O histograma é uma ferramenta gráfica para representar a distribuição de frequência de uma medição contínua. Ele mostra como as medições estão distribuídas em classes (bins) e permite uma avaliação inicial da forma da distribuição (por exemplo, simétrica, assimétrica, multimodal).
Ao exibir as frequências, diferentes conjuntos de dados podem ser rapidamente comparados entre si, por exemplo, antes e depois de uma melhoria de processo ou entre diferentes máquinas, turnos ou lotes de material.
O histograma pode ser usado em projetos LSS em todas as fases do DMAIC. O propósito de uso varia dependendo da fase.
Mostrar distribuição da situação inicial
Na fase de Definição, o histograma é usado para tornar visível a distribuição atual da variável alvo. Isso permite ver onde os valores de medição estão concentrados e se a distribuição já mostra formas notáveis – uma base importante para a descrição do problema.
Analisar forma e dispersão da distribuição
Na fase de Medição, o histograma ajuda a analisar a forma da distribuição dos valores de medição. Ao comparar múltiplos grupos – como máquinas ou turnos – o histograma mostra se há diferenças na localização, largura ou forma da distribuição.
Usar diferenças de distribuição como indicação de causas
Na fase de Análise, o histograma é usado para tornar visíveis as diferenças de distribuição entre grupos. Distribuições multimodais ou altamente assimétricas podem fornecer pistas para diferentes causas ou processos de mistura.
Verificar melhoria da distribuição
Na fase de Melhoria, o histograma é usado para visualizar a comparação antes e depois. Ele mostra se a forma, localização e largura da distribuição melhoraram após a medida.
Confirmar estabilidade da distribuição
Na fase de Controle, o histograma confirma se a melhoria alcançada na distribuição permaneceu estável. Uma nova comparação mostra se a localização, largura e forma foram melhoradas de forma sustentável.
O histograma é uma ferramenta gráfica para representar a distribuição de frequência de uma medição contínua. Ele mostra como as medições estão distribuídas em classes (bins) e permite uma avaliação inicial da forma da distribuição (por exemplo, simétrica, assimétrica, multimodal). Ao exibir frequências, diferentes conjuntos de dados podem ser rapidamente comparados entre si, por exemplo, antes e depois de uma melhoria de processo ou entre diferentes máquinas, turnos ou lotes de material.
Durante a produção de molho de tomate, medições de viscosidade são realizadas regularmente. Para obter uma visão inicial da distribuição, é criado um histograma. Isso mostra de relance se os dados estão mais simetricamente ou assimetricamente distribuídos e se podem ser identificados agrupamentos ou áreas de borda incomuns.
Explicações dos resultados:
Um histograma consiste em vários elementos que juntos descrevem a distribuição dos dados:
- Classes (Bins): Intervalos nos quais as medições são divididas.
- Altura da barra: Número (frequência absoluta) ou proporção (frequência relativa) de valores dentro de uma classe.
- Largura da classe: Largura dos intervalos (tem uma forte influência na aparência).
- Forma da distribuição: Indicações de simetria, assimetria, multimodalidade e caudas "longas".
Preparação
- Selecione uma medição contínua e colete dados (por exemplo, viscosidade).
Usar no AlphadiTab
- Selecione a ferramenta de histograma na fase de Medição.
- Selecione dados „viscosidade“.
- Gere o gráfico com o botão „Criar novo“.
Interpretação
- A distribuição é aproximadamente simétrica? → Indicação de distribuição „equilibrada“.
- A distribuição é significativamente assimétrica (direita/esquerda)? → Indicação de processo assimétrico / misturas / limites / distúrbios.
- Há múltiplos picos de frequência (multimodal)? → Indicação de diferentes causas/agrupamentos (por exemplo, camadas, máquinas, lotes de material).
- Há classes de borda notáveis com poucos valores ou lacunas? → Verifique os dados (resolução de medição, arredondamento, casos especiais, saltos de processo).
- Múltiplos histogramas são exibidos? → Compare localização (faixa típica), dispersão (largura da distribuição) e forma (assimetria/multimodalidade) entre grupos.
Consideração Geral
Com especificações conhecidas
Com múltiplos histogramas
Para o histograma, várias formas de representação estão disponíveis. Dependendo de se uma ou mais séries de dados, bem como grupos ou séries adicionais, são selecionados, a representação no gráfico muda. Todas as seguintes formas de representação são baseadas no mesmo arquivo, mas diferem na seleção das colunas utilizadas. O respectivo procedimento é descrito nos blocos individuais.
| Tempo de entrega em dias_Local A | Tempo de entrega em dias_Local B | Tempo de entrega em dias_Local C | Status do processo | Produto |
|---|---|---|---|---|
| 4 | 9 | 3 | Anterior | Janela |
| 5 | 4 | 6 | Anterior | Janela |
| 6 | 7 | 4 | Anterior | Janela |
| 4 | 9 | 2 | Anterior | Janela |
| 2 | 4 | 2 | Anterior | Janela |
| 8 | 9 | 6 | Anterior | Porta |
| 6 | 4 | 6 | Anterior | Porta |
| 8 | 9 | 5 | Anterior | Porta |
| 5 | 8 | 3 | Anterior | Porta |
| 8 | 3 | 5 | Anterior | Porta |
| 3 | 4 | 3 | Posterior | Janela |
| 1 | 3 | 1 | Posterior | Janela |
| 2 | 2 | 2 | Posterior | Janela |
| 3 | 3 | 3 | Posterior | Janela |
| 2 | 4 | 1 | Posterior | Janela |
| 1 | 4 | 1 | Posterior | Porta |
| 3 | 2 | 2 | Posterior | Porta |
| 3 | 5 | 3 | Posterior | Porta |
Descarregar tabela aqui como Excel.
✓Uma série de dados: Coluna A⌄
✓Uma série de dados e grupo: Coluna A e D⌄
✓Uma série de dados com grupo e série: Coluna A, D e E⌄
✓Múltiplas séries de dados: Coluna A–C⌄
Pelo menos dados quantitativos (dados contáveis ou mensuráveis).
Um instrumento de medição apropriado, pois valores atípicos podem frequentemente resultar de erros de medição.
Desenvolvimento formulação antiga vs. nova
No desenvolvimento, uma nova formulação está sendo testada. Um histograma é usado para verificar se a distribuição da viscosidade da nova formulação difere da anterior ou se ambas as formulações apresentam comportamento de distribuição semelhante.
O histograma mostra que as distribuições da viscosidade das formulações antiga e nova se sobrepõem amplamente na faixa de valores típica. As principais áreas de frequências estão em classes semelhantes, portanto, não se pode ver diferença significativa na posição da distribuição.
Entretanto, é notável que a distribuição da nova formulação é mais ampla. As frequências estão espalhadas por mais classes, indicando uma maior dispersão dos valores de viscosidade.
Tempo de entrega de um pedido
Na garantia de qualidade, foi constatado que os valores individuais de viscosidade estavam fora do intervalo esperado. Um histograma deve ser usado para verificar se esse comportamento ocorre em todas as linhas de produção ou se linhas individuais diferem.
Você pode baixar os dados aqui: production-lines.xlsx
O histograma mostra que as linhas de produção 1 e 2 têm uma forma de distribuição semelhante e um intervalo típico comparável de valores de viscosidade. As frequências estão concentradas nas mesmas classes, o que sugere comportamento de processo semelhante.
Por outro lado, a distribuição da linha de produção 3 está deslocada, pois o foco das frequências está em classes mais altas. A dispersão é comparável para todas as três linhas, mas classes marginais individuais na linha 3 mostram valores isolados, o que pode indicar condições de processo especiais ou distúrbios.
Solicitações de Tempo de Resposta
Solicitações são processadas em vários locais no service desk de TI. Embora processos de serviço uniformes se apliquem, as condições podem diferir entre os locais. Um histograma é usado para investigar se a distribuição dos tempos de processamento de tickets difere.
No histograma, as principais áreas de tempos de processamento em todos os locais estão em uma faixa de valor semelhante. Isso mostra que os tempos de processamento típicos não diferem significativamente entre os locais.
Ao mesmo tempo, uma classe marginal com tempos de processamento muito longos é notável em um local. Esses poucos valores influenciam a distribuição na margem sem alterar significativamente a faixa de processamento típica. O histograma torna esses casos excepcionais visíveis e mostra que eles são mais provavelmente casos isolados em vez de um problema geral do local.
Cota de Vendas por Região
Nas vendas, as oportunidades de vendas são processadas em várias regiões. Diferentes condições de mercado e intensidades competitivas podem afetar a cota de vendas. Um histograma é usado para verificar se as distribuições diferem entre regiões e produtos.
O histograma mostra diferenças significativas na distribuição das cotas de vendas entre as regiões. Na região Oeste, as frequências estão concentradas em classes mais altas, enquanto na região Sul, os valores estão mais frequentemente em classes mais baixas.
As distribuições dos dois produtos são idênticas em todas as regiões, portanto, nem a categoria A (azul) nem a categoria B (verde) podem ser distinguidas no histograma. Uma ferramenta melhor neste caso é o box plot.
Tempo de entrega após o centro logístico
Na logística, os pedidos dos clientes são processados através de vários centros logísticos. Apesar dos mesmos processos, os tempos de entrega podem variar. Um histograma é usado para analisar se as distribuições dos tempos de entrega diferem entre os centros logísticos.
No histograma, os tempos de entrega típicos de todos os centros logísticos estão em uma faixa de valores semelhante. As frequências estão concentradas em classes comparáveis, o que sugere processos padrão semelhantes.
No entanto, em um centro logístico, uma acumulação marginal com tempos de entrega mais longos é notável. Esses poucos valores indicam situações de carga especial ou casos individuais.
Comparação de Fornecedores
Nas compras, os materiais são adquiridos de vários fornecedores. Um histograma é usado para examinar se a distribuição da confiabilidade de entrega difere entre os fornecedores. A confiabilidade de entrega é calculada como a porcentagem de entregas pontuais.
Confiabilidade de Entrega [%] indica com que frequência as entregas são feitas no prazo. Uma entrega é considerada pontual se chegar dentro do prazo de entrega acordado. A confiabilidade de entrega é calculada como a porcentagem de entregas pontuais.
Para cada semana, a confiabilidade de entrega é calculada, por exemplo:
Confiabilidade de Entrega [%] = (entregas pontuais / total de entregas) × 100
Para o histograma, a confiabilidade de entrega é calculada ao longo de várias semanas do calendário. Cada ponto de dados corresponde à confiabilidade de entrega de um fornecedor em uma semana.
O histograma mostra diferenças na distribuição da confiabilidade de entrega entre os fornecedores. O Fornecedor A mostra uma forte concentração em classes de alta porcentagem, indicando confiabilidade de entrega estável e alta.
O Fornecedor C também mostra uma distribuição relativamente estreita, mas com foco em classes mais baixas. A distribuição do Fornecedor B é significativamente mais ampla e mostra valores muito baixos isolados – uma indicação de desempenho menos estável com maiores flutuações.
O histograma, portanto, mostra que os tempos de entrega usuais dificilmente diferem, enquanto exceções individuais devem ser analisadas especificamente.
Desvio de previsão
Na programação da produção, são criadas previsões de demanda. Um histograma é usado para analisar como a distribuição dos desvios de previsão difere entre diferentes horizontes de planejamento.
O desvio de previsão resulta da comparação entre a demanda planejada e a demanda real. Para apresentar o desvio de forma comparável, ele é dado em porcentagem.
Desvio de previsão [%] = (demanda planejada − demanda real) / demanda real × 100
- Um valor positivo significa que a demanda foi superestimada.
- Um valor negativo significa que a demanda foi subestimada.
- Um valor próximo de 0 % indica uma previsão muito precisa.
Ao apresentá-lo como uma porcentagem, os desvios de previsão podem ser comparados independentemente das quantidades absolutas e exibidos claramente no histograma.
O histograma mostra que o planejamento de curto prazo tem uma distribuição estreita de desvio de previsão com foco próximo a 0 %. Isso indica uma alta precisão de previsão no horizonte de planejamento curto.
No planejamento de médio prazo, a distribuição é mais ampla e o foco está mais distante de 0 %. O planejamento de longo prazo mostra a distribuição mais ampla, bem como desvios positivos e negativos significativos – a incerteza da previsão aumenta significativamente com o horizonte de planejamento.
Classe (Bin): Intervalo no qual as medições são divididas para contagem de frequência.
Largura da classe: Largura de um intervalo (por exemplo, 0,5 Pa·s).
Frequência absoluta: Número de valores em uma classe.
Frequência relativa: Proporção de valores em uma classe (frequência absoluta / n).
Densidade (opcional): Frequência relativa relacionada à largura da classe (para comparação com diferentes larguras de classe).
Assimetria / Multimodalidade: Características de forma da distribuição (assimétrica ou múltiplos centros de acumulação).