Entenda como usar o diagrama de dispersão na qualidade para investigar relações entre variáveis, interpretar padrões e evitar confundir correlação com causalidade.
Confira!
O diagrama de dispersão é uma ferramenta gráfica usada para investigar se duas variáveis numéricas apresentam algum padrão de associação. Em Engenharia, ele ajuda a transformar uma hipótese como “temperatura parece aumentar a taxa de falhas” ou “mais revisões parecem aumentar o prazo de aprovação” em uma análise visual baseada em pares de dados. O gráfico pode revelar associação positiva, negativa, ausência de padrão, não linearidade, agrupamentos e valores atípicos. Entretanto, uma relação visual ou estatística não demonstra, por si só, causalidade.
O valor da ferramenta está em colocar uma hipótese sob evidência. Ela é especialmente útil depois que o problema foi definido e existem dados pareados confiáveis, mas antes de concluir que uma variável é causa da outra.
O que é um diagrama de dispersão
O diagrama de dispersão, também chamado scatter plot ou gráfico X-Y, representa pares de observações em um plano cartesiano. Cada ponto corresponde a uma observação: uma variável é posicionada no eixo horizontal e a outra no eixo vertical.
Se uma equipe acompanha, por exemplo, o número de interferências encontradas em uma revisão de projeto e o número de horas gastas em retrabalho para cada pacote, cada pacote gera um par de valores. Ao representar dezenas de pacotes, o padrão pode mostrar se maiores quantidades de interferências tendem a acompanhar maiores volumes de retrabalho.
A American Society for Quality classifica o diagrama de dispersão entre as sete ferramentas básicas da qualidade. O NIST o descreve como técnica de análise exploratória para verificar relações ou associações entre duas variáveis.
A ferramenta não substitui regressão, teste de hipótese ou conhecimento de Engenharia. Ela é uma etapa de investigação que ajuda a decidir se vale aprofundar determinada relação.
O que cada ponto significa
Um erro frequente é interpretar o gráfico como uma série temporal. Normalmente não é. Cada ponto representa um par de valores correspondente à mesma unidade de análise: equipamento, documento, lote, inspeção, projeto, período ou ocorrência.
Por exemplo:
- eixo X: temperatura medida em um painel;
- eixo Y: corrente medida no mesmo painel e no mesmo instante;
- cada ponto: um instante de medição.
Em outro contexto:
- eixo X: número de comentários recebidos por documento;
- eixo Y: tempo total até aprovação;
- cada ponto: um documento emitido.
A qualidade do pareamento é fundamental. Se os valores de X e Y não correspondem à mesma unidade, período ou condição, o gráfico pode sugerir relações artificiais.
Para que serve o diagrama de dispersão na qualidade
A ferramenta serve principalmente para responder: existe algum padrão de relação entre estas duas variáveis que justifique investigação adicional?
Ela pode ser aplicada para:
- testar visualmente hipóteses levantadas em Ishikawa ou 5 Porquês;
- comparar uma variável de processo com uma resposta de qualidade;
- investigar fatores associados a retrabalho, prazo, produtividade ou falhas;
- verificar se duas medições variam de forma semelhante;
- identificar agrupamentos que sugerem populações ou regimes diferentes;
- perceber relações não lineares que um coeficiente simples poderia ocultar;
- detectar observações atípicas que merecem investigação individual.
A ferramenta é mais valiosa quando a equipe evita “procurar uma história” no gráfico e parte de uma pergunta técnica definida.
Da hipótese ao dado
Considere uma equipe que suspeita que documentos com muitas interfaces disciplinares demoram mais para ser aprovados. A afirmação ainda é uma hipótese. Para analisá-la, seria necessário definir variáveis observáveis, por exemplo:
- X = número de disciplinas com interface relevante no documento;
- Y = tempo entre primeira emissão e aprovação final.
A partir daí, a equipe coleta pares para uma quantidade representativa de documentos e constrói o gráfico.
Se a nuvem de pontos se inclinar para cima, existe indicação de associação positiva. Se os pontos estiverem espalhados sem padrão, a hipótese pode estar fraca ou os dados podem precisar de estratificação. Se surgirem dois grupos claramente separados, talvez existam tipos de documento, clientes ou fases diferentes misturados na mesma análise.
Como interpretar os principais padrões
A interpretação começa pela forma da nuvem de pontos, não pelo desejo de confirmar a hipótese inicial.
Associação positiva
Existe associação positiva quando valores maiores de X tendem a aparecer com valores maiores de Y. Em Engenharia, isso poderia ocorrer entre quantidade de revisões e lead time de aprovação, carga aplicada e deformação dentro de determinada faixa, ou número de pendências e horas de retrabalho.
Quanto mais estreita e organizada a nuvem em torno de uma tendência crescente, mais forte parece a associação visual. Ainda assim, o gráfico não prova causalidade.
Associação negativa
Existe associação negativa quando o crescimento de X tende a acompanhar a redução de Y. Um exemplo possível seria aumento da cobertura de inspeções e redução de defeitos escapados, desde que as variáveis tenham sido definidas e medidas de modo coerente.
Novamente, uma terceira variável pode explicar ambas. A maturidade do fornecedor, por exemplo, pode simultaneamente aumentar a disciplina de inspeção e reduzir a quantidade de defeitos.
Ausência aparente de relação
Uma nuvem sem direção visível sugere que a relação entre as variáveis é fraca, inexistente, mascarada ou mal especificada.
Isso não significa automaticamente que “X não influencia Y”. Algumas possibilidades precisam ser avaliadas:
- faixa de X estreita demais;
- mistura de populações diferentes;
- erro de medição relevante;
- atraso temporal entre causa e efeito;
- relação não linear;
- variável de resposta influenciada por vários fatores simultaneamente.
O NIST destaca justamente que o gráfico permite avaliar relações lineares, não lineares, mudança de variabilidade e outliers.
Relação não linear
Nem todo fenômeno físico ou operacional segue uma reta. Pode existir faixa ótima, saturação, limiar ou comportamento em curva.
Um equipamento pode operar de forma estável até determinada temperatura e apresentar aumento acentuado de falhas acima de um limite. Se a análise procurar apenas correlação linear, esse padrão pode ser subestimado.
Agrupamentos
Dois ou mais grupos de pontos costumam indicar que os dados pertencem a condições diferentes. Em Engenharia, as causas podem ser:
- fornecedores distintos;
- famílias de equipamentos diferentes;
- equipes ou disciplinas diferentes;
- fases distintas do projeto;
- ambientes operacionais diferentes;
- versões diferentes de um procedimento.
O próximo passo não é calcular imediatamente uma única tendência sobre todos os pontos. Primeiro é necessário estratificar e entender por que existem grupos.
Outliers
Um ponto muito afastado da nuvem merece análise. Pode ser erro de cadastro, erro de medição, condição excepcional ou ocorrência técnica relevante.
Excluir o ponto apenas porque “estraga a tendência” é uma prática incorreta. A decisão deve ser documentada e tecnicamente justificada.
Quando uma hipótese parece plausível, o próximo passo é transformá-la em evidência. Em processos de Engenharia, a relação entre variáveis só ganha valor decisório quando os dados são comparáveis, rastreáveis e analisados dentro do contexto técnico.
Conheça o Diagnóstico e Otimização de Processos de Engenharia
Correlação não é causalidade
Essa é a principal cautela ao usar diagrama de dispersão. Duas variáveis podem se mover juntas sem que uma provoque a outra.
Há pelo menos quatro situações diferentes:
- X influencia Y;
- Y influencia X;
- uma terceira variável influencia X e Y;
- a relação observada ocorreu por acaso ou por viés nos dados.
Por exemplo, uma equipe pode observar que projetos com mais reuniões têm mais atrasos. Seria incorreto concluir que reuniões causam atraso. Projetos mais complexos podem exigir mais reuniões e, ao mesmo tempo, ter maior risco de atraso. A complexidade seria uma variável de confusão.
Em investigação de causa raiz, o diagrama de dispersão deve ser usado para testar plausibilidade de relações, não para encerrar a investigação.
Como fortalecer uma hipótese causal
Uma hipótese ganha força quando diferentes tipos de evidência convergem:
- existe mecanismo técnico plausível;
- a sequência temporal faz sentido;
- os dados mostram associação consistente;
- a relação permanece depois de estratificar fatores relevantes;
- intervenções ou mudanças controladas produzem efeito compatível;
- outras hipóteses concorrentes foram examinadas.
Essa lógica conecta o diagrama de dispersão à Análise de Causa Raiz — RCA e ao artigo de 5 Porquês na Engenharia: o gráfico ajuda a qualificar evidências, enquanto a investigação completa precisa explicar o mecanismo e demonstrar que a causa é consistente com os fatos.
Como construir um diagrama de dispersão corretamente
A construção gráfica é simples. O trabalho difícil está na definição dos dados.
1. Formular uma pergunta técnica
Comece com uma pergunta específica, por exemplo: “o número de comentários de revisão está associado ao tempo até aprovação?”.
Perguntas vagas como “por que o processo está ruim?” não definem duas variáveis observáveis.
2. Definir as variáveis
Cada variável deve ter unidade, critério de medição e fonte de dados claros.
Para o exemplo anterior:
- X: quantidade de comentários técnicos registrados na primeira rodada;
- Y: dias corridos da primeira emissão até aprovação.
Se “comentário” inclui observações editoriais em alguns documentos e apenas desvios técnicos em outros, o dado fica inconsistente.
3. Garantir o pareamento
Cada X deve corresponder ao Y da mesma unidade de análise. Não misture médias mensais de uma variável com valores individuais de outra sem justificativa.
4. Obter quantidade e faixa adequadas de dados
Poucos pontos tornam a leitura instável. Uma faixa muito estreita de X pode esconder uma relação existente. O tamanho adequado depende da variabilidade, do contexto e da decisão a ser tomada.
5. Plotar e identificar unidades
Os eixos devem mostrar nome e unidade das variáveis. O gráfico precisa ser compreensível sem depender de explicação oral.
6. Procurar padrões antes de calcular métricas
Avalie direção, forma, agrupamentos, outliers e mudança de dispersão. O gráfico é uma ferramenta exploratória.
7. Estratificar quando necessário
Se houver populações diferentes, separe por fornecedor, disciplina, equipamento, fase ou outra dimensão tecnicamente relevante.
8. Complementar com estatística quando a decisão exigir
Correlação, regressão, intervalos de confiança e testes de hipótese podem ser necessários quando a decisão possui maior consequência. O diagrama orienta essa etapa, mas não a substitui.
Diagrama de dispersão x correlação
Os conceitos são relacionados, mas diferentes.
| Aspecto | Diagrama de dispersão | Coeficiente de correlação |
| Natureza | Visual | Numérica |
| Mostra não linearidade | Sim | Pode não representar bem |
| Mostra outliers | Sim | Não diretamente |
| Mostra agrupamentos | Sim | Pode ocultar |
| Resume força/direção linear | Visualmente | Sim |
| Prova causalidade | Não | Não |
Uma prática madura usa ambos de forma complementar. Calcular um único coeficiente sem olhar o gráfico pode esconder dois grupos, um outlier dominante ou uma relação curva.
Diagrama de dispersão x histograma
O histograma na qualidade responde como uma variável se distribui. O diagrama de dispersão analisa como duas variáveis se comportam em conjunto.
Se a pergunta é “como se distribui o prazo de aprovação dos documentos?”, use histograma. Se a pergunta é “o prazo de aprovação aumenta quando cresce o número de comentários?”, use dispersão.
Os dois gráficos podem ser usados na mesma investigação porque respondem a perguntas diferentes.
Diagrama de dispersão x carta de controle
A carta de controle acompanha uma variável ao longo do tempo ou da sequência de produção e procura sinais de causas especiais. O diagrama de dispersão relaciona duas variáveis.
Em alguns casos, as ferramentas se conectam. Se uma carta mostra instabilidade, a equipe pode investigar fatores associados à variação por meio de dispersão. Se o processo apresenta autocorrelação, a estrutura temporal dos dados também precisa ser considerada antes de interpretar relações simples.
Aplicação em projetos de Engenharia
Em projetos, os dados normalmente não têm a repetitividade de uma linha de produção. Isso não impede o uso da ferramenta, mas exige cuidado com a unidade de análise.
Alguns pares possíveis:
| Variável X | Variável Y | Pergunta possível |
| número de interfaces | tempo de aprovação | interfaces aumentam lead time? |
| número de comentários | horas de retrabalho | comentários se associam ao esforço de correção? |
| percentual de requisitos incompletos | revisões emitidas | definição insuficiente aumenta reemissão? |
| atraso na entrada de dados | atraso na entrega | dependências tardias propagam atraso? |
| quantidade de disciplinas | número de clashes | complexidade aumenta conflitos detectados? |
O principal risco é misturar projetos incomparáveis. Um documento simples de uma disciplina e um pacote multidisciplinar crítico podem pertencer a populações diferentes.
Aplicação em obras e QA/QC
Em obras, inspeções e controle de qualidade, o diagrama pode relacionar condições de execução com resultados medidos.
Exemplos:
- temperatura ambiente x resultado de ensaio;
- tempo de cura x resistência obtida;
- umidade x defeitos observados;
- experiência da equipe x taxa de retrabalho;
- quantidade de inspeções x desvios escapados;
- atraso na inspeção x volume de correções posteriores.
A análise deve respeitar física, processo construtivo, especificações, método de medição e rastreabilidade. Um gráfico visualmente convincente não substitui critérios normativos nem julgamento de Engenharia.
Uso com inspeção e não conformidades
Uma folha de verificação pode ser usada para coletar ocorrências de forma consistente. O Pareto ajuda a priorizar categorias. Ishikawa organiza hipóteses. O diagrama de dispersão testa relações quantitativas específicas.
Essa sequência é mais robusta do que saltar diretamente de uma percepção para uma ação corretiva.
Qualidade não se controla apenas registrando desvios. A investigação precisa conectar ocorrências, causas potenciais, dados de campo e critérios de aceite para distinguir percepção de evidência e evitar ações corretivas frágeis.
Aplicação em operação e manutenção
Na operação de ativos, a ferramenta pode ajudar a investigar relações entre condição e desempenho:
- temperatura x taxa de falha;
- vibração x perda de eficiência;
- carga x aquecimento;
- horas de operação x degradação;
- frequência de manutenção x indisponibilidade;
- contaminante x vida útil de componente.
É essencial considerar defasagens temporais. Uma condição observada hoje pode influenciar falhas semanas depois. Parear medições do mesmo instante pode não capturar o mecanismo real.
Como evitar interpretações erradas
Misturar correlação com causa
É o erro mais conhecido. A relação é uma pista, não uma prova.
Ignorar a física ou o processo
Um padrão precisa ser tecnicamente explicável. Estatística sem mecanismo pode gerar decisões frágeis.
Usar médias agregadas
Médias podem ocultar variação interna. Sempre que possível, preserve a granularidade necessária para a pergunta.
Misturar populações
Fornecedor, turno, disciplina, ambiente ou versão de processo podem formar grupos distintos.
Remover outliers sem investigação
Um outlier pode ser justamente o evento que revela uma condição especial.
Forçar uma relação linear
Curvas, limiares e saturação são comuns em sistemas técnicos.
Escolher as variáveis depois de olhar o resultado
Testar dezenas de combinações até encontrar uma relação “interessante” aumenta o risco de conclusões espúrias. A pergunta deve nascer do problema e do conhecimento técnico.
Como usar dispersão dentro de uma investigação de causa
Uma abordagem consistente pode seguir esta sequência:
- definir o problema e a métrica de resposta;
- organizar causas potenciais com Ishikawa ou outra técnica;
- identificar hipóteses que podem ser representadas por variáveis mensuráveis;
- coletar dados pareados com critério;
- construir os diagramas de dispersão;
- descartar hipóteses sem suporte e aprofundar as plausíveis;
- aplicar análise estatística adicional quando necessário;
- confirmar mecanismo causal com evidências independentes;
- definir ação sobre a causa validada;
- medir eficácia depois da intervenção.
Esse encadeamento evita usar a ferramenta como mera ilustração.
Quando o diagrama de dispersão não é a melhor ferramenta
Ele não é adequado quando:
- as variáveis são essencialmente categóricas;
- não existem pares de dados comparáveis;
- o processo mudou várias vezes no período e os regimes não foram separados;
- a pergunta é sobre distribuição de uma única variável;
- a prioridade é acompanhar estabilidade temporal;
- a hipótese envolve lógica causal complexa sem representação quantitativa simples.
Nesses casos, outras ferramentas do conjunto podem responder melhor. O artigo Ferramentas da Qualidade na Engenharia ajuda a escolher a técnica conforme a pergunta.
Do gráfico à decisão de Engenharia
O objetivo não é produzir um gráfico bonito, mas melhorar uma decisão.
Uma relação relevante deve levar a perguntas como:
- o mecanismo é tecnicamente plausível?
- a relação é forte o suficiente para alterar uma decisão?
- há variáveis de confusão?
- a mesma tendência aparece em grupos diferentes?
- precisamos de regressão ou experimento adicional?
- que ação poderia alterar X e, se a hipótese for causal, produzir efeito em Y?
- como verificaríamos a eficácia da intervenção?
Esse raciocínio conecta análise de dados, qualidade e melhoria contínua.
O valor da análise está na decisão que ela melhora. Quando múltiplas variáveis, áreas e causas precisam ser avaliadas em conjunto, uma abordagem consultiva ajuda a estruturar o problema, selecionar evidências e transformar achados em ações verificáveis.
Considerações finais
O diagrama de dispersão é uma ferramenta simples para uma pergunta importante: duas variáveis parecem relacionadas? Na Engenharia, sua utilidade aumenta quando a análise parte de uma hipótese técnica, usa dados pareados confiáveis, considera estratificação e evita confundir associação com causalidade.
O gráfico deve ser tratado como evidência exploratória. Ele pode indicar onde aprofundar, revelar que uma hipótese não se sustenta, mostrar grupos diferentes ou evidenciar padrões não lineares. Quando integrado a RCA, DMAIC, CEP e outras ferramentas da qualidade, ajuda a substituir decisões intuitivas por investigação baseada em dados.
Referências técnicas
[1] AMERICAN SOCIETY FOR QUALITY. Scatter Diagram. Milwaukee: ASQ. Disponível em: https://asq.org/quality-resources/scatter-diagram
[2] NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. Engineering Statistics Handbook: Scatter Plot. Gaithersburg: NIST. Disponível em: https://www.itl.nist.gov/div898/handbook/eda/section3/eda33q.htm
[3] AMERICAN SOCIETY FOR QUALITY. Quality Tools & Templates. Milwaukee: ASQ. Disponível em: https://asq.org/quality-resources/quality-tools
Perguntas frequentes
É um gráfico X-Y que representa pares de valores numéricos para investigar visualmente se duas variáveis apresentam associação, padrões, agrupamentos, não linearidade ou outliers.
Não. Associação ou correlação não demonstram causalidade. A hipótese precisa ser sustentada por mecanismo técnico, sequência temporal, estratificação e outras evidências.
O histograma mostra a distribuição de uma variável. O diagrama de dispersão relaciona duas variáveis por meio de pares de observações.
Quando existe uma hipótese causal que pode ser representada por duas variáveis mensuráveis e há dados pareados confiáveis para verificar se a relação possui suporte empírico.
Pode indicar ausência de relação, faixa de dados estreita, mistura de populações, erro de medição, relação não linear ou influência de outras variáveis. É preciso analisar o contexto antes de concluir.
