Examples of lean six sigma applied to IT management

Binóculos ou lentes de aumento?
Exemplos da aplicação da abordagem
Lean Six Sigma na gestão de TI

José Luiz Kugler

I Desafios da gestão de TI

II Evolução das abordagens de gestão

III Sumário da abordagem Lean Six Sigma

IV Resumo da análise quantitativa

V Debate e conclusões

Desafios da gestão de TI

 Alinhar a TI com as prioridades e
objetivos dos usuários
 Atender os SLAs exigidos
 Otimizar os recursos existentes
 Acompanhar a evolução tecnológica
 Estimar a demanda futura
 Avaliar os impactos que a demanda
causará na infra-estrutura de TI e os
investimentos necessários
 Conciliar as perspectivas dos diversos
gestores e especialidades envolvidas

Desafios da gestão de TI

 A gestão de TI deve ser baseada na coleta
e análise de evidências
 Evidências são métricas associadas aos
recursos, objetos, eventos, resultados e
fatores críticos relacionados ao processo
produtivo da organização
 As métricas representam as variações e
tendências relacionadas aos volumes de
demanda, cargas de produção, janelas
críticas e demais fatores que impactam as
funções de TI

Na prática, a gestão de TI precisa...

 Monitorar a utilização de recursos
 Definir valores limite para o disparo de
alertas e ações corretivas
 Negociar SLAs realistas e adequados aos
recursos e competências da organização
 Criar uma base analítica para avaliar e
simular o consumo de recursos, incidência
de problemas e tendências futuras
 Identificar gargalos e pontos de turbulência
e recomendar adaptações e melhorias

Evolução das abordagens de gestão

• Just in Time
• Kanban

• Total Quality
• Deming • Six Sigma • Lean Six Sigma
• Kaisen
• Juran (Motorola) (GE)
• Benchmarking

• Lean Production
• Ohno
• Lean Thinking
(Toyota)
• Value Stream

A abordagem Lean Six Sigma

 Objetivos e diretrizes
Voice of the  Análise de resultados
Business  Idéias de investimentos

 Expectativas de performance
Voice of the  Análise dos Gaps
Customer  Idéias de projetos

 Medidas de performance
Voice of the  Análise do comportamento real/possível
Process e suas restrições
 Idéias de melhorias e inovação


 Os gestores precisam entender a Voz do
Processo e amenizar os Gaps em relação à
Voz do Cliente / Voz do Negócio
 Nenhum dado tem significado fora do
contexto que o originou
 Comparações entre pares de valores
raramente tem sentido, exceto para
“apagar incêndios”

Qual é a temperatura
típica em São Paulo,
em agosto?

Qual é a temperatura em São Paulo em agosto?

Qual é a temperatura em São Paulo em agosto?

12 graus
12 graus
12 graus


 O comportamento de qualquer sistema ou
processo está sujeito a variações
 Algumas variações são esporádicas (“ruído”)
 Outras refletem uma tendência (“sinal”), ou
seja, modificação mensurável na trajetória
do sistema
 Em alguns casos a variação é aleatória,
súbita, imprevisível e com forte impacto
(“black swans”)


Ruídos
Variação Sinais (tendências)
Catastróficas (“black swans”)

 Precisamos distinguir ruídos e tendências
 Sem este cuidado podemos interpretar ruídos como sinais
 Pior ainda, podemos não detectar os sinais imersos no
comportamento do sistema
 Sem análise quantitativa adequada o entendimento de
ruídos e tendências é precário


2ª. Feira 5ª. Feira ???

3ª. Feira 6ª. Feira ???

4ª. Feira

Nossas limitações cognitivas...

 Generalizamos com baixíssimo N
 Dificuldade para estimar freqüências e
probabilidades(nossas estimativas
“intuitivas” apresentam forte viés)
 Dificuldade para interpretar diversas
variáveis agindo de forma simultânea
 Somos suscetíveis aos eventos recentes
(“pior” inverno, verão, engarrafamento
de trânsito), principalmente se não
monitoramos de forma cumulativa o
fenômeno.


34% 34% Em um processo estabilizado (não
caótico), qual é a sua variação (VP)?

-1 +1 95,4%
2,3% 2,3%

-2 +2
99%
6 Sigma: 99,97%
0,5% 0,5%
3,4 ppm
-2,58 +2,58


 Análise das variações e suas causas
 Se não entendemos a variação e suas causas, os
Gaps VP vs. VC/VB vão persistir ou ampliar
 Para aproximar a VP da VC/VB podemos:
Aperfeiçoar o sistema
Alterar as especificações da VC/VB
Distorcer o sistema; ou
Distorcer os dados sobre o desempenho do sistema

I Os desafios da gestão de TI

II Evolução das abordagens de gestão

III Sumário da abordagem Lean Six Sigma

IV Resumo da análise quantitativa

V Debate e conclusões

Resumo da Análise Quantitativa

 Análise de 28 sistemas que rodam no mainframe
IBM de uma grande empresa
 Horizonte de análise: 36 meses
 As métricas colhidas para cada sistema foram:
Jobs executados
Programas
EXCPs
Service Units
CPU time
Elapsed time
Start time
End time
Abends de jobs
Abends de programas


 As primeiras 6 variáveis (número de jobs; número
de programas; EXCPs; service units; CPU time; e
elapsed time) são métricas de produção
 Expressam o consumo de recursos da instalação
 Representam a VP
 Os exemplos expostos são baseados em 9
sistemas, escolhidos de forma aleatória
 Horizonte reduzido para 10 meses

15.000.000.000

14.000.000.000

13.000.000.000

Service Units 12.000.000.000

Sistema CAM 11.000.000.000

10.000.000.000

9.000.000.000
2a. Feira 3a. Feira 4a. Feira 5a. Feira 6a. Feira Sábados Domingos

2.900.000.000
2.800.000.000
2.700.000.000

Service Units
2.600.000.000
2.500.000.000
2.400.000.000

Sistema OSA 2.300.000.000
2.200.000.000
2.100.000.000
2.000.000.000

32.000.000.000

31.000.000.000

30.000.000.000

Service Units 29.000.000.000

28.000.000.000

Sistema TFM 27.000.000.000

26.000.000.000

25.000.000.000

Abends Progr. /
Estabilidade Sistema Serv Units
TFM 9,31
 Quantidade de términos anormais CAM 1,99
de execução ICE 2,03
RAN 6,07
 Diretamente relacionada ao
OPQ 23,06
esforço de setup e retrabalho DAM 1,17
 Mensurada de forma proporcional BCA 8,57
ao tamanho dos sistemas XAL 36,43
OSA 10,32

número de abends de programas
Estabilidade = 107 x
service units


Volatilidade
 Variação das métricas de produção
 Mensurada pelas vezes em que o desvio padrão (Sigma)
é relevante (ou seja, amplo)
Score = 1 para desvio > 50%
Score calculado para cada sistema, para cada
métrica de produção


Volatilidade
 O score pode variar de zero (sem desvios significativos no período
observado) até o máximo de 42 (desvios significativos em todos os
dias da semana, nas 6 métricas de produção)


Volatilidade
 A volatilidade deve ser analisada em função
do seu impacto prático
 Se um sistema concentra sua produção nos
fins de semana e os picos de volatilidade
ocorrem nos dias úteis, esta variação é
menos danosa em comparação com outro
sistema cuja volatilidade coincide com o seu
período de maior demanda de produção
 A métrica deve ser calibrada em função do
número de vezes em que os maiores desvios
coincidem com os dias de maior demanda


Volatilidade
 O score final foi obtido atribuindo-se peso 1 para Sigma > 50% da média;
e peso 2 se a variação elevada coincidir com os picos de produção
Desv Padr / Média Maior variação
> 50% nas ocorre nos dias de Score de
Sistema 6 métricas maior demanda volatilidade Situação
TFM 3 0 3 Balanceado
CAM 5 0 5 Balanceado
ICE 8 4 16 Balanceado
RAN 14 3 20 Razoável
OPQ 17 8 33 Razoável
DAM 25 7 39 Crítico
BCA 29 8 45 Crítico
XAL 29 12 53 Crítico
OSA 42 23 88 Muito crítico

9
35
XAL
Instável 7
OPQ
30
5
OSA
25
1 6
TFM BCA
Estabilidade 20 2
RAN
15
8
ICE
10 4
CAM 3
DAM
Estável 5

Balanceado Volatilidade Volátil

Obs. Gráfico não está em escala

Debate e conclusões

 Precisamos das análises detalhadas de variáveis
isoladas (lente de aumento); e das que
sintetizam diversas variáveis (binóculo)
 A análise quantitativa não é feita no vazio; não
substitui a intuição e o conhecimento de quem
administra os problemas da instalação
 A análise provoca reflexão sobre certos Gaps
(exemplo: incidentes registrados vs retrabalho)
 Os resultados podem comprovar ou ampliar a
percepção dos gestores quanto aos riscos ou
vulnerabilidade de certos sistemas

Debate e conclusões

 Alterações (recursos, sequenciamento,
prioridade) em um sistema afetam toda a
cadeia
 Para análise de sequenciamento outras
modelagens estatísticas serão consideradas
 Outras variáveis serão incluídas em estudos
futuros

Muito obrigado!

José Luiz Kugler
jose.kugler@fgv.br

Perfil do palestrante

José Luiz Kugler
 Professor de Informática e Métodos Quantitativos da EAESP/FGV; e Diretor Presidente
da Optimize! Tecnologia da informação Ltda.
 Especialista em técnicas analíticas; desenvolveu projetos e pesquisas em gestão
estratégica, business intelligence, modelagem de indicadores de desempenho, data
mining e segmentação de clientes.
 Exerceu funções técnicas e executivas em empresas e órgãos governamentais no Brasil
e exterior. Foi Latin America Director na Informix Software Corporation; Diretor
Técnico e Diretor de Serviços Profissionais na CPM Sistemas; Managing Director na
Morgen Trading Company, New York; Professor Visitante na University of Pittsburgh,
Pennsylvania; e Professor Adjunto na Fordham University, New York.
 Foi membro fundador da Society for Information Systems e membro do conselho
editorial do Journal for Global Information Systems. Autor de 2 livros. Publicou artigos
no Brasil, Estados Unidos e Reino Unido.
 É Engenheiro Civil (UFPR), Mestre em Ciências em Administração (COPPEAD/ UFRJ),
pós-graduado em Information Economics (Carnegie Mellon University) e PhD,
Management Systems (University of Pittsburgh).

Examples of lean six sigma applied to IT management

Mais conteúdo relacionado

Destaque (16)

Semelhante a Examples of lean six sigma applied to IT management (20)

Último (20)

Examples of lean six sigma applied to IT management