2022-Rodrigues-Procedimento de Priorizacao de Indicadores ... Multicriterio
2022-Rodrigues-Procedimento de Priorizacao de Indicadores ... Multicriterio
2022-Rodrigues-Procedimento de Priorizacao de Indicadores ... Multicriterio
multicritério
Como citar esse artigo - American Psychological Association (APA): Rodrigues, M. R., Filleti, R.
A. P., Oliveira, M. C., & Helleno, A. L. (2022). Procedimento de priorização de indicadores para
projetos Kaizen baseado em método multicritério. Exacta. DOI:
https://doi.org/10.5585/exactaep.2022.21661.
Resumo
O método Kaizen tem como objetivo principal a redução dos custos operacionais por meio da
melhoria contínua. Apesar da importância do uso dessa técnica, os resultados obtidos a partir
da implantação de projeto Kaizen podem ser limitados, caso não haja um alinhamento entre
seus objetivos e as diretivas da empresa. Para superar essa possível adversidade, o presente
estudo propõe um procedimento para classificar projetos Kaizen por meio da priorização de
seus indicadores, a partir do método multicritério Analytic Hierarchy Process (“Processo
Analítico Hierárquico”, em português). Uma vez definido e estruturado o procedimento, ele foi
aplicado por meio de um estudo de caso em uma empresa do ramo de máquinas e equipamentos
da região de Campinas. Durante a realização do estudo de caso, três líderes de produção foram
entrevistados para que avaliassem cinco projeto Kaizen diferentes em relação a quatro
indicadores globais da empresa: Pessoal, Qualidade, Velocidade e Financeiro. A partir das
avaliações individuais de cada líder para cada projeto, lançou-se mão de um método agregativo
(i.e., média geométrica) para unificar os resultados de cada projeto e, assim, classificá-los de
acordo com a aderência de cada um deles aos indicadores globais estudados.
Palavras-chaves: Kaizen. Análise de Decisão Multicritério. AHP. KPI.
Abstract
The main objective of Kaizen method is to reduce operating costs through continuous
improvement. Despite the importance of this technique, the results obtained from its
implementation may be limited if the implementation of Kaizen projects is not well alignment
with company's guidelines. To address this issue, the present study proposes a procedure to
classify Kaizen projects by prioritizing their indicators, using the multicriteria Analytic
Hierarchy Process method. Once the procedure was defined and structured, it was employed
in a case study for a machinery/equipment company at Campinas region - Brazil. During the
case study’s implementation, three shop-floor leaders were interviewed to evaluate five
different Kaizen projects regarding four global indicators of the company: People, Quality,
Velocity and Finance. Based on the individual evaluations of each leader for each project, an
aggregative method (i.e., geometric mean) was applied to unify the results for each project and,
thus, classify them according to their adherence to the company’s global indicators.
Keywords: Kaizen. Multiple-criteria decision analysis. AHP. KPI.
1 Introdução
A manutenção da competitividade de uma empresa em um mercado cada vez mais integrado e
global é um dos maiores desafios enfrentados hoje por gestores no mundo todo. Nesse contexto,
uma gestão das operações eficientes que busquem a melhoria contínua dos processos é
fundamental. De acordo com Slack, Chambers, Harland, Harrison e Johnston (2009), não
incentivar o processo de melhoria contínua em uma empresa vai além de uma desvantagem
competitiva apenas, uma vez que prejudica o atendimento das necessidades dos consumidores,
resultando no distanciamento entre as operações e os objetivos da organização.
Dentre as diferentes ferramentas voltadas à melhoria dos processos em empresas (e.g., Análise
de Pareto, 5S, Kaizen, Diagrama de Ishikawa e o Jidoka), o Kaizen se destaca (Womack &
Jones, 2003; Wu, Xu & Xu, 2016; Belekoukias, Garza-Reyes & Kumar, 2014). Segundo Imai
(1986), a palavra “Kaizen” possui origem japonesa e representa uma caracterização ampla de
melhoria contínua, podendo assumir diferentes propósitos e normalmente implementada por
meio de projetos.
A priorização e seleção dos projetos Kaizen é uma etapa importante que influencia diretamente
nos resultados dos indicadores da empresa. Segundo Bhushan e Rai (2004), a tomada de decisão
passa, frequentemente, por um processo de seleção entre diversas oportunidades/alternativas.
Quando isso ocorre, a existência de meios que possibilitem a identificação das alternativas mais
benéficas e/ou apropriadas para a execução é fundamental.
Assim, os tomadores de decisão, responsáveis pela seleção das ações a serem executadas,
devem usar técnicas que permitam priorizar os projetos que contribuam efetivamente para a
organização, de acordo com as diretrizes e critérios já estabelecidos. Nesse sentido, métodos
multicritérios de apoio à tomada de decisão, tal como o Analytic Hierarchy Process – AHP
(“Processo Analítico Hierárquico” em português), se apresentam como ferramentas valiosas
para esse fim.
Atualmente, o uso do AHP relacionado a implementação de projetos Kaizen em empresas se
dá no lado da demanda, ou seja, a ferramenta é usada para identificar se há necessidade ou não
da execução desses tipos de projetos (Prasetyaningsih, Muhamad & Amolina, 2020; Amin,
Mahmood & Kamat, 2019; Nurcahyo, Apriliani, Muslim & Wibowo, 2019; Silbert, 2019; Al-
Aomar & Hussain, 2019). A partir dessa constatação, verificou-se que há uma carência de
estudos que lançam mão da ferramenta no lado da oferta, ou seja, que ajudem a classificar,
dentro de um portifólio de opções de projetos Kaizen, aqueles que possuem mais aderência às
demandas identificadas. Em um contexto de recursos limitados (i.e., tempo, mão-de-obra e
capital financeiro), é fundamental que uma empresa tenha meios de escolher, entre uma lista de
opções, os projetos de melhoria contínua que mais impactam positivamente seus indicadores
de desempenho, maximizando, assim, seus resultados.
O presente trabalho explora essa lacuna e propõe, a partir do método AHP, o desenvolvimento
de um procedimento para classificar os projetos de melhoria contínua por meio da priorização
de seus indicadores, aplicando-o, logo depois, em um estudo de caso para uma empresa de
manufatura de máquinas e equipamentos.
O resto do trabalho está organizado como se segue. O segundo capítulo apresenta o referencial
teórico com ênfase nos conceitos básicos desta pesquisa, o Kaizen e o AHP. O terceiro capítulo
introduz os materiais e métodos usados no trabalho. No quarto capítulo, são apresentados os
resultados da pesquisa e a discussão destes. Por fim, o capítulo 5 fornece as considerações finais
da pesquisa.
2 Referencial Teórico
Kaizen é um termo japonês que significa "mudança para melhor", formado pela combinação de
dois ideogramas japoneses, Kai (改) - mudança e Zen (善) - melhor. Essa prática é um conceito
abrangente (“conceito guarda-chuva”) para uma filosofia da gestão baseada em um conjunto de
princípios e valores fundamentais para a implementação da melhoria contínua, tais como
(IMAI, 1986, 1997):
• Compromisso e liderança da alta administração;
• Foco em processos;
• Gestão de melhorias do Gemba (local onde as coisas acontecem);
• Participação das pessoas;
• Abordagem sem julgamento e sem culpa;
• Padronização, disciplina e constância;
• Habilidades de experimentação e observação;
• Pensamento sistêmico.
De acordo com Smadi (2009), muitas empresas que implementaram o Kaizen apresentaram
resultados favoráveis em relação à redução de custos e à melhoria na competitividade. Segundo
Glover, Farris e Van Aken (2014), as melhorias geradas pela aplicação do Kaizen nas empresas
vão além dos custos e de competitividade, impactando positivamente também os indicadores
de qualidade do produto/serviço, tempo de processo e motivação dos funcionários. Brunet e
New (2003) destacam o método Kaizen como um elemento chave do sucesso para as empresas
de manufatura.
Em um estudo de caso em uma indústria de pequeno porte de manufatura na Índia, Arya e
Choudhary (2015) avaliaram que, a partir da aplicação do Kaizen, foi possível reduzir os custos
de produção a partir da mitigação de perdas nos processos avaliados. Segundo os autores, o uso
do método possibilitou a redução do tempo de acesso ao estoque em inventario em 13%,
acarretando a economia com custos de mão-de-obra; a otimização de layout, reduzindo em 44%
de deslocamento entre as células para coleta de componentes e 85% do tempo de ciclo; e
diminuição da área operacional, gerando economia nos custos variáveis. Em um mercado
emergente como o da Índia, essas reduções permitem melhorar a competitividade tanto nacional
quanto internacionalmente.
Para Farris, Van Aken, Doolen e Worley (2008), um projeto Kaizen deve ter o seu
desenvolvimento e realização por uma equipe multifuncional dedicada, tendo como objetivo
aplicar melhorias nos processos de uma determinada área em um curto período. Sanchez,
Robert, Bourgault e Pellerin (2009) vão além e salienta que um projeto Kaizen não é isolado
das demais práticas de uma empresa e que, portanto, sua formulação e execução deve levar em
conta os objetivos das diferentes áreas envolvidas da empresa.
Glover, Farris e Van Aken (2014) sustentam que o Kaizen pode ser importante na melhoria
incremental dos processos, por meio de eventos direcionados na evolução de indicadores
específicos do processo, tais como indicadores de qualidade, velocidade, tempo, produtividade
e motivação dos funcionários.
O tempo e a execução desses eventos podem variar a depender da estrutura da empresa, número
de pessoas envolvidas e objetivos. Segundo Liker (2004), um evento Kaizen tem a duração de
aproximadamente uma semana e deve contar com a participação do gerente responsável pelo
processo a ser melhorado, chamado de “dono do processo”, o qual desempenha o papel de líder
junto às pessoas que executam o processo. Além disso, é aconselhável que o evento seja
realizado por uma equipe de aproximadamente 15 pessoas, e com a participação de clientes e
fornecedores.
Alukal e Manos (2006), por outro lado, defendem um ciclo de oito semanas para a realização
de um evento Kaizen eficaz. Nas que três primeiras semanas do evento, a equipe deve se reunir
e preparar o projeto. Na quarta semana, a equipe determina o estado atual da área determinada,
cria ideias para a melhoria dos processos e implementa, dentre as ideias criadas, as melhores.
As demais semanas são usadas para acompanhamento da conclusão das ideias e certificação de
que o projeto realmente foi concluído.
Os eventos Kaizen são reconhecidos por estruturar/facilitar a implementação do método Kaizen
nas empresas e, consequentemente, são parte importante da melhoria contínua das operações.
Nesse sentido, é fundamental que a concepção e execução dos eventos Kaizen se baseiem nos
indicadores chave de desempenho que a empresa busca melhorar (Glover, Farris & Van Aken,
2014).
Os indicadores chave de desempenho, mais conhecido como KPI (“Key Performance
Indicator”, em inglês), são critérios que contém as principais informações dos processos. Eles
definem as métricas de desempenho da empresa de acordo com suas prioridades/objetivos,
sendo utilizadas também na definição da estratégica do negócio. Para Lin, Shen, Sun e Kelly
(2011), os KPI’s são parâmetros utilizados para quantificar a eficiência ou efetividade de ações
passadas, sendo essenciais na mensuração do desempenho.
O uso de indicadores de desempenho é comum e muito utilizado em diversos segmentos
produtivos. Na indústria, ele é fundamental para o gerenciamento dos processos e na tomada de
decisões, sendo necessária uma seleção a respeito de quais indicadores deverão ser usados. Ter
informações disponíveis, com qualidade e em tempo hábil a respeito dos processos das
empresas é um fator de grande importância para os gestores que procuram assertividade quanto
às ações a serem realizadas.
Mcginnis (1999) salienta que a maioria dos objetivos do evento Kaizen são mensuráveis e
possuem métricas comuns, dentre as quais estão a produtividade, o trabalho em processo -
(“Work in Progress”, em inglês), o espaço físico, a taxa de transferência, o tempo de entrega, o
tempo de configuração, o tempo de viagem parcial, a porcentagem de entrega no prazo, os
defeitos, a taxa de produtividade as medidas de desempenho de produto, o preço e a diversidade
de linhas de produtos. Esses objetivos dos eventos Kaizen estão alinhados com os KPIs
principais da manufatura enxuta.
A execução dos eventos Kaizen devem resultar na escolha de projetos que proporcionam o
melhor retorno, em linha com os indicadores de desempenho definidos pela organização. Para
que esse resultado seja possível, o tomador de decisão precisa saber previamente como cada
projeto levantado durante um evento Kaizen irá impactar cada um dos KPI’s da empresa, de
modo a decidir qual ou quais deles deverão ser implementados. Para esse fim, o uso de métodos
multicritério como o AHP, pode facilitar muito uma tomada de decisão mais assertiva.
O AHP foi desenvolvido por Thomas Saaty (1980) na década de 80, e consiste em um método
de tomada de decisão multicritério fundamentado na avaliação par-a-par de alternativas em
termos de importância relativa, de acordo com os critérios estabelecidos, tanto quantitativos
quanto qualitativos.
Segundo Vargas (1990), o AHP é uma ferramenta que analisa variáveis quantificáveis e/ou
critérios intangíveis para a tomada da decisão e/ou resolução de conflitos. Ela se baseia no
princípio de que, na tomada de decisão, o conhecimento/experiência dos envolvidos no
processo decisório é tão valioso quanto os dados quantitativos.
Desde sua criação, ele tem sido amplamente utilizado nos mais variados setores da indústria,
para os mais variados fins. Stocker, Villar, Roglio e Abib (2018) usaram o AHP para identificar
os critérios mais relevantes na tomada de decisão sobre demissões. Dentre os diferentes critérios
avaliados, os autores classificaram o compromisso, o histórico de desempenho e a confiança
como os elementos de maior impacto nesse tipo de decisão.
Farhan, Tolouei-Rad e Osseiran (2016) lançaram mão do método para auxiliar na escolha dos
parâmetros de processo mais adequados para máquinas-ferramenta de finalidades específicas
(“Special Purpose Machines”, em inglês). Baswaraj S., Sreenivasa Rao e Pawar, (2018)
desenvolveram um modelo para tomada de decisão, baseado no AHP, para ser usado na
indústria siderúrgica secundária, auxiliando na escolha dos parâmetros do processo de
reciclagem de aço, de modo a melhorar a qualidade do produto.
Sousa, Melo, Aquino e Jerônimo (2021) criaram um modelo baseado em AHP de classificação
dos fatores críticos para a melhoria do processo produtivo, sob a ótica da Manutenção Produtiva
Total (TPM), aplicando-o em seis empresas localizadas na região do Complexo Industrial de
Suape. Silva, Shibao, Barbieri, Librantz e Santos (2018) usaram a ferramenta para identificar
as barreiras na Gestão da Cadeia de Suprimentos Verde na indústria automotiva.
Há casos também do uso do AHP para a implementação da manufatura enxuta na indústria
eletroeletrônica. Kiatcharoenpol, Laosirihongthong, Chaiyawong e Glincha-em (2015)
mapearam, para o setor de produção de componentes eletrônicos tailandeses, 12 fatores críticos
de sucesso e, por meio do AHP, priorizaram os fatores críticos de sucesso mais relevantes para
o setor estudado. Os resultados do estudo identificaram que os recursos tecnológicos eram o
fator mais importante no sucesso da implementação da manufatura enxuta do setor.
Em conjunto com o Método Kaizen, o AHP tem sido usado para auxiliar na identificação de
possibilidades de melhoria em diferentes situações/processos: na cadeia de suprimentos
(Prasetyaningsih, Muhamad & Amolina, 2020; Al-Aomar & Hussain, 2019), gestão da
qualidade (Silbert, 2019; Nurcahyo, Apriliani, Muslim & Wibowo, 2019) e cadeia de valor
presente e futuro (Amin, Mahmood & Kamat, 2019).
Os procedimentos metodológicos adotados para este trabalho são baseados em uma abordagem
descritiva e qualitativa. O método proposto, baseado no AHP, foi aplicado em uma empresa
manufatureira, por meio de entrevistas com líderes de uma linha de produção de geradores
elétricos. As atividades desenvolvidas nesse trabalho são descritas a seguir.
O AHP baseia-se na decomposição de um problema em uma hierarquia de subproblemas,
permitindo uma melhor compreensão dele. Saaty (1990) afirma que o AHP é indicado para a
comparação de um número finito de alternativas, de modo que os participantes selecionem
somente os fatores que são essenciais para tomar a decisão.
Os passos para a aplicação do método são descritos a seguir:
Passo 1: Decomposição do problema com uma hierarquia de objetivos, critérios, subcritérios e
alternativas conforme Figura 1:
Figura 1 - Estrutura hierárquica genérica
Fonte: Bhushan e Rai (2007).
O uso do AHP se inicia com a decomposição do problema em uma hierarquia de critérios para
que seja possível o tomador de decisão fazer uma análise comparativa e independente. Uma vez
definida a lógica da hierarquia, realiza-se a comparação par-a-par sistemática das alternativas.
Passo 2: Comparação par-a-par das alternativas, por parte dos entrevistados/tomadores de
decisão, os quais podem classificar uma comparação como: igual, marginalmente forte, forte,
muito forte e extremamente forte. No caso apresentado pela Figura 2, o “x” indica que B é
muito forte quando comparado com A.
𝐶𝐼
𝐶𝑅 = < 0,1 (2)
𝑅𝐼
3 Materiais e Métodos
O estudo de caso foi realizado em uma empresa multinacional de grande porte da região de
Campinas, os instrumentos e protocolos de pesquisa adotados baseiam-se, em uma pesquisa
estruturada com gestores dessa empresa, por meio de entrevistas e questionários.
O fenômeno a ser avaliado na empresa estudada foi o método de escolha de projetos Kaizen. A
pesquisa foi conduzida com três líderes do processo de produção de geradores elétricos: um
Gerente de Qualidade (líder 1), um Gerente de Operações (líder 2) e um Especialista Master
Black Belt (líder 3). Os líderes analisaram cinco projetos Kaizen diferentes, dos quais quatro já
haviam sido recentemente implementados e um estava em processo de seleção. Nessa análise,
o AHP foi usado para identificar a aderência de cada um dos projetos aos quatro indicadores
globais da empresa: Pessoal (P), Qualidade (Q), Velocidade (V) e Financeiro (F).
Os projetos Kaizen selecionados para a aplicação da metodologia desenvolvida são descritos a
seguir:
1. Adequação da linha de montagem para introduzir um produto com volume adicional de 4
equipamentos por dia (atual 6) atendendo ao TT (takt time) atual dos produtos. Aumento de
6 para 10. Projeto recentemente implementado.
2. Aumentar o volume de 10 para 12 equipamentos por dia para atingir o tempo de ciclo (TC)
entre pedido e entrega do produto em oito semanas. Projeto recentemente implementado.
A aplicação individual do AHP por parte dos líderes foi realizada a partir da ferramenta web
AHP-OS, uma solução livre e desenvolvido por Goelpel (2018; 2021), da Business
Performance Management Singapore – BPMSG. Ela foi escolhida para a realização dessa etapa
do processo devido à facilidade de configuração e aplicação, bem como pela sua função de
cálculo automático do índice de consistência (CR).
A partir dos resultados de priorização obtidos com os líderes entrevistados, consolidou-se as
informações dos indicadores para cada projeto e líder em tabelas, de modo a facilitar a análise
e discussão do desempenho do método, comparar os resultados obtidos entre os projetos e
líderes.
Após a consolidação dos resultados de cada líder para cada projeto, é necessário definir um
resultado de priorização final dos indicadores por projeto, a partir das informações fornecidas
por cada líder.
Para esse fim, pode-se utilizar, basicamente, dois tipos de ferramentas: métodos de agregação
ou processo de consenso (Figura 3).
Figura 3 - Métodos de decisão individual e coletiva
Adaptado: Pauer, Schmidt, Babac, Damm, Frank e von der Schulenburg, 2016.
𝑀𝑔 = 𝑛√𝑥1 ∗ 𝑥2 ∗ … ∗ 𝑥𝑛 (3)
Tal que,
Mg = Media Geométrica;
𝐧 = Número de elemento do conjunto de dados;
𝒙𝒊 = Valor do dado i, com i = 1, ..., n.
No presente estudo, a média geométrica será aplicada para agregar os resultados da aplicação
do AHP de cada indicador, em cada um dos 5 projetos, a partir das pesquisas realizadas
individualmente com os líderes 1, 2 e 3.
Desse modo, a partir da fórmula geral da média geométrica (Equação 3), definiu-se o cálculo
de agregação para cada indicador, a partir dos resultados de cada líder (Equação 4):
3
𝑀𝐺𝐼 = √𝐿1 ∗ 𝐿2 ∗ 𝐿3 (4)
Tal que,
𝐌𝐆𝐈 = Média Geométrica do Indicador;
𝐋𝟏 = Resultado do Indicador fornecido pelo líder 1;
𝐋𝟐 = Resultado do Indicador fornecido pelo líder 2;
𝐋𝟑 = Resultado do Indicador fornecido pelo líder 3.
A partir dos resultados agregados de MGI para cada um dos projetos Kaizen avaliados, foi
possível classificá-los/priorizá-los em relação a aderência deles com cada um dos quatro
indicadores globais da empresa. A Figura 4 sintetiza os processos envolvidos até os resultados
de priorização dos indicadores para cada projeto seguindo o passo 1 para realização da
decomposição do problema com uma hierarquia de objetivos, critérios, subcritérios e
alternativas.
Figura 4 - Método de agregação por Média Geométrica
Fonte: Autores.
4 Resultados e Discussões
As Tabela 3 e 4 apresentam os resultados obtidos pela aplicação da ferramenta AHP-OS na
avaliação dos indicadores para cada projeto, realizado por cada líder. Essa etapa é realizada
conforme passo 2, 3 e 4.
Fonte: Autores.
Tabela 4 - Resultados priorização dos indicadores e da taxa de consistência do modelo
proposto, por projeto e por líder
Fonte: Autores.
A partir dele, é possível verificar que, para o Projeto 1, o indicador financeiro apresentou a
maior aderência às metas definidas no escopo do projeto, com uma contribuição de 63,7% da
meta. O indicador com a segunda maior aderência foi a velocidade, com 21,7% (42% menor
que o indicador financeiro). Na sequência, a aderência à meta dos outros indicadores foram
7,1% para pessoas e 6,7% para qualidade.
Para o Projeto 2, o indicador velocidade apresentou a maior aderência às metas definidas pelo
escopo do projeto, com uma contribuição de 57,5% da meta, uma aderência de 30,2% acima do
indicador com o segundo melhor resultado, o indicador financeiro, com 27,3%. Na sequência,
a aderência à meta dos indicadores restantes foram 7,4% para qualidade e 6,2% para pessoas.
Assim como no Projeto 1, o indicador financeiro apresentou a maior aderência às metas
definidas no escopo do Projeto 3, com uma contribuição de 57,3%% da meta, seguido pelo
indicador de velocidade, com 27,2% (30,1% menor que o indicador financeiro). A aderência à
meta dos outros indicadores foi bem menor: 7,6% para qualidade e 6,3% para pessoas.
Os resultados de priorização do Projeto 4 foram muito similares aos do Projeto 3. O indicador
financeiro apresentou a maior aderência às metas definidas no escopo do projeto, com uma
contribuição de 56,8%% da meta, seguido pelo indicador de velocidade, com 26,9% (29,9%
menor que o indicador financeiro). A aderência à meta dos outros indicadores foi,
respectivamente, 7,9% para qualidade e 6,5% para pessoas.
Por fim, para o Projeto 5, verificou-se que o indicador velocidade apresentou a maior aderência
às metas definidas no escopo do projeto, com uma contribuição de 25,8% da meta, seguido pelo
indicador de pessoas (22,8%), qualidade (16%) e financeiro (10,5%).
Considerando os resultados apresentados pelo Gráfico 1, foi possível elencar, para cada projeto
avaliado, seu grau de aderência aos indicadores globais da empresa. Tal informação se mostra
de grande relevância aos tomadores de decisão, uma vez que possibilita, dentre as alternativas
existentes, identificar àquela que mais se adequa às necessidades de melhoria dentro da
empresa.
Para facilitar ainda mais essa análise, o Gráfico 2 apresenta os resultados de aderências dos
projetos por indicador:
5 Considerações Finais
O presente trabalho propôs um método de classificação de projetos Kaizen baseado na
ferramenta AHP, por meio da definição e priorização dos indicadores de desempenho relevantes
para uma empresa de manufatura.
Como forma de verificar a aplicabilidade desse método, um estudo de caso foi realizado em
uma empresa do ramo de máquinas e equipamentos da região de Campinas. Nesse estudo de
caso, três líderes de produção foram entrevistados para que avaliassem cinco projeto Kaizen
diferentes em relação a quatro indicadores globais da empresa: Pessoal, Qualidade, Velocidade
e Financeiro.
Foi possível verificar que a priorização dos indicadores por projeto, a partir da aplicação do
método proposto, permitiu a classificação de cada um dos projetos Kaizen avaliados em relação
à aderência destes aos indicadores mais relevantes da empresa, possibilitando ao tomador de
decisão uma visão mais direcionada sobre quais projetos/opções de melhoria contínua melhor
atendem às suas necessidades naquele momento.
Os Projetos 1, 3 e 4 tiveram maior aderência (superior a 56% nos três casos) ao indicador
Financeiro, seguido pelo indicador de Velocidade (superior a 21% nos três casos). O Projeto 2
teve uma aderência maios ao indicador Velocidade (57,5%), seguido pelo indicador Financeiro
(27,3%). Em relação ao Projeto 5, seus resultados apresentaram as menores variações entre os
indicadores avaliados, sugerindo uma certa indecisão, por parte dos avaliadores, sobre quais
indicadores ele teria maior impacto positivo. Contatou-se que essa menor variação entre os
resultados obtidos se deveu, em grande parte, ao escopo mais abrangente desse projeto e ao tipo
de melhoria, de nível gerencial, enquanto os outros projetos possuem um caráter mais
operacional.
Por fim, foram observadas algumas oportunidades de melhorias no desenvolvimento do método
proposto, em especial a ampliação da quantidade de líderes participantes, bem como uma maior
estratificação dos indicadores avaliados, de modo a contribuir com uma melhoria no
detalhamento da classificação, bem como na redução de distorções decorrentes de um número
pequeno de participantes.
Referências
Aczél, J., & Saaty, T. L. (1983). Procedures for synthesizing ratio judgements. Journal of
Mathematical Psychology, 27(1), 93-102. https://doi.org/10.1016/0022-2496(83)90028-7
Alukal, G. & Manos, A. (2006). Lean Kaizen: a simplified approach toprocess improvements
(1st ed.). ASQ Pr.
Al-Aomar, R., & Hussain, M. (2019). Exploration and prioritization of lean techniques in a
hotel supply chain. International Journal of Lean Six Sigma, 10(1), 375-396.
https://doi.org/10.1108/IJLSS-10-2017-0119
Amin, A. N. M., Mahmood, W. H. W., & Kamat, S. R. (2019). Lean practices for waste
prioritising in machining based product. International Journal of Mechanical and Production
Engineering Research and Development, 9(5), 305-318.
https://doi.org/10.24247/ijmperdoct201926
Arya, A. K., & Choudhary, S. (2015). Assessing the application of Kaizen principles in Indian
small-scale industry. International Journal of Lean Six Sigma, 6(4), 369-396.
https://doi.org/10.1108/IJLSS-11-2014-0033
Baswaraj S., A., Sreenivasa Rao, M., & Pawar, P. J. (2018). Application of AHP for process
parameter selection and consistency verification in secondary steel manufacturing. Materials
Today: Proceedings, 5(13), 27166–27170. https://doi.org/10.1016/j.matpr.2018.09.027
Belekoukias, I., Garza-Reyes, J. A., & Kumar, V. (2014). The impact of lean methods and tools
on the operational performance of manufacturing organisations. International Journal of
Production Research, 52(18), 5346-5366. https://doi.org/10.1080/00207543.2014.903348
Bhushan, N., & Rai, K. (2004). Strategic Decision Making: Applying the Analytic Hierarchy
Process (1st ed.). Springer-Verlag London. https://doi.org/10.1007/b97668
Brunet, A. P., & New, S. (2003). Kaizen in Japan: An empirical study. International Journal of
Operations and Production Management, 23(11-12), 1426-1446.
https://doi.org/10.1108/01443570310506704
Farris, J. A., Van Aken, E. M., Doolen, T. L., & Worley, J. (2008). Learning from less
successful kaizen events: A case study. EMJ - Engineering Management Journal, 20(3), 10-20.
https://doi.org/10.1080/10429247.2008.11431772
Farhan, U. H., Tolouei-Rad, M., & Osseiran, A. (2016). Use of AHP in decision-making for
machine tool configurations. Journal of Manufacturing Technology Management, 27(6), 874-
888. https://doi.org/10.1108/JMTM-02-2016-0028
Glover, W. J., Farris, J. A., & Van Aken, E. M. (2014). Kaizen Events: Assessing the Existing
Literature and Convergence of Practices. Engineering Management Journal, 26(1), 39-61.
https://doi.org/10.1080/10429247.2014.11432003
Goepel, K. D. (2018). Implementation of an Online Software Tool for the Analytic Hierarchy
Process (AHP-OS). International Journal of the Analytic Hierarchy Process, 10(3), 469-487.
https://doi.org/10.13033/ijahp.v10i3.590
Imai, M. (1986). Kaizen: The Key To Japan’s Competitive Success (1st ed.). McGraw-Hill
Education.
Krejčí, J., & Stoklasa, J. (2018). Aggregation in the analytic hierarchy process: Why weighted
geometric mean should be used instead of weighted arithmetic mean. Expert Systems with
Applications, 114, 97–106. https://doi.org/10.1016/j.eswa.2018.06.060
Kiatcharoenpol, T., Laosirihongthong, T., Chaiyawong, P., & Glincha-em, C. (2015). A Study
of Critical Success Factors and Prioritization by Using Analysis Hierarchy Process in Lean
Manufacturing Implementation for Thai SMEs. In E. Qi, Q. Su, J. Shen, F. Wu, & R. Dou
(Eds.), Proceedings of the 5th International Asia Conference on Industrial Engineering and
Management Innovation (IEMI2014) (pp. 295–298). Atlantis Press.
https://doi.org/10.2991/978-94-6239-100-0_54
Liker, J. K (2004). The Toyota way: 14 management principles from the world's greatest
manufacturer (1st ed.). McGraw-Hill.
Lin, G., Shen, G. Q., Sun, M., & Kelly, J. (2011). Identification of Key Performance Indicators
for Measuring the Performance of Value Management Studies in Construction. Journal of
Construction Engineering and Management, 137(9), 698–706.
https://doi.org/10.1061/(ASCE)CO.1943-7862.0000348
Maslesa, E., Jensen, P. A., & Birkved, M. (2018). Indicators for quantifying environmental
building performance: A systematic literature review. Journal of Building Engineering,
19(March), 552–560. https://doi.org/10.1016/j.jobe.2018.06.006
Nurcahyo, R., Apriliani, F., Muslim, E., & Wibowo, A. D. (2019). The Analysis of the
Implementation of 5-S Principles Integrated With ISO 9001 Requirements at Higher Education
Level. SAGE Open, 9(3). https://doi.org/10.1177/2158244019870773
Pauer, F., Schmidt, K., Babac, A., Damm, K., Frank, M., & von der Schulenburg, J.-M. G.
(2016). Comparison of different approaches applied in Analytic Hierarchy Process - an example
of information needs of patients with rare diseases. BMC Medical Informatics and Decision
Making, 16(1), 117. https://doi.org/10.1186/s12911-016-0346-8
Prasetyaningsih, E., Muhamad, C. R., & Amolina, S. (2020). Assessing of supply chain
performance by adopting Supply Chain Operation Reference (SCOR) model. IOP Conference
Series: Materials Science and Engineering, 830(3), 0-6. https://doi.org/10.1088/1757-
899X/830/3/032083
Saaty, T. L. (1990). How to make a decision: The analytic hierarchy process. European Journal
of Operational Research, 48(1), 9-26. https://doi.org/10.1007/978-1-4614-3597-6_1
Saaty, T. L. (2005). Theory and Applications of the Analytic Network Process: Decision Making
with Benefits, Opportunities, Costs, and Risks (3rd ed.). RWS Publications.
Sanchez, H., Robert, B., Bourgault, M., & Pellerin, R. (2009). Risk management applied to
projects, programs, and portfolios. International Journal of Managing Projects in Business,
2(1), 14-35. https://doi.org/10.1108/17538370910930491
Silbert, J. S. V. (2019). The assay of the implementation of 5-s principles integrated with iso
9001 requirements on automobile industry. International Journal of Recent Technology and
Engineering, 8(3), 5531-5536. https://doi.org/10.35940/ijrte.C5454.098319
Silva, F. C. da, Shibao, F. Y., Barbieri, J. C., Librantz, A. F. H., & Santos, M. R. dos. (2018).
Barreiras à gestão da cadeia de suprimentos verde na indústria automotiva. Revista de
Administração de Empresas, 58(2), 149-162. https://doi.org/10.1590/s0034-759020180204
Slack, N., Chambers, S., Harland, C., Harrison, A., Johnston, R. (2009). Administração da
produção (3rd ed.). Editora Atlas.
Smadi, S. Aaluak. (2009). Kaizen strategy and the drive for competitiveness: Challenges and
opportunities. Competitiveness Review, 19(3), 203-211.
https://doi.org/10.1108/10595420910962070
Sousa, J. V., Melo, F. J. C., Aquino, J. T., & Jerônimo, T. de B. (2021). Using AHP to improve
manufacturing processes in TPM on industrial and port complex. Exacta, 19(3), 523-549.
https://doi.org/10.5585/exactaep.2021.16693
Stocker, F., Villar, E. G., Roglio, K. D. D., & Abib, G. (2018). Dismissal: Important criteria in
managerial decision-making. Revista de Administração de Empresas, 58(2), 116-129.
https://doi.org/10.1590/s0034-759020180202
Vargas, L. G. (1990). An overview of the analytic hierarchy process and its applications.
European Journal of Operational Research, 48(1), 2-8. https://doi.org/10.1016/0377-
2217(90)90056-H
Womack, J. P., & Jones, D. T. (2003). Lean Thinking: Banish Waste and Create Wealth in Your
Corporation (2nd ed.).Free Press.
Wu, Z., Xu, J., & Xu, Z. (2016). A multiple attribute group decision making framework for the
evaluation of lean practices at logistics distribution centers. Annals of Operations Research,
247, 735-757. https://doi.org/10.1007/s10479-015-1788-6