Na reunião de qualidade, o supervisor de produção afirma que o índice de retrabalho piora quando a linha acelera. O coordenador de manutenção discorda: para ele, o retrabalho depende do lote de matéria-prima, e a velocidade não tem nada a ver. Os dois trabalham no mesmo processo, olham para os mesmos relatórios mensais e chegaram a conclusões opostas — cada um sustentando a sua com dois ou três episódios que lembra bem.
O desacordo não se resolve com argumento. Resolve-se colocando os pares de valores em um gráfico. É exatamente para isso que existe o diagrama de dispersão: transformar uma discussão sobre impressões em uma leitura sobre dados.
Os elementos do gráfico
Um diagrama de dispersão é formado por três coisas e nada mais: dois eixos, um ponto para cada par de observações e a nuvem que esses pontos formam. Não há barras, linhas de ligação nem sequência temporal. Cada ponto representa uma unidade observada — uma semana, um lote, um paciente, uma máquina — posicionada segundo dois valores medidos naquela mesma unidade.
| Elemento | O que representa | Erro comum |
|---|---|---|
| Eixo X (horizontal) | A variável que se suspeita influenciar: causa candidata, variável de processo, fator controlável | Colocar no X o resultado que se quer melhorar |
| Eixo Y (vertical) | A variável de resposta: o resultado que interessa ao projeto | Inverter os eixos e ler a relação ao contrário |
| Cada ponto | Um par de valores medidos na MESMA unidade observada | Cruzar dados de períodos ou unidades diferentes |
| A nuvem | O padrão coletivo — a informação real do gráfico | Ler dois ou três pontos isolados e concluir |
A ordem dos eixos não é decorativa. Convenciona-se colocar em X a variável candidata a causa e em Y a variável de resposta porque a leitura do gráfico segue essa direção: percorre-se o eixo horizontal perguntando o que acontece com Y conforme X aumenta. Inverter os eixos não altera a matemática, mas altera a pergunta que o gráfico responde — e é fonte frequente de conclusão trocada em apresentação de projeto.
Como construir, passo a passo
1. Defina o par de variáveis e a unidade de observação. Antes de coletar qualquer número, escreva a frase: “para cada [unidade], vou medir [X] e [Y]”. Se essa frase não fecha — se X é medido por turno e Y por lote, por exemplo — o gráfico não pode ser construído com os dados como estão. Essa incompatibilidade é o problema mais comum e o mais silencioso, porque a planilha aceita as duas colunas sem reclamar.
2. Colete os pares, não as médias. Trabalhar com médias mensais de X e de Y reduz dezenas de observações a doze pontos e apaga justamente a variação que se quer estudar. Colete no nível mais fino que o processo permitir.
3. Reúna entre 25 e 30 pares como faixa de trabalho. Com menos de dez, a nuvem não tem forma reconhecível e qualquer ponto atípico domina a leitura. Mais importante que a quantidade é a amplitude coberta: se todos os valores de X se concentram numa faixa estreita, o gráfico não consegue mostrar o que acontece fora dela.
4. Escale os eixos pela amplitude dos dados. Escalas que começam em zero por hábito comprimem a nuvem num canto e escondem o padrão; escalas exageradamente ampliadas criam inclinações que não existem. Use como referência o menor e o maior valor observado de cada variável.
5. Rotule os dois eixos com nome e unidade. Um gráfico de dispersão sem rótulo é ilegível para quem não o construiu — e será ilegível para quem o construiu daqui a três meses.
A construção manual do gráfico, em papel quadriculado ou planilha, tem valor pedagógico real nas primeiras vezes: obriga a olhar cada par antes de vê-lo virar um ponto. Depois disso, qualquer software resolve — e o caminho específico no Minitab está detalhado em material próprio.
Os cinco padrões que a nuvem pode formar
Padrão crescente. Os pontos sobem da esquerda para a direita: valores maiores de X acompanham valores maiores de Y. Em um processo de usinagem, tempo de ferramenta em uso e desvio dimensional costumam formar essa nuvem.
Padrão decrescente. Os pontos descem: quando X cresce, Y tende a diminuir. É o formato do exemplo clássico do Modelo de Melhoria — satisfação média do paciente contra tempo médio de espera na clínica, em que a nuvem desce com clareza conforme a espera aumenta.
Padrão curvo. A nuvem sobe até certo ponto e depois desce, ou cai e volta a subir. Temperatura de forno e resistência do material frequentemente se comportam assim: existe uma faixa ótima, e afastar-se dela em qualquer direção piora o resultado. Este é o padrão que mais se perde quando alguém calcula um índice numérico sem antes olhar o gráfico.
Ausência de padrão. Os pontos se espalham sem direção reconhecível. É um resultado informativo, não um fracasso: elimina uma hipótese e devolve o projeto à busca de outros fatores. Boa parte das causas suspeitas em reunião morre aqui — e isso economiza semanas de intervenção inútil.
Agrupamentos. Os pontos se organizam em dois ou mais blocos separados. Quase sempre isso indica que existe uma terceira variável não representada no gráfico: turnos diferentes, dois fornecedores, duas máquinas, dois períodos. O agrupamento é uma pista de estratificação, e ignorá-lo é ignorar a informação mais valiosa que o gráfico oferece.
Pontos discrepantes: investigar antes de excluir
Um ponto muito afastado da nuvem tem três origens possíveis, e a ordem de investigação importa. Pode ser erro de registro — dígito trocado, unidade errada, célula deslocada na planilha. Pode ser condição excepcional identificável: a semana da parada programada, o lote produzido durante a falha do compressor. Ou pode ser um dado legítimo que revela o comportamento do processo nos extremos, e nesse caso é o ponto mais informativo do conjunto.
A prática que resolve os três casos é a mesma: voltar ao registro original antes de tocar no gráfico. Excluir o ponto porque ele “estraga” a nuvem é o caminho mais rápido para descartar exatamente a observação que explicaria o problema. Quando um ponto atípico é removido, a remoção precisa estar documentada com o motivo — não com a conveniência visual.
Estratificação: um gráfico, várias nuvens
A estratificação transforma o diagrama de dispersão em uma ferramenta muito mais potente. Em vez de plotar todos os pontos com o mesmo símbolo, marque-os por categoria: um símbolo para cada fornecedor, cor distinta para cada turno, formato diferente por linha de produção.
O que aparece com frequência desconcertante é que a nuvem única e a nuvem estratificada contam histórias diferentes. Dois grupos operando em faixas distintas de X podem produzir um conjunto combinado cuja inclinação aponta numa direção — enquanto cada grupo, isolado, aponta na oposta. Quem lê só o conjunto agregado conclui o contrário do que os dados dizem, e age sobre o processo com a leitura invertida.
Por isso a estratificação não é refinamento opcional para o final da análise. É verificação obrigatória antes de qualquer conclusão, e o diagrama de dispersão é onde ela custa menos: basta mudar o símbolo dos pontos que já estão plotados. O raciocínio geral de estratificação de dados se aplica aqui integralmente.
Onde este gráfico termina e outra ferramenta começa
O diagrama de dispersão mostra a forma da relação. Ele não a quantifica nem a explica, e essas duas fronteiras precisam ficar claras para que a ferramenta seja usada no lugar certo.
A medida numérica que resume direção e força da associação é o coeficiente de correlação. Ele condensa a nuvem inteira em um número — e por isso mesmo só deve ser lido depois do gráfico, nunca no lugar dele: uma relação curva forte pode produzir um coeficiente próximo de zero. O conceito, a leitura do coeficiente e a distinção entre associação e causa são tratados em correlação entre variáveis.
Medir a força da relação é uma coisa; escrever a equação que permite prever y a partir de x é outra — esse é o trabalho da regressão linear. E se a pergunta for sobre estabilidade ao longo do tempo em vez de relação entre duas variáveis, o gráfico correto é outro: a carta de controle ordena os dados cronologicamente, coisa que o diagrama de dispersão deliberadamente não faz. O critério de escolha entre tipos de gráfico parte justamente da pergunta que se quer responder.
Vale registrar o limite mais importante de todos: nenhum formato de nuvem estabelece que X causa Y. Uma relação forte no gráfico é convite para investigar, não licença para agir. A confirmação vem de mudança testada em ciclo PDSA ou de experimento planejado — o mesmo raciocínio que estrutura os projetos conduzidos na formação Green Belt, em que o gráfico de dispersão aparece na fase de análise justamente como gerador de hipóteses.
O que muda quando a organização passa a olhar a nuvem
A cena da reunião de qualidade se repete em toda empresa: duas pessoas experientes, duas conclusões opostas, nenhum critério para decidir entre elas. Cada uma está generalizando a partir dos episódios que a memória guardou — e a memória guarda o que foi marcante, não o que foi representativo.
Trinta pares plotados encerram esse tipo de discussão em minutos, e o efeito vai além do caso específico. Quando a organização se acostuma a pedir o gráfico antes da conclusão, muda a natureza das reuniões: o debate deixa de ser sobre quem tem mais autoridade e passa a ser sobre o que os dados mostram. O diagrama de dispersão é uma das ferramentas mais simples do repertório da qualidade, e é essa simplicidade que a torna adequada para instalar o hábito.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua. Nesta revisão, o foco foi a construção correta do gráfico e a leitura da nuvem como conjunto, incluindo a verificação de estratificação antes de qualquer conclusão.
Quer aprender a escolher e interpretar as ferramentas certas para cada pergunta de processo? A certificação White Belt da Escola EDTI é gratuita e apresenta os fundamentos do raciocínio de melhoria — o método que dá sentido a gráficos como este.
Perguntas frequentes
Qual a diferença entre diagrama de dispersão e gráfico de dispersão?
Nenhuma. Os dois termos designam a mesma ferramenta e são usados de forma intercambiável na literatura da qualidade e em softwares estatísticos. “Diagrama de dispersão” é mais frequente em materiais de Lean Six Sigma e nas listas das sete ferramentas da qualidade; “gráfico de dispersão” aparece mais em textos de estatística e nos menus de planilhas.
Quantos pontos são necessários para construir um diagrama de dispersão?
A faixa de trabalho usual é de 25 a 30 pares. Com menos de dez pontos a nuvem não forma padrão reconhecível e um único valor atípico domina a leitura. Mais decisivo que a quantidade, porém, é a amplitude coberta pela variável do eixo X: dados concentrados em faixa estreita não revelam o comportamento fora dela.
Qual variável vai no eixo X e qual vai no eixo Y?
No eixo X entra a variável candidata a causa — aquela que se suspeita influenciar o resultado, geralmente uma variável de processo. No eixo Y entra a variável de resposta, o resultado que o projeto quer melhorar. A convenção existe porque a leitura do gráfico percorre o eixo horizontal perguntando o que acontece com Y conforme X varia.
O diagrama de dispersão serve para dados categóricos?
Não. Ele exige duas variáveis numéricas medidas na mesma unidade observada. Quando uma das variáveis é categórica — turno, fornecedor, tipo de defeito — a comparação é feita por estratificação, com boxplot ou dotplot estratificado. A categoria pode, no entanto, entrar no diagrama de dispersão como marcação dos pontos, e é assim que a estratificação visual funciona.
É possível usar diagrama de dispersão com mais de duas variáveis?
O gráfico comporta duas variáveis nos eixos, mas uma terceira pode ser representada pela marcação dos pontos: símbolo, cor ou tamanho. Acima disso, a leitura visual satura e o caminho passa a ser a matriz de gráficos de dispersão, que exibe todos os pares possíveis lado a lado.
O que fazer quando a nuvem não mostra padrão nenhum?
Tratar como resultado válido. A ausência de padrão elimina uma hipótese causal e evita que o projeto invista em mudar um fator irrelevante. Antes de descartar a hipótese em definitivo, vale verificar duas coisas: se a faixa de X observada foi ampla o suficiente e se a estratificação por alguma categoria não revela padrões que a nuvem única esconde.
Que erro as pessoas mais cometem com o diagrama de dispersão?
Concluir causa a partir da forma da nuvem. Um padrão claro mostra que duas variáveis se movem juntas, o que pode acontecer porque uma influencia a outra, porque um terceiro fator empurra as duas, ou porque a direção real é a inversa da suposta. O gráfico gera hipótese; a confirmação exige mudança testada ou experimento planejado. Distinguir uma coisa da outra é exatamente o que separa o uso de ferramentas da condução de um projeto de melhoria — a diferença que a formação Lean Six Sigma da Escola EDTI trabalha desde o primeiro nível.