000 2a. Feira 3a. Feira 4a. Feira 5a. Feira 6a. Feira Sábados Domingos
  24. 24. Resumo da Análise Quantitativa Abends Progr. /Estabilidade Sistema Serv Units TFM 9,31 Quantidade de términos anormais CAM 1,99 de execução ICE 2,03 RAN 6,07 Diretamente relacionada ao OPQ 23,06 esforço de setup e retrabalho DAM 1,17 Mensurada de forma proporcional BCA 8,57 ao tamanho dos sistemas XAL 36,43 OSA 10,32 número de abends de programas Estabilidade = 107 x service units
  25. 25. Resumo da Análise QuantitativaVolatilidade Variação das métricas de produção Mensurada pelas vezes em que o desvio padrão (Sigma) é relevante (ou seja, amplo) Score = 1 para desvio > 50% Score calculado para cada sistema, para cada métrica de produção
  26. 26. Resumo da Análise QuantitativaVolatilidade O score pode variar de zero (sem desvios significativos no período observado) até o máximo de 42 (desvios significativos em todos os dias da semana, nas 6 métricas de produção)
  27. 27. Resumo da Análise QuantitativaVolatilidade A volatilidade deve ser analisada em função do seu impacto prático Se um sistema concentra sua produção nos fins de semana e os picos de volatilidade ocorrem nos dias úteis, esta variação é menos danosa em comparação com outro sistema cuja volatilidade coincide com o seu período de maior demanda de produção A métrica deve ser calibrada em função do número de vezes em que os maiores desvios coincidem com os dias de maior demanda
  28. 28. Resumo da Análise QuantitativaVolatilidade O score final foi obtido atribuindo-se peso 1 para Sigma > 50% da média; e peso 2 se a variação elevada coincidir com os picos de produção Desv Padr / Média Maior variação > 50% nas ocorre nos dias de Score de Sistema 6 métricas maior demanda volatilidade Situação TFM 3 0 3 Balanceado CAM 5 0 5 Balanceado ICE 8 4 16 Balanceado RAN 14 3 20 Razoável OPQ 17 8 33 Razoável DAM 25 7 39 Crítico BCA 29 8 45 Crítico XAL 29 12 53 Crítico OSA 42 23 88 Muito crítico
  29. 29. 9 35 XAL Instável 7 OPQ 30 5 OSA 25 1 6 TFM BCAEstabilidade 20 2 RAN 15 8 ICE 10 4 CAM 3 DAM Estável 5 Balanceado Volatilidade Volátil Obs. Gráfico não está em escala
  30. 30. I Os desafios da gestão de TIII Evolução das abordagens de gestãoIII Sumário da abordagem Lean Six SigmaIV Resumo da análise quantitativaV Debate e conclusões
  31. 31. Debate e conclusões Precisamos das análises detalhadas de variáveis isoladas (lente de aumento); e das que sintetizam diversas variáveis (binóculo) A análise quantitativa não é feita no vazio; não substitui a intuição e o conhecimento de quem administra os problemas da instalação A análise provoca reflexão sobre certos Gaps (exemplo: incidentes registrados vs retrabalho) Os resultados podem comprovar ou ampliar a percepção dos gestores quanto aos riscos ou vulnerabilidade de certos sistemas
  32. 32. Debate e conclusões Alterações (recursos, sequenciamento, prioridade) em um sistema afetam toda a cadeia Para análise de sequenciamento outras modelagens estatísticas serão consideradas Outras variáveis serão incluídas em estudos futuros
  33. 33. Muito obrigado! José Luiz Kuglerjose.kugler@fgv.br
  34. 34. Perfil do palestranteJosé Luiz Kugler Professor de Informática e Métodos Quantitativos da EAESP/FGV; e Diretor Presidente da Optimize! Tecnologia da informação Ltda. Especialista em técnicas analíticas; desenvolveu projetos e pesquisas em gestão estratégica, business intelligence, modelagem de indicadores de desempenho, data mining e segmentação de clientes. Exerceu funções técnicas e executivas em empresas e órgãos governamentais no Brasil e exterior. Foi Latin America Director na Informix Software Corporation; Diretor Técnico e Diretor de Serviços Profissionais na CPM Sistemas; Managing Director na Morgen Trading Company, New York; Professor Visitante na University of Pittsburgh, Pennsylvania; e Professor Adjunto na Fordham University, New York. Foi membro fundador da Society for Information Systems e membro do conselho editorial do Journal for Global Information Systems. Autor de 2 livros. Publicou artigos no Brasil, Estados Unidos e Reino Unido. É Engenheiro Civil (UFPR), Mestre em Ciências em Administração (COPPEAD/ UFRJ), pós-graduado em Information Economics (Carnegie Mellon University) e PhD, Management Systems (University of Pittsburgh).

×