Power BI para fabricación conectado a Business Central: convierte producción, coste y capacidad en decisiones
Órdenes, scrap, materiales, inventario, capacidad, compras, costes, margen, servicio y riesgo industrial en un modelo analítico común para dirección, operaciones y finanzas.
Una fábrica puede registrar miles de movimientos al día y seguir tomando decisiones con información incompleta. El problema no suele ser la falta de datos: es que producción, compras, almacén, ventas y finanzas interpretan esos datos con lógicas diferentes. Power BI conectado a Dynamics 365 Business Central permite construir una capa común para saber qué pedido está en riesgo, qué producto pierde margen, qué recurso condiciona el plazo, qué proveedor bloquea producción y dónde se está inmovilizando capital.
Un dashboard no arregla una empresa donde producción y finanzas calculan la realidad de forma distinta
Producción puede medir unidades terminadas. Finanzas puede mirar variación de coste. Ventas observa pedidos pendientes. Compras revisa materiales que faltan. Almacén mira existencias. Si cada indicador se construye desde una fuente distinta y con una definición distinta, la reunión de dirección empieza discutiendo qué dato es correcto en lugar de decidir.
Power BI aporta valor cuando existe un modelo semántico común que convierte movimientos de Business Central en conceptos de negocio: pedido en riesgo, coste real, capacidad comprometida, stock disponible, scrap, cobertura, margen o servicio. La ventaja no es el gráfico. Es que las áreas dejan de reconstruir las mismas métricas por separado.
Esto exige disciplina. Un escandallo obsoleto, una ruta con tiempos teóricos, consumos registrados tarde o artículos mal clasificados seguirán generando una lectura equivocada. Power BI no sustituye la calidad del ERP; la hace más visible.
Por eso el proyecto analítico debe empezar por decisiones y datos, no por diseño visual.
Business Central ya dispone de aplicaciones Power BI específicas para fabricación, inventario, compras, ventas y finanzas
Microsoft mantiene aplicaciones Power BI para áreas funcionales de Business Central, entre ellas Manufacturing, Inventory, Inventory Valuation, Purchasing, Sales y Finance. Esto permite partir de modelos y reportes mantenidos por Microsoft y extenderlos cuando el negocio necesita una lectura propia.
La app Manufacturing se centra especialmente en órdenes de producción liberadas y scrap. La app Inventory amplía el contexto hacia movimientos, almacén, lotes, series, compras, ventas y planificación. Para una empresa industrial, la arquitectura suele necesitar combinar varias perspectivas en lugar de tratar fabricación como un silo.
Órdenes y scrap
Released production orders, cantidades esperadas y terminadas, scrap por orden, artículo, centro y máquina.
Stock y disponibilidad
Movimientos, ubicaciones, bins, lotes, series, ventas, compras, producción y actividad de almacén.
Capital y valoración
Contexto económico del inventario para conectar cantidad, valor y evolución.
Compras y proveedores
Compras, proveedores, recepciones, cantidades y tendencias relevantes para suministro industrial.
Demanda y cliente
Pedidos, ventas y comportamiento comercial para relacionar demanda con capacidad y margen.
Impacto económico
Finanzas y resultados para conectar la operación industrial con la lectura de negocio.
Microsoft ya estructura la analítica de fabricación con un modelo en estrella, no como una colección de tablas sueltas
El modelo semántico de la aplicación Manufacturing de Power BI utiliza un Star Schema. Las tablas de hechos contienen transacciones como capacity ledger entries, production order lines y value entries. Las dimensiones aportan contexto de artículo, ubicación, routing y work center, entre otros.
Ese enfoque es importante porque separa hechos y dimensiones y permite construir medidas coherentes que pueden reutilizarse en varios informes. Una empresa puede ampliarlo con sus propias dimensiones de cliente, familia, planta, producto, proyecto, canal o unidad de negocio, siempre que mantenga una semántica gobernada.
La primera pantalla debe conectar servicio, capacidad, inventario y margen
Un comité de dirección no necesita ver todos los movimientos del ERP. Necesita saber dónde existe riesgo y qué impacto tiene. El cuadro ejecutivo debe reducir complejidad sin perder capacidad de bajar al detalle.
Margen industrial
Margen por producto, familia, pedido, cliente, mercado o unidad de negocio.
OTIF / cumplimiento
Pedidos entregados completos y a tiempo frente a la promesa comprometida.
Pedidos en riesgo
Cartera donde materiales, capacidad, retrasos o avance hacen improbable cumplir fecha.
Inventario y cobertura
Valor, rotación, stock de seguridad, cobertura, obsolescencia y material crítico.
Desviación de coste
Esperado frente a real en material, capacidad, indirectos, subcontratación y scrap.
Carga crítica
Capacidad comprometida en recursos que condicionan el programa y el servicio.
La orden liberada es uno de los mejores puntos para detectar riesgo antes de que se convierta en retraso
El informe Released Production Orders de Microsoft analiza cantidades esperadas frente a terminadas y permite revisar órdenes por artículo, work center y periodo. Para un responsable de producción, esa información ayuda a detectar órdenes cuyo avance está por debajo de lo esperado y priorizar investigación.
En un modelo extendido, la orden puede enriquecerse con fecha de cliente, materiales críticos, proveedor, capacidad, coste previsto y margen. Entonces deja de ser un listado de producción y se convierte en una lista priorizada por riesgo de negocio.
Esperado vs terminado
Detectar órdenes con producción real por debajo de la cantidad prevista.
Fecha
Relacionar comienzo, fin y due date con el estado real de ejecución.
Recurso
Agrupar y filtrar por work center para localizar concentración de órdenes problemáticas.
Material
Añadir componentes pendientes y suministro esperado para explicar bloqueo.
Cliente
Conectar la orden con demanda y prioridad comercial cuando el modelo lo permite.
Impacto
Priorizar por servicio y margen, no solo por antigüedad o número de orden.
Scrap debe analizarse por orden, artículo, centro, máquina y tendencia
Microsoft incluye un informe específico de Production Scrap con KPIs de porcentaje y cantidad de scrap, análisis por production order, work center, machine center, source item y scrap code. Esto permite identificar dónde y por qué se concentra desperdicio.
El siguiente paso es conectar scrap con valor: material perdido, horas, capacidad consumida, reproceso y margen. Una reducción aparentemente pequeña del porcentaje de scrap puede tener un impacto económico relevante cuando afecta a productos o recursos de alto valor.
Scrap %
Relación entre cantidad terminada y cantidad de scrap para medir desviación.
Cantidad
Unidades o volumen desperdiciado para entender magnitud física.
Esperado vs real
Comparar scrap real con la merma prevista para localizar anomalías.
Por máquina
Detectar recursos con tasa de desperdicio persistente o creciente.
Por código
Agrupar causas registradas para distinguir problemas de material, proceso o recurso.
Coste de scrap
Traducir desperdicio a euros y margen para priorizar mejora.
Producción puede estar parada con un almacén lleno: lo importante es tener el material correcto, en el lugar correcto y a tiempo
La aplicación Inventory de Power BI utiliza datos de Business Central como item ledger entries, production order lines, purchase lines, sales lines y actividad de warehouse. Sus dimensiones incluyen artículo, cliente, proveedor, ubicación, bin, lote y número de serie.
Para fabricación, esa riqueza permite ir más allá del valor total de stock. Puedes analizar cobertura por familia, material crítico para órdenes, inventario por ubicación, dependencia de proveedor, artículos de baja rotación y capital inmovilizado sin perder el vínculo con producción.
El KPI de ocupación no basta: hay que distinguir carga productiva de carga que pone en riesgo el servicio
Una máquina puede estar muy ocupada y no ser el cuello de botella. Otra puede trabajar menos horas y condicionar toda la fecha de entrega. Power BI debe leer capacidad en contexto: órdenes asignadas, fechas, prioridad, tiempo restante, eficiencia, scrap y demanda futura.
Capacidad disponible
Calendario, turno, eficiencia y horas o unidades disponibles por recurso.
Carga prevista
Trabajo asignado por periodo y recurso a partir de órdenes y rutas.
Utilización
Actividad real frente a capacidad para observar comportamiento y tendencia.
Cuello de botella
Recurso donde exceso de carga afecta directamente a pedidos relevantes.
Scrap de capacidad
Pérdida que consume recurso y puede reducir capacidad real disponible.
Decisión
Reprogramar, subcontratar, ampliar turno, redistribuir trabajo o renegociar fecha.
Una fábrica necesita saber qué componente de coste explica la desviación, no solo cuánto se desvió
El análisis industrial debe separar material, capacidad, indirectos, subcontratación, scrap y otras variaciones para identificar la causa operativa. Cuando coste y fabricación comparten modelo, el responsable puede bajar desde margen global hasta una orden, un artículo o una operación concreta.
Material
Precio, sustitución, consumo superior, merma, urgencia y proveedor.
Capacidad
Horas previstas y reales, eficiencia, setup, reproceso y coste de recurso.
Subcontratación
Coste, retraso, proveedor y dependencia externa de operaciones.
Scrap
Material y capacidad consumidos sin convertirse en output vendible.
WIP
Trabajo en curso y valor acumulado en órdenes todavía abiertas.
Margen
Traducir desviación industrial a impacto económico por producto, pedido y cliente.
Un proveedor no es crítico por lo que compras: es crítico por lo que puede bloquear
La analítica industrial debe conectar compra y producción. Precio, lead time, entregas, dependencia, alternativas y órdenes afectadas permiten distinguir un retraso administrativo de un riesgo que puede detener planta o incumplir al cliente.
En fabricación bajo pedido, Power BI debe conectar avance, cambios, coste y margen del encargo
Cuando cada pedido es distinto, la rentabilidad se erosiona por ingeniería, materiales especiales, cambios, compras urgentes, subcontratación y horas superiores a las previstas. El dashboard debe mostrar esa desviación antes del cierre, no cuando el proyecto ya terminó.
Pedido vs coste acumulado
Relacionar importe comercial con coste de materiales, capacidad, subcontratación y desviaciones.
Avance vs fecha
Detectar pedidos cuyo avance industrial no sostiene la fecha comprometida.
Cambio y complejidad
Visualizar familias o clientes donde variaciones y excepciones generan más trabajo del previsto.
Margen esperado
Reestimar rentabilidad durante ejecución para intervenir antes de consolidar la pérdida.
En fabricación contra stock, la analítica debe equilibrar servicio, forecast e inventario
El problema no es saber cuánto stock hay. Es saber si ese stock protege demanda real o inmoviliza caja. Power BI puede combinar consumo, pedidos, previsión, cobertura, producción e inventario para distinguir referencias críticas de referencias sobredimensionadas.
Forecast accuracy
Diferencia entre demanda prevista y real por familia, periodo o canal.
Cobertura
Días o semanas de stock frente a demanda y consumo esperado.
Rotura
Artículos sin disponibilidad suficiente para sostener servicio o producción.
Sobrestock
Cobertura excesiva, baja rotación o demanda descendente.
Capital
Valor inmovilizado por referencia, familia, almacén o política.
Servicio
Medir si los cambios de inventario mejoran caja sin deteriorar disponibilidad.
API pages y queries son la base recomendada para nuevos modelos Power BI sobre Business Central online
Microsoft recomienda utilizar API pages o queries frente a páginas de interfaz expuestas por OData. Las APIs cargan datos con mayor rendimiento y son más estables frente a cambios de páginas de usuario.
Business Central online incluye APIs estándar para entidades habituales y permite crear custom APIs mediante extensiones AL cuando el modelo industrial necesita datos específicos.
Esto importa mucho en fabricación: un modelo serio puede necesitar producción, capacidad, componentes, costes, almacén y dimensiones que no siempre están disponibles en una única entidad estándar.
El modelo semántico debe decidir cómo se calcula cada KPI antes de que diez informes lo calculen de diez maneras
Margen, OTIF, scrap, utilización, cobertura o coste real parecen conceptos evidentes hasta que dos departamentos los calculan de forma distinta. Un modelo industrial gobernado define fórmula, granularidad, periodo, excepciones, moneda, unidad y responsable antes de construir visualizaciones.
Comparar compañías exige armonizar dimensiones, monedas, calendarios y definiciones
Una empresa con varias sociedades o plantas no obtiene automáticamente una visión consolidada porque todas usen Business Central. Es necesario resolver catálogos comunes, mapeos, moneda, unidades, calendarios y granularidad para que la comparación tenga sentido.
Compañía
Mantener origen y estructura para poder comparar y consolidar sin perder detalle.
Producto
Mapear artículos o familias equivalentes si las codificaciones difieren entre sociedades.
Moneda
Definir moneda local, grupo, tipo de cambio y periodo para análisis de margen comparable.
Calendario
Alinear ejercicios, semanas, festivos y periodos operativos para comparaciones válidas.
Dimensiones
Normalizar planta, familia, línea, mercado, proyecto u otras dimensiones relevantes.
Benchmark interno
Comparar scrap, servicio, inventario o productividad entre plantas con la misma semántica.
No todo el histórico tiene que consultarse directamente al ERP cada vez que alguien abre un informe
La arquitectura debe considerar volumen, frecuencia, histórico y número de usuarios. Para reporting operativo puede ser suficiente consumir Business Central mediante APIs y un modelo Power BI bien diseñado. Cuando aparecen largos históricos, varias fuentes, grandes volúmenes o necesidades de ingeniería de datos, una plataforma como Microsoft Fabric puede aportar más valor.
Directo sobre Business Central
Adecuado para modelos acotados donde la fuente principal es BC y el volumen y refresco son razonables.
Dataflows
Útiles para ingestión y transformación reutilizable cuando varios modelos consumen preparación común.
Fabric
Tiene sentido cuando hay varias fuentes, histórico, ingeniería de datos, lakehouse, modelos compartidos o IA avanzada.
Principio
No añadas una plataforma de datos por moda. Añádela cuando resuelve un problema real de escala, integración, histórico o gobierno.
Power BI crea más valor cuando una excepción desencadena el siguiente paso
Un pedido en riesgo que solo cambia de color sigue dependiendo de que alguien lo vea. Power Automate puede enviar una alerta, abrir una tarea, solicitar revisión o iniciar una aprobación. Power Apps puede capturar causa y plan de acción. El sistema analítico empieza entonces a cerrar el ciclo entre dato y operación.
Un modelo semántico gobernado prepara mejor la fábrica para Copilot y agentes que cien informes aislados
Los agentes necesitan contexto. Si margen, pedido en riesgo, capacidad crítica o stock útil ya están definidos de manera común, es más sencillo construir experiencias que consulten, resuman y actúen sobre esos conceptos. La analítica se convierte en una capa de significado que puede reutilizarse más allá del dashboard.
Consulta ejecutiva
Preguntar por pedidos en riesgo, margen por familia o materiales críticos con semántica conocida.
Resumen de excepciones
Reducir cientos de filas a los eventos que requieren atención y explicar contexto.
Recomendación
Comparar alternativas cuando la decisión no puede resolverse con una regla fija.
Agente
Ejecutar tareas controladas cuando el proceso, permisos y datos tienen suficiente madurez.
Doce formas de convertir Power BI en otro Excel caro
Empezar por el gráfico
Diseñar visuales antes de definir decisiones, usuarios, métricas y datos.
Duplicar KPIs
Cada informe vuelve a calcular margen, OTIF o cobertura de forma distinta.
Medir demasiado
Treinta indicadores en pantalla diluyen la señal que requiere acción.
No conectar finanzas
Producción puede parecer eficiente mientras destruye margen.
No asignar owner
El indicador se observa, pero nadie es responsable de moverlo.
Datos maestros débiles
El dashboard hace más visible un modelo de fabricación incorrecto.
Usar OData por costumbre
Basar nuevos modelos en páginas de UI cuando APIs o queries son una opción más estable.
No pensar en volumen
El diseño funciona con una compañía pequeña y colapsa con histórico y varias plantas.
No reconciliar
El primer error de cifra destruye confianza en todo el modelo.
No diseñar acciones
Un KPI rojo sin proceso de respuesta solo cambia el color de una reunión.
No gobernar acceso
Datos de coste, cliente o margen necesitan seguridad y segmentación adecuadas.
Pensar en IA al final
Un modelo semántico pobre limita también futuros agentes y automatizaciones.
Un proyecto Power BI industrial debe empezar con decisiones de negocio y terminar con adopción, no con publicación
La secuencia importa. Si se parte directamente de campos y gráficos, el proyecto tiende a reproducir informes existentes. Si se parte de decisiones, se puede diseñar un modelo que simplifique la gestión y prepare automatización posterior.
Seis vistas cubren la mayoría de conversaciones industriales de dirección y operaciones
Negocio industrial
Ventas, cartera, margen, OTIF, pedidos en riesgo, inventario, cash y evolución por familia o mercado.
Órdenes y capacidad
Órdenes abiertas, avance, fechas, carga, bottlenecks, output, scrap y desviaciones.
Inventario y abastecimiento
Cobertura, rotura, exceso, material crítico, recepciones y dependencia de proveedor.
Margen y variaciones
Esperado vs real, material, capacidad, scrap, subcontratación, WIP y rentabilidad.
Proveedor y riesgo
OTD, precio, calidad, dependencia, lead time, compras urgentes y órdenes afectadas.
Scrap y no calidad
Scrap, incidencias, proveedor, producto, lote, coste de no calidad y recurrencia.
El reporting gana valor cuando parte de un ERP que ya conecta operación y gestión
Estas referencias no se presentan como proyectos específicos de Power BI Manufacturing. Demuestran el valor de una base Business Central integrada en empresas donde fabricación, gestión y datos necesitan trabajar juntos.
Fabricación, facturación, compras y trazabilidad en una plataforma común
Massada gestiona de forma integrada fabricación, facturación, contabilidad, compras, cobros e imputaciones, e incorpora trazabilidad por lotes y fecha de consumo preferente.
Electrónica industrial sobre Business Central
IED Electronics diseña, produce y monta soluciones electrónicas y utiliza Business Central como base más robusta, flexible e integrable para crecer.
Construcción industrializada con producción, trazabilidad y datos conectados
JIT Housing utiliza Business Central como soporte para un modelo de construcción industrializada que necesita conectar producción, información y trazabilidad.
Power BI industrial exige entender ERP, planta, costes y arquitectura de datos al mismo tiempo
Ayesa puede conectar Business Central, Power BI, Power Platform, Fabric, Azure y capacidades de IA dentro de una arquitectura común. La diferencia está en tratar el modelo analítico como parte del sistema de gestión, no como una capa visual separada.
Profundiza según la decisión que quieras mejorar
Preguntas sobre Power BI para fabricación y Business Central
¿Business Central se conecta con Power BI?
Sí. Business Central online está preparado para la integración con Power BI y puede exponer datos mediante APIs y otros servicios.
¿Existe una app Power BI específica para fabricación?
Sí. Microsoft dispone de una aplicación Manufacturing para Business Central con informes de released production orders y production scrap.
¿Qué analiza Production Scrap?
Porcentaje y cantidad de scrap por production order, source item, work center, machine center y scrap code, además de su evolución.
¿Qué analiza Released Production Orders?
Órdenes liberadas, cantidades esperadas y terminadas, variaciones, fechas, artículos y work centers para monitorizar avance.
¿La app Manufacturing tiene un modelo semántico?
Sí. Microsoft documenta un modelo semántico organizado en esquema estrella con tablas de hechos y dimensiones industriales.
¿Qué datos utiliza ese modelo?
Entre otros, capacity ledger entries, production order lines y value entries, enriquecidos con dimensiones como artículo, ubicación, routing y work center.
¿Se puede analizar inventario?
Sí. Microsoft dispone de una app Inventory para Business Central con movimientos, compras, ventas, producción, warehouse, ubicaciones, lotes y series.
¿Se puede analizar coste de fabricación?
Sí. Puede construirse un modelo que combine value entries, producción, material, capacidad y otras fuentes para comparar coste previsto y real.
¿Puede mostrar margen por pedido?
Sí, si el modelo relaciona correctamente ingresos, costes y la granularidad necesaria para atribuirlos a pedido, producto o cliente.
¿Puede analizar capacidad?
Sí. Los datos de capacidad y work/machine centers pueden utilizarse para analizar carga, actividad, scrap y recursos críticos.
¿Es mejor API u OData?
Para Business Central online, Microsoft recomienda API pages y queries frente a páginas UI publicadas como OData por rendimiento, flexibilidad y estabilidad.
¿Podemos crear APIs propias?
Sí. Los desarrolladores pueden crear custom APIs mediante AL y distribuirlas en extensiones para exponer datos específicos del modelo industrial.
¿Necesitamos Microsoft Fabric?
No siempre. Fabric cobra sentido con varias fuentes, grandes históricos, ingeniería de datos, lakehouse, modelos compartidos o escenarios avanzados de IA.
¿Puede Power BI activar procesos?
Puede combinarse con Power Automate y Power Platform para alertas, tareas, aprobaciones y workflows derivados de excepciones.
¿Se puede analizar varias compañías?
Sí, pero requiere diseño de extracción, dimensiones comunes, moneda, calendarios y semántica para consolidar de forma comparable.
¿Power BI corrige datos incorrectos del ERP?
No. Puede transformar y modelar información, pero un dato maestro o transacción incorrectos deben corregirse en el proceso que los origina.
¿Qué KPI debería implantar primero?
El que esté ligado a una decisión relevante y tenga datos suficientemente fiables: margen, pedidos en riesgo, scrap, cobertura o coste son candidatos habituales.
¿Por dónde empezar?
Por identificar decisiones, definir KPIs y owners, auditar los datos de Business Central y construir un primer modelo semántico con pocas métricas de alto valor.
No necesitas otro dashboard. Necesitas saber qué pedido, material, recurso o coste requiere una decisión hoy.
Podemos revisar Business Central, producción, inventario, compras, capacidad, costes y reporting actual para definir un modelo Power BI industrial con métricas comunes, responsables y capacidad de bajar desde el indicador hasta la causa. Después podemos conectar alertas, Power Platform, Fabric o agentes donde exista retorno real.
Hablemos de qué necesita medir realmente tu fábrica
Cuéntanos qué indicadores utilizas hoy, de dónde salen, qué cifras generan discusión y qué decisiones llegan tarde. Revisaremos primero el modelo de gestión y después la arquitectura Power BI adecuada.