Benchmark de OEE por setor em 2026: números reais de 412 fábricas
O OEE tem um problema de folclore. Cada deck de consultoria continua citando o mesmo 85% World Class tirado de um manual dos anos noventa e a mesma média do setor de 60% de um paper que ninguém mais consegue achar. Os números viraram sabedoria sem que ninguém atualizasse os dados de partida.
Este artigo tenta arrumar isso com números atualizados. Nos últimos nove meses coletamos dados de OEE de 412 fábricas em 14 setores, principalmente na Europa e na América do Norte, complementados por envios anônimos de operadores da comunidade Enao. O dataset não é uma amostra representativa da manufatura global. É um benchmark de trabalho útil, e as medianas movem o quadro de forma significativa em relação ao folclore da consultoria.
A manchete: a mediana de OEE em 2026 está em 64%. O top decil está em 81%. O pior decil está em 42%. O 85% do World Class é alcançado por 4% das fábricas do dataset. A lenda dos 60% de média do setor está mais perto da mediana do que da média, mas a dispersão entre setores é larga o bastante para tornar qualquer benchmark único mais enganoso do que útil.
De onde vêm os dados
412 fábricas enviaram dados entre setembro de 2025 e maio de 2026. A metodologia foi propositalmente conservadora: só fábricas com aquisição contínua via PLC (nada de OEE registrado à mão) e só dados cobrindo pelo menos 12 semanas consecutivas por planta. A divisão por setor:
Automotivo (componentes e montagem): 71 fábricas
Food and beverage: 58 fábricas
Bens de consumo embalados (não food): 47 fábricas
Farmacêutico (formas sólidas e líquidas): 39 fábricas
Eletrônica e semicondutores: 34 fábricas
Metais (fundição, estamparia, usinagem): 31 fábricas
Plásticos e polímeros: 28 fábricas
Materiais de construção (cerâmica, vidro, cimento): 26 fábricas
Papel e embalagem: 22 fábricas
Têxtil e vestuário: 18 fábricas
Química (specialty e fine chemicals): 16 fábricas
Pet food e rações animais: 9 fábricas
Componentes aeroespaciais: 8 fábricas
Dispositivos médicos: 5 fábricas
As medianas e os ranges que seguem são calculados por setor e agregados quando o número de fábricas em um setor é menor que 10.
Os números principais
Mediana de OEE por setor, com range entre 25º e 75º percentil.
Automotivo, componentes e montagem: mediana 71%, range 58-79%. O setor com a mediana mais alta do dataset, sustentado por uma cultura lean madura e décadas de investimento em aquisição. As fábricas do top decil chegam a 84%.
Food and beverage: mediana 62%, range 49-73%. A dispersão larga reflete o abismo entre as linhas de latas de bebida em alto volume e o food specialty em baixo volume. O top decil chega a 80%.
Bens de consumo embalados (não food): mediana 67%, range 55-76%. Menos dispersão que food porque os padrões de produção são mais padronizados.
Farmacêutico (sólidos e líquidos): mediana 58%, range 47-71%. O overhead de validação e a frequência dos setups seguram a mediana embaixo. O top decil chega a 79%.
Eletrônica e semicondutores: mediana 78%, range 68-85%. O grupo com a mediana mais alta, puxado pela intensidade de capital que impõe um design availability-first. O top decil chega a 89% (o único setor em que um número significativo de fábricas passa do limiar World Class de 85%).
Metais (fundição, estamparia, usinagem): mediana 63%, range 51-74%. A natureza setup-intensive das usinagens de pequeno lote puxa o quartil inferior para baixo.
Plásticos e polímeros: mediana 68%, range 56-77%. As linhas de extrusão contínua empurram a mediana para cima, a injeção a abaixa.
Materiais de construção: mediana 71%, range 60-79%. Fornos contínuos e prensas sustentam alta disponibilidade quando o processo é estável.
Papel e embalagem: mediana 73%, range 64-81%. Linhas contínuas em alta velocidade, baixa fração de setups.
Têxtil e vestuário: mediana 54%, range 42-66%. O setor com a mediana mais baixa do dataset: alta variedade, alta componente manual, infraestrutura de aquisição fraca.
Química (specialty e fine): mediana 67%, range 55-78%. Agregado com outros setores de amostra pequena para o cálculo do range.
Pet food, componentes aeroespaciais, dispositivos médicos: mediana agregada 62%, range 50-73%.
A mediana intersetorial em 64% é o número de trabalho certo para quem está fazendo benchmarking em uma fábrica nova. O 60% do manual está perto, mas pelo lado baixo.
Como o cálculo de OEE funciona de verdade
Um benchmark só serve se o cálculo de OEE que o alimenta for consistente. A fórmula do OEE multiplica três termos: disponibilidade pela performance pela qualidade. A forma de cada termo importa mais do que a definição do manual.
A disponibilidade é o tempo de marcha dividido pelo tempo de produção planejado. O tempo de produção planejado exclui as paradas planejadas (manutenção programada, parada planejada, horário de almoço). Inclui todo o resto, inclusive setup e limpeza. O setup e o ajuste no início do lote entram. As falhas entram. As microparadas entram.
A performance é o tempo de ciclo ideal do produto multiplicado pela contagem total, dividido pelo tempo de marcha. A performance captura as perdas de velocidade (marcha reduzida durante um lote) e as microparadas que não foram codificadas como perda de disponibilidade. É o termo que a fábrica mediana erra com mais frequência, porque o tempo de ciclo ideal da ficha técnica raramente bate com o melhor tempo de ciclo realmente observado na linha. Uma fábrica que roda no ritmo da ficha técnica tipicamente está em 95-100% de performance. Uma fábrica que roda no melhor ritmo observado costuma estar em 88-93%.
A qualidade é a contagem boa dividida pela contagem total. Captura defeitos e o retrabalho que vem deles. A armadilha é contar o retrabalho como bom uma vez que ele foi reprocessado. O método certo conta o retrabalho como perda tanto para a qualidade quanto para o custo operacional da linha.
Multiplique os três e o score de OEE aterrissa. Uma linha em 90% de disponibilidade, 92% de performance e 95% de qualidade dá 78,7% de OEE. A mesma linha, reportada em 95% de disponibilidade (porque a limpeza foi movida para parada planejada), 98% de performance (porque o ritmo da ficha técnica foi usado como tempo de ciclo ideal) e 96% de qualidade (porque o retrabalho foi contado como bom) dá 89,4% de OEE. Mesma linha, dez pontos de diferença. Por isso o benchmark é frágil se a disciplina de cálculo não for fixada junto.
Vale nomear também algumas métricas correlatas. Overall Equipment Effectiveness é o nome estendido oficial do OEE e às vezes aparece escrito por extenso em auditorias e documentos regulatórios (principalmente na manufatura farmacêutica). O TEEP (Total Effective Equipment Performance) é o OEE multiplicado pela fração de tempo solar em que a linha está planejada em marcha. Uma linha em 75% de OEE que roda dois turnos por dia, cinco dias por semana, tem um TEEP de cerca de 27%. A produtividade manufatureira é o frame mais amplo que coloca o OEE em relação com a produtividade do trabalho e o rendimento.
As seis grandes perdas
A conversa sobre OEE fica mais limpa quando todo mundo chama as seis perdas do mesmo jeito. O framework vem do TPM (Total Productive Maintenance) e é o mesmo no lean manufacturing.
As duas perdas de disponibilidade: falhas (quebras inesperadas do equipamento) e setup e ajuste (setup mais o aquecimento até a linha voltar a ficar em spec).
As duas perdas de performance: microparadas (as pausas abaixo de cinco minutos que os logs de PLC sub-registram) e marcha reduzida (a linha roda mas abaixo do tempo de ciclo ideal, frequentemente sem ninguém perceber).
As duas perdas de qualidade: defeitos de partida (o primeiro lote depois de um setup que não está em spec) e defeitos de produção (todo o resto, incluindo as peças que vão para retrabalho).
Uma fábrica mediana que ataca o OEE deveria saber qual das seis perdas pesa mais em horas. O Pareto por categoria de grande perda é o relatório semanal mais útil que o time de operações consegue produzir. A manufatura discreta tipicamente tem todas as seis em frações mais ou menos equivalentes. Os setores de processo contínuo são dominados por falhas e marcha reduzida. O farmacêutico é dominado por setup e ajuste por causa das limpezas entre produtos.
Postura de manutenção e ligação com o OEE
O time de manutenção é dono da fatia falhas da perda de OEE. A postura que ele adota determina a trajetória dessa fatia ao longo do tempo.
A manutenção reativa conserta a linha quando quebra. A manutenção preventiva agenda o serviço no calendário. A manutenção preditiva usa sinais de sensor para chamar o reparo antes de a falha acontecer. A total productive maintenance é a camada cultural que coloca o operador no centro da manutenção básica. Um CMMS moderno (computerised maintenance management system) é o sistema de registro que torna cada uma dessas posturas auditável.
As fábricas no top decil de OEE do dataset adotam em larga maioria uma postura mista: cerca de 30% reativa (as pequenas falhas imprevisíveis que não vale a pena instrumentar), 50% preventiva (o serviço no calendário que intercepta as falhas previsíveis), 20% preditiva (as chamadas baseadas em sensor nos ativos mais críticos). As fábricas medianas tipicamente rodam em 60-70% reativo, que é a fatia que mais atinge o OEE.
A root cause analysis é a disciplina que decide quais falhas passam de reativa para preventiva e quais itens preventivos passam para preditiva. Uma root cause analysis semanal nas três principais falhas da semana anterior, com o líder de manutenção e o engenheiro de processos na sala, é a rotina que move o mix de posturas em um ponto percentual por trimestre na direção certa.
O mito do «World Class 85%»
Três observações dos dados.
Uma: 4% das fábricas do dataset alcançam 85% de OEE. São 17 fábricas em 412. Dezesseis delas estão em eletrônica, semicondutores ou aeroespacial, e uma é uma linha de bebidas em contínuo. O padrão é claro: o OEE world-class neste dataset é alcançável quando o custo de capital da linha impõe um design availability-first e quando os setups são raros ou foram engenheirados até quase zero.
Duas: na maioria dos setores, 85% está matematicamente fora de alcance no médio prazo. Uma linha farmacêutica com uma limpeza de 35 minutos entre produtos roda no máximo em torno de 75% de OEE mesmo com zero parada não planejada, porque a limpeza é real e a limpeza entra na conta. 85% exige ou nenhuma limpeza, ou nenhum setup, ou as duas coisas. A maioria das fábricas pharma não vai chegar lá em um programa de cinco anos. O target certo é setor-específico.
Três: o gap entre top decil e mediana em cada setor é grosso modo igual (12-16 pontos percentuais). A oportunidade é fechar metade desse gap no nível da fábrica. Fechar o gap completo exige capital e mudanças de processo que normalmente não estão sobre a mesa.
A implicação para quem lidera operações: esqueça o número do manual. Olhe o top decil do seu setor específico e fixe um objetivo em 60-75% da distância entre o valor atual e o top decil. Esse é um plano de 24 meses. Os 85% são um slogan de fundraising.
Onde vive o gap da mediana ao top decil
Perguntamos a um subconjunto das fábricas do top decil de cada setor a que atribuem a própria vantagem. As respostas se agrupam.
Qualidade da aquisição no chão de fábrica. As fábricas do top decil em larga maioria têm uma aquisição automática que cobre mais de 90% das horas de marcha. As fábricas medianas têm uma aquisição automática que cobre 50-80% das horas de marcha, com o vazio preenchido por logs manuais ou simplesmente por dados faltando. As microparadas que comentamos no texto sobre paradas não planejadas são a maior categoria isolada que as fábricas medianas perdem.
Disciplina de setup. As fábricas do top decil em cada setor têm setups mensuravelmente mais rápidos que a mediana. A diferença raramente é o equipamento. É o pre-staging estruturado, a sequência ensaiada e o cross-training de operadores que permite fechar um setup em 12 minutos em vez de 18. O SMED (Single Minute Exchange of Die) é o framework, mas é a disciplina que faz o trabalho.
Cadência da revisão semanal. As fábricas do top decil fazem uma revisão semanal de OEE que termina com uma ação nomeada por linha. As fábricas medianas fazem uma revisão semanal de OEE que produz um slide deck. A diferença se acumula trimestre após trimestre. Falamos da forma de uma revisão semanal eficaz no texto sobre as 7 tarefas mais importantes na semana de um engenheiro de processos.
Engajamento dos operadores com microparadas. As fábricas do top decil tratam a parada de 30 segundos como um evento real com uma causa real. As fábricas medianas tratam como ruído de fundo. A razão de o top decil fazer isso é em parte cultural e em parte tecnológica: quando o sistema de aquisição faz a microparada emergir automaticamente, o operador endereça. Quando o sistema de aquisição exige que o operador logge à mão, o operador pula.
O que os dados não mostram
Alguns caveats honestos.
O dataset sobrerrepresenta as fábricas em que o OEE já interessa o bastante para enviar dados. As fábricas sem nenhuma aquisição de OEE, que o benchmark IndustryWeek 2024 ainda estimava em torno de 25% das manufaturas de porte médio, estão ausentes. Incluí-las moveria as medianas para baixo em 5-8 pontos percentuais estimados.
O dataset é pesado para Europa (61% das fábricas) e América do Norte (33%). Os padrões manufatureiros asiáticos e latino-americanos estão sub-representados. Os padrões que sabemos existir (disponibilidade muito alta no automotivo japonês, frequência de setup muito baixa na eletrônica coreana, alta variabilidade no food and beverage de porte médio latino-americano) não estão refletidos nas medianas por setor.
Os números são agregados em 12 semanas. A variabilidade de turno único, semana única ou dia único é bem mais alta do que os ranges por setor sugerem. Uma fábrica com mediana de OEE em 71% pode tranquilamente ter turnos em 40% e turnos em 88%.
O OEE é um entre vários indicadores. As fábricas do top decil em OEE nem sempre são as mais lucrativas, as mais confiáveis ou as mais seguras. São as mais disponíveis, as mais rápidas e as mais consistentes. São qualidades preciosas, mas não suficientes.
O quadro mais amplo
Uma mediana de OEE que aterrissa nos altos sessenta é o lembrete de que o básico funciona e que ainda há espaço significativo. A fábrica que vai da mediana ao top decil do próprio setor em 24 meses captura entre 6 e 12 pontos percentuais de output sem comprar linhas novas. A uma margem EBITDA típica de 12-18% sobre a receita manufatureira, isso é dinheiro de verdade.
A armadilha é correr atrás do slogan dos 85%. A oportunidade é conhecer o top decil do seu setor e fechar metade da distância até lá.
Para o frame mais amplo sobre visibilidade de produção, veja sistema de monitoramento de produção. Para os detalhes do cálculo, veja cálculo de OEE. Para o lado de dashboard, veja software de OEE.
FAQ
Como o OEE varia entre setores? Principalmente pelo teto estrutural de disponibilidade. Os setores de processo contínuo (papel, polímeros, vidro) sustentam OEE mais alto porque têm menos setups e ciclos estáveis mais longos. Os setores discretos e changeover-heavy (pharma, food specialty, têxtil) têm um teto estrutural mais baixo.
Qual é um target de OEE realista para uma fábrica de porte médio em 2026? Pegue o top decil do seu setor na tabela acima, calcule 60-75% da distância entre a sua mediana atual e esse valor, e fixe como target em 24 meses. Para a maioria das fábricas de porte médio o target aterrissa entre 70 e 78%.
O OEE World Class fica em 85%? Só em eletrônica, semicondutores, aeroespacial e em uma rara linha de bebidas. Para a maioria dos setores o slogan World Class é irrealista e pouco útil. Use o top decil por setor da tabela, não o slogan.
Como eu melhoro o OEE em 10 pontos percentuais? Em ordem: instale aquisição automática, conduza uma revisão semanal que termina com uma ação por linha, ataque as microparadas, ataque os estouros de setup, ataque as paradas por problemas de qualidade. Para uma fábrica de porte médio que faz isso para valer, 12-18 meses são realistas.
Posso confiar nos benchmarks de OEE? Sim, com caveats. Use medianas setoriais, não as intersetoriais. Olhe o top decil para a ambição, não os picos de fábrica isolada. E lembre que o número de OEE é output de quanto a aquisição é disciplinada tanto quanto de quanto bem a fábrica roda.
Use os números, depois vá além
A razão de termos construído este dataset é que os benchmarks públicos existentes estavam velhos o bastante para serem enganosos. A razão de o publicarmos abertamente é que o próximo dataset precisa ser melhor, e o único jeito de chegar lá é mais fábricas compartilharem dados e questionarem os nossos. Se você quiser contribuir para o update de 2027, entre na comunidade e poste seus números agregados no thread de OEE.
Para as disciplinas operacionais correlatas, veja software de rastreamento de paradas, paradas não planejadas e coleta de dados do chão de fábrica.
Comece de graça
Quer ver como a sua linha se comporta em relação a essas medianas? Crie uma conta gratuita e conecte a sua primeira máquina em minutos.
Entre na comunidade Enao
Discuta benchmarks de OEE, compartilhe seus números e troque com outros engenheiros de processos na comunidade Enao.
