Essa aula foi gravada e disponibilizada à FATEC-SP para a turma de organização industrial no dia 03/12/2020, na qual abordamos as grandes perdas da produção, gemba walk e um caso prático de aplicação de melhoria de processos baseada em observação de perdas em um gemba walk.
sexta-feira, 4 de dezembro de 2020
Gemba Walk e observação de perdas
E o que é gemba walk e como aplicar? O significado da palavra gemba na lingua portuguesa é "onde as coisas acontecem", que para nós brasileiros faz muito sentido em chamar de chão de fábrica, que é onde as coisas realmente acontecem. O gemba walk é uma caminhada diária por parte da liderançafocada em observação e resolução de perdas nos processos, com o objetivo de tornar o processo o mais enxuto possível.
#gemba, #gembawalk, #leanmanufacturing, #melhoria de processos
quinta-feira, 29 de outubro de 2020
Cronoanálise - Variações na produtividade
A cronoanálise é uma técnica de análise de tempos e movimentos que busca identificar e quantificar o tempo gasto em cada etapa de um processo produtivo. Com base nessa análise, é possível identificar gargalos, reduzir tempos improdutivos e aumentar a eficiência do processo.
Uma das vantagens da cronoanálise é a possibilidade de identificar variações na produtividade ao longo do tempo. Por exemplo, é comum que a produtividade de uma equipe varie de acordo com fatores como a carga de trabalho, a motivação dos funcionários, a disponibilidade de recursos, entre outros. Ao analisar a produtividade ao longo do tempo, é possível identificar padrões e fatores que afetam a produtividade, o que permite que a empresa tome medidas para melhorar o desempenho da equipe.
Além disso, a cronoanálise também pode ser utilizada para identificar a capacidade produtiva de um processo. Ao quantificar o tempo necessário para realizar cada tarefa, é possível calcular a capacidade máxima de produção do processo, o que permite que a empresa planeje a produção de acordo com a demanda do mercado.
Porém, é importante ressaltar que a cronoanálise não é uma técnica isolada e deve ser utilizada em conjunto com outras técnicas de gestão de processos, como o mapeamento de processos, a análise de valor agregado e a análise de causa e efeito. Combinadas, essas técnicas permitem que a empresa tenha uma visão mais completa do processo produtivo e possa tomar decisões mais informadas para melhorar a eficiência e a produtividade.
sexta-feira, 14 de agosto de 2020
Modelo de instrução operacional e como utilizar
Olá, aluno.
Esse é um modelo de instrução operacional que contém as melhores práticas que observei em minha carreira. Você pode solicitar no formulário abaixo. Ao solicitar, você receberá um email no qual você precisa confirmar que está solicitando, isso para confirmar que ninguém está fazendo isso com seu email.
Existem vários nomes para instrução operacional, tais como IT - instrução de trabalho, POP - Procedimento Operacional Padronizado e outros, mas são basicamente a mesma coisa e tem a mesma finalidade.
Temos total respeito pelo seu email, portanto, além do formulário de Instrução Operacional, enviaremos apenas conteúdos relacionados ao tema ;). A confirmação significa que você está de acordo.
quarta-feira, 25 de março de 2020
Estudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 6)
COMPROVAÇÕES
DA ETAPA DE ANÁLISE
Ver parte 5 AQUI
Com a comprovação de x1, x3, x4, x5 e x6, elaborou-se em conjunto com a gestão do processo e alta gestão da fábrica um plano de ação para eliminação ou controle das causas, conforme tabela abaixo:
Com a comprovação de x1, x3, x4, x5 e x6, elaborou-se em conjunto com a gestão do processo e alta gestão da fábrica um plano de ação para eliminação ou controle das causas, conforme tabela abaixo:
Figura 15 – Tabela de ações tomadas frente a cada x
comprovado. Fonte: próprio autor.
DISCUSSÃO/ANÁLISES DOS
RESULTADOS
Tomadas as
ações frente aos x’s comprovados, verificou-se uma elevação da média de peças
inspecionadas. Tal média, se portou ainda acima da meta projetada, onde
obtivemos os seguintes resultados:
Figura 16 – Gráfico de resultados das médias
diárias de peças inspecionadas por inspetora pós melhorias implantadas. Fonte:
próprio autor.
CONSIDERAÇÕES FINAIS
De um modo
geral, comprova-se a influência positiva da redução de perdas em um processo de
inspeção de qualidade de uniformes dada a elevação obtida na média de peças
inspecionadas (29,17%). Cada possível causa foi investigada e suas influências
comprovadas nos resultados, o que facilitou a análise e tomada de ações. Todas
as perdas observadas foram demonstradas, assim como as melhorias propostas. A
alta gestão da fábrica e a própria direção do grupo reconhecem a eficácia do
trabalho e a eficiência da metodologia seis sigma adotada.
Referências
RITZMAN,
L. P.; KRAJEWSKI, L. J. Administração da produção e operações. Editora Pearson,
2004. p. 18.
DENNIS,
P.;. Produção Lean simplificada. Editora Bookman, 2008. p. 40.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS, NBR 5426:
Planos de amostragem e procedimentos na inspeção por atributos, Rio de Janeiro,
p. 14.
ZHANG, J. Powerful
goodness-of-fit and multi sample tests. Toronto,
ON, 2001. p. 34.
BARROS,
E.; BONAFINI, F. C. Ferramentas da qualidade. Editora Pearson, 2015. p. 18, p.
52, p. 55, p. 91.
PLUM, D. M. Discovering the ‘Real’ Data in Multi-Vari Analysis
Charting.
International Journal of Applied Science and
Technology,
WI, fev. 2015. Disponível em:<https://pdfs.semanticscholar.org/b8b1/12fab844061f7cae1f7551391d7a86722bc5.pdf>. Acesso em: 16
fev. 2020.
SAWYER, S. F. Analysis of Variance: The Fundamental Concepts. The Journal of manual & manipulative therapy, TX, abr. 2009. Disponível em:< https://www.researchgate.net/publication/272311020_Analysis_of_Variance_The_Fundamental_Concepts>.
Acesso em: 16 fev. 2020.
Mais em https://www.austenitect.com/ Curso de cronoanálise: https://www.austenitect.com/cronoanalise Curso de fluxogramas: https://www.austenitect.com/fluxogramas Power BI: https://viniciusneves.eng.br/cursopow... Excel para análises de produção: https://www.austenitect.com/excel Pareto: https://www.austenitect.com/pareto FMEA: https://www.austenitect.com/fmea Nossos podcasts: https://www.austenitect.com/videos
Estudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 5)
ANÁLISE
DO X5, Reprogramações
Amostrados os dados de 18 dias onde houveram
reprogramações por parte do PCP – planejamento e controle da produção,
obteve-se o diagrama de dispersão abaixo.
Em cada reprogramação, as inspetoras precisam parar
suas atividades, tirar as peças da bancada, fazer um apontamento no relatório
de horas, buscar as peças reprogramadas e iniciar novamente a atividade de
inspeção, o que gera perdas de tempo e desgaste da mão-de-obra.
Figura 12 – Diagrama de dispersão de reprogramações
versus percentual de atendimento à meta. Fonte: próprio autor.
Com um fator R = -0,886, conclui-se que existe uma
correlação negativa.
ANÁLISE
DO X6, Clareza da programação
Foram levantados dados nos registros da empresa Xxxxxxxxxxxxx
sobre as médias de peças por inspetora por dia no mês de julho/2019, onde não
se havia implementado a sistemática de programação de inspeção de forma clara e
também no mês de novembro/2019, onde já se havia implementado uma sistemática
clara e precisa da programação de inspeção, evitando erros e reprogramações. Em
especial, a análise do x6 foi realizada após a melhoria proposta, pois não
haveria outra forma de fazer a comprovação. Os dados se apresentaram conforme
gráfico abaixo.
Figura 13 – Gráfico de intervalos e resultados do
estudo Anova de comparação sobre período sem clareza na programação e com
clareza na programação. Fonte: próprio autor
Para uma significância de 95% e um P-valor de 0,00,
conclui-se que os resultados são significativamente diferentes, logo,
comprova-se a influência do x “clareza na programação” em y “média de peças
inspecionadas”.
COMPROVAÇÕES
DA ETAPA DE ANÁLISE
Com os estudos realizados sobre a influência de
cada x em y, temos o seguinte resumo:
Figura 14 – Tabela de resumo das comprovações de
correlação de x em y
Mais em https://www.austenitect.com/
Curso de cronoanálise: https://www.austenitect.com/cronoanalise
Curso de fluxogramas: https://www.austenitect.com/fluxogramas
Power BI: https://viniciusneves.eng.br/cursopow...
Excel para análises de produção: https://www.austenitect.com/excel
Pareto: https://www.austenitect.com/pareto
FMEA: https://www.austenitect.com/fmea
Nossos podcasts: https://www.austenitect.com/videos
Estudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 4)
ANÁLISE
DO X2, DIFERENÇA DE HABILIDADE DAS INSPETORAS
Ver parte 5 AQUI
Amostrando-se em 9 dias as taxas de peças inspecionadas (peças por hora) em 3 momentos do turno de trabalho de 9 horas (início, meio e fim do turno) de 3 inspetoras e considerando-se os produtos inspecionados como equivalentes (camisas de manga curta), foi elaborado um estudo multi-vari (PLUM, 2015), adotando-se que a grandeza “inspetora” é discreta e a “taxa horária de peças inspecionadas” é contínua.
Amostrando-se em 9 dias as taxas de peças inspecionadas (peças por hora) em 3 momentos do turno de trabalho de 9 horas (início, meio e fim do turno) de 3 inspetoras e considerando-se os produtos inspecionados como equivalentes (camisas de manga curta), foi elaborado um estudo multi-vari (PLUM, 2015), adotando-se que a grandeza “inspetora” é discreta e a “taxa horária de peças inspecionadas” é contínua.
Figura 8 – Estudo Multi-Vari de inspetoras versus
taxa de peças. Fonte: próprio autor
Verifica-se
que a média (pontos vermelhos) é mais baixa para a inspetora 1. Visto tal fato,
elaborou-se em um estudo Anova (SAWYER, 2009) pela variabilidade dos 3 momentos
das 3 inspetoras para se concluir se o resultado da inspetora 1 é
significativamente menor que o das demais.
Figura 9 – Estudo anova das inspetoras. Fonte:
próprio autor.
Adotando uma significância de 95% e verificando um
P-Valor de 0,231, concluiu-se que não há diferença significante entre os
resultados das inspetoras.
ANÁLISE
DO X3, absenteísmo
Amostrando-se resultados de absenteísmo da equipe e
comparando-se com o percentual de atendimento das 56 peças/inspetora/dia (meta)
em um diagrama de dispersão, obteve-se a seguinte distribuição:
Figura 10 – Diagrama de dispersão de absenteísmo
versus atendimento à meta. Fonte: próprio autor.
Para um fator R = -0,896, concluiu-se que há uma
correlação negativa forte, ou seja, quanto maior o (x) absenteísmo, menor o (y)
atendimento à meta.
ANÁLISE
DO X4, RAPIDEZ DE DECISÃO EM POSSÍVEIS REPROVAÇÕES
Verificando-se os tempos de paradas das inspetoras
pelos motivos de se reprovar determinada peça e se aguardar a alta gestão da
fábrica definir o retrabalho a ser feito, obteve-se a seguinte distribuição no
diagrama de dispersão abaixo:
Figura 11 – Diagrama de dispersão de tempo de
parada aguardando decisão versus percentual de atendimento à meta. Fonte:
próprio autor.
Para um fator R = -0,787, concluiu-se que há uma
correlação negativa forte, ou seja, quanto maior o (x) tempo de parada
aguardando decisão, menor o (y) percentual de atendimento à meta.
Ver parte 5 AQUI
Mais em https://www.austenitect.com/
Curso de cronoanálise: https://www.austenitect.com/cronoanalise
Curso de fluxogramas: https://www.austenitect.com/fluxogramas
Power BI: https://viniciusneves.eng.br/cursopow...
Excel para análises de produção: https://www.austenitect.com/excel
Pareto: https://www.austenitect.com/pareto
FMEA: https://www.austenitect.com/fmea
Nossos podcasts: https://www.austenitect.com/videos
Estudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 3)
Ver parte 4 AQUI
Utilizando o fluxograma (BARROS E BONAFINI, 2015) da figura 6, podemos entender as macroatividades do processo de inspeção de qualidade da empresa em questão, onde 3 das características críticas listadas na figura 4 estão diretamente atreladas a resultados pontuais (y) das atividades e também as possíveis causas (x) que interferem no resultado pontual (y).
Utilizando o fluxograma (BARROS E BONAFINI, 2015) da figura 6, podemos entender as macroatividades do processo de inspeção de qualidade da empresa em questão, onde 3 das características críticas listadas na figura 4 estão diretamente atreladas a resultados pontuais (y) das atividades e também as possíveis causas (x) que interferem no resultado pontual (y).
Figura
6 – Fluxograma das macroatividades, possíveis causas e efeitos do processo de
inspeção de qualidade. Fonte: próprio autor.
As possíveis
causas (x) foram levantadas utilizando a ferramenta diagrama de Ishikawa (BARROS
E BONAFINI, 2015) em um brainstorming
realizado entre a gestão e a equipe do processo e ainda requerem comprovação de
que influem em cada efeito (y) correlacionado.
MEDIÇÃO DA CAPABILIDADE
Para medição da
capabilidade do processo, ou seja, a capacidade que o processo tem de se manter
dentro de limites de referência – máximo e mínimo, primeiramente foi necessário
realizar entrevista com o gestor da área, onde o mesmo os declarou. Para o
estabelecimento de máximo e mínimo foram consideradas as quantidades que, no
mínimo, não impactam no indicador de prazo de entrega e, no máximo, não
comprometam segurança das colaboradoras e confiabilidade da inspeção, onde se
obteve 47 peças/inspetora/dia no mínimo e 84 peças/inspetora/dia no máximo.
Considerou-se 56 peças/inspetora/dia o número adequado, meta que deveria ser
perseguida individualmente por cada inspetora. Os limites – mínimo e máximo –
serão utilizados no estudo de capabilidade.
Figura
6 – Análise de capabilidade do processo de inspeção de qualidade
Com um CP
abaixo de 1,33, conclui-se que o processo não tem capabilidade (BARROS E
BONAFINI, 2015).
ANÁLISE
DO X1, DESABASTECIMENTO POR PARTE DAS FÁBRICAS
Dada uma
hora fixa e combinada de chegada dos caminhões que trazem as peças para serem
inspecionadas na unidade (8:30 h), mediu-se 18 ocorrências de desabastecimento,
assim como as horas de parada das inspetoras por desabastecimento.
Por serem
duas grandezas contínuas, horas de desabastecimento (x) e horas de inspetoras
paradas (y), estudou-se a correlação entre as mesmas em um diagrama de dispersão
(BARROS E
BONAFINI, 2015).
Utilizando-se a correlação proposta por Pearson (1904), obteve-se um fator R =
0,972, o que indica uma correlação positiva forte.
Figura 7 – Diagrama de dispersão de horas de
desabastecimento versus horas de inspetoras paradas. Fonte: próprio autor.
Comprova-se
a influência do x (horas de desabastecimento) no y (horas de inspetoras
paradas).
Ver parte 4 AQUI
Ver parte 4 AQUI
Estudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 2)
Ver parte 3 AQUI
A normalidade dos dados foi analisada para determinar quais ferramentas estatísticas poderiam ser utilizadas para análise.
A normalidade dos dados foi analisada para determinar quais ferramentas estatísticas poderiam ser utilizadas para análise.
Figura 2 –
Histograma das médias de peças inspecionadas por inspetora por dia no período
de junho de 2017 a agosto de 2019. Fonte: próprio autor
Figura 3 –
Gráfico de normalidade dos dados na distribuição de Anderson-Darling
Fonte: próprio
autor
Utilizando a
distribuição de Anderson-Darling (ZHANG, 2001) e uma significância de 95%,
conclui-se que para o P-valor de 0,128 observado, os dados são normais, o que
permitiu utilizar as ferramentas de análise sequentes.
No período de
análise dos dados (setembro de 2019) foram entrevistados os clientes internos
do processo de inspeção de qualidade final, sendo estes o processo de expedição
e planejamento e controle da produção com o intuito de observar as principais
reclamações, onde obteve-se:
Figura 4 –
Tabela de reclamações versus características críticas diretamente atreladas à
reclamação. Fonte: próprio autor.
Após a
realização de um brainstorming e utilizando a ferramenta da qualidade diagrama
de Ishikawa, ou diagrama de causa e efeito (BARROS E BONAFINI, 2015), foram
levantadas as possíveis causas que teriam impacto no efeito “baixa
produtividade na inspeção de qualidade”, conforme disposto na figura 5.
Figura 5 – Diagrama de causa e efeito. Fonte:
próprio autor.
Mais em https://www.austenitect.com/
Curso de cronoanálise: https://www.austenitect.com/cronoanalise
Curso de fluxogramas: https://www.austenitect.com/fluxogramas
Power BI: https://viniciusneves.eng.br/cursopow...
Excel para análises de produção: https://www.austenitect.com/excel
Pareto: https://www.austenitect.com/pareto
FMEA: https://www.austenitect.com/fmea
Nossos podcasts: https://www.austenitect.com/videosEstudo de caso de aumento da taxa de peças inspecionadas mediante redução de perdas (Parte 1)
Resumo
Ver parte 2 AQUI
O presente estudo de caso tem por objetivo demonstrar os resultados obtidos, bem como a análise realizada com a metodologia seis sigma em um processo de inspeção de qualidade realizado na empresa Xxxxxxxxxxxxx – Uniformes e EPI’s, onde foram observadas perdas e propostas soluções, após a análise realizada, bem como resultados obtidos. O resultado deste estudo de caso se demonstra relevante, visto a elevação obtida na taxa de peças inspecionadas (29,17%) e a possibilidade de se aplicar grande parte da metodologia seguida para casos similares em indústrias de confecção.
O presente estudo de caso tem por objetivo demonstrar os resultados obtidos, bem como a análise realizada com a metodologia seis sigma em um processo de inspeção de qualidade realizado na empresa Xxxxxxxxxxxxx – Uniformes e EPI’s, onde foram observadas perdas e propostas soluções, após a análise realizada, bem como resultados obtidos. O resultado deste estudo de caso se demonstra relevante, visto a elevação obtida na taxa de peças inspecionadas (29,17%) e a possibilidade de se aplicar grande parte da metodologia seguida para casos similares em indústrias de confecção.
Palavras-chave: melhoria de processos,
eficiência, seis sigma.
ABSTRACT
The present case study aims to demonstrate the
results obtained, as well as the analysis carried out with the six sigma
methodology in a quality inspection process carried out in Xxxxxxxxxxxxx - Uniforms
and PPE's company, where losses and proposed solutions were observed after the
analysis performed, as well as results obtained. The result of this case study
is relevant, given the increase in the rate of inspected parts (29.17%) and the
possibility of applying a large part of the methodology followed for similar
cases in the clothing industry.
Keywords: processes improvement, efficiency, productivity
iNTRODUÇÃO
A
indústria de confecção de uniformes no Brasil utiliza um modelo de produção sob
encomenda em lote em sua grande maioria, este é o caso da Xxxxxxxxxxxxx –
Uniformes e EPI’s, onde esse caso foi estudado. O modelo sob encomenda em lote
é aquele no qual se produz mediante a encomenda de um cliente (RITZMAN, 2004) o
que é o inverso de uma produção contínua (DENNIS, 2008). Fatores indesejáveis,
tais como tempo de espera, perdas humanas e retrabalhos caracterizam perdas de
produção (DENNIS, 2008) e tais fatores foram observados no processo de inspeção
de qualidade final dessa empresa durante o estudo. A Xxxxxxxxxxxxx possui sua
estrutura de produção distribuída em 4 fábricas, sendo que o presente estudo de
caso foi desenvolvido na unidade de Jandira-SP, onde o processo de inspeção de
qualidade final é aplicado através de amostragem segundo a norma NBR 5426 (ASSOCIAÇÃO
BRASILEIRA DE NORMAS TÉCNICAS, 1985).
A busca
pela minimização de perdas e aumento de lucratividade dos processos da empresa Xxxxxxxxxxxxx
vem sendo buscadas como parte da sobrevivência no mercado, de modo que isso
representa diferencial competitivo e assim, justifica-se esse estudo.
O presente
estudo visa demonstrar as perdas observadas, melhorias implementadas e
responder à pergunta: qual a influência da redução de perdas nos resultados de
um processo de inspeção de uniformes?
Desenvolvimento
LEVANTAMENTO DOS DADOS
Para justa
abordagem dos resultados do processo de inspeção de qualidade, sendo este, a
média de peças inspecionadas por inspetora por dia, foram levantados no acervo
da empresa Xxxxxxxxxxxxx os resultados dos últimos 26 meses, período no qual a
empresa forneceu registro confiável para análise.
Figura
1 – Gráfico da média de peças inspecionadas por inspetora por dia. Fonte:
acervo da empresa Xxxxxxxxxxxxx
Ver parte 2 AQUI
Mais em https://www.austenitect.com/ Curso de cronoanálise: https://www.austenitect.com/cronoanalise Curso de fluxogramas: https://www.austenitect.com/fluxogramas Power BI: https://viniciusneves.eng.br/cursopow... Excel para análises de produção: https://www.austenitect.com/excel Pareto: https://www.austenitect.com/pareto FMEA: https://www.austenitect.com/fmea Nossos podcasts: https://www.austenitect.com/videos
Assinar:
Postagens (Atom)