Faça o login para acessar os cursos!

Não possui conta? Crie sua conta agora!

Crie sua conta gratuitamente!

Já fez inscrição? Entre na sua conta!

Cursos Grátis

Lean Seis Sigma

Cursos Grátis

Carreira & Liderança

Excelência Operacional

ISO

Lean

Lean Seis Sigma

Projetos

Qualidade

Visualização de dados

Simulador para Análise de dados: aprendendo na prática
Blog

28 de outubro de 2016

Última atualização: 25 de janeiro de 2023

Simulador para Análise de dados: aprendendo na prática

Bem-vindo ao Simulador de Projetos Seis Sigma!


Simualdor na postagem de hoje, faremos um exercício diferente - um exercício prático! Para começar, faça o download de nosso simulador de fábrica, a PlastMatrix!


download



Como funciona o Simulador?


A PlastMatrix possui um operador em dificuldades: Seo Santos. Ele possui muita experiência prática, porém pouco conhecimento formal. Sucessivos prejuízos levaram a controladora da fábrica, a FM2S, a contratar você como consultor de melhoria de processos, para fazer com que o negócio obtenha sucessivos lucros. Obviamente, você precisa interagir com Seo Santos, e mostrar que você está lá para ajudá-lo, e não para tirar-lhe o emprego. Em tempos de crise, Seo Santos teme que, assim como ocorreu com vários conhecidos que trabalham nas inúmeras indústrias químicas e alimentícias do estado de São Paulo, a FM2S esteja planejando cortar custos e seu emprego possa estar ameaçado.



Seu Projeto


Seu primeiro objetivo é reduzir o custo energético da planta. Iremos começar pelo realizando a medição do estado atual. Para isto, mantenha a produção em suas condições já operantes e rode a produção por 2 dias. Não se esqueça de documentar tudo em seu PDSA! (o simulador gera dados aleatórios, então os valores serão levemente diferentes a cada vez que você rodar, como na vida).



Coleta de Dados


Serão coletados dados da operação de dois dias, nas mesmas condições operacionais com que a planta está sendo conduzida:

  • No primeiro dia, será utilizada amônia como gás refrigerante;

  • No segundo dia, será utilizado ar como gás refrigerante.


Colete, então, o gasto, por hora, com gás refrigerante e com energia elétrica, e some estes valores para obter o seu custo energético.

Teste a normalidade dos dados, por meio do probability plot do MINITAB (ou da nossa planilha de gráfico de controle), e, então, trace o histograma de cada caso, com ajuste de curva, para avaliar média e desvio-padrão. Se tiver dúvidas, recomendamos assistir à aula gratuita do Excel para Projetos Seis Sigma.

Os dados são contínuos e coletados a cada hora, durante as 12 horas de operação diária da fábrica. Assim, em caso de se verificar a normalidade dos dados, será construído o gráfico de controle de individuais para verificação da estabilidade do processo.

Será feita, então, a análise ANOVA para verificação de diferença significativa da média de gasto energético, em cada situação.

Quais são os Testes Possíveis?


Dia 1: testando-se a normalidade dos dados obtidos (você pode fazer isto com nossa planilha de gráficos de controle), obtemos um p-valor (a probabilidade de os dados estarem sobre uma distribuição normal), é de apenas 0,09 (9%). Como a probabilidade é baixa, refutamos a hipótese de que os dados sejam normais. Isto inviabiliza o uso do gráfico de controle de individuais! :(


Dia 2: o p-valor é de apenas 0,039, ou seja, a probabilidade de os dados serem normais é de apenas 3,9%.


Sendo assim, precisamos realizar a transformada Box-Cox, explicada aqui, para poder aplicar o gráfico de controle de individuais. Aplicando ela, no primeiro dia, obtemos o seguinte gráfico de controle:

imr1

Este gráfico mostra que não existem valores fora dos limites de controle, ou seja, não há causa especial ocorrendo no dia 1. Repetindo para o dia 2, obtemos o gráfico:

imr2

Este gráfico também mostra ausência de causa especial. Como saber, agora, se há uma melhoria em mudar o gás? Podemos usar um assunto bastante abordado em nosso Green Belt ou Black Belt, a análise ANOVA.



Análise


O ANOVA (analysis of variance) é uma técnica estatística que se baseia no seguinte princípio: dadas várias amostras de desvios-padrões semelhantes, o desvio-padrão de todos juntos só será diferente se as médias forem significativamente diferentes. Resumindo, é uma análise para avaliar se as médias são realmente diferentes.


Procedendo à análise ANOVA, obtemos o gráfico abaixo:


anova1


Ela mostra uma redução extremamente significativa no custo de energia elétrica.


Parabéns, em seu primeiro dia de PlastMatrix você economizou uma quantidade muito grande de energia! Continue com o bom trabalho, mas não se esqueça do lado humano da mudança! Seo Santos tem que ver que você está lá para ajudá-lo!


Clique aqui para baixar o PDSA completo e o utilize como um guia para sua análise de dados! Se não tiver uma ferramenta como o MINITAB, ou ainda não tiver domínio do Excel, utilize nossas planilhas gratuitas, irão te ajudar bastante!

Virgilio F. M. dos Santos

Virgilio F. M. dos Santos

Sócio-fundador da FM2S, formado em Engenharia Mecânica pela Unicamp (2006), com mestrado e doutorado na Engenharia de Processos de Fabricação na FEM/UNICAMP (2007 a 2013) e Master Black Belt pela UNICAMP (2011). Foi professor dos cursos de Black Belt, Green Belt e especialização em Gestão e Estratégia de Empresas da UNICAMP, assim como de outras universidades e cursos de pós-graduação. Atuou como gerente de processos e melhoria em empresa de bebidas e foi um dos idealizadores do Desafio Unicamp de Inovação Tecnológica.