此行业示例仪表板与基础报表着重于传统供应链的其中一项挑战 — 供应商质量分析。 有两个主要度量值在此分析中发挥作用:瑕疵品总数和瑕疵品所造成的停工时间总计。 此示例有两个主要目标:

  • 确定质量最好和最差的供应商
  • 确定可以更好地发现和避免缺陷的工厂,以便最大限度地减少故障时间

此示例是一系列教程的一部分,该系列教程阐明如何将 Power BI 与面向业务的数据、报表及仪表板搭配使用。 这是来自 obviEnce (www.obvience.com) 的真实数据,已进行匿名处理。

你还可以仅下载本示例的数据集(Excel 工作簿)

用料瑕疵所造成的停工时间

让我们来分析用料瑕疵所造成的停工时间,并查看应由哪些供应商负责。

  1. 在仪表板中,选择瑕疵品总数数字磁贴或停工时间总分钟数数字磁贴。

    “供应商质量分析示例”报表会打开“停工时间分析”页面。 请注意,我们一共有 3300 万个瑕疵品,而这些瑕疵品所造成的停工时间总计为 77000 分钟。 虽然有些用料的瑕疵品较少,但它们会导致严重延误,从而导致停工时间更长。 让我们在报表页面上浏览这些项目。

  2. 查看按用料类型划分的瑕疵品和停工时间(分钟) 组合图中的停工时间总分钟数一行,我们发现起皱的用料会导致最多的停工时间。

  3. 选择相同组合图中的起皱列,查看哪些工厂受此瑕疵的影响最大,以及哪些供应商应负责。

  4. 选择地图中的个别工厂,查看哪家供应商或哪种用料该为这家工厂的停工时间负责。

哪些供应商最差?

我们想要找出最差的八家供应商,并决定他们的停工时间百分比责任归属。 为此,我们可以将按供应商划分的停工时间(分钟) 分区图更改为树状图。

  1. 在报表的第 3 页“停工时间分析”中,选择左上角的编辑报表

  2. 选择按供应商划分的停工时间(分钟) 分区图,并在“可视化效果”窗格中选择“树状图”。

    树状图会自动将供应商字段作为

    从此树状图中,我们可以看到前八个供应商是树状图左侧的八个区块。 我们也可以看到它们应为约 50% 的停工时间总分钟数承担责任。

  3. 在顶部导航栏中选择 Power BI 以返回到仪表板。

工厂比较

现在让我们来探索哪些工厂在管理瑕疵用料方面表现较佳,从而缩短了停工时间。

  1. 选择按工厂和瑕疵类型划分的总瑕疵报表地图图块。

    报表会打开“供应商质量分析”页面。

  2. 在地图图例中,选择影响圆圈。

    请注意,气泡图中的物流是最糟糕的类别 — 它在瑕疵品总量、总瑕疵报表和停工时间总分钟数上都居最高位置。 让我们进一步研究此类别。

  3. 在气泡图中选择“物流”气泡,并观察伊利诺斯州斯普林菲尔德市和内伯威尔市的工厂。 内伯威尔市似乎在管理瑕疵供货方面做得更好,因为它的退货量较高,影响量也较小,而斯普林菲尔德市的影响量就较大。

  4. 在顶部导航栏中选择“Power BI”,返回到活动工作区。

哪种类型的用料管理最佳?

管理最佳的用料类型是指无论瑕疵品数量如何,都具有最低的停工时间或不造成任何影响的类型。

  • 在仪表板中,查看按用料类型和瑕疵类型划分的瑕疵品总数磁贴。

请注意原料的瑕疵品总数很多,但大多数瑕疵品都会被退货或不造成任何影响。

由此确认,尽管瑕疵品数量高,原料仍不会造成大量的停工时间。

  • 在仪表板中,查看按用料类型划分的瑕疵品总数和停工时间总分钟数磁贴。

很显然,原料受到妥善管理:它们的瑕疵品虽然更多,但停工时间总分钟数较低。

按年份比较瑕疵品与停工时间的关系

  1. 选择按工厂和瑕疵类型划分的总瑕疵报表地图图块,将报表打开至第一个报表页面“供应商质量分析”。

  2. 请注意,2014 年的瑕疵品数量比 2013 年高。

  3. 瑕疵品多代表停工时间一定也更多吗? 我们可以在“问答”框中提问以找出答案。

  4. 在顶部导航栏中选择 Power BI 以返回到仪表板。

  5. 既然我们知道“原料”具有最高数量的瑕疵品,可在问题框中键入“显示用料类型、年份和瑕疵品总数”。

    2014 年的原料瑕疵品数量比 2013 年高很多。

  6. 现在,将问题改为“显示用料类型、年份和停工时间总分钟数”。

虽然 2014 年的原料瑕疵品更多,但 2013 年和 2014 年的原料停工时间差不多。

因此,即使 2014 年原料瑕疵品较多,也不会导致 2014 年的原料停工时间更长。

按月份比较瑕疵品与停工时间的关系

让我们看看另一个与瑕疵品总数相关的仪表板磁贴。

  1. 选择问题框上方左上角的返回箭头 ,返回仪表板。

    进一步查看按月份和年份划分的瑕疵品总数磁贴,可发现 2014 年上半年的瑕疵品数与 2013 年非常接近,但 2014 年下半年的瑕疵品数大幅激增。

    我们来看看瑕疵品数的增加是否会导致停工时间分钟数也跟着增加。

  2. 在问题框中键入“按月份和年份划分的停工时间总分钟数折线图”。

    在 6 月和 10 月间,我们发现停工时间分钟数大增,但除此之外,瑕疵品数并没有明显导致更长的停工时间。 这意味着我们管理瑕疵品的成效很好。

  3. 若要将此图表固定到仪表板,请选择问题框右侧的固定图标

  4. 若要浏览离群值月份,可提出问题(例如“工厂 10 月份的停工时间总分钟数”),按用料类型、工厂位置、类别等查看 10 月的停工时间分钟数。

  5. 选择问题框上方左上角的返回箭头 ,返回仪表板。

这是一个安全的试验环境。 你可以始终选择不保存所做的更改。 但是,如果保存更改,则可以始终转到获取数据来获取本示例的新副本。

后续步骤:连接到你的数据

我们希望本教程已经演示 Power BI 仪表板、问答和报表如何帮助深入了解供应商质量数据。 现在轮到你了 — 连接到你自己的数据。 借助 Power BI,你可以连接到各种数据源。 了解 Power BI 入门的详细信息。