此行业示例仪表板与基础 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。
此行业示例仪表板与基础 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。
免费下载Power BI Desktop正式版
此示例有两个主要目标:
1、了解就质量而言,哪家供应商最好,哪家供应商最差。
2、指出哪些工厂在找出及淘汰瑕疵品方面表现较佳,从而最大限度地缩短了停工时间。
本教程探讨 Power BI 服务中的供应商质量分析内置示例。 由于 表体验在 Power BI Desktop 和服务中非常相似,因此也可以使用 Power BI Desktop 中的示例 .pbix 文件跟着本教程一起操作。
不需要 Power BI 许可证即可在 Power BI Desktop 中查看示例。 如果没有 Power BI Pro 或 Premium Per User (PPU) 许可证,可以将该示例保存到 Power BI 服务中的“我的工作区”。
获取 .pbix 文件形式的此示例
也可以将此供应商质量分析示例下载为 .pbix 文件,这是专用于 Power BI Desktop 的文件格式。
获取 Excel 工作簿形式的此示例
若要查看此示例的数据源,还可以将它下载为 Excel 工作簿。 该工作簿包含你可以查看和修改的 Power View 工作表。 若要查看原始数据,请启用“数据分析”加载项,再依次选择“Power Pivot”>“管理” 。
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”或“停工时间总分钟数”图块。
“供应商质量分析示例” 表会打开“停工时间分析”页面。
可以看到瑕疵品总数为 3,300 万,导致总停工时间达 77,000 分钟。 尽管部分用料的瑕疵品相对较少,但它们会导致延误,从而导致更长的停工时间。 让我们在 表页上浏览这些项目。
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导致的停工时间最长。
3、选择“起皱”列可以查看受此瑕疵影响最大的工厂以及负责的供应商。
4、在“各工厂停工时间(分钟)”地图中,依次选择地图中的各个工厂,查看哪家供应商或哪种用料该为各工厂的停工时间负责。
哪些供应商最差/strong>
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。
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”图标。
树状图会自动将“供应商”字段作为“组”。
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、在左侧导航栏中选择“供应商质量分析示例”,返回到仪表板。
工厂比较
现在,让我们来看看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、在仪表板中,选择“按工厂和瑕疵类型划分的总瑕疵 表”地图图块。
表会打开“供应商质量分析”页面。
2、在“按工厂和瑕疵类型划分的总瑕疵 表”图例中,选择“有影响”圆圈。
可以看到,在气泡图中,“物流”是问题最多的类别。 此类别中的瑕疵品总数量、瑕疵 告次数和停工分钟数最多。 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伊利诺伊州内伯威尔市的工厂。 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、在左侧导航栏中选择“供应商质量分析示例”,返回到仪表板。
哪种类型的用料管理最佳/strong>
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。
1、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。
可以看到,尽管“原料”用料类型的总瑕疵品数较大,但大部分瑕疵品会被退货或不会造成影响。
由此确认,尽管瑕疵品数量高,该用料类型不会造成大量的停工时间。
2、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。
原料受到妥善管理,尽管瑕疵品数量较高,但停工时间总分钟数较低。
后续步骤:连接到数据
可以在此环境中安全操作,因为能够选择不保存更改。 不过,如果确实保存了更改,可随时选择“获取数据”来获取此示例的新副本。
我们希望本教程已经演示 Power BI 仪表板、问答和 表如何能够帮助深入了解示例数据。 现在轮到你了。
Power BI Desktop正式版
想要购买Power BI Desktop正版授权,欢迎在线咨询!
也欢迎拨打热线,我们有专业的大数据团队,为您提供免费大数据相关业务咨询!
标签:
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!