Actividades

(A) Expectativas

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 de calidad relativas a los tiempos de entrega son altos debido a que de normal no me gusta que tarden más de 2 a 5 dias, pero estando en los tiempos que estamos, muchas empresas andan escasas de trabajadores y pueden tardar más.

(B) Problemas

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?

¿Cuál suele ser el número de máquinas demandadas en cada pedido?
El número medio de maquinas demandadas en cada pedido es de 9.
¿A qué distancia están los compradores?

Los compradores suelen estar a una distancia media de 409km. - ¿Cuántos días suele tardar en llegar un pedido?

Suele tardar una media de 22 días en llegar un pedido. - ¿Qué relación existe entre los tiempos de entrega y el volumen de los pedidos?

Existe una relación alta ya que esta muy cerca de 1. La relación es de 0.96 - ¿Qué relación existe entre los tiempos de entrega de los pedidos y la distancia al proveedor?

Existe una relación alta ya que esta cerca de 1. La relación es de 0.89 - ¿Qué relación existe entre el volumen de los pedidos y la distancia al proveedor?

Existe una relación alta ya que esta cerca de 1. La relación es de 0.82

data(delivery, package="robustbase")
summary(delivery)

##      n.prod         distance         delTime     
##  Min.   : 2.00   Min.   :  36.0   Min.   : 8.00  
##  1st Qu.: 4.00   1st Qu.: 150.0   1st Qu.:13.75  
##  Median : 7.00   Median : 330.0   Median :18.11  
##  Mean   : 8.76   Mean   : 409.3   Mean   :22.38  
##  3rd Qu.:10.00   3rd Qu.: 605.0   3rd Qu.:21.50  
##  Max.   :30.00   Max.   :1460.0   Max.   :79.24

cor(delivery$delTime, delivery$n.prod)

## [1] 0.9646146

cor(delivery$delTime, delivery$distance)

## [1] 0.8916701

cor(delivery$n.prod, delivery$distance)

## [1] 0.824215

(C) Tiempos

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 información que podemos aprovechar de los clientes es cuantas maquinas solicitan en cada pedido. - ¿En qué tipo de ventas la empresa tiene más información para proporcionar una estimación fiable del tiempo de entrega?

El 95,59% de la variabilidad del tiempo es predicha con nuestro moidelo. teniendo en cuenta 2 variables predictoras. Nuestra ecuación es delTime= 2.34123115 + 1.61590721(n.prod) + 0.01438483(distance)

Modelo2<-lm(delTime~n.prod+distance, data=delivery)
Modelo2

## 
## Call:
## lm(formula = delTime ~ n.prod + distance, data = delivery)
## 
## Coefficients:
## (Intercept)       n.prod     distance  
##     2.34123      1.61591      0.01438

summary(Modelo2)

## 
## Call:
## lm(formula = delTime ~ n.prod + distance, data = delivery)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.7880 -0.6629  0.4364  1.1566  7.4197 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 2.341231   1.096730   2.135 0.044170 *  
## n.prod      1.615907   0.170735   9.464 3.25e-09 ***
## distance    0.014385   0.003613   3.981 0.000631 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.259 on 22 degrees of freedom
## Multiple R-squared:  0.9596, Adjusted R-squared:  0.9559 
## F-statistic: 261.2 on 2 and 22 DF,  p-value: 4.687e-16

Modelo2$coefficients

## (Intercept)      n.prod    distance 
##  2.34123115  1.61590721  0.01438483

(D) Atendiendo un pedido

Si 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?

Utiliza un nivel de confianza del 99.9997% (6). ¿Cómo explicas al cliente y a la empresa el significado de ese intervalo de predicción, en términos de “calidad”?

Un pedido de 5 maquinas llegaría en un plazo de 9 a 21 días con un nivel de confianza del 99.9997%. Solo el 0.0003% de los productos llegarían fuera de ese plazo.

data2=lm(delTime~ n.prod,data=delivery)
summary(data2)

## 
## Call:
## lm(formula = delTime ~ n.prod, data = delivery)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -7.5811 -1.8739 -0.3493  2.1807 10.6342 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    3.321      1.371   2.422   0.0237 *  
## n.prod         2.176      0.124  17.546 8.22e-15 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.181 on 23 degrees of freedom
## Multiple R-squared:  0.9305, Adjusted R-squared:  0.9275 
## F-statistic: 307.8 on 1 and 23 DF,  p-value: 8.22e-15

numeromaquinas=data.frame(n.prod=5)
predict.lm(data2,newdata=numeromaquinas, interval="confidence",level=0.999997)

##        fit     lwr      upr
## 1 14.20161 8.33555 20.06768

¿Puedes garantizar a todos los clientes, independientemente de dónde vivan, el mismo rango de variación en los días de entrega de su pedido? ¿Por qué?

Sería el mismo rango de días, de 9 a 21 días, ya es indiferente la distancia del cliente.

¿Consigues alguna predicción en la que el rango de variación que das al cliente sobre el tiempo que tardará en recibir el pedido, no supere los 5 días? ¿Y los 10 días?

El tiempo medio de entrega es de 16,31 días. El tiempo máximo de entrega es de 31,42 días. El tiempo mínimo de entrega es de 10,94 días. El tiempo mínimo de entrega suponiendo que se piden 5 maquinas expendedoras es de 10,46 días. Esto significa que el pedido de 5 maquinas superará los 5 días de entrega, pero también sera mayor de 10 días.

modelo.lineal<-lm(delTime~n.prod+distance, data=delivery)
#Distancia media
tiempo<-data.frame(n.prod=5, distance=409.3) 
prediccion<-predict(modelo.lineal, newdata=tiempo)
prediccion

##        1 
## 16.30848

#Distancia maxima
tiempo2<-data.frame(n.prod=5, distance=1460) 
prediccion2<-predict(modelo.lineal, newdata=tiempo2)
prediccion2

##        1 
## 31.42261

#Distancia minima
tiempo3<-data.frame(n.prod=5, distance=36) 
prediccion3<-predict(modelo.lineal, newdata=tiempo3)
prediccion3

##        1 
## 10.93862

#Distancia  prueba
tiempo4<-data.frame(n.prod=5, distance=1) 
prediccion4<-predict(modelo.lineal, newdata=tiempo4)
prediccion4

##        1 
## 10.43515

(E) Conclusiones

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?

Una de los problema que tiene la empresa es el tiempo de entrega de los pedidos, porque cuanto mayor es el número de maquinas que se piden, más tiempo de espera tarda en llegar el pedido al cliente. Esto hace que los clientes estén insatisfechos con los servicios de entrega y al final obten por comprar en empresas con mejores servicios de entrega.

(F) Soluciones

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?

Para solucionar este problema la empresa puede varias cosas como por ejemplo: -Puede contratar a más trabajadores para que el proceso de preparación de los pedidos sea más rapido y así los pedidos salgan antes y lleguen en el plazo marcado. -O puede limitar a 9 maquinas como maximo por cada pedido. Ya que con 10 empieza a ser un plazo más largo de tiempo. En ambos casos se obtendría una mejora del tiempo de entrega de los pedidos.

(G) Recursos

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?

Las librerias que más se utilizan son: -SUMMARY: Esta función aporta informacion de nuestros datos(como media, maximo, minimo..) -DATA.FRAME: Esta función viene sacada de la libreria base. -COR:Esta función nos dice cuanto de relacionadas estan nuestras variables. -LM:Esta función sale de la libreria STATS, sirve para ajustar modelos. PREDICT: Esta función se utiliza para realizar prediciones sobre los pedidos realizados.

Capacidades analíticas

MIREIA BOU SALES

2020-09-28

Contexto: el problema