Conheça as principais ferramentas da qualidade: Gráfico de Dispersão

Dando sequência a nossa série sobre as ferramentas da qualidade, hoje iremos falar sobre o Gráfico de Dispersão.

Lembrando que os conteúdos anteriores você pode conferir acessando os links a seguir:

Conheça as principais ferramentas da qualidade

Conheça as principais ferramentas da qualidade: Distribuição (histograma e dot-plot)

Conheça as principais ferramentas da qualidade: Gráfico de Pareto

Diagrama de Dispersão

Um diagrama de dispersão nada mais é do que uma representação gráfica entre pares de dados, feitos pela associação de diferentes variáveis.

Se mostra muito eficaz na resolução de problemas de produção, visto que aponta se existe ou não uma relação entre duas variáveis.

O diagrama de dispersão tem a função de relacionar os dados para estabelecer causas e efeitos.

A relação entre os dados é feita pela análise de duas variáveis, uma independente e a outra dependente, ou seja, a causa é um acontecimento independente e que gera uma consequência, o efeito, que depende da primeira variável.

Exemplo prático de execução do Gráfico de Dispersão

Como mencionamos anteriormente o gráfico de dispersão é uma ferramenta poderosa para estudar a relação entre duas variáveis (normalmente contínuas).

Vamos tomar como exemplo um departamento de gerenciamento de projetos que esta interessado em aumentar a satisfação com relação à entrega dos projetos mede a satisfação e os dias de atraso (número negativos indicam entrega antes do prazo).

Os dados são anotados em pares (x, y) como pode se notado na Tabela 2.

Cada ponto do gráfico de dispersão é relativo a um par de pontos da tabela e nesse exemplo concluímos que existe
uma forte relação entre a satisfação e os dias de atraso.

Conforme os dias de atraso aumentam a satisfação diminui e chamamos essa relação de negativa.

É tentador concluir que se entregarmos antes os projetos aumentaremos a satisfação, mas esse pensamento é potencialmente perigoso pois a correlação não implica necessariamente em causalidade.

Essa relação aparente pode ser causada por algo bastante diferente.

Outro exemplo bastante didático é a coleta de dados elaborada pelo estatístico dinamarquês Gustav Fisher. Ele coletou, entre 1930 e 1936, dados sobre a população e o número de cegonhas no final de cada ano na cidade de Oldenburg.

Ele não fez isso por acreditar no mito infantil, mas sim para mostrar que nem sempre a correlação implica em causalidade.

Quando construímos um gráfico de tendência procuramos identificar relações potenciais, que deverão ser comprovadas em experimentos posteriores.

Recomendamos a leitura do artigo: Tire 6 dúvidas sobre o diagrama de dispersão! como complemento deste post.

Continue acompanhando nossa semana especial para saber mais sobre as ferramentas restantes ao longo desta semana.

Aproveite para dar continuidade no seu aprendizado e faça um de nossos cursos de certificação Green Belt e Black Belt, com eles você se torna apto a executar projetos de melhoria e especialista na metodologia Seis Sigma.