Motivação para participar
- Compreender os conceitos de seis sigma;
- Conhecer as ferramentas quantitativas para decisões em projetos de melhorias;
- Mostrar como simulação numérica é a única abordagem para resolver problemas realísticos da indústria;
- Discussão e resolução de diversos problemas práticos;
Ementa
1. Conceitos e exemplos de análise de risco e otimização estocástica:
1.1. Uma visão geral da complexidade dos problemas em ambiente de incerteza
1.2. Algumas características importantes de uma análise de risco em seis sigma
1.3. Otimização determinística e estocástica: O que é? Quais as diferenças? Quando devem ser empregadas?
1.4. Uma visão geral de modelos matemáticos, simulação, otimização e exemplos
1.5. Exemplo 1: Modelo para a simulação do percentual de defeitos de uma peça composta por 4 unidades
1.6. O que é simulação de Monte Carlo? Como ela pode ser feita em planilhas excel? Como interpretar os resultados?
1.7. Exemplo 2: Modelo para análise de risco de tempo para completar um processo produtivo
1.8. Exemplo 3: Simulação de um plano de teste para avaliar a durabilidade de amortecedores
1.9. Exemplo 4: Modelo para análise de risco de um plano de amostragem
1.10. Exemplo 5: Modelo para análise de risco da oferta de um novo emprego de engenheiro de qualidade (Black-Belt)
1.11. Exemplo 6: Modelo para otimização do nível ótimo de capacitores a serem comprados
1.12. Exemplo 7: Modelo para escolher a melhor distribuição de probabilidade para cada variável incerta e estimativa de risco
1.13. Exemplo 8: Modelo para estimativa de risco de investimentos em dois projetos de seis sigma
1.14. Exemplo 9: Modelo para análise de correlações entre várias variáveis em problemas de Seis Sigma
1.15. Exemplo 10: Modelo para análise de sensibilidade da confiabilidade de uma mola helicoidal e interpretação de resultados
1.16. Exemplo 12: Modelo para a previsão de média e risco na demanda de gás natural de uma pequena cidade
2. Os conceitos fundamentais de seis sigma, design para seis sigma e lean manufacturing:
2.1. O que é qualidade para produtores e consumidores?
2.2. Exemplo 13: Conceito de seis sigma e importância econômica desta abordagem
2.3. As fases de um programa de seis sigma (DMAIC) e como simulação de Monte Carlo gera economia
2.4. Exemplo 14: O conceito de DFSS, aplicação e benefícios
2.5. Os indicadores de capabilidade de processos:
2.5.1. Cp, Cpk
2.5.2. Pp, Ppk
2.5.3. Outros
2.6. Exemplo 15: A metodologia geral de Design para Seis Sigma (DFSS) e porque simulação é tão importante
2.7. Exemplo 16: A metodologia geral de Design para Seis Sigma (DFSS) e porque devemos usar simulação
2.8. Alguns casos de sucesso de uso de simulação na melhoria de qualidade
3. Análise de casos complexos nas áreas de seis sigma, design para seis sigma e lean manufacturing:
3.1. Modelo para avaliação de melhorias de produtividade em processo de empréstimos de um banco
3.2. Modelo para seleção de projetos para estudos de seis sigma em ambiente de incertezas
3.3. Modelo para análise de melhorias envolvendo o design de uma bomba que é parte de um sistema de envasamento
3.4. Modelo para simulação da previsão de variabilidade a partir de design de experimentos (DOE)
3.5. Modelo para análise de tolerância de componentes para atender especificação de produto e minimizar custo
3.6. Modelo para análise da presença de “hidden factory” por meio de lean e seis sigma
3.7. Modelo para análise da melhor especificação na fase de projeto de um pistão
3.8. Modelo para simulação de Value Stream Analysis de uma fábrica de geradores elétricos
4. Discussão de problemas dos participantes
Software de apoio além do Excel:
Crystal Ball ou @Risk ou ModelRisk
