DMAIC Analyse: quando começar a fase das mudanças?

Como funciona o DMAIC Analyse?

DMAIC Analyse: como fazer a transição, em um projeto de melhoria, da fase Measure para a Analyse? A necessidade principal, antes de se declararem prontos para começar o DMAIC Analyse, é ter pelo menos uma medição sólida, repetitiva, que confirme – e também possa esclarecer – o problema ou a oportunidade. Isto deve ser à medida que você vai repetir durante e depois que as soluções forem implementadas, para monitorar os efeitos da sua melhoria.

Um outro resultado comum do Measure é um novo e mais sofistica conjunto de perguntas sobre o seu problema. Essas perguntas são um bom sinal. Elas mostram que você está pensando em como pode investigar o problema., contra simplesmente apresentar soluções de improviso.

DMAIC Analyse

Faça: equilibrar as medidas de Resultados com as de Entrada de Dados/Processo. Assegure-se de estar monitorando o impacto sobre o cliente e sobre o produto/serviço final, mesmo se o seu foco for em melhorar a eficiência.
Faça: use medidas para estreitar o problema. Tente encontrar os componentes mais significativos ou que contribuam mais para o problema, para que a sua análise e as suas soluções sejam bem objetivadas.
Faça: estime o que você vai querer analisar mais tarde. Tente reduzir os ciclos de coleta de dados reunindo os fatos que vão ajudar a encontrar a causa de origem.
Não faça: tentar fazer demais. Mesmo que você queira “pular” para o Analyse, não fique ansioso demais tentando fazer muitas coisas ao mesmo tempo. Concentre-se nas medidas que você tem certeza que vai sair e que pode concluir dentro de um período de tempo razoável (de uma semana a um mês é uma boa regra, conforme explicamos em nosso curso de Scrum).
Não faça: pular os passos principais da medição. Levar o tempo necessário para criar boas definições operacionais, formulários de coleta, plano de amostragens, etc e testar as suas medições antes de divulga-las, evita dados sem valor e novas medições frustrantes.

Assim, antes de passar para o DMAIC Analyse, o Green Belt ou Black Belt responsável pelo projeto, deverá responder sim as perguntas abaixo para poder encerrar o Measure.

Checklist Measure

Para nosso projeto, nós…

Determinamos o que queremos aprender sobre nosso problema e nosso processo e em que estágio do processo podemos obter a resposta?
Identificamos tipos de medições que desejamos coletar e temos um equilíbrio entre eficácia/eficiência e entradas/processos/saídas?
Desenvolvemos definições operacionais claras e inambíguas das coisas ou atributos que desejamos medir?
Testamos nossas definições operacionais com outros para assegurar sua clareza e interpretação consistente?
Fizemos uma escolha clara e razoável entre a coleta de novos dados ou aproveitar dados existentes coletados na organização?
Esclarecemos os fatores e estratificação dos quais necessitamos para identificar visando facilitar a análise de nossos dados?
Desenvolvemos e testamos formulários de coleta de dados ou listas de verificação que são de fácil utilização e que oferecem dados consistentes e completos?
Identificamos um tamanho de amostra, quantidade de subgrupos e frequência de amostragem apropriados, para assegurar representação válida do processo que estamos medindo?
Preparamos e testamos nosso sistema de medição, incluindo treinamento de coletores e avaliação da estabilidade da coleta de dados?
Utilizamos dados para preparar medições básicas de desempenho de processo, incluindo proporção defeituosa e rendimento?

Desta maneira, você garantirá que entrará no DMAIC Analyse preparado e, desenvolverá mudanças em cima de uma visão real do seu processo. Sem isto, corre-se o risco do Measure sair capenga e não englobar todos os processos e dados que deveria. Assim, você começa a tomar ações para mudar itens, sem o real entendimento. Um Green Belt que age desta forma, corre o risco grande de fazer piorias e não melhorias. Por isto, acalme-se e siga o método.

Quais ferramentas utilizar no DMAIC Analyse?

O estágio de Analyse concentra-se nos dados coletados na fase de Measure do DMAIC para identificar a causa dos defeitos do produto. Na forma típica do Seis Sigma, a identificação de possíveis causas de defeitos não é deixada a palpites ou adivinhação. O Six Sigma fornece uma série de ferramentas para ajudar a identificar a possível causa:

Diagrama de causa e efeito – Às vezes conhecido como Diagrama de espinha de peixe, por sua forma distintiva, essa ferramenta gráfica ajuda a equipe a identificar a causa do problema e não apenas os sintomas. Este diagrama permite que uma equipe se concentre no conteúdo do problema em vez de seu histórico ou os interesses individuais dos membros da equipe. O problema está indicado no lado direito do diagrama. A equipe do projeto trabalha para a esquerda preenchendo e examinando potenciais causas de problemas como materiais, pessoas e métodos.
Mapeamento de Processos – Na fase Definir do DMAIC, a equipe do projeto cria um mapa geral do processo. Esses grandes processos geralmente são compostos por processos menores. O mapeamento de subprocesso exige que o time diagrame esses subprocessos menores para obter uma compreensão granular de como os processos maiores e menores funcionam e se relacionam um com o outro. Este mapa fornece uma visão geral detalhada do processo de produção e permite que a equipe identifique possíveis problemas.

Como encontrar a causa raiz no DMAIC Analyze?

Depois que a equipe do projeto identificou uma possível causa, eles devem testar para determinar se é a verdadeira causa do problema. A metodologia Six Sigma utiliza várias ferramentas para ajudar a testar a teoria de que um engate no processo de produção é a causa raiz de um defeito do produto.

Análise de Regressão – Esta ferramenta ajuda a estimar as variáveis de impacto em um processo ter um sobre o outro e sobre o produto final. Permite que a equipe do projeto mede quão bem a teoria se encaixa nos dados.
ANOVA – Esta técnica estatística testa três ou mais grupos de dados. Começa com uma hipótese nula, afirmando que não há diferença significativa entre os grupos. Em seguida, testa a variação entre os grupos de dados e a variação dentro dos grupos de dados. Uma grande variação entre grupos de dados indica uma possível causa raiz.
Chi Quadrado – O Chi Quadrado prova se a diferença entre os resultados esperados e observados é significativa. Esta ferramenta pode determinar se as diferenças nos resultados esperados e observados são devidas ao acaso ou há uma causa independente.

A natureza dupla do Seis Sigma permite que a equipe do projeto comece a analisar o processo formando teorias usando ferramentas de processo subjetivo e observacional, como diagramas de espinha de peixe e mapas de processos. Em seguida, impõe o rigor matemático rigoroso das técnicas de Análise de Regressão e Chi Quadrado para testar a teoria de que essas possíveis causas são responsáveis pelos defeitos do produto.