Metodologias Lean para Aumento da Produtividade ? Metodologias Lean para Aumento da Produtividade

  • Published on
    21-Sep-2018

  • View
    212

  • Download
    0

Transcript

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    Marco Moreira Valente Oliveira

    Dissertao de Mestrado

    Orientador na FEUP: Prof. Jos Lus Moura Borges

    Mestrado Integrado em Engenharia Mecnica

    2017-01-23

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    ii

    Work hard in silence, let your success be your noise

    Frank Ocean

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    iii

    Resumo

    A presente dissertao surgiu pelo facto de, na empresa de artes grficas

    Graphicsleader Packaging, GLPK, existirem alguns equipamentos a no atingirem as metas

    traadas no incio do ano de 2016 e pelo processo de planeamento em vigor ser muito instvel

    e de difcil gesto. O grande objetivo deste trabalho foi entender quais eram as causas raiz

    para esses factos e conceber solues que permitissem melhorar o desempenho produtivo da

    fbrica.

    Para atingir os objetivos a que nos propusemos comeou-se por recolher dados que

    permitissem caracterizar o atual estado dos indicadores de produo dos vrios setores

    produtivos. Com base nesta anlise identificamos que o setor de impresso apresentava o

    maior dfice de produtividade. Realizou-se uma anlise dos KPIs (Key Performance

    Indicators) dos equipamentos desta seco para perceber sobre os quais deveria incidir o

    estudo. Com base nos dados recolhidos selecionou-se uma mquina de impresso, XL105, e

    executou-se uma nova recolha de informao, desta vez mais exaustiva, com o intuito de

    descortinar quais as possveis causas para o insucesso produtivo desta mquina. Por fim foi

    criada uma equipa multidisciplinar para permitir encontrar as causas e levantar oportunidades

    de melhoria capazes de eliminar as mesmas para, assim, tornar o equipamento mais eficiente e

    capaz de atingir os objetivos.

    Para alm desta anlise focada nos KPIs de produo, foi desenvolvido um estudo para

    analisar a viabilidade de implementao de um processo de planeamento de produo em pull.

    Este estudo tinha como objetivo tornar o plano de produo mais robusto e confivel e

    melhorar a produtividade da empresa. Este estudo foi realizado por etapas/iteraes e foram

    criadas solues inovadoras no que diz respeito classificao dos diferentes produtos como

    MTS, make to stock, e MTO, make to order, para tentar cumprir a meta das 3000 paletes de

    stock.

    As concluses retiradas depois de concluda esta dissertao foram importantes para a

    organizao e permitiram revelar alguns problemas que existiam na dinmica da GLPK.

    Com a anlise ao equipamento XL105 verificou-se que a causa para a sua falta de

    produtividade era a grande discrepncia de desempenho de um dos operadores em relao aos

    seus homlogos. A falta de produtividade de um operador no permitia que a mquina XL105

    atingisse os objetivos traados. Desta anlise por operador surgiu um pedido da organizao

    para a criao de um processo automtico que permitisse avaliar o desempenho dos

    operadores da forma rpida e eficiente. Essa aplicao foi criada em conjunto com o

    departamento de informtica da empresa. Com este programa abriu-se a possibilidade de se

    poder vir a desenvolver um processo de premiao com base nesta avaliao de indicadores

    por operador.

    A implementao de pull planning mostrou-se invivel devido restrio imposta de

    manter o nvel de stock inferior a 3000 paletes. A grande utilidade deste projeto foi perceber

    que com as condies com que a GLPK opera com os seus clientes e com os lead times de

    produo dos seus produtos seria necessrio um nvel de stock nove vezes superior ao que foi

    posto como teto mximo.

    No final deste projeto, destaca-se a aplicao implementada para avaliao do

    desempenho produtivo dos operadores, a revelao dos recursos necessrios para aplicao do

    processo de planeamento em pull e os resultados que o pull planning poderia trazer para a

    produtividade, uptime, e para o nvel de servio, FOTD (Full On Time Delivery).

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    iv

    Lean Methodologies for Increasing Productivity Productive Sector of the Graphic Industry

    Abstract

    The present work was due to the fact that in the Graphicsleader Packaging, GLPK, graphic arts company there are some equipments that do not reach the goals set at the

    beginning of the year and the current planning process is very volatile and difficult to manage.

    The main objective of this work was to understand the root causes for these facts and to

    devise solutions that would improve the productive performance of the plant.

    In order to achieve the objectives we set ourselves, we started by collecting data that

    allowed us to characterize the current state of the production indicators of the various

    productive sectors. Based on this analysis, we identified that the printing sector had the

    highest productivity gap. We performed an analysis of the KPIs (Key Performance

    Indicators) of the machines of this section to understand in which we should focus our study.

    Based on the data collected, we selected a printing machine, XL105, and performed a new

    information collection, this time more exhaustive, in order to discover the possible causes for

    the unsuccessful production of this machine. Finally, a multidisciplinary team was created so

    that we could explore the causes and create opportunities for improvement that could

    eliminate them and thus make the equipment more efficient and able to achieve the objectives.

    In addition to this focused analysis of production KPIs, a study was developed to analyse

    the feasibility of implementing a pull production planning process. This study aimed to make

    the production plan more robust and reliable. This study was carried out in stages / iterations

    and innovative solutions were created with respect to the classification of the different

    products as MTS , make to stock, e MTO, make to order, to try to meet the goal of 3000 stock

    pallets.

    The conclusions drawn after the conclusion of this dissertation were important to the

    organization and allowed to reveal some problems that existed in GLPK dynamics.

    With the analysis to the equipment, XL105, we verified that the cause for its lack of

    productivity was the great discrepancy of performance of one of the operators in relation to

    their colleagues. The lack of productivity of an operator did not allow the XL105 machine to

    achieve its objectives. From this analysis by operator came a request from the organization to

    create an automatic process that would allow evaluating the performance of the operators

    quickly and efficiently. This application was created in conjunction with the company's IT

    department. This program opened the possibility of being able to develop an award process

    based on this evaluation of indicators per operator.

    The implementation of pull planning proved to be impracticable due to the restriction

    imposed on maintaining a stock level of less than 3000 pallets. The great utility of this study

    was to realize that with the conditions that GLPK operates with its customers and the

    production lead times of its products would be require a stock level nine times higher than the

    maximum ceiling.

    At the end of this project, we highlight the application implemented to evaluate the

    productive performance of the operators, revealing the resources needed to implement the

    production pull planning process and the results that pull planning could bring to productivity,

    uptime, and to the service level, FOTD (Full On Time Delivery).

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    v

    Agradecimentos

    Queria agradecer Graphicsleader Packaging pelas excelentes condies proporcionadas

    para a realizao deste projeto, assim como a todos os colaboradores que, direta ou

    indiretamente, contriburam para o seu sucesso. Expresso um especial e sincero

    agradecimento aos meus orientadores na empresa, Eng. Hlder Rodrigues e Eng. Fbio

    Pereira, pelo constante interesse demonstrado, preocupao em me oferecer as melhores

    condies e disponibilidade permanente para me auxiliarem.

    Dedico ainda um agradecimento especial ao Eng. Paulo Azevedo do Instituto Kaizen

    pela orientao que me foi oferecendo e a ajuda incondicional em todas as dificuldades com

    que me fui deparando.

    Queria tambm deixar uma nota de agradecimento ao Prof. Jos Lus Moura Borges pelo

    desempenho ativo da funo de orientador da FEUP. A sua exigncia e os conselhos prestados

    foram fundamentais para o atingir dos objetivos.

    O meu agradecimento para todas as pessoas que, direta ou indiretamente, contriburam

    para a minha formao acadmica na Faculdade de Engenharia da Universidade do Porto.

    A presente tese representa o culminar de mais uma etapa do meu percurso acadmico. Por

    fim, no podia deixar de agradecer minha famlia, minha namorada e aos meus amigos por

    todo o apoio que me deram ao longo deste desafio.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    vi

    ndice de Contedos

    1 Introduo ........................................................................................................................................... 1 1.1 Enquadramento do projeto e motivao .............................................................................................. 1 1.2 Graphicsleader Packaging ................................................................................................................... 1 1.3 Kaizen Institute Consulting Group ........................................................................................................ 2 1.4 Objetivos do projeto ............................................................................................................................. 3 1.5 Mtodo seguido no projeto ................................................................................................................... 3 1.6 Estrutura da dissertao ...................................................................................................................... 4

    2 Introduo Terica .............................................................................................................................. 5 2.1 Estado da arte na avaliao da produtividade utilizando metodologias Kaizen ................................... 5

    2.1.1 KMS Kaizen Management System ................................................................................. 5

    2.1.2 Metodologia 5S .................................................................................................................. 6

    2.1.3 Kaizen Dirio ..................................................................................................................... 6

    2.1.4 TFM Total Flow Management ......................................................................................... 9 2.2 Planeamento da Produo em Pull Pull Planning ........................................................................... 12

    2.2.1 Etapas do Processo de Planeamento da Produo em Pull ............................................ 12

    3 Apresentao do problema ............................................................................................................... 16 3.1 Layout da Fbrica e Processo Produtivo............................................................................................ 16 3.2 Anlise de produtividade do setor produtivo da empresa .................................................................. 18 3.3 Anlise da produtividade das mquinas do setor da impresso ........................................................ 21 3.4 Mtodo de Planeamento Atual ........................................................................................................... 23

    4 Apresentao da soluo proposta ................................................................................................... 25 4.1 Metodologias implementadas no passado na mquina XL105 .......................................................... 25

    4.1.1 Estabilidade Bsica ......................................................................................................... 25

    4.1.2 Total Flow Management SMED .................................................................................... 25

    4.1.3 Total Productive Maintenance TPM .............................................................................. 26 4.2 Apresentao de resultados das metodologias implementadas ........................................................ 26

    4.2.1 Anlise por Operador ....................................................................................................... 26 4.3 Pull Planning Definio da Estratgia de Planeamento .................................................................. 27

    4.3.1 Recolha e Tratamento de Dados ..................................................................................... 27

    4.3.2 Iteraes Realizadas ....................................................................................................... 29

    5 Concluses e perspetivas de trabalhos futuros ................................................................................ 38

    Referncias ............................................................................................................................................ 40

    ANEXO A: Fluxograma do Processo Produtivo ..................................................................................... 41

    ANEXO B: Processo de Impresso Offset ............................................................................................. 42

    ANEXO C: Testes de Hiptese por setor ............................................................................................... 45

    ANEXO D: Testes de Hiptese por mquina setor de impresso ...................................................... 50

    ANEXO E: Anlise dos KPIs por Operador ........................................................................................... 59

    ANEXO F: Ferramenta utilizada no projeto Pull Planning ..................................................................... 63

    ANEXO G: Planos com MMs agrupados .............................................................................................. 64

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    vii

    Siglas

    GLPK Graphicsleader Packaging

    KICG - Kaizen Institute Consulting Group

    KPI Key Performance Indicator

    MTO Make to Order

    MTS Make to Stock

    PP Pull Planning

    KD Kaizen Dirio

    TFM Total Flow Management

    SMED Single Minute Exchange of Dies

    MM Mestre de Material

    TPM Total Productive Maintenance

    FOTD Full On Time Delivery

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    viii

    ndice de Figuras

    Ilustrao 1 - Principais produtos produzidos na GLPK (Carneiro, 2015) ................................................................ 1

    Ilustrao 2 - Distribuio das Vendas por Pas (adaptado de "Graphicsleader Packaging", 2016) ........................ 2

    Ilustrao 3 - Kaizen Management System (Kaizen India, 2016)............................................................................. 5

    Ilustrao 4 - Modelo Kaizen Dirio (Kaizen Institute, 2016) ................................................................................... 6

    Ilustrao 5 - Exemplo ilustrativo da importncia da realizao de reunies frequentes (Kaizen Institute, 2016) ... 7

    Ilustrao 6 - Os 8 princpios de reunies produtivas frequentes (Kaizen Institute, 2016) ....................................... 8

    Ilustrao 7 - Quadro Kaizen Dirio GLPK .............................................................................................................. 9

    Ilustrao 8 - Modelo Total Flow Management (Loureiro, 2009) ............................................................................ 10

    Ilustrao 9 - Exemplo de um contrato "produo-logstico" ou de fornecimento .................................................. 14

    Ilustrao 10 - Layout da GLPK ............................................................................................................................. 17

    Ilustrao 11 Grficos Minitab Teste para a mdia setor da impresso .......................................................... 20

    Ilustrao 13 - Exemplo de MMs agrupados ......................................................................................................... 30

    Ilustrao 12 - Exemplo de MM's no agrupado .................................................................................................... 30

    file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764442file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764443file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764444file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764445file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764446file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764447file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764448file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764449file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764450file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764451file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764452file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764453file:///C:/Users/zle009/Desktop/TESES%20GRAFICA/TESE_GLPK.doc%23_Toc472764454

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    ix

    ndice de Tabelas

    Tabela 1 - Tabela Resumo dos KPIs Situao Inicial ......................................................................................... 19

    Tabela 2 - Tabela resumo de valores de prova por setor ...................................................................................... 21

    Tabela 3 - Caracterizao da Situao Inicial Mquinas Impresso ...................................................................... 22

    Tabela 4 - Tabela resumo de valores de prova por mquina setor de impresso .............................................. 23

    Tabela 5 Comparao dados por Operador XL105 ............................................................................................ 27

    Tabela 6 - Critrios de classificao dos MMs - Classificao ABC ..................................................................... 29

    Tabela 7 - Tabela resumo dos resultados das iteraes anteriores ....................................................................... 34

    Tabela 8 - Tabela resumo de resultados da iterao final ..................................................................................... 36

    file:///C:/Users/zle009/Desktop/TESE_GLPK_Word%202010.docx%23_Toc472919674file:///C:/Users/zle009/Desktop/TESE_GLPK_Word%202010.docx%23_Toc472919676file:///C:/Users/zle009/Desktop/TESE_GLPK_Word%202010.docx%23_Toc472919678file:///C:/Users/zle009/Desktop/TESE_GLPK_Word%202010.docx%23_Toc472919681

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    x

    ndice de Equaes

    Equao 1 - Frmula de clculo do rcio ............................................................................................................... 32

    Equao 2 - Frmula do stock de segurana ........................................................................................................ 32

    Equao 3 - Frmula Lote 1 .................................................................................................................................. 32

    Equao 4 - Frmula Lote 2 .................................................................................................................................. 33

    Equao 5 - Frmula EPE de referncia ............................................................................................................... 33

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    1

    1 Introduo

    1.1 Enquadramento do projeto e motivao

    O tema desta dissertao visa a melhoria dos indicadores de produtividade. Tema esse,

    que no mercado concorrencial em que hoje se vive torna-se fulcral para o sucesso das

    organizaes. O aumento da exigncia dos clientes quer a nvel de qualidade, quer a nvel de

    servio exige, tambm, uma busca constante pela melhoria contnua dos processos e um

    aumento de eficincia na sua execuo.

    Este projeto foi desenvolvido no departamento Lean da empresa de artes grficas

    Graphicsleader Packaging. O projeto surge uma vez que os objetivos de produtividade

    definidos internamente no estavam a ser atingidos e o processo de planeamento utilizado ser

    muito instvel e pouco robusto. Na tentativa de resolver esses problemas foi pedido para se

    avaliar a produtividade da empresa. Para isso, utilizando metodologias Kaizen, identificaram-

    se as causas raiz dessa falta de eficincia. O passo seguinte foi realizar o levantamento de

    possveis aes de melhoria de forma a eliminar esses problemas. Para alm da anlise do

    desempenho atual, j se encontrava em curso, um estudo sobre a viabilidade de

    implementao de produo Pull Planning para aumentar a produtividade e tornar o

    planeamento mais estvel e fivel.

    Este estudo tem por objetivo reduzir a falta de produtividade da empresa e torn-la mais

    gil e eficiente para assim ser capaz de servir melhor os seus clientes.

    1.2 Graphicsleader Packaging

    A Graphicsleader Packaging (GLPK) uma empresa grfica especializada na produo

    de embalagens de cartolina para as indstrias alimentar, bebidas e higiene. Esta organizao

    surge em 2002 aquando da fuso de duas empresas no mesmo setor, nomeadamente, a

    Litografia de Portugal, fundada em 1893, e a Valentim dos Santos, fundada em 1978. Como

    se pode comprovar esta empresa inicia-se com mais de 100 anos de experincia no setor da

    impresso litogrfica de embalagens de cartolina.

    Ilustrao 1 - Principais produtos produzidos na GLPK (Carneiro, 2015)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    2

    Os produtos core da GLPK podem ser vislumbrados na Ilustrao 1. Grande parte

    destes produtos tm como suporte cartolina, contudo, alguns produtos podem ser constitudos

    por cartolina e carto quando necessrio uma estrutura mais resistente, como por exemplo as

    caixas de sapatos.

    A GLPK uma firma que exporta cerca de 50% da sua produo para mais de 10 pases

    diferentes, na ilustrao 2, pode ver-se um grfico da distribuio das vendas pelos diferentes

    pases.

    Este projeto foi desenvolvido no departamento Lean da GLPK. Este departamento tem

    como funes a implementao de melhorias, clculo e anlise de indicadores, formao de

    equipas e implementao de metodologias Kaizen.

    1.3 Kaizen Institute Consulting Group

    O Kaizen Institute Consulting Group (KICG) uma empresa multinacional fundada em

    1985, na Sua, por Masaaki Imai, que tem as suas origens no sistema de gesto do grupo

    Toyota. O Kaizen Institute est em Portugal desde 1999, com sucursais no Porto e em Lisboa.

    O KICG fornece servios de consultadoria e formao ao tecido empresarial e

    instituies pblicas em mais de 35 pases. O porteflio de servios destina-se a conseguir a

    excelncia operacional atravs da melhoria da qualidade dos produtos e servios, do aumento

    da produtividade e da motivao dos colaboradores. O Kaizen Institute d suporte a lderes de

    organizaes no desenho e implementao de processos que permitem a prtica da melhoria

    contnua de forma sustentada. Os maiores servios do Kaizen Institute so:

    Consultadoria e Implementao

    Ilustrao 2 - Distribuio das Vendas por Pas (adaptado de "Graphicsleader Packaging", 2016)

    Portugal 49,61%

    Polnia 0,20%

    Arglia 4,76%

    Angola 0,40%

    Frana 9,92%

    Rp. Checa 0,20%

    Marocos 5,95%

    Romnia 0,20%

    Espanha 28,32%

    Moambique 0,44%

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    3

    o Parceria a longo prazo com os clientes para implementao Kaizen;

    o Desenho e instalao de modos operatrios;

    o Projetos inovadores e quebra de paradigmas;

    Formao e Treino

    o Certificao de praticante, professor ou manager Kaizen;

    o Treino no terreno, workshops e seminrios;

    Benchmarking

    o Kaikaku benchmark s melhores organizaes do setor no Japo e no mundo;

    o Promover aprendizagem peer-to-peer e redes de intercmbio.

    O grupo de profissionais dedica-se a construir um mundo onde possvel a todas as

    pessoas, em todos os locais, todos os dias, trabalhem com vista a melhoria contnua (Coimbra,

    2013).

    A GLPK trabalha em parceria com o KICG desde o ano 2014 na busca da melhoria

    contnua dos seus processos.

    1.4 Objetivos do projeto

    Este projeto, depois de ser concludo, prope-se a atingir os seguintes objetivos:

    i. Identificar os equipamentos/setores com piores desempenhos a nvel produtivo;

    ii. Melhorar a produtividade dos equipamentos com maiores desvios para os objetivos definidos;

    iii. Anlise da viabilidade de planeamento atravs de produo pull;

    iv. Avaliao do impacto do Pull Planning no nvel de stock, na produtividade e no nvel de servio.

    1.5 Mtodo seguido no projeto

    Este projeto foi realizado por etapas para, assim, ser possvel identificar as causas raiz

    da falta de produtividade dos equipamentos.

    As duas primeiras etapas tiveram um objetivo comum, identificar quais os

    setores/equipamentos que se encontravam com mais dificuldades em atingir os objetivos

    anuais (2016) e/ou tinham piorado o seu desempenho em relao ao ano de 2015. Para o

    efeito foram realizadas anlises/comparaes de indicadores de produo.

    Depois de identificado o equipamento com maior dfice de produtividade seguiu-se

    uma busca sobre as causas que justificassem o mesmo. Analisou-se os tempos mdios de

    setup, as avarias e os operadores. Foi neste ltimo fator, que denotamos uma grande

    discrepncia de um dos operadores em relao aos seus homlogos. A gesto dos recursos

    humanos trata-se de uma rea que est para alm das nossas competncias. Por isso, estes

    dados foram reportados aos managers da organizao que procuraram solucionar o problema.

    A melhoria da produtividade foi tambm abordada atravs do projeto de Pull Planning

    que, desde Abril de 2016, vinha sendo desenvolvido no departamento de Lean juntamente

    com Kaizen Institute. Para a realizao deste projeto foi necessrio classificar as referncias

    que deveriam ser MTO e MTS de forma a atingir um nvel de stock definido. Realizaram-se

    tambm anlises ao nvel de stock necessrio para atingir, o nvel de servio, FOTD, e uptime,

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    4

    definidos, uma vez que se demonstrou que com o nvel de stock fixado inicialmente era

    impossvel implementar um planeamento atravs de produo pull.

    1.6 Estrutura da dissertao

    Nos captulos seguintes descreve-se mais em detalhe o problema proposto, de seguida d-

    se uma breve apresentao dos contedos que sero tratados:

    Captulo 2 Neste captulo aborda-se e explana-se o estado da arte nas reas e metodologias que serviram de base realizao desta dissertao.

    Captulo 3 Nesta frao encontra-se a descrio do problema. Pretende-se com este captulo descrever a situao inicial, mostrar o impacto do problema no

    desempenho da empresa e a sua complexidade.

    Captulo 4 Nesta seco so apresentadas as metodologias utilizadas bem como as solues que foram propostas. Existem tambm subseces onde so

    descritos projetos que j tinham sido desenvolvidos no passado para demonstrar

    a cultura de melhoria contnua presente na GLPK.

    Captulo 5 Apresentam-se as concluses retiradas depois de concluda esta dissertao. Avalia-se o atingimento dos objetivos traados e sugerem-se

    trabalhos futuros.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    5

    2 Introduo Terica

    2.1 Estado da arte na avaliao da produtividade utilizando metodologias Kaizen

    2.1.1 KMS Kaizen Management System

    O Kaizen Institute utiliza um conjunto de metodologias e ferramentas comprovadas para

    reduzir o desperdcio (muda, palavra japonesa que significa desperdcio) e aumentar o valor

    para o cliente, por exemplo 5S ou Kaizen Dirio. Estas metodologias j foram aplicadas um

    pouco por todo o mundo em diversos setores da economia. A este conjunto de mtodos d-se

    o nome de Kaizen Management System e na Ilustrao 3 pode ver-se as diversas ferramentas e

    reas de atuao na cadeia de abastecimento. Na atual conjuntura econmica,

    independentemente do setor de atividade os clientes exige:

    Processos confiveis;

    Elevados nveis de servio;

    Tempos de entrega curtos;

    Padres de Qualidade elevados;

    Custos reduzidos.

    Ilustrao 3 - Kaizen Management System (Kaizen India, 2016)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    6

    2.1.2 Metodologia 5S

    Esta ferramenta diz respeito a um conjunto de prticas que visam a reduo do

    desperdcio e a melhoria do desempenho de pessoas e processos, atravs de uma abordagem

    que tem por base a manuteno das condies ideais dos locais de trabalho (Pinto, 2009). Esta

    metodologia representa um dos alicerces importantes para a construo do Kaizen

    Management System. Esta metodologia, proveniente do Japo, ficou denominada de 5S visto

    que dela fazem parte cinco palavras que comeam pela letra S, nomeadamente:

    1. Seiri significa Organizar a primeira etapa consiste em organizar o local de trabalho e eliminar tudo o que no necessrio.

    2. Seiton significa Arrumar o segundo S pretende atribuir um local para cada objeto e cada objeto deve estar no seu local. Os utenslios mais utilizados

    devem estar em posies intuitivas e de fcil acesso.

    3. Seiso significa Limpar o terceiro passo consiste em manter o posto de trabalho limpo de forma a facilitar a observao de qualquer tipo de anomalia

    que possa ocorrer.

    4. Seiketsu significa Normalizar o quarto S pretende uniformizar procedimentos e postos de trabalho. Assim ser mais fcil a rotatividade de

    trabalhadores por postos de trabalho diferentes.

    5. Shitsuke significa Manter O quinto e ltimo S diz respeito autodisciplina, ou seja manuteno dos princpios de organizao,

    sistematizao e limpeza aplicados anteriormente com o objetivo de eliminar a

    variabilidade. (Pinto, 2009)

    2.1.3 Kaizen Dirio

    O Kaizen Dirio (KD) uma metodologia que dividida em quatro nveis e tem como

    objetivo promover a dinmica das equipas na busca da melhoria contnua. A Ilustrao 4

    mostra os quatro nveis do KD bem como os seus objetivos chave.

    Na GLPK durante o ano de 2016 desenrolou-se a implementao do primeiro nvel do

    KD, de seguida detalhamos os objetivos concretos do mesmo.

    Ilustrao 4 - Modelo Kaizen Dirio (Kaizen Institute, 2016)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    7

    Nvel 1 de Kaizen Dirio

    O nvel 1 do KD consiste na Organizao das Equipas, as principais ferramentas so o

    quadro de equipa e a agenda normalizada da reunio de KD. Os lderes do KD so os lderes

    das equipas naturais.

    A implementao do nvel 1 de Kaizen Dirio permite responder a questes como:

    Como posso comunicar melhor?

    Como posso resolver os meus problemas?

    Como torno a minha equipa mais polivalente?

    Como aumento a qualidade dos meus processos?

    Como evito erros frequentes? (Kaizen Institute, 2016)

    Este nvel do KD tem como objetivo melhorar a comunicao dentro das equipas

    naturais, capacit-las para melhoria contnua dos processos, motivar os colaboradores e

    promover uma anlise frequente de KPIs. A melhoria da comunicao conseguida atravs

    do estabelecimento do hbito de reunies de equipa, as quais devem ser realizadas com

    elevada frequncia e de curta durao. Estas reunies devem ser focalizadas para o

    planeamento, anlise de desvios dos indicadores e levantamento de aes de melhoria, e

    devem ter associado um meio de suporte visual para assim tornar a anlise de dados fcil e

    intuitiva. A Ilustrao 5 mostra a importncia de se analisar KPIs de forma frequente e a

    Ilustrao 6 exibe os 8 princpios das reunies produtivas que devem ser seguidos nas

    reunies KD.

    Os quadros de equipa de KD desempenham um papel fundamental para a implementao

    do nvel 1 de KD, pois so o suporte fsico e visual onde todos os indicadores e aes de

    melhoria so inseridos.

    Ilustrao 5 - Exemplo ilustrativo da importncia da realizao de reunies frequentes (Kaizen

    Institute, 2016)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    8

    Estes quadros devem conter os seguintes elementos:

    Elementos Principais:

    1. Agenda e Mapa de Presenas

    2. Planeamento Visual

    3. Indicadores

    4. Ciclo de Melhoria (PDCA)

    Elementos de Suporte

    5. Matriz de Competncias

    6. Plano de Formao

    7. rea de Comunicao

    8. Kamishibai

    9. Auditorias

    10. Boas Prticas das Reunies

    11. Identificao da Equipa (Kaizen Institute, 2016)

    A Ilustrao 7 mostra um dos quadros de KD de uma mquina que est implementado na

    GLPK. Os elementos presentes neste quado de KD do cho de fbrica so os nmeros 1, 3, 4,

    8 e 9 e a sua funcionalidade ser explicada em seguida:

    1. Agenda e Mapa de Presenas a agenda contm a frequncia, a hora de incio e a durao da reunio, bem como os participantes e os pontos a tratar na reunio. O

    Mapa de Presenas ajuda na criao do novo hbito, os motivos de ausncia

    devem ser registados no mesmo mapa.

    3. Indicadores esta seco do quadro tem como objetivos a compreender o impacto do trabalho da equipa nos indicadores definidos pela organizao e a gesto com

    dados para identificar desvios e lanar aes de melhoria no ciclo de melhoria. Os

    indicadores devem ser representados de forma grfica que permita perceber a

    evoluo temporal e os desvios face ao objetivo so assinalados com recurso a

    gesto visual (cdigo de cores) sendo possvel ainda perceber a amplitude do

    desvio.

    Ilustrao 6 - Os 8 princpios de reunies produtivas frequentes (Kaizen Institute, 2016)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    9

    4. Ciclo de Melhoria (PDCA) este elemento do quadro alimentado pelas oportunidades de melhoria lanadas durante a anlise de desvio dos indicadores.

    Este ciclo possui 4 etapas (Plan, Do, Check e Act). Uma ao de melhoria que

    esteja na etapa Plan significa que j foi planeada a data da sua execuo. A ao

    segue para a fase Do quando est a ser executada, depois de ser efetuada passa por

    uma fase de verificao, Check, onde se garante que a tarefa foi bem efetuada e/ou

    o problema ficou resolvido. Caso esteja bem executada passa para concluda, Act,

    caso contrrio volta para o incio do ciclo para ser refeita.

    5. Kamishibai elemento que serve para a direo/manager realizar auditorias rpidas s equipas naturais. Cdigo de cores verde/vermelho que revela o

    resultado da ltima auditoria.

    6. Auditorias nesta seco pretende-se dar a conhecer s equipas naturais os resultados das auditorias anteriores e observar a evoluo.

    Sendo o KD um processo evolutivo a GLPK pretende continuar a implementar esta

    metodologia como forma de cultivar uma busca constante pela melhoria contnua.

    2.1.4 TFM Total Flow Management

    O Total Flow Management um modelo detalhado, criado pelo Kaizen Institute, que

    permite a implementao de pull flow, isto , permite a criao de um sistema em que o fluxo

    est dependente das necessidades do cliente. (Coimbra, 2009).

    Pull flow significa organizar toda a cadeia logstica em termos de fluxos timos de

    material e informao. Para atingir esta meta necessrio eliminar o desperdcio (muda),

    por isso toda a organizao dever ser consciencializada para esse fim. A reduo de

    desperdcio conduz a uma diminuio do lead time de produo, reduo de inventrios e

    consequentemente aumento da produtividade, reduo de custos e melhoramento da satisfao

    Ilustrao 7 - Quadro Kaizen Dirio GLPK

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    10

    do cliente. A produo dever ser puxada pelo cliente final baseada em dados reais,

    tentando reduzir a influncia das previses no processo produtivo.

    De acordo com o Manual de TFM (Kaizen Institute), o modelo constitudo por 5

    pilares, Ilustrao 8, cada um bem definido recorrendo a vrios conceitos:

    1. Fiabilidade Bsica

    2. Fluxo na Produo

    3. Fluxo na Logstica Interna

    4. Fluxo na Logstica Externa

    5. Value Stream Design

    Fiabilidade Bsica

    A fiabilidade bsica representa o alicerce do TFM. Este pilar est relacionado com o

    conceito da Toyota que diz que para criar fluxo necessrio atingir um dado nvel de

    estabilidade nos 4Ms (Coimbra, 2013):

    Mo-de-obra Os colaboradores devem cumprir os seus horrios e a taxa de absentismo deve ser baixa;

    Mquina A disponibilidade das mquinas deve ser a suficiente para permitir a produo necessria, ou seja, devero ocorrer poucas paragens e avarias. Se a

    disponibilidade dos equipamentos for baixa (normalmente menos de 80%), esta

    falta de fiabilidade significa que no possvel criar um bom fluxo (Coimbra,

    2013);

    Material necessrio que sejam identificadas as necessidades de material de forma a no haver ruturas de stock, bem como fomentar boas relaes com os

    fornecedores para evitar atrasos nas entregas;

    Ilustrao 8 - Modelo Total Flow Management (Loureiro, 2009)

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    11

    Mtodo O mtodo deve ser pouco varivel e capaz de cumprir os objetivos traados (um mau mtodo sinnimo de falta de fiabilidade).

    Fiabilidade bsica uma questo de quo confivel a mo-de-obra, as mquinas, os

    materiais e os mtodos so, e o quanto possvel acreditar nas pessoas (operadores,

    manuteno e fornecedores) e processos.

    Fluxo de Produo

    O primeiro passo para melhorar o fluxo de produo a implementao do fluxo unitrio,

    setups rpidos, aumentar a flexibilidade e eficincia no fornecimento de componentes e

    melhorar da produtividade dos colaboradores. Os diferentes tipos de projetos de melhoria

    podem ser agrupados da seguinte forma:

    Layout e Line Design Criao de fluxo unitrio atravs da alterao de layouts;

    Bordo de Linha Criar condies para localizar os materiais de forma fcil e rpida, melhorando a eficincia da produo ao garantir a existncia dos materiais

    necessrios;

    Standard Work Normalizao das prticas conhecidas de forma a diminuir o desperdcio. Aumentar a eficincia das tarefas dos operadores;

    Single Minute Exchange of Dies (SMED) Reduo dos tempos de setup das mquinas, aumentando assim a flexibilidade e permitindo tamanhos de lote

    reduzidos;

    Automao de Baixo Custo Criao de pequenos dispositivos que melhoram a eficincia da produo e diminuem o muri (palavra japonesa para definir tarefas

    excessivamente complexas) do trabalho dos operadores.

    Fluxo de Logstica Interna

    Este fluxo inclui todos os movimentos de materiais dentro das unidades produtivas, bem

    como a fluxo de informao relacionado com a satisfao das ordens despoletadas pelos

    clientes (pull orders). Os diferentes projetos de melhoria para aperfeioar o fluxo de logstica

    interna podem ser agrupados nas seguintes categorias:

    Supermercados Servem para simplificar e aumentar a eficincia do picking de componentes utilizados na produo. Facilitam a gesto de stocks o que garante

    que existem menos faltas de material;

    Mizusumashi responsvel pelo transporte de materiais e informao de forma eficiente para os locais onde so necessrios;

    Sincronizao Criao de meios que permitem a coordenao entre o fornecimento de componentes e a produo entre os diferentes intervenientes do

    processo produtivo;

    Nivelamento Define os horrios de produo das mquinas e clulas evitando atrasos por falta de capacidade. Permite diminuir o bullwhip effect;

    Planeamento em Pull Define o que tem de ser produzido, e qual a capacidade necessria para satisfazer a procura do cliente. Este tpico foi abordado na

    presente dissertao.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    12

    Fluxo de Logstica Externa

    Fluxo na Logstica Externa responsvel, por todas as operaes de entrega e receo de

    materiais:

    Desenho de Armazns Criao de infraestruturas eficientes para armazns;

    Milk Run Criao de um fluxo eficiente nas operaes de transporte externo;

    Inbound Criao de um fluxo fsico de paletes nas operaes de receo de materiais nas unidades de armazenamento. Melhora a eficincia na receo de

    materiais;

    Outbound Criao de um fluxo fsico de paletes nas operaes de expedio de materiais nas unidades de armazenamento Melhora a eficincia na expedio dos

    produtos;

    Planeamento Logstico em Pull Definio das ordens de picking de acordo com as necessidades do cliente.

    Value Stream Design

    O quinto e ltimo pilar o desenho da cadeia de abastecimento, tambm conhecido por

    Value Stream Design. Esta ferramenta permite representar quer os fluxos de materiais quer os

    de informao. Contudo os fluxos de materiais so, normalmente, representados com maior

    facilidade usando diagramas spaghetti, os quais utilizam um desenho do layout da empresa

    para representar dos fluxos fsicos.

    2.2 Planeamento da Produo em Pull Pull Planning

    O processo de planeamento em pull o quinto domnio para melhoria do fluxo de

    logstica interna. Este pilar inclui importantes decises de planeamento que determinam o

    sucesso de todos os outros domnios, nomeadamente:

    Estratgia de planeamento dos diferentes produtos (make to order, MTO, ou make to stock, MTS)

    Planeamento da capacidade necessria em termos logsticos e produtivos

    Plano de Execuo, ou seja, quais as ordens a comear no sistema de produo pull (Coimbra, 2013)

    2.2.1 Etapas do Processo de Planeamento da Produo em Pull

    Estratgia de Planeamento

    O primeiro passo no planeamento da produo em pull o de decidir qual a estratgia de

    planeamento a adotar para os produtos acabados. Aqui existem duas estratgias bsicas pelas

    quais se pode optar:

    1. Make to Order (MTO) Significa que o produto no estar disponvel para entrega imediata, o cliente aps colocar a encomenda ter de aguardar que esta

    seja produzida.

    2. Make to Stock (MTS) Significa que o produto se encontra disponvel para entrega imediata, e ter de ser produzido para repor o nvel de stock.

    Existem assim produtos classificados como MTS e como MTO. Os produtos MTO so

    mais fceis de gerir uma vez que as ordens dos clientes geram diretamente ordens de

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    13

    produo, j para gerir as referncias MTS necessrio um algoritmo para calcular as ordens

    de reaprovisionamento do stock.

    A categorizao dos produtos feita de acordo com uma anlise de pareto, que pode ser

    em volume de vendas (em unidades monetrias) ou em quantidade vendida. Esta anlise

    apresenta por norma os seguintes resultados:

    Os produtos A so responsveis por 80% do volume de vendas e representam cerca de 10%-20% do total de produtos;

    Os produtos B so responsveis por 15% do volume de vendas e representam cerca de 20%-30% do total de produtos;

    Os produtos C so responsveis por 5% do volume de vendas e representam cerca de 50%-70% do total de produtos.

    De acordo com esta categorizao os produtos A so os melhores candidatos a serem

    considerados MTS, enquanto os B e C sero candidatos a serem MTO. Os A so produtos que

    so pedidos pelos clientes frequentemente pelo que o risco de constituir stock destes itens

    reduzido.

    A estratgia de planeamento deve ser revista frequentemente (pelo menos anualmente)

    porque o ranking da anlise de pareto varia, especialmente se forem introduzidos novos

    produtos ao porteflio da empresa.

    Planeamento da Capacidade

    O segundo passo no planeamento da produo em pull o planeamento da capacidade,

    dele resulta o estabelecimento de um contrato produo-logstico. Este contrato estabelece a

    capacidade necessria para satisfazer as encomendas dos clientes.

    O processo de planeamento de capacidade definido da seguinte forma:

    1. O planeamento da capacidade necessrio para antecipar variaes da procura do mercado, como por exemplo a sazonalidade.

    2. Os horizontes de planeamento podem ser anuais, quadrimestrais, trimestrais ou mensais.

    3. O prazo dado pelo cliente deve ser calculado para que as decises de capacidade adotadas permitam satisfaz-lo.

    4. As decises a tomar esto relacionadas com:

    Capacidade produtiva das mquinas;

    Capacidade dos transportes;

    Capacidade dos armazns.

    5. O contrato produo-logstico a forma de standardizar a capacidade mensal prevista necessria (Coimbra, 2013).

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    14

    As previses de consumo servem de base para a previso da capacidade necessria.

    Assim possvel preparar com antecedncia os recursos necessrios para satisfazer o prximo

    perodo de planeamento. Normalmente os clientes fornecem aos seus fornecedores dois tipos

    de informao relacionada com as quantidades pretendidas. Fornecem a previso de consumo

    num dado perodo de tempo e o call-off (ou encomendas), que representa as quantidades a

    produzir no caso de ser um MTO ou a quantidade a enviar no caso de ser um MTS. Na

    Ilustrao 9 pode ser visto um exemplo daquilo que pode ser um contrato produo-

    logstico. Neste contrato tambm se encontram algumas variaes possveis a nvel do

    consumo que tm de ser tomados em considerao, para isso, deve ser criado um stock de

    segurana extra para as referncias onde expectvel que haja mais oscilaes na procura.

    Plano de Execuo

    O terceiro passo o plano de execuo. Este passo para surtir efeito necessita de ser

    precedido dos anteriores. Nesta etapa so definidas as quantidades dos produtos a produzir e a

    entregar aos clientes, dele resulta uma lista de ordens de produo contendo trs tipos de

    ordens:

    1. Encomendas de clientes para os produtos MTO;

    2. Ordens de reaprovisionamento para os produtos MTS;

    3. Encomendas especiais de clientes para produtos MTS desde que seja de um tamanho aceitvel e/ou a data de entrega seja maior do que o habitual.

    As encomendas de clientes para os produtos MTO so de fcil gesto no plano de

    execuo, basta adicion-las lista de ordens a aguardar planeamento.

    As encomendas especiais de clientes de produtos MTS so ordens de grandes dimenses

    que o cliente aceita que o prazo de entrega seja maior do que a habitual entrega imediata. O

    tempo de entrega de cada produto MTS est dependente da quantidade pedida, estabelecida

    uma quantidade mxima disponvel para entrega imediata. Caso esse valor seja superado o

    tempo de entrega aumenta j que ser necessrio produzir a restante quantidade. Este tipo de

    ordens planeado da mesma forma que as ordens MTO, com transferncia imediata para a

    lista das ordens de produo.

    As ordens de reaprovisionamento para produtos MTS so calculadas luz do modelo pull

    planning que estabelece um nvel de reposio e um tamanho de lote. Depois de geradas estas

    Horizonte Temporal = 12

    semanas

    Total: 200.000 unidades

    Ref. A 90.000 10%

    Ref. B 30.000 35%

    Ref. C 70.000 50%

    Ref. D 10.000 15%

    Ilustrao 9 - Exemplo de um contrato "produo-logstico" ou de fornecimento

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    15

    ordens seguem para a lista de ordens a aguardar planeamento para serem produzidas. Quando

    o nvel de stock atinge o nvel de reposio gerada uma ordem de produo em que a

    quantidade a produzir igual ao tamanho de lote. Assim procura evitar-se ruturas de stock.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    16

    3 Apresentao do problema

    Este projeto surge da necessidade de, nos dias que correm, as organizaes terem de ser

    cada vez mais flexveis e eficientes de forma a puderem satisfazer os seus clientes o melhor e

    o mais rapidamente possvel. Assim, o fator produtividade desempenha um papel

    preponderante no setor produtivo das unidades industriais sendo um objetivo fulcral na sua

    competitividade.

    A produtividade na GLPK afetada principalmente por dois fatores. Por um lado, tem-se

    a variabilidade do processo produtivo, ou seja, a ocorrncia de avarias, faltas de material ou o

    absentismo que causam uma diminuio da cadncia produtiva. Por outro lado, o planeamento

    da produo bastante complexo uma vez que os prazos de entrega so curtos e por vezes

    inferiores aos tempos de produo. Por isso no possvel ter um plano semanal robusto o

    que tambm introduz entropia no processo produtivo.

    Assim ao longo deste captulo aborda-se o processo produtivo, bem com se

    explica/demonstra o porqu dos dois temas acima referidos representarem problemas na

    dinmica da GLPK.

    3.1 Layout da Fbrica e Processo Produtivo

    A GLPK tem neste momento uma unidade industrial, localizada em Seixezelo, onde

    so produzidos os produtos comercializados. O processo de produo de embalagens de

    cartolina possui trs etapas principais: Impresso; Corte e Vinco; Colagem. Na Ilustrao 10

    pode visualizar-se o layout da GLPK para melhor se perceber o fluxo de materiais e a

    disposio dos diferentes equipamentos.

    Na GLPK existem quatro mquinas de impresso offset, nomeadamente, R900, CD6,

    XL105 e CD2. As trs primeiras possuem seis corpos de impresso com a possibilidade de

    imprimir com seis cores diferentes e a CD2 possui apenas dois corpos de impresso. As

    grandes diferenas entre estas mquinas, para alm do nmero de corpos so os formatos de

    cartolina que podem imprimir e a possibilidade de aplicar verniz UV no final da impresso

    (na XL105 no possvel aplicar verniz UV).

    O setor do Corte e Vinco constitudo por quatro equipamentos semelhantes,

    nomeadamente, B104, B106, B142 e B145, onde a grande diferena prende-se com os

    formatos de cartolina que podem cortar e as velocidades de produo.

    No setor da Colagem existem duas mquinas, BMaster e BVision, onde a grande

    diferena encontra-se na velocidade de produo e nos formatos de caixas que so capazes de

    colar.

    Depois de apresentados os trs principais setores da GLPK e as respetivas mquinas

    segue-se uma explicao mais detalhada do processo produtivo.

    Na rea de negcio em causa todo o processo produtivo encontra-se muito dependente

    da experincia dos operadores. Nos processos, de Impresso, de Corte e Vinco e de Colagem,

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    17

    todo o setup/acerto e controlo de qualidade dos trabalhos realizado visualmente pelo

    operador, sem que para isso este utilize qualquer tipo de equipamento para o auxiliar.

    Existem neste momento cinco setores envolvidos no processo produtivo, de seguida,

    explica-se com algum detalhe as funes e os processos de cada um deles:

    Pr Impresso Este setor responsvel por: produzir as chapas, que so necessrias por se tratar de impresso offset; as provas digitais, usadas pelos

    impressores para ajustarem as cores aquando da impresso; e os agrupamentos, ou

    seja, agrupam diferentes produtos numa mesma folha por forma a melhorar a

    produo e reduzir o nmero de acertos (setup).

    Impresso Neste departamento existem quatro mquinas onde laboram equipas de dois elementos, impressor e ajudante, que so responsveis por imprimir os

    diferentes trabalhos. O ajuste das cores feito pelo impressor que se rege pela

    prova digital emitida pela pr-impresso ou por um padro de cor impresso

    anteriormente. Para se conseguir imprimir um trabalho, necessrio realizar-se

    um setup onde, por exemplo, se colocam as tintas necessrias, ajustam-se os

    marginadores da mquina para o tamanho da cartolina respetiva e se ajustam as

    diferentes cores. Este tempo de acerto de capital importncia para a obteno de

    um produto que esteja de acordo com os standards de qualidade do cliente.

    Pr Corte e Vinco Nesta seco, semelhana da pr impresso, a principal funo a de preparar e fornecer as diferentes ferramentas, designadamente,

    cortantes, descasque e desmoldagem aos operadores das mquinas. Tambm so

    responsveis pela verificao e reparao, caso necessria, de qualquer uma

    dessas ferramentas.

    Corte e Vinco Nesta fase do processo produtivo onde se d o corte do desenho tcnico da caixa e onde so feitos os vincos nas arestas que mais tarde

    sero dobradas. Este setor constitudo por quatro mquinas semelhantes onde

    laboram seis pessoas, quatro operadores e dois ajudantes. Para se conseguir cortar

    um trabalho, necessrio realizar-se um setup onde, por exemplo, se colocam as

    ferramentas necessrias, ajustam-se os marginadores da mquina para o tamanho

    Colagem

    Corte e Vinco

    Impresso

    Ilustrao 10 - Layout da GLPK

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    18

    da cartolina respetiva e ajusta-se a presso de corte da mquina. Tal como na

    impresso, os setups so tempos onde no existe produo pelo que devem ser

    trabalhados com o objetivo de serem o mais reduzido possvel.

    Colagem Nesta etapa as caixas so dobradas e coladas apenas numa das suas abas. Nem todos os produtos passam nesta ltima fase do processo uma vez que

    os packs s so colados pelo cliente. Neste setor existem duas mquinas onde

    trabalham trs pessoas em cada uma delas. A equipa constituda por um

    operador e dois ajudantes.

    Existem ainda alguns processos secundrios por onde alguns produtos podem passar no

    Anexo A apresenta-se um fluxograma onde se mostra a sequncia do processo produtivo. No

    Anexo B pode ver-se uma explicao mais detalhada sobre o processo de impresso offset.

    3.2 Anlise de produtividade do setor produtivo da empresa

    Na GLPK a produtividade analisada semanalmente. A avaliao efetuada atravs de

    KPIs, como por exemplo, o uptime, o tempo mdio de setup e o nmero de setups. O

    indicador que possui maior relevncia o uptime, j que nele esto inseridos todos os outros.

    O uptime calculado atravs da diviso do nmero de folhas ou caixas, no caso da colagem,

    produzidas pelo nmero de horas trabalhadas num determinado perodo de tempo. A unidade

    deste indicador folhas por hora. Atravs deste indicador possvel aferir a produtividade de

    cada mquina, todos os outros indicadores permitem justificar a variao do uptime e perceber

    quais os fatores que melhoram e pioram a cadncia produtiva. Este controlo feito para

    monitorizar de forma frequente e competente tudo aquilo que se passa no processo produtivo

    e poder reagir rapidamente a eventuais incidentes/desvios, relembra-se a Ilustrao 5

    (pgina 7).

    Para avaliar a situao inicial, comeou-se por analisar o documento presente na Tabela

    1. Esse documento a base de trabalho para a avaliao do desempenho da fbrica realizada

    na GLPK, por isso o pargrafo seguinte ir explicar como devem ser lidos os valores da

    tabela.

    Esta tabela sintetiza uma panplia de indicadores dos diferentes setores e mquinas

    referentes a diferentes perodos de tempo. Nas colunas esto representadas as mquinas

    principais existentes na GLPK subdivididas por setor, no final de cada setor existe uma

    coluna denominada por Total que espelha a performance do setor. Nas linhas esto

    mencionados os diferentes indicadores subdivididos por perodos temporais diferentes. Esto

    dados referentes ao acumulado do ano, ao acumulado no ms e semana anterior. Nesta

    tabela especfica pode observar-se o desempenho dos diversos equipamentos referentes ao

    acumulado desde o incio de 2016, ao acumulado do ms de Setembro e semana 38. Quanto

    aos indicadores referentes semana utilizado um cdigo de cores (verde, amarelo ou

    vermelho) para ilustrar qual o estado da mquina a nvel de uptime em relao ao seu objetivo

    anual. Este cdigo de cores representado na ltima linha da tabela. A cor verde indica que a

    mquina est acima do objetivo, a cor amarela indica que o uptime da semana maior ou

    igual a 90% do uptime objetivo e a cor vermelha indica que este menor do que 90% do

    objetivo.

    Como se pode comprovar pela anlise da ltima linha da tabela, o setor da impresso

    aquele que possui todas as mquinas a vermelho, ou seja, todas consideravelmente abaixo do

    objetivo estabelecido. Para alm disto quando se analisa os valores acumulados desde o incio

    de 2016 v-se que o setor da impresso o departamento mais longe do objetivo de uptime,

    est 14% abaixo daquilo que era espectvel.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    19

    Atravs deste estudo do estado da situao inicial, o setor da impresso revela ser aquele

    com maiores dfices de produtividade e, por isso, onde deve incidir o esforo na tentativa de

    identificar as causas raiz e lanar aes de melhoria de forma a elimin-las.

    Tabela 1 - Tabela Resumo dos KPIs Situao Inicial

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    20

    De seguida decidiu-se comparar dados de perodos homlogos dos anos 2015 e 2016 (de

    Janeiro a Setembro, inclusive). Assim, pretendeu-se verificar a evoluo que ocorreu durante

    estes perodos bem como retirar concluses sobre qual a mquina onde deve incidir o esforo

    para se melhorarem os KPIs e a produtividade.

    Esta anlise comparativa centrou-se apenas em dois dos trs principais setores da fbrica:

    Impresso; e Corte & Vinco. Excluiu-se a Colagem por ser um setor que no ano 2016 sofreu

    uma reduo do volume de trabalho em relao ao ano de 2015 e, por isso, ser inadequado

    realizar a comparao dos KPIs.

    Ilustrao 11 Grficos Minitab Teste para a mdia setor da impresso

    39003600330030002700

    2015

    2016

    of 2016 (p < 0,05).

    The mean of 2015 is significantly different from the mean

    > 0,50,10,050

    NoYes

    P = 0,002

    3002001000

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between 76,168 and 327,78.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    level of significance.

    -- Test: You can conclude that the means differ at the 0,05

    Sample size 38 38

    Mean 3482,2 3280,3

    95% CI (3387; 3577) (3194,5; 3366,0)

    Standard deviation 288,62 260,99

    Statistics 2015 2016

    201,97

    (76,168; 327,78)

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    Comments

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

    37332925211713951

    4200

    3600

    3000

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 207,35,

    If the true means differed by 141,57, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    207,35

    90%

    141,57

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    141,57 60,0

    158,91 70,0

    179,21 80,0

    207,35 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    2015 2016

    Power

    What is the chance of detecting a difference?

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 179,21, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    21

    As comparaes foram realizadas com recurso a testes estatsticos, nomeadamente, testes

    de hiptese, para verificar a semelhana entre os valores mdios e os desvios padres das duas

    amostras. Mais uma vez, o indicador utilizado foi o uptime pelas razes j indicadas. Os

    dados que foram tratados (uptimes) dizem respeito s 38 primeiras semanas dos anos 2015 e

    2016. Os testes foram realizados com o auxlio do software Minitab e na Ilustrao 11 mostra-

    -se os grficos resultantes de um desses testes de hiptese. Nesta ilustrao podem ver-se duas

    seces diferentes. Por um lado, a primeira seco pretende sintetisar os dados, nela pode ser

    visto o valor de prova do teste representado numa barra, onde posvel responder de imediato

    pergunta Existem diferenas entre as mdias?, um histograma que mostra a distribuio

    dos dados , uma tabela com resumo de algumas estatsticas (mdia e desvio padro das

    amostras). Finalmente, a seo "Comments" apresenta as concluses e tambm possveis

    preocupaes em linguagem simples, exemplo:

    - Teste: Voc pode concluir que as mdias diferem com um nvel de significncia de

    0,05.

    Por outro lado, na segunda seco da Ilustrao 11, podem ver-se as oscilaes dos

    uptimes em relao ao valor mdio e um grfico que permite visualizar qual a potncia do

    teste.

    Para estes testes de hiptese a hiptese nula considerada foi que as mdias ou desvios

    padres eram iguais e a hiptese alternativa que eram diferentes. Foi utilizado um nvel de

    significncia de 5%, ou 0,05. Se o valor de prova (p-value) do teste for inferior ao nvel de

    significncia pode rejeitar-se a hpotese nula, caso seja maior no se pode rejeit-la.

    A primeira anlise realizada foi por seco produtiva e o resumo dos resultados est

    patente na Tabela 2. Devido ao elevado volume de informao que os grficos extrados do

    Minitab representam estes esto inseridos no Anexo C.

    Tabela 2 - Tabela resumo de valores de prova por setor

    As anlises estatsticas realizadas revelam que apenas o valor mdio do uptime do setor

    da impresso apresenta uma variao significativa de 2015 para 2016, o valor de prova deste

    teste foi de 0,002 significativamente menor o nvel de significncia de 0,05. Para alm disso

    denota-se uma variao negativa, ou seja, o uptime mdio de 2016, 3280 folhas/hora, pior

    do que o de 2015, 3482 folhas/hora, em igual perodo.

    Assim, com base nos resultados obtidos, decidiu-se que o setor onde se iriam focar os

    esforos de melhoria seria o setor da impresso visto ser aquele que revelou uma deteriorao

    do seu desempenho e se encontrava com o maior desvio em relao ao objetivo. Por isso

    decidiu-se, para esta seco, realizar um estudo mquina a mquina para perceber melhor

    onde estavam as causas para esta variao.

    3.3 Anlise da produtividade das mquinas do setor da impresso

    A seco de impresso da GLPK, como j foi dito, constituda por quatro mquinas

    dedicadas impresso offset. Depois de avaliada a situao inicial de cada setor e se ter

    verificado que a impresso seria aquele onde se deveria intervir, decidiu-se descer o nvel de

    detalhe e fazer uma avaliao mais especfica a cada mquina deste departamento.

    Impresso Corte e Vinco

    P-value teste Mdia 0,002 0,307

    P-value teste Desvio Padro 0,467 0,244

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    22

    Comeou-se por caracterizar a situao inicial utilizando os dados presentes na Tabela 3.

    Esta tabela representa um excerto da Tabela 1 onde s so mostrados os dados referentes ao

    setor da impresso acumulados desde o incio de 2016. De todos os indicadores apresentados

    aquele que se utilizou para caracterizar o desempenho das mquinas foi o valor do desvio do

    uptime em relao ao objetivo traado. Assim, denotou-se que a mquina mais longe do

    objetivo era a CD6, encontrava-se 32% abaixo do objetivo, contudo este valor era expectvel

    uma vez que esta sofreu uma alterao no tipo de referncias que prejudicaram o seu

    desempenho. O objetivo traado para esta mquina no incio do ano no teve em conta esta

    modificao do tipo de trabalhos, por isso temos este desvio justificado.

    A mquina XL105 a segunda mais afastada do seu objetivo. Este desvio preocupante

    j que:

    a mquina mais recente do setor;

    a nica do setor que trabalha a quatro turnos;

    Apresenta maior custo por hora;

    Representa cerca de 40% em volume de produo;

    aquela com capacidade de produzir com velocidades mais elevadas;

    a mquina onde incidiram vrios processos de melhoria durante o ano de 2016.

    Por todas as razes enumeradas a XL105 revelou a necessidade de interveno na busca

    das causas raiz desta falta de produtividade. Depois desta anlise, e seguindo a mesma linha

    de raciocnio, decidiu-se comparar o desempenho dos equipamentos em 2015 com 2016.

    Para isso recorreu-se, mais uma vez, a testes de hiptese para se perceber onde se

    localizavam as variaes significativas para a reduo da performance deste setor. Os dados

    utilizados foram os uptimes de cada uma das quatro mquinas ao longo das 38 primeiras

    semanas dos anos 2015 e 2016.

    Tabela 3 - Caracterizao da Situao Inicial Mquinas Impresso

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    23

    O procedimento foi em tudo semelhante ao que foi seguido para a anlise dos setores

    anteriormente realizada. Os grficos extrados do Minitab referentes ao teste realizado por

    mquina so iguais aos mostrados anteriormente na Ilustrao 11. No Anexo D podem ser

    encontrados todos esses grficos referentes s anlises de semelhana das mdias e dos

    desvios padres. Como forma de sintetizar a informao e facilitar a anlise dos resultados os

    valores de prova (p-value) foram inseridos na Tabela 4.

    Tabela 4 - Tabela resumo de valores de prova por mquina setor de impresso

    R900 CD6 CD2 XL105

    P-value teste

    Mdia 0,312 0,000 0,382 0,355

    P-value teste

    Desvio Padro 0,236 0,116 0,221 0,664

    Pela observao dos resultados consegue-se afirmar que apenas a mquina CD6 sofreu

    uma variao significativa na sua mdia entre perodos homlogos dos anos 2015 e 2016,

    uma vez que o p-value deste teste foi de 0,000. Todas as variaes sofridas pelas outras

    mquinas no revelam ser estatisticamente significativas.

    Quanto mquina CD6 este distanciamento deve-se, como j foi referido, ao facto de ter

    sofrido uma modificao do tipo de referncias que produz, referncias essas tecnicamente

    mais complexas de produzir e produzidas em lotes de pequena dimenso. Ambos os fatores

    conduziram a uma reduo da cadncia produtiva. Por esse motivo esta variao encontra-se

    justificada.

    Das duas anlises efetuadas, anlise dos KPI e comparao anual, a segunda no revelou

    ser um fator diferenciador entre as diferentes mquinas. Por isso, e com base no primeiro

    estudo, decidiu-se focar os esforos de melhoria na mquina XL105 com vista a melhorar o

    seu desempenho. Utilizaram-se metodologias Kaizen, que sero apresentadas nos captulos

    seguintes, para identificar os problemas e as respetivas causas raiz para se poderem lanar

    aes de melhoria para solucionar a falta de produtividade desta mquina.

    3.4 Mtodo de Planeamento Atual

    Nesta seco pretende-se explicar a forma como o planeamento das ordens de fabrico

    realizado e espelhar as principais ineficincias desse mtodo.

    Na GLPK o planeamento das ordens de fabrico, OFs, realizado por um planeador com

    base no levelling (plano semanal de necessidades com base nas encomendas dos clientes)

    emitido pelo departamento de Supply Chain. O plano fechado quarta-feira para um

    horizonte temporal de uma semana.

    Na empresa existem quatro tipos de estratgias de planeamento:

    MTO (Make-to-Order) Significa que o produto no se encontra pronto em armazm e que o cliente vai ter de aguardar que a encomenda seja produzida.

    MTOP (Make-to-Order Planeada) Este mtodo de planeamento utilizado para os produtos em que o lead time de produo no consegue satisfazer as

    necessidades do cliente. Para combater esta dificuldade, nos planos semanais,

    alocado espao de mquina para este tipo de produtos, assim quando o cliente

    coloca a encomenda esta entra diretamente para a produo. O grande problema

    deste mtodo o facto de se basear em previses de consumo, ou seja, o espao

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    24

    alocado no exato pode ser suficiente ou no para satisfazer a encomenda do

    cliente, o que adiciona uma grande incerteza ao plano.

    A necessidade de utilizao de MTOP prende-se com dois factos:

    o Prazos de entrega negociados com os clientes inferiores aos prazos de produo;

    o No comprometimento dos clientes com stock, apesar de existirem referncias com entregas frequentes;

    MTS (Make-to-Stock) Significa que o produto se encontra em stock e por isso pode ser entregue ao cliente quando a encomenda for colocada, e tem de se repor

    o nvel de stock quando se atingir o nvel de reposio. Este tipo de produtos no

    possui uma gesto muito rigorosa uma vez que no existem nveis de reposio e

    tamanhos de lote bem definidos

    MTS Semiacabado Referncias que so estrategicamente produzidas para stock de produto semiacabado, principalmente quando existem fases intermdias

    que se transformam no bottleneck de produo (por exemplo, estampagem,

    cdigos QRs). As restantes fases so completas quando o cliente lana a

    encomenda.

    De facto, a estratgia de planeamento que causa mais entropias no sistema a MTOP,

    uma vez que o planeamento realizado com base em previses. Na tentativa de resoluo

    deste problema surgiu o projeto de Pull Planning que tinha como objetivo a melhoria da

    robustez do plano de produo, atravs da correta classificao dos produtos como MTS e

    MTO, eliminando, assim, o nmero de referncias geridas como MTOP.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    25

    4 Apresentao da soluo proposta

    O tema da falta de produtividade na GLPK foi abordado de duas maneiras diferentes. Por

    um lado, na busca de uma soluo para melhorar a eficincia da mquina de impresso

    XL105 utilizaram-se metodologias Kaizen para identificar as possveis causas para a falta de

    produtividade. Este trabalho foi sendo feito por etapas. Como este equipamento desempenha

    um papel fundamental na dinmica produtiva da empresa j tinham sido implementadas no

    passado metodologias para melhorar o seu desempenho. Todas as melhorias j implementadas

    foram verificadas e desenvolveram-se outras anlises para identificar a causa raiz do

    problema.

    Por outro lado, um projeto de pull planning vinha sendo desenvolvido desde o incio de

    2016 com o objetivo de melhorar a forma como o planeamento da produo realizado. Este

    projeto foi desenvolvido de acordo com um processo iterativo que teve como objetivo

    classificar os produtos/referncias (designados por MM, sigla de Mestre de Material, pela

    GLPK) como MTO ou MTS e obter um nvel de stock de produto acabado inferior a 3000

    paletes.

    4.1 Metodologias implementadas no passado na mquina XL105

    4.1.1 Estabilidade Bsica

    Na GLPK durante o ano de 2016 decorreu a implementao do nvel 1 de Kaizen Dirio

    (KD). Esse projeto teve como grande objetivo trazer para o cho de fbrica, gemba, uma

    anlise de indicadores de produo por parte das equipas naturais e o levantamento de aes

    de melhoria que conduzissem a um aumento de eficincia do processo produtivo. Para cada

    mquina foi criado um quadro de KD, semelhante ao da Ilustrao 7 (pgina 9), onde se

    registam os dados sobre a produtividade diria de cada equipa. O cumprimento dos objetivos

    registado atravs de um cdigo de cores, verde se atingir/superar o objetivo ou vermelho

    caso o tenha falhado. Os indicadores que so avaliados so as tiragens, cada turno tem um

    objetivo dirio, e os tempos mdios de setup semanais, estes tm um objetivo anual.

    Nesta mquina tambm j se encontrava implementada a metodologia 5S que tem como

    objetivo a standardizao do local de trabalho, eliminao do desperdcio e melhoria das

    condies de trabalho para os operadores.

    Conclumos assim que o tema estabilidade bsica estava j tratado e bem estruturado.

    4.1.2 Total Flow Management SMED

    O passo seguinte foi verificar como se poderia melhorar o tempo mdio de setup, fator

    esse, que representa perdas de produtividade caso no seja otimizado. Nesta mquina, durante

    o ano de 2016 foi reativado um SMED, Single Minute Exchange of Dies, (desenvolvido em

    2015), visando a reduo dos tempos entre ordens de produo, ou seja, melhorar a sua

    eficincia. Por isso este fator tambm no foi abordado.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    26

    4.1.3 Total Productive Maintenance TPM

    O ltimo projeto de melhoria contnua executado nesta mquina foi um projeto de TPM.

    Um projeto desta natureza tem por objetivo aumentar a eficincia da mquina, aumentar o

    MTBF (Mean Time Between Failures), que representa o tempo mdio entre falhas, diminuir o

    MTTR (Mean Time To Repair), que representa o tempo mdio de reparao entre falhas,

    eliminar as micro paragens, aumentar a vida til do equipamento, monitorizar o estado das

    mquinas e reduzir os custos de interveno ou reparao. Criaram-se manuais de manuteno

    autnoma para os operadores e de manuteno preventiva para a equipa de manuteno

    procurando assim a reduo do nmero de avarias e minimizar o seu impacto nos KPIs.

    Assim, a disponibilidade da mquina j se encontrava bem tratada pelo que no foi objeto do

    nosso estudo.

    4.2 Apresentao de resultados das metodologias implementadas

    Aps verificao de que todas as metodologias referidas estavam implementadas e a ser

    cumpridas decidiu-se realizar uma anlise de indicadores por operador. Com isso pretendia-se

    verificar se existiam diferenas significativas entre eles que justificassem o desvio em relao

    aos objetivos pretendidos para a mquina.

    4.2.1 Anlise por Operador

    Para a anlise dos KPIs por operador utilizaram-se dados desde o incio do ano 2016 at

    ao fim do ms de Setembro. Depois de filtrados, os dados foram divididos, como se pode ver

    na Tabela 5, em trs partes. Na primeira temos os indicadores de produo onde pode ver-se

    que o operador E encontra-se claramente abaixo a nvel de uptime o que prejudica de forma

    evidente o desempenho da mquina. Poderiam existir trs causas para este facto: o operador

    ter muitas horas improdutivas; possuir um tempo mdio de setup elevado; ou uma velocidade

    de produo baixa. A velocidade do operador calculada dividindo o nmero de folhas

    produzidas pelo nmero de horas em tiragem. A anlise dos dados revela que, de facto, a

    velocidade deste operador muito baixa, 6159 folhas/hora, contudo a nvel de horas

    improdutivas aquele que apresenta uma percentagem menor em relao s horas

    trabalhadas, 8,3%, e o seu tempo mdio de setup 40 minutos e 22 segundos, muito prximo

    do objetivo. Para alm do baixo ritmo produtivo, quando se observa a terceira seco, onde

    esto presentes os indicadores de qualidade, reconhece-se que o operador E aquele que

    apresenta maior proporo de produto defeituoso (nmero de folhas rejeitadas/nmero de

    folhas produzidas).

    Depois das concluses retiradas pela anlise destes indicadores, resolveu-se averiguar

    qual a experincia do operador a trabalhar com a mquina e, se tinha a formao necessria

    para oper-la de forma segura e eficiente. Esta averiguao foi feita para certificar qual a

    necessidade de se proceder a um processo de formao do operador com vista a melhorar as

    suas capacidades tcnicas e a sua produtividade. As informaes recolhidas revelaram que

    este operador era aquele que trabalhava h mais anos na empresa, como impressor e, ainda, o

    que trabalhava mais tempo com a mquina XL105. Esgotadas as possveis estratgias para

    melhorar a performance deste operador, decidiu-se reportar estes dados aos managers da

    empresa para estes delinearem um plano de aes para tentar mitigar o problema em causa.

    Esta anlise dos KPIs por operador foi replicada para todas as outras mquinas a pedido

    dos managers de forma a garantir que o problema evidenciado na XL105 no ocorria noutras

    mquinas/setores. Os dados deste levantamento esto disponveis no Anexo E , e, de facto,

    comprovam que esta discrepncia de rendimento entre operadores da mesma mquina era

    caso nico da mquina XL105.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    27

    Por fim foi criado em conjunto com o departamento de informtica um procedimento de

    clculo que permitisse obter os KPIs por operador de forma rpida. Foram criados os

    critrios para realizao dos clculos dos KPIs, todo o processo de programao ficou a

    cargo do departamento de IT da GLPK. Assim passou a ser possvel monitorizar e analisar o

    desempenho dos operadores de forma frequente e sustentada. Esta aplicao poder servir

    para no futuro se realizar uma anlise de desempenho com premiao dos melhores

    operadores.

    4.3 Pull Planning Definio da Estratgia de Planeamento

    4.3.1 Recolha e Tratamento de Dados

    O projeto de Pull Planning, PP, j vinha sendo desenvolvido desde Abril de 2016 com o

    auxlio do Kaizen Institute. Para dar incio a este estudo foi efetuada uma recolha de

    informao sobre todas as referncias com entregas no perodo de um ano, de Maio de 2015 a

    Abril de 2016. Deste levantamento inicial resultou uma listagem de 4190 referncias

    (denominadas tambm por MMs, sigla de Mestre de Material) onde para cada uma delas

    constava a seguinte informao:

    Volume de entregas (em quantidade);

    Nmero de entregas;

    Tabela 5 Comparao dados por Operador XL105

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    28

    Roteiro (mquinas por onde o MM passa durante o processo produtivo);

    Prazos de colocao de encomendas e de entrega acordados com o cliente;

    Especificaes tcnicas tais como, nmero de exemplares por plano, cortante utilizado no Corte e Vinco, nmero de exemplares por palete.

    Depois de caracterizados os diferentes MMs, foi necessrio proceder aos seguintes

    clculos e classificaes:

    Peso em volume de cada MM face ao volume global entregue e respetiva classificao ABC;

    Peso em frequncia de cada MM face ao nmero global de entregas e respetiva classificao ABC;

    Clculo do lead time de todo o processo desde a encomenda at entrega ao cliente, que foi decomposto nas seguintes parcelas:

    o Lead Time de Planeamento tempo desde que a encomenda recebida at entrar no plano de produo;

    o Lead Time de Produo tempo entre entrar no plano e comear a ser produzido;

    o Lead Time do Processo de Fabrico tempo do processo de transformao, desde que se inicia o processo at que o produto est

    concludo;

    o Lead Time de Transporte tempo necessrio para transportar o produto at ao local definido pelo cliente.

    Classificao dos MMs como MTS e MTO de acordo com as necessidades comerciais e o perfil de consumo de cada referncia;

    Clculo dos seguintes parmetros de stock com base na classificao anteriormente feita:

    o Tamanho do Lote tamanho do lote a produzir para reposio de stock;

    o Nvel de Reposio limite a partir do qual se inicia a produo do tamanho do lote para um dado MM.

    o Stock de Segurana stock mnimo a ser mantido para assegurar o cumprimento do nvel de servio ao cliente;

    o EPEI (Every Part Every Interval) define de quanto em quanto tempo uma referncia MTS entrar em produo. Por exemplo um

    produto com um EPEI de duas semanas significa que vai ser

    produzido de duas em duas semanas. A quantidade produzida,

    tamanho de lote, deve ser suficiente para satisfazer a procura de

    duas semanas.

    Clculo do nvel de stock de produto acabado:

    o Stock Mdio que igual a metade do tamanho do lote mais o stock de segurana;

    o Stock Mximo que igual ao nvel de reposio mais tamanho do lote.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    29

    A informao referida acima foi sistematizada numa folha de clculo Excel e todos os

    clculos automatizados. Este processo revelou-se de extrema importncia, uma vez que foram

    realizadas vrias interaes no que diz respeito classificao dos MMs. Iteraes essas que

    vo ser apresentadas na seco seguinte e tinham, como j foi dito, o objetivo de no

    ultrapassar as 3000 paletes de stock em armazm. O Excel utilizado neste projeto est

    presente no Anexo F, no foi colocado no texto integral por se tratar de um ficheiro extenso

    (constitudo por 4182 linhas e 197 colunas). Em anexo apenas se apresenta um extrato do

    ficheiro com vista a dar a conhecer a ferramenta utilizada no projeto PP.

    4.3.2 Iteraes Realizadas

    Anlise de Pareto Classificao ABC

    A primeira iterao consistiu na classificao dos MMs de acordo com o seu volume em

    folhas e de acordo com o nmero de entregas. Na Tabela 6 podem ver-se os critrios

    utilizados para esta classificao, que se leem da seguinte forma, um produto considerado

    um A a nvel de quantidade caso tenha um volume de folhas entregues durante o perodo

    considerado maior ou igual a 25000 folhas.

    Tabela 6 - Critrios de classificao dos MMs - Classificao ABC

    Classificao Quantidade em Folhas Nmero de Entregas

    A > ou = 25000 > ou = 12

    B > ou = 5000 > ou = 4

    C < 5000 < 4

    Das duas classificaes resultou uma categorizao constituda por duas letras, por

    exemplo AB, que significa que o produto um A a nvel de volume e um B a nvel de

    frequncia de entregas.

    O passo seguinte foi decidir qual seriam os MMs que deveriam ser classificados MTO e

    como MTS. Decidiu-se que todos os produtos que possussem um A na sua classificao,

    quer a nvel de volume, quer a nvel de frequncia, eram considerados high runners e

    deveriam ser classificados como MTS e todos os outros eram considerados low runners e por

    isso deveriam ser classificados como MTO.

    Nesta primeira iterao, depois de classificadas todas as referncias, o nvel de stock

    mximo era de 13500 paletes de produto acabado, muito superior ao objetivo estabelecido de

    3000 paletes. Por isso esta classificao foi abandonada e a estratgia de classificao

    repensada.

    Classificao por parte do Departamento Comercial

    Dado o elevado volume de stock que resultou da primeira classificao, foi necessrio

    voltar a classificar as referncias. O mtodo utilizado foi a classificao direta, por parte de

    cada um dos comerciais da GLPK, das referncias que estes considerariam ser necessrio

    constituir stock. Durante esta categorizao foi sendo monitorizado o nvel de stock global.

    Este levantamento foi feito junto de cada um dos comerciais, e levou em considerao o

    perfil de consumo de cada MM, o seu volume, o nmero de entregas e a folga entre o lead

    time de entrega que o cliente exige e o tempo necessrio para a produo do MM (lead time

    de produo).

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    30

    Foram classificados como MTS todos os produtos que apresentavam um slack (diferena

    entre o lead time imposto pelo cliente e o lead time de produo) negativo. Como MTO

    ficaram as referncias onde o tempo de produo inferior ao lead time exigido pelos

    clientes.

    Neste segundo cenrio foi possvel reduzir o stock mximo para 10500 paletes de produto

    acabado, ainda assim muito acima do limite de 3000.

    Constituio de Stock de Produto Semiacabado

    Neste cenrio o foco passou a ser na busca de uma forma de reduzir o stock sem que para

    isso fosse necessrio reclassificar todas as referncias. Assim, surgiu a ideia de se constituir

    stock de produto semiacabado sada do setor do Corte e Vinco (esta seco o bottleneck do

    Ilustrao 12 - Exemplo de MMs agrupados

    Ilustrao 13 - Exemplo de MM's no agrupado

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    31

    processo produtivo, da ter sido o setor escolhido). A proporo entre o volume de stock

    sada do Corte e Vinco e o volume de produto acabado , em mdia, 4, ou seja, uma palete de

    produto cortado transforma-se em quatro de produto acabado. Isto constituiria uma reduo

    estimada de 75% do volume de stock em relao do cenrio anterior.

    Este estudo deparou-se com uma dificuldade uma vez que, na GLPK, numa mesma folha

    (plano) podem existir diversos MMs agrupados como podemos ver na Ilustrao 12. O

    Anexo G possui mais exemplos de planos agrupados. Esta estratgia utilizada para melhorar

    a produo, j que permite a criao de tamanhos de lote maiores, que ajudam a melhorar os

    uptimes das mquinas devido reduo do nmero de setups.

    Devido aos agrupamentos explicados acima ter-se-iam paletes sada do Corte e Vinco

    com diferentes referncias. Assim, quando fosse necessrio entregar uma dessas referncias

    ter-se-ia de retirar apenas uma parte da palete. Com esta fragmentao das paletes iria haver

    uma perda de estabilidade e o seu transporte e manuseamento seria de extrema complexidade.

    Conclui-se que a soluo mais vivel seria fazer stock de produto semiacabado dos

    produtos que nunca so produzidos agrupados, ou seja, numa folha/plano s se encontram

    caixas do mesmo produto, Ilustrao 13. Desta forma foi possvel reduzir o stock para cerca

    de 6400 paletes, uma reduo de cerca de 40% em relao iterao anterior. Relembra-se

    que a classificao dos MMs manteve-se do cenrio anterior (realizada pelo departamento

    comercial).

    Alterao do Mtodo de Contabilizao do Stock

    At este momento, o volume de stock encontrava-se longe do target estabelecido no

    incio do projeto. Decidiu-se ento avaliar a razoabilidade de considerar o stock mximo, ou

    seja, o nvel de reposio mais o tamanho de lote de cada MM, para o clculo do nvel de

    stock global. Para um determinado produto o stock mximo em armazm s ocorre no caso de

    o cliente deixar de consumir o produto imediatamente a seguir a se ter atingido o nvel de

    reposio e se ter mandado produzir o tamanho do lote. Em condies normais dificilmente

    este cenrio ocorreria, ao mesmo tempo e com todos os MM classificados como MTS, assim,

    esta abordagem era extramente pessimista.

    Dado que este panorama, apesar de possvel, muito pouco provvel, foi estabelecida

    uma nova forma de contabilizar o stock. O novo nvel de stock, denominado de S2, foi

    calculado somando o tamanho do lote com o stock de segurana para cada referncia.

    Este novo mtodo de contabilizao do stock indica que na pior das hipteses todos os

    clientes deixam de consumir todos os produtos imediatamente a seguir a se ter terminado a

    produo de um lote. Usando este novo mtodo de contabilizao e mantendo os pressupostos

    dos dois cenrios anteriores, conseguiu-se reduzir o volume de stock para 5800 paletes. Nesta

    fase conclumos que nenhum dos cenrios permitia atingir a meta das 3000 paletes de produto

    acabado e semiacabado em armazm, pelo que foi pensada uma nova estratgia na busca do

    objetivo.

    Novo Mtodo de Classificao dos MMs - Referncias Ideais

    Na iterao que se segue decidiu-se encontrar uma nova metodologia para classificar os

    MMs atravs de um rcio que reflita quantas paletes de stock so necessrias para poupar um

    setup por ms dessa referncia. Assim pretende-se selecionar os MMs ideais, ou seja, os que

    apresentam menores rcios, j que, para estes, o espao de armazm necessrio bastante

    reduzido em relao poupana de setups.

    O mtodo de clculo para a obteno deste rcio revelou-se bastante complexo e

    trabalhoso. De seguida mostram-se as frmulas utilizadas para esse clculo. A Equao 1

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    32

    mostra a frmula de clculo utilizada para obter o rcio utilizado para a classificao das

    referncias.

    Equao 1 - Frmula de clculo do rcio

    (

    )

    (

    )

    As variveis envolvidas no clculo do rcio so:

    SS - Stock de Segurana MedProSem - Mdia da Procura Semanal EPEref - EPE da referncia MedEntSem - Mdia de Entregas Semanais Fa - Fator de agrupamento

    De seguida explica-se o significado de cada um dos parmetros apresentados

    anteriormente e as frmulas de como so obtidos.

    Stock de Segurana - este parmetro constitudo por duas parcelas e tem por objetivo no permitir a existncia de ruturas de stock. A primeira parcela, stock

    de segurana do lead time de produo, tem em conta as variaes que podem

    ocorrer no processo produtivo. A segunda parcela, stock de segurana da

    procura, serve para prevenir as flutuaes da procura do cliente durante o lead

    time de produo. A Equao 2 mostra a frmula do stock de segurana total.

    Este parmetro calculado a partir dos desvios padres da procura e do processo

    produtivo e a partir da fixao de um valor aceitvel para a probabilidade de

    ocorrer uma rutura. Com a probabilidade de rutura definida usada uma

    distribuio normal para obteno de um valor de z que se multiplica pelos

    desvios padres para o clculo dos respetivos stocks de segurana. Esta parcela

    tem a palete com unidade de medida.

    Equao 2 - Frmula do stock de segurana

    Mdia da Procura Semanal - este parmetro representa a quantidade mdia de paletes que so entregues por semana de um determinado produto. A unidade

    paletes por semana.

    EPE da referncia - este valor representa o nmero de semanas que uma referncia de stock, MTS, entrar em produo. Um MM com um EPE de trs

    significa que ser produzida de trs em trs semanas. Aquando de uma produo

    o tamanho do lote a produzir tem ser suficiente para satisfazer as necessidades

    da procura durante trs semanas. Para o clculo deste parmetro foi adotado o

    seguinte procedimento:

    1. Fixou-se um EPE para cada mquina do corte e vinco; 2. Criou-se um tamanho de lote denominado de Lote 1 que resultou

    da multiplicao do EPE da mquina do corte e vinco associada a

    cada referncia e da mdia da procura semanal, Equao 3;

    Equao 3 - Frmula Lote 1

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    33

    3. Estabeleceu-se valores para o tamanho de lote mximo e mnimo admissveis;

    4. Criou-se um novo tamanho de lote, Lote 2, que tinha em conta os tamanhos do lote fixados do passo 3, Equao 4. O Lote 1 difere

    do Lote 2 em duas situaes: caso o Lote 1 seja menor do que o

    lote mnimo, o Lote 2 passa a ser o tamanho do lote mnimo; caso

    o caso o Lote 1 seja maior do que o lote mximo o Lote 2 passa

    a ser o tamanho do lote mximo;

    Equao 4 - Frmula Lote 2

    {

    5. Obteve-se o EPE da referncia dividindo o Lote 2 pela mdia da procura semanal, ver Equao 5.

    Equao 5 - Frmula EPE de referncia

    Mdia de Entregas Semanais - significa de quantas em quantas semanas um produto entregue. Calcula-se dividindo o nmero de semanas com entregas

    pelo nmero de semanas do perodo considerado (53 semanas).

    Fator de agrupamento - um valor maior ou igual a 1 que reflete o grau de agrupamento com que uma referncia entra em produo. Se um produto entra

    em produo agrupado com outras referncias tem um fator de agrupamento

    maior do que 1, caso nunca entre agrupado o valor de Fa igual a 1. Este fator

    foi introduzido no rcio uma vez que um produto que entre agrupado conduz a

    uma menor poupana a nvel dos setups.

    Depois de se ter criado o rcio, todas as referncias foram colocadas como MTO. De

    seguida, comeou-se a classificar como MTS as referncias com melhores rcios. Enquanto se

    iam adicionando MMs como MTS ia-se monitorizando a evoluo do EPEI de cada mquina

    do corte e vinco. O EPEI, como j foi dito, representa, neste caso, o nmero de semanas que

    um produto MTS entra em produo, por isso, tambm representa o nmero de semanas para

    as quais tem de se constituir stock para conseguir satisfazer a procura do cliente durante esse

    perodo. Por exemplo, uma referncia com um EPEI de trs semanas significa que vai ser

    produzida de trs em trs semanas e a quantidade a ser produzida tem de ser suficiente para

    satisfazer a procura durante o mesmo perodo. Os EPEIs monitorizados foram os das

    mquinas do corte e vinco, uma vez que se trata do bottleneck do processo produtivo. Os

    EPEIs das referncias so iguais aos das mquinas onde estas so normalmente produzidas.

    Esta monitorizao foi realizada, porque alguns dos produtos da GLPK possuem prazo de

    validade e, por isso, no podem ser armazenadas durante grandes perodos de tempo. Assim o

    EPEI considerado como razovel, para as quatro mquinas do corte e vinco, foi de 12

    semanas. Este foi o critrio de paragem, ou seja, para-se de adicionar MMs como MTS

    quando o EPEI da mquina associada atinga um valor prximo de 12.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    34

    Nesta iterao de colocar como MTS as referncias consideradas ideais, luz do rcio

    calculado, foram ainda considerados os seguintes requisitos:

    Sem limite para o lote mnimo de produo;

    S2 para o clculo do nvel de stock;

    Stock de produto semiacabado sada do corte e vinco para os produtos que nunca entram agrupados.

    O volume de paletes em stock ao fim desta iterao foi de 2311, abaixo do objetivo das

    3000 paletes. Esta iterao foi realizada para se poder afirmar que: Caso se pudesse escolher,

    sem qualquer tipo de restries, qual os MMs que se produziam para stock era possvel

    cumprir a meta das 3000 paletes em armazm.

    Referncias Obrigatrias mais Referncias Ideais

    Esta tentativa deriva da anterior, j que a classificao dos MMs baseada no rcio

    calculado se manteve.

    Neste caso foram classificadas com MTS as referncias que os clientes exigem que a

    GLPK constitua stock de produto acabado. Com esta adio foi necessrio retirar alguns dos

    MMs ideais classificados como MTO na iterao anterior de forma a manter os EPEIs das

    mquinas do corte e vinco prximos das 12 semanas. Os requisitos enunciados na iterao

    anterior foram mantidos.

    Neste cenrio seriam necessrias 3618 paletes de stock de produto acabado e

    semiacabado. Com a introduo dos MMs em que os clientes obrigam a constituir stock

    tornou-se impossvel manter o limite de paletes em armazm abaixo do objetivo e em

    simultneo respeitar os nveis de stock exigidos pelos clientes.

    Chegados a este ponto concluiu-se que era impossvel cumprir o objetivo do nvel de

    stock. Assim, surgiu a ideia de se realizar uma nova iterao onde no existisse limite para o

    nmero de paletes em armazm e o objetivo fosse melhorar o uptime global da fbrica e o

    nvel de servio, medido pelo Full On Time Delivery, FOTD. O FOTD uma medida de

    eficincia da cadeia de abastecimento que mede a quantidade de produto acabado ou servios

    entregues aos clientes a tempo e com a quantidade pretendida. Ajuda a determinar a eficincia

    com que as organizaes conseguem cumprir com os prazos acordados com os clientes. O

    FOTD uma medida muito simples, mas por vezes esquecido em muitas organizaes, e

    simplesmente calculado como a quantidade de unidades ou remessas entregues a tempo

    versus o total de encomendas enviadas.

    Na Tabela 7 pode ver-se e comparar-se os resultados obtidos nas iteraes anteriores.

    Tabela 7 - Tabela resumo dos resultados das iteraes anteriores

    Iteraes Nvel de Stock (paletes)

    Anlise de Pareto - Classificao ABC 13.500

    Classificao Dep. Comercial 10.500

    Constituio Stock de Prod. Semiacabado 6.400

    Contabilizao do Stock S2 5.800

    Classificao p/ Rcio - Referncias Ideais 2.311

    Ref. Ideais mais Ref. Obrigatrias 3.618

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    35

    Iterao Final Melhorar a produtividade sem limite para o stock

    Dado que se tornara impossvel cumprir o objetivo de ter menos de 3000 paletes em

    armazm e respeitar todos os requisitos dos clientes, foi elaborado um novo mtodo,

    subdividido em etapas, para se descobrir qual o nvel de stock necessrio para atingir o nvel

    de servio ao cliente pretendido e melhorar a produtividade da fbrica, o que significa

    melhorar o uptime do bottleneck, setor do corte e vinco. Os requisitos usados neste cenrio

    foram:

    Classificou-se os MMs, como MTS, utilizando o rcio que representa o nmero de paletes necessrias em armazm para poupar um setup por ms desse MM;

    Considerou-se o lote mnimo de produo igual a 2000 folhas;

    Considerou-se o stock mximo para contabilizao do nvel de stock;

    Considerou-se, para os MMs que nunca entram agrupados, stock de produto semiacabado sada do corte e vinco;

    Para os clientes que o permitem considerou-se stock consignao, ou seja, produzem-se os MMs para stock mas o produto fica armazenado em armazm do

    cliente;

    Estabeleceu-se que EPEIs superiores a 12 seriam impossveis devido validade de alguns produtos.

    No incio desta iterao todos os MMs encontravam-se classificados como MTO. De

    seguida detalham-se os vrios passos realizados nesta iterao:

    1. MMs Ideais colocao das referncias com melhores rcios como MTS at atingir EPEIs das mquinas do corte e vinco prximos de 12 semanas. Um MM

    ideal apresenta um rcio pequeno. As referncias que foram classificadas como

    MTS nesta etapa passam a ser denominadas de MM Ideais. Esta denominao

    de Ideais devesse ao facto de estas serem as referncias que apresentam a

    melhor relao entre o volume de stock e o nmero de setups poupados.

    2. MMs Obrigatrios colocao dos MMs para os quais o cliente obriga a existncia de stock como MTS. Ao colocar estes MMs os EPEIs das mquinas

    diminuem e, por isso, retiram-se de MTS os MMs Ideais piores, classificados

    dessa forma no passo 1, para se obter EPEIs prximos de 12.

    3. MMs Necessrios classificao como MTS dos MMs que, ou pelo seu perfil de consumo (entregas com elevada frequncia), ou pela diferena entre o lead

    time de entrega exigido pelo cliente e o lead time de produo ser negativa,

    necessitam de ser classificados como MTS. De seguida, retiram-se, tal como no

    passo 2, os MMs Ideais piores na tentativa de obter EPEIs de 12 semanas.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    36

    4. MMs Impossveis retiram-se de MTS todos os MMs, que se encontram no passo 3, classificados dessa forma, e, para os quais os clientes no se

    comprometem com stock. Neste panorama significa que no se eliminam os

    produtos geridos como MTOP do planeamento, o que prejudica quer o nvel de

    servio quer o uptime.

    Os resultados desta iterao esto patentes na Tabela 8. Pode ver-se, para cada um dos

    passos, os seguintes parmetros:

    Uptime do Corte e Vinco expectvel e a sua variao em relao ao atual. Este valor foi calculado recorrendo ao nmero de setups poupados ao colocarmos

    MMs como MTS;

    FOTD expectvel;

    Nveis de stock mdio e mximo no armazm da GLPK;

    Nveis de stock mdio e mximo nos clientes consignao;

    EPEI mdio das quatro mquinas do Corte e Vinco.

    Os passos com mais relevncia desta iterao so o 3 e o 4 e por isso os seus resultados

    vo ser explicados mais em detalhe:

    No passo 3 foram colocados como MTS todos os MMs com mais de quatro entregas durante o perodo considerado e cujo prazo de entrega exigido pelo

    cliente era inferior ao tempo de produo. Estavam tambm includos os MMs

    obrigatrios introduzidos no passo 2. Com esta classificao obteve-se o melhor

    uptime do corte e vinco, 3560 folhas/hora, e o nvel de servio pretendido pela

    GLPK, 97%. Seria para isso necessrio uma capacidade de armazenamento de

    26080 paletes de stock mximo. O EPEI mdio das mquinas do corte e vinco

    seria de 8 semanas, o que permitiria aos clientes uma maior flexibilidade na

    mudana de imagem dos produtos e um menor comprometimento com stock. Esta

    situao seria a mais favorvel no que diz respeito melhoria do uptime do corte

    e vinco e a que permitiria tornar o planeamento mais estvel e robusto. Neste

    cenrio seriam eliminados por completo todos os produtos geridos como MTOP.

    No passo 4 todos os MMs que eram MTS e os clientes no se comprometiam com stock foram colocados como MTO. Como alguns destes MMs apresentavam

    prazos de entrega muito curtos em relao ao lead time de produo teriam de ser

    Passo Descrio Uptime C&V Var. Uptime FOTD S.Md S.Mx S.Md_C S.Mx_C EPE Mdio

    1MM ideais (c/ ateno

    o tamanho do lote)3155 10% - 3 280 5 177 215 356 12

    2 MM obrigatrios 3163 11% - 4 472 7 071 134 219 12

    3Prazo Real Cliente vs

    Lead Time Produo3560 24% 97% 17 599 26 080 1 713 2 458 8

    4

    Retirar clientes que

    no se comprometem

    c/ stock

    3380 18% 91%-97% 11 970 17 956 1 719 2 467 9

    Armazm ConsignaoUptime Actual = 2861

    Tabela 8 - Tabela resumo de resultados da iterao final

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    37

    classificados como MTOP, ou seja, teriam de ser previstas as quantidades que o

    cliente iria colocar nas suas encomendas, e alocar espao no plano semanal para

    estas poderem ser satisfeitas. Como j foi dito, este fator introduz uma grande

    entropia no processo de planeamento e afeta negativamente a produtividade e o

    FOTD. Neste cenrio o FOTD expectvel seria entre os 91%-97%, j que

    estaramos dependentes das previses realizadas estarem corretas e conseguirem

    satisfazer as encomendas dos produtos classificados com MTOP. O valor de 91%

    o valor atual do FOTD sem a classificao exata dos MMs e os 97% significa

    que a alocao de espao no plano para MTOPs permitia satisfazer na totalidade

    as encomendas dos clientes. O nvel de stock mximo seria 17956 paletes e o

    uptime seria de 3380 folhas/hora, ambos inferiores ao obtido no passo 3.

    Depois de realizada esta iterao conclui-se que considerando todas as restries do

    negcio, dos clientes e do processo de fabrico torna-se impossvel atingir um stock mximo de

    produto acabado inferior a 3000 paletes. Assim realizou-se uma iterao final para mostrar

    qual o nvel de stock necessrio para manter as condies acordadas com os clientes e

    melhorar quer a nvel de uptime, quer a nvel o FOTD.

    Os resultados apresentados referentes ao passo 3 desta ltima iterao so aqueles que

    permitem garantir o cumprimento dos prazos acordados com os clientes e ao mesmo tempo

    melhorar a produtividade global da fbrica.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    38

    5 Concluses e perspetivas de trabalhos futuros

    Num mercado cada vez mais feroz, onde as empresas lutam por quotas de mercado

    difceis de obter, a busca pela eficincia operacional como vantagem competitiva uma

    realidade. A crescente volatilidade dos mercados faz com que seja necessrio melhorar a

    produtividade da organizao e faz com que o planeamento e replaneamento sejam uma

    constante, de forma a agradar a clientes cada vez mais exigentes. A busca pela melhoria

    contnua dos processos como forma de garantir resultados melhores leva a que a cadeia de

    abastecimento seja hoje um grande foco de ateno. Este projeto focou-se na anlise de

    produtividade do setor produtivo na empresa bem como numa metodologia que permitisse

    tornar o planeamento mais robusto e estvel.

    Os objetivos a que nos propusemos no incio desta dissertao foram na sua maioria

    cumpridos e foram deixados, como falaremos mais frente algumas propostas de trabalhos

    para dar seguimento ao trabalho realizado.

    A anlise da produtividade foi realizada com eficcia e permitiu encontrar qual o

    equipamento com maior dfice de eficincia e, por isso, ser aquele onde era necessrio

    intervir. Depois desta seleo foi realizada uma anlise exaustiva de todas as possveis causas

    para esta falta de produtividade.

    A anlise de desempenho dos operadores revelou a causa raiz da falta de produtividade

    do equipamento XL105 (mquina em estudo). A causa encontrada foi uma grande

    discrepncia entre o desempenho de um dos operadores em relao aos seus homlogos. A

    soluo encontrada para este problema passava por um dilogo com o operador ou uma

    alterao do turno onde habitualmente laborava, solues essas, que transcendia as nossas

    competncias. Por isso estes resultados foram transmitidos aos managers da GLPK que entre

    si decidiriam o plano de aes para solucionar esta questo. Nenhuma soluo foi

    implementada durante o perodo em que esta dissertao foi realizada pelo que no foi

    possvel avaliar os seus impactos na produtividade da mquina. Prope-se que depois de

    implementar as medidas deliberadas pelos managers para mitigar este problema seja feita

    uma nova anlise que verifique a eficcia das aes tomadas.

    A pedido da organizao esta anlise de desempenho foi estendida a todos os operadores

    da fbrica. Esta anlise global permitiu esclarecer os supervisores de quais eram os

    operadores com melhores e piores desempenhos. Este estudo revelou-se til para os lderes da

    GLPK porque desta forma a avaliao de desempenho dos operadores deixou de ser subjetiva

    e passou a ser objetiva e fundamentada com dados fiveis. A realizao deste estudo revelou-

    se muito morosa e por isso tornou-se importante desenvolver uma ferramenta que facilita-se

    este processo.

    Como no existia, at data, na GLPK, um processo fcil e automtico para o clculo

    destes indicadores foi criado em conjunto com o departamento de informtica uma aplicao

    que permitisse um acompanhamento do desempenho/evoluo dos operadores. A criao

    desta aplicao abriu tambm a possibilidade de, no futuro, se poder vir a desenvolver um

    mtodo de premiao baseado numa avaliao do desempenho produtivo dos operadores.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    39

    O projeto de pull planning, por seu lado, tinha como objetivo facilitar e aumentar a

    robustez do planeamento da produo e ao mesmo tempo melhorar os indicadores de

    produtividade. Neste projeto foi introduzida pela GLPK uma restrio relacionada com o

    nvel de stock pretendido. Essa restrio punha como teto mximo para o nvel de stock 3000

    paletes em armazm. Durante este estudo fomos encontrando dificuldades em cumprir esta

    restrio e, por isso, surgiram diversas iteraes na tentativa de manter o stock abaixo das

    3000 paletes.

    Ao fim de vrias tentativas conclumos que era impossvel possuir um volume de stock

    inferior a 3000 paletes e ao mesmo tempo querer melhorar a produtividade, uptime, e ter um

    nvel de servio, FOTD, de 97%. Os principais fatores que impossibilitam este estudo so:

    A GLPK comprometesse com os clientes com lead times de produo impossveis de cumprir, ou seja, permitido ao cliente colocar uma encomenda a ser entrega

    em 4 dias quando na realidade o lead time de produo de 5 dias, sem que para

    isso tenha de se comprometer com stock desse produto. Este tipo de produtos

    gerido como MTOP, e, por isso, introduzem muita entropia no processo de

    planeamento e aumentam o risco de incumprimento junto do cliente prejudicando

    o nvel de servio.

    Existem alguns clientes que exigem lead times mais curtos do que aqueles que foram acordados sem que para isso exista um comprometimento com stock da sua

    parte.

    Como forma de dar a conhecer organizao qual o volume de stock necessrio para

    haver um aumento do uptime e um FOTD de 97%, foi realizado um ltimo estudo (Iterao

    Final, pgina 35). Nessa iterao no se colocou um limite para o nvel de stock e colocou-se

    como MTS todos os produtos que pelas suas caractersticas deveriam ser produzidos para

    stock para poder satisfazer as necessidades dos clientes. O valor para o nvel de stock mximo

    foi de 26080 paletes em armazm, o que permitiria um uptime de 3560 folhas por hora, um

    aumento de 24% em relao situao atual, no Corte e Vinco e um FOTD de 97%. Mais

    uma vez, chegados a este ponto, existem decises estratgicas da GLPK que tm de ser

    tomadas que transcendem as nossas competncias. Todos estes cenrios foram apresentados e

    explicados aos managers que ficaram com o nus de decidir qual o caminho que pretendiam

    seguir.

    Apesar de no termos implementado o Pull Planning, este estudo foi de extrema

    importncia para a GLPK visto que ps a nu as fragilidades a que a organizao est exposta e

    ajudou a perceber que no possvel cumprir com as condies exigidas pelos clientes com o

    nvel de stock pretendido, 3000 paletes.

    Uma proposta de trabalhos futuros para tentar mitigar a falta de mtodo com que a GLPK

    opera com os seus clientes passa pela criao de um Contrato de Operaes. Este contrato iria

    conter todas as informaes necessrias para regular o modo operatrio como o cliente coloca

    as encomendas GLPK e como a GLPK satisfaz essas mesmas encomendas. Assim poder

    criar-se um maior comprometimento dos clientes com os lead times e stocks acordados e

    minimizar o nmero de produtos que so geridos como MTOP.

    Este projeto de Pull Planning, apesar de se ter comprovado que era invivel de

    implementar no momento, sugere-se que deve ser abordado novamente no futuro depois de se

    ter implementado o Contrato de Operaes com os clientes.

    De destacar ainda o grande enriquecimento quer a nvel de conhecimento, quer a nvel

    pessoal do autor da tese durante a realizao do projeto de dissertao no departamento Lean

    da Graphicsleader Packaging.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    40

    Referncias

    "Graphicsleader Packaging". 2016. Graphicsleader.Com. http://www.graphicsleader.com/,

    consultado a 15/10/2016

    Carneiro, Mariana. 2015. "Metodologias Kaizen Aplicadas Reestruturao Organizacional".

    Universidade do Porto, Faculdade de Engenharia.

    Coimbra, Euclides A, 2013. Kaizen in Logistics and Supply Chains. McGraw-Hill.

    Coimbra, Euclides A. 2009. Total management flow: achieving excellence with kaizen and

    lean supply chains. Howick, N.Z.: Kaizen Institute.

    Kaizen India. 2016. "Kaizen: Current Perceptions In The Industry". Com:

    https://kaizeninstituteindia.wordpress.com/2014/09/04/kaizen-current-perceptions-in-the-

    industry/, consultado a 12/11/2016.

    Kaizen Institute. 2016. "Formao KD Nvel 1". Apresentao, Graphicsleader Packaging.

    Kaizen Institute. Manual de TFM, 2015.

    Loureiro, Manuel. 2009. Total Flow Management na Indstria no Kaizen Institute.

    Universidade do Porto, Faculdade de Engenharia.

    Pinto, J., 2009, Pensamento Lean: A filosofia das organizaes vencedoras. LIDEL Edies

    Tcnicas, Lda

    http://www.graphicsleader.com/https://kaizeninstituteindia.wordpress.com/2014/09/04/kaizen-current-perceptions-in-the-industry/https://kaizeninstituteindia.wordpress.com/2014/09/04/kaizen-current-perceptions-in-the-industry/

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    41

    ANEXO A: Fluxograma do Processo Produtivo

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    42

    ANEXO B: Processo de Impresso Offset

    A impresso offset o processo mais utilizado na impresso comercial. Utilizado para

    impresses de grande e mdia quantidade, este processo oferece uma boa qualidade e feito

    com grande rapidez, e, por isso, o mtodo mais utilizado na indstria grfica.

    A expresso offset vem de offset litography (literalmente, litografia fora-do-lugar),

    fazendo meno impresso indireta (na litografia, a impresso era direta, ou seja, o papel

    tinha contacto direto com a matriz).

    A impresso offset um processo que consiste da interao entre gua e gordura (a tinta

    utilizada de consistncia gordurosa). O processo de impresso offset indireto, ou seja, a

    imagem no impressa diretamente no material (por exemplo papel ou cartolina).Isto

    acontece j que a superfcie da chapa onde est a imagem lisa e teria pouca frico com o

    material o que iria provocar o deslizamento entre as duas superfcies que iria borratar o

    trabalho. Por isso a imagem transferida da matriz para um rolo de impresso (blanqueta)

    revestido por uma superfcie de borracha qual se d o nome de cauchu e somente depois

    passada ao papel. Por isso a matriz (chapa offset) legvel mesmo antes da impresso, ao

    contrrio dos processos diretos onde a matriz espelhada (textos so escritos invertidos).

    O processo de impresso offset constitudo por quatro etapas bsicas, que so padro na

    indstria grfica. Esses passos so apresentados de seguida:

    Ilustrao 1 - Imagem ilustrativa do processo de impresso offset (adaptado de

    http://www.expoprint.com.br/pt/impressao-offset consultado a 05/01/2017)

    http://www.expoprint.com.br/pt/impressao-offset

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    43

    1. Uma chapa metlica (feita em alumnio) preparada para se tornar fotossensvel. A rea que protegida da luz atrai gordura neste caso, a tinta enquanto o

    restante atrai apenas gua que no entra em contacto com o papel.

    2. A chapa ou matriz presa a um cilindro. Esse cilindro vai rolar por um outro menor que contem a tinta. A tinta vai aderir na imagem, enquanto o restante fica

    em branco.

    3. Um cilindro com uma blanqueta ou cauchu de borracha rola em cima do primeiro cilindro (com a chapa j pintada). O cauchu vai absorver melhor a tinta alm de

    proporcionar uma melhor frico quando em contacto com o papel. Agora, a

    imagem est impressa o cauchu.

    4. O papel passa entre o cilindro com o cauchu e um outro cilindro que vai fazer presso. Assim a imagem transferida do cauchu para o papel.

    Ou seja, a chapa imprime no cauchu que imprime no papel.

    A matriz da impresso offset geralmente metlica (feita de alumnio) e sensvel luz.

    As chapas podem ser produzidas por fotogravura com a utilizao de fotolitos ou por

    gravao digital. Na produo por fotogravura, a chapa de alumnio virgem colocada na

    gravadora, ou prensa de contacto sob o fotolito. O fotolito como se fosse uma transparncia

    positiva de uma das quatro cores, ciano, magenta, amarelo ou preto.

    De seguida, o fotolito, aderido chapa por vcuo, exposto luz por algum tempo. A luz

    possibilita que as imagens do fotolito sejam impressas na chapa essa etapa chama-se

    gravao ou sensibilizao. Nesta etapa, a luz amolece a emulso na chapa. Tudo que foi

    exposto luz, ir passar a atrair a humidade, enquanto a rea que no foi exposta endurece e

    passa a atrair gordura (neste caso, a tinta). Em seguida, a chapa lavada com qumicos

    especficos que iro reagir com as reas expostas luz tanto quanto com as reas no

    expostas, etapa que leva o nome de revelao.

    Ilustrao 2 - Imagem ilustrativa do processo de impresso offset (adaptado de

    http://chocoladesign.com/o-que-e-uma-impressao-offset consultado a 05/01/2017)

    http://chocoladesign.com/o-que-e-uma-impressao-offset

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    44

    Na impresso offset, as impressoras podem ser planas ou rotativas. A diferena entre elas

    a entrada de papel, que pode ser feito folha a folha ou em bobinas, respetivamente. O

    sistema de bobinas, por exemplo, utilizado na indstria da produo de jornais por ser muito

    mais rpido em mdia 30.000 cpias por hora porm a qualidade menor em relao s

    impressoras offset planas. Para a impresso de cartazes, livros, folhetos, e embalagens so

    mais usadas impressoras offset planas.

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    45

    ANEXO C: Testes de Hiptese por setor

    Impresso

    Teste para a Mdia

    39003600330030002700

    2015

    2016

    of 2016 (p < 0,05).

    The mean of 2015 is significantly different from the mean

    > 0,50,10,050

    NoYes

    P = 0,002

    3002001000

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between 76,168 and 327,78.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    level of significance.

    -- Test: You can conclude that the means differ at the 0,05

    Sample size 38 38

    Mean 3482,2 3280,3

    95% CI (3387; 3577) (3194,5; 3366,0)

    Standard deviation 288,62 260,99

    Statistics 2015 2016

    201,97

    (76,168; 327,78)

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    Comments

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    46

    Teste para o Desvio Padro

    37332925211713951

    4200

    3600

    3000

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 207,35,

    If the true means differed by 141,57, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    207,35

    90%

    141,57

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    141,57 60,0

    158,91 70,0

    179,21 80,0

    207,35 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    2015 2016

    Power

    What is the chance of detecting a difference?

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 179,21, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    39003600330030002700

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,467

    2016

    2015

    350300250

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 3482,2 3280,3

    Standard deviation 288,62 260,99

    95% CI (237,5; 369,8) (213,1; 337,0)

    Statistics 2015 2016

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    47

    Corte e Vinco

    Teste para a Mdia

    37332925211713951

    4200

    3600

    3000

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    2015 2016

    Power

    What is the chance of detecting a difference?

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    340032003000280026002400

    2015

    2016

    mean of 2016 (p > 0,05).

    The mean of 2015 is not significantly different from the

    > 0,50,10,050

    NoYes

    P = 0,307

    500-50-100-150

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between -174,40 and 55,614.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    means differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 2844,1 2903,5

    95% CI (2770; 2918) (2813,2; 2993,8)

    Standard deviation 225,70 274,73

    Statistics 2015 2016

    -59,393

    (-174,40; 55,614)

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    Comments

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    48

    Teste para o Desvio Padro

    37332925211713951

    3500

    3000

    2500

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 189,54,

    If the true means differed by 129,41, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    189,54

    90%

    129,41

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    129,41 60,0

    145,26 70,0

    163,81 80,0

    189,54 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    2015 2016

    Power

    What is the chance of detecting a difference?

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 163,81, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    340032003000280026002400

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,244

    2016

    2015

    320280240200

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 2844,1 2903,5

    Standard deviation 225,70 274,73

    95% CI (179,4; 299,3) (223,8; 355,5)

    Statistics 2015 2016

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    49

    37332925211713951

    3500

    3000

    2500

    2000

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    50

    ANEXO D: Testes de Hiptese por mquina setor de impresso

    R900

    Teste para a Mdia

    52004800440040003600320028002400

    2015

    2016

    mean of 2016 (p > 0,05).

    The mean of 2015 is not significantly different from the

    > 0,50,10,050

    NoYes

    P = 0,312

    1000-100-200-300

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between -347,26 and 112,38.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    means differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 3841,2 3958,7

    95% CI (3658; 4024) (3813,5; 4103,8)

    Standard deviation 556,32 441,67

    Statistics 2015 2016

    -117,44

    (-347,26; 112,38)

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    51

    Teste para o Desvio Padro

    37332925211713951

    5000

    4000

    3000

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 378,73,

    If the true means differed by 258,57, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    378,73

    90%

    258,57

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    258,57 60,0

    290,25 70,0

    327,32 80,0

    378,73 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 327,32, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    52004800440040003600320028002400

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,236

    2016

    2015

    600500400

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 3841,2 3958,7

    Standard deviation 556,32 441,67

    95% CI (449,4; 726,1) (355,3; 578,9)

    Statistics 2015 2016

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    52

    CD6

    Teste para a Mdia

    37332925211713951

    5000

    4000

    3000

    2000

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    4000320024001600

    2015

    2016

    of 2016 (p < 0,05).

    The mean of 2015 is significantly different from the mean

    > 0,50,10,050

    NoYes

    P = 0,000

    10007505002500

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between 472,73 and 957,74.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    level of significance.

    -- Test: You can conclude that the means differ at the 0,05

    Sample size 38 38

    Mean 2806,0 2090,8

    95% CI (2603; 3009) (1951,1; 2230,4)

    Standard deviation 616,30 424,80

    Statistics 2015 2016

    715,23

    (472,73; 957,74)

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    53

    Teste para o Desvio Padro

    37332925211713951

    4500

    3000

    1500

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 399,49,

    If the true means differed by 272,75, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    399,49

    90%

    272,75

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    272,75 60,0

    306,16 70,0

    345,26 80,0

    399,49 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 345,26, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    4000320024001600

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,116

    2016

    2015

    800700600500400

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 2806,0 2090,8

    Standard deviation 616,30 424,80

    95% CI (475,4; 842,3) (328,0; 580,1)

    Statistics 2015 2016

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    54

    CD2

    Teste para a Mdia

    37332925211713951

    4000

    3000

    2000

    1000

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    40003000200010000

    2015

    2016

    mean of 2016 (p > 0,05).

    The mean of 2015 is not significantly different from the

    > 0,50,10,050

    NoYes

    P = 0,382

    0-250-500

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between -484,02 and 187,74.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    means differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 2142,0 2290,2

    95% CI (1873; 2411) (2080,8; 2499,6)

    Standard deviation 819,35 637,06

    Statistics 2015 2016

    -148,14

    (-484,02; 187,74)

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    55

    Teste para o Desvio Padro

    37332925211713951

    4000

    2000

    0

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 553,43,

    If the true means differed by 377,85, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    553,43

    90%

    377,85

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    377,85 60,0

    424,14 70,0

    478,31 80,0

    553,43 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 478,31, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    40003000200010000

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,221

    2016

    2015

    1080960840720600

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 2142,0 2290,2

    Standard deviation 819,35 637,06

    95% CI (622,5; 1137) (477,7; 895,8)

    Statistics 2015 2016

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    56

    XL105

    Teste para a Mdia

    37332925211713951

    4500

    3000

    1500

    0

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

    550050004500400035003000

    2015

    2016

    mean of 2016 (p > 0,05).

    The mean of 2015 is not significantly different from the

    > 0,50,10,050

    NoYes

    P = 0,355

    3002001000-100

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the location and means of

    that the true difference is between -126,32 and 347,38.

    the difference from sample data. You can be 95% confident

    -- CI: Quantifies the uncertainty associated with estimating

    means differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 4226,9 4116,4

    95% CI (4046; 4408) (3957,5; 4275,2)

    Standard deviation 550,30 483,32

    Statistics 2015 2016

    110,53

    (-126,32; 347,38)

    Distribution of Data

    Compare the data and means of the samples.

    Do the means differ?

    95% CI for the Difference

    Does the interval include zero?

    Difference between means*

    95% CI

    * The difference is defined as 2015 - 2016.

    Comments

    2-Sample t Test for the Mean of 2015 and 2016

    Summary Report

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    57

    Teste para o Desvio Padro

    37332925211713951

    5000

    4000

    3000

    37332925211713951

    you would have a 90% chance.

    chance of detecting the difference. If they differed by 390,32,

    If the true means differed by 266,49, you would have a 60%

    For alpha = 0,05 and sample sizes = 38:

    100%

    390,32

    90%

    266,49

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    266,49 60,0

    299,13 70,0

    337,34 80,0

    390,32 90,0

    Difference Power

    sample sizes of 38?

    What difference can you detect with your

    2015 2016

    Power

    What is the chance of detecting a difference?

    sample sizes.

    Power is a function of the sample sizes and the standard deviations. To detect a difference smaller than 337,34, consider increasing the

    2-Sample t Test for the Mean of 2015 and 2016

    Diagnostic Report

    50004500400035003000

    2015

    2016

    from 2016 (p > 0,05).

    The standard deviation of 2015 is not significantly different

    > 0,50,10,050

    NoYes

    P = 0,664

    2016

    2015

    650600550500450

    results of the test.

    samples. Look for unusual data before interpreting the

    -- Distribution of Data: Compare the spread of the

    difference to determine if it has practical implications.

    standard deviations differ. Consider the size of the

    -- Comparison chart: Red intervals indicate that the

    standard deviations differ at the 0,05 level of significance.

    -- Test: There is not enough evidence to conclude that the

    Sample size 38 38

    Mean 4226,9 4116,4

    Standard deviation 550,30 483,32

    95% CI (452,8; 705,1) (393,0; 626,7)

    Statistics 2015 2016

    2-Sample Standard Deviation Test for 2015 and 2016

    Summary Report

    Distribution of Data

    Compare the spread of the samples.

    Do the standard deviations differ?

    Standard Deviations Comparison Chart

    Comments

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    58

    37332925211713951

    6000

    5000

    4000

    3000

    37332925211713951

    have a 90% chance.

    difference. If one was 45,7% smaller than the other, you would

    the other, you would have a 60% chance of detecting the

    If the true standard deviation of one group was 33,1% smaller than

    For alpha = 0,05 and sample sizes = 38:

    100%

    45,7%

    90%

    33,1%

    60%< 40%

    Data in Worksheet Order

    Investigate outliers (marked in red).

    33,1 60,0

    36,5 70,0

    40,4 80,0

    45,7 90,0

    % Difference Power

    sample sizes of 38?

    What difference can you detect with your

    Power is a function of the sample sizes and the standard deviations. To detect smaller % differences, consider increasing the sample sizes.

    2-Sample Standard Deviation Test for 2015 and 2016

    Diagnostic Report

    2015 2016

    Power

    What is the chance of detecting a difference?

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    59

    ANEXO E: Anlise dos KPIs por Operador

    Mquinas de Impresso

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    60

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    61

    Mquinas de Corte e Vinco

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    62

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    63

    ANEXO F: Ferramenta utilizada no projeto Pull Planning

  • Metodologias Lean para Aumento da Produtividade Setor Produtivo de Indstria Grfica

    64

    ANEXO G: Planos com MMs agrupados

Recommended

View more >