Contenu Power BI performances de production

  • Article

Cet article décrit ce qui est inclus dans le contenu Performances de production de Microsoft Power BI. Elle explique également comment accéder aux états Power BI, et fournit des informations sur le modèle de données et les entités qui permettent de créer le contenu.

Présentation

Le contenu Power BI Performances de production est destiné aux responsables de production ou aux personnes au sein de l’organisation qui sont chargées du contrôle de la production.

Les états inclus vous permettent d’utiliser Power BI pour surveiller les performances des opérations de fabrication par rapport à l’exécution dans les délais, la qualité et le coût. Les états utilisent les données transactionnelles provenant des ordres de fabrication et des lots de commandes, et fournissent une vue globale des mesures de production à l’échelle de l’entreprise et une répartition des mesures par produit et ressource.

Le contenu Power BI met l’accent sur la capacité de l’organisation à terminer la production à temps et en entier. Les performances futures sont projetées en fonction des plans de production. Les états complets fournissent des informations détaillées sur les défauts de produit qui sont causés par la production, ainsi que les taux de défectuosité pour les ressources et les opérations.

Ce contenu Power BI vous permet également d’analyser les écarts de production. Les écarts de production sont calculés comme la différence entre le coût estimé et le coût réalisé. Les écarts de production sont calculés lorsque les ordres de fabrication ou les lots de commandes atteignent l’état Terminé.

Le contenu Power BI Performances de production inclut les données provenant des ordres de fabrication et des lots de commandes. Les états n’incluent pas les données liées aux productions de kanban.

Accès au contenu Power BI

Le contenu Performances de production Power BI s’affiche sur la page Performances de production (Contrôle de la production>Recherches et états>Analyse des performances de production>Performances de production).

Mesures incluses dans le pack de contenu Power BI

Le contenu Power BI Performances de production comprend un ensemble de pages d’état. Chaque page contient un ensemble de mesures visualisées sous forme de graphiques, de vignettes et de tables.

Le tableau suivant offre une vue d’ensemble des visualisations incluses.

Page d’état Graphiques Vignettes
Performances de production
  • Nombre de productions par date
  • Nombre de productions par groupe de produits et d’articles
  • Nombre de productions planifiées par date
  • 10 derniers produits à temps & complet
  • Nombre total de commandes
  • Pourcentage à temps & complet
  • Pourcentage incomplet
  • Pourcentage en avance
  • Pourcentage en retard
Défauts par produit
  • Taux de défectuosité (ppm) par date
  • Taux de défectuosité (ppm) par groupe de produits et d’articles
  • Quantité produite par date
  • 10 premiers produits par taux effectif
  • Taux de défectuosité (ppm)
  • Quantité défectueuse
  • Quantité totale
Tendance des défauts par produit Taux de défectuosité (ppm) par quantité produite Taux de défectuosité (ppm)
Défauts par ressource
  • Taux de défectuosité (ppm) par date
  • Taux de défectuosité (ppm) par ressource et site
  • Taux de défectuosité (ppm) par opération
  • 10 premières ressources par taux de défectuosité
 Quantité défectueuse
Tendance des défauts par ressource Taux de défectuosité (ppm) par quantité traitée
Écarts de production pour le coût de revient par commande
  • Écart de production par date et type de groupe de coûts
  • Écart de production par site et type de groupe de coûts
  • 10 premiers produits avec un écart de production défavorable
  • 10 premiers produits avec un écart de production défavorable par ressource
  • Coût réalisé
  • Écart de production
  • Pourcentage d’écart de production

Compréhension du modèle de données et des entités

Les données suivantes sont utilisées pour les pages d’état dans le contenu Power BI Performances de production. Ces données sont représentées sous la forme de mesures globales indexées dans le magasin des entités. Le magasin des entités est une base de données Microsoft SQL Server optimisée pour les analyses. Pour en savoir plus sur le magasin d’entités, voir Intégration de Power BI avec le magasin d’entités.

Le tableau suivant affiche les mesures globales clés qui sont utilisées comme base du contenu Power BI.

Entité Mesures globales clés Source de données pour les applications de finances et d’opérations Champ
CostCalculation CostAmount ProdCalcTransExpanded CostAmount
CostCalculation CostMarkup ProdCalcTransExpanded CostMarkup
CostCalculation ActualCostAmount ProdCalcTransExpanded RealCostAmount
CostCalculation RealCostAdjustment ProdCalcTransExpanded RealCostAdjustment
RouteTransactions ErrorQuantity ProdRouteTransExpanded QtyError
RouteTransactions GoodQuantity ProdRouteTransExpanded QtyGood
ProductionOrder DaysDelayed ProdTableExpanded DaysDelayed
ProductionOrder LeadTime ProdTableExpanded LeadTime
ProductionOrder PlannedLeadTime ProdTableExpanded PlannedLeadTime
ProductionOrder ProductionOrderCount ProdTableExpanded
CoproductCostCalculation CoproductCostAmount PmfCoByProdCalcTransExpanded CostAmount
CoproductCostCalculation CoproductCostMarkup PmfCoByProdCalcTransExpanded CostMarkup
CoproductCostCalculation CoproductRealCostAdjustment PmfCoByProdCalcTransExpanded RealCostAdjustment
CoproductCostCalculation CoproductActualCostAmount PmfCoByProdCalcTransExpanded RealCostAmount

Le tableau suivant indique comment les mesures globales clés sont utilisées pour créer plusieurs mesures calculées dans l’ensemble de données du contenu.

Mesure Méthode de calcul de la mesure
Écart de production, pourcentage SUM(’Écart de production’[Écart de production]) / SUM(’Écart de production’[Coût estimé])
Tous les ordres prévisionnels COUNTROWS(’Ordre de fabrication prévisionnel’)
En avance COUNTROWS(FILTER(’Ordre de fabrication prévisionnel’, ’Ordre de fabrication prévisionnel’[Date de fin prévue] < ’Ordre de fabrication prévisionnel’[Date de besoin]))
En retard COUNTROWS(FILTER(’Ordre de fabrication prévisionnel’, ’Ordre de fabrication prévisionnel’[Date de fin prévue] > ’Ordre de fabrication prévisionnel’[Date de besoin]))
À temps COUNTROWS(FILTER(’Ordre de fabrication prévisionnel’, ’Ordre de fabrication prévisionnel’[Date de fin prévue] = ’Ordre de fabrication prévisionnel’[Date de besoin]))
Pourcentage à temps IF ( ’Ordre de fabrication prévisionnel’[À temps] <> 0, ’Ordre de fabrication prévisionnel’[À temps], IF (’Ordre de fabrication prévisionnel’[Tous les ordres prévisionnels] <> 0, 0, BLANK()) ) / ’Ordre de fabrication prévisionnel’[Tous les ordres prévisionnels]
Terminé COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Déclaré terminé] = TRUE))
Taux de défectuosité (ppm) IF( ’Ordre de fabrication’[Quantité totale] = 0, BLANK(), (SUM(’Ordre de fabrication’[Quantité défectueuse]) / ’Ordre de fabrication’[Quantité totale]) * 1000000)
Taux de production différé ’Ordre de fabrication’[En retard #] / ’Ordre de fabrication’[Terminé]
En avance et complet COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Complet] = TRUE && ’Ordre de fabrication’[En avance] = TRUE))
En avance # COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[En avance] = TRUE))
Pourcentage en avance IFERROR( IF(’Ordre de fabrication’[En avance #] <> 0, ’Ordre de fabrication’En avance , IF(’Ordre de fabrication’[Nombre total de commandes] = 0, BLANK(), 0)) / ’Ordre de fabrication’[Nombre total de commandes], BLANK())
Incomplet COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Complet] = FALSE && ’Ordre de fabrication’[Déclaré terminé] = TRUE))
Pourcentage incomplet IFERROR( IF(’Ordre de fabrication’[Incomplet] <> 0, ’Ordre de fabrication’I[ncomplet], IF(’Ordre de fabrication’[Nombre total de commandes] = 0, BLANK(), 0)) / ’Ordre de fabrication’[Nombre total de commandes], BLANK())
Différé ’Ordre de fabrication’[Déclaré terminé] = TRUE && ’Ordre de fabrication’[Valeur différée] = 1
En avance ’Ordre de fabrication’[Déclaré terminé] = TRUE && ’Ordre de fabrication’[Jours de retard] < 0
Complet ’Ordre de fabrication’[Quantité correcte] > = ’Ordre de fabrication’[Quantité prévue]
Déclaré terminé ’Ordre de fabrication’[Valeur du statut de production] = 5 || ’Ordre de fabrication’[Valeur du statut de production] = 7
En retard et complet COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Complet] = TRUE && ’Ordre de fabrication’[Différé] = TRUE))
En retard # COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Différé] = TRUE))
Pourcentage en retard IFERROR( IF(’Ordre de fabrication’[En retard #] <> 0, ’Ordre de fabrication’[En retard #], IF(’Ordre de fabrication’[Nombre total de commandes] = 0, BLANK(), 0)) / ’Ordre de fabrication’[Nombre total de commandes], BLANK())
À temps et complet COUNTROWS(FILTER(’Ordre de fabrication’, ’Ordre de fabrication’[Complet] = TRUE && ’Ordre de fabrication’[Différé] = FALSE && ’Ordre de fabrication’[En avance] = FALSE))
Pourcentage à temps et complet IFERROR( IF(’Ordre de fabrication’[À temps et complet] <> 0, ’Ordre de fabrication’[À temps et complet], IF(’Ordre de fabrication’[Terminé] = 0, BLANK(), 0)) / ’Ordre de fabrication’[Terminé], BLANK())
Nombre total de commandes COUNTROWS(’Ordre de fabrication’)
Quantité totale SUM(’Ordre de fabrication’[Quantité correcte]) + SUM(’Ordre de fabrication’[Quantité défectueuse])
Taux de défectuosité (ppm) IF( ’Transactions de gamme’[Quantité traitée] = 0, BLANK(), (SUM(’Transactions de gamme’[Quantité défectueuse]) / ’Transactions de gamme’[Quantité traitée]) * 1000000)
Taux de défectuosité mixte (ppm) IF( ’Transactions de gamme’[Quantité mixte totale] = 0, BLANK(), (SUM(’Transactions de gamme’[Quantité défectueuse]) / ’Transactions de gamme’[Quantité mixte totale]) * 1000000)
Quantité traitée SUM(’Transactions de gamme’[Quantité correcte]) + SUM(’Transactions de gamme’[Quantité défectueuse])
Quantité mixte totale SUM(’Ordre de fabrication’[Quantité correcte]) + SUM(’Transactions de gamme’[Quantité défectueuse])

Le tableau suivant affiche les dimensions clés utilisées comme filtres pour diviser les mesures globales afin d’atteindre une meilleure granularité et d’obtenir une analyse plus approfondie.

Entité Exemples d’attributs
Date de déclaration de fin Décalage de la date (déclaré terminé), du mois et de l’année de fin
Date de fin Décalage du mois de fin et mois
Date de besoin Décalage du mois de la date de besoin et date de besoin
Date de la transaction de gamme Décalage du mois de la transaction de gamme et date
Sites ID de sites, nom du site, région, et ville
Entités ID et nom
Ressources ID de ressource, nom de la ressource, type de ressource et groupe de ressources
Produits Numéro de produit, nom du produit, ID d’article et groupe d’articles