Desenvolvimento de um sistema de medição de desempenho para uma secção de tingimento numa empresa do ramo têxtil

Universidade do Minho Escola de Engenharia Marina Sofia Lameira Tinoco Desenvolvimento de um sistema de medição de desempenho para uma secção de tingimento numa empresa do ramo têxtil Outubro de 2023 Universidade do Minho Escola de Engenharia Marina Sofia Lameira Tinoco Desenvolvimento de um sistema de medição de desempenho para uma secção de tingimento numa empresa do ramo têxtil Dissertação de Mestrado em Engenharia e Gestão de Operações – Gestão Industrial Trabalho efetuado sob a orientação do Professor Doutor Rui Manuel Alves da Silva Sousa Outubro de 2023 ii Direitos de Autor e Condições de Utilização do Trabalho por Terceiros Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos. Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada. Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não previstas no licenciamento indicado, deverá contactar o autor, através do RepositóriUM da Universidade do Minho. Licença concedida aos utilizadores deste trabalho Atribuição CC BY-NC-SA 4.0 iii AGRADECIMENTOS Gostava de deixar umas palavras de agradecimento a todos os que contribuíram e confiaram em mim para que este projeto se tenha tornado uma realidade. Começo por agradecer ao meu orientador académico, Professor Rui Sousa, a sua disponibilidade e apoio valioso para a realização deste projeto. Agradeço também ao Belmiro Oliveira, administrador da Moda 21 e meu orientador neste projeto, primeiramente pela confiança, pela partilha de conhecimento e por todas as horas investidas. Em simultâneo, deixo também aqui um obrigada à Moda 21. Este projeto é o encerrar de um ciclo, quero agradecer a todos os que fizeram parte dele, especialmente às minhas colegas de licenciatura que se tornaram amigas, obrigada pela amizade e pelo incentivo. Por último, à minha família, aos meus pais, pela oportunidade que me deram de experienciar estes últimos 5 anos, pelo carinho, pela dedicação e apoio. À minha irmã, pelo companheirismo neste projeto e na vida, obrigada por nunca duvidares de mim e me fazeres acreditar que sou sempre capaz. iv DECLARAÇÃO DE INTEGRIDADE Declaro ter atuado com integridade na elaboração do presente trabalho académico e confirmo que não recorri à prática de plágio nem a qualquer forma de utilização indevida ou falsificação de informações ou resultados em nenhuma das etapas conducente à sua elaboração. Mais declaro que conheço e que respeitei o Código de Conduta Ética da Universidade do Minho. v Desenvolvimento de um sistema de medição de desempenho para uma secção de tingimento numa empresa do ramo têxtil RESUMO O presente trabalho surge no âmbito do projeto de dissertação que conclui o ciclo de estudos do Mestrado em Engenharia e Gestão de Operações - ramo de especialização em Gestão Industrial, da Universidade do Minho. O desenvolvimento do projeto teve lugar numa empresa portuguesa do ramo têxtil, dedicada ao tingimento e acabamento de artigos têxteis, sendo definido como objetivo principal a melhoria do processo de controlo e monitorização da secção de tingimento, através de um Sistema de Medição de Desempenho ( Performance Measurement System - PMS), conjugado com a sugestão e implementação de melhorias ao processo atual. Recorreu-se a metodologia de Action Research para orientar o percurso da presente dissertação. Deste modo, foi feita inicialmente uma revisão bibliográfica acerca da construção de um PMS, da abordagem e dos princípios do Lean Manufacturing e da Qualidade, assim como as suas ferramentas e ainda sobre alguns indicadores de desempenho. Com fim de atingir o propósito deste projeto, elaborou-se uma análise ao estado atual da empresa onde foram analisados os processos e as análises já existentes, onde foram detetados alguns problemas, como a ausência de indicadores fulcrais quando se trata da avaliação de desempenho, nomeadamente a Eficácia Geral do Equipamento ( Overall Equipment Effectiveness - OEE), taxa de serviço, entre outros. Foi ainda constatada uma apresentação de dados pouco visual, clara e intuitiva. Na tentativa de solucionar os problemas detetados foram recolhidos e tratados dados dos sistemas informáticos utilizando a ferramenta Excel de forma a calcular e definir os indicadores de desempenho fundamentais. Os indicadores já existentes relevantes foram expostos de forma mais visual em conjunto com os indicadores criados, nomeadamente OEE, quantidade de lavagens de máquina, entre outros. Por fim, são apresentados diversos dashboards interativos, construídos com recurso da ferramenta Power BI. Na sequência do desenvolvimento do PMS, algumas sugestões de melhoria foram delineadas e implementadas, nomeadamente a análise e criação do hábito de análise das partidas relativas às lavagens de máquina, a criação de um mecanismo de controlo de lavagens de máquina, a criação de indicadores relevantes não analisados e outras foram recomendadas para implementação futura. Palavras-Chave Lean Manufacturing, Melhoria Contínua, PMS, KPI, Gestão Visual. vi vii Development of a performance measurement system for a dyeing section in a textile company ABSTRACT The present work arises within the scope of the dissertation project that concludes the master’s degree program in Engineering and Operations Management - with a specialization in Industrial Management, at the University of Minho. The project development took place in a Portuguese textile company dedicated to dyeing and finishing textile articles, with the main goal being the improvement of the control and monitoring process in the dyeing section through a Performance Measurement System (PMS), combined with suggestions and implementation of improvements to the current process. The Action Research methodology was employed to guide the course of this dissertation. Consequently, an initial literature review was conducted on the construction of a PMS, Lean Manufacturing approach and quality principles, as well as their tools, and some performance indicators. In order to achieve the project's purpose, an analysis of the current state of the company was carried out, where processes and existing data analyses were examined. Some issues were identified, such as the absence of key performance indicators, notably Overall Equipment Effectiveness (OEE), service rate, among others. It was also observed that data presentation lacked clarity and intuitiveness. To address these issues, data from the computer systems were collected and processed using Excel to calculate and define essential performance indicators. Relevant existing indicators were visually presented along with the newly created indicators, including OEE, machine wash quantity, among others. Finally, various interactive dashboards were created using the PowerBI tool. Following the development of the PMS, several improvement suggestions were outlined and implemented. These included the analysis and establishment of a habit of analysing machine wash records, the creation of a machine wash control mechanism, the development of relevant unanalysed indicators, and other recommendations for future implementation. Keywords Lean Manufacturing, Continuous Improvement, PMS, KPI, Visual Management. viii ÍNDICE Agradecimentos ..................................................................................................................................... iii Resumo................................................................................................................................................... v Abstract................................................................................................................................................. vii Índice ................................................................................................................................................... viii Índice de Figuras................................................................................................................................... xii Índice de Tabelas ..................................................................................................................................xiv Lista de Abreviaturas, Siglas e Acrónimos .............................................................................................xvi 1. Introdução ...................................................................................................................................... 1 1.1. Enquadramento e Motivação .................................................................................................. 1 1.2. Objetivos ................................................................................................................................ 2 1.3. Metodologia de Investigação ................................................................................................... 3 1.4. Estrutura da Dissertação ........................................................................................................ 4 2. Fundamentação Teórica ................................................................................................................. 6 2.1. Sistema de Medição de Desempenho .................................................................................... 6 2.1.1. Medição de Desempenho ............................................................................................... 6 2.1.2. Importância dos Sistemas de Medição de Desempenho ................................................. 6 2.1.3. Modelos de Sistemas de Medição de Desempenho ........................................................ 7 2.1.4. Desenvolvimento de um Sistema de Medição de Desempenho ...................................... 9 2.1.5. Dashboards .................................................................................................................. 11 2.2. Lean Manufacturing ............................................................................................................. 13 2.2.1. Origem e Evolução do Lean .......................................................................................... 13 2.2.2. Princípios Fundamentais e Desperdícios do Lean ......................................................... 13 2.2.3. Ferramentas e Técnicas Lean ....................................................................................... 15 2.2.4. Indicadores de Desempenho ........................................................................................ 19 2.2.5. Ferramentas da Qualidade ........................................................................................... 21 2.3. Análise Crítica ...................................................................................................................... 24 3. Apresentação da Empresa ........................................................................................................... 26 3.1. Identificação e Localização ................................................................................................... 26 xv Tabela 28: Capacidades das máquinas de produção da tinturaria da Moda 21. .................................. 81 Tabela 29: Resumo das sugestões de melhoria. .................................................................................. 83 Tabela 30: Resultados estimados prazos de entrega. .......................................................................... 86 xvi LISTA DE ABREVIATURAS, SIGLAS E ACRÓNIMOS ATP - Associação Têxtil e Vestuário de Portugal ADD - Adições BCI - Better Cotton Iniciative Belisotex - Belisotex Confeções S.A BNC - Boletim de Não Conformidade Interna BSC - Balance Scorecard BTR - Boletim de Tratamento de Reclamações CA - Acetato CL - Linho CO - Algodão CV – Viscose DA – Dias de Atraso ERP - Enterprise Resource Planning GQT - Gestão da Qualidade Total JIT - Just in Time KPI - Key Performance Indicator LT - Lead Time LY - Liocel MO - Modal Moda 21 - Moda 21Tinturaria e Acabamentos Têxteis SA MTBF - Mean Time Between Failures MTTR - Mean Time To Repare OEE - Overall Equipment Effectiveness OS - Ordem de Serviço PAC - Acrílico PDCA - Plan, Do, Check, Act PE – Prazo de Entrega PES - Poliéster PES REC - Poliéster Reciclado PMS - Performance Management System xvii PNP - Paragens Não Planeadas PP - Paragens Planeadas PUE - Elastano QP - Quantidade Produzida Rep - Reprocessamento RFT - Right First Time SMED - Single Minute Exchange of Die TA - Tempo de Abertura TF - Tempo de Funcionamento TLF - Tempo Líquido de Funcionamento TP - Tempo Produtivo TPS - Toyota Production System TT - Tempo de Turno VSM - Value Stream Mapping WIP – Work in Progress WO - Lã 1 1. INTRODUÇÃO Constam neste capítulo o enquadramento e motivação do projeto desenvolvido no âmbito da dissertação de mestrado em Engenharia e Gestão de Operações (MEGO) - ramo de especialização em Gestão Industrial, assim como os objetivos gerais e específicos que conduziram o mesmo. É ainda apresentada a metodologia de investigação utilizada e a estrutura do documento. 1.1. Enquadramento e Motivação Este projeto foi realizado como parte do plano de estudos do 2º ano do Mestrado em Engenharia e Gestão de Operações - Área de Especialização em Gestão Industrial, na unidade curricular Dissertação. Este projeto decorreu em uma organização do sector têxtil, fundada em 1999, com instalações no conselho de Braga, a “Moda 21 - Acabamentos e Tingimento Têxtil S.A.”, referida como Moda 21 daqui em diante. A Moda 21 dedica-se ao tingimento e acabamento de malhas e tecidos têxteis, essencialmente para a indústria de vestuário. De acordo com a Comissão Europeia, a indústria têxtil e do vestuário é um sector significativo que a nível europeu emprega cerca de 1.5 milhões de pessoas e representa um volume de negócios de aproximadamente 162 biliões de euros (European Commission, 2022). De acordo com a Associação Têxtil e Vestuário de Portugal (ATP) o volume de negócios da indústria têxtil e do vestuário, em Portugal no ano de 2022, representou cerca de 8 mil milhões de euros, empregando cerca de 122 mil pessoas (Banco de Portugal, 2022; Machado, 2023). O aumento da competitividade face a mercados cada vez mais globalizados e exigentes, em conjunto com o aumento do custo de recursos, levou a uma reflexão por parte da gestão de topo das organizações para a importância de um crescimento sustentado (Carlucci, 2010; Chakraborty & Biswas, 2021). Os PMS ( Performance Management System ) fornecem métricas, indicadores e informações objetivas, o que permite que as organizações avaliem o desempenho das suas operações e processos, assim como, a fundamentação das decisões a tomar. É uma ferramenta que, para além de permitir identificar oportunidades de melhoria também incentiva a melhoria contínua, uma vez que existe uma análise contínua e frequente de indicadores de modo a otimizar os processos. A apresentação das métricas e indicadores através de um dashboard permite que a informação seja apresentada de forma clara e concisa, assim como interpretada rápida e intuitivamente. Tal permite a identificação rápida das áreas que necessitam de intervenção e atenção imediata. 2 A análise de dados da produção desempenha um papel crucial na otimização do funcionamento do sistema produtivo. Além disso, esta análise permite comparar o desempenho atual com períodos anteriores, facilitando a identificação de perdas e desperdícios ao longo do processo. Esta análise também permite identificar oportunidades de melhoria e ajuda a reduzir as perdas e desperdícios por meio da implementação de medidas corretivas. Em última análise, proporciona as bases para a melhoria contínua do desempenho ao longo do tempo. As ferramentas da Qualidade e do Lean Manufacturing são aplicadas não apenas para analisar e diagnosticar problemas, mas também para resolvê-los, eliminando desperdícios através da melhoria contínua (Dave & Dixit, 2015; Gupta & Jain, 2013; Pavletic et al., 2007). Algumas destas ferramentas foram utilizadas neste projeto como suporte à identificação de problemas e sugestão de implementação de melhorias. A procura de dados que justifiquem as tomadas de decisão passou, assim, a ser vista como uma prioridade para os gestores (Carlucci, 2010; Oliveira, 2017), incluindo os gestores da Moda 21. Surgiu assim a vontade por parte da direção da Moda 21 de desenvolver um sistema de medição de desempenho, apresentado em forma de dashboard , para a secção de tingimento. Este sistema deve proporcionar as ferramentas necessárias para a realização da monitorização constante do setor, a criação de histórico e a identificação de problemas. 1.2. Objetivos O objetivo geral do presente projeto consiste na implementação e desenvolvimento de um PMS da secção de tingimento de uma empresa têxtil. Este divide-se nos seguintes objetivos primários: • Melhoria do processo de controlo e monitorização da secção de tingimento, através do desenvolvimento de um sistema de medição de desempenho; • Sugestões e implementação de melhorias; Foram ainda definidos os seguintes objetivos secundários, como meio de alcançar os objetivos primários: • Estudo de indicadores de desempenho indicados para monitorização de uma tinturaria; • Criação de um protótipo que sirva de base para a construção do PMS; • Assegurar a gestão do PMS, nomeadamente o tratamento de dados e monitorização de resultados; • Detetar falhas no processo, recorrendo ou não ao PMS desenvolvido; • Sugestão e implementação de melhorias. 3 No final do projeto é esperado que a Moda 21 tenha uma melhoria na avaliação do seu desempenho, usufrua de um PMS que permita, não só avaliar o desempenho da secção de tingimento, mas também a criação de dados históricos e a deteção de problemas. Além disto, espera-se que no decorrer do projeto sejam identificados problemas e sugeridas/implementadas ações de melhoria ao processo. 1.3. Metodologia de Investigação A metodologia de investigação utilizada na elaboração deste projeto foi a investigação-ação. Esta metodologia envolve uma investigação ativa na qual todas as pessoas que de alguma forma se relacionam com o estudo participam ativamente. Esta metodologia é utilizada em situações reais com o principal objetivo de resolver problemas do dia-a-dia, caracteriza-se pela premissa “ learning by doing ”, ditando que um grupo de pessoas identifica o problema, resolve-o, avalia o sucesso obtido e, não estando satisfeito, efetua uma nova tentativa (O’brien, 1998). A metodologia de investigação-ação é uma abordagem de pesquisa que visa resolver problemas práticos numa determinada situação ou contexto (Reason & Bradbury, 2008). Esta abordagem envolve a colaboração entre pesquisadores e participantes da situação em estudo, com o objetivo principal de promover mudanças positivas e sustentáveis no contexto em questão (Kemmis & Mctaggart, 2005). Figura 1: Espiral cíclica da investigação-ação. (Kemmis & Mctaggart, 2005) 4 A pesquisa é conduzida em quatro fases que completam um ciclo, Figura 1, sendo elas planeamento, ação, observação e reflexão ( Kemmis & Mctaggrt, 2005). No planeamento, são identificados os objetivos da pesquisa, os participantes e a metodologia a ser utilizada. Na fase da ação, são implementadas as mudanças previamente planeadas. Na observação, são recolhidos dados sobre as mudanças e os seus respetivos efeitos. Na fase de reflexão, os resultados são discutidos e avaliados, podendo ser planeadas e discutidas novas mudanças ou melhorias a implementar, dando continuidade ao ciclo (Fonseca, 2012; Stringer, 2007). Apesar da existência de uma sequência de fases no ciclo, este modelo não deve ser utilizado como uma estrutura rígida. Segundo Kemmis e Mctaggart (2005), este processo pode não ser restringido a uma espiral de ciclos independentes de planeamento, ação, observação e reflexão. A metodologia de investigação-ação é frequentemente usada em contextos onde as mudanças práticas são necessárias, como organizações, escolas e comunidades. Esta enfatiza a colaboração, a participação e a reflexão crítica como elementos-chave para a implementação de mudanças positivas e duradouras (Fonseca, 2012). 1.4. Estrutura da Dissertação A estrutura do presente relatório é composta por sete capítulos. No primeiro capítulo faz-se um enquadramento e motivação do tema principal da dissertação, destacando a realidade atual da indústria têxtil e o papel das filosofias do Lean Manufacturing na performance de uma organização. Segue-se a apresentação dos objetivos principais e secundários, assim como a metodologia de investigação utilizada ao longo do projeto. O capítulo 1 finda com a apresentação da estrutura da dissertação. O segundo capítulo destina-se à apresentação dos fundamentos teóricos que sustentam os paradigmas e metodologias aplicadas no contexto do presente projeto, sendo esta revisão feita com enfâse, nos PMS e nas técnicas e ferramentas propostas pelo Lean Production. Neste capítulo é ainda apresentada uma análise crítica sobre os artigos e publicações recentes sobre a implementação de PMS na indústria têxtil. No capítulo 3 é realizada uma apresentação da empresa onde foi realizado este projeto, a Moda 21, sendo abordados aspetos como a localização, evolução e estrutura organizacional, principais clientes e fornecedores, assim como a sua oferta produtiva. Para além disto, é elaborada uma descrição geral do sistema produtivo. O quarto capítulo foca-se essencialmente na análise e diagnóstico do estado atual da empresa. Primeiramente é apresentada uma análise documental onde são tratados e analisados alguns dos dados, análises e indicadores existentes. Ainda neste capítulo são expostos alguns dos indicadores pertinentes, mas não utilizados, como reprodutibilidade e taxa de serviço. São ainda feitas análises às lavagens de 5 máquina e problemas de qualidade, como os reprocessamentos e adições feitas aos processos. Para terminar este capítulo é feita uma síntese dos problemas detetados e citados ao longo do capítulo. No quinto capítulo são abordadas as sugestões de melhorias, como resposta aos problemas identificados no capítulo mencionado anteriormente. Os resultados das propostas de melhoria são apresentados no sexto capítulo. Por último, no sétimo capítulo são discutidas algumas considerações finais sobre o trabalho realizado, bem como a apresentação de sugestões para trabalho futuro. Posteriormente, podem ser consultadas as referências bibliográficas utilizadas, anexos e apêndices enquanto complemento dos estudos realizados ao longo deste projeto. 6 2. FUNDAMENTAÇÃO TEÓRICA Este capítulo será dividido em quatro subcapítulos, sendo que o primeiro aborda os sistemas de medição de desempenho. O segundo e terceiro subcapítulos são dedicados à filosofia Lean e à apresentação das ferramentas da Qualidade e do Lean . Serão brevemente apresentadas as ferramentas disponíveis na literatura e abordadas com mais detalhe as ferramentas utilizadas na realização do presente projeto. O quarto e último subcapítulo é reservado para uma análise critica da informação e dos métodos disponíveis e publicados na literatura atual. 2.1. Sistema de Medição de Desempenho 2.1.1. Medição de Desempenho A medição de desempenho é fundamental para avaliar a eficiência dos processos e a produtividade de uma organização (Bourne et al., 2003). Pode ser definida como uma avaliação da qualidade da gestão da organização e do valor entregue ao cliente (Sorooshian et al., 2016). As medidas de desempenho são métricas usadas para quantificar a eficiência de uma ação. Ao longo dos anos, a medição de desempenho sofreu uma evolução de fases. Na primeira fase, que ocorreu nos anos 80, as organizações estavam inclinadas exclusivamente para a contabilidade de custos. Porém, nos anos 2000, na segunda fase, houve uma mudança de foco em direção à qualidade, tempo, custos, flexibilidade e satisfação do cliente, em resposta a um mercado cada vez mais competitivo. Foi nesta segunda fase que os investigadores realçaram as limitações da abordagem tradicional de análise e medição de desempenho, apelando a uma forma mais integrada e equilibrada para medir o mesmo (Shahin & Mahbod, 2007). Posteriormente, surgiu a ideia de alinhar as medidas de desempenho financeiras e não financeiras, resultando no desenvolvimento de PMS mais equilibrados (Khan & Shah, 2011). 2.1.2. Importância dos Sistemas de Medição de Desempenho Os PMS referem-se a um conjunto de ferramentas de apoio, métricas e processos projetados para medir, monitorizar e avaliar o desempenho de uma organização, departamento, equipa ou indivíduo em relação aos objetivos e metas estabelecidos (Aguinis, 2009; Jiménez-Zarco et al., 2006; Mohamed & Jamil, 2011). O objetivo principal de um PMS é fornecer informações objetivas e mensuráveis sobre o desempenho da organização, permitindo a identificação de áreas de melhoria, tomada de decisões ponderadas e o alinhamento das estratégias aos objetivos propostos. Estes sistemas podem variar em 7 complexidade e amplitude, adaptando-se às necessidades e características específicas de cada organização (Mohamed & Jamil, 2011; Sorooshian et al., 2016). Os PMS desempenham um papel crucial nas organizações, pois permitem a monitorização do desempenho, oferecendo uma estrutura que possibilita acompanhar e medir o desempenho da organização em relação aos objetivos estabelecidos (Sorooshian et al., 2016). Além disso, auxiliam na toma de decisões conscientes e informadas, fornecendo dados e informações confiáveis sobre o desempenho da organização. Ao permitir que os gestores tomem decisões com base nessas informações, é possível direcionar recursos, priorizar iniciativas e ajustar estratégias para alcançar os objetivos organizacionais. Ao estabelecer indicadores e metas relacionados aos objetivos estratégicos, os PMS possibilitam a avaliação contínua do progresso em direção à visão e direção estratégica. Ao medir o desempenho atual e compará-lo com padrões e metas, as organizações podem implementar mudanças de forma a impulsionar melhorias contínuas nos seus processos, assim como nos seus resultados (Garengo et al., 2005; Jamil et al., 2011; Striteska & Spickova, 2012). Um PMS pode ser examinado em três níveis distintos. No primeiro, as medidas de desempenho individuais, examina as medidas relacionadas com qualidade, tempo, custo e flexibilidade, capazes de traduzir as atividades da organização. No segundo nível, observa-se um conjunto de medidas de desempenho que avaliam o sistema como um todo, identificando as várias dimensões do sistema de medição de desempenho. Por último, analisa-se a relação entre o sistema de medição de desempenho e o ambiente em que opera, avaliando a capacidade do sistema de se integrar com o ambiente interno e externo à organização (Simão, 2017). 2.1.3. Modelos de Sistemas de Medição de Desempenho Os modelos de PMS podem ser classificados de diversas formas (Toni & Tonchia, 2001). Na Figura 2, estão representadas algumas das classificações possíveis. • Modelos estritamente hierárquicos (ou estritamente verticais), caracterizados pela utilização de medidas de desempenho financeiro e não financeiro em níveis diferentes. • Modelo Balanced Scorecard ou tableaux de bord (arquitetura equilibrada), em que várias medições de desempenho separadas são consideradas independentes. Essas medições correspondem a diferentes perspetivas (financeiras, processos internos, clientes e crescimento). No entanto, essas perspetivas estão separadas, e os seus vínculos são definidos de maneira geral; 14 Os princípios fundamentais do Lean são os conceitos essenciais que guiam a filosofia Lean . Estes princípios foram desenvolvidos pela Toyota como parte do TPS e têm sido adotados em várias indústrias (Hamed & Soliman, 2017; Womack et al., 1990). Estes princípios são os seguintes: • Definir valor: O primeiro princípio do Lean envolve compreender as necessidades e expectativas do cliente, bem como o que este considera como agregação de valor; isto envolve perceber quais características do produto ou serviço que estes estão dispostos a pagar. • Identificar a cadeia de valor: O segundo princípio envolve mapear o fluxo de valor, ou seja, identificar e analisar a totalidade das etapas e processos envolvidos na criação do produto ou na prestação do serviço, desde a matéria-prima até ao cliente final. O objetivo é identificar gargalos e ineficiências no processo para melhorar o fluxo contínuo e reduzir o tempo de produção. Todas as atividades que não agregam valor ao produto ou serviço são consideradas um desperdício e devem ser diminuídas e eliminadas quando possível. • Garantir fluxo de valor: O terceiro princípio visa estabelecer um fluxo contínuo de produção, onde o trabalho flui de forma suave e constante, sem interrupções ou stock excessivo. O fluxo contínuo pode ser alcançado por meio da sincronização de processos, sendo feitos ajustes do ritmo de produção em função do ritmo da procura do cliente. • Implementar a produção Pull : O quarto princípio assenta na adoção do sistema de produção pull (puxada), em que a produção é baseada na procura do cliente. Em vez de produzir com base em previsões ou para stock , o produto é fabricado somente quando há uma solicitação do cliente. • Perseguir a perfeição: O quinto princípio é a implementação da melhoria continua, comumente conhecida como Kaizen. Isto implica que todos os membros da organização procurem constantemente formas de melhorar os processos, eliminar os desperdícios e aprimorar a qualidade, tornando a melhoria contínua uma parte integrante da cultura da empresa. Os princípios do Lean cooperam para criar uma abordagem de gestão eficiente, que visa aumentar a eficiência, reduzir desperdícios ao longo da cadeia produtiva e melhorar a qualidade, proporcionando maior valor para o cliente. Estes princípios são a base para a aplicação bem-sucedida do Lean em diferentes setores e organizações (Hamed & Soliman, 2017). Na Tabela 1 encontram-se os 8 desperdícios do Lean , que quando reduzidos aumentam a eficiência dos processos (Hamed & Soliman, 2017; Liker & Meier, 2005; Ohno, 1988). 15 Tabela 1: 7 Desperdícios do Lean . Desperdícios Descrição Sobreprodução Produzir mais que a procura ou antes de ser necessário Esperas Aguardar por componentes, informação ou termino do ciclo da maquinaria Transporte Movimentação de componentes dentro das instalações ou entre instalações Sobre-Processamento Execução de tarefas que não agregam valor, mas necessárias devido á estrutura do processo Inventário Todo o inventário e o WIP (work in process) Deslocações Deslocamentos para recolher material, ferramentas, informação ou para executar tarefas Defeitos Todo o trabalho ligado á produção de defeitos, sucata e reaproveitamento de defeitos Potencial Humano Relaciona-se com o não aproveitamento das capacidades dos colaboradores para ajudarem a empresa a criar valor para o cliente 2.2.3. Ferramentas e Técnicas Lean As ferramentas Lean são um conjunto de técnicas e metodologias que visam a melhoria contínua e a eliminação de desperdícios nos processos produtivos. Estas ferramentas foram criadas pela Toyota e popularizadas no mundo todo a partir da década de 1990. Algumas das ferramentas detalhadas não foram utilizadas neste projeto, no entanto acredita-se que podem ser uteis na realização do trabalho futuro. Existem várias ferramentas do Lean , entre elas: VSM ( Value Stream Mapping ) O VSM é uma das ferramentas do Lean , que permite a visualização da totalidade do processo produtivo e a identificação de gargalos, desperdícios e oportunidades de melhoria do processo (Gupta & Jain, 2013). 5S A metodologia 5S é baseada em princípios japoneses e é uma ferramenta utilizada para classificar, organizar, limpar, padronizar e sustentar um ambiente de trabalho produtivo. Esta ferramenta é frequentemente utilizada pela indústria transformadora com o objetivo de melhorar o clima organizacional (Gupta & Jain, 2013; Rizkya et al., 2019). Estas cinco palavras são refletidas em fases da metodologia (Mazlan et al., 2014). Poka-yoke 16 A técnica Poka-yoke consiste em criar dispositivos ou mecanismos que impeçam erros e defeitos no processo produtivo. O objetivo desta técnica é reduzir a ocorrência de problemas e garantir a qualidade do produto final (Gupta & Jain, 2013; Shingo, 1989). Kanban A metodologia Kanban é um sistema de gestão de inventário que utiliza cartões para controlar a produção, permite que esta seja ajustada de acordo com a procura real, evita inventário excessivo e permite a redução de custos (New, 2007). SMED ( Single Minute Exchange of Die ) O SMED, é uma metodologia criada pelo engenheiro japonês Shigeo Shingo, que visa reduzir o tempo de setup em processos produtivos. Consiste em identificar e separar as etapas do processo de setup em categorias distintas: internas e externas (Shingo, 1989). O objetivo do SMED é converter as etapas internas em externas e, assim, reduzir o tempo de setup , tornando-o mais eficiente, melhorando a produtividade da produção, além de reduzir os custos associados ao setup (Shingo, 1989). Standard Work O Standard Work , ou trabalho normalizado, é uma ferramenta basilar para a melhoria contínua das organizações. É utilizada em processos produtivos e visa estabelecer uma sequência de operações que otimiza o desempenho do trabalho e a qualidade do produto final (Liker & Meier, 2005; Womack et al., 1990). Esta metodologia consiste em definir, documentar e implementar os procedimentos operacionais ideais para a realização de uma determinada tarefa ou processo, considerando os recursos disponíveis e as necessidades do cliente (Liker & Meier, 2005). Kaizen A metodologia Kaizen , ou melhoria contínua, é uma abordagem japonesa para melhoria contínua que visa a realização de atividades de aperfeiçoamento, tendo por finalidade a criação de valor e a eliminação dos desperdícios. A melhoria contínua visa, portanto, o aprimoramento dos processos de uma forma progressiva e continuada (Gupta & Jain, 2013; Ohno, 1988). Gestão Visual A gestão visual é uma componente fundamental do Lean Thinking . Esta consiste na apresentação e comunicação da informação de uma forma intuitiva, para que todos os colaboradores possam compreendê-las e receber feedback imediato. A gestão visual tem como objetivo disponibilizar informação 17 num formato visual, disponibilizando informações sobre as ordens de produção, o estado das máquinas, os indicadores de desempenho, entre outras (Pinto, 2009). Métricas Lean A melhoria dos sistemas produtivos deve ser sustentada pelo conhecimento dos mesmos, de maneira a ser possível detetar os seus problemas e medir o progresso das ações implementadas relativamente aos objetivos traçados. Para isto, são utilizadas métricas ou indicadores que transmitem informação pertinente sobre uma determinada característica do sistema. As métricas Lean são indicadores utilizados para avaliar a eficiência dos processos numa organização e identificar oportunidades de melhoria. Estas métricas fornecem informações sobre a eficiência dos processos e ajudam a identificar os desperdícios que precisam de ser eliminados. Algumas das métricas Lean conhecidas são as seguintes: ▪ TkT ( Takt time ) O TkT é o ritmo de produção imposto pelo cliente, este representa a frequência com que o mercado exige, em média, uma unidade do produto (Womack et al., 1990). Este é calculado pela divisão do tempo disponível para produção pela procura do cliente (Campos, 2018). ▪ TC (Tempo de ciclo) O TC resulta da capacidade do sistema produtivo e indica o intervalo de tempo que decorre entre a produção de unidades consecutivas do produto. Numa linha produtiva, o TC é determinado pela operação mais demorada, o que define a cadência real de produção (Campos, 2018). ▪ Lead Time (LT) O LT refere-se ao tempo que decorre entre a receção do pedido do cliente e a expedição do produto acabado, sendo um indicador que permite avaliar a capacidade competitiva das organizações (Campos, 2018). ▪ OEE O OEE é um indicador tridimensional que visa medir a eficiência global de equipamentos, levando em conta três principais fatores: disponibilidade, velocidade e qualidade (Ahmed, 2013; Muchiri & Pintelon, 2008). A disponibilidade representa o tempo em que o equipamento está disponível para produzir, a velocidade mede a velocidade com que o equipamento produz em relação à sua capacidade máxima e a qualidade avalia o número de peças produzidas que atendem aos requisitos de qualidade (Ahmed, 2013). As perdas de produção relacionadas com os equipamentos têm três origens, perdas causadas 18 pelas paragens não planeadas, perdas resultantes pela máquina não estar a funcionar à velocidade expectável e perdas causadas por produtos fora do padrão de qualidade estabelecido; estas perdas têm origem nos desperdícios Lean expostos na Tabela 1. Utilizando como indicador o OEE, a máquina perfeita seria uma máquina que durante um determinado período não originasse perdas de nenhum tipo, isto é, o equipamento esteve sempre apto a produzir quando necessário e produziu sempre produtos sem defeitos à primeira tentativa e à velocidade máxima definida; então diz-se que operou com 100% de eficiência. A Figura 5 demostra as perdas que são necessárias conhecer para o cálculo do OEE. Figura 5: Perdas associadas aos equipamentos e respetivas dimensões do OEE. Seguidamente, na Figura 6 são apresentadas as equações que permitem obter o valor dos indicadores e do OEE. Figura 6: Fórmulas necessárias para o cálculo dos fatores disponibilidade, velocidade, qualidade e do indicador OEE. Tabela 2 as métricas utilizadas para o cálculo da qualidade, velocidade e disponibilidade. 19 Tabela 2: Métricas utilizadas no cálculo dos indicadores do OEE. Métrica Descrição TTTempo de Turno Tempo disponível durante um turno de trabalho PPParagens Planeadas Tempo correspondente, e.g. às pausas do trabalhador e às manutenções planeadas do equipamento TATempo de Abertura Tempo disponível durante um turno de trabalho, retirando o tempo de paragens planeadas PNPParagens Não Planeadas Tempo correspondente, e.g., a manutenções não planeadas, avarias e setups TFTempo de Funcionamento Tempo disponível durante um turno de trabalho, retirando o tempo de paragens planeadas e o tempo de paragens não planeadas TLFTempo Líquido de Funcionamento Tempo alocado ao funcionamento retirando o tempo de PP, PNP e perdas de velocidade TPTempo Produtivo Tempo utilizado exclusivamente para a produção de produtos conformes QPQuantidade Produzida Quantidade total produzida pelo equipamento num dado período QCQuantidade Conforme Quantidade de produto considerado conforme (sem defeitos) produzida pelo equipamento TCiTempo de Ciclo Ideal Tempo de ciclo correspondente às condições ideais de fabrico O OEE é um indicador amplamente utilizado por organizações para avaliar o desempenho dos seus equipamentos de produção. Estabelecer metas de OEE é uma prática comum para medir e melhorar a eficiência operacional (Ahmed, 2013). Na Tabela 3, são apresentados valores de referência de classe mundial para o OEE (Bachmann, 2019). Tabela 3: Níveis de Classe Mundial dos indicadores do OEE. Indicador Nível de Classe Mundial OEE 85% Disponibilidade 90% Velocidade 95% Qualidade 99,9% 2.2.4. Indicadores de Desempenho Os indicadores de desempenho são um conjunto de métricas que as empresas utilizam para avaliar o seu desempenho ao longo do tempo. O histórico destes dados é utilizado para analisar o alcance de objetivos e resultados que foram estabelecidos num planeamento prévio; estes indicadores vão servir como referência para a tomada de decisão e a criação de melhores estratégias. Exemplos de Indicadores 20 ▪ Taxa de Utilização dos Equipamentos A Taxa de Utilização de Equipamentos revela em que medida os equipamentos estão a ser utilizados no seu máximo potencial (Marr, 2012). É obtida através da divisão da capacidade real pela capacidade possível. ▪ OEE Como já referido, o OEE é um indicador tridimensional que visa medir a eficiência global de equipamentos, considerando três principais fatores: disponibilidade, velocidade e qualidade (Ahmed, 2013; Muchiri & Pintelon, 2008). ▪ Quantidade não conforme Reflete se estão a ser identificadas não conformidades no processo. A quantidade não conforme é a quantidade de peças com defeito (Marr, 2012). ▪ Mean Time Between Failures (MTBF) O MTBF é um indicador de manutenção que representa o tempo médio decorrido entre falhas de um determinado equipamento. Deve-se salientar que este indicador não considera atos de manutenção planeada. Este indicador é obtido através da razão entre o tempo de funcionamento do equipamento e o número de avarias verificado num determinado período de análise (Pascual & Kumar, 2016). ▪ Mean Time To Repair (MTTR) O MTTR é um indicador que tem como objetivo avaliar a eficácia da ação reparadora, através do cálculo do tempo médio necessário para a reparação de um equipamento. O MTTR é obtido através da razão entre o tempo total de avaria e o número de reparações realizadas num determinado período de análise (Pascual & Kumar, 2016). ▪ Taxa de Serviço A taxa de serviço mede a percentagem de pedidos que são entregues dentro do prazo acordado com o cliente. Esta métrica é fundamental para avaliar a satisfação do cliente e a capacidade da empresa de atender às necessidades do mercado (Marr, 2012). Pode ser calculada através da razão entre o número de encomendas expedidas dentro do prazo e o número de encomendas expedidas. ▪ Número de Reclamações Expõem, em conjunto com outros indicadores, quão bem uma empresa está a prestar o seu serviço e a satisfação dos clientes (Marr, 2012). É a quantidade de reclamações recebidas. Pode ser calculada uma 21 taxa através da razão entre o número encomendas expedidas com reclamações recebidas e o número de encomendas expedidas. ▪ Absentismo Avalia com que frequência os colaboradores faltam ao trabalho. ▪ Taxa de Produção Indica a quantidade de produtos fabricados em um determinado período, podendo ser expressa em qualquer unidade de medida apropriada. 2.2.5. Ferramentas da Qualidade Difundidas entre as décadas de 50 e 60, as ferramentas da qualidade são, na atualidade, técnicas básicas de gestão da qualidade aplicadas nas empresas. Existem variadas ferramentas e técnicas no âmbito da gestão da qualidade total (GQT). Figura 7: As 7 ferramentas básicas da qualidade para a melhoria da qualidade. (Pavletic et al., 2007) No entanto existem 7 ferramentas consideradas, por Ishikawa, como as ferramentas básicas da qualidade: as Cartas de Controlo, o Diagrama de Dispersão, o Diagrama de Ishikawa (Causa-Efeito), o Diagrama de Pareto, o Fluxograma, a Folha de Verificação e o Histograma (Courtois et al., 1997; Kerzner, 2009; Project Management Institute, 2008). Além das 7 ferramentas básicas da qualidade, existem ainda 22 outras ferramentas e procedimentos da gestão da qualidade que têm vindo a ser trabalhadas e desenvolvidas ao longo dos anos, como é o caso da técnica 5W1H, do Brainstorming , do Benchmarking e do ciclo PDCA ( Plan , Do , Check , Act ) (Courtois et al., 1997). Estas ferramentas permitem não só uma recolha de dados mais eficiente, mas também a identificação de padrões e a medição da variabilidade associada aos dados (Kerzner, 2009). Estas ferramenta proporcionam a todos os membros de uma organização, meios simples para a visualização e resolução de problemas (Courtois et al., 1997). Na Figura 7, são apresentadas as 7 ferramentas da Qualidade, juntamente com as suas principais funções. A seguir, apresentam-se algumas dessas ferramentas de forma mais detalhada, sendo que as apresentadas foram as utilizadas na concretização deste projeto. PDCA (Ciclo PDCA) O Ciclo PDCA é uma metodologia de gestão de processos de melhoria, utilizada para promover a melhoria contínua, este ciclo é apresentado na Figura 8. O processo começa com o planeamento, onde são estabelecidos os objetivos, metas e planos de ação para alcançar a melhoria desejada. Em seguida, temse a fase de execução, onde são colocados em prática os planos previamente definidos. Após a implementação, segue-se a fase de verificação, onde é avaliado se os resultados obtidos estão de acordo com os objetivos e metas estabelecidos. Caso não estejam, é necessário agir para realizar ajustes e melhorias no processo (Requeijo et al., 2013; Shingo, 1989). A aplicação do ciclo PDCA pode ocorrer em diversas áreas, como processos produtivos, gestão de qualidade, gestão de projetos, entre outras. A sua eficácia está relacionada à constante revisão e aprimoramento do processo, promovendo a melhoria contínua de forma sistemática. Figura 8: Ciclo PDCA. (Kanbanize, n.d.) 23 Diagrama de Ishikawa (Espinha de Peixe) O diagrama de causa-efeito, também conhecido como diagrama de Ishikawa ou diagrama de Espinha de Peixe, é uma ferramenta utilizada para identificação das causas-raiz de um dado problema de qualidade, criada por Kaoru Ishikawa (Kerzner, 2009). O diagrama de Ishikawa é uma ferramenta de diagnóstico que fornece uma maneira sistemática de observar a correlação entre um evento (efeito) e as suas múltiplas causas, sugerindo uma distribuição destas segundo a sua natureza (Ilie & Ciocoiu, 2010; Kerzner, 2009). Esta classificação é baseada na análise dos 6M: Machine (Máquina), Method (Método), Material (Material), Measurement (Medida), Men (Homem), Mother Nature/Enviroment (Meio envolvente)(Kerzner, 2009). Na Figura 9 encontra-se um exemplo de um diagrama de causa-efeito. Figura 9: Diagrama Causa-Efeito. (Kerzner, 2009) Histograma Um Histograma é uma representação gráfica de barras verticais representativas da frequência de uma determinada variável. Cada barra representa uma característica de uma situação, o tamanho da barra representa a frequência que uma característica ocorreu na situação (Project Management Institute, 2008). Esta ferramenta exibe variações ou tendências ao longo do tempo, sendo útil na medida em que permite entender a frequências dos dados, assim como a distribuição dos mesmos (Kerzner, 2009). A Figura 10 ilustra um exemplo de um Histograma. Figura 10: Histograma. (Project Management Institute, 2008) 30 3.6. Layout A Moda 21 ocupa aproximadamente 15.000 m2. Conforme se verifica na Figura 16, as instalações consistem em 3 pavilhões interligados por área coberta entre si. Dois desses pavilhões são completamente dedicados à produção, enquanto o terceiro é partilhado entre a produção e armazéns de apoio à produção. As instalações da Moda 21 comportam ainda uma Estação de Tratamento de Águas Residuais (ETAR) destinada a tratar as águas contaminadas resultantes dos processos antes de serem libertadas para o meio ambiente. Com o objetivo de produzir energia, a Moda 21 é equipada por um anexo dedicado a cogeração, uma extensa instalação fotovoltaica e, mais recentemente, foi construída uma nova instalação dedicada à queima de biomassa para produção de vapor. Estas últimas duas frações não se encontram expostas no mapeamento apresentado. Existem também várias secções de apoio à produção e duas secções produtivas. O laboratório de cor é onde as cores são desenvolvidas de acordo com os requisitos dos clientes. O gabinete de planeamento é responsável pelo planeamento da produção. O armazém de malhas em cru é a zona destinada a receção e armazenamento de todas as matérias-primas têxteis, ou seja, malha e tecido em cru. Nesta secção, é feita a receção e atribuição de uma ordem de produção à malha, de forma a facilitar a identificação do destino da malha em questão. A secção de preparação de malhas é designada para que todos os tratamentos e ajustes necessários à priori do tingimento sejam realizados, desde abrir e fechar malha, cozedura das extremidades da malha, termofixação, entre outros processos. Na secção de tingimento, localizam-se todas as máquinas de tingimento, incluindo as de produção e amostras. Foi nesta secção que o presente projeto teve incidência. É nesta secção que se dá o processo de tingimento, onde se adiciona propriedades químicas e físicas à malha, como por exemplo toque e cor. O laboratório de controlo de qualidade é responsável por avaliar a qualidade da malha, tanto durante como após o processo de tingimento. A secção de acabamentos é onde se atribui propriedades de toque, estabilidade dimensional, gramagem, entre outras requisitadas pelos clientes. A expedição é onde as malhas são preparadas para envio ao cliente. Por último, a cozinha de cores é onde está localizada a máquina que faz a pesagem e distribuição dos produtos químicos auxiliares e dos corantes para o processo de tingimento realizado nos Jets , um jet é uma máquina de tingimento. 31 Figura 16: Layout das instalações da Moda 21. 3.7. Processo Produtivo O processo produtivo da Moda 21 é dividido em várias etapas, apresentadas na Figura 17. A matériaprima, malha em cru, chega as instalações da Moda 21 onde lhe é atribuída uma ficha que acompanha a malha ao longo do seu percurso na empresa, que funciona como uma identificação para a mesma. Na ficha existe informação que diz respeito a todos os passos que a respetiva malha vai realizar. É importante frisar que a malha em cru quando chega a Moda 21, na sua maioria/totalidade, é para ser trabalhada e não para armazenar matéria-prima. Figura 17: Processo Geral da Moda 21. 32 4. DIAGNÓSTICO E ANÁLISE CRÍTICA DA SITUAÇÃO ATUAL Esta secção tem como objetivo iniciar a abordagem aos objetivos propostos neste projeto, seguindo a metodologia de Investigação-Ação. É apresentada uma análise do estado atual do sistema produtivo da Moda 21, com o objetivo de mostrar todas as informações recolhidas pela autora através de técnicas de recolha de dados, observação direta do trabalho, entrevistas com trabalhadores e da aplicação de algumas das métricas e ferramentas do Lean Production e da Qualidade. O propósito deste estudo é sugerir e, sempre que possível, implementar melhorias. Portanto, é essencial identificar os problemas da empresa, como se estivéssemos a tirar uma fotografia ao estado atual da organização. Nesta secção, são analisados os dados existentes, combinados com a informação recolhida e facultada, a fim de identificar alguns problemas. O capítulo é concluído com uma exposição dos principais problemas identificados durante esta fase de diagnóstico. 4.1. Mapeamento do Processo Produtivo da Tinturaria O mapeamento do processo produtivo da tinturaria pode ser dividido em receção e preparação de malhas para tingimento, verifica-se o processo detalhado no anexo 1, que aborda o processo desde a receção, a verificação de conformidade, o armazenamento e a preparação da malha em cru para tingimento. Esta preparação envolve todos os procedimentos necessários para que a malha esteja pronta para o tingimento. A continuação do processo é ilustrada na Figura 18, começando com a malha pronta para o tingimento. Isto inclui a pesagem dos corantes, o registo e transporte da malha até ao Jet , a identificação do processo a realizar no Jet de tingimento, a amostragem durante o processo de tingimento e a conclusão do tingimento. Após a etapa de tingimento, as malhas seguem para a secção de acabamento. Este processo não é demonstrado detalhadamente, uma vez que não é uma secção abordada ao longo do projeto. 33 Figura 18: Processo tingimento. 34 4.2. Divisão de Tempo A tinturaria da Moda 21 funciona 24 horas por dia durante 5 dias, ocasionalmente, quando necessário, existem turnos extra que podem ser de 6 a 8 horas. No ano de 2022, a empresa esteve em funcionamento cerca de 242,4 dias. Na Figura 19 visualiza-se a divisão do tempo em que a empresa esteve em funcionamento. O tempo disponível é dividido em 2 fatias, a primeira fatia diz respeito a manutenção e escassez de encomendas que engloba o tempo em que as máquinas se encontram paradas e a segunda fatia ao tempo de máquinas em funcionamento, este tempo é dado pelos registos do software dos Jets . A segunda fatia divide-se em 4, sendo a primeira relativa ao tempo consumido em lavagens de máquina. A segunda diz respeito ao tempo consumido em processos indefinidos. Estes processos são apelidados assim pois são casos raros em que, ao invés do início da partida, uma partida é um lote de malha que está a ser tingido, ser dado automaticamente é dado através de uma operação manual realizada por um operador no controlo localizado no Jet . Nestes casos é atribuído um número de ordem de serviço (OS) aleatório e que não permite identificar as OS originais, é importante frisar que estas partidas são excluídas em algumas das análises realizadas ao longo do trabalho. A terceira fatia corresponde ao tempo em que as máquinas estão ligadas sem avançar no processo produtivo, isto pode acontecer devido às esperas, atrasos e falta de material. Os produtos químicos chegam às máquinas automaticamente através de um alerta que o controlo da máquina dá à cozinha de cores, quando recebido o alerta na cozinha de cores, os produtos químicos são pesados e enviados através de tubos especializados para o efeito. A balança para pesar os produtos químicos faz uma pesagem de cada vez e numa situação de vários pedidos próximos dos jets pode ocorrer uma fila de espera. Este é um dos exemplos em que o processo está parado a espera de material. A quarta e última fatia corresponde ao tempo em que a máquina está efetivamente em produção, este tempo pode ser dividido em três partes, uma parte para o tempo consumido nas adições que são realizadas, outra parte é relativa ao tempo que é consumido nos reprocessamentos e por fim a última parte corresponde ao tempo que foi considerado como tempo consumido em produção útil, ou seja, tempo em que está a ser adicionado valor ao produto através de tratamento ou tingimento da malha e tecido, correspondendo a 67,9% do tempo total disponível. Com esta análise deteta-se então que 0,54% das partidas realizadas têm falta de informação, o que leva a que todas as análises não sejam na sua totalidade adequadas à realidade, sendo que uma parte dos dados são automaticamente descartados. Não existe uma forma de dividir a origem da pausa, dentro do tempo em que as máquinas estão paradas, sendo que no caso das ações de manutenções, não há um registo formalizado e de fácil verificação da ação realizada, da causa e do tempo consumido. 35 Figura 19: Esquema representativo da divisão do tempo disponível na secção de tingimento da Moda 21, no ano de 2022. 4.3. Classes de Artigos Existe uma distribuição estabelecida com base na composição e estrutura das malhas que são processadas. Esta classificação considera ainda o processo realizado e o tipo de tingimento realizado. Esta distribuição é intitulada de classificação por classe de artigo e é apresentada na Tabela 4. Tabela 4: Classes de artigo. Classe de artigo Descrição 1 CO 2 CO/CL/CV/LY/MO + PES 3 CV; MO; LY (celulósicas regeneradas) 4 PES; CA; PAC; (sintéticas) 5 Diretos 6 Brancos| ½ Branqueação| Desencolados 7 CL 8 Cupro |Sedas | Fibras Espec Reativos 9 PA 10 Cubas 11 Lãs | Sedas (ácidos) 12 PES + CO/CL/CV/LY/MO 13 CO/CL/CV/LY/MO + WO/PA 14 PES+WO/PA 15 PES Cat/PAC + CO/CL/CV/LY/MO 16 PES Cat/PAC + WO/PUE/PA 17 CO/CL/CV/LY/MO 36 18 Reativos com Avitera exceto Linho No Figura 20, é apresentada a distribuição dos quilogramas produzidos pela classe em que o artigo se insere. Esta classificação não se limita apenas à composição do artigo, mas também considera o processo pelo qual o artigo passa na tinturaria. A classe de artigo predominante é a classe 6, que diz respeito ao processo de tingimento de brancos, ½ branqueação e desencolagem, de tal forma que estes são os processos mais significativos na Moda 21, no quesito de quantidade produzida. Figura 20: Quantidade de malha produzida por Classe. 4.4. Registo de Manutenções Foi apurado que existe um grupo de WhatsApp onde os responsáveis pela manutenção descrevem de forma sucinta o que foi realizado durante as intervenções, mas estas descrições não fornecem o nível de detalhe necessário. Este método não permite que os dados fiquem armazenados de maneira adequada e sejam de fácil interpretação num período posterior. Além disso, há um arquivo utilizado para registar as manutenções planeadas, conforme ilustrado na Figura 21. No entanto, este ficheiro apresenta lacunas, pois não há informações sobre o tempo consumido na realização da manutenção, contendo apenas a data em que a manutenção ocorreu. No caso das ações de manutenção, não há um registo formalizado que forneça informações sobre a natureza da intervenção, da causa e da quantidade de tempo consumido. 40% 28% 8% 5% 5% 4% 3% 7% Distribuição de classes produzidas na Moda 21 6 1 13 2 3 4 18 Outras 37 Figura 21: Registro existente relativo as manutenções realizadas. 4.5. Análises Existentes Na empresa, é adotado um processo de análise de dados trimestral e anual, no qual são examinados alguns indicadores relacionados à produtividade e às finanças. No entanto, uma das questões mais significativas abordadas neste projeto está relacionada com a baixa frequência da análise de dados. A questão que levou à necessidade da realização deste projeto foi precisamente a qualidade e a frequência da análise de dados realizada. Esta análise é repartida em várias análises. Vale ressaltar que os dados pré-existentes analisados nesta secção são relativos ao 4º trimestre de 2019. Ao analisar as tabelas desta secção é importante considerar que: C. Artigo - código de artigo; OS - representa ordem de serviço; prod - produção; Rep - reprocessamento; ADD – adição; RFT – Bem a 1º. 4.5.1. Indicadores Produção - Jets Na Tabela 5 encontra-se, a título exemplificativo, apenas uma parte da análise feita, uma vez que esta é realizada para a totalidade dos Jets , incluindo os de amostras. Embora os indicadores calculados sejam pertinentes e importantes para o acompanhamento da produção, a tabela apresenta uma sobrecarga de indicadores e dados, tornando a análise visual pesada e com excesso de informação. Isto dificulta a capacidade de tirar conclusões através dos dados, uma vez que, além de apresentar os indicadores, os dados utilizados para o seu cálculo o são. Os indicadores de desempenho utilizados são importantes, no entanto, o excesso de detalhe pode ser contraproducente. Por exemplo, a divisão dos processos por cores e não cores, apesar de uma análise interessante e com sentido, pode ser considerada excessivamente detalhada para esta tabela. O objetivo principal desta análise é fornecer os indicadores mais básicos e gerais relacionados à produção, permitindo um acesso rápido a esta informação. O principal problema encontrado nesta análise esta 38 relacionado com a forma utilizada para apresentar os dados. Esta é pouco visual e muito detalhada, sem a devida filtragem de informação para facilitar o processo de análise visual. Um ponto positivo a ser destacado é a utilização de uma escala de cores que auxilia na interpretação e formulação de conclusões. Tabela 5: Análise pré-existente de Indicadores da Produção – Jets. Jets Jet 08 Jet 09 Jet 12 Jet 13 Jet 18 Capacidade Nominal (kgs) 750 400 1500 600 800 Kgs Processados 49202,5 30534,75 91367,4 51695,6 88333,3 Kgs Cores (C. Artigo<>6) 31577,4 20453,85 73253,3 22450,6 27508,45 % Kgs Cores (C. Artigo<>6) 64% 67% 80% 43% 31% Nº de OS Principais 101 146 90 147 145 Nº de OS: C. Artigo=6 37 47 17 84 98 Nº de OS: C. Artigo<>6 64 99 73 63 47 Partida Média (kgs) 487 209 1 015 352 609 Rácio Partida Média/ Capacidade Nominal 65% 52% 68% 59% 76% % de OS de Cores 63% 68% 81% 43% 32% Capacidade Teórica (min de prod. x capacidade nominal) 65448000 34905600 130896000 52358400 69811200 Capacidade Tomada (min de todas OS x kgs) 26930771,8 14060963,64 63194205,43 20046218,41 30303223,97 Capacidade Tomada (%) 41% 40% 48% 38% 43% Minutos Máquina Teóricos 87264 87264 87264 87264 87264 Minutos Máquina Tomados 54602,7833 67325,91667 61186,08333 55812,41667 49568,75 Minutos Máquina Tomados (%) 63% 77% 70% 64% 57% Nº de Rep 10 11 20 8 2 Nº de Rep (só cores) 10 11 20 6 2 % Rep. sobre OS de Cores 16% 11% 27% 10% 4% Minutos Tomados em Rep 4940,55 4361,066667 9933,116667 4203,15 737,1833333 Minutos Tomados em Rep. (%) 9% 6% 16% 8% 1% Nº de Adições 34 82 27 26 18 Nº Médio de Adições por OS de Cores 0,53 0,83 0,37 0,41 0,38 Minutos Tomados c/ Adições 765 1192,727273 532,6027397 594,2857143 551,4893617 Minutos Tomados c/ Adições (%) 1,4% 1,8% 0,9% 1,1% 1,1% Nº de OS RFT (total) 67 80 46 118 128 Nº de OS RFT (só cores) 30 33 29 38 31 % OS RFT (total) 66% 55% 51% 80% 88% % OS RFT (só cores) 47% 33% 40% 60% 66% 39 4.5.2. Análise de Máquinas A Tabela 6 representa o resultado da análise mais detalhada aos indicadores relativos às máquinas. Ao analisar os indicadores utilizados, verifica-se que existem várias colunas e muita informação. No entanto a informação apresentada é principalmente indicativa e, por si só, não permite a formulação de conclusões significativas. Tabela 6: Análise pré-existente realizada às máquinas. Máquina Peso (Kg) ADD Nº de Partidas Rep Relação de Banho (L/Kg) Tempo ADD (H) Tempo Máquina Parada (H) Tempo Máquina (Min) Jet 01 111,6 49 56 7 61,73 2,60 21,51 30973,98 Jet 02 1495 176 95 17 19,33 9,26 44,84 64563,73 Jet 03 1519,7 175 95 13 18,27 9,51 44,90 64662,72 Jet 04 2232,4 202 84 15 12,89 11,58 44,08 63481,95 Jet 05 2680,85 146 94 15 11,70 8,25 41,98 60453,07 Jet 07 15672,05 102 143 31 9,38 5,19 47,07 67777,83 Jet 08 49202,5 34 101 17 8,06 1,52 37,92 54602,78 Jet 09 30534,75 82 146 26 8,86 4,27 46,75 67325,92 Jet 10 30253,65 89 146 29 8,97 4,51 46,13 66431,65 Jet 12 91367,4 27 90 31 7,71 1,74 42,49 61186,08 Jet 13 51695,6 26 147 16 7,88 1,28 38,76 55812,42 Jet 14 15997,1 109 144 13 8,76 6,33 48,39 69684,20 Jet 15 14813,7 90 136 24 9,32 5,03 48,24 69464,20 Jet 17 97084,6 29 116 13 7,68 1,68 38,51 55449,02 Jet 18 88333,3 18 145 5 7,74 0,89 34,42 49568,75 Jet 19 54913,1 39 91 12 7,22 1,85 40,77 58709,78 Jet 20 82978,7 35 99 20 7,72 2,46 44,04 63411,48 Jet 21 727,15 110 100 16 26,26 7,03 35,80 51545,30 Jet 22 745,26 123 101 13 28,00 7,84 35,47 51070,40 Jet 23 3743,1 119 109 15 16,08 7,80 42,96 61869,43 Jet 24 2516,69 50 151 1 23,97 2,99 29,89 43047,87 Jet 25 2187,75 45 124 7 22,98 2,41 30,11 43364,18 Jet 26 53933,1 38 156 21 8,18 2,23 38,96 56106,78 Jet 27 2,1 0 1 22,00 0,00 0,32 457,35 Jet 28 1479 132 93 13 9,99 6,45 44,32 63816,08 …. Total Geral 715573,1 2439 3219 462 13,23765144 134,81 1143,874699 1647179,567 46 produto final e têm um custo associado. Ou seja, existe o esforço de tentar começar por produzir as cores mais claras, de seguidas as médias e por último as escuras quando possível. Outros fatores, como a capacidade dos Jets e alteração das prioridades de entrega, podem aumentar o número de lavagens necessárias. Uma das questões identificadas durante a realização deste trabalho foi a ausência de análise dos dados relacionados com as lavagens na empresa. Não havia uma compreensão adequada dos consumos associados a estas lavagens nem do quão frequentes eram, uma vez que era comum descartar esta parcela dos dados. 4.9. Não Conformidades e Reclamações No que diz respeito às não conformidades detetadas internamente ao longo do processo, são denominadas de BNC (boletim de não conformidades - internas) e podem ser divididas em duas grandes categorias: as adições e os reprocessamentos, que podem acorrer individualmente numa partida ou em conjunto. O anexo 3 contém a metodologia a ser adotada quando se deteta uma não conformidade, estas não conformidades podem ter origem interna, ou seja, serem identificadas durante a realização do produto, ou externa, resultando de reclamações do cliente. As não conformidades internas podem ser detetadas por qualquer colaborador, que deve comunicá-las ao responsável do sector. Este último define a ação corretiva adequada para corrigir ou eliminar a não conformidade. Quando o responsável define a ação corretiva, o departamento de planeamento é notificado para que seja criada uma OS, incorporando a etapa que corrigirá a não conformidade. A essa ordem de serviço será atribuído o mesmo número acrescentando-lhe “/1” (exemplo: O.S 265223, a nova O.S seria 265223/1). Desta forma, o registo fica armazenado na base de dados do sistema informático, e é emitido um boletim de não conformidade (BNC) onde se regista a não conformidade, a causa e a aprovação da correção. No caso das não conformidades externas, estas ocorrem sempre que chega uma reclamação à Moda 21. O responsável da secção de Acabamentos ou Tinturaria é informado acerca da reclamação e define ação corretiva adequada para corrigir/eliminar a não conformidade. Quando o responsável determina a ação corretiva, avisa o planeamento para que este emita uma O.S, onde vai associar as fases a aplicar na malha caso a reclamação seja passível de recuperação. Em todos os casos, é aberto o boletim de tratamento de reclamações (BTR), onde se regista a causa, as ações a implementar e a eficácia das mesmas. 47 Foram identificados dois problemas relacionados com as não conformidades. O primeiro está relacionado com a apresentação pouco visual dos dados relativos às não conformidades, conforme já mencionado anteriormente. O segundo problema resulta da falta de análise dos dados associados às devoluções. 4.9.1. Adições As adições são um ato de correção ao processo de tingimento quando é detetada uma inconformidade durante esse mesmo processo, foram em 2022 realizadas de 0 a 12 adições durante um só processo. Vale ressaltar que as adições são feitas na sua totalidade durante o tingimento, sem que a matéria seja retirada do Jet onde está a acontecer o tingimento. Os principais desperdícios e custos associados às adições, os custos de paragem da máquina durante o momento de decisão da correção a implementar, os custos de produtos químicos consumidos na correção, que não é inicialmente expectável serem utilizados e os custos associados a mão de obra necessária para o retrabalho. Apesar de serem analisados indicadores relacionados com as adições como se pode ver nas secções anteriores, não existe uma análise fácil de interpretar visualmente, sendo que nesta fase já foram criados alguns gráficos de forma a ser mais fácil a interpretação dos dados. Existe também o desperdício de tempo, como se pode verificar no Figura 22, uma adição demora em média 1.36 horas, levando a atrasos na produção. Figura 22: Duração média de adições para os diferentes níveis de adições durante um processo, dados relativos de 2022. Verifica-se pelo Figura 23 que cerca de 75% das partidas realizadas na tinturaria não sofrem adições, e os restantes 25% das partidas são distribuídos entre 1 e 12 adições durante o processo de tingimento, sendo a maior fatia representativa de 1,2 e 3 adições num único tingimento. É também importante frisar que as partidas que têm mais tendência a sofrer adições são as menos representativas relativamente a 0 2 4 6 8 10 12 14 16 18 0 1 2 3 4 5 6 7 8 9 10 11 12 Horas Nº de adições por processo Duração média das adições 48 quantidade em quilogramas. Observa-se na Figura 23 que 84% dos quilogramas tingidos não sofreram adições. Analisando a Figura 23, é concluído que 16% dos quilogramas tingidos tiveram um problema de qualidade detetado durante o processo. Figura 23: Distribuição de partidas por nº de adições realizadas num único processo, dados relativos a 2022. Analisando mais detalhadamente a incidência de adições realizadas por quantidade produzida para cada um dos procedimentos realizados, observa-se na Tabela 11 que, a totalidade dos quilogramas trabalhados no procedimento mais frequente, não sofre adições. Esta tendência segue para os restantes dos procedimentos com mais relevância a nível de quilogramas produzidos. Os procedimentos que as ordens de serviço associadas mais adições sofrem, com média superior a 1 adição por ordem de serviço, são os procedimentos menos relevantes na medida em que têm quantidades de quilogramas produzidos mais baixas. Tabela 11: Média de adições realizadas por tipo de procedimento. Procedimento Nº de O.S. Soma Peso Média Adições % Peso 7105 388 258713 0,00 7,28% 5058 285 243866 0,28 6,87% 7086 321 160979 0,00 4,53% 7024 244 116742 0,00 3,29% 1314 158 111286 0,48 3,13% 7016 319 90534 0,00 2,55% 1014 122 89675 0,40 2,52% 7239 133 84386 0,00 2,38% 7025 138 66152 0,00 1,86% 7107 76 63191 0,00 1,78% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 012345678910 11 12 % Nº de Adições Destribuição de Adições Nº de Partidas Soma de Kg trabalhados 49 Procedimento Nº de O.S. Soma Peso Média Adições % Peso 7014 191 61216 0,00 1,72% 5408 74 54568 1,20 1,54% 7100 128 53557 0,00 1,51% 7156 55 49886 0,00 1,40% 7000 146 47627 0,00 1,34% 1005 108 47344 1,28 1,33% 5017 57 46585 0,37 1,31% 1214 71 44949 0,68 1,27% 7200 128 44916 0,00 1,26% 1305 151 43119 1,91 1,21% 9405 52 39845 1,13 1,12% 1206 61 38252 1,05 1,08% Outros (492) 4615 1694846 0.81 47.71% 4.9.2. Reprocessamento Interno Os reprocessamentos internos, ao contrário das adições, ocorrem quando é detetado um problema de qualidade após a malha ter sido retirada da máquina de tingimento. Isto significa que a não conformidade é identificada numa fase posterior do processo de produção. Os reprocessamentos geralmente resultam em perdas económicas mais significativas, uma vez que a está numa fase mais avançada do processo de produção na Moda 21. Na Figura 24, verifica-se o exemplo de uma partida que originou 4 processos adicionais de correção, sendo que agregados como se observa na Figura 24, dão origem a 2 reprocessamentos. Estes processos agregados são processos complementares, sendo que o procedimento 0030 consiste em retirar parcial ou totalmente o corante da malha e o procedimento posterior consiste em retingir a malha. Neste caso os processos são considerados complementares e são contabilizados como apenas 1 reprocessamento. Figura 24: Exemplo de uma partida de tingimento que resultou em 2 reprocessamentos, retirado do sistema informático da Moda21. 50 No ano de 2022, das partidas originalmente planeadas, 4,9% sofreram reprocessamentos, cerca de 6,2% das partidas realizadas dizem respeito a reprocessamentos, o que significa que cerca de 4,5% dos quilogramas trabalhados na tinturaria correspondem a retrabalho. Como se verifica na Tabela 12, 95,12% das partidas realizadas na tinturaria não sofrem reprocessamentos. Os restantes 4,88% estão distribuídos em partidas que sofreram de 1 a 5 reprocessamentos, sendo que o mais comum é uma partida originar entre 1 ou 2 reprocessamentos, sendo a percentagem correspondente de 3 a 5 reprocessamentos residual, para o caso de 3 reprocessamentos acontece em média 2 a cada trimestre, sendo que 4 ou 5 reprocessamentos a média é inferior a 1 ocorrência por trimestre. Tabela 12: Frequência de reprocessamentos internos na tinturaria da Moda21, em 2022. Nº de Reprocessamentos % de partidas que sofrem 0 Reprocessamentos 95.12% 1 Reprocessamentos 4.17% 2 Reprocessamentos 0.54% 3 Reprocessamentos 0.1% 4 Reprocessamentos 0,04% 5 Reprocessamentos 0,04% 4.9.3. Adições e Reprocessamentos Internos em simultâneo Como já referido, uma adição e um reprocessamento interno são atos de correção do processo de tingimento, apesar de analisados separadamente anteriormente, estes podem ser conjugados, ou seja, uma mesma partida mãe pode sofrer uma ou mais adições durante o processo de tingimento, e ainda assim, depois de terminado o processo serem detetados problemas de qualidade que tornem necessário retrabalho, dando origem a um reprocessamento interno. Um reprocessamento pode sofrer adições. Podemos verificar na Tabela 13 a frequência de adições por cada patamar de reprocessamentos. Verifica-se que com apenas 1 reprocessamento a quantidade de adições realizadas ao processo varia entre 0 a 8 adições, sendo que o processo sofrer até 4 adições é relativamente frequente. Para os casos em que a ordem de serviço sofre 2 reprocessamentos a quantidade adições varia de 0 a 6, sendo que neste caso o mais comum é acontecer 0, 1 ou 2 adições. Para os casos em que ocorrem 3 reprocessamentos a quantidade de adições varia entre 0 e 2, sendo que o mais comum é não existir adições. Nos casos em que existiram 4 reprocessamentos a quantidade de adições varia entre 0 e 5, mas podemos observar que apenas existem 17 partidas com 4 reprocessamentos e 13 destas não sofrem adições. Pode-se concluir que a medida que há maior quantidade de reprocessamentos as adições tornam-se menos frequentes. 51 Tabela 13: Distribuição da frequência de adições em relação consoante o nº de reprocessamentos sofridos. Como se pode observar na Figura 25, cerca de 72% das partidas não sofrem nem adições e nem reprocessamentos e apenas 3% das partidas sofrem as duas condições em simultâneo, ou seja, a partida sofreu uma adição e dá origem a um reprocessamento. Figura 25: Distribuição de reprocessamentos e adições. Distribuição de Reprocessamentos e Adições Partidas sem reprocessamentos com adições Partidas sem reprocessamento sem adições Partidas com reprocessamento com adições Partidas com reprocessamento sem adições 52 4.9.4. Devoluções As devoluções podem ter várias origens e motivações diferentes, e nem todas elas estão diretamente relacionadas a problemas de qualidade no processo produtivo da Moda 21. Algumas das principais origens e motivações para devoluções incluem: • Não conformidades não detetadas pela Moda 21, mas detetadas pelo cliente quando este começa a trabalhar com a malha. Nesse caso, o cliente pode devolver a totalidade da malha de uma só vez, em partes ou apenas partes da encomenda total. • Não conformidades detetadas pela Moda 21, mas enviadas ao cliente após conversa com um representante do cliente. Nesses casos, a Moda 21 pode optar por enviar apenas uma pequena parte da encomenda para que o cliente teste a malha antes de receber a totalidade. • Vontade ou pedido específico do cliente para devolver a malha, que pode ser motivado por razões que não estão diretamente relacionadas à qualidade do processo produtivo da Moda 21. • Vontades novas do cliente que não têm a ver com a qualidade do processo produtivo, e, nestes casos, a empresa cobra ao cliente os custos associados à devolução. Atualmente, como mencionado, a empresa não realiza uma análise sistemática das devoluções, o que pode ser uma área de melhoria para entender melhor as causas e os impactos dessas devoluções. 4.10. Resumo dos Problemas São apresentados na Tabela 14 os problemas citados ao longo do capítulo 4. Tabela 14: Resumo de problemas detetados na primeira fase do projeto. Problema Descrição do problema Descarte dos dados associados às lavagens de máquina Não existe conhecimento estatístico acerca das lavagens, não há noção de melhorias e piorias associadas à frequência das mesmas e não existe valores de referência. Falta de conhecimento relacionado a consumos e custos de lavagens de máquina Não existe conhecimento acerca das lavagens no geral, em particular sobre os seus custos e consumos, desde produtos químicos, energia e água. Inexistência de registo relativo às manutenções realizadas Não existe um sistema onde sejam registadas todas as informações necessárias sobre as manutenções, não existindo dados suficientes associados às intervenções de manutenção, sejam estas planeadas ou não. Baixa frequência de análise de dados trimestral e anual Pouca noção do que está a acontecer no momento, sendo que os problemas só serão detetados num espaço temporal muito distante do momento em que ocorrem. Análise de dados pouco visual e com muita informação Torna o processo de análise pouco intuitivo, dificultando a interpretação dos dados e a deteção de oportunidades de melhoria. 53 Problema Descrição do problema Ausência de análise da Reprodutibilidade Não a forma de analisar a eficiência da reprodução de cores na fase inicial do processo. Ausência de cálculo do OEE Não há conhecimento acerca deste indicador. Ausência de análise relativa às devoluções Não há uma análise frequente a estes dados, mesmo sendo um indicador fundamental para avaliar a qualidade do processo. Ausência da Taxa de Serviço Não é avaliado o desempenho da empresa no que diz respeito ao cumprimento de prazos. 54 5. DESENVOLVIMENTO E IMPLEMENTAÇÃO DE PROPOSTAS DE MELHORIA 5.1. Análise da Lavagens de e Criação de um Mecanismo de Controlo de Lavagens de Máquina 5.1.1. Análise da Lavagens No capítulo anterior, foi identificada a ausência de análise de dados relativos às lavagens de máquina. Os passos adotados para resolver este problema foram os seguintes: Recolha de Dados Foram recolhidos dados brutos através do sistema informático Orgatex e tratados utilizando o Microsoft Excel. Os dados recolhidos continham informações acerca de: • Código de Artigo; • Código de cliente; • Código de OS; • Nome do Jet • Código e descrição do procedimento realizado; • Data e horário de início e fim. Tratamento de Dados Primeiramente, foi necessário criar um filtro para identificar quais as partidas correspondiam a lavagens de máquina. Com base na informação relativa ao código do procedimento realizado, criou-se uma coluna informativa acerca das partidas correspondentes às lavagens de máquina, onde se incluíram os seguintes números de procedimento: • Número de procedimento 0080 - Lavagem de máquina Leve; • Número de procedimento 0040 - Lavagem de máquina Média; • Número de procedimento 0070 - Lavagem de máquina Agressiva. Deste modo, obteve-se uma tabela de dados que permitiu filtrar apenas as partidas relativas às lavagens de máquina, viabilizando a realização das análises subsequentes. Possíveis análises 1. Frequência de Lavagens de Máquina A frequência das lavagens de máquina é evidenciada na Tabela 15, onde a lavagem média é a mais comum seguida da lavagem leve e por fim da lavagem agressiva, com esta última a representar apenas 55 12,65% das lavagens. Contudo, um dos desafios reside na ausência de um meio de confirmar a adequação desses valores e se ao longo do tempo estes têm sido melhorados ou não. Nesse sentido, foram criados dados históricos que não apenas permitem uma avaliação da situação presente, mas também facilitam a análise de tendências a longo prazo. Esta abordagem é fundamental para compreender se existiu uma diminuição da quantidade de lavagens realizadas ao longo do tempo, um dos objetivos da equipa de planeamento. Tabela 15: Frequência de lavagens de máquina, por tipo de lavagem. 2. Quantidade de partidas realizadas entre lavagens de máquina Quanto ao intervalo entre cada lavagem, conforme demostrado na Tabela 16 , este varia entre 6 a 11 partidas realizadas, destacando-se as máquinas 7, 9 e 13 como quelas que necessitam de lavagem com mais frequência. Isto ocorre devido ao facto destes Jets serem de menor capacidade. Os Jets de menor capacidade costumam apresentar maior diversidade nos processos realizados, uma vez que os clientes estão a optar por produções mais reduzidas e personalizadas. Outro fator a considerar é que quando uma OS processada num Jet de grande capacidade tem necessidade de ser reprocessada, a causa está muitas das vezes associada a erros individuais numa das tubeiras da máquina, o que significa que apenas uma parte da carga requer reprocessamento. A carga não conforme é atribuída a um Jet de menor capacidade para ser reprocessada, o que implica Máquina Nº de Lavagens Leve Nº de Lavagens Média Nº de Lavagens Agressivas % Jet 07 52 39 14 10,38% Jet 08 39 37 15 8,99% Jet 09 28 46 12 8,50% Jet 10 26 42 12 7,91% Jet 12 13 36 3 5,14% Jet 13 15 60 5 7,91% Jet 14 20 32 8 5,93% Jet 15 15 38 5 5,73% Jet 17 29 36 9 7,31% Jet 18 41 35 11 8,60% Jet 19 8 25 7 3,95% Jet 20 13 45 8 6,52% Jet 26 44 23 12 7,81% Jet 33 23 24 7 5,34% % 36,17% 51,19% 12,65% 62 • Data pedido do cliente; • Data da última saída de malha; • Data prevista de entrega; • Data da última entrada de malha; Tratamento de Dados O primeiro passo consistiu em avaliar a disponibilidade de dados para o cálculo da Taxa de Serviço. Para tal, foi desenvolvida uma fórmula que categorizou os dados em duas secções: “Existe Prazo de Entrega” e “Não Existe Prazo de Entrega”. Se a coluna referente à “Data prevista de Entrega” contêm uma data lógica então existe um prazo de entrega. Se não existe uma data lógica, então não existe prazo de entrega. Por defeito, existia sempre uma data na coluna “Data prevista de Entrega”, pelo que foi preciso ter o cuidado de avaliar as datas apresentadas de forma a entender se faziam sentido. Foram criadas fórmulas para obter as seguintes colunas: • “Dias necessários para produção”: Este foi obtido subtraindo a “Data de criação de OS” à “Data da última saída de malha”; • “Dias necessários para começar a produção”: Este foi obtido através da subtração da “Data de pedido do cliente” e da “Data de criação de OS"; • “O prazo de entrega foi respeitado?”: Este foi obtido através de uma fórmula condicional que se a “Data da última saída de malha” for maior que a “Data prevista de entrega” então assume “Prazo não Respeitado”; se a “Data da última saída de malha” for menor que a “Data prevista de entrega” então assume “Prazo Respeitado”; • “Dias de Atraso”: É o intervalo de tempo entre a data prevista e a data de entrega, obtêm-se através de uma subtração da “Data prevista de entrega” e da “Data da última saída de malha”, no entanto esta subtração só é realizada se existir prazo de entrega. Possíveis Análises Observou-se pelo gráfico (a) da Figura 26 que apenas 28% das encomendas da Moda 21 possuem um prazo de entrega associado, sendo que os restantes 72% não têm qualquer informação relativamente a datas estipuladas para entrega. Um dos problemas identificados ao longo da realização deste trabalho é a ausência de prazos de entrega para 72% das ordens de serviço processadas. Na Tabela 20, observa-se a inexistência de clientes com prazos de entrega definidos para todas as suas ordens de serviço durante o período analisado. 63 (a) (b) Figura 26: Representação gráfica (a) partidas com dados de prazos de entrega e (b) prazos de entrega respeitados. Observando o Apêndice 3, constata-se o destaque de alguns clientes, sendo o cliente 320 (Belisotex) um deles. Como mencionado anteriormente, a Belisotex é o principal cliente e representa uma das maiores fatias nas OS sem prazos estabelecidos, o que é um problema significativo. Considerando que a Belisotex representa cerca de 65% da produção e que, de todas as suas encomendas anuais, apenas 10% das ordens de serviço tiveram um prazo de entrega estabelecido, esse aspeto foi identificado como uma preocupação. Se este problema for resolvido individualmente, a percentagem de ordens de serviço com prazo estabelecido aumentaria de 28% para 68%, representando um aumento de 40 pontos percentuais. Portanto, a promoção do hábito entre a Moda 21 e a Belisotex em estabelecer prazos de entrega é uma medida altamente vantajosa em termos de enriquecimento de dados, tornando assim o indicador mais preciso e permitindo a deteção de falhas e oportunidades de melhoria. Esta será uma das propostas para o futuro, uma vez que não foi implementado durante a realização do projeto. Tabela 20: Quantidade de ordens de serviço sem prazo para cada cliente. Cliente Nº O.S. % Nº O.S. sem dados de Prazo de Entrega 310 1084 55,07% 320 10520 90,17% 342 145 75,86% 348 3536 57,27% 350 81 100,00% 356 1766 60,25% 364 83 89,16% 365 553 24,95% 372 1150 76,70% 375 526 76,43% 378 619 50,73% 383 292 74,32% 437 215 63,72% 441 188 43,62% 71,90% 28,10% Partidas com dados de Prazos de Entrega Sem prazo Com dados de prazo 51,96% 48,04% Prazos de Entrega respeitados Prazo Respeitado Prazo não Respeitado 64 Cliente Nº O.S. % Nº O.S. sem dados de Prazo de Entrega 446 11 100,00% 456 117 64,96% 457 441 75,96% 458 2157 40,29% 466 22 90,91% 467 1 100,00% 470 4 100,00% 472 44 100,00% 477 10 90,00% 481 120 53,33% 484 2 50,00% 486 33 100,00% 487 63 36,51% Total 23783 71,9% Ao analisar o gráfico (b) da Figura 26, constata-se que apenas 52% dessas ordens de serviço foram entregues dentro do prazo estabelecido. Analisando os atrasos em relação aos dias, conforme representado na Figura 27, observa-se que 70,7% das ordens de serviço sofreram atrasos de até 7 dias, enquanto 18,9% atrasaram-se entre 8 e 15 dias, e os restantes 10,4% enfrentaram atrasos superiores a 16 dias. Figura 27: Representação gráfica relativa á frequência de atrasos das entregas relativamente ao prazo de entrega estabelecido. No Apêndice 3, estão disponíveis análises estatísticas dos dias de atraso para cada um dos clientes. Ao analisar a coluna referente ao número máximo de dias de atraso (DA Max), observa-se a presença de atrasos que ultrapassam um ano. Estes atrasos representam um problema significativo, uma vez que não se trata meramente de atrasos na produção, mas sim de casos nos quais os clientes utilizam a Moda 0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00% 1 Dia 2 Dias 3 Dias 4 Dias 5 Dias 6 Dias 7 Dias 8 < d <10 11 < d <15 16 < d <20 21< d <30 31< d <60 > 61 Dias % Dias de atraso Frequência de atrasos, por duração do atraso 65 21 como um armazém temporário. A malha está sob a posse da Moda 21, porém, não existem informações disponíveis nem vontade por parte do cliente em relação ao progresso da sua produção. Considerando a existência de uma grande quantidade de prazos não cumpridos, realizou-se uma análise para compreender as causas que contribuem para tornar estes atrasos uma ocorrência comum. Para isso, foi construído um diagrama de Ishikawa com a colaboração dos funcionários, conforme apresentado na Figura 28. No diagrama, identificaram-se diversas causas que contribuem para os atrasos, sendo que algumas delas são inevitáveis e não podem ser reduzidas ou evitadas internamente, como, por exemplo, as falhas de energia elétrica. No entanto, foram identificadas outras causas que não foram abordadas e resolvidas durante este projeto. Uma vez que os dados relativos a esses atrasos dizem respeito apenas a 28% das encomendas, a principal melhoria consiste em criar dados que permitam analisar as causas dos atrasos no futuro. Verificou-se que todas as ferramentas necessárias para a criação e registo dos prazos de entrega estão disponíveis, uma vez que existem clientes para os quais a definição de prazos de entrega já é um hábito, como é o caso do Cliente 365, que estabelece prazos de entrega para 85% das partidas realizadas. Figura 28: Diagrama de Ishikawa: Prazos de entrega não cumpridos. 5.2.3. OEE O OEE é um indicador frequentemente mencionado, porém, nem sempre é devidamente analisado. Para implementar o seu cálculo, foi realizado inicialmente um estudo dos dados já disponíveis e das lacunas de informações que precisariam de ser preenchidas por meio da criação de novos dados. 66 Tendo em conta a revisão efetuada relativamente ao OEE, sabe-se que este indicador resulta da multiplicação dos seguintes fatores: Disponibilidade, Qualidade e Velocidade. Recolha de Dados A recolha de dados foi novamente efetuada a partir do sistema Orgatex, com as seguintes variáveis recolhidas: • Código de Cliente; • Código de OS; • Nome do Jet ; • Código e descrição do procedimento realizado; • Quantidade produzida em quilogramas; • Data e horário de início e fim; • Tempo de processo • Tempo de máquina parada durante o processo; • Adições Os dados foram tratados em Excel com o intuito de extrair as informações necessárias para o cálculo do OEE. Inicialmente, com base no código de procedimento realizado, foi atribuída uma descrição a cada partida. Se o código de procedimento for 0040, 0070 ou 0080, então a descrição atribuída é “Lavagem de Máquina”. Para os restantes códigos de procedimento, não foi atribuída uma descrição. Todas as informações de tempo, originalmente apresentadas no formato “HH:MM:SS”, foram convertidas para uma única unidade, sendo que a unidade escolhida foi a hora. Através do código da OS, foram implementados mecanismos para detetar se uma partida corresponde a: • “Partida Mãe”: Refere-se à primeira vez de uma OS que deu origem a pelo menos um reprocessamento; • “Reprocessamento”: Partidas que surgem como resultado direto de uma Partida Mãe, com o propósito de corrigir problemas de qualidade identificados; • “Produção”: Indica as OS que não resultam em reprocessamentos. Dado que não existiam valores previamente estabelecidos para o tempo de ciclo ideal, procedeu-se à sua definição. Realizou-se uma análise abrangente de todas as partidas efetuadas em 2022, com a recolha de dados sendo realizada por meio do sistema Orgatex. As variáveis recolhidas foram as seguintes: • Código de procedimento; • Código de Artigo; 67 • Quantidade trabalhada em quilogramas; • Tempo de processo; • Tempo de máquina parada; • Tempo de adições; Realizou-se uma análise minuciosa, Jet a Jet , na qual todas as partidas foram distribuídas de acordo com o artigo processado em cada procedimento. Isto possibilitou a contagem do número de partidas de um artigo específico que passaram por um determinado procedimento. O cálculo do tempo de ciclo ideal (TCi) foi então realizado utilizando a fórmula apresentada na Figura 29. Tempo de ciclo ideal = (Tempo de processo − Tempo de máquina parada − Tempo de Adições)∗60 Quantidade trabalhada ∗ Quantidade de partidas Figura 29: Fórmula desenvolvida para o cálculo do tempo de ciclo ideal. No Apêndice 5, é apresentada uma tabela exemplificativa relativa ao padrão do Jet 34. Foram definidos padrões para a totalidade dos Jets . Atribuição dos dados disponíveis às variáveis para o cálculo do OEE Com base no processo anteriormente descrito, procedeu-se ao cálculo dos fatores necessários para a determinação do OEE e foram obtidas algumas conclusões a respeito dos resultados. Disponibilidade Para o cálculo do fator disponibilidade foi necessário seguir a fórmula da Figura 6. Na Figura 30, são especificadas as atribuições reais das causas às variáveis necessárias para o cálculo do OEE. Inicialmente, analisou-se a distribuição do tempo consumido em várias categorias: ▪ Tempo de turno: A empresa opera 24 horas por dia durante 5 dias por semana, com a possibilidade de turnos extras quando necessário, que podem ser de 6 a 8 horas; ▪ Paragens planeadas: As manutenções planeadas são realizadas durante períodos de interrupção de atividade, como nas férias ou feriados. As únicas intervenções realizadas nas máquinas de tingimento durante o tempo produtivo ocorrem devido a avarias pontuais, e essas intervenções são realizadas com a máquina desligada. Não foi possível quantificar a quantidade de tempo dedicada a essas intervenções, uma vez que estas não são cronometradas, e não existe um registo formal da duração das mesmas. As máquinas de produção também podem parar quando não há um volume de encomendas suficiente para igualar a capacidade produtiva da tinturaria. 68 Considerando os factos apresentados, foi considerado que o tempo em que as máquinas estão desligadas durante o tempo de turno é devido, em grande parte, à falta de encomendas, e, por isso, foi classificado como paragens planeadas. Esta imprecisão na separação dos dados é uma limitação no cálculo do OEE; ▪ Tempo de abertura: É calculado pela subtração do tempo de paragens planeadas ao tempo de turno; ▪ Paragens não planeadas: Existem dois tipos de paragens não planeadas na tinturaria. O primeiro é o tempo de setup, que, num processo de tingimento, é o equivalente à lavagem das máquinas. As lavagens de máquina não são realizadas periodicamente, mas sim quando necessário. O software dos Jets contabiliza as paragens das máquinas durante o processo, que podem ocorrer devido a várias causas, como o tempo necessário para carregar malha na máquina, atrasos e esperas. Um dos casos mais frequente é a paragem do processo para retirar amostras da malha; ▪ Tempo de funcionamento: É calculado pela subtração do tempo das paragens planeadas e do tempo das paragens não planeadas ao tempo de turno. Figura 30: Perdas detetadas na Moda 21, associadas aos equipamentos e respetivas dimensões do OEE. Qualidade Para o cálculo do fator Qualidade, foi necessário seguir a fórmula da Figura 6. Foram definidas as considerações a ter para cada uma das variáveis necessárias: • Quantidade conforme: A quantidade conforme considera apenas os quilogramas que foram feitos na primeira tentativa. São os quilogramas que correspondem simultaneamente á 69 descrição atribuída de “Produção” e que na variável quantidade de adições é igual a “0”. Ou seja, são considerados apenas quilogramas de partidas que não deram origem a reprocessamentos e cuja partida não sofreu adições. • Quantidade produzida: É a totalidade de quilogramas trabalhados na tinturaria. Considerando apenas os quilogramas relativos a “Partida Mãe” e “Produção”, uma vez que os quilogramas de “Reprocessamentos” são os mesmos que os quilogramas definidos como “Partida Mãe”. Velocidade Para o cálculo do fator Velocidade foi necessário seguir a fórmula da Figura 6. Foram definidas as considerações a ter para cada uma das variáveis necessárias: • Tempo de funcionamento: Este valor é obtido subtraindo o tempo de paragens planeadas e o tempo das paragens não planeadas ao tempo de turno. É também utilizado no cálculo do fator Disponibilidade; • Quantidade produzida: Refere-se ao total de quilogramas de malha trabalhados na tinturaria. É também utilizado no cálculo do fator Qualidade; • Tempo de ciclo ideal: Corresponde ao tempo necessário para produzir um quilograma de malha quando não há problemas associados ao processo, paragens não planeadas ou defeitos. Atribuição dos valores reais a cada uma das variáveis Disponibilidade Nesta análise inicial, optou-se por escolher um período correspondente a uma semana de trabalho, que decorreu de 6 de novembro a 12 de novembro. Selecionou-se o período de uma semana na totalidade de forma a minimizar a análise de processos incompletos, uma vez que foi observado que a probabilidade de um processo não ser concluído durante o último turno de sexta-feira é menor que em qualquer outro turno a meio da semana de trabalho. Assim, foi analisada uma janela de tempo de 144 horas, correspondente à duração de um turno. Com base nos dados recolhidos e tratados, bem como nas atribuições previamente definidas, foram definidos os valores reais de cada variável necessária para o cálculo da disponibilidade. A Tabela 21 apresenta todos os dados recolhidos e obtidos, que são essenciais para o cálculo da disponibilidade, juntamente com a disponibilidade calculada para todas as máquinas de tingimento durante o período considerado. 70 Considerando todos os dados apresentados, a disponibilidade média dos Jets de produção da empresa durante este período foi de 93,45%. A Tabela 21 também inclui os valores individuais de disponibilidade para cada Jet . Tabela 21: Dados recolhidos para o cálculo do fator disponibilidade. Máquina Tempo de Turno Paragens Planeadas Tempo de Abertura Tempo de Lavagens Tempo Máquina parada durante o processo Paragens Não planeadas Tempo de Funcionamento Disponibilidade Jet 7 144 14,64 129,36 9,44 0,31 9,75 119,61 92,46% Jet 8 144 30,62 113,38 9,51 0,43 9,94 103,44 91,23% Jet 9 144 20,5 123,5 14,64 0,3 14,94 108,56 87,90% Jet 10 144 24,13 119,87 6,23 0,45 6,68 113,19 94,43% Jet 12 144 26,07 117,93 0 0,04 0,04 117,89 99,97% Jet 13 144 23,73 120,27 0 7,46 7,46 112,81 93,80% Jet 14 144 17,43 126,57 4,41 0,78 5,19 121,38 95,90% Jet 15 144 25,45 118,55 3,95 2,45 6,4 112,15 94,60% Jet 17 144 40,7 103,3 2,47 0,52 2,99 100,31 97,11% Jet 18 144 39 105 8,68 0,05 8,73 96,27 91,69% Jet 19 144 25,98 118,02 0 0,25 0,25 117,77 99,79% Jet 20 144 31,59 112,41 0 0,53 0,53 111,88 99,53% Jet 26 144 78,32 65,68 8,29 1,69 9,98 55,7 84,81% Jet 33 144 39,97 104,03 4,51 11,02 15,53 88,5 85,07% Qualidade Conforme mencionado ao longo deste projeto, os problemas da qualidade relacionados à malha durante o processo de tingimento podem surgir em várias fases. Durante o processo, podem ser realizadas adições como uma correção para resolver diversos problemas de qualidade que são identificados imediatamente após ou durante a execução do processo. Além disso, a necessidade de reprocessamento interno pode surgir, mas essas correções podem ocorrer dias ou até semanas após o tingimento, dependendo do volume de trabalhos do momento. Também as devoluções podem ter origem num problema de qualidade associado ao tingimento, no entanto também não é detetado no imediato, podendo levar semanas até ser detetado e a malha retornar a Moda 21. O fator qualidade calculado e exposto na Tabela 22 considera apenas as perdas de qualidade que são detetadas durante o processo, como as adições, mas não considera todas as outras mencionadas, pelo que o valor real será mais baixo que o valor aqui apresentado e utilizado para o cálculo do OEE. 71 Tabela 22: Fator qualidade para os vários Jets de produção. Máquina Kg Produzidos Kg Bons Qualidade Jet 7 1623 1269 78,19% Jet 8 7999 5723 71,55% Jet 9 1888 1056 55,93% Jet 10 3025 2208 72,99% Jet 12 10108 10108 100,00% Jet 13 3891 3186 81,88% Jet 14 1136 586 51,58% Jet 15 9030 8692 96,26% Jet 17 10720 7054 65,80% Jet 18 9458 8816 93,21% Jet 19 8365 8365 100,00% Jet 20 7901 7901 100,00% Jet 26 10399 10399 100,00% Jet 33 15048 11820 78,55% ▪ Velocidade Os valores calculados para o fator velocidade de cada um dos Jets , utilizando a tabela padrão criada com os tempos de ciclo ideal, são apresentados na Tabela 23. Observa-se que o fator velocidade varia significativamente de máquina para máquina, com valores que vão desde um mínimo de 75,1% para o Jet 14 e o máximo de 96% para o Jet 8. Tabela 23: Resumo da tabela exposta no Apêndice 4, fator velocidade para cada um dos Jets analisados. Máquina Velocidade Jet 7 84,10% Jet 8 96,00% Jet 9 78,80% Jet 10 85,60% Jet 12 90,50% Jet 13 87,20% Jet 14 75,10% Jet 15 83,30% Jet 17 79,90% Jet 18 88,30% Jet 19 79,30% Jet 20 93,50% Jet 26 77,20% Jet 33 76,80% 78 • Tipo de manutenção, planeada ou não planeada; • Quem realizou a manutenção, equipa externa ou externa e nome do responsável; • Em que zona da empresa foi realizada a manutenção (laboratório, tinturaria, etc.); • Identificação da máquina; • O motivo da ação de manutenção; • Data de início e fim; • Horário de início e fim; • Descrição do trabalho executado; • Outras observações que seja considerado importante o registo. Este ficheiro é para preenchimento por parte da entidade ou colaborador que realiza a manutenção, sendo que seria de seguida registada a informação para o ficheiro de Excel já existente com algumas adaptações, de forma a comportar toda a informação registada inicialmente, ou seja, acrescentar colunas para início e fim da atividade e discriminação do tipo de manutenção planeada ou não planeada. É de frisar que o objetivo desta nova forma de registo seria ter os dados registados imediatamente a seguir a realização da atividade, o que permitiria uma análise de distribuição de tempo com um maior grau de confiança. Figura 33: Folha de registo de manutenções realizadas. 5.4. Sistema de Medição de Desempenho Como resultado deste trabalho, o PMS foi desenvolvido com o propósito de compilar e apresentar informações da secção de tingimento. Para o desenvolvimento dos dashboards , que serão 79 posteriormente apresentados em detalhe, implicou vários passos, que serão enumerados de seguida. Foram feitas algumas modificações aos passos explicados na fundamentação teórica. Além da sequência de passos apresentada anteriormente, a metodologia do ciclo PDCA também foi seguida no desenvolvimento do PMS. Inicialmente, o processo teve início com a identificação dos objetivos e dos Indicadores-chave de Desempenho a serem apresentados. Em seguida, foi elaborado um esboço inicial do dashboard , o qual foi submetido a testes e discussões com a gestão da organização. Esse protótipo foi então sujeito a modificações iterativas até alcançar os modelos finais apresentados no Capítulo 6 deste trabalho. As etapas subsequentes do ciclo PDCA, nomeadamente a execução e verificação, serão implementadas durante a fase de implementação do PMS e após a sua conclusão. Isto ocorrerá porque o sistema será submetido a revisões e ajustes sempre que necessário, retornando assim à fase inicial do ciclo. 5.4.1. Passo 1: Compreender e Mapear os Processos da Organização O primeiro passo para o desenvolvimento do PMS foi realizado ainda na parte da análise da situação atual da empresa. Foram estudados com algum detalhe os processos da organização. 5.4.2. Passo 2: Desenvolver Prioridades de Desempenho Dado a escassez de dados disponíveis para a totalidade dos equipamentos utilizados na totalidade do sistema produtivo e o enfâse do trabalho ser na tinturaria, achou-se pertinente restringir a análise à secção de tingimento, mais especificamente aos Jets de tingimento destinados exclusivamente à produção, dentro destes estão subentendidos os Jets apresentados na Tabela 28. No entanto seria importante que num trabalho futuro, este seja alargado aos restantes setores produtivos. 5.4.3. Passo 3: Conhecer o Atual PMS da Organização Apesar de não existir propriamente um PMS na empresa, existem dados e análises com o objetivo de analisar e medir o desempenho da organização. Foram analisadas todas as análises e indicadores já existentes na empresa. Estas foram realizadas no capítulo anterior. 5.4.4. Passo 4: Definição de Objetivos e Metas Foram entendidos os objetivos da organização com este sistema, sendo que os objetivos passam por ter um método de análise de dados, que permita não só uma apresentação visual, mas que forneça a informação necessária para o controlo do desempenho da empresa. Não foram definidas metas especificas. 80 5.4.5. Passo 5: Análise dos Indicadores Existentes e Seleção de Indicadores-Chave de Desempenho Tendo em conta a análise já realizada na organização e os dados disponíveis para cálculo de novos indicadores, os indicadores selecionados são os indicadores já citados ao longo da dissertação e enumerados na Tabela 27. Tabela 27: Alguns dos indicadores analisados ao longo da dissertação. Indicadores Definidos Quantidade trabalhada (Kg) Reprodutibilidade Produção Dias de trabalho Nº de O.S realizadas Nº de Partidas lavagens de máquina Horas de Trabalho Taxa de Utilização dos Jets Quantidade com adições Reprodutibilidade Amostras Nº DE O.S Bem a 1º (RFT) Quantidade reprocessada Taxa de Devoluções Nº de O.S NC Quantidade reprocessada com adições OEE Tempo NC Taxa de Serviço Os indicadores a apresentar foram definidos com auxílio de um órgão da gestão, sendo que foram tidos em consideração vários indicadores dos citados ao longo da dissertação. 5.4.6. Passo 6: Recolha e Organização de Dados Sendo o processo de tingimento muito dependente de maquinaria e bastante automatizado, grande parte dos dados relacionados com as partidas, desde tempos, datas, quantidade entre outros, são obtidos através do OrgaTex, sistema informático conectado aos Jets de tingimento. Dados não diretamente relacionados com os Jets , como prazos de entrega por exemplo, foram retirados do Acatex, o ERP ( Enterprise Resource Planning) da organização. Para o cálculo de alguns dos indicadores foi necessário o tratamento dos dados retirados do sistema, de forma a obter os indicadores e dados necessários para o cálculo de outros indicadores. Foram ao longo do projeto recolhidos e analisados dados, maioritariamente referentes a 2022, que permitiram o cálculo de variados indicadores e a avaliação do desempenho da tinturaria, Capacidade dos Jets Os Jets de tingimento destinados exclusivamente à produção são expostos na Tabela 28, assim como a capacidade nominal de cada um deles. 81 Tabela 28: Capacidades das máquinas de produção da tinturaria da Moda 21. Máquina Capacidade (Kg) Jet 7 200 Jet 8 750 Jet 9 400 Jet 10 400 Jet 12 1500 Jet 13 600 Jet 14 200 Jet 15 200 Jet t 17 1200 Jet 18 800 Jet 19 800 Jet 20 1200 Jet 26 600 Jet 33 1500 5.4.7. Passo 7: Desenvolvimento do Dashboard Depois de definidos os indicadores que necessitam de monitorização, assim como recolhidos os dados que permitem o cálculo dos mesmos, foram criadas várias folhas de análise de dados no Excel, sendo que numa fase mais avançada do projeto foram criados dashboards com o intuito de abranger vários focos de análise, sendo detalhado um destes focos em cada um destes dashboards , de forma a permitir ir mais ao detalhe em determinados aspetos se assim desejado pelo gestor que analisar os dados. Inicialmente os dados foram estruturados e apresentados em Excel com o objetivo de criar uma ideia antes de conceder os dashboards finais. A título exemplificativo a Figura 34 mostra uma das primeiras análises realizadas em Excel, ainda numa fase inicial de desenvolvimento, esta versão foi discutida e desenvolvida até chegar a versão apresentada no próximo capítulo. Para a construção dos dashboards foi utilizado o Power BI , sendo que a base de dados utilizada para programar o sistema foram os dados dos sistemas já referidos previamente tratados no Excel. 82 Figura 34: Apresentação de dados da análise geral, inicialmente criada em Excel. 5.4.8. Restantes Passos: O PMS encontra-se em fase de teste e ajuste, uma vez que os resultados apresentados no próximo capítulo são o protótipo base para a criação do PMS. Apesar de o protótipo ter sido desenvolvido com dados reais pode acontecer que algumas das formas de calcular e apresentar os indicadores não seja possível de desenvolver no modelo final. A fase da implementação é o passo seguinte. Após a implementação começa um ciclo de melhoria continua. Os indicadores e a sua apresentação serão testados a longo prazo e alterados sempre que necessário, de forma a melhorar e adaptar os indicadores expostos às necessidades da empresa e dos órgãos que utilizem este sistema como ferramenta. 5.5. Resumo das Sugestões de Melhoria A Tabela 29 serve como um registro abrangente e conciso que condensa a totalidade dos diversos problemas analisados e apresentados ao longo da dissertação. Além disso, esta tabela é enriquecida com as correspondentes sugestões de melhoria, cujo propósito é proporcionar soluções práticas e estratégicas para os desafios identificados. Esta também incorpora um indicativo do estado atual em que cada uma das sugestões de melhoria se encontra. 83 Tabela 29: Resumo das sugestões de melhoria. Problema Identificado Sugestão de Melhoria Estado Descarte dos dados associados às lavagens de máquina Análise e criação do hábito de análise das partidas relativas às lavagens de máquina Implementado Falta de conhecimento relacionado a consumos e custos de lavagens de máquina Criação de um mecanismo de controlo de lavagens de máquina Implementado Não utilização de Indicadores cruciais para a avaliação do desempenho da organização Criação de indicadores relevantes não analisados Implementado Inexistência de registo relativo às manutenções realizadas Criação de folha de registo de manutenção Em análise Análise de dados pouco visual e com muita informação Criação de um PMS que gera Dashboards visuais e intuitivos Em Implementação Frequência de análise de dados trimestral e anual Criação e análise de Dashboards, resultantes do PMS, semanalmente Em Implementação Ausência de análise de reprodutibilidade Análise deste indicador Implementado Ausência do cálculo do OEE Análise deste indicador e apresentação do mesmo num dos dashboards gerados pelo PMS desenvolvido Implementado Ausência de análise relativa às devoluções Análise das devoluções e apresentação das mesmas num dos dashboards gerados pelo PMS desenvolvido Implementado Ausência da Taxa de Serviço Análise deste indicador Implementado 84 6. RESULTADOS 6.1. Mecanismo de Controlo de Lavagens de Máquina Este mecanismo foi desenvolvido com o propósito de abordar duas das questões identificadas no capítulo 4. Através da criação de uma ferramenta simples que, com base nos custos atuais dos produtos químicos e da eletricidade, permite determinar o custo de uma lavagem no momento atual. Isto contribui para a consciencialização quanto à importância do planeamento das lavagens de máquinas, bem como para a criação do hábito de analisar dos dados relacionados com essas lavagens. A longo prazo, esta ferramenta possibilita uma análise da frequência das lavagens, permitindo identificar oscilações na frequência e relacioná-las com o tipo de produto, processo e quantidades produzidas. O mecanismo desenvolvido durante este projeto está apresentado no apêndice 1. Foi estabelecido um hábito de análise dos dados relacionados às lavagens de máquinas, o que permitirá, no futuro, comparar o desempenho da tinturaria nesse aspeto. Será possível analisar a curva de desempenho da tinturaria em relação às lavagens de máquina. A Figura 35 ilustra a relação entre a quantidade produzida e o número de lavagens de máquina realizadas, demostrando a evolução mensal durante o primeiro semestre de 2023, resultante da análise dos dados das lavagens de máquina. Observa-se que, nos meses de janeiro, fevereiro, abril, maio e junho, existe uma relação proporcional entre a quantidade produzida em quilogramas e o número de lavagens realizadas. No entanto, em março, há um pico no número de lavagens realizadas, mas a quantidade produzida não acompanha essa tendência. Este foi o mês em que se realizaram mais lavagens apesar de não ser o mês de maior produção. O tratamento destes dados permite detetar e estabelecer tendências, além de identificar problemas quando os valores se desviam do esperado, como aconteceu no mês de março. Uma análise mais detalhada ao mês de março revelou que, apesar da menor quantidade produzida, houve um aumento significativo no número de OS, com quantidades menores, mas mais diversidade de artigo e processos, o que levou a uma necessidade de lavagem mais frequente dos Jets . Esta análise pode ajudar a empresa a detetar problemas e melhorar abordagens quando necessário. Os dados gerados e analisados acerca das lavagens de máquina dão origem a um dos dashboards expostos mais adiante. 85 Figura 35: Frequência de lavagens de máquina relativamente à quantidade produzida. 6.2. Indicadores Relevantes para Análise 6.2.1. Reprodutibilidade Conforme mencionado no capítulo anterior, foi observada a presença de uma máquina no laboratório em desuso, que está em início de utilização, pelo que não é possível ter dados reais que comprovem que existe uma melhoria da reprodutibilidade entre o tingimento em laboratório para o tingimento em máquinas de amostras. No entanto é expectável que os 25,5% de partidas bem a 1º, ou seja, sem adições no processo e que não deram origem a reprocessamentos, cresçam consideravelmente. Uma vez que um dos diferenciais entre o processo entre o tingimento de laboratório e o tingimento nas máquinas de amostras, é neutralizado. As principais diferenças entre os dois processos era a quantidade de malha a ser tingida, a relação de banho utilizada e o processo de tingimento em si, sendo que este último deixa de existir e o processo de tingimento passa a ser semelhante. O mesmo acontece para a reprodutibilidade entre as máquinas de amostras para as máquinas de produção, apesar de se estimar que a subida na percentagem de partida bem a 1º não será tão acentuada como a anterior, estima-se que uma parte dos problemas que aconteceriam nesta fase passaram a surgir na fase anterior, o que levará a uma subida das partidas bem a 1º nesta fase. A principal melhoria que se estima retirar desta implementação é o surgimento de erros mais cedo na sequência de processos, ou seja, ao invés de existir um reprocessamento na fase de reprodução das máquinas de amostras para as máquinas de produção, existiria um reprocessamento na fase de reprodução de laboratório para as máquinas de amostras. 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 0 20 40 60 80 100 120 140 Janeiro Fevereiro Março Abril Maio Junho Quantidade produzida (Kg) Nº de Lavagens de máquina Mês Frequência de lavagens de máquina relativamente a quantidade produzida Lavagem Peso Produção 86 É importante citar que apesar de se estimar estes resultados, não à maneira de os confirmar com valores reais à data de término deste projeto. Contudo, seria importante que no futuro seja realizada uma análise comparativa entre estes valores no período pré e pós utilização da máquina já referida. 6.2.2. Taxa de Serviço Sendo que a sugestão de melhoria passa pela criação de um hábito e as ferramentas necessárias para a sua criação já estavam à disponibilidade dos colaboradores. Não foi possível que efetivamente fosse algo posto em prática, uma vez que não foi o foco do trabalho. Foi algo discutido com a gestão, e são aqui apresentados os resultados estimados da implementação desta melhoria. Tendo como base o apêndice 3Tabela 20 , verifica-se que todos os clientes têm este problema relativo aos prazos de entrega não estabelecidos, no entanto analisando mais detalhadamente, observa-se na Tabela 30 que quando criado o hábito na totalidade das ordens de serviço dos 3 clientes mais significativos, a percentagem de ordens de serviço sem esta informação desceria 52 pontos percentuais. Permitiria que a taxa de serviço se tornasse um indicador do desempenho da empresa e que fosse calculado com confiança, que permitisse retirar conclusões através do mesmo, o que não acontece no momento. No entanto, seria importante que este hábito fosse aplicado aos restantes dos clientes. Tabela 30: Resultados estimados prazos de entrega. Cliente Nº O.S. Nº O.S. sem dados de PE % de Nº de O.S. sem dados de PE % de Nº de O.S. sem dados de PE após Melhoria 320 10520 9486 39,89% 0,00% 348 3536 2025 8,51% 0,00% 458 2157 869 3,65% 0,00% Somatório Restantes 7570 4719 19,84% 19,84% Total: 71,90% 19,84% Não sendo algo possível de descrever em números, a criação do hábito permitiria que o diagrama de Ishikawa exposto na Figura 28, pudesse ser explorado com mais clareza permitindo chegar às causas raiz que levam ao não cumprimento do prazo de entrega definido. Apesar de atualmente não ser um valor com um grau de confiança elevado, cerca de 52% das partidas com prazo não respeitam o prazo de entrega, o que permite verificar que existe uma tendência para não cumprir o prazo. É importante perceber se esta tendência continua na totalidade dos dados, e se sim, descobrir as causas raiz associadas. 6.3. Sistema de Medição de Desempenho 87 Esta abordagem na apresentação dos dados oferece várias vantagens, não apenas proporcionando uma visualização clara dos indicadores, mas também permitindo a interatividade dos dados de acordo com necessidades dos gestores. Isto é possível graças à capacidade de selecionar categorias de dados, com os dados sendo atualizados automaticamente com base nas atualizações na base de dados. Esta abordagem permite que, com uma única configuração da análise de dados, seja possível replicar as análises para diferentes períodos de forma rápida e intuitiva. Utilizando e desenvolvendo os indicadores mencionados ao longo deste trabalho, foi criado um protótipo utilizando a ferramenta Power BI. O objetivo desse protótipo é permitir que a equipa de informática desenvolva um sistema informático que possa, de forma autónoma e sem a necessidade de préprocessamento dos dados, apresentar os resultados conforme descrito a seguir. 6.3.1. Análise Geral Esta análise geral, apresentada na Figura 36, é a abordagem utilizada para disponibilizar aos gestores uma quantidade substancial de informações, porém sem aprofundar em detalhes excessivos. Nesta fase, são avaliados os indicadores mais abrangentes, mas que desempenham um papel crucial na gestão adequada. Os indicadores analisados nesta fase incluem: ▪ Quantidade de partidas realizadas; ▪ Quantidade de Lavagens de máquina realizadas; ▪ Quantidade de Reprocessamentos realizados; ▪ Quantidade devolvida em quilogramas, é importante frisar que esta quantidade diz respeito a quantidade devolvida rececionada no intervalo de tempo analisado. A quantidade devolvida na maioria dos casos não diz respeito a malha produzida no intervalo analisado. ▪ Quantidade produzida em quilogramas; ▪ Quantidade de partidas realizadas Bem à 1º, termo utilizado para definir as partidas que não originam reprocessamentos e nem sofrem adições durante a realização do processo; ▪ Distribuição de quantidade correspondente a cada categoria de qualidade, incluindo os quilogramas bem à 1º, os que sofreram apenas adições, os que são retrabalho (reprocessamento), os que são retrabalho com adições, os que deram origem a reprocessamentos e não sofreram adições e os que sofreram adições no processo original e deram origem a reprocessamento; ▪ OEE; 94 Assim, o objetivo principal deste projeto foi alcançado. No entanto, dois dos objetivos secundários, a gestão do PMS e a deteção de falhas através dos dashboards criados pelo PMS, não foram concluídos devido aos prazos de conclusão do projeto. A implementação do PMS ocorreu após a conclusão deste projeto. Foi definido um segundo objetivo, que consistia na sugestão e implementação de melhorias, e este objetivo foi cumprido, pois foram implementadas melhorias significativas. Os dados não analisados anteriormente relativos as lavagens de máquina agora são consideradas relevantes e são analisados por meio do PMS. Além disso, foi criado um mecanismo que permite calcular rapidamente o custo de cada tipo de lavagem de máquina em cada uma das máquinas, em tempo real. Para contornar a ausência de registo de manutenções, foi desenvolvida uma folha de registo para que as manutenções realizadas sejam registadas, e posteriormente, estes registos permitam obter informações relativas às manutenções em períodos posteriores à sua realização. No entanto, a sugestão de criar e registar prazos de entrega não foi implementada durante o decorrer do projeto. Este projeto teve algumas limitações, como já mencionado ao longo da dissertação. Algumas sugestões de melhoria não foram implementadas, pois não estavam no foco da empresa no momento. Em relação aos dados, também houve desafios, como o excesso de informação, que exigiu uma análise extensa para determinar quais eram os dados mais importantes. Além disso, havia uma grande quantidade de máquinas de tingimento o que tornou os dados muito volumosos mesmo para curtos períodos. Apesar das dificuldades, o objetivo principal da Moda 21 foi alcançado com a realização deste projeto. 7.2. Trabalho Futuro Começando pelas sugestões de melhoria que não foram implementadas durante o projeto, seria importante que estas fossem avaliadas e implementadas, se for considerado adequado. Entre estas sugestões estão a utilização de uma folha de registo de manutenção e o registo de prazos de entrega. Em relação aos problemas de qualidade, foi identificado que pelo menos 16% das partidas sofrem algum tipo de problema de qualidade. Seria importante realizar uma análise das causas raiz destes problemas, utilizando ferramentas como o brainstorming e diagramas de Ishikawa, para identificar as causas raiz e, assim, melhorar continuadamente o processo e evitar novos problemas semelhantes no futuro. Durante a dissertação, foram mencionadas tarefas que poderiam ser interessantes de realizar no decorrer do presente projeto, mas que não foram colocadas em prática. Por exemplo, foi construído um diagrama de Ishikawa relacionado com os atrasos de entrega, como representado na Figura 28, mas 95 não foi analisado devido à falta de dados representativos. No entanto, no futuro, seria importante investigar as causas raiz dos atrasos de entrega para melhorar este indicador. As devoluções foram analisadas durante o projeto, mas é importante ressaltar que, devido ao foco do trabalho ser a secção de tingimento, as devoluções foram analisadas apenas para esta secção. Nos próximos passos, é fundamental realizar uma análise detalhada de todas as devoluções, abrangendo todas as áreas da empresa. Além disso, em relação aos dados das devoluções, seria relevante rever as causas associadas aos registos das devoluções, uma vez que uma parcela significativa de 23.1% da quantidade devolvida foi atribuída à causa “outro”, o que dificulta a análise das causas subjacentes às devoluções. Também é importante investigar e discutir em detalhe o motivo mais citado, que corresponde a 17% das devoluções associadas à “cor não conforme”. Identificar as causas raiz deste problema específico permitirá adotar medidas para reduzir as devoluções relacionas a problemas de cor. Como resultado deste trabalho, o PMS foi desenvolvido de forma a compactar e apresentar a informação da secção de tingimento, aproveitando a natureza mais mecanizado deste processo e a disponibilidade de uma base de dados abrangente e acessível. No entanto, é importante considerar que, num futuro próximo, também a secção de acabamentos deve ser incorporada no sistema. Devido à natureza do trabalho e à falta de dados relacionados com os acabamentos, esta secção foi deixada de lado ao longo do projeto. Incorporar informações sobre a secção de acabamentos no PMS permitirá uma visão mais abrangente e completa do desempenho global da empresa. 96 REFERÊNCIAS Abd-Elfattah, M., Alghamdi, T., & Amer, E. (2014). Dashboard technology based solution to decision making. In International Journal of Computer Science Engineering and Information Technology Research (IJCSEITR) ISSN(P (Vol. 4). www.tjprc.org Aguinis, H. (2009). An expanded view of performance management. In J. Smither & M. London (Eds.), Management Putting Research into Action Performance (JOSSEY-BASS). Ahmed, M. H. (2013). OEE can be your key . Andersen, B. (2015). Eight Steps to a New Performance Measurement System. American Society for Quality . https://www.researchgate.net/publication/233862690 Bachmann, D. (2019, April 19). OEE de classe mundial . LinkedIn. https://www.linkedin.com/pulse/oeede-classe-mundial-d%C3%B3rian-bachmann/?originalSubdomain=pt Banco de Portugal. (2022, October 14). Análise setorial da indústria dos têxteis e vestuário . Banco de Portugal. https://bpstat.bportugal.pt/conteudos/publicacoes/1292 Barros, I. (2018). Defenição de Indicadores de desempenho através da análise e intrepretação de dados [Dissertação de Mestrado]. Universidade do Minho. Bourne, M., Neely, A., Mills, J., & Platts, K. (2003). Implementing performance measurement systems: a literature review. International Journal of Business Performance Management , 5 (1), 1–24. https://doi.org/10.1504/IJBPM.2003.002097 Campos. (2018, July 2). Afinal o que é Takt Time, Tempo Ciclo e Lead Time? Linkedin. https://pt.linkedin.com/pulse/afinal-o-que-%C3%A9-takt-time-tempo-ciclo-e-lead-lucas-campos-1c Carlucci, D. (2010). Evaluating and selecting key performance indicators: An ANP-based model. Measuring Business Excellence , 14 (2), 66–76. https://doi.org/10.1108/13683041011047876 Chakraborty, S., & Biswas, M. C. (2021). Impact of COVID-19 on the Textile, Apparel and Fashion Manufacturing Industry Supply Chain: Case Study on a Ready-Made Garment Manufacturing Industry. SSRN Electronic Journal . https://doi.org/10.2139/ssrn.3762220 Courtois, A., Martin-Bonnefois, C., & Pillet, M. (1997). Gestão da Produção (H. Costa, Ed.; 4th ed.). LIDELEdições Técnicas. Dave, V., & Dixit, A. (2015). Lean Manufacturing: An Approach for Waste Elimination. Internacional Journal of Engineering Research & Technology , 4 (04). https://www.researchgate.net/publication/275955034 97 European Commission. (2022). Textile and clothing in the EU . European Commission. https://singlemarket-economy.ec.europa.eu/sectors/fashion/textiles-and-clothing-industries/textiles-andclothing-eu_en Few, S. (2006). Information dashboard design : the effective visual communication of data . O’Reilly. Fonseca, K. (2012). Investigação - ação: Uma metodologia para prática e reflexão docente. Onis Ciência . Garengo, P., Biazzo, S., & Bititci, U. S. (2005). Performance measurement systems in SMEs: A review for a research agenda. International Journal of Management Reviews , 7 (1), 25–47. https://doi.org/10.1111/j.1468-2370.2005.00105.x Gouveia, A. (1999). The concept of model and your utilization in the behavioral sciences: Introductory short notes. In PUC-Campinas (Vol. 16, Issue 1, pp. 13–16). PUC-Campinas. Gupta, S., & Jain, S. K. (2013). A literature review of lean manufacturing. International Journal of Management Science and Engineering Management , 8 (4), 241–249. https://doi.org/10.1080/17509653.2013.825074 Hamed, M., & Soliman, A. (2017). A comprehensive review of manufacturing wastes: Toyota production system lean principles. Emirates Journal for Engineering Research , 22 (2), 1–10. https://ssrn.com/abstract=2960974Electroniccopyavailableat:https://ssrn.com/abstract=29609 74Electroniccopyavailableat:https://ssrn.com/abstract=2960974 Hanque, K., & Hossain, J. (2011). Performance Evaluation of Bangladeshi Apparel and Textile Supply Chain Network, A Case Study. World Review of Business Research , 1 (1), 211–218. https://www.researchgate.net/publication/228563474 Hristov, I., & Chirico, A. (2016). The Limits of the Balanced Scorecard. Open Journal of Social Sciences , 04 (11), 53–58. https://doi.org/10.4236/jss.2016.411004 Ilie, G., & Ciocoiu, C. N. (2010). Application Of Fishbone Diagram To Determine The Risk Of An Event With Multiple Causes (Vol. 2, Issue 1). https://www.researchgate.net/publication/46567642 Jamil, N. N., Mohamed, R., & Jamil, C. M. (2011). Performance Measurement System (PMS) In Small Medium Enterprises (SMES): A Practical Modified Framework. In World Journal of Social Sciences (Vol. 1, Issue 3). https://www.researchgate.net/publication/258423935 Jiménez-Zarco, A., Martínez-Ruiz, M., & González-Benito, Ó. (2006). Performance measurement system (PMS) integration into new product innovation: A literature review and conceptual framework . http://www.amsreview.org/articles/zarco09-2006.pdf Kanbanize. (n.d.). O que é o ciclo Plan-Do-Check-Act? Kanbanize. Retrieved July 26, 2023, from https://kanbanize.com/pt/gestao-lean/melhoria/o-que-e-o-ciclo-pdca 98 Kemmis, S., & Mctaggart, R. (2005). Communicative Action and the Public SphereChapter 23. In Handbook of Qualitative Research . Kerzner, Harold. (2009). Project managementA systems approach to planning, scheduling and control . J. Wiley & Sons. Khan, K., & Shah, A. (2011). Understanding performance measurement through the literature. African Journal of Business Management , 5 (35). https://doi.org/10.5897/ajbmx11.020 Lavy, S., Garcia, J. A., & Dixit, M. K. (2010). Establishment of KPIs for facility performance measurement: Review of literature. Facilities , 28 (9), 440–464. https://doi.org/10.1108/02632771011057189 Liker, J., & Meier, D. (2005). The Toyota Way Fieldbook . https://doi.org/10.1036/0071448934 Machado, M. J. (2023). Exportações de têxteis e vestuário em 2022: Um resultado histórico com sabor amargo . www.atp.pt Marr, B. (2012). Key Performance Indicators: The 75 measures every manager needs to know (1st ed.). FT Press. Martinelli, F. (2009). Gestão da Qualidade Total . Fundação Biblioteca Nacional. Martins, M. A. (2006). Avaliação de desempenho empresarial como ferramenta para agregar valor ao negócio (10). Mazlan, A., An, T. H., Jaafar, A. R., Abidin, M., Aziz, A., & Ridzwan, M. (2014). 5S Concept and Usage. Team Performance Management: An International Journal . https://doi.org/10.1108/13527590110411000 Microsoft. (2023). Introduction to dashboards for Power BI designers . Microsoft. Mohamed, R., & Jamil, C. M. (2011). Performance Measurement System (PMS) In Small Medium Enterprises (SMES): A Practical Modified Framework Contruction of Islamic Finance based index of Financial Inclusion View project Influence of Whistle Blowing on Unethical Behaviour in Jabatan Kastam Diraja Malaysia (JKDM) View project Performance Measurement System (PMS) In Small Medium Enterprises (SMES): A Practical Modified Framework. World Journal of Social Sciences , 1 (3), 200–212. https://www.researchgate.net/publication/258423935 Morais, I. (2005). Gestão da Qualidade Total (C. Rei, Ed.; Vol. 7). Escola Superior de Tecnologia e Gestão da Guarda. www.estg.ipg.pt Muchiri, P., & Pintelon, L. (2008). Performance measurement using overall equipment effectiveness (OEE): Literature review and practical application discussion. International Journal of Production Research , 46 (13), 3517–3535. https://doi.org/10.1080/00207540601142645 99 Nascimento, R. (2017, May). O que é dashboard? Saiba tudo aqui com dashboards reais . Marketing Por Dados. https://marketingpordados.com/analise-de-dados/o-que-e-dashboard-%f0%9f%93%8a/ New, S. J. (2007). Celebrating the enigma: The continuing puzzle of the Toyota Production System. In International Journal of Production Research (Vol. 45, Issue 16, pp. 3545–3554). https://doi.org/10.1080/00207540701223386 Neyestani, B. (2017). Seven Basic Tools of Quality Control: The Appropriate Techniques for Solving Quality Problems in the Organizations. In Munich Personal RePEc Archive . MPRA. https://doi.org/10.5281/zenodo.400832 O’brien, R. (1998). An Overview of the Methodological Approach of Action Research . www.web.ca/~robrien/papers/arfinal.htmlhttp://www.web.ca/~robrien/papers/arfinal.html Ohno, T. (1988). Toyota Production System (N. Bodek, Ed.). Productivity, Inc. Oliveira, M. (2017). Metodologia de seleção e organização de Indicadores Chave de Desempenho (KPIs) para o Shop Floor . Técnico Lisboa. Pascual, D., & Kumar, U. (2016). Maintenance Audits Handbook: A Performance Measurement Framework . CRP Press. https://books.google.pt/books?hl=ptPT&lr=&id=HICfCwAAQBAJ&oi=fnd&pg=PP1&dq=Pascual,+D.+G.,+%26+Kumar,+U.+(2016).+Mai ntenance+Audits+Handbook:+A+Performance+Measurement+Framework.+CRC+Press.&ots=DMo 4hMGicg&sig=VSwhDCUcYQrfC4Iqy4PLdKbZrH4&redir_esc=y#v=onepage&q&f=false Pavletic, D., Sokovic, M., & Paliska, G. (2007). Quality tools-systematic use in process industry. Journal of Achivements in Materials and Manufacturing Enginerrring , 25 (1). https://www.researchgate.net/publication/40624477 Pinto, J. P. (2009). Pensamento Lean: A filosofia das Organizações vencedoras . Lider. Project Management Institute. (2008). A guide to the project management body of knowledge (PMBOK Guide). Project Management Institute. Reason, P., & Bradbury, H. (2008). The SAGE Handbook of Action Research (H. Bradbury & P. Reason, Eds.; 2nd ed.). Sage Publications. Requeijo, J., Saraiva, P., Marques, P., & Frazão-Guerreiro, F. (2013). Integrating six sigma with iso 9001. International Journal of Lean Six Sigma , 4 (1), 36–59. https://doi.org/10.1108/20401461311310508 Rizkya, I., Syahputri, K., Sari, R. M., & Siregar, I. (2019). 5S Implementation in Welding Workshop-A Lean Tool in Waste Minimization. IOP Conference Series: Materials Science and Engineering , 505 (1). https://doi.org/10.1088/1757-899X/505/1/012018 100 Shahin, A., & Mahbod, M. A. (2007). Prioritization of key performance indicators: An integration of analytical hierarchy process and goal setting. International Journal of Productivity and Performance Management , 56 (3), 226–240. https://doi.org/10.1108/17410400710731437 Shingo, S. (1989). A study of the Toyota production system . Productivity Press. Simão, J. (2017). Os sistemas de medição de desempenho . https://repositorioaberto.uab.pt/bitstream/10400.2/7179/1/OS%20SISTEMAS%20DE%20MEDI %c3%87%c3%83O%20DO%20DESEMPENHO.pdf Sorooshian, S., Aziz, N. F., Ahmad, A., Jubidin, S. N., & Mustapha, N. M. (2016). Review on Performance Measurement Systems. Mediterranean Journal of Social Sciences , 7 (1). https://doi.org/10.5901/mjss.2016.v7n1p123 Spahija, S., Shehi, E., & Guxho, G. (2012). Evaluation of production effectiveness in garment companies through key performance indicators. Autex Research Journal , 12 (2), 62–66. https://doi.org/10.2478/v10304-012-0012-x Stringer, E. (2007). Action research (3rd ed.). Sage Publications. Striteska, M., & Spickova, M. (2012). Review and Comparison of Performance Measurement Systems. Journal of Organizational Management Studies , 1–13. https://doi.org/10.5171/2012.114900 Toni, A., & Tonchia, S. (2001). Performance measurement systems Models, characteristics and measures. International Journal of Operations & Production Management , 21 (2), 144–3577. http://www.emerald-library.com/ft Vasconcellos, M., Lunkes, R. J., & Petri, S. M. (2013). Os fundamentos conceituais do Balanced Scorecard: uma análise epistemológica da argumentação proposta por Robert Kaplan . https://www.researchgate.net/publication/272787908 Womack, J., Jones, D., & Roos, D. (1990). The machine that changed the world . Yamamoto, K., Lloyd, R., & Milstead, M. (2019). A review of the development of lean manufacturing and related lean practices: The case of Toyota production system and managerial thinking. International Management Review , 15 (2). https://www.researchgate.net/publication/340449306 Yigitbasioglu, O. M., & Velcu, O. (2012). A review of dashboards in performance management: Implications for design and research. International Journal of Accounting Information Systems , 13 (1), 41–59. https://doi.org/10.1016/j.accinf.2011.08.002 101 APÊNDICES 102 Apêndice 1 – Consumo de Produtos Químicos nas Lavagens de Máquina. 103 Apêndice 2 - Tabela de Reprodutibilidade das Máquinas de Amostras de Tingimento, por Quilograma. Mês Quilogramas Reprocessamentos sem adições (Kg) % Kg Rep s/AD Reprocessamentos com adições (Kg) % Kg rep ca Adições sem Reprocessamentos (Kg) %Kg adições sr Bem a 1º (Kg) % Kg Bem a 1º Janeiro 18650 1017 5,45% 141 0,76% 9311 49,9% 8181 43,9% Fevereiro 37627 4163 11,06% 253 0,67% 15035 40,0% 18176 48,3% Março 36028 1095 3,04% 780 2,16% 16653 46,2% 17500 48,6% Abril 24375 871 3,57% 906 3,72% 11570 47,5% 11028 45,2% Maio 31172 1773 5,69% 3316 10,64% 12150 39,0% 13933 44,7% Junho 18931 1288 6,80% 1328 7,01% 9849 52,0% 6466 34,2% Julho 38765 369 0,95% 1118 2,88% 22042 56,9% 15236 39,3% Agosto 13406 1110 8,28% 530 3,95% 7920 59,1% 3846 28,7% Setembro 44314 1417 3,20% 658 1,48% 19909 44,9% 22330 50,4% Outubro 41324 1228 2,97% 946 2,29% 19723 47,7% 19427 47,0% Novembro 51629 1428 2,77% 1601 3,10% 27326 52,9% 21274 41,2% Dezembro 29475 1441 4,89% 161 0,55% 14088 47,8% 13785 46,8% Total: 385696 17200 4,46% 11738 3,04% 185576 48,1% 171182 44,4% 110 ANEXOS 111 Anexo 1 - Processo Pré Tingimento 112 Anexo 2 - Processo estabelecido para Abertura de Novas Cores 113 Anexo 3 - Processo estabelecido para lidar com Não Conformidades