Jeden raport zamiast zestawień z kilku systemów
W wielu firmach informacje o awariach znajdują się w systemie CMMS, dane o produkcji w MES, a koszty części i usług w ERP. Przygotowanie odprawy wymaga wtedy eksportowania plików i ręcznego dopasowywania zapisów dotyczących tych samych maszyn. Power BI pozwala połączyć te źródła w modelu danych i przygotować raport aktualizowany zgodnie z przyjętym sposobem zasilania. Kierownik może wybrać zakład, linię, zmianę lub okres, a powiązane wizualizacje pokażą wyniki dla wskazanego zakresu. Tak zaprojektowane Power BI w produkcji ułatwia współpracę utrzymania ruchu, planowania i finansów.
Na stronie głównej raportu warto zestawić OEE, czas przestojów, liczbę awarii oraz ich koszt. Z wybranej maszyny użytkownik może przejść do szczegółowej strony zawierającej historię zdarzeń, przyczyny i wykonane działania. Warunkiem jest powiązanie danych wspólnymi identyfikatorami urządzeń i zdarzeń.
Monitorowanie OEE w Power BI: od wyniku do źródła strat
OEE łączy dostępność maszyny, wydajność jej pracy i jakość produkcji. W Power BI można prezentować zarówno wynik łączny, jak i każdą z tych składowych, aby pokazać, gdzie powstaje strata. Przykładowo dostępność 90%, wydajność 80% i jakość 95% dają OEE równe 68,4%. Raport może zestawiać składowe OEE z czasem zatrzymań, rodzajem produktu i przebiegiem poszczególnych zmian.
Przykładowo po wybraniu linii z obniżonym OEE kierownik widzi, że dostępność pozostaje stabilna, ale pogarsza się tempo pracy przy określonym asortymencie. Może następnie sprawdzić krótkie zatrzymania i zgłoszenia operatorów dotyczące tego produktu. Zamiast planować ogólny przegląd całej linii, zespół otrzymuje konkretny temat do weryfikacji. Wykres trendu pozwala później ocenić, czy wprowadzona zmiana przyniosła trwałą poprawę. Porównania wymagają wspólnych zasad liczenia planowanego czasu produkcji oraz właściwego tempa odniesienia dla produktu. OEE pozostaje wskaźnikiem całego procesu, dlatego nie powinien służyć wyłącznie do oceny działu utrzymania ruchu.
Analiza awarii: które problemy wymagają pierwszeństwa?
Power BI umożliwia przygotowanie rankingu maszyn według liczby awarii, czasu zatrzymań i skutków finansowych. Urządzenie z największą liczbą zgłoszeń nie zawsze powoduje największą stratę produkcyjną. Jedna długa awaria maszyny ograniczającej przepustowość linii może mieć większe znaczenie niż kilkanaście krótkich interwencji na innych stanowiskach. Zestawienie przyczyn według ich udziału w przestojach pomaga skoncentrować pracę na problemach o największych konsekwencjach. Po wybraniu przyczyny użytkownik może zobaczyć listę zdarzeń, ich opis i historię napraw.
Przydatne elementy raportu obejmują:
- ranking urządzeń według czasu i kosztu przestojów;
- wykres przyczyn zatrzymań uporządkowanych według skali strat;
- zestawienie powracających usterek po wykonanej naprawie;
- porównanie awarii między zmianami i okresami;
- rozdzielenie usterek technicznych, przezbrojeń i braków materiałowych.
Dzięki temu odprawa może zakończyć się wyborem konkretnych działań i osoby odpowiedzialnej za ich realizację. Raport pomaga wskazać zależności, natomiast ustalenie rzeczywistej przyczyny nadal wymaga wiedzy technicznej. W danych trzeba też odróżnić awarię jednej maszyny od wynikającego z niej zatrzymania kolejnych urządzeń.
MTBF w Power BI: czy działania zwiększają niezawodność?
MTBF pokazuje średni czas pracy między awariami: 400 godzin pracy i cztery awarie oznaczają wynik 100 godzin. W Microsoft Power BI wskaźnik można obliczać dla wybranej maszyny i okresu, a następnie prezentować jego zmiany w czasie. Obok warto pokazać liczbę awarii oraz przepracowane godziny, aby użytkownik widział podstawę wyniku. Raport pozwala porównać okresy przed modernizacją i po niej lub sprawdzić efekty zmiany harmonogramu przeglądów. Jeżeli MTBF rośnie przy porównywalnym obciążeniu, jest to przesłanka, że niezawodność urządzenia się poprawia. Gdy spada, można przejść do szczegółów i ustalić, jakie usterki odpowiadają za zmianę.
Raport może pomóc wybrać maszyny wymagające pogłębionej diagnostyki oraz wskazać, gdzie dotychczasowe naprawy nie przynoszą trwałego efektu. Trzeba jednak uwzględniać warunki pracy i liczbę obserwacji, ponieważ mała liczba zdarzeń może mocno zmieniać średnią. MTBF nie wyznacza daty kolejnej awarii. Jeśli w badanym okresie nie wystąpiły usterki, warto pokazać ten fakt wraz z czasem pracy, zamiast wyświetlać mylące zero.
MTTR w Power BI: gdzie znika czas podczas naprawy?
MTTR opisuje średni czas naprawy; cztery naprawy trwające łącznie osiem godzin dają wynik dwóch godzin. W Power BI można analizować go według urządzenia, rodzaju usterki lub okresu. Jeżeli źródła rejestrują odpowiednie znaczniki czasu, raport pokaże oczekiwanie na reakcję, diagnozę, dostawę części, naprawę i ponowne uruchomienie. Zakres czasu zaliczanego do MTTR należy ustalić wspólnie, a pełny czas przestoju pokazywać osobno.
Załóżmy, że naprawa zajmuje 30 minut, ale przez trzy godziny zespół czeka na część. Raport ujawnia wtedy, że największy potencjał poprawy dotyczy dostępności materiałów, a nie szybkości pracy technika. Można zestawić takie zdarzenia z zapasem części i częstotliwością ich wykorzystania. To pomaga uzasadnić zmianę poziomu zapasu lub warunków współpracy z dostawcą. Temat ten łączy się z wykorzystaniem Power BI w logistyce i łańcuchu dostaw.
Koszty przestojów w Power BI: wsparcie decyzji inwestycyjnych
Połączenie zdarzeń technicznych z kosztami pozwala zobaczyć, które maszyny najbardziej obciążają wynik zakładu. Raport może uwzględniać części, usługi zewnętrzne, dodatkową pracę, odpady po rozruchu i koszty przyspieszonej dostawy. Jeżeli zatrzymanie powoduje trwałą utratę sprzedaży, kalkulację można rozszerzyć o utraconą marżę pokrycia. W uproszczonym przykładzie trzy godziny przestoju przy utracie marży 2000 zł na godzinę i dodatkowym koszcie naprawy 1500 zł oznaczają skutek 7500 zł. Jeśli produkcję można nadrobić, trzeba zamiast tego uwzględnić koszt nadrobienia i uniknąć podwójnego liczenia wydatków. Zasady wyceny powinny być uzgodnione z finansami.
W Power BI takie wartości można zestawić z historią awarii, wydatkami na utrzymanie i planem modernizacji. Można również przygotować analizę scenariuszową, w której użytkownik zmienia zakładaną liczbę unikniętych godzin postoju i sprawdza potencjalny efekt finansowy. Wynik jest wówczas kalkulacją opartą na założeniach, a nie gwarancją oszczędności. Takie raportowanie rozwija podejście opisane w artykule o KPI w Power BI wspierających decyzje zarządu.
Jak wdrożyć raport, który usprawni codzienną pracę?
Wdrożenie warto rozpocząć od jednej linii i pytań, na które zespół potrzebuje odpowiedzi podczas odpraw. Następnie trzeba uzgodnić definicje wskaźników, słownik przyczyn oraz sposób łączenia zapisów z różnych systemów. Modelowanie danych w Power BI pozwala przygotować spójne obliczenia i ograniczyć ryzyko wielokrotnego naliczania zdarzeń. Równie ważne jest dopasowanie częstotliwości aktualizacji do sposobu korzystania z raportu oraz pokazanie czasu ostatniego zasilenia. Power BI wspiera nadzór i decyzje, a systemy przemysłowe nadal odpowiadają za sterowanie i alarmowanie.
Po uruchomieniu pilotażu warto sprawdzić, czy zespół szybciej przygotowuje odprawy, trafniej wybiera priorytety i ocenia skuteczność wykonanych prac. W EBIS pomagamy zaplanować wdrożenie Power BI, które łączy dane o maszynach z celami biznesowymi. Skontaktuj się z nami, aby przygotować raportowanie wspierające ograniczanie przestojów i lepsze wykorzystanie potencjału produkcji.