Universidade do Minho Escola de Engenharia

Fernando Antnio Fontes Guedes

Aplicao da metodologia 6-Sigma na melhoria da qualidade do processo de soldadura reflow

Outubro de 2007

Universidade do Minho Escola de Engenharia

Fernando Antnio Fontes Guedes

Aplicao da metodologia 6-Sigma na melhoria da qualidade do processo de soldadura reflow

Dissertao de Mestrado em Engenharia Industrial

Trabalho efectuado sob a orientao do Professor Doutor Srgio Dinis Teixeira de Sousa e Professor Doutor Manuel Pinto Nunes

Outubro de 2007

iii

Agradecimentos

inevitvel comear por agradecer de uma forma geral a quem contribuiu para o desenvolvimento desta dissertao, quer tenha sido de forma directa, adicionando valor ao contedo da mesma, ou indirecta, apoiando nos momentos mais sensveis.

Universidade do Minho, agradeo aos meus orientadores Dr. Srgio Sousa e Dr. Eusbio Nunes por todo o suporte, apoio e conhecimento transmitidos. No posso deixar de agradecer ao Dr. Filipe Alvelos, pois foi o elo inicial.

Delphi-Grundig, agradeo a oportunidade concedida para fazer esta dissertao e toda a confiana depositada no meu trabalho, principalmente na pessoa do Eng. Rui Enes, director da mesma. s pessoas que fizeram, e fazem, parte da equipa de trabalho, nomeadamente o Manuel Joaquim, ngelo Marques, Paulo Ribeiro, Jos Lus Fernandes, Paulo Fernandes e Joo Pedro Silva, os meus sinceros agradecimentos. No posso deixar de referir a Laura Castro, pela disponibilidade e ajuda. Gostaria de destacar o Jorge Gonalves, companheiro de viagens ao mundo do 6-Sigma, e que muito contribuiu para o sucesso deste trabalho. Esta dissertao tambm vossa.

A toda a minha famlia, principalmente a minha esposa Lgia, por tornarem possvel a concretizao deste objectivo. Vocs fizeram todo este esforo parecer uma simples ida praia. Adoro-vos.

Numa fase crtica da dissertao, quando as foras comeavam a escassear, surgiu o Gers, uns dias de frias e um grupo de amigos. Tenho que agradecer Alda por ter sido a responsvel por esses momentos de prazer que me deram a energia necessria para a recta final. Foi tambm uma ajuda importante na elaborao da dissertao.

iv

APLICAO DA METODOLOGIA 6-SIGMA NA MELHORIA DA QUALIDADE DO PROCESSO DE SOLDADURA REFLOW

Resumo

No contexto industrial actual, onde a competitividade feroz e exige que as empresas sejam cada vez mais flexveis e dinmicas, as filosofias de melhoria contnua tm que ser utilizadas para a empresa se manter competitiva. A utilizao da metodologia 6-Sigma, para ser bem sucedida, pressupe a criao de condies ao nvel da liderana, inovao, criatividade e comunicao para depois se passar ao nvel da formao e se atinja a motivao generalizada. O primeiro sinal de que uma empresa est preparada para iniciar de forma estruturada e planeada a utilizao das ferramentas 6-Sigma quando percebe a verdadeira dimenso do desperdcio inerente m qualidade. Muitas vezes, as empresas esto de tal forma submersas em problemas que ocupam tempo e recursos basicamente a apagar os fogos do dia--dia, no conseguindo sequer recolher dados que lhe permitam construir um simples Pareto. A recolha de dados essencial, pois da sua veracidade e qualidade depende o sucesso de um projecto 6-Sigma. Este estudo demonstra cabalmente que extremamente importante sabermos a capabilidade do aparelho inspeco, seja ele humano ou uma mquina. Esta dissertao demonstra ainda com um caso prtico, os benefcios da aplicao da metodologia 6-Sigma, tanto ao nvel dos indicadores de qualidade e financeiros, como em termos de motivao dos colaboradores. Num processo de soldadura reflow onde os ndices de qualidade apresentam valores superiores aos 4-Sigma (menos do que 6500 falhas por cada 1.000.000 de rdios), no possvel dar passos seguros em direco aos 6-Sigma sem uma cultura de melhoria contnua que atravessa a empresa transversalmente e aposta fortemente na formao. Esta aposta na formao no pode cingir-se apenas aos elementos chave da organizao, mas sim a todos os colaboradores. Os pontos fortes e os menos fortes da filosofia 6-Sigma so dissecados de forma to clara quanto possvel, para que se possa facilmente comparar com outros mtodos de melhoria contnua existentes. No focada a possibilidade da no utilizao de nenhum mtodo de melhoria contnua, j que isso significa um suicdio para a empresa a curto prazo.

v

APPLICATIONS OF THE 6-SIGMA METHODOLOGY IN THE IMPROVEMENT OF THE QUALITY REFLOW WELDING PROCESS

Abstract

In the current industrial reality, where competitiveness is vicious and companies are required to be more flexible and dynamic, continuous improvement philosophies will cease to be an option. The utilization of the 6-Sigma methodology, in order to be a success, presumes the creation of very good conditions in terms of leadership, innovation, creativity, and communication in order to then crossover into the training level and achieves overall motivation. The first indication that a company is prepared to initiate, in a structured and planned way, the utilization of the 6-Sigma tools is when it truly understands the real dimension of the inherent waste of bad quality. Many times companies are so deep involved with problems that they spend time and resources basically putting out day-to-day fires unable to, at the very least, gather data that will allow them to build a simple Pareto. The gathering of data is essential. The success of a 6-Sigma project depends on the authenticity and quality of that data. This study conclusively demonstrates that it is extremely important to know the capability of the subject matter being measured, whether it is a human or a machine. This dissertation using a practical case demonstrates the benefits of applying the 6-Sigma methodology, at the quality and financial levels as well as in terms of employee motivation. On a soldering (welding) reflow process where the quality ratings present values superior to those of the 4 sigma (less than 6500 failures per 1.000.000 radios), it is not possible to take secure steps toward 6 sigma without a continuous improvement culture across the whole company and without a strong investment in training. This training cannot be limited to key elements of the organization but rather to all employees. The strong points and the not so strong points of the 6-Sigma philosophy will be analyzed as clearly as possible, so that it can be easily compared to other continuous improvement methods. The possibility of not using any continuous improvement method isnt considered here, as this would basically be suicidal for the company in the short term.

vi

ndice

RESUMO iv

ABSTRACT v

NDICE vi

CAPTULO 1 - INTRODUO 1 1.1 - Objectivo 2 1.2 - Metodologia 3 1.3 - Organizao da dissertao 4

CAPTULO 2 - CONCEITOS GERAIS SOBRE QUALIDADE 6 2.1 - Introduo 6 2.2 - Expectativas dos clientes 6 2.3 - Mtricas da Qualidade 8

CAPTULO 3 - METODOLOGIA 6-SIGMA 11 3.1 - Introduo ao conceito de 6-Sigma 11 3.2 - Abordagem DMAIC 16 3.2.1 - Definir 17 3.2.2 - Medir 19 3.2.3 - Analisar 24 3.2.4 - Melhorar 31 3.2.5 - Controlar 31 3.3 - Comparao do 6-Sigma com o Shainin 32

CAPTULO 4 - ENQUADRAMENTO DO PROCESSO DE SOLDADURA REFLOW

37 4.1 - Caracterizao da empresa 37 4.2 - Metodologia 6-Sigma na Delphi-Grundig 41 4.3 - Enquadramento da dissertao na empresa 46 4.4 - Introduo ao processo de soldadura reflow 46 4.5 - Descrio do processo de deposio da pasta de solda 56

vii

4.6 - Descrio do processo de inspeco da pasta de solda 64

CAPTULO 5 - APLICAO DA METODOLOGIA 6-SIGMA NA MELHORIA DO PROCESSO DE SOLDADURA REFLOW

67 5.1 - Definio do projecto 67 5.2 - Avaliao da mquina de inspeco (mquina SPI) 74 5.3 - Redefinio do projecto 93 5.3.1 - Definio da nova abordagem ao projecto 93 5.3.2 - Avaliao da capabilidade dos observadores/juzes 96 5.3.3 - Identificao dos potenciais riscos 99 5.4 - Controlo dos riscos 107 5.5 - Verificao da eficcia das aces implementadas 110

CAPTULO 6 - CONCLUSES 114 6.1 - Concluses sobre o projecto realizado 114 6.2 - Limitaes 115 6.3 - Desenvolvimentos futuros 116

REFERNCIAS BIBLIOGRFICAS 118

viii

Lista de figuras

Figura 3.1: Nmero de defeitos conforme o nvel Sigma 13 Figura 3.2: As fases DMAIC da metodologia 6-Sigma 17 Figura 3.3: Exemplo de um grfico de Pareto 17 Figura 3.4: Esquema funcional do SIPOC 18 Figura 3.5: P-MAP nas suas vrias fases 19 Figura 3.6: Noo de preciso e exactido 20 Figura 3.7: Estrutura tipo Crossed para recolha de dados para um MSE 22 Figura 3.8: Estrutura tipo Nested para recolha de dados para um MSE 23 Figura 3.9: Exemplo de um diagrama de Ishikawa 24 Figura 3.10: Tipo de diagrama Causa e Efeito mais utilizado 25 Figura 3.11: Diagrama de concentrao 26 Figura 3.12: Histograma 26 Figura 3.13: Grfico de controlo Individual range 27 Figura 3.14: Grfico de controlo X-Bar-R Chart 28 Figura 3.15: Seleco do grfico de controlo conforme tipo de dados 29 Figura 3.16: 5-Whys 29 Figura 3.17: Exemplo de um FMEA 30 Figura 3.18: Roadmap da abordagem DMAIC 32 Figura 3.19: Grfico Multi-vari 33 Figura 3.20: Abordagem s metodologias 6-Sigma e Shainin na Delphi-Grundig

34

Figura 4.1: Certificaes de maior relevo da Grundig at entrar para o grupo Delphi

37 Figura 4.2: Foto da fachada principal da Delphi-Grundig 38 Figura 4.3: Fluxograma simplificado do processo produtivo 38 Figura 4.4: Fases de desenvolvimento do produto versus metodologia de melhoria contnua a aplicar

43 Figura 4.5: Fases de desenvolvimento do produto versus metodologia de melhoria contnua a aplicar

43 Figura 4.6: Diagrama funcional da Rede da Qualidade na Delphi-Grundig 44 Figura 4.7: Seleco de projectos de melhoria contnua na Delphi-Grundig 45

ix

Figura 4.8: Diagrama de blocos do processo de soldadura reflow 47 Figura 4.9: Tubo de pasta de solda 48 Figura 4.10: Imagem ampliada dos tipos de pasta de solda 2 e 3 49 Figura 4.11: Regra bsica para o nmero mnimo de bolas de solda a depositar num PCB

49 Figura 4.12: Viscosidade versus temperatura da pasta de solda 50 Figura 4.13: PCB 51 Figura 4.14: Pad com pasta de solda depositada 51 Figura 4.15: Etiqueta de papel versus gravao a laser 52 Figura 4.16: Alguns tipos de SMDs vulgarmente utilizados no processo de soldadura reflow

53 Figura 4.17: Exemplo de um perfil de temperatura do processo reflow 54 Figura 4.18: Exemplos de boas e ms soldaduras 54 Figura 4.19: Tela 57 Figura 4.20: Ferramenta de suporte do PCB tipo pinos magnticos 59 Figura 4.21: Ferramenta de suporte do PCB tipo Grid-Lok 59 Figura 4.22: Mquina de deposio de pasta de solda (DEK) 60 Figura 4.23: Princpio de funcionamento do proflow 61 Figura 4.24: Imagem real do prolfow em funcionamento 61 Figura 4.25: Princpio de funcionamento do squeegee 62 Figura 4.26: Exemplo do defeito conhecido como orelhas de co 63 Figura 4.27: Diagrama de blocos do sistema de inspeco Viscom 65 Figura 4.28: PCB com empeno durante a inspeco 66

Figura 5.1: Evoluo mensal do FTQ na rea SMT em 2006 67 Figura 5.2: Evoluo mensal dos defeitos no cliente em 2006 68 Figura 5.3: SIPOC do projecto 70 Figura 5.4: T-MAP do projecto 71 Figura 5.5: P-MAP do processo 72 Figura 5.6: Anlise XBAR-R Chart para a rea em modo 2D 73 Figura 5.7: Tree structure utilizada 75 Figura 5.8: Posio no PCB e componentes a medir, consoante seja uma medida em 2D ou 3D

76 Figura 5.9: Resultado do Gage Study para a rea em 2D 77

x

Figura 5.10: Resultado do Gage Study para o desvio em X em 2D 77 Figura 5.11: Resultado do Gage Study para o desvio em Y em 2D 78 Figura 5.12: Anlise da estabilidade para o factor Area 78 Figura 5.13: Anlise da discriminao para o factor Area 79 Figura 5.14: Anlise da repetibilidade para o factor Area 79 Figura 5.15: Anlise da reprodutibilidade para o factor Area 80 Figura 5.16: Anlise da variao do produto versus aparelho de medida para o factor Area

80 Figura 5.17: Anlise da variao do produto versus aparelho de medida para o factor X

81 Figura 5.18: Resultados do Minitab para a medida do parmetro rea 81 Figura 5.19: Resultado do Gage Study para a rea em 3D 82 Figura 5.20: Resultado do Gage Study para o desvio em X em 3D 82 Figura 5.21: Resultado do Gage Study para o desvio em Y em 3D 83 Figura 5.22: Resultado do Gage Study para a altura em 3D 83 Figura 5.23: Resultado do Gage Study para o volume em 3D 84 Figura 5.24: Legenda dos smbolos usados para representar cada uma das medidas

84 Figura 5.25: Resumo dos resultados do MSE 85 Figura 5.26: Tree structure utilizada no 2 MSE com novo sistema de clamping

86 Figura 5.27: Resumo dos resultados do MSE com novo sistema de clamping 86 Figura 5.28: Prato de calibrao da mquina SPI 87 Figura 5.29: Tree structure para MSE com prato de calibrao da SPI 87 Figura 5.30: Posio no prato de calibrao onde se medem a altura e volume 88 Figura 5.31: Resumo dos resultados do MSE com prato de calibrao 88 Figura 5.32: Estudo da capabilidade para altura de 100m utilizando prato de calibrao

89 Figura 5.33: Estudo da capabilidade para altura de 150m utilizando prato de calibrao

90 Figura 5.34: Estudo da capabilidade para altura de 200m utilizando prato de calibrao

90 Figura 5.35: Estudo da capabilidade para altura de 300m utilizando o prato de calibrao

91

xi

Figura 5.36: Dimenso e distncia entre pad de um IC 92 Figura 5.37: Novo SIPOC do projecto 94 Figura 5.38: Novo T-MAP do projecto 95 Figura 5.39: Novo P-MAP do projecto 96 Figura 5.40: Tree structure utilizada para o MSE ICC 97 Figura 5.41: Resultados do ICC 99 Figura 5.42: Distribuio dos defeitos de soldadura na linha 5 por tipo de PCB 101 Figura 5.43: Concentrao dos defeitos de soldadura na linha 5 para o modelo PROD 1

102 Figura 5.44: Concentrao dos defeitos de soldadura na linha 5 para o modelo PROD 2

102 Figura 5.45: Concentrao dos defeitos de soldadura na linha 5 para o modelo PROD 3

103 Figura 5.46: Diagrama de Ishikawa para os defeitos pouca/sem solda e curto de solda

104 Figura 5.47: Checklist actualmente utilizado na rea SMT 109 Figura 5.48: Evoluo mensal dos defeitos no cliente em 2007 111 Figura 5.49: Evoluo mensal do FTQ na rea SMT de Janeiro a Agosto de 2007

111

xii

Lista de tabelas

Tabela 3.1: Exemplo de boa e m repetibilidade 21 Tabela 3.2: Exemplo de boa e m reprodutibilidade 21 Tabela 3.3: Metodologia 6-Sigma versus Shainin 35

Tabela 4.1: Designao standard consoante dimenso do SMD 53

Tabela 5.1: Todos os defeitos, por tipo, na rea SMT durante 2006 69 Tabela 5.2: Nveis de deciso dos juzes para realizao do ICC 97 Tabela 5.3: Tipos de defeitos provocados para realizao do ICC 98 Tabela 5.4: Top 5 dos defeitos de soldadura na rea SMT durante 2006 100 Tabela 5.5: Pareto dos defeitos de soldadura na linha 5 durante 2006 101 Tabela 5.6: Todos os defeitos de soldadura, por tipo, na rea SMT de Janeiro a Julho de 2007

112

Tabela 5.7: Top 5 dos defeitos de soldadura na rea SMT de Janeiro a Julho de 2007

113 Tabela 5.8: Pareto dos defeitos de soldadura na linha 5 de Janeiro a Julho de 2007

113

xiii

Lista de abreviaturas e smbolos

SMT Surface Mounted Device TMQ Total Quality Management DMAIC Define, Measure, Analyse, Improve and Control PPM Part per Million RPPM Returned Part Per Million DPMO Defects Per Million Opportunities FTQ First Time Quality OE Operational efficiency BOB Best Of the Best WOW Worst of the Worst I&CIM Innovation and Continuous Improvement Methodologies DPS Delphi Problem Solving GB Green Belt BB Black Belt MBB Master Black Belt DFSS Design For Six-Sigma FMEA Failure Mode and Effect Analysis SPC Statistic Process Control SPI Solder Paste Inspection AOI Automatic Optical Inspection PCB Printed Circuit Board SMD Surface Mounted Device BGA Ball Grid Array QFP Quad Flat Pack SOJ Small Outline J Leaded SSOP Shrink Small Outline Package TSOP Thin Small Outline Package PLCC Plastic Leaded Chip Carrier LCC Leaded Chip Carrier TMT Total Management Team MTT Manufacturing Technology Team SOP Standard Operation Procedures

xiv

MSE Measurement System Evaluation MSA Measurement System Analysis ICC Intra-Class Correlation DOE Design Of Experiments MIT Massachusetts Institute of Technology CT Cycle Time SIPOC Suppliers, Inputs, Process, Outputs, Customer P-MAP Process Map T-MAP Thought Map CTQ Critical To Quality ISO International Organization for Standardization EMS Environment Management Systems EMAS Eco Management and Audit Scheme QIS Quality Information System IC Integrated Circuit BTO Build To Order RAP Registo Automtico de Produo

xv

Lista de anexos

ANEXO I - Resultados das medidas para anlise Xbar R Chart

ANEXO II - Resultados dos sucessivos estudos MSE

ANEXO III - Alguns detalhes sobre a empresa Delphi-Grundig

ANEXO IV - Tipo de erro versus teste de hipoteses

1

CAPTULO 1 - Introduo

As ferramentas estatsticas tm sido utilizadas para identificar a natureza dos problemas de controlo dos processos (Juran & Gryna, 1993), fazendo com que sua aplicao no seja motivada pela necessidade de se mostrar o emprego de uma determinada ferramenta, mas sim um conjunto de mtodos para solucionar problemas especficos de um processo. O 6-Sigma est associado a algo difcil de alcanar que s as empresas de topo colocam em prtica. Infelizmente, esta realidade, associada ao receio de investir em algo ainda pouco conhecido no nosso pas, afasta as empresas de uma filosofia de trabalho que as poderia catapultar para nveis de qualidade elevados e, consequentemente, incrementar o factor competitivo num mercado cada vez mais agressivo e, numa fase posterior, quando a maturidade assim o permitir, aumentar os nveis motivacionais dos colaboradores, com benefcios evidentes para toda a organizao. Uma organizao deve estar culturalmente preparada para mudar a sua infraestrutura, valores e pensamento, para se integrar na filosofia 6-Sigma. Coronado & Antony (2002, p.92-99) consideram o 6-Sigma como uma estratgia de rompimento das esferas organizacionais, pois necessita que a cultura da empresa lhe seja ajustada. O 6-Sigma, alm de uma forma de melhoria contnua, comporta ferramentas estatsticas muito poderosas com as quais se pode medir a variao de um processo e, com isso, perceber qual a probabilidade dessa variao se fazer sentir nos clientes. Quanto melhor se conhecer o processo, mais cedo se pode prever as variaes. Conhecer um processo no se trata apenas de avali-lo mediante o nosso feeling ou experincias passadas, necessrio ter dados, da a quantidade e principalmente a qualidade dos dados recolhidos ser um dos segredos da filosofia 6-Sigma. Se poucos dados pode acarretar consequncias nefastas, muitos dados tambm no so necessriamente sinal de resultados positivos. Para se recolher dados necessrio empreender tempo e pessoas, da que seja absolutamente imperativo ter uma boa dose de certeza de que se est a recolher os dados certos e que a amostra ser suficiente para se observar o comportamento do processo. Para se tirar o mximo proveito da metodologia 6-Sigma necessrio que exista um

2

comprometimento, chamado por vezes de vestir a camisola, de toda a organizao, facilitando assim a comunicao vertical e horizontal, como frisou Henderson & Evans (2000, p.260-281). Os lideres da empresa devem ser sempre os grandes impulsionadores e dinamizadores da metodologia, quer eliminando barreiras, como criando incentivos. O calcanhar de Aquiles da metodologia 6-Sigma reside na parte burocrtica que est intimimamente ligada a todo o processo de resoluo de um problema (DMAIC Define; Measure; Analize; Improve; Control). Apesar de esta ser a nica forma de se obter resultados, por vezes existe a tentao de se avanar alguns dos passos da metodologia DMAIC. No entanto, mais cedo ou mais tarde conclui-se que a sistematizao e o trabalho rduo so grandes aliados para o sucesso de um projecto.

1.1 - Objectivo

Para explicar o objectivo desta dissertao, ainda que correndo o risco de roar o atrevimento, utilizar-se- a taxionomia dos objectivos educacionais de Benjamin Bloom (Taxonomy of Educational Objectives, 1956). Uma taxionomia no passa de uma classificao dos objectivos segundo categorias ou classes ordenadas por nveis de exigncia ou complexidade e que, apresentam entre si uma relao hierrquica. Assim sendo, o autor considerou/criou trs grandes domnios: afectivo psicomotor e cognitivo. O domnio cognitivo que estuda e hierarquiza essencialmente as actividades intelectuais, parece ser um bom exemplo do que se pretende transmitir nesta dissertao. Bloom, refere capacidades ou comportamentos de diferentes graus de complexidade e cuja aprendizagem apresenta nveis de dificuldade tambm diferentes. Esses nveis so; conhecimento, compreenso, aplicao, anlise, sntese e avaliao. Nesta dissertao, e continuando num paralelismo com a teoria de Bloom, pretende-se:

- numa primeira fase transmitir conhecimento, inicialmente sobre a metodologia 6-Sigma e depois sobre o processo de soldadura reflow, para que possa mais tarde ser reproduzido com exactido;

3

- partindo-se depois disso para a fase da compreenso, em que se deve fazer uso do que foi aprendido anteriormente, ou seja entender o significado do material; - consequentemente e avanando nas fases de complexidade, passando para a aplicao, onde suposto no s usar aquilo que foi aprendido sobre 6-Sigma e processo reflow, como utilizar numa situao ou processo novo; - avanando para a anlise e referindo-se capacidade de separarmos o projecto nas suas diferentes partes componentes, de maneira que seja compreendida a sua organizao estrutural, ou seja, dissecar todo o processo reflow, por forma a compreendermos todo o contexto do projecto e como este pode ser estudado utilizando o 6-Sigma; - depois disso, e se aplicada a criatividade e inovao, juntarmos todos os materiais, mquinas, tcnicas e mtodos de modo a obtermos como resultado algo com o nosso cunho pessoal, ento estaremos na fase da sntese; - por ltimo e a fase mais complexa de todas, a avaliao, passa pela capacidade de se julgar o valor do material. Os julgamentos devem ser sempre baseados em critrios e mtricas. Esta dissertao avaliada pelo seu impacto objectivo na qualidade e consequente reduo de custos da empresa.

1.2 - Metodologia

Pretendeu-se nesta dissertao demonstrar com um caso prtico as vantagens de se utilizar a metodologia 6-Sigma na resoluo de problemas. O 6-Sigma uma filosofia que exige resultados (Mcgraw Hill, 2003 The six sigma project planner Ebook), os quais advm de projectos que esto intimamente ligados s exigncias dos clientes e aos objectivos da empresa. Esta dissertao desenrola-se por isso num contexto industrial, onde os resultados operacionais de uma empresa so to importantes como a electricidade ou o ar comprimido, por exemplo. Os projectos de melhoria contnua so sempre escolhidos com base no Pareto dos defeitos com maior impacto nas mtricas da organizao. Esta dissertao surgiu exactamente num desses Paretos, nomeadamente no top 5 de defeitos da rea de Montagem Automtica. Numa empresa onde o nmero de PPM (Part Per Million), ou tambm conhecido como DPMO (Defects Per Million Opportunities), medida da qualidade normalmente chamada de FTQ (First Time Quality fazer bem primeira), apresenta valores

4

abaixo dos 4500 PPM, necessrio acompanhar diriamente e turno a turno, a tendncia dos ndices de qualidade, para que seja possvel melhorar cada vez mais. Isso apenas possvel com uma filosofia sistematizada de resoluo de problemas e numa organizao que esteja dotada de mtodos eficazes de medir e reagir s alteraes o mais rpidamente possvel. Neste contexto a palavra rpidamente tem duas vertentes, tanto a nvel temporal de reaco ao problema como a nvel de processo, ou seja, quanto mais cedo os problemas forem detectados no processo, mais simples, barata e eficaz a sua resoluo. Esta dissertao um bom exemplo disso, j que diz respeito ao incio do processo de soldadura reflow. Ser seguida a metodologia DMAIC (Define, Measure, Analyse, Improve e Control) para a abordagem e resoluo de alguns problemas de soldadura do processo reflow, mais concretamente na deposio da pasta de solda.

1.3 - Organizao da dissertao

Alm do sumrio e da introduo, considerados como primeiro captulo, a dissertao est dividida em mais cinco captulos.

No segundo faz-se uma abordagem aos conceitos gerais sobre qualidade, comeando por explorar todo o contexto que envolve a melhoria contnua e as diversas abordagens ao conceito propriamente dito. So tambm apresentados os clculos bsicos das principais mtricas da qualidade.

Dada a sua elevada importncia em toda a dissertao, o terceiro captulo dedicado fundamentalmente ao 6-Sigma. Apresentam-se diversas perspectivas, mas convergentes, da metodologia na ptica de diferentes autores. A metodologia DMAIC explicada em cada uma das suas etapas. Aborda-se ainda uma outra tcnica de melhoria contnua, chamada Shainin.

No quarto captulo, inica-se o desenvolvimento do projecto que levou realizao desta dissertao. A triologia empresa, 6-Sigma e dissertao alicerada e construda de forma a que se compreenda a importncia da interligao das trs partes. O processo de deposio e seguidamente inspeco da pasta de solda a

5

parte central da referida triologia, j que foi onde se aplicou a metodologia 6-Sigma.

No quinto captulo seguem-se os cinco passos da metodologia 6-Sigma (DMAIC) aplicados ao projecto de melhoria do processo de soldadura reflow. feita uma primeira definio do projecto, com vista a utilizar a mquina SPI (Solder Paste Inspection) como mtodo de medida, mas depois devido aos fracos resultados obtidos, necessrio redireccionar o projecto, partindo de uma base de trabalho onde o aparelho de inspeco composto pelo conjunto da mquina e do operador da mesma. ainda demonstrado o impacto do projecto nas mtricas da empresa.

Finalmente no sexto e ltimo captulo apresentam-se as concluses e reflexes de todo o estudo, as dificuldades encontradas e principalmente as prximas aces para melhorar ainda mais a competitividade da Delphi-Grundig.

6

CAPTULO 2 - Conceitos gerais sobre qualidade

2.1 - Introduo

O conceito genrico de qualidade pode ser bastante subjectivo, j que quando se diz simplesmente que um produto tem ou no qualidade, pode no se estar sequer a avaliar nenhum parmetro mensurvel. possvel que um produto ou servio tenha qualidade, objectivamente falando, mas ainda assim no satisfaa os requisitos do cliente. O primeiro passo para a compreenso do termo qualidade no contexto desta dissertao a definio dos parmetros ou factores que sero quantificados e medidos.

Imagine-se o exemplo de algum pedir para comprar 1kg de mas e colocar como requisitos a cr vermelha e que sejam apetitosas (esta uma medida subjectiva). Quando se tenta comprar as mas, descobre-se que algumas das mas vermelhas encontram-se pisadas e segundo o dono da loja no so as melhores em termos de sabor. Aconselha ento a levar umas mas verdes, muito brilhantes e, segundo ele, apetitosas. Ao entregar o produto ao cliente ele ficar satisfeito? Em princpio no, pois falhou-se logo partida num requisito, a cr. No entanto, entregou-se-lhe um produto de qualidade possivelmente superior pretendida. De uma forma simplista, pode dizer-se que um produto com qualidade aquele que confere todos os requisitos do cliente. Se se pretender ser um exemplo de excelncia, ento deve-se tentar exceder as expectativas dos clientes. Segundo a NP EN ISO 9000:2000, a definio de qualidade : o grau de satisfao de requisitos dado por um conjunto de caratersticas intrnsecas (Manual Pedaggico PRONACI, 2003).

2.2 - Expectativas dos clientes

Todos os clientes desejam ver satisfeitos todos os seus requisitos, mas isso apenas possvel se estes forem perfeitamente compreendidos pelo fornecedor. Imagine-se a situao de um cliente que a partir de uma determinada data passou a receber os seus aparelhos com os SMDs (Surface Mounted Device componentes

7

electrnicos de pequenssimas dimenses) de cr diferente, sem ter sido prviamente avisado. A cr dos SMDs no influncia em nada o funcionamento ou performance do aparelho. Durante a inspeco que o cliente faz aos aparelhos recebidos, detecta a alterao na cr dos componentes e decide devolver todo o lote que acaba de chegar. O fornecedor por sua vez, ao receber todo o lote de aparelhos devolvidos, que para agravar a situao vm da sia, fica estarrecido, por um lado por no ter sido efectuada qualquer tipo de reclamao formal, por outro no encontra nenhuma anomalia no funcionamento dos mesmos. Depois de muita ponderao, opta por contactar o seu cliente na tentativa de entender o motivo da devoluo do produto. Este comportamento acaba por piorar a situao, visto o cliente perceber que o seu fornecedor no sabe o porqu da devoluo dos aparelhos. Para este cliente, as suas expectativas passam por receber hoje um produto exactamente igual ao de ontem, salvo o caso de ter sido requisitada ou proposta alguma alterao. Este exemplo retrata uma situao real de como um cliente pode no ficar satisfeito ainda que, o fornecedor hipotticamente, possa colocar peas ou componentes de qualidade superior. Alm de cumprir todos os requisitos pr-estabelecidos quando celebrado um contracto, o fornecedor deve manter sempre o cliente informado de toda e qualquer alterao e se possvel melhorar sistematicamente a qualidade do produto, por forma a exceder as expectativas. Entenda-se por qualidade do produto tudo aquilo que objectivamente melhora, sempre na perspectiva do cliente, a performance do produto. Um outro exemplo real de requisitos do cliente quando este exige algo que vai alm do requerido pelas normas internacionais. Neste caso em particular o cliente recomenda, o que na prtica significa exigir, que uma das caractersticas tcnicas da soldadura do produto v para alm do que as normas internacionais de aceitao visual IPC-A-610 (Acceptability of Electronic Assemblies, 2005) recomendam. Nestas circunstncias o fornecedor est sempre protegido pelas normas, mas por uma questo de manter o cliente satisfeito e com isso cuidar do seu prprio futuro enquanto empresa, normalmente acede ao pedido. Como resumo, pode dizer-se que a nica forma de cumprir, ou mesmo superar, as expectativas dos clientes manter um dilogo constante e, obviamente, inovar e melhorar todos os dias.

8

2.3 - Mtricas da Qualidade

Sendo este um assunto j bastante dessiminado, ser apenas focado devido sua bvia ligao ao 6-Sigma e consequentemente dissertao. De uma forma genrica, pode dizer-se que o mais importante comparar quantas falhas ocorrem no total das oportunidades. Usualmente o nvel da qualidade (DPMO ou PPM) calcula-se conforme demonstrado na equao 2.1. Em algumas empresas este parmetro, que indica o nvel da qualidade dos produtos, denominado por FTQ (First Time Quality).

000.000.1=desoportunidatotal

defeitosnmeroDPMO

(2.1)

Apesar de a equao ser simples, muito importante saber-se o que considerado como sendo o total de oportunidades e o nmero de defeitos, caso contrrio podem cometer-se erros de avaliao. Imagine-se o processo de soldadura de um rdio, onde pode ter-se 1000 tipos de componentes numa placa, os quais tm pontos de soldadura que podem ir de um mnimo de 2 at 100, dependendo do tipo de componente, ou seja, do nmero de terminais. Com este tipo de soldadura existem logo partida duas formas diferentes de medir o FTQ, ou melhor, pode calcular-se o nmero de rdios com defeito ou o nmero de pontos de soldadura com defeito. Assim sendo, obtm-se obrigatriamente valores diferentes, originando tambm anlises completamente distintas. Vejamos os exemplos demonstrados nas equaes 2.2 (nmero de rdios com defeito) e 2.3 (nmero de pontos de soldadura defeituosos).

PPMFTQ

sdefeituosordiosNproduzidosrdiosN

000.10000.000.11500

15151500

1 ==

=

=

(2.2)

O resultado da equao 2.3 indica que em 1500 rdios que foram produzidos, 15 deles tiveram problemas, o que significou um valor de 10000 PPM. Caso se diga a

9

um cliente que o FTQ do processo de soldadura de 10000 PPM, sem mais nenhuma informao adicional, esta tanto pode ser interpretada como um bom ou mau valor. Em termos de rdios com defeito, tendo em conta os valores habituais na indstria actual, poderia considerar-se um valor pouco animador. Se em vez disso, se disser que o FTQ 16.7 PPM, ento seguramente o cliente ficaria muito surpreendido e agradado, com nveis to baixos.

PPMFTQ

sdefeituosasoldadurasNefectuadassoldadurasN

soldaduradepontostiverrdiocadaSe

7,16000.000.1000.900

1515

000.9006001500:600

2 ==

=

==

(2.3)

Obviamente que os dois clculos esto correctos, por esta razo se torna fundamental perceber como se efectuou o clculo e quais os parmetros que se encontram a ser avaliados. Isto , sem dvida, decisivo quando se efectuam comparaes entre empresas, sejam do mesmo grupo ou mesmo a prpria concorrncia.

Em algumas empresas pode ainda acontecer uma ligeira alterao ao clculo do FTQ, j que levam em conta o facto de o rdio com defeito, na maior parte das vezes, voltar a entrar no processo. Nestes casos o clculo dos PPMs conforme a equao 2.4.

PPMFTQ

sdefeituosordiosNproduzidosrdiosN

9900000.000.1)151500(15

151500

1 =+=

=

=

(2.4)

Neste tipo de clculo, considera-se que no total de oportunidades deve estar contemplado o somatrio do nmero de rdios com defeito. Com esta abordagem, apesar de o valor final ser ligeiramente menor, consegue-se posteriormente relacionar com maior eficcia o nvel de qualidade com o OE (Operational efficiency)

10

da linha de produo. Sem entrar em grandes detalhes sobre o conceito de OE, pode afirmar-se que a forma de se medir a percentagem de utilizao de uma mquina ou linha de montagem, comparando as horas que est disponvel para trabalhar com aquelas que efectivamente est a produzir. Tal como foi dito, os rdios com defeito que voltam a ser colocados na linha, depois de reparados ou retrabalhados, ocupam as mquinas uma segunda vez, fazendo com isso baixar o OE, j que nesse tempo dispendido poder-se-a estar a produzir um outro rdio. Cada empresa deve decidir como faz mais sentido calcular o FTQ consoante o processo e produto em causa, desde que todos, desde clientes at colaboradores, percebam perfeitamente o que significa o resultado final, o que isso implica em termos de melhoria contnua e em termos de posio no mercado.

Quando se aborda o conceito cliente, muitas vezes interpretado quase de imediato como uma entidade exterior empresa, que apenas os responsveis pelo departamente de qualidade, agora normalmente chamado de departamento de satisfao do cliente, conhecem e comunicam. Este conceito apenas dever ser vlido quando se pensa em termos de relao empresa no seu todo e cliente final. Muito antes de um rdio chegar ao cliente final, cada processo de fabrico do mesmo tem um fornecedor e um cliente. garantido que se todos os fornecedores internos se encontrarem devidamente alinhados com o objectivo global da empresa e preocupados com o respectivo cliente a montante, a qualidade do produto chegar ao cliente final de encontro com as suas expectativas, ou at mesmo conseguindo exced-las.

11

CAPTULO 3 - Metodologia 6-Sigma

3.1 Introduo ao conceito de 6-Sigma

Segundo Jos P. Mazocolo e Jos B. Sacomano, a histria da metodologia 6-Sigma comea nos anos 80 na Motorola, quando o seu presidente, Bob Galvin, se apercebe da ameaa que a ineficincia da qualidade representa para a sua empresa. Entretanto, e depois de ter tido conhecimento dos resultados alcanados pela HP ao longo de 10 anos de implementao de aces com intuto de melhorar os lucros desta empresa, desafiou os seus colaboradores a procurarem metodologias igualmente benficas (Watson, 2000, p. 82-86). Alguns autores chegaram mesmo a afirmar que estes colaboradores da Motorola no criaram nada de novo, apenas se basearam em metodologias j existentes. No entanto, Werkema (2002, p.18) refere que o 6-Sigma tem efectivamente inco em 1987 na Motorola.

A abordagem 6-Sigma pode ser vista como uma filosofia organizacional de melhoria. 6-Sigma pode-se definir como uma metodologia de melhoria dos processos usando mtodos estatsticos comprovados para assegurar decises baseadas em factos (Arto Haikonen, Taina Savolainen e Pekka Jarvinen, 2003). A chefia de topo das empresas tem um papel de agente significante de mudana (Beer et al., 1990; Kotter, 1997; Mezias e Glynn, 1993; Tushman e Romanelli, 1985). O director naturalmente o principal dinamizador das novas ideias e filosofias, interagindo e ouvindo por forma a facilitar a implementao da mesma (Kanter, 1983). no campo da gesto da qualidade, que o seu papel/funo normalmente visto como crucial (Crosby et al., 1979; Deming, 1982; Feigenbaum, 1983; Garvin, 1988; Juran e Godfrey, 1999). Seguindo Salzman et al. (2002) na implementao do 6-Sigma: Quanto mais forte o input dos lideres, mais bem sucedida ser a iniciativa.

De acordo com Snee (1999) a efectividade e sucesso dos projectos de melhoria compreendem cinco elementos. Primeiro, a estratgia e os objectivos dos esforos de melhoria devem ser claramente definidos. Segundo, as pessoas devem ser escolhidas tendo em considerao os projectos a desenvolver. Terceiro, a direco, potenciais benefcios e resultados das actividades de melhoria precisam de ser

12

comunicados a todos os envolvidos para assegurar o commitment. Quarto, os recursos, isto , pessoas, tempo e dinheiro, devem ser claramente alocados. Finalmente, e como quinto elemento, as alternativas de melhoria e comportamento desejados devem ser reconhecidos e apoiados. Isto inclui revises peridicas dos projectos entre os lideres e as pessoas responsveis pelos projectos. Adicionalmente, o treino, aconselhamento e formao tm uma influncia decisiva, devido complexidade da metodologia 6-Sigma e das suas ferramentas.

Pande et al. (2000) descrevem o sistema de liderana 6-Sigma, incorporando seis princpios cruciais para que a implementao da metodologia seja bem sucedida. O primeiro princpio o foco no cliente. As melhoras so baseadas no grau de impacto, na satisfao e valor do mesmo. O segundo princpio a administrao de dados/factos estatsticos. A abordagem disciplinada da metodologia 6-Sigma comea com o esclarecimento das mtricas necessrias como elementos chave para controlar o desempenho da empresa. O terceiro princpio aborda os processos. O controlo dos processos de servios e de fabrico, a sua administrao e a melhoria dos mesmos, pode e deve resultar no aumento do valor no cliente. O quarto princpio uma gesto proactiva. As ferramentas e processos do 6-Sigma necessitam de um estilo de gesto dinmico, receptivo, e proactivo. O quinto princpio uma colaborao sem barreiras. O trabalho em equipa facilita a realizao de objectivos comuns, ou seja, cria valor para o cliente. O sexto e ltimo princpio, o esforo pela perfeio e a tolerncia de falhas.

Young Hoon Kwak e Frank T. Anbari descrevem num dos seus artigos (technovation, 2004) duas perspectivas fundamentais dos processos 6-Sigma. So eles o ponto de vista estatstico e o ponto de vista do negcio. A essncia do 6-Sigma vem da estatstica e dos estatsticos. Hahn et al. (1999), Hoerl e Snee (2002), e Montgomery (2001), discutem o mtodo 6-Sigma de um ponto de vista estatstico, probabilstico e quantitativo. Deste ponto de vista o termo 6-Sigma definido como tendo menos de 3.4 defeitos por cada milho de oportunidades (PPM Part Per Million) ou uma taxa de sucesso de 99.99966%, onde o Sigma o termo usado para representar a variao volta da mdia do processo (Antony e Banuelas, 2002), ou seja, o desvio padro. Se uma empresa

13

opera com um nvel de qualidade na ordem dos 3-Sigma, isso significa que tem uma taxa de sucesso de 93.32% ou 66.800 defeitos por cada milho de oportunidades. Assim sendo, o mtodo 6-Sigma um conceito de controlo de qualidade muito rigoroso, levando a que muitas organizaes continuem a trabalhar numa performance de 3-Sigma (McClusky, 2000). A Figura 3.1 ilustra como evolui o nmero de defeitos consoante o nvel Sigma da empresa.

Figura 3.1: Nmero de defeitos conforme o nvel Sigma

No mundo empresarial, o 6-Sigma definido como uma estratgia de negcio utilizada para os tornar mais proveitosos e para melhorar a eficincia e eficcia da produo de modo a cumprir, ou exceder, as expectativas dos clientes (Antony e Banuelas, 2001). A abordagem 6-Sigma comeou por ser aplicada nas reas produtivas e, assim que as organizaes se aperceberam dos benefcios, rapidamente se expandiu para diferentes reas funcionais, tais como marketing, engenharia, compras, servios e suporte administrativo. Particularmente, esta diversidade de aplicaes do 6-Sigma foi possvel devido ao facto de as organizaes terem sido capazes de articular os seus benefcios em termos financeiros, ligando a melhoria dos processos com a reduo de custos.

Segundo Watson (2000, p. 82-86), a maioria dos negcios est situada entre 3 e 4-Sigma. Um desempenho prximo de 1-Sigma mostra que o processo produz mais

Partes por milho - PPM

2 Sigma 308.733

3 Sigma 66.807

5 Sigma 233

6 Sigma 3,4

0,52

4 Sigma 6.200

Receitas mdicas Processamento de folhas de pagamento

Manuseio de bagagens em viagens

Taxa de mortalidade

nos EUA 6

0

1

2

3

4

5

100.000 10.000 1.000 100 10 1

Sigma

Bom

em vos domsticos

14

defeitos do que bons resultados. Atingir 6-Sigma significa, na verdade, uma qualidade que se situa perto da perfeio. Determinar o nvel Sigma calcular quantos defeitos ocorrem, em comparao com o nmero de oportunidades das actividades sarem com defeitos. necessrio perceber bem o grau de subjectividade que pode surgir na definio de oportunidades para o erro. Se um processo de fabrico de um rdio tem um desempenho de 6-Sigma, isso significa que em cada 1.000.000 de rdios produzidos 3.4 deles no funcionam? Ou que em cada 1.000.000 de peas inseridas no rdio 3.4 delas falham? Ou ainda, cada 1.000.000 de pontos de soldadura num rdio, 3.4 deles no estaro em condies? , por isso e como j foi mencionado, extremamente importante medir os PPM de forma a que se compreenda verdadeiramente o significado dos nveis de qualidade da empresa. Caso contrrio, corre-se o risco de se pensar ter um processo muito bom, quando afinal apenas se est a medi-lo de forma menos correcta.

A procura da meta 6-Sigma deve ser delineada tendo em considerao o tipo de produto ou servio que se oferecem e, caso se trate de um negcio, quais os custos inerentes a essa procura. Se por um lado o produto que se quer vender so, por exemplo, os servios de uma companhia de aviao civil, ento o 6-Sigma deve ser um objectivo claro da empresa, caso contrrio estar em risco o prprio negcio, j que o que est em causa a vida de seres humanos. Se por outro lado o que se pretende vender so esferogrficas, ento deve-se ponderar muito bem se far sentido preparar o processo para ser 6-Sigma. O custo do 6-Sigma pode ser demasiado elevado para determinadas empresas, logo numa fase inicial dever-se- verificar se faz ou no sentido a sua implementao, quer em termos de cliente final, quer em termos de viabilidade do negcio. De qualquer forma, mesmo no tendo no horizonte a meta do 6-Sigma, a metodologia deve ser seguida, seja qual for o negcio, pois um mtodo comprovadamente til na melhoria dos processos.

(Why Six Sigma, p. 21) Existem dois objectivos fundamentais do 6-Sigma que lidam com a variao. O primeiro estabilizar a mdia de uma actividade ou caracterstica volta de um valor objectivo. O segundo reduzir a variao na actividade ou caracterstica.

15

(Why Six Sigma, p. 22-23) A variao devido s causas comuns aquela que est sempre presente no processo. Se apenas existir este tipo de variao pode dizer-se que o processo estvel e previsvel. A variao devido a causas especiais provocada por factores pouco comuns ou externos ao processo. Este tipo de variao no perdvel e deve ser atacada assim que acontece, pois o processo no ser estvel, j que a mdia das amostras estar acima ou abaixo dos limites definidos. Uma vez que a maioria dos problemas tm origem na variao provocada pelas causas comuns, este um dos principais focos da metodologia 6-Sigma.

Segundo Bayle et al. (2001, p. 341-348), o 6-Sigma s se torna sustentvel quando existe uma conscincia de que os mtodos estatsticos so to teis quanto as demais teorias existentes e o conhecimento do processo e produto. Um bom conhecimento do processo pressupe recolha e anlise estatstica de dados. Para se obter dados indispensvel medi-los e depois transform-los em informao, esta obtida atravs da estatstica. Lord Kelvin (Six Sigma Academy International LLC; 2001-2004) acrescentou ainda, na sequncia da importncia de se obter dados: To measure is to know. If you can not measure it, you can not improve it. In physical science the first essential step in the direction of learning any subject is to find principles of numerical reckoning and practicable methods for measuring some quality connected with it. I often say that when you can measure what you are speaking about, and express it in numbers, you know something about it; but when you cannot measure it, when you cannot express it in numbers, your knowledge is of a meager and unsatisfactory kind; it may be the beginning of knowledge, but you have scarcely in your thoughts advanced to the state of Science, whatever the matter may be.

A metodologia 6-Sigma incorpora no seu processo de melhoria cinco passos. Estes, fazem parte do ciclo DMAIC, conduzindo o processo de melhoria de forma a que seja encontrada a causa raiz do problema. possvel concentrar atenes nas falhas do processo que contribuem para a maior parte da variao e assim obter quais tm o maior impacto nas falhas do produto ou servio final. Craig (1993) apresenta os cinco passos chave do 6-Sigma da seguinte forma:

16

Define Definio das caractersticas do produto que afectam a satisfao do cliente.

Measure Utilizao da anlise modo de falha e efeito para identificar e controlar os parmetros de modo a cumprir os requisitos dos clientes.

Analize Empregar o estudo da repetibilidade e reprodutibilidade para medir os parmetros de controlo.

Improve Estimar a capabilidade do processo e com isso ser capaz de corrigir defeitos individuais imediatamente.

Control Desenvolver o plano de controlo da qualidade e o material de formao.

Harry e Schroeder (2000) apontaram ainda quatro elementos que guiam os esforos do 6-Sigma. O primeiro elemento o focus na reduo de custos; O segundo elemento o focus no produto final. O objectivo determinar as famlias de produtos ou caractersticas, tais como os custos da garantia, que so importantes para a estratgia global da empresa e que representam a maior fonte de descontentamento dos clientes; O terceiro elemento e, provvelmente o mais utilizado, o focus nos processos. Quando uma multinacional implementa melhorias num determinado processo, relativamente fcil transferi-las para outras empresas dentro do grupo; O quarto e ltimo elemento o focus nos problemas. A inteno dos projectos de melhoria 6-Sigma visam definir e eliminar a(s) causa(s) raiz de um determinado fenmeno indesejvel.

3.2 Abordagem DMAIC

O ciclo DMAIC, j abordado ainda que de forma muito breve nesta dissertao e na perspectiva de Craig (1993), basicamente um processo estruturado e bastante detalhado de acompanhar um projecto, desde o seu nicio at sua concluso. No entanto e devido sua importncia, explicar-se- cada uma das fases pormenorizadamente, com referncia s ferramentas mais utilizadas em cada uma delas.

17

Figura 3.2: As fases DMAIC da metodologia 6-Sigma

3.2.1 Definir

A primeira etapa da execuo de um projecto passa pela sua definio (Define), sendo que decisiva para todas as restantes fases. nesta etapa que se intitula o projecto e se contextualiza na empresa. criada uma equipa de trabalho e recolhidos alguns dados por forma a perspectivar a reduo de custos que podem vir a ser alcanados. Todas as mtricas importantes para a avaliao do projecto devem ser objectivamente definidas (CTQ Critical To Quality). O grfico de Pareto nesta fase uma ferramenta muito til, pois ajuda a demonstrar quais os factores que tm mais impacto na performance da empresa. Na sua essncia, o grfico de Pareto, tambm chamado de grfico 80/20, indica que 80% dos problemas devem-se a 20% das causas. A Figura 3.3 um exemplo de um grfico de Pareto.

Figura 3.3: Exemplo de um grfico de Pareto (Fonte: Manual de formao DPS da Delphi)

18

Pode constactar-se que num total de 6200 defeitos, cerca de 80% desses defeitos (5000) devem-se s duas primeiras causas das seis possveis. Caso se elimine os defeitos Descarga insuficiente e Bolhas de ar, que so 33% das causas, reduz-se o total de defeitos em cerca de 80% (de 6200 para 1200).

Outra ferramenta muito utilizada para a definio de forma macro das fronteiras do projecto e de todas as variveis mensurveis de entrada e sada, indicando claramente onde comea e acaba, facilitando posteriormente a entrada no pormenor, o chamado SIPOC (Suppliers, Inputs, Process, Outputs, Customer), conforme pode ver-se na Figura 3.4.

Figura 3.4: Esquema funcional do SIPOC

Com o SIPOC devidamente preenchido pode ento passar-se para uma viso mais detalhada do processo onde se deve, de preferncia, separar cada uma das suas fases e indicar cada uma das suas entradas e sadas, utlizando para isso normalmente um diagrama de fluxo do processo (P-MAP Process Map). Este mapeamento do processo, que pode tambm ser definido durante a fase da medio (Measure) e, normalmente atravessa pelo menos trs fases, conforme ilustrado na Figura 3.5.

S I P O C

Requisitos mensurveis de entrada

Requisitos mensurveis de sada

Suppliers Inputs Outputs Customers Entrada do processo

Sada do processo

Process

O focus do projecto eliminar os desvios entre a qualidade do produto

e os requisitos do cliente.

19

Figura 3.5: P-MAP nas suas vrias fases (Fonte: Six Sigma Academy International LLC)

Pretende-se caracterizar o processo e expr as fontes de variao e desperdcio. Cada uma das entradas de cada fase do processo so classificadas consoante as suas caractersticas intrnsecas, nomeadamente se so controlveis, crticas para o processo, rudo ou se so regidas por procedimentos standard (SOP Standard Operation Procedure). Algumas empresas optam por utilizar ainda uma outra ferramenta chamada T-MAP (Thought Map), que a forma de estruturar todos os passos e tarefas que vo ser executadas. Tal como o prprio nome indica um mapa daquilo que se pensa fazer durante o projecto. Obviamente que este T-MAP vai evoluindo com o decorrer o projecto e certamente que a sua forma final ser diferente daquela que foi projectada numa fase inicial.

3.2.2 Medir

A segunda etapa da execuo de um projecto (Measure) est relacionada com a avaliao do tipo de dados recolhidos, bem como verificar a sua veracidade, procurando constactar se a aceitao ou rejeitao realizada com confiana. de extrema importncia garantir que os dados representam verdadeiramente o processo e para isso fundamental validar, seguindo regras, no decorrer de todo o processo de medida. Esta validao intitula-se de MSE (Measurement System Evaluation) ou MSA (Measurement System Analysis).

Pelo menos 3 verses

O que pensamos que Como queriamos que fosse

O que actualmente

Fbrica escondida

20

Cada componente do erro de medida pode contribuir para a variao, originando decises erradas. Durante a avaliao dos defeitos, ou no conformidades de um processo pode-se ter a conjuno de aparelhos de inspeco (mquinas) e de observadores (juzes). importante perceber quanto que da variao observada do processo devido variao do produto e quanto devido variao no aparelho de medida. A Figura 3.6 demonstra os dois mais importantes factores a ter em conta num aparelho de medida, a preciso (precision) e a exactido (accuracy).

Figura 3.6: Noo de preciso e exactido

A exactido a diferena entre o valor mdio observado das medidas e o melhor valor. Normalmente manifesta-se como problemas de declive (bias), linearidade (linearity) e estabilidade (stability). A preciso baseia-se na expanso de valores medidos de um objecto e usualmente manifesta-se como problemas de repetibilidade (repeatability) e reprodutibilidade (reproducibility). A reprodutibilidade a variao das medidas efectuadas por diferentes inspectores, mquinas, linhas, entre outras, quando medindo a mesma caracterstica da mesma pea. Para se quantificar a habilidade dos inspectores ou mquinas repetirem com exatido as medidas, avalia-se a repetibilidade. A variao total durante uma medio dada pela frmula apresentada na equao 3.1.

idadeprodutibildepetibilidaodutoTotal Re2

Re2

Pr22 ++=

(3.1)

Melhor valor a seta no

centro do alvo

Exacto, mas no preciso

No exacto nem preciso

Exacto e preciso

Preciso, mas no exacto

21

As Tabelas 3.1 e 3.2 mostram exemplos, apesar de bsicos e simples, de boas e ms repetibilidade e reprodutibilidade.

AMOSTRA Teste 1 Teste 2 AMOSTRA Teste 1 Teste 21 SIM SIM 1 SIM NO2 SIM SIM 2 SIM SIM3 NO NO 3 NO SIM4 SIM SIM 4 SIM NO5 NO NO 5 NO SIM

BOA REPETIBILIDADE M REPETIBILIDADE

Tabela 3.1: Exemplo de boa e m repetibilidade

Comparando os resultados da Tabela 3.1, pode ver-se que no caso da m repetibilidade, a deciso do juz inconsistente.

AMOSTRA Juiz 1 Juiz 2 AMOSTRA Juiz 1 Juiz 21 SIM SIM 1 SIM NO2 SIM SIM 2 SIM SIM3 NO NO 3 NO SIM4 SIM NO 4 SIM NO5 NO NO 5 NO SIM

BOA REPRODUTIBILIDADE M REPRODUTIBILIDADE

Tabela 3.2: Exemplo de boa e m reprodutibilidade

Na Tabela 3.2, observa-se que os dois juzes, no caso da m reprodutibilidade no esto de acordo. Para a validao estatstica do aparelho de medida, utiliza-se a funo Gage R&R. Tal como ser posteriormente explicado, os resultados grficos e numricos desta anlise estatstica possibilitam a verificao da estabilidade, discriminao, repetibilidade, variao do produto versus variao do aparelho de medida e reprodutibilidade. Para a correcta execuo do MSE, a recolha de dados deve seguir regras bsicas, caso contrrio pode-se no estar a analisar uma boa amostra da populao. O primeiro requisito a considerar, o Sampling, garantir que a frequncia e quantidade da amostragem abranjam o mais possvel a realidade da populao, afim de representar a variao do processo. Para isso, as amostras devem ser seleccionadas aleatriamente. Como num MSE se relaciona a variao do aparelho

22

de medida com a variao dos produtos, a seleco das amostras extremamente importante.

O segundo requisito, o randomization, a cumprir para se executar um MSE a sequncia como se efectuam as medidas. H casos em que esta questo no importante, por exemplo em situaes em que a medida destrutiva, o que significa que no possvel repeti-la. Nos casos em que se vai fazer com que cada operador efectue mais do que uma medida mesma pea, importante no o fazer de forma a que ele perceba qual a pea que est a medir, pois isso pode afectar o resultado final. A forma adequada de o fazer , como j foi dito, aleatoriamente, garantindo obviamente que o organizador do MSE sabe perfeitamente identificar cada uma das peas.

A estrutura tree structure explicativa de como se vo efectuar as medidas deve ficar bem explcita, por forma a que ningum tenha dvidas sobre a sua execuo. Dependendo do tipo de produto e processo, a estrutura pode ser crossed ou nested, conforme as Figuras 3.7 e 3.8.

Figura 3.7: Estrutura tipo Crossed para recolha de dados para um MSE

23

Figura 3.8: Estrutura tipo Nested para recolha de dados para um MSE

A estrutura crossed deve ser aplicada nas situaes em que possivel repetir as medies em cada uma das peas. A situao mnima requirida que cada operador mea trs vezes cada uma das peas, de forma no seguida. A estrutura nested deve ser utilizada quando cada operador s pode medir as suas peas, embora deva medir trs vezes a mesma pea. No caso de testes destrutivos, cada operador apenas pode medir a mesma pea uma vez. Uma regra bsica que se deve considerar ter um resultado superior a 15 quando se multiplica o nmero de medidas efectuadas pelo nmero de operadores e ainda pelo nmero de peas utilizadas.

O procedimento de como se faro as medidas deve ficar registado por forma a garantir que todos os operadores o faam exactamente da mesma forma, por isso faz-se um SOP (Standard Operation Procedures). Com esse procedimento escrito, evita-se que cada um dos operadores possa efectuar as medidas sua prpria maneira, o que seria mais uma fonte de variao no processo.

Um outro aspecto a considerar o chamado estudo cego (Blind study). Deve-se garantir que cada operador no esteja em posio de observar as medidas de um outro, pois isso pode afectar os resultados finais.

A ltima considerao a ter em conta a definio exacta do stio da pea onde se deve efectuar a medida (Clocking).

24

3.2.3 Analisar

A anlise (Analize) a terceira etapa da execuo de um projecto e normalmente a mais demorada, j que quando se aplicam diversas tcnicas at se encontrar a(s) causa(s) raz, nomeadamente brainstorming, Ishikawa ou espinha de peixe, ou ainda diagrama causa e efeito, diagrama de concentrao, histograma, grficos de controlo, cinco porqus (5 Whys), diagrama de disperso, etc. Todas estas tcnicas ou ferramentas culminam com a execuo, e respectivo preenchimento, do FMEA (Failure Mode and Effect Analysis). A tcnica brainstorming no mais do que reunir, e de preferncia anotar num quadro onde todo o grupo possa ver, as ideias lanadas, mesmo que primeira vista paream completamente desfasadas do problema. Depois de cada membro ter dado algumas ideias, deve fazer-se uma breve discusso sobre quais efectivamente esto relacionadas com o problema e quais podem ser eliminadas. De seguida deve-se prioritiz-las conforme deciso do grupo, para que a equipa comece a trabalhar por aquela que lhes parece a principal causa do problema. Esta tcnica funciona muito bem em conjunto com o diagrama de Ishikawa (Figura 3.9).

Figura 3.9: Exemplo de um diagrama de Ishikawa (Fonte: Manual de formao DPS da Delphi)

O Ishikawa no mais do que uma forma estruturada e organizada de procurar a causa de um problema. Se houver feedback do cliente, normalmente significa que se falhou num dos requisitos, logo dos colaboradores da empresa. Assim sendo, deve seleccionar-se uma equipa de trabalho que v enderear possveis causas a cada

Homem Mquina Mtodos e sistemas

Material Medidas Ambiente (Me natureza)

PPeessssooaass EEqquuiippaa ddee ttrraabbaallhhoo // MMeellhhoorriiaa ccoonnttnnuuaa ddaa qquuaalliiddaaddee

RReeqquuiissiittooss ddoo cclliieennttee

SSaattiissffaaoo ee eennttuussiiaassmmoo ddoo cclliieennttee

Medies e feedback

25

um dos seis items do Ishikawa por forma a encontrar a causa do problema e voltar a ir de encontro satisfao e entusiasmo do cliente. Utiliza-se basicamente como o brainstorming, mas agora cada uma das possveis causas do problema endereada consoante um dos seis items. O modelo apresentado na Figura 3.9 um dos mais completos, j que na sua forma mais simples composto por uma linha central e seis ramificaes (conforme Figura 3.10), tipo espinha de peixe. Esta figura um exemplo de como se utilizar o diagrama, neste caso para um problema hipottico de um pneu de um carro ter rebentado durante uma viagem.

Figura 3.10: Tipo de diagrama Causa e Efeito mais utilizado na empresa

A finalidade ir atribuindo possveis causas para o problema, tantas quantas a equipa se lembrar, endereando cada uma delas conforme a sua natureza, ou seja; Homem Tudo o que esteja relacionado com falhas humanas. Este item tem sido bastante debatido, pois h quem defenda que nunca se pode atribuir a causa de um problema a uma falha humana, j que se o humano falhou porque no tinha as ferramentas apropriadas, nomeadamenta Poka Yoke (ferramenta prova de erro). Mquina Para todas as possveis causas relacionadas com o equipamento. Mtodos e sistemas Tudo o que seja mtodos ou sistemas de trabalho. Material Tudo o que esteja relacionado com material ligado ao problema. Medidas Aparelhos de medida/inspeco que estejam directa ou indirectamente relacionados com o problema. Me natureza Em que que a me natureza pode afectar ou influnciar o problema.

Homem Mquina Mtodos e sistemas

Ambiente (Me natureza)

Medidas Material

Velocidade excessiva

No cumprimento da kilometragem estabelecida

Jante danificada

Direco carro com problemas

Substituio do pneu mal feita

Mtodo de fabrico da borracha

Pneu fora de especificao

Borracha do pneu fora de especificao

Valores errados na medida da presso do ar

Mquina de calibragem descalibrada

Piso demasiado quente

Piso demasiado frio

26

O diagrama de concentrao uma forma simples e eficaz de demonstrar visualmente se existe alguma concentrao de falhas num determinado stio da pea (Figura 3.11).

Figura 3.11: Diagrama de concentrao (Fonte: Manual de formao DPS da Delphi)

O histograma, conforme se pode constactar na Figura 3.12, no mais do que a indicao da distribuio de um determinado parmetro, como que a fotografia dos dados. Permite ficar com informao acerca da tendncia central, da variao e da normalidade dos dados, embora este ltimo item necessite por vezes de confirmao, recorrendo a outras ferramentas. Conhecendo a distribuio e os limites especificados possivel avaliar a capabilidade do processo.

Figura 3.12: Histograma (Fonte: Manual de formao DPS da Delphi)

A B C D

Histograma - Peso de 340 pessoas

0

10

20

30

40

50

60

70

80

90

100

62 63 64 65 66 67 68 69 70 71 72 73 74 75 76

F r e q u n c i a

Peso

27

Os grficos de controlo so muito utilizados na metodologia 6-Sigma, pois permitem monitorizar e com isso obter bastante informao sobre o comportamento de um processo. possivel monitorizar a variao de um processo e, atravs da definio de limites, actuar quando um deles ultrapassado. Existem globalmente duas formas de grficos de controlo, conforme se trate de dados individuais ou de subgrupos. Para dados individuais, conforme exemplo da Figura 3.13, quando no existem sub-grupos e caso se pretenda ter uma primeira abordagem sobre a estabilidade e comportamento processo pode utilizar-se o I-MR.

Figura 3.13: Grfico de controlo Individual range (Fonte: Six Sigma Academy International LLC)

O grfico Individual range indica se o processo est ou no controlado, enquanto que o Moving range mostra se ou no estvel. Se existirem pontos fora dos limites do Moving range, ento est-se perante um processo instvel. Se existir mais do que um sub-grupo e, consequentemente, for necessrio estudar o processo com mais detalhe, por forma a encontrar as fontes de variao, devem criar-se sub-grupos e utilizar os chamados X-Bar-R Chart ou Average-Range Char, conforme exemplo da Figura 3.14, os quais daro pistas importantes, nomeadamente se a variao dentro ou entre sub-grupos.

Observation

Individual Value

191715131197531

3.0

2.5

2.0

1.5

_X=2.244

UC L=2.962

LC L=1.525

Observation

Moving Range

191715131197531

0.8

0.6

0.4

0.2

0.0

__MR=0.27

UC L=0.8822

LC L=0

I-MR Chart of Pull Test

28

Figura 3.14: Grfico de controlo X-Bar-R Chart (Fonte: Manual de formao DPS da Delphi)

O Control Chart (R) permite observar como que o processo se comporta ao longo do tempo. Mostra a maior diferena entre os valores mnimo e mximo em cada amostra (range). Assim, uma vez que o R uma medida da variao, este grfico a medida da variao dentro do sub-grupo. Se no houver pontos acima do limite de controlo superior, pode-se estimar o desvio padro.

O X permite ver a mdia de cada sub-grupo. Se existir mais variao fora dos limites de controlo, ento esta predominantemente entre sub-grupos. Pontos fora dos limites de controlo significa que o processo no est controlado. Enquanto que os tipos de grficos de controlo referidos se utilizam quando se tem dados contnuos, para dados no contnuos, utilizam-se os NP-Chart, P-Chart, C-Chart e U-Chart. A Figura 3.15, ilustra de forma simples, quando se deve utilizar cada um dos grficos de controlo tendo em conta os tipos de dados disponveis.

Outra das ferramentas referidas e tambm utilizadas a chamada 5-Whys (5 porqus) e, tal como o prprio nome tende a indicar, no significa que obrigatriamente s se possa fazer 5 perguntas. uma ferramenta muito fcil de entender, mas no to simples, como parece, de utilizar. A lgica responder sucessivamente pergunta e porqu? at se chegar causa raz do problema. A dificuldade desta tcnica est muitas vezes em perceber quando que se deve parar de perguntar e porqu. Um exemplo da utilizao desta tcnica pode observar-se na Figura 3.16.

CL

CL

CL

CL

X

R

29

Figura 3.15: Seleco do grfico de controlo conforme tipo de dados (Fonte: Six Sigma Black Belt training)

Figura 3.16: 5-Whys (Fonte: Manual de formao DPS da Delphi)

Durante a utilizao da ferramenta e ainda de acordo com o exemplo, em vez de parar, percebendo que a causa raiz a falta dos filtros, poderia acontecer a tentao

Porque que a mquina parou ?

Porque que o fusvel continua a queimar ?

Porque que o circuito est sobrecarregado ?

Porque que h resistncia excessiva nos rolamentos ?

Porque que existe circulao insuficiente de

leo ?

Porque que a bomba est obstruda com pedaos de

metal ?

O fusvel continua a queimar

Circuito sobrecarregado

Resistncia excessiva nos rolamentos

Circulao insuficiente de leo

A bomba est obstruda com pedaos de

metal

No existe filtro na bomba

Soluo: instalar filtros nas bombas de todas as mquinas

Problema: mquina pra a meio da operao

Consequentemente

Consequentemente

Consequentemente

Consequentemente

Consequentemente

Dados recolhidos so individuais ou em grupos ?

X-Bar R X-Bar S

Individual Moving Range

Grupos Valores individuais

Que tipo de dados existem ?

So defeitos especficos ou items

defeituosos ?

a probabilidade de um defeito baixa ?

Distribuio Poisson

Se sabemos quantos so maus, sabemos quantos

so bons ?

Distribuio Binomial

Defeitos especficos

Items defeituosos

Dados Contnuos

Dados Discretos

rea de oportunidade

constante em cada tamanho da amostra ?

Tamanho da amostra

constante ?

Individual Moving Range

No

U - Chart C - Chart P Chart NP - Chart

Sim No No Sim

30

de continuar a fazer mais uma pergunta; E porque que no existem filtros na bomba?. No h nenhuma frmula mgica para se perceber quando se deve parar, mas uma boa tcnica faz-lo imediatamente antes de se chegar falha humana. Adicionalmente, depois de encontrada a causa raz, pode fazer-se como que a prova dos nove, iniciando o percurso inverso e sucessivamente responder com consequentemente. Se algo estiver menos bem, a resposta consequentemente no far sentido.

No final desta fase (Analize) j se encontrou a(s) causa(s) do problema e identificaram-se os riscos, inicando o preenchimento do FMEA (Failure Mode and Effect Analysis). O FMEA uma ferramenta que permite ponderar e, posteriormente na fase da melhoria (Improve), controlar os riscos inerentes s escolhas que se fazem. A Figura 3.17 exemplifica como se preenche um FMEA.

Figura 3.17: Exemplo de um FMEA

O factor RPN, chamado risco de prioridade, o resultado da multiplicao dos items SEV (severidade), OCC (ocorrncia) e DET (deteco), os quais so definidos pela equipa de trabalho, consoante a incidncia de cada um no problema. Obviamente, como ser demonstrado mais adiante, so sempre utilizados poderosos softwares estatsticos para anlise de dados, que no caso desta

31

dissertao o Minitab. Existem mais ferramentas e tcnicas que suportam a filosofia 6-Sigma, mas apenas se focaram aquelas que foram consideradas mais influentes e consequentemente utilizadas nesta dissertao.

3.2.4 Melhorar

A quarta etapa da metodologia 6-Sigma, que a melhoria (Improve), e tem como objectivo controlar os riscos, utilizando para o efeito o FMEA. Analisam-se as foras e resistncias e prepara-se toda a organizao para as mudanas, principalmente se forem profundas. Efectuam-se estudos sobre correlao e regresso das variveis e desenham-se DOE (Design Of Experiments), por forma a se encontrar a equao da varivel, ou variveis, de sada (predictive equation). Um DOE um mtodo organizado e estruturado para determinar a relao entre factores (Xs) que afectam um processo e a sua sada (Y). Por outras palavras, so mtodos experimentais usados para quantificar medidas indeterminadas dos factores e interaces entre factores estatisticamente observados com mudanas foradas, feitas metdicamente e dirigidas por tabelas matemticas.

3.2.5 Controlar

A ltima etapa de um projecto controlar (Control). Deve efectuar-se uma actualizao ao Plano de Controlo (Control plan), tendo em conta tudo aquilo que foi alterado com a execuo do projecto. Dependendo da filosofia utilizada pela empresa, este plano pode tomar vrias formas, mas na sua essncia, o objectivo fundamental controlar as caratersticas do produto e as variveis do processo associadas, de modo a asseguar a capabilidade ( volta do objectivo definido) e estabilidade do produto ao longo do tempo. Nesta fase final do projecto, todas as mtricas e objectivos traados durante a definio devem voltar a ser verificados, para garantir que foram atingidos ou superados, o que no fundo significa verificar se o projecto teve ou no o sucesso

32

esperado. Como resumo, apresenta-se na Figura 3.18 um mapa que pode servir como guia na abordagem DMAIC. Aponta algumas pistas sobre quais as ferramentas a utilizar em cada uma das fases.

Figura 3.18: Roadmap da abordagem DMAIC (Fonte: Manual de formao BB Group AIT Europe)

3.3 Comparao do 6-Sigma com o Shainin

A metodologia 6-Sigma uma das vrias que existem para a execuo da melhoria contnua. No objectivo desta dissertao abordar todas as metodologias existentes, mas tendo em considerao a actualidade e expanso das tcnicas Shainin, ser afectuada uma breve comparao com a 6-Sigma. As tcnicas Shainin Red X devem o nome ao seu fundador Dorian Shainin (www.shainin.com), um Norte-Americano licenciado em engenharia aeronutica pelo MIT (Massachusetts Institute of Technology), que iniciou a sua carreira na Hamilton Standard, uma diviso da United Aircraft (agora United Technologies), durante a segunda grande guerra. O Red X a relao causa-efeito que provoca o maior contraste, ou a maior influncia (leverage), sobre o Green Y (varivel de sada)

33

quando este passa de bom (BOB - Best Of the Best melhor pea de todas) para mau (WOW - Worst Of the Worst pior pea de todas). A metodologia Shainin baseia-se na sucessiva comparao entre as peas BOB e WOW, at se encontrar o factor que provoca o maior contraste entre as duas. Neste tipo de metodologia sempre necessrio ter fisicamente as partes em anlise, sejam elas peas, rdios, suspenses, papis, etc. No caso do 6-Sigma existe uma necessidade de recolha e anlise de dados. Tal como o 6-Sigma, faz uso de diversas ferramentas, tanto para a abordagem inical ao problema, como para complementar as anlises e poder tirar concluses. O chamado Dictionary game (jogo do dicionrio) dos mais utilizados na primeira abordagem ao problema, j que ajuda a focar e, posteriormente, a resolv-lo. Se se tiver que descobrir uma palavra secreta que consta num dicionrio e apenas se puder fazer perguntas que tenham como resposta um sim ou um no, a melhor estratgia seria sempre fazer perguntas que eliminassem metade das hipoteses, ou seja, a primeira pergunta poderia ser; a palavra secreta est na segunda metade do dicionrio?. Independentemente de a resposta ser sim ou no, eliminaria imediatamente metade do dicionrio. Caso se prossiga com esta abordagem, encontra-se a palavra secreta. No caso da estratgia utilizada pelo Shainin, o Red X como se fosse a nossa pergunta secreta. Precisamos de estratgias que dm pistas eficientes para se resolver os problemas rapidamente. Uma das ferramentas mais utilizadas em conjunto com o Dictionary game para se encontrar o Red X o grfico Multi-Vari (Sequeira Campos, 2000). Na Figura 3.19 pode ver-se um exemplo de um grfico Multi-vari.

Figura 3.19: Grfico Multi-vari

34

Este exemplo meramente hipottico, construido, utilizando o Minitab, mostra qual o comportamento da varivel de sada volume, com a variao dos factores de entrada solder paste (tipo de pasta de solda) e speed (velocidade de impresso). Pode ver-se que com a pasta de solda tipo 2 temos uma menor variao do volume, em relao aos outros dois tipos, quando variamos a velocidade. Pode-se concluir que o Multi-vari indica que existe interaco entre o tipo de pasta de solda e a velocidade. Para se quantificar essa interaco deveria analizar-se os dados utilizando outras ferramentas estatsticas (anlise da varincia ou o modelo linear). No Shainin segue-se a metodologia FACTUAL (Focus, Approach, Converge, Test, Understand, Apply, Leverage), que de certa forma anloga ao DMAIC do 6-Sigma. A Figura 3.20 mostra, ainda que de forma simplista, como se podem complementar as duas filosofias.

Figura 3.20: Abordagem s metodologias 6-Sigma e Shainin na Delphi-Grundig (Fonte: Red X Problem Solving for Manufacturing)

A abordagem Shainin muito utilizada para resolver problemas provenientes das chamadas causas especiais, por vezes conhecidas como acidentes, o que no quer com isto dizer que no se possa e deva utilizar o 6-Sigma. Para se inicar a resoluo de problemas utilizando as tcnicas Shainin, no so necessrios conhecimentos estatsticos muito profundos, nem softwares muito evoludos. Dependendo do grau de formao nestas tcnicas, que pode ir desde Apprentice, passando por Journeyman e atingir o topo como Master, podemos estar aptos a resolver

35

problemas de menor ou maior complexidade. Estes nveis podem, de certa forma, ser comparados ao Green Belt, Black Belt e Master Black Belt, respectivamente, da metodologia 6-Sigma. Quando se pretende acompanhar e medir a variao de um processo a abordagem 6-Sigma mais adequada, pois suportada por um conjunto de ferramentas estatsticas bastante desenvolvidas, que possibilitam a deteco e ajudam na correco de problemas. O tempo de resoluo de problemas com a metodologia Shainin , comparativamente ao 6-Sigma, e normalmente de durao mais curta. Enquanto que a metodologia 6-Sigma pode ser utilizada para basicamente todo o tipo de processos, o Shainin no adequado para resolver problemas relacionados com finanas ou negcios. Como resumo, apresenta-se na Tabela 3.3 um quadro onde se comparam, resumidamente, as duas metodologias.

nfase na absoluta compreenso do processo, modelando-o como Y=f (x1, x2, x3,...xn) com uma abordagem x para Y. Compreenso dos efeitos de todos os X's.

Focado em compreender e eliminar todas as fontes de variao utilizando clculos estatsticos (F-teste) para confirmar os resultados.

6-Sigma Shainin

Requer coleco de dados.

Pode ser utilizado para todos os processos.

FMEA, DOE classico, PMAP, MSE, SPC.

Mais efectivo quando existem dados.

Certificaes: - Green Belt (5 dias e 1 projecto) - Black Belt (5 semanas e 1 projecto) - Master Black Belt (1,5 semanas e vrios projectos e acompanhamento de outros projectos - GB e BB)

Certificaes: - Apprentice (3 dias e 1 projecto) - Journeyman (2+2 dias e 1 projecto) - Master (2 dias e 3 projectos e ainda acompanhamento de 2 Journeymans) - Top 5 Manager - Top 5 Executive

Necessrio software estatstico (interpretao grfica).

nfase numa busca restrita pelas variveis ou combinao de variveis com maior contraste (leverage ). Focado na eliminao da principal fonte de variao Y=f (Red x, Pink x) com a abordagem Y para x.

Eliminar 80% da variao e efectuar a confirmao de novas solues (e.g. B vs C - Mtodo novo "B" versus mtodo actual "C").

Requer a utilizao de algumas das partes (peas).

No efectivo para processos relacionados com negcios.

Strategy Diagram , Solution Tree , Isoplot , Component Search , Multi Vari , Concentration Diagram , B vs C , Full Factorial , Tolerance Parallelogram .

Mais efectivo quando se consegue distinguir entre peas boas e ms.

Fornece simples ferramentas grficas.

Tabela 3.3: Metodologia 6-Sigma versus Shainin (Fonte: Red X Problem Solving for Manufacturing)

36

No se pretende com esta tabela demonstrar qual a melhor das duas metodologias, pois, como ficou vincado, ambas tm alguns pontos em comum e em algumas situaes at se complementam. Pretende-se evidenciar os pontos fortes e menos fortes de cada uma delas, por forma a facilitar e ajudar numa possvel indeciso sobre qual delas utilizar para a resoluo de um determinado problema.

37

CAPTULO 4 Enquadramento do processo de soldadura reflow

4.1 Caracterizao da empresa

A histria da Grundig remonta a 1930, quando um Sr. chamado Max Grundig criou uma pequena fbrica de transformadores na Alemanha. Em 1965, decidiu expandir o ramo de negcios em Portugal e foi ento que nasceu a Grundig, uma histria de sucesso que atravessou duas geraes na cidade de Braga.

No intuto desta dissertao analisar as certificaes, nem to pouco os prmios, da empresa, apenas se salienta o ano de 2003, mais concretamente o ms de Setembro, que marcou a aquisio da Grundig pela multinacional Delphi. Esta data marca, consequentemente, o incio da grande aposta da empresa nas metodologias 6-Sigma. Na Figura 4.1 pode ver-se a abordagem da Grundig ao conceito de Qualidade antes da aquisio por parte da Delphi.

Figura 4.1: Certificaes de maior relevo da Grundig at entrar para o grupo Delphi

As certificaes de maior relevo alcanadas nos ltimos anos so a ISO 9001:2000, ISO/TS 16949, ISO 14001 e o EMAS. A empresa situa-se em Braga, mais concretamente em Ferreiros (Figura 4.2). A rea total de produo de 9600m, onde laboram 883 colaboradores, produzindo actualmente cerca de 2.500.000 unidades anuais. A maioria dessas unidades so

Exceder as espectiativas dos clientes

Foco nos clientes

Melhoria contnua

Processo EFQMSatisfao do cliente

Envolvimento dos colaboradores

TPM

GME

EFQM

Tempo

QNvel

1985 200119981994

ISO/TS 16949

ISO 14000

QS 9000/VDA 6.1

ISO 9000

Q.E.F

ISO/TS 16949:2002

EMAS

2003

Exceder as espectiativas dos clientes

Foco nos clientes

Melhoria contnua

Processo EFQMSatisfao do cliente

Envolvimento dos colaboradores

TPM

GME

EFQM

Tempo

QNvel

1985 200119981994

ISO/TS 16949

ISO 14000

QS 9000/VDA 6.1

ISO 9000

Q.E.F

ISO/TS 16949:2002

EMAS

2003

38

auto-rdios, mas tambm se produzem sistemas multimdia e telemtica para a indstria automvel.

Figura 4.2: Foto da fachada principal da Delphi-Grundig

A rea total da empresa composta por 3 edifcios. Um deles basicamente rea produtiva, outro est parcialmente ocupado para armazm volumoso e o ltimo exclusivamente para formao. A produo est de uma forma global dividida em trs grandes reas, a Montagem Automtica, a Montagem Manual e a Montagem Final (Figura 4.3).

Figura 4.3: Fluxograma simplificado do processo produtivo

Pedidos do cliente

Labelling

Linhas de Montagem

Aumomtica

Expedio

Linhas de Montagem Manual

Linhas de Montagem Final

Kanban BTO (Build To Order)

Ordens de produo

Produto intermdio

Processo Reflow

Processo Overflow

Processo Axial / radial

Tem Reflow

?

Tem Overflow

?

Tem Axial /

Radial ?

N

N

N

S

S

S

39

A Montagem Automtica precisamente o incio do processo de montagem de um rdio, se excluirmos a recepo dos materiais. Por ser a rea onde decorre esta dissertao, est explicada com um pouco mais de pormenor, na caixa do lado direito, na referida Figura 4.3. As ordens de produo que chegam a essa rea transformam-se em PCBs identificados com cdigos de barras e colocados em contentores prontos para seguirem para as linhas de produo, onde podem ser submetidos as trs tipos de processos diferentes, dependendo do tipo de placa. Algumas placas so submetidas aos trs processos, mas no caso dos produtos mais recentes, apenas atravessam o processo reflow. A esta rea chegam diversos componentes, sendo que 99% deles so os chamados SMD (Surface Mount Device). Estes componentes so montados e soldados ao PCB (Printed Circuit Board), atravs do processo reflow. Este processo, visto ser um dos focos desta dissertao, ser explicado em pormenor no decorrer deste captulo. O processo Axial/Radial onde se inserem os componentes tradicionais, ou seja, os que tm terminais que atravessam a placa. Posteriormente, j na Montagem Manual, so soldados recorrendo a um mtodo chamado soldadura por onda. O processo Overflow , tal como o reflow, um mtodo de colocar os SMDs no PCB, mas neste caso, em vez de soldados, so primeiro colados placa, para posteriormente serem submetidos soldadura por onda, mais uma vez na Montagem Manual. Tanto o processo Axial/Radial como o Overflow esto em acentuado decrscimo, sendo que j s se utilizam para produtos muito especficos ou menos recentes.

A etapa seguinte a Montagem Manual que onde se colocam, tal como o prprio nome indica, as peas manualmente, normalmente por serem demasiado grandes para serem inseridas automticamente. tambm onde se faz a interligao das diferentes placas ou mdulos que a unidade tem. De uma forma mais simplista, onde o auto-rdio comea a ganhar a forma tal como se v num carro.

Na Montagem Final fazem-se testes funcionais, objectivos e subjectivos, para se verificar todas as funcionalidades da unidade, tentando eliminar todas as possibilidade de um rdio defeituoso chegar ao cliente final. Na Montagem Automtica a variedade de PCBs em maior nmero que nas rea seguintes, uma vez que cada modelo de auto-rdio tem mais do que um tipo de

40

placas diferentes. Na Montagem Manual faz-se a ligao de todas estas placas, criando diferentes modelos de auto-rdios, para vrios clientes.

Por motivos de proteco ao negcio e clientes, futuras referncias no decurso da dissertao aos produtos/rdios produzidos na empresa, surgir de forma annima. Nunca sero relacionados os produtos com os respectivos nveis de qualidade. Todos os clientes pretendem, em ltima instncia, receber os produtos conforme as especificaes, mas cada vez mais exigem que a empresa esteja equipada com tecnologia que lhes garanta uma qualidade e flexibilidade to elevadas quanto possvel. Apesar de a politica de qualidade da Delphi-Grundig j ter delineado a aquisio de equipamentos de inspeco de pasta de solda (SPI), por forma a detectar e segregar possveis defeitos do processo ou produto, requerido por alguns dos clientes ter este tipo de mquina de inspeco. Devido ao facto de uma parte significativa dos defeitos de um rdio estar ligada ao processo de deposio de pasta de solda, a inspeco permite avaliar o processo quando este est ainda praticamente no incio, reduzindo assim custos de reparao e retrabalho, e controlar a sua variao. A principal fora da metodologia 6-Sigma precisamente medir a variao para que se possa controlar o desvio padro, da fazer todo o sentido a aplicao destas ferramentas no processo de controlo da deposio de pasta de solda.

A funo do mestrando na Delphi-Grundig de Q.E. (Quality Engineer), sendo o responsvel por toda a qualidade dos produtos na rea da montagem automtica. Em termos de organigrama faz parte do grupo da Produo, embora tenha uma grande proximidade ao departamento de Satisfao do Cliente. Na prtica faz a ponte entre os dois departamentos. ainda o representante da Delphi-Grundig na Delphi global, num grupo chamado MTT (Manufacturing Technology Team). Na Delphi foram criados grupos de trabalho para cada uma das reas consideradas de influncia capital no processo de fbrico. O grupo SMT (Surface Mounted Device), ao qual pertence, precisamente aquele que est relacionado com a Montagem Automtica. Estes grupos de trabalho visam, genricamente, a transferncia de conhecimento e tecnologia entre fbricas. So realizadas conferncias telefnicas mensais e anualmente todo o grupo se junta para alinhar agulhas e trocar experincias.

41

Alm disso e, porque o responsvel pela qualidade dos produtos na rea da montagem automtica, tambm pertence ao grupo I&CIM (Innovation and Continuous Improvement Methodologies), que so os responsveis por todas as metodologias de melhoria contnua. precisamente por pertencer a este grupo que foi considerado uma pessoa chave nas metodologias de melhoria contnua e consequentemente lhe foi dada a oportunidade de se certificar como BB (Black Belt).

4.2 Metodologia 6-Sigma na Delphi-Grundig

Dentro de um contexto generalizado de melhoria contnua, as oportunidades para expandir conhecimentos e utiliz-los para benefcios da organizao, aparecem naturalmente. Assim que a Delphi adquiriu a Grundig, a aposta na formao na rea da qualidade foi uma das muitas directrizes de carcter essencial, o que permitiu formar e certificar algumas pessoas chave da organizao nas metodologias 6-Sigma, nomeadamente como GB (Green Belt). Devido elevada motivao e resultados demonstrados, tendo mesmo sido a Delphi-Grundig uma das empresas da multinacional Delphi que mais melhorou na qualidade dos produtos e apresentou maiores poupanas com projectos de melhoria a nvel mundial, depressa se percebeu que a aposta na formao tinha sido claramente ganha. Segundo Masumi (2003, p. 3), a formao uma arma muito importante para o envolvimento e compreenso sobre o 6-Sigma. Toda a organizao, principalmente os colaboradores que mais directamente influenciam a qualidade dos produtos, aqueles que esto nas linhas de montagem, tm recebido formao sobre tcnicas bsicas de resoluo de problemas, o que na Delphi se chama DPS (Delphi Problem Solving). Cerca de 40% dos colaboradores da Delphi-Grundig j receberam esta formao, representando para a empresa cerca de 150 propostas de melhoria anuais, o que torna possvel poupar dezenas de milhares de euros. Esta ferramenta bsica de resoluo de problemas, no mais do que um formulrio que inicia e facilita a aprendizagem do utilizador na