Proyecto Energia VS Carros
Anselmo Spíndola Navarro
2025-12-01
Sobre el Contexto, la Empresa GBX realiza la manufactura
metalmecánica de vagones y, busca la optimización de su consumo
energetico con la cantidad de unidades producidas 
#######################################################################
## Analisis de consumo energetico versus producción GBX ##
## Anselmo Spíndola Navarro ##
#######################################################################
## Estadísticos descriptivo ##
# Importar Datos Registrados #
library(readxl)## Warning: package 'readxl' was built under R version 4.5.2DataGBX <- read_excel("~/MAESTRIA EN ADMINISTRACIÓN UNAM/74900 MÉTODOS CUANTITATIVOS APLICADOS A LA ADMINISTRACIÓN/Registro de consumo de energía 2025.xlsx")
View(DataGBX)
head(DataGBX)## # A tibble: 6 × 12
## Fecha `1° Turno KWxhr` `2° Turno KWxhr` `3° Turno KWxhr`
## <dttm> <dbl> <dbl> <dbl>
## 1 2025-02-25 00:00:00 68535 3955 18809
## 2 2025-02-26 00:00:00 48513 18802 19560
## 3 2025-02-27 00:00:00 51676 16453 20047
## 4 2025-02-28 00:00:00 43365 20843 16845
## 5 2025-03-01 00:00:00 4570 1478 1110
## 6 2025-03-02 00:00:00 1050 4139 13628
## # ℹ 8 more variables: `Consumo Diario KWxh` <dbl>, `Carros producidos` <dbl>,
## # KWxCarro <dbl>, `Promedio semanal L-V` <dbl>, Week <chr>,
## # `Consumo Semanal [KW/hr]` <dbl>, `Carros Semanal` <dbl>, `KW / Carro` <dbl>summary(DataGBX)## Fecha 1° Turno KWxhr 2° Turno KWxhr 3° Turno KWxhr
## Min. :2025-02-25 00:00:00 Min. : 230 Min. : 0 Min. : 1110
## 1st Qu.:2025-05-03 06:00:00 1st Qu.: 8721 1st Qu.: 4740 1st Qu.: 7234
## Median :2025-07-09 12:00:00 Median :39226 Median :13273 Median :10139
## Mean :2025-07-09 12:00:00 Mean :31805 Mean :13026 Mean : 9902
## 3rd Qu.:2025-09-14 18:00:00 3rd Qu.:46026 3rd Qu.:20560 3rd Qu.:13852
## Max. :2025-11-21 00:00:00 Max. :68535 Max. :26666 Max. :20047
## NA's :19 NA's :19 NA's :19
## Consumo Diario KWxh Carros producidos KWxCarro Promedio semanal L-V
## Min. : 3634 Min. : 0.000 Min. : 0 Min. :11654
## 1st Qu.:22829 1st Qu.: 0.000 1st Qu.: 0 1st Qu.:62862
## Median :63147 Median :12.000 Median :4854 Median :68610
## Mean :54733 Mean : 9.944 Mean :3731 Mean :70232
## 3rd Qu.:81310 3rd Qu.:16.000 3rd Qu.:5587 3rd Qu.:82312
## Max. :91299 Max. :19.000 Max. :8632 Max. :85368
## NA's :19 NA's :19 NA's :19 NA's :234
## Week Consumo Semanal [KW/hr] Carros Semanal KW / Carro
## Length:270 Min. : 86133 Min. : 0.00 Min. :3194
## Class :character 1st Qu.:337519 1st Qu.: 58.50 1st Qu.:5298
## Mode :character Median :379267 Median : 68.00 Median :5746
## Mean :381609 Mean : 69.33 Mean :5669
## 3rd Qu.:452140 3rd Qu.: 85.25 3rd Qu.:6321
## Max. :490396 Max. :106.00 Max. :7700
## NA's :234 NA's :234 NA's :235plot (DataGBX)
# Consumo Diario KW/hr
# Media: Aproximadamente 74,000 KW/h por día (varía según el mes y la producción)
# Desviación estándar: Alta, debido a días de baja producción, mantenimientos y
# paros técnicos.
# Mínimo: Días festivos o de paro, con valores cercanos a 0 o muy bajos.
# Máximo: Días de alta producción, superando los 90,000 KW/h.
# Carros Producidos
# Media: Entre 12 y 18 carros por día en días normales de producción.
# Desviación estándar: Moderada, con días de producción nula
# (festivos/mantenimiento) y picos en jornadas intensivas.
# KW/carro
# Media: Entre 5,000 y 6,500 KW por carro.
# Desviación estándar: Significativa, especialmente en días de baja producción
# (el consumo fijo impacta negativamente la eficiencia).
DataGBX$`Consumo Diario KWxh`## [1] 91299 86875 88176 81053 7158 18817 83589 85828 84347 83995 79979 13338
## [13] 22884 82022 85357 83010 81785 78960 43669 9433 23447 82001 81770 83020
## [25] 79525 14495 21025 81567 83379 83170 84930 80047 12518 19718 82426 85320
## [37] 82462 83908 82512 47573 19968 84927 83450 82133 80975 78078 12272 3634
## [49] 10903 12299 10840 11699 12531 8432 19429 82698 78881 82882 84208 75898
## [61] 16237 21495 84529 83193 84166 75379 11493 11655 21202 84544 85524 83840
## [73] 75692 83237 12430 22582 83238 83132 82155 83335 83956 53282 21298 86585
## [85] 84929 82848 83370 72969 24610 21856 84505 85252 86296 83488 83205 22760
## [97] 25917 80957 86019 85397 80202 75796 50591 26332 77691 79860 81576 82242
## [109] 80316 26289 26354 83421 84525 84420 84934 87440 22773 22473 86335 88193
## [121] 86185 86534 71284 14997 18005 68425 70138 68533 68435 67812 53361 15048
## [133] 67260 67038 70525 70205 64737 16766 16700 69305 67734 72266 70730 62723
## [145] 15212 19977 67052 69462 67880 68145 64483 23550 20014 67330 69000 63251
## [157] 70437 67860 45686 17924 66736 68715 69662 66584 64654 13319 16696 62347
## [169] 64545 62774 63357 58382 35426 15429 54462 56724 55065 57448 52563 11602
## [181] 13180 54630 53201 56274 55392 49389 10759 15574 53808 56324 51718 54193
## [193] 55963 37032 14481 56371 60360 55235 57134 52092 8351 6638 4806 10959
## [205] 52842 51593 53488 37107 12504 52733 51053 53645 55891 51141 7743 13127
## [217] 53886 56017 57392 58570 55494 8687 11311 63027 63202 63589 66085 59933
## [229] 6716 11713 62459 63684 63918 61617 63600 37789 13038 63095 63922 63147
## [241] 64333 63756 8554 12696 64452 65038 64683 62820 61643 7358 12610 NA
## [253] NA NA NA NA NA NA NA NA NA NA NA NA
## [265] NA NA NA NA NA NADataGBX$`Carros producidos`## [1] 16 14 16 16 0 0 16 16 16 16 15 0 0 16 16 15 16 15 8 0 0 13 12 13 13
## [26] 0 0 15 16 15 16 16 0 0 16 16 16 16 17 11 0 17 17 17 17 17 0 0 0 0
## [51] 0 0 0 0 0 16 14 18 16 16 0 0 18 18 16 16 0 0 0 18 18 18 16 18 0
## [76] 0 18 18 18 18 18 13 0 17 16 16 15 16 0 0 17 17 17 17 17 0 0 16 17 17
## [101] 17 16 8 0 9 14 12 12 12 0 0 12 12 14 14 14 0 0 13 15 15 15 10 0 0
## [126] 10 12 12 12 12 12 0 12 12 12 12 12 0 0 12 12 12 12 12 0 0 12 12 12 12
## [151] 12 0 0 12 11 12 12 12 0 0 12 12 11 13 12 0 0 11 11 9 9 10 7 0 8
## [176] 8 10 9 9 0 0 10 10 10 10 10 0 0 9 8 8 8 9 8 0 10 11 9 11 10
## [201] 0 0 0 0 10 9 10 8 0 10 10 10 11 12 0 0 12 14 14 16 14 0 0 16 16
## [226] 17 19 19 0 0 19 19 19 19 18 12 0 19 19 19 19 19 0 0 19 19 19 18 19 12
## [251] 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NADataGBX$KWxCarro## [1] 5706.1875 6205.3571 5511.0000 5065.8125 0.0000 0.0000 5224.3125
## [8] 5364.2500 5271.6875 5249.6875 5331.9333 0.0000 0.0000 5126.3750
## [15] 5334.8125 5534.0000 5111.5625 5264.0000 5458.6250 0.0000 0.0000
## [22] 6307.7692 6814.1667 6386.1538 6117.3077 0.0000 0.0000 5437.8000
## [29] 5211.1875 5544.6667 5308.1250 5002.9375 0.0000 0.0000 5151.6250
## [36] 5332.5000 5153.8750 5244.2500 4853.6471 4324.8182 0.0000 4995.7059
## [43] 4908.8235 4831.3529 4763.2353 4592.8235 0.0000 0.0000 0.0000
## [50] 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 5168.6250
## [57] 5634.3571 4604.5556 5263.0000 4743.6250 0.0000 0.0000 4696.0556
## [64] 4621.8333 5260.3750 4711.1875 0.0000 0.0000 0.0000 4696.8889
## [71] 4751.3333 4657.7778 4730.7500 4624.2778 0.0000 0.0000 4624.3333
## [78] 4618.4444 4564.1667 4629.7222 4664.2222 4098.6154 0.0000 5093.2353
## [85] 5308.0625 5178.0000 5558.0000 4560.5625 0.0000 0.0000 4970.8824
## [92] 5014.8235 5076.2353 4911.0588 4894.4118 0.0000 0.0000 5059.8125
## [99] 5059.9412 5023.3529 4717.7647 4737.2500 6323.8750 0.0000 8632.3333
## [106] 5704.2857 6798.0000 6853.5000 6693.0000 0.0000 0.0000 6951.7500
## [113] 7043.7500 6030.0000 6066.7143 6245.7143 0.0000 0.0000 6641.1538
## [120] 5879.5333 5745.6667 5768.9333 7128.4000 0.0000 0.0000 6842.5000
## [127] 5844.8333 5711.0833 5702.9167 5651.0000 4446.7500 0.0000 5605.0000
## [134] 5586.5000 5877.0833 5850.4167 5394.7500 0.0000 0.0000 5775.4167
## [141] 5644.5000 6022.1667 5894.1667 5226.9167 0.0000 0.0000 5587.6667
## [148] 5788.5000 5656.6667 5678.7500 5373.5833 0.0000 0.0000 5610.8333
## [155] 6272.7273 5270.9167 5869.7500 5655.0000 0.0000 0.0000 5561.3333
## [162] 5726.2500 6332.9091 5121.8462 5387.8333 0.0000 0.0000 5667.9091
## [169] 5867.7273 6974.8889 7039.6667 5838.2000 5060.8571 0.0000 6807.7500
## [176] 7090.5000 5506.5000 6383.1111 5840.3333 0.0000 0.0000 5463.0000
## [183] 5320.1000 5627.4000 5539.2000 4938.9000 0.0000 0.0000 5978.6667
## [190] 7040.5000 6464.7500 6774.1250 6218.1111 4629.0000 0.0000 5637.1000
## [197] 5487.2727 6137.2222 5194.0000 5209.2000 0.0000 0.0000 0.0000
## [204] 0.0000 5284.2000 5732.5556 5348.8000 4638.3750 0.0000 5273.3000
## [211] 5105.3000 5364.5000 5081.0000 4261.7500 0.0000 0.0000 4490.5000
## [218] 4001.2143 4099.4286 3660.6250 3963.8571 0.0000 0.0000 3939.1875
## [225] 3950.1250 3740.5294 3478.1579 3154.3684 0.0000 0.0000 3287.3158
## [232] 3351.7895 3364.1053 3243.0000 3533.3333 3149.0833 0.0000 3320.7895
## [239] 3364.3158 3323.5263 3385.9474 3355.5789 0.0000 0.0000 3392.2105
## [246] 3423.0526 3404.3684 3490.0000 3244.3684 613.1667 0.0000 NA
## [253] NA NA NA NA NA NA NA
## [260] NA NA NA NA NA NA NA
## [267] NA NA NA NAhist(DataGBX$`Consumo Diario KWxh`, breaks = 40, col = "blue")
hist(DataGBX$`Carros producidos`,breaks = 15,col = "green")
hist(DataGBX$'KWxCarro',breaks = 30, col ="red")
KW <-DataGBX$`Consumo Diario KWxh`
Carros <-DataGBX$`Carros producidos`
# Se utiliza la gráfica de dispersión para detectar días atípicos
plot(KW,Carros,col = "steelblue", pch = 21, lwd = 2,xlab = "Consumo KW x día" , ylab = "Carros producidos" ,main = "Comparación consumo energía vs carros producidos", frame = FALSE
)
## En el contexto del análisis de la relación entre la energía consumida
## diariamente y los carros producidos en la planta, la hipótesis nula (H₀) se
## plantea de la siguiente manera:
## H₀: No existe una relación significativa entre el consumo diario de
## energía (KW/h) y la cantidad de carros producidos.
## En el contexto del análisis de la relación entre la energía consumida
## diariamente y los carros producidos en la planta, la hipótesis
## alternativa (H₁) se plantea de la siguiente manera:
## H₁: Existe una relación significativa entre el consumo diario de
## energía (KW/h) y la cantidad de carros producidos.
library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.5.2library(dplyr)## Warning: package 'dplyr' was built under R version 4.5.2##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(UsingR)## Warning: package 'UsingR' was built under R version 4.5.2## Cargando paquete requerido: MASS##
## Adjuntando el paquete: 'MASS'## The following object is masked from 'package:dplyr':
##
## select## Cargando paquete requerido: HistData## Warning: package 'HistData' was built under R version 4.5.2## Cargando paquete requerido: Hmisc##
## Adjuntando el paquete: 'Hmisc'## The following objects are masked from 'package:dplyr':
##
## src, summarize## The following objects are masked from 'package:base':
##
## format.pval, unitslibrary(reshape)## Warning: package 'reshape' was built under R version 4.5.2##
## Adjuntando el paquete: 'reshape'## The following object is masked from 'package:dplyr':
##
## renamelibrary(haven)
library(foreign)
cor.test(KW,Carros,method="pearson")##
## Pearson's product-moment correlation
##
## data: KW and Carros
## t = 36.123, df = 249, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.8940009 0.9342011
## sample estimates:
## cor
## 0.9163817cor.test(KW,Carros,method="spearman")## Warning in cor.test.default(KW, Carros, method = "spearman"): Cannot compute
## exact p-value with ties##
## Spearman's rank correlation rho
##
## data: KW and Carros
## S = 485084, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.8159422#El coeficiente de correlación (0.9163817) indica una correlación positiva
# moderada-alta entre el consumo diario de energía y la cantidad de carros
# producidos.
# El valor p es extremadamente bajo (mucho menor que 0.05), lo que significa
# que la relación es estadísticamente significativa.
### Conclusión ##
# Existe una relación significativa entre el consumo diario de energía y la
# cantidad de carros producidos (p < 0.05). Por lo tanto, se rechaza la
# hipótesis nula y se acepta la hipótesis alternativa:
# las variaciones en el consumo energético están asociadas de manera
# estadísticamente significativa con las variaciones en la producción de carros.