Summary
- Um gráfico de Shewhart rastreia a variação em processos ao longo do tempo, ajudando você a entender a variação e tomar as medidas adequadas. Uma ferramenta inovadora há um século, continua tão útil hoje, e é essencial para qualquer jornada de melhoria.
Em 19 de maio de 1924, na fábrica da Western Electric em Cicero, Illinois, o Dr. Walter Shewhart escreveu um memorando para seu gerente apresentando uma ferramenta que ele estava desenvolvendo. Esta ferramenta, Shewhart escreveu, é projetada "para dar rapidamente a maior quantidade de informações precisas para ajudar os inspetores a determinar se houve um problema com o processo de produção de seus equipamentos". Por que, você pode perguntar, eu deveria me importar com uma ferramenta inventada há 100 anos para melhorar a fabricação de telefones? Vamos fornecer um pouco de contexto.
Quando ensinamos cursos de ciência da melhoria, uma mensagem-chave em todos os nossos programas é entender a variação que existe no processo que você planeja melhorar. Desafiamos os participantes a nomear algo que não varia. E, claro, eles não podem. Todos os sistemas mostrarão variação. Sempre que você fizer duas medições, os dois pontos de dados resultantes quase certamente serão diferentes. Se os dados forem quantitativos, um ponto de dados provavelmente será maior que o outro. Como você sabe, então, o que fazer sobre essa diferença?
É aqui que o trabalho do Dr. Shewhart entra em cena. O gráfico de Shewhart (também chamado de gráfico de controle estatístico de processo, ou apenas gráfico de controle) é uma ferramenta engenhosa para responder a duas perguntas relacionadas à melhoria: 1) Como nossos processos variam ao longo do tempo? e 2) Nossos processos, sob as condições operacionais atuais, são capazes de atender às necessidades daqueles a quem servimos? Os elementos de um gráfico de Shewhart (Figura 1) consistem em:
- Dados plotados ao longo do tempo (por exemplo, por dia, semana ou mês)
- Uma linha central traçada através dos dados (geralmente a média)
- “Limites de controle” superiores e inferiores, chamados limites sigma, derivados de fórmulas matemáticas que capturam a variação dentro e entre os pontos de dados plotados. Os limites estatísticos são derivados das suposições subjacentes sobre o tipo de dados que estão sendo coletados.
Para aqueles que fizeram até mesmo um curso básico em medição de qualidade, esses termos soarão familiares. Mas se você é novo no campo de medição de qualidade, esses termos e expressões podem parecer um pouco estranhos. Não se preocupe. Nosso propósito nesta breve visão geral não é dar a você uma visão profunda sobre como construir um gráfico de Shewhart (felizmente, há um bom software para isso), mas compartilhar por que você deve fazer desses gráficos um componente essencial da sua jornada de medição de qualidade. Fornecemos referências no final deste artigo para aqueles que desejam aprender mais sobre o design e o uso de gráficos de Shewhart.
Figura 1. Elementos de um gráfico de Shewhart
Fonte: Lloyd R. Quality Health Care: A Guide to Developing and Using Indicators (2ª edição). Jones e Bartlett Learning; 2019:207. Usado com permissão.
Um gráfico de Shewhart é essencialmente uma definição operacional da variação que vive em um processo. O gráfico nos permite decidir se a variação em um processo é devido à variação normal ou aleatória causada por fatores inerentes ao processo (ou seja, variação de causa comum) ou fatores que são diferentes do funcionamento regular do processo (ou seja, variação de causa especial). Observe também que a variação de causa comum não é necessariamente uma variação "boa", nem a variação de causa especial é necessariamente "ruim". Um processo pode ser estável e previsível, mas os resultados podem ser inaceitáveis. Por exemplo, se seu trajeto matinal médio leva cerca de 76 minutos, com o trajeto máximo em 88 minutos e o trajeto mínimo em 64 minutos, este pode ser um processo estável e previsível, mas você pode considerá-lo inaceitável. Por outro lado, se você mudou sua rotina matinal (por exemplo, saindo mais cedo ou tomando uma rota diferente), você pode observar uma tendência de queda no seu tempo de trajeto, o que seria uma causa especial aceitável.
O ponto é que a variação existe. O gráfico de Shewhart permite que você entenda a variação em um processo e então tome a ação apropriada. Se o processo mostra apenas variação de causa comum, e não gostamos dos resultados, devemos mudar o processo. Nenhuma quantidade de exortação para "trabalhar mais duro" ou "fazer melhor" produzirá uma melhoria sustentável no resultado. Se, por outro lado, detectarmos sinais de variação de causa especial, devemos investigá-los para determinar por que eles ocorreram e então tomar medidas para remover o(s) fator(es) no processo que produziu(aram) a(s) causa(s) especial(ais). Causas especiais fornecem uma oportunidade de aprender com a variação em nossos processos. Tomar a decisão errada sobre variação desperdiça tempo e dinheiro e contribui para o baixo moral na força de trabalho. Além disso, culpar ou recompensar pessoas por variações sobre as quais elas têm pouco ou nenhum controle é inerentemente desmotivador.
À medida que ensinamos programas de melhoria ao redor do mundo, vimos a lâmpada acender acima de muitas cabeças quando as pessoas percebem o poder de entender a variação conceitualmente e estatisticamente. Um momento de lâmpada é perceber que poderíamos parar de perseguir dados agregados (por exemplo, tempo médio de internação ou tempo médio de espera para ver o médico). Poderíamos parar de recompensar ou culpar as pessoas pelos resultados altos e baixos de satisfação do paciente. Em vez disso, poderíamos nos concentrar em entender as estruturas, processos e culturas que são as fontes de variação nos dados. Então, podemos decidir se precisamos reduzir a variação, mas manter o processo atual ou redesenhar fundamentalmente o processo porque ele não é capaz de atingir os resultados que buscamos.
Vez após vez, à medida que os participantes percebem que podem deixar de usar gráficos de barras, gráficos de pizza e relatórios vermelho/amarelo/verde (RYG) para avaliar o desempenho do processo e começar, em vez disso, a plotar esses dados ao longo do tempo, eles veem seus processos sob uma luz totalmente diferente. E quando veem o sistema, eles veem que os resultados são causados, principalmente, pelo próprio sistema e seus processos relacionados, não pelas pessoas que trabalham nele.
Uma pergunta comum que as pessoas fazem ao aprender como dar suporte a equipes de melhoria é: "Como posso motivar ou envolver a equipe neste trabalho?" Normalmente respondemos que ajudar as equipes a usar dados para melhoria, não usá-los para julgamento, é a chave para envolver as pessoas na melhoria. Mas para fazer isso, os dados precisam ser coletados o mais próximo possível da produção do trabalho (ou seja, por hora, dia, semana ou mês). Isso nos permite entender a variação no processo ao longo do tempo, não no agregado. Espero que esta visão geral ajude você a ver que o gráfico de Shewhart pode desempenhar um papel essencial em sua jornada de medição de qualidade. E tudo começou há 100 anos.
Referências
- Carey RG, Lloyd RC. Medindo a Melhoria da Qualidade em Assistência Médica: Um Guia para Aplicações de Controle Estatístico de Processos . Milwaukee, Wisconsin: Quality Press; 2001.
- Lloyd R. Quality Health Care: Um guia para desenvolver e usar indicadores (2ª edição) . Burlington, Massachusetts: Jones & Bartlett Learning; 2019.
- Mohammed MA, Worthington P, Woodall WH. Plotagem de gráficos de controle básicos: Notas de tutorial para profissionais de saúde. Qualidade e Segurança em Cuidados de Saúde . 2008 Abr:17(2):137-145.
- Provost LP, Murray SK. The Health Care Data Guide: Learning from Data for Improvement, (2ª edição) . São Francisco, Califórnia: Jossey-Bass; 2022.
- Wheeler DJ, Chambers DS. Compreendendo o Controle Estatístico de Processos . Knoxville, TN: SPC Press; 1992.
Rebecca Steinfield é Diretora Sênior de Projetos do IHI , Inovação e Design, e Robert Lloyd é Consultor Sênior do IHI , Ciência e Métodos de Melhoria.
Fonte da foto:iSixSigma
Você também pode estar interessado em:
Evite dois erros comuns com um gráfico de Shewhart
Vídeo: Gráficos de controle de quadro branco 1