O Lean Seis Sigma é uma metodologia de gestão de processos que combina duas abordagens distintas - o Lean e o Seis Sigma. A abordagem Lean visa a redução de desperdícios em processos, enquanto o Seis Sigma se concentra na melhoria da qualidade dos processos. Juntas, essas abordagens formam uma metodologia abrangente para a melhoria contínua de processos, produtos e serviços.
O Lean Seis Sigma começou como uma iniciativa da Motorola, na década de 1980, e rapidamente se espalhou para outras empresas, tornando-se uma das metodologias mais populares para a melhoria de processos. O sucesso do Lean Seis Sigma se deve em parte ao seu foco em resultados mensuráveis e à sua abordagem sistemática para a melhoria de processos.
O Lean Seis Sigma utiliza uma abordagem de cinco fases para a melhoria de processos. Essas fases são conhecidas como DMAIC (Definir, Medir, Analisar, Melhorar e Controlar). Cada uma dessas fases envolve uma série de atividades específicas que ajudam a identificar e eliminar desperdícios, reduzir variações e melhorar a qualidade do processo.
A primeira fase, Definir, envolve a identificação do problema ou oportunidade de melhoria. Nessa fase, são definidos os objetivos da melhoria, bem como os limites do processo a ser melhorado. A segunda fase, Medir, envolve a coleta de dados para entender melhor o processo e identificar as áreas que precisam de melhoria. Nessa fase, são definidos os indicadores de desempenho e as metas de melhoria.
A terceira fase, Analisar, envolve a análise dos dados coletados para entender melhor as causas do problema. Nessa fase, são identificadas as principais causas do problema e as oportunidades de melhoria. A quarta fase, Melhorar, envolve a implementação de soluções para melhorar o processo. Nessa fase, são desenvolvidas e testadas as soluções de melhoria e, em seguida, implementadas as soluções que funcionam melhor.
A quinta e última fase, Controlar, envolve o monitoramento do processo para garantir que as melhorias implementadas sejam mantidas ao longo do tempo. Nessa fase, são implementados controles para garantir que o processo continue a operar de forma eficiente e eficaz.
O Lean Seis Sigma também utiliza ferramentas específicas para ajudar na análise e melhoria de processos. Algumas dessas ferramentas incluem o Diagrama de Ishikawa, que ajuda a identificar as principais causas de um problema, e o Mapa do Fluxo de Valor, que ajuda a mapear o fluxo do processo e identificar desperdícios.
O Lean Seis Sigma é uma metodologia flexível que pode ser aplicada em qualquer setor ou área de negócio. É particularmente útil em empresas que têm processos complexos, onde pequenas melhorias podem ter um grande impacto na qualidade, produtividade e lucratividade. Algumas empresas que têm utilizado com sucesso o Lean Seis Sigma incluem a Toyota, a General Electric, a Johnson & Johnson e a Dell.
Em resumo, o Lean Seis Sigma é uma metodologia abrangente para a melhoria contínua de processos.
1. ( Raiz quadrada da variância )
3 7
-7-6-5 -4 4
0
-3 5
1
-2 6
2
-1
(Parâmetros)
Saída
Sigma = ÿ = Desvio
Máquina
=
Ambiente
Pessoas
Material
Processo
Medidas
Métodos
Axis formado em Sigma
2
ÿ )(
ÿ
1
ÿ
eu xx
n
ÿ
ÿ
Treinamento Seis Sigma
=
ÿ
Machine Translated by Google
2. Mas o que poderia acontecer em um nível de qualidade de 99,9% (ou seja, 1000 ppm),
• 400 cartas por hora que nunca chegam ao destino
• Mais de 3.000 recém-nascidos caindo acidentalmente das
mãos de enfermeiras ou médicos a cada ano
em nossa vida cotidiana (cerca de 4,6ÿ)?
• Duas aterrissagens longas ou curtas em aeroportos americanos todos os dias
• 4.000 prescrições médicas erradas a cada ano
99,9% já é MUITO BOM
Quão bom é bom o suficiente?
Machine Translated by Google
3. • Duas aterrissagens curtas ou longas por ano no total
os aeroportos nos Estados Unidos
• 13 prescrições erradas de medicamentos por ano • 10
recém-nascidos abandonados por médicos/enfermeiros
por ano
• Uma correspondência perdida por hora
Como podemos obter esses resultados
Machine Translated by Google
5. ÿ Uma métrica que demonstra níveis de qualidade
com desempenho de 99,9997% para produtos e
processos
ÿ Um benchmark de nossa capacidade de produto
e processo para comparação com o 'best in class'
ÿ Uma visão e um compromisso filosófico com
nossos consumidores para oferecer produtos da
mais alta qualidade com o menor custo
ÿ Uma aplicação prática de ferramentas e métodos
estatísticos para nos ajudar a medir, analisar,
melhorar e controlar nosso processo
O que é Seis Sigma
Machine Translated by Google
6. Alta Qualidade = Baixo Custo
nova crença
velha crença
Alta qualidade = alto custo
custos
Prevenção &
Interno &
Interno &
Avaliação
Externo
Externo
Custos de falha
custos
Prevenção &
custos
Falha
Avaliação
custos
custos
Qualidade
Qualidade
6ÿ
Velha Crença
4ÿ
ÿ é uma medida de quanta variação
existe em um processo
nova crença
5ÿ
4ÿ
Seis Sigma como Filosofia
Machine Translated by Google
7. • Conta com processos capazes que
não produzem defeitos • Use Medir,
Analisar, Melhorar,
Controlar e Medir, Analisar,
• Gasta 15~25% dos dólares de vendas
no custo de falha
• Definir CTQs internamente
Projeto
• Define CTQs externamente
• Gasta 5% dos dólares de vendas no
custo de falha
• Não tem uma abordagem
disciplinada para coletar e analisar
dados
• Depende da inspeção para
encontrar defeitos
• Os próprios benchmarks • Os próprios benchmarks em relação à
concorrência contra os melhores do mundo • Acredita que 99% é bom o
suficiente • Acredita que 99% é
inaceitável
A Empresa 3 Sigma A Empresa 6 Sigma
3 Sigma vs. 6 sigmas
Machine Translated by Google
8. a “Voz do Consumidor” (Consumer Cue) deve
ser traduzida para
a “Voz do Engenheiro” (Requisito Técnico)
• Consumidor: o usuário final
• Cliente: Interno ou Externo
Foco: o usuário final
Machine Translated by Google
9. Axis formado em Sigma
2
0,57 ppm
99,999943%
68,27%
0,002 ppm
99,73% 2700 ppm
99,9999998 %
99,9937% 63 ppm
95,45%
ÿ
ÿ
1
ÿ
)
n
ÿ
xi x
Seis Sigma como uma métrica
entre +/- 2ÿ
entre +/- 5ÿ
entre +/- 6ÿ
entre +/- 3ÿ
resultado: 317300 ppm
fora (desvio)
45500 ppm
entre +/- 1ÿ
entre +/- 4ÿ
( Raiz quadrada da variância )
ÿ (
ÿ
=
2
-7 4 5
-5 1
-6 7
-3 6
-4 -1 3
0
-2
=
Sigma = ÿ = Desvio
Machine Translated by Google
11. Limites de especificações
Cp = 1,0
Cpk = 0,833
ppm = 6.442
(cerca de 2,72-sigma)
Processo 3-sigma
(deslocado 0,5 std. dev.)
Machine Translated by Google
12. Limites de especificação
Processo 3-sigma
(deslocado 1,0 std. dev.)
Cp = 1,0
Cpk = 0,667
ppm = 22.782
(cerca de 2,28-sigma)
Machine Translated by Google
13. Limites de especificação
Cp = 1,0
Cpk = 0,5
ppm = 66.811
(cerca de 1,83-sigma)
Processo 3-sigma
(deslocado 1,5 std. dev.)
Machine Translated by Google
14. Processo
Capacidade oportunidades
Inclui 1,5
Defeitos por Milhão
*
mudança
60
80
500000
30
40
50
100000
70
20
800000
400000
0
PPM
700000
300000
200000
0
600000
10
% Mudar
6
3
2
Processo Sigma
4
2 308.537
66.811
233
3
6.210
3.4
5
6
Redução não linear
PPM
%
Mudar
PPM
Focar em ÿ requer compreensão completa
do processo e pensamento inovador
ÿ
ÿ
1 4 5
De 5 a 6
De 3 a 4
De 1 a 2
De 4 a 5
Machine Translated by Google
15. Processo de mapeamento
Estrutura da Árvore
Linha de base
Análise de Tolerância
CORÇA
Análise de Pareto
Pesquisa de componentes
CEP
Medidor R & R
Testando hipóteses
Muitas ferramentas de qualidade conhecidas aplicadas
em uma metodologia estruturada
Subagrupamento Racional
Regressão
Seis Sigma como ferramenta
Machine Translated by Google
16. Para obter resultados, devemos focar nosso comportamento no Y ou X
•Sintoma
•Monitorar
•Y
•Problema
•X1…Xn
•Ao controle
•Dependente
•Saída •Efeito
•Independente
•Processo de
entrada •Causa
Seis Sigma como Método
Machine Translated by Google
17. Gerenciar as saídas.
• Variáveis de saída
Quota de mercado
Crescimento das vendas
Lucratividade
Uma Visão Tradicional
Machine Translated by Google
18. Gerenciar as entradas; responder às saídas.
Satisfação do cliente
• Variáveis de entrada
• Variáveis de saída
Quota de mercado
Crescimento das vendas
Lucratividade
Cliente
Entrega no prazo
Treinamento
Qualidade do produto
Relacionamentos
Serviço
Termos de crédito
COQ
Uma visão não tradicional
Machine Translated by Google
19. Definir a Declaração de Problema/Defeito
Y = Variável Dependente x =
Variáveis Independentes x* = Variável
Independente
Causa potencial
, x5. . . Xn)
Y = f ( x1
Saída, Defeito
Causa Crítica
Distinguir “poucos
vitais” de “muitos triviais”
Métodos Processo
Ambiente
Máquina
Pessoas
(Parâmetros)
Material
Saída
Medidas
*
, x2, x3, x4
*
Machine Translated by Google
20. Caracterização do Processo
Processo otimizado
Foco
Medir
Estágio
Ao controle
Medir
Etapa
Melhorar
Melhoria
Analisar
Melhorar
Melhorar
Medir
Medir
Medir
Medir
Melhorar
Melhorar
Estratégia por Fase -
x
Y
x
Y
(Onde, Quando, Porquê)
Y
Como podemos melhorar o processo? •
Analisar possíveis causas • Descobrir
relações • Estabelecer tolerâncias
operacionais As melhorias foram eficazes?
• Restabelecer a métrica de capacidade
Y, vital X
(Como)
Y
Y, vital X
Onde, quando e por que ocorrem os Defeitos? •
Identificar fontes de variação • Determinar os
parâmetros críticos do processo
(O que)
(Sustentação, Alavancagem)
Vital X
Qual é a frequência dos Defeitos? •
Definir o defeito • Definir padrões de
desempenho • Validar sistema de medição
• Estabelecer métrica de capacidade
Vital X
Vital X
Como podemos manter as melhorias? •
Implementar mecanismos de controle de processo •
Alavancar o aprendizado do projeto • Documentar e
processar
Ao
controle
Ao
controle
Analisar
Analisar
Ao
controle
Ao
controle
Analisar
Analisar
Machine Translated by Google
23. Preto
Mestre
Cinto
Cinto
Cinto
Preto
Verde
uns
Estatístico/
2% ~ 5%
cintos
Encontre um
Utilizar
4 / ano
5%~10%
Treinamento
Mentoria
cinco preto
Dois cinturões
verdes
Consultando/
Tarefa
Mentoria/
Projetos
Hora de ligar
Treinamento
Consultando/
Relacionado
80~100%
Liderar o
uso da
técnica e
comunicar o
novo
novo cinturão
verde
10 / ano
2 anos
técnica
de qualidade
Treinamento Faixa Preta
Machine Translated by Google
24. AEC663
GBM Caracterização do Processo Estatístico
Estratégias e Tecnologias
BMK220
GBM Técnicas Numéricas e Gráficas
GBM Análise de Variância (ANOVA)
BM Design para Manufaturabilidade
distribuições
Produtos
Facilitação da Equipe GBM
SSG100, SSG102CD
Resolução de Problemas Orientada à Equipe GBM
MIN101, SPC201
AEC506, AEC661, AEC662, AEC663
TCS100
M Gerenciando Projetos
QUA393
LDR380, PER119
Liderança BM
QUA590
Desdobramento da função de qualidade M
M Benchmarking
Essencial
AEC279
MIN101
MIN101, SPC201
CES103
Conceitos de Probabilidade BM e
M Design Robusto de Processos e
AEC722, DDI121
GBM Seis Passos para Seis Sigma
QUA392
Inferência Estatística BM
SPC201
Habilidades Estatísticas
GBM Coaching e Mentoria
MGT564, MGT124, PDE53
Revisão do Sistema de Qualidade BM
Questões de qualidade financeira/econômica do BM
M Gestão da Qualidade Total
GBM AIEG SGQ
GBM QS 9000
Análise do Sistema de Medição GBM
ENG998, QUA389
GBM Regressão (por exemplo, linear, não linear)
Resolução avançada de problemas M
Manufatura
MIN101, SPC201
M Avaliação de Desenvolvimento de Produto
Comunicação GBM (oral, escrita
SSG100, TCS100
resolvendo
ENG227
Amostragem de Aceitação M
Essencial
GBM Controle Estatístico de Processos
MOT132
GBM TCS
DDI170
GBM Engenharia Simultânea
(8D, 7D, 5P)
ENG123, ENG123CD
Métodos de Superfície de Resposta BM
QUA200A, QUA200B, QUA200C
Habilidades de Qualidade Seis Sigma
AEC661, AEC662, SCP201
MGT560, MGT562, EC727
Design GBM de Experimentos (por exemplo,
Designs Completos, Fracionários, Taguchi)
QUA391
Software estatístico GBM (JMP, Minitab)
Testes Comparativos de GBM
Esqui Interpessoal
Satisfação do Cliente GBM
GBM Abordagem Sistêmica para o Problema
Estratégias e Técnicas
ENG998
MIN101, IBM548
ENG998, AEC603
M Instrucional/Ensino
SPC201
M Análise de Sobrevivência / Confiabilidade
M Estimativa do Tamanho da Amostra
Essencial
Capacidade do Processo GBM
BM Team Building
AEC471, MGT839
BM Screening DOE
GBM Gerenciando Mudanças
MGT561, MGT562, DDI18
Equipe BM Resolução de Problemas Não
Intervalos de confiança BM
Machine Translated by Google
25. Compromisso Corporativo
Oferecemos a essas pessoas treinamento extensivo em ferramentas
estatísticas e interpessoais, orientação qualificada e suporte de
gerenciamento…
A Motorola está empenhada em desenvolver esses líderes…
Uma vez que seu desenvolvimento tenha atingido um nível digno
de reconhecimento, temos até um termo para esses indivíduos
excepcionais:
Chris Galvin
Seis Sigma Black Belts
Machine Translated by Google
26. Compromisso Corporativo (continuaçã
• Lema:
- Qualidade é o nosso trabalho
– A satisfação do cliente é o nosso dever
– A fidelização do cliente é o nosso futuro
Machine Translated by Google
27. DOE, DFM, PC
Pareto, Brainstorming, C&E, BvC
Proliferação de Master Black Belts
8D, 7D, Equipes TCS, SPC
Programa RenewBlack Belt (Interno Motorola)
Programa Black Belt (Fornecedores Externos)
Plano de Rompimento de Barreiras
5,6
5,65
5.3
5.5
6
6 sigmas
5.4
DPMOp
1,00
J94
MY95
J96
MY96
SIGMA
J97
MY97
100,00
J95
10.00
MY98
Machine Translated by Google
28. – “Você não tem muito futuro na GE a menos que eles sejam selecionados para
– Requisitos mínimos: educação universitária, estatísticas básicas,
tornem-se Faixas Pretas” - Jack Welch
-Instrumentos Texas
- ABB
- Citibank
– Sinal Aliado
– Processo conduzido por CEO e COO
– Navistar
– IBM
– O treinamento inclui exames escritos e orais
• A Kodak instituiu este programa
• A GE instituiu este programa com muito sucesso – 4.000
Black Belts treinados até YE 1997 – 10.000 Black
Belts treinados até YE 2000
habilidades de apresentação, conhecimentos
de informática • Outras empresas incluem:
Programa de Cintos
Outras empresas têm preto
Machine Translated by Google
29. Melhorar e verificar o processo
Entenda o processo Manter novo processo
Caracterizar Processo
Medir
Ao controle
Avalie
Melhorar
Machine Translated by Google
30. Desempenho
coletar Processo
Processo
Problema
Definir Entender
Dados
Fase de Medição
Processo de mapeamento
(MSE)
Causas
Avaliação de Sistemas
Metas
Declaração
ÿ Projeto
Defeito Potencial
- Contínuo ÿ
Brainstorm ÿ Medição
Capacidade)
(Controle ou
Desempenho
- Executar
Gráficos ÿ Compreender o Problem
- Defeitos
- Cp/Cpk
- Defeitos ÿ
Histórico
Entenda o processo e o impacto potencial
ÿ Tipos de dados
ÿ Defeito ÿ Definir processo ÿ Capacidade do processo
Machine Translated by Google
31. ÿ O que você quer melhorar? ÿ
Qual é o seu 'Y'?
Definição de problema
As definições do problema precisam ser
baseadas em fatos quantitativos apoiados por dados analíticos.
Reduzir
Reclamações
(int./ext.)
Custo
Defeitos
Reduzir
Reduzir
Quais são os Objetivos?
Machine Translated by Google
32. Plano de amostragem
Linha de base:
quantificar a bondade (ou maldade!) do processo atual, antes que
QUALQUER melhoria seja feita, usando dados de amostra. A chave para
a linha de base é coletar dados de amostra representativos
- Número de subgrupos
- Leve em consideração o máximo de “X” possível
- Tamanho dos Subgrupos
Machine Translated by Google
33. Mapa de processo
espinha de peixe
Data histórica
Como conhecemos nosso processo?
Machine Translated by Google
34. RUÍDO BRANCO
variação de causa)
(Sinal)
(Comum
RUÍDO NEGRO
Minimizar a variação dentro dos subgrupos
SUBGRUPOS RACIONAIS
Maximizar a variação entre subgrupos
SUBAGRUPAMENTO RACIONAL Permite que sejam tomadas amostras
que incluam apenas ruído branco, dentro das amostras. O ruído preto
ocorre entre as amostras.
TEMPO
PROCESSO RESPOSTA
Machine Translated by Google
36. ÿtotal
dentro do grupo
Visualizando as Causas
+ ÿshift =
ÿ st
•Chamado ÿ curto prazo (ÿst)
•Nosso potencial – o melhor
que podemos ser
•Os s relatados por todas as
empresas 6 sigma •Os muitos
triviais
Tempo 2
Tempo 4
Tempo 1
Tempo 3
Machine Translated by Google
37. Tempo 1
Tempo 3
Tempo 2
Tempo 4
Visualizando as Causas
+ ÿshift = ÿtotal
ÿ st
Entre Grupos
•Chamado ÿshift
(verdadeiramente uma medida em sigmas
de quanto a média mudou) •Indica nosso
controle de processo
•Os poucos vitais
Machine Translated by Google
38. espinha de peixe
• Potencialmente controlável •
Como o processo está realmente se comportando ao
longo do tempo
• Ruído preto
Causa atribuível •
Influências externas
Machine Translated by Google
39. Os dados dentro dos subgrupos (Z.st) conterão apenas variação
de causa comum
• Variação presente em cada processo
• Não controlável
• O melhor que o processo pode estar dentro
da tecnologia atual
Variação de causa comum
Machine Translated by Google
40. Parte-Parte R&R
Total
ÿ2 = ÿ2
Medidor R&R
+ ÿ2
Parte-Parte
R&R
Variação observada com um dispositivo de medição quando usado várias vezes por um operador
enquanto mede a característica idêntica na mesma peça. • Reprodutibilidade (variação avaliada)
Variação obtida de diferentes operadores usando o mesmo dispositivo ao medir a mesma característica
na mesma peça. • Estabilidade ou Desvio Variação total na medição obtida com uma medição obtida
no mesmo valor mestre ou de referência ao medir a mesma característica, durante um período de tempo
prolongado.
• Repetibilidade (variação do equipamento)
Recomendação:
Resolução ÿ 10% da tolerância para medir
Calibre R&R ÿ 20% de tolerância para medir
Machine Translated by Google
41. 'Y' = função de variáveis -'x'
Mapear o processo
Identifique as variáveis - 'x'
Entenda o problema -
Y=f(x)
Para entender onde você quer estar, você
precisa saber como chegar lá.v
Medir o Processo
Machine Translated by Google
42. Melhorar e verificar o processo
Caracterizar Processo
Manter novo processo
Entenda o processo
Melhorar
Medir
Ao controle
Avalie
Machine Translated by Google
43. Por exemplo, raízes quadradas, logaritmos e recíprocos geralmente pegam uma distribuição
assimétrica positiva e a convertem em algo próximo a uma curva em forma de sino
Em muitos casos, a amostra de dados pode ser transformada para que seja aproximadamente normal.
Machine Translated by Google
44. USL
LSL
LSL
LSL
USL
USL
O que nós precisamos?
ÿ A redução da variação e a centralização
do processo criam processos com
menos potencial para defeitos. ÿ O
conceito de redução de defeitos se
aplica a TODOS os processos (não
apenas de fabricação)
Fora do alvo, baixa variação
alta variação
No alvo, baixa variação
Defeitos de alto potencial
Defeitos de alto potencial
Defeitos de baixo potencial
Cp bom, mas Cpk ruim
Não tão bom Cp e Cpk
Bom Cp e Cpk
No alvo
Machine Translated by Google
45. Identifique os fatores-chave (x's)
Nosso objetivo:
ÿ Avaliação Qualitativa ÿ
Conhecimento Técnico ÿ
Métodos Gráficos ÿ Triagem
Projeto de Experimentos
ÿ Análise de Pareto ÿ
Teste de Hipóteses ÿ
Regressão ÿ Projeto de
Experimentos
ÿ % Redução na Variação ÿ
Custo/Benefício
Quantificar
Elimine “Muitos Triviais”
Oportunidade
Identifique “poucos vitais”
Machine Translated by Google
47. Regressão
10
55
45
20
35
25
30
15
40
5
0
50
60
95% PI
ÿ Entendemos o impacto para
Testando hipóteses
Aplique estatísticas para validar ações e melhorias
ÿ Nossa melhoria teve impacto
o fator?
ÿ O fator é realmente importante?
Análise de regressão
ÿ Qual é o verdadeiro impacto?
Análise estatística
0,020
30
0,000 0,015
20
0
0,010
10
0,025
0,005
Frequência
Frequência
Y
7
4
6
2
3
0,000
1
0,005 0,010
5
0
0,020
0,015 0,025
x
Machine Translated by Google
48. A- Controle ruim, processo ruim
C- O controle do processo é bom, ruim Processo ou tecnologia
B- Deve controlar melhor o processo, a tecnologia está bem
D- Classe Mundial
2.0
1,0
0,5
2.5
1,5
ÿ turno
6 bom
bom
5
1
pobre
pobre
2
TECNOLOGIA
3 4
A B
D
ÿSt
AO
CONTROLE
C
Machine Translated by Google
49. Z<3
Processo de Design Seis Sigma
LOUCO
Parar
Processo semelhante
Preliminares
Corrigir processo
e design
Calcular valores
Z
Desenho/Banco de dados
Parar
Rev 0
Ajustar
processo e
design
desenhos
Obter dados sobre
Z>= Intenção do Projeto
MAIC
Identificar
obter dados
Crítico
Verifique novamente
Processo
inspeção
da 1ª peça
Níveis 'Z'
pré-piloto
Dados
Requerimento
Identidade
CTQs
dados do piloto
verão
Vigarista
Técnico
Deixa
Machine Translated by Google
50. Sugestão do consumidor: os blocos não podem chocalhar e não
devem interferir na caixa
• Nº 1 Definir a sugestão do cliente e o requisito técnico que precisamos
satisfazer
Requisito Técnico: Deve haver um Gap positivo
Tempo
entre
manutenções
Hora
de
Reparar
Sensibilidade
do
Sensor
Uso
Total
de
Eletricidade
Necessário
para
o
Sistema capacidade
de
energia
de
backup
(tempo)
Hora
de
instalar Anos
no
mercado
mainstream
Hora
de
fornecer
energia
de
backup
Carregamento
de
chão
Poder
Resolução
do
Sensor
Custo
de
instalação
Custo
de
manutenção
Pesos
do
cliente
Tempo
de
resposta
à
perda
de
energia
Custo
do
investimento
Tensão
Espaço
ocupado Classificação
do
índice
de
segurança
Tempo
entre
a
substituição
do
equipamento
Confiabilidade
(Nível)
Requisitos do cliente
6 Baixo custo de investimento
15 Barato para instalar
Tensão
Custo de manutenção
Hora de instalar
1
1
Preferido acima dwn dwn dwn dwn dwn dwn tgt tgt dwn dwn tgt dwn up up
Classificação do índice de segurança
SEM ENTRADA NESTA ÁREA
4 Seguro para operar
13 Longo ciclo de vida do sistema/ componente
Espaço ocupado
Tempo entre manutenções
classificação ECO
3
3
2 Longo tempo de fonte de alimentação de backup
11 Barato para manter
3
3
Uso Total de Eletricidade Necessário para o Sistema
Sensibilidade do Sensor
9 Baixos custos de atualização
9
9
Classificação de suporte ao cliente
14 Barato para operar
3
1
7 Ocupa pouco espaço
16 Tecnologia comprovada de longa data
Confiabilidade (Nível)
Custo de instalação
Poder
1
3 Baixo impacto ambiental
12 Baixa recuperação ou tempo de ciclo
Métricas de Engenharia
5 Atenda aos requisitos de energia
3
3
Tempo de resposta à perda de energia
Custo do investimento
9
9
Dependência das condições meteorológicas
1 resposta rápida
Resolução do Sensor
Horas de treinamento exigidas
Tempo entre a substituição do equipamento
10 Pouco tempo para implementar
8 Fácil de atualizar
9
Tempo para fornecer capacidade de
backup de energia de backup (tempo)
Anos no mercado mainstream
Hora de Reparar
Carregamento de chão
Machine Translated by Google
51. • #2 Definir as dimensões de destino (novos projetos) ou a média do
processo (projeto existente) para todas as peças correspondentes
Brecha
O intervalo deve ser T=0,011, LSL=0,001 e USL = 0,021
Machine Translated by Google
52. (-)
• Pode usar dados de especialistas para contribuidores mínimos
µT = 0,010
USL = 0,020
LSL = 0,001
(+)
(-) (-)
• Não calcule s das tolerâncias atuais
Etapa 3
Requisitos de intervalo
• Reunir dados de capacidade do processo.
(-)
• Use dados de peças reais ou similares para calcular o SS dos
maiores contribuidores.
Machine Translated by Google
54. Manter novo processo
Caracterizar Processo
Entenda o processo
Melhorar e verificar o processo
Medir
Avalie
Melhorar
Ao controle
Machine Translated by Google
56. x
PROCESSO
• Estimar os efeitos das Variáveis independentes nas
Respostas.
Y
• Terminologia
ÿFactor – Uma variável independente
ÿLevel – Um valor para o fator.
ÿResposta - Resultado
Projeto de Experimentos (DOE)
Machine Translated by Google
57. Primavera
Marca de café Maxwell House cheio de nozes
Fator
1
Água
2
Alto
Tocar
Baixo
Quantidade de café
Nível
O EXEMPLO DO CAFÉ
Machine Translated by Google
59. Feijão 'A' Feijão 'B'
Conceito de Interação
Temperatura 'X' Temperatura 'Y'
Machine Translated by Google
60. x1 x2
• Deslocar a média de um processo.
• Desloque a média e reduza a variação
• Reduza a variação.
Por que usar DoE?
Machine Translated by Google
61. ÿ2 é o número de níveis
= 16 tentativas
ÿ4 é o número de fatores
ÿ2 4
provas de 16 a 8.
• Fatorial Completo.
• Todas as combinações são testadas.
• O fatorial fracionário pode reduzir o número de
técnicas DoE
Machine Translated by Google
62. • Meia fração
• Metodologias de superfície de resposta
• Fatorial Fracionário
• Técnicas Taguchi
Técnicas DoE….cont.
Machine Translated by Google
63. Longo
Fator
Espesso
Curto
Afinar
Baixo
Quantidade de pressão
Área de adesão (cm2) 15
Pequeno Grande
Sim
Alto
Tempo de aplicação de pressão
Não
acrílico
20
Tipo de Cola
Primer aplicado
Espessura do logotipo
Afinar
Nível
Espessura da Espuma de Estireno Espessura
uretano
Mini Case - NISSAN MOTOR COMPANY
Machine Translated by Google
64. C
5,65
5,43
+
B
5,50
5,58
A
4,60
6,48
D
5,58 5,50
+
-
-
-
+
+
+
+
+
-
-
-
+
B - Tipo de Cola
estireno
-
+
D - Espessura do Logo
+
-
+
+
+
-
-
+
+
-
-
+
-
+
-
B
A - Área de Aderência (cm2)
C - Espessura da Espuma
-
-
-
2
9.8
12.6
1
CD Colagem Str
Tabulação de Efeitos
9.2
4
3
8.9
6
12.3
`
5
8.9
8
13.9
Não A
7
13
Matriz de design
Machine Translated by Google
65. estireno
5,65
ÿ ÿ
Thk de espuma
5.58
ÿ
5.5
-
Thk do logotipo
5.58
-
Tipo de Cola
5.43
-
5
-
ÿ
Área
6.5
4.6
Adesão
Gráfico de efeito de fator
Machine Translated by Google
66. 8. Conclusões
4. Escolha os níveis dos fatores
ETAPAS NO PLANEJAMENTO DE UM EXPERIMENTO
1. Defina Objetivo.
5. Selecione o Projeto Experimental
6. Execute o experimento e colete os dados
9. Execute uma execução de confirmação.
2. Selecione a Resposta (Y)
7. Analise os dados
3. Selecione os fatores (Xs)
Machine Translated by Google
67. - Albert Einstein
“...Nenhuma quantidade de experimentação pode provar
que estou certo; um único experimento pode provar que
estou errado”.
“….A ciência só pode determinar o que é, mas não o
que deveria ser, e fora de seu domínio, julgamentos de valor
de todos os tipos permanecem necessários.”
Machine Translated by Google
68. Melhorar e verificar o processo
Caracterizar Processo
Entenda o processo Manter novo processo
Medir
Avalie
Melhorar
Ao controle
Machine Translated by Google
69. -Compre no plano de controle
-Implementação do plano de qualidade
-Confirmação de Melhoria
-“À prova de erros” o processo
-Mudanças processuais
-Documentação de encerramento
-Confirmação de que você resolveu o problema prático
-Processo de auditoria
-Mudanças no sistema
- Escopo do próximo projeto
-Validação do benefício
-Implementação do controle estatístico de processos
Atividades da fase de controle:
FASE DE CONTROLE - SEIS SIGMA
Machine Translated by Google
70. 1. Selecione a(s) variável(is) causal(is). Poucos X(s) vitais comprovados
2. Definir Plano de Controle -
5Ws para intervalos ideais de X(s)
3. Validar Plano de Controle -
Observar Y 4. Implementar/
Documentar Plano de Controle 5. Auditar Plano de
Controle 6. Monitorar Métricas de Desempenho
Como criar um Plano de Controle:
FASE DE CONTROLE - SEIS SIGMA
Machine Translated by Google
71. 2. Controle Estatístico de Processo (SPC)
1. Métodos básicos de controle Seis Sigma.
- Usado com vários tipos de distribuições - Gráficos de
controle •Baseado em atributos (np, p, c, u). Com base
em variável (XR, X) •Ferramentas adicionais com base em variável -PRE-
Control -Gráfico de causa comum (Média móvel exponencialmente
balanceada (EWMA))
- Ferramentas 7M: diagrama de afinidade, diagrama de árvore,
gráficos de programa de decisão de processo, diagramas de
matrizes, diagramas de inter-relacionamento, matrizes de
priorização, diagrama de rede de atividades.
Ferramentas do plano de controle:
FASE DE CONTROLE - SEIS SIGMA
Machine Translated by Google
73. Chegar na hora marcada 5 5 5 5 1 5 0 0 0 0 0
PONTUAÇÃO DE IMPORTÂNCIA
2 3 0 0 1 0 0 0 0 0 0 4 0 0 0 0 0 0 5 5 5 5
5 = importância alta, 3 = importância média, 1 = importância baixa
Entregue via modo correto
Leve de volta ao quarto imediatamente
39 25 25 27 25 0 20 20 20 20 1 3 3 2 3 7 6 6 6 6
Vestir-se adequadamente 4 0 0 0 0 0 0 0 0 0 0
CLASSIFICAÇÃO
Chegar com equipamento adequado 4 2 0 0 5 0 0 0 0 0 0
Notifica
de
retorno
Atendente
atribuído Atendente
chega transporta
paciente Atendente
atribuído
Obtém
equipamentos
Paciente
agendado
Atendente
chega
Fornecer
terapia Paciente
retornou
CLIENTE
RELAÇÃO
O QUE É
MATRIZ
IMPORTÂNCIA
COMOS
MATRIZ
DIAGRAMA MATRICIAL
Machine Translated by Google
74. nas
setas
Tornar
o
produto
existente
mais
fácil
de
usar Deixar
como
está
e
baixar
o
preço
Adicionar
recursos
setas
para
fora
Dedicar
recursos
a
novos
produtos Total
de
setas
Aumentar
o
orçamento
de
suporte
técnico Força
Tornar
o
produto
existente
mais
rápido
(9) = Forte Influência
Significa que a linha leva ao item da coluna
(1) = Influência fraca/possível
(3) = Alguma influência
Significa que a coluna leva ao item da linha
1 2 3 21
Deixar como está e baixar o preço
2 1 3 27
Tornar o produto existente mais fácil de usar
0 3 3 21 1 1 2
18 0 2 2 18
5 0 5 45
Tornar o produto existente mais rápido
Aumentar o orçamento de suporte técnico
Adicionar recursos
Dedicar recursos a novos produtos
CARACTERÍSTICAS:
•Descubra padrões nas
relações de causa e efeito.
•Nível mais detalhado no
diagrama de árvore. Impacto
um no outro avaliado.
ID DE COMBINAÇÃO/DIAGRAMA DE MATRIZ
Machine Translated by Google
75. 2. Controle Estatístico de Processo (SPC)
1. Métodos básicos de controle Seis Sigma.
- Usado com vários tipos de distribuições - Gráficos de
controle •Baseado em atributos (np, p, c, u). Com base
em variável (XR, X) •Ferramentas adicionais com base em variável -PRE-
Control -Gráfico de causa comum (Média móvel exponencialmente
balanceada (EWMA))
- Ferramentas 7M: diagrama de afinidade, diagrama de árvore,
gráficos de programa de decisão de processo, diagramas de
matrizes, diagramas de inter-relacionamento, matrizes de
priorização, diagrama de rede de atividades.
Ferramentas do plano de controle:
FASE DE CONTROLE - SEIS SIGMA
Machine Translated by Google
76. Tamanho da
constante do
subgrupo
X, Rm
Porto. Constante
de área de amostra
para amostra
Se a média for grande, X e
Ir nem n nem p são
pequenos: X - R, X - Rm são
eficazes
R também são eficazes
Gráfico defeitos de
defeituosos
Medição Ind. ou
subgrupos
Normalmente dist.
dados
Use gráfico X - R com
regras modificadas
Interesse em
mudanças bruscas
de média
Mais eficaz para
detectar mudanças
graduais a longo prazo
Não
Sim
Não
Tipo
Sim
Não
Rm
Variáveis
Sim
Medição de
subgrupos
Sim
Não
p, np
Dados
indivíduos
CUSUM e
MA, EWMA ou
Defeituosos
C, você
você
Atributos
p
Defeitos
X-R
Como selecionamos a Carta de Controle correta:
Machine Translated by Google
78. DIMENSÃO
Linha
de
referência Tolerância
-Ao
controle
Baixo Tolerância limite
NOMINAL
limite
-Ao
controle
PRÉ
Alto
PRÉ
Linha
de
referência
VERMELHO
AMARELO
VERMELHO
1/4 TOL.
ZONA
ZONA
VERDE
1/2 TOL.
AMARELO
ZONA
1/4 TOL.
ZONA
ZONA
Ferramentas adicionais baseadas em
variáveis: 1. PRÉ-Controle •Algoritmo para
controle baseado em tolerâncias •Assume processo
de produção com característica de qualidade mensurável/ajustável
que varia. •Não equivalente ao SPC. Processo conhecido por ser
capaz de atender à tolerância e garantir que o faça. •SPC usado
sempre antes da aplicação do PRE-Control. •Processo qualificado pela
tomada de amostras consecutivas de medições individuais, até que 5
seguidas caiam na zona central, antes que 2 caiam em cautela. Ação
tomada se 2 amostras estiverem em Cau. zona. •Codificado por cores
Machine Translated by Google
79. ÿ
•Média do processo rastreada por EWMA
•Benefícios: •Usado quando o processo
tem desvio inerente •Fornece previsão de
onde será a próxima medição do processo. •Usado para desenvolver
procedimentos para controle de processo dinâmico •Equação: EWMA =
y^t + (yt - y^t) ÿ entre 0 e 1
2. Tabela de Causas Comuns (EWMA). • A
média dos processos de fabricação automatizados varia devido ao fator
de processo inerente. O SPC considera o processo estático. •Desvio
produzido por causas comuns. •Implementar uma “Tabela de Causas
Comuns”. •Sem limites de controle. Os limites de ação são colocados no
gráfico. •Calculado com base nos custos •A violação do limite de ação
não resulta em busca de causa especial. Ação tomada para
aproximar o processo do valor alvo.
Machine Translated by Google
81. •Melhoria totalmente implementada e processo redefinido. •Plano de
qualidade e procedimentos de controle institucionalizados. •Donos do
processo: Totalmente treinados e executando o processo. •Qualquer
documentação necessária feita. • Fichário de história concluído. Folha de
rosto de encerramento assinada. • Cartão de pontuação desenvolvido em
características aprimoradas e método de relatório definido.
Encerramento do projeto
Machine Translated by Google
82. • Redução dos níveis de defeitos no processo por um fator de 200. • Redução
dos custos de fabricação em US$ 1,4 bilhão.
• Crescimento de 14% por trimestre.
• Aumento da produção dos funcionários em dólar em 126%.
• 520% de crescimento preço/ação.
• Aumentou em quatro vezes o valor das ações dos acionistas.
• Redução do tempo de introdução de novos produtos em 16%.
• Redução de 24% na fatura/ciclo.
• Redução de custos de US$ 1,4 bilhão.
ROI da AlliedSignal
1992-1996
ROI da
Motorola 1987-1994
Machine Translated by Google
83. • Economia de mais de US$ 1 bilhão em toda a empresa.
• Economia anual estimada em US$ 6,6 bilhões até o ano 2000.
ROI da General
Electric 1995-1998
Machine Translated by Google
84. •
,
• Forrest W. Breyfogle III, “Implementing Six Sigma”, John Wiely & Sons, Inc, 1999
• StatPoint, LLC. “Six Sigma Tour”,
http://www.sgcorp.com/six-sigma_tour.htm, 2001
Infinity Performance Systems, “Six Sigma Overview”,
http://www.6sigmaworld.com/six_sigma.htm, 2000
• Motorola Inc., “What is 3 vs. 6 sigma”,
http://www.Motorola.com/MIMS/MSPG/Special/CLM/sld011.htm, 1997
• Engenharia de Controle On-line, “Design for Six Sigma Capability”
• Sigma Holdings, Inc., “Six Sigma Breakthrough Strategy”,
http://www.6-sigma.com/Bts1.htm, 2000
http://www.controleng.com/, 1999
• Six Sigma SPC / Jim Winings, “Six Sigma & SPC”
http://www.sixsigmaspc.com/six_sigma.html, 2001
Bibliografia
Machine Translated by Google