" 

Preencha a ficha de cadastro no final deste livro
e receba gratuitamente informações
sobre os lançamentos e as promoções da
Editora Campus/Elsevier.

Consulte também nosso catálogo
completo e últimos lançamentos em
www.elsevier.com.br

 



 "
  

 

 

 "  !  .

.

  .

  .

 .

111 – 16o andar 20050-006 – Centro – Rio de Janeiro – RJ – Brasil 5XD4XLQWDQD¢o andar ¢%URRNOLQ¢6ÑR3DXOR¢63 Serviço de Atendimento ao Cliente 0800-0265340 sac@elsevier. mecânicos. 2012. Todos os direitos reservados e protegidos pela Lei no 9. solicitamos a comunicação à nossa Central de Atendimento. sem autorização prévia escrita da editora. impressão ou dúvida conceitual. Em qualquer das hipóteses. Nem a editora nem o autor assumem qualquer responsabilidade por eventuais danos ou perdas a pessoas ou bens. &. para que possamos esclarecer ou encaminhar a questão. No entanto. Revisão: C&C Criações e Textos Ltda. Nenhuma parte deste livro. podem ocorrer erros de digitação. gravação ou quaisquer outros. Editoração Eletrônica: C&C Criações e Textos Ltda.  6ÒULH:HUNHPDGH([FHOÓQFLD(PSUHVDULDO.© 2012. poderá ser reproduzida ou transmitida sejam quais forem os meios empregados: eletrônicos. Elsevier Editora Ltda.com.3%UDVLO&DWDORJD£ÑRQDIRQWH Sindicato Nacional dos Editores de livros. originados do uso desta publicação.610.br ISBN 978-85-352-5427-3 Nota: Muito zelo e técnica foram empregados na edição desta obra. de 19/02/98. fotográficos. RJ W521d :HUNHPD&ULVWLQD 'HVLJQIRU/HDQ6L[6LJPDIHUUDPHQWDVEÌVLFDVXVDGDVQDVHWDSDV'H0GR'0$'9&ULVWLQD:HUNHPD¢ Rio de Janeiro: Elsevier. Conhecimento sem Fronteiras Rua Sete de Setembro. Elsevier Editora Ltda.

$SÓQGLFH Inclui bibliografia ISBN 978-85-352-5427-3 (QJHQKDULDGHSURGX£ÑR6L[6LJPD 3DGUÑRGHFRQWUROHGHTXDOLGDGH.

II.5 CDU: 658. 11-7521. I. Administração da qualidade.5 . Controle de processos. Série. CDD: 658. 6. 5. Título. Controle de qualidade.$GPLQLVWUD£ÑRGDSURGX£ÑR 4.

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

   >.990770/-D 00.3.:8 .==:771:==D:9BBB6=D:9.

".#'&+*!# .&.-*7$'% '*% .".#.4.' *($1'-.$%&.'.E0=0>/.#&$# .$'.4.V=4?:..)8."#&!+.:/:>. '+.9.77>.""#!"+&$'/+.>? .V=4?:'.07:0>.15 .1.*-.' ('($'&.'&.#'& #&&'-.' $"-*.D.' .".84>:9"423?.'(++#'&.4>.880/ #>$=..3*#*:(##&."'&+.4>@8.'*#!#&$5 =.&0170CS:':-=0:>$:?09.9?:"0?:.*+*.*-.#.*%+' %'.78..*&+#.$1#&..'$.9:> 30."(#.-**$!'*+.# *&.*+.+.".++.

 .

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

>9./.#1'%.809?.>-P>4... ..'6'%+0==.$-0#. * #02'.>0/:   )/-*"047* *  "  *'%&''&"#'&(%'"'%&"##$#%'.12#'.>0?.>@>.

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

809?...'6'%+0==.>0?. #1'%.0#*  "58 .>9.$-0#.>0/:   .>-P>4./.>@>..

 <@.905.=.>... : ../:.4:= 9Z80=:/0@94/.=0>./0 =09/4809?:0?08.08.=:/@?:/0A0>0-@>.39"0.9?09/:.7: *-.-=4.7409?0>"0>?0 ..>010==.. ?.9.409?0./0>.0>>:/0A0>0=/0?0=849.4.9K.=:/@?::@/:.:=/4.=. -*  " #08.>09/: <@05P>0:.=.:914.KY0>..74>.0>>:T.9/:.KS: 0 : .=:.:=409?.>:=2.7/...>0C..=:/@KS: .@>?:>.809?:/..9.=:/@?:>80?.$-0#.>:/0A0=P>0=104?:@8=0/0>093::@=0./@KS:74A=0/00=.4:=>:14>?4.5P>08:>?=:@49>@14.-474/.KS:/.8P<@./0@8.>:@=0/@KS:/0..809?.>/049?0=0>>0 ?.>/0 8..0..0>>4/.=.0#0..0014.:#1'%../0 /0>/0 .=4.=:/@E4=/@.=@89:A:.=@89:A:./08PC48.+-&)!:+&*..0-!#11#.4>.=?4=/0@8./:.94E.?@..4/.4?.:2.7:>0."*  " .=.:9. -*  "  ./.+*-+')-&' H 08.KS:/0@88..:> 9:A:>.KS:/.0. 9?=:/@KS:.?=..=:/@?: (.74/..=02:/:=0>@7?..4.4./0/01.P.'6'%+  0 )"*0.=.74/.7./0>/:>.=0?09/0../@=.9.KS:/080?:/:7:24.9:7:24..0 /../0>/:./0A4>..>@->?4?@4=:.?09/0=R>90.=0>.0=1:=8.4U9.:/0.4/.9:7:24.9?0:.7 #9VA078PC48:/0..08@8..=:.0>>:.=:/@KS:0>00C4>?0.7**.2 $:= 0C08.7.=..74.4.. ?0.:>>VA04>8T?=4.0=1:=8.0=./: 0 .809?:49?=:/@KS: /09:A.=:1@9/..7.=:/@?::@.0=84?0./0/0.<@.?@.=:/@?::@.90>>09VA07/0...KS:014.0>>: H 8073:=4.=:.=.=:.=:.?:/.74/..0/:.=:50?:/:.E:/07.=.>847@94/.=:.7.0>>:.8-T8.49>?..> ...:8:. .0>>4/.=:.9.9K...?4A.>?0./:0.> /: 80=.6>:D0&:20=:0=7.=.0>>: H #.2'2*#+#.../0=0/@KS:/:.7.90.=4.@809?:/.=:50?: /: .0.@>?:/.:=0C08.9.0>>:09A:7A4/:5P.809?:/..?4924@>0@9VA078PC48:/0.>/0.:=804:/:@>:/:8T?:/:  08.7: 0 &.

7809?0/0>/:-=.>080>...V. : 9:A: .73.809?.=.%0  +'*%&.>A.?0=V>?4.:9?=:70/:.7:./0>/:.7409?0 ..74E.=./0G  0'2'!*2-3*'27G0/0 :@?=.=49./.4:9.0?.7409?0>S:2=...=4PA04>/0..''-!#)#)"++(# #6<+ H >90.414.=:.0C420:@>:/010==.=:50?:/0?.0>>4/.>.:>/:>S:42@=.>=V?4.4:> -P>4.=:/@?4A: .. 9: 9VA07 /: .7409?0>>.74/.:8:$0><@4>.%@..> 90.:././:0.>.0>>4/./@.>.0. H /01494KS:/.0>>: T =0./0> /: .KY0>.# #69'++(# #6<+'$#&.=.    &./00)#2'.0>>:.=:50?: 1@9.=:...:>.=.=:/@?: :@ .

/.>0?.>0/:  . #1'%.$-0#..>9.'6'%+0==..809?..>-P>4.>@>.

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

=:/@?:)8.:9>?4?@V/:.T .4:9.0<@4. /.08@7?41@9./.=4KS:=0>@84/.>G#$'../0>.:9>PA07.=:50?:/:9:A:.>.> .07.:0?./.07:.49.7=0>.42@=.0#0'$7G<@0/0A08>0=0C0.:=..=0>09?.   .?4A4/./0>/: T.##130# ..@?.*78##1'%.9.

$-0#.:#1'%.9?=:/@KS:.'6'%+  .

..>>0=S: @>.: /0>?.>.'6'%+0==./.$-0#.>10==..809?.8:><@00>>.>.>#../0>>./.>-P>4.>0?.KS:/.>10==.>9...7809?09..809?.=49.?4A4/.4.>0/:   %@.809?.>@>. #1'%.9?:R49?02=.

%I<@0?.:74A=:F 0.0C.9?=:/@KS:R>0==.=0>.8.9.8:>.:9>@7?..&%(  *  .4.>#.=?4=/.8-T849?02=.7 *(*8$#&/  &)/#%./.809?.@?474E.KY0>>:-=0..KS:/.0=4U9.9'04>'428.=.07U9.4.@?:=.> 10==. #&.09..:> .3$!230'..:809/..> * 0* /: $.4>491:=8.$#-.>10==.=0./0C.>'04>'428.'T=40+0=608.8.KS:.47*" .(#)/ .809?.>/: #..:=409?.809?.=4.

*!).

07.@KS:/0.4.'.6>:D 0&:20=:0=7>0=P.:81:.@?:=.0C0.:9:/0>09A:7A4809?:/09:A:>.R>0?.9.> .>10==./:@88:/07:/049?02=.>/:  ..39"0.=:50?:>.0= '.   .=?42:/00=..=:/@?:>/:0>?@/:/: 74A=:/0&:-0=?::./:.>'04>'428.KS:/.%2#50-"3!210/:.:2.=0>09?.#*219.7/..=4.42@=...809?.

9?=:/@KS:,:#1'%,$-0#,'6'%+



#1'%,$-0#,'6'%+0==,809?,>-P>4.,>@>,/,>9,>0?,;,>0/:  

9?=:/@KS:,:#1'%,$-0#,'6'%+



#1'%,$-0#,'6'%+0==,809?,>-P>4.,>@>,/,>9,>0?,;,>0/:  

9?=:/@KS:,:#1'%,$-0#,'6'%+



>0?..809?..>9. #1'%.>-P>4.$-0#.>@>.>0/:   ..'6'%+0==./.

:#1'%.'6'%+  .9?=:/@KS:.$-0#.

>9..>0?.$-0#./. #1'%..>0/:  .'6'%+0==.>@>.809?.>-P>4..

.

9?=:/@KS:,:#1'%,$-0#,'6'%+

 
0 '(8/*"*0. -3 

*0  
42@=, 

8:>?=,:;=:.0>>:;,=,0>.:73,/:8T?:/:G  8073:=4,/:/0>08;093:
/0;=:/@?:>0;=:.0>>:>:@ ;=:50?:/09:A:>;=:/@?:>0;=:.0>>:>G#1'%,$-0#,'6
'428,G,>0=@?474E,/:;,=,,.:9/@KS:/0@8;=:50?:#,'04>'428,*,70=0>>,7?,=<@0: 
T@88T?:/:=0,?4A:09<@,9?:: T;=:,?4A: 

2&./#&)/#%- 47*#)/-#*.(8/*"*. 


#  
#/0?,73,809?:/,49?02=,KS:0C4>?09?009?=0:>8T?:/:>  0 T,;=0>09?,/:9, 
42@=,  

.

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

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV Capítulo 2 Método DMADV . André Gide .Etapa Define ““People cannot discover new lands until they have the courage to lose sight of the shore””.

Método DMADV . que foi descrito em detalhes no capítulo 6 do livro Criando a Cultura Lean Seis Sigma. da Série Werkema de Excelência Empresarial. ou não.2 da página seguinte. Esses resultados deverão permitir que os critérios do tollgate 1 do DMADV possam ser segura- mente avaliados. Introdução Š Em que consiste a etapa Define do método DMADV? 33 Durante a etapa Define (D do DMADV) o novo produto ou processo a ser projetado deve ser claramente definido. As atividades da etapa Define e o tollgate1são apresentados nas Figuras 2.1. Os principais resultados dessa etapa são: •• Justificativa para o desenvolvimento do projeto •• Identificação do potencial de mercado para o novo produto •• Análise preliminar da viabilidade técnica •• Análise preliminar da viabilidade econômica •• Previsão da data de conclusão do projeto •• Estimativa dos recursos necessários. Conforme é apresentado na Figura 2.Etapa Define 1. da continuidade do projeto. para que seja possível tomar uma decisão confiável sobre a viabilidade. .1 e 2. uma ferramenta que deve ser utilizada durante todas as etapas do DMADV é o Mapa de Raciocínio.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 34 .

Etapa Define 35 .Método DMADV .

Plano do Projeto Š O que é o Plano do Projeto? É um documento formal e aprovado.Ferramentas básicas usadas nas etapas D e M do DMADV 2. usualmente denominado Plano do Projeto.Elaborar a justificativa para o desenvolvimento do projeto do novo produto Š Quais são os objetivos da elaboração da justificativa para o desenvolvimento do projeto do 36 novo produto (ou novo processo)? A elaboração da justificativa tem como principais objetivos: •• Definir as metas do projeto. O Plano do Projeto é constituído pelos elementos descritos na Figura 2. •• Focar as atividades de execução do mesmo. Atividade D1 . •• Registrar as premissas relacionadas ao seu desenvolvimento. utilizado para definir as bases para a execução do projeto.1 . •• Estabelecer uma base de referência para a medição do progresso e o controle do projeto. 2. •• Facilitar a comunicação entre os interessados.Ferramenta: Formulário para descrição do projeto . e que sofrerá alterações ao longo do tempo. Š Qual é a principal ferramenta utilizada para a realização desta atividade? É o Formulário para Descrição do Projeto. Design for Lean Six Sigma .4. Alertas quanto ao uso do Plano do Projeto Š Um Plano do Projeto mal elaborado provavelmente levará a: •• Descrição ou âmbito não realistas •• Avaliação incorreta dos recursos necessários •• Escolha inadequada dos membros da equipe de projeto •• Expectativas vagas por parte da equipe •• Atritos entre os interessados •• Desperdícios •• Incapacidade de alcance das metas .3 e exemplificados na Figura 2. à medida que mais informações sobre o mesmo se tornem disponíveis.

Etapa Define 37 .Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV 38 . Design for Lean Six Sigma .

Método DMADV .6. Seu template é mostrado na Figura 2.Etapa Define Š Existe outra técnica ou ferramenta que deve ser utilizada em conjunto com o Plano do Projeto? Sim –– é o formulário para ““Questionamento Técnico do Projeto””. que pode ser usado antes da construção do Plano do Projeto. .5 e um exemplo consta na 39 Figura 2.

Ferramentas básicas usadas nas etapas D e M do DMADV 40 . Design for Lean Six Sigma .

para as pessoas envolvidas. Método DMADV . do nível de compreensão sobre o projeto. Black Belts e Green Belts 1. a equipe pode presumir uma data específica para seu início no trabalho do projeto. As premissas são fatores que. se a data de disponibilidade de uma pessoa importante for incerta. 3. Elas afetam todos os aspectos do planejamento e fazem parte da elaboração progressiva do projeto.”” Exercício 2. O que vêm a ser esses elementos? Segundo o PMBOK® Guide3. As perguntas da Figura 2. As premissas geralmente envolvem um certo grau de risco. reais ou certos. um orçamento predefinido é uma restrição que muito provavel- mente limitará as opções da equipe em termos de escopo. Elabore o Questionamento Técnico do Projeto e o Plano do Projeto para esse novo produto. 1 .5 devem ser formuladas e respondidas. Atividade D2 .Avaliar o potencial de mercado do novo produto Š Como avaliar o potencial de mercado do novo produto? Para a avaliação do potencial de mercado4 para o novo produto devem ser considerados os itens identificados a seguir.Etapa Define Š Qual é a importância do Questionamento Técnico do Projeto? Essa técnica promove o esclarecimento. são considerados verdadeiros. formação da equipe e cronograma. Por exemplo. Perguntas de Champions. . para fins de planejamento.1 Suponha que você faz parte de uma equipe que está desenvolvendo um novo modelo de datashow.Avaliação quantitativa: •• Consumo global do tipo de produto •• Histórico da evolução do consumo nos últimos anos e previsão para a evolução futura desse consumo. durante o desenvolvimento do projeto. repetidamente (e 41 não apenas uma vez). Por exemplo. ““uma restrição representa uma limitação que afetará o desem- penho do projeto. No Plano do Projeto devem ser relacionadas premissas e restrições.

Intensidade dos investimentos requeridos .Capacidade da concorrência .Localização geográfica .Ferramentas básicas usadas nas etapas D e M do DMADV 2 –– Avaliação qualitativa: •• Comportamento do mercado e suas peculiaridades5: .Flutuações cíclicas .Tendências econômicas que afetam o mercado .Estabilidade na recessão .Atitude da concorrência (agressiva / neutra / passiva) .Atitudes e tendências sociais que afetam o mercado .Pressão de produtos substitutos reais ou potenciais .Barreiras de entrada para imitadores .Tendências tecnológicas que afetam o mercado .Taxa de retorno média do mercado .Comportamento do consumidor .Regularidade do consumo .Dimensão do mercado .Flutuações sazonais .Taxa de crescimento 42 .Potencial futuro .Adequação à capacidade da empresa .Nível de sensibilidade a preço . Design for Lean Six Sigma .Capacidade ociosa no ramo .Nível de diferenciação entre os produtos concorrentes .Poder de barganha do cliente .Estágio do produto no ciclo de vida .Diversidade da clientela .

Citando Kotler e Armstrong7. Finalmente. 2. O que fazer quando não houver informações disponíveis para o tipo de produto ou de mercado considerados? 43 Devem ser feitas estimativas com base nos seguintes elementos: •• Opiniões de especialistas e pessoas experientes em produtos e mercados similares •• Analogia com produtos e mercados similares •• Análise de dados referentes a produtos cujo consumo esteja associado ao que está sendo lançado. referentes aos seus vários produtos e mercados geográficos. Por exemplo. pode fazer previsões no curto. ou por todo o mercado internacional. Método DMADV . ou vendas conjuntas da Motorola.”” . Black Belts e Green Belts 1. Pode também mensurar a demanda por cliente. Panasonic e todos os outros concorrentes (vendas do setor). NEC. A demanda de mercado pode ser mensurada e prevista em muitos níveis? Sim. Intel. ““por exemplo. vendas totais de bips. a Motorola pode mensurar a demanda por cinco diferentes níveis de produto: um modelo específico de bip (item de produto). médio e longo prazos. território.7 mostra 75 diferentes tipos de mensuração da demanda. toda a sua linha de bips (linha de produ- to). chips de computador e outros produtos (vendas da própria empresa). a demanda de sabão em pó pode estar relacionada às vendas de máquinas de lavar roupas.Etapa Define Perguntas de Champions. A Figura 2. telefones celulares. todos os bips fabricados pela empresa e por seus concorrentes (categoria de produto). região ou país específico.

Ferramenta: Levantamento de dados secundários Š O que são dados secundários? 44 Dados secundários são aqueles que já foram coletados por outras pessoas ou organizações para finalidades diferentes das do problema em questão. . Eles geralmente podem ser obtidos de modo rápido. Design for Lean Six Sigma .8. As principais fontes de dados secundários estão apresentadas na Figura 2.Ferramentas básicas usadas nas etapas D e M do DMADV 3. fácil e barato.1 .

•• Desatualização. por aspectos tais como os listados 45 a seguir: •• Pouca relevância. •• Inadequação dos métodos de coleta ao estudo atual. •• Baixa exatidão. A Figura 2.Etapa Define Alertas quanto ao uso de dados secundários Š Os dados secundários foram coletados com objetivos diferentes daqueles do estudo em tela. o que poderá implicar em limitações de sua utilidade.9 apresenta alguns critérios para a avaliação da qualidade de dados secundários. . Método DMADV .

Censo Agropecuário. Cite alguns exemplos de publicações governamentais no Brasil. •• MINISTÉRIO DA EDUCAÇÃO: Anuário Estatístico da Educação. •• BANCO CENTRAL DO BRASIL: Relatório Anual. Censo de Serviços. Design for Lean Six Sigma . Black Belts e Green Belts 1.Ferramentas básicas usadas nas etapas D e M do DMADV Perguntas de Champions. 3. Somente após a análise dos dados internos. Pesquisa Nacional por Amostragem Domiciliar. 2. deverão ser coletados dados secundários externos. . dados contábeis de desempenho financeiro e registros de negócios fecha- dos pela concorrência. •• FUNDAÇÃO IBGE –– INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA: Anuário Estatístico do Brasil. Cite alguns exemplos de fontes de publicações institucionais (não governamentais) e de fontes padronizadas de dados de marketing. Em que ordem as diversas fontes de dados secundários devem ser consultadas? Geralmente o levantamento de dados secundários é iniciado a partir de dados internos 46 coletados rotineiramente (observe que dados históricos da empresa são sempre secundários). Censo Demográfico. •• BANCO DO BRASIL: Revista e Anuário do Comércio Exterior. orçamentos. relatórios da equipe de vendas. Quais são as fontes internas de dados mais utilizadas pelas empresas para a avaliação do potencial de mercado do novo produto? As fontes internas de dados mais usadas são os registros de vendas. a partir das fontes mais disponíveis e mais baratas. Censo Industrial. 4.

Š Quais são as etapas de um procedimento de previsão? As etapas de um procedimento de previsão (Figura 2. Os erros –– que são inerentes a qualquer procedimento de previsão –– podem ser minimizados por meio do uso adequado das Técnicas Estatísticas de Previsão e do conhecimento sobre o fenô- meno considerado. A busca deverá contemplar informações qualitativas e quantitativas. ou seja: para fazer previsões sobre o fenômeno considerado. . 47 3.Ferramenta: Técnicas Estatísticas de Previsão . Método DMADV . com o objetivo de se descobrir quais tendências ou padrões estão presentes nesses dados.11) são descritas a seguir.Análise de Séries Temporais Š O que são Técnicas Estatísticas de Previsão? As Técnicas Estatísticas de Previsão envolvem o estudo de dados históricos sobre um determinado fenômeno. O conhecimento adquirido no estudo é usado para projetar os dados em períodos de tempo futuros.2 Efetue uma busca na internet para obter informações aprofundadas sobre o mercado de datashows.Etapa Define Exercício 2.2 .

certos dados podem ser apropriados somente para alguns períodos históricos. Além disso. Design for Lean Six Sigma . A magnitude do período de consolidação dos dados (por exemplo. Essa afirmação é ilustrada na Figura 2. bimestral. . No entanto. Š Coleta e análise de dados históricos do fenômeno Quanto mais dados históricos forem coletados e analisados. maior deverá ser a sofisticação do modelo de previsão. deve-se notar que alguns dados podem ser irrelevantes para o fenômeno. semanal.12.Ferramentas básicas usadas nas etapas D e M do DMADV Š Definição do objetivo Na definição do objetivo devem ser respondidas as seguintes perguntas: •• Que fenômeno será previsto? •• Qual é o grau de exatidão necessário à previsão? 48 •• Quais recursos poderão ser utilizados para a previsão? Quanto maior for a importância do fenômeno a ser previsto e quanto menor for o horizonte de tempo da previsão. o que reduz a exatidão da previsão. mais confiável será o modelo de previsão. mensal. semestral ou anual) influencia a escolha do modelo de previsão mais adequado e também a análise das variações que não são compatíveis com o comportamento normal do fenômeno (variações extraordinárias).

É fácil perceber que há características importantes presentes na representação A. Š Construção do modelo de previsão São características gerais das técnicas de previsão usadas para se construir o modelo: •• O fato de que as previsões não são perfeitas. conforme mostrado na Figura 2.Etapa Define A Figura 2. A representação A foi obtida com base em dados mensais para a demanda e a representação B a partir de dados trimestrais para a demanda. •• A suposição de que as causas que influenciaram o fenômeno no passado continuarão a atuar no futuro. pois é impossível prever todas as variações aleatórias que ocorrerão no futuro. As técnicas de previsão podem ser qualitativas ou quantitativas. •• A diminuição da exatidão das previsões com o aumento do período de tempo no qual os dados são coletados. •• A demanda de setembro não seguiu um padrão esperado –– está muito acima da média ––.13. mas que não se mostram adequa- 49 damente na representação B: •• Existe sazonalidade associada à demanda –– as demandas do primeiro semestre são maiores que as do segundo. Método DMADV . o que deve ser motivo de investigação detalhada.12 é uma representação de duas periodicidades diferentes (A e B) para dados idênticos referentes à demanda de um produto. .

para um dado período.Ferramentas básicas usadas nas etapas D e M do DMADV Segundo Tubino10. tratamento e análise de informações que visa gerar uma estimativa de vendas futuras. •• Identificar. Como deve funcionar um sistema de previsão de vendas? Nas palavras de Henrique Corrêa. mais caras na elaboração Š Obtenção das previsões Após a escolha da técnica de previsão e a utilização dos dados históricos para a construção do modelo. geralmente. Irineu Gianesi e Mauro Caon11. meses etc. Black Belts e Green Belts 1. que é a diferença entre o valor real observado para o fenômeno e o valor previsto pelo modelo. São objetivos do monitoramento do modelo de previsão: •• Verificar a exatidão dos valores previstos. medidas em unidades de produtos (ou famílias de produ- tos) em cada unidade de tempo (semanas.). Perguntas de Champions. As principais informações que devem ser consideradas pelo sistema de previsão de vendas são: . ““um sistema de previsão de vendas é o conjunto de procedimentos de coleta. Š Monitoramento do modelo de previsão O monitoramento do modelo consiste no acompanhamento do desempenho das previsões e na confirmação de sua validade diante da atual dinâmica dos dados. É realizado por meio do cálculo e do acompanhamento do erro de previsão. analisar e preparar os dados e a previsão •• Equilíbrio entre custo e exatidão –– técnicas que levam a uma maior exatidão são. os seguintes fatores devem ser considerados na escolha da técnica de previsão: •• Disponibilidade de dados históricos •• Disponibilidade de recursos computacionais •• Experiência anterior com o uso de determinada técnica 50 •• Disponibilidade de tempo para coletar. Design for Lean Six Sigma . •• Permitir a escolha de técnicas ou modelos mais adequados. isolar e corrigir variações anormais. é possível efetuar o cálculo das projeções futuras do fenômeno de interesse.

Método DMADV . . •• Informações relevantes que expliquem comportamentos atípicos das vendas passadas.Etapa Define •• Dados históricos de vendas. •• Conhecimento sobre a conjuntura econômica atual e previsão da conjuntura econômica no futuro. •• Informações de clientes que possam indicar seu comportamento de compra futuro.”” A Figura 2.14 apresenta uma configuração genérica de um sistema de previsão de vendas. •• Situação atual de variáveis que podem afetar o comportamento das vendas no futuro ou 51 estejam a ele correlacionadas. •• Informações relevantes sobre a atuação de concorrentes que influenciam o comporta- mento das vendas. período a período. •• Informações sobre decisões da área comercial que podem influenciar o comportamento das vendas.

Design for Lean Six Sigma - Ferramentas básicas usadas nas etapas D e M do DMADV

Previsões baseadas em séries temporais
Š O que é uma série temporal?
Uma série temporal é um conjunto de observações Y1, Y2, ..., Yn de uma variável, obtidas em
52

instantes sucessivos e igualmente espaçados ao longo do tempo. Alguns exemplos de séries tempo-
rais são:
•• Vendas mensais de cerveja da marca C.
•• Vendas anuais de computadores da empresa W.
•• Consumo horário de eletricidade na cidade Z.
•• Estoque de matérias-primas da empresa T, ao final de cada trimestre.
•• Nível de poluição atmosférica na praça A da cidade B, medido às 17 horas de cada dia.

É importante notar que os intervalos de tempo que caracterizarão a série temporal poderão
variar de acordo com os nossos interesses.

Š Quais são os componentes de uma série temporal?
1. Tendência
A tendência é um componente de longo prazo que representa o crescimento ou o declínio
graduais da série temporal, durante um longo período de tempo. A Figura 2.15 mostra alguns exemplos
de configurações para a tendência.

Método DMADV - Etapa Define

Os principais fatores responsáveis pela tendência são:
•• Alterações no tamanho, nas características demográficas e na distribuição geográfica das po-
pulações
•• Avanços tecnológicos

53
•• Desenvolvimento econômico
•• Alterações graduais no estilo de vida –– hábitos, atitudes e preferências –– dos consumidores

2. Ciclicidade
A ciclicidade é a configuração de altos e baixos em torno da qual as observações da série tempo-
ral se distribuem ao longo de períodos de tempo superiores a um ano.Toda sequência recorrente de
pontos acima e abaixo da linha que representa a tendência, de duração superior a um ano, pode ser
atribuída ao componente cíclico da série temporal. A Figura 2.16 mostra um Exemplo de série tem-
poral que apresenta ciclicidade.

Alguns fatores responsáveis pela ciclicidade são:
•• Movimentos cíclicos da economia: períodos de baixa inflação seguidos por períodos de infla-
ção crescente, por exemplo
•• Acúmulo e consumo de estoques

Design for Lean Six Sigma - Ferramentas básicas usadas nas etapas D e M do DMADV

3. Sazonalidade
A sazonalidade representa as variações regulares sofridas pelas observações da série temporal
ao longo de períodos curtos de tempo (inferiores a um ano). A Figura 2.17 apresenta um exemplo
de série temporal que possui sazonalidade.
54

A sazonalidade é provocada por fatores associados ao calendário ou ao relógio: condições climá-
ticas, feriados, condições de tráfego etc. Alguns exemplos são o aumento do consumo de cerveja
nos finais de semana, o aumento das vendas nos shopping centers em dezembro e o pico no número
de usuários do metrô no início da manhã e ao final da tarde, de segunda a sexta-feira.

4. Variações irregulares
O componente associado às variações irregulares representa a variabilidade que ainda resta nas
observações da série temporal depois de terem sido levadas em conta a tendência, a ciclicidade e a
sazonalidade. A variação irregular é provocada por fatores não recorrentes e que não podem ser
previstos.

Método DMADV - Etapa Define

As variações irregulares são compostas pelos seguintes elementos:
•• Variações aleatórias.
•• Eventos excepcionais que não podem ser previstos, como greves, catástrofes climáticas e
crises internacionais.

55
Em algumas séries temporais, a ciclicidade é tão irregular que não pode ser reconhecida isolada-
mente. Nesses casos é usado um componente combinado: ciclicidade –– variações irregulares.

A visualização dos componentes de uma série temporal é mostrada nas Figuras 2.18 e 2.19.

Design for Lean Six Sigma - Ferramentas básicas usadas nas etapas D e M do DMADV
56

A maioria das séries temporais apresenta este tipo de comportamento. A principal base para a decomposição é o modelo multiplicativo. à medida que o valor dos dados aumenta. S . a seguir. para fazer previsões. ciclicidade.1. Isto é. em primei- ro lugar. sazonalidade e variações irregulares –– para o estudo do efeito de cada um deles sobre a variável de interesse e para a posterior realização de predições. . os efeitos da sazonalidade. C . Na decomposição serão analisados. no contexto do Exemplo 2. que assume que os quatro componentes da série temporal são combinados sob uma forma multiplicativa. também aumenta o padrão sazonal. esse modelo assume que. Portanto.Etapa Define Š Por que é importante identificar os componentes de uma série temporal? A identificação é importante porque esses componentes governam como os valores da variável de interesse mudam ao longo do tempo. Método DMADV . Š Como é feita a decomposição de uma série temporal? A decomposição de uma série temporal pode ser realizada de acordo com o procedimento que detalharemos a seguir. iremos quantificar os com- ponentes da série temporal e. utilizar essa quantificação para determinar os valores futuros 57 da variável. Decomposição de séries temporais Š Qual é o objetivo da decomposição de uma série temporal? O objetivo da decomposição é isolar cada componente da série temporal –– tendência. I onde Y = variável de interesse T = tendência C = ciclicidade S = sazonalidade I = variações irregulares O modelo multiplicativo deve ser usado quando a magnitude do padrão sazonal depende do nível dos dados. Š Qual é a estrutura do modelo multiplicativo? O modelo multiplicativo é: Y =T .

Ferramentas básicas usadas nas etapas D e M do DMADV 1 . ao longo de períodos inferiores a um ano. o Black Belt utilizou o método da decomposição de séries temporais. Os efeitos da sazonalidade podem ser medidos em tri- mestres. Neste exemplo será apresentado o estudo dos efeitos da sazonalidade.1. A análise dos efeitos dos demais componentes da série temporal será considerada nos exemplos seguintes. Design for Lean Six Sigma . são apresentados na Tabela 2. meses. nos últimos cinco anos.Efeitos da Sazonalidade Exemplo 2.1 58 Uma empresa recentemente alocou a um de seus Black Belts a tarefa de desenvolver um modelo para prever as vendas mensais de um de seus principais produtos. . Seleção de PProjetos rojetos Seis Sigma A sazonalidade representa as variações regulares sofridas pelas observações da série temporal. No Exemplo 2. o efeito da sazonalidade é medido em meses. semanas ou dias. Para construir o modelo. Os dados mensais de venda do produto.1. conforme será descrito.

Etapa Define O gráfico sequencial para os dados do volume de vendas do produto do Exemplo 2.I por T. por exemplo.S. os dados da série temporal podem conter os quatro componentes T (tendência).S. Método DMADV . seguida pela divisão dos valores T.I = S.1 é apresenta- do na Figura 2. S (sazonalidade) e I (variações irregulares). Observando essa Figura. é fácil perceber que o efeito da sazonalidade está presente –– é visível que as vendas tendem a ser mais altas em dezembro e mais baixas em julho.1.C. devem ser eliminados os efeitos das variações irregulares. 59 Mês Ano 1 É possível isolar os efeitos da sazonalidade em uma série temporal por meio do raciocínio abaixo.20.C •• A seguir.S.C: T. •• Portanto.I T. •• De acordo com o modelo multiplicativo.C. O procedimento computacional para se isolar os efeitos combinados da sazonalidade e das variações irregulares é apresentado no Quadro 2.C.I). .C para cada valor da série (T. os efeitos da sazonalidade podem ser isolados por meio da determinação de T. C (ciclicidade).

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV .

Etapa Define .Método DMADV .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 62 Exemplo Tabela Tabela Figura .

Etapa Define 63 Exemplo 7 Figura Quadro . Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV 64 . Design for Lean Six Sigma .

Etapa Define 65 .Método DMADV .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV .

Método DMADV .Etapa Define .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV T 68 .

Etapa Define 69 E E E . Método DMADV .

que ficam 38. Design for Lean Six Sigma . Mês Observando a Figura 2.788% acima do valor médio anual. que ficam 21. a interpretação desses índices e a ““dessazonalização”” da série temporal.Ferramentas básicas usadas nas etapas D e M do DMADV Os últimos passos no estudo dos efeitos da sazonalidade são a construção do gráfico sequencial dos índices de sazonalidade ajustados.250% abaixo do valor médio anual.22. •• As vendas ficam acima do valor médio anual somente nos meses de março. junho.1 é apresentado na Figura 2. . O gráfico sequencial dos índices de sazonalidade ajustados para os dados do volume de vendas 70 do produto do Exemplo 2. setembro e dezembro. é imediato visualizar a interpretação dos índices de sazonalidade ajusta- dos: •• Dezembro é o melhor mês para as vendas do produto.22. •• Julho é o pior mês para as vendas.

. Método DMADV .6 e o gráfico sequencial correspondente é apresentado na Figura 2. Nessa Figura a tendência fica mais evidente e um padrão cíclico também começa a surgir. Mês Ano •• No anexo A é apresentado o roteiro de uso do MINITAB para cálculo dos índices de sazonalidade ajustados.Etapa Define Os dados da série temporal podem ser ““dessazonalizados”” por meio da divisão dos valores reais pelos índices de sazonalidade ajustados correspondentes: T.C.23. os índices de sazonalidade ajus- tados devem ser divididos por 100. •• Os dados "dessazonalizados" do volume de vendas do produto do Exemplo 2.C. antes da realização do cálculo acima.22 e 2.S. obtenção dos dados "dessazonalizados" e construção das Figuras 2.I •• Dados ““dessazonalizados”” = = T.1 são mostrados na Tabela 2.I S 71 •• É importante notar que.23.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 72 .

são apresentados na Tabela 2. Antes do início da análise dos dados. por exemplo? 73 Nestes casos. faça a análise dos efeitos da sazonalidade que deve ter sido realizada pelo Black Belt. o mesmo procedimento que acabou de ser descrito poderá ser utilizado. quais devem ter sido os questionamentos feitos pelo Black Belt? 2. .7. com a realização de pequenas alterações. 1. Black Belts e Green Belts 1. a empresa delegou a um de seus Black Belts a tarefa de desenvolver um modelo para prever as vendas mensais do produto. nos últimos três anos. conforme abaixo: Exercício 2. Como devem ser calculados os índices de sazonalidade no caso em que os dados da série temporal não são mensais –– são trimestrais ou diários. Método DMADV . Os dados mensais de venda do ““Sweet Choco””.3 A empresa Cocoa R Us comercializa o ““Sweet Choco””. um produto achocolatado introduzido no mercado brasileiro há cinco anos e que vem ganhando popularidade. Com o objetivo de avaliar a viabilidade de lançar no mercado novas versões do ““Sweet Choco””.Etapa Define Perguntas de Champions. Utilizando o método da decomposição de séries temporais.

cuja representação gráfica é mostrada na Figura 2.O modelo. •• Modelo quadrático: ^ . Usualmente a tendência pode ser representada por uma curva suave. t = período de tempo para a previsão. . ß0 = intercepto da reta.24): ^ .Yt = ß0 + ß1 t + ß2 t2 . leva em conta a presença de curvatura nos dados. durante um longo período de tempo. ß1 = inclinação da reta.Ferramentas básicas usadas nas etapas D e M do DMADV 2 –– Efeitos da Tendência A tendência é um componente de longo prazo que representa o crescimento ou o declínio graduais da série temporal. Os principais modelos para representação da tendência são: 74 •• Modelo linear (Figura 2. Design for Lean Six Sigma .25.Yt = ß0 + ß1t onde ^ Yt = previsão do valor da variável resposta para o período de tempo t.

^ Será ajustado o modelo linear Yt = ß0 + ß1t aos dados ““dessazonalizados”” do volume de vendas do Exemplo 2. tomaremos t = 1 como correspondente à época da primeira observação da série temporal (janeiro do ano 1) e assim sucessivamente.Etapa Define •• Modelo exponencial: ^ .2 Neste exemplo será apresentado o estudo dos efeitos da tendência para a série temporal do Exemplo 2.26 ^ Y t t Os modelos apresentados acima podem ser utilizados para a determinação dos efeitos da ten- dência nos estudos de decomposição de séries temporais. a equação obtida é: ^ Yt = 3190. Tendência exponecial FIGURA 2.46 + 10.Yt = ß0 ß1t . Exemplo 2. o modelo exponencial poderá ser o mais adequado. cuja representação gráfica é apresentada na Figura 2. Método DMADV .O modelo.1.26.9728 t . Para esse ajuste. que corresponde ao momento de coleta da última observação (dezembro do ano 5).1. até t = 60.Quando a série temporal parece estar crescendo a uma taxa de crescimento tal que a diferença percentual de uma observação para a outra seja constante. O componente de tendência é mais bem estimado se o modelo for ajustado aos dados ““dessazonalizados””. Utilizando o software MINITAB. leva em conta o cresci- 75 mento ou decaimento exponenciais. .

9728 milhares de unidades do produto por mês.9728 indica que. 76 A equação que representa a tendência pode ser visualizada na Figura 2.1. Design for Lean Six Sigma . Os dados originais do volume de vendas. os dados "dessazonalizados" e as estimativas para a tendência são apresentados na Tabela 2. é necessário ajustar todos os modelos disponíveis no MINITAB. . houve um aumento médio (““dessazonalizado””) nas vendas igual a 10. devendo ser escolhido aquele que apresentar o menor erro de previsão.8. 78 79 Para se identificar o melhor modelo para representação da tendência.4 Para os dados do Exercício 2.Ferramentas básicas usadas nas etapas D e M do DMADV A inclinação de 10. os índices de sazonalidade. durante os 60 meses considerados.27. faça o estudo dos efeitos da tendência que deve ter sido realizado pelo Black Belt. A medição dos erros de previsão será detalhada a partir da página 84. Exercício 2.

Etapa Define 77 .Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV .Design for Lean Six Sigma .

Método DMADV .Etapa Define .

S e multiplicar o resultado por 100. estão apresentados na Tabela 2.641 + 87.8 pelo produto T.S. devem ser realizadas as seguintes etapas: •• Multiplicar os valores de T (coluna 6) e S (coluna 4) da Tabela 2. para os valores de C.I. •• Calcular. É importante destacar que. . Os efeitos da ciclicidade podem ser isolados pela decomposição da série temporal: 80 T. a média móvel de nove meses.3 Neste exemplo será apresentado o estudo dos efeitos da ciclicidade para a série temporal do Exemplo 2.I para os primeiros nove meses): 106.678 9 Os efeitos da ciclicidade podem ser visualizados nas Figuras 2.I = T. devido ao período de tempo envolvido. frequentemente é difícil a obtenção de dados suficientes para a estimação dos efeitos da ciclicidade.I.29.S •• C = média móvel de cinco.852 + 112.C.9. •• Dividir os dados do volume de vendas (coluna 3) da Tabela 2.445 + 102.785 + 98.I •• C.8. obtidos pelo procedimento acima.Ferramentas básicas usadas nas etapas D e M do DMADV 3 –– Efeitos da Ciclicidade A ciclicidade é a configuração de altos e baixos em torno da qual as observações da série tempo- ral se distribuem ao longo de períodos de tempo superiores a um ano. Um exemplo do cálculo de C é mostrado abaixo. sete ou nove períodos (geralmente meses ou trimestres) de valo- res de C.408 + 93.1. Para o cálculo dos efeitos da ciclicidade relativos aos dados do volume de vendas do produto do Exemplo 2. Exemplo 2.1. •• Efeito da ciclicidade para o período 5 (média móvel de C.306 + 103. Os efeitos da ciclicidade.28 e 2.370 C5 = = 101. Design for Lean Six Sigma .

Método DMADV .Etapa Define 81 .

5 Para os dados do Exercício 2.1.Ferramentas básicas usadas nas etapas D e M do DMADV 82 Exercício 2. . Design for Lean Six Sigma . faça o estudo dos efeitos da ciclicidade que deve ter sido realiza- do pelo Black Belt.

3.I.S.C.1 podem ser utilizados para prever o volume de vendas do produto em dezembro do ano 6. S.4 83 Apresentaremos a seguir como os resultados da decomposição da série temporal do Exemplo 2. ^ É importante lembrar que a previsão inclui os quatro efeitos T.Etapa Define Š Como são feitas previsões utilizando a decomposição de séries temporais? Exemplo 2. Método DMADV . Para a obtenção da previsão ^ Y deverão ser seguidas as etapas descritas no Quadro 2. . C e I: Y = T.

^ Yt = valor previsto. Após o cálculo dos erros individuais de previsão. se a técnica empregada não é adequada. Faça as previsões que foram realizadas pelo Black Belt. conforme é mostrado nos itens (b).30.30 (a). 1 –– Erro individual de previsão (et) O erro individual de previsão (et) é a diferença entre o valor real da variável e a previsão feita para esse valor. Yt = valor real da variável. A medição dos erros de previsão Š Como o usuário da técnica de previsão pode avaliar o desempenho da mesma? A avaliação pode ser feita por meio da comparação dos valores previstos com os valores reais da variável considerada e do cálculo do valor do erro de previsão. Como ilustra a Figura 2. os resíduos podem apresentar uma configuração sistemática na qual fica evidente. que se deixou de levar em consideração uma tendência (b). pode ser construído um gráfico sequencial para os valores obtidos. Design for Lean Six Sigma . Š Como avaliar o erro de previsão? Há diversas medidas para avaliação do erro de previsão. se a técnica de previsão utilizada é adequada. .Ferramentas básicas usadas nas etapas D e M do DMADV Exercício 2. Por outro lado. por exemplo. devem ser distribuídos aleatoriamente ao longo do tempo. os erros individuais de previsão (que também podem ser denominados resíduos) representam o com- ponente irregular da série temporal e. conforme será detalhado a seguir. portanto. et = Yt –– ^ Yt Erro individual de previsão onde et = erro individual da previsão.1 utilizou os resultados da decomposição da série temporal para prever a venda mensal de ““Sweet Choco”” no segundo e no oitavo meses após o último período de 84 tempo constante na Tabela de dados. (c) e (d) da Figura 2.6 O Black Belt do Exercício 2. uma variação cíclica (c) ou variações sazonais (d).

83 = 1. O erro médio (ME) é: ME = Ȉ ei = 10. ME = Ȉ ei número de previsões Erro médio (ME) onde ei = erro individual da previsão para o valor i.5 Os dados da Tabela 2. em um período de 11 meses. Na última coluna dessa Tabela são apresentados os valores do erro indivi- dual de previsão. Exemplo 2.Etapa Define 85 2 –– Erro médio (ME –– Mean Error) O erro médio (ME) é a média dos erros individuais de previsão para um grupo de dados.10 são referentes à demanda real e à demanda prevista de um produto. Método DMADV .083 número de previsões 10 .

6 O valor do MAD para os dados do Exemplo 2. Desvio médio absoluto (MAD) onde ei = erro individual da previsão para o valor i. Design for Lean Six Sigma . Exemplo 2.5 é: .Ferramentas básicas usadas nas etapas D e M do DMADV 86 3 –– Desvio médio absoluto (MAD –– Mean Absolute Deviation) O desvio médio absoluto (MAD) é a média dos valores absolutos dos erros individuais de previ- são para um grupo de dados.

Exemplo 2. 87 Desvio médio quadrático (MSD) onde ei = erro individual da previsão para o valor i.5 é: 5 –– Erro médio percentual (MPE –– Mean Percentage Error) O erro médio percentual (MPE) é a média dos erros percentuais para um grupo de dados. Erro médio percentual (MPE) onde ei = erro individual da previsão para o valor i.7 O valor do MSD para os dados do Exemplo 2. Método DMADV .5 é: 11.179 % 10 .8 O valor do MPE para os dados do Exemplo 2. Yi = valor real da variável.Etapa Define 4 –– Desvio médio quadrático (MSD –– Mean Squared Deviation) O desvio médio quadrático (MSD) é a média dos quadrados dos erros individuais de previsão para um grupo de dados.786 MPE = = 1. Exemplo 2.

072 = 3. utilizando a decomposição de séries temporais. para os dados do Exemplo 2. |ei|.10 A Tabela 2. ei2. ei / Yi e |ei / Yi |.9 O valor do MAPE para os dados do Exemplo 2.Ferramentas básicas usadas nas etapas D e M do DMADV 6 –– Erro médio percentual absoluto (MAPE –– Mean Absolute Percentage Error) O erro médio percentual absoluto (MAPE) é a média dos valores absolutos dos erros percentuais para um grupo de dados.31. O MAPE geralmente é o erro preferido pelos usuários de técnicas de previsão. 88 Erro médio percentual absoluto (MAPE) onde ei = erro individual da previsão para o valor i.1. Design for Lean Six Sigma .507 % 10 Exemplo 2. as previsões do volume de vendas.5 é: MAPE = 35. o que indica adequação da técnica de previsão utilizada.11 apresenta. Exemplo 2. os resíduos estão distribuídos aleatoriamente ao longo do tempo. Nesse gráfico. Yi = valor real da variável. e também os erros ei. O gráfico sequencial para os valores dos erros individuais de previsão (resíduos) é mostrado na Figura 2. .

Método DMADV .Etapa Define 89 .

1 Resumo: Como fazer previsões utilizando a decomposição de séries temporais A Figura 2.250% Exercício 2.348% •• MAPE = 2.1 •• MPE = -0.772 •• MAD = 75.1 são: •• ME = -4.Ferramentas básicas usadas nas etapas D e M do DMADV 90 Os valores dos erros médios de previsão resultantes da utilização do método de decomposição da série temporal do Exemplo 2.32 apresenta um resumo do procedimento que deve ser empregado para se fazer previsões por meio da decomposição de séries temporais.254.975 •• MSD = 13. .7 Avalie os valores dos erros de previsão resultantes da utilização do método de decomposi- ção da série temporal do Exercício 2. Design for Lean Six Sigma .

Etapa Define 91 .Método DMADV .

A Análise de Regressão processa as informações contidas em um conjunto de dados de forma a gerar um modelo que represente o relacionamento existente entre as variáveis de interesse.Ferramentas básicas usadas nas etapas D e M do DMADV 3. Sua utilização vem se ampliando a cada dia.3 . Š De que forma a Análise de Regressão é usada como técnica estatística de previsão? A Análise de Regressão é a base das técnicas de previsão fundamentadas em correlações. Alguns exemplos de possíveis relaciona- mentos entre variáveis são apresentados na Figura 2. Design for Lean Six Sigma .Ferramenta: Análise de Regressão15 92 Introdução Š O que é Análise de Regressão? A Análise de Regressão é uma técnica estatística usada para investigar e modelar o relaciona- mento existente entre duas ou mais variáveis.33. . Essas técnicas buscam prever o comportamento do fenômeno de interesse com base em uma previsão feita a partir de outras variáveis relacionadas ao fenômeno. principal- mente devido ao fato de essa ferramenta ser baseada na ideia relativamente simples de se empregar uma equação para expressar o relacionamento entre as variáveis de interesse.

enquan- to as variáveis preditoras podem ser denominadas variáveis independentes. A seguir será considerado o caso mais simples.11 A rede de lanchonetes Minas Pão de Queijo verificou que as vendas mensais de refeições em suas lojas estão relacionadas ao número de estudantes matriculados em colégios e/ou faculdades situa- dos nas proximidades de cada loja. explicativas ou regressoras. 93 A variável-resposta pode ser chamada variável dependente e é representada pela letra y. essa equação identifica o efeito das variáveis preditoras sobre o fenômeno que se deseja prever. . Os dados referentes às vendas mensais e ao número de estudan- tes nas proximidades das 15 lojas da rede são mostrados na Tabela 2. que envolve uma única variável preditora. Após a coleta de dados.Etapa Define Os seguintes dados devem ser coletados para que a Análise de Regressão possa ser utilizada para a realização de previsões baseadas em correlações: •• Histórico do fenômeno em questão (variável-resposta) •• Histórico das variáveis de previsão (variáveis preditoras). é possível estabelecer a equação matemática que expresse o fenômeno de interesse (variável-resposta) como uma função das variá- veis preditoras. A empresa pretende instalar uma nova loja em uma região onde o número de estudantes é cinco mil e deseja utilizar a técnica de Análise de Regressão para prever a demanda.12. por meio da Análise de Regressão.1116. Método DMADV . Portanto. Regressão Linear Simples 1 –– Ajuste da equação de regressão linear simples Š O que caracteriza a regressão linear simples? A regressão linear simples envolve apenas duas variáveis –– a variável-resposta e uma variável preditora. O estudo da regressão linear simples será realizado no contexto do Exemplo 2. e são representadas pela letra x. Exemplo 2.

para visualização da ligação existente entre as duas variáveis. conforme será detalhado a seguir. O próximo passo a ser executado é o ajuste da equação que represente o relacionamento linear entre as duas variáveis consideradas. . O gráfico obtido (Figura 2.35. Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 94 Como primeira etapa da análise. A representação dessa relação é mostrada na Figura 2.34) sugere a existência de um relacionamento linear entre as vendas mensais (y) e o número de estudantes (x). deve ser construído um Diagrama de Dispersão17.

Método DMADV .Etapa Define 95 96 97 .

Ferramentas básicas usadas nas etapas D e M do DMADV .Design for Lean Six Sigma .

Etapa Define .Método DMADV .

36 (a) e (b).12 Neste exemplo é apresentada. b0 e b1 são desconhecidos e. Exemplo 2.75 x . Ou seja. n e utilizar um software estatístico ou o Excel. respectivamente. independente. será necessário obter seus valores por meio de dados amostrais.11. portanto.Ferramentas básicas usadas nas etapas D e M do DMADV Š Como representar o relacionamento linear entre duas variáveis? O relacionamento linear entre duas variáveis pode ser representado pela equação ^ y = b0 + b1x 98 Nessa equação. i = 1. 2. Design for Lean Six Sigma .75. nas Figuras 2.. yi). o intercepto e a inclinação da reta. Para isso será necessário dispor de n pares de dados observa- dos (xi. Analisando a Figura 2. a equação de regressão ajustada aos dados é: ^ y = 33. A equação ^ y = b0 + b1x é denominada equação de regressão linear simples. Š Como obter a equação de regressão linear simples? Na equação ^ y = b0 + b1x.. b0 e b1 são.1 + 4. explicativa ou regressora e y é denominada variável-resposta ou variável dependente. concluímos que b0 = 33.1 e b1 = 4.36 (a). Usualmente x é denominada variável preditora.. a saída do software MINITAB para o procedimento de ajuste da equação de regressão linear simples aos dados do Exemplo 2. .

Método DMADV .Etapa Define 99 2 3 .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV .

Etapa Define .Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV .Design for Lean Six Sigma .

Método DMADV .Etapa Define .

Estud 4.01 0.548 9.058 3. •• Teste de hipóteses referente ao intercepto (estatística T associada à linha identificada como Constant na saída do MINITAB): H0: o intercepto pode ser retirado da equação de regressão (b0 = 0). •• Teste de hipóteses referente à variável preditora x (estatística T associada à linha identificada como No. sendo que os principais elementos dessa saída são destacados nos retângulos. A decisão sobre rejeitar (ou não) a hipótese H0 de cada um dos testes é tomada com base no p-valor do teste. Tabela de coeficientes Predictor Coef SE Coef T P Constant 33.36(a)? A interpretação detalhada da saída do MINITAB da Figura 2. .32 0.Ferramentas básicas usadas nas etapas D e M do DMADV Š Como interpretar as outras informações da Figura 2. Š SE Coef = valores para os desvios padrão do intercepto (b0) e da inclinação da reta (b1). Design for Lean Six Sigma . Š T = estatística para testar18 se a variável preditora x ou o intercepto b0 podem ser retirados da equação.7513 0.000 No.4315 11.000 Š Coef = valores para o intercepto b0 e a inclinação b1. 104 1. H1: a variável x não pode ser retirada da equação de regressão (b1 # 0). H1: o intercepto não pode ser retirado da equação de regressão (b0 # 0). Estud na saída do MINITAB): H0: a variável x pode ser retirada da equação de regressão (b1 = 0).36(a) é realizada a seguir. conforme descrito a seguir.

•• Teste de hipóteses referente à variável preditora x (valor P associado à linha identificada como No. concluímos que a variável preditora x (número de estu- dantes) não pode ser retirada da equação.000. 105 •• Teste de hipóteses referente ao intercepto (valor P associado à linha identificada como Constant na saída do MINITAB): H0: o intercepto pode ser retirado da equação de regressão (b0 = 0). H1: o intercepto não pode ser retirado da equação de regressão (b0 # 0).Se P > 0. Estud na saída do MINITAB): H0: a variável x pode ser retirada da equação de regressão (b1 = 0). No Exemplo 2. . como P = 0. .10. H1: a variável x não pode ser retirada da equação de regressão (b1 # 0). .10. concluímos que o intercepto não pode ser retirado da equação. Black Belts e Green Belts””. a variável preditora x pode ser retirada da equação (isto é: ““vale”” a hipótese H0). .10. Método DMADV . a variável preditora x não pode ser retirada da equação (isto é: ““vale”” a hipótese H1).12.Etapa Define Š P = p-valor18 do teste para avaliar se a variável preditora x ou o intercepto b0 podem ser retirados da equação. . mostrado a seguir (pergunta 2).Se P > 0.12. o intercepto não pode ser retirado da equação (isto é: ““vale”” a hipótese H1). o intercepto pode ser retirado da equação (isto é: ““vale”” a hipótese H0). No quadro ““Perguntas de Champions.Se P < 0. como P = 0.000. serão apresentados mais detalhes referentes a esse teste de hipóteses. No Exemplo 2.Se P < 0.10.

8 1.635 R-Sq = 90.6 5336.Ferramentas básicas usadas nas etapas D e M do DMADV 2.0 37.3% R-Sq(adj) = 89. R-sq (adj) (R2adj) S = 6. presente na equação de regressão.8 Total 14 5908.6% Š R2adj é denominado coeficiente de determinação múltipla ajustado (0 < R2adj < 1). 5. que é explicada pela variável preditora x. Quanto mais próximo de 1 (ou de 100%) for R2adj.635 R-Sq = 90.22 0. Design for Lean Six Sigma .6 121.3% R-Sq(adj) = 89.635 R-Sq = 90. 4. •• Na seção sobre regressão linear múltipla serão apresentados mais detalhes sobre o coefi- ciente de determinação múltipla ajustado.3% R-Sq(adj) = 89.000 Residual Error 13 572.3 44.24 0.6% Š S mede a variabilidade dos dados em torno da equação de regressão.0 Lack of Fit 9 421.449 Pure Error 4 151.3 46. Análise de variância Analysis of Variance Source DF SS MS F P Regression 1 5336. mede a proporção da variabilida- de presente nas observações da variável resposta y.9 7 rows with no replicates . melhor a qualidade da equação de regressão ajustada aos dados. S S = 6. 106 3.6% Š R2. denominado coeficiente de determinação (0 < R2 < 1). R-sq (R2) S = 6.

10. H1: a equação linear ^ y = b0 + b1x não se ajusta bem aos dados. explicado anteriormente: 107 H0: a variável x pode ser retirada da equação de regressão (b1 = 0).24 0. Analysis of Variance Source DF SS MS F P Regression 1 5336. . como P = 0. Como já era esperado. como P = 0.10.10.Se P < 0. concluímos que a variável preditora x (número de estudan- tes) não pode ser retirada da equação. Método DMADV .10. .8 1.12.6 5336.8 Total 14 5908.12. a variável preditora x pode ser retirada da equação (isto é: ““vale”” a hipótese H0). . a variável preditora x não pode ser retirada da equação (isto é: ““vale”” a hipótese H1).449 Pure Error 4 151.Se P > 0.0 37.9 7 rows with no replicates Š P = p-valor18 do teste da falta de ajuste: H0: a equação linear ^ y = b0 + b1x se ajusta bem aos dados.Etapa Define Š P = p-valor18 do teste para avaliar se a variável preditora x pode ser retirada da equação. essa é a mesma conclusão obtida anteriormente.22 0. quando foi realizado o teste baseado na estatística T.000 Residual Error 13 572. a equação linear se ajusta bem aos dados (isto é: ““vale”” a hipótese H0).10. . a equação linear não se ajusta bem aos dados (isto é: ““vale”” a hipótese H1).449 > 0.Se P < 0. No Exemplo 2.Se P > 0. .3 46.0 Lack of Fit 9 421.3 44. Esse teste é equivalente ao teste com base na estatística T. H1: a variável x não pode ser retirada da equação de regressão (b1 # 0).000. concluímos que a equação linear se ajusta bem aos dados. No Exemplo 2.6 121.

é necessário que existam observa- ções repetidas de y para um mesmo nível de x. 71. Design for Lean Six Sigma .00 Š Fit ( ^y0) •• Fit.05) (41.Estud 1 5. nos dados do Exemplo 2.81 1.0% PI 1 56. 4. O teste da falta de ajuste é. 10 e 12. . Š SE Fit = valor para o desvio padrão do valor pontual predito para a variável-resposta quando a variável preditora assume o valor particular x0. Valores preditos para novas observações da variável x Predicted Values for New Observations New Obs Fit SE Fit 95. 61. Em outras palavras. com observações repetidas em x = 3.76) Values of Predictors for New Observations New Obs No.58. •• 56.87. O leitor deve observar que. o procedimento que pode ser empregado para se avaliar a qualidade do ajuste da equação de regressão utilizada. Š 95.0% CI 95. •• Para que o teste da falta de ajuste possa ser realizado. Por esse motivo. 6. O número total de observações é igual a 15. portanto. é o valor pontual predito para a variável- resposta quando a variável preditora assume o valor particular x0. é dese- 108 jável saber se a forma da equação está correta ou não. representado matematicamente por ( ^ y0). o teste da falta de ajuste avalia se o relacionamen- to entre y e x pode ser bem aproximado por uma linha reta na região do estudo.0% CI (intervalo de 95% de confiança19 para a resposta média) = intervalo de confiança para o valor médio da variável-resposta quando a variável preditora assume o valor particular x0.81 é o valor pontual previsto para as vendas mensais (em milhares de reais) da nova loja a ser instalada na região em que o número de estudantes é igual a cinco mil.11.96 (52.Ferramentas básicas usadas nas etapas D e M do DMADV Observações sobre o teste da falta de ajuste •• As equações de regressão geralmente são ajustadas aos dados quando a verdadeira relação funcional existente entre as variáveis consideradas é desconhecida. há 11 valores distintos de x.

de mil alunos. ou que a relação verdadeira entre x e y não é linear. Método DMADV .87.0% PI (intervalo de 95% de predição19 para o valor de uma observação futura de y) •• 95. a alteração esperada em y quando x sofre um acréscimo unitário é: ^ yfinal –– ^ yinicial = [b0 + b1 (x + 1)] –– [b0 + b1x] = b1.12. . 71. No contexto do Exemplo 2.75 milha- res de reais nas vendas mensais quando o número de estudantes nas proximidades da loja sofre um acréscimo unitário. 2. •• Quando a variável x sofre um acréscimo unitário.0% PI é o intervalo de 95% de predição para o valor de uma observação futura da variável-resposta quando a variável preditora assume o valor particular x0. b1 = 4.75 significa que é esperado um aumento de 4. ^y = y para todo x (onde y = média das observações da variável resposta y). Note que esse resultado pode implicar que x é pouco importante para explicar a variação em y –– como na Figura 2. •• Portanto. nesse caso. como mostrado na Figura 2.Etapa Define Š 95.37. Perguntas de Champions.76) é o intervalo de 95% de predição para o valor futuro das vendas mensais (em milhares de reais) da nova loja a ser instalada na região em que o número de estudan- tes é igual a cinco mil. Como é possível interpretar a inclinação da reta (b1)? A inclinação b1 representa a alteração esperada na variável-resposta y quando a variável x sofre um acréscimo unitário: •• Seja ^ yinicial = b0 + b1x. O que significa. concluir que a variável regressora x pode ser retirada da equação de regressão (isto é: concluir que b1 = 0)? Concluir que a variável regressora x pode ser retirada da equação de regressão é equivalente a concluir que não existe relação linear entre x e y.37(a) –– e que. 109 •• (41. Essa situação é ilustrada na Figura 2.37(b). Black Belts e Green Belts 1. ^ yfinal = b0 + b1 (x + 1). isto é. na prática.

uma melhor equação poderá ser obtida se forem incluídos termos de ordem mais elevada em x.38(b).38). ou seja. apesar de haver um efeito linear de x. Contudo.38(a) –– ou que. se a conclusão é que a variável regressora x não pode ser retirada da equação. conforme ilustra a Figura 2. isso implica que x é importante para explicar a variabilidade em y (Figura 2. Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 110 Em caso contrário. essa conclusão pode indicar que a equação linear é adequada –– Figura 2. .

39 são apresentados quatro diagramas que ilustram algumas situações que podem ocorrer quando uma equação de regressão linear simples é ajustada a uma massa de dados. o coeficiente de deter- minação R2 para a equação de regressão da Figura 2. concluirmos que a equação linear não se ajusta bem aos dados? Nesse caso. devendo ser procurada uma outra que se adapte melhor aos dados –– talvez a equação quadrática ^ y = b0 + b1x + b2x2 ou a equação exponencial ^ y = b0b1x. que será apresentada a seguir.Etapa Define 3. R2 deve ser empregado com cuidado. apesar de o relacionamento entre as variáveis não ser linear. Por esse motivo. •• R2 não mede a adequação do modelo. 4. •• R2 não mede a magnitude da inclinação da reta de regressão. já que. Por outro lado. . nem sempre a nova equação será melhor que a primeira. Por exemplo. Um grande valor para R2 não implica um valor elevado para a inclinação da reta. é preferível analisar o valor de R2adj. Na Figura 2. No entanto. no teste da falta de ajuste. É necessário algum cuidado ao se utilizar o coeficiente de determinação R2? Sim. Como proceder quando. é possível que R2 assuma valores elevados. mesmo que x e y não apresentem um relaciona- mento linear. que não ocorre em condições usuais. 5. um valor elevado para R2 pode ocorrer porque x assumiu um campo de variação irrealisticamente grande. É possível que R2 seja pequeno simplesmente porque as observações em x estão assumindo um campo de variação muito pequeno para que o relacionamento entre x e y possa ser detectado. bem como as ações a serem executadas em cada caso. apesar do maior valor para R2. •• A magnitude de R2 depende da faixa de variação da variável preditora. Como proceder para se avaliar a possível falta de ajuste. devido aos seguintes motivos: 111 •• É possível aumentar o valor de R2 por meio da adição de novas variáveis preditoras ao modelo.38(b) será relativamente grande. que leva em consideração o número de variáveis preditoras incluídas na equação (mais detalhes sobre R2adj serão apresen- tados na seção sobre regressão linear múltipla). nos casos em que observações repe- tidas não estão presentes na massa de dados utilizada para o ajuste da equação de regressão? Nesses casos a possível ocorrência da falta de ajuste poderá ser avaliada por meio da realização da análise de resíduos. Método DMADV . a equação linear deverá ser abandonada.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 112 .

negativo (ponto abaixo da reta) ou zero (ponto sobre a reta). 2. ou seja. portanto. Em outras palavras.36(b). denominada resíduo. resíduo = valor observado –– valor predito Retornando ao Exemplo 2. Os resíduos para os dados do Exemplo 2.Etapa Define 2 –– Análise de resíduos Š O que é um resíduo? 113 Um resíduo é definido por ei = yi –– ^ yi .11 são apresentados na Tabela 2. A diferença entre o valor observado de y e o valor correspon- dente dado pela reta ^y = 33.13.1 + 4. …… . o leitor poderá observar que os pontos amostrais estão distribuídos aleatoriamente em torno da reta de regressão ajustada aos dados.11 e à Figura 2.75 x é. É importante notar que um resíduo pode ser positivo (ponto acima da reta). nem todos os pontos estão sobre a reta. . i = 1. n onde yi é uma observação e ^ yi é o valor correspondente calculado por meio da reta de regressão. Método DMADV .

•• Gráfico de resíduos contra o tempo. para a qual há uma boa adequação da reta ajustada aos dados. no qual os resíduos estão situa- dos. em uma faixa horizontal centrada em ei = 0. a adequação da reta de regressão ajustada aos dados? A análise de resíduos é baseada na construção e análise de gráficos apropriados para os resíduos. Mas é claro que combinações e variações desses padrões também podem ocorrer. . os resíduos devem apresentar as seguintes propriedades: •• Ter variabilidade aproximadamente constante. representa a situação satisfatória. 114 •• Não ser correlacionados. Š Como verificar. 2. •• Presença de observações extremas (possíveis ““outliers””). A aparência dos gráficos dos resíduos contra valores ajustados será geralmente próxima a um dos quatro padrões gerais apresentados na Figura 2.Ferramentas básicas usadas nas etapas D e M do DMADV Para que seja possível concluir que há uma boa adequação da reta ajustada aos dados. •• Gráfico de probabilidade normal para os resíduos.40. (c) e (d) da Figura 2. Já os padrões (b). •• Gráfico de resíduos contra variáveis não incluídas no modelo. Design for Lean Six Sigma . •• Ter distribuição aproximadamente normal. aproximadamente.1 –– Gráfico de resíduos contra valores ajustados ^yi Um gráfico dos resíduos (ei) contra os correspondentes valores ajustados ( ^yi ) é muito útil para detectar as seguintes inadequações da equação de regressão: •• A equação de regressão não é linear. O padrão (a) dessa Figura.40 indicam inadequações da equação de regressão. por meio da análise de resíduos. •• A variabilidade dos resíduos não é constante. Nesta seção serão apresentados e discutidos os seguintes gráficos de resíduos: •• Gráfico de resíduos contra valores ajustados ^yi . •• Gráfico de resíduos contra valores da variável preditora xi.

No entanto. semelhante à forma de um funil. O padrão apresentado na Figura 2. aumentando à medida que ocorrem acréscimos na variável-resposta.Etapa Define 115 O padrão apresentado na Figura 2. também indica que os resíduos não têm variabilidade aproximadamente constante. portanto. indica que a variabilida- de dos resíduos não é constante.40(c). também existem situações em que a variabilidade dos resíduos aumenta com o decréscimo de y. ocorre quando a variabilidade dos resíduos é maior para valores intermediários de y e. . que lembra a forma de um laço duplo. Método DMADV . Nessa Figura a variabilidade dos resíduos é uma função crescente de y.40(b).

é consideravelmente maior que os demais. Design for Lean Six Sigma .40. representa uma observação que não é típica do restante da massa de dados.41 apresenta um exemplo. Pode ser necessário. 116 Retornando à Figura 2. Esse resultado pode implicar a necessidade da inclusão de outras variáveis preditoras na equação. por exemplo. os outliers podem exercer grandes efeitos sobre a equação de regressão ajustada aos dados. em valor absoluto. Dependendo de seus valores. os outliers serão pontos bastante afastados da região onde se concentram os demais resíduos. isto é. O gráfico de resíduos contra ^ yi também pode ser útil para revelar a presença de observações extremas.Ferramentas básicas usadas nas etapas D e M do DMADV Quando é detectado que a variabilidade dos resíduos não é aproximadamente constante. O gráfico de resíduos da Figura 2. Um resíduo que. é um outlier em potencial. o padrão (d) no gráfico de ei contra ^ yi indica não linearidade. conhecidas como outliers. . Em um gráfico de resíduos ei contra valores ajustados ^ yi. Também pode ser preci- so realizar transformações na variável preditora e/ou na variável-resposta21. a abordagem usual para lidar com esse problema consiste em realizar transformações na variável- resposta para estabilizar a variabilidade21. incluir na equação um termo quadrático em x.

Analisando o gráfico.Etapa Define Exemplo 2.42.13 O gráfico de resíduos contra valores ajustados para o Exemplo 2. 8 9 .13. não são percebidas quaisquer indicações da presença das seguintes inadequações: •• Falta de linearidade da equação de regressão.11 é mostrado na Figura 2. em uma faixa horizontal centrada em ei = 0. Método DMADV . Os resíduos estão 117 situados. •• Presença de observações extremas (outliers). •• Violação da propriedade de que os resíduos tenham variabilidade aproximadamente constante. Esse gráfico foi construído a partir dos resíduos apresentados na Tabela 2. aproximadamente.

Ferramentas básicas usadas nas etapas D e M do DMADV .Design for Lean Six Sigma .

Etapa Define . Método DMADV .Etapa Define Método DMADV .

Em muitos casos a configuração dos gráficos ei X xi corresponderá a um dos quatro padrões gerais já apresentados na Figura 2.40. é semelhante à já apresentada no item 2.11 é mostrado na Figura 2.40.1. 3 2.14 O gráfico de resíduos contra valores da variável preditora para o Exemplo 2.13. A presença de configurações especiais nesse gráfico pode indicar que os resíduos são correlacionados. um gráfico dos resíduos (ei) contra os valores da variável preditora (xi) fornece o mesmo tipo de informação gerada pelo gráfico de resíduos contra 120 valores ajustados ( ^ yi). bastando para isso que.Ferramentas básicas usadas nas etapas D e M do DMADV 2. Design for Lean Six Sigma . A interpretação dos padrões representados na Figura 2. após a substituição de ^ yi por xi. ^ yi seja substituído por xi.2 –– Gráfico de resíduos contra valores da variável preditora xi No caso da equação de regressão linear simples.3 –– Gráfico de resíduos contra o tempo A validade da suposição de que os erros são não correlacionados pode ser verificada por meio de um gráfico de resíduos contra o tempo ou ordem de coleta das observações. nessa Figura. . A partir da análise dessa Figura são estabelecidas as mesmas conclusões apresentadas no Exemplo 2.43. Exemplo 2.

na qual o tempo não está influenciando os dados ou. (c) e (d) da Figura 2.40 representam situações nas quais os efeitos do tempo não foram incorporados à equação.11 não faz sentido a construção de um gráfico de resíduos contra o tempo. Para o Exemplo 2. após a substituição de ^ yi pelo tempo ou pela ordem de coleta das observações. Os padrões (b).44. Outras configurações que indicam a presença de correlação entre os resíduos são apresentadas na Figura 2. Esses padrões podem indicar que a variabilidade das observações é crescente (ou decrescen- te) com o tempo ou que é necessário adicionar ao modelo termos lineares ou quadráticos no tempo. relacionada ao tempo) na equação de regressão.Etapa Define Muitas vezes o problema da existência de correlação entre os resíduos pode ser uma consequência da não inclusão de uma variável importante (nesse caso. O padrão (a) da Figura 2. Método DMADV . esse efeito já foi incorporado pela variável preditora. caso esteja. 121 Em muitas situações a configuração dos gráficos de resíduos contra o tempo poderá corresponder a um dos quatro padrões gerais apresentados na Figura 2.40 novamente representa a situação satisfatória.40. .

Ferramentas básicas usadas nas etapas D e M do DMADV .Design for Lean Six Sigma .

Etapa Define Método DMADV . Método DMADV .Etapa Define .

A configuração (a) representa a situação satisfatória na qual os pontos estão localizados. os resíduos podem parecer não seguir uma distribuição normal devido ao emprego de uma equação de regressão inade- quada para descrever o relacionamento entre as variáveis ou devido à violação da suposição de que . 124 Na Figura 2. As configurações de (b) a (e) repre- sentam situações para as quais a validade da suposição de normalidade dos resíduos não é confirmada pelos dados. em muitos casos.45 são apresentadas algumas configurações possíveis para o gráfico de probabilidade normal para os resíduos.Ferramentas básicas usadas nas etapas D e M do DMADV 2. aproximadamente. É importante chamar a atenção do leitor para o fato de que.4 –– Gráfico de probabilidade normal para os resíduos A validade da suposição de que os resíduos têm distribuição aproximadamente normal pode ser verificada por meio do gráfico de probabilidade normal para os resíduos. ao longo de uma reta. Isso indica que a suposição de que os resíduos têm distribuição aproximadamente normal pode ser considerada válida. Design for Lean Six Sigma .

Usualmente. devem ser enfatizados os valores centrais do gráfico e não os extremos. é aconselhável avaliar a validade da suposição de normalidade depois de terem sido realizadas as investigações para verificar se as duas outras suposições associadas aos resíduos (variabilidade aproximadamente constante e 125 ausência de correlação) podem ser consideradas válidas. conforme descrito no Exemplo 2. a visualização da aproximação dos pontos por uma linha reta é subjetiva e então. Vale destacar que na visualização da linha reta no gráfico de probabilidade normal para os resíduos.46. deve ser realizado um teste de normalidade. Exemplo 2.11 é mostrado na Figura 2.15 O gráfico de probabilidade normal para os resíduos do Exemplo 2. Por essa razão.Etapa Define os resíduos têm variabilidade aproximadamente constante. para completar a avaliação da normalidade. 6 7 .15. Método DMADV .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV .

Método DMADV .Etapa Define .Etapa Define Método DMADV .

a distribuição dos resíduos é aproximadamente normal (isto é: ““vale”” a hipótese H0). para verificar a valida- de da suposição de normalidade dos resíduos.100 (e.46 é possível concluir que os pontos centrais estão localizados. consequentemente.05. isto é. 2.46. tópico que será apresentado em outro volume da Série Werkema de Excelência Empresarial. é possível concluir que a distribuição dos resíduos é aproximadamente normal.05. .Ferramentas básicas usadas nas etapas D e M do DMADV A partir da análise da Figura 2. aproximadamente. •• Se p-Value < 0. Para confirmar essa indicação. A presença de algum tipo de configuração especial nesse gráfico indica que a equação poderá ser aprimorada se essa nova variável preditora for incorporada à equação. É claro que um gráfico desse tipo somente poderá ser construído se os níveis da variável preditora não incluída na equação forem conhecidos. H1: a distribuição dos resíduos NÃO É aproximadamente normal. o próximo passo da análise consiste na realização do 128 teste de hipóteses abaixo: H0: a distribuição dos resíduos É aproximadamente normal.47. será criada uma equação de regressão linear múltipla. como p-Value > 0. a distribuição dos resíduos não é aproximadamente normal (isto é: ““vale”” a hipótese H1). é maior que 0. No caso da incorporação de novas variáveis preditoras.05). ao longo de uma reta. Design for Lean Six Sigma . Na Figura 2. A regra de decisão do teste é: •• Se p-Value > 0.5 –– Gráfico de resíduos contra variáveis não incluídas na equação Um gráfico de resíduos contra os valores de alguma variável preditora omitida da equação tam- bém pode ser útil para revelar uma possível falta de adequação dessa equação. Um resumo das técnicas de análise de resíduos é apresentado na Figura 2.

por meio da letra R (R denotes an observation with a large standardized residual). um outlier é uma observação extrema. o MINITAB os indica (na Session. a partir da análise dos gráficos de resíduos contra ^yi ou xi ou do gráfico de probabilidade normal para os resíduos. ou eliminado do conjunto de dados. Algumas vezes. se isso for possível. que usualmente são de interesse do pesquisador. geralmente. for consideravelmente maior que os demais. Quando há possíveis outliers no conjunto de dados. . mas possíveis de serem explicados. podendo ser identificado. como registro incorreto dos dados ou presença de algum defeito no instrumento de medição utilizado.Etapa Define 129 Perguntas de Champions. Como detectar e tratar outliers? Conforme foi definido anteriormente. Método DMADV . em valor absoluto. provavelmente será um outlier. os outliers surgem como resultado da ocorrência de eventos não usuais. o outlier deve ser corrigido. Black Belts e Green Belts 1. que não é típica do restante da massa de dados. devendo então ser analisados com cuidado. Nesses casos. É importante ressaltar que os outliers podem fornecer informações valiosas sobre situações pouco comuns. sob o título Unusual Observations). Um resíduo que.

Deve ser observado que as situações nas quais uma percentagem muito pequena dos da- dos exerce um grande impacto sobre a equação podem ser inaceitáveis para o usuário da análise de regressão. os outliers também podem representar observações não usuais. Quando isso acontece. . portanto. O efeito de outliers na equação de regressão pode ser avaliado por meio do procedimento descrito na Figura 2. pois uma equação desse tipo não refletirá o relacionamento entre x e y indicado pela maioria dos dados.48. Por esse motivo. eles de- vem ser eliminados do conjunto de dados somente quando existir uma forte evidência de que resultaram de um erro de registro. eles podem forne- cer informações importantes sobre o fenômeno que está sendo analisado. resultar em um novo conhecimento sobre a forma de atuação de fatores cujos efeitos na variável-resposta ainda eram desconhecidos. mas perfei- tamente plausíveis de ocorrerem na massa de dados. como no caso em 130 que o outlier ocorre como resultado da atuação de alguma variável independente que não foi incluída no modelo.Ferramentas básicas usadas nas etapas D e M do DMADV Por outro lado. Isso acontece porque é desejável obter uma equação de regressão que não seja exageradamente afetada por poucas observações. do funcionamento inadequado de algum equipamento ou de outras circunstâncias similares. Design for Lean Six Sigma . A identificação de outliers e a análise das causas que levaram ao seu apare- cimento podem. medição ou cálculo.

Para que fique mais claro o significado dessa afirmação. Nessa Figura. . suponha que os dados para x e y tenham sido coletados na região x1 < x < x2. No entanto. é uma boa aproximação para o verdadeiro relacionamento funcional existente entre as variáveis. Š As equações de regressão podem ser utilizadas para a realização de interpolações na faixa de variação da variável preditora presente na equação e podem não ser válidas para extrapolações fora dessa faixa.Etapa Define Alertas quanto ao uso da Análise de Regressão São cometidos vários abusos relacionados à utilização da regressão e por esse motivo é importante fazer alguns comentários sobre os principais cuidados que devem ser observados na 131 aplicação da Análise de Regressão. a equação de regressão linear. já que na faixa x2 < x < x3 a mesma não é adequada para representar o verdadeiro relacionamento entre as variáveis. Nesse intervalo.49. considere a Figura 2. suponha que essa equação seja utilizada para predizer valores de y correspondentes a valores da variável preditora no intervalo x2 < x < x3. Está muito claro que a equação de regressão linear não pode ser empregada com essa finalidade. Método DMADV .49. apresentada na Figura 2.

considere o seguinte exemplo. no qual a rede de lanchonetes deseja utilizar a equa- 132 ção de regressão ajustada aos dados para estimar as vendas mensais da nova loja que será instalada em uma região na qual o número de estudantes é cinco mil. Para predizer o volume de água a ser consumido amanhã será necessário fazer uma previsão da temperatura máxima de amanhã. Š Se a conclusão do teste das hipóteses H0: a variável x pode ser retirada da equação de regressão (b1 = 0) contra H1: a variável x não pode ser retirada da equação de regressão (b1 # 0) for a favor da ““aceitação”” de H1.204x.11. Isto é: a acurácia da previsão do consumo de água dependerá da acurácia da previsão da temperatura. que mostra o número de doentes mentais no Reino Unido por 10. É importante que se tome cuidado para que a natureza condicionada desse tipo de predição não seja esquecida. a predição do consumo de água está condicionada à previsão da temperatura. Em uma aplicação desse tipo é importante enfatizar que a validade das estimativas obtidas dependerá do fato de que as condições associadas ao fenômeno em questão. Esses autores construí- ram a Tabela 2. consi- dere a predição do consumo diário de água em uma determinada cidade a partir do emprego de uma equação de regressão que relacione esse consumo à temperatura diária máxima. . ainda se mante- nham no futuro.Ferramentas básicas usadas nas etapas D e M do DMADV Š Usualmente a Análise de Regressão é utilizada para que se façam inferências sobre resulta- dos que ainda serão obtidos no futuro. apresentado por Douglas C. Geoffrey Vining22. o valor da variável regressora x necessário para se realizar uma predição da variável-resposta y é desconhecido. Montgomery.000 habitantes (y) e o número de aparelhos de rádio nesse país (x). Como exemplo.14 é: ^ y = 4.582 + 2. o leitor poderá se lembrar do Exemplo 2. isso não implica necessariamente a existência de uma relação de causa e efeito entre x e y. Peck e G. Š Em algumas aplicações da Análise de Regressão. Esse resultado apenas aponta que existe um relacionamento significativo entre as duas variáveis. A reta de regressão ajustada aos dados da Tabela 2.14. Consequentemente. Para que essa afirmação fique mais clara. Para que essa afirmação fique mais clara. para o período 1924-1937. Design for Lean Six Sigma . durante o período de coleta dos dados que foram utilizados para o ajuste da equação de regressão. Elizabeth A.

A razão para esse forte relacionamento estatístico é o fato de que as duas variáveis aumentaram simultaneamente ao longo dos anos considerados. isto é.42%. devido à atuação de outros fatores. já que é extremamente improvável que o núme- ro de doentes mentais na população esteja funcionalmente relacionado ao número de aparelhos de rádio existentes. Isso significa que 98. Vale ressaltar que relações estatisticamente signi- ficativas entre x e y podem estar presentes sempre que essas variáveis apresentarem um relacionamento monotônico. à medida que uma variável aumenta.42% da varia- bilidade presente em y é explicada pelo número de aparelhos de rádio existentes no país. Neste exemplo. Método DMADV . .Etapa Define 133 O teste de H0: b1 = 0 contra H1: b1 # 0 tem p-valor igual a zero (ou seja. É claro que essa relação não tem sentido. a outra variável sempre aumenta ou sempre diminui. y está aumentando porque os procedimentos para o diagnóstico de do- enças mentais foram se tornando cada vez mais sofisticados com o passar dos anos consi- derados no estudo e x também sofreu aumentos devido ao decréscimo do preço dos aparelhos de rádio ao longo desses anos. a conclusão é que b1 # 0) e o coeficiente de determinação é R2 = 98.

Design for Lean Six Sigma . já que a inclinação b1 é muito afetada por valores de x que estejam muito afastados do 134 restante da massa de dados. como resulta- dos de algum erro grosseiro e em consequência disso forem descartados. com a presença dos pontos A e B. é fácil perceber o grande efeito exercido por esses dois pontos.50(b). considere o Diagrama de Dispersão apresen- tado na Figura 2.50(b) e (c). Comparando as retas das Figuras 2. A inclinação da reta de regressão ajustada aos dados depende muito dos pontos A e B. É importante destacar que situações desse tipo requerem a adoção de medidas corretivas.Ferramentas básicas usadas nas etapas D e M do DMADV Š A localização dos valores de x é muito importante para o ajuste da equação de regressão. que não está representando o comportamento da grande maioria da massa de dados. como a in- vestigação das causas que geraram esses pontos estranhos. a nova reta ajustada será semelhante à apresentada na Figura 2. Se esses pontos tiverem ocorrido. A reta de regressão ajustada. Como exemplo.50(c). para que seja possível decidir .50(a). por exemplo. será semelhante à reta desenhada na Figura 2.

Se esse ponto for eliminado. Note que a situação representada pela Figura 2.Etapa Define se eles devem ser eliminados ou não do conjunto de dados. possivelmente com a introdução de outros termos de ordem 135 superior em x. No exemplo considerado. Se as observações estranhas não puderem ser eliminadas. ou se deve ser feita uma reformulação da equação. esse relacionamento poderia ser representado pela curva da Figura 2.51. para que seja possível ter um melhor conhecimento sobre o tipo de relacionamento existente entre x e y.50(d). novos dados devem ser coletados com a variável preditora incluída na equação adquirindo valores pró- ximos àqueles que foram assumidos por essas observações. Método DMADV . a inclinação da reta de regressão será muito afetada pelo ponto isolado. provavel- mente a reta ajustada será paralela ao eixo dos x. . à existência de apenas duas observações. o que indicará ausência de efeito da variável preditora sobre a variável-resposta. grosso modo. uma em cada extremo da faixa de valores de x que está sendo considerada no estudo. Para que seja possível avaliar melhor o tipo de relacionamento entre x e y. Nesse exemplo.51 corresponderia. será necessário coletar mais observações com a variável x assumindo outros valores entre esses extremos. Uma situação um pouco diferente da que acabamos de analisar está representada na Figura 2. onde o valor de x correspondente a uma das observações está muito afastado dos valores de x para as demais observações da massa de dados (vale notar que o MINITAB indica as observações associadas a um valor não usual de uma variável preditora –– na Session. sob o título Unusual Observations –– por meio da letra X).

Ferramentas básicas usadas nas etapas D e M do DMADV Š A presença de outliers no conjunto de dados pode provocar sérias distorções no ajuste da reta de regressão. Na Figura 2. em 15 estados. Esses dados são apresentados na Tabela 2. a observação A parece ser um outlier. O leitor deverá utilizar a regressão linear simples para avaliar a possível relação entre as vendas relativas (y) e as despesas promocionais relativas (x). por exemplo. Design for Lean Six Sigma . Diagrama de Dispersão apresentando um outlier FIGURA 2.52 y A x Exercício 2.623 Uma grande rede de supermercados deseja determinar o efeito de uma promoção sobre sua competitividade relativa. Se esse ponto for de fato um outlier. sobre as despesas de promoção relativas às de um concorrente de vulto (despesas do concorrente = 100) e sobre as vendas relativas às desse concorrente (vendas do concorrente = 100). obteve dados.52. Para isso. já que 136 está muito afastada da reta que será ajustada ao restante dos dados. . ele exercerá uma grande influência sobre a estimativa do intercepto da reta de regressão.15.

psicográficos e comportamentais. conforme é ilustrado na Figura 2. demográficos. Para a definição do mercado-alvo. E diferentes empresas têm diferentes capaci- dades de atender aos diversos segmentos de mercado. deverá definir seu mercado-alvo. A seguir serão discutidas as principais técnicas para o levantamento de dados primários. Depois de a empresa ter identificado suas oportunidades de segmento de mercado. é necessário realizar levantamentos de dados apropriados. Atividade D3 . muito espalhados e muito varia- dos quanto às suas necessidades e práticas de compra. ela deverá definir que segmentos quer atingir com o novo produto. muitas vezes contra concorrentes mais fortes.53. atitudes de com- pra e hábitos de compra similares. ““um segmento de mercado consiste em um grupo que é identificado a partir de suas preferências. para todos os compradores de todos os tipos de mercados. poder de compra. Método DMADV . Š O que são segmentos de mercado e mercado-alvo? Segundo a definição de Philip Kotler25. Os principais critérios para a definição dos segmentos de mercado são os fatores geográficos. alto desempenho. Por exemplo. luxo ou segurança””.Definir os mercados-alvo Š Por que é necessário definir os mercados-alvo para o novo produto? Porque as empresas sabem que não é possível tentar vender seus produtos. Portanto. isto é. em vez de tentarem concorrer em todos os mercados.Etapa Define 137 4. . uma empresa automobilística pode identificar qua- tro segmentos gerais: compradores de automóveis que desejam basicamente um meio de transpor- te. pelo menos não da mesma forma. localização geográfica. as empresas devem identificar as parcelas do mercado que poderão atender melhor””. Nas palavras de Philip Kotler e Gary Armstrong24. ““os compradores são muito numerosos.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 138 .

Deve-se ter cuidado durante o processo de obten- ção dos mesmos. Nesta seção serão discu- tidas as principais ferramentas para a obtenção de dados primários qualitativos: pesquisa de grupo- foco e entrevista individual. na maioria dos casos também será necessário coletar dados primários. Š Como os dados primários podem ser classificados? Os dados primários. Método DMADV . Š É possível fazer uma comparação entre dados primários e secundários? Uma comparação entre dados primários e secundários é apresentada na Figura 2. podem ser classificados como qualitativos ou quantitativos. Apesar de os dados secundários serem um bom ponto de partida para a obtenção de informações.1 . conforme mostra a Figura 2.Ferramenta: Levantamento de dados primários (pesquisa de grupo- foco. As principais diferen- ças entre as pesquisas qualitativa e quantitativa são descritas na Figura 2. entrevista individual com consumidores-chave) 139 Introdução Š O que são dados primários? Os dados primários são aqueles gerados pela equipe de trabalho com a finalidade específica de solucionar o problema em questão. de acordo com a natureza da pesquisa realizada para sua coleta.56.Etapa Define 4. atuais e imparciais. . precisos. Sua coleta pode ser cara e demorada.55.54. já que eles devem ser relevantes.

Os participantes refletem sobre questões apresentadas pelo moderador. ouvem o que é dito pelas outras . fazem comentários. Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 140 Pesquisa de grupo-foco Š O que é uma pesquisa de grupo-foco? Essa técnica consiste em uma discussão não estruturada sobre o tema em pauta por um peque- no grupo de respondentes. com a presença de um moderador treinado.

Método DMADV . preferências e comportamentos de um determinado segmen- to de mercado quanto a um tipo de produto. Š O que determina o sucesso ou o fracasso de uma pesquisa de grupo-foco? Os principais fatores para o sucesso de uma pesquisa de grupo-foco são mostrados na Figura 2. A sessão poderá ser filmada e assistida posteriormente pela equipe responsável pelo desenvolvimento do novo produto ou poderá ser acompanhada em tem- po real pela equipe. se assiste à discussão realizada entre um grupo de pessoas de um segmento de mercado ou do mercado-alvo. através de vidros espelhados em uma das faces da sala. Para isso. •• Entendimento das percepções. •• Obtenção de impressões sobre os conceitos de um novo produto. Š Quais são as principais aplicações das pesquisas de grupo-foco? Os grupos-foco podem ser empregados para gerar conhecimentos preliminares sobre a situação de interesse. sendo adequados para tratar problemas como os listados a seguir: •• Geração de ideias novas sobre produtos mais antigos.57.Etapa Define pessoas do grupo e reagem a essas falas. . 141 Š Qual é o objetivo de uma pesquisa de grupo-foco? O principal objetivo da realização de uma pesquisa de grupo-foco é obter uma visão preliminar sobre questões de interesse para a equipe que está desenvolvendo o novo produto.

experiências e habilidades verbais””. a sessão é iniciada com uma discussão geral e. interligando os diversos comentários e incentivando todas as pessoas do gru- po a expressarem suas ideias. mas é importante que ele seja apenas um guia geral: o moderador não deverá ler perguntas formais para o grupo. De modo geral. Design for Lean Six Sigma . por causa das diferenças em suas percepções. Esse roteiro deve conter os tópicos específicos a serem abordados. Day29. No planejamento da agenda também deverá ser cuidadosamente avaliada a ordem na qual os tópicos serão abordados pelo moderador. Š Qual é o papel desempenhado pelo moderador? O moderador deve agir como um facilitador.Ferramentas básicas usadas nas etapas D e M do DMADV Š Em que consiste o planejamento da agenda? O início do planejamento da agenda é a tradução do objetivo da pesquisa em uma relação de perguntas. Aaker. Š Como deve ser feito o recrutamento dos participantes de uma sessão de grupo-foco? Nas palavras de David A. sempre com a devida contextualização. Como regra geral. de modo a garantir a partici- pação de todos os elementos do grupo. Š Quais são os cuidados que devem ser tomados em relação à análise e interpretação dos resultados? A análise e a interpretação dos resultados devem apresentar todo o espectro de comentários e impressões sobre cada tópico da discussão. Os tópicos tratados podem ser alterados após a realização das primeiras sessões de grupo-foco. não é desejável combinar pessoas de classes sociais diferentes ou que estejam em estágios diferentes na vida. que funcionará como uma base por meio da qual o moderador poderá elaborar um roteiro 142 para a discussão. ““ao recrutar-se participantes para um grupo. É importante que ele seja experiente. a seguir. apresentando o tema ou foco da reunião. É importante que os participantes possuam uma experiência apropriada com relação ao tópico em discussão. Kumar e George S. é necessário conseguir tanto a similaridade quanto o contraste entre eles. os pontos mais específicos são tratados. orien- tando a discussão. . A equipe responsável pelo projeto do novo produto e o moderador poderão excluir perguntas que não estejam resultando em informações úteis ou inserir questões adicionais a partir de novas ideias que surjam a partir das discussões realizadas nas sessões iniciais. V. aprofundar os pontos que parecem superficiais e mudar de tema quando a discussão se mostrar esgotada ou muito polêmica.

Método DMADV . mostra as principais vantagens e desvantagens das pesquisas de grupo-foco.58.Etapa Define Š Quais são as principais vantagens e desvantagens das pesquisas de grupo-foco? A Figura 2. 143 . elaborada a partir de uma tradução livre do texto de Naresh K. Malhotra30.

(4) não aceitar respostas breves. Š Quais são as principais vantagens e desvantagens das entrevistas individuais em profundidade? A Figura 2. por exemplo). Design for Lean Six Sigma . e quais são os objetivos de uma.59. (2) ser imparcial e objetivo. .”” Š Quais são as principais aplicações das entrevistas individuais em profundidade? De modo similar aos grupos-foco. Esse tipo de entrevista é especialmente útil para a discussão de temas delicados. apresenta as principais vantagens e desvantagens das entrevistas individuais em profundidade. para descobrir motivações. atitudes e impressões sobre um tópico””.Ferramentas básicas usadas nas etapas D e M do DMADV Entrevista individual em profundidade Š O que é. direta e pessoal. (5) sondar o entrevistado. como ‘‘sim’’ ou ‘‘não’’. porém simpático. embaraçosos ou confidenciais (questões relacionadas a finanças particulares ou à saúde. na qual um único respondente é pesquisado por um entrevistador altamente qualificado. Malhotra33. elaborada a partir de uma tradução livre da obra de Naresh K. Ainda nas palavras do mesmo autor32. uma entrevista individual em profundidade é 144 ““uma entrevista não estruturada. ““o papel do entrevistador é fundamental para o sucesso da entrevista individual em profundidade. (3) formular perguntas de modo informativo. entrevista individual em profundidade? De acordo com a definição de Naresh K. O entrevistador deve (1) evitar parecer superior e deixar o entrevistado à vontade. para gerar conhecimentos preliminares sobre o tópico de inte- resse. crenças. as entrevistas individuais em profundidade são usadas como uma forma de pesquisa exploratória. Malhotra31.

Como fazer a escolha entre realizar uma pesquisa de grupo-foco ou uma entrevista individual? Não existe uma regra geral para se fazer essa escolha. . utilizando uma abordagem não estruturada. A variação ocorre porque a entrevista é iniciada com uma pergunta genérica (por exemplo.Etapa Define Perguntas de Champions. A comparação entre as duas técnicas. 3. 2. apresentada na Figura 2. o entrevistador. determinados pela primeira resposta. portanto. poderá funcionar como um guia para a tomada da decisão sobre qual técnica utilizar. incen- tiva o respondente a falar em detalhes sobre o produto e seu uso.60. Em uma pesquisa de grupo-foco. a seguir. Black Belts e Green Belts 1. Método DMADV . pelo formato de sondagem usado pelo entrevistador para aprofundar a discussão sobre o tema e pelas respostas subsequentes do entrevistado. qual é o número ideal de participantes e quanto tempo 145 deve durar a reunião? Idealmente. ““o que você acha de usar este tipo de produto?””) e. Qual deve ser a duração de uma entrevista individual em profundidade? Essa entrevista pode durar de 30 minutos a mais de uma hora. o grupo deve ser composto por 8 a 12 pessoas e a duração da discussão –– que deve ocorrer em um ambiente informal e relaxado –– varia de uma a três horas. A direção que a entrevista tomará e o seu tempo de duração serão.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 146 .

por exemplo. Atividade D4 .pode fornecer insights precio- sos sobre os fatores-chave para o sucesso do novo produto.Avaliar a concorrência35 Š Por que é necessário avaliar a concorrência? 147 Os principais motivos pelos quais é importante avaliar a concorrência são: •• Conhecer e entender o produto dos concorrentes e seus pontos fortes e fracos. •• Conhecer as estratégias dos concorrentes e o papel do produto no portfolio de cada um deles pode fornecer indicações sobre a possível resposta da concorrência ao lançamento do novo produto.Etapa Define 5. atendimento ao consumidor. publicidade e promoções? Em relação a que aspectos cada um dos concorrentes é considerado uma referência? Quais são as deficiências de cada um deles? . Š Quais são as principais questões a serem consideradas na avaliação da concorrência? •• Quais são as principais organizações . Seus pontos fortes são indicações daquilo que o novo produto deverá possuir. •• Obter informações sobre como os concorrentes fazem negócio . Método DMADV . destacando suas características e performance.quais são suas estratégias para competir no mercado e como conquistam novos clientes .concorrentes diretos ou indiretos . garantia. Se o objeti- vo da empresa é lançar um produto superior. então o benchmark para comparação –– o produ- to dos concorrentes –– deve ser completamente conhecido. suporte técnico. enquanto os pontos fracos revelam características que deverão ser explorados com atenção. É importante que se conheça quem é o ““inimigo”” e a natureza exata do produto que deverá ser superado pelo novo lançamento da empresa.cujos produtos serão substituídos (ou perderão mercado) pelo novo produto que será lançado? •• Quais são os atributos e características de performance dos produtos dos concorrentes? Quais são os pontos fortes e as deficiências desses produtos? •• Como a oferta dos produtos dos concorrentes provavelmente se dará na época do lança- mento do novo produto? Deverão ser antecipados os novos produtos dos concorrentes. •• Quais são os outros pontos fortes e fracos que cada concorrente possui . força de vendas. para que o design desenvolvido seja de nível superior ao da concorrência.

que tipos de consumidores (ou segmentos) representam o foco de cada competidor? E qual é a base para a competição? Isto é: como cada concorrente conduz seu negócio . Devem ser observadas com cuidado as diferentes estratégias e abordagens adotadas pelos concorrentes e os seus resultados. Design for Lean Six Sigma . •• A habilidade dos concorrentes em responder ao lançamento do novo produto (por exemplo.Ferramentas básicas usadas nas etapas D e M do DMADV É importante lembrar que a empresa deverá competir não apenas com base nas características do novo produto. Apesar de as vantagens inerentes à natureza tangível do novo produto serem obvia- 148 mente desejáveis. praça). que já foi discutida na apresenta- ção da atividade D2 do método DMADV.61. mas também em relação aos demais elementos associados à sua venda e utilização. A partir dessa análise poderão ser obtidas conclusões preciosas sobre o que gera êxito (ou não) no mercado que está sendo considerado. .praticando baixos preços. investindo em vantagens do produto. •• Como cada concorrente atua no mercado? Por exemplo. Š Qual é a principal ferramenta a ser utilizada para a avaliação da concorrência? A principal ferramenta é o levantamento de dados secundários. muitas vezes os principais pontos que garantem a vantagem competitiva são determinados por outros elementos do marketing mix (produto. Algumas sugestões de formas para a obtenção de dados secundários específicos para a avaliação da concorrência são mostradas na Figura 2. empregando uma equipe de vendas mais numerosa ou mais qualificada ou aplicando expressivos esforços promocionais? •• Como está o desempenho de cada um dos concorrentes? Qual é o market share de cada um deles? E qual é a sua tendência? Qual é o segredo do sucesso (ou fracasso) de cada concorrente? Neste ponto. até que ponto os preços poderão ser reduzidos). preço. promoção. •• Qual é o desempenho dos concorrentes no que diz respeito a custos e lucratividade? Quais são as capacidades e os volumes de produção dos competidores? Qual é a importância do produto para a operação e a lucratividade global de cada concorrente? As questões acima (usualmente confidenciais) fornecem insights sobre: •• A importância estratégica dos produtos dos concorrentes para o setor de mercado considerado. o foco está em descobrir os elementos necessários para o sucesso. •• Quais são as chances de os concorrentes estabelecerem um processo de defesa agressivo contra a introdução do novo produto no mercado.

que pode demorar algum tempo. Š O segredo do sucesso da avaliação da concorrência é a qualidade das informações obtidas. Método DMADV .Etapa Define 149 Alertas quanto à realização da atividade de avaliar a concorrência Š A avaliação da concorrência não deve ficar restrita apenas aos competidores atuais que possuam fatias expressivas de market share. a empresa deverá ser capaz de definir mudanças internas imediatas para elevar seu poder competitivo e de aprimorar a estratégia de desenvolvimento do novo produto com o objetivo de melhor enfrentar seus competidores. Outros tipos de concorrentes (atuais e poten- ciais) devem ser considerados. Š A partir das conclusões da avaliação dos concorrentes. vulnerabilidades e capacida- des frente aos concorrentes atuais e potenciais. Š É importante não esquecer que a avaliação da concorrência também deve ser usada para a empresa refletir e aprender sobre si própria –– suas limitações. já que ideias inovadoras sobre possíveis mudanças no com- portamento dos consumidores frequentemente surgem a partir da análise de empresas competidoras de menor porte ou que atuam em um mercado similar. Muitas delas são adquiridas facilmente. . mas outras demandam uma pesquisa mais aprofundada.

““na avaliação técnica preliminar o novo produto é submeti- do. com quais equipamentos e a que custo? •• Quais são os aspectos referentes à propriedade intelectual envolvidos? Vale destacar que as questões que dizem respeito ao registro de patentes já devem ser consideradas nessa fase inicial do desenvolvimento do novo produto. realizar um estudo exploratório sobre a viabilidade e identificar possíveis riscos de caráter técnico. buscas preliminares na literatura e em registros de paten- tes e a aquisição e estudo de materiais publicados pelos concorrentes.Ferramentas básicas usadas nas etapas D e M do DMADV 6. Design for Lean Six Sigma . ao staff técnico da empresa –– P&D. quais serão os requisitos ou especificações para o produto? (É impor- tante notar que a definição do produto ainda pode ser muito vaga neste estágio inicial de desenvolvimento. •• Quais são os principais riscos técnicos? Como cada um deles poderá ser abordado?”” Š Quais são as principais ferramentas que podem ser utilizadas para a avaliação da viabilidade técnica? As principais ferramentas são o levantamento de dados secundários (já discutido na apresenta- ção da atividade D2 do DMADV). As questões abaixo são referentes à viabilidade técnica do produto: •• De modo aproximado. Atividade D5 . A meta é estabelecer objetivos preliminares e aproximados para a performance do produto.Avaliar a viabilidade técnica Š Em que consiste a atividade de avaliação da viabilidade técnica? 150 Nas palavras de Robert G. de Relações e de Matriz (usados para organizar as informações levantadas durante o Brainstorming). para análise. de fato. o Brainstorming e os Diagramas de Afinidades.) •• Como esses requisitos serão tecnicamente alcançados? Existe alguma solução técnica que já possa ser prevista? Serão necessárias invenções ou nova ciência? •• Quais são as chances de que o produto seja tecnicamente viável? A que custo e em que prazo? •• A empresa tem capacidade tecnológica para desenvolver o produto ou será necessária a for- mação de uma parceria ou a contratação de um fornecedor externo para alguma parte do trabalho de desenvolvimento? •• O produto pode ser. produzido? Como. . Cooper36. Tarefas específicas podem incluir discussões envolvendo o pessoal das áreas de engenharia e operações da empresa (ocasionalmente especialistas externos poderão participar). engenharia e operação.

elas são discutidas.Etapa Define 6. exploradas. organizadas e priorizadas. com o objetivo de esclarecer possíveis dúvidas dos demais elementos do grupo. Método DMADV . Preferencialmente. em um ambiente que favorece a apresentação de sugestões construtivas e criativas em detrimento de uma atmosfera de críticas ou discussões.62. Depois de as ideias terem sido geradas.1 . geralmente resultando em novas visões ou solu- ções elaboradas a partir de elementos das diversas sugestões.7 Realize uma sessão de Brainstorming para discutir o tópico: ““características técnicas que um projeto inovador de um datashow deve possuir””.Ferramenta: Brainstorming 151 Š O que é Brainstorming? O Brainstorming é uma técnica cujo objetivo é auxiliar um grupo de pessoas a produzir o máximo possível de ideias em um curto período de tempo. No entanto. deve haver pelo menos um participante que possua familiaridade com o tópico. . a participação de não especialistas também é muito importante para escapar das ideias tradicionais e questionar paradigmas e pressupostos. Uma sessão bem-sucedida de Brainstorming encora- ja os participantes a expressarem todas as suas ideias sobre o tema em pauta. sob a liderança de um facilitador. Š Quais são as regras gerais para a condução de um Brainstorming? Essas regras são apresentadas na Figura 2. Exercício 2.

por meio da organização das informações sobre o assunto em grupos cujos elementos possuam afinidade entre si.2 .conjuntos de dados verbais que têm. que os distingue dos demais. Š Qual é a estrutura de um Diagrama de Afinidades? A Figura 2. alguma relação natural.63 mostra essa estrutura.Ferramenta: Diagrama de Afinidades Š O que é um Diagrama de Afinidades? Um Diagrama de Afinidades é uma representação gráfica de grupos afins . . Essa ferramenta permi- te que a estrutura de um tema complexo fique mais clara. entre si. Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 152 6.

64. A doença celíaca é uma intolerância permanente ao glúten que acomete indivíduos com predisposição gené- tica e pode surgir em qualquer idade.64 são mostradas as principais dificuldades técnicas que a indústria alimentícia espera enfrentar para a produção de pães sem glúten.C.Etapa Define 153 Exemplo 2. No Diagrama de Afinidades da Figura 2. presentes inadvertidamente em algum alimento consumido pelo celíaco.) e em todos os alimentos fabricados com esses cereais. .C. na Cevada (também em um subproduto da cevada. O glúten é uma proteína encontrada no Trigo.A. são agressivos e podem reativar todo o quadro da doença. Esse novo produto terá como mercado-alvo pessoas portadoras da doença celíaca. Método DMADV . O único tratamento consiste na dieta isenta de glúten por toda a vida –– mesmo traços de glúten.16 Um exemplo de Diagrama de Afinidades é apresentado na Figura 2. o malte) e no Centeio (T. na Aveia. inclusive no adulto. Nesse exemplo está sendo considerada uma indústria alimentícia que deseja lançar no mercado uma linha de pães sem glúten.

Design for Lean Six Sigma . conforme já foi discutido anteriormente. já que elas poderão agir como restrições inibidoras. O maior número possível de informações (ideias) deve ser gerado. Não é conveniente que sejam dadas muitas explicações sobre o tema. As informações usualmen- te são geradas por meio de um Brainstorming. Coletar informações. .Ferramentas básicas usadas nas etapas D e M do DMADV 154 Š Quais são as etapas para a construção do Diagrama de Afinidades? 1. Um exemplo de tema é: Dificuldades técnicas para a fabricação de pães sem glúten 2. Definir o tema a ser analisado. porque é usual as pessoas tentarem apresentar ideias que estejam de acordo com essas explicações.

Formar os grupos de primeira ordem. Formar os grupos de ordem superior. Um exemplo é apresentado na Figura 2. Os grupos de primeira ordem que apresentam afinidades devem ser reunidos em grupos maiores. que dará nome ao grupo. 155 4. 5. .67. 7.Etapa Define 3. Devem ser utilizadas frases curtas. O procedimento deve ser repetido até que seja formado um único grupo. Identificar os cartões solitários. Método DMADV . denominado cartão-título. Agrupar os cartões cujas informações possuem algum tipo de afinidade entre si. conforme é ilustrado na Figura 2. conforme é mostrado na Figura 2. Deverá ser criado um cartão com uma informação concisa. 6. Escrever as informações em cartões. Definir os títulos dos grupos de cartões de primeira ordem. simples e objetivas. cujo título é o tema em análise.65. Os cartões que não pertencem a nenhum grupo devem ficar sozinhos.66.

Ferramentas básicas usadas nas etapas D e M do DMADV 156 . Design for Lean Six Sigma .

. A seguir. Os grupos de cartões afins devem ser dispostos formando blocos. Finalizar a construção do diagrama.8 Construir um Diagrama de Afinidades utilizando os dados gerados na sessão de Brainstorming realizada no Exercício 2.7. devem ser dese- nhadas bordas em torno dos grupos e registrados os títulos dos mesmos. Método DMADV .68.Etapa Define 8. conforme é ilustra- 157 do na Figura 2. Exercício 2.

70. Esse diagrama evidencia as ligações lógicas de causa e efeito a partir do reconhecimento de que cada evento não é o resultado de uma única causa. Esse exemplo apresenta as relações de causa e efeito associadas ao risco técnico ““falta às aulas””.69 mostra essa estrutura. que poderá ser enfrentado por um grupo de empreendedores que está planejando a abertura de uma escola.Ferramenta: Diagrama de Relações Š O que é um Diagrama de Relações? 158 O Diagrama de Relações é uma ferramenta que permite a visualização das relações de causa e efeito de um tema ou problema. mas de múltiplas causas inter-relacionadas. Design for Lean Six Sigma . . A utilização desse instrumento é recomendada quando as relações entre as causas de um problema são complexas.Ferramentas básicas usadas nas etapas D e M do DMADV 6. o Diagrama de Relações explora seu lado lógico.17 Um exemplo de Diagrama de Relações é apresentado na Figura 2. Enquanto o Diagrama de Afinidades explora o lado subjetivo de um tema. Exemplo 2.3 . Š Qual é a estrutura de um Diagrama de Relações? A Figura 2.

são descritas a seguir.71. que estão resumidas na Figura 2. Método DMADV . .Etapa Define 159 Š Quais são as etapas para a construção do Diagrama de Relações? As etapas para a construção de um Diagrama de Relações.

Identificar as causas principais por meio de uma representação em destaque. Sumarizar as conclusões. deverá ser anotada em um cartão. 5. 160 2.Ferramentas básicas usadas nas etapas D e M do DMADV 1. Levantar as causas do problema. O tema (usualmente. listando as causas principais. Design for Lean Six Sigma . Identificar as relações de causa e efeito por meio de setas que apontem para os efeitos. um problema). deverá ser anotado em um cartão. Apresentar as premissas básicas que restringirão o foco da discussão. Os cartões deverão ser dispostos em torno daquele que representa o problema. 3. 4. 6. expresso de forma simples. . que será posicionado no centro do diagrama. Cada causa. Definir o tema a ser analisado. expressa de modo simples e objetivo.

Š Qual é a estrutura de um Diagrama de Matriz? A estrutura de um Diagrama de Matriz é apresentada na Figura 2. de forma que a existência ou a força das relações entre os elementos é mostrada.Etapa Define Exercício 2. que poderá ser 161 enfrentado por uma empresa prestadora de serviços em busca de expandir seu ramo de atuação. deixando claras as áreas nas quais o mesmo está concentrado.72. Os fatores que compõem os fenômenos A e B estão distribuídos ao longo das linhas e colunas da matriz. Método DMADV .4 . Nas interseções das linhas e colunas procura-se estabelecer o grau de relação entre os fatores. 6.9 Construir um Diagrama de Relações para organizar as informações e identificar as principais cau- sas de ordem técnica do problema ““baixa frequência de clientes em uma lavanderia””. por meio de símbolos. nas interseções das linhas e colunas.Ferramenta: Diagrama de Matriz Š O que é um Diagrama de Matriz? O Diagrama de Matriz consiste no arranjo dos elementos que constituem um evento ou proble- ma de interesse nas linhas e colunas de uma matriz. . Essa ferramenta é utilizada na visualização de um problema como um todo.

conforme a Tabela abaixo: . Preencher as linhas e as colunas da matriz. Design for Lean Six Sigma . Definir os itens que serão representados na matriz. Š Quais são as etapas para a construção do Diagrama de Matriz? 1.Ferramentas básicas usadas nas etapas D e M do DMADV Exemplo 2. 4. Esses defeitos foram definidos durante a realização da atividade de avaliação da viabilidade técnica do novo produto. Traçar a matriz.18 Um exemplo de Diagrama de Matriz é apresentado na Figura 2. 3. 2.73. Nesse exemplo são conside- rados os principais tipos de defeitos que poderão surgir em um novo produto a ser lançado por uma 162 indústria metalúrgica. Estabelecer o peso do relacionamento entre os fatores de cada uma das interseções da ma- triz.

a avaliação da viabilidade econômica consiste em uma verificação bastante preliminar e rudimentar das perspectivas financeiras relacionadas ao novo produto e do cálculo estimado do período de payback do projeto. como a conclusão de cada etapa do DMADV (milestones). 163 7. Método DMADV .Elaborar o cronograma preliminar do projeto Š No que consiste a atividade D7? Conforme a própria definição estabelece. a atividade D7 consiste no estabelecimento de datas preliminares para a finalização de atividades prioritárias do projeto do novo produto ou processo. Realizar um Brainstorming para gerar alguns tipos de possíveis problemas técnicos de um novo produto que poderá ser lançado por sua empresa.Avaliar a viabilidade econômica Š Em que consiste a atividade de avaliação da viabilidade econômica? Na etapa Define. Devem ser respondidas as seguintes perguntas: ““qual é o valor do investimento necessário?””. Construir um Diagrama de Matriz para identificar os fatores mais importantes no relaciona- mento entre os problemas e as causas identificados nas tarefas 1 e 2. Exercício 2. Analisar as correlações estabelecidas. Realizar um Brainstorming para gerar possíveis causas dos problemas relacionados na tarefa 1. Identificar os fatores mais importantes. 2. Preencher a matriz representando nas interseções das linhas e colunas a força da relação entre os fatores. 6.Etapa Define 5. 7.10 Considerando sua área de trabalho. Atividade D6 . execute as tarefas abaixo: 1. utilizando a soma dos pesos. 3. Atividade D7 . . ““qual é o faturamento anual estimado?”” e ““qual é o tempo previsto para o retorno do investimento?””. 8.

1 . no prazo ou atrasadas) e para eventuais correções no planejamento. O Diagrama de Gantt: •• Ilustra as tarefas em relação ao tempo. •• Pode ser empregado para a análise dos progressos alcançados (tarefas adiantadas. As linhas que conectam as barras individuais do diagrama representam as relações entre as tarefas. para que o projeto seja concluído no prazo. Š Qual é a estrutura de um Diagrama de Gantt? A Figura 2. bem como as dependências entre diferentes tarefas. O comprimento relativo das barras horizontais.Ferramenta: Diagrama de Gantt 164 Š O que é um Diagrama de Gantt? O Diagrama de Gantt é uma ferramenta de simples entendimento. inseridas dentro de uma escala de tempo. Design for Lean Six Sigma . •• Indica quando cada tarefa necessita ser iniciada e finalizada. usada para representar o cronograma de execução das tarefas (atividades) de um projeto ou plano de ação.Ferramentas básicas usadas nas etapas D e M do DMADV 8. .74 mostra a estrutura de um Diagrama de Gantt. estabelece a duração das tarefas.

observando as dependências. •• Manter a equipe alinhada aos objetivos prioritários e dentro do escopo definido para o projeto do novo produto ou processo.Ferramenta: Project Charter Š O que é o Project Charter? O Project Charter é um documento que representa uma espécie de contrato firmado entre a equipe responsável pela condução do projeto do novo produto ou processo e os gestores da empresa (Champions e Sponsors) e tem os seguintes objetivos: •• Formalizar a transição do projeto das mãos dos gestores para a equipe. 9. O ponto de partida para a construção do Project Charter é o Plano do Projeto. Definir as tarefas a serem executadas. Avaliar a viabilidade do diagrama obtido em relação ao tempo global requerido para a conclu- são do projeto. Colocar as tarefas em sequência. 4. 165 3. É usual que. •• Os recursos necessários. suposições (premissas) e riscos. o Project Charter seja revisado. •• Apresentar as estimativas iniciais de prazos. Dimensionar cada tarefa em termos do tempo necessário. •• As possíveis restrições. 5. Atividade D8 . elaborado na atividade D1. durante a execução do projeto. .Etapa Define Š Quais são as etapas para a construção do Diagrama de Gantt? 1. Método DMADV . para con- templar possíveis mudanças e fatos novos que venham a ocorrer. •• O cronograma detalhado dessa etapa. recursos necessários e possíveis riscos e restrições.Planejar a etapa Measure Š No que consiste o planejamento da etapa Measure? No planejamento da etapa Measure do DMADV devem ser definidos: •• A equipe e suas responsabilidades. Representar na estrutura do Diagrama de Gantt o intervalo que decorrerá entre o início da primeira tarefa e a finalização da última tarefa.1 . 9. •• Apresentar claramente o que é esperado em relação à equipe. 2.

76.Ferramentas básicas usadas nas etapas D e M do DMADV Š Qual é a estrutura do Project Charter? O Project Charter é constituído pelos elementos descritos na Figura 2. Design for Lean Six Sigma .75 e exemplificados na Figura 2. 166 .

Etapa Define 167 Método DMADV . Método DMADV .Etapa Define .

Um exemplo de Plano para o Gerenciamento de Riscos é apresentado na Figura 2. •• Classificar cada um dos riscos em função de sua probabilidade de ocorrência e de seu impacto sobre o projeto. minimizar ou eliminar o risco. Design for Lean Six Sigma . minimizar ou eliminar 168 esses riscos. É importante notar que nem todos os riscos da categoria quadriculada resultam em abandono do projeto . .77. determinar a ação que será adotada (e o momento de sua adoção) com o objetivo de reduzir.na verdade.Ferramentas básicas usadas nas etapas D e M do DMADV Š Qual é a estrutura do Plano para o Gerenciamento de Riscos38? O Plano para o Gerenciamento de Riscos é constituído por uma listagem dos riscos conhecidos e potenciais enfrentados pelo projeto e das ações propostas para reduzir.78. conforme mostrado na Figura 2. sua ocorrência indica que é mandatória a adoção imediata de alguma ação. Diferentes respostas são apropriadas. •• Para cada risco classificado nas categorias quadriculada ou pontilhada. Os riscos da categoria pontilhada podem ser abordados mais à frente durante o desenvolvimento do projeto. mas os riscos da categoria quadriculada devem ser tratados antes que seja dado prosseguimento aos trabalhos. Todos os riscos na categoria quadriculada devem ser convertidos para as categorias pontilhada ou sombreada antes que o projeto tenha continuidade. com base na severidade associada ao risco. As etapas para a elaboração do Plano para o Gerenciamento de Riscos são: •• Realizar uma sessão de Brainstorming para identificar todos os riscos conhecidos e potenciais.

Ferramenta: Diagrama de Árvore Š O que é um Diagrama de Árvore? O Diagrama de Árvore é usado para o mapeamento detalhado dos caminhos (meios ou medi- das) a serem percorridos para se alcançar um objetivo global. que foram identificados no Project Charter.2 . . Š Qual é a estrutura de um Diagrama de Árvore? Essa estrutura é apresentada na Figura 2.79. Método DMADV . Essa ferramenta pode ser muito útil para a representação de um plano para o gerenciamento e minimização dos riscos associados à implementação do projeto.Etapa Define 169 9.

Ferramentas básicas usadas nas etapas D e M do DMADV 170 . Design for Lean Six Sigma .

80. Nesse exemplo está sendo con- siderada uma empresa que tem como objetivo reduzir o índice de turn-over de funcionários da área de 171 expedição de produtos do seu centro de distribuição direta. Método DMADV . O alcance desse objetivo foi considerado essencial para a redução de parte dos riscos associados ao lançamento de um novo produto.Etapa Define Exemplo 2. .20 Um exemplo de Diagrama de Árvore é mostrado na Figura 2.

Design for Lean Six Sigma . fazendo o caminho inverso: Verificar se os meios de nível superior são realmente alcançados pelos meios de nível inferior. . Continuar o desdobramento enquanto for conveniente.81. Revisar o diagrama. 172 1. 5. Para isso. que estão resumidas na Figura 2. Definir o objetivo a ser alcançado. 2. são descritas a seguir. Identificar os meios de segundo nível: Responder a pergunta: ““Como alcançar o meio de primeiro nível?”” 4.Ferramentas básicas usadas nas etapas D e M do DMADV Š Quais são as etapas para a construção do Diagrama de Árvore? As etapas para a construção de um Diagrama de Árvore. Identificar os meios de primeiro nível: Responder a pergunta: ““Como alcançar o objetivo?”” 3. O atraso na entrega está sendo avaliado como um dos principais riscos ao sucesso do lançamento de um novo produto.11 Utilizar um Diagrama de Árvore para organizar as informações referentes aos meios para se alcançar o objetivo ““reduzir o atraso na entrega de produtos aos clientes””. responder a pergunta: ““Por que esta medida deve ser executada?”” Exercício 2.

Etapa Define 173 .Método DMADV .

o PERT/CPM é muito útil para: •• Determinar a sequência de execução e os relacionamentos existentes entre as atividades do projeto.Ferramentas básicas usadas nas etapas D e M do DMADV 9. . Design for Lean Six Sigma . bem como seu caminho crítico e como eventuais atrasos afetam o tempo de execução. •• Auxiliar no gerenciamento do tempo de implementação do projeto.82. Essa ferramenta mos- tra o cronograma de execução das tarefas do projeto. a representação e o monitoramento da sequência de execução e das relações de dependência das atividades que constituem um projeto ou plano de ação. Portanto. Š Qual é a estrutura de um Diagrama PERT/CPM? Essa estrutura é apresentada na Figura 2.Ferramenta: PERT/CPM Š O que é PERT/CPM? 174 O Diagrama PERT (Program Evaluation and Review Technique) / CPM (Critical Path Method) é usado para o planejamento.3 .

as relações de dependência e a possibilidade de realização de algumas atividades em paralelo. Determinar a posição de cada cartão considerando a sequência. Nesse exemplo é considerado 175 o projeto para a montagem de um centro de treinamento.Etapa Define Exemplo 2. 3. que estão resumidas na Figura 2. 1.83. Š Quais são as etapas para a construção do Diagrama PERT/CPM? As etapas para a construção de um Diagrama PERT/CPM.84. são descritas a seguir. . Desenhar os nós. 2. Método DMADV . . Transcrever as atividades do projeto para cartões (post-it).21 Um exemplo de Diagrama PERT/CPM é mostrado na Figura 2.

5. 176 6. Inserir a numeração dos nós.12 Utilizar um Diagrama PERT/CPM para o planejamento e a representação das atividades de um projeto DFLSS que tem como resultado esperado o lançamento no mercado de um novo modelo de datashow. Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 4. 7. o projeto como um todo também se atrasará. As atividades do caminho crítico devem ser iniciadas o quanto antes. Portanto. Indicar o tempo necessário para a execução de cada atividade. respeitando as relações de depen- dência e outras restrições. . Exercício 2. isto é. O caminho crítico é composto pela sequência de atividades cujo somatório das durações cons- titui o tempo total para a finalização do projeto. Desenhar as setas ligando os nós. sob a ótica de se cumprir o prazo definido para a finalização do projeto . Indicar o caminho crítico no diagrama por meio de setas mais grossas. é o caminho de maior duração no diagrama.caso as atividades do caminho crítico se atrasem. o caminho crítico facilita a visualização das atividades mais im- portantes.

4 . muito dinâmica ou difícil de antecipar e também se o plano para o alcance do objetivo for complexo e de difícil execução. . Método DMADV .Etapa Define 9.Ferramenta: Diagrama do Processo Decisório (PDPC) 177 Š O que é um Diagrama do Processo Decisório (PDPC –– Process Decision Program Chart)? O PDPC é um diagrama utilizado para o estudo da lógica de todas as possibilidades de ocorrência de eventos e contingências no caminho para atingir um objetivo e das contramedidas que podem ser adotadas. O PDPC tem se mostrado muito útil quando a situação enfrentada é nova. Š Qual é a estrutura de um Diagrama do Processo Decisório? A estrutura de um PDPC é mostrada na Figura 2. o que melhora as condições de tomada de decisões.85.

Ferramentas básicas usadas nas etapas D e M do DMADV Exemplo 2. Design for Lean Six Sigma .86. 178 .22 Um exemplo de Diagrama do Processo Decisório é mostrado na Figura 2.

Identificar as contramedidas para cada problema relacionado na etapa 3. . 2. 6. Identificar os possíveis problemas associados a cada medida. Conectar os elementos do diagrama por meio de setas.O ponto de chegada é o objetivo a ser alcançado.87. Repetir as etapas 3 e 4 até que o objetivo final ou alguma situação de inviabilidade seja alcançado. Método DMADV . .Etapa Define Š Quais são as etapas para a construção do Diagrama do Processo Decisório? As etapas para a construção de um PDPC. 3. 179 1. 4. Definir os pontos de partida e de chegada: .O ponto de partida é a situação inicial do projeto ou problema. que estão resumidas na Figura 2. são descritas a seguir. Identificar as medidas a serem implementadas para o alcance do objetivo. 5.

Se a avaliação desses critérios levar à conclusão de que o projeto é viável. deverá ser realizada a etapa Measure do DMADV.11. •• Quanto custará o que será feito (How much). conforme é ilustrado na Figura 2. Exercício 2.2. para as atividades a serem executadas para se alcançar um determinado objetivo. •• Como será feito (How).5 . Os sete itens do 5W2H são dispostos no cabeçalho de uma tabela.88.Ferramentas básicas usadas nas etapas D e M do DMADV Exercício 2. os seguintes itens: •• O que será feito (What). considerado no Exercício 2. .14 Utilizar a ferramenta 5W2H para documentar um plano de ação que leve ao alcance do objetivo ““reduzir o atraso na entrega de produtos aos clientes””. que será descrita no próximo capítulo. •• Quando será feito (When). 180 9. Tollgate 1 Os critérios do tollgate 1 já foram apresentados na Figura 2. •• Quem fará (Who). Design for Lean Six Sigma .Ferramenta: 5W2H Š O que é 5W2H? O 5W2H é uma ferramenta que tem a finalidade de representar como foram definidos. •• Porque será feito (Why).13 Utilizar um Diagrama do Processo Decisório para mapear os caminhos possíveis para o alcance do objetivo ““reduzir o atraso na entrega de produtos aos clientes””. •• Onde será feito (Where).

Método DMADV .Etapa Define 181 .

Learn as if you were to live forever””.Design for Lean Six Sigma .Etapa Measure ““Live as if you were to die tomorrow.Ferramentas básicas usadas nas etapas D e M do DMADV Capítulo 3 Método DMADV . Gandhi .

Introdução Š Em que consiste a etapa Measure do método DMADV? Durante a etapa Measure (M do DMADV) as necessidades dos clientes/consumidores devem ser identificadas e traduzidas em características críticas para a qualidade (CTQs) –– mensuráveis e priorizadas –– do produto. na apresentação da atividade D3 do método DMADV. As etapas para a obtenção e entendimento da Voz do Cliente são: 1. Neste tópico serão tratadas as principais ferramentas. Os principais resultados dessa etapa são: •• Identificação e priorização das necessidades dos clientes/consumidores. . Identificar e priorizar as necessidades dos clientes/consumidores. Atividade M1 . 2. Método DMADV . Realizar pesquisa qualitativa. As atividades da etapa Measure são apresentadas na Figura 3. •• Análise detalhada do mercado. usadas para a realização das etapas 2 e 3 do processo de entendimento da Voz do Cliente (note que duas dessas ferramentas –– Plano para Coleta de Dados e Folha de Verifica- ção/questionário –– também podem ser empregadas na etapa 1).1 (página seguinte).Estudar as necessidades dos clientes/consumidores (Voice of the Customer) Š O que significa o termo Voice of the Customer (VOC)? No Seis Sigma. O termo inclui todos os aspectos da relação entre a empresa e seus clientes/consumidores no que diz respeito a custo. Realizar pesquisa quantitativa. As principais ferramentas para a realização de pesquisas qualitativas –– pesquisa de grupo-foco e entrevista individual com consumidores-chave –– já foram descritas anteriormente. a expressão Voice of the Customer (VOC) –– Voz do Cliente –– é usada para descrever as necessidades dos clientes/consumidores e a forma pela qual os produtos (bens e serviços) e processos da organização são por eles percebidos. 3. qualidade e entrega. 2.Etapa Measure 1. de nível básico de complexidade. 183 •• Características críticas do produto para o atendimento às necessidades dos clientes/consumidores.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 184 .

1 .Ferramenta: Plano para Coleta de Dados Š Em que consiste o Plano para Coleta de Dados? O Plano para Coleta de Dados deve apresentar informações que caracterizem a coleta de dados a ser realizada: •• Objetivos •• Ferramentas que serão usadas •• Nível de detalhamento desejado 185 •• Forma de registro dos resultados •• Tamanho da amostra a ser empregada •• Forma de garantir a coleta de informações sobre as verdadeiras necessidades dos clientes/ consumidores Um modelo de formulário do Plano para Coleta de Dados é mostrado na Figura 3. .Etapa Measure 2. Método DMADV .2.

na maioria dos casos. Já o método survey deve ser empregado após a utilização dessas técnicas.2 . é inviável entrevistar todas as pessoas que compõem o segmento de interesse (popula- ção). preferências.3 ilustra os principais pontos fortes e fracos do survey. 186 O leitor deve notar que as técnicas de pesquisa qualitativa (pesquisa de grupo-foco e entrevista individual com consumidores-chave) são usadas para identificar necessidades dos clientes/consumi- dores. por meio de uma entrevista individual. No survey.Ferramentas básicas usadas nas etapas D e M do DMADV 2. Apesar de possuir algumas dificuldades. Como.Ferramenta: Entrevista individual (survey) Š O que é survey? O método survey para a coleta de informações é baseado no questionamento direto dos pesquisados sobre seu comportamento. para confirmar (ou não) se as necessidades são realmente representativas do segmento a que os participantes das pesquisas qualitativas pertencem. inten- ções. motivações. características demográficas e de estilo de vida. a coleta de dados é feita por meio da aplicação de um questionário. atitudes. . essa técnica é o método mais comum para a coleta de dados primários quantitativos. apenas um subconjunto de elementos desse segmento (amostra) será pesquisado. Š Quais são os pontos fortes e fracos do método survey? A Figura 3. Design for Lean Six Sigma . conhecimentos.

Etapa Measure 2.Ferramenta: Questionário Š Qual é a definição de um questionário? Um questionário consiste em um conjunto de perguntas –– escritas ou verbais –– que deverão ser respondidas pelos entrevistados. aumentando a precisão e a velocidade do processo de registro dos dados e facilitando a posterior análise dos mesmos.3 .4. garantindo que os dados coletados sejam comparáveis. Método DMADV . . Essa ferramenta permite a padronização do procedimento de obten- ção das informações. 187 Š Qual é a estrutura de um questionário? Um questionário é geralmente constituído pelas partes descritas na Figura 3.

Para ilustrar os principais tipos de perguntas abertas e fechadas é feita. pois não limita as respostas. Design for Lean Six Sigma . as torna mais reveladoras. que são fáceis de interpretar e tabular. usualmente. uma citação de um exemplo apresentado na obra de Philip Kotler e Gary Armstrong1. seu formato. fato que. É importante notar que a maneira como a pergunta é feita pode influenciar a resposta. Š Quais são os tipos de perguntas em um questionário? As perguntas podem ser abertas ou fechadas. e não quantificar o número de pessoas que pensam de um determinado modo. . na Figura 3. o responsável pela elaboração deve escolher cuidadosamen- te o teor das perguntas. As perguntas abertas são muito úteis em pesquisas exploratórias. em que o pesquisador está procurando saber como as pessoas pensam. Já as perguntas abertas permitem respostas nas 188 próprias palavras dos entrevistados.5.Ferramentas básicas usadas nas etapas D e M do DMADV Š Quais são os cuidados na escolha das perguntas de um questionário? o? Na preparação de um questionário. As fechadas especificam previamente todas as possí- veis respostas. linguagem e sequência.

criar novos produtos ou processos). para pesquisa de satisfação dos hóspedes. Vale destacar que a análise das informações obtidas por meio da aplicação do questionário.1 Um exemplo de questionário é mostrado na Figura 3. . durante um período de tempo significativo. Esse questionário é utilizado pelo Resort & Spa ““Costão do Santinho””.Etapa Measure 189 Exemplo 3. localizado em Florianópolis. poderá ser muito útil caso o hotel deseje otimizar ou ampliar seus serviços (em outras palavras.6. Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV 190 . Design for Lean Six Sigma .

Etapa Measure 191 .Método DMADV .

192 Alertas quanto ao uso do questionário •• Em um questionário devem ser usadas palavras simples. A escolha do método dependerá de fatores como orçamento disponível. conveniência para o respondente. as perguntas mais difíceis ou mais pessoais devem ser apresentadas por último. com perguntas ambíguas. objetivas e imparciais. escalas incorretas ou que apre- sentam dúvidas quanto ao procedimento para o seu preenchimento constituem uma das principais fontes de erros não amostrais na realização de uma pesquisa. a opção ““outros”” pode ser incluída entre as possíveis respostas para uma questão fechada. As questões devem ser colocadas em ordem lógica.Ferramentas básicas usadas nas etapas D e M do DMADV Š Quais são os métodos geralmente utilizados para a aplicação de questionários? Os principais métodos empregados para a aplicação de questionários e suas vantagens e desvan- tagens são apresentados na Figura 3. •• A pergunta inicial deve gerar interesse por parte do entrevistado. •• Questionários mal elaborados. Design for Lean Six Sigma . para evitar que os entrevistados se coloquem em posição defensiva. o contato telefônico não é indicado para perguntas longas e/ou com várias possibilidades de respostas e é inviável quando deve ser usado material visual).7. prazo exigido para a obtenção dos dados e natureza das perguntas (por exemplo. •• Quando pertinente. •• Sempre que possível. . •• O número de questões deve ser o mínimo possível para a obtenção das informações necessárias.

•• A Figura 3. Método DMADV .Etapa Measure •• Os questionários devem ser cuidadosamente desenvolvidos.1 Elabore um questionário que será utilizado em uma pesquisa de satisfação dos hóspedes de um hotel em relação aos aspectos alimentação e infraestrutura para eventos. . 193 Exercício 3.8 exemplifica um questionário repleto de erros a serem evitados. testados e aperfeiçoados an- tes de serem aplicados em larga escala.

As técnicas estatísticas de amostragem permitem que se possa calcu- lar o erro amostral envolvido quando estimamos. Para que as conclusões sejam confiáveis. as características das amostras não serão idênticas às características da população.Ferramenta: Amostragem Introdução Š O que é amostragem? A amostragem é o processo de se coletar uma porção –– denominada amostra –– da totalidade dos elementos de um grupo de interesse (população) e usá-la para estabelecer conclusões sobre 194 esse grupo. descritos a seguir. Essa representatividade pode ser garantida pela aplicação de procedimentos apropriados.9 mostra os três itens básicos que devem ser definidos durante a determinação do plano de amostragem. A diferença que existe entre os dados amostrais e os dados verdadeiros.Ferramentas básicas usadas nas etapas D e M do DMADV 2. por meio de uma amostra. mas desconhecidos.4 . como a amostra é constituída por apenas uma parte da população. o valor de uma medi- da numérica que descreve alguma característica de interesse de uma população (essa medida é denominada parâmetro). é fundamental que a amostra seja representa- tiva da população da qual foi extraída. da população é denominada erro amostral. . População é a totalidade dos elementos de um universo sobre o qual desejamos estabelecer conclusões ou exercer ações. Š O que deve ser definido durante a determinação do plano de amostragem? A Figura 3. Š O que é erro amostral? O leitor deve notar que. Design for Lean Six Sigma . Amostra é um subconjunto de elementos extraídos da população.

Quando o custo ou o tempo envolvidos na amostragem probabilística forem muito altos. poderão ser defini- das amostras não probabilísticas. A amostragem probabilística permite o cálculo de limites de confiabilidade para os erros de amostragem.10. depois de a amostra ser definida.Etapa Measure 195 Š Qual é a diferença entre as amostragens probabilísticas e não probabilísticas? Na amostragem probabilística. . Isto é. que ““o intervalo de quatro a sete viagens por ano tem 95% de chance de conter o verdadeiro número de viagens realizadas anualmente por viajantes aéreos no sudeste””. Método DMADV . pode-se concluir. Um dos procedimentos amostrais probabilísticos mais utilizados é a amostragem aleatória simples.. Os quatro principais tipos de amostragem probabilística são descritos na Figura 3. todos os elementos da população têm chance real de compor a amostra e sua seleção segue critérios aleatórios. por exemplo.

. a seleção dos elementos da população para compor a amostra depende.Ferramentas básicas usadas nas etapas D e M do DMADV 196 Na amostragem não probabilística. Design for Lean Six Sigma . não há nenhuma chance conhecida de que um elemento qualquer da população venha a fazer parte da amostra. pelo menos em parte.11 descreve quatro técnicas de amostragem não probabilística. do julgamento do pesquisador ou do entrevistador. Na amostragem não probabilística. A Figura 3.

é mostrada na Figura 3.12.Etapa Measure 197 Uma comparação entre as vantagens e desvantagens das principais técnicas de amostragem. Método DMADV . Malhotra. . segundo a visão de Naresh K.

Design for Lean Six Sigma . que devem ser considerados durante o dimensionamento da amostra são apresentados na Figura 3. Lyman Ott5. da variação da po- pulação. o que torna o tema bastante amplo.2 e 3.3. Š Como dimensionar a amostra quando é usada a técnica de amostragem aleatória simples (AAS)? As fórmulas para dimensionamento da amostra no caso da AAS são apresentadas nas Figuras 3. com base nas considerações de ordem técnica. As fórmulas utilizadas para o cálculo do tamanho da amostra. William Mendenhall III e R. . Scheaffer. dependerão do plano de amostragem adotado. das características populacionais que se deseja conhecer. da precisão e do nível de confiança desejados.13. práticos e técnicos. Cada situação de amostragem requer fórmu- 198 las apropriadas. Para mais detalhes. é sugerida a leitura do texto de Richard L.15 e têm seu uso ilustrado nos Exemplos 3.14 e 3.Ferramentas básicas usadas nas etapas D e M do DMADV Dimensionamento da amostra Š Quais são os principais pontos a serem considerados para o dimensionamento da amostra? Os principais aspectos.

Método DMADV .Etapa Measure 199 .

o número de pessoas que deverão ser ouvidas para que sejam satisfeitas as condições E = 0. por meio de um procedimento de amostragem aleatória simples. um nível de con- fiança de 95% e que o universo de consumidores do produto é de oito mil pessoas? É importante notar que a empresa não possui uma estimativa preliminar para a proporção de consumidores que aprovarão o novo sabor.2 Uma empresa multinacional de grande porte está avaliando a necessidade de criar novos proces- sos em seu serviço de atendimento aos consumidores (SAC).Ferramentas básicas usadas nas etapas D e M do DMADV Exemplo 3.08) n= = 736 consumidores 200 (0.0.03. Considerando população infinita. Design for Lean Six Sigma . considerando uma precisão de 0. •• A partir de uma amostra-piloto. será realizada uma pesquisa para determinar a proporção de consumidores que não estão satisfeitos com o atual aten- dimento prestado pelo SAC. Exemplo 3.2 Uma empresa fabricante de alimentos deseja realizar uma pesquisa para avaliar a proporção de pessoas que aprovam um novo tipo de sabor proposto para um de seus principais produtos.02)2 / 4 Exercício 3. •• O Black Belt responsável pelo estudo deseja obter 95% de confiança nos resultados. serão consideradas as condições: •• A precisão desejada é de 3 minutos.08 x (1 .3 Um hospital vem recebendo diversas queixas de seus pacientes quanto ao elevado tempo de espera para a realização de exames no setor de diagnóstico cardiovascular. Nesse contexto.02 e p = 8% é: 0. . Para se conhecer o tempo médio de espera atual. •• A população pode ser considerada infinita. o desvio padrão do tempo de espera foi calculado como s = 12 minutos. Quantas pessoas devem ser entrevistadas.

qual tamanho amostral (AAS) deve ser usado para a determinação da despesa mensal média por família? Š Como dimensionar a amostra quando é usada a técnica de amostragem aleatória estratificada (AAE)? As fórmulas para dimensionamento da amostra no caso da AAE são apresentadas nas Figuras 3.4 e 3.16 e 3.Etapa Measure Nesse contexto. .00.3 Um Black Belt de uma grande rede de livrarias pretende determinar o gasto mensal médio das 201 famílias paulistanas.17 e têm seu uso ilustrado nos Exemplos 3.5. com compras de livros. o número de pacientes cujo tempo de espera pela realização dos exames deve ser medido é: s2 4s2 4 x (12)2 n= = = = 64 pacientes D E2 (3)2 Exercício 3. Estudos similares indicam que o desvio padrão desse tipo de gasto é de R$ 60. CDs e DVDs. de um determinado nível socioeconômico. O Black Belt deseja ter 95% de confiança nos resultados e não quer que o erro exceda R$ 15. Consi- derando população infinita.00. Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV 202 Exemplo 3.550 pessoas. . O Green Belt deseja calcular o número de clientes a serem pesquisados.4 Um Green Belt conduzirá uma pesquisa para avaliar a proporção de clientes que aprovam um novo tipo de embalagem proposta para um dos principais produtos comercializados por sua empre- sa. Design for Lean Six Sigma . totalizando 1. Como base de dados para a pesquisa. Em cada uma das três cidades consideradas no estudo não há conhecimentos anteriores para a especificação de valores prévios para as proporções de clientes que aprovam a nova embalagem. As entrevistas serão conduzidas por telefone e o questionário possui perguntas com opção de resposta ““sim”” ou ““não””.1. será utilizado um cadastro de clientes de três grandes cidades do estado de Minas Gerais. As informações relevantes ao dimensionamento da amostra são apresentadas na Tabela 3.07. considerando 95% de confiança e uma precisão de 0.

Método DMADV .Etapa Measure 203 Os cálculos para a determinação do número de clientes a serem entrevistados são mostrados a seguir. .

Apesar da decisão de conduzir as entrevistas por telefone.4 Uma pizzaria deseja realizar uma pesquisa para avaliar a proporção de pessoas que aprovam um novo tamanho proposto para as pizzas. a empresa considera inviável entrevistar todos os consumidores e necessita. . conside- rando uma precisão de 0. são apresentadas na Tabela 3. De acordo com o volume de pedidos realizados no ano anterior. Design for Lean Six Sigma . calcular o número de clientes a serem pesquisados. de tamanhos 750.05. 500.5 Uma empresa deseja estimar as vendas de um de seus equipamentos. portanto. com base em um questionamento junto a seu público sobre o número de pedidos planejados para o próximo ano. médio e pequeno potencial.Ferramentas básicas usadas nas etapas D e M do DMADV Exercício 3. 204 Exemplo 3. Quantas pessoas devem ser entrevistadas. um nível de confiança de 95% e que a população-alvo pode ser dividida em quatro estratos. basea- das no ano anterior. As informações relevantes ao dimensionamento da amostra. 170 e 140 clientes? É importante notar que a empresa não possui estimativas preliminares para as proporções de consumidores que aprovarão o novo tamanho. Os cálculos para a determinação do número de clientes a serem entrevistados são mostrados a seguir. os clientes foram estratificados como de elevado. considerando 95% de confiança e uma precisão igual a duas unidades do equipamento. em cada um dos estratos.2.

Método DMADV .Etapa Measure 205 .

em todas as três lojas da empresa. 0. em cada uma das lojas foi realizado um teste-piloto com 10 clientes.05 (loja 3). Design for Lean Six Sigma . em uma escala de 1 (muito insatisfeito) a 5 (muito satisfeito). com os seguintes valores para o desvio padrão: 0. Para validar o questionário e obter uma estimativa preliminar do desvio padrão das res- postas às perguntas do questionário. Foi então decidido que seria realizada uma pesquisa de satisfação junto aos clientes. qualidade dos DVDs e cortesia no atendimento aos clientes. calcule quantas pessoas devem ser entrevistadas em cada loja.5 Uma locadora de DVDs vem notando. . preço da locação.Ferramentas básicas usadas nas etapas D e M do DMADV Exercício 3.30. nos últimos meses.97 (loja 1). 107 na loja 2 e 76 na loja 3). Para cada uma das perguntas. para identificação das causas da redução do número de locações. um declínio significativo em seus negócios. O questionário utilizado na pesquisa apresentava questões sobre disponibilidade dos fil- 206 mes.75 (loja 2) e 1. Foi efetuado um levantamento dos clientes que locaram DVDs no último mês. Sabendo que é inviável para a locadora realizar a pesquisa de satisfação com todos os 385 clientes. A questão cujas respostas apresentavam maior variabilidade era a referente ao preço da locação. sendo obtido um total de 385 pessoas (202 na loja 1. consi- derando um nível de confiança de 95% e uma precisão de 0. o cliente deveria informar seu nível de satisfação.

espera-se que as conclusões anteriores sejam comprova- das. mas a precisão mínima será aquela associada à questão cujo tamanho da amostra foi adotado. Na primeira. calcular e adotar apenas o tama- nho da amostra considerado para essa questão. . desde a coleta até a análise dos dados. Nesse último caso. Black Belts e Green Belts 1. De acordo com a segunda abordagem. deve- mos eleger a questão principal do questionário e. A confiabilidade das informações também pode ser verificada por meio da realização de algumas reentrevistas com diferentes entrevistadores e da comparação dos novos resultados obtidos com os resultados da pesquisa original. Como calcular o tamanho da amostra quando houver várias perguntas em um mesmo ques- tionário. Nesse caso.Etapa Measure Perguntas de Champions. corre-se o risco de a precisão associada a algumas questões ficar muito baixa.18. em seguida. 3. na página seguinte. mesmo com outra amostra. sendo cada uma delas associada a uma proporção de interesse distinta? Há duas abordagens. nem todas as questões 207 terão a mesma precisão após a coleta da amostra. 2. É importante enfatizar que um pré-teste deve ser realizado antes do procedimento da coleta oficial dos dados. Método DMADV . devemos calcular o tamanho da amostra para cada questão e considerar o maior deles para a realização da pesquisa. Caso a etapa de levantamento dos dados (execução do processo de amostragem) seja imediata- mente refeita. Como garantir a confiabilidade dos resultados do processo de amostragem? A confiabilidade refere-se à consistência das informações obtidas e à credibilidade de todo o processo de planejamento e coleta de dados. para que possíveis deficiências. tenham chance de ser identificadas. É possível criar um resumo com as principais atividades envolvidas em um processo de amostragem? Esse resumo é mostrado na Figura 3.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 208 .

escritos ou orais –– mais ainda. por exemplo. como reações a um tipo especial de embalagem do produto. usualmente como um complemento aos métodos de survey. previamente elaborado. disfarça- dos de clientes.19 ilustra os principais pontos fortes e fracos da observação direta de consumidores. nessa técnica. como o tempo em que ficam na área de exposição e o modo de localiza- ção e aproximação do produto.5 . o comportamento dos consumidores diante de uma pra- 209 teleira de supermercado. essa técnica é usada em conjunto com outras ferramentas para a coleta de dados. para o registro detalhado das informações coletadas. Vale ressaltar que. é desejável que os mesmos não tenham consciência da presença do observador. não há comunicação com os pesquisados e também inexistem questionamentos. com a utilização de um formulário observacional. .Ferramenta: Observação direta de consumidores Š O que é observação direta de consumidores? Essa técnica consiste no processo de se observar diretamente o comportamento corrente dos consumidores. Método DMADV .Etapa Measure 2. Na observação direta são usados observadores. Devido a suas limitações. para avaliar. para a obtenção de insights sobre aspectos relevantes à pesquisa. É indicado que o processo de observação seja bem estruturado. Š Quais são os pontos fortes e fracos da observação direta de consumidores? A Figura 3.

6 . quando. Tal como os questionários. por quê e o modo do comportamento a serem observados. O leitor deve notar que. Design for Lean Six Sigma . é mais comumente denominada formulário observacional. O pesquisador não precisa se preocu- par com o impacto psicológico das questões ou o modo como são formuladas. 2.Ferramentas básicas usadas nas etapas D e M do DMADV 2.20 e 3.21.20. Malhotra6.Ferramenta: Folha de Verificação Š O que é a Folha de Verificação? A Folha de Verificação.Ferramenta: Modelo de Kano Š O que é Modelo de Kano? O Modelo de Kano é uma ferramenta que auxilia a equipe do projeto DFLSS a separar as neces- sidades dos clientes/consumidores (Voice of the Customer) em três categorias. o quê. . os formulários observacionais exigem um pré-teste adequado””. ““os formulários para o registro de dados observacionais são mais fáceis de elaborar que os questionários. Os formulários observacionais devem especificar quem. no presente contexto. a entrada e a análise dos dados. na Figura 3. Ele deve apenas elaborar um formulário que identifique com clareza a informação desejada. onde. Nas palavras de Naresh K. conforme apresentado nas Figuras 3. o eixo horizontal mostra a performance no atendimento às necessidades e o eixo vertical representa o nível de satisfação dos clientes.7 . permita ao funcionário de 210 campo registrar as informações com exatidão e simplifique a codificação.

Etapa Measure 211 .Método DMADV .

e as últimas não são sequer conhecidas ou cogitadas. porque os clientes não relatam espontaneamente as necessidades esperadas e atrativas –– as primeiras são óbvias e. no Modelo de Kano. Por exemplo. passando de atrativas a lineares e. além de usar ferramentas como entrevista individual com consumidores-chave e FMEA/FTA (técnicas para análise de falhas. •• As necessidades dos clientes mudam ao longo do tempo e apresentam a característica de obsolescência. mas não tanto quanto a melhoria da incorporação das necessidades atrativas ao produ- to. Para a 212 descoberta das necessidades atrativas.Ferramentas básicas usadas nas etapas D e M do DMADV Alertas quanto ao uso do Modelo de Kano •• Apenas as necessidades lineares tendem a serem detectadas por meio dos surveys. continuamente. quando as necessidades lineares são atendidas a ponto de se evitar a insatisfação dos clientes. Isso significa que as empresas devem. Quanto mais necessidades atrativas forem atendidas por um produto. •• É muito importante que a equipe do projeto DFLSS faça uma revisão do Modelo de Kano construído. esperadas. Isso significa que. os esforços direcionados ao melhor atendimento das necessidades atrativas resultarão em maior retorno no que diz respeito à satisfação dos clientes. não lembradas. . a menos que alguma experiência negativa já tenha sido vivenciada. que serão apresentadas em outro volume da Série Werkema de Excelência Empresarial). mais destaque ele obterá em relação aos concorrentes. todo investimento adicional para melhoria não contribuirá de modo signi- ficativo para aumentar a satisfação dos clientes. portanto. A análise da Figura 3. no passado. buscar descobrir e atender novas necessidades atrativas em seus produtos. •• Na revisão do modelo também é fundamental tentar identificar necessidades atrativas adicio- nais. a curva das neces- sidades esperadas tende à estabilização. a pesquisa de grupo-foco e a observação direta de consu- midores são técnicas bastante úteis. No entanto.21 indica que. com o objetivo de garantir que nenhuma necessidade esperada tenha sido omitida. com o objetivo de identificar desejos não atendidos e frustrações dos clientes com relação aos produtos existentes no mercado. •• A melhoria da performance no atendimento às necessidades lineares aumenta a satisfação dos clientes. Para a identificação das necessidades espe- radas é útil analisar reclamações dos clientes e produtos concorrentes. o controle remoto de um aparelho de TV era considera- do uma necessidade atrativa. a partir de uma certa performance no atendimento. o leitor deve notar que. finalmente. O atendimento a essas necessidades é um pré-requisito para o sucesso do novo produto. é importante observar que. mas atualmente é uma necessidade esperada. Design for Lean Six Sigma . com o objetivo de obter maior vantagem competitiva.

Método DMADV - Etapa Measure

2.8 - Ferramenta:
Histograma

Š O que é histograma?
O histograma é uma ferramenta para sumarização e descrição gráfica de dados quantitativos.
Consiste em um gráfico de barras no qual o eixo horizontal, subdividido em vários pequenos interva-
los de mesmo tamanho, apresenta os valores assumidos por uma variável de interesse. Para cada um
desses intervalos é construída uma barra vertical de altura proporcional ao número de observações

213
amostrais cujos valores pertencem ao intervalo correspondente. A Figura 3.22 ilustra o formato de
um histograma, que possibilita a visualização de três propriedades da distribuição do conjunto de
dados: forma, localização do valor central e dispersão em torno do valor central (variabilidade).

Os tipos de dados –– medidas que descrevem algum fenômeno de interesse –– são descritos nas
Figuras 3.23 e 3.24. As ferramentas usadas para a sumarização de dados qualitativos são apresentadas
em outro volume da Série Werkema de Excelência Empresarial.

Design for Lean Six Sigma - Ferramentas básicas usadas nas etapas D e M do DMADV
214

Método DMADV - Etapa Measure

215

Algumas medidas estatísticas básicas (estatísticas descritivas), complementares à construção e
interpretação de histogramas, são apresentadas no quadro 3.1. É importante ressaltar que o cálculo
dessas medidas e a construção de histogramas geralmente são realizados por meio da utilização de
um software estatístico, de modo que efetuar cálculos manuais é uma tarefa desnecessária.

Design for Lean Six Sigma - Ferramentas básicas usadas nas etapas D e M do DMADV
216

Método DMADV - Etapa Measure

217

218 . um Green Belt de um hospital obteve os valores apresentados na Tabela 3.6 Em uma pesquisa realizada com 120 pacientes (amostragem aleatória simples).26). Design for Lean Six Sigma . Os dados foram analisados por meio do cálculo de estatísticas descritivas (Figura 3.Ferramentas básicas usadas nas etapas D e M do DMADV Exemplo 3.3 para o tempo de espera até a realização de exames no setor de diagnóstico por imagens no hospital.25) e da construção de um histograma (Figura 3.

Esse resultado é bem próximo ao tempo médio.Etapa Measure A análise da Figura 3. •• O tempo de espera apresenta uma elevada variabilidade. o que resulta em uma amplitude R = 52 –– 4 = 48 minutos. •• O desvio padrão (StDev) é de aproximadamente 8 minutos (7.26 indica que: •• O histograma pode ser considerado razoavelmente simétrico. 219 •• Acima do valor 29 minutos (Q3) há 25% das observações do tempo de espera. Histograma de Tempo Frequência A observação da Figura 3. •• O tempo mediano de espera (Median) –– valor que divide o conjunto de dados ordenados em duas metades –– é 24 minutos. 4 minutos (Minimum). .896). •• A região central da distribuição dos valores do tempo de espera está em torno de 24 minutos. •• Abaixo do valor 20 minutos (Q1) há 25% das observações do tempo de espera. •• O maior tempo de espera observado é 52 minutos (Maximum) e o menor. Método DMADV .292 minutos. o que indica que a forma da distribuição do conjunto de dados deve ser relativamente simétrica.25 indica que: •• O tempo médio de espera (Mean) para os 120 (N) dados coletados é de 24.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV .

Etapa Measure .Método DMADV .

para as quatro unidades de negócio.4. sendo 100 clientes de cada unidade de negócio da empresa.Ferramentas básicas usadas nas etapas D e M do DMADV Exercício 3. Os dados obtidos. é referente ao prazo (em horas) da última entrega realizada pela organização. Design for Lean Six Sigma . são apresentados na Tabela 3. Quais devem ter sido as conclusões estabelecidas pelo Black Belt? 222 .6 Uma pergunta de um questionário aplicado por um Black Belt a uma amostra de 400 clientes. Analise os dados utilizando estatísticas descritivas e histogramas.

Etapa Measure 223 .Método DMADV .

Ferramentas básicas usadas nas etapas D e M do DMADV 2. Design for Lean Six Sigma .2 mostra as etapas que devem ser seguidas para a construção de um boxplot. 224 . simetria ou assimetria e presença de observações discrepantes (outliers).Ferramenta: Boxplot Š O que é boxplot? O boxplot é um gráfico que apresenta simultaneamente várias características de um conjunto de dados: locação. variabilidade. O Quadro 3.9 .

Etapa Measure 225 .Método DMADV .

Isso acontece porque a metade inferior dos dados está dispersa em uma faixa de comprimento menor que o da região ocupada pela metade superior do conjunto de dados (Figura 3. mostra que o tempo de espera possui elevada vari- abilidade. quando a distribuição dos dados é assimétrica à direita. O boxplot indica a presença de três outliers.Ferramentas básicas usadas nas etapas D e M do DMADV A Figura 3.30). conforme apresentado na Figura 3. Isso acontece porque a metade superior dos dados está dispersa em uma faixa de comprimento menor que o da região ocupada pela metade inferior do conjunto de dados (Figura 3.2 e também é mostrada na Figura 3. a linha que represen- ta a mediana estará mais próxima de Q1 que de Q3.27 representa o boxplot construído para os dados do Exemplo 3.28. com a seguinte ação adicional no passo 6: selecione a opção Boxplot of data.27 utilizan- do o MINITAB. basta seguir o procedimento apresentado para a construção do histograma da Figura 3. Design for Lean Six Sigma . Essa situação foi ilustrada nas duas Figuras mostradas no Quadro 3. assim como o histograma. Para construir o boxplot da Figura 3. a linha que representa a mediana estará locali- zada mais ou menos no centro do retângulo e as duas linhas que partem das extremidades terão aproximadamente os mesmos comprimentos. .6.26. a linha que representa a mediana geralmente estará mais próxima de Q3 que de Q1. 226 Alertas quanto à construção e interpretação de boxplots •• Quando a distribuição dos dados é simétrica. •• O boxplot também pode ser desenhado na posição vertical. Esse gráfico é bastante simétrico e. •• Quando a distribuição dos dados é assimétrica à esquerda.29).31. •• De modo geral.

Método DMADV .Etapa Measure 227 .

realizada na etapa Measure. Esse .7 Analisar os dados do Exercício 3.Ferramentas básicas usadas nas etapas D e M do DMADV 228 Exercício 3. Em M2 são utilizadas ferramentas mais específicas. 3. é um aprofundamento dos estudos efetuados na atividade D4 (avaliar a concorrência). para a obtenção de um conhecimento mais detalhado sobre os produtos concorrentes e a percepção que os clientes têm desses produtos. Atividade M2 - Analisar os principais concorrentes Š Em que consiste a atividade M2? A análise dos principais concorrentes. Design for Lean Six Sigma .6 utilizando boxplots. como benchmarking e engenharia reversa.

3. O objetivo é obter informações capazes de permitir a compa- 229 ração dos processos e produtos da empresa com o que vem sendo oferecido pelos concorrentes. Camp7. no contexto de um projeto DFLSS.Ferramenta: Benchmarking Š O que é benchmarking? O benchmarking consiste no exame dos processos e produtos de empresas líderes no mercado.Etapa Measure conhecimento é um input muito valioso para o uso da ferramenta QFD na etapa M4. para avaliar seu nível de desempenho. Vale destacar que deve-se tomar cuidado para que as comparações feitas durante o benchmarking não limitem a criatividade da equipe do projeto. .1 . Uma visão resumida do processo de condução de um estudo de benchmarking. O benchmarking usualmente é conduzido simultaneamente ao estudo das necessidades dos cli- entes/consumidores (Voice of the Customer –– VOC).32. Os resultados obtidos nos estudos de benchmarking e VOC são sumarizados em uma matriz de QFD (Quality Function Deployment). Os resultados do benchmarking auxiliam na definição e estabelecimento das características críticas para a qualidade (CTQs) do produto e suas especificações. Método DMADV . é sugerida a leitura do texto de Robert C. é mostrada na Figura 3. Para o obter mais informações sobre essa técnica. conforme será descrito ainda neste capítulo.

Para mais detalhes sobre a engenharia reversa. sugeri- 230 mos o livro de Kevin Otto e Kristin Wood8.Ferramentas básicas usadas nas etapas D e M do DMADV 3. com o propósito de encontrar um modo melhor para que o novo produto desem- penhe a mesma função ou funções similares.33. o objetivo é descobrir por que um produto. . Design for Lean Six Sigma .2 . Conforme esquematizado na Figura 3. todo o produto. fisicamente.Ferramenta: Engenharia reversa Š O que é engenharia reversa? A engenharia reversa consiste no exame detalhado ou ““dissecação”” de produtos concorrentes ou similares. o que pode envolver desmontar. dispositivo ou componente foi projetado da forma como é.

às obras literárias. A mente deve sempre estar aberta às novas ideias.Dym e Patrick Little9. aos fonogramas e às emissões de radiodifusão. às marcas industriais. deve haver bastante atenção para não ocorrer desvio do foco das necessidades reais dos clientes do projeto atual. É importante que não nos tornemos escravos do projeto que está sendo usado para ajudar nosso raciocínio. aos desenhos e modelos industriais. uma boa dose de ousadia e inovação! Citando um comentário de Clive L. Método DMADV .Etapa Measure Alertas quanto ao uso da engenharia reversa •• Os produtos ou dispositivos que estão sendo dissecados podem ter sido desenvolvidos para atender necessidades de um grupo de clientes cuja demanda difere da apresentada pelos clientes do projeto atual. ligada a aspectos relativos ao respeito à pro- priedade intelectual. a equipe de projeto não pode ficar presa às características específi- 231 cas e ao contexto de uso do produto que está sendo empregado para auxiliar no encontro de soluções para o projeto em desenvolvimento. é necessária. ““no caso de um retroprojetor usado em sala de aula. às execuções dos artistas executantes. aos nomes e denominações comerciais. inevitavelmente. por exemplo. às interpretações dos artistas intérpretes. de comércio e de serviço. Em cinemas.”” Note que tão importante quanto criar é proteger o que já foi criado por outros! . Em alguns contextos. todos os meios para ligar e desligar o aparelho são mais ou menos compatíveis com um dispositivo stand- alone. à proteção contra a concorrência desleal. Segundo a Associação Brasileira da Propriedade Intelectual (ABPI)10 ““a expressão Propriedade Intelectual abrange os direitos relativos às invenções em todos os campos da atividade humana. pode ser mais apropriado remover esses controles do aparelho em si e fazer com que os mesmos se tornem parte de um conjunto de controles gerais de uma sala. científico. para que se possa pensar em atingir 99. criatividade é fundamental –– afinal. •• Na engenharia reversa. frequentemente as luzes e outros controles são manejados a partir da sala de projeção e não de interruptores de parede similares aos encontrados na maioria das residências e salas de aula. bem como os demais direitos relativos à atividade intelectual no campo industrial. Em um programa como o Seis Sigma. literário e artístico. Portanto. além de muito traba- lho. ar tísticas e científicas. contudo.”” •• A engenharia reversa está. por exemplo.99966% de perfeição. às descobertas científicas.

além de algumas ferramentas de nível mais avançado. Em M3 são utilizadas as mesmas ferramentas das fases D2 e D3. ou seja. para que a equipe possa criar o novo produto ou processo. •• Um valor-alvo que represente o nível de performance desejado para a característica da qualidade. devem ser convertidas ou ““traduzidas”” em termos técnicos precisos. •• Limites de especificação que definam a variação no desempenho que será tolerada pelos clientes. que serão apresentadas em outro volume da Série Werkema de Excelência Empresarial. 232 5. as necessidades dos clientes.34): •• Uma característica da qualidade que especifica como o novo produto ou processo atenderá a necessidade dos clientes. cada CTQ deve possuir (veja a Figura 3. Devem ser criadas definições operacionais claras para as medidas das CTQs. Design for Lean Six Sigma . As necessidades traduzidas. Atividade M3 - Realizar uma análise detalhada do mercado Š Em que consiste a atividade M3? Nesta atividade deve ser realizado um aprofundamento dos estudos efetuados nas fases D2 e D3 (avaliar o potencial de mercado do novo produto e definir os mercados-alvo). Atividade M4 . Segundo Dana Ginn e Evelyn Varner11. . expressas em termos de engenharia ou do negócio. •• Uma medida quantitativa para a performance da característica da qualidade. como análise fatorial e análise de conglomerados.Ferramentas básicas usadas nas etapas D e M do DMADV 4.Estabelecer as características críticas para a qualidade (CTQs) do produto e suas especificações Š O que deve ser realizado na atividade M4? Em M4. são denominadas Características Críticas para a Qualidade (Critical to Quality –– CTQ). usualmente expressas em linguagem coloquial.

233 •• Os valores-alvo e os limites de especificação das CTQs podem ser estabelecidos qualitati- vamente (usando a importância das CTQs definida pelos clientes. Essa não é uma tarefa simples. . Essas medidas devem ser definidas com base no conhecimento da equipe e nos dados obtidos nos estudos para o levantamento da Voz do Cliente (VOC). os valores-alvo e limites de especificação mais ambiciosos devem estar associados às CTQs consideradas mais importantes pelos clientes (Figura 3. os resultados da análise da performance dos concorrentes e dados internos de capacidade dos processos) ou quantitativamente (por meio de modelos matemáticos que relacionem a performance das CTQs à satisfação dos clientes). A priorização das CTQs pode ser realizada por meio do uso da ferramenta QFD. necessitando de bastante reflexão para que sejam obtidos bons resultados. •• Se a empresa possui recursos limitados. Método DMADV .Etapa Measure Alertas quanto ao estabelecimento das CTQs e suas especificações Ainda segundo Dana Ginn e Evelyn Varner11. devem ser observados os seguintes cuidados no processo de estabelecimento das CTQs e suas especificações: •• Não existem fórmulas mágicas para gerar as medidas para a performance das CTQs.35).

que são frases usadas por eles para descrever o produto e suas caracterís- ticas (um exemplo é mostrado na Figura 3. O QFD tem como ponto de partida as necessidades do cliente (Voice of the Customer). o que permite a compreensão do desempenho dos concorrentes em relação às características-chave para a competitividade.37). ““é um conjunto de rotinas de planejamento e comunicação que focam e coordenam as habilidades de uma organização. Grande parte do trabalho de construção da matriz de QFD envolve a compilação das informações obtidas nas atividades M1 e M2 da etapa Measure do DMADV. Design for Lean Six Sigma . na parte inicial deste capítulo.Ferramentas básicas usadas nas etapas D e M do DMADV 5. e também um sumário dos resultados dos estudos de benchmarking.1 . considerado uma referência clássica sobre o tema. que são convertidas. A base da ‘‘Casa 234 da Qualidade’’ é a crença de que os produtos devem ser projetados para refletir os desejos e necessidades dos clientes –– de modo que as pessoas do setor de marketing. por meio do uso da ferramenta. segundo a definição de Hauser e Clausing13. Primeira etapa: O que os clientes necessitam? A matriz de QFD tem como ponto de partida as necessidades dos clientes –– denominadas atributos do cliente ––.36. A matriz apresenta as necessidades dos clientes e sua priorização. As técnicas para o estudo das necessidades dos clientes já foram discutidas anteriormente. A estrutura da ““Casa da Quali- dade”” –– também denominada matriz de QFD –– é mostrada na Figura 3. Por exemplo. que são organizadas nas diversas partes que compõem a matriz. . os engenheiros de projeto e o staff da área de produção devam trabalhar em conjunto desde o primeiro momento de concepção do produto””. inicialmente para projetar e posteriormente para produzir e comercializar bens e serviços que os clientes desejem comprar e que continuarão comprando. essa exigência é conver tida em nível de temperatura da chama do fogão e em tempo de preparo. se o cliente de um restaurante estabelece que o bife deve ser ““bem passado””. também conhe- cido como ““Casa da Qualidade”” (House of Quality). Š Como construir a matriz de QFD? As etapas para a construção da matriz de QFD serão descritas com base em uma tradução livre de trechos do artigo de Hauser e Clausing14.Ferramenta: QFD (Quality Function Deployment) Š O que é QFD? O QFD (Quality Function Deployment –– Desdobramento da Função Qualidade). em parâmetros técnicos.

Método DMADV .Etapa Measure 235 .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 236 .

o próximo passo da construção da matriz de QFD consiste na determinação do grau de prioridade que os clientes atribuem às suas necessidades. possivelmente. necessariamente. enquanto as de nível secundário indicam. de distribuidores (““fácil de ser exibido no show-room””) e assim por diante. mais difícil de se fechar. Método DMADV . É importante tentar preservar as frases originais (inclusive clichês). Em vista do exposto no parágrafo anterior. secundário e terciário –– e organizadas por meio do uso de um Diagrama de Afinidades. o que deve ser feito para cumprir esses direcionamentos. consumidores finais do produto. Há um problema nessa situação: a operação rápida dos vidros elétricos exige um motor maior. poderão ser consideradas as necessidades de legisladores (““se- guro em uma colisão frontal””). Já as necessidades de nível terciário.Etapa Measure Conforme é ilustrado na Figura 3. O leitor deve notar que as necessidades dos clientes devem ser expressas o mais próximo 237 possível de sua própria linguagem. a equipe deverá sacrificar pelo menos uma das necessida- des e chegar a um meio-termo. por exemplo.37. utilizando questio- nários. na qual há conflito entre as necessidades dos clientes. o que fará com que a porta fique mais pesada e. de modo mais específico. usualmente. tendo como base o que é mais importante para os clientes. É imediato concluir que a equipe concentrará seus esforços para atender às necessidades mais im- por tantes. considere uma porta que é fácil de fechar e possui vidros elétricos que se abrem e fecham rapidamente. as necessidades dos clientes podem ser estruturadas de acor- do com uma hierarquia de níveis –– primário. com o objetivo de facilitar sua posterior ““tradução”” pelos especialistas em marketing e vendas e pelos engenheiros de projeto e de produção. No caso de um automóvel. No entanto. usualmente descritas em termos operacionais. Em algumas situações como essa. em que os clientes são solicitados a atribuir uma nota (usualmente em uma escala de 1 a 5) a cada necessidade identificada. . de modo a fazer o melhor uso possível dos recursos à sua disposição para o desenvol- vimento do projeto. fornecem detalhes necessários ao desen- volvimento de soluções de engenharia que permitirão a satisfação das necessidades secundárias. Segunda etapa: Todas as necessidades têm o mesmo grau de importância? Ainda no exemplo do automóvel. poderá existir uma solução criativa capaz de atender a todas as necessidades. As necessidades de nível primário são empregadas para a definição dos direcionamentos estratégicos para o projeto do produto. A priorização é feita por meio de pesquisas quantitativas. Vale ressaltar que nem todos os clientes são.

dispostos na matriz de QFD ao lado de cada necessidade dos clientes. Essa avaliação deve ser realizada com base em pesquisas quantitativas. Portanto. seu posicionamento em relação a eles. no lado direito da matriz de QFD (matriz de planejamento).38. Um exemplo é apresentado na Figura 3. é apresentada a avaliação dos clientes para os produtos similares dos concorrentes. 238 Terceira etapa: A satisfação das necessidades dos clientes resultará em vantagem competitiva? As empresas que desejam superar ou pelo menos equiparar-se a seus concorrentes necessitam saber.39). de forma que sua soma seja igual a 100%.Ferramentas básicas usadas nas etapas D e M do DMADV Os graus de importância. . em comparação ao ““nosso produto”” (Figura 3. em primeiro lugar. Design for Lean Six Sigma . usualmente são expressos em percentagens.

Etapa Measure 239 A comparação com os concorrentes permite a identificação de oportunidades para melhoria. em relação à necessidade ““permanece aberta em uma ladeira””. a Figura 3. No exemplo da porta do automóvel. quanto ao quesito ““não há ruído de tráfego””. o novo produto poderá obter vantagens nesse item. Método DMADV . . Mas.39 mostra que. nosso produ- to já está em posição vantajosa. que deverá ser mantida. todos os carros são classificados como fracos e. portanto.

Con- forme foi definido anteriormente. Portanto. no topo da matriz.40).Ferramentas básicas usadas nas etapas D e M do DMADV Quarta etapa: Como o produto pode ser projetado? O ““mundo do marketing”” determina o que deve ser feito. as características de engenharia são as medidas das características críticas para a qualidade (Critical to Quality –– CTQ). a equipe deve listar as características de engenharia que provavelmente afetarão uma ou mais necessidades dos clientes (Figura 3. o próximo passo da construção da matriz de QFD é descrever o produto na linguagem de engenharia. enquanto o ““mundo da engenharia”” diz como fazê-lo. Design for Lean Six Sigma . 240 . Para isso.

. a serem mostrados posteriormente. a equipe pode começar o trabalho a partir dos atributos do cliente e.41 (veja também a ferramenta Diagrama de Matriz. Quinta etapa: Em que medida as qualidades percebidas pelos clientes podem ser influenciadas pela engenharia? Nesta fase deve ser preenchida a parte central da ““Casa da Qualidade”” (isto é: a matriz de conversão). Qualquer CTQ pode afetar mais de um atributo do cliente. e a probabilidade de que seja percebida diretamente pelo cliente é muito baixa. Também vale destacar que. por exemplo. o que pode implicar indiferença a necessidades importantes dos clientes. Método DMADV . Nesta etapa. Devem ser usados números (5 = forte. na Figura 3. Ela afeta o cliente somente porque influencia o peso da porta e outras CTQs. como a ““resistência à deformação em uma colisão””. nas respostas dos clientes e em resultados de estudos estatísticos e/ou experimentos controlados.40 –– e outros. o peso da porta é ““sentido”” pelo usuário do automóvel e. conforme apresenta- do na Figura 3. Para isso. a equipe deve se basear na experiência de especialistas nos aspectos técnicos envolvidos. para cada um deles. no capítulo 2). afeta três dos quatro atributos do cliente apresentados na Figura 3. o sinal negativo associado à CTQ ““energia para fechar a porta”” significa que a equipe tem como objetivo diminuir essa energia. isso pode significar que ela poderá ser redundante ou que algum atributo importante não foi identificado pela equipe. 1 = fraco. 241 Já foi enfatizado anteriormente que as CTQs devem descrever o produto em termos mensuráveis. 0 = inexistente) ou símbolos para representar a intensidade das relações entre os atributos do cliente e as CTQs. gerar as CTQs.Etapa Measure É importante explicar que. portanto. Já a espessura da chapa metálica é uma característica de um componente da porta do automóvel. se uma CTQ não afetar nenhum atributo do cliente. é uma CTQ relevante. 3 = médio. A resistência da vedação da porta. com a indicação do quanto cada CTQ afeta cada atributo do cliente. Essa é uma atividade que requer uma análise sistemática e detalhada de cada atributo.40. além de afetar diretamente as percepções dos clientes. de modo a evitar que sejam gerados resultados vagos ou ambíguos. No exemplo que está sendo considerado.

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 242 .

Método DMADV .Etapa Measure 243 A próxima atividade desta etapa do trabalho é o início do preenchimento da matriz técnica.42). . Nesta parte da matriz também devem ser registradas as informações sobre os produtos dos concorrentes. obtidas através do benchmarking realizado anteriormente. que consiste na atribuição de unidades de medição e de valores assumidos pelas CTQs (veja a parte inferior da matriz de QFD da Figura 3.

conforme ilustrado na Figura 3. Para finalizar a construção da matriz de QFD. sendo 5 = maior nível de dificuldade) e a meta (valor-alvo) para cada CTQ (Figura 3. não há efeito. Por outro lado.Ferramentas básicas usadas nas etapas D e M do DMADV Vale destacar que. deve ser feita a pergunta: ““se o projeto atende ao valor-alvo pretendido para a CTQ1. que sumariza o relacionamento entre as medidas das CTQs. com base no que é mais impor- tante para os clientes. que superará as restrições.). devem ser incluídos na matriz técnica a importância relativa. ou elaborar um projeto mais inovador. Devem ser usados símbolos. qual será o efeito sobre a CTQ2?”” Se o valor-alvo da CTQ2 244 também tende a ser alcançado. Para determinar o tipo de relacionamento. Design for Lean Six Sigma . Ou seja: efeitos ou relacionamentos positivos indicam sinergia. há restrições ao projeto. o que implica a necessidade de definir um meio-termo. . o custo estimado. outros atributos também o serão. Sexta etapa: Como a alteração de uma CTQ afeta as demais CTQs? Nesta etapa deve ser preenchida a matriz de correlação.43. o efeito é negativo.44). É evidente que o projeto do novo produto será mais fácil se houver uma maioria de relaciona- mentos positivos na matriz de correlação (isto é: se um aspecto do produto for aprimorado. há um efeito positivo. se a avaliação de algum atributo do cliente não corresponde às medidas das CTQs a ele relacionadas –– por exemplo. se o automóvel que possui o valor mais baixo da energia para fechar a porta é percebido como aquele que tem a porta mais difícil de se fechar ––. o nível de dificuldade técnica (em uma escala de 1 a 5. se existe uma tendência de a CTQ2 se afastar de seu valor-alvo. as medidas estão incorretas ou o produto apresenta algum ““problema de imagem”” que está afetando a avaliação dos clientes. para representar os relacionamentos identificados. Quando a maioria dos relacionamentos é do tipo negativo. enquanto efeitos negativos indicam conflito. Se a CTQ2 não é afetada.

Método DMADV .Etapa Measure 245 .

Design for Lean Six Sigma .Ferramentas básicas usadas nas etapas D e M do DMADV 246 .

45. 247 2. Método DMADV .8 Construa uma matriz de QFD para o projeto de um clipe a ser usado para prender folhas de papel. Na matriz técnica. •• Somar os resultados obtidos para a CTQ. Black Belts e Green Belts 1. . O QFD pode ser utilizado sucessivamente para a condução da Voz do Cliente até a produção. O QFD pode ser aplicado em todo o processo de desenvolvimento do produto? Sim. Quanto maior o valor da soma. conforme mostra a Figura 3.Etapa Measure Perguntas de Champions. Exercício 3. mais importante é a CTQ. como obter a importância relativa das CTQs? A importância relativa de cada CTQ é obtida por meio do seguinte procedimento: •• Multiplicar a importância de cada atributo do cliente pelo número que representa a força da relação entre esse atributo e a CTQ. O leitor deve notar que a saída de uma matriz de QFD (COMO) transforma-se na entrada (O QUÊ) na matriz seguinte.

*7%2A%206*".HH7C.:E(    !16)-412%4%751(151*69%4)#? :)/2.1  .J7F7I.<207/8..DJ7I8]I?97IKI7:7ID7I..

?JEI :7I7PED7B?:7:.+:?=?J.DJH7:7I:.*<>.9EC7.L.1   ]B9KBE:EIcD:?9.-(%()  /.'2)'2)./89:<'2.2':58   !C#:58+8+9.  *797?N7$52'9:<'2.?HEF7H7KIE:EIE<JM7H.#  *E97CFE>68+99/54.9?ED.'2)'1+ '::+84+*':'#/362+#+:5.II7PED7B?P7:EIT  EDIJHKW`E:E=H]<?9EI. !16)-412%4%751(151*69%4)#= :)/2.I:.  S +I9EC7D:EI79?C7I`EKJ?B?P7:EIF7H797B9KB7HEIL7BEH.7@KIJ7:EI  +8J.B.CFBE  !J7F7 .NFH.:..7@KIJ7:EI  EDIJHKW`E:E=H]<?9EI.7ICa:?7I CdL.@7 GK7DJ?<?97HEI.=KB7H. .%415A0(-')5()"%.2:/4<'8/'(2+:?=?J.)%*%0 )aJE:E (  !N.B.:7IL7H?7Wf.ID7IaH?.IJ7H7HC7P.J.+:?=?J.<..C.# EKI.B.DW`E:EI:7:EIQ:.GK.10%.L.C.D7:EID79EBKD7%+4*'9.'7.?I9.I7PED7B?:7:.D9?7BF7H7EI:7:EIQ:.D9?7BF7H7EIcD:?9.I:.3(+89  *E97CFE#:58+6'::+84+**':'/4:?=?J.GK.L.9?ED.CFEH7B  /.G9  *797?N7853.I:.II`E%+4*'9 %"  S *EJ7EI:7:EI:ELEBKC.D:7I:.9?ED.II7PED7B?P7:EIT %..I?HH.DJH. V .I7PED7B?:7:.EJ.IJ7HD79EBKD7%"  /.

HKJ?B?P7:7F7H7 97B9KB7H7Ca:?7:EIL7BEH.I.C97:7CbI .I:.C9H?7HKC79EBKD7?:.9?ED.+4)+:/3+9:?=?J. S +I9EC7D:EI79?C7F.  /.  *797?N7/9::.DJ?<?97:EH7:EIC.B.HC?J.52+9+7.#.I7I.+=.

:E(  /.B.7HC7P.II`E+'4  .DJH.9?ED.P.*7%2A%206*".HH7C.#F7H797:7CbI  /.B.NFH.D7HD7FB7D?B>7:.9EC7.#:':/9:/)9 .4*/)+#'@54'2/*'*+0.7L7H?]L.I:.9?ED.BG9F7H7EGK7:HE?<'8/'(2+956:/54'2  /. .B.9:'*5  *E97CFE>68+99/54.:7:EI7Ca:?7:EI L7BEH.#:':'9/)#:':/9:/)9#:58++9)8/6:/<+#:':/9:/)9  /.7L7H?]L.B.9?ED.B.I S +I9EC7D:EI79?C7I`EKJ?B?P7:EIF7H797B9KB7H.2':58  !C#:58+8+9.B.'2)'2).B#F7H7EGK7:HE%'8/'(2+9  /.C7HGK.9?ED.9?ED..DJ7I8]I?97IKI7:7ID7I.J7F7I.7EFW`E+'4  /.9?ED. :K7IL.2:/4<'8/'(2+:?=?J.<207/8.

9.3+'4  .

9?ED.H.58&659/:/549  /.10%.?NE4 EKI.C5  /.=K?H:?=?J.B.#/362+.B.HC?J.9:'*5F7H7EGK7:HE#+8/+9  /.9EHH.5=8+. .HKJ?B?P7:EDE. F7H754:.B.CJH7W7HKC7H..B.:.HcE:E:.+8+4)+2/4+9 DEGK7:HE$/3+#+8/+9 25:R R$/3+ #)'2+ R  ?=?J.@7 F7H7 97:7CbII.#:':$/3+#+8/+9$/3+#+8/+9 25:.B.E97CFE$/3+ #)'2+ 9B?GK.J.+8+4)+2/4+9.IFED:.9?ED.=K?HI.B.9?ED./7PED7B?:7:.79EBKD74*/)+#'@54'2/*'*+0."+.HbD9?7.:.HC?J.7I..<.-(%()  /.9?ED.DJ. S +9EC7D:E79?C7F.H]=H7<7:EEcD:?9.CFE7I.B.  /.9?ED.7EFW`E54:.@KIJ7:EIF7H797:7CbI  = 105647-4 1 4B*-'1 ")37)0'-%.B. S +I9EC7D:EI79?C7F. DEGK7:HE#.I:.C'2+4*'8 I.J7:.9?ED.<?D?HEF.9?ED. S +I9EC7D:EI79?C7F.C97B9KB7HEI\D:?9.I7PED7B?:7:. 2%4% 15 A0(-')5 () "%.HC?J.9?ED.B.  /.  /.7I.9?ED.

7L7H?]L.C 97:77DE  /.B.349  *E97CFE#:58+9:')1+**':'/4I.88+4:=5819.P.CF?B>7HEIcD:?9.I.B4*/)+#'@54'2/*'*+0.++:  /.I7PED7B?:7:.9?ED.5225=/4- )52.B4*/)+#'@54'2/*'*+0.-.':'#:')152.345.EJ.9?ED.$ .I:.'2)'2).)%*%0 .B.IF7H7EGK7:HE#:')1:.*<>.F7H7EIC.CFBE  =&6)415%(15<)55%.9:'*5L.7/)()$)0(%5  /.7L7H?]L.349  /.B.DJ.2':58  !C#:58+8+9.I.  !N.%(15>(1$1. S +I9EC7D:EI79?C7I`EKJ?B?P7:EIF7H7..DEL7C.9?ED.9?ED.B. )aJE:E ( V!J7F7 .B.9:'*5 D7EFW`E52.10%.9?ED.2:/4<'8/'(2+:?=?J.+.?HEF7H7KIE:EIE<JM7H.).

B. F7H7&+'8  /.9?ED. :K7IL.<.J.9?ED.C'2+4*'8 I.9?ED.B?C?D7H7EFW`E:.DJ.9EC7D:EaKJ?B?P7:EF7H7.EJ.I7PED7B?:7:.B.9:'*5  /.EDgC.10%. F7H754:.  *E97CFE>68+99/54 .-.7I.DJH.=K?HI.9EC7.7F7=K.B. 2%4% 15 %(15 <)55%.9?ED.79EBKD7$F7H7EGK7:HE#+8/+9  /.B.DEGK7:HE #."+.C5 9ED<EHC.JH7W7HKC7B?D>7.?JEI:.NFH.?HEF7H7KIE:EIE<JM7H.<E?:?=?J7:E7DJ.+8+4)+2/4+9 .#:':$/3+#+8/+9$/3+#+8/+9 25:.. $ = 105647-4 1 4B*-'1 ")37)0'-%.&+'8.H?EHC.9?ED.H?EH  /.<.II7PED7B?P7W`ET:7IaH?.?JE DE=H]<?9E7DJ.5=8+. S +I9EC7D:EI79?C7I`EKJ?B?P7:EIF7H7Q:.%(15>  /.9?ED.   /.II`E %+4*'9 4*/)+#'@54'2/*'*+0.9?ED.=K?H :?=?J.CFEH7B EKI.B.7I.HE GK.B.B.+8+4)+2/4+9.P.B.E97CFE$/3+ #)'2+ 9B?GK.@7 H..)%*%0V !N.9?ED.58&659/:/549 S !IJ.CEW`E :EI.#/362+.CFBE  .I .7EFW`E54:.

J7F7I.:E(    1/)06B4-15)4)*)4F0'-%5 .*7%2A%206*".HH7C.DJ7I8]I?97IKI7:7ID7I..<207/8..

>6*0*C27. .    F   1C7:.<?D?W`EI?CFB.I:.*7 %2A /?=C7  /J  (K9?. .?HE !BI.I?IJ. H.L?.II     F   aQ 9KIJEC.1  )7?I?D<EHC7Wf.H.:. )aJE:E (  !J7F7 EC.IIE8H.KC7JH7:KW`EB?LH.<.HA.2<%206* :..*7%.HE8J?:7IDEB?LHE.7OE<<IT %2A%206*8.H.HHOC7D  ) ( Q "(//7D:?= .D=.&7D.CI. ..H?IJ?D73.HbD9?7I %2G67.2*7-8*>5=>.DJ]H?EI .?I/?=C7FE:.*.B87- .C7I I.=KD:E $ /J7C7J?I%2A%206**7-.D>7H?7:.?E:.H    "?=KH7 <E?9EDIJHKc:77F7HJ?H:.<207 /8.*<>.E/.C7 ..

 LE?9.II M>?9> JH7DI<EHCI J>.7I?8B. 9KIJEC.D ..:FHE:K9J.H?D= 7D: C7D7=.H?<?.DJ FHE9.HI ?DJE 7 <.DJI :H?L.H.GK?H. E< J>.D=?D.C.7D:L.C.

FHE9.9ED<?=KH7J?ED  97F78?B?JO  7D:9EIJ.IIE<7FFHEFH?7J.

<</.8.8->.@"...C?I7BM7OI=H..HI.".*=8*>7.B?LHE9EDIJ79ECEKC7:7I?D:?97Wf.IJB?DA 0>.HB Q0>.HJ>7DJ>.H7B:& $7>D *.=<..JJ.!LEBKJ?EDE</?N/?=C7T #>*52=B7027. :.IF7H7E .- -2=2877C8H?:=.KI.86-.H )277270*= . ?IJ>7JEFJ?C?P?D=7F7HJ:E.*=270=1.IKCE<?JIF7HJI7D:?IDE8.H$E..9?F E=7D7AIEO.M..J>.7J.HJ# EEF..E<J>7J E<9EKHI..270   F   . T  #.5.M>EB.IDEJEFJ?C?P.FH?9.1E&12.7A.K8B?I>?D=   !IJ.E=.E8.H?L?7J?L.   IOIJ..HJ>7DJ>.

B.4.5=<:7%# ?IFEDcL.B7W`E%2A%206*5*.7.*=287$.5=.5*.CMMM 7IG EH=...HJ?<?97W`E :.N7C./.4...< :E. JdF?9E%%D7H.F7H79.=2/2.

9.HJ.

JOF.I.

I?NI?=C7.

H7B:& $7>D *.KC7JH7:KW`EB?LH.ED7B: /D.@".270*7- .'H?IJ?D3EE: ".H.I >JCB  #.-87A9..9+B%=.<207&.1  "?=KH7 <E?9EDIJHKc:77F7HJ?H:..H/7::B.= .8->.270   FF    .DJ?9.7= 1FF.H/7::B...7027.<..2.?.7.?L.H.<27$. $7BB   F  .*-270%2A%206*%=..'..L?D+JJE.HB Q0>.:.H.HB .H$E.D9.E=.$7BB   F  %2G67.< 1FF.H3 $E.=.H.9>2-.*<..H.172:>..?L.DJ?9.H..5896.%2A%206*869*72.9?F E=7D7AIEO..E=.. )2=1*7-!=1.?.<...8->.!LEBKJ?EDE</?N/?=C7T #>*52=B7027..

83.H/7::B.=.-2HJ8.:E(  I"?=KH7I ..?L. '6>2*-8873>7=8-.$7BB   F .2*6.?. <EH7C.7.@".H.26.8->.C.<.DJ?9.7=8<-8.L?D+JJE.IF.'..  H..'H?IJ?D3EE: ".270*7- ..7=8-.9J?L7C.<207&.HH7C.HE@.DJ7I8]I?97IKI7:7ID7I.7= 1FF.NJH7c:7I:.*7%2A%206*"...5896.7027.9J)7D7=.<27 $.?.J7F7I...172:>.871.  .<207/8.DJ.8->.H.=..DJ%DIJ?JKJ.". =8<"!G>2-. .

C.*.IH.7?85?26.#7HOHCIJHED= ".8->=8< /`E.<.*.&EIaDJeD?E.EI7  $8=.=2707. 8?8< ".: .>?B?F'EJB.DJ?9.>?B?F'EJB.H97:EFE:.HL?WEFHE:KJE  B?IJ7787?NE<E?.8". *.M928<-.H..9J)7D7=.H:.H.27. $7BB:EH7I?B(J:7  F   .4.H.7?I.NJH7c:7:.HE@. &7D.D9?7?I:.89*. %D9   FF    ).?HE!:?JEH7.CEKI.M928<-.=2707.4.H.*.MJMED/GK7H.7KBE!:?JEH7/0/  FF    "?=KH7 <E?.DJ?9.?E:.2.<?D?:E9ECEE9ED@KDJE:. $7BB .?HE!:?JEH7.DJ%DIJ?JKJ.?E:.I.FEJ.I=2..NJH7c:7:.27.7=8-.&7D.JE:EIEI9ECFH7:EH.: .KC 8.#7HOHCIJHED= ".

87=.7=8. :EH7I?B(J:7  F   "?=KH7 <E?.<:>2<*-.I?."5*7.EHJEB.4..NJH7c:7:.7KBE!:?JEH7JB7I/   FF   .<EH7C.85.2.K# * #?7D.695*7=*HJ87.IK77D]B?I.-*".)7KHE7ED "5*7.8->HJ8$" $"87.7=8".7=8.2=8<'<8.*6*HJ8.7KBE!:?JEH7JB7I/   F   7BL?E". 7BL?E".85. 87=.*7H.8->HJ8 /`E.-*".3*6.HH7H?0K8?DE *7>*5-.3*6.8->HJ8 /`E.I>' )7B>EJH7 ".*-* 7.HH7H?0K8?DE *7>*5-."5*7.DH?GK.7=*HJ8952.-* ".: .: /`E.EEAC7D   F   "?=KH7 .=H.NJH7c:7I:.=270'6*!.*.3*6.80.85.87=.( EHHb7 %H?D.7KBE !:?JEH7JB7I /   F   $.

9952.O .3*6.7-.D.5.%0+)7IED/EKJ> 3.DD?I &  /M.: /`E.-%=*=2<=2.< H:.DIED.7=87=.DJ7:7DEJ.$.<<J8 8687=.8.F>7D  <=*=M<=2.*HN.C7. .I.?E:.2I?.<< *7- .97FcJKBE<E?.DJ]H?EI .HA.0>EC7I  3?BB?7CI  %=*=2<=2..NJE:.IJ.%0+EIJEDBBOD7D:79ED  F   "?=KH7  <E?.J.DH?GK.287*6.=>0>L< .C7!:?JEH7   F  I?JK7W`E9EDI?:.2=8<'<8.$. 7L?:/J.DJc<?9EI!:?JEH7/   F   .-*"..HA.HD   F  .80.L?D.I.HIED . 7L?:)  (.*<(*. 7L?:.H 3?BB?7C37II.HC7D. ><27.8->HJ8$" $"87.85.( EHHb7 %H?D.87862.CFBE aI?C?B7H_7FH..7 =8".0.. /+/.DJ7:ED.H?7B7FH.IJ.2<-.6"8.NJH7c:7:.H7:7DE!N.8.5*.#  3>?JCEH.*6*HJ8. /+/.&E>D*.87=.&7D. ?.<'<*7-82.../cBL?E=K?7H 7I52<.-.)7KHE7ED "5*7.<  H: .HbD9?7I  "?=KH7 <E?. D:..K# * #?7D.8$. )aJE:E (  !J7F7 EC.<<8  *EL7 (?C73..7HJ. H.:EC7J.:  .NJH7c:7:.H?IJ?D73.H.7KBE !:?JEH7JB7I/   F   "?=KH7 <E?.: .I?.  )7HA(  .?HE(0R(?LHEI0a9D?9EI.NJH7c:7:.* &.952.*<>.< /8.8<8/=VA.>6".NJH7c:7:.2*.695*7=*HJ87.<..

.

7B?P7W`E :.*EHC7D.IT.CEKJHELEBKC.I.I.HH7C. /+/.H]7FH.I7H?7B  "?=KH7 <E?.H.$7HHO/C?J>  9952.HA.I7H?7B  I Ja9D?97IQ%DJ.: .BbD9?7!CFH.DJ7:7I . ?IF.Q%DJ.?JE:.HA.IJ.:7/aH?. .HI`EI.3.E9ED9.DJ7:EI. ED<?7DW7T .C7:.:7 /aH?.B H.IFEIJ7 .<<287 7*5B<2< H:.F L7BEHI.HL7BE :.:7/aH?.I D7 L7H?]L.NJE:.C7:.NJH7c:7:EJ.%0+*. JH7DI<EHC7Wf.C7:.-$.!N9.CEKJHELEBKC.H.H`E 7FH.H`E7FH.DJ7:7.I.3.BbD9?7 !CFH. !N9.  <.O/EDI %D9  F   +I FHE9.I7H?7B  Ja9D?97Q0.M5EHA&E>D3?B.!N9.$?FdJ.C EKJHE LEBKC.:.DJEI F7H7 7 H.HL7BE :.:?W`ET I.3.DJ7 ?7=H7C7:.0.BbD9?7!CFH.HA.I.  H7F..:?C.

C7:.CEKJHELEBKC.3.H`E7FH.B FH.BbD9?7!CFH.I.DJ7:EI.:?JEH7I.:7/aH?.I7H?7B .HA.!N9.EK D7 L7H?]L.

: /`E.%0+*.<207/8.*.=270 $.2.DJ?9. EK=B7I )EDJ=EC.NJE:.?L.H/7::B.*.H. /+/.H/7::B.J> .7KBE!:?JEH7.4.0.<<2877*5B<2< H: ..:E(  +. .*..*HJ8-.CFBE<E?.O2?D?D= 7=. $7BB:EH7I?B(J:7  F   "?=KH7 <E?.NJH7c:7:EJ.=270  U.H -6272<=..$.HO !B?P78.H -6272<=.?HE!:?JEH7.=270$.*.=287=827. $7BB :EH7I?B(J:7  F   .*.7KBE!:?JEH7.1 *79952.-!.: .NJH7c:E:EJ.7=*=287 H:.- !.&7D.H.8->.%0+1FF. /+/.H.$7BB  F   .%0+1FF.I>' )7B>EJH7 *..2.*7%2A%206*".=270 U.?E:.4.E<<H.H.M5EHA&E>D3?B.NJE:.H. $7BB:EH7I?B(J:7  F   .DJ?9.DJ?9.H.HH7C.9A.*.*7H.: /`E.H9c9?E <E?.N.H.4..?L..>?B?F'EJB.>?B?F'EJB.1*79952.O/EDI %D9   F   +!N..H.<.: .4.I>' )7B>EJH7  *.#7HOHCIJHED= ".>?B?F'EJB.NJH7c:E:EJ.*7H.*HJ8-.=270  U.: .DJ?9.J7F7I. /+/.NJE:.$7BB  F  .DJ7I8]I?97IKI7:7ID7I.27.# #.<.4.M928<-.7=*=287 H:.DJ?9.: .

DJ?9.4. /+/.H.: .H.<.H.$7BB  F  .2.H /7::B.?L.-!.DJ?9.H.7=*=287 H:..2.2.$7BB  F   *7H.*.%0+1FF.7=*=287 H:.%0+1FF.-!.EH=.%0+1FF.H 2 'KC7H.1*79952.*.<.$7BB  F   7L?: 7A.=270$.=270 /`E.4.1*79952.: .I>' )7B>EJH7 *.<.4.1*79952.7=*=287 H:.DJ?9.<:>2<*-.=270$.: .?L.=270$.?L...$7BB  F   *7H.*7H..%0+1FF.: ..*.2.NJH7c:7:7E8H7:.H.H /7::B.7=*=287 H:.H /7::B.I>' )7B>EJH7 *.-!.-!.H.H/7::B.=270$./  7O ".H.4.?L.H.I>' )7B>EJH7 *.7KBE !:?JEH7JB7I/    F   *7H. /+/.4.  "?=KH7 <E?.DJ?9. /+/.<..*.#...1*79952.I>' )7B>EJH7 *. /+/.*.

"..2.IFEIJ77.<:>2<*-.<</.B78EH7:77F7H J?H:.K8B?I>?D=   FF    .:EJ.K8B?I>?D=   F   "?=KH7  <E?.=270 /`E.BOD27HD. KC7JH7:KW`EB?LH.=<.NJE:.<.. .$7BB  F   "?=KH7  <E?.: .?L.7=*=287 H:.=270$.+IC]H?E .NJH7c:7:EJ.=<. /+/.1*79952.& /7B. H../  7O ".HJ# EEF.#.%0+7C8H?:=.B78EH7:7I7F7HJ?H:.H )277270*= ..*7%2A%206*.KI.H )277270*= . /+/.?H7IF..H 2 'KC7H.. 7L?: 7A.1 H:H: .<</.:7E8H7:.BE$EH?PEDJ..*=8*>7.HI..  *7H..I>' )7B>EJH7 *.NJE:.DJ7:7ID7:. 7D7 #?DD.*<>."KD:7W`E>H?IJ?7DE+JJED?  F   H.KC7JH7:KW`EB?LH.".C#+(.3* 6.!L.68.%0+1FF..-!.H /7::B.7=8-*#>*52-*-. EC..4.8.5.H.<207/8..: .86-.IJ7F.4..BB7H..H=KDJ7<E?.B800. *. /+/.I9H?W`E:77J?L?:7:..NJH7c:7:EJ.7=*<-8"5*7.E8.JJ?"?B>E <%.%0+7C8H?:=...I.DJ?9.*=270=1..86 -.H  &1. <EH7C.HbD9?7I (  !J7F7 .=.H.5.HI..KI.*=8*>7.E8.*6.*.NJE:.@".8->.7KBE!:?JEH7JB7I/    F   I:K7IFH?C..EH=.@".8->.8.HJ# EEF..DJ]H?EI )aJE:E .*=270=1.<.H=KDJ7I7FH..1 H:.

 .-.

7=*<-*#>*52-*-.9?IdH?E<E?EH?=?D7BC.=270 U.1  "?=KH7 <E?.&7D.I.NJE:.4.C7 <. $7BB:EH7I?B(J:7  F  .78 .DJ7:?7=H7C7:EFHE9.2*6.87=.. .7FH.!D=...: .NJH7c:7:EJ.I.*.M928<-.7.*6.BE$EH?PEDJ.>?B?F'EJB.27."KD:7W`E>H?IJ?7DE+JJED? !I9EB7:./`E..L.?E:..HH7C.N...<<8<.DJ?9.?HE!:?JEH7.DJ7:E FEH /J.7=8-.H.. /C?J>  *H* .#7HOHCIJHED= "..D>7H?7 :71")#  F  %2G67.NJE :.CFBE 7FH.C KC .HA.".C)7H?7H?IJ?D77J7H?DE3..DJ.NJH7c:7:EJ.H.8.   FF     "?=KH7   <E? 9EDIJHKc:7 9EC 87I.DJ7:7.IIE:.7KBEB?E!:?JEH7(J:7   F   ?BKIJH7W`E:7<.. "KJ7C?.

C7D7:.. 7.J7F7I..DJ7I8]I?97IKI7:7ID7I.IJ?ED]H?E:7"?=KH7 .H7KJ?B?P7:EF.*7%2A%206*".HH7C.IEHJ/F7QEIJ`E:E/7DJ?D>ETD7I.BE. .:E(  +GK.<207/8.

.

?9>7H:( /9>.H.*.-!.=270 U.7HD?D=    F .&7D.I>' )7B>EJH7 *.II   F  *7H.. (OC7D+JJ 5.%0+1FF..NJE:.*.: .?E:.7KBE.#7HOHCIJHED= ".7<<.*.NJH7c:7:EJ.DJ?9. /+/..: /`E.: .H.?H70>ECIED (.?L.I>' )7B>EJH7 *.16*.4270!*62718-*#>*52-*-..: .H 3?BB?7C).D:.H.?HE!:?JEH7.7=*.B%>.M928<-.: .-!.   "?=KH7 <E?.=270$.H.H.DJ?9.%0+1FF.2.B%*695270  H:.>?B?F'EJB.DJ?9.E8.H.H /7::B..?. /+/.4.<.BCEDJ KN8KHO.D>7BB%%%.7.1*79952. /+/.H.&8=*5 U.4. $7BB:EH7I?B(J:7  F   *7H.H /7::B.?ED.1*79952..7=*=287 H:.6.HJ 7CF .=270$.$7BB  F   .%0+.$7BB  F   .2.?L.27.7=*=287 H:.<.4.

B .7=.5896.9JK7BR.=.  '.=>*5  ?IFEDcL..H.7= 1FF..L?D+JJE..B..5.$7BB    F  B?L.H.HEFH?..89.-*-.83.2.<207&.7JH?9A(?JJB.H/7::B.<27$. 7027.:7:.= ..7027.8->..270.K"..M5EHA&E>D3?B..172:>.?.<.?L.( OC.%!:>.270*7- .<207*9.?.%DJ..C>JJF.8->.=+*<.DJ?9.O /EDI %D9  F   IIE9?7W`EH7I?B.-27=.=287 *.8->.@".?H7:7.'H?IJ?D3EE:  ".

MMM 78F? EH= 8H.

C?EBEI.

68.   7D7#?DD.IIE.!L..BOD27HD.& /7B.78H?B:..H &1.<207/8..*7%2A%206*.FHEF?DJ >JC 9.C:.B800.C#+(.

   FF    "?=KH7 <E?.B 800.& /7B.H  &1. 7D7#?DD..*7%2A%206*.C#+(.68.!L..BOD27HD.-.NJH7c:7:.<207/8..

   F  .-.

<<$. $7KI. EDB7KI?D= Q0>. EC. 7 <EH7C9EDIJHKc:7I7F7HJ?H:.E<-K7B?JOT *.$EKI.&E>D.*<>.$EKI.$EKI.@   F  .?2. EDB7KI?D= Q0>. $7KI.-><27.?*.<<$.<.?2.@   F   I"?=KH7I:. H.E<-K7B?JOT *. EDB7KI?D= Q0>..?2.E<-K7B?JOT *.  &E>D.E<-K7B?JOT *.&E>D. EDB7KI?D= Q0>.- ><27.?2.H.<<$.NJH7c:7:.E<-K7B?JOT *.$EKI.DJ]H?EI )aJE:E . EDB7KI?D= Q0>.?*.H.@   F   &E>D.?*.  $7KI. $7KI.?*.<<$.?*.H.- ><27.NJH7c:7:.H.H.?2.:.@   FF    "?=KH7 <E?.@   FF    "?=KH7 <E?.  $7KI.<<$.&E>D.-><27.KC7JH7:KW`EB?LH.-><27.HbD9?7I (  !J7F7 .$EKI.

 .

.J7F7I.HH7C.<207/8.:E(    !)*)4F0'-%5 .DJ7I8]I?97IKI7:7ID7I.*7%2A%206*"..

2<%206* .*-270<2A<206* *<=. (  #%*!/%  %H?D.7JED/J (K9?....85.<</.H 0>.L?.=<7.<207/8. .E8.9?F $+!.8.<:>2<*-.9.*=270=1.2*7-8*>5=>.HJ# )277270*=7.!...E=..1  '!.(  .<< *7.87.?HE!BI.7.H3  ..HJ# )277270*=7. @2=1*7-8=1.: /`E.-87.DJ?9..?E:.: 7C8H?:=.LEBKJ?ED E< I?N I?=C7  #>*52=B 7027.8->HJ8$" $".. .*6*HJ8 .270 )EDJ?9.1 H:.BBE L  D  F   )7H9>  /*!!  .II   F  3!..87=.HI.IJ.<J>.K #  *  +*  )7KHE  "5*7.B87-..90>2-..C8.*.( .HbD9?7I )aJE:E (  !J7F7 .HD   F  ++..80.?L.=270 /`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

=.HH7C.*7%2A%206*6.7=*<-895*7.<207/8...J7F7I.3*6. .:E(  !((.*6.!..<<287*7*5B<2< H:..:  *.B3800. . !L.*!.0. *EHC7D..DJ7I8]I?97IKI7:7ID7I.*7%2A%206*".BOD &1.M5EHA &E>D3?B.68.O /EDI %D9   F  #%**  7D72..-.BE$EH?PEDJ..& /7B..!00%"%($+ +IC]H?E <<./.  /)%0$  $7HHO  9952.C#+(.<207/8.7=8-*:>*52-*-.. "KD:7W`E>H?IJ?7DE+JJED?  F  .

<<287 *7*5B<2< H:.O/EDI %D9   F  *!0!. .L?D3++ 'H?IJ?D  ".!  #  9952. 6*. EEAC7D   F  )($+0. $7BB :E H7I?B (J:7  F  '+0(!..7= 1FF.5896.$7BB  F  )+*0#+)!.H.8->.  ..I>'  *.DJ?9.$7BB    F .: *.?.<27. 6*.=H.&7D.*HJ8 -.?L. $7BB:EH7I?B(J:7  F  (!2%*!  7L?:) !.M5EHA&E>D3?B.I> '  ".2.DJ?9.>?B?F.DJc<?9EI!:?JEH7/   F  )($+0.H/7::B.: .DJ?9.CFEHJK=KbI .=2707 .7FB?97Wf.8->.DJ?9.H .O 7=.>?B?F  -6272<=.?E:..H.!' !B?P78.$*  7L?: <=*=M<=2.8->.7027.  *7H.4.*.+*# #7HO ".   F  '+0(!.:  /`E .M928<-.J> 2%*%*# # #..!*/+* )7HA( /0!..  *7H.6*.?..0..< J>.2.IKI7D:E C?9HEIE<JV.H.EH?7.=270.?HE!:?JEH7.EHJEB.270*7-7..?E:.7=*=287 H:..: EIJEDBBOD 7D:79ED  F  +00+  '.<.?.*.= -.1 *7*9952.7=*HJ8 *952.=270   7  .H.<:>2<* -.4.&7D.*-* 7  .5  EK=B7I.)/0.N9.=270 >6* 8.E<<H.<..=-.<207 =.  &E>D3//!..27.-8.4.:.H.H/7::B.7KBE !:?JEH7 .-<=*=2<=2.-..@9..172:>.B.=287=8527.?L.?HE(0R(?LHEI0a9D?9EI.: 1FF.4.*J.)* 3?BB?7C3$%0)+.

)aJE:E (  !J7F7 . ..*<>..<.HbD9?7I  .

2*6.-2HJ8 ...        '6 0>2* -8 . .7=8< -8 0.=8< "! G 0>2-.871.873>7=8 -.7=8 -.7. 9..26.83. .

.HH7H? *7>*5-. .7=8-.'!)  H?IJ?D7 #1%.HE@.89.83.KCFHE9.7KBEB?E!:?JEH7(J:7   F  01%*+  7BL?E".<=*-*<.MJMED /GK7H..7=.  /cBL?E  7I52<.*80.+.?I:...IIE *EL7(?C73.7?85?26..EI7 $8=.7=*<-*:>*52-*-.-*9.BE$EH? PEDJ. .%!:>...2*6.2*6...H E H.7KBE!:?JEH7JB7I /    F  3!.*6.9J )7D7=.=>*5 >JJF. -*-.DJE .9.B79?ED7C.0..2..780./%(!%.8->HJ8 /`E.95*7.87=.8?*-*<9*.D:.7.DJ%DIJ?JKJ.*9.<<8< . .%!  !%*0!(!01(R.89.!D=.78?8<9.1  //+%XY+.K".2."KD:7W`E>H?IJ?7DE+JJED? !I9EB7:.<<J8 9ECE ..5.DJ.*-.*6.'!) ) H?IJ?D7 </.. *H**.L.7IL7H?]L.7. -.7=8-.C7!:?JEH7   F  3!..  *.89*..HA.8->=8< /`E.9.7=8.7KBE !:?JEH7/0/  F  /)%0$ /J.+/ &EIaDJeD?E.7=8-.87=..8.I=2.7=*<=.. %D9   F  ..C.3*6.85.DJH.=8< /`E..<.D>7H?7:71")#   F %2G67.

MMM 78F? EH= 8H.

C?EBEI.

?H70>ECIED (..=8=*57 .*7%2A%206*6.B3800.&/7B.7HD?D=    F  5) B?L.7JH?9A 7027.C#+(.FHEF?DJ >JC 9. !L.=287 *.<207/8.7.    )..( (%00(! .: /`E.C:.BOD &1.8->.83.*62718-*:>*52-*-.?ED..270-.68.42708..IIE.<207*9.M5EHA&E>D3?B.78H?B:.7KBE.*!..-27=.HJ . .16*.O /EDI %D9  F  #%**  7D72..E8.=+*<.

-.   F .

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

6254B@*B &1.: (ED. &8<<270=1.45270@*?. )a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

-.+!)/ *.=@2=195.B/5*<1>987=1*=27@*.BO7I7BEK:T  .. 7-=1.:(ED. /3+.<@2=1=1.NJH7c:E:.B.K8B?97J?EDI %D9  F .0$"2+. &1.*.3%((%)3+.%0!..-*//8-25<F 3?BB?7C3EH:IMEHJ>  Q%37D:.76B1.H.12<=1./255< 7--*7.+52<<8/<852=>-.*<>.H.M5EHA EL. )12.