Disponemos de una recopilación de datos (Montgomery & Peck, 1982) relativos al tiempo de entrega(días) (delTime) de máquinas expendedoras (desde que se gestiona la compra), junto con lo que vamos a entender como el número de productos demandados (n.prod) y la distancia entre el proveedor y el comprador (distance).
library(robustbase)## Warning: package 'robustbase' was built under R version 4.0.2library(psych)
data(delivery, package="robustbase")
View(delivery)Ponte en el lugar del cliente que solicita un pedido a la empresa: ¿cuáles serían tus expectativas de calidad relativas a los tiempos de entrega?
Mis expectativas en tiempos de entrega sería aproximadamente una semana ya que hoy en dia los transportes están muy avanzados y cada dia que pasa sin tener el producto como empresa estoy perdiendo dinero. También me gustaría tener una buena instalación de la misma
mean(delivery$delTime)## [1] 22.384Como vemos el tiempo de entrega medio son 22 días lo cual no concuerda con mis estandares. Podría entender esta tardanza por la época de la base de datos y si las máquinas que vendieran fueran muy exclusivas o personalizadas.
Es posible que la empresa tenga problemas para cumplir con los intereses de sus clientes. Investiga esta cuestión desde un punto de vista meramente descriptivo,a través de las cuestiones a continuación, y expresa tus conclusiones exclusivamente respondiendo a la pregunta ¿qué problemas parece tener la empresa para cumplir con las expectativas de sus clientes? Se puede observar que a mayor cantidad de máquinas y mayor cantidad de kilometros tarda mucho más en entregar el producto.
mean(delivery$n.prod)## [1] 8.76De media el número de máquinas demandado en cada pedido es de 8.76
min(delivery$distance)## [1] 36max(delivery$distance)## [1] 1460Los compradores se encuentran en un ramgo de una distancia mínima de 36 y una máxima de 1460.
mean(delivery$distance)## [1] 409.28Aunque como vemos la distancia media de los viajes suele ser 409KM esto tal vez nos indique que la empresa realiza demasiados kilometros para la distribución de sus productos si tuvieramos más datos podriamos dar una respuesta más exacta. - ¿Cuántos días suele tardar en llegar un pedido?
mean(delivery$delTime)## [1] 22.384De media tarda 22 días en llegar el pedido.
cor(delivery$delTime,delivery$n.prod)## [1] 0.9646146Como podemos ver en los datos a mayor cantidad de pedido mayor tiempo de espera.
cor(delivery$delTime,delivery$distance)## [1] 0.8916701A mayor distancia mayor tiempo de espera.
cor(delivery$n.prod,delivery$distance)## [1] 0.824215A mayor volumen de pedidos mayor distancia esta dispuesta a realizar la empresa.
La empresa quiere mejorar su servicio a los clientes. En concreto, quiere dar a sus clientes una estimación/rango de estimación “fiable” con el número de días que tardará en recibir su pedido. Investiga este objetivo a través de las cuestiones a continuación y expresa tus conclusiones exclusivamente respondiendo a la pregunta ¿cómo vas a estimar el tiempo de entrega en el próximo pedido que reciba la empresa?
¿Qué información del cliente podrías aprovechar para afinar la estimación del tiempo de entrega de su pedido? La cantidad de máquinas que pide y la distancía
¿En qué tipo de ventas la empresa tiene más información para proporcionar una estimación fiable del tiempo de entrega?
En ventas de pequeñas cantidades ya que son las que más se reflejan en la tabla.
modelo<-lm(delTime~n.prod+distance,data=delivery)
modelo##
## Call:
## lm(formula = delTime ~ n.prod + distance, data = delivery)
##
## Coefficients:
## (Intercept) n.prod distance
## 2.34123 1.61591 0.01438Si la empresa recibiera hoy un pedido de 5 máquinas expendedoras, utilizando el guión de preguntas/tareas a continuación, expresa tus conclusiones respondiendo exclusivamente a la pregunta ¿cuánto tiempo tardaría en llegar el pedido de 5 máquinas?
El tiempo que tardaria en recibir el producto según el planteamiento del modelo sería de:
2.34123 + 1.615915 + 0.014385 = 10.49268 días
Que nuestro servicio es de una calidad muy alta y no deberia de fallar nunca. Al mínimo fallo se deberia desechar el producto
No porque ya se ha visto en los datos, existe una relación directa entre distancia y tiempo.
Con un rango inferior a 5 días la empresa podría abastecer solo 1 máquina a los clientes y los 10 días si que se podría abastecer a los clientes siempre y cuando el servicio no supere las 4 máquinas.
Concluye, en base a todo el análisis que has realizado, respondiendo la pregunta: ¿cuáles son los problemas más relevantes que has detectado y que afectan a la satisfacción de los clientes y en consecuencia a la imagen y fiabilidad de la empresa?
El mayor problema que afecta a la empresa son los tiempos de espera ya que mínimo un cliente tendría que esperar para recibir una máquina unos 4 días y esto hace que si el pedido es grande los tiempos de espera se hagan desorbitados. Estos problemas pueden venir por falta de productividad de la fábrica y una forma de transporte inadecuada.
En base a los problemas que has detectado en tu análisis y a principios básicos de optimización, qué soluciones/medidas de mejora le propondrías a la empresa para aliviarlos o eliminarlos.
Investiga librerías en R que te faciliten el análisis de la información y mejoren la forma de mostrar los resultados. Responde brevemente a la pregunta ¿qué librerías/funciones destacables has encontrado/utilizado, y cuáles son sus funcionalidades más relevantes?
Representación:
library(tidyverse) library(ggpubr) library(sjPlot) library(RColorBrewer)
Tablas:
library(knitr) library(kableExtra) library(DT)
Diseño de modelos:
library(DoE.base) library(FrF2) library(gridExtra)