Hinshitsu Hozen + Seis Sigma: o pilar de qualidade do TPM que a sua fábrica provavelmente ignora

Por que a maioria dos projetos de TPM trava na análise de causa raiz — e como o rigor estatístico tira o pilar do achismo

A máquina está rodando. O operador está treinado. O OEE está aceitável.

E a enchedora continua entregando volume fora da faixa. A rotuladora desalinha. A data de validade sai borrada. O extrato sai abaixo do padrão e o lote vai para reprocesso.

Ninguém consegue apontar a causa — porque cada peça do sistema "parece" funcionar. A manutenção diz que o equipamento está operando. A produção diz que o setup está correto. A qualidade diz que a especificação está clara. E ainda assim o defeito volta.

O problema quase nunca é o processo. É a condição do equipamento se degradando silenciosamente, abaixo do limite que sustenta a especificação do produto.

A pergunta muda de eixo. Deixa de ser "por que este lote saiu ruim?" e passa a ser "qual variável de máquina saiu da faixa para que este lote saísse ruim?".

Essa é a virada do pilar de Manutenção da Qualidade do TPM — o Hinshitsu Hozen.

E aqui está o ponto que faz diferença entre um pilar que funciona e um pilar que vira checklist decorativo: o pilar te diz o que governar. Ele não te diz como provar. É aí que entra o Seis Sigma.

O JIPM define o Hinshitsu Hozen como a gestão voltada a estabelecer as condições físicas do equipamento que não geram defeito, e mantê-las de forma contínua.

A ideia central vem de Nakajima (1988): qualidade não se garante por inspeção ao final da linha — se constrói dentro da condição do equipamento. A inspeção detecta o defeito que já foi produzido. A gestão da condição impede que ele nasça.

Na prática, o que vejo na maioria das implantações de TPM é um desequilíbrio de investimento. As empresas aplicam energia pesada em Manutenção Autônoma e Melhoria Focada — os dois pilares mais visíveis, mais fáceis de mostrar em auditoria — e tratam o pilar de qualidade como "assunto do Controle de Qualidade". Como se qualidade fosse departamento, não condição de máquina.

Três consequências práticas aparecem em quase todo diagnóstico que faço:

Refugo recorrente tratado como variação normal. O mesmo defeito volta todo mês com uma causa raiz diferente. Isso não é sinal de que existem várias causas: é sinal de que a causa verdadeira nunca foi encontrada. Cada análise parte do zero e chega a uma conclusão diferente.

Ação corretiva em produto, não em máquina. Ajusta-se o parâmetro do processo, mas não a condição física que gerou a variação. O problema se desloca — às vezes para o turno seguinte, às vezes para a linha vizinha. Ganha-se tempo, não estabilidade.

Parâmetros de máquina sem padrão. Torque caiu, vibração subiu, temperatura oscilou, folga de válvula aumentou. Sem faixa de referência documentada, ninguém consegue afirmar que aquilo é anomalia. O desvio se normaliza porque não existe contraste.

O custo aparece onde o industrial mais olha: refugo, retrabalho, perda de extrato, hora de reprocesso, ocupação de tanque. E, principalmente, em reclamação de cliente que uma verificação diária de condição teria evitado.

Historicamente, as perdas de qualidade em processo são uma das maiores fatias das seis grandes perdas — e justamente a menos atacada por projetos de Melhoria Focada. A razão é simples: melhoria focada ataca o sintoma visível, e o defeito de condição é invisível até alguém decidir medir.

Combino a estrutura do JIPM com adaptação para processo contínuo de bebidas, onde o equipamento nunca para por completo e a correlação entre variável física e característica sensorial é mais difícil de enxergar.

Levantar os CTQ — Critical to Quality — e correlacionar cada um com as variáveis físicas que o influenciam. Exemplo real: extrato baixo no envase correlaciona com folga de válvula, pressão de CO₂ e temperatura de produto. Sem essa correlação explícita e documentada, toda análise de anomalia começa do zero.

Este é o passo mais negligenciado e o mais determinante. Um mapa de correlação bem construído vale mais do que dez ferramentas aplicadas sem direção.

Transformar a correlação em faixa mensurável: valor nominal, tolerância, frequência de verificação e responsável. Um padrão que não tem número, frequência e dono não é padrão — é intenção.

Documentar o estado físico que garante qualidade como padrão visual e operacional. O padrão precisa ser visível no Gemba, não arquivado em pasta de rede. Se o operador não consegue comparar o estado real com o estado ideal sem abrir um sistema, o padrão não existe no chão de fábrica.

Integrar à Manutenção Autônoma. A mudança conceitual aqui é sutil e poderosa: o operador verifica a condição, não apenas o produto. Ele passa a olhar a máquina com o mesmo cuidado com que olha a amostra.

Desvio detectado leva a 5 Porquês e Ishikawa 6M, com contramedida na condição — não no produto. É exatamente aqui que o pilar, sozinho, perde força. O 5 Porquês aponta o caminho; ele não confirma a hipótese. Voltarei a esse ponto.

Atualizar o plano de manutenção preventiva e replicar para equipamentos irmãos. É aqui que o ganho escala: um padrão provado em uma enchedora vira referência para as outras cinco da linha.

Auditoria de padrão, indicador de defeito por condição de máquina, ciclo PDCA. Sem gestão, o padrão se degrada em 60 dias. Essa é uma observação empírica que se repete: padrão sem auditoria tem meia-vida curta.

Se você acompanhou as etapas, notou que o pilar é impecável em método e frágil em prova. Ele diz o que medir, com que frequência, quem mede e o que fazer quando o desvio aparece. O que ele não faz é responder: quanto da variação do defeito essa variável realmente explica?

A resposta prática a essa pergunta é o que separa uma reunião de causa raiz que termina em "acho que é a válvula" de outra que termina em "esta variável explica 62% da variação do extrato, e a folga de válvula responde por 41% disso".

O DMAIC entra como espinha dorsal, mapeado diretamente contra as etapas do pilar:

• Define: qual defeito dói mais no refugo e no custo? Pareto primeiro, opinião depois. Este é o passo 1 do pilar traduzido em priorização.
• Measure: os CTQ viram variáveis mensuráveis de máquina — torque, pressão de CO₂, folga de válvula, temperatura de produto. E, antes de qualquer análise, a medição precisa ser validada. Sem isso, todo o resto é ficção numérica.
• Analyze: aqui o pilar ganha músculo estatístico. Correlação condição × qualidade, ANOVA entre turnos e cavidades, regressão múltipla, teste de hipótese. É o passo 5 deixando de depender da intuição experiente.
• Improve: a contramedida age na condição física, não no parâmetro do processo.
• Control: CEP, cartas de controle e padrão de condição auditado. Este é o casamento direto com a Gestão Diária do TPM, etapa 7 do pilar.

Este é o ponto onde a maioria dos projetos de TPM perde força. A análise de causa raiz fica no quadro branco, o grupo concorda, a contramedida sai — e três meses depois o defeito volta. Não porque o time errou, mas porque a conclusão nunca foi testada.

Sendo concreto sobre o que uso no cálculo:

MSA / Gage R&R — análise do sistema de medição. Antes de qualquer conclusão, provar que o instrumento distingue variação real de ruído de medição. Se o sistema de medição tem variação comparável à do processo, você vai otimizar erro. Este é o passo que mais projetos pulam — e o que mais custa caro pular.

Capabilidade — Cp, Cpk, Ppk. O equipamento sustenta a especificação? Um Cpk abaixo de 1,33 em variável crítica é um alarme que o checklist nunca dá, porque o checklist verifica o produto e não a capacidade da máquina de produzi-lo de forma consistente.

Correlação e regressão. A matriz de correlação condição × qualidade, prevista no pilar, vira gráfico de dispersão com R² calculado. A regressão múltipla vai além e diz qual das variáveis correlacionadas pesa mais — o que muda completamente a prioridade da contramedida.

ANOVA. Turno, cavidade, linha, fornecedor de insumo. Uma diferença entre cavidades que o olho não enxerga em amostragem manual aparece em segundos com planejamento adequado. Em enchedoras rotativas, esse é um achado clássico.

Cartas de controle e capacidade de processo. Separar causa comum de causa especial com limite calculado, não com regra de bolso. Errar essa distinção é o que faz empresas ajustarem o processo todos os dias sem ganhar estabilidade — cada ajuste em causa comum adiciona variação em vez de remover.

Delineamento de experimentos — DOE. Quando não se pode testar tudo ao mesmo tempo, o DOE mostra a interação entre variáveis que a análise univariada esconde. Exemplo real: pressão de CO₂ e temperatura de envase interagem. Ajustar uma isolada piora a outra — e o time conclui, erradamente, que "mexer na pressão não resolve".

PFMEA cruzado. Modo de falha da máquina com efeito no produto, priorizado por risco. Isso permite verificação diária nos pontos de maior risco, em vez do checklist de 80 itens que ninguém cumpre. O pilar diz para verificar; o risco priorizado diz o que verificar primeiro.

O ganho não é estatístico. É de decisão. É sair da reunião com evidência que sustenta a contramedida e que sobrevive a três meses de operação.

O CEP tradicional depende de apontamento manual — e apontamento manual tem três defeitos: atrasa, erra e some. Quando a variável crítica é registrada em planilha de turno, a análise de causa raiz depende da memória de quem estava lá. E a memória do turno é o pior sistema de armazenamento que existe.

Com sensores e coleta automática, a variável crítica entra no controle em tempo real e a análise deixa de depender de lembrança.

Na prática: monitoramento de vibração, temperatura e pressão com alarme em faixa; painel de condição × qualidade no Gemba; correlação histórica entre desvio de máquina e lote refugado.

É aqui que os três mundos convergem, e vale pensar neles com funções distintas:

• O pilar do TPM define o que medir — a correlação entre característica de qualidade e variável física.
• O Seis Sigma define como provar — o método de análise que transforma dado em evidência.
• A Indústria 4.0 garante que o dado exista sem depender de alguém digitando sob pressão de produção.

Manutenção preditiva e controle de qualidade passam a beber da mesma base. Deixam de ser ilhas que reportam para gerências diferentes.

Não comece pela ferramenta estatística. Comece pela correlação. Antes de montar carta de controle ou abrir o Minitab, responda: qual defeito dói mais e qual variável de máquina o explica? Ferramenta sem pergunta é entretenimento técnico.

Valide a medição antes de analisar. Gage R&R primeiro. Todo Cpk calculado sobre sistema de medição não validado é ficção com aparência de rigor — e é pior que a ausência de análise, porque produz confiança falsa.

Um equipamento, um padrão de condição. Não tente padronizar a fábrica inteira no primeiro mês. Escolha o gargalo, prove o modelo, mostre o resultado e só então replique. Replicação sem prova é só padronização de opinião.

O pilar de qualidade do TPM não é sobre inspecionar mais. É sobre parar de produzir defeito por condição degradada — e medir a máquina com a mesma disciplina com que medimos o produto.

O Hinshitsu Hozen organiza o método. O Seis Sigma entrega a prova. Separados, um vira checklist e o outro vira relatório que ninguém lê. Juntos, mudam a decisão.

Se você já viveu o caso da máquina "boa" produzindo produto ruim, a variável fora da faixa é sempre óbvia depois que se mede. A pergunta que fica é: quanto tempo passou até alguém decidir medir?

Escrevo sobre gestão industrial, TPM, Lean 4.0 e a aplicação prática de dados e estatística no chão de fábrica — sempre a partir de problemas reais de operação, não de teoria de manual.

Se este artigo foi útil para você, no meu site você encontra os próximos conteúdos, os materiais completos e o que faço na gestão industrial:

👉 excelenciaindustrial.com.br

Se você já viveu o caso da máquina "boa" produzindo produto ruim, comenta aqui qual foi a variável fora da faixa. Discussões concretas valem mais que elogios.

#TPM #HinshitsuHozen #SeisSigma #LeanManufacturing #Qualidade #GestãoIndustrial