Todo processo tem variação. Uma linha de envase não enche todas as embalagens com exatamente 500g. Um call center não atende todas as ligações em exatamente 3 minutos. Uma máquina de usinagem não produz todas as peças com exatamente 25,000mm de diâmetro.
A questão não é se existe variação — ela sempre existe. A questão é: essa variação está sob controle ou está crescendo de forma imprevisível? E quanto ela representa em relação ao que o cliente aceita?
É exatamente isso que o desvio padrão mede. Não a média do processo — a média diz onde o processo está centrado. O desvio padrão diz o quanto o processo oscila em torno desse centro. E essa distinção muda completamente a forma de diagnosticar e melhorar processos.
O que é desvio padrão — e por que esse nome
Desvio padrão é uma medida de dispersão que quantifica o quanto os valores de um conjunto de dados se afastam da média. Representado pela letra grega σ (sigma) para populações e por s para amostras, ele expressa essa dispersão na mesma unidade de medida dos dados originais — gramas, minutos, milímetros, reais.
O nome tem uma lógica direta: “desvio” refere-se ao afastamento de cada observação em relação à média — o quanto cada valor individual se distancia do centro. “Padrão” indica que essa medida resume, em um único número, o comportamento típico desses desvios. Em vez de listar quanto cada valor se afasta da média, o desvio padrão condensa essa informação em uma única medida representativa.
Quanto maior o desvio padrão, mais espalhados estão os dados — e mais imprevisível é o processo. Quanto menor, mais concentrados — e mais consistente é a entrega.
| Processo | Média (g) | Desvio padrão (g) | O que isso significa |
|---|---|---|---|
| Linha A — embalagens de café | 500 | 1,2 | 99,7% das embalagens entre 496,4g e 503,6g — processo consistente |
| Linha B — embalagens de café | 500 | 8,5 | 99,7% das embalagens entre 474,5g e 525,5g — alto desperdício |
Mesma média. Desempenhos radicalmente diferentes. Sem o desvio padrão, esses dois processos seriam indistinguíveis nos relatórios de produção.
A distinção que muda tudo: nem toda variação é o mesmo problema
Antes de calcular qualquer coisa, existe uma pergunta que o Lean Six Sigma ensina a fazer primeiro: de onde vem essa variação?
Walter Shewhart — e depois W. Edwards Deming — identificaram dois tipos fundamentalmente diferentes de variação:
Causas comuns: variação inerente ao sistema, presente o tempo todo. Fazem parte do funcionamento normal do processo. Responsabilidade da gestão — somente mudanças estruturais no sistema as reduzem. Representam 85 a 95% dos problemas segundo Deming.
Causas especiais: variação atípica, gerada por eventos específicos e identificáveis — um lote de matéria-prima diferente, um operador substituindo outro, uma máquina com folga no ajuste. Precisam de investigação pontual.
Por que isso importa para o desvio padrão? Porque agir sobre variação de causa comum como se fosse causa especial não reduz o desvio padrão — aumenta o ruído e frequentemente piora o resultado. O desvio padrão mede a variação total; entender a origem dessa variação é o que determina qual ação faz sentido.
σ versus s — qual usar
| σ (sigma) — desvio padrão populacional | s — desvio padrão amostral | |
|---|---|---|
| Quando usar | Quando você tem todos os dados da população — censo completo, dados históricos exaustivos | Quando você trabalha com uma amostra — o caso em praticamente todo projeto Lean Six Sigma |
| Divisor na fórmula | N (total de elementos) | n − 1 (correção de Bessel) |
| Na prática | Usado em teoria estatística e em processos onde todos os dados estão disponíveis | Usado em projetos de melhoria, cartas de controle, Cp e Cpk |
A correção por (n − 1), chamada de correção de Bessel, compensa a tendência de subestimar a variabilidade real da população quando se usa uma amostra pequena. Em amostras grandes (n > 30), a diferença entre dividir por n e por n − 1 é negligenciável. Em amostras pequenas, ela é relevante.
A fórmula do desvio padrão
Para uma amostra — o caso mais comum em projetos Lean Six Sigma:
s = √[ Σ(xᵢ − x̄)² / (n − 1) ]
Onde: xᵢ = cada valor individual, x̄ = média da amostra, n = número de observações.
Por que elevar ao quadrado?
Essa é a pergunta que todo iniciante deveria fazer — e raramente faz. Se você simplesmente somasse os desvios de cada valor em relação à média (xᵢ − x̄), os desvios positivos e negativos se cancelariam. A soma seria sempre zero, independente de quanta variação existisse no processo.
Elevar ao quadrado resolve três problemas de uma vez:
- Elimina o cancelamento entre desvios positivos e negativos — todos os termos ficam positivos
- Dá maior peso a desvios grandes — um desvio de 4 contribui com 16 para a soma, enquanto dois desvios de 2 contribuem com apenas 8 no total
- Produz a variância, que tem propriedades matemáticas consistentes para combinação e decomposição de fontes de variação
A raiz quadrada no final do cálculo devolve a medida à unidade original dos dados — de gramas² de volta para gramas, por exemplo — tornando o resultado interpretável diretamente.
Como interpretar o desvio padrão — a regra 68-95-99,7
Quando um processo segue distribuição normal, existe uma propriedade matemática precisa sobre como os dados se distribuem em torno da média. É a regra empírica, também chamada de regra 68-95-99,7:
| Intervalo | % dos dados contidos | O que significa na prática |
|---|---|---|
| Média ± 1σ | 68,27% | Dois terços dos resultados dentro desse intervalo |
| Média ± 2σ | 95,45% | Quase todos os resultados — 1 em 22 fora |
| Média ± 3σ | 99,73% | Apenas 2,7 por mil fora — base dos limites da carta de controle |
| Média ± 6σ | 99,9997% | 3,4 por milhão fora — o padrão Six Sigma |
É daí que vem o nome Six Sigma: um processo com variação contida em seis desvios padrão de cada lado da média produz apenas 3,4 defeitos por milhão de oportunidades.
Exemplo prático 1 — indústria farmacêutica
Uma fábrica de medicamentos produz comprimidos com especificação de 500mg de princípio ativo, com tolerância de ±15mg (aceitável entre 485mg e 515mg). Medição de 80 comprimidos de um lote:
- Média: 501,3mg
- Desvio padrão: 4,2mg
Com desvio padrão de 4,2mg, o intervalo ±3σ vai de 488,7mg a 513,9mg — dentro da especificação. Processo capaz.
Um lote seguinte apresentou desvio padrão de 9,8mg. Agora ±3σ vai de 471,9mg a 530,7mg — ultrapassando os limites em ambos os lados. O processo se tornou incapaz sem que a média tivesse mudado significativamente. Apenas monitorar a média teria deixado esse problema passar despercebido.
Exemplo prático 2 — call center de plano de saúde
Uma operadora de saúde monitorava o tempo de atendimento. Meta: máximo de 5 minutos. Medição de 120 ligações:
- Média geral: 4,1 minutos — dentro da meta
- Desvio padrão geral: 0,8 minutos
Ao estratificar os dados por turno, o time encontrou algo diferente: turno da manhã com desvio padrão de 0,5 minutos (consistente), turno da tarde com desvio padrão de 1,4 minutos. A média combinada escondia um problema real. A causa raiz identificada na fase Analyze do DMAIC: atendentes com menos de 6 meses seguiam scripts diferentes dos seniores. Padronização do script reduziu o desvio padrão do turno da tarde para 0,6 minutos em 45 dias.
O que o desvio padrão não diz
O desvio padrão é uma medida poderosa — e tem limites precisos que todo profissional precisa conhecer para não tirar conclusões erradas.
| O que o desvio padrão não mede | O que usar | Por quê |
|---|---|---|
| Centralização — se o processo está centrado na especificação | Cpk | Um processo pode ter desvio padrão baixo mas estar deslocado para fora da especificação |
| Capabilidade — se a variação cabe dentro da tolerância do cliente | Cp e Cpk | Desvio padrão pequeno não garante que o processo atende a especificação |
| Estabilidade — se o processo está sob controle ao longo do tempo | Carta de controle | O desvio padrão é calculado sobre dados históricos — não detecta tendências ou derivas |
| Causa da variação — de onde vem o problema | Ishikawa, 5 Porquês | O desvio padrão aponta onde olhar; as ferramentas de causa raiz explicam o porquê |
| Relevância prática — se a redução importa para o cliente | Julgamento de engenharia | Reduzir de 4,2mg para 4,0mg com tolerância de ±15mg não muda nada para o paciente |
Usar o desvio padrão bem significa usá-lo em conjunto com essas ferramentas — não isoladamente. É o elo que conecta o subpilar de estatística do Lean Six Sigma, não o destino.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua.
O desvio padrão é o ponto de entrada para toda a estatística aplicada ao controle de processos. Profissionais que sabem calcular e, principalmente, interpretar essa medida dentro do contexto do processo tomam decisões que outros não conseguem fundamentar. A certificação Green Belt da EDTI desenvolve essa competência com projetos reais e orientação técnica do início ao fim.
Perguntas frequentes sobre desvio padrão
O que é desvio padrão em estatística?
Desvio padrão é uma medida de dispersão que indica o quanto os valores de um conjunto de dados se afastam da média. O termo “desvio” refere-se ao afastamento de cada observação em relação ao centro; “padrão” indica que essa medida resume, em um único número, o comportamento típico desses desvios. Representado por σ ou s, é expresso na mesma unidade dos dados — gramas, minutos, milímetros.
Por que o desvio padrão eleva os valores ao quadrado?
Para evitar o cancelamento entre desvios positivos e negativos — se somados diretamente, o resultado seria sempre zero independente da variação real. Elevar ao quadrado torna todos os termos positivos, dá maior peso a desvios grandes e produz a variância, que tem propriedades matemáticas consistentes. A raiz quadrada no final devolve o resultado à unidade original dos dados.
Qual é a diferença entre σ e s?
σ (sigma) é o desvio padrão populacional — usado quando você tem todos os dados da população. s é o desvio padrão amostral — usado quando se trabalha com uma amostra, que é o caso em praticamente todo projeto Lean Six Sigma. A diferença técnica está no divisor: σ divide por N (total de elementos) e s divide por n − 1, correção que evita subestimar a variabilidade real da população.
O que significa um desvio padrão alto ou baixo?
Alto ou baixo só faz sentido em relação à especificação do processo. Um desvio padrão de 5mm é alto para componentes de relógio e irrelevante para blocos de concreto. O que determina se é aceitável é a comparação com a tolerância do cliente — e é exatamente isso que os índices Cp e Cpk calculam.
Qual é a relação entre desvio padrão e Six Sigma?
O nome Six Sigma vem diretamente do desvio padrão. Um processo que opera com variação contida em seis desvios padrão (6σ) de cada lado da média em relação aos limites de especificação produz apenas 3,4 defeitos por milhão de oportunidades. O σ é o símbolo do desvio padrão, e o número seis indica o nível de qualidade almejado.
Como o desvio padrão é usado na carta de controle?
Os limites de controle superior (UCL) e inferior (LCL) de uma carta de controle são definidos como média ± 3 desvios padrão. Qualquer ponto fora desses limites sinaliza causa especial de variação — um evento atípico que justifica investigação imediata.
Como reduzir o desvio padrão de um processo?
Depende da origem da variação. Se vem de causas comuns — inerentes ao sistema — a redução exige mudanças estruturais: redesenho de processo, padronização mais rígida, substituição de equipamento. Se vem de causas especiais — eventos atípicos identificáveis — a ação é pontual: eliminar a causa específica e verificar se o processo voltou ao comportamento anterior.
O desvio padrão é suficiente para avaliar um processo?
Não isoladamente. Ele mede a dispersão, mas não diz se o processo está centrado na especificação (Cpk), se a variação cabe dentro da tolerância do cliente (Cp), se há tendência ao longo do tempo (carta de controle) ou de onde vem o problema (análise de causa raiz). O desvio padrão é o ponto de partida — não a análise completa.
Excelente explicação.
Grato!