Centenário do Gráfico de Shewhart: Por que isso importa?
Summary
- Um gráfico de Shewhart rastreia a variação nos processos ao longo do tempo, ajudando você a entender essa variação e a tomar as medidas apropriadas. Uma ferramenta inovadora há um século, ela continua tão útil hoje quanto naquela época e é essencial para…
Em 19 de maio de 1924, na fábrica da Western Electric em Cicero, Illinois, o Dr. Walter Shewhart escreveu um memorando ao seu gerente apresentando uma ferramenta que vinha desenvolvendo. Essa ferramenta, escreveu Shewhart, foi projetada “para fornecer, de forma rápida e precisa, a maior quantidade possível de informações para ajudar os inspetores a determinar se havia algum problema no processo de fabricação 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 contextualizar um pouco.
Quando ministramos cursos de ciência da melhoria, uma mensagem fundamental em todos os nossos programas é a importância de compreender a variação inerente ao processo que se pretende aprimorar. Desafiamos os participantes a citarem algo que não varie. E, claro, eles não conseguem. Todos os sistemas apresentam variação. Sempre que se realizam duas medições, os dois pontos de dados resultantes serão quase certamente diferentes. Se os dados forem quantitativos, um ponto de dados provavelmente será maior que o outro. Como saber, então, o que fazer em relação a essa diferença?
É aqui que entra o trabalho do Dr. Shewhart. O gráfico de Shewhart (também chamado de gráfico de controle estatístico de processo ou simplesmente 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, nas 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 representados graficamente ao longo do tempo (por exemplo, por dia, semana ou mês).
- Uma linha central traçada através dos dados (geralmente a média)
- Os limites de controle superior e inferior, chamados limites sigma, são 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 já fizeram pelo menos um curso básico em medição da qualidade, esses termos soarão familiares. Mas se você é novo na área de medição da qualidade, esses termos e expressões podem parecer um pouco estranhos. Não se preocupe. Nosso objetivo nesta breve visão geral não é fornecer informações detalhadas sobre como construir um gráfico de Shewhart (felizmente, existem bons softwares para isso), mas sim compartilhar por que você deve tornar esses gráficos um componente essencial da sua jornada de medição da 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 Healthcare: A Guide to Developing and Using Indicators (2ª edição). Jones and Bartlett Learning; 2019:207. Usado com permissão.
Um diagrama de Shewhart é essencialmente uma definição operacional da variação presente em um processo. O diagrama permite determinar se a variação em um processo se deve à variação normal ou aleatória causada por fatores inerentes ao processo (ou seja, variação de causa comum) ou por fatores 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", assim como a variação de causa especial não é necessariamente "ruim". Um processo pode ser estável e previsível, mas os resultados podem ser inaceitáveis. Por exemplo, se o seu trajeto matinal médio leva cerca de 76 minutos, com o tempo máximo de deslocamento em 88 minutos e o mínimo em 64 minutos, isso pode ser um processo estável e previsível, mas você pode considerá-lo inaceitável. Por outro lado, se você mudasse sua rotina matinal (por exemplo, saindo mais cedo ou pegando uma rota diferente), você poderia observar uma tendência de queda no seu tempo de deslocamento, o que seria uma causa especial aceitável.
A questão é que a variação existe. O gráfico de Shewhart permite compreender a variação em um processo e, em seguida, tomar as medidas apropriadas. Se o processo apresentar apenas variação de causa comum e não gostarmos dos resultados, devemos alterá-lo. Nenhuma quantidade de incentivo para "trabalhar mais" 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 ocorreram e, em seguida, tomar medidas para remover o(s) fator(es) no processo que produziram a(s) causa(s) especial(is). As causas especiais oferecem uma oportunidade de aprender com a variação em nossos processos. Tomar a decisão errada sobre a variação desperdiça tempo e dinheiro e contribui para a baixa moral da equipe. Além disso, culpar ou recompensar pessoas por variações sobre as quais elas têm pouco ou nenhum controle é inerentemente desmotivador.
Aprenda como usar dados de forma eficaz para promover melhorias com o programa "Melhor Qualidade Através de Melhores Medidas" do IHI.
Ao ministrarmos programas de melhoria em todo o mundo, temos visto muitas pessoas terem um momento de clareza quando percebem o poder de compreender a variação conceitualmente e estatisticamente. Esse momento de clareza ocorre quando percebemos que podemos parar de nos concentrar apenas em dados agregados (como a duração média da internação ou o tempo médio de espera para consultar um médico). Podemos parar de recompensar ou culpar as pessoas pelos altos e baixos índices de satisfação do paciente. Em vez disso, podemos nos concentrar em compreender as estruturas, os processos e as culturas que são as fontes de variação nos dados. Assim, podemos decidir se precisamos reduzir a variação, mantendo o processo atual, ou se devemos redesenhá-lo fundamentalmente, pois ele não é capaz de alcançar os resultados desejados.
Repetidamente, à medida que os participantes percebem que podem deixar de usar gráficos de barras, gráficos de pizza e relatórios vermelho/amarelo/verde (RAV) para avaliar o desempenho do processo e começar, em vez disso, a representar esses dados ao longo do tempo, eles passam a enxergar seus processos sob uma perspectiva totalmente diferente. E quando observam o sistema, percebem que os resultados são causados, principalmente, pelo próprio sistema e seus processos relacionados, e não pelas pessoas que trabalham nele.
Uma pergunta comum que surge quando as pessoas aprendem a apoiar equipes de melhoria é: "Como posso motivar ou engajar a equipe nesse trabalho?". Normalmente, respondemos que ajudar as equipes a usar os dados para a melhoria, e não para julgamentos, é fundamental para o engajamento. Mas, para isso, os dados precisam ser coletados o mais próximo possível da execução do trabalho (ou seja, por hora, dia, semana ou mês). Isso nos permite entender a variação do processo ao longo do tempo, e não de forma agregada. Esperamos que esta visão geral ajude você a perceber que o gráfico de Shewhart pode desempenhar um papel essencial em sua jornada de mensuração da qualidade. E tudo começou há 100 anos.
Referências
- Carey RG, Lloyd RC. Medindo a melhoria da qualidade na área da saúde: um guia para aplicações de controle estatístico de processos . Milwaukee, Wisconsin: Quality Press; 2001.
- Lloyd R. Qualidade em Saúde: Um Guia para o Desenvolvimento e Uso de Indicadores (2ª edição) . Burlington, Massachusetts: Jones & Bartlett Learning; 2019.
- Mohammed MA, Worthington P, Woodall WH. Elaboração de gráficos de controle básicos: notas de tutorial para profissionais de saúde. Qualidade e Segurança em Saúde . 2008 Abr;17(2):137-145.
- Provost LP, Murray SK. O Guia de Dados em Saúde: Aprendendo com Dados para Melhorar (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 de Inovação e Design do IHI, e Robert Lloyd é Consultor Sênior de Ciência e Métodos de Melhoria do IHI.
Fonte da foto:iSixSigma
Você também pode se interessar por:
Evite dois erros comuns ao usar um gráfico de Shewhart.
Vídeo: Gráficos de Controle em Quadro Branco 1
