Mineradora reduz 5,62% do consumo de diesel da frota com DMAIC em projeto Black Belt

Um projeto Black Belt da Voitto, descaracterizado para proteger o cliente, mostra como uma mineradora usou o ciclo DMAIC para reduzir o consumo de diesel da frota sem apontar um culpado único entre os equipamentos.

O case vem do blog da Voitto, publicado pelo autor Thiago Coutinho, e relata um projeto real da formação Black Belt da empresa, com o cliente descaracterizado sob o nome Voitto Mining. É um projeto de mineração, mas o problema que ele resolve, frota pesada queimando diesel acima do previsto sem causa conhecida, é o mesmo que qualquer gestor de transporte ou de CD com frota própria reconhece.

O problema: 13,35% do custo operacional rodando sobre pneus

Na Voitto Mining, o diesel da frota móvel (caminhões fora de estrada, carregadeiras, escavadeiras e tratores) respondia por 13,35% de todo o custo operacional da empresa. A média medida em 44 dias, de 3 de setembro ao fim de outubro, foi de 16.664 litros por dia, acima do previsto para o ano.

Não havia uma causa clara nem um vilão óbvio. A diretoria tinha um número crescendo e uma frota grande demais para auditar caminhão por caminhão. Foi esse o problema entregue a um aluno da formação Black Belt, conduzido pelo roteiro DMAIC (definir, medir, analisar, melhorar, controlar).

A meta que saiu do intervalo de confiança, não do chute

A equipe não fixou a meta por desejo de diretoria. Calculou o intervalo de 95% de confiança para a média diária, que ficou entre 16.182 e 17.146 litros, e colocou a meta de 15.727,1 litros (queda de 5,62%) abaixo do limite inferior desse intervalo.

A lógica é a mesma de um teste de hipótese simples: se a meta caísse dentro do intervalo, bater nela poderia ser só a variação normal dos dias. Fora dele, atingir a meta exige mudar o processo de verdade. O ganho estimado foi de R$ 776.597 por ano, o que implica um custo anual com diesel em torno de R$ 13,8 milhões.

*Valor estimado neste artigo a partir da mesma proporção de redução, já que a apresentação original não detalha a linha de base desse indicador normalizado.

Dois Paretos planos: a pista que mudou a pergunta do projeto

A primeira hipótese natural é que algum modelo de caminhão gastasse muito mais que os outros. A equipe rodou um Pareto do consumo por modelo de equipamento e encontrou 17 categorias, nenhuma dominante: a maior participação individual foi de 16%, e as cinco maiores somaram apenas 53% do volume.

Um Pareto clássico concentra perto de 80% do problema em 20% das categorias. Aqui, chegar a 80% exigiu 11 dos 17 modelos. A equipe refez a análise com outro agrupamento da frota e o resultado se repetiu: maior fatia de 14%, cinco primeiros somando 52%.

Dois Paretos planos seguidos encerram essa linha de investigação. Se o consumo não se concentra em nenhum modelo, a causa não está no equipamento, está em algo comum a todos eles: a forma de operar, a carga levada, a manutenção e a gestão das atividades no pátio e nas frentes de lavra.

As cinco causas que atravessavam toda a frota

Com o Ishikawa levantando hipóteses e uma matriz de esforço e impacto priorizando o que valia a pena atacar primeiro, o projeto chegou a cinco causas raiz, todas transversais a qualquer modelo de caminhão ou carregadeira.

Duas dessas causas, o desligamento automático e o limitador de velocidade, viraram barreiras físicas, do tipo que não depende de disciplina do operador para funcionar. As outras três dependem de rotina de gestão e de controle contínuo, exatamente o ponto em que projetos desse tipo costumam perder o ganho depois de alguns meses.

O erro no caminho: ler a capacidade do processo ao contrário

Aqui está o deslize que o próprio case expõe. Na análise de capabilidade, a equipe usou a meta de 15.727 litros como limite único e obteve um Ppk de 0,20, com o software reportando 27,84% dos dias abaixo desse limite.

O problema é que, para diesel, menos consumo é melhor. Tratar a meta como limite inferior faz o software contar como "fora da especificação" os dias ruins (acima da meta) junto dos bons, só que invertido: os 27,84% reportados eram, na verdade, os dias bons, abaixo da meta. A leitura correta é que cerca de 72% dos dias ficavam acima dela, não os 27,84% lidos diretamente do relatório do software.

É um erro fácil de cometer e fácil de replicar em qualquer projeto de redução de consumo, seja de diesel, de energia ou de insumo. Toda vez que a meta for um teto (quanto menos, melhor) e não um piso, o analista precisa configurar a capabilidade como limite superior, senão o Ppk e o percentual fora da especificação saem com o sinal trocado.

O que muda para quem gerencia frota fora da mineração

O indicador final do case, litros por NE (unidade normalizada de produção da mina), cumpre o mesmo papel que custo por pedido ou litros por tonelada transportada cumprem numa operação de distribuição: ele tira o consumo absoluto da dependência do volume do dia e permite comparar dias, turnos e rotas de forma justa.

Para um gestor de CD, de transporte ou de last mile, a transposição do método é direta:

• Troque o Pareto por modelo de veículo por um Pareto por rota, por motorista ou por turno, antes de assumir que um veículo específico é o problema.
• Meça marcha lenta e excesso de carga com telemetria, do mesmo jeito que o case usou dados de consumo diário: são causas que não aparecem em relatório de produtividade, só em dados operacionais brutos.
• Trate causas comportamentais (velocidade, freada, filas) como prioridade de limitador físico e de rotina de manutenção, não só de treinamento, porque disciplina sem barreira tende a regredir.
• Antes de fixar meta de redução de custo por pedido ou por litro, calcule o intervalo de confiança da média atual: uma meta dentro do intervalo pode ser só ruído estatístico, não ganho real.

O que fica em aberto

O material divulgado pela Voitto não traz as planilhas completas do 5W2H nem os boxplots por turno ou frente de lavra citados na fase de medição, então não há como confirmar, por exemplo, se algum turno específico concentrava mais marcha lenta que outro. O gráfico final de litros por NE, de setembro a abril, mostra a operação cruzando a meta de 207, mas sem o detalhamento mês a mês de quanto cada uma das cinco causas contribuiu isoladamente para o resultado.

Fica também em aberto o que normalmente é o ponto mais frágil desse tipo de projeto: a fase de controle. O case lista ações de melhoria, mas não descreve como a Voitto Mining vai sustentar o ganho depois que o Black Belt deixar de acompanhar os números todo mês, o que para o leitor de frota significa perguntar, antes de replicar qualquer uma dessas ações, quem vai ser o dono do indicador litros por NE (ou seu equivalente) daqui a um ano.

Fonte 1: Voitto Blog (https://blog.voitto.com.br/artigo/case-black-belt-reducao-consumo-diesel)

Case Black Belt: redução do consumo de diesel | Voitto

Metodologias & Qualidade

Case Black Belt: redução do consumo de diesel numa frota de mineração

Um projeto real da formação Black Belt da Voitto, descaracterizado, contado pelas cinco fases do DMAIC: a meta tirada do intervalo de confiança, a capabilidade lida no sentido certo, o Pareto que não apontou culpado e as cinco causas que atravessavam toda a frota.

Por Thiago Coutinho

A redução do consumo de diesel numa mineradora não começa pelo caminhão que mais gasta. Neste case, começou por 44 dias de dados, uma meta derivada da média e dois gráficos de Pareto que não apontaram culpado nenhum.

A Voitto Mining, nome descaracterizado de uma mineradora de grande porte, tinha o diesel da frota móvel como 13,35% do custo operacional. A média de 16.664 litros por dia estava acima do previsto para o ano, sem causa conhecida.

O projeto fixou a meta em 5,62% de redução, 15.727 litros por dia, com ganho esperado de R$ 776.597 por ano. Pelo caminho passou por resumo estatístico, carta I-MR, capabilidade com Ppk de 0,20, Pareto, Ishikawa, matriz de esforço e impacto e 5W2H.

O relato segue as cinco fases do DMAIC e explica, em cada uma, por que a ferramenta foi escolhida, como ler o resultado e que decisão ele produziu. No fim, o gráfico de litros por NE mostra a operação abaixo da meta de 207.

A procedência precisa ficar clara. Trata-se de um projeto real de aluno da formação Black Belt da Voitto, descaracterizado para proteger o cliente. Os números vêm da apresentação original. O que foi acrescentado para explicar, como contexto do processo e exemplos de cálculo, está identificado como ilustrativo ou como derivação.

A frota que queima 13,35% do custo operacional da Voitto Mining

A Voitto Mining é uma mineradora de grande porte. Na mina, quem move minério e estéril são os equipamentos móveis: caminhões fora de estrada, carregadeiras, escavadeiras e tratores. Todos rodam a diesel, quase sempre em turnos que não param.

Esse diesel não é um custo lateral. Na apresentação do projeto ele aparece como o principal insumo da operação móvel e como 13,35% de todo o custo operacional da empresa. Uma variação pequena no litro consumido por dia vira milhões no ano.

O gatilho foi uma análise de gastos que mostrou o consumo acima do esperado para o ano. A diretoria não tinha uma causa. Tinha um número que crescia e uma frota grande demais para ser auditada caminhão por caminhão.

Foi esse o problema entregue a um aluno da formação Black Belt da Voitto, conduzido pelo roteiro do método DMAIC. A tabela resume o projeto antes de entrar nas fases.

De 16.664 para 15.727 litros por dia: de onde saiu a meta de 5,62%

A meta do charter não foi escolhida por intuição. A equipe partiu da média diária de 16.664 litros e fixou o alvo em 15.727,1 litros por dia. A diferença é de 937 litros diários, e 937 sobre 16.664 dá 5,62%.

O ganho anual declarado é de R$ 776.597. Dividido por 5,62%, ele indica uma base anual de gasto com diesel na ordem de R$ 13,8 milhões. E se esse valor é 13,35% do custo operacional, o custo operacional total gira em torno de R$ 103,5 milhões.

Essas duas contas são derivações feitas para este artigo a partir dos números da apresentação, e não valores que a equipe publicou. Elas servem para mostrar a escala do problema em que o projeto estava mexendo.

Há uma terceira conta ilustrativa que ajuda a ler o charter. Com 16.664 litros por dia em 365 dias, a frota consome cerca de 6,08 milhões de litros no ano. A redução de 5,62% equivale a uns 341.800 litros.

Dividindo R$ 776.597 por esses 341.800 litros, o preço implícito fica perto de R$ 2,27 por litro. É uma checagem de coerência, não um dado do projeto.

Um charter bem escrito amarra problema, meta e dinheiro na mesma linha, como mostra o guia de project charter. Aqui o problema estava em litros, a meta em percentual e o ganho em reais, e as três medidas fecham.

Quarenta e quatro dias de consumo e o que o resumo estatístico contou

A linha de base foi montada com 44 dias de consumo, de 3 de setembro ao fim de outubro. Antes de comparar qualquer coisa, a equipe rodou um resumo estatístico da variável litros por dia.

O valor-p de 0,208 no teste de normalidade de Anderson-Darling é maior que 0,05. A leitura é que não há evidência para rejeitar a normalidade. Isso libera as ferramentas que supõem distribuição normal, como intervalo de confiança da média e capabilidade.

Média e mediana quase coincidem, 16.664 contra 16.709 litros. A assimetria de menos 0,33 é pequena. O consumo diário se comporta como uma variável estável em torno de um centro, com dias bons e ruins espalhados dos dois lados.

O boxplot do mesmo resumo mostra dois pontos isolados, um perto de 12.000 e outro perto de 21.000 litros. A caixa central vai de 16.087 a 17.631, uma faixa de 1.544 litros onde caem metade dos dias.

O intervalo de confiança que separou a meta do ruído diário

O mesmo resumo traz o intervalo de 95% de confiança para a média: de 16.182 a 17.146 litros por dia. Esse intervalo diz onde a média verdadeira do período provavelmente está, dado que só 44 dias foram observados.

A equipe colocou esses dois limites ao lado da meta na apresentação, e a escolha tem lógica. A meta de 15.727 litros fica 455 litros abaixo do limite inferior do intervalo. Atingi-la exige mudar o processo, não esperar uma semana boa.

Essa comparação é a forma mais simples de raciocínio de teste de hipótese. Se a meta caísse dentro do intervalo, uma queda até ela poderia ser só a variação de sempre. Fora dele, qualquer resultado na meta é sinal de mudança real.

O intervalo do desvio padrão, de 1.310 a 2.009 litros, também importa. Ele avisa que a variação dia a dia é maior que a própria redução pretendida de 937 litros. Por isso o resultado teria de ser lido em tendência, nunca em um dia isolado.

A carta I-MR e o salto de 25 de outubro

Para ver o consumo no tempo, a equipe usou a carta de controle de valores individuais e amplitude móvel, a I-MR. Ela é a escolha natural quando cada dia gera um único número e não há subgrupo.

Os limites batem com a fórmula padrão. A linha central mais 2,66 vezes a amplitude móvel média dá 21.284 litros, e menos 2,66 vezes dá 12.044. O limite da amplitude é 3,267 vezes 1.737, cerca de 5.675 litros.

Na carta de valores, nenhum dia saiu dos limites. Na de amplitude, um ponto estourou: perto de 25 de outubro o consumo despencou do pico de 20.867 para 12.071 litros de um dia para o outro.

A leitura correta é que o processo estava estável na maior parte do período, e que houve um evento especial no fim de outubro. Um salto desse tamanho costuma ter causa atribuível, como parada de frota, mudança de turno ou erro de lançamento.

Ppk de 0,20 e nível sigma de 2,09: lendo uma capabilidade de limite único

A análise de capabilidade do processo foi feita com um único limite, igual à meta de 15.727,1 litros. Consumo de diesel não tem especificação de desenho, então a equipe transformou a meta em fronteira.

A conta do Z é direta: 16.664,3 menos 15.727,1, dividido por 1.595,11, dá 0,59. O Ppk é esse Z dividido por três, 0,20. O nível sigma soma ao Z o deslocamento convencional de 1,5, e 0,59 mais 1,5 dá 2,09.

Aqui cabe um cuidado de leitura. O software tratou a meta como limite inferior, então os 27,84% são a fração de dias com consumo abaixo da meta. Para diesel, menos é melhor, e esses são os dias bons.

A leitura útil é a inversa: cerca de 72% dos dias ficavam acima da meta. O Ppk de 0,20 mede o quão perto do alvo a média estava, não a qualidade do processo. Num projeto de redução do consumo de diesel, ler a capabilidade ao contrário inverte a conclusão.

O SIPOC do diesel: do tanque do posto à tonelada movimentada

A apresentação lista o SIPOC entre as ferramentas da fase de medição, mas não traz o quadro preenchido. Ele foi usado para delimitar o processo antes de procurar causa. O quadro abaixo é ilustrativo e mostra como esse SIPOC costuma ficar numa frota de mina.

O valor do SIPOC num projeto assim está no recorte. Ele mostra que o consumo depende de quatro áreas que não respondem ao mesmo gestor: operação, manutenção, planejamento e abastecimento. O guia de como fazer um SIPOC detalha o preenchimento.

A consequência prática é que nenhuma ação isolada de uma área iria fechar os 5,62%. O plano de ação teria de cruzar setores, e foi o que acabou acontecendo na fase de melhoria.

Dezessete modelos de equipamento no Pareto e nenhum grupo dominante

A primeira pergunta da medição foi onde o diesel se concentra, porque a redução do consumo de diesel começa por saber onde ele é gasto. A equipe montou um diagrama de Pareto do consumo por modelo de equipamento. Os nomes dos modelos foram trocados por letras para proteger o cliente.

O gráfico tem 17 barras, e as cinco maiores somam 53% do volume registrado. Um Pareto clássico concentra perto de 80% em 20% das categorias. Aqui, chegar a 80% exige 11 modelos, quase dois terços da lista.

Esse é um Pareto plano, e plano também é resultado. Ele diz que o consumo excessivo não mora num modelo específico. Trocar ou reformar um tipo de caminhão não resolveria o problema, porque o desperdício está espalhado pela frota.

O Pareto refeito com outro agrupamento e a troca do eixo da análise

A equipe refez o Pareto com outro agrupamento da frota, rotulado na apresentação como posterior aos articulados. A forma mudou pouco. O maior grupo passou a ter 14%, e os cinco primeiros somaram 52%.

Dois Paretos planos seguidos encerram uma linha de investigação. Se o consumo não se concentra em modelo, a causa precisa estar em algo comum a todos os modelos: a forma de operar, a carga, a manutenção e a gestão das atividades.

É a mesma lógica da estratificação: cortar o dado por um fator e ver se o problema se concentra. Quando não se concentra, o fator é descartado como explicação principal, e o próximo corte entra na fila.

Nesse ponto o projeto mudou de pergunta. Deixou de perguntar qual equipamento gasta mais e passou a perguntar que comportamento da operação gasta mais em qualquer equipamento. Essa troca orientou todo o resto da análise.

Freadas como efeito: o Ishikawa do diesel que vira calor no freio

Um dos diagramas de Ishikawa da apresentação tem como efeito as freadas. Para quem não é da área, a escolha parece estranha, mas tem física por trás.

Todo litro de diesel queimado para acelerar um caminhão carregado vira energia de movimento. Cada freada forte transforma essa energia em calor nas lonas e discos. Freou, perdeu o diesel que tinha gastado para chegar àquela velocidade.

A espinha mostra que a maior parte das causas de freada é comportamental ou de sinalização, e não de equipamento. Isso conversa com o Pareto plano: o desperdício segue o jeito de dirigir, que é igual em todos os modelos.

Do Ishikawa à matriz de causa e efeito: como as causas ganharam peso

O Ishikawa gera lista, não prioridade. A apresentação registra que a equipe usou uma matriz de causa e efeito para dar peso às causas. O formato abaixo é ilustrativo, com notas inventadas para mostrar a mecânica.

Na matriz, cada saída do processo recebe um peso de importância. Cada causa recebe nota de 0 a 9 pela força da relação com cada saída. O total da causa é a soma das notas multiplicadas pelos pesos.

O exemplo mostra o efeito do método: causas que afetam duas saídas sobem na lista, mesmo que pareçam menores. A matriz não decide sozinha, mas força o time a justificar cada nota, e as discussões mais úteis do projeto costumam sair dali.

O boxplot, também citado na fase de medição, entra para comparar a distribuição do consumo entre grupos, como turnos ou frentes de lavra. A apresentação não traz esses gráficos, então não há resultado a reportar aqui.

A matriz de esforço e impacto que deixou cinco causas na mesa

A fase de análise começou com um problema de excesso. O Ishikawa trouxe causas potenciais de vários setores da empresa, e atacar todas seria abrir um projeto por setor. A equipe reduziu o escopo com uma matriz de esforço e impacto.

Nessa matriz cada causa é posicionada por dois critérios: quanto ela pesa no consumo e quanto custa atacá-la. O quadrante de alto impacto e baixo esforço é atacado primeiro, e o de baixo impacto e alto esforço é descartado.

A lista final é curta e tem uma propriedade importante: as cinco causas atravessam todos os modelos de equipamento. Isso fecha com o que os dois Paretos já tinham mostrado.

Motor ligado parado e caçamba acima da capacidade

Duas das cinco causas têm explicação física simples.

A primeira é a marcha lenta. Um caminhão de mina parado na fila da carregadeira, com motor ligado, continua queimando diesel sem mover um quilo de material. Em turnos de 24 horas, com dezenas de equipamentos, essas horas somam muito.

Um exemplo ilustrativo mostra a ordem de grandeza. Se 30 equipamentos ficassem 1 hora por dia em marcha lenta a 15 litros por hora, seriam 450 litros diários. Isso é quase metade dos 937 litros da meta, sem tocar em nenhum outro fator.

A segunda é o excesso de carga. Caçamba acima da capacidade parece produtividade, porque leva mais material por viagem. Na prática o motor trabalha fora da faixa de melhor rendimento, a subida fica mais lenta e pneus, suspensão e freios desgastam antes.

O ponto comum é que nenhuma das duas aparece no relatório de produção. Por isso só foram visíveis quando o projeto parou de olhar para o modelo do equipamento e passou a olhar para a operação.

Velocidade, gestão das atividades e manutenção: as causas que dependem de rotina

As outras três causas não se resolvem com um ajuste técnico. Elas dependem de rotina de gestão, e é aí que muitos projetos perdem o ganho depois de alguns meses.

A falta de limitador de velocidade nas carregadeiras gera ciclos com aceleração forte e freada logo em seguida. É o mesmo mecanismo do Ishikawa das freadas, agora num equipamento que faz centenas de ciclos curtos por turno.

A gestão inadequada das atividades aparece como fila na frente da carregadeira, caminhão rodando vazio por rota longa e equipamento alocado onde não havia frente pronta. Cada uma dessas situações consome diesel sem gerar tonelada.

A falta de manutenção periódica fecha a lista. Filtro de ar saturado, bico injetor gasto e pneu com pressão errada elevam o consumo por hora. Uma rotina de manutenção produtiva total ataca essa causa na origem.

Para acompanhar se a manutenção está funcionando, indicadores como MTBF e MTTR mostram se as quebras diminuem. O consumo por hora de motor, por equipamento, é o indicador que liga manutenção e diesel.

O 5W2H que deu a cada causa uma ação, um dono e um prazo

Na fase de melhoria, a equipe usou o 5W2H para cada causa raiz. O método responde o quê, por quê, onde, quando, quem, como e quanto custa, e transforma uma causa em tarefa executável.

A apresentação lista as ações, mas não traz as planilhas do 5W2H. Uma linha ilustrativa mostra o nível de detalhe esperado. O quê: instalar limitador nas carregadeiras. Por quê: reduzir ciclos com aceleração e freada. Onde: frentes de lavra.

Continuando o exemplo ilustrativo. Quando: na parada programada seguinte de cada equipamento. Quem: supervisor de manutenção. Como: parametrização eletrônica ou dispositivo mecânico. Quanto: custo por unidade aprovado no orçamento do projeto.

Duas ações são barreira física e funcionam como poka-yoke: o limitador e o desligamento. As outras três dependem de disciplina e precisam de controle contínuo para não regredir.

Litros por NE de setembro a abril: o gráfico que mostra a meta de 207 sendo cruzada

O resultado foi apresentado num gráfico de série temporal do consumo em litros por NE, colorido por fase do DMAIC. O indicador normalizado é importante, porque o consumo absoluto sobe e desce com a produção da mina.

A meta nesse indicador é 207. Se ela representa a mesma redução de 5,62%, a linha de base estaria perto de 219 litros por NE, já que 207 dividido por 0,9438 dá 219,3. Essa é uma derivação deste artigo, coerente com os pontos vermelhos do gráfico original, que marcam a trajetória do indicador ao longo dos meses até a operação cruzar a meta de 207.

Fonte: Voitto Blog