Seis Sigma no alto-forno: case Black Belt de redução de atiço no carvão

Um alto-forno a carvão vegetal depende de um combustível que nasce dentro de outro forno. Quando a carbonização da madeira não se completa, sobra o atiço: um pedaço de madeira mal queimada que segue com o carvão e chega ao topo do alto-forno.

Este case mostra como o Seis Sigma no alto-forno foi aplicado para reduzir esse material na Voitto Carbon, empresa que abastece dois altos-fornos, o AF1 e o AF2. O atiço respondia por 65,1% das não conformidades do carvão contra a especificação.

A linha de base era de 1,35 sigma no AF1 e 1,25 sigma no AF2, com cerca de metade das amostras acima dos limites de 7,82% e 7,14%. Depois do projeto, o AF2 chegou a 3,47 sigma e o AF1 a 1,62.

O relato segue as cinco fases do DMAIC e explica, em cada uma, por que a ferramenta foi escolhida e que decisão ela produziu. Passa pelo Pareto, pela capabilidade com dados não normais, pela conta que leva do Z.Bench ao nível sigma, pelo Ishikawa e pela matriz de esforço e impacto.

Sobre a procedência: este é um projeto real de aluno da formação Black Belt da Voitto, descaracterizado para proteger o cliente. Os números vêm da apresentação original. O que foi acrescentado para explicar, como o contexto do processo, a matriz de exemplo e o lote hipotético, está identificado como ilustrativo.

Voitto Carbon, dois altos-fornos e o pedaço de madeira que não virou carvão

A Voitto Carbon produz carvão vegetal e abastece dois altos-fornos, chamados no projeto de AF1 e AF2. O carvão é o combustível e o redutor da carga: ele queima, gera calor e retira o oxigênio do minério para formar o ferro-gusa.

O carvão nasce da carbonização da madeira em fornos de alvenaria. A lenha entra, é aquecida com pouco oxigênio por vários dias e perde água e voláteis até sobrar um material rico em carbono fixo, leve e quebradiço.

Quando a carbonização não se completa, sobra um pedaço de madeira parcialmente queimada no meio do carvão. Esse pedaço tem nome no setor: atiço, ou tiço.

O problema que abriu o projeto foi um volume elevado de atiço chegando aos altos-fornos. A apresentação executiva da equipe registra o efeito de forma direta: queda de produtividade da companhia.

O projeto foi conduzido como trabalho de certificação da formação Black Belt e seguiu as cinco fases do método DMAIC. A tabela abaixo resume o que cada fase produziu.

Por que um tiço dentro do alto-forno custa mais do que parece

Para o leigo, atiço parece só carvão de qualidade pior. Para quem opera um alto-forno, é um material com outro comportamento dentro do equipamento, e isso explica por que a empresa tratou o tema como problema de produtividade.

O contexto a seguir é explicativo e não vem da apresentação. Ele descreve efeitos conhecidos do uso de carvão mal carbonizado em altos-fornos a carvão vegetal.

• menos carbono fixo por tonelada carregada, o que exige mais combustível para o mesmo gusa;
• mais umidade e voláteis entrando pelo topo, o que rouba calor da carga;
• menor resistência mecânica, que gera finos e prejudica a passagem dos gases pela coluna;
• variação na marcha do forno, que obriga o operador a corrigir a carga com frequência.

Um exemplo ilustrativo ajuda a dimensionar. Num lote hipotético de 1.000 toneladas de carvão, cada ponto percentual de atiço representa 10 toneladas de madeira mal carbonizada indo para o forno ou voltando para reprocesso.

Esse é o tipo de perda que entra no custo da má qualidade: não aparece como refugo numa caçamba, mas consome combustível, capacidade e estabilidade operacional. A apresentação não traz valor financeiro, e o artigo não estima um.

O Pareto da não conformidade: 65,1% das ocorrências tinham o mesmo nome

A fase Definir começou por uma pergunta simples: entre os motivos pelos quais o carvão não atendia à especificação do cliente interno, qual pesava mais? A ferramenta escolhida foi o diagrama de Pareto, porque ele ordena categorias pelo tamanho e mostra o acumulado.

A leitura é direta. O total do gráfico é 88,65, e o atiço sozinho responde por 57,69 desse total, quase dois terços. Os quatro motivos seguintes, somados, não chegam a 30%.

O texto da apresentação resume esse dado como um percentual conjunto de 57,6% de não atendimento nos dois fornos. O número da barra é 57,69, e a proporção sobre o total do Pareto é 65,1%.

A decisão que o Pareto produziu foi de escopo: o projeto trataria só o atiço. Finos e umidade continuam sendo perdas reais, mas cada motivo tem cadeia causal própria, e misturar tudo num projeto só diluiria o esforço.

A meta escrita como limite de 7,82% no AF1 e 7,14% no AF2

O charter definiu a meta como teor máximo de atiço no carvão enfornado: 7,82% para o AF1 e 7,14% para o AF2. Nas análises de capabilidade, esses valores aparecem como limite superior de especificação, o USL.

Essa escolha tem consequência. A meta não é uma média a atingir, é um teto que cada amostra deveria respeitar. O sucesso, portanto, se mede pela fração de amostras acima do teto, e não só pela queda da média.

Não há limite inferior. Ninguém reclama de carvão com zero atiço, então a especificação é unilateral. Isso simplifica o cálculo de capabilidade, que passa a olhar só a distância até o teto.

254 amostras do AF1 e 209 do AF2: o retrato antes de qualquer índice

Antes da capabilidade, a equipe rodou a estatística descritiva de cada forno. É o passo que evita interpretar um índice sobre dados que não se comportam como o índice supõe.

Três leituras saem dessa tabela. A primeira é que a média dos dois fornos já estava acima do teto: 8,49% contra 7,82% no AF1 e 7,61% contra 7,14% no AF2.

A segunda é a dispersão. O AF1 ia de 0,08% a 23,31%, com desvio padrão de 5,38. O AF2 era mais estreito, com desvio de 3,43. O problema do AF1 era tanto posição quanto variação.

A terceira é a forma. O teste de Anderson-Darling deu valor-p abaixo de 0,005 nos dois fornos, e a assimetria positiva mostra cauda longa para a direita. Os dados não são normais, e isso pede cautela com qualquer índice calculado pela curva normal.

Cpk de -0,05 e -0,08: o que significa um índice de capabilidade negativo

A análise de capabilidade compara a variação do processo com a especificação. Com limite só superior, o índice usado é o Cpk unilateral: distância da média até o USL, dividida por três desvios padrão.

O Cpk do AF1 sai de 7,82 menos 8,489, que dá -0,669, dividido por três vezes 4,341. O resultado é -0,051. No AF2, -0,466 dividido por três vezes 1,878 dá -0,083.

Índice negativo significa uma coisa só: a média está do lado errado do limite. Mais da metade da distribuição fica acima do teto, e nenhum ajuste fino de variação resolve isso sem antes deslocar a média para baixo.

A comparação entre os dois desvios também informa. O desvio de curto prazo mede a variação entre amostras vizinhas, e o de longo prazo, a variação total. No AF2, 1,878 contra 3,435 indica que a média do processo se movia ao longo do tempo.

De Z.Bench a nível sigma: a conta por trás de 1,35 e 1,25

A apresentação informa níveis sigma de 1,35 para o AF1 e 1,25 para o AF2. O número não aparece do nada. Ele vem do Z.Bench de curto prazo do relatório de capabilidade, somado ao deslocamento convencional de 1,5.

O Z.Bench é a distância da média até o limite em desvios padrão. No AF1 foi -0,15, e -0,15 mais 1,5 dá 1,35. No AF2 foi -0,25, e -0,25 mais 1,5 dá 1,25. A conta fecha com a fonte.

O DPMO, defeitos por milhão de oportunidades, traduz o percentual esperado fora do limite para a escala que o nível sigma usa. Com 56,12% esperados acima do teto, o AF1 teria 561.200 amostras fora em cada milhão.

Para comparação, um processo seis sigma no sentido clássico fica em 3,4 defeitos por milhão. Os dois fornos estavam perto do ponto em que metade do produto não atende. A régua completa está em métricas Seis Sigma.

Observado, curto prazo e longo prazo: três percentuais para o mesmo forno

O relatório de capabilidade traz três estimativas de percentual fora do limite, e quem lê o case precisa saber de onde vem cada uma.

O observado é contagem pura. No AF1, 129 das 254 amostras passaram de 7,82%, o que dá 50,79%. No AF2, 107 das 209 passaram de 7,14%, ou 51,20%.

Os esperados vêm do modelo normal, e aqui a não normalidade aparece. Nos dois fornos o modelo superestima a fração fora em alguns pontos percentuais, porque a curva simétrica não acompanha a assimetria real dos dados.

Se o nível sigma fosse calculado pelo observado, o AF1 ficaria em 1,48 e o AF2 em 1,47. A conclusão não muda: os dois fornos estavam muito longe da meta.

A série de 2018 e o pico diário de 26,36% no AF1

Além da foto da capabilidade, a equipe montou gráficos de evolução do atiço enfornado por forno. Barras mensais cobrem 2018, e uma linha diária acompanha janeiro do ano seguinte, com a meta traçada como referência.

No AF1, as médias mensais variaram de cerca de 5% a 14,93%, com o pior mês em junho. Na série diária, o maior valor foi 26,36%, mais de três vezes o limite de 7,82%.

No AF2, as médias mensais subiram de 3,70% no início de 2018 até 11,05% no meio do ano e voltaram para a faixa de 3% a 4% no fim. Na série diária, o maior valor de janeiro foi 8,49%.

Ler esse gráfico é um exercício de estratificação por tempo. A forma da série mensal sugere sazonalidade: os meses piores se concentram no meio do ano. Essa leitura combina com duas causas que apareceriam depois, o tempo de secagem em campo e a umidade da madeira.

Boxplot, teste de hipótese e mapa de processo: o que cada um respondeu na medição

A apresentação lista quatro ferramentas adicionais na fase Medir sem mostrar os resultados de cada uma. O que segue explica a função de cada ferramenta nesse tipo de projeto, sem atribuir números que a fonte não traz.

• Boxplot: mostra mediana, quartis e pontos extremos lado a lado. Aqui, compara AF1 e AF2 e deixa visível que o AF1 tem caixa mais larga e cauda mais longa;
• Teste de hipótese: verifica se a diferença entre grupos sobrevive ao acaso, por exemplo entre fornos, turnos ou origens da madeira;
• Mapa de processo: desenha as etapas da madeira em pé até o carvão no topo do forno, com entradas e saídas de cada uma;
• Matriz de causa e efeito: cruza as entradas do mapa com o atiço e dá nota a cada cruzamento.

Um cuidado técnico vale para o teste de hipótese neste case. Como os dados não são normais, testes de média baseados em normalidade perdem confiabilidade. Testes de mediana, como Mann-Whitney, são a alternativa usual para comparar dois grupos assimétricos.

A matriz de causa e efeito transforma o mapa de processo em lista de prioridade

O mapa de processo de uma cadeia de carvão vegetal tem dezenas de entradas: espécie e idade da madeira, diâmetro das toras, tempo de secagem, umidade na carga, estado do forno, controle de temperatura, tempo de resfriamento, peneiramento e transporte.

A matriz de causa e efeito serve para não tratar todas como iguais. Cada entrada recebe nota de relação com a saída, e a soma ponderada ordena a lista. O exemplo a seguir é ilustrativo, para mostrar a mecânica, e não reproduz a matriz do projeto.

No exemplo, o atiço recebe peso 10 e os finos peso 4. A escala de relação é 0, 1, 3 e 9, a mais usada, porque força a equipe a separar relação forte de relação fraca.

Um Ishikawa grande demais e a decisão de cortar escopo

Na fase Analisar, a equipe montou um diagrama de Ishikawa para o atiço. O diagrama organiza causas potenciais em famílias, como método, máquina, material, mão de obra, medição e meio ambiente.

A apresentação registra o resultado com franqueza: havia um grande número de causas potenciais espalhadas por diversas fases da produção do carvão. Isso é esperado numa cadeia longa, que começa na floresta e termina no topo de um alto-forno.

Um Ishikawa com dezenas de ramos não é um diagnóstico. É um inventário. O passo seguinte precisa reduzir esse inventário a um número de causas que a equipe consiga verificar e tratar no prazo do projeto.

A decisão foi reduzir o escopo e levar as causas mais relevantes para uma matriz de esforço e impacto. A escolha tem uma lógica prática: num projeto de certificação, com tempo limitado, uma causa de alto impacto e alto esforço pode ficar para uma segunda onda.

Esforço e impacto: as cinco causas raiz que sobraram

A matriz de esforço e impacto posiciona cada causa em dois eixos: quanto ela pesa no problema e quanto custa atacá-la. As causas de alto impacto e baixo esforço são as primeiras da fila.

A terceira coluna é explicação do processo, não texto da apresentação. Ela ajuda a ver que as cinco causas se dividem em dois grupos.

Três causas atuam na formação do atiço: secagem, umidade e forno. Duas atuam na detecção: identificação nos processos e medição no envio ao cliente. Um projeto que só melhorasse a detecção reduziria o atiço enfornado sem reduzir o atiço produzido.

5W2H por causa: as quatro frentes de ação

Para cada causa raiz, a equipe escreveu um plano 5W2H: o quê, por quê, onde, quando, quem, como e quanto custa. A ferramenta foi escolhida porque transforma uma causa em tarefa com dono e prazo.

O resumo executivo lista quatro ações. A tabela as associa às causas que elas atacam.

O retorno de informação da usina para a produção é a ação de maior alcance. Quando o operador do forno de carbonização recebe o teor de atiço do lote que produziu, a medição deixa de ser só um filtro e passa a orientar o próprio processo.

A vedação é a única ação que mexe diretamente na formação. Forno mal vedado deixa entrar ar, queima parte da carga e cria regiões que não atingem a temperatura de carbonização.

Secagem em campo e umidade da madeira: duas causas sem ação nominal no resumo

Uma leitura atenta da tabela anterior mostra uma lacuna. Duas das cinco causas raiz, o tempo de secagem em campo e a umidade da madeira, não têm ação específica no resumo executivo.

A apresentação não explica o motivo. Pode ser que estejam cobertas pela fiscalização em todas as etapas, ou que o plano 5W2H completo tenha ações que não entraram no resumo. O artigo não supõe qual das duas hipóteses é a verdadeira.

A lacuna merece atenção por causa da série de 2018. Os meses piores do AF2 e do AF1 se concentraram no meio do ano, padrão compatível com variação de secagem e umidade. Se essas causas pesam, o ganho pode oscilar com a estação.

Para quem conduz um projeto parecido, a lição é de rastreabilidade. Cada causa raiz validada deveria terminar em uma ação, em uma decisão explícita de não agir, ou em um projeto separado. Causa sem destino volta como problema.

AF2 de 1,25 para 3,47 sigma, AF1 de 1,35 para 1,62

O fechamento do projeto repetiu a análise de capabilidade com dados novos. A comparação lado a lado mostra dois fornos com resultados muito diferentes.

No AF2, a média caiu de 7,61% para 3,72%, uma redução de 51,1%. As amostras acima de 7,14% passaram de 51,20% para 8,96%, uma queda de 42,24 pontos percentuais. O Cpk saiu de -0,08 para 0,66.

No AF1, a média caiu de 8,49% para 7,40%, redução de 12,9%, e ficou abaixo do limite. Mas 35,42% das amostras ainda passaram de 7,82%, e o Cpk de 0,04 indica média encostada no teto com dispersão alta.

A frase de fechamento da apresentação fala em redução de até 7,82% no AF1 e 8,49% no AF2. O primeiro número é o próprio limite do AF1, e o segundo coincide com o maior valor diário do AF2 em janeiro. A leitura mais segura do resultado é a da tabela acima.

O que o AF1 ainda pede e como sustentar o ganho do AF2

Os dados depois do projeto contam duas histórias. O AF2 mudou de patamar: com 3,47 sigma, a maior parte das amostras fica bem abaixo do teto. O AF1 deslocou a média para baixo do limite, mas não reduziu a dispersão na mesma medida.

O desvio de curto prazo do AF1 caiu de 4,34 para 3,53. Com limite em 7,82%, um desvio de 3,53 obriga a média a ficar perto de 2,5% para chegar a Cpk de 0,5. A conta mostra que o AF1 precisa de redução de variação, e não só de fiscalização.

O tamanho das amostras depois também pede cautela. São 48 no AF1 e 67 no AF2, contra 254 e 209 antes. O resultado é forte no AF2, mas a confirmação vem de meses de acompanhamento, não de um único retrato.

Para sustentar o ganho, os elementos naturais de um plano de controle neste processo são três:

1. teor de atiço por lote, medido na usina, com frequência e responsável definidos;
2. uma carta de controle do teor diário por forno, com regra de reação a pontos acima do limite de controle;
3. retorno do resultado ao forno de carbonização de origem, para fechar o ciclo entre quem mede e quem produz.

A apresentação registra o resultado e o acompanhamento diário, mas não detalha esses elementos. Eles são o passo que transforma um resultado de projeto em rotina de operação.

O que este case ensina a quem vai liderar um Black Belt em carvão e siderurgia

Para quem pretende aplicar seis sigma no alto-forno, o case tem valor didático justamente por não ser perfeito. Ele mostra o Lean Seis Sigma aplicado a uma cadeia longa, com dados não normais, um forno que respondeu e outro que respondeu pouco.

1. Escrever a meta como teto e medir a fração acima dele. Média abaixo do limite, como no AF1, não significa processo capaz;
2. Ler o Cpk negativo como problema de posição. Antes de reduzir variação, a média precisa atravessar o limite;
3. Checar a normalidade antes do índice. Com valor-p abaixo de 0,005, vale comparar o observado com o esperado;
4. Validar o sistema de medição de atiço. Duas das cinco causas eram de identificação e medição, e uma análise do sistema de medição por atributo mostraria quanto da variação vinha do avaliador;
5. Dar destino a cada causa raiz. Secagem e umidade ficaram sem ação nominal e podem trazer o problema de volta na estação úmida;
6. Separar o resultado por unidade. Somar AF1 e AF2 num indicador único esconderia que um forno chegou a 3,47 sigma e o outro a 1,62.

O papel do Black Belt num projeto assim é menos dominar ferramentas raras e mais segurar a lógica entre as fases. Pareto define o alvo, capabilidade fixa a linha de base, Ishikawa abre as causas, a matriz corta o escopo e o 5W2H dá dono à ação.

A próxima onda natural seria um segundo projeto focado na variação do AF1, começando pelas duas causas de formação que ficaram sem ação. É assim que um portfólio de melhoria costuma crescer: um projeto fechado aponta o próximo.