Publicações

Este primeiro volume ensina os fundamentos da resolução de problemas de fluxo e os princípios básicos do Lean Management. O livro é destinado a estudantes e instrutores de Lean Six Sigma, bem como a gestores que desejam ir além da simples aquisição de fórmulas e desenvolver suas práticas sobre uma base teórica sólida. Respeitando as raízes históricas, o espírito e a terminologia estabelecida do Lean Six Sigma, o livro busca identificar, unificar e formalizar seus princípios fundamentais subjacentes.

Este segundo volume detalha a implementação da abordagem nas empresas e o protocolo metodológico genérico DMAIC. Com base em uma definição original de problemas estatísticos, ele ensina os fundamentos da resolução de problemas estatísticos "discerníveis" e os princípios básicos do Six Sigma. O livro é destinado a estudantes e professores de Lean Six Sigma, bem como a profissionais de melhoria operacional que desejam ir além da simples aquisição de fórmulas e desenvolver suas práticas com base em um arcabouço teórico sólido.

Resumo:

O %GRR e o Número de Categorias Distintas (NDC) são amplamente utilizados como indicadores de capacidade do sistema de medição. No entanto, a fórmula de cálculo usualmente aceita para o NDC possui um coeficiente cuja origem levou à coexistência de duas interpretações diferentes e enganosas do NDC. Recomendamos remover esse coeficiente para manter a fidelidade à definição de resolução do sistema de medição ou ao conceito equivalente de sinal-ruído. Também propomos um realinhamento dos limites de aceitação do %GRR e do NDC.

Resumo:

Como parte da fase Measure de um projeto Six Sigma (DMAIC), é fundamental determinar o tamanho de amostra apropriado, dada a precisão estatística necessária na estimativa da capacidade do processo (definida aqui como a proporção esperada de unidades defeituosas). Praticantes de Six Sigma são geralmente ensinados a usar uma regra prática (ignorando assim o requisito de precisão) ou uma fórmula de tamanho de amostra que permite especificar a precisão necessária. Embora essa fórmula seja fornecida para dados binários, ao lidar com dados de contagem de defeitos, a fórmula usualmente ensinada refere-se à estimativa do número médio de defeitos por unidade, e não à proporção de unidades defeituosas (ou seja, a taxa de defeituosos). Este artigo elabora uma fórmula e tabelas derivadas para calcular o tamanho da amostra necessário para alcançar a precisão estatística desejada na taxa de defeituosos ao trabalhar com uma métrica de contagem de defeitos. Inversamente, calcula-se a precisão obtida para um determinado tamanho de amostra. Os resultados são então comparados com os de dados binários, sugerindo-se que o cálculo do tamanho da amostra para dados binários vale a pena ser considerado como uma alternativa aceitável e mais fácil de usar. O desafio de obter precisões adequadas devido aos requisitos de tamanho de amostra ao operar com baixas taxas de defeituosos também é destacado.

Resumo:

Como parte da fase Measure de um projeto Six Sigma (DMAIC), é fundamental determinar o tamanho de amostra apropriado, dada a precisão estatística necessária na estimativa da capacidade do processo (definida aqui como a proporção esperada de unidades defeituosas). Praticantes de Six Sigma são geralmente ensinados a usar uma regra prática (ignorando assim o requisito de precisão) ou uma fórmula de tamanho de amostra que permite especificar a precisão necessária. Embora essa fórmula seja fornecida para dados binários, ao lidar com dados contínuos, a fórmula usualmente ensinada refere-se à estimativa da média, e não da taxa de defeituosos. Outras abordagens alternativas tratam de calcular o tamanho da amostra com base na precisão dos índices de capacidade do processo projetados para a indústria de manufatura. No entanto, esses índices técnicos geralmente não são relevantes para a maioria dos usuários e gestores que não trabalham em ambientes de produção específicos. Este artigo elabora soluções para calcular o tamanho da amostra necessário para alcançar a precisão estatística desejada na taxa de defeituosos ao trabalhar com uma métrica contínua, tanto em casos de um quanto de dois limites de especificação. Inversamente, calcula-se a precisão obtida para um determinado tamanho de amostra. O desafio de avaliar altos níveis de desempenho Sigma devido ao tamanho de amostra exigido também é destacado.