Como o DMAIC pode fazer você gastar dinheiro à toa

Há muito tempo eu desconfio de que há algo de errado com o Seis Sigma (assim como eu desconfiava de que havia com o Lean – e havia), e sempre que possível, venho investigando, aprendendo e pesquisando sobre a visão de grandes especialistas mundiais em Estatística e Controle Estatístico de Processos em relação ao assunto. Hoje, venho dividir com você um texto do Donald J. Wheeler. O título original do artigo que você vai ver abaixo é “Shewhart, Deming and Six Sigma”. A tradução aqui presente é da seção “Seis Sigma e a Fada do Dente”.

Minhas conclusões parciais até agora nessa saga de investigação são as mesmas que chego sobre o Lean:

• Estude bem os originadores das ideias, lá nas sementes.

Para o Seis Sigma:

• Estude bem Shewhart, Deming e Wheeler, e Controle Estatístico de Processo.

Mas pode ser que, depois disso, estudar Seis Sigma deixe de fazer sentido para você.

Espero que goste do texto. Partindo do próximo parágrafo, todo o crédito é de Donald J. Wheeler.

Existem muitos programas diferentes sendo ensinados e usados hoje sob o título geral de “Seis-Sigma”. Praticamente todos os programas Seis Sigma são construídos sobre a ideia de usar projetos de melhoria para alcançar avanços para novos níveis de qualidade e economia. Implícita nesta abordagem está a ideia de que todo processo precisa ser reprojetado. E o modelo para essa reengenharia é o modelo DMAIC (Definir, Medir, Analisar, Melhorar e Controlar). Embora livros diferentes tenham modelos DMAIC diferentes, todos esses modelos têm uma coisa em comum – qualquer que seja o problema, presume-se que a resposta consiste em mudar o processo de alguma forma fundamental. Nenhum modelo DMAIC visto por este autor considera o que pode ser feito operando o processo atual em todo o seu potencial. Na verdade, a maioria dos modelos Seis Sigma não faz distinção entre processos operados de maneira previsível e processos operados de maneira imprevisível. Eles simplesmente presumem que, ao incorporar uma zona de desvio padrão mítica de 1,5, eles podem eliminar o problema de processos imprevisíveis. Consequentemente, esses modelos executam todos os seus cálculos sob a suposição irreal e injustificada de que os processos vão operar magicamente dentro desta zona. Claro, toda a nossa experiência desde o tempo de Shewhart mostrou que isso simplesmente não acontece. A previsibilidade é uma conquista. A consistência não é um estado natural para qualquer processo de produção.

Assim, a primeira grande falha nos modelos DMAIC é a falha em investigar o que pode ser realizado operando o processo atual em todo o seu potencial. Como a experiência mostra que a operação previsível de seu processo atual geralmente custará pouco ou nada, este é o tipo de melhoria mais barato possível. As despesas de capital raramente são necessárias. Além disso, operar de forma previsível e no alvo frequentemente permitirá que você opere na zona econômica, tornando desnecessárias outras melhorias. No entanto, todos os modelos DMAIC publicados parecem não perceber isto em particular.

O segundo problema com os modelos DMAIC é a suposição implícita de que todos os processos precisam ser reprojetados. Embora a reengenharia às vezes seja necessária, ela nunca é barata. Se você não sabe o que pode ser realizado operando o processo atual de maneira previsível e correta, como saber se realmente precisa fazer a reengenharia do processo?

O terceiro problema reside na suposição de que você pode identificar as entradas (Xs) apropriadas para estudar. Voltando ao argumento delineado anteriormente, é muito difícil conduzir experimentos quando ainda não identificamos todos os fatores dominantes. Quando um processo é operado de forma imprevisível, está sujeito aos efeitos de Causas Atribuíveis dominantes e desconhecidas. Se você tentar conduzir experimentos sem identificar as causas atribuíveis, seus resultados terão validade limitada e utilidade duvidosa.

Além disso, na ausência de uma forma sistemática de aprender com o processo existente, muitas das maquinações do modelo DMAIC existem apenas para identificar quais entradas estudar. Essas etapas adicionam complexidade para alcançar o que pode ser feito mais facilmente usando gráficos de comportamento de processo. Finalmente, os modelos DMAIC presumem que, embora você não tenha pensado no suporte e na disciplina operacional necessários para operar seu processo atual de forma previsível, será capaz de operar magicamente o novo processo atualizado de forma previsível. Infelizmente, toda a nossa experiência com atualizações de processo nos diz o contrário. Se você não pode operar seu processo atual, cujas idiossincrasias você conhece, até o seu pleno potencial, então como você vai aprender a operar um novo processo, com novas idiossincrasias, em todo o seu potencial?

Operar um processo previsivelmente requer uma organização que aprende – uma onde o conhecimento é ao mesmo tempo ganho e compartilhado. É mais uma questão de praticar uma maneira de pensar do que de ter a técnica certa. Sem a prática na maneira de pensar, simplesmente colar um gráfico de controle em um novo processo e jogá-lo por cima da parede para a produção não resultará em uma operação previsível.

Toda vez que leio a descrição de um modelo DMAIC, não posso deixar de lembrar o “Método do Pensamento” usado pelo Professor Harold Hill para ensinar música em The Music Man – “se você apenas pensar nas notas que deseja ouvir, será capaz de tocá-las.” De maneira semelhante, os modelos DMAIC exigem muitas etapas iniciais para ajudá-lo a pensar nos fatores que você precisa estudar. Você deve fazer um esforço para descobrir o que seu processo precisa. Em contraste com todo esse aquecimento elaborado e esforço mental, os gráficos de comportamento do processo permitem que o próprio processo identifique as coisas que precisam ser investigadas.

Resumindo, não há nada de errado com um modelo DMAIC que não possa ser remediado usando gráficos de comportamento do processo (Cartas de Controle) em cada etapa do modelo DMAIC. Os gráficos de comportamento do processo o ajudarão a definir quais processos não estão operando com todo o seu potencial. Os gráficos de comportamento do processo são insuperáveis quando se trata de medir o que o processo está fazendo. Os gráficos de comportamento do processo fornecem uma base para analisar como um processo está operando. Os gráficos de comportamento do processo identificam oportunidades para melhorias no processo. E os gráficos de comportamento do processo nos fornecem uma maneira de continuar a operar um processo até seu potencial total no futuro (ou seja, controlá-lo). Portanto, podemos transformar a complexidade dos modelos DMAIC em um processo muito simples e direto de melhoria contínua, usando gráficos de comportamento de processo.

“Mas espere”, você pode dizer. “E quanto a todo o progresso que foi feito usando os modelos DMAIC?” O fato de tanto progresso ter sido relatado ou é um tributo à habilidade dos praticantes do Seis Sigma de identificar coisas que escaparam à atenção das gerações anteriores de engenheiros de processo, ou então é um relato sobre como todos estavam completamente desorganizados desde o começo. Visto que as ferramentas estatísticas e organizacionais do Seis Sigma não trazem novos conhecimentos sobre o assunto, deixarei o leitor decidir qual dessas duas alternativas é a explicação mais provável.

[…]

Shewhart e Deming nos deram uma abordagem holística para o problema de melhoria de processos. Outros, que tinham experiência com estudos experimentais, mas sem experiência com estudos observacionais, apareceram e montaram um pacote que usa alguns dos elementos de Shewhart e Deming, mas com um foco limitado e um modelo falho. Nas próprias palavras de Deming, se você passar sua vida trabalhando em projetos em busca de inovações, “você nunca ficará sem coisas para fazer”.

Traduzido de: Shewhart, Deming and Six Sigma – Donald J. Wheeler

O texto em inglês, na íntegra (12 páginas) pode ser baixado e conferido neste link: https://lnkd.in/gXx-bzz