Mais de 50 países
Uso global, impacto local
47 anos de atividade
Fundada em 1979
Mais de 50 funcionários
Europa, EUA e Ásia
Mais de 2.000 clientes
Mais de 20.000 usuários
Blog: A nova forma de cálculo dos limites de controle no novo Manual de SPC da VDA-AIAG: Um guia prático de implementação
Sobre o autor
Marc Schaeffers é diretor executivo da Datalyzer e possui mais de 35 anos de experiência na implementação de sistemas de Controle Estatístico de Processos (SPC) para fabricantes em todo o mundo. Ele tem prestado apoio a organizações dos setores automotivo, aeroespacial, de alta tecnologia, de alimentos e bebidas e médico na implementação de soluções avançadas de gestão da qualidade e da Indústria 4.0.
Resumo Executivo
O Manual de SPC da VDA-AIAG de 2026 apresenta uma nova abordagem para o cálculo dos limites de controle, permitindo que os usuários selecionem diferentes níveis de confiança, em vez de se basearem exclusivamente no método tradicional de três sigmas. Essa mudança reflete o fato de que a indústria moderna coleta uma quantidade muito maior de dados do que na época em que o Controle Estatístico de Processos (SPC) foi desenvolvido pela primeira vez.
Embora a nova abordagem ofereça maior flexibilidade, ela também levanta questões práticas. Como os níveis de confiança devem ser selecionados? Quais são as compensações entre detectar mudanças no processo e minimizar os alarmes falsos? E será que alterar o nível de confiança é realmente a melhor maneira de melhorar a eficácia do SPC?
Este artigo explica os conceitos estatísticos subjacentes às novas recomendações e discute suas implicações práticas com base na experiência da Datalyzer na implementação de sistemas de SPC em ambientes de manufatura em todo o mundo. Concluímos que a nova abordagem baseada no nível de confiança é uma adição valiosa ao conjunto de ferramentas de SPC. No entanto, o sucesso da implementação depende menos da seleção de limites de controle diferentes e mais da garantia de que os operadores recebam alertas significativos e que possam ser colocados em prática. Para a maioria das organizações, o gerenciamento inteligente de alarmes trará maiores benefícios do que a simples alteração dos cálculos estatísticos. Em outro post do blog, discutimos as consequências dos índices de capacidade recém-definidos.
Pontos principais
1. Introdução
Com a publicação do novo Manual VDA AIAG de SPC, em julho de 2026, foi introduzida uma das mudanças mais significativas no Controle Estatístico de Processos (SPC) das últimas décadas. Embora tenha sido dada muita atenção aos novos índices de capacidade do processo, uma mudança igualmente importante é a introdução de uma nova abordagem para o cálculo dos limites de controle. Por quase um século, os limites de controle de três sigmas de Shewhart constituíram a base do SPC. Eles se mostraram notavelmente eficazes e ainda são amplamente utilizados nas indústrias de manufatura atualmente. Então, por que o novo manual introduz uma abordagem alternativa? O manual recomenda permitir que as organizações selecionem diferentes níveis de confiança ao calcular os limites de controle. Embora o manual explique como esses limites podem ser calculados, ele oferece relativamente poucas orientações sobre por que essa flexibilidade foi introduzida ou como ela deve ser aplicada na prática. Com base em nossa experiência na implementação de sistemas de SPC em ambientes de manufatura em todo o mundo, acreditamos que a motivação esteja intimamente relacionada ao aumento dramático na coleta automatizada de dados. As fábricas modernas geram muito mais dados do que Walter Shewhart jamais poderia ter imaginado em 1931, criando desafios práticos para os quais o SPC tradicional nunca foi projetado para lidar.
Este artigo explica, em primeiro lugar, os conceitos estatísticos apresentados pelo novo manual e, em seguida, discute as considerações práticas para sua implementação em sistemas de SPC em grande escala.
2. As origens dos limites de controle de três sigmas
As origens dos limites de controle de três sigmas
O Controle Estatístico de Processos foi introduzido por Walter A. Shewhart em sua publicação marcante de 1931, intitulada “Economic Control of Quality of Manufactured Product”. Seu trabalho estabeleceu os princípios que ainda constituem a base dos gráficos de controle modernos. A escolha de Shewhart de três desvios-padrão (3σ) para os limites de controle representou um equilíbrio prático entre detectar rapidamente mudanças genuínas no processo e, ao mesmo tempo, evitar alarmes falsos em excesso. Conforme demonstrado por Donald Wheeler em inúmeras publicações, os limites de controle de três sigmas são notavelmente robustos e eficazes para processos de fabricação estáveis.
A indústria transformadora mudou
Quando Shewhart desenvolveu o SPC, as medições eram coletadas manualmente e um número relativamente pequeno de características do processo era monitorado. Atualmente, os sistemas de produção modernos coletam dados continuamente a partir de PLCs, sistemas de visão, CMMs, equipamentos de medição automatizados e dispositivos de IoT. Em muitos setores, o SPC evoluiu do monitoramento de um pequeno número de características para a análise contínua de milhões de medições todos os dias.
O desafio dos alarmes falsos
Os gráficos de controle tradicionais de três sigmas apresentam um nível de confiança de aproximadamente 99,73%, o que significa que espera-se que cerca de 0,27% dos subgrupos estáveis excedam os limites de controle exclusivamente devido à variação aleatória. Com milhares de gráficos, isso resulta em um número significativo de sinais estatísticos todos os dias, gerando fadiga de alarmes e dificultando que os operadores identifiquem mudanças no processo que sejam realmente importantes.
Embora o manual não identifique explicitamente a sobrecarga de alarmes como a motivação para a introdução de níveis de confiança configuráveis, ele enfatiza que regras adicionais para gráficos de controle só devem ser aplicadas quando servirem a um propósito específico.
O que mudou
O novo manual permite que as organizações selecionem diferentes níveis de confiança ao calcular os limites de controle. Isso altera as constantes utilizadas nos gráficos de controle (por exemplo, A2, D3 e D4), permitindo que as organizações equilibrem a sensibilidade com os alarmes falsos. Isso proporciona uma flexibilidade consideravelmente maior.
Por exemplo:
Por outro lado,
Nenhuma das duas abordagens é, por si só, melhor. Cada uma representa um equilíbrio diferente entre sensibilidade e estabilidade.
Para compreender essas relações de compromisso, examinamos, em primeiro lugar, três conceitos estatísticos: a taxa de falsos alarmes, a curva característica de operação (OC) e o comprimento médio da sequência (ARL).
3. Nível de confiança, curva ROC e ARL
Compreendendo o compromisso
A escolha de um nível de confiança afeta três características importantes de desempenho de todo gráfico de controle.
Taxa de alarmes falsos
A consequência mais óbvia é a taxa de falsos alarmes. Com os limites tradicionais de três sigmas, espera-se que aproximadamente 0,27% dos subgrupos estáveis excedam os limites de controle. A redução do nível de confiança aumenta essa porcentagem, enquanto o aumento do nível de confiança a reduz. Do ponto de vista operacional, isso influencia diretamente a carga de trabalho imposta aos operadores e engenheiros.
Curva característica de operação
Um conceito menos conhecido — mas igualmente importante — é a Curva de Características Operacionais (OC). A curva OC mostra a probabilidade de que uma determinada variação no processo seja detectada pelo gráfico de controle. Pequenas variações no processo são difíceis de detectar, pois são difíceis de distinguir da variação normal do processo. À medida que a magnitude da variação no processo aumenta, a probabilidade de detecção também aumenta.
As Figuras 1 e 2 comparam as curvas OC para dois níveis de confiança diferentes. As figuras ilustram um princípio importante. A redução do nível de confiança aumenta a probabilidade de detectar pequenas variações no processo, mas essa maior sensibilidade acarreta uma maior frequência de alarmes falsos. Por outro lado, o aumento do nível de confiança reduz os alertas desnecessários, mas atrasa a detecção de mudanças reais no processo.
É importante observar que essas curvas OC levam em conta apenas as violações dos limites de controle. Regras adicionais da Western Electric ou de Nelson influenciarão ainda mais o desempenho real de detecção.
Figura 1: Probabilidade de ocorrência de um alerta no gráfico de controle, com nível de confiança de 99,73%
Figura 2: Probabilidade de ocorrência de um alerta no gráfico de controle, com nível de confiança de 99%
Comprimento médio da sequência
Outra medida útil é o Comprimento Médio da Série (ARL). O ARL representa o número médio de subgrupos que serão coletados antes que uma variação no processo seja detectada. Níveis de confiança mais baixos geralmente reduzem o ARL, pois as variações são detectadas mais cedo. Níveis de confiança mais altos aumentam o ARL, pois são necessárias variações maiores para que o gráfico de controle emita um sinal.
Para organizações que produzem grandes volumes de produtos, essa diferença pode ter um impacto significativo na quantidade de material não conforme produzido antes que sejam tomadas medidas corretivas.
Comparação entre diferentes níveis de confiança
Para ilustrar essas relações de compromisso, a Tabela 1 compara três níveis de confiança comumente discutidos para um gráfico X̄-R com um tamanho de subgrupo igual a cinco.
| % change detecting sigma change | ARL | ||||||
| A2 | D4 | % False alarms | 0.5 sigma | 1 sigma | 2 sigma | 1 sigma | |
| 99% | 0.5 | 1.96 | 1% | 7.30% | 36.70% | 97.10% | 2.7 |
| 99.73% (AIAG) | 0.58 | 2.11 | 0.27% | 3% | 22.20% | 92.30% | 4.5 |
| 99.99% | 0.75 | 2.45 | 0.01% | 0.30% | 4.90% | 72.00% | 20.4 |
Tabela 1: Resultados para diferentes níveis de confiança com base em um gráfico XR com n=5
Várias observações podem ser feitas imediatamente. Um nível de confiança de 99% aumenta substancialmente a probabilidade de detectar pequenas variações no processo. No entanto, isso acarreta um aumento correspondente no número de alarmes falsos. No extremo oposto, um nível de confiança de 99,99% reduz drasticamente os alarmes falsos, mas diminui significativamente a capacidade do gráfico de detectar mudanças significativas no processo em tempo hábil. O nível de confiança tradicional de 99,73% continua sendo um equilíbrio adequado entre esses dois extremos.
Curiosamente, os exemplos apresentados no novo manual da VDA AIAG concentram-se principalmente em níveis de confiança de 99% e 99,73%, sugerindo que os autores esperam que os usuários considerem limites um pouco mais restritos, quando for o caso, em vez de ampliar universalmente os limites de controle.
Alterar o nível de confiança não é uma forma de melhorar a capacidade do processo.
Isso altera apenas o grau de sensibilidade do gráfico de controle em relação à variação do processo. Um limite de controle mais amplo reduz os alarmes falsos, mas também atrasa a detecção de mudanças reais no processo. Os fabricantes devem, portanto, selecionar os níveis de confiança com base nos requisitos operacionais, em vez de esperar um melhor desempenho do processo.
4. Considerações práticas sobre a implementação
Nos capítulos anteriores, explicamos os fundamentos estatísticos por trás do novo Manual de SPC da VDA AIAG e discutimos por que o manual introduz a opção de selecionar diferentes níveis de confiança para o cálculo dos limites de controle. Embora seja importante compreender os conceitos estatísticos, a implementação dessas recomendações em um ambiente de produção representa um desafio bem diferente. Selecionar um nível de confiança para um único gráfico de controle é relativamente simples. Aplicar a mesma abordagem de maneira consistente a centenas — ou mesmo milhares — de gráficos de controle é consideravelmente mais complexo.
Com base em nossa experiência na implementação de sistemas de SPC em instalações de fabricação em todo o mundo, acreditamos que o maior desafio não seja o cálculo de novos limites de controle. O verdadeiro desafio é garantir que o SPC continue sendo uma ferramenta eficaz para operadores e engenheiros, sem sobrecarregá-los com alertas desnecessários. Este capítulo aborda as considerações práticas para a implementação das novas recomendações e oferece nossas orientações para organizações que desejam adotar a nova abordagem da VDA AIAG.
A flexibilidade tem seu preço
Um dos pontos fortes do novo manual é que ele não parte mais do pressuposto de que um único nível de confiança seja adequado para todas as situações. Do ponto de vista estatístico, isso faz todo o sentido. Processos diferentes têm objetivos diferentes e níveis de risco distintos. Do ponto de vista da implementação, no entanto, essa flexibilidade introduz uma complexidade adicional.
Considere uma empresa com 5.000 gráficos de controle. Se cada característica puder ter seu próprio nível de confiança, alguém deverá decidir:
- Qual nível de confiança deve ser utilizado?
- Quem é responsável por tomar essa decisão?
- Como essas decisões serão documentadas?
- Como será mantida a consistência entre as linhas de produção e as fábricas?
- O que acontece quando as necessidades dos clientes mudam?
Embora seja fácil selecionar um nível de confiança para um único gráfico, manter configurações diferentes para milhares de características pode rapidamente se tornar um esforço significativo, tanto do ponto de vista técnico quanto administrativo. Somente por esse motivo, esperamos que muitos fabricantes continuem a utilizar um nível de confiança padrão comum para a maioria de seus gráficos de controle.
Limites de controle dinâmicos versus fixos
A nova abordagem baseada no nível de confiança pode ser utilizada tanto com limites de controle calculados dinamicamente quanto com limites de controle fixos estabelecidos durante um estudo inicial de capacidade do processo. Ambas as abordagens apresentam vantagens.
Os limites dinâmicos se adaptam automaticamente à medida que o processo muda. Eles exigem pouca manutenção e refletem sempre a variação atual do processo.
No entanto, há também uma desvantagem importante. Quando um processo sofre um desvio gradual ao longo do tempo, os limites calculados dinamicamente podem se deslocar gradualmente junto com o processo. Como resultado, uma deterioração real no desempenho do processo pode não gerar imediatamente um sinal de fora de controle, pois os próprios limites estão mudando. Para características críticas, isso costuma ser indesejável.
De acordo com nossa experiência, as características de segurança, as características regulatórias e as dimensões críticas para o cliente costumam ser melhor monitoradas por meio de limites de controle fixos, estabelecidos a partir de um processo estável. Esses limites fornecem uma referência consistente em relação à qual o desempenho futuro pode ser avaliado.
Os limites dinâmicos continuam sendo valiosos durante o desenvolvimento de processos ou ao estabelecer uma linha de base inicial, mas não devem ser automaticamente considerados a melhor opção para todas as aplicações.
Cada característica precisa de seu próprio nível de confiança?
O novo manual permite a utilização de diferentes níveis de confiança. Isso não significa necessariamente que eles devam ser utilizados em todas as situações. Algumas características justificam claramente uma maior sensibilidade. Entre os exemplos estão dimensões relacionadas à segurança, características com histórico de instabilidade ou processos em que variações muito pequenas têm consequências significativas. Outras características podem ser menos críticas e seriam capazes de tolerar limites de controle mais amplos sem aumentar o risco para a empresa.
Embora essa abordagem seja estatisticamente válida, sua implementação consistente exige conhecimento detalhado de engenharia para cada característica monitorada. Para organizações que gerenciam milhares de gráficos de SPC, isso rapidamente se torna difícil de manter. Consequentemente, esperamos que muitos fabricantes adotem uma solução prática:
Essa abordagem permite aproveitar a maior parte dos benefícios, evitando, ao mesmo tempo, complexidade desnecessária.
O verdadeiro desafio: a fadiga de alarmes
Em nossa opinião, o maior desafio enfrentado pelos sistemas modernos de SPC não é o cálculo dos limites de controle. Trata-se da gestão de alarmes. Os sistemas de fabricação atuais geram muito mais dados do que o SPC tradicional foi projetado para processar. Mesmo quando os limites de controle são calculados corretamente, os operadores ainda podem receber muito mais alertas do que são capazes de investigar de forma razoável. Por fim, duas coisas acontecem.
Em primeiro lugar, os operadores se acostumam com alarmes frequentes e passam a ignorá-los. Em segundo lugar, mudanças realmente importantes no processo ficam ocultas entre inúmeros sinais estatísticos de rotina. Nenhum desses resultados contribui para a melhoria da qualidade. Para que o SPC continue sendo eficaz, os operadores devem ter a certeza de que, quando ocorre um alarme, ele merece sua atenção.
Uma maneira diferente de reduzir alertas desnecessários
Uma maneira óbvia de reduzir os alarmes é aumentar o nível de confiança, ampliando assim os limites de controle. Embora isso reduza os alarmes falsos, também atrasa a detecção de mudanças reais no processo. Em nossa experiência, muitas vezes há uma solução melhor. Em vez de perguntar se um ponto está fora dos limites de controle, devemos também perguntar se o próprio processo é capaz.
Um processo com um valor de Ppk igual a 12 está operando bem dentro de seus limites de especificação. Embora um subgrupo específico possa, ocasionalmente, ficar fora dos limites de controle estatístico, o risco de produzir produtos não conformes permanece extremamente pequeno. Em contrapartida, exatamente o mesmo sinal estatístico em um processo com um valor de Ppk próximo a 1,33 merece investigação imediata. Embora ambos os gráficos gerem sinais de SPC idênticos, a resposta operacional não deve necessariamente ser a mesma. Isso ilustra um princípio importante: nem todo sinal estatístico requer a mesma resposta operacional.
Gerenciamento Inteligente de Alertas
No Datalyzer Qualis, enfrentamos esse desafio permitindo que os alertas sejam priorizados com base na capacidade do processo.
Por exemplo, os alertas que exigem ação do operador podem ser suprimidos automaticamente quando o valor do Ppk excede um limite configurável. Isso não ignora as informações estatísticas. O gráfico de controle continua registrando cada ponto e cada violação das regras. A diferença é que os operadores só são interrompidos quando o sinal representa um risco operacional significativo. A equipe de engenharia continua podendo analisar todas as informações de SPC, enquanto os operadores de produção podem concentrar sua atenção onde isso gera maior valor.
De acordo com nossa experiência, essa abordagem resulta em uma redução muito maior das intervenções desnecessárias do operador do que a simples alteração dos níveis de confiança.
Nossas recomendações
Com base em nossa experiência de implementação, recomendamos a seguinte abordagem ao adotar o novo Manual VDA AIAG de SPC.
1. A menos que haja uma razão técnica clara para se proceder de outra forma, utilize o nível de confiança tradicional de 99,73% como padrão da organização.
Essa continua sendo uma excelente solução de equilíbrio entre sensibilidade e alarmes falsos, além de evitar uma complexidade desnecessária na configuração.
2. Utilize níveis de confiança alternativos somente quando houver uma justificativa técnica clara.
Entre os exemplos estão características essenciais à segurança, requisitos específicos do cliente ou monitoramento especializado de processos.
3. Considere limites de controle fixos para características críticas.
Limites fixos fornecem uma referência estável e facilitam a detecção da deterioração gradual do processo.
4. Concentre-se no gerenciamento de alarmes, em vez de simplesmente alterar os limites de controle.
A redução de intervenções desnecessárias por parte do operador costuma trazer benefícios maiores do que a modificação dos próprios cálculos estatísticos.
5. Priorize os alertas de acordo com a capacidade do processo.
Um processo adequado e um processo marginal não devem necessariamente gerar a mesma resposta operacional, mesmo quando produzem sinais de SPC idênticos.
5. Conclusões
O novo Manual de SPC da VDA AIAG introduz uma flexibilidade valiosa, permitindo que os fabricantes selecionem diferentes níveis de confiança para o cálculo dos limites de controle. Do ponto de vista estatístico, trata-se de uma evolução importante. No entanto, uma implementação bem-sucedida exige mais do que apenas a seleção de um nível de confiança diferente. As organizações também devem levar em consideração as realidades práticas da operação de sistemas modernos de SPC que monitoram milhares de características de processo simultaneamente.
De acordo com nossa experiência, as maiores melhorias não advêm da alteração da matemática subjacente aos limites de controle, mas sim de garantir que os operadores recebam informações significativas e que possam ser colocadas em prática. Um sistema de SPC bem projetado deve ajudar os operadores a se concentrarem nas poucas mudanças no processo que realmente importam — e não sobrecarregá-los com sinais estatísticos que agregam pouco valor operacional.
Em última análise, o objetivo do SPC não mudou desde que Shewhart o introduziu há quase um século: detectar variações significativas no processo com antecedência suficiente para que sejam tomadas medidas corretivas eficazes. As novas recomendações da VDA e da AIAG oferecem flexibilidade adicional para alcançar esse objetivo, mas devem ser sempre implementadas no âmbito de uma estratégia mais ampla de monitoramento eficaz do processo e gestão inteligente de alarmes.
Quase cem anos após Shewhart ter introduzido o SPC, a matemática pode ter evoluído, mas o objetivo continua exatamente o mesmo: fornecer as informações certas às pessoas certas no momento certo, para que variações significativas no processo possam ser eliminadas antes que afetem a qualidade do produto.
Este artigo reflete a interpretação dos autores e sua experiência na implementação do Manual de SPC da AIAG e da VDA. Ele tem como objetivo servir de orientação prática e não substitui o manual oficial.
O senhor está se preparando para o novo Manual de SPC da AIAG e da VDA? Entre em contato com a Datalyzer para discutir como sua implementação atual de SPC pode ser alinhada às novas recomendações ou inscreva-se no webinar gratuito, no qual serão discutidas as implicações.
9%
Redução de custos alcançada pelos clientes
O que os clientes dizem
“O Datalyzer nos ajudou a vincular automaticamente dados de qualidade de todos os processos para análise avançada”
Dave Beeren
Engenheiro de rendimento, Philips
Setores que atendemos
Certificação ISO
ISO 27001 E SOC2
