Curso de MASP grátis e com certificado

snippet do adsense

sexta-feira, 4 de dezembro de 2020

Gemba Walk e observação de perdas

 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.


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:
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.

Ver parte 5 AQUI

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.



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





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.
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



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).
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





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.

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.

       Na figura 4, temos, na coluna da esquerda, as reclamações diretas colhidas das declarações dos clientes internos e, à direita, as características críticas, quais foram correlacionadas com as reclamações.
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.

Ver parte 3 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 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.

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