Universidade de São Paulo USP Escola de Engenharia de Lorena Mario Augusto Allegretti Salvadori

Transcrição

1 Universidade de São Paulo USP Escola de Engenharia de Lorena Mario Augusto Allegretti Salvadori APLICAÇÃO DO SEIS SIGMA POR MEIO DA METODOLOGIA DMAIC (DEFINE MEASURE ANALYSE IMPLEMENT CONTROL) COM O INTUITO DE REDUZIR A VARIACAO DE GORDURA CBE NA PRODUCAO DE CHOCOLATE LORENA SP 2014

2 Mario Augusto Allegretti Salvadori APLICAÇÃO DO SEIS SIGMA POR MEIO DA METODOLOGIA DMAIC (DEFINE MEASURE ANALYSE IMPLEMENT CONTROL) COM O INTUITO DE REDUZIR A VARIACAO DE GORDURA CBE NA PRODUCAO DE CHOCOLATE Monografia apresentada à Escola de Engenharia de Lorena EEL-USP como requisito parcial para conclusão de Graduação do curso de Engenharia Industrial Química. Orientador: Prof. MSc. Antonio Carlos da Silva LORENA SP 2014

3 AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO, PARA FINS DE ESTUDO DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE Ficha catalográfica elaborada pelo Sistema Automatizado da Escola de Engenharia de Lorena, com os dados fornecidos pelo(a) autor(a) Salvadori, Mário Augusto Allegretti Aplicação do Seis Sigma por meio da metodologia DMAIC (define measure analyse implement control) com o intuito de reduzir a variação de gordura CBE na produção de chocolate / Mário Augusto Allegretti Salvadori; orientador Antonio Carlos da Silva. - Lorena, p. Monografia apresentada como requisito parcial para a conclusão de Graduação do Curso de Engenharia Química - Escola de Engenharia de Lorena da Universidade de São Paulo Orientador: Antonio Carlos da Silva 1. Seis sigma. 2. Dmaic. 3. Yellow belt. 4. Chocolate. I. Título. II. Silva, Antonio Carlos da, orient.

4 AGRADECIMENTOS Agradeço aos integrantes da república Dominacama pelo companheirismo em todos os esses anos de faculdade. À minha família, meus pais Álvaro Salvadori e Maria Cecília Allegretti Salvadori e minha irmã Ana Amélia pelas lições ensinadas durante toda minha vida, sempre se preocupando com minha formação pessoal e profissional. Ao engenheiro Caio Martins pela oportunidade de desenvolver este trabalho em seu setor, juntamente com os enormes ensinamentos passados nesse meu início de carreira. À empresa de fabricação de chocolates pela oportunidade de desenvolver esse projeto. Ao meu orientador MSc. Antonio Carlos da Silva pela orientação e ensinamentos na elaboração deste projeto de monografia.

5 RESUMO Salvadori, M. A. A. Aplicação do seis sigma por meio da metodologia DMAIC (Define Measure Analyse Implement Control) com o intuito de reduzir a variação de gordura CBE na produção de chocolate. 2014, Monografia (Trabalho Conclusão de Curso) - Escola de Engenharia de Lorena, Universidade de São Paulo, Lorena, O presente trabalho estudou a aplicação do Seis Sigma através do conjunto de ferramentas Yellow Belt em duas linhas de produção de chocolate, buscando acompanhar as variáveis do processo que impactam na variação da matéria prima gordura CBE, para identificar, reduzir ou eliminar as causas raízes para tal variação. A metodologia utilizada foi o DMAIC. Na primeira etapa (Define) foi elaborado um Project Charter. Na etapa seguinte (Measure) foram coletados os dados para a estratificação do problema, A próxima etapa (Analyse), os dados coletados foram analisados estatisticamente. Na sequência foi elaborado e executado um Plano de Ação (Improve). E por fim, na etapa Control, as ações foram padronizadas e os colaboradores foram treinados nos novos padrões desenvolvidos. Palavras-chave: Yellow Belt, DMAIC e Chocolate.

6 ABSTRACT Salvadori, M. A. A. Aplicação do seis sigma por meio da metodologia DMAIC (Define Measure Analyse Implement Control) com o intuito de reduzir a variação de gordura CBE na produção de chocolate. 2014, Monografia (Trabalho Conclusão de Curso) - Escola de Engenharia de Lorena, Universidade de São Paulo, Lorena, This Project studied the Six Sigma application trough the Yellow Belt tools, the project scope was two chocolate producing lines. By monitoring the process variables which impact at the raw material variation, identify, reduced or eliminate the root causes for the variation. The methodology used was the DMAIC. The first step was to Define, it was elaborated a Project Charter. On the second step (Measure) it was collected data for the problem stratification. The Analyze step (Analyze), Data were statistically analyzed. After that an action plan was built for the improve step. At the end (Control) the most impact actions were made, new standards created and people trained. Key Words: Yellow Belt, DMAIC e Chocolate.

7 LISTA DE TABELAS Tabela 1: Nível de defeitos gerados por processos operando em diferentes níveis sigma Tabela 2: Receita e limites de especificação Linhas 1 e Tabela 3: Acompanhamento de dosagem gordura CBE misturador Linha Tabela 4: Acompanhamento de dosagem gordura CBE misturador Linha Tabela 5: Acompanhamento de dosagem gordura CBE Tourell Linha Tabela 6: Acompanhamento de dosagem gordura CBE Tourell Linha

8 LISTA DE QUADROS Quadro 1: Principais ferramentas aplicadas aos níveis DMAIC Quadro 2: Componentes do plano estratégico... 26

9 LISTA DE FIGURAS Figura 1: Produção, consumo aparente, exportação e importação 15 Figura 2: Evolução do share dos setores ABICAB 15 Figura 3: Esquema do processo de fabricação de chocolates via mistura combinada 16 Figura 4: Exemplo de uma refinadora de cinco rolos para chocolate 17 Figura 5: Diagrama esquemático do refinador de cinco rolos 18 Figura 6: Esquema do gap entre o segundo e terceiro cilindro de um refinador de cinco rolos 19 Figura 7: Diminuição de umidade e acidez durante o ciclo da conchagem 20 Figura 8: Distribuição de sabores de sólidos de cacau, gordura e açúcar, antes e depois da conchagem 21 Figura 9: Porcentagem de tempo de dedicação dos Belts de acordo com a abrangência do projeto 24 Figura 10: Organograma do desdobramento estratégico de metas 27 Figura 11: Análise de tendências em gráficos sequenciais 28 Figura 12: Exemplo de gráfico de Pareto 29 Figura 13: Diagrama de árvore (FTA) 34 Figura 14: Contrato do Projeto 38 Figura 15: Plano de coleta de dados 39 Figura 16: Tabela para coleta de dados etapa medir 39 Figura 17: Gráfico de Variação de uso Figura 18: Gráfico de Pareto das variações de uso Figura 19: Gráfico sequencial variação de uso gordura CBE Linha 1 e 3 43 Figura 20: Gráfico para cálculo da meta 44 Figura 21: Carta de controle dosagem misturador Linha 1 45 Figura 22: Capabilidade dosagem misturador Linha 1 46 Figura 23: Carta de Controle dosagem misturador Linha 3 47 Figura 24: Capabilidade dosagem misturador Linha 3 47 Figura 25: Carta de Controle dosagem conchagem Linha 1 48 Figura 26: Capabilidade dosagem conchagem Linha 1 49 Figura 27: Carta de Controle conchagem Linha 3 50 Figura 28: Capabilidade conchagem Linha 3 50 Figura 29: Diagrama de afinidades Misturador 51 Figura 30: Diagrama de afinidade Tourell (conchagem) 52 Figura 31: Teste de Linearidade bomba de dosagem 2 estágio Linha 1 52 Figura 32: Teste de Linearidade bomba de dosagem 5 estágio Linha 1 53 Figura 33: Diagrama de árvore Tourell 54 Figura 34: Diagrama de árvore Mistura 55 Figura 35: Substituição do sistema de dosagem Tourell Linha 1 57

10 Figura 36: Automação da calibração das bombas de dosagem 57 Figura 37: Variação antes e depois da implementação das ações 58 Figura 38: Capabilidade dosagem gordura CBE Misturador Linha 3 - depois 59 Figura 39: Capabilidade dosagem de gordura CBE conchagem Linha 1 - Depois 60

11 LISTA DE ABREVIATURAS E SIGLAS ABICAB 5W2H 5W1H CBE DMAIC FTA IPA PLC RPM Associação Brasileira da Industria de Chocolates, Cacau, Amendoim, Balas e derivados Plano de Ação Coleta de Dados Cocoa Butter Equivalent Define, Measure, Analyse, Improve e Control Fault Tree Analysis Improve, Priorizate e Act Power Line Communication Rotações por Minuto

12 Sumário 1. INTRODUÇÃO OBJETIVOS BJETIVO GERAL OBJETIVOS ESPECÍFICOS JUSTIFICATIVAS 14 2 REVISÃO BIBLIOGRÁFICA O PROCESSO DE FABRICAÇÃO DE CHOCOLATE MISTURA E REFINO CONCHAGEM SEIS SIGMA A ABRANGÊNCIA DE UM PROJETO YELLOW BELT ETAPAS DMAIC 25 3 METODOLOGIA MÉTODO DE PESQUISA A EMPRESA ETAPAS DO PROJETO DMAIC DEFINIR MEDIR ANALISAR IMPLEMENTAR CONTROLAR 40 4 RESULTADOS E DISCUSSÃO DESDOBRAMENTO DE METAS ETAPA DEFINIR ETAPA MEDIR ETAPA ANALISAR ETAPA IMPLEMENTAR ETAPA CONTROLAR 56 5 CONCLUSÃO 61 REFERENCIAS 62 APÊNDICES 64

13 APÊNDICE A PLANILHAS DE ACOMPANHAMENTO DE DOSAGENS 64

14 13 1. INTRODUÇÃO Vivemos hoje em um mundo cada vez mais dinâmico e competitivo. Isto se reflete diretamente na dinâmica das empresas, devido à concorrência cada vez mais acirrada variações, perdas e desperdícios são cada vez mais inaceitáveis para que uma empresa se mantenha competitiva. O cenário da produção global está passando por mudanças constantes, surgindo sempre um ambiente mais desafiador e com a concorrência cada vez mais acirrada entre as diferentes regiões, e principalmente dos países emergentes, como é o caso do Brasil. Nesse contexto, as empresas estão buscando implementar o processo de Seis Sigma para otimizar os processos produtivos e se tornarem mais competitivas. Esse é na verdade um processo de transformação, pois mais do que implementar ferramentas, o grande objetivo é desenvolver uma nova cultura. Para alcançar resultados sustentáveis é necessário construir uma só equipe com cem por cento de engajamento em busca de zero perda. Este trabalho abordou a aplicação da metodologia seis sigma através das ferramentas do Yellow Belt para redução de perdas em duas Linhas de fabricação de chocolate em uma indústria localizada no Vale do Paraíba 1.1 Objetivos bjetivo Geral Esse trabalho está focado na aplicação de um projeto Yellow Belt em um setor de fabricação de chocolate visando identificar as causas raízes, priorizar as mais impactantes e reduzir a variação de gordura CBE.

15 Objetivos Específicos A metodologia Seis Sigma promove por meio de ferramentas estatísticas e de qualidade, o entendimento das principais perdas. As mais relevantes são estratificadas ao maior nível de detalhes possíveis para que possam ser atacadas e reduzidas. Partindo desse princípio, esse trabalho objetivou analisar o impacto das principais variáveis de processo que impactavam na variação de dosagem de uma matéria prima na fabricação de chocolate. 1.2 Justificativas A multinacional escolhida para o tal trabalho utiliza a ferramenta IPA para identificação das perdas, priorização das que apresentam maior impacto para o negócio e a partir da priorização a criação de um plano de ação de longo prazo (normalmente durante o ano) para reduzir ou eliminar as mesmas. O projeto aqui tratado foi definido, pois a variação de uso da matéria prima gordura CBE foi a maior variação financeira do setor no ano de Além do retorno financeiro, reduzindo a variação, também ganha-se em qualidade e compliance com a receita. De acordo com as figuras 1 e 2 nota-se um aumento cada vez maior do consumo/produção de chocolate e sua importância para a Associação Brasileira da Indústria de Chocolates, Cacau, Amendoim, Balas e derivados. Dessa maneira as indústrias buscam cada vez mais eliminar os desperdícios e gastos desnecessários para se manterem no mercado

16 15 Figura 1: Produção, consumo aparente, exportação e importação Fonte: ABICAB (2014) Figura 2: Evolução do share dos setores ABICAB Fonte: ABICAB (2014)

17 16 2 Revisão Bibliográfica 2.1 O Processo de Fabricação de Chocolate Mistura e Refino Segundo Beckett (2008) o método mais utilizado pelas empresas modernas para triturar a mistura de leite, licor e manteiga de cacau e açúcar é conhecido por Moagem Combinada. Este método recebe esse nome, pois as matérias primas solidas (leites e açúcar) são misturadas às líquidas (manteiga e licor de cacau) antes de serem trituradas, conforme figura 3. Figura 3: Esquema do processo de fabricação de chocolates via mistura combinada Fonte: Beckett, 2008 Inicialmente licor de cacau, açúcar cristal, leite, manteiga de cacau e parte da gordura são pesados em um misturador. Essa mistura precisa ser eficiente para que o as próximas etapas do processo ocorram eficientemente. O produto da mistura passa por uma refinadora de dois rolos também conhecida por pré-refinadora. A refinadora de dois cilindros é composta de dois cilindros horizontais paralelos que giram direções opostas e quebram as partículas por atrito. A função dela é de tornar a massa misturada mais homogenia e em uma consistência para que ela possa ser

18 17 refinada nas refinadoras de cinco rolos. A quebra das partículas aumenta a área superficial das partículas e torna a massa mais seca, o que altera sua consistência (BECKETT, 2008). Ainda segundo Beckett (2008) as partículas saem do pré-refino com um tamanho médio de 100 a 150 µm e já em uma textura adequada para serem refinadas. O refino da massa de chocolate é feito nesse método por um refinador de cinco cilindros (apresentado na figura 4). Figura 4: Exemplo de uma refinadora de cinco rolos para chocolate Fonte: Beckett, 2008 O refinador é composto por cinco cilindros, quatro deles dispostos um em cima do outro e o primeiro posicionado do lado do segundo de modo a formar um cocho onde o produto do pré-refinador é alimentado (BECKETT, 2008). A figura 5 mostra o arranjo físico de um refinador de cinco rolos e também a distribuição da massa de chocolate pelos seus cilindros:

19 18 Figura 5: Diagrama esquemático do refinador de cinco rolos Fonte: Beckett, 2008 Segundo Beckett (2008), as partículas são esmagadas pelos quatro rolos paralelos e saem pelo quinto rolo por uma faca que o raspa. Esse esmagamento ocorre nas lacunas que são formadas entre um rolo e outro, o chocolate se adere a parede do rolo por diferença de temperatura e velocidade entre os rolos. O refinador é uma máquina que funciona com um filme contínuo de chocolate entre os cilindros. Os primeiros rolos da máquina sempre trabalham a uma velocidade menor que o seguinte causando uma diminuição da espessura do filme formado no rolo (e consequentemente uma diminuição do tamanho de partícula). Para exemplificar segue a figura 6 que representa o segundo e terceiro rolo, suas velocidades em RPM e a diminuição da espessura do filme.

20 19 Figura 6: Esquema do gap entre o segundo e terceiro cilindro de um refinador de cinco rolos Fonte: Beckett, 2008 Com a diminuição do tamanho das partículas a área superficial aumenta e consequentemente a textura da massa é alterada pois a gordura livre ainda presente cobre essas partículas deixando a massa com um aspecto mais seca (BECKETT, 2008). O tamanho de partículas após o refino é na média de 15 a 35 µm. Os cilindros são ocos e sofrem troca de calor com água, tanto para aquecimento, como resfriamento para mantê-los na temperatura ideal para que a transferência do filme do chocolate seja uniforme e constante (BECKETT,2008) Conchagem O processo de conchagem, segundo Beckett (2008) pode ser considerado como dois processos distintos que acontecem ao mesmo tempo na mesma máquina. O primeiro é o processo químico no qual os ácidos voláteis formados no processo de fermentação das sementes de cacau (ácido acético, propiônico e isobutirico) são removidos. Humidade também é removida. A figura 7 mostra a evolução da conchagem química pelo tempo de processo:

21 20 Figura 7: Diminuição de umidade e acidez durante o ciclo da conchagem Fonte: Beckett, 2008 O segundo processo é o processo físico que é responsável por transformar o pó e aglomerados de chocolate em uma massa líquida e com um sabor característico e balanceado (BECKETT, 2008). Logo após o refino o chocolate apresenta o sabor apenas dos sólidos e gordura do cacau e praticamente nenhum sabor do açúcar. Durante a conchagem acorre um balanceamento de sabores. Isso acontece, pois parte do sabor do cacau e gordura são transferidos para a superfície do açúcar (BECKETT,2008). Na figura 8 é mostrada a distribuição de sabores que ocorre durante a conchagem.

22 21 Figura 8: Distribuição de sabores de sólidos de cacau, gordura e açúcar, antes e depois da conchagem Fonte: Beckett, 2008 O processo físico ainda é responsável pela diminuição da viscosidade do chocolate pela adição de gordura a qual envolve as partículas e aglomerados, diminuindo assim a energia necessária para manter esse fluido em movimento Seis Sigma O Seis Sigma foi criado na década de 80 na Motorola nos Estados Unidos impulsionado pela necessidade de redução de falhas e defeitos nos diversos processos da empresa (MERGULHAO, 2007 apud MONTGOMERY, 2004). O destino do Seis Sigma seria outro se não fosse o sucesso alcançado por Jack Welch em sua implementação do sistema na General Electric na segunda metade da década de 90. Convencida pelas cifras de Bossidy, a diretoria da GE deu

23 22 sinal verde para a implementação do 6-Sigma. Por indicação de Welch, seu analista financeiro Bob Nelson e o responsável pela área de projetos Gary Reiner analisaram o custo-benefício do programa. Se a GE subisse do nível de qualidade 3-Sigma ou 4-Sigma para 6-Sigma, poderia reduzir seus custos entre US$ 7 bilhões e US$ 10 bilhões, somam equivalente a um aumento de 10% a 15% nas vendas. (OS DIFUSORES GE e Jack Welch. HSM Management 38, 2003). Para que a metodologia Seis Sigma fique clara, e preciso entender o que a letra grega sigma significa. Segundo Pande (2003) σ representa o desviopadrão, que por sua vez representa a variação, a inconsistência do processo. Para atingir o nível sigma a redução de defeito deve ser na ordem de 3,4 partes por milhão (3,4 ppm ou 0,00034%). A Motorola conseguiu um resultado satisfatório na redução de seus defeitos e em 1988 ganhou o prêmio Malcolm Baldridge (ECKES, 2001). Na tabela 1 é apresentada a comparação do nível sigma do processo com o número de defeitos gerados e o custo da não qualidade. Tabela 1: Nível de defeitos gerados por processos operando em diferentes níveis sigma Nível de Qualidade Defeitos por milhão (PPM) Custo da nãoqualidade (percentual de faturamento da empresa) Dois Sigma Não se aplica Três Sigma a 40% Quatro Sigma a 25% Cinco Sigma a 15% Seis Sigma 3,4 < 1% Fonte: ANDRADE, 2013 Os custos da qualidade podem ser definidos a partir da soma de custos incorridos em: custos de prevenção que são todos os custos decorrentes das ações tomadas para garantir que o processo forneça produtos e serviços de qualidade; custos de avaliação que são os custos associados com a medição do nível de qualidade e os custos das falhas que são os custos incorridos na correção da qualidade de produtos e serviços, estes podem ser internos ou externos (ANDRADE, 2012 apud ROTONDARO, 2008).

24 23 negócio e Segundo Robles (1993) a metodologia Seis Sigma alinha as necessidades do do cliente com as necessidades individuais e, para que isto seja possível, o sistema de contabilidade de custos das empresas deve fornecer os verdadeiros custos da qualidade e seus impactos nos lucros. Seis Sigma é uma abordagem que impulsiona a melhoria do desempenho do negócio e a valorização da satisfação dos clientes, por meio do enfoque estratégico de gerenciamento; da aplicação do pensamento estatístico em todos os níveis de atividades; do uso de indicadores de desempenho; da utilização de uma metodologia sistematizada que integre técnicas variadas para se avaliar e otimizar processos; e da aprendizagem decorrente da capacitação e comprometimento das pessoas (SANTOS,MARTINS 2010 apud SANTOS, 2006). Rotondaro (2008), define o Seis Sigma de uma maneira de fácil compreensão. Segundo ele, o Seis Sigma é uma metodologia que utiliza ferramentas e métodos estatísticos para definir, medir, analisar e controlar o problema. Para a empresa obter sucesso na implementação do Seis Sigma a empresa deve além de aplicar as ferramentas conforme descrito na literatura, através da alta gerência garantir que haja uma mudança da cultura das pessoas. Para que essa mudança de cultura seja sustentável é muito importante que haja um plano de treinamentos para os colaboradores (LEAN INSTITUTE BRASIL, 2011) A abrangência de um projeto Yellow Belt Os projetos DMAIC seguem um grau de complexidade de acordo com a maturidade dos líderes do projeto (MASCIGRANDE, 2013). A figura 9 ilustra qual o nível belt de acordo com a abrangência versus a complexidade dos projetos Seis Sigma.

25 24 Figura 9: Porcentagem de tempo de dedicação dos Belts de acordo com a abrangência do projeto Fonte: MASCIGRANDE, 2012 O projeto Yellow Belt é normalmente liderado por profissionais de nível operacional, são projetos para problemas simples e tem menor abrangência que os projetos mais complexos (MASCIGRANDE, 2013). O nível Yellow Belt também é conhecido como Básico 2, devido a sua baixa complexidade. As ferramentas utilizadas nesse nível Belt estão listados no Quadro 1.

26 25 Quadro 1: Principais ferramentas aplicadas aos níveis DMAIC Fonte: MASCIGRANDE, Etapas DMAIC O DMAIC é um método reconhecido no mundo como um meio de estruturar os projetos de melhoria contínua com a finalidade de padronizar a metodologia Seis Sigma e buscar a redução dos desperdícios. Empresas têm utilizado este método como a principal estrutura para que o CEP (Controle Estatístico do Processo) possa determinar os pontos de oportunidade de melhoria nos processos estudados e para que assim seja possível a aplicação da estratégia, visando elevar o nível Sigma (MASCIGRANDE, 2013 apud HOFF, 2005) Definindo o Projeto A definição dos projetos, para algumas empresas, se inicia no desdobramento estratégico de metas, processo no qual as principais perdas (alinhadas às prioridades do negócio) são desdobradas ao maior detalhe possível para que os escopos dos projetos sejam definidos assertivamente (MASCIGRANDE, 2013).

27 26 Quadro 2: Componentes do plano estratégico Missão Objetivos Define a posição da empresa, a atual e a desejada semelhante, uma missão será aplicada no nível da unidade de negócio. Declarações qualitativas e quantitativas do que a empresa deseja alcançar em um futuro mensurável. Devem ser internamente consistentes com a missão e ajustar-se a ela. Metas Resultado quantitativo específicos de curto e longo prazo, que apoiam diretamente os objetivos mensurados como indicadores-chave do desempenho. Também devem refletir os fatores críticos de sucesso para cada empresa dentro da corporação. Estratégias Elas serão aplicadas tanto no nível corporativo como no nível da unidade de negócio. Fonte: MASCIGRANDE,2013 Pande (2003) enfatiza a importância de um escopo de projeto ser bem definido além de que o foco deve ser mantido nas entregas do projeto para o cliente. Os objetivos da unidade de negócios devem estar alinhados com os objetivos da divisão técnica que refletem os objetivos da fábrica. O desdobramento estratégico de metas (IPA) segue este alinhamento para propor as iniciativas para que as metas sejam alcançadas no ano seguinte (MASCIGRANDE, 2013). A figura 10 ilustra o organograma do desdobramento de metas e também o cascateamento de projetos.

28 27 Figura 10: Organograma do desdobramento estratégico de metas Fonte: MASCIGRANDE, 2013 A partir do exposto, muitos dos projetos são definidos a partir do desdobramento estratégico como meio para que as metas sejam atingidas. Alinhados com as prioridades do negócio. O resultado da estratificação são iniciativas projetos, ações ver e agir, analise de causa raiz, kaizens com prazo e responsáveis. Estas iniciativas compõe um plano de ação que deve ser acompanhado mensalmente pela gerência. De acordo com Andrade (2012) a meta de um projeto está entre o Benchmark e a média atual. Benchmark é entendido como o melhor valor já obtido para aquele indicador em processos semelhantes. A diferença entre a média e o Benchmark é denominada lacuna. A meta pode ser definida como uma equação simples: Valor da meta= média atual ± (% de redução da lacuna) Conhecendo o problema a ser tratado, a próxima etapa é o estudo do seu histórico. O gráfico sequencial é um diagrama dos valores individuais do resultado de um processo em função do tempo. Segundo Andrade (2012) o gráfico sequencial pode apresentar cinco tipos de comportamentos que auxiliam no entendimento do fenômeno (figura 11).

29 28 Figura 11: Análise de tendências em gráficos sequenciais Fonte: ANDRADE, 2012 Um time multidisciplinar é definido para participarem do projeto. O time deve conter pessoas com diversidade de conhecimentos, talentos, e personalidade e é papel do líder guiar esta equipe para um só objetivo (MASCIGRANDE, 2013) Etapa Medir Segundo Andrade (2013, apud WERKEMA, 2010) a etapa medir determina a localização ou foco do problema. Os dados são coletados, determinado as metas prioritárias através da análise dos dados obtidos. São utilizadas ferramentas como Diagrama de Pareto, Histograma, Cartas de Controle. De acordo com Andrade (2012), na etapa medir o líder do projeto deve seguir as seguintes perguntas antes de iniciar a coleta de dados: Os resultados relacionados ao problema são diferentes entre o período da manhã, tarde ou noite? Os resultados são diferentes nas diversas linhas de produção? São obtidos diferentes resultados dependendo do fornecedor da matéria prima?

30 29 Os resultados diferem em função dos inúmeros defeitos que podem ocorrer? Diferentes operadores estão relacionados aos resultados obtidos? Para definir os dados a serem coletados, adota-se a ferramenta 5W1H que significa What, Where, Why, Who, When e How. Esta ferramenta serve para guiar a coleta de dados e garantir que os dados coletados reflitam a realidade. Esta ferramenta consiste em apresentar informações que irão caracterizar a coleta de dados, avaliando os seguintes pontos (ANDRADE, 2012): O que será medido (O que ou What); Objetivo da coleta (Porque ou Why); Forma de registro dos resultados (Como ou How); Local de registro dos resultados (Onde ou Where); Tamanho e frequência da amostra (Quando ou When); Responsável pela coleta de dados (Quem ou Who). Segundo Werekema (2010), o diagrama de Pareto (figura 12) é um gráfico que apresenta os dados de maneira ordenada tornando evidente a estratificação dos fenômenos, direcionando os esforços nos pontos de mais impacto no problema. Figura 12: Exemplo de gráfico de Pareto Fonte: LUGLI, 2008

31 30 De acordo com Andrade (2012, apud ROTONDARO, 2008) o gráfico de Pareto pode ser definido como um gráfico de barras verticais que contem: Na horizontal, os principais problemas ou causas que se quer estudar; Na vertical, colunas com altura definida pelo valor do modulo daquela causa ou problema. Estas colunas são dispostas em ordem decrescente; Uma curva que contenha o valor da porcentagem acumulada daquelas possíveis causas ou problemas. A partir da curva de porcentagem acumulada definem-se quais problemas minoritários serão atacados, para que seja possível atingir a meta preestabelecida. O gráfico de Pareto (figura 12) classifica os problemas relacionados à qualidade em duas categorias: Poucos Vitais (80%); Muito Triviais (20%). O foco deve ser nos problemas pouco vitais, pois apesar de serem poucos problemas eles são os que geram as maiores perdas ou defeitos. Quanto aos problemas muito triviais deve se evitar concentrar esforços para eles, pois apesar de ser um grande número de problemas geram pequenas perdas. Porém, deve-se utilizar o bom senso no caso se um problema for de solução simples, mesmo pertencendo à categoria dos muitos triviais, ele deve ser eliminado de imediato (ANDRADE, 2013) Outra ferramenta muito utilizada para medir o problema é a capabilidade do processo. Segundo Barros (2013), a capabilidade de um processo (Cp) é definido como a divisão da diferença entre os limites superior e inferior por seis vezes o desvio padrão: LSE: Limite superior de especificação

32 31 LIE: Limite inferior de especificação Desvio Padrão: Onde é a média e n o número de amostras. O índice Cp relaciona a variabilidade intrínseca do processo com a variabilidade permitida do processo, o que significa que quanto maior for o valor de Cp, mais capaz é o processo de reproduzir valores dentro da faixa de projeto. O índice Cp, conforme demonstrado não considera a localização dos dados dentro dos limites de especificação e apenas se a variabilidade do processo respeita a amplitude dos limites, portanto um bom índice de Cp não garante que os valores gerados pelo processo estejam dentro dos limites de especificação (BARROS, 2013). Para uma avaliação mais assertiva do processo, é considerado também, o índice de desempenho (Cpk), que também considera a distância da média do processo em relação aos limites de especificação. O Cpk é dado por: Onde é a média da variável controlada O Cpk é sempre analisado junto com Cp. Quando Cp = Cpk significa que o processo está centrado no valor nominal da especificação (BARROS, 2013) Analisando os dados A principal ferramenta utilizada na etapa Analisar é o Brainstorming (tempestade de ideias). Que para ANDRADE (2012) consiste em uma reunião com um time multifuncional levantando as possíveis causas de um determinado problema. Os

33 32 resultados de um Brainstorming é levantar o máximo possível de ideias em um curto período de tempo. Andrade (2012) classifica as causas em dois tipos: Causas comuns ou inerentes ao processo de produção e que são geradas por causas não conhecidas. Causas especiais, geradas por causas conhecidas. Estas são oriundas de pelo menos um dos fatores dos 6Ms (Matéria-Prima, Mão de Obra, Método Medida, Meio Ambiente e Máquina). No momento de relacionar as causas levantadas ao diagrama Causa e Efeito, deve-se observar que para que um Brainstormig seja considerado efetivo, pelo menos 4Ms (Método, Máquina, Mão de Obra, Matéria Prima) devem ter sido citados (ANDRADE, 2012). Abaixo estão descritos os 6Ms que podem ser relacionados a origem das possíveis causas: Mão de obra: Causas relacionadas às pessoas. São as habilidades requeridas para o posto de trabalho. Por exemplo: tempo de treinamento, experiência, acuidade visual, disponibilidade, excesso de falta, problemas pessoais, desmotivação entre outras. Máquina: Deve-se relacionar a máquina. A capacidade de uma máquina de gerar produtos com qualidade. Por exemplo: características das ferramentas, dos instrumentos de medida, dos sensores de automação, do mecanismo de troca de energia, manutenção das máquinas, lubrificação, refrigeração, aquecimento, entre outras. Matéria-Prima: Devem ser relacionadas todas as variações de matéria-prima. Por exemplo: tempo de armazenamento, especificações da matéria-prima, fornecedor, transporte da matéria-prima. Método: Devem ser relacionados os métodos para a realização das tarefas do processo. Por exemplo: Informação sobre as tarefas, Procedimentos, Instruções de Produção, Sequência de Atividades e Especificações do Produto.

34 33 Medida: Devem ser relacionadas às medidas associadas ao processo. Por exemplo: tolerância de medidas exigidas pelo processo (temperatura de cozimento, temperatura de maturação), calibração dos instrumentos de medição, representatividade da medição ou da leitura e posição correta dos instrumentos em relação ao que deve ser medido. Meio Ambiente: Devem ser relacionadas as variações do meio ambiente de trabalho. Por exemplo: Clima, Condições de trabalho (limpeza, umidade, ruído, vibração, iluminação, temperatura e condições ergonômicas), Layout e condições de segurança. Após o Brainstorming as possíveis causas levantadas são dispostas no diagrama de afinidades. No diagrama de afinidades, segundo Tontini e Sant ana (2007), as informações são sintetizadas e fundidas por afinidade intuitiva. As possíveis causas listadas no Brainstorm são escritas em cartões e agrupadas de acordo com afinidade semântica, sem uma classificação prévia (TONTINI E SANT ANA, 2007 apud MIZUNO, 1993). A ferramenta utilizada para analisar a fundo as possíveis causas levantadas no Brainstorming e agrupadas no diagrama de afinidades é o diagrama de árvores (ou também conhecido por FTA Fault Tree Analysis). De acordo com Alves (2006, apud HAMMAERBERG e NADJIM-TERHRANI, 2003), a FTA é um modelo gráfico que parte de um modo de falha denominado evento de topo, buscando as causas diretas da ocorrência do evento. A FTA possibilita também a estimativa de probabilidade com que determinada falha pode ocorrer, ou seja, realiza uma análise quantitativa. A Figura 13 apresenta um exemplo de diagrama de árvore.

35 34 Figura 13: Diagrama de árvore (FTA) Fonte: ALMEIDA, Implementando as ações A matriz de impacto x esforço segundo Andrade (2012) consiste em um gráfico onde o esforço é localizado no eixo x e o impacto no eixo y. A partir dessa priorização é elaborado um plano de ação. Segundo Noronha (2012, apud PARIS, 2002) a etapa Improve é quando ocorre a implementação das soluções propostas. Utiliza-se a ferramenta 5W2H, que é uma ferramenta para resolução de problemas, pois ela deixa bem claro todas as responsabilidades das ações. É baseada na resposta das seguintes questões: What (o que será feito); Who (quem fará); When (quando será feito); Where (onde será feito); Why (por que será feito); How (como será feito); How Much (quanto custará).

36 Controlando os resultados obtidos A etapa controlar é muito importante para que o projeto seja visto como um ciclo tornando possível sua continuidade, uma vez que ao alcançar esta fase a melhoria do processo já está instalada (PYZDEK, 2000). Segundo Noronha (2012) nesta etapa pode se utilizar ferramentas como gráficos de Pareto, gráfico sequencial, etc. E se o resultado obtido não for o esperado devese retomar a etapa Measure.

37 36 3 Metodologia Para execução deste trabalho foi conduzida uma pesquisa pelo método de pesquisa-ação, contemplando a aplicação da metodologia DMAIC por meio do Yellow belt e suas ferramentas para a redução de variação de uma gordura utilizada na produção de chocolates Para esse trabalho foi formada uma equipe multidisciplinar, contendo um eletricista, mecânico, dois operadores, assistente de processos e o aluno, líder da equipe. Seguindo as etapas do DMAIC foi elaborado um Project Chart, calculado o retorno financeiro, coletado dados, analisados junto com o time, proposto soluções e criado um plano de ação para a implementação das ações. Finalizadas as ações, e a meta atingida, as alterações serão documentadas, padrões atualizados e todos os envolvidos treinados nos novos padrões para garantir a sustentabilidade dos resultados. 3.1 Método de pesquisa A pesquisa-ação é um método muito utilizado nas dissertações, onde o autor interage com o meio e pessoas, influenciando nos resultados obtidos. Segundo Gibertoni (2012, apud THIOLLENT, 2009): A pesquisa-ação consiste essencialmente em acoplar pesquisa e ação em um processo no qual os atores implicados participam, junto com os pesquisadores, para chegarem interativamente a elucidar a realidade em que estão inseridos, identificando problemas coletivos, buscando e experimentado soluções em situação real. Simultaneamente, há produção e uso de conhecimento... a dimensão ativa dos métodos manifesta-se no planejamento de ações e na avaliação de seus resultados. 3.2 A Empresa A empresa onde foi aplicada a metodologia DMAIC por meio do Yellow Belt, que por questão de sigilo foi chamada de Empesa X, é uma multinacional da área alimentícia que está presente em 83 países e emprega mais de 281 mil pessoas no

38 37 mundo todo. O portfólio da Empresa X abrange desde produtos alimentícios, ração para animais, cosméticos, até formulas infantis e farmacêuticas. No Brasil, a Empresa X conta trinta e três centros de produção. O presente trabalho foi desenvolvido na fábrica situada na região do Vale do Paraíba, na unidade de produção de confeitos, wafer, chocolate e barras de cereais. 3.3 Etapas do Projeto DMAIC Definir Na etapa inicial do projeto foi definido o escopo do projeto de acordo com o desdobramento estratégico de metas e elaborado o contrato do projeto que deve ser assinado pelo líder e gestores envolvidos, apresentado na Figura 14.

39 38 Figura 14: Contrato do Projeto CONTRATO DE PROJETO DE MELHORIA ESPECÍFICA Dados do Projeto Título: Impacto Projeto: Início Projeto: Dados Cadastrais Líder Projeto : Chefia Imediata: Gerente: Orientador: Unidade Término Projeto: Ramal: Ramal: Ramal: Ramal: Descrição do Problema/Oportunidade Ganhos Resultante da Execução do Projeto (Diretos/Indiretos) Âmbito e Restrições Membros da Equipe (4 a 6 colaboradores) Líder do Projeto Chefe do Setor Chefe Administrativo Melhoria Específica Gerente da Unidade Fonte: Autor, 2014

40 Medir Primeiramente são definidos os dados a serem coletados através do método 5W1h (What, Which, When, Why, Who e How) segundo a Figura 15. Figura 15: Plano de coleta de dados Plano de Coleta de Dados (5W1H) Item Quais dados Coletar? Qual a unidade de medida desses dados? Onde coletar esses dados? Quando os dados devem ser coletados? Como coletar os dados? Poque devemos coletar esses Quem rrealizará a coleta de dados? Status Fonte: Autor, 2014 São coletados os dados que impactam no problema de acordo com o escopo do projeto. Foi criado uma tabela (Figura 16) de acompanhamento de dosagem da gordura CBE e colocadas nas linhas de abrangência do escopo. Figura 16: Tabela para coleta de dados etapa medir Tabela de acompanhamento de dosagem de Gordura CBE Tourell - Linha 3 Batch Receita (Kg) Dosado (Kg) Diferença % Fonte: Autor, Analisar Nessa etapa os dados coletados são analisados pela equipe do projeto através de reuniões de Brainstorms e Writestorms nas quais são propostas possíveis causas para os dados coletados. Essas causas são priorizadas e as mais impactantes são estudadas até as causas raízes.

41 Implementar Depois da equipe ter claro quais são as causas raízes para as possíveis causas levantadas na etapa Analisar, é proposto um plano de ação para a solução das causas raízes. Estas ações são listadas em um diagrama de impacto x esforço onde é analisado a viabilidade de cada ação. Priorizadas as ações, é criado um plano de ação oficial seguindo a metodologia 5W2H Controlar Concluída as ações priorizadas, faz se necessário um acompanhamento do indicador para garantir a eficácia das ações e eliminação das causas raízes. Nessa etapa, além de resultado, também são monitoradas as outras duas entregas de um projeto de melhoria: padronização e transferência de conhecimento.

42 41 4 Resultados e Discussão 4.1 Desdobramento de Metas A empresa na qual o projeto foi executado utiliza a metodologia IPA (Identificate, Priorizate and Act) para desdobrar seus indicadores e propor iniciativas para que as metas do próximo ano sejam atingidas. As informações contidas na figura 17 representam a variação de uso das principais matérias primas utilizadas no setor de fabricação onde o projeto foi feito. O cálculo é feito pela diferença entre o uso real e planejado (ambos em quilogramas), multiplicado pelo preço por quilo da matéria prima: Portanto, os valores negativos representam perda e o os positivos, lucro e que quanto menor o valor da variação em módulo, melhor. Os dados são referentes ao acumulado durante o ano de Figura 17: Gráfico de Variação de uso 2013 Fonte: Autor, 2014

43 42 De acordo com a figura 17 a principal perda financeira para o período analisado foi da gordura CBE, o que significa que houve uma sobre dosagem deste insumo. Portanto o foco do projeto será na utilização dessa matéria prima. 4.2 Etapa Definir A etapa definir consiste na determinação do escopo do projeto incluindo sua meta. O escopo e determinado através de um gráfico de Pareto conforme ilustrado na figura 18. Figura 18: Gráfico de Pareto das variações de uso 2013 Pareto Chart of linha Count Percent linha Linha1 Linha 3 Linha4 Fundição Other Count Percent 34,8 31,5 20,2 11,3 2,2 Cum % 34,8 66,4 86,6 97,8 100,0 0 Fonte: Autor, 2014 A partir da curva de porcentagem acumulada definem-se quais problemas pouco vitais (80% do acumulado) serão atacados, para que seja possível atingir a meta preestabelecida. Neste caso, as Linhas priorizadas foram as Linhas 1 e 3 totalizando 66,4% da variação total do setor. Vale ressaltar que devido à restrição do escopo de um Yellow Belt, foi criado outro projeto para atacar a variação da Linha 4.

44 % 43 Feito a estratificação da perda financeira acumulada durante o ano de 2013 e definido o escopo do projeto, a perda é analisada mês a mês para entender o seu comportamento durante o período analisado (figura 19). Figura 19: Gráfico sequencial variação de uso gordura CBE Linha 1 e 3 Redução de variação de Gordura CBE Linhas 1 e 3 6,00% 4,00% 2,00% 0,00% -2,00% -4,00% -6,00% -8,00% -10,00% -12,00% 4,02% 0,74% fev/13 mar/13 abr/13 mai/13-0,68% jun/13 jul/13 ago/13 set/13 out/13 nov/13 dez/13-2,15% -4,44% -4,28% -4,43% -3,81% -3,79% -5,39% -9,53% Problema Média (%) Fonte: Autor, 2014 Pelos dados do gráfico podemos concluir que para o período analisado a gordura CBE apresentou um comportamento de serrote (que não apresenta tendências). O valor de maior perda foi no mês de Março (-9.53%) devido a um erro de inventario e o de maior lucro foi em Novembro (+4,02%) devido ao recebimento de uma carga de gordura oxidada, que para não causar ruptura na fábrica foi substituída por Manteiga de Cacau. A média foi de -3,07% e o mês que apresentou menor variação (Benchmark) foi o mês de Junho (-0,68%). A lacuna é dada pela diferença entre a média e o Benchmark: O valor da lacuna é de -2,39% e representa o quanto a média do processo analisado está distante do melhor valor obtido. A meta do projeto é calculada propondo-se um valor de diminuição da lacuna de acordo com a figura 20.

45 44 Figura 20: Gráfico para cálculo da meta Cálculo da Meta. 6,00% 4,00% 4,02% 2,00% 0,00% -2,00% -4,00% -6,00% -5,39% -4,44% -0,68% -4,28% -4,43% -3,81% 0,74% -2,15% -3,79% -0,68% -2,01% -3,07% -8,00% -10,00% -9,53% -12,00% Efetivo(%) Média(%) Meta(%) Benchmark (%) Fonte: Autor, 2014 A meta do projeto é reduzir 44% do valor da lacuna, aproximando assim o valor de variação do processo ao valor de Benchmark: Portanto a meta do projeto é de alcançar um valor médio de variação de uso da gordura CBE após implementadas as ações de -2,01%. 4.3 Etapa Medir Na etapa medir os dados de variação de gordura CBE foram analisados mais a fundo. Foram utilizados o Minitab e o Excel para auxiliar na construção dos gráficos e analises. É importante deixar claro que os valores programados (receita) de dosagem para as etapas de processo estão na tabela 2, bem como os limites inferiores e superiores de especificação:

46 45 Tabela 2: Receita e limites de especificação Linhas 1 e 3 Linha Processo Receita Limite Inferior de Especificação Limite Superior de Especificação 1 3 Mistura 175 Kg 173,25 Kg 176,75 Kg Conchagem 880 ml/ 30s 871,2 ml / 30s 888,8 ml / 30s Mistura 190 Kg 188,1 Kg 191,9 Kg Conchagem 1200 ml / 30s 1188 ml / 30s 1212 ml/30s Fonte: Autor (2014) Com os dados das tabelas do APENDICE A foram geradas as cartas de controle (Figuras 21, e 27) e testes capabilidade (Figuras 22, 24, 26 e 28) das dosagens de Gordura CBE para as etapas de mistura e conchagem nas Linhas 1 e 3. Figura 21: Carta de controle dosagem misturador Linha 1 I-MR Chart of Misturador Linha 1 176,0 UC L=176,017 Individual Value 175,5 175,0 174,5 174, Observation _ X=175,1 LC L=174,183 2,0 1 Moving Range 1,5 1,0 0,5 UC L=1,127 MR=0,345 0,0 LC L= Observation Fonte: Autor, 2014

47 46 Figura 22: Capabilidade dosagem misturador Linha 1 Process Capability of Misturador Linha 1 Process Data LSL 173,25 Target * USL 176,75 Sample Mean 175,1 Sample N 30 StDev (Within) 0, StDev (O v erall) 0, LSL USL Within Overall Potential (Within) C apability Cp 1,91 C PL 2,02 C PU 1,80 C pk 1,80 O v erall C apability Pp 0,95 PPL 1,01 PPU 0,90 Ppk 0,90 C pm * O bserv ed Performance PPM < LSL 0,00 PPM > USL 0,00 PPM Total 0,00 Exp. Within Performance PPM < LSL 0,00 PPM > USL 0,03 PPM Total 0,03 Exp. O v erall Performance PPM < LSL 1265,94 PPM > USL 3539,85 PPM Total 4805,80 Fonte: Autor, 2014 Com os resultados obtidos pela carta de controle pode se perceber que o processo varia dentro dos limites de especificação (tabela 4): ± 1,0% permitida pelo fornecedor. Pela análise de capabilidade pode se concluir que o processo de pesagem da gordura CBE no misturador é um processo sob controle com valores altos de Cp (1,91) e Cpk (1,80).

48 47 Figura 23: Carta de Controle dosagem misturador Linha 3 1 I-MR Chart of Misturador Linha 3 Individual Value UC L=208,61 _ X=195, Observation LC L=182,93 16 UC L=15,77 Moving Range MR=4,83 0 LC L= Observation Fonte: Autor, 2014 Figura 24: Capabilidade dosagem misturador Linha 3 Process Capability of Misturador Linha 3 Process Data LSL 188,1 Target * USL 191,9 Sample Mean 195,767 Sample N 30 StDev (Within) 4,27978 StDev (O v erall) 6,07903 LSL USL Within Overall Potential (Within) C apability Cp 0,15 C PL 0,60 C PU -0,30 C pk -0,30 O v erall C apability Pp 0,10 PPL 0,42 PPU -0,21 Ppk -0,21 C pm * O bserv ed Performance PPM < LSL ,00 PPM > USL ,67 PPM Total ,67 Exp. Within Performance PPM < LSL 36616,86 PPM > USL ,89 PPM Total ,74 Exp. O v erall Performance PPM < LSL ,33 PPM > USL ,58 PPM Total ,91 Fonte: Autor, 2014

49 48 Já para a Linha 3, foi encontrado um cenário diferente, onde a média da variação de uso (195,77) corresponde a uma sobre dosagem de 3,04%, bem acima do ±1,0% de variação especificado. A análise de capabilidade comprova que a variação para essa etapa apresenta uma variação sem controle. Os valores de Cp e Cpk 0,15 e -0,15 ilustram que a variação além de estar fora dos limites não se comporta de maneira normal. Figura 25: Carta de Controle dosagem conchagem Linha 1 I-MR Chart of Conchagem Linha 1 Individual Value UC L=929,52 _ X=894, LC L=859, Observation UC L=42,81 Moving Range MR=13,10 0 LC L= Observation Fonte: Autor,2014

50 49 Figura 26: Capabilidade dosagem conchagem Linha 1 Process Capability of Conchagem Linha 1 Process Data LSL 871,2 Target * USL 888,8 Sample Mean 894,667 Sample N 30 StDev (Within) 11,6165 StDev (O v erall) 13,4372 LSL USL Within Overall Potential (Within) C apability Cp 0,25 C PL 0,67 C PU -0,17 C pk -0,17 O v erall C apability Pp 0,22 PPL 0,58 PPU -0,15 Ppk -0,15 C pm * O bserv ed Performance PPM < LSL 33333,33 PPM > USL ,33 PPM Total ,67 Exp. Within Performance PPM < LSL 21686,02 PPM > USL ,19 PPM Total ,21 Exp. O v erall Performance PPM < LSL 40370,57 PPM > USL ,44 PPM Total ,01 Fonte: Autor, 2014 Ao contrário da etapa de mistura, na etapa de conchagem a média da variação (894,67) corresponde a 1,67% se comparado ao valor programado (880). Pela teste de capabilidade pode se concluir que o processo está fora de controle: Cp = 0,25 e Cpk = -0,17.

51 50 Figura 27: Carta de Controle conchagem Linha 3 I-MR Chart of Conchagem Linha Individual Value UC L=1206,00 _ X=1198, Observation LC L=1191,33 10, UC L=9,01 Moving Range 7,5 5,0 2,5 MR=2,76 0,0 LC L= Observation Fonte: Autor, 2014 Figura 28: Capabilidade conchagem Linha 3 Process Capability of Conchagem Linha 3 Process Data LSL 1188 Target * USL 1212 Sample Mean 1198,67 Sample N 30 StDev (Within) 2,44559 StDev (O v erall) 5,11809 LSL USL Within Overall Potential (Within) C apability Cp 1,64 C PL 1,45 C PU 1,82 C pk 1,45 O v erall C apability Pp 0,78 PPL 0,69 PPU 0,87 Ppk 0,69 C pm * O bserv ed Performance PPM < LSL 0,00 PPM > USL 0,00 PPM Total 0,00 Exp. Within Performance PPM < LSL 6,46 PPM > USL 0,02 PPM Total 6,48 Exp. O v erall Performance PPM < LSL 18574,97 PPM > USL 4591,83 PPM Total 23166,79 Fonte: Autor, 2014

52 51 A linha 3 apresentou um comportamento inverso da Linha 1, ou seja pesagem da gordura CBE na mistura fora de controle e dosagem (Gordura CBE) na conchagem variando dentro dos limites de especificação. 4.4 Etapa analisar Após a coleta de dados e priorização das etapas que mais impactam no problema do projeto inicia-se a etapa analisar. Para a realização dessa etapa do projeto foram realizadas reuniões com a equipe para discussão das possíveis causas para as variações medidas. Nessas reuniões foram realizados brainstorms até que as causas raízes fossem identificadas. Durante as discussões as possíveis causas foram anotadas (Writestorm), priorizadas por meio da matriz de priorização e agrupadas no diagrama de afinidades conforme as figuras 29 e 30. Figura 29: Diagrama de afinidades Misturador Variação de Gordura CBE Misturador Falta de padrão para dosagens coluna e fina Variação de dosagem Misturador Linha 3 Variação de dosagem Misturador Linha 1 Fonte: Autor, 2014

53 Vazão (g/min) 52 Figura 30: Diagrama de afinidade Tourell (conchagem) Variação de Gordura CBE Tourell Rendimento calculado de forma errada Inconsistencia de dosagem das bombas de dosagem Linha 1 Elevado erro na calibração das bombas de dosagem Fonte: Autor, 2014 Para entender melhor a variação na etapa da conchagem foi feito o teste de linearidade das bombas de dosagem (figuras 31 e 32). Nesse teste, a frequência de rotação do motor da bomba foi alterada e a dosagem medida da mesma maneira (em ml/ 30 segundos e os gráficos abaixo foram obtidos. Figura 31: Teste de Linearidade bomba de dosagem 2 estágio Linha Bomba Bomba de Dosagem de dosagem 2 estágio do 2º Tourell est. da Linha Tourell 1 5 Vazão = 72,40 + 1,063 Frequência de bombeamento S 32,0874 R-Sq 50,3% R-Sq(adj) 47,6% Vazão (Hz) Fonte: Autor, Frequência de bombeamento (g/min) Frequência (Hz) 100