Die Top 10 Kennzahlen für die Produktion
in Power BI berechnen und darstellen

Was machen diese Kennzahlen (KPIs)?

veröffentlicht am 02.12.2024
überprüft/ aktualisiert am 09.12.2024

Effiziente Produktion erfordert eine genaue Messung von Leistung, Qualität und Ressourcenauslastung. Key Performance Indicators (KPIs) sind essenziell, um Prozesse zu überwachen und Verbesserungen umzusetzen. Mit Power BI können diese Kennzahlen nicht nur berechnet, sondern auch verständlich visualisiert werden. In diesem Artikel erläutern wir die zehn wichtigsten Produktions-KPIs und erklären, warum ihre jeweilige Berechnung sinnvoll ist.

Kennzahl	Funktion
1. Gesamtanlageneffektivität (OEE)	Misst die Effizienz der Anlagen
2. Durchlaufzeit (Cycle Time)	Zeigt die Produktionsdauer
3. Ausschussquote (Defect Rate)	Misst den Anteil fehlerhafter Produkte
4. Produktionsausfallzeit (Downtime)	Gibt die Ausfallzeit an
5. Kapazitätsauslastung (Capacity Utilization)	Zeigt die Nutzung der Kapazitäten
6. Liefertreue (On-Time Delivery Rate)	Gibt die pünktlichen Lieferungen an
7. Produktionskosten pro Einheit	Berechnet die Kosten pro Produkt
8. First Pass Yield (FPY)	Zeigt die fehlerfreie Produktion
9. Lagerumschlag (Inventory Turnover)	Misst die Lagerrotation
10. Energieverbrauch pro Einheit	Zeigt den Energiebedarf pro Produkt

Die Tabelle zeigt alle in diesem Artikel beschriebenen KPIs. Mit einem Klick auf den Namen gelangen Sie zur jeweiligen Kennzahl.

Kennzahlen 1 bis 5 in der Produktion

1. Gesamtanlageneffektivität (OEE)

Die OEE misst die Effizienz von Maschinen oder Anlagen in Prozent, basierend auf Verfügbarkeit, Leistung und Qualität.

Formel:

OEE = DIVIDE(SUM(Production[Actual Output]), SUM(Production[Planned Output])) * 100

Dieser KPI zeigt, wie gut Produktionsressourcen genutzt werden. Ein hoher OEE-Wert bedeutet, dass die Produktion effizient läuft, während niedrige Werte auf Stillstände oder Ineffizienzen hinweisen.

Empfohlenes Power BI-Visual: Tachometer (Gauge) oder Säulendiagramm (Column Chart)

Das Tachometer zeigt die OEE-Werte im Vergleich zu einem Zielwert.
Das Säulendiagramm ermöglicht den Vergleich verschiedener Anlagen.

2. Durchlaufzeit (Cycle Time)

Die Durchlaufzeit gibt an, wie lange ein Produkt von Beginn bis zur Fertigstellung benötigt.

Formel:

Cycle Time = AVERAGE(Production[End Time] – Production[Start Time])

Dieser KPI hilft, Engpässe in der Produktion zu identifizieren und Prozesse zu optimieren. Kurze Durchlaufzeiten verbessern die Reaktionsfähigkeit auf Kundenanforderungen.

Empfohlenes Power BI-Visual: Liniendiagramm (Line Chart) oder Box-Plot (Custom Visual)

Das Liniendiagramm zeigt Schwankungen über Zeiträume.
Der Box-Plot visualisiert Verteilung und Ausreißer.

3. Ausschussquote (Defect Rate)

Die Ausschussquote misst den Prozentsatz der fehlerhaften Produkte im Verhältnis zur Gesamtproduktion

Formel:

Defect Rate = DIVIDE(SUM(Production[Defective Units]), SUM(Production[Total Units])) * 100

Sie gibt Aufschluss über die Qualität der Produktion. Eine hohe Ausschussquote weist auf Qualitätsprobleme hin, die behoben werden müssen, um Kosten und Ressourcen zu sparen.

Empfohlenes Power BI-Visual: Säulendiagramm (Column Chart) oder Tortendiagramm (Pie Chart)

Das Säulendiagramm zeigt die Defect Rate nach Produktionslinien.
Das Tortendiagramm visualisiert den Anteil fehlerhafter Einheiten.

4. Produktionsausfallzeit (Downtime)

Die Produktionsausfallzeit misst die gesamte Zeit, in der eine Maschine oder Anlage nicht betriebsbereit war.

Formel:

Downtime = SUM(Production[Downtime Hours])

Dieser KPI hilft, Stillstandzeiten zu minimieren und die Ursachen für Ausfälle zu identifizieren. Geringe Ausfallzeiten erhöhen die Produktivität und senken die Kosten.

Empfohlenes Power BI-Visual: Gestapeltes Säulendiagramm (Stacked Column Chart) oder Liniendiagramm (Line Chart)

Darstellung der Ausfallzeiten nach Maschinen oder Zeitperioden.

5. Kapazitätsauslastung (Capacity Utilization)

Die Kapazitätsauslastung zeigt, wie stark die Produktionsressourcen genutzt werden, verglichen mit ihrer maximalen Kapazität.

Formel:

Capacity Utilization = DIVIDE(SUM(Production[Actual Output]), SUM(Production[Maximum Capacity])) * 100

Ein optimaler Auslastungsgrad maximiert die Effizienz, ohne Maschinen oder Mitarbeiter zu überlasten. Zu geringe Auslastung deutet auf ungenutztes Potenzial hin.

Empfohlenes Power BI-Visual: Tachometer (Gauge) oder Gruppiertes Säulendiagramm (Clustered Column Chart)

Das Tachometer zeigt die Auslastung im Verhältnis zur maximalen Kapazität.

Kennzahlen 6 bis 10 in der Produktion

6. Liefertreue (On-Time Delivery Rate)

Die Liefertreue misst den Prozentsatz der pünktlich gelieferten Aufträge.

Formel:

On-Time Delivery Rate = DIVIDE(COUNTROWS(FILTER(Orders, Orders[Delivery Status] = „On-Time“)), COUNTROWS(Orders)) * 100

Dieser KPI zeigt, wie zuverlässig ein Unternehmen seine Zusagen gegenüber Kunden einhält. Verbesserungen in der Liefertreue stärken die Kundenbeziehungen und fördern die Wettbewerbsfähigkeit.

Empfohlenes Power BI-Visual: Liniendiagramm (Line Chart) oder Tachometer (Gauge)

Das Liniendiagramm zeigt die Entwicklung der Liefertreue im Zeitverlauf.

7. Produktionskosten pro Einheit (Production Cost per Unit)

Dieser KPI gibt die durchschnittlichen Herstellungskosten pro produzierter Einheit an.

Formel:

Production Cost per Unit = DIVIDE(SUM(Production[Total Cost]), SUM(Production[Total Units]))

Die Produktionskosten pro Einheit helfen, die Wirtschaftlichkeit der Produktion zu bewerten und Kostensenkungspotenziale zu identifizieren, etwa durch Prozessoptimierungen oder Mengenrabatte bei Rohstoffen.

Empfohlenes Power BI-Visual: Kartenvisualisierung (Card) oder Liniendiagramm (Line Chart)

Die Karte zeigt den durchschnittlichen Wert, während das Liniendiagramm Schwankungen visualisiert.

8. First Pass Yield (FPY)

Der FPY gibt an, wie viele Produkte beim ersten Versuch die Qualitätsprüfung bestehen.

Formel:

FPY = DIVIDE(SUM(Production[Units Passed Without Rework]), SUM(Production[Total Units])) * 100

Ein hoher FPY-Wert zeigt, dass die Produktion effizient ist und wenig Nacharbeit erforderlich ist. Dies reduziert Kosten und verbessert die Qualität.

Empfohlenes Power BI-Visual: Tachometer (Gauge) oder Säulendiagramm (Column Chart)

Das Tachometer zeigt den FPY-Wert, das Säulendiagramm vergleicht verschiedene Produktionslinien.

9. Lagerumschlag (Inventory Turnover)

Dieser KPI misst, wie oft ein Lagerbestand innerhalb eines bestimmten Zeitraums umgeschlagen wird.

Formel:

Inventory Turnover = DIVIDE(SUM(Inventory[Cost of Goods Sold]), AVERAGE(Inventory[Inventory Value]))

Ein hoher Lagerumschlag deutet auf eine effiziente Lagerverwaltung hin, während ein niedriger Wert auf Überbestände oder Absatzprobleme hinweisen kann.

Empfohlenes Power BI-Visual: Liniendiagramm (Line Chart) oder Säulendiagramm (Column Chart)

Das Liniendiagramm zeigt die Entwicklung im Zeitverlauf.

10. Energieverbrauch pro Einheit (Energy Consumption per Unit)

Der durchschnittliche Energieverbrauch pro Einheit zeigt, wie viel Energie zur Herstellung eines Produkts benötigt wird.

Formel:

Energy Consumption per Unit = DIVIDE(SUM(Production[Energy Consumption]), SUM(Production[Total Units]))

Dieser KPI hilft, die Energieeffizienz der Produktion zu bewerten. Geringe Werte bedeuten niedrigere Energiekosten und tragen zu Nachhaltigkeitszielen bei.

Empfohlenes Power BI-Visual: Liniendiagramm (Line Chart) oder Gruppiertes Säulendiagramm (Clustered Column Chart)

Das Liniendiagramm visualisiert Trends, das Säulendiagramm vergleicht Maschinen oder Produktionslinien.

Zusammenfassung

Produktions-KPIs wie OEE, Durchlaufzeit und Ausschussquote sind unverzichtbar, um die Effizienz, Qualität und Kostenkontrolle in der Fertigung zu verbessern. Power BI ermöglicht nicht nur eine einfache Berechnung dieser Kennzahlen, sondern auch eine anschauliche Visualisierung. Unternehmen, die diese KPIs konsequent überwachen, können Engpässe eliminieren und ihre Produktionsprozesse stetig optimieren.