A UTILIZAO DA ESTATSTICA COMO FERRAMENTA NA TOMADA DE DECISO: ESTUDO DE CASO EM UMA INDSTRIA DE BASE Flvio Lus Leandro MONOGRAFIA

SUBMETIDA COORDENAO DE CURSO DE ENGENHARIA DE PRODUO DA UNIVERSIDADE FEDERAL DE JUIZ DE FORA COMO PARTE DOS REQUISITOS NECESSRIOS PARA A GRADUAO EM ENGENHARIA PRODUO. Aprovada por: ________________________________________________ Prof. Eliane da Silva Christo, DSc.

________________________________________________ Prof. Jos Geraldo Ferreira, MSc.

________________________________________________ Prof. Rodrigo Brum.

JUIZ DE FORA, MG BRASIL. JUNHO DE 2008

ii

LEANDRO, Flvio Lus. A utilizao da estatstica como ferramenta na tomada de deciso: Estudo de caso em uma indstria de base, Juiz de Fora (MG). [manuscrito] / Rafael Doro Souza. Juiz de Fora: Universidade Federal de Juiz de Fora, 2008. Monografia (graduao) Universidade Federal de Juiz de Fora (MG), Curso de Engenharia de Produo. Orientadora: Eliane da Silva Christo 1. Ferramentas Estatsticas. 2. Tomada de Deciso. 3. Gerenciamento de Dados. I. Universidade Federal de Juiz de Fora. II.Ttulo.

iii

DEDICATRIA: Dedico aos meus pais que apesar de pouco estudo sempre tiveram a sensibilidade e conscincia de reunir condies para que seus filhos estudassem.

iv AGRADECIMENTOS: Aos meus pais, minha irm pela convivncia do dia a dia em nossa casa. A minha namorada pelo incentivo, apoio e amor nesses anos juntos. Aos professores do ICE e da Faculdade de Engenharia que me presentearam com seus conhecimentos e que me acolheram to bem em cada disciplina. Aos professores Eliane da Silva Christo, Jos Geraldo Ferreira e Rodrigo Brum pela orientao e apoio neste trabalho. A Votorantim Metais por permitir que esse trabalho fosse realizado, e em especial Ricardo Santoro e Marcelo de Paole por me instrurem sobre a vida dentro e fora da empresa.

v Resumo da monografia apresentada Coordenao de Curso de Engenharia de Produo como parte dos requisitos necessrios para a graduao em Engenharia Produo.

A utilizao da estatstica como ferramenta na tomada de deciso: Estudo de caso em uma indstria de base

Flvio Lus Leandro Junho/2008 Orientadores: Eliane da Silva Christo Ricardo Alexandre Ribeiro Santoro Curso: Engenharia de Produo

O objetivo desse estudo apresentar e demonstrar a importncia da utilizao de ferramentas estatsticas em uma empresa de grande porte. Neste trabalho, uma anlise do processo atravs de ferramentas como grfico de controle, grfico de Pareto e box plot foram realizada a partir de um estudo de caso no setor de Ustulao da empresa Votorantim Metais Unidade Zinco localizada em Juiz de Fora, MG. Por se tratar de um setor automatizado, foram coletados dados reais relativos ao processo industrial em tempo real atravs da utilizao de um software gerenciador de banco de dados (PI). Os dados discutidos nesse estudo foram referentes Alimentao do Forno Ustulador, Produo de cido e Produo de SO2. Os resultados obtidos atravs da anlise das informaes extradas dos dados estatsticos formaram a base para a tomada de deciso.

Palavras-chave: Ferramentas Estatsticas, Tomada de Deciso, Gerenciamento de Dados.

vi Abstract of the monograph presented to the Coordination of the Production Engineering Course as part of the necessary requirements for graduating in Production Engineering. THE USE OF STATISTICS AS A TOOL IN DECISION-MAKING: A CASE STUDY IN AN INDUSTRY-BASED Flvio Lus Leandro June/2008 Advisors: Eliane da Silva Christo Ricardo Alexandre Ribeiro Santoro Course: Production Engineering This paper aims at showing and demonstrating the importance of using statistical tools in a big company. In this study, we used control chart, the Pareto chart and the box plot to analyze the process of Ustulao at Votorantim Metals Zinc Unit located in Juiz de Fora, MG. As the Ustulao section is automated, the industrial process data were collected in real time by using manager software of database (PI). The data presented in this study are related to the Roaster Feeding, Acid Production and SO2 Production. The results statistically obtained from the analysis were the base to decision-making.

Keys words: Statistics Tools, Decision-Making, Information Management

vii

LISTA DE FIGURAS
Figura 1: PIMS como concentrador e difusor de dados na planta Figura 2: Estatsticas Utilizadas no Box Plot Figura 3: Esquema do diagrama de Tukey Figura 4: Exemplo de um Grfico de Controle tpico Figura 5: Exemplo de um Grfico de Controle com limites de controle (3) Figura 6: Exemplo de um Grfico de Pareto tpico Figura 7: Sistema Supervisrio de Controle e Aquisio de Dados (SCADA) Figura 8: Grfico de controle da Alimentao do Forno (2007) Figura 9: Grfico de controle da Produo de cido (2007) Figura 10: Grfico de controle da Produo de SO2 (2007) Figura 11: Grfico box plot do OEE (2007) Figura 12: Grfico de Pareto Equipamentos x Freqncia de Defeitos (2007) Figura 13: Diagrama do ciclo de Informao

viii

LISTA DE QUADROS
Quadro 1: Possvel Plano de Ao para as propostas apresentadas

ix

GLOSSRIO DE SIGLAS E TERMOS

ZnS Sulfeto de zinco ZnO xido de zinco SO2 Dixido de enxofre O2 Oxignio H2SO4 cido sulfrico PIMS Plant Information Management Systems pH refere-se a uma medida que indica se uma soluo lquida cida, neutra ou bsica PI Software de gerenciamento e armazenamento de dados OEE Overall Equipment Effectiveness MINITAB Software estatstico PLC/CLP Controladores Lgicos Programveis SDCD Sistemas Digitais de Controle Distribudo SCADA Sistema Supervisrio de Controle e Aquisio de Dados MS SQL Server/ Oracle Banco de dados relacionais ERP Enterprise Resource Planning VM Votorantim Metais SGV Sistema de Gesto Votorantim LSC Limite Superior de Controle LIC Limite Inferior de Controle LMC Limite Mdio de Controle Outlier As observaes que apresentam um grande afastamento das restantes ou so inconsistentes Quartil qualquer um dos trs valores que divide o conjunto ordenado de dados em quatro partes iguais.

Sumrio
LISTA DE FIGURAS.............................................................................................................. vii LISTA DE QUADROS............................................................................................................viii GLOSSRIO DE SIGLAS E TERMOS................................................................................... ix Captulo I .................................................................................................................................1 APRESENTAO ...................................................................................................................1 1.1 - CONSIDERAES INICIAIS ..........................................................................................1 1.2 - OBJETIVOS.....................................................................................................................2 1.3 - JUSTIFICATIVAS ............................................................................................................2 1.4 - ESCOPO DO TRABALHO ..............................................................................................3 1.5 - METODOLOGIA ..............................................................................................................3 1.5.1 - Desenvolvimento da pesquisa...................................................................................3 1.5.2 - Dados da pesquisa....................................................................................................4 1.5.3 - Anlise de dados .......................................................................................................4 Captulo II ................................................................................................................................5 REVISO BIBLIOGRFICA....................................................................................................5 2.1 - GERENCIAMENTO DE DADOS .....................................................................................5 2.1.1 - Plant Information Management Systems (PIMS) ......................................................5 2.2 - FERRAMENTAS ESTATSTICAS...................................................................................7 2.2.1 - Box Plot .....................................................................................................................8 2.2.2 - Grfico de Controle ...................................................................................................9 2.2.3 - Grfico de Pareto ....................................................................................................11 2.3 - TOMADA DE DECISO ................................................................................................12 2.3.1 - Classificao e mtodos de deciso .......................................................................12 2.3.2 - Atuao da gerncia na tomada de deciso ...........................................................13 Captulo III .............................................................................................................................14 VOTORANTIM METAIS.........................................................................................................14 3.1 - DESCRIO DA EMPRESA .........................................................................................14

Captulo IV.............................................................................................................................18 ANALISANDO O SETOR DE USTULAO.........................................................................18 4.1 - COLETA DE DADOS .....................................................................................................18 4.2 - ANLISE DE DADOS ....................................................................................................19

xi Captulo V..............................................................................................................................26 CONCLUSES ......................................................................................................................26

REFERNCIAS BIBLIOGRFICAS......................................................................................27 APNDICE 1 Planilha Coleta de Dados...........................................................................29 APNDICE 2 Planilha de Causas .....................................................................................36

Captulo I APRESENTAO
1.1 CONSIDERAES INICIAIS No cenrio atual o Grupo coreano Korea Zinc mantm sua primazia como o primeiro produtor de zinco no mundo, seguido por grupos representados por Espanha, Austrlia, Blgica, Sucia e Brasil com uma notvel produo desse minrio em forma bruta. O Brasil pontua como o sexto maior produtor de zinco do mundo representado pela Votorantim Metais, pertencente ao Grupo Votorantim, com suas duas unidades industriais localizadas nas cidades de Juiz de Fora e Trs Marias. A produo de zinco metlico, atravs de processamento de concentrado sulfetado de zinco, cumpre uma trajetria clssica que se compe de trs etapas principais: Ustulao, Lixiviao e Eletrlise. A Ustulao, setor objeto desse trabalho localiza-se na primeira etapa do processo de produo. Esse setor da empresa responsvel pela oxidao do zinco (o sulfeto de zinco, ZnS, convertido em xido de zinco, ZnO) com a gerao de dixido de enxofre (SO2) como subproduto. Esta reao se d atravs de um forno de leito fluidizado (injeo de O2) a 950 C. A maior parte do dixido de enxofre utilizada para produo de cido sulfrico (H2SO4) numa fbrica de dupla catlise e dupla absoro. O restante do dixido de enxofre liquefeito usando o processo convencional de condensao parcial. Para o acompanhamento dos dados referentes produo, a Votorantim Metais implantou a partir de maio de 2007 um sistema automatizado, baseado no conceito de Plant Information Management Systems (PIMS), que gerencia todos os parmetros do setor de ustulao. Ao seguir essa tendncia que j se tornou realidade em algumas empresas brasileiras, o setor melhorou significativamente o processo de armazenagem de dados referentes produo e ao processo, uma vez que anteriormente esses dados eram coletados na rea e inseridos manualmente. Portanto mais sujeito ao erro humano. O gerenciamento desses dados feito por um software (PI) capaz de armazenar um banco de dados bastante robusto. Com isso os dados tornaram-se seguramente mais confiveis (no que tange a obteno desses dados em tempo real) para a aplicao de ferramentas estatsticas de controle da qualidade. Embora as tcnicas estatsticas sejam as ferramentas tcnicas crticas para o controle e melhoria da qualidade, precisam, para serem usadas com maior eficincia, ser implantadas dentro e como parte de um sistema de gerenciamento orientado pela qualidade (Montgomery, 2004).

2 O controle do processo de produo do ustulado (ZnO) e de seus subprodutos (SO2 e H2SO4) juntamente com a manuteno dos equipamentos contribuem para a anlise de um importante indicador, o OEE (Overall Equipment Effectiveness), ou simplesmente Eficincia Global. Esse indicador gerencia os sistemas produtivos, pois permite o levantamento de detalhes suficientes que auxiliam na definio das prioridades e no planejamento direcionado das aes que visam oportunidades de melhoria. Portanto a utilizao conjunta de um sistema automatizado de coleta de dados, juntamente com ferramentas de estatstica avanada (Box plot, Grfico de Pareto, Grfico de Controle) e o auxlio de um indicador de gerenciamento de sistemas produtivos oferecem subsdios necessrios para o detalhamento de cada etapa do processo, suas falhas e as possveis modificaes e aes que podem ser realizadas durante o processo de tomada de deciso do gestor. Alves (2003) afirma que o monitoramento efetivo das caractersticas da qualidade de um processo de produo depende freqentemente de ferramentas estatsticas para a deteco, identificao e anlise das causas significantes responsveis por variaes que afetam o comportamento do processo de maneira imprevisvel. Considerando, assim, as ferramentas de controle disponibilizadas pela anlise estatstica, o presente estudo pretende demonstrar de que forma a estatstica pode auxiliar na tomada de deciso de gestores durante o processo de produo do zinco em uma empresa de grande porte.

1.2 -

OBJETIVOS O objetivo principal desse trabalho demonstrar o uso da anlise estatstica

enquanto meio de controle da produo bem como ferramenta indispensvel na tomada de deciso na gesto em empresas de grande porte fornecedoras de zinco. Evidenciar a importncia da utilizao de sistema automatizados na coleta de dados para compor a tomada de deciso. Apresentar como forma de conhecimento um estudo de caso ocorrido no setor de Ustulao da Votorantim Metais Unidade Zinco Juiz de Fora bem como as ferramentas estatsticas utilizadas na anlise dos dados.

1.3 -

JUSTIFICATIVAS Procedimentos falhos e/ou ineficientes durante a ustulao (etapa inicial da produo

de zinco), tanto em relao a bom funcionamento dos equipamentos quanto gesto de mo de obra podem gerar grandes prejuzos j que horas paradas do processo significam

3 ineficincia no fornecimento direto aos clientes internos, menor produo (ustulado, cido sulfrico e SO2), atrasos na entrega dos produtos finais, aumento dos custos de produo e conseqentemente menores lucros. Tornam-se, portanto imprescindveis alternativas de detalhamento e controle do processo para que a sua manuteno e otimizao ocorra atravs de planos de ao baseados nos acontecimentos anteriores inerentes ao prprio processo. Dessa forma pode-se gerar maior eficincia e lucro. Neste contexto a estatstica apresenta-se como uma ferramenta de controle da produo que pode atingir estes objetivos devido aos seus recursos e formas de anlise de dados de produo de uma empresa.

1.4 -

ESCOPO DO TRABALHO O presente estudo utiliza-se de dados do setor de ustulao da empresa Votorantim

Metais Unidade Zinco, ligada ao Grupo Votorantim localizada na cidade de Juiz de Fora, MG. Nesse estudo de caso foram utilizados ferramentas estatsticas como box-plot, grfico de controle e grfico de Pareto para embasar qual o veis auxiliou a tomada de deciso.

1.5 -

METODOLOGIA Eisenhardt (1989) apud Alves (2003) resume o estudo de caso como uma

metodologia de pesquisa que tem como foco o entendimento da dinmica presente dentro de um cenrio especfico.

1.5.1 - Desenvolvimento da pesquisa A pesquisa seguir as seguintes etapas:

Planejamento da coleta dos dados; Transferncia dos dados do software de gerenciamento PI para o software estatstico MINITAB 15; Anlise e interpretao dos dados; Apresentao de possvel plano de ao a ser realizado a partir dos resultados encontrados.

4 1.5.2 - Dados da pesquisa Os dados da pesquisa que foram utilizados fazem parte do setor de ustulao da produo de zinco, nas seguintes fases do processo: alimentao do forno, produo de cido sulfrico e produo de SO2. Foram analisados os dados desse setor durante o perodo de 01/01/2007 a 31/12/2007, coletados diariamente. Os dados foram coletados do software de gerenciamento (PI), que atualiza e armazena as informaes das etapas de todo o processo de produo. Estes dados juntamente com os valores j calculados do OEE foram transferidos para o programa estatstico MINITAB, onde foram realizadas todas as anlises estatsticas.

1.5.3 - Anlise de dados Na anlise dos dados o programa estatstico utilizado foi o MINITAB verso 15, do qual foi explorado ferramentas como box plot, grfico de controle, grfico de Pareto.

Captulo II REVISO BIBLIOGRFICA

2.1 GERENCIAMENTO DE DADOS No ponto de vista mercadolgico, e numa lgica competitiva, as empresas tm como objetivo potencializar a satisfao de seus clientes e outros grupos de interesse de forma mais eficiente e eficaz quando comparados com seus concorrentes (Corra; Corra, 2006). A questo de se obter e/ou conseguir manter um processo produtivo dentro dos limites impostos pelo mercado passa por medir e avaliar o desempenho do processo dentro da empresa. Neely et al. (1995) apud Corra e Corra (2006) descreve que a medio de desempenho o processo de quantificar ao, em que medio o processo de quantificao da ao que leva ao desempenho. Dessa forma, atualmente existem diversos equipamentos de campo inteligentes que auxiliam na quantificao dessas aes disponibilizando uma grande variedade de dados que podem ser utilizados em outras aplicaes. Portanto, o desafio das grandes empresas buscar atravs da implantao de sistemas automatizados a transformao dessa grande variedade de dados em informaes teis.

2.1.1 - Plant Information Management Systems (PIMS) O Plant Information Management Systems (PIMS), ou, Sistema de Gerenciamento de Informaes da Planta, so sistemas que adquirem dados de processo de diversas fontes, os armazenam num banco de dados histrico e os disponibilizam atravs de diversas formas de representao. O PIMS nasceu na indstria de processos contnuos mais propriamente na indstria qumica e petroqumica para resolver o problema da fragmentao de dados e proporcionar uma viso unificada do processo. A partir de uma estao ele pode visualizar tanto os dados de tempo real como histricos da planta, alm de montar tabelas, grficos de tendncia e sinpticos e eliminar as ilhas de informao, concentrando em uma nica base de dados informao sobre todos os aspectos de uma planta. (Sobroza e Carvalho, 2007). Uma importante caracterstica do PIMS a sua capacidade de comunicao com os outros setores externos, tanto como fornecedor, quanto como coletor de dados (atravs de drivers que se comunica com os principais softwares).

Figura 1 PIMS como concentrador e difusor de dados na planta Fonte: Intech Nmero 83 - www.isadistrito4.org

No caso da indstria em estudo o gerenciamento do banco de dados feito pelo software PI da empresa americana OSIsoft Inc.. O PI responsvel pelo armazenamento e monitoramento em tempo real de todos os dados referentes produo de uma empresa e capaz de distribu-lo aos mais diferentes nveis de usurio dentro da organizao, democratizando a informao. Outra caracterstica do PI a de fornecer um complemento para planilhas eletrnicas de mercado (Excel), possibilitando de relatrios referentes ao processo. Estes dados so em sua maioria coletados atravs de:

Sistemas de automao da empresa como PLC/CLP (Controladores Lgicos Programveis), SDCD (Sistemas Digitais de Controle Distribudo), SCADA (Sistema Supervisrio de Controle e Aquisio de Dados);

Dados de laboratrio (entrada manual); Banco de dados relacionais como MS SQL Server, Oracle, etc; ERP (Enterprise Resource Planning) como SAP, Microsiga, Datasul; Dentre outras possibilidades.

So exemplos de tipos e origens de dados de processo armazenados pelo PI: temperaturas de motores, indicaes de fluxo de tubulaes, vibrao de equipamentos, abertura de vlvulas, condies de equipamentos (ligados/desligados), pH de uma determinada substncia, produo diria, etc. Portando torna-se evidente que nos dias atuais a utilizao de sistemas de gerenciamento de processo indispensvel s empresas, pois so atravs deles que toda

7 anlise e acompanhamento do processo so realizados, possibilitando que a empresa obtenha um melhor monitoramento (follow-up).

2.2 -

FERRAMENTAS ESTATSTICAS Marshall Jnior et al. (2006) afirma que o controle de processo foi o fundamento para

o desenvolvimento das tcnicas para o controle estatstico da qualidade. Ao estruturar organizadamente as etapas que compem a realizao de um trabalho ou tarefa, incluindo seu fluxo, insumos, atividades realizadas e produtos gerados, possvel obter muitas informaes sistematizadas e perceber pontos crticos, oportunidades de melhoria e, principalmente, as variaes ou flutuaes devido s causas normais (intrnsecas a natureza do processo) e as devidas causas anormais ou especficas. De acordo com Alves (2003) para haver um monitoramento efetivo das caractersticas de qualidade de um processo de produo, o uso de ferramentas estatsticas torna-se necessria para detectar, identificar e analisar quais so os fatores responsveis pela variabilidade que afeta de maneira imprevisvel o processo. Ishikawa (1976) apud Marshall Jnior et al. (2006) assegura que noventa e cinco por cento dos problemas relacionados qualidade podem ser resolvidos com o uso de sete ferramentas quantitativas bsicas. As sete ferramentas so:

Diagramas de processo; Grfico de Pareto; Diagrama de causa-e-efeito (ou diagrama de Ishikawa); Diagrama de correlao; Histogramas; Grfico de controle; Folhas de verificao.

Porm Corra e Corra (2006) enfatizam que as ferramentas no resolvem problemas e nem melhoram situaes, na verdade, as ferramentas apiam e auxiliam pessoas na tomada das decises que resolvero problemas e melhoraro situaes. Para que o nvel de qualidade possa ser atingido, devem-se utilizar tcnicas estatsticas convenientes e recorrer ao empenho geral de todos os envolvidos na melhoria contnua para a estabilidade de um processo. (Alves, 2003). O presente trabalho utilizar como base para o desenvolvimento do estudo de caso o diagrama de caixa ou box plot, e tambm das sete ferramentas mencionadas, utilizar duas delas: o grfico de controle e o grfico de Pareto.

8 2.2.1 - Box Plot Conceitualmente o Box Plot ou Diagrama de Caixas, segundo Montgomery (2004), trata-se de um grfico que aponta vrios aspectos importantes dos dados simultaneamente, tais como tendncia central ou posio, disperso ou variabilidade, afastamento da simetria e identificao de observaes muito afastadas da maior parte dos dados (essas observaes so muitas vezes chamadas valores discrepantes ou outliers). As caractersticas de uma distribuio so em geral descritas informando os valores da mdia e do desvio padro e, algumas vezes do coeficiente de assimetria. Porm a mdia e o desvio padro so fortemente influenciados pela presena de valores discrepantes. Para contornar esta dificuldade, Tukey (1977) props descrever as caractersticas de uma distribuio atravs das estatsticas de ordem que so a mediana, os quartis ou juntas e os extremos, apresentados no esquema a seguir.

~ x J E

n Q1 Ei

~ x

Q3 Es

Figura 2 - Estatsticas Utilizadas no Box Plot Fonte: BUSSAB e MORETIN (2002)

Onde n o nmero de observaes,

~ x

a mediana, J as juntas (1 quartil e 3

quartil) e E os extremos (o menor valor observado, Ei e o maior valor observado, Es). As caractersticas da distribuio da populao podem ser analisadas a partir do diagrama de Tukey (box plot), devido a sua configurao. A figura a seguir representa o esquema do diagrama de Tukey (box plot).

Ei

Q1

~ x
DI

Q3

Es

Figura 3 Esquema do diagrama de Tukey Fonte: Adaptado BUSSAB e MORETIN (2002)

9 A diferena DI = Q3 Q1 denominada desvio interquartlico e pode ser empregada como medida de disperso. Este diagrama indica as seguintes caractersticas:

Tendncia central: dada pela posio da mediana na escala de medida da varivel; Disperso: medida pelo valor de DI; Assimetria: indicada a partir da comparao das diferenas

~ - Q1 e Q3 - ~ . x x
3 Q3 + DI 2

Todos os valores observados inferiores a so discrepantes (outliers).

3 Q1 DI 2

e superiores a

Os valores a e b so o menor valor observado no discrepante e o maior valor observado no discrepante, respectivamente.

2.2.2 - Grfico de Controle Segundo Alves (2003), os grficos de controle estatstico so meios grficos que atravs de uma amostra seqencial revelam quando um processo se altera e necessita de ao corretiva. Alm de oferecer uma exposio visual dos dados que representa um processo, o principal foco do grfico de controle a tentativa de separar as causas de variaes especiais ou identificveis das causas de variaes comuns ou devidas ao acaso. O grfico de controle segundo Junior et al. (2006), um tipo especfico de grfico que serve para acompanhar a variabilidade de um processo, identificando suas causas comuns (intrnsecas ao processo) e especiais (aleatrias). Onde as causas comuns se relacionam ao prprio funcionamento do sistema e as causas especiais refletem ocorrncias fora dos limites de controle. Portanto quando um processo est operando de maneira natural, ou seja, sem causas especiais de variabilidade presentes, dito estvel ou sob controle estatstico. (Alves, 2003). Corra e Corra (2006) destacam que o objetivo do grfico de controle o de manter o controle de um processo atravs do acompanhamento do comportamento de uma ou vrias medidas importantes resultantes desse processo. Montgomery (2004) destaca algumas das razes que contemplam a popularidade dos grficos de controle:

uma tcnica comprovada de melhoria da produtividade; So eficazes na preveno de defeitos; Evitam ajustes desnecessrios nos processos;

10

Fornecem informaes confiveis para diagnstico sobre o desempenho e capacidade dos processos.

Figura 4 Exemplo de um Grfico de Controle tpico Fonte: Alves (2003)

Para Wheeler (2001), o objetivo dos limites de controle o de minimizar as conseqncias desses dois erros. Para embasar esse trabalho, o grfico de controle escolhido o cuja especificao para os limites de controle de (3). Isso fica evidente por entender, segundo Montgomery (2004), que processos analisados com essa especificao de limites geram bons resultados na prtica. Utilizando o sistema 3 implica em dizer que a probabilidade das ocorrncias est entre o intervalo da curva Normal de 99,73%.

Figura 5 Exemplo de um Grfico de Controle com limites de controle (3) Fonte: Alves (2003)

11 2.2.3 - Grfico de Pareto De acordo com Junior et al. (2006) o grfico de Pareto um grfico de barras, construdo a partir de um processo de coleta de dados, e pode ser utilizado quando se deseja priorizar problemas ou causas relativas a um determinado assunto. Slack, Chambers e Johnston (2002) afirmam que o grfico de Pareto trata-se de uma tcnica relativamente direta, que envolve classificar os itens de informao nos tipos de problemas ou causas de problemas por ordem de importncia. Para Corra e Corra (2006), o objetivo do grfico de Pareto classificar em ordem decrescente os problemas que produzem os maiores efeitos e atacar esses problemas inicialmente. Montgomery (2004) ressalta ainda que o grfico de Pareto seja simplesmente uma distribuio de freqncia (ou histograma) de dados atributos, organizados por categoria. Portanto, tem a funo de identificar de forma rpida e visualmente os tipos de defeitos que ocorrem com mais freqncia. Corra e Corra (2006) declaram que estudos feitos pelo economista italiano Vilfredo Pareto no sculo XVI, constatou-se uma proporo (80/20), por exemplo, cerca de 80% das falhas ocorrem devido a 20% das causas provveis dessas falhas. E tal proporo ocorre freqentemente na anlise de vrias situaes cotidianas.

Figura 6 Exemplo de um Grfico de Pareto tpico Fonte: www.vipnet.pt/saibamais_files/pareto.jpg

12 2.3 TOMADA DE DECISO Inicialmente a tomada de deciso caracteriza-se por uma situao de problema, onde necessrio verificar as alternativas para a soluo. Miglioli (2006) define tomada de deciso como sendo o ato escolher uma opo dentre diversas alternativas, seguindo critrios previamente estabelecidos de forma a obter uma soluo que resolva ou no um dado problema. Segundo Zeleny (1994) apud Gomes, Gomes e Almeida (2002) a tomada de deciso um esforo para tentar resolver problema(s) de objetivos conflitantes, cuja presena impede a existncia da soluo tima e conduz procura do melhor compromisso. De acordo com Raiffa (1999) apud Gomes, Gomes e Almeida (2002), os objetivos so importantes para determinar quais informaes devem ser obtidas, para proporcionar justificativas relacionadas s decises perante aos demais, para ressaltar a importncia de uma escolha e estabelecer qual o tempo e os esforos necessrios para o cumprimento da tarefa. Mas Gomes, Gomes e Almeida (2002) afirmam tambm que um processo de deciso dispe de alternativas associadas tanto a ganho quanto a perda, ou seja, as decises podem estar ligadas a uma oportunidade (melhoria ou otimizao) ou a um problema.

2.3.1 - Classificao e mtodos de deciso Freitas e Kladis (1995) apud Miglioli (2006) classificam as decises segundo os diferentes nveis administrativos:

Estratgico: as decises englobam a definio de objetivos, polticas e critrios gerais para planejar o curso da organizao; Ttico: as decises so normalmente relacionadas ao controle administrativo e utilizadas para decidir sobre operaes de controle, formulao de novas regras de deciso que sero aplicadas por parte do pessoal da operao;

Operacional: a deciso um processo no qual se assegura que as atividades operacionais sejam bem desenvolvidas, utilizando-se procedimentos e regras de decises preestabelecidas.

Schermerhorn Jnior (1999) apud Miglioli (2006) aponta trs mtodos como tomada de deciso pode ocorrer dentro de uma empresa:

Decises individuais: pressupe que o tomador tem informao e conhecimentos suficientes para tomar uma boa deciso;

13

Decises consultivas: o tomador de decises busca informaes e conselhos com outras pessoas sobre o problema, e com base nas informaes colhidas e em sua interpretao, escolhe a alternativa que julga ser melhor;

Decises em grupo: o tomador pede ao grupo que tomem ou o ajudem a tomar a deciso final para a soluo de um determinado problema.

Gomes, Gomes e Almeida (2002) apresentam as conseqncias advindas das decises tomadas como sendo:

Imediata; Curto prazo; Longo prazo; Combinao das formas anteriores (impacto multidimensional).

2.3.2 - Atuao da gerncia na tomada de deciso Para Moreira (2004) a tomada de deciso uma tarefa gerencial, onde se torna necessrio buscar o maior nmero de dados referentes ao problema para gerar informaes teis a serem analisadas. importante que essa anlise tenha como foco os objetivos da empresa e os recursos disponveis. Segundo Miglioli (2006) as decises gerenciais esto ligadas diretamente sobrevivncia da empresa e afetam diretamente todos agentes que giram em torno dela, sejam eles empregados, acionistas, fornecedores, clientes ou at mesmo a prpria sociedade. No caso do presente trabalho as decises gerenciais esto ligadas ao estudo da variabilidade do processo. Wheeler (2001) apud Alves (2003) afirma que a variao sempre gera custos. As atitudes tomadas para lidar com a variao, uma vez presentes no processo, aumentam os custos. Por outro lado, as atitudes tomadas para reduzir as fontes de variabilidade diminuiro custos e aumentaro a qualidade dos produtos ou servios, ou seja, quanto maior o trabalho para reduzir tanto quanto possvel essa variabilidade, menores sero os custos devidos variao. Montgomery (2004) assegura que o compromisso e envolvimento da gerncia com o processo de melhoria da qualidade o componente mais vital para a o sucesso do controle estatstico de um processo. Dessa forma, a gerncia torna-se uma funo modelo em relao aos demais na organizao. Portanto imprescindvel uma abordagem em grupo para que as melhorias do processo sejam difundidas por toda a empresa.

14

Captulo III VOTORANTIM METAIS

3.1 -

DESCRIO DA EMPRESA A Votorantim Metais dirige seu foco para a minerao e metalurgia de zinco, nquel e

aos longos. A atuao da Companhia nesses mercados garantida por uma slida estrutura operacional, formada por oito unidades industriais e minas prprias, localizadas nos Estados de So Paulo, Rio de Janeiro, Minas Gerais e Gois, e em Lima, no Peru, que empregam mais de 7 mil colaboradores prprios e 1,5 mil terceiros permanentes. Com a mesma capacidade de gesto e eficincia produtiva que caracterizam as atividades do Grupo, a Votorantim Metais ocupa posio de destaque nos cenrios nacional e internacional. a sexta maior produtora mundial de zinco, lder na fabricao de nquel eletroltico na Amrica Latina e a terceira maior produtora de aos longos do pas. Em 2005, foram produzidas 405,7 mil toneladas do metal, um crescimento anual de 48,3%. O negcio Zinco responsvel por cerca de 44% da receita da VM. O zinco tem enorme importncia por causa de sua ampla gama de aplicaes, utilizado na proteo do ao contra a corroso e oxidao nas indstrias automobilsticas, de eletrodomsticos, torres de energia e telefonia celular, construo civil, entre outras. Tambm utilizado em setores de borracha, qumica e eletroqumica, agricultura, tintas, farmacutica, alimentcio e de componentes eletrnicos. Para alcanar um padro de qualidade internacionalmente reconhecido, a Votorantim Metais investe continuamente na ampliao de sua capacidade produtiva, no crescimento pessoal e profissional de seus colaboradores, na autogerao de, no mnimo, 50% de energia eltrica, no desenvolvimento de tecnologias prprias e pesquisas minerais e na gesto ambiental adequada, que lhe garante atuar de forma responsvel nas comunidades onde est presente. O empenho da Votorantim Metais na busca constante pela excelncia fruto de um modelo de gesto estruturado e disseminado entre todas as empresas do Grupo Votorantim. Denominado Sistema de Gesto Votorantim (SGV), ele envolve um conjunto de princpios e processos, que so suportados por conceitos, metodologias, ferramentas de gesto e indicadores com foco na criao de valor. O SGV tambm um veculo importante de integrao e sinergia das operaes. Com foco na troca de melhores prticas e na identificao de sinergias, as unidades do Grupo Votorantim tm alcanado avanos importantes na excelncia operacional, comercial e administrativa.

15 Na Votorantim Metais, o foco do SGV est diretamente relacionado rentabilidade do negcio. Por isso, sua atuao envolve a busca pela estabilidade de performance das operaes, otimizao de custos, alavancagem de receita, desenvolvimento tecnolgico e excelncia, que possibilitam a evoluo dos principais indicadores de desempenho. Entre os diferenciais competitivos da Votorantim Metais destaca-se o investimento em pesquisas minerais. Desenvolvidas e conduzidas para explorao de novos negcios minerais e para ampliar a auto-suficincia nos negcios atuais, essas atividades contam com o suporte de tecnologia moderna e inovadora. A pesquisa mineral, que consiste na busca por novas jazidas, capaz de dar sustentao cadeia produtiva, contribuindo para a criao de valor do negcio e permitindo, ainda, aumentar sua competitividade e qualificar os processos produtivos. Alm das regies onde j possui minas, a Votorantim Metais conta com projetos em fase de desenvolvimento em diferentes regies do pas. As pesquisas minerais no se limitam ao territrio brasileiro e alcanam pases da Amrica Latina. A capacidade tecnolgica est presente em todos os produtos da Votorantim Metais. Investimentos permanentes garantem o desenvolvimento de processos prprios de padro internacional adaptados s caractersticas das matrias-primas locais. Pioneira na implantao do processo eletroltico para a metalurgia do zinco no Brasil, a empresa comeou a tratar o minrio silicatado na dcada de 60, o que permitiu o beneficiamento da extensa reserva brasileira. Para processar o minrio silicatado e ao mesmo tempo tratar de forma integrada o sulfetado de zinco, a Votorantim Metais desenvolveu uma tecnologia exclusiva que tornou a usina de Trs Marias a nica no mundo com capacidade de utilizar uma forma de purificao e eletrlise para o processamento dos dois concentrados, com ganhos concretos de competitividade. Na elaborao do nquel, a Votorantim Metais tambm conta com procedimentos avanados nos fornos de metalizao, alm de processo patenteado de extrao por solvente para produo de cobalto. O resultado um baixo consumo de energia e de amnia, o que garante altos ndices de rendimento metalrgico e grande desempenho industrial companhia. A Votorantim Metais comprometida com o desenvolvimento sustentvel porque acredita ser primordial para a perenidade do negcio. Seu compromisso vai alm das leis ambientais, pois se baseia numa postura pr-ativa e preventiva. A gesto ambiental sustentada por sistemas de monitoramento e controle dos aspectos e impactos ambientais. Adota, ainda, um sistema integrado de gesto para qualidade, sade, segurana e meio ambiente, baseado em normas internacionais, como ISO 9000, ISO 14000, SA 8000.

16 Esse compromisso exige, sobretudo, o total monitoramento das atividades industriais e minerais, garantindo que todos os efluentes slidos, lquidos e atmosfricos sejam tratados a partir de processos que cumpram rigorosamente as normas ambientais. A empresa desenvolve ainda programas de recuperao de vegetao em suas reas de minerao, reintegrando-as paisagem natural a partir da reconstituio do relevo e do plantio de rvores nativas. A atuao passa ainda por programas de educao ambiental de seus colaboradores e das comunidades nas quais suas unidades de minerao e metalurgia esto inseridas. Portanto a VM acredita que o capital humano um diferencial importante para viabilizar os objetivos de crescimento da organizao. E para concretizar esse conceito desenvolve as competncias dos seus colaboradores, promovendo a incorporao de valores e expectativas organizacionais. Entre as principais aes desenvolvidas para promover o crescimento pessoal e profissional de nossos colaboradores esto: processo de avaliao de desempenho, investimentos em treinamentos tcnico-operacionais, idiomas, cursos de extenso, programas de graduao, entre outras. A Votorantim Metais, empenhada em manter seus profissionais atualizados, busca ferramentas e sistemas de gesto inovadores que sustentam a competitividade dos negcios e promovem a capacitao das pessoas. Assim, cerca de 6.500 colaboradores prprios tm oportunidade de aprimorar suas competncias, por meio de uma forte poltica de treinamento, de maneira a cada vez mais contriburem para a construo de uma empresa de gesto gil e altamente eficiente. A Votorantim Metais considera a segurana um pressuposto para a excelncia nos negcios. O conceito de segurana individual e coletiva, baseado na avaliao e gerenciamento de riscos, princpio assumido por todos os colaboradores no seu dia-a-dia e reforado nas auditorias peridicas, a fim de garantir os melhores resultados em sade e segurana que promovam a qualidade de vida de seus colaboradores. A VM desenvolve sua estratgia de investimento social totalmente alinhada com as diretrizes do Instituto Votorantim. O objetivo maximizar os resultados oriundos da poltica de investimento social externo e difundir a cultura de responsabilidade social dentro da organizao. O investimento social h vrios anos uma realidade na Votorantim Metais, que procura contribuir com o desenvolvimento das localidades onde realiza suas operaes. Para viabilizar essas aes, conta com importantes parcerias com os governos municipais e outras instituies privadas e agncias governamentais voltadas para a formao de jovens. As iniciativas esto principalmente voltadas para a educao e inclui capacitao de professores e estudantes do ensino pblico, acesso de crianas e adolescentes ao esporte, estmulo atuao voluntria de colaboradores em diversas instituies comunitrias,

17 formao tcnica e profissional e insero e qualificao de pessoas com necessidades especiais no mercado de trabalho. A Votorantim Metais tambm atua como articuladora de polticas de incentivo ao fortalecimento do comrcio local, gerao de emprego e renda e mobilizao social das comunidades onde est inserida.

18

Captulo IV ANALISANDO O SETOR DE USTULAO

4.1 COLETA DE DADOS No desenvolvimento desse estudo, o planejamento da coleta dos dados visou obter dados do processo operacional de forma a conseguir o mximo de informaes possveis para compor o diagnstico da operao. A Votorantim Metais disps de um Sistema Supervisrio de Controle e Aquisio de Dados (SCADA) responsvel por coletar e disponibilizar dados da operao em tempo real. Com isso os operadores tm como monitorar e atuar sobre todos os parmetros da planta atravs de terminais de controle. Esses mesmos dados tambm so gerenciados e armazenados pelo software PI e distribudos para os diversos nveis da empresa.

Figura 7 Sistema Supervisrio de Controle e Aquisio de Dados (SCADA) Fonte: Votorantim Metais Unidade Zinco Juiz de Fora, MG

19 No presente estudo foi utilizado o software PI para coletar dados referentes alimentao do forno, produo de cido sulfrico e produo de SO2 (composta pelas fbricas Lurgi e Sulzer), por entender que esses parmetros servem como subsidio para acompanhar o andamento de todo o processo. Por se tratar de uma indstria de produo contnua, a interferncia em um dos parmetros citados acima influencia os demais. Aps coletados, esses dados foram transferidos para uma planilha do Excel (Apndice 1), uma vez que no h uma interface que faa essa transferncia diretamente para o software estatstico utilizado nesse estudo, o MINITAB verso 15. Nessa planilha do Excel os dados referentes alimentao do forno (reportada do PI) sofreram um ajuste, passando a se chamar alimentao do forno ajustada. Para isso calculou-se um fator de ajuste (do BALANO METALRGICO DA PRODUO DE ZINCO). Esse fator de ajuste foi utilizado para suavizar a diferena entre a alimentao do forno realizada a cada ms e a alimentao do forno reportada do sistema a cada ms (essa diferena acontece devido a algum equipamento descalibrado). Para isso o fator correspondente a um dado ms foi multiplicado pelos valores dirios desse mesmo ms. Fica, portanto:

Alimentao do Forno Ajustado = Alimentao do Forno Reportado x Fator de Ajuste Tanto a produo de cido sulfrico quanto a produo de SO2 no se aplicou o fator de ajuste, pois se tratam de subprodutos inerentes ao processo de produo do zinco, mas que no se apresentam no clculo do BALANO METALRGICO DA PRODUO DE ZINCO. A mesma planilha do Excel (Apndice 1) foi utilizada no clculo do indicador que gerencia os sistemas produtivos (OEE). Seu clculo dado por:

OEE = Produo Real Diria / (Capacidade Produtiva Diria x Horas Calendrio)

4.2 -

ANLISE DE DADOS Nessa fase do estudo foram analisados os grficos de controle referentes a dados

dirios da alimentao do forno, produo de cido e SO2 juntamente com o box plot referente ao OEE (indicador de gerenciamento dos sistemas produtivos). Com isso buscouse garantir a obteno do maior nmero de informaes sobre o processo, o que segundo Alves (2003) permite uma conseqente reduo da variabilidade, resultando na diminuio dos custos de produo e no aumento da produtividade.

20

Alimentao do Forno Ajustado

2007
500 1 S azonalidade 1 11 1 1 1 1 1 111 1 1 1 1 11 1 1 11 1 11 1 1 1 1 1 1
E stoque (ParadaGeral)

1 1 1

UCL=431,2 _ X=369,0 LCL=306,8

400

300

1
E quipamentos com defeito

t/h
200
ParadaGeral

1 1 1 1

100

1 1 1

111111 11111 1111 11

1-jan

6-fev

14-mar 19-abr 25-mai 30-jun

5-ago

10-set 16-out 21-nov 27-dez

Data

Figura 8 Grfico de controle da Alimentao do Forno Fonte: O Autor (2008)

Produo de cido
400

2007
11 1 1 11

1 1

1 1

UCL=364,2 _ X=309,1 LCL=253,9

300

t/h

200

1 1

E quipamentos com defeito

ParadaGeral

100 1 1 0 111111 11111 1 11 1 11 1 1 1

1-jan

6-fev

14-mar 19-abr 25-mai 30-jun

5-ago

10-set 16-out 21-nov 27-dez

Data

Figura 9 Grfico de controle da Produo de cido Fonte: O Autor (2008)

21

Produo de SO2
2007
50
S azonalidade E stoque (ParadaGeral)

40

1 1 1 1 1 1 11 1 1 1 1 1 1 11 1 11

1 1 1 11 11 1

11 1 1 1

1 1 1 1 1 1 111 11 111 1 1 1

11 1 11 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1

S azonalidade

1 1 1 1

1 1 1 UC L=39,41

30

t/h

_ X=24,37 20

10 1 0
E quipamentos com defeito

1 1 1

1 1 1 1 11 11 1 1

1 1 1

111111 111111 11 1 1 11 1 1

11 11 1 1 11 1 1

1 1 1 1 1

1 1 1 1 1 1

LC L=9,32

1-jan

6-fev

14-mar 19-abr 25-mai 30-jun

5-ago

10-set 16-out 21-nov 27-dez

E quipamentos com defeito

Data

Figura 10 Grfico de controle da Produo de SO2 Fonte: O Autor (2008)

OEE Ustulao - 2007

1,0 0,8 0,6 0,4 0,2 0,0
i ne ja ro f i re ve e ro ar m o r il ab m o ai o nh ju o lh ju o st go a m te se o br o o o br br br m m tu ze ve ou de no
ParadaGeral E quipamentos com defeito

OEE Mdio

0,76

E quipamentos dafb. de cido

Parada programada daustulao

Manuteno Geral daFb. de S 2 O

Parada programada daustulao

Figura 11 Grfico box plot do OEE Fonte: O Autor (2008)

22 Nesse sentido, foi possvel observar uma clara semelhana entre os grficos de controle da alimentao do forno e da produo de cido (Figuras 8 e 9), e isso aconteceu por se tratar de reas totalmente dependentes uma da outra. Por exemplo, caso haja um defeito em um motor eltrico da fbrica de cido que cause uma parada corretiva na planta, torna-se obrigatoriamente necessria a parada de todos os demais equipamentos que compem o resto do processo de ustulao. J o grfico de controle da produo de SO2 (Figura 10) mostrou uma tendncia cclica como os demais grficos at ento citados, porm apresentou algumas particularidades. Em relao fbrica de SO2 existe certa independncia em relao aos demais setores da ustulao. Ou seja, um eventual problema na fbrica de SO2 devido a uma causa especial influencia o desempenho dos outros setores da ustulao, mas no a ponto de parar o processo de ustulao. Essa caracterstica se confirmou ao analisar os perodos em que vrias causas especiais atuaram tanto abaixo quanto acima dos limites de controle do processo. Dessa forma, isso se refletiu no aumento ou reduo da alimentao do forno e/ou na compensao da produo de cido. O box plot do OEE (Figura 11) confirmou a primeira anlise descrita pelos grficos de controle, com a visualizao melhor da variabilidade do processo entre os meses, e complementou ao mostrar uma leve diminuio do desempenho do setor de Ustulao a partir do segundo semestre de 2007. Apesar de o grfico mostrar que 75% das mdias mensais do OEE esto acima da meta mdia anual do OEE para o ano de 2007. O clculo da meta mdia anual de OEE baseou-se em estimativas do ano de 2007 considerando os dias trabalhados e excluindo os dias em que houveram a parada geral e as paradas mensais para manuteno na rea. A anlise estatstica dos dados permitiu identificar e compreender as causas tanto para o aumento quanto para a diminuio do desempenho do setor de Ustulao. Slack, Chambers e Johnston (2002) afirmaram que necessrio como pr-requisito para melhoramento, alguma forma de medida de desempenho das operaes produtivas. Aps investigar verificou-se, que as causas especiais demonstradas atravs dos pontos acima do limite superior de controle foram causadas devido instabilidade do mercado. Os mercados de zinco e de SO2 so sazonais e isso reflete diretamente no desempenho da planta. Portanto a necessidade de gerar estoque para atender aos clientes implica em aumentar o desempenho da Ustulao em perodos pr-determinados. Outra particularidade demonstrada pelos grficos em um desses picos de produo ocorreu devido programao da parada geral para a manuteno da planta que ocorre anualmente. Nesse perodo houve tambm a necessidade de se criar estoque haja vista que a planta ficou parada pelo perodo de dezoito dias, e em hiptese alguma a empresa poderia deixar de atender ao mercado.

23 Com relao aos outliers (box plot) ou aos pontos abaixo do limite inferior de controle (grficos de controle) foram causados devidos ora a paradas programadas de manuteno, ora por incidncia e/ou reincidncia na quebra ou falhas de equipamentos vitais ao funcionamento da planta. Para identificar esses equipamentos foram utilizados trs relatrios: Relatrio de Paradas Ustulao, Relatrio de Turno Ustulao e Relatrio de Turno SO2. Aps identificar as causas dos outliers (box plot) e dos pontos abaixo do limite inferior de controle a partir desses relatrios, foi possvel criar uma planilha de causas (Apndice 2) que identificasse cada equipamento e o respectivo nmero de defeitos. Esses dados foram transferidos para o software MINITAB verso 15, e gerado ento um grfico de Pareto. Essa interpretao grfica identificou os equipamentos que apresentam os maiores ndices de defeito.

Grfico de Pareto - Equipamentos

90 80 70 100 80 60

Frequencia

60 50 40 30 20 10

Equipamentos ligados a outras reas

40 20 0

E quipamento

i i i i i i r r r r r m er er r r r rg ze ze ze rg rg ze rg r g gi a ze ria rg o o I B ria ze so z Lu u l u l u l Lu Lu S u l r Lu Lu ne r S ul d i Lu ri ad ers o r I d i S u l e r a ge S ul O th v ec " 4 3 o sS rS o S 2 C E 3 m e N 3 esf n v a l m e 1 do PL e c r on s A ot do r N r N r r -r C o e u o e or C da 7 " o d o r e or sa o o a ss I nt ss P r e r d I nt e ss o d R sa du ss ss ss n 1 e d o P r o r de n P ro pre p re pr e n d e e d p re a p re ch u e pr u re ad i n b d e ra d on de o m o m om C o Q om om om e s an q or ro c a m om T T h M T C C C C C b a S op C a C B b a m i re C ul W om Bo lv B o l tr V Fi F requencia 15 10 8 7 5 5 4 3 3 3 3 2 2 2 2 2 1 1 1 1 1 4 P ercent 18 12 9 8 6 6 5 4 4 4 4 2 2 2 2 2 1 1 1 1 1 5 C um % 18 29 39 47 53 59 64 67 71 74 78 80 82 85 87 89 91 92 93 94 95 100

Figura 12 Grfico de Pareto Equipamentos x Freqncia de Defeitos Fonte: O Autor (2008)

O foco desse trabalho consistiu em gerar alternativas no nvel ttico para que a tomada de deciso gerasse benefcios empresa, baseadas em anlises estatsticas do processo. Alves (2003) conclui que para uma empresa manter ou melhorar a qualidade e produtividade so fundamentais o desenvolvimento e uso adequado de tcnicas estatsticas. Com isso pode-se afirmar que aps a anlise estatstica dos dados torna-se possvel definir

Percent

Equipamentos ligados a fbrica de SO2

24 metas de mdio e curto prazo, investigar as causas, definir prioridades, alm de buscar recursos junto empresa visando estabilidade e consolidao do processo produtivo. Abaixo seguem algumas propostas geradas a partir das informaes obtidas atravs de anlises estatsticas:

A questo da sazonalidade na demanda de mercado do zinco e do SO2 apontado pelos grficos de controle e pelo box plot um fator relevante. Por isso como medida de mdio prazo importante que se proponha ao setor de marketing da empresa um estudo para verificar se ainda existe algum espao nesse mercado. Com a adeso de uma nova fatia do mercado haver a possibilidade de se negociar os prazos de entrega para os perodos em que a curva de sazonalidade se encontre em baixa. Com isso, alm de gerar um aumento na receita, a disposio da curva tender a certa estabilidade na produo durante o ano.

Com relao aos pontos que atuaram diminuindo o desempenho do setor, o grfico de Pareto (Figura 12) identificou que os equipamentos das fbricas de SO2 foram os responsveis por quase 70% das causas. Com destaque para a bomba de produo da Lurgi considerado um item crtico por ser responsvel por 18% dos defeitos. Portanto como medida de curto prazo necessria a substituio dos equipamentos que se comprovarem obsoletos (mudana de tecnologia), juntamente com a concluso do projeto de automao da fbrica de SO2 Lurgi. Complementando essas aes importante planejar um treinamento para a compreenso e uso dessas novas tecnologias para os operadores, alm de consolidar o programa de Gesto de Equipamentos junto a esses novos equipamentos.

Apesar do grande percentual dos responsveis pela diminuio do desempenho do setor atualmente ser devido s fbricas de SO2, necessrio ter a ateno tambm voltada para bomba intermediria da fbrica de cido. Esse item, apesar de identificado com menor freqncia pelo grfico de Pareto trata-se de um item vital para o funcionamento do setor de ustulao, visto o seu grau de influncia em relao ao processo produtivo como um todo. Portanto tambm como medida de curto prazo necessrio aumentar a confiabilidade dessa bomba propondo uma manuteno preditiva para a anlise de falhas.

As trs propostas apresentadas acima tiveram como critrio uma iniciativa para o futuro e a ao sobre dois itens considerados crticos devido sua importncia para o setor produtivo. No eximindo, porm a importncia dos demais itens apresentados pelos

25 grficos. Mesmo assim necessrio um estudo de viabilidade tcnica e financeira para que tais propostas sejam implantadas. A prxima etapa consiste em desenvolver formulrios de Plano de Ao com: descrio do problema, prazo, status, responsvel, observaes, etc. E ento difundir essas informaes de forma prtica para os funcionrios para que todos atuem na melhoria do processo.
Quadro 1: Possvel Plano de Ao para as propostas apresentadas

Descrio do problema
Propor estudo para melhorar a questo da sazonalidade do mercado Aumentar a confiabilidade da bomba intermediria da fbrica de cido

Prazo

Status
Desenvolvendo Plano de Marketing Anlise de falhas na fase final. Bomba especificada por empresa especializada

Observaes

Mdio

Curto

Foco na bomba intermediria Bomba com proteo de vazo e temperatura

Substituir tecnologia da bomba de produo da planta Lurgi

Curto

As aes acima tem como foco o aumento da estabilidade e confiabilidade na produo de cido e SO2 lquido, e consequentemente da alimentao do forno Ustulador.
Fonte: O Autor (2008)

Depois completo.

de

alcanados

os

resultados

ciclo

de

informao

torna-se

Incio do Fluxo: Operaes Dados

Ferramentas Estatsticas Resultado

Informaes Plano de Ao Definio : Metas, Causas, Aes , Prioridades e Recursos

Figura 13 Diagrama do ciclo de Informao Fonte: O Autor (2008)

26

Captulo V CONCLUSES
O fato de o processo produtivo ser controlado por ferramentas estatsticas auxilia na tomada de deciso para diminuir a variabilidade do processo, o que conseqentemente garante a reduo dos custos de produo, aumento da produtividade e melhoria da qualidade. Pela observao e anlise dos resultados obtidos, a utilizao destes grficos para monitorar e analisar os processos produtivos no setor industrial apresentou-se como uma ferramenta de uso essencial para fundamentar a tomada de deciso.

27

REFERNCIAS BIBLIOGRFICAS
ALVES, C. C. Grficos de Controle CUSUM: um enfoque dinmico para a anlise estatstica de processos. Florianpolis. Dissertao de mestrado do Centro Tecnolgico do Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de Santa Catarina. 2003. BUSSAB, Wilton e MORETIN, Pedro. Estatstica Bsica. 5 ed. So Paulo: Saraiva, 2002. CORRA, H. L.; CORRA, C. A. Administrao de Produo e Operaes. 2 ed. So Paulo: Atlas, 2006. GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. Tomada de Deciso Gerencial: Enfoque Multicritrio. So Paulo: Atlas, 2002. TUKEY, J. W. Exploratory Data Analysis. Addison-Wesley, Reading, MA. 1977. JNIOR MARSHALL, I.; CIERCO, A. A.; ROCHA, A. V.; MOTA, E. B.; LEUSIN, S. Gesto da Qualidade. 8 ed. Rio de Janeiro: FGV, 2006. MIGLIOLI, A. M. Tomada de deciso na pequena empresa: Estudo multi caso sobre a utilizao de ferramentas informatizadas de apoio deciso. So Paulo. Dissertao apresentada Escola de Engenharia de So Carlos, da Universidade de So Paulo, como parte dos requisitos para a obteno do ttulo de mestre em Engenharia de Produo. 2006. MONTGOMERY, D. C. Introduction to Statistical Quality Control. Traduo de Ana Maria Lima de Farias e Vera Regina Lima de Farias e Flores. 4th Edition, New York: John Wiley, 2004. MOREIRA, D. A. Administrao da Produo e Operaes. 1 Ed. So Paulo: Pioneira Thomson Learning, 2004. O que PI?. Disponvel em: <http://www.piportal.com.br/oqueepi.php> Acesso em: out. 2007.

28 PIMS - Process Information Management System Uma introduo. Disponvel em: < http://www.cpdee.ufmg.br/~seixas/PaginaII/Download/DownloadFiles/Pims.PDF> em: 20 out.2007. SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. Traduo de Maria Teresa Corra de Oliveira e Fbio Alher. 2 ed. So Paulo: Atlas, 2002. SOBROZA, A. P.; CARVALHO, F. R., 2007, PIMS, LIMS, MS e Portais, Revista Intech, n. 83, pp. 26-28. VOTORANTIM METAIS Disponvel em: Acesso

Institucional.

<http://vm.portalvotorantim.com.br/sites/institucional/default.aspx> Acesso em: 25 out. 2007 VOTORANTIM METAIS Institucional Empresa. Disponvel em: <http://www.votorantimmetais.com.br/port/institucional/empresa.asp> Acesso em: 15 ago. 2007.

29

APNDICE 1 Planilha Coleta de Dados

Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

30 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

31 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

32 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

33 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

34 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

35 APNDICE 1 Planilha Coleta de Dados Unidade de medida para os parmetros abaixo: toneladas/hora (t/h), exceto OEE.

36

APNDICE 2 Planilha de Causas