“Assim como o histograma, outros gráficos ajudam a entender a variação dos indicadores.” A frase aparece em toda formação de melhoria, e quase sempre passa batida — como se a escolha entre um gráfico e outro fosse questão de preferência visual.
Não é. Cada gráfico de distribuição toma uma decisão diferente sobre o que fazer com a observação individual, e essa decisão determina o que você consegue enxergar. O histograma agrupa. O box plot resume. O gráfico de pontos não faz nem uma coisa nem outra — e é exatamente por isso que ele funciona onde os outros dois falham.
O que o dot plot faz de diferente
Um gráfico de pontos, ou dot plot, coloca um ponto para cada observação sobre um eixo numérico. Se três medições deram 4,2, três pontos se empilham naquele valor. Nada é agrupado em faixas, nada é reduzido a um resumo de cinco números. Você olha o gráfico e vê os seus dados, todos eles.
O histograma faz outra escolha: divide o eixo em classes e conta quantas observações caem em cada uma. Ganha legibilidade quando há muitos dados e perde a observação individual — a partir do histograma você não sabe se as sete peças daquela barra estavam todas coladas no limite inferior ou espalhadas pela faixa inteira.
E há uma consequência menos comentada: a largura da classe é uma decisão sua, e ela muda a forma que aparece. Os mesmos dados, com classes mais largas, viram uma distribuição suave e simétrica; com classes mais estreitas, revelam dois picos. Nenhuma das duas versões está errada — e é por isso que o histograma exige que você saiba o que está fazendo ao escolher a faixa.
Quando cada um serve
| Gráfico de pontos | Histograma | |
|---|---|---|
| Unidade exibida | Cada observação | Contagem por classe |
| Amostra pequena (até ~50) | Ideal | Instável — a forma depende da classe escolhida |
| Amostra grande (centenas) | Fica denso e ilegível | Ideal |
| Valores repetidos | Aparecem empilhados, visíveis | Somem dentro da barra |
| Comparar grupos | Bom até 3 ou 4 grupos | Exige gráficos separados |
| Decisão que exige | Nenhuma — não há parâmetro a definir | Largura da classe |
A linha do meio é a que mais importa na prática de melhoria. Em um projeto real, você raramente tem centenas de medições da situação atual — tem vinte, trinta, às vezes doze. Nesse tamanho de amostra, o histograma é uma ferramenta ruim: com poucos dados, mudar a largura da classe muda a conclusão, e a forma que você vê diz mais sobre a sua escolha do que sobre o processo. O dot plot não tem esse problema porque não tem esse parâmetro.
O que você enxerga que os outros escondem
Três coisas aparecem com clareza num gráfico de pontos e custam a aparecer nos outros.
Empilhamento em valores específicos. Se muitas medições caem exatamente no mesmo número — 10,0 repetido dezenas de vezes num processo que deveria variar —, isso quase sempre indica arredondamento no registro, instrumento com resolução insuficiente ou alguém anotando o valor esperado em vez do medido. É um problema de medição, não de processo, e o dot plot o denuncia na hora.
Separação em dois grupos. Quando os pontos formam dois agrupamentos distintos com um vazio entre eles, você provavelmente tem duas populações misturadas: dois turnos, duas máquinas, dois fornecedores. Num histograma com classes largas, esse vazio é engolido e a distribuição parece uma só.
Onde exatamente o valor extremo está. O box plot sinaliza que existe um outlier e o coloca como um ponto solitário — o que é excelente para comparar muitos grupos de uma vez. O dot plot mostra o outlier junto com todo o resto, e você vê se ele está um pouco afastado ou em outro mundo.
O que o dot plot não responde
Ele mostra como os dados se distribuem, e essa é a fronteira. Ele não diz se a variação que você está vendo é normal do processo ou sinaliza que algo específico aconteceu — para isso é preciso olhar os dados em ordem cronológica, e a distinção entre os dois tipos de variação está em variação estatística. Um dot plot pode mostrar uma distribuição perfeitamente comportada de um processo que estava piorando dia após dia, porque a ordem no tempo não está ali.
Ele também não estabelece o critério estatístico para decidir se um ponto merece investigação — isso é território da carta de controle. E não substitui as medidas numéricas: para comparar a dispersão de dois processos com um número, você precisa de desvio padrão ou outra medida da estatística descritiva. O gráfico mostra; ele não mede.
Como construir
No papel, funciona: eixo horizontal com a escala do indicador, um ponto para cada medição, empilhando os repetidos. Com vinte dados, leva dois minutos e é frequentemente o suficiente para a conversa acontecer.
Em software, o caminho no Minitab está detalhado no material da Escola EDTI, com o passo a passo da construção. Em planilha, dá para improvisar, mas o resultado costuma exigir mais trabalho do que desenhar à mão.
Um cuidado na leitura: mantenha a escala do eixo coerente quando comparar dois grupos lado a lado. Escalas diferentes fazem duas distribuições parecidas parecerem distintas, e é o erro mais comum de quem monta o gráfico com pressa.
O caso que fecha o argumento
Uma equipe media o tempo de preparo de um exame laboratorial, coletou 24 medições e montou um histograma. A distribuição saiu razoavelmente simétrica, centrada em 18 minutos, e a conclusão foi que o processo estava sob controle e o problema era outro.
Com os mesmos 24 dados em um gráfico de pontos, apareceu o que as classes tinham engolido: onze medições agrupadas perto de 14 minutos e treze perto de 22, com quase nada entre elas. Não havia um processo de 18 minutos — havia dois processos, um rápido e um lento, e a média não descrevia nenhum dos dois. Eram dois analistas com métodos diferentes de preparo, coisa que ninguém tinha notado em dois anos.
A escolha do gráfico não foi um detalhe estético. Ela decidiu se o problema seria encontrado ou não. E é por isso que escolher a ferramenta por hábito — usar sempre histograma porque é o que se usa — é diferente de escolhê-la pela pergunta que você precisa responder e pelo tamanho da amostra que você tem. A primeira postura é ritual; a segunda é método, e é o que a certificação Green Belt desenvolve ao exigir um projeto conduzido com dados reais.
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 o critério de escolha entre gráficos de distribuição conforme o tamanho da amostra e a pergunta a responder.
Perguntas frequentes
O que é um gráfico de pontos?
É um gráfico que representa cada observação como um ponto sobre um eixo numérico, empilhando os valores repetidos. Diferente do histograma, ele não agrupa os dados em classes — você vê todas as medições individualmente.
Qual a diferença entre dot plot e histograma?
O histograma conta quantas observações caem em cada faixa e exige que você escolha a largura da faixa; o dot plot mostra cada observação e não tem parâmetro a definir. Com amostras pequenas o dot plot é mais confiável, porque a forma do histograma varia conforme a classe escolhida.
Quantos dados são necessários para um dot plot?
Funciona bem de poucas medições até cerca de cinquenta. Acima disso, os pontos ficam densos e o histograma passa a ser mais legível. Não existe mínimo técnico — com oito ou dez medições ele já revela empilhamentos e separações.
Dot plot é a mesma coisa que gráfico de dispersão?
Não. O gráfico de dispersão relaciona duas variáveis, uma em cada eixo, e serve para investigar associação. O dot plot trabalha com uma variável só e mostra como ela se distribui.
Como fazer um dot plot no Minitab?
O caminho passo a passo está no material EDTI Sensei, disponível para download. Vale lembrar que, com poucos dados, desenhar à mão costuma ser mais rápido do que abrir o software — e a conversa que o gráfico provoca é a mesma.
O dot plot mostra se o processo está estável?
Não. Ele mostra a distribuição, sem a ordem cronológica das medições. Um processo que piorou continuamente pode gerar um dot plot de aparência normal. Para avaliar estabilidade é preciso olhar os dados na sequência em que ocorreram.
Onde esses gráficos entram numa formação em melhoria de processos?
Logo no início, porque quase toda decisão em um projeto começa por olhar como os dados se distribuem. O que a formação acrescenta não é a construção do gráfico, que é simples, mas o critério para escolher entre eles e o método para agir sobre o que aparece — conteúdo dos cursos de Lean Six Sigma da EDTI, do White Belt gratuito ao Green Belt.