Case Master Black Belt: eficiência produtiva no jateamento com DMAIC

O jato de granalha da Voitto Metalúrgica quebrava cada vez mais. Em vinte meses, as falhas mensais saíram de 9 para 35, e 239 de 368 falhas chegavam antes de a máquina completar 600 horas de trabalho.

Ao mesmo tempo, o consumo de abrasivo crescia muito mais rápido que a produção. A granalha vazava para o porão da máquina e voltava a ser comprada.

Este case mostra como um projeto de eficiência produtiva no jateamento foi conduzido pelo método DMAIC. Passa pela escolha do equipamento, pela conversão de falha em nível sigma, pela capabilidade lognormal e pela análise de confiabilidade.

O relato inclui a correlação que derrubou a tese de que a culpa era do volume de produção, o FMEA de 132 modos de falha e o controle amarrado ao sistema de gestão. Cada fase aparece com a decisão que produziu.

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

A cabine de granalha por onde passa toda peça que vai para a pintura

Na Voitto Metalúrgica, toda estrutura soldada passa por um jato de granalha antes de receber tinta. O jato limpa carepa, ferrugem e respingo de solda e deixa a superfície áspera o bastante para a tinta aderir.

O equipamento é um conjunto de sistemas encadeados. Um transportador de rolos leva o suporte com as peças para dentro da cabine. Turbinas giram em alta rotação e lançam granalha de aço contra o metal. Elevador de canecas, separador e silo recolhem o abrasivo, limpam e devolvem para as turbinas.

O coletor de pó aspira a poeira, e um painel elétrico comanda tudo. Quando qualquer elo para, a cabine inteira para. E como a pintura é a última etapa antes da expedição, a peça parada no jato é peça pronta que não fatura.

Há um segundo custo, menos visível. Granalha que vaza por vedação gasta, ou que escapa do circuito de reciclagem, vai para o porão da máquina e precisa ser comprada de novo. É a combinação de quebra e desperdício de abrasivo que o projeto atacou. Na prática, eficiência produtiva no jateamento significa horas de cabine disponíveis e granalha que circula em vez de vazar.

O projeto em um quadro: falhas abaixo de 600 horas como o defeito a eliminar

A apresentação não traz um valor financeiro de fechamento nem a série de falhas depois das melhorias. Ela termina com o controle implantado. Por isso este relato separa o que foi medido do que ficou como compromisso.

Onze máquinas e quatro réguas: os Pareto que escolheram o equipamento

O projeto não começou pelo jato. Começou com uma pergunta da gerência: entre as onze máquinas mais problemáticas da planta, onde um projeto Master Black Belt devolveria mais? A equipe levantou quatro réguas e montou um diagrama de Pareto para cada uma.

A leitura é cruzada. O jato concentra 27,2% das paradas das onze máquinas, 32,2% do homem-hora e 39,1% do gasto com peças. Gasta com peças quase o dobro do segundo colocado, 1,89 vez.

Só no tempo de parada ele não lidera. Isso diz algo sobre o tipo de falha: muitas quebras, cada uma relativamente curta. É o perfil de equipamento que vive de corretiva, e ele pede uma estratégia diferente da de uma máquina que quebra pouco e fica dias parada.

Criticidade AA, matriz de perdas e a hora-máquina de R$ 125,74

Pareto de custo mostra onde o dinheiro sai, não o quanto a máquina importa. A equipe consultou então a classificação de criticidade da manutenção planejada, que pontua cada equipamento por impacto em segurança, qualidade e produção. O jato ficou em segundo, com 144 pontos e classe AA.

Em seguida veio a matriz de desdobramento de custos, que cruza células produtivas com tipos de perda. Na primeira versão, a célula de pintura apareceu em vermelho em três linhas: perda por quebra, perda de materiais e perda de energia.

A segunda versão separou perdas causais de perdas resultantes. Quebra foi marcada como causal: ela gera as outras, como linha parada e mão de obra ociosa. A consequência prática é tratar a quebra, porque tratar a perda resultante seria atacar sintoma.

O custo de hora-máquina fechou o argumento. O jato custa R$ 1.041.136 e deprecia em 10 anos, R$ 8.676,13 por mês. Somados centro de custo e custos administrativos, o custo mensal é R$ 90.532,20. Dividido por 720 horas disponíveis, dá R$ 125,74, a hora mais cara da planta.

A célula de jato e pintura tem 52 pessoas, com hora-homem de R$ 26,09. Cada hora de jato parado custa a máquina e a equipe que espera por ela.

Da reclamação do chão de fábrica ao requisito medido: a VOC do jato

Com o equipamento escolhido, faltava traduzir a dor em requisito. A ferramenta foi a voz do cliente, aqui o cliente interno: produção, pintura e gerência. Cada reclamação foi desdobrada em requisito, métrica e especificação.

A VOC confirmou o que os Pareto tinham mostrado. Em produtividade e em desperdício de material, o jato era o equipamento mais citado. Três fontes independentes apontando para o mesmo lugar é o que dá segurança para abrir um projeto longo.

Um Y e cinco X: a hipótese de trabalho escrita no charter

O project charter formalizou o foco no jato e listou a equipe, com engenharia de manutenção, coordenação de TPM, qualidade, compras e planejamento. A métrica crítica escolhida foi o número de falhas.

A equipe escreveu a relação esperada entre a falha e suas causas prováveis na forma Y = f(X):

• X1: plano de manutenção atual;
• X2: recomendações do manual do fabricante;
• X3: dificuldade em cumprir o plano por escassez de recursos;
• X4: operação deficiente;
• X5: análise de falhas parcial, apoiada em histórico incompleto.

Repare que nenhum X é um componente da máquina. Todos são do sistema de gestão da manutenção. Essa escolha orientou o projeto: a pergunta não seria qual peça trocar, mas por que o plano de manutenção não segurava as falhas.

368 falhas, 239 defeitos: como o tempo entre falhas virou nível sigma

Contar falhas por mês é intuitivo, mas não permite calcular capabilidade. A equipe reformulou o Y. Cada falha registrada é uma oportunidade, e o dado de interesse é o TBF, o tempo desde a falha anterior no mesmo conjunto.

A régua escolhida foi 600 horas, cerca de um mês de produção. Falha antes disso é defeito. Das 368 falhas do histórico, 239 ocorreram antes de 600 horas.

Uma observação para quem refaz a conta. Pela tabela normal, rendimento de 35,05% corresponde a Z de -0,38, ou 1,12 somando o deslocamento de 1,5. A planilha registrou 1,56 por convenção própria. Em qualquer das leituras, o processo está abaixo de 2 sigma.

As métricas e as convenções de conversão estão em nível sigma. O que importa aqui é a tradução: quase duas de cada três falhas chegavam antes de a máquina completar um mês de trabalho.

Por que a capabilidade foi calculada sobre a lognormal, e não sobre a normal

Tempo entre falhas nunca é simétrico. Há muitas falhas próximas umas das outras e poucas que demoram meses. O histograma do jato tinha exatamente esse formato, com cauda longa até 15.000 horas.

Antes de calcular, a equipe testou quatro distribuições num gráfico de probabilidade. A lognormal teve o maior coeficiente de correlação, 0,992, contra 0,987 da loglogística. Com a distribuição escolhida, o cálculo de capabilidade do processo usou só o limite inferior de 600 horas.

A média de 897 horas engana: parece acima da régua. Mas a média de uma lognormal é puxada pelas poucas falhas muito espaçadas. O modelo diz que 67% das falhas cairiam antes de 600 horas, perto dos 65% observados. Ppk negativo significa que o centro da distribuição está do lado errado do limite.

Turbinas lideram em quantidade, transporte lidera em horas paradas

A fase Medir estratificou as 368 falhas por sistema, em dois Pareto. O primeiro conta ocorrências, o segundo soma horas de parada. Os líderes não coincidem.

Turbinas quebram muito e voltam rápido, porque a troca de palheta é rotina conhecida. Transporte quebra quase tanto e demora o dobro, porque rolo e guia exigem desmontagem.

Três sistemas somam 81,0% das falhas e 81,6% das horas. O desdobramento por conjunto mostrou o painel elétrico e o transportador de rolos de entrada no topo. Quem olha só uma régua prioriza errado.

Produção 57% maior, granalha dez vezes maior: o consumo que não acompanha a máquina

O segundo Y, o consumo de abrasivo, pedia uma comparação justa. Se a fábrica produz mais, gasta mais granalha. A pergunta é se o consumo cresce na mesma proporção.

Uma carta de controle de médias por ano mostrou a produção mensal subindo de cerca de 1,18 mil t em 2005 para 1,85 mil t em 2008, alta de 57%. A média geral do período foi 1.665.347 kg por mês.

No mesmo intervalo, o consumo anual de granalha saiu de cerca de 23 t para 238 t, dez vezes mais. Até julho de 2009 já somava cerca de 248 t. O valor médio de cada compra subiu de perto de R$ 10 mil em 2003 para R$ 27.603 em 2009.

Esses números de produção e consumo são leituras aproximadas dos gráficos da apresentação. A desproporção, porém, não depende de precisão: produção crescendo pouco mais da metade e abrasivo crescendo dez vezes indica perda, não demanda. A suspeita recaiu sobre vazamento.

Vinte meses de falhas: a carta que não alarmava e a tendência que alarmava

A fase Analisar abriu com a série mensal de 20 meses. O número de falhas foi 9, 15, 15, 9, 19, 20, 25, 15, 25 e 14 no primeiro bloco de dez meses. No segundo foi 29, 18, 31, 29, 30, 18, 21, 33, 34 e 35.

A média do primeiro bloco é 16,6 falhas por mês. A do segundo é 27,8, alta de 67%. Os dados passaram no teste de normalidade, com valor-p de 0,293, o que autoriza a carta de valores individuais.

Nenhum ponto saiu dos limites, e uma leitura apressada diria que o processo está sob controle. Mas os últimos três meses, 33, 34 e 35, crescem em sequência, e a segunda metade fica quase toda acima da média. Tendência é sinal de causa especial mesmo dentro dos limites.

Exemplo ilustrativo de MTBF: com 720 horas disponíveis por mês, o primeiro bloco dá cerca de 43 horas entre falhas, e o segundo, cerca de 26. O equipamento perdeu 40% do intervalo entre quebras em menos de dois anos.

Menos preventiva, mais corretiva: o círculo vicioso que os dados mostraram

A série de horas de manutenção corretiva mostrou o mesmo movimento. Nos primeiros onze meses ficava entre 12 e 82 horas por mês. Nos nove seguintes chegou a 148 horas e passou de 100 horas em quatro meses.

A série de preventiva andou no sentido contrário. Em 2008 houve meses de 85 e 99 horas de preventiva, mais uma revisão geral de 280 horas em dezembro. Em 2009, fora uma grande parada, vários meses ficaram com zero ou perto de zero hora preventiva.

A leitura conjunta é o achado central da análise. Com a máquina quebrando mais, a equipe de manutenção foi puxada para a corretiva e deixou de fazer preventiva. Sem preventiva, a máquina quebrava mais ainda.

Esse é o X3 do charter, dificuldade de cumprir o plano por escassez de recursos, aparecendo nos dados. A saída não poderia ser mais gente na corretiva. Teria de ser liberar recurso para a preventiva, o que levou o projeto a olhar para TPM e manutenção autônoma.

A hipótese que caiu: mais produção não explica mais quebra

Havia uma explicação pronta na fábrica: o jato quebrava mais porque produzia mais. Se fosse verdade, o projeto seria inútil, porque a resposta seria comprar outra máquina. A hipótese foi testada.

O coeficiente de Pearson entre número de falhas e produção mensal foi 0,116, com valor-p de 0,627. A hipótese nula de correlação zero não foi rejeitada. A leitura de correlação e dispersão fica clara: o valor é baixo e nem sequer se distingue de zero.

A regressão linear confirmou. A equação ficou falhas = 18,1 + 0,0000023 vezes a produção em kg, com R² de 1,3% e R² ajustado de 0,0%. A produção explica praticamente nada da variação das falhas.

O software marcou uma observação de alta alavancagem, o mês de 2.783.704 kg, com 31 falhas. Mesmo esse mês extremo ficou próximo da reta. A decisão foi registrada: falha é problema de manutenção, não de volume, e cabe ao projeto resolver.

Mortalidade infantil numa máquina madura: o que a Weibull revelou

Com a gestão de manutenção no centro, a equipe aplicou análise de confiabilidade. Primeiro montou o diagrama de estados do jato: desligado, abastecendo, alimentando, jateando, transportando e limpando filtros. Cada transição é um ponto onde a falha pode ocorrer.

Num conjunto com 65 falhas registradas, testou modelos de distribuição. A lognormal foi aceita pelo qui-quadrado, 5,47 com 6 graus de liberdade e significância de 0,4852, e pelo Kolmogorov-Smirnov, com significância de 0,2151.

Com esse modelo, o tempo médio até a falha do conjunto foi 208,98 horas. A confiabilidade para uma missão de 600 horas ficou em 0,0784: a chance de o conjunto passar um mês inteiro sem falhar era de 7,84%.

O ajuste Weibull do TBF geral deu parâmetro de forma de 0,6535 e escala de 645,17 horas. Forma abaixo de 1 indica taxa de falha decrescente, a zona de mortalidade infantil da curva da banheira.

Numa máquina com anos de uso, mortalidade infantil não vem de idade. Vem de intervenção mal feita: montagem errada, peça fora de padrão, ajuste incompleto. A meta do projeto foi reescrita como empurrar o TBF para a zona de maturidade.

132 modos de falha e o mapa que mostrou onde o plano falhava

O FMEA mapeou 132 modos de falha. O Pareto por sistema concentrou 51 deles em armazenagem de abrasivos, seguida de turbinas com 25 e transporte com 17. Os maiores riscos ficaram no quadro elétrico.

Sobrecarga no circuito e aquecimento excessivo no painel tiveram severidade, ocorrência e detecção 10, risco 1.000. O controle existente era uma termografia anual. A degradação de rolamentos dos rolos emborrachados ficou com risco 500.

O mapa estratégico da manutenção cruzou, por conjunto, falhas, preventivas recomendadas, preventivas planejadas e realizadas, e confiabilidade.

O mapa separa três doenças diferentes. Onde se planeja e não se executa, o problema é recurso. Onde se executa tudo e a confiabilidade segue baixa, como no painel com 14%, o plano está errado. E onde nunca falha e há 12 preventivas planejadas, o plano pode ser enxugado e o recurso realocado.

252 cartões, 384 homens-hora e 40 toneladas de granalha recuperadas

A fase Melhorar atacou as três doenças. Os planos de manutenção foram revisados a partir do FMEA e do mapa estratégico. Cada modo crítico ganhou controle de parâmetro, e o painel elétrico ganhou plano próprio.

O diagrama de Ishikawa das falhas recorrentes gerou lições de um ponto, folhas ilustradas que ensinam uma tarefa de inspeção ou ajuste. Elas atacam o X4, operação deficiente, e a mortalidade infantil vinda de intervenção mal feita.

Uma inspeção geral abriu 252 cartões TPM, etiquetas penduradas em cada anomalia encontrada. O plano para removê-los foi dimensionado em horas:

O homem-hora é maior que as horas de execução porque várias pessoas trabalham em paralelo, em média 2,4 por hora de parada. A execução foi concentrada num dia D planejado.

No desperdício, as fontes de vazamento foram eliminadas e a máquina parou para limpar o porão. Foram retiradas 40 t de granalha desde o início do projeto, com cerca de 40 t ainda por retirar. O plano de ação teve 10 itens com responsável e prazo.

Indicador no sistema de gestão e dono com nome: o controle do jato

O controle foi amarrado ao sistema de gestão integrado. A política da qualidade ganhou a gestão estratégica da manutenção, e o macroprocesso de pintura ganhou o objetivo de eliminar corretivas não programadas.

O primeiro indicador é o número de ordens corretivas por mês, com apuração mensal pela engenharia. A meta é a média do período, e o benchmark é o melhor mês, com 9 falhas. O segundo compara cartões TPM previstos e realizados por mês.

Por fim, foram definidos donos do processo na manutenção autônoma e na manutenção profissional, depois de uma reunião de avaliação de perfil. O quadro abaixo resume o ponto de partida e o que a apresentação registra.

A coluna da direita mostra uma limitação real. A apresentação encerra com o sistema de controle montado, sem a série pós-melhoria. O resultado em falhas teria de ser comprovado meses depois, na mesma carta.

O que o jato ensina a quem conduz um projeto Master Black Belt

O case não é de uma ferramenta isolada. É de uma sequência de decisões, e cada fase eliminou um caminho errado. Para quem se prepara na formação Master Black Belt, ficam cinco lições.

1. Escolha o equipamento com várias réguas. Paradas, homem-hora, custo e criticidade cruzados evitam o projeto na máquina mais barulhenta e menos cara.
2. Defina o defeito de forma que permita cálculo. Transformar falha em TBF abaixo de 600 horas abriu DPMO, capabilidade e confiabilidade.
3. Respeite a distribuição do dado. Tempo entre falhas é lognormal ou Weibull, e a forma da Weibull disse mais que qualquer média.
4. Teste a explicação pronta. A correlação com produção, de 0,116, derrubou a tese de que só outra máquina resolveria.
5. Separe execução de plano. O mapa estratégico mostrou conjuntos com preventiva não feita e outros com preventiva feita e inútil.

Essas lições valem para qualquer projeto de eficiência produtiva no jateamento ou em outro equipamento de corretiva crônica. A sexta lição vale para o relatório. Um projeto só fecha com a série pós-melhoria comparada à linha de base. Montar o controle é condição necessária, e não é prova de ganho.