Benchmark de OEE por sector en 2026: números reales de 412 fábricas
El OEE tiene un problema de folclore. Cada deck de consultoría sigue citando el mismo 85% World Class sacado de un manual de los noventa y la misma media del sector del 60% de un paper que nadie más consigue encontrar. Los números se convirtieron en sabiduría sin que nadie actualizase los datos de partida.
Este artículo intenta arreglar eso con números actualizados. En los últimos nueve meses hemos recogido datos de OEE de 412 fábricas en 14 sectores, principalmente en Europa y América del Norte, complementados con envíos anónimos de operarios de la comunidad Enao. El dataset no es una muestra representativa de la manufactura global. Es un benchmark de trabajo útil, y las medianas mueven el cuadro de forma significativa respecto al folclore de consultoría.
El titular: la mediana de OEE en 2026 está en el 64%. El top decil está en el 81%. El peor decil está en el 42%. El 85% del World Class lo alcanza el 4% de las fábricas del dataset. La leyenda del 60% de media del sector está más cerca de la mediana que de la media, pero la dispersión entre sectores es lo bastante amplia para hacer cualquier benchmark único más engañoso que útil.
De dónde vienen los datos
412 fábricas enviaron datos entre septiembre de 2025 y mayo de 2026. La metodología fue deliberadamente conservadora: solo fábricas con adquisición continua vía PLC (nada de OEE registrado a mano) y solo datos que cubrieran al menos 12 semanas consecutivas por planta. El reparto por sector:
Automoción (componentes y montaje): 71 fábricas
Food and beverage: 58 fábricas
Bienes de consumo envasados (no food): 47 fábricas
Farmacéutico (formas sólidas y líquidas): 39 fábricas
Electrónica y semiconductores: 34 fábricas
Metales (fundición, estampación, mecanizado): 31 fábricas
Plásticos y polímeros: 28 fábricas
Materiales de construcción (cerámica, vidrio, cemento): 26 fábricas
Papel y embalaje: 22 fábricas
Textil y confección: 18 fábricas
Química (specialty y fine chemicals): 16 fábricas
Pet food y piensos animales: 9 fábricas
Componentes aeroespaciales: 8 fábricas
Dispositivos médicos: 5 fábricas
Las medianas y los rangos que siguen están calculados por sector y agregados cuando el número de fábricas en un sector es menor que 10.
Los números principales
Mediana de OEE por sector, con rango entre 25º y 75º percentil.
Automoción, componentes y montaje: mediana 71%, rango 58-79%. El sector con la mediana más alta del dataset, sostenido por una cultura lean madura y décadas de inversión en adquisición. Las fábricas del top decil llegan al 84%.
Food and beverage: mediana 62%, rango 49-73%. La dispersión amplia refleja el abismo entre las líneas de latas de bebida en alto volumen y el food specialty en bajo volumen. El top decil llega al 80%.
Bienes de consumo envasados (no food): mediana 67%, rango 55-76%. Menos dispersión que en food porque los patrones de producción son más estandarizados.
Farmacéutico (sólidos y líquidos): mediana 58%, rango 47-71%. El overhead de validación y la frecuencia de los setups sujetan la mediana abajo. El top decil llega al 79%.
Electrónica y semiconductores: mediana 78%, rango 68-85%. El grupo con la mediana más alta, empujado por la intensidad de capital que impone un diseño availability-first. El top decil llega al 89% (el único sector en el que un número significativo de fábricas pasa del umbral World Class del 85%).
Metales (fundición, estampación, mecanizado): mediana 63%, rango 51-74%. La naturaleza setup-intensive de los mecanizados de pequeño lote tira del cuartil inferior hacia abajo.
Plásticos y polímeros: mediana 68%, rango 56-77%. Las líneas de extrusión continua empujan la mediana hacia arriba, la inyección la baja.
Materiales de construcción: mediana 71%, rango 60-79%. Hornos continuos y prensas sostienen una disponibilidad alta cuando el proceso es estable.
Papel y embalaje: mediana 73%, rango 64-81%. Líneas continuas a alta velocidad, baja fracción de setups.
Textil y confección: mediana 54%, rango 42-66%. El sector con la mediana más baja del dataset: alta variedad, alta componente manual, infraestructura de adquisición débil.
Química (specialty y fine): mediana 67%, rango 55-78%. Agregada con otros sectores de muestra pequeña para el cálculo del rango.
Pet food, componentes aeroespaciales, dispositivos médicos: mediana agregada 62%, rango 50-73%.
La mediana intersectorial en el 64% es el número de trabajo correcto para quien está haciendo benchmarking en una fábrica nueva. El 60% del manual está cerca, pero por el lado bajo.
Cómo funciona de verdad el cálculo de OEE
Un benchmark solo sirve si el cálculo de OEE que lo alimenta es consistente. La fórmula del OEE multiplica tres términos: disponibilidad por rendimiento por calidad. La forma de cada término importa más que la definición del manual.
La disponibilidad es el tiempo de marcha dividido por el tiempo de producción planificado. El tiempo de producción planificado excluye las paradas planificadas (mantenimiento programado, parada planificada, hora del almuerzo). Incluye todo lo demás, incluidos setup y limpieza. El setup y el ajuste al inicio del lote entran. Los fallos entran. Las microparadas entran.
El rendimiento es el tiempo de ciclo ideal del producto multiplicado por el recuento total, dividido por el tiempo de marcha. El rendimiento captura las pérdidas de velocidad (marcha reducida durante un lote) y las microparadas que no se codificaron como pérdida de disponibilidad. Es el término que la fábrica mediana falla con más frecuencia, porque el tiempo de ciclo ideal de la ficha técnica rara vez coincide con el mejor tiempo de ciclo realmente observado en la línea. Una fábrica que rueda al ritmo de la ficha técnica típicamente está al 95-100% de rendimiento. Una fábrica que rueda al mejor ritmo observado suele estar al 88-93%.
La calidad es el recuento bueno dividido por el recuento total. Captura defectos y el retrabajo que viene de ellos. La trampa es contar el retrabajo como bueno una vez que ha sido reprocesado. El método correcto cuenta el retrabajo como pérdida tanto para la calidad como para el coste operativo de la línea.
Multiplica los tres y el score de OEE aterriza. Una línea al 90% de disponibilidad, 92% de rendimiento y 95% de calidad da 78,7% de OEE. La misma línea, reportada al 95% de disponibilidad (porque la limpieza se movió a parada planificada), 98% de rendimiento (porque se usó el ritmo de la ficha técnica como tiempo de ciclo ideal) y 96% de calidad (porque el retrabajo se contó como bueno) da 89,4% de OEE. Misma línea, diez puntos de diferencia. Por eso el benchmark es frágil si la disciplina de cálculo no se fija a la par.
Vale la pena nombrar también algunas métricas correlacionadas. Overall Equipment Effectiveness es el nombre extendido oficial del OEE y a veces aparece escrito por extenso en auditorías y documentos regulatorios (principalmente en la manufactura farmacéutica). El TEEP (Total Effective Equipment Performance) es el OEE multiplicado por la fracción de tiempo solar en que la línea está planificada en marcha. Una línea al 75% de OEE que rueda dos turnos al día, cinco días por semana, tiene un TEEP de cerca del 27%. La productividad manufacturera es el marco más amplio que sitúa al OEE en relación con la productividad del trabajo y el rendimiento.
Las seis grandes pérdidas
La conversación sobre OEE queda más limpia cuando todo el mundo llama a las seis pérdidas igual. El framework viene del TPM (Total Productive Maintenance) y es el mismo en el lean manufacturing.
Las dos pérdidas de disponibilidad: fallos (roturas inesperadas del equipamiento) y setup y ajuste (setup más el calentamiento hasta que la línea vuelve a estar en spec).
Las dos pérdidas de rendimiento: microparadas (las pausas por debajo de cinco minutos que los logs de PLC subregistran) y marcha reducida (la línea rueda pero por debajo del tiempo de ciclo ideal, a menudo sin que nadie se dé cuenta).
Las dos pérdidas de calidad: defectos de arranque (el primer lote tras un setup que no está en spec) y defectos de producción (todo lo demás, incluidas las piezas que van a retrabajo).
Una fábrica mediana que ataca el OEE debería saber cuál de las seis pérdidas pesa más en horas. El Pareto por categoría de gran pérdida es el informe semanal más útil que el equipo de operaciones puede producir. La manufactura discreta típicamente tiene las seis en fracciones más o menos equivalentes. Los sectores de proceso continuo están dominados por fallos y marcha reducida. El farmacéutico está dominado por setup y ajuste por las limpiezas entre productos.
Postura de mantenimiento y conexión con el OEE
El equipo de mantenimiento es dueño de la porción fallos de la pérdida de OEE. La postura que adopta determina la trayectoria de esa porción a lo largo del tiempo.
El mantenimiento reactivo arregla la línea cuando se rompe. El mantenimiento preventivo agenda el servicio en el calendario. El mantenimiento predictivo usa señales de sensor para llamar al reparo antes de que el fallo ocurra. El total productive maintenance es la capa cultural que pone al operario en el centro del mantenimiento básico. Un CMMS moderno (computerised maintenance management system) es el sistema de registro que hace cada una de esas posturas auditable.
Las fábricas en el top decil de OEE del dataset adoptan en gran mayoría una postura mixta: cerca del 30% reactiva (los pequeños fallos imprevisibles que no merece la pena instrumentar), 50% preventiva (el servicio en calendario que intercepta los fallos previsibles), 20% predictiva (las llamadas basadas en sensor en los activos más críticos). Las fábricas medianas típicamente ruedan en 60-70% reactivo, que es la fracción que más golpea al OEE.
La root cause analysis es la disciplina que decide qué fallos pasan de reactiva a preventiva y qué ítems preventivos pasan a predictiva. Una root cause analysis semanal en los tres principales fallos de la semana anterior, con el jefe de mantenimiento y el ingeniero de procesos en la sala, es la rutina que mueve la mezcla de posturas en un punto porcentual por trimestre en la dirección correcta.
El mito del «World Class 85%»
Tres observaciones de los datos.
Una: el 4% de las fábricas del dataset alcanza el 85% de OEE. Son 17 fábricas de 412. Dieciséis de ellas están en electrónica, semiconductores o aeroespacial, y una es una línea de bebidas en continuo. El patrón es claro: el OEE world-class en este dataset es alcanzable cuando el coste de capital de la línea impone un diseño availability-first y cuando los setups son raros o se han ingenierizado hasta casi cero.
Dos: en la mayoría de los sectores, el 85% está matemáticamente fuera de alcance a medio plazo. Una línea farmacéutica con una limpieza de 35 minutos entre productos rueda como máximo en torno al 75% de OEE incluso con cero paradas no planificadas, porque la limpieza es real y entra en la cuenta. El 85% exige o ninguna limpieza, o ningún setup, o las dos cosas. La mayoría de las fábricas pharma no va a llegar ahí en un programa de cinco años. El target correcto es sector-específico.
Tres: el hueco entre top decil y mediana en cada sector es a grandes rasgos igual (12-16 puntos porcentuales). La oportunidad es cerrar la mitad de ese hueco a nivel de fábrica. Cerrar el hueco completo exige capital y cambios de proceso que normalmente no están sobre la mesa.
La implicación para quien lidera operaciones: olvida el número del manual. Mira el top decil de tu sector específico y fija un objetivo en el 60-75% de la distancia entre el valor actual y el top decil. Eso es un plan de 24 meses. El 85% es un eslogan de fundraising.
Dónde vive el hueco de la mediana al top decil
Preguntamos a un subconjunto de las fábricas del top decil de cada sector a qué atribuyen su propia ventaja. Las respuestas se agrupan.
Calidad de la adquisición en planta. Las fábricas del top decil en gran mayoría tienen una adquisición automática que cubre más del 90% de las horas de marcha. Las fábricas medianas tienen una adquisición automática que cubre el 50-80% de las horas de marcha, con el hueco rellenado por logs manuales o simplemente por datos que faltan. Las microparadas que comentamos en el texto sobre paradas no planificadas son la mayor categoría individual que pierden las fábricas medianas.
Disciplina de setup. Las fábricas del top decil de cada sector tienen setups mensurablemente más rápidos que la mediana. La diferencia rara vez es el equipamiento. Es el pre-staging estructurado, la secuencia ensayada y el cross-training de operarios que permite cerrar un setup en 12 minutos en vez de 18. El SMED (Single Minute Exchange of Die) es el framework, pero es la disciplina la que hace el trabajo.
Cadencia de la revisión semanal. Las fábricas del top decil hacen una revisión semanal de OEE que termina con una acción nombrada por línea. Las fábricas medianas hacen una revisión semanal de OEE que produce un slide deck. La diferencia se acumula trimestre tras trimestre. Hablamos de la forma de una revisión semanal eficaz en el texto sobre las 7 tareas más importantes en la semana de un ingeniero de procesos.
Implicación de los operarios con microparadas. Las fábricas del top decil tratan la parada de 30 segundos como un evento real con una causa real. Las fábricas medianas la tratan como ruido de fondo. La razón de que el top decil lo haga es en parte cultural y en parte tecnológica: cuando el sistema de adquisición saca a la superficie la microparada automáticamente, el operario la aborda. Cuando el sistema de adquisición exige que el operario la loguee a mano, el operario la salta.
Lo que los datos no muestran
Algunos caveats honestos.
El dataset sobrerrepresenta a las fábricas en las que el OEE ya interesa lo bastante como para enviar datos. Las fábricas sin ninguna adquisición de OEE, que el benchmark IndustryWeek 2024 todavía estimaba en torno al 25% de las manufactureras de tamaño medio, están ausentes. Incluirlas movería las medianas hacia abajo en 5-8 puntos porcentuales estimados.
El dataset es pesado para Europa (61% de las fábricas) y América del Norte (33%). Los patrones manufactureros asiáticos y latinoamericanos están subrepresentados. Los patrones que sabemos que existen (disponibilidad muy alta en la automoción japonesa, frecuencia de setup muy baja en la electrónica coreana, alta variabilidad en el food and beverage de tamaño medio latinoamericano) no están reflejados en las medianas por sector.
Los números están agregados en 12 semanas. La variabilidad de turno único, semana única o día único es bastante más alta de lo que los rangos por sector sugieren. Una fábrica con mediana de OEE en el 71% puede tranquilamente tener turnos en el 40% y turnos en el 88%.
El OEE es uno entre varios indicadores. Las fábricas del top decil en OEE no siempre son las más rentables, las más fiables o las más seguras. Son las más disponibles, las más rápidas y las más consistentes. Son cualidades preciosas, pero no suficientes.
El cuadro más amplio
Una mediana de OEE que aterriza en los altos sesenta es el recordatorio de que lo básico funciona y de que todavía hay espacio significativo. La fábrica que va de la mediana al top decil de su propio sector en 24 meses captura entre 6 y 12 puntos porcentuales de output sin comprar líneas nuevas. A un margen EBITDA típico del 12-18% sobre el ingreso manufacturero, eso es dinero de verdad.
La trampa es ir tras el eslogan del 85%. La oportunidad es conocer el top decil de tu sector y cerrar la mitad de la distancia hasta ahí.
Para el marco más amplio sobre visibilidad de producción, mira sistema de monitorización de producción. Para los detalles del cálculo, mira cálculo de OEE. Para el lado de cuadro de mando, mira software de OEE.
FAQ
¿Cómo varía el OEE entre sectores? Principalmente por el techo estructural de disponibilidad. Los sectores de proceso continuo (papel, polímeros, vidrio) sostienen un OEE más alto porque tienen menos setups y ciclos estables más largos. Los sectores discretos y changeover-heavy (pharma, food specialty, textil) tienen un techo estructural más bajo.
¿Cuál es un target de OEE realista para una fábrica de tamaño medio en 2026? Coge el top decil de tu sector en la tabla anterior, calcula el 60-75% de la distancia entre tu mediana actual y ese valor, y fíjalo como target en 24 meses. Para la mayoría de fábricas de tamaño medio el target aterriza entre el 70 y el 78%.
¿El OEE World Class está en el 85%? Solo en electrónica, semiconductores, aeroespacial y en una rara línea de bebidas. Para la mayoría de los sectores el eslogan World Class es irrealista y poco útil. Usa el top decil por sector de la tabla, no el eslogan.
¿Cómo mejoro el OEE en 10 puntos porcentuales? En orden: instala adquisición automática, conduce una revisión semanal que termina con una acción por línea, ataca las microparadas, ataca los excesos de setup, ataca las paradas por problemas de calidad. Para una fábrica de tamaño medio que lo hace en serio, 12-18 meses son realistas.
¿Puedo fiarme de los benchmarks de OEE? Sí, con caveats. Usa medianas sectoriales, no las intersectoriales. Mira el top decil para la ambición, no los picos de fábrica individual. Y recuerda que el número de OEE es output tanto de lo disciplinada que es la adquisición como de lo bien que rueda la fábrica.
Usa los números, después ve más allá
La razón por la que construimos este dataset es que los benchmarks públicos existentes estaban lo bastante viejos para ser engañosos. La razón por la que lo publicamos abiertamente es que el próximo dataset tiene que ser mejor, y la única forma de llegar ahí es que más fábricas compartan datos y cuestionen los nuestros. Si quieres contribuir al update de 2027, únete a la comunidad y postea tus números agregados en el hilo de OEE.
Para las disciplinas operativas correlacionadas, mira software de seguimiento de paradas, paradas no planificadas y recogida de datos de planta de fábrica.
Empieza gratis
¿Quieres ver cómo se comporta tu línea respecto a esas medianas? Crea una cuenta gratuita y conecta tu primera máquina en minutos.
Únete a la comunidad Enao
Discute benchmarks de OEE, comparte tus números e intercambia con otros ingenieros de procesos en la comunidad Enao.
