📌 En resumen
El reporting de producción en entornos industriales sigue dependiendo, en muchas empresas, de hojas de cálculo manuales y partes de turno en papel. Automatizar ese reporting con dashboards conectados a las fuentes de datos reales (MES, SCADA, ERP) permite tener visibilidad actualizada de los KPIs de planta sin trabajo manual. Esta guía cubre qué indicadores monitorizar, de dónde salen los datos, cómo diseñar dashboards útiles en Power BI y cómo automatizar los informes de turno.
En fabricación, la información llega tarde o no llega. El responsable de producción termina el turno, rellena un parte en Excel, lo envía por correo y alguien lo consolida al día siguiente. Para cuando el dato llega al director de operaciones, ya han pasado 24-48 horas. Si hay un problema de eficiencia o de calidad, se detecta demasiado tarde.
El reporting automatizado resuelve ese desfase. No se trata de montar un sistema MES nuevo ni de invertir cientos de miles de euros en digitalización. Se trata de conectar los datos que ya existen (en el ERP, en el SCADA, en el MES, en las bases de datos de planta) y presentarlos de forma clara y actualizada en un dashboard que cualquiera pueda consultar.
¿Qué KPIs de producción merece la pena automatizar?
No todos los indicadores necesitan un dashboard. Los que sí lo necesitan son aquellos que se consultan con frecuencia, que requieren datos de múltiples fuentes y que condicionan decisiones operativas diarias.
OEE (Overall Equipment Effectiveness)
El indicador estrella en manufacturing. Combina disponibilidad, rendimiento y calidad en un solo porcentaje. El OEE de clase mundial suele situarse en torno al 85 %, aunque la media industrial está significativamente por debajo. Automatizar su cálculo requiere datos fiables de paradas (planificadas y no planificadas), velocidad real de producción y unidades defectuosas. Si quieres profundizar en cómo diseñar un dashboard de OEE, este artículo lo cubre en detalle.
Yield (rendimiento de primera pasada)
El porcentaje de unidades que salen correctas a la primera, sin reprocesos. Es un indicador directo de calidad del proceso. Si el yield baja, hay un problema en la línea que necesita atención. Automatizar su seguimiento permite detectar desviaciones en horas en vez de días.
Cycle time (tiempo de ciclo)
El tiempo que tarda una unidad en completar el proceso de producción de principio a fin. Comparar el cycle time real con el teórico revela cuellos de botella. Si un paso del proceso tarda sistemáticamente más de lo esperado, el dashboard lo muestra y el equipo puede actuar.
Scrap rate (tasa de desperdicio)
El porcentaje de material o unidades que se descartan. Tiene impacto directo en el coste de producción. Automatizar su seguimiento por línea, turno y producto permite identificar patrones: si el scrap sube los lunes por la mañana o con un lote concreto de materia prima, el dato lo revelará.
Otros indicadores relevantes
- MTBF (Mean Time Between Failures): frecuencia media entre fallos de un equipo. Útil para planificar mantenimiento preventivo.
- MTTR (Mean Time To Repair): tiempo medio de reparación. Mide la eficacia del equipo de mantenimiento.
- Coste por unidad producida: combina datos de producción con datos financieros del ERP.
- Cumplimiento de planificación: porcentaje de la producción planificada que realmente se ejecuta.
¿Qué fuentes de datos hay en entornos industriales?
El principal reto del reporting de producción no es la visualización, sino conseguir que los datos de planta lleguen al dashboard. Las fuentes habituales son:
MES (Manufacturing Execution System)
El sistema que registra las órdenes de producción, los tiempos, las cantidades y las incidencias de cada turno. Es la fuente principal para OEE, yield, cycle time y scrap. La mayoría de MES exponen los datos en bases de datos SQL que Power BI puede consultar directamente.
SCADA (Supervisory Control and Data Acquisition)
Recoge datos de sensores y PLCs en tiempo real: temperaturas, presiones, velocidades, estados de máquinas. Los datos de SCADA son muy granulares y volumétricos. Para reporting, suelen necesitar una capa de agregación que resuma los valores a nivel de turno o de orden de producción.
ERP
Aporta el contexto financiero y de planificación: coste de materiales, órdenes de compra, planificación de producción, datos de clientes. Cruzar los datos del MES con los del ERP permite calcular indicadores como el coste real por unidad o el cumplimiento de plazos de entrega.
Hojas de cálculo y registros manuales
En muchas fábricas, parte de la información sigue registrándose manualmente: partes de turno, incidencias, controles de calidad. Mientras se trabaja en digitalizarlos, estos datos pueden incorporarse al reporting mediante formularios conectados (Microsoft Forms, SharePoint Lists) que alimentan el modelo de datos.
¿Cómo diseñar dashboards de producción en Power BI?
Un dashboard de producción que nadie usa es un dashboard mal diseñado. El diseño debe partir de las preguntas que el equipo de planta se hace cada día, no de la cantidad de datos disponibles.
Siguiente paso
Consultoría Power BI
Dashboards ejecutivos, KPIs consensuados y un modelo de datos fiable en pocas semanas.
Saber más →Principios de diseño para entornos industriales
- Una página, un propósito: no mezclar OEE con indicadores financieros ni con KPIs de calidad en la misma vista. Cada página responde a una pregunta concreta.
- KPI grande y visible: el indicador principal del turno debe verse desde 3 metros. En muchas plantas, el dashboard se muestra en pantallas grandes en la línea.
- Comparación temporal: mostrar siempre el dato actual junto con el del turno anterior, el mismo día de la semana anterior o el objetivo. Sin comparación, un número aislado no dice nada.
- Semáforos claros: verde, amarillo, rojo según umbrales definidos. El responsable de turno debe saber de un vistazo si hay que actuar.
- Drill-down disponible: el KPI principal lleva a un desglose por línea, turno, producto o causa de parada. La vista resumen es para detección; el detalle es para diagnóstico.
Estructura habitual de un dashboard de producción
- 1Página resumen de turno: OEE del turno actual, unidades producidas vs planificadas, principales paradas.
- 2Página de OEE desglosado: disponibilidad, rendimiento y calidad por línea. Evolución horaria durante el turno.
- 3Página de calidad: yield, scrap por producto y por línea, causas principales de rechazo.
- 4Página de mantenimiento: MTBF y MTTR por equipo, paradas no planificadas acumuladas, alertas.
- 5Página de tendencias: evolución semanal y mensual de los KPIs principales. Permite ver si la mejora es sostenida o si hay degradación.
¿Cómo automatizar el informe de turno?
El informe de turno es el entregable más demandado en cualquier fábrica. Automatizarlo significa que al terminar cada turno, el informe se genera solo con los datos del MES y se envía por correo o se pública en un canal de Teams. Sin que nadie tenga que abrir Excel ni copiar números. Este artículo sobre automatizar reporting explica el enfoque general paso a paso.
Opciones para automatizar el envío
- Suscripciones de Power BI: programar el envío de una página del dashboard por email a una lista de distribución.
- Power Automate: generar un PDF del informe y enviarlo con lógica condicional (solo si el OEE está por debajo del umbral, por ejemplo).
- n8n: para integraciones más complejas o con sistemas que no están en el ecosistema Microsoft.
- Export programado: scripts que exportan el informe a SharePoint o a un directorio compartido al final de cada turno.
ℹ️ Nota
El objetivo no es eliminar la conversación sobre el turno. El informe automatizado es el punto de partida: datos correctos, actualizados y en las manos de quien los necesita. La discusión sobre qué hacer con esos datos sigue siendo humana.
¿Qué retos habituales aparecen y cómo abordarlos?
- Datos de planta en silos: cada sistema (MES, SCADA, ERP) tiene su propio modelo de datos. La capa de transformación (Power Query o dbt) debe unificarlos bajo un modelo común.
- Falta de código de parada estandarizado: si cada turno categoriza las paradas de forma distinta, el OEE no es comparable. Hay que definir un catálogo único de causas de parada.
- Resistencia al cambio: el equipo de planta lleva años haciendo partes en papel. La adopción requiere que el nuevo sistema sea más fácil, no solo más bonito.
- Volumen de datos SCADA: los datos de sensores pueden generar millones de registros al día. Para reporting, suele bastar con agregados a nivel de minuto u hora.
- Conectividad en planta: no siempre hay red estable en todas las zonas de producción. Hay que prever mecanismos de buffer o sincronización diferida.
Cómo empezar
El primer paso es elegir un KPI y una línea de producción. No intentes automatizar todo a la vez. Conecta los datos del MES para esa línea, construye un primer dashboard de OEE y valídalo con el equipo de planta durante dos semanas. Cuando los datos cuadren y el equipo lo use, amplía a más líneas y más indicadores. Si quieres que te ayudemos con ese primer paso, en nuestra consultoría Power BI tenemos experiencia con entornos de fabricación.
Preguntas frecuentes
¿Power BI es la mejor herramienta para manufacturing?
Es una de las más usadas y con mejor relación calidad-precio para empresas que ya están en el ecosistema Microsoft. Alternativas como Grafana son populares para monitorización en tiempo real de datos de SCADA. Para reporting operativo y ejecutivo, Power BI suele ser la elección más pragmática.
¿Puedo integrar datos de calidad (SPC) en el mismo dashboard?
Sí, si los datos de control estadístico de proceso están en una base de datos accesible. Los gráficos de control (X-bar, R, p) se pueden construir en Power BI con DAX, aunque para SPC avanzado, herramientas especializadas como Minitab siguen siendo más adecuadas.
¿Cuánto tarda en estar operativo un dashboard de producción automatizado?
Un primer dashboard funcional con 2-3 KPIs y datos de MES o ERP puede estar listo en 3-5 semanas. Incluye conexión a fuentes, modelo de datos, visualizaciones y validación con el equipo de planta. La ampliación a más indicadores es incremental.
¿Puedo conectar Power BI directamente a un sistema SCADA?
Depende del SCADA. Algunos exponen datos vía OPC UA, bases de datos SQL o APIs REST que Power BI puede consumir. En otros casos, se necesita una capa intermedia que extraiga los datos del SCADA y los cargue en una base de datos consultable.
¿Qué pasa si los datos de planta no están limpios?
Es lo habitual. Los datos de planta suelen tener huecos, valores fuera de rango y registros duplicados. La capa de transformación (con dbt o Power Query) debe incluir reglas de limpieza antes de calcular los KPIs. Sin esa limpieza, los indicadores no son fiables.
¿Se puede automatizar el informe de turno?
Sí. Power BI permite suscripciones por email y exportaciones programadas. También se pueden configurar flujos en Power Automate o n8n que generen y envíen el informe al final de cada turno, con los datos actualizados automáticamente.
¿Necesito un data warehouse para reporting de producción?
Para un primer dashboard, no siempre. Power BI puede conectarse directamente a las bases de datos del MES o ERP. Pero si necesitas cruzar datos de múltiples fuentes, mantener histórico y garantizar rendimiento, un data warehouse o un data mart de producción es lo recomendable.
Siguiente paso recomendado
Consultoría Power BI
Dashboards ejecutivos, KPIs consensuados y un modelo de datos fiable en pocas semanas.
Sin compromiso · Respuesta en < 24h
Autor
Fundador y Consultor de Datos e IA
David Aldomar es fundador y consultor principal de MERIDIAN Data & IA, consultora especializada en ayudar a pymes y empresas medianas en España a tomar mejores decisiones con sus datos. Su trabajo se centra en cuatro áreas: diseño e implantación de plataformas de datos (data warehouses, pipelines ETL con dbt, integración de ERPs y CRMs), reporting y dashboards ejecutivos en Power BI, automatización de procesos de negocio con herramientas como n8n, y desarrollo de soluciones de inteligencia artificial aplicada — desde modelos de forecasting de demanda hasta copilots internos basados en RAG con LangChain y FastAPI. Ha liderado proyectos en sectores como logística y transporte, retail y distribución, servicios financieros, manufacturing y construcción, siempre con un enfoque pragmático: diagnóstico corto, entregables concretos y transferencia de conocimiento al equipo del cliente para que sea autónomo desde el primer día. Antes de fundar MERIDIAN, trabajó como ingeniero de datos y BI en entornos empresariales reales: arquitecturas Data Warehouse por capas (Bronze/Silver/Gold), pipelines ETL/ELT en AWS (S3, Glue, Redshift Serverless, Athena) y stacks Microsoft (SQL Server, Power BI, Azure), integrando fuentes tan dispares como ERPs, CRMs y bases de datos operacionales — PostgreSQL, MariaDB — en una única fuente fiable para negocio, finanzas y reporting. Tiene un Máster en Ciencia de Datos e Ingeniería del Dato en la Nube. Su filosofía es que un buen proyecto de datos no se mide por la tecnología que usa, sino por las decisiones de negocio que permite tomar. Escribe regularmente en el blog de MERIDIAN sobre reporting, gobierno del dato, automatización e IA aplicada, con guías prácticas orientadas a responsables de negocio y equipos técnicos de empresas que quieren sacar partido real a sus datos sin depender de grandes consultoras.
Fuentes
Contenido y servicios relacionados
- Consultoría Power BI
Dashboards ejecutivos, KPIs consensuados y un modelo de datos fiable en pocas semanas.
- Dashboard de OEE en manufacturing
Cómo diseñar un dashboard de OEE que realmente ayude a mejorar la eficiencia de planta.
- Automatizar reporting en 3 pasos
Guía práctica para dejar de hacer informes manuales y pasar a reporting automatizado.