1. Métricas.
O que fazem? Onde encontramos?
Porque precisamos?
Não perca (seu raro e precioso) tempo fazendo estimativas ou caçando
bruxas!
2.
3. Não estime
• Ao invés de produzir algo de valor, você
está desperdiçando seu tempo
• Apesar de tudo, não existe razão ou fato
lógico-matemático que nos leve a crer
que, se a história A é mais complexa do
que a história B então certamente a
história A tomará mais tempo para
terminar do que a história B.
https://rodrigoalmeidadeoliveira.wordpress.com/2018/09/18/estimar-ou-nao-estimar/
9. ESTATÍSTICA BÁSICA
CÁLCULO VANTAGENS DESVANTAGENS
MODA Fácil de calcular
Não é afetada por valores extremos
Pode estar afastada do centro das observações
Difícil de incluir em equações matemáticas
A distribuição pode ter mais de uma moda
Não usa todos os dados disponíveis
MEDIANA Fácil de determinar
Não é afetada por valores extremos
Parece ser uma medida correta, pois
divide a série em partes iguais a 50%
Difícil incluir em equações matemáticas
É necessário conhecer todos os valores da
distribuição
MÉDIA Fácil de compreender e usar
Usa todos os dados disponíveis
Fácil de incluir em equações
matemáticas
É afetada pelos valores extremos
É necessário conhecer todos os valores da
distribuição
11. ESTATÍSTICA BÁSICA
• Gráfico de Dispersão
Quando utilizar: o gráfico de
dispersão nos ajuda a avaliar a
relação de duas variáveis, quanto à
sua distribuição
13. 85º dos itens gastam até 53 dias ou
menos para serem finalizados
Powered by
14. ESTATÍSTICA BÁSICA
• Histogramas
Quando utilizar: o histograma é uma ferramenta
adequada quando temos dados numéricos e
desejamos aprender sobre a distribuição deles.
15. ESTATÍSTICA BÁSICA
• Histogramas
Como interpretar: no histograma olhamos informações
de localização e de variação dos dados. Por exemplo, qual
o centro (a média), qual o mínimo e o máximo, qual a
amplitude (variação)?
O objetivo é conhecer um pouco sobre os dados que
estamos trabalhando e também identificar a possível
presença de outliers. Por essas razões, o histograma é
uma das primeiras ferramentas que utilizamos na
chamada análise descritiva ou exploratória de dados.
23. Métricas Lean
Definições essenciais
INÍCIO DO FLUXO: Um ponto específico em que demanda se transforma de uma ideia
arbitrária em um item de trabalho que deve ser imediatamente atualizado e completado.
FIM DO FLUXO: Definido como entrega para quem solicitou a demanda ou entrega para
algum outro time ou processo.
DEMANDA: Qualquer unidade discreta ou indireta de trabalho de valor de cliente é um
candidato a demanda - nomeado como item de trabalho (história, épico, característica,
requisito, caso de uso, aprimoramento, contrato, peça de marketing, solicitação ao RH, ...)
29. MÉTRICAS LEAN
Eficiência de Fluxo
EF = LEAD TIME TOTAL – TEMPO DE ESPERA
LEAD TIME TOTAL
ou
EF = TEMPO TOTAL TRABALHADO
LEAD TIME TOTAL
Não é incomum que as equipes que nunca mediram o Lead
Time tenham uma eficiência de fluxo inicial na faixa de 15%.
Daniel Vacanti. When Will It Be Done? (Kindle Locations 630-631). leanpub.com.
30. CFD – Cumulative Flow Diagram
Meça e Gerencie o Fluxo
http://leanguru.pro/the-cumulative-flow-chart-cfd-in-a-nutshell/.
Gráfico que exibe o progresso de um
processo em que há diversos estágios
pelos quais um item deve passar até
estar pronto.
Quando o sistema demonstra
estabilidade as bandas do diagrama serão
suaves e sua altura estável.
Variações indicam áreas potencialmente
incômodas que requerem atenção.
31. CFD – Cumulative Flow Diagram
Meça e Gerencie o Fluxo
http://leanguru.pro/the-cumulative-flow-chart-cfd-in-a-nutshell/.
Gráfico que exibe o progresso de um
processo
Nunca decresce
Evidencia problemas
Ajuda a buscar a estabilidade de fluxo
Mostra gargalos
Deixa claro onde estamos com sobrecarga
de trabalho e onde temos restrições
39. Fitness Criteria
"Critérios de adequação são métricas que medem o valor do cliente
ao selecionar um serviço várias vezes."
- Tempo de entrega
- Qualidade
- Previsibilidade
- Segurança (conformidade com
requisitos regulamentares)
David J. Anderson
@lki_djaEu
40. Rodrigo Oliveira
Mestre em Engenharia e Gestão de Sistemas e Processos, com ênfase em Qualidade de
Software e Métodos Ágeis.
Pelo IBQMI (U.S.A):
• Accredited Kanban Trainer
• Coach Kanban Certified
• Approved Kanban Professional
Pela LKU (U.S.A)
• Kanban Management Professional
Pelo PMI:
• Project Management Professsional
Mais de 10 anos de experiência em otimização de processos, gestão de projetos e aplicação
de práticas ágeis.
46. REFERÊNCIASGRAEML, Alexandre Reis; PEINADO Jurandir. Administração da produção: operações industriais e de serviços. Curitiba: UnicenP, 2007.
DATALYSER. Série – As Sete Ferramentas do Controle da Qualidade – 7FCQ. Disponível em:
<http://www.datalyzer.com.br/site/suporte/administrador/info/arquivos/info44/44.html;. Acesso em Novembro de 2018.
FARIAS, Ana Maria Lima de; LAURENCEL, L. C. Fundamentos de Estatística Aplicada: Módulo I: Estatística Descritiva. Rio de Janeiro/RJ:
Universidade Federal Fluminense, 2000.
http://www.prd.usp.br/disciplinas/docs/pro2712-2005-Alberto_Gregorio/1Ferbasq.pdf
Statistical Methods for Quality Improvement: AOTS, Japão, 1988.
OHNO, T. (1997) - O sistema Toyota de produção além da produção em larga escala. Trad. Cristina Schumacher. Artes Médicas. Porto Alegre.
ROTHER, M. & SHOOK, J. (1999) - Aprendendo a enxergar: mapeando o fluxo de valor para agregar valor e eliminar o desperdício. The Lean
Institute Brasil. São Paulo. STANDARD, C. & DAVIS, D. (1999) - Running today’s factory: a proven strategy for lean manufacturing. Hanser
Gardner Publications. Cincinnati. WARNECKE, H. & HÜSER, M. (1995) - Lean production. International Journal of Production Economics.
Vol.41, p.37-43. WOMACK, J.P.; JONES, D.T. & ROOS, D. (1992) - A máquina que mudou o mundo. Campus. Rio de Janeiro.
MAGENNIS, Troy. The Economic Impact of Software Development Process Choice--Cycle-Time Analysis and Monte Carlo Simulation Results.
In: System Sciences (HICSS), 2015 48th Hawaii International Conference on. IEEE, 2015. p. 5055-5064.
Imagem: http://broadleaf.com.au/resource-material/cost-and-schedule-risk-assessment-risk-factor-modelling
"Moneyball for Software Projects: Agile Metrics for the Metrically Challenged";Troy Magennis goo.gl/VbAEEZ
"High-Level Project Planning using Monte Carlo simulation"; Dimitar Bakardzhiev goo.gl/KkC74b “
#NoEstimates Project Planning using Monte Carlo simulation"; Dimitar Bakardzhiev goo.gl/SDHJYP
"Little's law and predictability"; Daniel Vacanti goo.gl/ETDzg9
"Kanban Metrics in practice at Sky Network Services"; Mattia Battiston goo.gl/tQXqwN
"By the power of metrics";Wolfgang Wiedenroth goo.gl/ebGU3h
"Project planning using Little’s Law"; Dimitar Bakardzhiev goo.gl/rw1X5T
Little, J. D. C., S. C. Graves. 2008. Little’s Law. D. Chhajed, T. J. Lowe,eds. Building Intuition: Insights from Basic Operations Management
Models and Principles. Springer Science + Business Media LLC,New York. J. D. C. Little. Little's law as viewed on its 50th anniversary. Oper.
Res. 59 (2011) 536{539. http://learningagileandlean.wordpress.com/2013/08/01/on-the-practically-useful-properties-of-theweibull-
distribution/
DE FREITAS FILHO, Paulo José. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. Visual Books 2ª edição, 2008.
https://rodrigoalmeidadeoliveira.wordpress.com/2018/08/01/metricas-lean-e-gerenciamento-de-fluxo/