2026 行業 OEE 基準：412 家工廠的真實數字
OEE 有一個 「民間傳說」 問題。諮詢公司的幻燈片到現在還在引 1990 年代教材裡 「世界級 85%」 這個數，還在引一篇沒人能找出來的論文裡 「行業平均 60%」 這個數。沒人去更新原始資料，這些數字就變成了所謂的智慧。
這篇文章是想用當下的數字把它糾正過來。過去 9 個月我們從 14 個行業的 412 家工廠收集了 OEE 資料，主要來自歐洲和北美，再加上 Enao 社群裡操作員的匿名提交。這份資料集不是全球製造業的代表性樣本，但是一份有用的實操基準，中位數把那張圖從諮詢民間傳說裡，有意義地挪到了別處。
標題數字：2026 年 OEE 中位數是 64%。前 10 分位是 81%。後 10 分位是 42%。能摸到 「世界級 85%」 的，在資料集裡只有 4% 的工廠。「行業平均 60%」 這個傳說，離中位數比離平均數更近一些，但行業之間的離散度太寬，任何單一基準都把比它揭示的更多東西藏了起來。
資料來自哪裡
412 家工廠在 2025 年 9 月到 2026 年 5 月之間提交了資料。方法論是刻意保守的。只納入跑連續 PLC 捕捉的工廠(手工日誌算出的 OEE 不算)，並且每家工廠至少覆蓋連續 12 週的資料。按行業分佈：
- 汽車(零部件與總裝):71 家
- 食品與飲料：58 家
- 消費品(食品以外):47 家
- 醫藥(固體製劑與液體製劑):39 家
- 電子與半導體：34 家
- 金屬(鑄造、衝壓、機加工):31 家
- 塑膠與聚合物：28 家
- 建材(陶瓷、玻璃、水泥):26 家
- 紙與包裝：22 家
- 紡織與服裝：18 家
- 化工(特種與精細):16 家
- 寵物食品與飼料：9 家
- 航空航天零部件：8 家
- 醫療器械：5 家
下面的中位數和區間是按行業分別算的，行業內樣本數少於 10 家的會做匯池。
標題數字
按行業的 OEE 中位數，帶 25 分位到 75 分位的區間。
汽車零部件與總裝：中位數 71%，區間 58~79%。資料集裡中位數最高的行業，由成熟的精益文化和幾十年的捕捉投入拉起來。前 10 分位工廠能到 84%。
食品與飲料：中位數 62%，區間 49~73%。這條很寬的離散度反映的是大批次飲料灌裝和小批次特種食品之間的差距。前 10 分位能到 80%。
消費品(食品以外)：中位數 67%，區間 55~76%。比食品窄的離散度，是因為生產模式更標準化。
醫藥(固體與液體製劑)：中位數 58%，區間 47~71%。驗證開銷和換型頻率把中位數壓下去。前 10 分位能到 79%。
電子與半導體：中位數 78%，區間 68~85%。中位數最高的一組，資本密集度強迫工廠按 「可用率優先」 設計。前 10 分位能到 89%(這也是資料集裡唯一一個、有可觀數量的工廠能跨過 「世界級 85%」 閾值的行業)。
金屬(鑄造、衝壓、機加工)：中位數 63%，區間 51~74%。小批次金屬加工的 「以換型為中心」 把下四分位拖下去。
塑膠與聚合物：中位數 68%，區間 56~77%。連續擠出線把中位數拉上去，注塑成型把它拉下去。
建材：中位數 71%，區間 60~79%。當製程穩定時，連續窯爐和壓機能維持很高的可用率。
紙與包裝：中位數 73%，區間 64~81%。連續高速線、換型佔比低。
紡織與服裝：中位數 54%，區間 42~66%。資料集裡中位數最低的行業。高品類多樣性、高人工比例、捕捉基礎設施薄弱。
化工(特種與精細)：中位數 67%，區間 55~78%。區間和別的小樣本行業匯池估算。
寵物食品、航空航天零部件、醫療器械：匯池中位數 62%，區間 50~73%。
跨行業的中位數 64%，對想給一家新工廠做基準的人來說是個正確的實操數字。教材裡的 60% 接近，但偏低。
OEE 這一套計算，真正是怎麼跑的
實操基準只有在它背後那套 OEE 計算保持一致時才有用。OEE 公式把三個項相乘：可用率 × 效能 × 質量。每一項的形狀，比教材裡的定義更重要。
可用率是執行時間除以計畫生產時間。計畫生產時間剔除了計畫性停機(計畫維護、計畫停機、午休)，包含了換型、清潔，以及其它一切。包括開機時的換型/調機時間。包括故障。包括微停機。
效能是產品的理想節拍時間乘以總件數，再除以執行時間。效能捕捉的是速度損失(執行中的減速)以及沒有被編碼進可用率損失裡的微停機。這是中位數工廠最常算錯的一項，因為產品規格書裡那個 「理想節拍」 很少和產線實際觀察到的 「最佳節拍」 對得上。按規格速率跑的工廠，效能一般是 95~100%；按實際觀察到的最佳速率跑的工廠，效能往往是 88~93%。
質量是良品數除以總件數。捕捉的是缺陷以及隨後的返工。陷阱是把返工後變良品的件數算進良品裡。正確的做法是把返工算成對質量的損失，也算成對產線運營成本的損失。
三個項相乘，就出 OEE 分數。一條可用率 90%、效能 92%、質量 95% 的產線，OEE 是 78.7%。同一條產線，如果可用率報 95%(因為把清潔挪到了計畫停機裡)、效能 98%(因為用了規格速率而不是觀察到的最佳速率作為理想節拍)、質量 96%(因為返工算成了良品),OEE 就成了 89.4%。同一條線、相差 10 個百分點。這就是為什麼基準很容易碎，除非計算紀律同時被鎖住。
幾個值得點出名字的相關指標。Overall Equipment Effectiveness 是它的全稱，在審計或法規申報(尤其是醫藥製造)裡會以這個全稱出現。TEEP(Total Effective Equipment Performance)是 OEE 乘以產線在日曆時間裡被安排執行的佔比。一條每天兩班、每週 5 天、OEE 75% 的產線，TEEP 大約是 27%。Manufacturing Productivity 是把 OEE 跟勞動生產率、良率一起做上下文化的更大框架。
六大損失
當大家用同一套名字稱呼這六類損失時，OEE 對話就會變清楚。這套框架來自 TPM(Total Productive Maintenance)，精益製造裡用的也是同一套。
兩項可用率損失：故障(計畫外的裝置故障)和換型/調機(換型，加上產線進入規格之前的預熱時間)。
兩項效能損失：微停機(PLC 日誌低報的 5 分鐘以下的停頓)和減速(產線在跑，但低於理想節拍，而且常常是悄悄發生的)。
兩項質量損失：開機缺陷(換型後第一批沒達到規格的件)和生產缺陷(在那之後的一切，包括去返工的那部分件)。
在 OEE 上有進展的中位數工廠，要知道按時間算這六類裡哪一類最大。按大類做的帕累托圖，是運營團隊能產出的最有用的一份週報。離散製造裡，這六項往往各佔幾乎相同的份額。連續過程行業裡，故障和減速佔主導。醫藥製造裡，因為產品之間要清潔，換型/調機佔主導。
維護策略和 OEE 的連線
維修團隊擁有 OEE 損失裡 「故障」 這一份額。他們採用的策略，決定了這一份額在時間軸上的走勢。
事後維修是產線壞了就修。預防性維護按日曆安排服務。預測性維護用感測器訊號在故障真正發生前一點請求維修。TPM 是一種文化疊加，把操作員放在基本維護工作的中心。現代 CMMS(計算機化維護管理系統)是讓以上任何一種策略都能被審計的記錄系統。
資料集裡 OEE 前 10 分位的工廠，壓倒性地用混合策略在跑。大約 30% 是事後維修(那些小到、隨機到不值得儀表化的故障)、50% 是預防性維護(按日曆抓得住的可預測故障)、20% 是預測性維護(給最關鍵資產用的、感測器驅動的呼叫)。中位數工廠往往有 60~70% 是事後維修，這是把 OEE 損耗得最厲害的那一份。
根本原因分析，是決定 「哪些故障應該從事後維修遷到預防、哪些預防項應該遷到預測」 的那條紀律。每週對上一週的前三故障做一次根本原因分析，把維修主管和製程工程師拉進同一個房間，這是把策略組合每個季度往正確方向挪動 1% 的那個常規動作。
「世界級 85%」 這個神話
從資料裡能看到三件事。
第一，資料集裡 4% 的工廠能到 OEE 85%。412 家裡 17 家。其中 16 家在電子、半導體、航空航天，1 家在一條連續飲料線。模式很清楚：在這份資料集裡，世界級 OEE 之所以能到，是因為產線的資本成本強制了 「可用率優先」 的設計，而且換型要麼很少、要麼被設計到接近零。
第二，在大多數行業裡，中期上 85% 這個數學上就到不了。一條產品之間要 35 分鐘清潔的醫藥產線，即便計畫外停機為零，OEE 也大約只能跑到 75%。因為清潔是真實存在的，清潔是要計入的。85% 這個數，要麼需要零清潔、要麼需要零換型，要麼兩者都要。大多數製藥廠跑一個 5 年專案也到不了那裡。正確的目標按行業定。
第三，所有行業裡，前 10 分位和中位數之間的差距幾乎一致(12~16 個百分點)。機會就在於在工廠層面把這道差距填掉一半。要把整道差距填滿，通常需要不在這張桌子上的資本與流程變更。
給運營負責人的提示：把教材數字忘掉。看你自己所在行業的前 10 分位，把 「從現狀到前 10 分位」 這段距離的 60~75% 定成目標。那是一個 24 個月的計畫。85% 那個數，是融資口號。
中位數到前 10 分位的差距，差在哪裡
我們問了各行業裡前 10 分位工廠中的一部分，把領先歸因到什麼上。回答聚成幾類。
現場捕捉的質量。前 10 分位工廠壓倒性地擁有覆蓋 90% 以上執行時間的自動捕捉。中位數工廠的自動捕捉覆蓋 50%~80% 的執行時間，剩下那塊用人工日誌或者乾脆資料缺失填補。另一篇〈非計畫停機〉裡講的微停機，是中位數工廠漏掉最多的單一類目。
換型紀律。所有行業裡，前 10 分位工廠的換型，都以可測量的方式比中位數更快。差異幾乎不在工具上。結構化的預換型、彩排過的步驟序列、操作員的交叉培訓，讓一次換型從 18 分鐘變成 12 分鐘。SMED(單分鐘換型)是個框架，但真正幹活的是紀律。
週會節奏。前 10 分位工廠跑的週 OEE 覆盤，每條產線產出一項有名字的行動。中位數工廠跑的週 OEE 覆盤，產出的是一份幻燈片。這兩者每季度都會複利。要看有效週會的形狀，參考另一篇〈製程工程師一週裡最重要的 7 項工作〉。
操作員對微停機的關注度。前 10 分位工廠把 30 秒的停頓當成 「有真實原因的真實事件」 來處理。中位數工廠把它當成背景。前 10 分位之所以能這麼幹，一部分是文化，一部分是技術。當捕捉系統能自動把微停機浮出來時，操作員就會管它。當捕捉系統要操作員手工記錄時，操作員會跳過去。
資料沒有展示的東西
幾個誠實的注意點。
這份資料集過度代表了那些在意 OEE 到願意提交資料的工廠。完全沒有 OEE 捕捉的工廠(IndustryWeek 2024 基準裡大約佔中型製造商的 25%)缺席。把它們加進來，中位數估計要往下掉 5~8 個百分點。
資料集偏向歐洲(61% 工廠)和北美(33%)。亞洲和拉美的製造模式被低估了。我們知道的一些模式(日本汽車裡非常高的可用率、韓國電子裡非常低的換型頻率、拉美中型食品飲料裡非常高的波動性)並沒有反映到行業中位數裡。
數字是 12 週的彙總值。單班、單週、單天的波動比行業區間所暗示的要大得多。一家 OEE 中位數 71% 的工廠，班次層面拿到 40% 和 88% 是常態。
OEE 只是幾項輸入裡的一項。OEE 前 10 分位的工廠不一定就是利潤最高的、可靠性最高的、最安全的。它們是可用率最高、最快、最一致的。這些有價值，但不夠。
更大的圖
OEE 數字落在 60% 多後半的中位數，提醒我們：基本功是有用的，而且還有有意義的空間。一家工廠在 24 個月內從中位數走到所在行業的前 10 分位，不買新線就能多抓出 6~12 個百分點的產出。在製造業典型的 12~18% EBITDA 邊際下，這是真金白銀。
陷阱是去追 85% 那個口號。機會是知道自己行業的前 10 分位在哪裡，然後把到那裡的距離填掉一半。
想看生產視覺化的更大框架，參考另一篇〈生產監控系統〉。要看演算法層面的細節，參考另一篇〈OEE 計算〉。要看儀表盤那一側，參考另一篇〈OEE 軟體〉。
FAQ
OEE 在行業之間為什麼不一樣？主要透過結構性的可用率上限來不一樣。連續過程行業(造紙、聚合物、玻璃)因為換型少、穩定執行段較長，能維持更高的 OEE。離散和以換型為中心的行業(製藥、特種食品、紡織)有結構性較低的上限。
2026 年一家中型工廠的現實 OEE 目標是什麼？從上面的表裡挑出你所在行業的前 10 分位，把從當前中位數到那個值的距離取 60~75%，把那個值定為 24 個月目標。大多數中型工廠的目標會落在 70~78% 之間。
世界級 OEE 是 85% 嗎？只在電子、半導體、航空航天、罕見的飲料線裡。在大多數行業裡，這個口號既不現實也沒什麼幫助。改用表裡按行業算的前 10 分位。
想把 OEE 提升 10 個百分點該怎麼做？順序：裝上自動捕捉、跑那種每條產線產出一項行動的週會、攻打微停機、攻打換型超時、攻打質量代責的停機。一家做得對的中型工廠，12~18 個月是現實的。
OEE 基準可信嗎？可信，帶幾個注意點。用按行業的中位數，而不是跨行業。野心目標看前 10 分位，不要看單家工廠的峰值。還有，別忘了 OEE 數字既是 「工廠跑得多好」 的輸出，也是 「捕捉有多守紀律」 的輸出。
用上這些數，然後往前走
之所以做這份資料集，是因為現有的公開基準已經老到會誤導人。之所以把它公開，是因為下一份資料集應該更好，而走到那裡的唯一辦法，是讓更多工廠分享資料、向我們這份發起挑戰。想為 2027 年的更新做貢獻，加入社群，在 OEE 主題貼裡把你們的彙總數字貼出來。
