Projeto Seis Sigma: Exemplo de Análise de Variabilidade
Comentários desativados em Projeto Seis Sigma: Exemplo de Análise de Variabilidade
.
Uma análise tradicional de um projeto de experimento (DOE) ajuda a determinar as configurações de fatores que produzem a melhor resposta média. Talvez você queria saber quais configurações produzem um tamanho alvo (meta) para uma peça automotiva ou os procedimentos que resultem nos tempos de resolução mais curtos em um centro de atendimento (call center). Mas, se houver muita variabilidade nas medições de comprimento ou nas durações de chamada, a melhor configuração, em média, talvez não produza os melhores resultados.
.
Para garantir que o seu processo produza produtos ou serviços que atendam às expectativas dos seus clientes, é necessário identificar as configurações de fatores que não apenas proporcionam um bom desempenho, em média, mas que tenham a execução mais consistente. Você pode fazer isso no Minitab com o comando Analyze Variability (Analisar a Variabilidade).
.
Por que analisar a variabilidade?
.
Aqui estão alguns exemplos de como a variabilidade pode impactar as melhores configurações de fatores.
.
No gráfico abaixo, nós podemos ver quanto tempo é necessário para os operadores processarem pedidos depois que passam por treinamentos diferentes e usam aplicativos de software diferentes. O tempo médio para o software atual e para o software novo é quase o mesmo, mas o software atual mostra claramente uma maior variabilidade. Para melhorar a satisfação do cliente, o gerente do centro de atendimento deve decidir usar apenas o novo software.
.
.
Ou considere os resultados de uma impressora de jornal apresentados no gráfico abaixo. A impressora Tipo A com configuração de velocidade em “Linha 5” produz a mais alta qualidade de impressão, em média, mas esse ajuste também resulta numa variabilidade excessiva, ao ponto de alguns jornais não ficarem legÃveis. Perante esta informação, o operador da impressora decide usar os ajustes (configurações) que produzem um nÃvel de qualidade um pouco inferior, porém, mais consistente.
.
.
Como analisar a variabilidade no Minitab?
.
Usando um projeto de experimento tradicional (DOE), uma indústria de alimentos identificou as configurações que produzem os biscoitos com melhor sabor, em média. No entanto, eles receberam algumas reclamações sobre a falta de consistência do sabor. A empresa decidiu realizar outro projeto de experimento, desta vez considerando a variabilidade. Eles querem saber o tempo, temperatura e o tipo de forma resultam no biscoito com melhor sabor e maior consistência.
.
Em primeiro lugar, calcule os desvios padrão
.
O primeiro passo consiste em calcular o desvio padrão para cada nÃvel de tempo, temperatura e tipo de forma com o comando de pré-processamento da resposta no Minitab. Você pode analisar a variabilidade de todo experimento fatorial de 2 nÃveis, que tenha várias medidas em cada configuração de nÃvel de fator. A indústria de alimentos repete o experimento, executando cada combinação de configurações de fator cinco vezes em ordem aleatória, registrando uma pontuação de sabor em cada rodada.
.
- Selecione Stat > DOE > Factorial > PreProcess Responses for Analyze Variability.
- Selecione Compute for replicates in each response column.
- Insira a coluna que contém a resposta e a coluna em que você deseja registrar os desvios padrão e contagens.
- Clique em OK.
.
.
Em seguida, encontre os efeitos significativos
.
Agora, você está pronto para analisar a variabilidade do seu projeto de experimento.
.
- Selecione Stat > DOE > Factorial > Analyze Variability.
- Em Response, insira a coluna de valores de desvio padrão.
- Em Estimation method, selecione Least squares regression para determinar quais termos não são significativos.
- Clique em Graphs e selecione Pareto.
- Clique em OK em cada caixa de diálogo.
.
.
Nesse gráfico de Pareto do modelo inicial, nenhuma das interações de dois fatores é significativa. Depois de executar novamente a análise e remover termos não significativos um por vez, o modelo final inclui Tempo, Temperatura e Forma (Time, Temp e Pan).
.
.
Finalmente, interprete os resultados
.
Para interpretar o modelo final, execute novamente a análise usando Stat > DOE > Factorial > Analyze Variability, mas agora selecione o método de estimativa Maximum likelihood para obter estimativas mais precisas para os coeficientes. Em seguida, examine a razão de efeitos para avaliar o quanto a variabilidade muda da configuração de fator baixo para a de fator alto.
.
Observe que Time tem a razão de efeito maior com relação a Temp e Pan. Com essas informações, a empresa decide usar o tempo para assar que resulte no sabor mais consistente e define a Temperatura e a Forma para manter uma alta pontuação de sabor em média.
.
.
Colocando o comando Analisar Variabilidade em uso
.
Às vezes, determinar as configurações de fator que produzem a melhor resposta, em média, não é suficiente para garantir produtos e serviço de alta qualidade. A variabilidade excessiva dos processos e produtos pode resultar em uma taxa mais alta de defeitos e perda de clientes e lucro. Portanto, não basta depender dessas configurações que produzam o melhor resultado médio. Use o comando Analisar Variabilidade do Minitab para obter o resultado que atenda às expectativas dos clientes de forma eficiente e consistente. Para obter mais informações sobre o comando Analisar Variabilidade e outros recursos de DOE do Minitab, consulte o menu Help do Minitab.
.
.
.
Invista em treinamento e desenvolvimento de pessoas para transformar valor agregado potencial em valor agregado realizado através de soluções de problemas, melhorias de qualidade e produtividade dos processos, e inovação.
.
.
Escreva para atendimento@advanceconsultoria.com e solicite-nos um orçamento de consultoria e/ou treinamento.
.
.
.
.
.
.
.
.
.
.
Nenhum comentário
Sem comentários ainda.
Desculpe, o formulário de comentário está fechado neste momento.
