Curso Green Belt: semanas atrás, estávamos todos no bar, tomando aquela cerveja e de repente, alguém perguntou: como será que está o volume de produção de cerveja no Brasil? Será que o medo da crise afeta o consumo desta maravilhosa bebida? Poderiam as pessoas beberem menos cerveja para economizar? Numa roda com Green Belts, Black Belts e alguns Master Black Belts, o papo deslanchou. Objetivo deste post: responder a estas perguntas.
A estruturação do PDSA começou com a pergunta: como achar os dados do volume de produção de cerveja no Brasil? Para nossa sorte, a Receita Federal do Brasil, tem o SICOBE (Sistema de Controle de Produção de Bebidas). Este sistema controla a produção de várias bebidas e nos permite acesso aos dados de produção de cerveja desde janeiro de 2010. Com uma série história destas na mão, o que fazer? Gráfico de tendência (fig. 1).
[caption id="attachment_39398" align="aligncenter" width="577"]
Figura 1: volume de produção de cerveja (fonte: SICOBE).[/caption]Na primeira olhada para a figura 1 percebe-se a sazonalidade presente. Há muitos picos e vales no gráfico, ficando difícil entendermos se a produção está subindo ou caindo. Diante disto, não há melhor ajuda do que partirmos para o gráfico de controle. O primeiro, para ver o comportamento dos anos, é o famoso x-barra, com o tamanho do subgrupo igual a 12, pois 1 ano tem 12 meses.
[caption id="attachment_39403" align="aligncenter" width="577"]
Figura 2: x-barra da média mensal nos diversos anos de produção de cerveja.[/caption]Percebe-se, pela figura 2, que a média mensal de produção de cerveja, com exceção de 2013, vem aumentando e que a média de 2015 está um pouco mais baixa, mas tudo dentro dos volumes de controle. Isto significa que a variação apresentada é oriunda, provavelmente, de causas normais. Mas será que conseguiríamos enxergar quais meses são causa comum e quais são especiais? Em tese, com um gráfico de individuais conseguiríamos isto. Para isto, a primeira coisa é entendermos se a distribuição é normal, utilizando para isto o Probability Plot.
[caption id="attachment_39405" align="aligncenter" width="577"]
Figura 3: probability plot do volume de produção de cerveja.[/caption]Pela figura 3 até conseguiríamos utilizar, mas não é normal. Como estamos escrevendo para nossos leitores, vamos fazer certinho e transformar as variáveis como o Box-Cox Transformation.
[caption id="attachment_39406" align="aligncenter" width="577"]
Figura 4: transformação da variável por meio do Box Cox.[/caption]Na figura 4 fica claro que a normalidade melhorou bastante após transformarmos a variável. Agora, com uma distribuição normal, podemos elaborar um gráfico de individuais para entendermos os meses que merecem atenção especial.
[caption id="attachment_39408" align="aligncenter" width="577"]
Figura 5: gráfico de individuais do inverso do volume de cerveja produzido mensalmente.[/caption]Pelo gráfico da figura 5 é possível observar os melhores e piores meses, sempre tomando o cuidado, pois a variável que aparece no gráfico é o inverso do volume de produção de cerveja, já que nós transformamos a variável para que a distribuição dos dados ficasse normal. Pelo gráfico é possível verificar que os piores meses neste período foram junho de 2011, abril de 2013 e abril de 2014. Já os melhores foram dezembro de 2014, dezembro de 2013, dezembro de 2012 e dezembro de 2011.Figura 5: gráfico de individuais do inverso do volume de cerveja produzido mensalmente.
Nossa conclusão, após analisarmos estes dados, foi que com crise ou sem crise, o brasileiro continua tomando a sua cerveja. Toma mais no verão, menos no inverno, mas a gelada tá sempre rolando. Lembramos também, que os dados analisados foram de produção de cerveja e não de venda, e assim, há um provável atraso entre produção e venda, portanto o mês de pico de produção (dezembro) pode não ser o mês de pico de venda. Gostaram desta cervejinha com seis sigma? Sugestões ou dúvidas? Escrevam para nós.
Agora, como o curso Green Belt funciona na prática?
Curso Green belt: no artigo de hoje gostaria de falar sobre a importância de ter fé na metodologia aprendida no curso green belt para o sucesso do projeto. Se você tiver dúvida ou não acreditar, fique tranquilo, a lei de Murphy vai te pegar. Digo isto, baseado não só nos inúmeros relatos de aplicação que ouvi e li, mas também na minha própria experiência.
Logo que comecei a aprender o “Modelo de Melhoria”, fiquei fascinado. Adorei a simplicidade das três questões, a beleza da Estatística, os cases apresentados, enfim, achei o modelo fantástico. Depois das aulas, veio o projeto e lá fomos nós para nossa primeira reunião.
Como fazer a primeira reunião Green Belt?
Chegando ao cliente, tiramos o contrato da pasta, para preenchê-lo. Tínhamos como meta o preenchimento da primeira e segunda questão no primeiro encontro. Inclusive, já havíamos rascunhado um contrato com base em uma conversa prévia e em alguns indicadores que tínhamos da empresa. Era missão fácil em nossa percepção, mas estávamos enganados.
A primeira dificuldade começou já na questão 1. O que queremos realizar? Melhorar a empresa, respondeu nosso cliente. Entendíamos que esta era uma preocupação justa, mas demasiado ampla para um único projeto. Diante disto, pedíamos ao nosso cliente que focasse: é custo que o senhor quer baixar? Satisfação do cliente que quer melhorar? Ou faturamento aumentar?
Tentávamos de toda forma dar foco ao projeto, mas nossos esforços eram em vão. Por fim, conseguimos chegar ao aumento do lucro (foco bastante amplo). Como não tínhamos experiência e fé no método, decidimos permitir ao nosso cliente a inserção de um escopo muito grande.
Erro 1 concluído, fomos a etapa 2. Como saberemos se a mudança é melhoria? Aí a lambança continuou com o desafio começando na coleta de dados. Foi nos disponibilizado uma base de dados extraída diretamente o SAP, mas como a empresa era pequena, nem tudo passava por ele. Descobrimos isto quando mostramos as análises prévias ao diretor, que se espantou de ver os dados expressos em vários gráficos.
Como coletar dados para o Projeto Green belt?
O diretor disse: parte das nossas despesas e das receitas é lançada direto em uma planilha Excel. Não conseguimos lançar tudo no SAP. E onde está o Excel, perguntamos? O silêncio tomou conta do ambiente. Após minutos de espera, lá veio o diretor com um “pen drivre” com os dados, recém-coletados, das várias máquinas de seus colaboradores. Quais eram as chances de estarem errado? Presumo que grandes, mas por que ser chato, não é mesmo? Flexibilizamos as regras mais uma vez e respondemos a segunda questão com os dados e indicadores fornecido as pressas.
Enfim, após umas 3 visitas, o projeto acabou sendo abandonado. Tivemos êxito? Sim, mas muito mais devido aos “quick-wins” do que ao projeto em si. Ter um foco muito amplo para projetos de melhoria é um erro grave. Complementá-lo depois, com dados de fontes duvidosas e indicadores não validados, também. Sabíamos disto antes de começar o projeto? Sim, sabíamos, mas achamos que um jeitinho para agradar o cliente não iria impactar o bom resultado, erramos. Ficou claro, depois deste primeiro projeto, que o método é para ser seguido.
Podemos testar mudanças? Sim, mas somente por meio de PDSAs. Caso contrário, o método aplicado torna-se tentativa e erro. Fica a dica: respeite o método, isto aumentará muito as chances do projeto ter sucesso. Está inseguro para aplica-lo? Busque o coaching ou a companhia de alguém mais experiente na sua aplicação. Isto o ajudará bastante.
