O que acontece quando a gente chega na fase de medição
A maior parte dos projetos six sigma morre na fase Measure porque as pessoas pensam que medir é só conectar um multimetro e anotar números. A realidade é mais chata. Você precisa provar que o sistema de medição é confiável antes de confiar em qualquer dado que ele produza. Se o gauge não está validado, todo o resto da análise statistica que você fizer vai ser construção sobre areia movediça. Isso não é teoria, é algo que já vi destruir projetos inteiros em linhas de produção.
considerando o roteiro DMAIC no que consiste a fase measure
A fase Measure consiste em estabelecer a linha de base do processo. Você coleta dados reais sobre a variabilidade atual, quantifica o desempenho dos principais insumos e define com precisão o gap entre o que acontece hoje e o objetivo que o projeto promete alcançar. Não é uma fase de solução. É a fase onde você disciplina o problema em numeros que resistem a perguntas difíceis. Os entregaveis essenciais sao: o plano de coleta de dados com definicao operacional clara das variaveis, a validacao do sistema de medicao via estudo GR&R, os dados brutos organizados, a capacidade basica do processo calculada e o mapeamento dos fluxos de valor com tempos reais. Se alguma dessas partes estiver faltando, o projeto não esta pronto para avançar para Analyze.
O erro mais comum que eu vejo e subestimar o tempo necessario para o GR&R. As pessoas leem um capitulo do treinamento e acham que entendem. A primeira vez que eu fiz um estudo de reprodutibilidade em uma usinagem de eixos, pensei que tres operadores medindo dez pecas duas vezes cada daria trabalho de uma tarde. O metodo exigia que os operadores nao vissem as anotacoes uns dos outros, que as leituras fossem feitas em ordem aleatoria e que eu resolvesse uma discrepancia de 0,04 milimetros entre dois medidores do mesmo lote. Levou quatro dias. O problema nao era complexo, era meticulosidade. E isso eh exatamente o ponto: a fase Measure pune quem tem pressa. Ha duas coisas que quase ninguem explica direito nos cursos introdutorios. A primeira eh que o GR&R de 10% e a regra dos nove dias, nao uma sugestao. Voce nao pode simplesmente ignorar quando o gauge occupy mais de 30% da tolerancia e continuar com os dados. Eu vi um analista tentar fazer isso em uma linha de montagem de componentes eletronicos. O resultado foi que o projeto identificou uma causa raiz que nao existia, desperdicou seis semanas em uma analise de regressao mal direcionada e no final descobriu que o problema real era um componente de fornecedor que mudou de especificacao sem comunicacao. Tudo isso porque o sistema de medicao distorcera os dados desde o primeiro dia.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A segunda coisa eh que voce precisa documentar a definicao operacional de cada variavel antes de começar qualquer coleta. Definicao operacional significa descrever o metodo de medicao de forma tao precisa que qualquer pessoa, em qualquer turno, obtenha o mesmo resultado. Eu trabalhei em um projeto onde a variavel "tempo de ciclo" tinha duas deficoes diferentes no chão de fábrica: o turno da manha media do inicio ao fim do processo, enquanto o turno da noite media so do processamento ativo, excluindo trocas de ferramenta. Quando juntei os dados para analise, o grafico mostrava uma estabilidade que nao era real. A variabilidade entre turnos era tao grande que mascarou completamente os sinais de causa especial. A solucao foi criar uma definicao operacional unificada e repetir a coleta. O projeto ganhou duas semanas atraso, mas ganhou tambem a verdade dos dados. O metodo pratico para conduzir essa fase segue uma sequencia direta. Primeiro, voce identifica as CTQs — critical to quality — que sao as variaveis de salida que realmente importam para o cliente. Depois voce constrói um plano de amostragem que defina quantidade, frequencia, metodo de coleta e responsaveis. Em seguida, realiza-se o estudo de mensuracao, seja por avaliacao de atributos para dados discretos ou GR&R para dados continuos. Os dados coletados passam por verificacao de normalidade e estabilidade. Só entao voce calcula a capacidade basica do processo usando indices Cp, Cpk, Pp e Ppk, e finalmente estabelece a linha de base numerica do desempenho atual.
Ha scenarios onde a fase Measure simplesmente nao funciona como o manual ensina. Em processos artesanais ou de alta mixalidade, onde cada unidade tem configuracoes diferentes, a coleta padrao de dados de capacidade produz resultados sem significado pratico. Nesses casos, o que funciona melhor é focar em metricas de throughput e taxa de defeito por unit de tempo, em vez de tentar calcular Cpk para variaveis que nao tem consistencia entre lotes. Eu passei por isso em uma fabrica de moveis sob encomenda onde o produto mudava a cada ordem. Tentar aplicar metodos estatisticos tradicionais de capacidade era perda de tempo. Nos mudamos para um modelo de monitoramento por dashboards de fluxo e perdidas, e o projeto conseguiu fazer sentido. Outro problema real é quando voce depende de dados historicos de ERP ou sistemas legacy para construir a linha de base. Esses sistemas geralmente registravam o que acontecia na pratica, nao o que deveria acontecer. Os valores parecem consistentes, mas escondem desvios sistematicos que nunca foram capturados. Nesse caso, a coleta primaria no terreno, mesmo que limitada, é muito mais valiosa do que uma base de dados bonita que não reflete a realidade.
O que diferencia um projeto que sobrevive a fase Measure de um que afunda aqui é o nivel de rigor com o qual as pessoas tratam a coleta. Medir eh um processo chato, repetitivo e cheio de detalhes que parecem irrelevantes ate o momento em que eles se tornam relevantes. Mas esse e justamente o trabalho dessa etapa: transformar intuicao em evidencia. E evidência é a unica coisa que sustenta uma mudança real.
