Tableau de bord OEE Power BI : construisez-le sans chiffres erronés

Points clés

• Sommez d'abord, divisez ensuite: OEE = nombre de pièces bonnes x temps de cycle idéal / temps de production planifié.
• Ne moyennez jamais les pourcentages d'OEE entre les postes, les lignes ou les usines.
• Quatre tables suffisent: calendrier des équipes, arrêts, décomptes et temps de cycle idéaux.
• Le rapport n'est bon que si la capture de données l'est. Power BI affiche les données ; il ne les collecte pas.
• Affichez les minutes et l'argent à côté de chaque pourcentage.

Power BI peut produire un bon tableau de bord OEE. Le problème vient des mathématiques et des données en dessous. Construisez l'OEE à partir de minutes et de décomptes sommés, jamais à partir d'une moyenne de pourcentages, et alimentez-le avec des enregistrements d'arrêts dotés d'horodatages réels.

Fabrico, le logiciel OEE et les light MES avec caméras IA, calculent l'OEE en direct par ligne et par équipe à partir du signal machine. Vous construisez votre propre rapport à la place, ou en complément ? Ce guide montre le modèle de données et la formule unique qui maintient les chiffres corrects.

Quelles données un tableau de bord OEE Power BI nécessite-t-il ?

Quatre tables suffisent. Liez-les par date, équipe, ligne et SKU.

Gardez une unité par ligne. Si le remplisseur compte des bouteilles et l'emballeur des cartons, convertissez les cartons en bouteilles par la taille du paquet avant toute sommation. Les unités mixtes sont une source silencieuse de totaux erronés, et personne ne les repère sur un graphique.

La table des arrêts devrait provenir du signal machine, avec des horodatages définis à la source. Notre OEE data model décrit ces tables et champs en détail.

Comment calcule-t-on l'OEE dans Power BI ?

Utilisez les définitions standard et construisez chacune des métriques à partir de sommes :

• Availability = run time / planned production time.
• Performance = ideal cycle time x total count / run time.
• Quality = good count / total count.
• OEE = good count x ideal cycle time / planned production time.

La dernière ligne est celle à laquelle on peut se fier, car elle fonctionne à n'importe quel niveau : une équipe, une semaine ou dix usines. En termes Power BI, la mesure OEE ressemble à ceci :

OEE = DIVIDE(SUMX(Counts, Counts[Good] * RELATED(IdealCycle[Minutes])), SUM(ShiftCalendar[PlannedMinutes]))

Chaque unité porte le temps de cycle idéal de son SKU, ainsi un mix de produits est pris en charge. Notre guide sur la OEE calculation explique la formule pas à pas.

Exemple travaillé : pourquoi la moyenne des pourcentages OEE est fausse

Ligne exemple (chiffres illustratifs, pas un client). Une ligne fonctionne deux équipes le même jour. L'équipe A est une équipe complète de 480 minutes planifiées. L'équipe B est courte : 120 minutes planifiées.

Le temps de sortie bon est le nombre de pièces bonnes x temps de cycle idéal. La moyenne de 80% et 40% est 60%. Mais la courte équipe pèse quatre fois moins que la pleine. Sommés, la journée est 432 / 600 = 72%.

La même erreur se cache dans les rapports d'usines et de groupes. Faire la moyenne de l'OEE de dix usines donne autant de poids à un petit site qu'au plus grand. Additionnez leurs minutes à la place.

À côté du pourcentage, montrez ce que cela signifie. La journée a perdu 600 moins 432 = 168 minutes de temps de sortie bon. Valorisé au niveau de marge de la ligne, c'est le chiffre sur lequel réagit un responsable d'usine.

Que ne peut pas faire Power BI pour l'OEE ?

• Il n'enregistre pas les arrêts. Si les arrêts sont saisis après la période, les arrêts courts manquent et les arrêts longs sont arrondis.
• Il ne demande pas les raisons. Quelqu'un sur la ligne doit toujours dire pourquoi chaque arrêt est survenu.
• Ce n'est pas un écran de ligne. Un rafraîchissement programmé convient pour la revue hebdomadaire, pas pour l'opérateur qui doit voir un arrêt immédiatement.
• Il ne corrige pas les définitions. Si deux usines comptent le temps planifié différemment, le rapport compare deux choses différentes.

Notre article sur why your OEE number is wrong énumère d'autres pièges.

Faut-il le construire dans Power BI ou acheter un logiciel OEE ?

Souvent les deux. Ils font des métiers différents.

Une configuration courante : le logiciel OEE capture et confirme les données à la ligne. Power BI les combine ensuite avec les données financières ou d'approvisionnement pour le siège. Demandez à tout fournisseur OEE comment vous pouvez extraire vos données avant de signer. Consultez notre guide sur OEE dashboards pour savoir quoi afficher sur chaque écran.

Où se place Fabrico ?

Fabrico est une plateforme de performance manufacturière équipée de vision par ordinateur. C'est la couche de capture et d'OEE : un light MES avec des caméras IA pour les arrêts.

• Journalisation automatique des arrêts à partir du signal machine, avec des horodatages réels.
• L'opérateur confirme la raison en une touche, de sorte que chaque arrêt a une cause.
• OEE en direct par ligne et équipe, correctement additionné à tous les niveaux.
• Pertes classées par coût, et une vue unique sur toutes les usines pour les groupes.

La façon dont les données Fabrico atteignent vos autres outils est une question pour l'équipe technique de Fabrico. Vous commencez par un pilote sur une ligne. Il n'y a pas de plan gratuit et pas de paliers : chaque usine reçoit un devis.

Questions fréquentes

Comment calcule-t-on l'OEE dans Power BI ?

Construisez une mesure qui additionne les bonnes pièces multipliées par le temps de cycle idéal de chaque SKU, puis divisez par le temps de production planifié additionné. Cette unique formule donne le bon OEE pour une équipe, une semaine ou un groupe entier. Évitez les mesures qui font la moyenne de l'OEE des lignes individuelles.

Peut-on moyenner l'OEE entre lignes ou usines ?

Non. Une moyenne simple donne à une petite ligne le même poids qu'à une grande, et à une courte équipe le même poids qu'à une équipe pleine. Additionnez d'abord le temps de sortie bon et le temps planifié entre lignes ou usines, puis divisez. Le résultat est le véritable OEE combiné.

Quelles données me faut-il pour un tableau de bord OEE ?

Il vous faut un calendrier de poste avec des minutes planifiées et une table d'arrêts avec heures de début, de fin et raisons. Ajoutez les comptes des unités totales et bonnes, et un temps de cycle idéal par SKU et par ligne. La table d'arrêts devrait provenir des machines, pas de notes tapées en fin de poste.

Existe-t-il un modèle Power BI OEE prêt à l'emploi ?

De nombreux modèles existent en ligne, et la partie visuelle est la plus simple. Avant d'en utiliser un, vérifiez qu'il somme les minutes et les comptes avant de diviser. Vérifiez aussi d'où proviennent ses données. Un joli modèle alimenté par des journaux d'arrêts saisis manuellement montre toujours les mauvaises pertes.

Power BI ou logiciel OEE pour l'écran en ligne de production ?

Pour l'écran à la ligne, utilisez un logiciel OEE qui affiche les arrêts au fur et à mesure et demande la raison. Power BI convient aux rapports hebdomadaires et mensuels, où un rafraîchissement programmé est acceptable et où les données d'autres systèmes peuvent être ajoutées à côté.

Voyez les chiffres derrière votre rapport OEE

Apportez le rapport OEE de la semaine dernière. Nous montrerons les arrêts, les minutes et les coûts derrière lui, ligne par ligne.

Request a demo · Contact us