Gu Niansong | Design AI+DFSS Seis Sigma: da teoria de engenharia à implementação na nuvem

Em 9 de maio, foi realizado com sucesso o salão «Série de Eventos Recursos Juntos pelo Caminho da Luz», coorganizado pela China Zhi Guang Multimídia · Ming Ke Tang e pela Feira de Iluminação de Ningbo. Este evento contou com a participação especial do professor Gu Niansong, um experiente especialista em P&D e inovação, focando no tema DFSS Design Seis Sigma — Capacitação por IA: da teoria de engenharia à implementação na nuvem. Com base em quase 30 anos de experiência prática em P&D interdisciplinar, foram abordados a lógica central do DFSS, simulações práticas de tolerâncias, AI-DFMEA e insights inteligentes de VOC, ajudando empresas de iluminação a integrar toda a cadeia — «teoria de engenharia → aplicação de ferramentas → capacitação na nuvem» —, oferecendo soluções completas para controlar riscos, aumentar a eficiência e atender ao mercado desde a origem do design.

Reconhecendo o DFSS: superando equívocos e voltando ao valor essencial

Ao iniciar o evento, o professor Gu esclareceu os equívocos mais comuns da indústria sobre o DFSS (Design Seis Sigma):

Muitos acreditam que o DFSS busca uma taxa de defeitos de 3,4 ppm; na verdade, isso é um «mito» — do ponto de vista estatístico, considerando a deriva a longo prazo de 1,5σ, 3,4 ppm corresponde a um nível unilateral de 4,5σ, com Cpk em torno de 1,5, e não aos teóricos 6σ. O que realmente importa não é o valor absoluto de ppm, mas a estabilidade do design diante das variações reais de fabricação.

A base teórica central do DFSS é o Teorema Central do Limite: um produto é montado a partir de múltiplos componentes, cada um com suas próprias tolerâncias e variações; independentemente da forma da distribuição de cada peça, desde que o número seja suficiente, a variação global da montagem final inevitavelmente seguirá uma distribuição normal.

O principal problema que o DFSS procura resolver é: diante das variações de fabricação dos componentes, como obter um design de produto robusto, desenvolver produtos corretos que realmente atendam às necessidades do mercado e controlar os riscos de P&D desde a origem.

Atualmente, o DFSS já formou uma estrutura metodológica completa para o desenvolvimento de produtos, conhecida como o processo DMADV:

• Define (Definição): clarificar o posicionamento do produto e as necessidades do mercado, evitando o desastre de «boa tecnologia, mas difícil de vender»

• Measure (Medição): quantificar as necessidades do cliente em especificações de produto e características-chave de qualidade (CTQ) aplicáveis

• Analyze (Análise): identificar riscos de design e fatores-chave de impacto por meio de ferramentas como DFMEA

• Design (Projeto): otimizar soluções utilizando métodos como design robusto, análise de tolerâncias e simulação de Monte Carlo

• Verify (Verificação): garantir que o design atenda aos requisitos por meio de testes de confiabilidade e verificação de CPK

O professor Gu enfatizou especialmente: «O DFSS não é um motor de criatividade, mas sim um motor de mitigação de riscos e redução de retrabalho; não é exclusivo para estatísticos, mas um método prático para que cada engenheiro compreenda a relação causal “Y = f(x)”; tampouco exige capacidade absoluta de 6σ, mas ajuda as empresas a encontrar o ponto ótimo entre custo e robustez.»

Implementação da Metodologia Central

Da análise de tolerâncias ao controle de riscos, resolvendo os principais gargalos de P&D

Quatro métodos de análise de tolerâncias; simulação de Monte Carlo resolve dificuldades em cenários complexos

A acumulação de tolerâncias após a montagem do produto é a causa central da baixa taxa de rendimento na produção em massa e dos problemas de confiabilidade. O professor Gu comparou quatro métodos comuns de análise de tolerâncias:

1. Método do pior caso (Worst-case): assume que todas as tolerâncias estão simultaneamente nos valores extremos; é o mais seguro, porém excessivamente conservador e de alto custo

2. Método da raiz quadrada da soma dos quadrados (RSS): baseado na suposição de distribuição normal, calcula a raiz quadrada da soma dos quadrados das tolerâncias; mais adequado para a maioria dos cenários de montagem mecânica

3. Média entre o pior caso e o RSS: um compromisso entre os dois métodos, equilibrando segurança e razoabilidade

4. Simulação de Monte Carlo: realiza simulações por amostragem aleatória de parâmetros, suportando qualquer distribuição e relações não lineares; é a solução preferida para sistemas complexos (como alinhamento óptico ou montagem por encaixe)

O professor Gu compartilhou um caso real: um problema de vazamento no acionador de água de um aspirador de piso, com cerca de 1 em cada 100 unidades apresentando vazamento, sem causa raiz encontrada por muito tempo. Após 5.000 simulações de Monte Carlo, descobriu-se que dois parâmetros juntos contribuíam com 85% da variação da folga; basta apertar as tolerâncias desses dois componentes críticos para resolver completamente o problema, evitando os altos custos de repetidas modificações de moldes. «Antigamente, problemas semelhantes levavam 6 meses e 3 mudanças de molde para serem resolvidos; com a simulação de Monte Carlo, bastaram 2 dias para localizar a causa raiz, gerando um ROI muito elevado.»

AI capacita o DFMEA, resolvendo pontos fracos tradicionais e permitindo controle de risco preventivo

O DFMEA (Análise de Modos de Falha e Efeitos do Design) é a ferramenta central para o controle de riscos de P&D, mas o DFMEA tradicional apresenta três grandes problemas:

• Alta dependência da experiência pessoal do engenheiro; jovens engenheiros têm dificuldade em cobrir todos os riscos potenciais

• Falta de banco de dados interno de falhas históricas da empresa; experiências se perdem com a rotatividade de pessoal

• Um DFMEA completo pode levar uma semana ou mais, frequentemente tornando-se apenas um documento preenchido retroativamente

A equipe do professor Gu desenvolveu a ferramenta AI-DQA (Garantia da Qualidade do Design), que resolve perfeitamente esses problemas por meio de um processo em quatro etapas para identificação automatizada de riscos:

1. Decomposição automática do produto: divide automaticamente o nome e a descrição do produto de entrada em uma estrutura tripla de «função → módulo → peça»

2. Integração de conhecimento multi-fonte: combina modelos de produtos incorporados, banco de dados interno de falhas da empresa, gráficos de conhecimento setorial e casos de falhas em tempo real de toda a internet

3. Análise inteligente por IA: calcula o número prioritário de risco (RPN) com base nos princípios do DFMEA e classifica automaticamente os 5 principais itens de alto risco

4. Geração de planos de mitigação: fornece medidas específicas de prevenção e melhoria para cada ponto de alto risco

Caso real: em um projeto de hub de casa inteligente, o DFMEA tradicional negligenciou o risco de dissipação de calor do regulador de alimentação. A ferramenta de IA, ao explorar o banco de dados de falhas de produtos similares, identificou-o como o segundo maior risco; adicionar apenas uma simples almofada térmica evitou possíveis perdas de recall de US$ 2 milhões, resultando em um retorno centenas de vezes superior ao valor da ferramenta apenas neste caso.

IA captura a Voz do Cliente (VOC), fazendo o «produto certo» desde a origem

«A maior dor de cabeça em meus 30 anos de P&D foi que muitos produtos tinham excelentes parâmetros técnicos, mas o mercado simplesmente não aceitava.» O professor Gu admitiu que os métodos tradicionais de VOC (questionários, grupos focais) não só são caros e demorados, como também tendem a apresentar viés, levando à desconexão entre a definição do produto e as reais necessidades do mercado.

A Ferramenta de Análise de Viabilidade do Produto impulsionada por IA permite uma mineração eficiente das necessidades dos usuários: basta inserir informações básicas como nome do produto, descrição, mercado-alvo e canal de vendas; o sistema extrai automaticamente vastos comentários de usuários e dados sociais de plataformas como Amazon e Xiaohongshu, gerando em minutos um relatório completo de análise de mercado, incluindo:

• Tendências de mercado: determina se a indústria está em fase de crescimento, estabilidade ou declínio

• Pontos problemáticos dos usuários: extrai pontos de insatisfação recorrentes das avaliações reais e os converte em especificações técnicas aplicáveis

• Análise da concorrência: mapeia os pontos fortes e fracos, bem como as faixas de preço dos principais concorrentes

• Lacunas de mercado: identifica oportunidades diferenciadas que os usuários precisam, mas ainda não são atendidas

• Avaliação de riscos: quantifica riscos técnicos e de mercado, fornecendo recomendações de entrada

«Eu já dirigi um aspirador de piso cuja confiabilidade alcançou nível 6σ, mas falhou comercialmente por ter perdido a tendência dos usuários para dispositivos sem fio. Se eu tivesse essa ferramenta de IA na época, poderia ter identificado essa tendência em 1 hora a partir dos dados de mercado, evitando enormes perdas de investimento.» O professor Gu enfatizou: «Mesmo a melhor execução do DFSS não salva um produto que ninguém quer; antes de quantificar as necessidades do mercado, não dê início a nenhum design.»

Jogo de Ferramentas SaaS na Nuvem

Reduzindo a barreira de entrada e capacitando toda a cadeia de engenharia

A equipe do professor Gu encapsulou 30 anos de experiência em engenharia em um conjunto de ferramentas SaaS AI-DFSS pronto para uso, incluindo quatro ferramentas principais: simulação de tolerâncias, AI-DFMEA, análise AI-VOC e análise de causas raízes de falhas. Isso reduz o trabalho de análise que antes levava dias para apenas alguns minutos, diminuindo drasticamente a barreira de entrada aos métodos estatísticos e permitindo que engenheiros comuns aprendam rapidamente, capacitando todas as decisões de engenharia.

Vantagens centrais das ferramentas:

✅ Cobertura completa do processo: desde a compreensão das necessidades do mercado e a prevenção de riscos de design até a análise das causas raízes de problemas na produção em massa, formando um ciclo fechado de P&D
✅ Suporte multilíngue: a interface da ferramenta e os relatórios permitem alternância entre chinês e inglês, atendendo às necessidades de empresas que operam no exterior
✅ Disponibilidade global: servidores implantados no exterior, permitindo acesso direto tanto dentro quanto fora do país, sem necessidade de configuração de rede adicional
✅ Iteração contínua: o conjunto de ferramentas é atualizado constantemente; atualmente já foram adicionadas ferramentas exclusivas para a indústria, como cálculo do índice de melatonina para iluminação saudável

Perguntas e Respostas Interativas

P

É preciso aguardar na fila para usar as ferramentas?

R

Não; basta inserir os parâmetros para executar a simulação e obter resultados instantâneos.

P

As ferramentas suportam relatórios multilíngues?

R

Atualmente suportam chinês e inglês; o relatório correspondente é gerado de acordo com o idioma selecionado no portal. Outros idiomas podem ser exportados e traduzidos manualmente.

P

É necessário configurar uma rede especial para acessar dentro do país?

R

Não; os servidores estão implantados no exterior, permitindo acesso direto tanto dentro quanto fora do país. No caso de uso doméstico, a velocidade de carregamento é apenas ligeiramente mais lenta, sem afetar a funcionalidade normal.

P

Quais outras áreas de aplicação da IA na indústria de iluminação?

R

Atualmente, a eficácia luminosa dos LEDs já se aproxima do limite físico da produção em massa; no futuro, o crescimento da indústria de iluminação estará principalmente na Qualidade da luz e na Inteligência Artificial. A IA pode ajudar as empresas a otimizar projetos de fórmulas luminosas, algoritmos de controle inteligente e correspondência de parâmetros de iluminação saudável, sendo a próxima competência central da indústria.

Conclusão

Abrace AI+DFSS para elevar a qualidade e a eficiência da P&D

O professor Gu resumiu enfatizando: «A IA é a verdadeira revolução industrial, capaz de aumentar a produtividade em cem vezes; quem não a abraçar será inevitavelmente deixado para trás. O DFSS não é uma teoria distante, e a IA não é um conceito inatingível; o conjunto de ferramentas que combina ambos já pode ajudar concretamente as empresas a resolver os principais gargalos de P&D, realizando a otimização completa da cadeia — de ‘fazer o produto certo’ para ‘fazer o produto certo’.»

Especial: O conjunto de ferramentas SaaS AI-DFSS oferece teste gratuito; bem-vindo ao registro para experimentar e criar produtos mais robustos e mais vendidos com AI+DFSS.

Entrada para o conjunto de ferramentas: https://app.techlife-suite.com

FIM

Nota: O conteúdo deste artigo foi compilado a partir da gravação da palestra do professor Gu Niansong em 9 de maio de 2026, intitulada «DFSS Design Seis Sigma — Capacitação por IA: da teoria de engenharia à implementação na nuvem», promovida pela Ming Ke Tang.

Clique aqui para assistir à retransmissão do curso