पावर बीआई में विनिर्माण विश्लेषण: ओईई, गुणवत्ता और थ्रूपुट

विश्व स्तरीय विनिर्माण सुविधाएं 85%+ OEE पर चलती हैं। औसत निर्माता 60% पर चलता है। वह 25-प्रतिशत-बिंदु अंतर सीधे क्षमता में तब्दील हो जाता है - एक सुविधा जो 60% से 85% तक सुधार करती है ओईई एक भी नई मशीन या किराये के बिना 41% अधिक आउटपुट जोड़ती है। विश्व स्तरीय और औसत के बीच का अंतर लगभग हमेशा उपकरण का नहीं है - यह कचरे को देखने की दृश्यता और इसे खत्म करने के डेटा का है।

एमईएस (विनिर्माण निष्पादन प्रणाली) और ईआरपी डेटा से जुड़ा पावर बीआई, वह दृश्यता प्रदान करता है। यह मार्गदर्शिका OEE गणना, गुणवत्ता SPC चार्ट, डाउनटाइम मूल कारण विश्लेषण और थ्रूपुट प्रबंधन को कवर करने वाला एक संपूर्ण विनिर्माण विश्लेषण प्लेटफ़ॉर्म बनाती है - सटीक DAX फ़ार्मुलों के साथ जो विनिर्माण इंजीनियरों को चाहिए।

मुख्य बातें

OEE = उपलब्धता × प्रदर्शन × गुणवत्ता (विश्व स्तरीय = 85%+)

प्रत्येक OEE घटक को अलग डेटा स्ट्रीम की आवश्यकता होती है: डाउनटाइम लॉग, उत्पादन गणना, स्क्रैप रिकॉर्ड

पावर बीआई में एसपीसी (सांख्यिकीय प्रक्रिया नियंत्रण) चार्ट कस्टम विज़ुअल या गणना नियंत्रण सीमाओं का उपयोग करते हैं

डाउनटाइम पेरेटो विश्लेषण (शीर्ष 20% कारण 80% डाउनटाइम का कारण बनते हैं) प्राथमिकता वाले सुधार को प्रेरित करता है

फर्स्ट पास यील्ड (एफपीवाई) और प्रति मिलियन अवसर दोष (डीपीएमओ) प्रमुख गुणवत्ता वाले केपीआई हैं

थ्रूपुट विश्लेषण टोंटी सिद्धांत का उपयोग करके वास्तविक बनाम सैद्धांतिक क्षमता की तुलना करता है

पावर बीआई स्ट्रीमिंग डेटासेट लगभग वास्तविक समय में ओईई डैशबोर्ड को हर मिनट अपडेट करने में सक्षम बनाता है

ईआरपी एकीकरण (ओडू मैन्युफैक्चरिंग, एसएपी पीपी, डायनेमिक्स 365 एससीएम) कार्य ऑर्डर संदर्भ प्रदान करता है

मैन्युफैक्चरिंग एनालिटिक्स के लिए डेटा मॉडल

कोर विनिर्माण टेबल्स

प्रोडक्शन_रन (प्रति प्रोडक्शन रन/वर्क ऑर्डर में एक पंक्ति):

कॉलम	विवरण
`RunID`	कार्य ऑर्डर या उत्पादन रन आईडी
`MachineID`	एफके से मशीन आयाम
`ProductID`	उत्पाद के लिए एफके
`ShiftID`	एफके से शिफ्ट
`StartTime`	आरंभ दिनांक समय चलाएँ
`EndTime`	समाप्ति दिनांक समय चलाएँ
`PlannedStartTime`	निर्धारित शुरुआत
`PlannedEndTime`	निर्धारित अंत
`PlannedQuantity`	लक्ष्य आउटपुट मात्रा
`ActualQuantity`	उत्पादित वास्तविक इकाइयाँ
`GoodQuantity`	गुणवत्ता जांच पास करने वाली इकाइयां
`ScrapQuantity`	दोषपूर्ण इकाइयाँ
`ReworkQuantity`	पुनः कार्य की आवश्यकता वाली इकाइयाँ
`IdealCycleTime`	डिज़ाइन गति पर प्रति यूनिट सेकंड

डाउनटाइम_इवेंट्स (प्रति स्टॉपेज एक पंक्ति):

कॉलम	विवरण
`DowntimeID`	यूनिक आईडी
`MachineID`	एफके से मशीन
`RunID`	एफके से प्रोडक्शन रन (यदि लागू हो)
`StartTime`	डाउनटाइम प्रारंभ
`EndTime`	डाउनटाइम समाप्ति
`DurationMinutes`	कुल डाउनटाइम अवधि
`DowntimeCategory`	नियोजित (पीएम, बदलाव)/अनियोजित
`DowntimeReasonCode`	विशिष्ट कारण कोड
`DowntimeReasonDesc`	विवरण
`IsScheduledMaintenance`	नियोजित रखरखाव ध्वज
`ResponseTimeMinutes`	तकनीशियन के उत्तर देने तक का समय
`RepairTimeMinutes`	सक्रिय मरम्मत का समय

गुणवत्ता_घटनाएँ (प्रति दोष/निरीक्षण एक पंक्ति):

कॉलम	विवरण
`InspectionID`	यूनिक आईडी
`RunID`	एफके से प्रोडक्शन रन
`MachineID`	एफके से मशीन
`InspectionDate`	निरीक्षण की तिथि/समय
`DefectCode`	FK से दोष प्रकार
`DefectCount`	पाए गए दोषों की संख्या
`SampleSize`	इकाइयों का निरीक्षण किया गया
`MeasuredValue`	परिवर्तनीय माप (एसपीसी के लिए)
`IsInSpec`	बूलियन - सहनशीलता के भीतर

मंद_मशीन:

MachineID, MachineName, Line, Cell, Department, MachineType, IdealRunRate, PlannedCapacity

मंद_शिफ्ट:

ShiftID, ShiftName, StartTime, EndTime, PlannedMinutes, PlannedBreakMinutes

पावर बीआई में ओईई गणना

OEE = उपलब्धता × प्रदर्शन × गुणवत्ता

उपलब्धता

उपलब्धता = वास्तविक संचालन समय / नियोजित उत्पादन समय

// Planned Production Time (from shift schedule minus planned downtime)
Planned Production Time =
SUMX(
    Production_Runs,
    DATEDIFF(Production_Runs[PlannedStartTime],
              Production_Runs[PlannedEndTime], MINUTE)
)

// Unplanned Downtime (excludes scheduled maintenance, changeovers)
Unplanned Downtime =
CALCULATE(
    SUM(Downtime_Events[DurationMinutes]),
    Downtime_Events[DowntimeCategory] = "Unplanned"
)

// Changeover Time (planned but reduces availability)
Changeover Time =
CALCULATE(
    SUM(Downtime_Events[DurationMinutes]),
    Downtime_Events[DowntimeReasonCode] = "CHANGEOVER"
)

// Actual Run Time
Actual Run Time = [Planned Production Time] - [Unplanned Downtime] - [Changeover Time]

// OEE Availability
Availability =
DIVIDE([Actual Run Time], [Planned Production Time], 0)

प्रदर्शन

प्रदर्शन = (आदर्श चक्र समय × कुल गणना) / वास्तविक रन टाइम या समकक्ष: वास्तविक आउटपुट/सैद्धांतिक अधिकतम आउटपुट

// Theoretical Maximum Output at ideal run rate
Theoretical Max Output =
SUMX(
    Production_Runs,
    [Actual Run Time Per Run] / Production_Runs[IdealCycleTime]
)

// Actual total output (good + scrap + rework)
Total Output =
SUM(Production_Runs[ActualQuantity])

// OEE Performance
Performance =
DIVIDE([Total Output], [Theoretical Max Output], 0)

// Performance per machine (for benchmarking)
Machine Performance =
DIVIDE(
    SUMX(Production_Runs, Production_Runs[ActualQuantity]),
    SUMX(Production_Runs,
        DATEDIFF(Production_Runs[StartTime], Production_Runs[EndTime], MINUTE) /
        RELATED(Dim_Machine[IdealCycleTime]) * 60
    ),
    0
)

गुणवत्ता

गुणवत्ता = अच्छा आउटपुट / कुल आउटपुट (सभी दोषों को छोड़कर)

// Good Quantity (first pass, no rework)
Good Quantity = SUM(Production_Runs[GoodQuantity])

// Total Quantity Produced (good + scrap + rework)
Total Quantity = SUM(Production_Runs[ActualQuantity])

// OEE Quality
Quality Rate =
DIVIDE([Good Quantity], [Total Quantity], 0)

// First Pass Yield (no rework, no scrap)
First Pass Yield =
DIVIDE(
    SUM(Production_Runs[GoodQuantity]),
    SUM(Production_Runs[ActualQuantity]),
    0
)

कुल मिलाकर ओईई

// Overall Equipment Effectiveness
OEE =
[Availability] * [Performance] * [Quality Rate]

// OEE Status (for conditional formatting)
OEE Status =
SWITCH(TRUE(),
    [OEE] >= 0.85, "World Class",    -- 85%+
    [OEE] >= 0.75, "Good",           -- 75-85%
    [OEE] >= 0.60, "Acceptable",     -- 60-75%
    "Poor"                            -- <60%
)

// OEE Loss Analysis (what is the primary constraint)
Primary OEE Constraint =
SWITCH(TRUE(),
    [Availability] < [Performance] && [Availability] < [Quality Rate], "Availability",
    [Performance] < [Quality Rate], "Performance",
    "Quality"
)

// OEE trend (for sparkline visualization)
OEE Weekly Avg =
CALCULATE(
    [OEE],
    DATESINPERIOD(Date[Date], LASTDATE(Date[Date]), -7, DAY)
)

डाउनटाइम विश्लेषण

डाउनटाइम KPI और पेरेटो

// Total Unplanned Downtime Hours
Unplanned Downtime Hours =
DIVIDE(
    CALCULATE(
        SUM(Downtime_Events[DurationMinutes]),
        Downtime_Events[DowntimeCategory] = "Unplanned"
    ),
    60,
    0
)

// Mean Time Between Failures (MTBF)
MTBF =
DIVIDE(
    [Actual Run Time],
    CALCULATE(COUNTROWS(Downtime_Events),
              Downtime_Events[DowntimeCategory] = "Unplanned"),
    0
)

// Mean Time to Repair (MTTR)
MTTR =
AVERAGEX(
    FILTER(Downtime_Events, Downtime_Events[DowntimeCategory] = "Unplanned"),
    Downtime_Events[RepairTimeMinutes]
)

// Downtime % by reason (for Pareto chart)
Downtime Pareto % =
DIVIDE([Unplanned Downtime Hours],
    CALCULATE([Unplanned Downtime Hours], ALL(Downtime_Events[DowntimeReasonCode])),
    0
)

// Cumulative Downtime % (for Pareto 80/20 line)
Cumulative Downtime % =
DIVIDE(
    SUMX(
        FILTER(
            ALL(Downtime_Events[DowntimeReasonCode]),
            RANKX(ALL(Downtime_Events[DowntimeReasonCode]),
                  [Unplanned Downtime Hours], , DESC) <=
            RANKX(ALL(Downtime_Events[DowntimeReasonCode]),
                  [Unplanned Downtime Hours], , DESC)
        ),
        [Unplanned Downtime Hours]
    ),
    CALCULATE([Unplanned Downtime Hours], ALL(Downtime_Events[DowntimeReasonCode])),
    0
)

डाउनटाइम हीटमैप

शिफ्ट-संबंधित पैटर्न की पहचान करने के लिए मशीन × दिन के समय द्वारा डाउनटाइम का हीटमैप बनाएं:

// Downtime by Hour of Day (for heatmap rows)
Downtime by Hour =
CALCULATE(
    SUM(Downtime_Events[DurationMinutes]),
    Downtime_Events[HourOfDay] = SELECTEDVALUE(HourDim[Hour])
)

गुणवत्ता विश्लेषण: एसपीसी चार्ट

सांख्यिकीय प्रक्रिया नियंत्रण चार्ट निगरानी करते हैं कि कोई प्रक्रिया नियंत्रण में है या नहीं। Power BI DAX में नियंत्रण सीमा गणनाओं का उपयोग करके SPC चार्ट बनाता है।

एक्स-बार चार्ट के लिए नियंत्रण सीमाएँ

// Process Mean (X-bar)
Process Mean =
AVERAGE(Quality_Events[MeasuredValue])

// Standard Deviation of measurements
Process StdDev =
STDEV.P(Quality_Events[MeasuredValue])

// Upper Control Limit (UCL = mean + 3σ)
UCL = [Process Mean] + 3 * [Process StdDev]

// Lower Control Limit (LCL = mean - 3σ)
LCL = [Process Mean] - 3 * [Process StdDev]

// Upper Warning Limit (mean + 2σ)
UWL = [Process Mean] + 2 * [Process StdDev]

// Lower Warning Limit (mean - 2σ)
LWL = [Process Mean] - 2 * [Process StdDev]

// Out of Control flag (point outside 3σ limits)
Out of Control =
IF(
    Quality_Events[MeasuredValue] > [UCL] ||
    Quality_Events[MeasuredValue] < [LCL],
    "Out of Control",
    "In Control"
)

// Process Capability Index (Cpk)
Cpk =
MIN(
    DIVIDE([UCL] - [Process Mean], 3 * [Process StdDev], 0),
    DIVIDE([Process Mean] - [LCL], 3 * [Process StdDev], 0)
)

प्रमुख गुणवत्ता वाले KPI

// Defects per Million Opportunities (DPMO)
DPMO =
DIVIDE(
    SUM(Quality_Events[DefectCount]),
    SUM(Quality_Events[SampleSize]) * [Opportunities per Unit],
    0
) * 1000000

// Sigma Level (from DPMO)
Sigma Level =
SWITCH(TRUE(),
    [DPMO] < 3.4, 6,
    [DPMO] < 233, 5,
    [DPMO] < 6210, 4,
    [DPMO] < 66807, 3,
    [DPMO] < 308537, 2,
    1
)

// Defect Rate %
Defect Rate = DIVIDE(SUM(Quality_Events[DefectCount]), SUM(Quality_Events[SampleSize]), 0)

// Scrap Rate
Scrap Rate =
DIVIDE(
    SUM(Production_Runs[ScrapQuantity]),
    SUM(Production_Runs[ActualQuantity]),
    0
)

// Cost of Poor Quality (COPQ)
COPQ =
SUMX(
    Production_Runs,
    (Production_Runs[ScrapQuantity] + Production_Runs[ReworkQuantity]) *
    RELATED(Dim_Product[StandardCost])
)

थ्रूपुट विश्लेषण

उत्पादन थ्रूपुट KPI

// Actual Throughput (units per hour)
Throughput =
DIVIDE(
    SUM(Production_Runs[ActualQuantity]),
    SUMX(Production_Runs,
        DATEDIFF(Production_Runs[StartTime], Production_Runs[EndTime], HOUR)
    ),
    0
)

// Theoretical Maximum Throughput
Max Throughput =
SUMX(
    Dim_Machine,
    60 / Dim_Machine[IdealCycleTime]  -- Units per minute × 60
) * 60  -- Per hour

// Capacity Utilization
Capacity Utilization =
DIVIDE([Throughput], [Max Throughput], 0)

// Schedule Attainment (actual vs planned quantity)
Schedule Attainment =
DIVIDE(
    SUM(Production_Runs[ActualQuantity]),
    SUM(Production_Runs[PlannedQuantity]),
    0
)

// Changeover Time (as % of planned time)
Changeover % =
DIVIDE(
    [Changeover Time],
    [Planned Production Time],
    0
)

रेखा संतुलन विश्लेषण

थ्रूपुट तुलना का उपयोग करके बाधा मशीनों की पहचान करें:

// Machine Throughput Rate (for bottleneck identification)
Machine Throughput Rate =
DIVIDE(
    CALCULATE(SUM(Production_Runs[GoodQuantity])),
    CALCULATE(
        DATEDIFF(MIN(Production_Runs[StartTime]),
                 MAX(Production_Runs[EndTime]), HOUR)
    ),
    0
)

// Bottleneck indicator (lowest throughput machine in a line)
Is Bottleneck =
IF(
    [Machine Throughput Rate] = MINX(
        FILTER(ALL(Dim_Machine), Dim_Machine[Line] = SELECTEDVALUE(Dim_Machine[Line])),
        [Machine Throughput Rate]
    ),
    "Bottleneck",
    "OK"
)

डैशबोर्ड आर्किटेक्चर का निर्माण

पेज 1: ओईई सारांश

OEE गेज (वर्तमान बनाम विश्व स्तरीय 85% लक्ष्य)
उपलब्धता, प्रदर्शन, गुणवत्ता - तीन KPI कार्ड
OEE ट्रेंड 30 दिन (लाइन चार्ट)
मशीन द्वारा OEE (बार चार्ट, निम्न से उच्च क्रमबद्ध)
शिफ्ट द्वारा ओईई (बार चार्ट - शिफ्ट प्रदर्शन अंतर की पहचान करें)
OEE हीटमैप (मशीन × सप्ताह का दिन)

पृष्ठ 2: डाउनटाइम विश्लेषण

कुल अनियोजित डाउनटाइम घंटे (KPI कार्ड)
एमटीबीएफ और एमटीटीआर (दो केपीआई कार्ड)
डाउनटाइम पेरेटो (संचयी% के साथ संयोजन बार + लाइन)
मशीन द्वारा डाउनटाइम (क्षैतिज बार चार्ट)
शिफ्ट द्वारा डाउनटाइम (समूहीकृत बार)
डाउनटाइम ट्रेंड 90 दिन (लाइन चार्ट)
सक्रिय डाउनटाइम इवेंट (स्ट्रीमिंग होने पर वास्तविक समय सारणी)

पृष्ठ 3: गुणवत्ता डैशबोर्ड

पहला पास यील्ड (गेज बनाम लक्ष्य)
DPMO और सिग्मा लेवल (KPI कार्ड)
उत्पाद द्वारा स्क्रैप दर (बार चार्ट)
सीओपीक्यू रुझान (गुणवत्ता संबंधी मुद्दों की लागत दर्शाने वाला लाइन चार्ट)
दोष कोड द्वारा दोष पेरेटो
एसपीसी चार्ट (यूसीएल, एलसीएल, यूडब्ल्यूएल, एलडब्ल्यूएल संदर्भ लाइनों के साथ लाइन चार्ट)

पेज 4: थ्रूपुट और क्षमता

अनुसूची प्राप्ति% (गेज)
वास्तविक बनाम नियोजित उत्पादन (दिन के अनुसार समूहीकृत बार)
मशीन द्वारा क्षमता उपयोग (हीटमैप)
परिवर्तन समय विश्लेषण (उत्पाद/मशीन द्वारा बार चार्ट)
उत्पादन उत्पादन प्रवृत्ति (क्षेत्र चार्ट, वास्तविक बनाम लक्ष्य)
बॉटलनेक मशीन हाइलाइट टेबल

अक्सर पूछे जाने वाले प्रश्न

ओईई क्या है और यह विनिर्माण के लिए क्यों मायने रखता है?

OEE (समग्र उपकरण प्रभावशीलता) विनिर्माण उत्पादकता के लिए स्वर्ण मानक मीट्रिक है। यह तीन कारकों को जोड़ती है: उपलब्धता (उपकरण जब चलना चाहिए तब चलना), प्रदर्शन (सही गति से चलना), और गुणवत्ता (अच्छे भागों का उत्पादन करना)। 60% ओईई का मतलब है कि आप अपनी सैद्धांतिक क्षमता का केवल 60% ही महसूस कर रहे हैं - अन्य 40% बेकार है। ओईई में सुधार करने से नए उपकरणों में पूंजी निवेश के बिना सीधे उत्पादन में वृद्धि होती है।

क्या पावर बीआई वास्तविक समय ओईई के लिए एमईएस सिस्टम से कनेक्ट हो सकता है?

हां - अधिकांश एमईएस सिस्टम (इग्निशन स्काडा, जीई प्रोफेसी, सीमेंस एमईएस, रॉकवेल फैक्ट्रीटॉक) डेटाबेस कनेक्टिविटी (एसक्यूएल सर्वर, ओरेकल) या रेस्ट एपीआई एक्सेस का समर्थन करते हैं। पावर बीआई इन डेटाबेस से जुड़ता है और लगभग वास्तविक समय अपडेट (प्रत्येक 30 सेकंड से 1 मिनट) के लिए स्ट्रीमिंग डेटासेट का उपयोग कर सकता है। वास्तविक वास्तविक समय OEE (उप-सेकंड) के लिए, सीधे प्लांट फ़्लोर सेंसर से पुश किए गए पावर BI स्ट्रीमिंग डेटासेट के साथ Azure IoT हब या इवेंट हब का उपयोग करें।

किसी फ़ैक्टरी को OEE पर नज़र रखने के लिए किस डेटा की आवश्यकता होती है?

बुनियादी ओईई के लिए न्यूनतम डेटा आवश्यकताएँ: (1) उत्पादन गणना डेटा - मशीन कब चली और कितनी इकाइयाँ उत्पादित हुईं, (2) डाउनटाइम घटनाएँ - मशीन कब बंद हुई और क्यों, (3) गुणवत्ता मायने रखती है - कितनी अच्छी बनाम दोषपूर्ण इकाइयाँ। यह मैन्युअल ऑपरेटर प्रविष्टि (एक्सेल/पेपर → पावर बीआई), बेसिक एमईएस, या पीएलसी काउंटर डेटा से आ सकता है। प्रारंभ करने के लिए संपूर्ण डेटा की आवश्यकता नहीं है - यहां तक कि अपूर्ण OEE दृश्यता भी सुधार लाती है।

मैं पावर बीआई में एसपीसी चार्ट कैसे बनाऊं?

मुख्य श्रृंखला के रूप में माप मानों के साथ एक लाइन चार्ट बनाएं। चार्ट में अलग लाइन श्रृंखला के रूप में चार अतिरिक्त उपाय (यूसीएल, एलसीएल, यूडब्ल्यूएल, एलडब्ल्यूएल) जोड़ें। UCL/LCL को लाल धराशायी रेखाओं के रूप में और UWL/LWL को नारंगी धराशायी रेखाओं के रूप में प्रारूपित करें। डेटा बिंदुओं पर सशर्त स्वरूपण नियंत्रण से बाहर बिंदुओं को लाल रंग में हाइलाइट करता है। AppSource से अंतर्निहित SPC कस्टम विज़ुअल बुनियादी नियंत्रण सीमा दृष्टिकोण से परे वेस्टर्न इलेक्ट्रिक नियम का पता लगाने (केंद्र, रुझान आदि के ऊपर/नीचे चलता है) प्रदान करता है।

पावर बीआई विनिर्माण डैशबोर्ड को लागू करने के लिए यथार्थवादी समयरेखा क्या है?

एक बुनियादी OEE डैशबोर्ड (एकल मशीन, SharePoint सूची या Excel के माध्यम से मैन्युअल डेटा प्रविष्टि) 1-2 सप्ताह में बनाया जा सकता है। एमईएस और ईआरपी (मल्टी-मशीन, मल्टी-लाइन, गुणवत्ता एसपीसी, डाउनटाइम पेरेटो और थ्रूपुट विश्लेषण के साथ) से जुड़े एक पूर्ण विनिर्माण विश्लेषण मंच में आमतौर पर 6-12 सप्ताह लगते हैं। सबसे लंबा चरण हमेशा डेटा एकीकरण और डेटा गुणवत्ता का होता है - एनालिटिक्स के मूल्य जोड़ने से पहले मशीन टाइमस्टैम्प, डाउनटाइम कारण कोड और उत्पाद परिवर्तन को लगातार कैप्चर करने की आवश्यकता होती है।

ईसीओएसआईआरई पावर बीआई को ओडू मैन्युफैक्चरिंग से कैसे जोड़ता है?

ओडू मैन्युफैक्चरिंग पोस्टग्रेएसक्यूएल में उत्पादन कार्य ऑर्डर, सामग्री की खपत, गुणवत्ता जांच और रखरखाव अनुरोधों को संग्रहीत करता है। ECOSIRE पावर BI को सीधे Odoo के PostgreSQL डेटाबेस (पढ़े गए प्रतिकृति पर) से जोड़ता है और इस गाइड में वर्णित OEE डेटा मॉडल में विनिर्माण तालिकाओं (mrp.production, mrp.workcenter, गुणवत्ता.चेक, रखरखाव.request) को मॉडल करता है। हम अपने ओडू ईआरपी एकीकरण अभ्यास के हिस्से के रूप में कार्य केंद्र-स्तरीय क्षमता योजना और गुणवत्ता एकीकरण को संभालते हैं।

अगले चरण

पावर बीआई में विनिर्माण विश्लेषण - जब आपके उत्पादन स्तर डेटा से जुड़ा होता है - वास्तविक समय दृश्यता प्रदान करता है जो विश्व स्तरीय निर्माताओं को औसत प्रदर्शन करने वालों से अलग करता है। ओईई, डाउनटाइम मूल कारण विश्लेषण और गुणवत्ता एसपीसी चार्ट संचालन टीमों को समस्याओं के बढ़ने से पहले सुधार करने की जानकारी देते हैं।

ECOSIRE एमईएस सिस्टम, ईआरपी प्लेटफॉर्म (ओडू, एसएपी, डायनेमिक्स 365) और आईओटी डेटा स्ट्रीम से जुड़े विनिर्माण डैशबोर्ड का निर्माण करता है। हमारी पावर बीआई डैशबोर्ड विकास सेवाएँ डेटा मॉडल डिज़ाइन से लेकर उत्पादन-तैयार डैशबोर्ड तक पूर्ण विनिर्माण विश्लेषण स्टैक को कवर करती हैं।

[हमारे विनिर्माण एनालिटिक्स टीम से संपर्क करें] (/contact) अपने प्लांट फ्लोर डेटा स्रोतों पर चर्चा करने और एक पावर बीआई एनालिटिक्स प्लेटफॉर्म डिजाइन करने के लिए जो मापने योग्य ओईई सुधार को संचालित करता है।

Manufacturing Analytics in Power BI: OEE, Quality, and Throughput