6Sigma – Reduzindo a variabilidade de processos – Fase “M”

Esse post será a continuação de:

6Sigma – Reduzindo a variabilidade de processos

6Sigma – Reduzindo a variabilidade de processos – Fase “D”

Fase M – Measure –> Medir

De uma forma estruturada, podemos enxergar a segunda fase de um projeto 6Sigma assim:

Algumas questões a serem levantadas nessa fase.

• O que os “Y” e “X” principais do processo (medidas de saída, de processo e de entrada) indicam para o desempenho?
• Quais são as definições de defeito, unidade, e a oportunidade que você vai usar para calcular os rendimentos de processo e/ou medidas de capacidade? E para acompanhar o desempenho do projeto?
• Qual é o seu plano de coleta de dados?
• Como você planejou a amostragem?
• O que você tem feito para garantir a confiabilidade e a validade do processo de medição?
• Qual é o atual (desempenho) nível de processo e meta para este projeto?
• Você encontrou quaisquer melhoria rápida?
• O escopo do projeto é gerenciável?

Armadilhas a serem evitadas

• Custos excessivos para coletar dados (insumos, processos, saídas) em comparação com o valor das possíveis melhorias.
• Não coletar certos tipos de dados, simplesmente porque “nós nunca fizemos isso antes”, ou o medo de que poderia ser inconveniente ou ameaçar algumas pessoas
• Correr para a solução antes dos dados serem coletados e analisados
• Paralisia por análise – muitos dados – incapaz de ver o “todo” ao olhar para os detalhes
• Esperando dados perfeitos para avançar. “Precisamos de mais dados” grito de guerra!!!
• Medindo apenas fatores do tipo qualidade (defeitos, retrabalho etc)

Entregas

• Um mapa detalhado processo (SIPOC) ou um fluxograma detalhado processo
• Informações confiáveis e dados sobre entradas no processo [x] e saídas [y]
• Evidência de desempenho do processo, por exemplo:
  • Entradas
  • Saídas
  • Variáveis de processo
  • Os prazos de entrega e tempos de Takt
  • Qualidade
  • Custos
• Redefinir os objetivos de melhoria, se necessário (e geralmente é!)
• Priorização de entrada através da matriz de Causa e Efeito
• Avaliar o risco inicial por meio de revisão do FMEA
• Análise de sistema de medição e validação, especialmente na confiabilidade e precisão dos dados que ele gera
• Revisar o project charter, caso a análise dos dados assim o indicarem

Dicas: A validação dos dados é a chave para o sucesso nessa fase. Caso não saiba como sair de alguns problemas comuns, coloco algumas dicas abaixo:

Abraços e até a próxima,