Erste Schritte mit Power BI in der Technik

Power BI in der Technik: schnell zu belastbaren Kennzahlen – ohne Datendschungel

Use-Case: Shopfloor-Board mit verlässlichen Tageszahlen

Ziel: Entscheidungen im 15‑minütigen Morgenmeeting absichern. Ein Power-BI-Dashboard verdichtet Produktions- und Instandhaltungsdaten zu wenigen, normkonformen Kennzahlen: Gesamtanlageneffektivität (OEE), First Pass Yield, Durchsatz sowie Zuverlässigkeitsgrößen wie mittlere Zeit zwischen Ausfällen (MTBF) und mittlere Reparaturzeit (MTTR). Ergebnis: Transparenz über Engpässe, Verluste und Prioritäten. 📊

Metriken und Methodik

• Gesamtanlageneffektivität (OEE): Verfügbarkeit × Leistung × Qualität. Definitionen und Formeln sind in ISO 22400-2 beschrieben; OEE dient als strukturierter Verlustkompass, nicht als Selbstzweck.
• First Pass Yield (FPY): Anteil der Einheiten, die den Prozess ohne Nacharbeit bestehen.
• Mittlere Zeit zwischen Ausfällen (MTBF) und mittlere Reparaturzeit (MTTR): Basisgrößen für Zuverlässigkeit und Instandhaltbarkeit; Datenerfassung und Begriffe werden in ISO 14224 standardisiert.

Empfohlene Datenmodellierung in Power BI:

– Faktentabellen: Produktionsmengen (Zyklusdaten), Stillstände (Ereignislog), Qualitätsprüfergebnisse, Instandhaltungsaufträge.

– Dimensionen: Zeit/Datum, Anlage/Arbeitsplatz, Produkt/Variante, Schicht/Team.

– Star-Schema mit eindeutigen Schlüsseln, eine zentrale Datumstabelle, eindeutige Einheiten (z.B. Sekunden, Stück).

Minimaldaten je Kennzahl (normbezogen)

Kennzahl (ausformuliert)	Kurzdefinition (normbezogen)	Normbezug	Benötigte Rohdaten
Gesamtanlageneffektivität (OEE)	Verfügbarkeit × Leistung × Qualität; Verfügbarkeit = Betriebszeit/Planzeit; Leistung = Ist-Ausbringung/technische Soll-Ausbringung; Qualität = Gutmenge/Gesamtmenge	ISO 22400-2:2021	Planzeit, Betriebszeit, Stillstandsereignisse mit Kategorien, Solltakt oder Nennleistung, Gut/Schlecht-Mengen
First Pass Yield (FPY)	Anteil fehlerfreier Einheiten im ersten Durchlauf	ISO 22400-2:2021	Stückzähler, Prüfstatus je Einheit
Mittlere Zeit zwischen Ausfällen (MTBF)	Betriebszeit geteilt durch Anzahl Funktionsausfälle	ISO 14224:2016	Betriebszeit, klar definierte Ausfälle, Start/Ende-Zeitpunkte
Mittlere Reparaturzeit (MTTR)	Summe der Reparaturzeiten geteilt durch Anzahl Reparaturen	ISO 14224:2016	Beginn/Ende Reparatur, freigegebene Wiederinbetriebnahme

Hinweis zu Daten- und Personenschutz: Wenn personenbezogene Daten (z.B. Bediener-IDs) verarbeitet werden, gelten die Vorgaben der Datenschutz-Grundverordnung der EU. Minimieren, pseudonymisieren und nur für den Zweck notwendige Daten verwenden. ⚙️

Beispiel: OEE einer Montagezelle in Power BI

Ausgangslage am Vortag:

– Planzeit 480 min; protokollierte Stillstände 90 min (davon 50 min ungeplant, 40 min geplant).

– Nennleistung 60 Stück/h; Ist-Ausbringung 380 Stück.

– Gutmenge 370 Stück, Ausschuss 10 Stück.

Berechnung:

– Verfügbarkeit = (480 − 90) / 480 = 390 / 480 = 81,25 %

– Leistung = 380 / (60 × 8 h) = 380 / 480 = 79,17 %

– Qualität = 370 / 380 = 97,37 %

– OEE = 0,8125 × 0,7917 × 0,9737 ≈ 62,6 %

Power-BI-Umsetzung (konzeptionell):

– Datenmodell: Fakt_Produktion (Zeitstempel, Stückzahl), Fakt_Stillstand (Start/Ende, Kategorie), Fakt_QM (Prüfergebnis), Dim_Anlage, Dim_Zeit.

– Measures in Data Analysis Expressions (DAX): Verfügbarkeit, Leistung, Qualität, OEE als separate, prüfbare Rechenpfade.

Beispielhafte Data Analysis Expressions (DAX) Measures (vereinfacht):

– Betriebszeit = [Planzeit] − [Stillstandszeit]

– Verfügbarkeit = DIVIDE([Betriebszeit], [Planzeit])

– Leistung = DIVIDE([Ist-Ausbringung], [Soll-Ausbringung])

– Qualität = DIVIDE([Gutmenge], [Ist-Ausbringung])

– OEE = [Verfügbarkeit] * [Leistung] * [Qualität]

Interpretation: Was sagt das Dashboard wirklich?

• OEE als Verlustaufschlüsselung: In diesem Beispiel sind Verfügbarkeit und Leistung die Hebel. Qualität ist solide.
• Stillstandskategorien prüfen: Sind geplante Pausen korrekt als geplant gekennzeichnet? ISO 22400 empfiehlt eine klare Kategorisierung (z.B. Rüsten, Störung, Materialmangel).
• Leistungseinbruch: Abgleich mit Nennleistung und Produktmix; bei Variantenwechsel die Soll-Ausbringung je Produkt hinterlegen, sonst entstehen Scheinprobleme.
• Stichprobeneffekte vermeiden: Bei kleiner Gutmenge schwankt die Qualitätsrate stark; über geeignete Zeitfenster aggregieren.

Typische Fallstricke

– Vermischte Einheiten (Minuten vs. Sekunden) verfälschen MTTR/MTBF.

– Implizite Measures in Power BI führen zu inkonsistenten Aggregationen. Immer explizite Measures definieren.

– Kein gemeinsamer Kalender: Ohne zentrale Datumstabelle reißen Beziehungen und Zeitintelligenz.

– Unklare Ausfalldefinitionen: Nur Funktionsausfälle zählen für MTBF (gemäß Definition), nicht geplante Stillstände.

Handlungsempfehlungen: In 4 Wochen zum produktiven Board

Woche 1 – Ziele und Definition

– Drei Kernaussagen definieren: z.B. Engpass identifizieren, Schichtvergleich, Stillstandsursachen Top 5.

– Kennzahlen exakt nach Norm festlegen (ISO 22400-2 für OEE/FPY; ISO 14224 für MTBF/MTTR).

– Messpunkte und Datenerfassung prüfen: Zeitstempel-Genauigkeit, Kategorien, Zählerstände.

Woche 2 – Datenmodell und Prototyp

– Power BI Desktop: Datenquellen anbinden (Maschinenlog, MES/ERP, Instandhaltung).

– Star-Schema bauen; Datumstabelle hinzufügen; einheitliche Einheiten festlegen.

– Erste Measures erstellen; Zahlen gegen manuelle Tagesberichte verifizieren.

Woche 3 – Visualisierung und Betrieb

– Layout nach ISO 9241-112: Wenige, konsistente Farben; klare Lesereihenfolge; beschriftete Achsen.

– Schwellenwerte und Tooltips pflegen; Drill-through von OEE zu Stillstandsereignissen.

– Veröffentlichung in Power BI Service; Aktualisierungsplan, Datenzugriffsrechte, Row-Level Security definieren. 💡

Woche 4 – Go-Live und Lernen

– Tägliches Meeting mit Dashboard; Abweichungen und Ursachen sofort dokumentieren.

– Verbesserungen iterativ einpflegen; KPI-Definitionen versionieren und kommunizieren.

Technische Checkliste

• Zeitquellen synchronisieren (NTP) für korrekte Ereignisreihenfolge.
• Inkrementelle Aktualisierung in Power BI für große Ereignislogs aktivieren.
• Datenqualität-Monitoring: Vollständigkeit, Plausibilitäten (z.B. Stillstand-Ende > Start).
• Governance: Datenbesitz, Änderungsprozess für KPI-Definitionen, Dokumentation der Measures.

Quellen

– ISO 22400-2:2021 – Automation systems and integration — Key performance indicators for manufacturing operations management — Part 2. ISO.org (ISO 22400-2:2021)

– ISO 14224:2016 – Petroleum, petrochemical and natural gas industries — Collection and exchange of reliability and maintenance data for equipment. ISO.org (ISO 14224:2016)

– ISO 9241-112:2017 – Ergonomics of human-system interaction — Part 112: Principles for the presentation of information. ISO.org (ISO 9241-112:2017)

– Microsoft Learn – Power BI documentation: Modellbeziehungen, Measures, Zeitintelligenz (Stand 2024). learn.microsoft.com/power-bi

Klarer nächster Schritt: Starten Sie mit drei sauber definierten Kennzahlen und einem minimalen Datenmodell – wir helfen beim Normabgleich, der Power-BI-Modellierung und der Dashboard-Gestaltung. Fragen willkommen: Schicken Sie uns Ihre aktuelle Datenlage oder KPI-Definitionen, wir geben gezieltes Feedback und eine kurze Umsetzungs-Roadmap.