Statistics and Belts: How Much? How Deep?

Este artigo de Paul Sheehy, especialista em treinamento técnico da Minitab. Inc., discute as diferenças no ensino de estatística aos Six Sigma Green e Black Belts em diferentes organizações, e identifica sete maneiras com as quais o software estatístico pode oferecer suporte aos profissionais de qualidade.

Diferentes organizações ensinam estatística a seus Six Sigma Belts com níveis de abrangência e aprofundamento significativamente diferentes. Já vi muitos Master Black Belts (MBBs), que foram estatísticos práticos altamente qualificados e alguns que não sabiam a diferença entre uma teste t de 2 amostras e um teste t pareado. Aos Black Belts (BBs), em geral, é ensinado estatística em um nível menos intenso, porque eles podem contar com ajuda e apoio de MBBs. No entanto, são os Green Belts (GBs) e, se eu posso cunhar o termo, BBs de nível básico que mostram mais variação no conhecimento estatístico.

É importante notar que muitas organizações acreditam em um conjunto de conhecimentos padrão que todos os BBs devem dominar. Este conceito de um profissional BB certificado é válido, mas agora estamos focados em GBs e BBs de nível básico. O kit de ferramentas ensinadas a essas pessoas pode ser mais adequadamente ligado a seu campo, fábrica ou escritório específico. Se ninguém na organização utiliza certas ferramentas, pode ser "legal" ensiná-las, mas isso é provavelmente um "desperdício de superprocessamento".

Algumas organizações treinam GBs no mesmo nível que BBs. A justificativa é que ambos precisam do mesmo kit de ferramentas, porque a principal diferença entre um GB e BB nessas organizações é que um trabalha nos projetos em meio período e outro em tempo integral. Outras organizações tratam GBs como simples membros da equipe. Esses GBs aprendem a importância dos dados e do conceito Analise e Controle, mas podem não ter acesso a pacotes estatísticos. Essa última abordagem, infelizmente, tem um embasamento lógico:  a estatística pode ser complicada; ela tem um fator "use-a ou perca-a", e pode ser perigosa nas mãos de pessoas com pouco treinamento. O perigo potencial está na seleção de uma ferramenta inadequada, utilização de testes sem verificar suposições, uso de tamanhos de amostra insuficientes, utilização de dados não confiáveis, ou simplesmente na má interpretação da análise.

Quais são as possíveis soluções?

Primeiro, as empresas de software estatístico deveriam reconhecer que a maioria de seus usuários não são estatísticos e seu software deve oferecer input e output em inglês (ou francês, ou chinês), de forma clara e simples. Considere o ditado: "Se sua única ferramenta é um martelo, então cada problema parece ser um prego."  Simplificando, software deve oferecer um kit de ferramentas básico para um GB e avançado para um MBB e ele deve ser confortável para qualquer usuário. O ideal seria um pacote de software, adequado tanto para iniciantes quanto para especialistas. Isso tem duas vantagens claras. Primeiro, a medida que GBs avançam para se tornar BBs, e talvez até mesmo MBBs, a ferramenta que eles usam permanece consistente. Além disso, os MBBs usam a mesma ferramenta, seja fazendo uma análise avançada ou ajudando um GB.

Segundo, o software deve, sempre que possível, validar automaticamente as suposições e, ao fornecer resultados estatísticos, avisar claramente em linguagem de fácil compreensão. Para os GBs, não gosto nem do output que não oferece nenhuma verificação das suposições (com a expectativa de que o usuário sabe como validar e realmente valida todas as suposições), nem as "Caixas Pretas" que dão "A" resposta sem relatar a quantidade e qualidade de dados e sobre o status das suposições.

Terceiro, o software deveria orientar ou, melhor ainda, guiar de forma semi-automática os GBs por uma sequência lógica de ações que resulta em uma análise adequada. Esta seqüência deve consistir na validação de dados, análise gráfica crítica, assistência na escolha da análise estatística apropriada e uma conclusão clara, extraída de um procedimento estatístico executado corretamente.

Quarto, software para GBs deve usar testes que sólidos perante as suposições comuns e garantir clareza estatística. Seguem-se quatro exemplos:

  • Use um teste de Welch ANOVA e não um teste F clássico, já que o teste de Welch não requer a suposição de variâncias iguais.
  • Use automaticamente como padrão os testes 1, 2 e 7 para SPC. Isso corresponde a pesquisa atual e descobertas na comunidade estatística e minimiza os alarmes falsos, maximizando, ao mesmo tempo, a investigação do processo.
  • Esclareça quando as suposições comuns não são importantes, tais como a suposição de normalidade em um teste t de 2 amostras com tamanhos de amostra maiores que 20.
  • Forneça comparações automáticas de diferenças médias de nível em ANOVA unidirecional em vez de fornecer um único valor p.
  • Quinto, o treinamento deve evitar "linguajar estatístico", exceto onde ele for essencial. Devemos também entender que os participantes de um treinamento comum para GB de duas semanas, ou até mesmo de um de quatro semanas para BB, precisam aprender uma quantidade enorme de teoria Six Sigma e o uso de várias diferentes ferramentas de software para que eles possam concluir os projetos. Dedicar tempo adequado a esses tópicos normalmente não deixa tempo suficiente para ensinar estatística e software estatístico de suporte confortavelmente. Como MBB, passei sete anos instruindo BBs e GBs e o tempo sempre foi um pouco curto para cobrir os conceitos de Lean Six Sigma, gerenciamento de mudanças, gerenciamento de projetos e relatórios, seleção e delimitação do âmbito de projetos, análise e relatórios financeiros, além de realizar revisões de projeto e coaching na turma. Me senti incapaz de oferecer um treinamento estatístico adequado e prático.

    Como instrutor da Minitab durante os últimos 6 anos, vi esse problema do outro lado.  Cerca de 40% dos alunos em minhas aulas do Minitab tem servido como Belts ou estão sendo treinados como Belts. Em quase todas as turmas ouço alguém dizer: "Puxa, eu não aprendi isso no curso Six Sigma". Eu sempre respondo que, considerando o tempo permitido, o instrutor Six Sigma só pode ensinar o básico. Não consideramos que as habilidades Lean Six Sigma de um Belt são completas após terminar algumas semanas de treinamento, mas sim, esperamos até que eles tenham tempo para aplicar e aperfeiçoar essas habilidades durante um período de tempo - normalmente um ano e/ou vários projetos concluídos e com juri. Por que, então, assumimos que toda a formação estatística é completa e assimilada na formação inicial? Conhecimentos da estatística, como a maioria dos outros componentes de Lean Six Sigma, devem ser cultivados e aumentados ao longo desse primeiro ano.

    Sexto, devemos ensinar no nível certo. Um tamanho não serve a todos. Estive em muitas organizações de serviços que não usam medidores contínuos tradicionais e, portanto, não têm nenhum motivo para usar uma tradicional análise Gage R&R. Por que ensiná-la? Por outro lado, eu estava ensinando Lean Six Sigma para uma organização de serviço e eles disseram que não viram o valor de aprender DOE. Os convenci que, mesmo que tenham razão que não devíamos gastar três dias com instruções e prática de DOE como solicitado no material para treinamento do grupo de produção da sua organização, devíamos fazer um treinamento de "conscientização" com duração de 3-4 horas, para que a turma conhecesse a ferramenta, o que ela pode fazer, e seus requisitos básicos. Eles concordaram e, posteriormente, dois dos 25 participantes adequadamente utilizavam DOEs 2K simples em seu primeiro projeto.

    Sétimo, devemos oferecer suporte contínuo para Belts. Isso deve incluir treinamento sobre como acessar a funcionalidade de ajuda no software que utilizam. Esta é uma ferramenta básica, mas é frequentemente ignorada. A primeira linha de ação para todos os Belts que não sabem o que fazer deve ser a utilização de ajuda em software.

    Concluo com uma observação:  Estatística é o coração do Lean Six Sigma, mas não é a atividade a qual um Belt dedica mais tempo. Durante um projeto que se estende por três ou quatro meses, um Belt pode usar um pacote de estatística/dados durante 10 a 20 horas. No entanto, a estatística é uma ferramenta fundamental - sem ela, como poderíamos quantificar nossa capacidade de linha de base e verificar que ela provém de um processo estável? Como poderíamos saber se uma mudança foi estatisticamente válida ou resultado do acaso e como poderíamos quantificar corretamente nosso estado final?

    A estatística é necessária, apesar das conferências que prometem "Six Sigma sem Estatística", mas deve e pode ser mais acessível, mais fácil de aprender e mais segura.

    Sobre Paul Sheehy

    Paul Sheehy é um especialista em treinamento técnico na Minitab, LLC. Ele fez graduação em engenharia de tecnologia industrial e engenharia mecânica enquanto trabalhava na General Electric, mas acredita que seu treinamento mais valioso venha do aprendizado e da aplicação de estatística empresarial prática e aprimoramento contínuo do processo em um ambiente do mundo real. Depois de se tornar um Master Black Belt, ele implantou o programa Six Sigma nas instalações da GE Power Systems em Bangor, Maine e ensinou a metodologia Six Sigma nos níveis de usuário e do "Treinamento dos Instrutores", em vários locais da GE.  Antes de ingressar na Minitab, Sheehy foi consultore instrutor mestre em Six Sigma Academy, onde desenvolveu material de treinamento para programas Black Belt e Green Belt e treinou Black Belts em Six Sigma em empresas como Ford, Visteon, Johnson Controls, Tyco, Kerr McGee e Lear. Sheehy se apresentou em várias conferências e proferiu palestras na Conferência para Lean Six Sigma da American Society for Quality. Ele foi o autor principal de Black Belt Memory Jogger.

    Baixar este artigo em formato PDF (somente em inglês)

    Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado. Leia nossa política

    OK