Redução de sucata na laminação: case Green Belt de sobras de corte do inox 430

No corte de bobinas de aço inox, parte do material não vira produto. Sobra uma tira sem pedido, um refile mais largo ou um pedaço de pedido cancelado. Quando ninguém dá destino a essa sobra, ela vira sucata vendida a uma fração do preço.

Este case trata de redução de sucata na laminação, mais precisamente no corte do aço 430 laminado a frio. A empresa, chamada aqui de Voitto Steel, perdia em média 0,515% da produção acabada em sobras de corte sucateadas.

A meta foi levar o indicador para 0,373%, com ganho previsto de R$ 168 mil por ano. O mês de fechamento registrou 0,35%. No caminho, a equipe encontrou um Cpk de -0,29, um estudo Kappa com dois apontadores fora do padrão e cinco causas raiz, uma delas na área comercial.

O relato segue as cinco fases do DMAIC. Para cada ferramenta, o texto explica como ler o resultado e que decisão ele produziu. O fim do artigo discute o que o gráfico de resultado prova e o que ainda faltaria demonstrar.

Sobre a procedência: este é um projeto real de aluno da formação Green Belt da Voitto, descaracterizado para proteger o cliente. Os números vêm da apresentação original. O que foi acrescentado para explicar, como contexto do processo, mapa, plano de corte e cálculo de ganho, está identificado como ilustrativo.

Bobina de inox 430, faca circular e a tira que não tem pedido

A Voitto Steel corta aço e outros metais. Um dos produtos de maior volume é o inox ferrítico 430 laminado a frio, vendido em chapas e tiras cortadas na largura e no comprimento que o cliente pede.

O material chega em bobinas largas. A linha de corte longitudinal desenrola a bobina e passa a chapa por um jogo de facas circulares, que a dividem em tiras. Depois vem o corte transversal, que define o comprimento.

Raramente a soma das larguras pedidas fecha exatamente com a largura da bobina. Sobra uma faixa nas bordas, o refile, e às vezes uma tira inteira sem pedido. Se ninguém encontra destino para essa sobra, ela vai para a caçamba de sucata.

Aço sucateado é vendido por uma fração do preço do material laminado. A empresa pagou pela bobina, pela laminação e pelo recozimento, e recebe de volta preço de sucata. No inox, a diferença por tonelada é grande.

Foi esse desperdício que a equipe do projeto observou: excesso de sobras no corte do 430 laminado a frio, com material que poderia ter sido aproveitado. O projeto seguiu o método DMAIC, e cada fase está descrita a seguir com o que foi feito e a decisão que produziu.

Sucata de sobras dividida pela produção acabada: o indicador que o projeto adotou

A primeira decisão da fase Definir foi escolher como medir. A equipe usou um KPI simples: peso sucatado por sobras de corte dividido pelo peso da produção acabada no mês, em percentual.

A escolha tem duas vantagens. Normalizar pela produção impede que um mês de volume alto pareça pior só por ter cortado mais. E isolar a sobra de corte separa esta perda da sucata por defeito de qualidade, que tem causas diferentes.

Essa separação depende de alguém classificar cada lote sucateado no momento do apontamento. Se o operador registra como sobra o que foi defeito, ou o contrário, o indicador mente. A fase Analisar voltou a esse ponto com um estudo próprio.

O histórico disponível cobria 42 meses, de janeiro de 2016 a meados de 2019. Um ponto por mês é pouco para análise fina, mas é o que a operação registrava. A equipe trabalhou com o dado que existia, em vez de esperar meses por uma coleta nova.

O charter: de 0,515% para 0,373% e MR$ 168 por ano

O charter resumiu o problema em número. A média histórica de sucata por sobras era 0,515% da produção acabada. A meta foi reduzir para 0,373%, com ganho previsto de MR$ 168 por ano, ou R$ 168 mil.

A redução de 0,515% para 0,373% é de 0,142 ponto percentual. Sobre a linha de base, isso representa 27,6%. Escrever a meta dos dois jeitos evita confusão na apresentação para a diretoria.

Um detalhe ajuda a entender de onde saiu o alvo. O primeiro quartil do histórico é 0,37318%, praticamente a meta. Ou seja, a equipe pediu que o processo rodasse sempre no nível que já atingia nos seus 25% melhores meses.

É uma forma defensável de fixar meta: o patamar já foi demonstrado pelo próprio processo. O project charter fica mais fácil de aprovar quando a meta tem esse tipo de âncora.

Quarenta e dois meses de histórico: média, dispersão e o teste de normalidade

O resumo estatístico do KPI foi o primeiro gráfico da apresentação. Ele mostra histograma, boxplot, intervalos de confiança e o teste de Anderson-Darling.

A leitura começa pela dispersão. O desvio padrão de 0,193 sobre média de 0,515 dá coeficiente de variação de 37,5%. O pior mês, 0,98%, foi quase cinco vezes o melhor, 0,21%. A perda variava muito de um mês para outro.

O teste de hipótese de Anderson-Darling deu valor-p de 0,083. Como é maior que 0,05, não há evidência para rejeitar a normalidade. Isso autoriza usar a capabilidade pelo modelo normal, com a ressalva da leve assimetria à direita, puxada pelos meses ruins.

O intervalo de confiança da média, de 0,455% a 0,575%, tem outra função. Ele mostra que a meta de 0,373% fica bem abaixo do pior cenário plausível para a média atual. A meta exige mudança real, não flutuação favorável.

A carta I-MR da linha de base: estável, mas em patamar alto

Junto do resumo veio a série temporal e a carta de valores individuais e amplitude móvel. Com um dado por mês, a I-MR é a carta de controle adequada, porque não há subgrupo.

Os limites conferem com a fórmula. A amplitude móvel média de 0,1838 vezes 2,66 dá 0,489, somado e subtraído da média. O limite da MR é 3,267 vezes 0,1838. O pior mês, 0,98%, fica abaixo de 1,004%.

Nenhum ponto sai dos limites, o que indica um processo sob causas comuns. Para o projeto, essa é uma informação decisiva. Não adianta caçar o mês ruim e explicar o que aconteceu nele: a perda é produzida pelo jeito como o sistema funciona.

A série mostra um agrupamento de meses altos entre o fim de 2018 e o início de 2019, perto de 0,9%. Esse tipo de padrão é o que as regras de sequência da carta servem para checar. A apresentação não reporta esse teste, e um projeto parecido deveria rodá-lo.

Cpk de -0,29 com limite único: 76% dos meses acima da meta

A análise de capabilidade do processo usou a meta de 0,373% como limite superior. Não há limite inferior, porque sucata zero seria ótimo. É um caso de especificação unilateral.

O desvio dentro vem da amplitude móvel: 0,1838 dividido por 1,128 dá 0,1629. O Cpk é a distância da média até o limite dividida por três desvios. Como a média, 0,515%, está acima do limite, 0,373%, a distância é negativa e o índice também.

A conta é (0,373 menos 0,515) dividido por 3 vezes 0,1629, igual a -0,29. Cpk negativo significa que o centro do processo já está fora da especificação. Mais da metade da produção mensal cai do lado errado.

O observado confirma: 32 dos 42 meses ficaram acima de 0,373%, ou 76,19%. O modelo global previa 76,77%, muito próximo. Quando o modelo e a contagem batem, a equipe pode confiar na fotografia que a capabilidade entrega.

A decisão da fase Medir sai daí. O problema não era reduzir a variação em torno de um alvo bom. Era deslocar o patamar inteiro para baixo, o que exige mudar práticas de programação e de corte.

Mapa do processo: em qual etapa a sobra nasce e quem decide sobre ela

Com o indicador entendido, a equipe desenhou o mapa do processo. O objetivo, segundo a apresentação, era identificar quais setores priorizar para atingir a meta, à luz da capabilidade.

A sobra de corte não nasce só na máquina. Ela é decidida antes, quando o plano de corte combina pedidos numa bobina, e depois, quando alguém escolhe se a tira excedente vai para estoque ou para a sucata.

O mapa abaixo é ilustrativo. A apresentação cita a ferramenta, mas não reproduz o desenho. Ele mostra como as etapas de um centro de corte se ligam à sobra, no formato de um SIPOC simplificado.

A leitura do mapa já sugere que a perda tem dono em mais de uma área. O gráfico de resultado da apresentação, mais adiante, separa a sucata por área responsável: Acabamento e Comercial. Essa divisão nasce aqui.

Ishikawa e boxplot: das hipóteses soltas às famílias de causa

A fase Medir também usou o diagrama de causa e efeito e o boxplot da quantidade de aço sucateado. As duas ferramentas respondem perguntas diferentes.

O diagrama de Ishikawa organiza as hipóteses da equipe em famílias, como método, máquina, material, mão de obra, medição e meio. Ele não prova nada. Serve para que nenhuma família seja esquecida antes da priorização.

O boxplot mostra mediana, quartis e pontos extremos de uma variável. Comparando boxplots por produto, turno ou área, a equipe vê onde a sucata se concentra e onde a dispersão é maior. É a forma visual mais rápida de fazer estratificação.

A apresentação não traz os boxplots estratificados nem o desenho do Ishikawa. O que se sabe é o produto final: uma lista longa de causas possíveis, que foi levada para a matriz de esforço e impacto.

A matriz de esforço e impacto que cortou a lista de causas

Com muitas causas candidatas e um Green Belt com tempo limitado, a equipe precisava escolher. A ferramenta foi a matriz de esforço e impacto, aplicada a todas as possíveis causas raiz.

A matriz é um quadro de dois eixos. Um mede o impacto estimado da causa sobre o indicador. O outro mede o esforço para tratá-la. Cada causa recebe uma posição, normalmente por consenso da equipe com quem conhece o processo.

A tabela acima descreve o funcionamento geral da ferramenta. A apresentação não informa a nota de cada causa. Informa o resultado: a lista foi reduzida e cinco causas raiz foram destacadas para o plano de ação.

A matriz é escolha comum em projetos Green Belt porque é barata e envolve a operação. O limite dela também precisa ser dito: o impacto é estimado, não medido. Por isso a fase Analisar ainda precisava validar o dado antes de agir.

Cinco apontadores, um padrão: o estudo Kappa sobre o motivo da sucata

Antes de culpar o processo, a equipe testou o próprio registro. O KPI depende de o operador classificar cada sucata como sobra de corte ou como motivo de qualidade. Se a classificação varia, o indicador carrega ruído.

O teste usado foi o estudo de concordância por atributos, com o método Kappa. É a versão da análise do sistema de medição para dados discretos, quando a medida é uma categoria e não um número.

A leitura tem duas colunas. A primeira mostra se cada pessoa repete a própria resposta quando vê o mesmo caso de novo. A segunda mostra se a resposta bate com a classificação correta, definida por um especialista.

Três apontadores acertaram tudo. Dois repetiram a própria resposta em 90% das vezes e concordaram com o padrão em 80%. O erro não está espalhado pela equipe. Está concentrado em duas pessoas, o que aponta para treinamento e não para mudança de critério.

A decisão aparece no plano de ação: treinar os colaboradores na operação de coleta de sucata. Sem esse estudo, parte da melhoria futura poderia ser só reclassificação, com sucata de sobra migrando para o motivo de qualidade.

As cinco causas raiz que sobraram depois da priorização

A apresentação lista cinco causas raiz entre as que passaram pela matriz. Cada uma tem um mecanismo diferente de gerar sobra. A coluna de mecanismo abaixo é explicação didática, não texto da fonte.

A lista mistura causas técnicas e de gestão. Duas estão no chão de fábrica, duas na programação e uma fora da fábrica, na relação com o cliente. É o perfil típico de perda de material: ninguém produz sucata de propósito, mas várias decisões pequenas somam.

A presença do cancelamento de pedidos explica a separação por área no gráfico final. Sucata gerada por pedido cancelado não se resolve na faca. Resolve-se na negociação comercial.

Exemplo de cálculo: como um plano de corte deixa uma tira sem destino

Para entender as três primeiras causas, vale montar um plano de corte. Os números desta seção são ilustrativos e não vêm da apresentação.

Imagine uma bobina de 1.250 mm de largura útil, com refile técnico de 10 mm em cada borda. Sobram 1.230 mm para dividir entre pedidos.

No plano A, a sobra é de 10 mm, mais os 20 mm de refile. No plano B, que acontece quando o pedido de 320 mm é cancelado depois do planejamento, sobra uma tira de 330 mm. Essa tira só é aproveitada se houver pedido compatível.

Se não houver regra para guardar e identificar sobras desse tamanho, ela segue para a sucata. Por isso padronizar as sobras e revisar os planos aparecem juntos no plano de ação. Um sem o outro reduz pouco.

O plano 5W2H: cinco ações, cada uma ligada a uma causa

Para cada causa raiz confirmada nas fases de medição e análise, a equipe usou o 5W2H. A ferramenta obriga a dizer o que será feito, por que, onde, quando, por quem, como e quanto custa.

A apresentação traz só o "o quê" de cada ação. A tabela abaixo liga cada ação à causa que ela trata. Os campos de prazo, responsável e custo não aparecem na fonte e estão marcados com traço.

O valor do 5W2H num projeto como este é a última coluna que ficou vazia aqui: dono. Ações que dependem de Comercial, Programação e Manutenção ao mesmo tempo só andam se cada uma tiver nome e data.

Forno, espessura técnica e cliente: as ações que fogem da faca

Duas ações chamam atenção por não mexerem diretamente no corte. A primeira é o reparo das paredes do forno, para melhorar o isolamento térmico e evitar vazamento de água.

A apresentação não detalha a ligação. Uma explicação plausível é que falhas no tratamento térmico geram trechos de bobina fora de condição, que precisam ser removidos no corte e engordam a sobra. Esse vínculo é interpretação, não dado da fonte.

A segunda é a redefinição da espessura técnica das chapas. Quando a empresa trabalha com muitas espessuras próximas, cada pedido vira um produto quase exclusivo. Reduzir a variedade aumenta a chance de uma sobra servir a outro pedido.

A renegociação de pedidos com clientes ataca a causa que fica fora da fábrica. Pedido cancelado depois do corte gera material sem destino. Negociar tolerância de quantidade, prazo ou aceite de largura próxima reduz esse risco.

As reuniões periódicas sobre planos de corte fecham o conjunto. Elas criam um ritual de revisão das falhas e das oportunidades, que é o embrião do controle.

Janeiro a outubro de 2019: o indicador mês a mês

O gráfico de resultado mostra o percentual de sucateamento, peso sucatado sobre peso produzido, de janeiro a outubro de 2019. A linha de meta aparece em 0,37%.

Os quatro primeiros meses têm média de 1,13%, acima até do pior mês do histórico de 42 meses. De maio a outubro, a média cai para 0,42%. Setembro e outubro, os dois últimos meses, têm média de 0,295%.

O valor declarado pela equipe é o de outubro: 0,35%, abaixo da meta de 0,373%, com folga de 0,023 ponto percentual. Em relação à linha de base de 0,515%, a queda é de 0,165 ponto, ou 32,0%.

A tabela mostra o ganho e também a cautela necessária. O fim da série está abaixo da meta, mas junho, julho e agosto ainda ficaram acima. A tendência é favorável. A estabilidade no novo patamar ainda precisa ser demonstrada.

O que o gráfico final ainda não prova, e como fechar o controle

Um mês abaixo da meta não é prova de mudança. Na linha de base, sem projeto nenhum, o melhor mês já tinha sido 0,21%. A carta I-MR original tinha limite inferior de 0,026%, então 0,35% cabia dentro da variação antiga.

A forma correta de fechar a fase Controlar é recalcular a carta com os meses posteriores às ações e verificar se a média deslocou. Com dado mensal, isso pede pelo menos seis a doze pontos no novo patamar.

O passo seguinte é escrever o plano de controle. A tabela abaixo é sugestão ilustrativa do que ele conteria neste processo, a partir das ações do projeto.

A separação por área já existe no painel de resultado e deve ser mantida. Ela evita que uma piora no Comercial seja cobrada da operação, e o contrário.

Os MR$ 168 por ano e como validar esse ganho com a controladoria

A apresentação prevê ganho de MR$ 168 por ano, mas não mostra a conta. Ganho de sucata se calcula pelo peso que deixa de virar sucata vezes a perda líquida por tonelada.

A perda líquida é o custo do material laminado menos o valor de venda da sucata. Os números a seguir são um exemplo ilustrativo, para mostrar a lógica, e não dados do projeto.

Com perda de R$ 6.000 por tonelada, R$ 168 mil equivalem a 28 toneladas evitadas. Dividindo 28 t por 0,142%, a produção anual implícita seria de 19.718 t. Se a produção real for outra, o ganho muda na mesma proporção.

O método para fechar essa conta está em como calcular o retorno financeiro de um projeto Seis Sigma. O ponto central é combinar o critério antes, com quem assina o resultado.

Sucata de sobra é um exemplo claro de custo da má qualidade que não aparece como defeito. O material está conforme e mesmo assim é perdido.

O que este case ensina a quem vai conduzir um Green Belt de perda de material

O case tem uma estrutura enxuta e cabe no escopo de um Green Belt. Vale listar as decisões que se repetem em qualquer projeto de redução de sucata na laminação e no corte.

1. definir o indicador normalizado pela produção e separar a perda por motivo antes de medir;
2. ler a carta de controle da linha de base para saber se o problema é causa comum ou evento;
3. usar a capabilidade com limite único para mostrar o tamanho do deslocamento necessário;
4. testar o apontamento com Kappa quando o indicador depende de classificação humana;
5. aceitar que parte das causas está fora da fábrica e trazer o Comercial para o plano;
6. fechar o controle com carta recalculada e meses suficientes, não com o melhor mês.

O case também mostra um limite comum em apresentações executivas: o resultado foi declarado por um mês. Quem conduzir projeto parecido deve reservar tempo para provar a estabilidade antes de encerrar.

A formação de Green Belt cobre essas ferramentas na ordem em que aparecem aqui. Para ver o encadeamento geral, vale ler também sobre Lean Seis Sigma.