Procedimento de priorização de indicadores para projetos Kaizen baseado em método

multicritério

Indicator raking procedure for Kaizen projects based on multicriteria method

Versão do autor aceita publicada online: 09 jun. 2022

Publicado online: 12 ago. 2022

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.

Marcos Rogério Rodrigues

marcosrogeriorodrigues.75@gmail.com
https://orcid.org/0000-0002-5676-2384
Universidade Metodista de Piracicaba
Mestre em Engenharia de Produção

Remo Augusto Padovezi Filleti

remo.filleti@gmail.com
https://orcid.org/0000-0002-7935-8181
Universidade Metodista de Piracicaba
Doutor em Sustentabilidade

Maria Célia de Oliveira

mariacelia.oliveira@mackenzie.br
https://orcid.org/0000-0001-5082-5113
Universidade Presbiteriana Mackenzie
Doutora em Engenharia de Produção

André Luís Helleno

andre.helleno@mackenzie.br
https://orcid.org/0000-0001-6054-5895
Universidade Presbiteriana Mackenzie
Doutor em Engenharia de Produção

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.

Figura 2 - Classificação para comparação

Fonte: Bhushan e Rai (2007).

Para além da classificação qualitativa da comparação par-a-par, há também a classificação

quantitativa, por meio das relações de conversões apresentadas pela Tabela 1:
Tabela 1 - Escala para comparação quantitativa de alternativas

Fonte: Bhushan e Rai (2007).

Passo 3: Os resultados do Passo 2 são organizados em uma Matriz de Comparação (matriz

quadrada).
É válido salientar a característica recíproca das comparações par-a-par: se A é 3 vezes mais
importante que B, B é 1/3 mais importante que A. Sendo assim, somente metade das
comparações são necessárias (diagonal superior da matriz), já que cada elemento da metade
restante (diagonal inferior) pode ser calculado como o inverso de seu elemento simétrico.
Passo 4: Após a construção da Matriz de Comparação, ela é normalizada, dividindo cada
elemento pela soma das respectivas colunas. A partir da Matriz Normalizada, calcula-se o
autovetor, por meio da média aritmética de cada linha da Matriz Normalizada. Cada elemento
do vetor representa o peso/importância relativa de cada alternativa avaliada.
Passo 5: Após a finalização da matriz normalizada, deve-se verificar a sua consistência para
identificar possíveis contradições nas comparações. As contradições podem ser resultantes de
problemas como a definição vaga/pouco precisa da situação; informações insuficientes,
incorretas e/ou imprecisas, e falta de conhecimento/foco do decisor.
Para essa avaliação, é necessário calcular o Índice de Consistência (CI) e a Taxa Consistência
(CR). O índice de consistência é calculado pela Equação 1:

𝐶𝐼 = (𝜆𝑚𝑎𝑥 − 𝑛)/(𝑛 − 1) (1)

Tal que, λmax é o máximo autovalor da matriz normalizada e n é o número de alternativas do

problema.
Segundo Saaty (2005), para verificar se o valor encontrado do Índice de Consistência (CI) é
adequado, é preciso analisar a sua Taxa de Consistência (CR). Ela é determinada pela razão
entre o valor do CI e o Índice Randômico – RI (Equação 2):

𝐶𝐼
𝐶𝑅 = < 0,1 (2)
𝑅𝐼

Os valores de RI são fixos, com base no número de critérios/alternativas avaliadas, conforme

apresentado pela Tabela 2:

Tabela 2 - Índice de consistência aleatória

Fonte: Saaty (2005).

A matriz será considerada consistente se o valor de CR for menor que 10%.

Passo 6: Caso a matriz for considerada consistente, calcula-se a relevância de cada alternativa
por meio da multiplicação vetorial da matriz normalizada pelo autovetor. A priorização ocorre
depois, ordenando de maneira decrescente as alternativas em relação aos seus resultados de
relevância (i.e., a alternativa com maior resultado de relevância é a primeira, seguida pela
alternativa com o segundo maior resultado de relevância, e, assim, sucessivamente).

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.

3. Balanceamento das operações de montagem com o objetivo de reduzir o tempo de ciclo em

10% e evitar a implementação de turnos adicionais. Projeto recentemente implementado.

4. Aplicar melhoria contínua em processo gargalo de armazenagem de componentes para

introduzir novos produtos, evitando investimentos. Projeto recentemente implementado.

5. Mapear projetos de melhoria contínua com o propósito de gerenciar subprojetos em

andamento. Projeto em fase de seleção.

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.

O uso de um método de agregação consiste em, basicamente, agregar informações de diferentes

fontes e/ou tipos em um dado final, de tal modo que ele represente, em certa medida, os dados
usados para a sua confecção. O processo de consenso, por outro lado, consiste em juntar os
dados/informações necessárias para uma priorização/decisão e usá-los como base para uma
deliberação em grupo, este formado pelos tomadores de decisão.
Para o presente trabalho, ambas as opções foram avaliadas, porém escolheu-se pelo uso do
método de agregação devido à algumas limitações apresentadas pelo processo de consenso, tais
quais: dificuldade em reunir todos os líderes envolvidos na tomada de decisão e possibilidade
de ocorrência de grande divergência de opiniões, resultando em um tempo elevado para a
finalização do processo (ou até mesmo em um resultado de não-consenso).
Além disso, optou-se pela utilização de um método de agregação pois ele possibilita a síntese
de uma priorização final para cada projeto, a partir da avaliação individual de cada líder.
Dos métodos de agregação existentes mais usados, a média geométrica é uma das mais
indicadas para o AHP, pois, diferentemente da média aritmética, média aritmética ponderada,
ou da mediana, a média geométrica é a única que mantem a reciprocidade da matriz de
comparação par-a-par, parte fundamental da ferramenta (Aczel & Saaty, 1983; Krejeci &
Stiklasa, 2018).
Em linha gerais, a média geométrica é calculada a partir da multiplicação dos elementos de um
conjunto de dados, seguido da raiz do número de elementos contidos nesse conjunto. A fórmula
geral da média geométrica é apresentada pela Equação 3:

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.

Tabela 3 - Matrizes de comparação dos critérios, por projeto e por líder

Fonte: Autores.
Tabela 4 - Resultados priorização dos indicadores e da taxa de consistência do modelo
proposto, por projeto e por líder

Fonte: Autores.

A Tabela 3 introduz as matrizes de comparação, aplicado conforme passo 3 do referencial

teórico e exibindo as comparações par-a-par dos indicadores definidos por cada um dos três
líderes, para cada um dos 5 projetos. A partir dos dados da matriz de comparação, foi possível
obter a relevância de cada indicador avaliado dentro de cada projeto e para cada líder
entrevistado (autovetor do AHP - Tabela 4), conforme passo 4, para que a matriz seja
normalizada.
Além disso, a ferramenta AHP-OS também realizou o cálculo da taxa de consistência CR para
cada uma das matrizes de comparação seguindo o passo 5, e após a matriz ser normalizada.
Conforme é possível verificar na Tabela 4, todas as matrizes de comparação apresentaram
valores de CR menores que 0,1 (10%), o que, de acordo com o método AHP garante que tais
resultados obtidos possuem um nível aceitável de consistência segundo Saaty (2005).
A aplicação da média geométrica sobre os resultados das priorizações de cada líder permitiu
uma consolidação da priorização dos indicadores conforme passo 6 por ordem importância para
cada projeto. Essa etapa é importante para permitir a tomada de decisão sobre qual projeto
implementar com base nos indicadores de maior impacto: Pessoas, Qualidade, Velocidade e/ou
Financeiro.
O Gráfico 1 apresenta os resultados de priorização dos indicadores para cada um dos projetos:
Gráfico 1 - Resultados de prioridade por projeto
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:

Gráfico 2 - Resultados de prioridade por indicador em relação aos projetos

Fonte: Autores.
A partir desse novo enquadramento das informações obtidas, é orientar a seleção dos projetos
a serem realizados de modo a atender às necessidades dos tomadores de decisão a respeito de
qual indicador global deseja-se melhorar: para os indicadores de pessoas (P) e de Qualidade
(Q), o tomador de decisão deve optar pelo Projeto 5. Para o indicador de velocidade (V), a
maior aderência será atingida com o Projeto 2. Para o indicador financeiro (F), a maior
aderência será atingida ao realizar o Projeto 1.
É importante destacar que, diferentemente do que aconteceu com os outros projetos, os
resultados da aderência dos indicadores em relação ao escopo do Projeto 5 são muito próximos,
especialmente entre o indicador de pessoas e de velocidade (diferença de apenas 3%).
Tal aproximação entre os resultados obtidos deve-se, em grande parte, ao escopo mais
abrangente desse projeto, bem como por se tratar de uma melhoria no nível gerencial, enquanto
os outros projetos estão associados a ações do nível mais operacional. De fato, essa constatação
foi observada pelos líderes durante as entrevistas, causando uma maior insegurança e indecisão
a respeito dos impactos desse projeto em cada um dos indicadores.
Para minimizar essa insegurança/indecisão, foram sugeridas duas ações: a ampliação do
detalhamento do escopo do projeto e a divisão dos indicadores atuais em indicadores mais
específicos, possibilitando aos líderes uma visão mais ampla do projeto e do propósito.

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

Goelpel, K. D. (2021). Business Performance Management Singapore [Online tool]. Disponível

em: <https://bpmsg.com/ahp/ahp-calc.php>. Acesso em: 10 de janeiro de 2021.

Imai, M. (1986). Kaizen: The Key To Japan’s Competitive Success (1st ed.). McGraw-Hill
Education.

Imai, M. (1997). Gemba Kaizen: A Commonsense, Low-Cost Approach to Management (1st

ed.). McGraw-Hill.

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

McGinnis, M. A. (1999). The Kaizen Blitz: Accelerating Breakthroughs in Productivity and

Performance (1st ed.). Wiley

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. (1980). The Analytic Hierarchy Process (1st ed.). McGraw-Hill.

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