Don't miss your chance to take the Fabric Data Engineer (DP-700) exam on us!
Learn moreWe've captured the moments from FabCon & SQLCon that everyone is talking about, and we are bringing them to the community, live and on-demand. Starts on April 14th. Register now
Hola no encuentro como hacer un tabla donde pueda sumar o analizar datos hora por hora.
Algo asi la tabla:
| TURNO | HORA | G9 | V9 | Estadia |
| 1er Turno | 06:00 a. m. | 0 | 3 | 0:12:07 |
| 06:30 a. m. | 2 | 0 | - | |
| 07:00 a. m. | 4 | 3 | 0:11:03 | |
| 07:30 a. m. | 5 | 5 | 0:12:33 | |
| 08:00 a. m. | 7 | 8 | 0:15:08 | |
| 08:30 a. m. | 3 | 2 | 0:17:04 | |
| 09:00 a. m. | 3 | 4 | 0:12:48 | |
| 09:30 a. m. | 2 | 3 | 0:14:56 | |
| 10:00 a. m. | 1 | 1 | - | |
| 10:30 a. m. | 3 | 0 | 1:07:11 | |
| 11:00 a. m. | 23 | 16 | 0:47:10 | |
| 11:30 a. m. | 18 | 20 | 0:22:01 | |
| 12:00 p. m. | 14 | 16 | 0:18:09 | |
| 12:30 p. m. | 22 | 20 | 0:11:10 | |
| 01:00 p. m. | 20 | 18 | 0:39:02 | |
| 01:30 p. m. | 25 | 24 | 0:09:52 | |
| 02:00 p. m. | 17 | 28 | 0:20:08 | |
| 2do Turno | 02:30 p. m. | 15 | 8 | 0:20:52 |
| 03:00 p. m. | 13 | 13 | 0:58:40 | |
| 03:30 p. m. | 19 | 16 | 0:44:33 | |
| 04:00 p. m. | 17 | 14 | 0:09:53 | |
| 04:30 p. m. | 10 | 16 | 0:10:52 | |
| 05:00 p. m. | 17 | 17 | 0:27:02 | |
| 05:30 p. m. | 10 | 9 | 0:12:13 | |
| 06:00 p. m. | 8 | 2 | - | |
| 06:30 p. m. | 12 | 15 | 0:22:52 | |
| 07:00 p. m. | 24 | 19 | 0:34:30 | |
| 07:30 p. m. | 10 | 21 | 0:20:54 | |
| 08:00 p. m. | 20 | 11 | 0:21:10 | |
| 08:30 p. m. | 21 | 27 | 0:11:22 | |
| 09:00 p. m. | 15 | 13 | 0:10:14 | |
| 09:30 p. m. | 19 | 20 | 0:30:55 | |
| 3er Turno | 10:00 p. m. | 9 | 11 | 0:17:57 |
| 10:30 p. m. | 10 | 10 | 0:12:10 | |
| 11:00 p. m. | 13 | 12 | 0:05:00 | |
| 11:30 p. m. | 13 | 13 | 0:11:37 | |
| 12:00 a. m. | 11 | 16 | 0:36:54 | |
| 12:30 a. m. | 15 | 8 | 0:16:31 | |
| 01:00 a. m. | 17 | 22 | 0:12:36 | |
| 01:30 a. m. | 13 | 10 | 0:37:30 | |
| 02:00 a. m. | 4 | 4 | - | |
| 02:30 a. m. | 29 | 24 | 0:41:22 | |
| 03:00 a. m. | 14 | 22 | 0:17:41 | |
| 03:30 a. m. | 22 | 21 | 0:26:24 | |
| 04:00 a. m. | 15 | 16 | 0:16:21 | |
| 04:30 a. m. | 18 | 18 | 0:32:41 | |
| 05:00 a. m. | 18 | 14 | 0:13:45 | |
| 05:30 a. m. | 11 | 18 | 0:19:50 | |
| 06:00 a. m. | 0 | 3 | 0:12:07 |
1.Considerar que en el 3er turno hay cambio de dia (de 11:30pm a 12:00am) y las restas entre 2 lapsos de tiempo resultan en error:
la estadia deberia ser. de 11:37pm que se produjo la undiad hasta las 12:05 am que se audito pasaron 27:16 minutos pero las formulas lo calculan en negativo o dan error.
| 11:37:48 p. m. | 12:05:04 a. m. | 0:27:16 | ########### |
2.La columna estadia, es el promedio de tiempos trascurrido en que las unidades tuvieron estatus V9 y el siguiente que es FBU.
Es decir: promedio de tiempo que hubo entre 10am y 10:30am
Mi resultado esperado es tener 2 graficas donde pueda comparar cuantos modelos se producieron=G9 cuantos se aceptaron=V9 y la estadia en piso antes de ser almacenada=promedio de la diferencia entre tiempo V9 y FBU.
promedio de tiempo hora a hora
comparatico cantidad de unidades producidas con estatus G9 y cuantas se aceptaron con estatus V9
En excel se hace manual todo, pero en Power BI he tenido problemas desde la creacion de la tabla inicial, no he podido separarlas por rangos de turno y que cada timpo de la tabla matriz vaya encajando en cada rango de tiempo.
coloco ejemplos de la tabla origen.
| Modelo | Estatus G900 | Estatus V900 | Estatus FBU | Lugar de registro FIS | solo hora G9 | Solo hora v9 | Solo Hora FBU | Estadia Entre V9 y FBU | pivot |
| FYGCAY | 27/09/2024 06:23:49 | 27/09/2024 06:32:35 | 27/09/2024 06:43:38 | Q1M1C8B1 | 06:23:49 a. m. | 06:32:35 a. m. | 06:43:38 a. m. | 0:11:03 | 0:11:03 |
| FYGC2Y | 27/09/2024 06:30:46 | 27/09/2024 06:39:32 | 27/09/2024 07:03:21 | Q1M1C8B1 | 06:30:46 a. m. | 06:39:32 a. m. | 07:03:21 a. m. | 0:23:49 | 0:23:49 |
| FYGCAY | 27/09/2024 06:29:07 | 27/09/2024 06:41:55 | 27/09/2024 07:03:45 | Q1M1C8A1 | 06:29:07 a. m. | 06:41:55 a. m. | 07:03:45 a. m. | 0:21:50 | 0:21:50 |
| FYGCAY | 27/09/2024 06:43:22 | 27/09/2024 07:00:27 | 27/09/2024 07:05:27 | Q1M1C8A1 | 06:43:22 a. m. | 07:00:27 a. m. | 07:05:27 a. m. | 0:05:00 | 0:05:00 |
| FYGS4A | 27/09/2024 06:47:36 | 27/09/2024 07:01:44 | 27/09/2024 07:05:08 | Q1M1C8B1 | 06:47:36 a. m. | 07:01:44 a. m. | 07:05:08 a. m. | 0:03:24 | 0:03:24 |
| FYGBAY | 27/09/2024 06:57:18 | 27/09/2024 07:05:43 | 27/09/2024 07:22:56 | Q1M1C8A1 | 06:57:18 a. m. | 07:05:43 a. m. | 07:22:56 a. m. | 0:17:13 | 0:17:13 |
| FYGS4A | 27/09/2024 23:18:47 | 27/09/2024 23:33:32 | 27/09/2024 23:38:17 | Q1M1C8A1 | 11:18:47 p. m. | 11:33:32 p. m. | 11:38:17 p. m. | 0:04:45 | 0:04:45 |
| FYGAUY | 27/09/2024 23:14:57 | 27/09/2024 23:36:42 | 27/09/2024 23:53:30 | Q1M1AOZ1 | 11:14:57 p. m. | 11:36:42 p. m. | 11:53:30 p. m. | 0:16:48 | 0:16:48 |
| FYTCUY | 27/09/2024 23:24:01 | 27/09/2024 23:37:48 | 28/09/2024 00:05:04 | Q1M1C8A1 | 11:24:01 p. m. | 11:37:48 p. m. | 12:05:04 a. m. | 0:27:16 | ########### |
| FYGCJG | 27/09/2024 23:28:22 | 27/09/2024 23:41:25 | 28/09/2024 00:05:16 | Q1M1C8B1 | 11:28:22 p. m. | 11:41:25 p. m. | 12:05:16 a. m. | 0:23:51 | ########### |
| FYGCAY | 27/09/2024 23:31:38 | 27/09/2024 23:42:53 | 28/09/2024 00:05:28 | Q1M1C8A1 | 11:31:38 p. m. | 11:42:53 p. m. | 12:05:28 a. m. | 0:22:35 | ########### |
| FYGCAY | 27/09/2024 23:25:30 | 27/09/2024 23:43:11 | 27/09/2024 23:53:46 | Q1M1AOZ1 | 11:25:30 p. m. | 11:43:11 p. m. | 11:53:46 p. m. | 0:10:35 | 0:10:35 |
| FYGBUY | 27/09/2024 23:31:42 | 27/09/2024 23:44:23 | 28/09/2024 00:05:41 | Q1M1C8B1 | 11:31:42 p. m. | 11:44:23 p. m. | 12:05:41 a. m. | 0:21:18 | ########### |
| FYGCUY | 27/09/2024 23:42:49 | 27/09/2024 23:49:02 | 28/09/2024 00:05:53 | Q1M1C8B1 | 11:42:49 p. m. | 11:49:02 p. m. | 12:05:53 a. m. | 0:16:51 | ########### |
| FYGAUY | 27/09/2024 23:39:45 | 27/09/2024 23:50:28 | 28/09/2024 00:06:05 | Q1M1C8A1 | 11:39:45 p. m. | 11:50:28 p. m. | 12:06:05 a. m. | 0:15:37 | ########### |
| FYGS4A | 27/09/2024 23:42:06 | 27/09/2024 23:51:17 | 28/09/2024 00:06:13 | Q1M1C8B1 | 11:42:06 p. m. | 11:51:17 p. m. | 12:06:13 a. m. | 0:14:56 | ########### |
| FYTS4A | 27/09/2024 23:45:40 | 27/09/2024 23:55:16 | 28/09/2024 00:07:22 | Q1M1C8B1 | 11:45:40 p. m. | 11:55:16 p. m. | 12:07:22 a. m. | 0:12:06 | ########### |
| FYTCUY | 27/09/2024 23:44:51 | 27/09/2024 23:56:15 | 28/09/2024 00:06:55 | Q1M1C8B1 | 11:44:51 p. m. | 11:56:15 p. m. | 12:06:55 a. m. | 0:10:40 | ########### |
| FYGS4A | 27/09/2024 23:45:23 | 27/09/2024 23:57:22 | 28/09/2024 00:06:44 | Q1M1C8A1 | 11:45:23 p. m. | 11:57:22 p. m. | 12:06:44 a. m. | 0:09:22 | ########### |
| FYGBAY | 27/09/2024 23:52:59 | 27/09/2024 23:59:24 | 28/09/2024 00:06:35 | Q1M1C8B1 | 11:52:59 p. m. | 11:59:24 p. m. | 12:06:35 a. m. | 0:07:11 | ########### |
| FYGBAY | 27/09/2024 23:43:03 | 28/09/2024 00:14:36 | 28/09/2024 01:08:52 | Q1M1AOZ1 | 11:43:03 p. m. | 12:14:36 a. m. | 01:08:52 a. m. | 0:54:16 | 0:54:16 |
If you have recently started exploring Fabric, we'd love to hear how it's going. Your feedback can help with product improvements.
A new Power BI DataViz World Championship is coming this June! Don't miss out on submitting your entry.
Share feedback directly with Fabric product managers, participate in targeted research studies and influence the Fabric roadmap.