Como este tema funciona na sua empresa
Máquinas são operadas por poucos colaboradores que conhecem bem seus "hábitos". Coleta de OEE é manual, frequentemente intuitiva ("essa máquina estava ruim ontem"). Desafio: quando crescer, percepção não escala. Começar com uma métrica simples (disponibilidade) já muda a conversa.
Linhas múltiplas, dados dispersos entre CLP simples ou planilhas. Tentam calcular OEE mas coleta é cara e imprecisa. Desafio: automatizar sem investimento em MES complexo. Começa a aparecer o trade-off entre custo de coleta e valor da informação.
OEE é KPI crítico de operações. Múltiplos sites, múltiplas linhas, sistemas heterogêneos. Desafio: consolidação, governança de dados. OEE vira ferramenta de melhoria contínua (Kaizen), com metas por máquina e por turno.
OEE (Overall Equipment Effectiveness) é a métrica de saúde geral de uma máquina ou linha de produção, calculada como o produto de três componentes: disponibilidade (% de tempo operacional), performance (velocidade de produção vs. nominal) e qualidade (% de peças boas produzidas)[1]. Fórmula: OEE = Disponibilidade × Performance × Qualidade. Exemplo: 90% × 95% × 99% = 85,1% OEE.
O que é OEE e por que importa
OEE foi desenvolvida na década de 1980 pela Sony como parte da abordagem de Manutenção Produtiva Total (TPM). Virou padrão global porque é simples de calcular, difícil de manipular, e revela muito sobre a saúde operacional com apenas um número.
O "efeito multiplicativo" do OEE é o que a torna poderosa. Uma máquina com 90% de disponibilidade, 95% de performance e 99% de qualidade tem 85,1% de OEE — não 94,7%. Esse número é o que importa para o negócio: significa que uma máquina está produzindo efetivamente apenas 85% do tempo que deveria, desperdiçando tempo, material e capacidade produtiva.
Comece só com disponibilidade (máquina quebra ou não?). Depois que isso estiver claro, adicione performance. Qualidade é mais fácil se já tem inspeção. Começar simples em uma linha piloto, depois expandir.
Implemente MES simples ou CLP básico para capturar tempo de parada e peças produzidas. Foco: rastreabilidade por linha. Desafio não é técnico, é de processo (definir o que é "parada").p>
OEE é métrica de gestão, não só técnica. Integrar com sistemas IoT, agregar dados por site/produto/turno. Usar OEE para justificar investimento em manutenção preventiva (parada planejada melhora OEE vs. quebra não-planejada).
Os três componentes do OEE e o que cada um diz
Disponibilidade (Availability) é o % de tempo que a máquina está "de pé". Cálculo: (tempo planejado - tempo de parada não-planejada) ÷ tempo planejado. Benchmark: >90% é bom, <85% indica confiabilidade ruim. Armadilha: máquinas velhas naturalmente têm 70-80% de disponibilidade; comparar com equipamento similar, não com novo.
Performance mede se a máquina produz na velocidade nominal. Cálculo simplificado: velocidade real ÷ velocidade teórica. Benchmark: >95% é esperado. Uma máquina com 70% de performance está lenta — entupida, desalinhada, gasta. Armadilha: performance "pobre" pode ser culpa da máquina ou do operador (não segue procedimento).
Qualidade é o % de peças boas (sem defeito, sem retrabalho). Cálculo: peças boas ÷ total produzido. Benchmark: >99% é esperado em operações modernas. Armadilha: definir "boa" é subjetivo — passou em inspeção ou zero defeito? Muito rigoroso é impossível alcançar.
Exemplos práticos: diagnosticando onde melhorar
Uma linha produz 1000 peças/dia. Seu OEE é 68%. Onde focar? Desagregue os números:
- Disponibilidade 80% (máquina para 2 horas/dia em quebras) ? problema: confiabilidade. Solução: manutenção preventiva, MTBF (Mean Time Between Failures) >160 horas.
- Performance 85% (máquina produz 850/dia quando poderia 1000) ? problema: velocidade. Solução: ajuste, limpeza, substituição de peça gasta.
- Qualidade 99% (10 peças ruins/dia) ? problema: defeito. Solução: treinamento, SPC (Statistical Process Control), causa-raiz do defeito.
Esse exercício já muda a conversa operacional. Em vez de "OEE baixo", você tem "máquina quebra demais, performance pode melhorar"[2].
MTBF e MTTR: as métricas gêmeas da confiabilidade
MTBF (Mean Time Between Failures) é a média de tempo que a máquina funciona antes de quebrar. Cálculo: tempo total de operação ÷ número de falhas. Benchmark: >160 horas para máquinas modernas. MTBF baixo sinaliza que máquina está no fim da vida ou precisa de manutenção urgente.
MTTR (Mean Time To Repair) é o tempo médio para reparar. Cálculo: tempo total de reparo ÷ número de reparos. Benchmark: <2 horas é bom. MTTR alto pode indicar falta de peças de reposição, técnico sem treinamento ou equipamento muito complexo. Armadilha: incluir ou não o tempo "esperando técnico chegar"? Defina o escopo claramente.
A trajetória do OEE importa mais que o número absoluto
Um OEE de 75% pode ser excelente se a máquina estava em 60% há 6 meses, ou desastre se caiu de 85%. Rastrear a evolução mês a mês é crítico. Crescimento de 2-5% ao ano é saudável. Queda > 5% em um mês sinaliza um problema não-óbvio que precisa investigação.
Sazonalidade afeta OEE. Operações que param para manutenção preventiva no Q1 têm disponibilidade planejada mais baixa — não é culpa da máquina. Ao analisar, ajuste para manutenção planejada vs. não-planejada.
Armadilhas comuns ao implementar OEE
Armadilha 1 — Confundir "operando" com "disponível". Uma máquina ligada mas sem pedido para produzir é "disponível"? Defina escopo: OEE de máquina vs. OEE de linha vs. OEE de fábrica podem ter contas diferentes.
Armadilha 2 — Usar OEE como punitivo. Se operador vê que máquina tem 70% OEE e sente-se culpado, para de reportar paradas. OEE é ferramenta de diagnóstico, não de punição. Operador que vê OEE caindo sabe que algo está errado; use isso para melhoria.
Armadilha 3 — Focar só em um componente. Melhorar performance de 90% para 95% é bom, mas se disponibilidade cai de 92% para 88% no mesmo período, OEE global pode piorar. Acompanhe os três componentes juntos.
Implementação: do manual ao automático
Pequenas empresas começam com coleta manual: uma pessoa anda na linha, anota quando máquina parou e por quê. Simples, mas caro e impreciso. Médias empresas avançam para CLP (Controlador Lógico Programável) básico que registra paradas automaticamente. Grandes empresas usam sensores IoT e MES (Manufacturing Execution System) que capturam OEE em tempo real.
Investimento em automação compensa quando você tem múltiplas linhas e decisões que dependem de OEE real. Começar simples (manual em 1 linha) reduz o risco e permite aprender o que realmente importa medir.
OEE vs. Eficiência: a diferença que importa
Eficiência às vezes é usada como sinônimo de performance, mas OEE é mais amplo. Uma máquina pode ter 98% de eficiência em performance, mas se está parada 30% do tempo (disponibilidade 70%), seu OEE é apenas 70%. OEE é a visão integrada; performance é um componente.
Sinais de que você precisa medir OEE
Se três ou mais cenários abaixo descrevem sua operação, OEE deveria ser métrica prioritária:
- Decisões sobre investimento em máquinas novas vs. reparo são baseadas em "feeling", não em dados.
- Não sabe quantas horas por dia a máquina realmente produz (paradas desconhecidas).
- Manutenção é sempre reativa (máquina quebra, depois repara).
- Operadores reclamam de máquinas "lentas" mas não tem número que comprove.
- Qualidade é "problema de inspeção", não investigado até a causa na máquina.
- Crescimento está travado e você suspeita que equipamento obsoleto é a causa.
- Múltiplas linhas mas sem comparação de performance entre elas.
Caminhos para implementar OEE na sua operação
A implementação varia por porte e maturidade. Escolha a abordagem que se encaixa no seu estágio.
Viável para empresas com operação já estruturada e ao menos um técnico de sistemas.
- Perfil necessário: engenheiro de processo ou técnico de manutenção com experiência em produção
- Tempo estimado: 3 a 6 meses para primeira métrica (disponibilidade) funcionando
- Faz sentido quando: empresa já tem CLP ou sistema de coleta parcial
- Risco principal: parar no meio se a coleta se tornar muito trabalhosa
Indicado para empresas que querem acelerar ou implementar em múltiplas linhas simultaneamente.
- Tipo de fornecedor: Integradores de MES, Consultores de Lean/Kaizen, Fabricantes de sensores IoT
- Vantagem: experiência em implantação, benchmarks de indústria, treinamento de equipe
- Faz sentido quando: operação complexa ou precisa de velocidade
- Resultado típico: OEE operacional em 2-3 meses, com dashboards rodando
Precisa de ajuda para implementar OEE na sua fábrica?
Se otimizar eficiência operacional através de OEE é prioridade, o oHub conecta você gratuitamente a especialistas em MES e consultores Lean. Em menos de 3 minutos, descreva seu desafio e receba propostas de consultores, sem compromisso.
Encontrar fornecedores de TI no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes
Como calcular OEE?
OEE = Disponibilidade × Performance × Qualidade. Exemplo: se uma máquina está operacional 90% do tempo (disponibilidade), produz 95% da velocidade nominal (performance) e 99% das peças são boas (qualidade), então OEE = 0,90 × 0,95 × 0,99 = 85,1%.
O que é uma "boa" pontuação de OEE?
Benchmark depende da indústria, mas 85%+ é considerado bom e >90% é excelente. Máquinas antigas esperadamente têm OEE menor; importante é a tendência (está melhorando?) e a comparação com máquinas similares, não com novos equipamentos.
Como melhorar OEE em operações?
Primeiro, desagregue os três componentes. Se disponibilidade está baixa, foco em manutenção preventiva. Se performance é fraca, máquina precisa ajuste/limpeza. Se qualidade é problema, investigar causa-raiz do defeito e ajustar processo.
Qual é a diferença entre OEE e eficiência?
Eficiência muitas vezes refere-se só à performance (velocidade). OEE integra disponibilidade, performance e qualidade em uma única métrica de "saúde geral" da máquina.
Como OEE ajuda a identificar gargalos?
Se uma linha tem OEE muito menor que outra similar, sabe-se que há gargalo. Desagregando os componentes, identifica-se se o problema é parada frequente, velocidade ou defeitos, direcionando ação correta.
Como implementar coleta de dados para OEE?
Comece manual (anotações), então migre para CLP se tem equipamentos modernos, depois sensores IoT se escala justifica. O importante é que dados sejam consistentes e confiáveis desde o início.