A tabela fornecida pelo IMECC-Unicamp relaciona três grandezas: nível Sigma, DPMO e Yield. Ela vai de 0,1 Sigma a 6 Sigma e mostra, por exemplo, 3 Sigma associado a 66.807 DPMO e 93,3% de yield; 4 Sigma a 6.210 DPMO e 99,38%; 5 Sigma a 233 DPMO e 99,977%; e 6 Sigma a 3,4 DPMO e 99,99966%.
O valor da tabela não está apenas em “saber o Sigma”. Ele está em traduzir a linguagem estatística para impacto operacional: quantas oportunidades de defeito existem, quantos defeitos o desempenho atual sugere e qual diferença um salto de desempenho pode representar em escala.
Laboratório interativo de Sigma
Use o controle abaixo para explorar os valores exatos do material-base. Você também pode informar um DPMO para localizar a linha mais próxima ou alterar o volume de oportunidades para estimar quantos defeitos seriam esperados naquele cenário.
Explore a tabela
Selecione o nível Sigma ou informe DPMO. O cálculo de volume usa a relação DPMO × oportunidades ÷ 1.000.000.
Uma “oportunidade” é uma chance definida de ocorrência de defeito. Um item pode conter mais de uma oportunidade.
| Sigma | DPMO | Yield |
|---|---|---|
| 6,0 | 3,4 | 99,99966% |
| 5,9 | 5,4 | 99,99946% |
| 5,8 | 8,5 | 99,99915% |
| 5,7 | 13 | 99,99866% |
| 5,6 | 21 | 99,9979% |
| 5,5 | 32 | 99,9968% |
| 5,4 | 48 | 99,9952% |
| 5,3 | 72 | 99,9928% |
| 5,2 | 108 | 99,9892% |
| 5,1 | 159 | 99,984% |
| 5,0 | 233 | 99,977% |
| 4,9 | 337 | 99,966% |
| 4,8 | 483 | 99,952% |
| 4,7 | 687 | 99,931% |
| 4,6 | 968 | 99,90% |
| 4,5 | 1.350 | 99,87% |
| 4,4 | 1.866 | 99,81% |
| 4,3 | 2.555 | 99,74% |
| 4,2 | 3.467 | 99,65% |
| 4,1 | 4.661 | 99,53% |
| 4,0 | 6.210 | 99,38% |
| 3,9 | 8.198 | 99,18% |
| 3,8 | 10.724 | 98,9% |
| 3,7 | 13.903 | 98,6% |
| 3,6 | 17.864 | 98,2% |
| 3,5 | 22.750 | 97,7% |
| 3,4 | 28.716 | 97,1% |
| 3,3 | 35.930 | 96,4% |
| 3,2 | 44.565 | 95,5% |
| 3,1 | 54.799 | 94,5% |
| 3,0 | 66.807 | 93,3% |
| 2,9 | 80.757 | 91,9% |
| 2,8 | 96.801 | 90,3% |
| 2,7 | 115.070 | 88,5% |
| 2,6 | 135.666 | 86,4% |
| 2,5 | 158.655 | 84,1% |
| 2,4 | 184.060 | 81,6% |
| 2,3 | 211.855 | 78,8% |
| 2,2 | 241.964 | 75,8% |
| 2,1 | 274.253 | 72,6% |
| 2,0 | 308.538 | 69,1% |
| 1,9 | 344.578 | 65,5% |
| 1,8 | 382.089 | 61,8% |
| 1,7 | 420.740 | 57,9% |
| 1,6 | 460.172 | 54,0% |
| 1,5 | 500.000 | 50,0% |
| 1,4 | 539.828 | 46,0% |
| 1,3 | 579.260 | 42,1% |
| 1,2 | 617.911 | 38,2% |
| 1,1 | 655.422 | 34,5% |
| 1,0 | 691.462 | 30,9% |
| 0,9 | 725.747 | 27,4% |
| 0,8 | 758.036 | 24,2% |
| 0,7 | 788.145 | 21,2% |
| 0,6 | 815.940 | 18,4% |
| 0,5 | 841.345 | 15,9% |
| 0,4 | 864.334 | 13,6% |
| 0,3 | 884.930 | 11,5% |
| 0,2 | 903.199 | 9,7% |
| 0,1 | 919.243 | 8,1% |
O que significa DPMO?
DPMO significa defeitos por milhão de oportunidades. A ideia é normalizar a quantidade de defeitos pela quantidade de oportunidades de falha, permitindo comparar processos com volumes diferentes. O ponto crítico é a palavra oportunidade: antes de calcular, a organização precisa definir claramente o que conta como uma chance de defeito.
Uma peça pode ter várias oportunidades
Imagine uma peça inspecionada em quatro características críticas: diâmetro, comprimento, acabamento e identificação. Se cada peça oferece quatro oportunidades de defeito, 25.000 peças geram 100.000 oportunidades.
Se 621 defeitos forem encontrados em 100.000 oportunidades, o resultado é 6.210 DPMO — valor associado a 4 Sigma na tabela fornecida.
O que o Yield comunica?
Na tabela, yield representa a parcela de saída sem defeito associada ao nível. É útil porque percentuais altos podem parecer excelentes enquanto o volume absoluto de falhas continua significativo. A tabela torna esse efeito visível.
Por exemplo, 99,38% de yield em 4 Sigma soa muito próximo de 100%. Mas em um milhão de oportunidades a tabela associa esse nível a 6.210 defeitos. Em processos de alto volume, segurança, saúde, finanças ou experiência do cliente, a diferença entre “99%” e “quase seis Sigma” pode ser operacionalmente enorme.
O salto entre 3, 4, 5 e 6 Sigma
| Nível | DPMO da tabela | Yield | Em 100.000 oportunidades |
|---|---|---|---|
| 3σ | 66.807 | 93,3% | ≈ 6.680,7 defeitos |
| 4σ | 6.210 | 99,38% | ≈ 621 defeitos |
| 5σ | 233 | 99,977% | ≈ 23,3 defeitos |
| 6σ | 3,4 | 99,99966% | ≈ 0,34 defeito |
Os três primeiros campos vêm diretamente da tabela fornecida; a coluna final é uma simulação proporcional desenvolvida pela Struckel para tornar a escala mais concreta.
Como interpretar o nível sem transformar Sigma em troféu
Um número Sigma só é útil se estiver associado a uma definição consistente de defeito, oportunidade, população e período. Comparações entre processos exigem cuidado: um processo pode aparentar desempenho superior simplesmente porque definiu menos oportunidades de defeito ou uma especificação diferente.
Por isso, antes de apresentar “nosso processo é 4,2 Sigma”, documente:
- qual é a unidade analisada;
- o que constitui defeito;
- quantas oportunidades existem por unidade;
- qual período foi utilizado;
- quais dados foram excluídos e por quê;
- se o sistema de medição é adequado para identificar o defeito.
Sigma não substitui estabilidade e capacidade
A tabela ajuda a interpretar desempenho, mas não responde sozinha se o processo está estável, se as especificações são adequadas ou se a medição é confiável. O próprio material Green Belt fornecido coloca estabilidade, sistema de medição e capacidade dentro da fase Measure do DMAIC.
Se o DPMO melhora muito em um mês, a primeira pergunta não deveria ser “subimos de Sigma?”. Pergunte se houve mudança real e sustentada no sistema, se a amostra é comparável e se a medição permaneceu consistente.
Exemplo completo: processo de separação de pedidos
Considere uma operação que processa 20.000 pedidos por mês. Cada pedido tem cinco oportunidades definidas de erro: item, quantidade, lote, documentação e endereço. Isso gera 100.000 oportunidades mensais.
Se forem observados 621 defeitos nessas oportunidades:
Transformando defeitos em DPMO
Na tabela fornecida, 6.210 DPMO corresponde a 4 Sigma e 99,38% de yield. A equipe pode agora acompanhar se as mudanças reduzem o DPMO sem alterar a definição das oportunidades.
Como usar a tabela em um projeto DMAIC
- Define: escolha o defeito relevante para cliente e negócio.
- Measure: defina oportunidade, valide medição e calcule linha de base.
- Analyze: estratifique os defeitos e investigue causas do DPMO dominante.
- Improve: teste mudanças e compare desempenho com a linha de base.
- Control: acompanhe DPMO, yield e indicadores de processo para verificar sustentação.
A tabela ganha valor quando participa de uma história de melhoria; isolada, ela é apenas uma conversão.
Ferramenta ajuda a executar. Método ajuda a transformar.
Se o desafio deixou de ser apenas entender um conceito e passou a envolver processo, indicadores, variabilidade, governança ou projeto de melhoria, a Struckel pode estruturar a jornada com sua equipe.