[{"_1":2,"_3":-5,"_4":-5},"loaderData",{"_5":6,"_7":8},"actionData","errors","root",{"_26":27,"_28":29,"_30":12,"_31":12,"_32":12,"_33":29,"_34":12,"_35":12,"_36":12,"_37":12,"_38":-5,"_39":40},"routes/canvas.shared.$sharedTextdocId",{"_9":10,"_11":12},"sharedTextdoc",{"_13":14,"_15":-7,"_16":17,"_18":19,"_20":21,"_22":23,"_24":12,"_25":12},"isAuthenticated",false,"sharedTextdocId","69ed16b40924819194c5cb7bcb4edf8d","versionInt","title","Game Six Sigma Jornada Black Belt","type","code/react","content","import React, { useMemo, useState } from \"react\";\nimport { motion } from \"framer-motion\";\nimport { Card, CardContent } from \"@/components/ui/card\";\nimport { Button } from \"@/components/ui/button\";\nimport { Badge } from \"@/components/ui/badge\";\nimport { Progress } from \"@/components/ui/progress\";\n\nconst phaseOrder = [\"define\", \"measure\", \"analyze\", \"improve\", \"control\"];\n\nconst sigmaTable = [\n { sigma: 6, dpmo: 3.4, yield: 99.99966, label: \"Classe mundial\" },\n { sigma: 5, dpmo: 233, yield: 99.977, label: \"Alta precisão\" },\n { sigma: 4, dpmo: 6210, yield: 99.38, label: \"Competitivo\" },\n { sigma: 3, dpmo: 66807, yield: 93.3, label: \"Precisa redesenhar\" },\n { sigma: 2, dpmo: 308537, yield: 69.1, label: \"Processo em crise\" },\n];\n\nconst rewardsCatalog = [\n { id: \"white\", title: \"White Belt Digital\", icon: \"🥋\", description: \"Primeiro ciclo DMAIC concluído com domínio dos fundamentos.\" },\n { id: \"yellow\", title: \"Yellow Belt Operacional\", icon: \"🟡\", description: \"Boa leitura de processo, dados e priorização.\" },\n { id: \"green\", title: \"Green Belt Estratégico\", icon: \"🟢\", description: \"Você conectou causa raiz, melhoria e controle.\" },\n { id: \"black\", title: \"Black Belt de Simulação\", icon: \"⚫\", description: \"Você sustentou ganhos sob pressão operacional.\" },\n { id: \"master\", title: \"Mestre da Qualidade Inteligente\", icon: \"🏆\", description: \"Você liderou excelência operacional com dados e IA.\" },\n];\n\nconst icons = {\n define: \"⚠️\",\n measure: \"🎚️\",\n analyze: \"📊\",\n improve: \"⚡\",\n control: \"🛡️\",\n};\n\nconst phaseBank = {\n define: [\n {\n subtitle: \"O gatilho da crise\",\n scene: \"O cliente aeroespacial ameaçou cancelar o contrato por causa de defeitos em campo.\",\n objective: \"Definir escopo, cliente, impacto e CTQs.\",\n question: \"Como você inicia o projeto?\",\n options: [\n { label: \"Atacar todos os defeitos ao mesmo tempo\", feedback: \"Sem foco, o orçamento cai e o processo continua confuso.\", effect: { budget: -35, trust: -8, dpmo: 8000 } },\n { label: \"Criar SIPOC, ouvir o cliente e definir CTQs\", feedback: \"Boa decisão. O projeto ganha foco e os dados certos aparecem.\", effect: { budget: -8, trust: 16, dpmo: -25000 } },\n ],\n },\n {\n subtitle: \"A pressão do cliente premium\",\n scene: \"Um cliente pede rastreabilidade total, mas a equipe ainda não sabe qual requisito é mais crítico.\",\n objective: \"Separar urgência de prioridade técnica.\",\n question: \"Qual primeira decisão reduz risco?\",\n options: [\n { label: \"Prometer defeito zero imediatamente\", feedback: \"A promessa gera expectativa alta, mas sem base técnica.\", effect: { budget: -18, trust: -12, dpmo: 12000 } },\n { label: \"Mapear VOC, CTQs e limites de especificação\", feedback: \"Você transforma pressão comercial em critério técnico.\", effect: { budget: -7, trust: 16, dpmo: -18000 } },\n ],\n },\n {\n subtitle: \"O projeto invisível\",\n scene: \"Produção fala em velocidade, qualidade fala em retrabalho e vendas fala em atraso.\",\n objective: \"Converter opiniões conflitantes em projeto mensurável.\",\n question: \"Como transformar o caos em DMAIC?\",\n options: [\n { label: \"Criar carta de projeto com meta, escopo e impacto\", feedback: \"Você cria alinhamento e transforma discussão em missão mensurável.\", effect: { budget: -10, trust: 12, dpmo: -22000 } },\n { label: \"Fazer uma reunião aberta sem escopo fechado\", feedback: \"O debate aumenta, mas a decisão não avança.\", effect: { budget: -16, trust: -6, dpmo: 8000 } },\n ],\n },\n ],\n measure: [\n {\n subtitle: \"O diagnóstico estatístico\",\n scene: \"A linha processou 5.247 unidades, teve 83 defeitos e 12 oportunidades de falha por unidade.\",\n objective: \"Calcular DPMO e enxergar a gravidade real.\",\n question: \"Qual leitura você faz dos dados?\",\n options: [\n { label: \"Calcular DPMO e comparar com o padrão aeroespacial\", feedback: \"Você calculou 1.318 DPMO. Parece bom, mas ainda é arriscado para aeroespacial.\", effect: { budget: -6, trust: 10, setBaseline: true } },\n { label: \"Usar apenas a média de produção\", feedback: \"A média esconde a variabilidade e enfraquece a análise.\", effect: { budget: -12, trust: -10, dpmo: 15000 } },\n ],\n },\n {\n subtitle: \"O risco da medição ruim\",\n scene: \"Dois inspetores classificam o mesmo defeito de formas diferentes.\",\n objective: \"Validar o sistema de medição.\",\n question: \"O que fazer antes de decidir?\",\n options: [\n { label: \"Padronizar critérios e validar o sistema de medição\", feedback: \"Você reduz ruído e passa a confiar melhor nos dados.\", effect: { budget: -12, trust: 12, dpmo: -30000 } },\n { label: \"Ignorar divergências e seguir com os números\", feedback: \"Dados ruins levam a conclusões frágeis.\", effect: { budget: -6, trust: -12, dpmo: 24000 } },\n ],\n },\n {\n subtitle: \"A armadilha do lote bonito\",\n scene: \"O último lote parece ótimo, mas os turnos mostram grande variação histórica.\",\n objective: \"Evitar conclusões por amostra conveniente.\",\n question: \"Como medir melhor?\",\n options: [\n { label: \"Coletar amostras por turno, máquina e operador\", feedback: \"Você encontra a variação escondida e melhora o diagnóstico.\", effect: { budget: -10, trust: 10, dpmo: -28000 } },\n { label: \"Usar apenas o último lote porque é o mais recente\", feedback: \"O lote mascara a instabilidade real.\", effect: { budget: -5, trust: -8, dpmo: 18000 } },\n ],\n },\n ],\n analyze: [\n {\n subtitle: \"O túnel da causa raiz\",\n scene: \"O Pareto mostra 46% Pinos Tortos, 22% Solda Fria e 32% Outros.\",\n objective: \"Focar no Vital Few.\",\n question: \"Onde concentrar recursos?\",\n options: [\n { label: \"Focar na maior barra do Pareto\", feedback: \"Você encontra erro humano na inserção manual como causa raiz.\", effect: { budget: -10, trust: 12, dpmo: -45000 } },\n { label: \"Distribuir esforço igualmente entre todas as causas\", feedback: \"A energia se dilui e o gargalo principal continua.\", effect: { budget: -22, trust: -5, dpmo: -5000 } },\n ],\n },\n {\n subtitle: \"Correlação não é causa\",\n scene: \"Os defeitos aumentam nos dias quentes e a equipe quer comprar climatização nova.\",\n objective: \"Testar hipótese antes de investir.\",\n question: \"Qual decisão evita gasto sem prova?\",\n options: [\n { label: \"Testar hipóteses por temperatura, máquina, material e turno\", feedback: \"Você descobre que o efeito acontece em uma máquina específica.\", effect: { budget: -14, trust: 14, dpmo: -38000 } },\n { label: \"Comprar climatização para toda a fábrica\", feedback: \"A solução custa caro e não ataca a causa principal.\", effect: { budget: -38, trust: -4, dpmo: -9000 } },\n ],\n },\n {\n subtitle: \"O gargalo escondido\",\n scene: \"O estoque intermediário cresce antes da solda, mas o defeito só aparece na inspeção final.\",\n objective: \"Encontrar onde o problema nasce.\",\n question: \"Onde investigar?\",\n options: [\n { label: \"Investigar solda e tempo de espera antes dela\", feedback: \"Você encontra oxidação por espera excessiva no fluxo.\", effect: { budget: -12, trust: 12, dpmo: -36000 } },\n { label: \"Aumentar inspeção final\", feedback: \"Você encontra mais defeitos, mas não elimina a origem.\", effect: { budget: -18, trust: -4, dpmo: -6000 } },\n ],\n },\n ],\n improve: [\n {\n subtitle: \"O desenho da solução\",\n scene: \"A causa raiz é falha humana na inserção manual dos pinos sob pressão.\",\n objective: \"Reduzir o erro na origem.\",\n question: \"Qual melhoria implementar?\",\n options: [\n { label: \"Dobrar fiscalização e punir operadores\", feedback: \"O clima piora e o erro continua possível.\", effect: { budget: -24, trust: -6, dpmo: -18000 } },\n { label: \"Instalar Poka-Yoke para bloquear inserção incorreta\", feedback: \"Você remove o erro da origem e reduz variabilidade.\", effect: { budget: -28, trust: 22, dpmo: -52000 } },\n ],\n },\n {\n subtitle: \"O experimento controlado\",\n scene: \"A equipe quer mudar velocidade, temperatura e resfriamento ao mesmo tempo.\",\n objective: \"Melhorar com experimento controlado.\",\n question: \"Como testar com menor risco?\",\n options: [\n { label: \"Rodar DOE simples para entender efeitos combinados\", feedback: \"Você encontra a combinação ideal com evidência.\", effect: { budget: -20, trust: 20, dpmo: -48000 } },\n { label: \"Alterar todas as variáveis de uma vez\", feedback: \"Melhora um pouco, mas ninguém sabe explicar por quê.\", effect: { budget: -16, trust: -4, dpmo: -14000 } },\n ],\n },\n {\n subtitle: \"Automação com critério\",\n scene: \"Uma visão computacional promete detectar falhas, mas custa caro.\",\n objective: \"Automatizar sem comprometer retorno financeiro.\",\n question: \"Qual caminho equilibra qualidade e ROI?\",\n options: [\n { label: \"Fazer piloto pequeno, medir ROI e depois escalar\", feedback: \"Você valida valor antes de investir pesado.\", effect: { budget: -22, trust: 18, dpmo: -42000 } },\n { label: \"Comprar o sistema completo imediatamente\", feedback: \"A tecnologia impressiona, mas consome orçamento demais.\", effect: { budget: -44, trust: 2, dpmo: -22000 } },\n ],\n },\n ],\n control: [\n {\n subtitle: \"A batalha contra a entropia\",\n scene: \"O piloto foi ótimo, mas há risco de deslocamento de 1,5 sigma no longo prazo.\",\n objective: \"Sustentar o ganho.\",\n question: \"Como manter controle?\",\n options: [\n { label: \"Criar dashboard SPC com alertas de IA\", feedback: \"Você detecta desvios antes que cheguem ao cliente.\", effect: { budget: -12, trust: 24, dpmo: -30000 } },\n { label: \"Confiar que o padrão será mantido naturalmente\", feedback: \"Sem controle, a entropia vence e o ganho se perde.\", effect: { budget: -4, trust: -18, dpmo: 46000 } },\n ],\n },\n {\n subtitle: \"O retorno da variabilidade\",\n scene: \"O gráfico de controle mostra tendência crescente perto do limite superior.\",\n objective: \"Agir antes que vire defeito.\",\n question: \"Qual ação protege o ciclo?\",\n options: [\n { label: \"Criar gatilhos de reação e plano de resposta\", feedback: \"Você controla antes da falha e preserva o ganho.\", effect: { budget: -10, trust: 20, dpmo: -26000 } },\n { label: \"Esperar ultrapassar o limite\", feedback: \"A espera custa caro e peças suspeitas chegam ao cliente.\", effect: { budget: -8, trust: -20, dpmo: 38000 } },\n ],\n },\n {\n subtitle: \"A transferência de padrão\",\n scene: \"A melhoria funcionou no turno A, mas B e C ainda variam muito.\",\n objective: \"Transformar solução local em padrão organizacional.\",\n question: \"Como garantir consistência?\",\n options: [\n { label: \"Padronizar trabalho, treinar turnos e auditar aderência\", feedback: \"Você transforma boa prática em sistema.\", effect: { budget: -14, trust: 18, dpmo: -28000 } },\n { label: \"Deixar o turno A ensinar informalmente\", feedback: \"O conhecimento fica informal e a variação retorna.\", effect: { budget: -3, trust: -14, dpmo: 32000 } },\n ],\n },\n ],\n};\n\nconst initialState = {\n started: false,\n finished: false,\n maxCycles: 3,\n cycleIndex: 0,\n phaseIndex: 0,\n budget: 100,\n trust: 32,\n dpmo: 150000,\n sigma: 2.95,\n yieldValue: 85,\n rewards: [],\n history: [],\n lastFeedback: \"Escolha quantos ciclos DMAIC deseja jogar.\",\n};\n\nfunction clamp(value, min, max) {\n return Math.max(min, Math.min(max, value));\n}\n\nfunction calculateBaseline() {\n return Math.round((83 / (5247 * 12)) * 1000000);\n}\n\nfunction dpmoToSigma(dpmo) {\n const anchors = [\n { dpmo: 308537, sigma: 2 },\n { dpmo: 66807, sigma: 3 },\n { dpmo: 6210, sigma: 4 },\n { dpmo: 233, sigma: 5 },\n { dpmo: 3.4, sigma: 6 },\n ];\n\n if (dpmo >= anchors[0].dpmo) return anchors[0].sigma;\n if (dpmo <= anchors[anchors.length - 1].dpmo) return anchors[anchors.length - 1].sigma;\n\n for (let i = 0; i < anchors.length - 1; i += 1) {\n const high = anchors[i];\n const low = anchors[i + 1];\n if (dpmo <= high.dpmo && dpmo >= low.dpmo) {\n const ratio = (Math.log(high.dpmo) - Math.log(dpmo)) / (Math.log(high.dpmo) - Math.log(low.dpmo));\n return Number((high.sigma + ratio * (low.sigma - high.sigma)).toFixed(2));\n }\n }\n\n return 3;\n}\n\nfunction yieldFromDpmo(dpmo) {\n return Number(clamp(100 - dpmo / 10000, 50, 99.999).toFixed(2));\n}\n\nfunction normalize(state) {\n const dpmo = clamp(Math.round(state.dpmo), 3.4, 400000);\n return {\n ...state,\n dpmo,\n budget: clamp(state.budget, 0, 100),\n trust: clamp(state.trust, 0, 100),\n sigma: dpmoToSigma(dpmo),\n yieldValue: yieldFromDpmo(dpmo),\n };\n}\n\nfunction getVariantIndex(cycleIndex, phaseIndex, total) {\n return (cycleIndex + phaseIndex) % total;\n}\n\nfunction getPhase(cycleIndex, phaseIndex) {\n const key = phaseOrder[phaseIndex] || \"define\";\n const variants = phaseBank[key];\n const variantIndex = getVariantIndex(cycleIndex, phaseIndex, variants.length);\n return { ...variants[variantIndex], key, variantIndex, title: `Fase ${phaseIndex + 1}: ${key.toUpperCase()}` };\n}\n\nfunction getReward(cycleIndex) {\n return rewardsCatalog[Math.min(cycleIndex, rewardsCatalog.length - 1)];\n}\n\nfunction getDifficulty(cycleIndex) {\n const levels = [\"Aquecimento\", \"Pressão operacional\", \"Alta complexidade\", \"Excelência sustentada\", \"Classe mundial\"];\n return levels[cycleIndex] || \"Classe mundial\";\n}\n\nfunction getMission(cycleIndex) {\n const missions = [\n \"Reduzir defeitos visíveis e organizar o projeto.\",\n \"Melhorar a confiabilidade dos dados.\",\n \"Provar causa raiz e melhorar com baixo risco.\",\n \"Escalar a solução para diferentes turnos.\",\n \"Sustentar excelência com controle preditivo.\",\n ];\n return missions[cycleIndex] || \"Sustentar excelência com controle preditivo.\";\n}\n\nfunction buildTests() {\n return [\n { name: \"DPMO base deve ser 1.318\", pass: calculateBaseline() === 1318 },\n { name: \"3,4 DPMO deve retornar 6 sigma\", pass: dpmoToSigma(3.4) === 6 },\n { name: \"308.537 DPMO deve retornar 2 sigma\", pass: dpmoToSigma(308537) === 2 },\n { name: \"Variação não repete no segundo ciclo\", pass: getVariantIndex(1, 0, 3) !== getVariantIndex(0, 0, 3) },\n { name: \"Recompensa do ciclo 1 existe\", pass: getReward(0).title === \"White Belt Digital\" },\n { name: \"Normalização limita orçamento negativo\", pass: normalize({ ...initialState, budget: -10 }).budget === 0 },\n { name: \"Normalização limita confiança acima de 100\", pass: normalize({ ...initialState, trust: 120 }).trust === 100 },\n ];\n}\n\nfunction calculateScore(state) {\n const sigmaScore = (state.sigma / 6) * 45;\n const trustScore = (state.trust / 100) * 25;\n const budgetScore = (state.budget / 100) * 20;\n const rewardScore = Math.min(state.rewards.length * 2, 10);\n return Math.round(clamp(sigmaScore + trustScore + budgetScore + rewardScore, 0, 100));\n}\n\nfunction KpiCard({ icon, label, value, detail }) {\n return (\n \n \n

{icon}

{label}

{value}

{detail}

\n \n \n );\n}\n\nfunction FactoryAnimation({ state }) {\n const defectRate = clamp(state.dpmo / 150000, 0.05, 1);\n const parts = [0, 1, 2, 3].map((item) => ({\n id: item,\n defect: ((state.dpmo + item * 7919 + state.phaseIndex * 3571 + state.cycleIndex * 1237) % 100) / 100 < defectRate,\n }));\n\n return (\n

🏭 Linha de conectores

Ciclo {state.cycleIndex + 1}

\n {parts.map((part) => (\n \n {part.defect ? \"!\" : \"OK\"}\n \n ))}\n

SPC IA

\n );\n}\n\nfunction ParetoChart({ cycleIndex }) {\n const dataSets = [\n [\n { label: \"Pinos Tortos\", value: 46 },\n { label: \"Solda Fria\", value: 22 },\n { label: \"Outros\", value: 32 },\n ],\n [\n { label: \"Máquina 3\", value: 41 },\n { label: \"Material\", value: 31 },\n { label: \"Ambiente\", value: 28 },\n ],\n [\n { label: \"Espera\", value: 44 },\n { label: \"Parâmetro\", value: 29 },\n { label: \"Inspeção\", value: 27 },\n ],\n ];\n const data = dataSets[cycleIndex % dataSets.length];\n\n return (\n

\n {data.map((item) => (\n

\n {item.label}\n {item.value}%\n

\n \n

\n ))}\n

\n );\n}\n\nfunction MiniLine({ history }) {\n const values = history.length ? history.map((item) => item.dpmo) : [150000, 120000, 90000, 65000, 40000];\n const max = Math.max(...values, 150000);\n const min = Math.min(...values, 0);\n const points = values\n .map((value, index) => {\n const x = 10 + (index * 280) / Math.max(values.length - 1, 1);\n const y = 120 - ((value - min) / Math.max(max - min, 1)) * 95;\n return `${x},${y}`;\n })\n .join(\" \");\n\n return (\n \n );\n}\n\nfunction StartScreen({ selectedCycles, setSelectedCycles, onStart }) {\n return (\n \n \n

\n Simulação Gamificada\n

Escolha a duração da jornada

Cada ciclo passa por Define, Measure, Analyze, Improve e Control. As perguntas variam, a dificuldade cresce e o jogador recebe recompensas.

\n\n

\n {[1, 2, 3, 4, 5].map((cycle) => (\n setSelectedCycles(cycle)}\n className={`rounded-2xl border p-5 text-center transition ${selectedCycles === cycle ? \"bg-slate-900 text-white border-slate-900 shadow-md\" : \"bg-white hover:bg-slate-50 border-slate-200\"}`}\n >\n

{cycle}

{cycle === 1 ? \"ciclo\" : \"ciclos\"}

\n \n ))}\n

\n\n

\n \n

\n \n \n );\n}\n\nfunction TestsPanel() {\n const tests = buildTests();\n const passed = tests.filter((test) => test.pass).length;\n\n return (\n \n \n

✅ Testes internos

{passed}/{tests.length} verificações passaram.

\n {tests.map((test) => (\n

\n {test.pass ? \"OK\" : \"Falha\"} {test.name}\n

\n ))}\n

\n \n \n );\n}\n\nfunction RewardsList({ rewards }) {\n return (\n \n \n

🎁 Recompensas

\n {rewards.length === 0 ? (\n

Feche um ciclo para desbloquear a primeira conquista.

\n ) : (\n rewards.map((reward, index) => (\n

{reward.icon}

{reward.title}

Ciclo {index + 1}

\n ))\n )}\n

\n \n \n );\n}\n\nfunction HistoryList({ history }) {\n return (\n \n \n

Histórico de decisões

\n {history.length === 0 ? (\n

Suas decisões aparecerão aqui.

\n ) : (\n history.map((item, index) => (\n

Ciclo {item.cycle} | {item.phase} | Variação {item.variant}

{item.decision}

DPMO: {item.dpmo.toLocaleString(\"pt-BR\")} | Sigma: {item.sigma}

\n ))\n )}\n

\n \n \n );\n}\n\nfunction SigmaReferenceTable() {\n return (\n \n \n

Tabela de referência

\n {sigmaTable.map((row) => (\n

\n {row.sigma}σ\n {row.dpmo}\n {row.yield}%\n {row.label}\n

\n ))}\n

\n \n \n );\n}\n\nexport default function SixSigmaGame() {\n const [state, setState] = useState(initialState);\n const [selectedCycles, setSelectedCycles] = useState(3);\n const [rewardScreen, setRewardScreen] = useState(null);\n\n const phase = getPhase(state.cycleIndex, state.phaseIndex);\n const score = useMemo(() => calculateScore(state), [state.sigma, state.trust, state.budget, state.rewards.length]);\n\n const cycleProgress = state.finished ? 100 : ((state.phaseIndex + 1) / phaseOrder.length) * 100;\n const completedSteps = state.finished ? state.maxCycles * phaseOrder.length : state.cycleIndex * phaseOrder.length + state.phaseIndex;\n const totalProgress = clamp((completedSteps / (state.maxCycles * phaseOrder.length)) * 100, 0, 100);\n\n function startGame() {\n const next = normalize({\n ...initialState,\n started: true,\n maxCycles: selectedCycles,\n dpmo: 150000 + selectedCycles * 5000,\n trust: clamp(36 - selectedCycles * 2, 20, 40),\n lastFeedback: `Jornada iniciada com ${selectedCycles} ${selectedCycles === 1 ? \"ciclo\" : \"ciclos\"}.`,\n });\n setRewardScreen(null);\n setState(next);\n }\n\n function resetGame() {\n setRewardScreen(null);\n setState(initialState);\n }\n\n function applyOption(option) {\n const effect = option.effect || {};\n let next = {\n ...state,\n budget: state.budget + (effect.budget || 0),\n trust: state.trust + (effect.trust || 0),\n dpmo: effect.setBaseline ? calculateBaseline() : state.dpmo + (effect.dpmo || 0),\n };\n\n next.dpmo += state.cycleIndex * 2500;\n next = normalize(next);\n\n const historyItem = {\n cycle: state.cycleIndex + 1,\n phase: phase.title,\n variant: phase.variantIndex + 1,\n decision: option.label,\n feedback: option.feedback,\n dpmo: next.dpmo,\n sigma: next.sigma,\n budget: next.budget,\n };\n\n next.history = [...state.history, historyItem];\n next.lastFeedback = option.feedback;\n\n const isLastPhase = state.phaseIndex === phaseOrder.length - 1;\n const isLastCycle = state.cycleIndex === state.maxCycles - 1;\n\n if (!isLastPhase) {\n setState({ ...next, phaseIndex: state.phaseIndex + 1 });\n return;\n }\n\n const reward = getReward(state.cycleIndex);\n const withReward = {\n ...next,\n rewards: [...state.rewards, reward],\n lastFeedback: `${option.feedback} Ciclo ${state.cycleIndex + 1} concluído. Recompensa: ${reward.title}.`,\n };\n\n setRewardScreen(reward);\n\n if (isLastCycle) {\n setState({ ...withReward, finished: true });\n return;\n }\n\n const nextCycle = normalize({\n ...withReward,\n cycleIndex: state.cycleIndex + 1,\n phaseIndex: 0,\n budget: withReward.budget + 12,\n trust: withReward.trust + 4,\n dpmo: withReward.dpmo + 12000,\n });\n\n setState(nextCycle);\n }\n\n function continueAfterReward() {\n setRewardScreen(null);\n if (!state.finished) {\n setState((current) => ({\n ...current,\n lastFeedback: `Novo ciclo iniciado. Dificuldade: ${getDifficulty(current.cycleIndex)}. Missão: ${getMission(current.cycleIndex)}`,\n }));\n }\n }\n\n const finalTitle = score >= 90 ? \"Mestre da Qualidade Inteligente\" : score >= 75 ? \"Black Belt de Simulação\" : score >= 60 ? \"Green Belt em Evolução\" : \"Processo Ainda em Risco\";\n const finalMessage = score >= 90\n ? \"Você sustentou ganhos em múltiplos ciclos, equilibrando orçamento, confiança e controle estatístico.\"\n : score >= 75\n ? \"Você conduziu uma jornada forte, com decisões técnicas consistentes.\"\n : score >= 60\n ? \"Você evoluiu o processo, mas ainda precisa fortalecer controle ou priorização.\"\n : \"O jogo mostrou que melhoria sem método tende a perder força.\";\n\n return (\n

\n DMAIC Game\n Six Sigma\n Perguntas Variáveis\n Recompensas\n

Desafio Six Sigma

A Jornada do Black Belt na fábrica de conectores aeroespaciais

\n \n

\n\n {!state.started ? (\n \n ) : (\n <>\n

\n \n \n \n \n

\n\n \n \n

Progresso do ciclo{Math.round(cycleProgress)}%

\n \n

Progresso total{Math.round(totalProgress)}%

\n \n

\n Missão do ciclo: {getMission(state.cycleIndex)}\n

\n \n \n\n

\n \n \n {rewardScreen ? (\n \n

{rewardScreen.icon}

Recompensa desbloqueada

{rewardScreen.title}

{rewardScreen.description}

\n \n \n ) : state.finished ? (\n \n

🏆

Resultado final

{finalTitle}

{finalMessage}

Pontuação{score}/100

\n \n

\n \n \n ) : (\n \n

{icons[phase.key]}

Ciclo {state.cycleIndex + 1} de {state.maxCycles} | {phase.subtitle}

{phase.title}

\n\n

Cena

{phase.scene}

Objetivo da fase

{phase.objective}

\n \n {phase.key === \"analyze\" && }\n

\n\n

{phase.question}

\n {phase.options.map((option, index) => (\n \n ))}\n

\n \n )}\n \n \n\n \n \n

📈 Tendência do DPMO

\n \n \n \n

\n\n

\n \n \n

🧠 IA Edson

{state.lastFeedback}

Confiança do cliente{state.trust}%

\n \n

Score do projeto{score}/100

\n \n

Orçamento{state.budget}%

\n \n

\n \n \n\n \n \n

✅ Framework DMAIC

\n {phaseOrder.map((key, index) => (\n

{index + 1}

{key.toUpperCase()}

{index === state.phaseIndex ? \"fase atual\" : \"fase do ciclo\"}

\n ))}\n

\n \n \n\n \n \n \n \n

\n \n )}\n

\n );\n}\n","access","public","isModerationBlocked","isAnonifyApiKeyDetected","dd",{"_41":42,"_43":44},"disablePrefetch",true,"shouldPrefetchAccount","shouldPrefetchUser","shouldPrefetchSystemHints","manageRootRouteStylesheet","mobileWebHandoffEnabled","promoteCss","disableSSR","stripModulepreloadImports","paidCampaignAppRedirect","statsigGateEvaluationsPromise",["P",40],"traceId","7135964909000280622","traceTime",1792316107077]