Matriz de priorização (com modelo de planilha)

Introdução rápida

Matrizes de priorização são utilizadas para organizar uma lista de opções em ordem de prioridade, baseando-se em critérios definidos.

Utilização

A partir de, por exemplo, um diagrama de afinidade existe uma lista de causas para um problema. Um time pode utilizar uma matriz de priorização para definir qual (ou quais) causa (causas) atacar primeiro.

Metodologia

Para mostrar a versatilidade das matrizes de priorização, suponhamos que um grupo de pessoas quer escolher uma lanchonete para o almoço, tendo a lista de opções abaixo:

• McLifes’ (fast food)
• King Burguers (fast food)
• SuperLanches (lanchonete de esquina)

Apesar da lista de opções reduzida o grupo não consegue entrar em consenso e resolve utilizar uma matriz de priorização para finalizar a escolha, que será baseada nos seguintes critérios:

• Distância do local de trabalho
• Limpeza do ambiente
• Tempo de preparo das refeições
• Opções do cardápio

Daqui em diante será utilizado o modelo de matriz de priorização (clique aqui para baixar o modelo em Excel).

Inicialmente se deve obter os pesos de cada critério para a seleção, sendo o ponto de partida a aba “Priorização” da planilha modelo. A figura 1 mostra os critérios listados, sendo confrontados entre si (os pesos são apresentados na tabela 1, as palavras melhor, pior e equivalente são coringas). Repare que somente as células com plano de fundo branco devem ser preenchidas.

Figura 1: pesos dos critérios

A figura 1 mostra que, para o grupo, a distância do local de trabalho é muito menos importante que a limpeza do ambiente, é mais importante que o tempo para preparo das refeições e é tão importante quanto as opções de cardápio. Já a limpeza do ambiente é muito mais importante que o tempo para preparo das refeições e que as opções do cardápio, e, finalmente, o tempo para preparo das refeições é tão importante quanto as opções de cardápio. Os confrontos recíprocos são calculados automaticamente, por exemplo, a limpeza do ambiente é muito mais importante do que a distância do local de trabalho.

Tabela 1: pesos para confronto entre linha e coluna

Peso	Significado
10	a linha é muito melhor que a coluna
5	a linha é melhor que a coluna
1	a linha é equivalente à coluna
0,2	a linha é pior que a coluna
0,1	a linha é muito pior que a coluna

O peso da distância do local de trabalho é de 0,15 (15%), o da limpeza do ambiente é de 0,76 (76%), o do tempo para preparo das refeições é de 0,03 (3%)  e o das opções de cardápio é de 0,05 (5%), totalizando, por arredondamento, 1,00 (100%).

Após definidos os pesos de cada critério, as opções são confrontadas entre si tomando os critérios, individualmente, como base. A figura 2 mostra as opções de lanchonete confrontadas levando em conta a distância do local de trabalho. A McLifes’ é mais perto do que a KingBurguers e mais longe do que a SuperLanches e a King Burguers é mais longe que a SuperLanches (se fosse muito mais longe teria sido atribuido peso 0,1 no confronto).

Figura 2: opções confrontadas levando em conta a distância do local de trabalho

As figuras 3, 4 e 5 mostram as opções de lanchonete confrontadas levando em conta os critérios restantes.

Figura 3: opções confrontadas levando em conta a limpeza do ambiente

Figura 4: opções confrontadas levando em conta o tempo de preparo das refeições

Figura 5: opções confrontadas levando em conta as opções de cardápio

Interpretação

Após preenchidas todas as matrizes de confronto a aba “Seleção” da planilha modelo nos dá a resposta. A figura 6 mostra que a opção SuperLanches é a melhor escolha (barra vertical mais alta) para o grupo (baseada nos critérios definidos).

Figura 6: gráfico mostrando as opções (a maior barra vertical é a vencedora)

A figura 7 mostra os resultados numéricos, quanto maior a pontuação, maior a prioridade. Como a pontuação leva em conta todos os confrontos, se os critérios forem os mais adequados os resultados são extremamente confiáveis.

Figura 7: resultados numéricos (quanto maior o valor na linha classificação mais prioritária é a opção)

Diagramas de afinidade

Introdução rápida

Diagramas de afinidade foram criados na década de 1960 por Kawakita Jiro e são eficazes para organizar informações qualitativas a respeito de problemas, produtos ou processos.

Utilização

Frequentemente diagramas de afinidade são o ponto de partida em um processo de resolução de problemas. Após uma sessão de brainstorming, várias ideias estão disponíveis, mas não organizadas, necessitando ser dispostas de uma maneira gerenciável - é um momento convidativo para  a criação  diagramas de afinidade.

Metodologia

Traduza o problema, mesmo que seja complexo, em uma frase. Por exemplo: “parafuso quebra por excesso de torque” ou “muitas ligações perdidas por excesso de espera”. Cada membro do time deve fazer uma lista de ideias sobre a causa do problema, é interessante que as ideias sejam escritas em post-its ou papéis independentes. A figura 1 mostra ideias vindas de um grupo formado por 3 membros, não é necessária a identificação da proveniência de cada ideia, para não gerar timidez ou medo nos participantes.

Figura 1: cada membro do grupo escreve suas ideias em post-its

Após eliminadas as ideias repetidas, os papéis devem ser agrupados por afinidade (a ideia X da figura 1 aparece duas vezes, portanto um dos post-its pode ser eliminado antes da próxima etapa).

A figura 2 mostra ideias separadas em grupos, sendo os cabeçalhos dos grupos post-its de cor diferente dos das ideias. Os cabeçalhos são a última etapa do processo de separação por afinidade, ou seja, somente são criados quando todas as ideias estão separadas em grupos bem definidos.

Figura 2: ideias agrupadas por afinidade

Interpretação 

Ao final do processo um conjunto maior de ideias pode ser representado por um conjunto menor de ideias principais: os cabeçalhos (14 ideias viram 4 ideias principais no caso da figura 2). É importante enfatizar que as ideias são agrupadas de maneira qualitativa, fazendo com que os diagramas de afinidade sejam ferramentas importantes para ganhar foco e então analisar dados de maneira mais robusta (utilizando uma matriz de priorização, por exemplo).