O gráfico de dispersão é usado para a representação gráfica da relação entre duas quantidades variáveis. Ele responde à pergunta de se, em que direção e quão fortemente duas variáveis estão relacionadas entre si.
Cada ponto no diagrama representa um par de valores de uma variável de influência (x) e uma variável alvo (y). Com base na distribuição dos pontos, pode-se determinar se há uma relação positiva, negativa ou nenhuma relação entre as quantidades consideradas.
O gráfico de dispersão é particularmente adequado para examinar fatores de influência em uma variável alvo (variável de medição contínua).
O gráfico de dispersão pode ser usado em projetos LSS em todas as fases DMAIC. O propósito de uso varia dependendo da fase.
Tornar visíveis as conexões na situação inicial
Na fase de Definição, o gráfico de dispersão é usado para tornar visíveis as indicações iniciais de possíveis conexões entre fatores influentes e a variável alvo. Isso fornece uma primeira impressão de quais fatores podem ser relevantes.
Medir e quantificar conexões
Na fase de Medição, o gráfico de dispersão ajuda a representar graficamente a conexão entre fatores influentes e a variável alvo e a obter avaliações iniciais da direção e força da conexão.
Graficamente assegurar causas
Na fase de Análise, o gráfico de dispersão é usado para investigar graficamente possíveis relações de causa e efeito. Uma conexão reconhecível entre fatores influentes e a variável alvo fornece uma indicação de possíveis causas raízes.
Verificar mudança na conexão
Na fase de Melhoria, o gráfico de dispersão é usado para verificar se a conexão entre fatores influentes e a variável alvo mudou após uma medida.
Confirmar estabilidade da conexão melhorada
Na fase de Controle, o gráfico de dispersão confirma se a conexão melhorada entre fatores influentes e a variável alvo permaneceu estável.
O gráfico de dispersão é usado para representar graficamente a relação entre duas quantidades variáveis. Ele responde à questão de se, em que direção e quão fortemente duas variáveis estão relacionadas.
Cada ponto no diagrama representa um par de valores de uma variável influente (x) e uma variável alvo (y). A distribuição dos pontos mostra se há uma relação positiva, negativa ou nenhuma relação entre as quantidades consideradas.
Tornar visíveis graficamente as relações entre uma variável influente e uma variável alvo
Adequado para variáveis contínuas como tempo, temperatura, quantidade ou viscosidade
Identificar possíveis relações – sem suposições de modelo e antes de testes adicionais
No departamento de desenvolvimento de novos molhos de tomate, está sendo investigado como o tempo de cozimento afeta a viscosidade do produto. Para este propósito, molhos de tomate com diferentes tempos de cozimento são produzidos em várias séries de testes. Para cada série de testes, o tempo de cozimento e a viscosidade resultante são medidos e registrados como um par de valores.
Usando um gráfico de dispersão, é examinado se e como a relação entre tempo de cozimento e viscosidade é mostrada nos dados de medição. A relação básica é conhecida profissionalmente: Ao cozinhar por mais tempo, a água evapora, o que geralmente resulta no molho de tomate tendo uma maior viscosidade.
Explicações do gráfico:
O gráfico de dispersão mostra a viscosidade do molho de tomate dependendo do tempo de cozimento. À medida que o tempo de cozimento aumenta, a viscosidade medida aumenta. Os pontos estão aproximadamente em uma linha reta, indicando uma clara relação positiva, quase linear entre tempo de cozimento e viscosidade. Para os mesmos tempos de cozimento, uma baixa dispersão dos valores medidos é notável.
Preparação
- Defina a variável alvo (y) (por exemplo, viscosidade do molho de tomate)
- Defina a variável influente (x) (por exemplo, tempo de cozimento)
- Garanta que ambas as variáveis sejam variáveis quantitativas mensuráveis
- Colete os dados
Usar no AlphadiTab
- Na fase de Medição selecione a ferramenta de gráfico de dispersão
- Para os dados X selecione a coluna „tempo de cozimento“
- Para os dados Y selecione a coluna „viscosidade“
- Gere o diagrama com o botão „Criar novo“.
Interpretação
- Verifique se um relacionamento entre os eixos x e y é reconhecível
- Avalie se o relacionamento é positivo, negativo, ou inexistente
- Avalie se o relacionamento é aproximadamente linear
- Compare os gráficos de dispersão entre séries ou grupos, se disponível
Consideração Geral
A tendência pode ser descrita por uma linha ?
Se sim: A correlação é positiva ou negativa?
Se não: A tendência indica uma correlação não linear ?
O dispersão dos pontos é pequena ou grande?
Com Especificações Conhecidas
As medições estão dentro dos limites de especificação definidos?
Existem áreas da variável de influência onde a especificação não é atendida?
A correlação muda perto dos limites de especificação?
Nota: Uma correlação reconhecível não significa necessariamente que uma variável é a causa da outra.
Para gráficos de dispersão, 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 diagrama muda. Todas as seguintes formas de representação são baseadas no mesmo arquivo, mas diferem na seleção das colunas utilizadas.
| Tempo de entrega em dias_Localização A | Tempo de entrega em dias_Localização B | Tempo de entrega em dias_Localização C | Status do processo | Produto |
|---|---|---|---|---|
| 4 | 9 | 3 | Antes | Janela |
| 5 | 4 | 6 | Antes | Janela |
| 6 | 7 | 4 | Antes | Janela |
| 4 | 9 | 2 | Antes | Janela |
| 2 | 4 | 2 | Antes | Janela |
| 8 | 9 | 6 | Antes | Porta |
| 6 | 4 | 6 | Antes | Porta |
| 8 | 9 | 5 | Antes | Porta |
| 5 | 8 | 3 | Antes | Porta |
| 8 | 3 | 5 | Antes | Porta |
| 3 | 4 | 3 | Depois | Janela |
| 1 | 3 | 1 | Depois | Janela |
| 2 | 2 | 2 | Depois | Janela |
| 3 | 3 | 3 | Depois | Janela |
| 2 | 4 | 1 | Depois | Janela |
| 1 | 4 | 1 | Depois | Porta |
| 3 | 2 | 2 | Depois | Porta |
| 3 | 5 | 3 | Depois | Porta |
Descarregar tabela aqui como Excel.
✓Uma série de dados por eixo: Coluna A e B⌄
✓Uma série de dados por eixo com grupo: Coluna A, B e D⌄
✓Uma série de dados por eixo com grupo e série: Coluna A, B, D e E⌄
- Dois tamanhos quantitativos
Tempo de Resfriamento e Dureza do Material
No desenvolvimento de um novo componente, investiga-se como o tempo de resfriamento após o tratamento térmico afeta a dureza do material. Suspeita-se que um tempo de resfriamento mais longo leva a uma dureza do material mais baixa.
O gráfico de dispersão mostra uma correlação negativa entre o tempo de resfriamento e a dureza do material. À medida que o tempo de resfriamento aumenta, a dureza medida diminui.
Comparação das medições de produção e QA
Na produção, uma característica de qualidade é medida em linha, por exemplo, a quantidade de enchimento. Na garantia de qualidade, a mesma característica é verificada novamente com um dispositivo de medição separado. Para investigar se as medições de produção e garantia de qualidade são consistentes entre si, ambas as medições são registradas como pares de valores e exibidas em um gráfico de dispersão.
O gráfico de dispersão mostra a relação entre a medição de QA e a medição de produção da quantidade de enchimento. No intervalo de medição inferior, as medições de produção e QA concordam muito bem e estão aproximadamente em uma linha reta. No entanto, em medições mais altas, há um aumento da divergência, com as medições de QA sendo maiores do que as medições de produção.
Impacto da Frequência de Manutenção no Tempo de Inatividade
Na produção, é examinado como a frequência de manutenção afeta o tempo de inatividade não planejado das máquinas. Assume-se que a manutenção regular reduz os tempos de inatividade não planejados, mas esse efeito diminui a partir de uma certa frequência de manutenção. Para várias máquinas, o número de manutenções por mês e o tempo de inatividade não planejado no mesmo período são registrados e documentados como pares de valores. Um gráfico de dispersão é usado para verificar se há uma conexão e se um efeito de saturação pode ser observado.
O gráfico de dispersão mostra que, com o aumento da frequência de manutenção, o tempo de inatividade não planejado inicialmente diminui significativamente. A partir de uma frequência de manutenção de cerca de 4–5 manutenções por mês, o efeito se estabiliza, e manutenções adicionais levam apenas a leves melhorias adicionais.
Tempo de Processamento de Tickets por Localização
No service desk de TI, é investigado se a idade de um ticket tem impacto no tempo de processamento. Suspeita-se que tickets mais antigos são frequentemente mais complexos ou foram escalados várias vezes e, portanto, causam tempos de processamento mais longos. Para vários tickets, a idade do ticket no momento do processamento e o tempo de processamento real são registrados e documentados como um par de valores.
O gráfico de dispersão mostra uma forte dispersão dos tempos de processamento em todas as idades dos tickets. Uma relação linear clara entre a idade do ticket e o tempo de processamento não é discernível.
Taxa de Vendas vs. Duração da Oferta
Nas vendas, ofertas de vendas são criadas para os clientes. Deve-se investigar se a duração do processo de oferta tem impacto na taxa de vendas. Para várias ofertas, a duração da oferta (tempo desde a criação da oferta até a decisão) e a taxa de vendas resultante são registradas e documentadas como um par de valores.
O gráfico de dispersão mostra a relação entre a duração da oferta e a taxa de vendas, separada pelos produtos A e B. Para o Produto A, nenhuma relação linear clara é discernível, pois a taxa de vendas varia muito ao longo da duração da oferta. O Produto B, por outro lado, mostra taxas de vendas mais altas com durações de oferta mais longas. O diagrama ilustra que a relação entre a duração da oferta e a taxa de vendas difere entre os produtos.
Tempo de entrega após o centro logístico
Na logística, os pedidos dos clientes são processados através de vários centros logísticos. Deve-se investigar se a quantidade de entrega tem impacto no tempo de entrega. Para vários pedidos, a quantidade de entrega e o tempo de entrega real são registrados e documentados como pares de valores.
O gráfico de dispersão mostra a relação entre quantidade de entrega e tempo de entrega. Os pontos mostram uma dispersão clara. Uma relação entre quantidade de entrega e tempo de entrega não é reconhecível.
Entregas no Prazo vs. Tempo de Pedido
Nas compras, é examinado se o comprimento do tempo de espera do pedido tem um impacto na entrega no prazo. Suspeita-se que tempos de espera mais longos melhoram o planejamento e, assim, aumentam a taxa de entrega no prazo. Para vários pedidos, o tempo de espera (tempo entre o pedido e a data de entrega planejada) e a taxa real de entrega no prazo são registrados e documentados como pares de valores.
O gráfico de dispersão mostra uma correlação positiva entre o tempo de espera e a taxa de entrega no prazo. À medida que o tempo de espera aumenta, a taxa de entrega no prazo sobe. Os pontos mostram uma tendência ascendente, indicando uma relação aproximadamente linear.
Desvio de previsão
Na programação da produção, as previsões são ajustadas usando um fator de correção para compensar previsões sistematicamente acima ou abaixo do esperado. Deve-se investigar como o nível do fator de correção aplicado afeta o desvio de previsão restante. Para várias previsões, o fator de correção utilizado e o desvio de previsão real são registrados e documentados como um par de valores.
O gráfico de dispersão mostra a relação entre o fator de correção e o desvio de previsão. Com baixos fatores de correção, o desvio de previsão é predominantemente positivo, indicando uma superestimação da demanda. À medida que o fator de correção aumenta, o desvio de previsão diminui e fica próximo de 0 % em torno de fator de correção = 1,00. Com fatores de correção mais altos, o desvio de previsão torna-se cada vez mais negativo, indicando uma subestimação da demanda.
Gráfico de dispersão: Diagrama para representar graficamente a relação entre duas variáveis numéricas.
Diagrama de correlação: Termo alternativo, onde pontos de dados individuais são exibidos.
Variável independente (x): Variável cuja influência sobre outra variável está sendo estudada.
Variável dependente (y): Variável que se supõe ser influenciada pela variável independente.
Par de dados: Medições associadas das variáveis independente e dependente.
Relação linear: Relação onde os valores se alinham aproximadamente ao longo de uma linha reta.
Relação não linear: Relação onde a tendência não pode ser descrita por uma linha reta.
Dispersão: Medida da distribuição dos pontos em torno de uma tendência reconhecível.
Relação positiva: À medida que o valor de x aumenta, o valor de y sobe.
Relação negativa: À medida que o valor de x aumenta, o valor de y diminui.
Correlação: Medida da força e direção de uma relação entre duas variáveis.
Regressão: Método para descrever uma relação através de uma função matemática.
Causalidade: Relação de causa e efeito entre duas variáveis que não pode ser derivada de um gráfico de dispersão.