segunda-feira, 21 de julho de 2014

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).

Nenhum comentário:

Postar um comentário