slide1 l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Seis Sigma Aplicado à Software Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática SPIN – Campi PowerPoint Presentation
Download Presentation
Seis Sigma Aplicado à Software Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática SPIN – Campi

Loading in 2 Seconds...

play fullscreen
1 / 49

Seis Sigma Aplicado à Software Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática SPIN – Campi - PowerPoint PPT Presentation


  • 268 Views
  • Uploaded on

Seis Sigma Aplicado à Software Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática SPIN – Campinas 15-Mar-2005 Cibele Brunetto – Cibele.Brunetto@motorola.com Luiz Bernardes – Luiz.Bernardes@motorola.com. Agenda. Parte I: Seis Sigma Controle Estatístico de Processo DMAIC

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Seis Sigma Aplicado à Software Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática SPIN – Campi' - darrion


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Seis Sigma Aplicado à Software

Seis Sigma & CMM para Melhoria de Processo e Uma Aplicação Prática

SPIN – Campinas

15-Mar-2005

Cibele Brunetto – Cibele.Brunetto@motorola.com

Luiz Bernardes – Luiz.Bernardes@motorola.com

agenda
Agenda
  • Parte I:
    • Seis Sigma
    • Controle Estatístico de Processo
    • DMAIC
    • Seis Sigma & CMM
  • Parte II:
    • Aplicação prática
    • Lições aprendidas
defini o
Definição
  • Definição estatística:
    • Sigma (): desvio padrão (variação da média em distribuição normal)
    • Processo é Seis Sigma: ocorrência de valor fora da especificação é RARA: 3.4 ppm
defini o5
Definição
  • Definição como metodologia:
defini o6
Definição
  • Metodologia que fornece abordagem de medição orientada a dados para melhoria contínua de processos
  • Busca satisfação do cliente
  • Objetivos:
    • Mover o produto/atributos de serviço para dentro dos limites especificados pelo cliente
    • Reduzir a variação no processo (causa de defeitos)
hist rico
Histórico
  • Surgiu na Motorola nos anos 80 aplicado a processos de manufatura
    • Primeiros “belts” em ferramental estatístico (CEP, análise de variância, métodos comparativos)
  • Nos anos 90 outras empresas adotaram Seis Sigma e diversificaram usos
  • Em anos recentes, novas ferramentas e modelos específicos para uso em várias áreas e fases de processos: desenvolvimento de produtos, serviços, finanças, marketing.
    • “Belts” com perfil menos estatístico e mais gerenciamento de mudança
metodologias e ferramentas
Metodologias e Ferramentas
  • Conjunto de metodologias e ferramentas
    • Ferramental estatístico:
      • CEP (controle estatístico de processos), análise de variância, análise de capacidade, DOE
    • Técnicas tradicionais de análise de processo:
      • brainstorm, FMEA, diagrama de causa e efeito
    • Metodologia de melhoria de processos:
      • DMAIC, DMADV
    • Guias para estruturação de áreas:
      • DFSS, SDFSS, MFSS
slide9

CEP

Controle Estatístico de Processo

o que defini o
O Que É – Definição
  • O que é CEP:
    • Método para manter o processo dentro de padrões estabelecidos
      • Padrões estabelecidos através de análise estatística de dados do processo
    • Discute tipos de variação que afetam o processo
    • Utiliza ferramentas estatísticas para análise de dados (histograma, gráficos de controle, avaliação dos sistemas de medição)
hist rico11
Histórico
  • Desenvolvido e primeiramente aplicado na indústria manufatureira como método para obter controle da qualidade em processos
  • Walter A. Shewhart e Edwards Deming
  • Primeira aplicação: 1924, Western Electric Co.
    • Objetivo: diminuir variação no processo de produção
hist rico12
Histórico
  • Década de 50: indústrias japonesas – reconstrução do país (pós-guerra)
  • Década de 80: indústrias manufatureiras do mundo todo
  • Atualmente: uso também no setor de software
    • Preencher lacunas dos métodos tradicionais de medição e análise de sw
princ pio
Princípio
  • Princípio: processo realizado de maneira consistente gera resultados previsíveis
    • Apenas variação de causa comum está presente
tipos de varia o
Tipos de Variação
  • 2 tipos de variação: de causa comum e de causa especial
  • Variação de causa comum:
    • Inerente ao processo
    • Padrão estável nos dados
    • Variação aleatória entre limites previsíveis
    • Resultados inesperados são raros
    • Pode ser reduzida, mas não eliminada
tipos de varia o15
Tipos de Variação
  • Variação de causa especial:
    • Causas específicas e identificáveis, porém imprevisíveis
    • Surge de eventos que não são parte do processo
    • Causa instabilidades no processo, afeta qualidade do produto
an lise de estabilidade do processo
Análise de Estabilidade do Processo
  • Processo estável:
    • Está sob controle estatístico, apenas variações de causa comum estão presentes. Resultados são previsíveis -> melhor planejamento
  • Processo instável:
    • Causas especiais estão presentes, causando variações e resultados imprevisíveis
  • Para analisar estabilidade:
    • Gráficos de controle
gr ficos de controle
Gráficos de Controle
  • Ajudam a detectar influência de causas especiais no processo
    • Agir e eliminar causas especiais
    • Trazer o processo novamente sob controle
  • Princípio:
    • Processo sob controle possui distribuição Normal: 99,73% dos valores distribuídos na faixa da média + ou – 3 desvios padrão ()
gr ficos de controle18
Gráficos de Controle
  • Elementos básicos:
    • Média (ou linha central)
    • Limite Superior de Controle (LSC):
      • média + 3 
    • Limite Inferior de Controle (LIC)
      • média - 3 
  • São estimativas calculadas de conjunto de observações coletadas durante uso do processo
an lise de capacidade
Análise de Capacidade
  • Se o processo está estatisticamente estável: o processo é capaz?
      • Processo pode estar estável, mas não ser capaz
      • Um processo “capaz” produz resultados consistentes com as metas de negócio e é avaliado como eficiente (nível sigma)
      • É capaz de atingir especificações do cliente
  • Análise de capacidade possibilita e direciona identificação de oportunidades de melhoria de processo
  • Se o processo não é capaz:
    • Reduzir variação
    • Deslocar a média
defini o22
Definição
  • DMAIC é uma metodologia para solução de problemas, visando melhoria de processo e qualidade, composta das seguintes etapas:
    • Definir
    • Medir
    • Analisar
    • Implementar Melhorias
    • Controlar
  • Usa CEP
etapas
Etapas
  • Definir Oportunidades:
    • Visa identificar e/ou validar a oportunidade de melhoria alvo do projeto DMAIC
    • Definir metas e objetivos do projeto
    • Identificar requisitos críticos do cliente
    • Preparar equipe do projeto
    • Identificar/mapear processos envolvidos
etapas24
Etapas
  • Medir Desempenho:
    • Identificar medições críticas para avaliar sucesso no atendimento dos requisitos mínimos do cliente
    • Criar plano de medição (como coletar dados para medir desempenho dos processos)
    • Fazer medições e colocar em gráficos de controles
    • Analisar os gráficos (causas especiais agindo?)
    • Análise de capacidade do processo
etapas25
Etapas
  • Analisar Oportunidades:
    • Identificar e validar causas raízes das fontes de variação
      • Garantir a eliminação das causas raízes reais para aumentar a capacidade do processo (atingir especificações do cliente)
    • Propor alternativa de soluções que eliminem causas raízes validadas ou reduzam seu impacto
etapas26
Etapas
  • Implementar Melhorias:
    • Avaliar e selecionar as soluções corretas de melhoria
    • Desenvolver plano para gerenciar mudanças
etapas27
Etapas
  • Controlar Desempenho:
    • Executar piloto do plano de gerência de mudanças -> garantir que resultados almejados são atingidos
    • Analisar resultados do piloto
    • Identificar oportunidades de replicação da solução na organização
seis sigma cmm30
Seis Sigma & CMM
  • Seis Sigma e CMM para melhoria de processos de SW
    • São complementares
    • É possível usar Seis Sigma desde primeiros níveis do CMM, em iniciativas isoladas
    • Seis Sigma fornece ferramental para construir os níveis 4 e 5
    • Uso conjunto: resultados concretos da melhoria de processos
    • Ambos exigem comprometimento da alta gerência da organização
aplicando six sigma
Aplicando Six Sigma
  • Contexto 2004
    • Abordagem de PITs sob coordenação SEPG com foco em certificação CMM4
    • 4 projetos DMAIC pilotos de melhoria propostos não vinculados a CMM4
      • Melhoria de ambiente de compilação
      • Redução de defeitos escapados
      • Redução de defeitos duplicados e terminados
      • Redução de ciclo de testes de campo
melhoria de ambiente de compila o
Melhoria de Ambiente de Compilação

D

M

A

I

C

  • Contexto
    • Plataforma de desenvolvimento de SW
      • Clearcase Unix
      • Gerência de Configuração
      • Ambiente de Compilação(Build)
        • Tempo Médio e Variância altos
        • Impacto em produtividade
    • Metodologia DMAIC
      • Otimizar processo de forma estruturada
equipe
Equipe

D

M

A

I

C

  • Green Belt
    • Análise estatística
    • Ferramentas de solução de problemas
    • Gerência do projeto
  • Especialistas da área
    • Suporte técnico e implementação
  • Gerentes
    • Recursos e prioridades
  • Champion
    • Alinhamento estratégico e análise crítica
m tricas
Métricas

Operacionais

Tempo de compilação

# de elementos compilados

# de elementos reaproveitados

Parâmetros de compilação

Monitoramento do Ambiente

Memória

Carga

Tempo de E/S

Rede

D

M

A

I

C

  • Definição de indicadores de desempenho
desempenho de refer ncia opb
Desempenho de Referência (OPB)

D

M

A

I

C

  • CEP: Média e variância altas

Limite de controle superior

Média

Limite de controle inferior

Janeiro/2004 | Fevereiro/2004 | Março/2004

causas ra zes m todo
Causas Raízes – Método

D

M

A

I

C

Atividade

Ferramenta/Método

1. Identificar todas as potenciais causas raízes e soluções de

ganho rápido

Brainstorm e Diagrama

de causa e efeito

2. Redução e Priorização (reduzir o número de causas para análise)

Votação e Pareto

Análise estatística (fontes de variância, métodos comparativos, análise de dados categóricos)

aplicada a dados históricos e simulações. Pesquisa por alternativa de soluções.

3. Validação estatística das causas raízes. Identificar alternativas de soluções

ishikawa potenciais causas ra zes
Ishikawa – Potenciais Causas Raízes

Load

Infraestrutura

# of builds

Other concurrent processes

limit of parallelism 6

slowness

processor

Servers

Processo

# of servers

Inadequate use of bldsrc vs lib

Topology

No info to run partial builds

Inadequate use of parallelism

Latency

Network

misuse of build process

Bandwidth

Inadequate use of official version

Inadequate use of debug

low response time view/vob

Low level of wink-in

IO wait

Lack of mechanism to maximize wink-in

Tempo de

Build

ENOENT cache not optimized

Header file structure

Makefile (not optimized, no debug off, no link)

Tuning

lack of release libs

view cache not optimized

MVFS cache not optimized

Arquitetura das Builds

Instability of environment

overload

Multisite

24X7 update scheme

lack of vob servers to distribute load

all platforms over the same databases

vobs

large version trees

large bottleneck vobs

view and vob on same machine

vob load among servers

Not enough RAM

CC version

slowness to generate CR

wink-in

slowness to match

very old DOs

Build load distribution among build servers

D

M

A

I

C

Ferramenta Clearcase

pareto prioridade de investiga o
Pareto - Prioridade de Investigação

6

5

4

Prioridade

3

2

1

0

Uso incorreto do processo

Rede (latência e banda)

Estrutura da Build

Servidores (insuficiência, memória)

Versão do Clearcase

Tempo de espera de IO

Baixo grau de reaproveitamento

Sobrecarga (builds simultâneas)

Reaproveitamento (busca lenta, elem. antigos)

Bancos de Dados Clearcase

D

M

A

I

C

causas v lidas solu es alternativas
Causas válidas+Soluções Alternativas

D

M

A

I

C

válidas

Causas

Soluções Alternativas

parcialmente válidas

inválidas

1. Retreinamento no processo

2. Rotinas pré-build

3. Paralelismo forçado

Uso incorreto do processo

Bancos de Dados Clearcase (distribuição dos DBs), Espera IO

4. Isolar servidores por função

5. Redistribuir bancos

6. Retrabalhar estrutura de Makefiles e GHDR

Estrutura da Build

7. Builds Expressas

8. Builds noturnas

Reaproveitamento lento de elementos, Pouco reaproveitam.

9. Atualizar versão

Versão do Clearcase

10. Build Manager

11. DOE otimização

Sobrecarga, Servidores

Rede (latência e banda)

explorando alternativas
Explorando Alternativas

D

M

A

I

C

Soluções

Complex.

Risco

Retorno

Decisão

1. Retreinamento no processo

2. Rotinas pré-build

3. Paralelismo forçado

4. Isolar servidores por função

5. Redistribuir bancos

6. Retrabalhar estrutura de

Makefiles e GHDR

7. Builds Expressas

8. Builds noturnas

9. Atualizar versão

10. Build Manager

11. DOE otimização

solu es controle
Soluções + Controle

D

M

A

I

C

- Isolamento server

- Redistribuição BDs

- Versão CC

- Build Manager

Média 1h 39min

UCL 3h 25min

ANTES

Média 5h 13min

UCL 26h 30min

  • Builds expressas
  • Rotinas pré-build
  • Retreinamento
  • DOE
  • Média 1h 09min
  • UCL 2h 17min

- Paralelismo sugerido

Média 3h 55min

UCL 11h 36min

UCL

- Mudanças infra

- Paralelismo forçado

Média 1h 53min

UCL 3h 42min

Processo sob controle

Tempo [minutos]

Média

Bench

mark

LCL

Julho

Junho

Jan Fev Mar

Agosto

Abr

Maio Junho

Setembro

Antes 5h 13min Sigma 3,74

Hoje 1h 09min Sigma 5,1

Ganho total 78%

resultados
Resultados
  • Melhoria acima das expectativas
    • 78% (obtido) x 40% (meta inicial)
    • De desempenho mediano a “benchmark”
  • Ganhos significativos em processo
    • Previsibilidade e estabilidade
    • Redução de ciclo de desenvolvimento, melhoria de produtividade
  • Economia
    • Investimentos somente em áreas de alto retorno
    • Novos investimentos somente em 2006
li es aprendidas
Lições Aprendidas
  • Metodologia e ferramentas Six Sigma são adequadas a ambientes de desenvolvimento de software
  • Êxito devido a:
    • Alinhamento com objetivos organizacionais
    • Comprometimento da alta gerência
    • Time de projeto: belts + especialista
    • Status de projeto “formal” da organização
    • Gerência de projeto
    • Acompanhamento estreito dos patrocinadores
    • Objetivos do projeto mapeado nas metas individuais dos membros
conclus o
Conclusão
  • Seis Sigma pode ser usado em melhoria de processos de SW
  • São necessários recursos treinados e suporte organizacional
  • Ferramentas adequadas para definição de prioridades, avaliação de ganhos, garantia de resultados e satisfação dos clientes
links interessantes
Links Interessantes
  • Seis Sigma:
    • http://www.motorola.com/content/0,,3006-2480,00.html (Treinamento Seis Sigma)
    • http://www.isixsigma.com/
    • http://www.6siga.com/