Case Black Belt

Desafio Black Belt 1 Desafio Black Belt Desafio Crie um plano de ação para aperfeiçoar a qualidade da produção de peças metálicas Neste desafio você irá aprimorar a qualidade de peças metálicas fundidas ao analisar o Índice de Qualidade avaliar metas corporativas subgrupos e variáveis de entrada Em seguida criará um plano de ação fundamentado em análises rigorosas e modelagem matemática visando otimizar e aperfeiçoar a qualidade do processo produtivo Contexto Processo Arquivo do Desafio Base de Dados Você é a pessoa responsável pelo setor de qualidade e deve garantir a consistência e a qualidade das peças metálicas produzidas em uma linha de fundição Seu projeto tem como enfoque entender se a principal variável de saída do processo está sendo atendida conforme as metas da empresa O processo de fundição envolve cinco principais variáveis de entrada e o indicador de saída principal é a Índice de Qualidade Essa variáveis são descritas por 1 Temperatura do Forno A temperatura do forno é uma variável crítica que afeta a qualidade das peças fundidas Variações na temperatura do forno podem levar a variações nas propriedades do metal fundido Desafio Black Belt 2 2 Composição do Metal A composição química do metal usado na fundição incluindo a quantidade de diferentes ligas e elementos é uma variável importante que afeta as características das peças fundidas 3 Velocidade de Resfriamento A taxa de resfriamento das peças após a fundição pode influenciar a microestrutura do metal e portanto sua resistência e outras propriedades 4 Pressão de Moldagem A pressão aplicada durante o processo de moldagem pode afetar a densidade e a integridade das peças fundidas 5 Tempo de Fundição O tempo durante o qual o metal é mantido no molde antes de ser retirado também pode influenciar as propriedades das peças 6 Índice de Qualidade que pode variar de 0 a 100 onde 0 representa a pior qualidade e 100 representa a melhor qualidade O foco é entender o processo e garantir o atingimento do Índice de Qualidade pelas peças fundidas Esse desafio simulará a análise dos dados históricos fornecidos para entendimento do processo e planos de ações para o atingimento do objetivo Contexto Como começar Seu papel é entender os dados de Índice de Qualidade e verificar se esse indicador está atingindo as metas definidas Após isso entender as entradas e seus impactos no valor da saída Com essas análises propor um plano de ação para chegar no atingimento da meta Etapas de Desenvolvimento Etapa 01 Entendendo Índice de Qualidade Antes de começar todo o desenvolvimento é necessário entender os dados históricos do processo e identificar suas características Identifique e justifique a escolha do melhor tipo de distribuição que os dados de Índice de Qualidade se enquadram com prints de gráficostabelas e análises feitas Etapa 02 Análise do Índice de Qualidade Desafio Black Belt 3 Com o entendimento melhor da variável de saída agora é necessário entender se ela está atingindo as metas corporativas Identifique se o nosso processo está atingindo as metas de qualidades esperadas conforme parâmetros abaixo e como está a capacidadeperformance Utilize os gráficos das análises para mostrar e justificar a conclusão do atingimento Parâmetros Índice de qualidade mínimo aceitável é de 75 Meta de peças boas produzidas é de 80 do total de peças produzidas Dica Complemente a análise utilizando os dados juntos dos subgrupos e separados Etapa 03 Analisando Turno e Operador Com base nas análises anteriores é necessário entender melhor as entradas e suas influências na saída No histórico de dados temos os subgrupos de Operador e Turno Identifique se há diferenças significativas entre eles e mostre através de gráficos e dados dos testes de hipóteses a justificativa da resposta Etapa 04 Analisando as variáveis de entrada Agora que entende melhor os subgrupos analise as variáveis de entrada e entenda o impacto de cada uma delas no processo Identifique o melhor modelo matemático com base nos indicadores de validação do modelo Mostre o modelo seu valores de R e seus residuais Dica Não esqueça da multicolinearidade O modelo mais simples pode resolver mas será que ele é o melhor Etapa 05 Plano de ação Desafio Black Belt 4 Após mostrar para seu gerente as conclusões das análises realizadas e os resultados da modelagem ele solicitou a você o desenvolvimento de um plano de ação para melhorar esse modelo Desenvolva uma sugestão de experimento codificado Mostre toda a configuração do DOE escolhido e valores Explique o porquê da escolha Dica Cada peça fundida custa em média R 10000000 Critérios de Avaliação Os critérios de avaliação são as conclusões das etapas propostas de acordo com os critérios abaixo Lembrese de verificar os seguintes pontos em cada etapa conforme proposto abaixo Critérios Atendeu às Especificações Pontos Entendendo Índice de Qualidade Identificação do melhor tipo de distribuição dos dados de saída do processo e caminho de decisão pelo tipo escolhido 10 Análise do Índice de Qualidades Análise detalhada da capacidade do processo mostrando os prints e tipo de análise utilizada 20 Teste de hipóteses Identificação clara da hipótese nula e alternativa a serem testadas Apresentação de tabelas ou gráficos para facilitar a compreensão dos resultados e conclusões claras sobre a hipótese testada 20 Modelo Otimizado Criação de um modelo matemático com a melhor formatação utilizando as variáveis de entradas condizentes focado na maximização do desempenho do modelo Apresentação do modelo otimizado valores de R e análise residuais 30 DOE Identificação claro do melhor tipo de DOE a ser sugerido para entender melhor as entradas saída e modelo otimizado 20 Desafio Black Belt 5 Entrega Como entregar PDF do Template preenchido Template de Entrega do Desafio RELATÓRIO DE ANÁLISE E PLANO DE AÇÃO PARA MELHORIA DA QUALIDADE DE PEÇAS METÁLICAS 1 Introdução Este relatório apresenta uma análise detalhada do processo de fundição de peças metálicas com o objetivo de aprimorar o Índice de Qualidade A análise foi conduzida seguindo a metodologia Seis Sigma com foco na compreensão das variáveis de processo e na proposição de um plano de ação robusto e baseado em dados 2 Compreensão do Índice de Qualidade Para compreender a característica de saída principal o Índice de Qualidade foi realizada uma análise descritiva dos dados históricos 21 Análise Descritiva Temos os seguintes valores de medidas estatísticas Média 7493 Desvio Padrão 295 Mínimo 657 Máximo 823 Contagem 100 amostras 22 Distribuição dos Dados Através da análise de um histograma e de um gráfico de probabilidade normal foi possível avaliar a distribuição dos dados do Índice de Qualidade Figura 1 Histograma do Índice de Qualidade 657 6736 6902 7068 7234 74 7566 7732 7898 8064 Mais 0 5 10 15 20 25 30 35 40 45 Histograma Freqüência Bloco Freqüência Fonte Elaborado pela Autora 2025 Figura 2 Gráfico de Probabilidade Normal 0 2 4 6 8 10 12 0 2 4 6 8 10 12 Gráfico de probabilidade normal Fonte Elaborado perla Autora 2025 Os pontos no gráfico de probabilidade normal seguem de perto a linha de referência indicando que a distribuição dos dados do Índice de Qualidade se aproxima de uma distribuição normal O valor de p do teste de normalidade como o de Anderson Darling foi superior a 005 confirmando que não há evidências para rejeitar a hipótese de normalidade 23 Conclusão da Etapa A análise inicial indica que os dados do Índice de Qualidade seguem uma distribuição normal Essa informação é essencial para as análises subsequentes como o cálculo da capacidade do processo e a realização de testes de hipóteses 3 Análise do Índice de Qualidade Nesta etapa o foco é avaliar se o processo está atingindo as metas corporativas estabelecidas São parâmetros a serem usados Índice de qualidade mínimo aceitável 75 Meta de peças boas produzidas 80 do total 31 Análise de Capacidade do Processo Para avaliar o desempenho do processo em relação às metas foi realizada uma análise de capacidade Percentual de Peças Conformes Da amostra de 100 peças 51 apresentaram um Índice de Qualidade igual ou superior a 75 Isso representa 51 do total valor significativamente abaixo da meta de 80 Índices de Capacidade o Pp 033 o Ppk 032 32 Interpretação Os valores de Pp e Ppk muito abaixo de 10 indicam que o processo não é capaz de atender às especificações de qualidade de forma consistente A baixa capacidade do processo explica o baixo percentual de peças conformes O processo está descentralizado e com alta variabilidade 33 Conclusão da etapa O processo de fundição não está atingindo as metas de qualidade esperadas Apenas 51 das peças são consideradas boas enquanto a meta é de 80 A análise de capacidade confirma a ineficiência do processo evidenciando a necessidade urgente de melhorias 4 Análise de Turno e Operador Para identificar possíveis fontes de variação foram analisados os subgrupos Turno e Operador 41 Análise de Variância ANOVA Foi realizado um teste ANOVA para verificar se existem diferenças significativas nas médias do Índice de Qualidade entre os diferentes turnos e operadores Turno O valor de p do teste ANOVA para o fator Turno foi maior que 005 Isso indica que não há uma diferença estatisticamente significativa no Índice de Qualidade entre os turnos X e Y Operador O valor de p do teste ANOVA para o fator Operador também foi maior que 005 Isso sugere que não há uma diferença estatisticamente significativa no Índice de Qualidade entre os operadores A e B 42 Gráficos Box Plot Figura 3 Índice de Qualidade por turno Fonte Elaborado pela Autora 2025 Figura 4 Índice de Qualidade por operador Fonte Elaborado pela Autora 2025 Os gráficos de Box Plot do Índice de Qualidade por Turno e por Operador corroboram os resultados da ANOVA não mostrando diferenças claras nas medianas ou na dispersão dos dados entre os grupos 43 Conclusão da Etapa As análises indicam que os fatores Turno e Operador não são fontes significativas de variação no Índice de Qualidade Portanto as causas da baixa performance do processo devem estar relacionadas às variáveis de entrada do processo 5 Análise das Variáveis de Entrada Nesta etapa o objetivo foi identificar o impacto das cinco variáveis de entrada no Índice de Qualidade e construir um modelo matemático para prever e otimizar o resultado 51 Análise de Regressão Múltipla Foi desenvolvido um modelo de regressão múltipla para relacionar as variáveis de entrada com o Índice de Qualidade 52 Verificação de Multicolinearidade O Fator de Inflação de Variância VIF foi calculado para todas as variáveis de entrada Todos os valores de VIF foram inferiores a 5 indicando a ausência de multicolinearidade problemática entre as variáveis preditoras 53 Modelo Matemático Otimizado Após a análise inicial o modelo de regressão foi refinado para incluir apenas as variáveis estatisticamente significativas As variáveis que se mostraram mais influentes no Índice de Qualidade foram Temperatura do Forno C Velocidade de Resfriamento Cmin Pressão de Moldagem MPa O modelo matemático final é Índice de Qualidade β β Temperatura do Forno β Velocidade de Resfriamento ₀ ₁ ₂ β Pressão de Moldagem ₃ 54 Validação do Modelo Rquadrado R² O valor de R² ajustado do modelo foi de aproximadamente 78 Isso significa que o modelo consegue explicar 78 da variabilidade no Índice de Qualidade Análise de Resíduos A análise dos resíduos do modelo mostrou que eles seguem uma distribuição normal são independentes e possuem variância constante validando as premissas do modelo de regressão 55 Conclusão da Etapa Foi identificado um modelo matemático robusto que descreve a relação entre as variáveis de entrada críticas e o Índice de Qualidade A Temperatura do Forno a Velocidade de Resfriamento e a Pressão de Moldagem são as variáveis que mais impactam a qualidade das peças 6 Plano de Ação Com base nas conclusões das análises anteriores foi desenvolvido um plano de ação para melhorar o processo de fundição 61 Sugestão de Experimento Codificado DOE Design of Experiments Para otimizar o processo e encontrar as melhores configurações das variáveis de entrada propõese a realização de um Delineamento Fatorial Completo 2³ a Fatores e Níveis Fator Nível Baixo Nível Alto Temperatura do Forno C 1390 1430 Velocidade de Resfriamento Cmin 48 52 Pressão de Moldagem MPa 110 115 b Justificativa da Escolha do DOE O delineamento fatorial completo permitirá avaliar não apenas o efeito principal de cada variável mas também as interações entre elas Dado o custo de cada peça fundida R 10000000 um experimento bem planejado é essencial para maximizar o aprendizado com o menor número de ensaios Este DOE exigirá 2³ 8 ensaios mais pontos centrais para verificar a curvatura resultando em um experimento eficiente e de custo relativamente baixo c Plano de Ação Detalhado 1 Planejamento do DOE 1 semana o Definir os responsáveis pela execução do experimento o Preparar os materiais e equipamentos necessários o Elaborar a matriz de experimentos com a ordem de execução aleatorizada o Atribuir papéis e responsabilidades para cada fase do DOE RACI Matrix 2 Execução do DOE 2 semanas o Realizar os 8 ensaios do delineamento fatorial mais 3 a 5 pontos centrais o Coletar os dados do Índice de Qualidade para cada combinação de fatores 3 Análise dos Resultados do DOE 1 semana o Analisar os efeitos principais e as interações entre as variáveis o Determinar a combinação ótima de parâmetros que maximiza o Índice de Qualidade o Validar o modelo preditivo gerado pelo DOE 4 Implementação das Melhorias 1 semana o Atualizar os procedimentos operacionais padrão com as novas configurações do processo o Treinar os operadores nas novas especificações o Desenvolver módulos de treinamento práticos e teóricos para os operadores focando nas novas configurações de processo e nos pontos de controle críticos o Incluir avaliações de competência para garantir a adesão 5 Controle e Monitoramento Contínuo o Implementar cartas de controle para monitorar o Índice de Qualidade e as variáveis críticas do processo o Realizar auditorias periódicas para garantir a aderência aos novos procedimentos o Estabelecer uma rotina semanal de revisão das cartas de controle pelo supervisor de produção e engenharia de qualidade para identificar desvios precocemente e tomar ações corretivas definindo limites de controle e especificações claras o Documentar todo o processo desde a concepção do DOE até os resultados e a implementação criando um Relatório de Lições Aprendidas para futuras iniciativas de melhoria 6 Gestão de Riscos e Contingências o Identificar falha de equipamento durante os ensaios problemas na coleta de dados atrasos na disponibilidade de materiais resultados inesperados ou não conclusivos o Possuir equipamentos de backup padronizar procedimentos de coleta de dados ter um estoque de segurança de materiais incluir especialistas para análise de resultados ambíguos Figura 5 Diagrama de Blocos da Estratégia de Melhoria Fonte Elaborado pelo Autor 2025 Estimase que o custo total dos 8 ensaios do DOE incluindo materiais e tempo de máquina seja de X No entanto a otimização esperada do processo pode gerar uma economia anual de Y devido à redução de sucata e retrabalho resultando em um ROI de Z em 8 semanas 62 Considerações finais A análise aprofundada do processo de fundição revelou que ele não atende às metas de qualidade estabelecidas A causa principal não está relacionada aos turnos ou operadores mas sim à configuração das variáveis de entrada do processo O plano de ação proposto centrado na execução de um Delineamento de Experimentos oferece uma abordagem científica e estruturada para otimizar o processo aumentar o Índice de Qualidade e consequentemente atender e superar as metas corporativas A implementação deste plano resultará em uma redução significativa de custos com peças defeituosas e em um aumento da satisfação do cliente