Costes de Producción & OEE con SQL y Power BI

En los talleres de impresión offset, digital, gran formato y packaging —así como en cualquier planta de fabricación bajo pedido—, la rentabilidad no suele perderse en el departamento comercial, sino en la diferencia silenciosa entre el escandallo presupuestado y lo que ocurre realmente a pie de máquina: cambios de plancha que duplican el tiempo previsto, bobinas de papel con exceso de maculatura o paradas microscópicas por falta de secado del TAC.

Haber trabajado tanto a pie de prensa y guillotina como en el diseño de arquitecturas de Business Intelligence me ha permitido comprobar qué indicadores transforman de verdad una cuenta de resultados. En este artículo técnico construiremos desde cero las consultas SQL para auditar desviaciones de Órdenes de Trabajo (OT) y las fórmulas DAX en Power BI para monitorizar el OEE (Overall Equipment Effectiveness) y la merma de materias primas.

1. El Problema del «Agujero Negro» entre el Presupuesto y el Taller

Cuando un presupuestador calcula una Orden de Trabajo (por ejemplo, 10.000 catálogos encuadernados en rústica PUR), el ERP estima un coste teórico basado en estándares ideales:

• Tiempo de preparación (Arreglo / Make-ready): 35 minutos para entintado, registro de planchas y ajuste de plegadora.
• Maculatura técnica asignada: 250 pliegos de prueba para alcanzar el color ISO/FOGRA objetivo.
• Velocidad de crucero: 12.000 pliegos/hora.

Si el archivo llega con problemas de preimpresión (por ejemplo, textos negros compuestos en 4 tintas o exceso de cobertura de tinta que obliga a bajar la velocidad a 7.000 pliegos/hora para evitar el repintado), el margen neto del trabajo se evapora. Sin una capa analítica en SQL y Power BI que cruce los fichajes de planta (MES) con el presupuesto, la empresa sigue presupuestando a pérdidas trabajos similares mes tras mes.

2. Consultas SQL para Detectar Desviaciones de Escandallo y Mermas

Supongamos dos tablas principales en nuestro servidor SQL: fact_ordenes_trabajo (con los valores presupuestados) y fact_partes_produccion (con los tiempos y consumos reales fichados por los operarios en máquina). Utilizando CTEs (Common Table Expressions) y funciones de ventana (SUM() OVER), podemos extraer una vista analítica lista para Power BI:

WITH ResumenPlanta AS (
    SELECT 
        ot_id,
        maquina_id,
        SUM(minutos_arreglo_real) AS min_arreglo_real,
        SUM(minutos_tirada_real) AS min_tirada_real,
        SUM(minutos_parada_averia) AS min_parada_no_planificada,
        SUM(pliegos_buenos) AS pliegos_conformes,
        SUM(pliegos_merma_real) AS pliegos_maculatura_real
    FROM fact_partes_produccion
    GROUP BY ot_id, maquina_id
)
SELECT 
    ot.ot_id,
    ot.cliente_id,
    ot.familia_producto,
    ot.fecha_cierre,
    rp.maquina_id,
    -- Comparativa de Mermas de Papel (Pliegos)
    ot.pliegos_merma_presupuestada,
    rp.pliegos_maculatura_real,
    (rp.pliegos_maculatura_real - ot.pliegos_merma_presupuestada) AS desviacion_pliegos,
    -- Impacto económico de la desviación de tiempo + papel
    ROUND(
        ((rp.min_arreglo_real + rp.min_tirada_real - ot.min_totales_presupuestados) / 60.0) * m.coste_hora_maquina
        + ((rp.pliegos_maculatura_real - ot.pliegos_merma_presupuestada) * ot.coste_unitario_pliego),
    2) AS sobrecoste_total_eur,
    -- Peso acumulado del sobrecoste por máquina (Window Function)
    SUM(rp.pliegos_maculatura_real - ot.pliegos_merma_presupuestada) 
        OVER (PARTITION BY rp.maquina_id ORDER BY ot.fecha_cierre) AS merma_acumulada_anual
FROM fact_ordenes_trabajo ot
INNER JOIN ResumenPlanta rp ON ot.ot_id = rp.ot_id
INNER JOIN dim_maquinas m ON rp.maquina_id = m.maquina_id
WHERE ot.estado = 'CERRADA'
  AND ot.fecha_cierre >= '2026-01-01';

3. Anatomía del OEE en Talleres Gráficos e Industriales

El indicador estándar mundial para medir la productividad real de una máquina (desde una prensa offset de 8 cuerpos hasta un plotter de corte digital o una grabadora láser) es el OEE (Overall Equipment Effectiveness). Se descompone en tres factores multiplicativos:

4. Implementación de Medidas DAX para OEE y Mermas en Power BI

Un error grave en muchos cuadros de mando industriales es crear una columna calculada con el OEE de cada orden de trabajo y luego promediarla con AVERAGE(). Eso otorga el mismo peso a un trabajo de 15 minutos que a una campaña editorial de 40 horas. La forma matemáticamente rigurosa en DAX consiste en evaluar cada razón agregada en el contexto de filtro activo:

// 1. Medida de Disponibilidad
OEE_Disponibilidad = 
VAR TiempoPlanificado = SUM(Fact_Produccion[Minutos_Turno_Planificado])
VAR TiempoParadas = SUM(Fact_Produccion[Minutos_Parada_No_Planificada])
VAR TiempoOperativo = TiempoPlanificado - TiempoParadas
RETURN
    DIVIDE(TiempoOperativo, TiempoPlanificado, 0)

// 2. Medida de Rendimiento
OEE_Rendimiento = 
VAR PliegosTotales = SUM(Fact_Produccion[Pliegos_Buenos]) + SUM(Fact_Produccion[Pliegos_Merma])
VAR TiempoOperativoHoras = DIVIDE(
    SUM(Fact_Produccion[Minutos_Turno_Planificado]) - SUM(Fact_Produccion[Minutos_Parada_No_Planificada]),
    60, 0
)
VAR CapacidadTeorica = SUMX(
    Fact_Produccion,
    DIVIDE(Fact_Produccion[Minutos_Operativos], 60, 0) * RELATED(Dim_Maquinas[Velocidad_Nominal_Pliegos_Hora])
)
RETURN
    DIVIDE(PliegosTotales, CapacidadTeorica, 0)

// 3. Medida de Calidad (Inversa de la Tasa de Merma)
OEE_Calidad = 
VAR PliegosBuenos = SUM(Fact_Produccion[Pliegos_Buenos])
VAR PliegosTotales = PliegosBuenos + SUM(Fact_Produccion[Pliegos_Merma])
RETURN
    DIVIDE(PliegosBuenos, PliegosTotales, 0)

// 4. OEE Global Ponderado
OEE_Global_% = 
[OEE_Disponibilidad] * [OEE_Rendimiento] * [OEE_Calidad]

5. Del Dato a la Acción en Preimpresión y Compras

Cuando desplegamos este modelo en Power BI y lo cruzamos con las dimensiones de Proveedor de Papel, Tipo de Acabado y Origen del Diseño, emergen patrones accionables inmediatos:

1. Auditoría de Proveedores de Sustrato: A menudo un papel estucado un 4% más barato por tonelada provoca un 12% más de paradas en el marcador de entrada por electricidad estática o corte irregular. El dashboard revela el coste total real por pliego impreso vendible.
2. Detección de Cuellos de Botella en Preimpresión: Si el código de parada «Espera por corrección de arte final / sangrado / troquel» supera las 10 horas mensuales, se justifica de inmediato implantar un pipeline automático de validación PDF o formar a los clientes con herramientas como nuestra Suite de Calculadoras de Preimpresión.
3. Recalibración Automática de Tarifas: Las familias de producto cuya desviación media de escandallo sea sistemáticamente negativa ajustan sus curvas de arreglo en el ERP basadas en percentiles históricos reales (P75), protegiendo el margen comercial.

6. Preguntas Frecuentes sobre Control de Producción con SQL y Power BI