Sampel Analisis Kualitas Pemasok untuk Power BI: Mengikuti tur

Dasbor sampel industri ini dan laporan yang mendasar berfokus pada salah satu tantangan rantai pasokan yang khas: analisis kualitas pemasok. Dua metrik utama sedang dimainkan dalam analisis ini: jumlah total cacat dan total waktu henti yang disebabkan oleh cacat ini.

Sampel ini memiliki dua tujuan utama:

• Memahami pemasok terbaik dan terburuk, terkait dengan kualitas.
• Mengidentifikasi pabrik yang melakukan upaya menemukan dan menolak cacat yang lebih baik, guna meminimalkan waktu henti.

Sampel ini adalah bagian dari seri yang memperlihatkan bagaimana Anda dapat menggunakan Power BI dengan data, laporan, dan dasbor berorientasi bisnis. Perusahaan obviEnce membuat sampel ini menggunakan data nyata yang dianonimkan. Data tersedia dalam beberapa format: sampel bawaan dalam file layanan Power BI, .pbix Power BI Desktop, atau buku kerja Excel. Lihat Sampel untuk Power BI.

Tutorial ini menjelajahi sampel bawaan Analisis Kualitas Pemasok dalam layanan Power BI. Karena pengalaman laporan serupa di Power BI Desktop dan dalam layanan, Anda juga dapat mengikuti dengan menggunakan sampel file .pbix di Power BI Desktop. Dapatkan sampel dengan salah satu cara berikut:

• Dapatkan sampel bawaan di layanan Power BI.
• Unduh file .pbix.
• Unduh buku kerja Excel.

Prasyarat

Anda tidak memerlukan lisensi Power BI untuk menjelajahi sampel di Power BI Desktop. Anda hanya memerlukan lisensi gratis Fabric untuk menjelajahi sampel di layanan Power BI, dan menyimpannya ke ruang kerja Saya.

Dapatkan sampel bawaan

1. Buka layanan Power BI (app.powerbi.com), dan pilih Pelajari di navigasi kiri.

2. Pada halaman pusat Pembelajaran, di bawah Sampel laporan, gulir hingga Anda melihat Sampel Analisis Kualitas Pemasok.

3. Pilih sampel. Ini terbuka dalam mode Membaca.

4. Power BI mengimpor sampel bawaan, menambahkan dasbor, laporan, dan model semantik baru ke ruang kerja Anda saat ini.

   

   Pilih dasbor untuk melihat dasbor sampel.

Dapatkan file .pbix untuk sampel ini

Secara alternatif, Anda dapat mengunduh sampel Analisis Kualitas Pemasok sebagai .pbix file, yang dirancang untuk digunakan dengan Power BI Desktop.

1. Setelah Anda membuka file di Power BI Desktop, pilih Terbitkan File>Terbitkan>ke Power BI atau pilih Terbitkan di pita Beranda.

2. Dalam dialog Terbitkan ke Power BI , pilih ruang kerja lalu Pilih.

3. Di layanan Power BI, di ruang kerja Anda, gulir ke bawah ke laporan Sampel Analisis Kualitas Pemasok dan pilih untuk membuka.

4. Dari menu Opsi lainnya (...), pilih Sematkan ke dasbor. Pilih Dasbor baru, masukkan nama, dan pilih Sematkan langsung.

Dasbor yang Anda buat dengan cara ini tidak sama dengan dasbor sampel yang dibuat oleh sampel bawaan. Anda masih dapat menggunakan Tanya Jawab umum dan membuat perubahan pada dasbor Anda.

Mendapatkan buku kerja Excel untuk sampel ini

Jika Anda ingin melihat sumber data untuk sampel ini, tersedia juga dalam bentuk buku kerja Excel. Untuk melihat data mentah, aktifkan fitur tambahan Analisis Data, lalu pilih Power Pivot>Kelola.

Jika Anda ingin mendapatkan dan menggunakan file Excel di layanan Power BI, ikuti langkah-langkah berikut:

1. Unduh sampel dari sampel Power BI Desktop. File ini disebut Supplier Quality Analysis Sample-no-PV.xlsx.

2. Buka file di Excel lalu pilih Terbitkan File>Terbitkan>ke Power BI.

3. Pilih ruang kerja, seperti Ruang kerja saya, dan pilih Ekspor.

   Ada berbagai cara untuk bekerja dengan file Excel. Untuk informasi selengkapnya, lihat Menjelajahi sampel Excel di Excel.

4. Di layanan Power BI, data yang diekspor muncul sebagai model semantik di ruang kerja yang dipilih. Pilih Opsi lainnya (...) >Buat laporan secara otomatis.

5. Pilih Simpan, masukkan nama untuk laporan Anda, lalu pilih Simpan.

6. Dari menu Opsi lainnya (...), pilih Sematkan ke dasbor. Pilih Dasbor baru, masukkan nama, dan pilih Sematkan langsung.

Dasbor yang Anda buat dengan cara ini tidak sama dengan dasbor sampel yang dibuat oleh sampel bawaan. Anda masih dapat menggunakan Tanya Jawab umum dan membuat perubahan pada dasbor Anda.

Waktu henti yang disebabkan oleh bahan yang rusak

Dengan sampel bawaan di layanan Power BI, Anda memiliki laporan dan dasbor. Mari kita mulai tur di dasbor untuk menganalisis waktu henti yang disebabkan oleh bahan yang rusak dan melihat vendor mana yang bertanggung jawab.

1. Pada dasbor, pilih petak Total Jumlah Cacat atau Total Menit Waktu Henti.

   

   Laporan Sampel Analisis Kualitas Pemasok terbuka ke halaman Analisis Waktu Henti.

   Perhatikan bahwa kita memiliki 33 juta bagian yang rusak, menyebabkan total waktu henti 77.000 menit. Meskipun beberapa bahan memiliki lebih sedikit potongan yang rusak, mereka dapat menyebabkan penundaan, yang mengakibatkan lebih banyak waktu henti. Mari kita jelajahi di halaman laporan.

2. Jika kita melihat garis Total Menit Waktu Henti di bagan kombo Cacat dan Waktu Henti (min) menurut Jenis Bahan, kita dapat melihat bahwa bahan lecek menyebabkan waktu henti paling banyak.

3. Pilih kolom Corrugate untuk melihat tanaman mana yang paling terpengaruh oleh cacat ini dan vendor mana yang bertanggung jawab.

   

4. Dalam peta Waktu Henti (min) oleh Pabrik, pilih masing-masing pabrik pada gilirannya untuk melihat vendor atau bahan mana yang bertanggung jawab atas waktu henti di pabrik tersebut.

Manakah pemasok terburuk?

Kami ingin menemukan delapan pemasok terburuk dan menentukan persentase waktu henti apa yang bertanggung jawab untuk dibuat. Kita dapat melakukannya dengan mengubah bagan area Waktu Henti (min) menurut Vendor menjadi peta pohon.

1. Pada halaman Analisis Waktu Henti laporan, pilih Edit di menu atas.

2. Pilih bagan area Waktu Henti (min) menurut Vendor, dan di panel Visualisasi, pilih ikon Peta Pohon.

   

   Peta pohon secara otomatis mengatur bidang Vendor sebagai Grup.

   

   Dari peta pohon ini, kita dapat melihat delapan vendor teratas adalah delapan blok di sebelah kiri peta pohon. Kita juga dapat melihat akun mereka selama sekitar 50% dari semua menit waktu henti.

3. Pilih Kualitas Pemasok dari bilah navigasi kiri untuk kembali ke dasbor.

Membandingkan pabrik

Sekarang mari kita jelajahi pabrik mana yang melakukan pekerjaan yang lebih baik dalam mengelola bahan yang rusak, yang mengakibatkan lebih sedikit waktu henti.

1. Pada dasbor, pilih petak peta Total Cacat Laporan menurut Pabrik, Jenis Cacat.

   

   Laporan terbuka ke halaman Analisis Kualitas Pemasok.

2. Dalam legenda Laporan Cacat Total berdasarkan Jenis Tanaman dan Cacat, pilih Dampak.

   

   Perhatikan dalam bagan gelembung bahwa Logistik adalah kategori yang paling merepotkan. Ini adalah yang terbesar dalam hal jumlah total cacat, laporan cacat, dan menit waktu henti. Mari kita jelajahi kategori ini lebih lanjut.

3. Pilih gelembung Logistik di bagan gelembung dan amati pabrik di Springfield dan Naperville, IL. Naperville tampaknya melakukan pekerjaan yang jauh lebih baik untuk mengelola pasokan yang rusak karena memiliki jumlah penolakan yang tinggi dan beberapa dampak, dibandingkan dengan jumlah dampak Springfield yang besar.

   

4. Pilih Kualitas Pemasok di bilah navigasi kiri untuk kembali ke dasbor.

Jenis bahan mana yang paling baik dikelola?

Jenis material terkelola terbaik adalah yang memiliki waktu henti terendah atau tanpa dampak, terlepas dari jumlah cacat.

1. Di dasbor, lihat petak Total Kuantitas Cacat menurut Jenis Bahan, Jenis Cacat.

   

   Perhatikan bahwa meskipun jenis bahan baku memiliki banyak cacat total, sebagian besar cacat tersebut ditolak atau tidak berdampak.

   Mari kita verifikasi bahwa jenis bahan ini tidak menyebabkan banyak waktu henti, meskipun jumlah cacat tinggi.

2. Di dasbor, lihat petak Total Cacat Qty, Total Menit Waktu Henti menurut Jenis Bahan.

   

   Bahan baku tampaknya dikelola dengan baik; meskipun mereka memiliki lebih banyak cacat, mereka memiliki total menit waktu henti yang lebih rendah.

Membandingkan cacat dengan waktu henti berdasarkan tahun

1. Pilih petak peta Total Cacat Laporan menurut Pabrik, Jenis Cacat untuk membuka laporan ke halaman Analisis Kualitas Pemasok.

2. Dalam bagan Total Cacat Qty berdasarkan Bulan dan Tahun, perhatikan bahwa kuantitas cacat lebih tinggi pada tahun 2014 daripada pada tahun 2013.

   

3. Apakah lebih banyak cacat diterjemahkan ke dalam lebih banyak waktu henti? Ajukan pertanyaan dalam kotak Tanya Jawab untuk mengetahuinya.

4. Pilih Kualitas Pemasok di bilah navigasi kiri untuk kembali ke dasbor.

5. Karena kita tahu bahwa bahan baku memiliki jumlah cacat tertinggi, ketik kueri berikut ke dalam kotak pertanyaan: tampilkan jenis bahan, tahun, dan total cacat qty.

   Ada lebih banyak cacat bahan baku pada tahun 2014 daripada pada tahun 2013.

   

6. Selanjutnya, ubah pertanyaan menjadi: tampilkan jenis bahan, tahun, dan total menit waktu henti.

   

   Perhatikan bahwa waktu henti untuk bahan baku hampir sama pada 2013 dan 2014, meskipun ada lebih banyak cacat bahan baku pada tahun 2014. Tampaknya lebih banyak cacat untuk bahan baku pada tahun 2014 tidak menyebabkan lebih banyak waktu henti untuk bahan baku pada tahun 2014.

Membandingkan cacat dengan waktu henti bulan ke bulan

Mari kita lihat petak dasbor lain yang terkait dengan jumlah total yang rusak.

1. Pilih Keluar dari Tanya Jawab di sudut kiri atas untuk kembali ke dasbor.

   Lihat lebih dekat pada petak Total Kuantitas Cacat berdasarkan Bulan, Tahun. Ini menunjukkan bahwa paruh pertama 2014 memiliki jumlah cacat yang sama seperti 2013, tetapi pada paruh kedua 2014, jumlah cacat meningkat secara signifikan.

   

   Mari kita lihat apakah peningkatan kuantitas cacat ini menyebabkan peningkatan yang sama dalam menit waktu henti.

2. Dalam kotak pertanyaan, ketik total menit waktu henti menurut bulan dan tahun sebagai bagan garis.

   

   Selain lompatan dalam menit waktu henti selama Juni dan Oktober, jumlah cacat tidak mengakibatkan waktu henti yang jauh lebih banyak. Hasil ini menunjukkan kita mengelola cacat dengan baik.

3. Untuk menyematkan bagan ini ke dasbor Anda, pilih ikon sematkan di atas kotak pertanyaan.

4. Untuk menjelajahi bulan-bulan outlier, lihat menit waktu henti selama Bulan Oktober berdasarkan jenis material, lokasi pabrik, kategori, dan sebagainya, dengan mengajukan pertanyaan seperti total menit waktu henti di Bulan Oktober oleh pabrik.

5. Pilih Keluar dari Tanya Jawab di sudut kiri atas untuk kembali ke dasbor.

Konten terkait

Lingkungan ini aman untuk dimainkan, karena Anda dapat memilih untuk tidak menyimpan perubahan Anda. Tetapi jika Anda menyimpannya, Anda selalu dapat kembali ke pusat Pembelajaran untuk salinan baru sampel ini.

Kami berharap tur ini telah menunjukkan bagaimana dasbor, Tanya Jawab, dan laporan Power BI dapat memberikan wawasan tentang data sampel. Sekarang giliran Anda. Koneksi ke data Anda sendiri. Dengan Power BI, Anda dapat terhubung ke berbagai sumber data. Untuk mempelajari selengkapnya, lihat Mulai membuat di layanan Power BI.