2.1 y 2.2 Delivery Plan
Equipo 2
2022-09-22
Jimena Miguel | Vanessa Elizondo | Ricardo Galicia | José Luis Elizondo | Daniela Cárdenas
Entregable 2.1
Importar la base de datos
#file.choose()
bd<-read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/FORM - Delivery Plan.xlsx - DELIVERY PLAN(2).csv")
summary(bd)## CLIENTE.PLANTA PROYECTO ID.ODOO ITEM
## Length:231 Length:231 Length:231 Length:231
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## JUNIO JULIO AGOSTO SEPTIEMBRE
## Min. : 0.00 Min. : 0.0 Min. : 0.00 Min. : 0
## 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.00 1st Qu.: 0
## Median : 0.00 Median : 0.0 Median : 0.00 Median : 0
## Mean : 29.06 Mean : 135.9 Mean : 77.45 Mean : 81
## 3rd Qu.: 0.00 3rd Qu.: 0.0 3rd Qu.: 0.00 3rd Qu.: 0
## Max. :1280.00 Max. :13120.0 Max. :3200.00 Max. :3200
## OCTUBRE NOVIEMBRE DICIEMBRE ENE.22
## Min. : 0.0 Min. : 0.00 Min. : 0.0 Min. : 0.00
## 1st Qu.: 0.0 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.00
## Median : 0.0 Median : 0.00 Median : 0.0 Median : 0.00
## Mean : 62.0 Mean : 89.69 Mean : 100.4 Mean : 82.37
## 3rd Qu.: 11.5 3rd Qu.: 4.00 3rd Qu.: 1.5 3rd Qu.: 26.50
## Max. :3200.0 Max. :6400.00 Max. :6400.0 Max. :3200.00
## FEBRERO.22 MARZO.22 ABRIL.22 MAYO.22
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 103.5 Mean : 153.9 Mean : 186.5 Mean : 187.6
## 3rd Qu.: 0.0 3rd Qu.: 20.0 3rd Qu.: 24.0 3rd Qu.: 22.0
## Max. :9600.0 Max. :9600.0 Max. :16354.0 Max. :17665.0
## JUNIO.22 JULIO.22 AGOSTO.22 SEPTIEMBRE.22
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 171.2 Mean : 316.9 Mean : 131.5 Mean : 272.3
## 3rd Qu.: 1.0 3rd Qu.: 15.5 3rd Qu.: 0.0 3rd Qu.: 0.0
## Max. :11050.0 Max. :25900.0 Max. :13200.0 Max. :29379.0
## OCTUBRE.22 NOVIEMBRE.22 DICIEMBRE.22
## Min. : 0.0 Min. : 0.000 Min. : 0.000
## 1st Qu.: 0.0 1st Qu.: 0.000 1st Qu.: 0.000
## Median : 0.0 Median : 0.000 Median : 0.000
## Mean : 120.9 Mean : 2.113 Mean : 1.225
## 3rd Qu.: 0.0 3rd Qu.: 0.000 3rd Qu.: 0.000
## Max. :16421.0 Max. :324.000 Max. :276.000Observaciones
1.Se hizo limpieza manual de la base de datos para eliminar NAs 2.Se sustituyeron NAs por cero 3.Se eliminaron columnas no usadas
Técnicas de Limpieza
- Limpieza de datos NAs, se eligió realizar esta técnica para asegurarnos de que todos los datos que lea R sean de calidad y que aporten valor al análisis.
- Eliminar columnas de pedidos del año 2021, decidimos hacer esta acción para concetrarnos en el crecimiento y el análisis que se ha obtenido en el 2022.
- Cambiar el nombre del columnas de caracter a numérico, con la finalidad de que los datos sean mejor usados por R y se puedan acomodar con un orden lógico y cronológico.
Técnica de Limpieza 1
¿Cuantos NA tengo en la base de datos?
#NA valores faltantes
sum(is.na(bd))## [1] 0¿Cuantos NA tengo por variable?
#Sapply: Para contar los NA
sapply(bd, function(x) sum(is.na(x)))## CLIENTE.PLANTA PROYECTO ID.ODOO ITEM JUNIO
## 0 0 0 0 0
## JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE
## 0 0 0 0 0
## DICIEMBRE ENE.22 FEBRERO.22 MARZO.22 ABRIL.22
## 0 0 0 0 0
## MAYO.22 JUNIO.22 JULIO.22 AGOSTO.22 SEPTIEMBRE.22
## 0 0 0 0 0
## OCTUBRE.22 NOVIEMBRE.22 DICIEMBRE.22
## 0 0 0#*No se encuentran NAs en la base de datos*Técnica de Limpieza 2
Eliminar columnas del año 2021
bd1 <- bd
bd1 <- subset (bd1, select = -c (JUNIO))
bd1 <- subset (bd1, select = -c (JULIO))
bd1 <- subset (bd1, select = -c (AGOSTO))
bd1 <- subset (bd1, select = -c (SEPTIEMBRE))
bd1 <- subset (bd1, select = -c (OCTUBRE))
bd1 <- subset (bd1, select = -c (NOVIEMBRE))
bd1 <- subset (bd1, select = -c (DICIEMBRE))
summary(bd1)## CLIENTE.PLANTA PROYECTO ID.ODOO ITEM
## Length:231 Length:231 Length:231 Length:231
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## ENE.22 FEBRERO.22 MARZO.22 ABRIL.22
## Min. : 0.00 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.00 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 82.37 Mean : 103.5 Mean : 153.9 Mean : 186.5
## 3rd Qu.: 26.50 3rd Qu.: 0.0 3rd Qu.: 20.0 3rd Qu.: 24.0
## Max. :3200.00 Max. :9600.0 Max. :9600.0 Max. :16354.0
## MAYO.22 JUNIO.22 JULIO.22 AGOSTO.22
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 187.6 Mean : 171.2 Mean : 316.9 Mean : 131.5
## 3rd Qu.: 22.0 3rd Qu.: 1.0 3rd Qu.: 15.5 3rd Qu.: 0.0
## Max. :17665.0 Max. :11050.0 Max. :25900.0 Max. :13200.0
## SEPTIEMBRE.22 OCTUBRE.22 NOVIEMBRE.22 DICIEMBRE.22
## Min. : 0.0 Min. : 0.0 Min. : 0.000 Min. : 0.000
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.000 1st Qu.: 0.000
## Median : 0.0 Median : 0.0 Median : 0.000 Median : 0.000
## Mean : 272.3 Mean : 120.9 Mean : 2.113 Mean : 1.225
## 3rd Qu.: 0.0 3rd Qu.: 0.0 3rd Qu.: 0.000 3rd Qu.: 0.000
## Max. :29379.0 Max. :16421.0 Max. :324.000 Max. :276.000Técnica de Limpieza 3
Cambiar nombre de columnas de meses
bd2<-bd1
colnames(bd2)<- c("CLIENTE.PLANTA","PROYECTO", "ID.ODOO", "ITEM", "22/01", "22/02", "22/03", "22/04","22/05","22/06","22/07","22/08","22/09","22/10","22/11","22/12")
summary(bd2)## CLIENTE.PLANTA PROYECTO ID.ODOO ITEM
## Length:231 Length:231 Length:231 Length:231
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## 22/01 22/02 22/03 22/04
## Min. : 0.00 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.00 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 82.37 Mean : 103.5 Mean : 153.9 Mean : 186.5
## 3rd Qu.: 26.50 3rd Qu.: 0.0 3rd Qu.: 20.0 3rd Qu.: 24.0
## Max. :3200.00 Max. :9600.0 Max. :9600.0 Max. :16354.0
## 22/05 22/06 22/07 22/08
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 187.6 Mean : 171.2 Mean : 316.9 Mean : 131.5
## 3rd Qu.: 22.0 3rd Qu.: 1.0 3rd Qu.: 15.5 3rd Qu.: 0.0
## Max. :17665.0 Max. :11050.0 Max. :25900.0 Max. :13200.0
## 22/09 22/10 22/11 22/12
## Min. : 0.0 Min. : 0.0 Min. : 0.000 Min. : 0.000
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.000 1st Qu.: 0.000
## Median : 0.0 Median : 0.0 Median : 0.000 Median : 0.000
## Mean : 272.3 Mean : 120.9 Mean : 2.113 Mean : 1.225
## 3rd Qu.: 0.0 3rd Qu.: 0.0 3rd Qu.: 0.000 3rd Qu.: 0.000
## Max. :29379.0 Max. :16421.0 Max. :324.000 Max. :276.000¿Cuantas variables y registros hay?
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unioncount(bd1, CLIENTE.PLANTA, sort = TRUE)## CLIENTE.PLANTA n
## 1 VARROC 71
## 2 DENSO 57
## 3 YANFENG sm 22
## 4 TRMX 16
## 5 HELLA 10
## 6 YFCF 10
## 7 ANTOLIN TOLUCA 9
## 8 YF RAMOS 8
## 9 STB3 7
## 10 MERIDIAN 6
## 11 UFI 4
## 12 HANON 2
## 13 INOAC POLYTEC 2
## 14 YF QRO 2
## 15 ABC QUERETARO 1
## 16 ANTOLIN ARTEAGA 1
## 17 ISRI 1
## 18 SEGROVE 1
## 19 STB 1 1count(bd1, PROYECTO, sort = TRUE)## PROYECTO n
## 1 104
## 2 HUD L2 5
## 3 500&550B 3
## 4 660 DP 3
## 5 WL 3
## 6 WL WIP 3
## 7 19.203 2
## 8 780B 2
## 9 780B SDT 2
## 10 922 FC 2
## 11 CURRENT 2
## 12 HUD 2
## 13 15.823 1
## 14 18.771 1
## 15 18.775 1
## 16 18.779 1
## 17 18783 / 19144 1
## 18 19.103 1
## 19 19.104 1
## 20 19.105 1
## 21 19.188 1
## 22 19.19 1
## 23 19.199 1
## 24 19.204 1
## 25 19.208 1
## 26 19.209 1
## 27 19.21 1
## 28 19.224 1
## 29 19.225 1
## 30 19.237 1
## 31 19.296 1
## 32 19.3 1
## 33 19.321 1
## 34 19.322 1
## 35 19.336 1
## 36 19.34 1
## 37 19.346 1
## 38 19.349 1
## 39 19.351 1
## 40 19.353 1
## 41 19.403 1
## 42 19533 1
## 43 467.416-21 1
## 44 467.416-24 1
## 45 467.416-25 1
## 46 467.905-59 1
## 47 487.203-74 1
## 48 487.204-07\n 1
## 49 910B 1
## 50 95-144 1
## 51 AQ450 CONTENEDOR CARTON 1
## 52 AQ450 CONTENEDOR RETORNABLE 1
## 53 AVANZAR 660B 1
## 54 AVANZAR-TR13778 1
## 55 CABLE SET 1
## 56 CAJA 95-069 TR13776 1
## 57 CAJA 95-070 TR13775 1
## 58 CAJA 95-075 Telltale 1
## 59 CAJA 95-168 TR13773 1
## 60 Caja inter Chica 1
## 61 CANASTILLA GRIS 1
## 62 CHAROLA DIAL 1
## 63 CHAROLA G09 1
## 64 CHAROLA PE PAINTING 237 1
## 65 CLUSTER U725 1
## 66 DOLLIE 1
## 67 DOLLIES 1
## 68 DUNNAGE CX430 1
## 69 ECU BACKUP HELLA 1
## 70 G07/G09 1
## 71 GLASS FRONT 1
## 72 GMT625 1
## 73 HUD 1 1
## 74 HUD 2 1
## 75 ISRI 1
## 76 J34A 1
## 77 KIT BRAZIL TR14085 1
## 78 KIT PIVOTE CARTON 1
## 79 KIT PIVOTE RETORNABLE 1
## 80 MANGAS 1
## 81 MCA330 1
## 82 MCV128 1
## 83 ML4 1
## 84 MODEL S 1
## 85 MODEL Y 1
## 86 MP552 PUERTAS 1
## 87 MP552 SECUENCIADO 1
## 88 PC 220 (CHAROLA PARA LAMINA DIAL) 1
## 89 PECP2 1
## 90 PIELES 1
## 91 RACKS WIP 1
## 92 RECOLECCIÓN 1
## 93 ROPACK 1
## 94 ROPACK CON SEPARADOR 1
## 95 SEAT BACK 1
## 96 Separador 17" x 42" 1
## 97 Separador 41 x 44" Cuadro Pivot/PPG 1
## 98 TGTX-TR13777 1
## 99 U725 1
## 100 VC167 595 1
## 101 VC167 599 1
## 102 VC167 602 1
## 103 WINDOW PLATE 1
## 104 WL CCP FRONT 1
## 105 WS 1
## 106 Y0124099 1
## 107 Y0363424 1
## 108 Y0363425 1
## 109 Y0363426 1
## 110 Y0363427 1count(bd1, ID.ODOO, sort = TRUE)## ID.ODOO n
## 1 108
## 2 DIAL 5
## 3 18.061 2
## 4 780B IC 2
## 5 \t18,278 1
## 6 15.785 1
## 7 15.88 1
## 8 16.06 1
## 9 16.088 1
## 10 16.257 1
## 11 16.593 1
## 12 17.246 1
## 13 17.468 1
## 14 17.598 1
## 15 17.599 1
## 16 17.704 1
## 17 17.825 1
## 18 17954 1
## 19 17960 1
## 20 18,838 Y 18,840 1
## 21 18,841 Y 18,842 1
## 22 18.104 1
## 23 18.107 1
## 24 18.109 1
## 25 18.139 1
## 26 18.182 1
## 27 18.189 1
## 28 18.267 1
## 29 18.277 1
## 30 18.94 1
## 31 18.962 1
## 32 18.965 1
## 33 18.966 1
## 34 18.969 1
## 35 18079 / 18080 1
## 36 18140 1
## 37 18143 1
## 38 18825 1
## 39 19.012 1
## 40 19.014 1
## 41 19.022 1
## 42 19.039 1
## 43 19.04 1
## 44 19.048 1
## 45 19.054 1
## 46 19.059 1
## 47 19.078 1
## 48 19.091 1
## 49 19.114 1
## 50 19.12 1
## 51 19.124 1
## 52 19.125 1
## 53 19.126 1
## 54 19.13 1
## 55 19.131 1
## 56 19.132 1
## 57 19.133 1
## 58 19.155 1
## 59 19.161 1
## 60 19.167 1
## 61 19.183 1
## 62 19.184 1
## 63 19.187 1
## 64 19.211 1
## 65 19.231 1
## 66 19.239 1
## 67 19.253 1
## 68 19.254 1
## 69 19.257 1
## 70 19.268 1
## 71 19.278 1
## 72 19.279 1
## 73 19.296 1
## 74 19.3 1
## 75 19.307 1
## 76 19.308 1
## 77 19.313 1
## 78 19.314 1
## 79 19.334 1
## 80 19.342 1
## 81 19.368 1
## 82 19.379 1
## 83 19.384 1
## 84 19.385 1
## 85 19.39 1
## 86 19.393 1
## 87 19.395 1
## 88 19.396 1
## 89 19.428 1
## 90 19.431 1
## 91 19.437 1
## 92 19.438 1
## 93 19.439 1
## 94 19.482 1
## 95 19.527 1
## 96 19.532 1
## 97 19.542 1
## 98 19058 1
## 99 19076 1
## 100 19077 1
## 101 19147 1
## 102 19203 1
## 103 19322 1
## 104 19419 1
## 105 19426 1
## 106 19503 1
## 107 19505 1
## 108 19506 1
## 109 19507 1
## 110 19533 1
## 111 19557 1
## 112 19562 1
## 113 19567 1
## 114 19569 1
## 115 780B U554 1
## 116 TFT 1
## 117 TM3 1
## 118 XLINK 1count(bd1, ITEM, sort = TRUE)## ITEM
## 1 CHAROLA B16
## 2 ROPACK 45”X48”X34 CON IDENTIFICACIÓN
## 3 Y0160011 DOOR PANEL REAR
## 4 Y0160815 FLOOR CONSOLE
## 5 10 CELDAS
## 6 30 AA
## 7 30 AA OUTER
## 8 30 AA WINDOW PLATE
## 9 362388 REINFORCEMENT MCA MP552 PUERTAS
## 10 362718 UPPER REAR MP552 PUERTAS
## 11 363010580 DUNNAGE SHROUD LOWER
## 12 363010580 DUNNAGE SHROUD UPPER
## 13 4 CELDAS
## 14 467.416-21 COMPARTIMENT INSERT 1132X712X231MM CC
## 15 467.905-59 INSERT 368.3X60X25.4 MM FOAM
## 16 6 CELDAS
## 17 780B SDT 120 CAVIDADES Y0264008
## 18 780B SDT 84 CAVIDADES - Y0387031
## 19 APPLIQUE FRONT
## 20 APPLIQUE REAR
## 21 AQ450
## 22 ARMREST
## 23 ARMREST - Y 2R 5S ARMREST ASSEMBLY BLK TX
## 24 ARMREST J34A
## 25 AVANZAR 660B
## 26 BACKFRAME 60%
## 27 BACKFRAME 60% - CELL C
## 28 BLOQUEO GAS SPRING
## 29 BOLSA EVOLON 625x255mm CH
## 30 BOLSA EVOLON 340MM X 745MM GDE
## 31 CABLE SET CAJA BACK UP CANASTILLA
## 32 CAJA #1 COMMON HUD
## 33 CAJA #2 COMMON HUD
## 34 CAJA 910B 4WAY
## 35 CAJA 95-069
## 36 CAJA 95-070
## 37 CAJA 95-075 (NUEVO ID: TR13774)
## 38 CAJA 95-168
## 39 CAJA EN PLASTICO CORRUGADO ANTIESTATICO
## 40 Caja intercompañía chica
## 41 CAJA PARA EMPAQUE PIELES U625
## 42 Caja plastica ESD, 14" x 22.5 x 10"
## 43 CAJA RSC 36 DK CELDA CON MICRO CORUUGADO EN 32 PORTA ETIQUETA SW RR A/C
## 44 CAJA RSC ECT 36 DK PAD ECT 36 DK TAPA ECT 32 CK PORTA ETIQUETA\nINNER FR SEAT
## 45 CASE 780B HUD
## 46 CELDAS AQ450
## 47 CHAROLA 30AA
## 48 CHAROLA 4.2
## 49 CHAROLA 780B IC LOWER CASE
## 50 CHAROLA 780B IC SHIELD
## 51 CHAROLA A24
## 52 CHAROLA CID CH2
## 53 CHAROLA DIAL
## 54 CHAROLA DIAL 14
## 55 CHAROLA DIAL CX
## 56 CHAROLA DIAL HONDA ALTERNA CON FOAM
## 57 CHAROLA DIAL U7
## 58 CHAROLA FPI16
## 59 CHAROLA G09 915898
## 60 CHAROLA GLASS FRONT 920B
## 61 CHAROLA MX15779
## 62 Charola para JL PECP2
## 63 CHAROLA PARA LAMINAS DE DIAL, MEDIDAS DE 527MM X 690MM X 80MM
## 64 CHAROLA PE 237 12 X 17 X 2.75 PULGADAS
## 65 CHAROLA PIPE NUEVO MODELO
## 66 CHAROLA PLASTICA 4 MM REFORZADA CON ESQUINEROS (HUD 1)
## 67 CHAROLA PLASTICA 4 MM REFORZADA CON ESQUINEROS (HUD 2)
## 68 CHAROLA TM3
## 69 CHAROLA WL CCP FRONT
## 70 CLUSTER U725
## 71 COMPUTER ASSY
## 72 CONCAVE MIRROR
## 73 CONSOLE LOWER
## 74 COVER 780B/U554 HUD
## 75 CTR - Y 2R 20 HEADREST PUR BLK TX (CENTER)
## 76 CUCURUCHOS
## 77 DOLLIES METALICOS
## 78 DUNNAGE 126 CV - DUNNAGE FC ARMREST LATCH(60 DUN)
## 79 DUNNAGE 80 CV - DUNNAGE FC HINGE COVERS(108 DUN)
## 80 DUNNAGE AMBULANCIA
## 81 DUNNAGE ARMREST FRONT/ARMREST REAR
## 82 DUNNAGE CX430
## 83 DUNNAGE EVOLON 100 CON 27 X 5 CAVIDADES
## 84 DUNNAGE HOUSING MCV 115(3354 DUN)
## 85 DUNNAGE PIPE MCV 115(4025 DUN)
## 86 DUNNAGE VALVULA MCV 115(894 DUN)
## 87 ECU BACKUP HELLA
## 88 FRT - HEADREST ASY, M3Y 1R TX FIP PVC BLK (FRONT)
## 89 GMT625
## 90 ICP P702/P558 MICRO CORRUGADO
## 91 ICP539 MICRO CORRUGADO
## 92 INSERTOS CABLE SET
## 93 ITEM
## 94 KIT Brasil CAJA RSC CK 32 ECT Kit 95-161
## 95 KIT CONCAVE
## 96 Kit de empaque para seat back LH y RH, incluye tarima
## 97 KIT PIVOTE CONTENEDOR CARTON
## 98 LUMBAR - Y 2R 20 LUMBAR BUN BLK TX
## 99 MANGAS DUNNAGE RACK CX721 (CX727)
## 100 MCA330 KIT
## 101 MCV 115E
## 102 MCV 128E
## 103 MIRROR HOLDER
## 104 ML2 LOWERCASE Y MC SHIELD
## 105 ML4 SET CONCAVE MIRROR
## 106 ML7 FLAT MIRROR
## 107 MOTOR GEAR BOX
## 108 MUESTRAS 4 CAJAS
## 109 N61506003-SEPARADOR 003
## 110 N61506004-CAJA 004
## 111 N61506309-KIT 309
## 112 N61506310-KIT 310
## 113 N61506311-KIT 311
## 114 N61506342-KIT 342
## 115 N61506378-CELDA 378
## 116 N61506380-KIT 380
## 117 N61506391-KIT 391
## 118 N61506396-KIT 396
## 119 N61506397-KIT 397
## 120 N61506405-CELDA 405
## 121 N61506411-CELDA 411
## 122 N61506536-CELDA 536
## 123 N61506549-CAJA 549
## 124 N61506550-CELDA 550
## 125 N61506556-CAJA 556
## 126 N61506558-CELDA 558
## 127 N61506566-CELDA 566
## 128 N61506567-CAJA 567
## 129 N61506569-CELDA 569
## 130 N61506571-CAJA 571
## 131 N61506575-CELDA 575
## 132 N61506576-CELDA 576
## 133 N61506589-CELDA 589
## 134 N61506605-CELDA 605
## 135 N61506611-CELDA 611
## 136 N61506615-CELDA 615
## 137 N61506619-CAJA 619
## 138 N61506622-CELDA 622
## 139 N61506646-CELDA 646
## 140 N61506651-CAJA 651
## 141 N61506660-CELDA 660
## 142 N61506664-CAJA 664
## 143 N61506675 - CELDA 675
## 144 N61506676 - CAJA 676
## 145 N61506680-CELDA 680
## 146 N61506682-CELDA 682
## 147 N61506694-CELDA 694
## 148 N61506695-KIT 695
## 149 N61506696-CELDA 696
## 150 N61506700-CAJA 700
## 151 N61506704-CELDA 704
## 152 N61506706-CELDA 706
## 153 N61506707-CAJA 707
## 154 N61506718-KIT 718
## 155 N61506722-CAJA 722
## 156 N61506726-KIT 726
## 157 N61506727-KIT 727
## 158 N61506729-KIT 729
## 159 N61506735-CELDA 735
## 160 N61506745-KIT 745
## 161 N61506746-KIT 746
## 162 N61506747-KIT 747
## 163 N61506763-KIT 763
## 164 N61506764-KIT 764
## 165 N61506765-CAJA 765
## 166 N61506768-KIT 768
## 167 N61506770-CAJA 770
## 168 N61506773-KIT 773
## 169 N61506783-CELDA 783
## 170 N61506784-KIT 784
## 171 N61506785-KIT 785
## 172 N61506808-KIT 808
## 173 N61506809-KIT 809
## 174 N61506810-CAJA 810
## 175 N61506844-KIT 844
## 176 N61506857-KIT REFLEX
## 177 N61506862-BODY SIDE
## 178 OUTER CASE
## 179 OUTER CASE U554 HUD
## 180 OUTER CASE U554 HUD ANTIESTATICO
## 181 PATIN PARA MANEJO DE PALLETS
## 182 PCORR 5MM TOTE(TRAY) TOP RAILS
## 183 PROYECTO PUERTAS
## 184 RACK L233 (200 RACKS)
## 185 RACKS WIP
## 186 REFACCIONES P1 - COMPARTIMENT INSERT 535X335X221MM CC ESD
## 187 REFACCIONES P2 - COMPARTIMENT INSERT 395X275X154MM CC ESD
## 188 REJILLA DE 16X PARA PIVOT DE TESLA PARA PROCESO DE MTM A PPG
## 189 RETRABAJO DE 19 CHAROLAS
## 190 Separador 41 x 44" Cuadro Pivot/PPG
## 191 SEPARADOR 41" X 44" PARA PIVOTE Y SEAT BACK DE MTM A PPG
## 192 Separador de cartón para Seat Back RHy LH. Uso WIP entre Meridian y PPG
## 193 SEPARADORES AQ450
## 194 SIDE - Y 2R HEADREST OUTER BLK TX (REAR)
## 195 SOPORTE DE CARTON MCV 115
## 196 TAPA A24
## 197 TAPA CARTON KCS 29ECT PA FC 1135X1117X70MM\nTAPA BRASIL - TR6118 95-144 COROLLA 360 FONDO
## 198 TAPA COROPLAST MCV
## 199 TAPA FORTIFLEX
## 200 TAPA PARA CAJA PIELES U625
## 201 TOTES CX430
## 202 U553 KIT
## 203 U725 (DMS ALTERNO) ITB
## 204 VC167 595: DUNNAGE EVOLON 100 CON 1 X 13 CV X 4 DUNNAGE
## 205 VC167 599: DUNNAGE EVOLON 100 CON 11 X 13 CV
## 206 VC167 602: DUNNAGE EVOLON 100 CON 13 X 8 CV
## 207 VW416PA2 30X28"
## 208 WINDOW PLATE
## 209 WINDOW PLATE 780B & U554
## 210 WINDOW PLATE 780B & U554 ANTIESTATICO
## 211 WL 74 REAR
## 212 WL 74-75 30X28"
## 213 WL 74-75 36X30"
## 214 WL 74-75 FRONT
## 215 WL 75 REAR
## 216 Y0124099
## 217 Y0160010 DOOR PANEL FRONT
## 218 Y0194915 BASE CARRIER PTN.WS FC 42C 1BT P2 WS FC 2ND ROW kit 5
## 219 Y0199488 WS IP BEZEL OC LOWER PTN.WS IP 72 CELL IBT kit 14
## 220 Y0199489 WS IP KIN PTN.WS IP 60 CELL IBT kit 15
## 221 Y0264007- DUNAGGE 90 CV ROPACK 48X45X42 (14 DUN)
## 222 Y0264007- DUNAGGE 90 CV ROPACK 48X45X42 (166 DUN)
## 223 Y0363424-CONSOLE ARMREST (17 DUN)
## 224 Y0363425-ARMREST OUTER (105 DUN)
## 225 Y0363426-CONSOLE END PANEL(124 DUN)
## 226 Y0363427-ARMREST INNER (135 DUN)
## 227 Y0392179 - DUNNAGE 72 CV ROPACK 45X48X50 (60 DUN)
## 228 Y0392180 - DUNNAGE 198 CV ROPACK 45X48X50 (64 DUN)
## 229 Y0494836 - DUNNAGE 198 CV ROPACK 45X48X50 (10 DUN)
## n
## 1 2
## 2 2
## 3 1
## 4 1
## 5 1
## 6 1
## 7 1
## 8 1
## 9 1
## 10 1
## 11 1
## 12 1
## 13 1
## 14 1
## 15 1
## 16 1
## 17 1
## 18 1
## 19 1
## 20 1
## 21 1
## 22 1
## 23 1
## 24 1
## 25 1
## 26 1
## 27 1
## 28 1
## 29 1
## 30 1
## 31 1
## 32 1
## 33 1
## 34 1
## 35 1
## 36 1
## 37 1
## 38 1
## 39 1
## 40 1
## 41 1
## 42 1
## 43 1
## 44 1
## 45 1
## 46 1
## 47 1
## 48 1
## 49 1
## 50 1
## 51 1
## 52 1
## 53 1
## 54 1
## 55 1
## 56 1
## 57 1
## 58 1
## 59 1
## 60 1
## 61 1
## 62 1
## 63 1
## 64 1
## 65 1
## 66 1
## 67 1
## 68 1
## 69 1
## 70 1
## 71 1
## 72 1
## 73 1
## 74 1
## 75 1
## 76 1
## 77 1
## 78 1
## 79 1
## 80 1
## 81 1
## 82 1
## 83 1
## 84 1
## 85 1
## 86 1
## 87 1
## 88 1
## 89 1
## 90 1
## 91 1
## 92 1
## 93 1
## 94 1
## 95 1
## 96 1
## 97 1
## 98 1
## 99 1
## 100 1
## 101 1
## 102 1
## 103 1
## 104 1
## 105 1
## 106 1
## 107 1
## 108 1
## 109 1
## 110 1
## 111 1
## 112 1
## 113 1
## 114 1
## 115 1
## 116 1
## 117 1
## 118 1
## 119 1
## 120 1
## 121 1
## 122 1
## 123 1
## 124 1
## 125 1
## 126 1
## 127 1
## 128 1
## 129 1
## 130 1
## 131 1
## 132 1
## 133 1
## 134 1
## 135 1
## 136 1
## 137 1
## 138 1
## 139 1
## 140 1
## 141 1
## 142 1
## 143 1
## 144 1
## 145 1
## 146 1
## 147 1
## 148 1
## 149 1
## 150 1
## 151 1
## 152 1
## 153 1
## 154 1
## 155 1
## 156 1
## 157 1
## 158 1
## 159 1
## 160 1
## 161 1
## 162 1
## 163 1
## 164 1
## 165 1
## 166 1
## 167 1
## 168 1
## 169 1
## 170 1
## 171 1
## 172 1
## 173 1
## 174 1
## 175 1
## 176 1
## 177 1
## 178 1
## 179 1
## 180 1
## 181 1
## 182 1
## 183 1
## 184 1
## 185 1
## 186 1
## 187 1
## 188 1
## 189 1
## 190 1
## 191 1
## 192 1
## 193 1
## 194 1
## 195 1
## 196 1
## 197 1
## 198 1
## 199 1
## 200 1
## 201 1
## 202 1
## 203 1
## 204 1
## 205 1
## 206 1
## 207 1
## 208 1
## 209 1
## 210 1
## 211 1
## 212 1
## 213 1
## 214 1
## 215 1
## 216 1
## 217 1
## 218 1
## 219 1
## 220 1
## 221 1
## 222 1
## 223 1
## 224 1
## 225 1
## 226 1
## 227 1
## 228 1
## 229 1count(bd1, ENE.22, sort = TRUE)## ENE.22 n
## 1 0 155
## 2 60 6
## 3 15 4
## 4 30 3
## 5 50 3
## 6 4 2
## 7 6 2
## 8 7 2
## 9 32 2
## 10 96 2
## 11 230 2
## 12 240 2
## 13 500 2
## 14 800 2
## 15 2 1
## 16 5 1
## 17 16 1
## 18 19 1
## 19 21 1
## 20 22 1
## 21 25 1
## 22 26 1
## 23 27 1
## 24 35 1
## 25 39 1
## 26 40 1
## 27 42 1
## 28 45 1
## 29 47 1
## 30 52 1
## 31 55 1
## 32 58 1
## 33 65 1
## 34 83 1
## 35 100 1
## 36 114 1
## 37 120 1
## 38 125 1
## 39 126 1
## 40 140 1
## 41 144 1
## 42 183 1
## 43 187 1
## 44 196 1
## 45 198 1
## 46 300 1
## 47 350 1
## 48 400 1
## 49 480 1
## 50 506 1
## 51 600 1
## 52 945 1
## 53 1200 1
## 54 2000 1
## 55 2200 1
## 56 3200 1count(bd1, FEBRERO.22, sort = TRUE)## FEBRERO.22 n
## 1 0 176
## 2 10 4
## 3 24 4
## 4 300 3
## 5 4 2
## 6 8 2
## 7 36 2
## 8 43 2
## 9 48 2
## 10 320 2
## 11 2100 2
## 12 1 1
## 13 3 1
## 14 5 1
## 15 6 1
## 16 14 1
## 17 16 1
## 18 34 1
## 19 40 1
## 20 55 1
## 21 56 1
## 22 60 1
## 23 61 1
## 24 65 1
## 25 70 1
## 26 91 1
## 27 136 1
## 28 157 1
## 29 200 1
## 30 220 1
## 31 250 1
## 32 288 1
## 33 390 1
## 34 400 1
## 35 450 1
## 36 500 1
## 37 600 1
## 38 640 1
## 39 950 1
## 40 2400 1
## 41 9600 1count(bd1, MARZO.22, sort = TRUE)## MARZO.22 n
## 1 0 161
## 2 16 4
## 3 300 4
## 4 20 3
## 5 50 3
## 6 60 3
## 7 120 3
## 8 25 2
## 9 36 2
## 10 48 2
## 11 240 2
## 12 400 2
## 13 500 2
## 14 2 1
## 15 3 1
## 16 5 1
## 17 6 1
## 18 10 1
## 19 14 1
## 20 24 1
## 21 32 1
## 22 47 1
## 23 55 1
## 24 61 1
## 25 70 1
## 26 71 1
## 27 100 1
## 28 104 1
## 29 140 1
## 30 150 1
## 31 160 1
## 32 162 1
## 33 164 1
## 34 166 1
## 35 210 1
## 36 220 1
## 37 250 1
## 38 302 1
## 39 360 1
## 40 485 1
## 41 529 1
## 42 612 1
## 43 700 1
## 44 1014 1
## 45 1300 1
## 46 1548 1
## 47 2304 1
## 48 2400 1
## 49 3498 1
## 50 4169 1
## 51 9600 1count(bd1, ABRIL.22, sort = TRUE)## ABRIL.22 n
## 1 0 158
## 2 24 4
## 3 36 4
## 4 60 4
## 5 300 4
## 6 15 3
## 7 400 3
## 8 1 2
## 9 5 2
## 10 10 2
## 11 26 2
## 12 30 2
## 13 41 2
## 14 200 2
## 15 2 1
## 16 8 1
## 17 12 1
## 18 16 1
## 19 20 1
## 20 25 1
## 21 29 1
## 22 32 1
## 23 35 1
## 24 48 1
## 25 50 1
## 26 65 1
## 27 99 1
## 28 100 1
## 29 106 1
## 30 108 1
## 31 120 1
## 32 130 1
## 33 150 1
## 34 176 1
## 35 196 1
## 36 250 1
## 37 278 1
## 38 330 1
## 39 346 1
## 40 380 1
## 41 500 1
## 42 612 1
## 43 700 1
## 44 1100 1
## 45 1350 1
## 46 1450 1
## 47 1548 1
## 48 2304 1
## 49 4000 1
## 50 6500 1
## 51 16354 1count(bd1, MAYO.22, sort = TRUE)## MAYO.22 n
## 1 0 161
## 2 200 5
## 3 12 4
## 4 22 3
## 5 24 3
## 6 100 3
## 7 16 2
## 8 41 2
## 9 50 2
## 10 56 2
## 11 64 2
## 12 150 2
## 13 600 2
## 14 3 1
## 15 6 1
## 16 13 1
## 17 15 1
## 18 25 1
## 19 28 1
## 20 29 1
## 21 36 1
## 22 40 1
## 23 48 1
## 24 60 1
## 25 68 1
## 26 70 1
## 27 72 1
## 28 90 1
## 29 96 1
## 30 105 1
## 31 124 1
## 32 132 1
## 33 144 1
## 34 149 1
## 35 160 1
## 36 168 1
## 37 174 1
## 38 180 1
## 39 240 1
## 40 400 1
## 41 422 1
## 42 464 1
## 43 500 1
## 44 720 1
## 45 900 1
## 46 1250 1
## 47 1600 1
## 48 1700 1
## 49 2400 1
## 50 9600 1
## 51 17665 1count(bd1, JUNIO.22, sort = TRUE)## JUNIO.22 n
## 1 0 173
## 2 5 3
## 3 150 3
## 4 10 2
## 5 15 2
## 6 24 2
## 7 40 2
## 8 50 2
## 9 100 2
## 10 108 2
## 11 1000 2
## 12 2 1
## 13 6 1
## 14 9 1
## 15 23 1
## 16 26 1
## 17 30 1
## 18 36 1
## 19 39 1
## 20 42 1
## 21 48 1
## 22 58 1
## 23 70 1
## 24 72 1
## 25 80 1
## 26 86 1
## 27 120 1
## 28 125 1
## 29 130 1
## 30 144 1
## 31 200 1
## 32 240 1
## 33 272 1
## 34 293 1
## 35 300 1
## 36 400 1
## 37 420 1
## 38 630 1
## 39 750 1
## 40 1100 1
## 41 1132 1
## 42 1332 1
## 43 2325 1
## 44 2400 1
## 45 2800 1
## 46 9600 1
## 47 11050 1count(bd1, JULIO.22, sort = TRUE)## JULIO.22 n
## 1 0 157
## 2 5 6
## 3 10 3
## 4 24 3
## 5 40 3
## 6 144 3
## 7 7 2
## 8 100 2
## 9 293 2
## 10 300 2
## 11 2 1
## 12 3 1
## 13 6 1
## 14 9 1
## 15 15 1
## 16 16 1
## 17 20 1
## 18 23 1
## 19 26 1
## 20 30 1
## 21 39 1
## 22 42 1
## 23 50 1
## 24 61 1
## 25 70 1
## 26 80 1
## 27 98 1
## 28 107 1
## 29 120 1
## 30 125 1
## 31 137 1
## 32 141 1
## 33 182 1
## 34 184 1
## 35 200 1
## 36 298 1
## 37 320 1
## 38 350 1
## 39 400 1
## 40 479 1
## 41 540 1
## 42 570 1
## 43 736 1
## 44 900 1
## 45 930 1
## 46 1022 1
## 47 1027 1
## 48 1320 1
## 49 1332 1
## 50 1400 1
## 51 1632 1
## 52 2300 1
## 53 2325 1
## 54 2450 1
## 55 3200 1
## 56 3900 1
## 57 16000 1
## 58 25900 1count(bd1, AGOSTO.22, sort = TRUE)## AGOSTO.22 n
## 1 0 179
## 2 50 4
## 3 36 3
## 4 3 2
## 5 35 2
## 6 80 2
## 7 400 2
## 8 4 1
## 9 5 1
## 10 15 1
## 11 20 1
## 12 28 1
## 13 38 1
## 14 40 1
## 15 44 1
## 16 53 1
## 17 60 1
## 18 100 1
## 19 115 1
## 20 119 1
## 21 120 1
## 22 144 1
## 23 150 1
## 24 169 1
## 25 174 1
## 26 185 1
## 27 272 1
## 28 285 1
## 29 286 1
## 30 290 1
## 31 300 1
## 32 360 1
## 33 512 1
## 34 652 1
## 35 712 1
## 36 715 1
## 37 750 1
## 38 1000 1
## 39 1494 1
## 40 1500 1
## 41 1600 1
## 42 1620 1
## 43 1900 1
## 44 13200 1count(bd1, SEPTIEMBRE.22, sort = TRUE)## SEPTIEMBRE.22 n
## 1 0 198
## 2 5 4
## 3 400 2
## 4 4 1
## 5 12 1
## 6 14 1
## 7 15 1
## 8 18 1
## 9 20 1
## 10 40 1
## 11 44 1
## 12 50 1
## 13 54 1
## 14 74 1
## 15 77 1
## 16 104 1
## 17 150 1
## 18 300 1
## 19 305 1
## 20 332 1
## 21 550 1
## 22 600 1
## 23 800 1
## 24 1200 1
## 25 2450 1
## 26 2500 1
## 27 3200 1
## 28 7000 1
## 29 12800 1
## 30 29379 1count(bd1, OCTUBRE.22, sort = TRUE)## OCTUBRE.22 n
## 1 0 216
## 2 2900 2
## 3 6 1
## 4 50 1
## 5 100 1
## 6 120 1
## 7 192 1
## 8 300 1
## 9 436 1
## 10 500 1
## 11 600 1
## 12 700 1
## 13 1200 1
## 14 1500 1
## 15 16421 1count(bd1, NOVIEMBRE.22, sort = TRUE)## NOVIEMBRE.22 n
## 1 0 227
## 2 7 1
## 3 32 1
## 4 125 1
## 5 324 1count(bd1, DICIEMBRE.22, sort = TRUE)## DICIEMBRE.22 n
## 1 0 229
## 2 7 1
## 3 276 1Cantidades
Contamos con 16 variables y 231 registros.
Identificar variables
Entre cuantitativas o cualitativas y su escala de medición
Cuantitativa: Discreta, Continua Escala de medición:Intervalo, Razón
Cualitativa Escala de medición: Nominales, Ordinales
Variable<-c("CLIENTE.PLANTA","PROYECTO","ID.ODOO","ITEM", "ENE.22", "FEBRERO.22","MARZO.22","ABRIL.22","MAYO.22","JUNIO.22","JULIO.22","AGOSTO.22","SEPTIEMBRE.22","OCTUBRE.22","NOVIEMBRE.22","DICIEMBRE.22","ENERO.23","FEBRERO.23","MARZO.23")
Type<-c("Cualitativa", "Cualitativa", "Cualitativa", "Cualitativa","Cuantitativa (discreta)", "Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)")
Measurement<-c("Nominal","Nominal","Nominal","Nominal","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón")
table<-data.frame(Variable,Type,Measurement)
knitr::kable(table)| Variable | Type | Measurement |
|---|---|---|
| CLIENTE.PLANTA | Cualitativa | Nominal |
| PROYECTO | Cualitativa | Nominal |
| ID.ODOO | Cualitativa | Nominal |
| ITEM | Cualitativa | Nominal |
| ENE.22 | Cuantitativa (discreta) | Razón |
| FEBRERO.22 | Cuantitativa (discreta) | Razón |
| MARZO.22 | Cuantitativa (discreta) | Razón |
| ABRIL.22 | Cuantitativa (discreta) | Razón |
| MAYO.22 | Cuantitativa (discreta) | Razón |
| JUNIO.22 | Cuantitativa (discreta) | Razón |
| JULIO.22 | Cuantitativa (discreta) | Razón |
| AGOSTO.22 | Cuantitativa (discreta) | Razón |
| SEPTIEMBRE.22 | Cuantitativa (discreta) | Razón |
| OCTUBRE.22 | Cuantitativa (discreta) | Razón |
| NOVIEMBRE.22 | Cuantitativa (discreta) | Razón |
| DICIEMBRE.22 | Cuantitativa (discreta) | Razón |
| ENERO.23 | Cuantitativa (discreta) | Razón |
| FEBRERO.23 | Cuantitativa (discreta) | Razón |
| MARZO.23 | Cuantitativa (discreta) | Razón |
Los meses son variables cuantitativa ya que representan las cantidades de pedidos.
Breve reflexión 2.1
Para realizar está actividad primeramente realizamos una limpieza de datos manualmente y directamente en el excel. Borramos columnas inecesarias y unimos los valores de número de entregas para que sean divididas por mes. Las técnicas de limpieza seleccionadas fue el eliminar NAs para asegurarnos de que no tengamos errores en la información y eliminamos las columnas de los datos del 2021, para quedaqrnos unicamente con los datos del año 2022 y 2023.De ahi hicimos un conteo de las variables y los registros que se tienen y para ello usamos el comando “Count” y finalmente creamos una tabla para identificar cada una de las variables como cuantitativas, cualitativas y su escala de medición.
Entregable 2.3
Analisis Descriptivo
bd3<-bd2
#describe(bd3)función no posible por la versión que se tiene en R.
Crear columna / Data Wrangling
Creación de dos columnas: del año 2022 y del total de pedidos
#install.packages("dplyr")
library(tidyr)
bd4<-bd3
bd4<-gather(bd4,key = "año", value = "pedidos", 5:16)
aggregate(x=bd4$pedidos,
by = list(bd4$año),
FUN= sum)## Group.1 x
## 1 22/01 19028
## 2 22/02 23912
## 3 22/03 35559
## 4 22/04 43080
## 5 22/05 43336
## 6 22/06 39549
## 7 22/07 73201
## 8 22/08 30375
## 9 22/09 62912
## 10 22/10 27925
## 11 22/11 488
## 12 22/12 283summary(bd4)## CLIENTE.PLANTA PROYECTO ID.ODOO ITEM
## Length:2772 Length:2772 Length:2772 Length:2772
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## año pedidos
## Length:2772 Min. : 0.0
## Class :character 1st Qu.: 0.0
## Mode :character Median : 0.0
## Mean : 144.2
## 3rd Qu.: 0.0
## Max. :29379.0Tabla de Frecuencia
bd5<-bd4
bd5 <- data.frame(bd1$ITEM)
bd5## bd1.ITEM
## 1 CABLE SET CAJA BACK UP CANASTILLA
## 2 Caja intercompañía chica
## 3 CHAROLA G09 915898
## 4 MOTOR GEAR BOX
## 5 BLOQUEO GAS SPRING
## 6 INSERTOS CABLE SET
## 7 ECU BACKUP HELLA
## 8 ROPACK 45”X48”X34 CON IDENTIFICACIÓN
## 9 Y0160815 FLOOR CONSOLE
## 10 Y0160011 DOOR PANEL REAR
## 11 Y0160010 DOOR PANEL FRONT
## 12 Y0199489 WS IP KIN PTN.WS IP 60 CELL IBT kit 15
## 13 Y0199488 WS IP BEZEL OC LOWER PTN.WS IP 72 CELL IBT kit 14
## 14 Y0194915 BASE CARRIER PTN.WS FC 42C 1BT P2 WS FC 2ND ROW kit 5
## 15 TAPA PARA CAJA PIELES U625
## 16 CAJA PARA EMPAQUE PIELES U625
## 17 ROPACK 45”X48”X34 CON IDENTIFICACIÓN
## 18 CAJA 910B 4WAY
## 19 Kit de empaque para seat back LH y RH, incluye tarima
## 20 Separador de cartón para Seat Back RHy LH. Uso WIP entre Meridian y PPG
## 21 KIT PIVOTE CONTENEDOR CARTON
## 22 SEPARADOR 41" X 44" PARA PIVOTE Y SEAT BACK DE MTM A PPG
## 23 REJILLA DE 16X PARA PIVOT DE TESLA PARA PROCESO DE MTM A PPG
## 24 Separador 41 x 44" Cuadro Pivot/PPG
## 25 780B SDT 120 CAVIDADES Y0264008
## 26 780B SDT 84 CAVIDADES - Y0387031
## 27 PCORR 5MM TOTE(TRAY) TOP RAILS
## 28 Y0363426-CONSOLE END PANEL(124 DUN)
## 29 Y0363424-CONSOLE ARMREST (17 DUN)
## 30 Y0363425-ARMREST OUTER (105 DUN)
## 31 Y0363427-ARMREST INNER (135 DUN)
## 32 Y0264007- DUNAGGE 90 CV ROPACK 48X45X42 (166 DUN)
## 33 Y0264007- DUNAGGE 90 CV ROPACK 48X45X42 (14 DUN)
## 34 DUNNAGE 80 CV - DUNNAGE FC HINGE COVERS(108 DUN)
## 35 DUNNAGE 126 CV - DUNNAGE FC ARMREST LATCH(60 DUN)
## 36 Y0392179 - DUNNAGE 72 CV ROPACK 45X48X50 (60 DUN)
## 37 Y0494836 - DUNNAGE 198 CV ROPACK 45X48X50 (10 DUN)
## 38 Y0392180 - DUNNAGE 198 CV ROPACK 45X48X50 (64 DUN)
## 39 ARMREST J34A
## 40 WL 74-75 36X30"
## 41 WL 74-75 30X28"
## 42 VW416PA2 30X28"
## 43 WL 74-75 FRONT
## 44 WL 75 REAR
## 45 WL 74 REAR
## 46 RACKS WIP
## 47 RACK L233 (200 RACKS)
## 48 ARMREST
## 49 BACKFRAME 60%
## 50 BACKFRAME 60% - CELL C
## 51 CONSOLE LOWER
## 52 FRT - HEADREST ASY, M3Y 1R TX FIP PVC BLK (FRONT)
## 53 SIDE - Y 2R HEADREST OUTER BLK TX (REAR)
## 54 CTR - Y 2R 20 HEADREST PUR BLK TX (CENTER)
## 55 LUMBAR - Y 2R 20 LUMBAR BUN BLK TX
## 56 ARMREST - Y 2R 5S ARMREST ASSEMBLY BLK TX
## 57 Y0124099
## 58 MANGAS DUNNAGE RACK CX721 (CX727)
## 59 ICP539 MICRO CORRUGADO
## 60 U725 (DMS ALTERNO) ITB
## 61 ICP P702/P558 MICRO CORRUGADO
## 62 CAJA RSC 36 DK CELDA CON MICRO CORUUGADO EN 32 PORTA ETIQUETA SW RR A/C
## 63 CAJA RSC ECT 36 DK PAD ECT 36 DK TAPA ECT 32 CK PORTA ETIQUETA\nINNER FR SEAT
## 64 KIT Brasil CAJA RSC CK 32 ECT Kit 95-161
## 65 TAPA CARTON KCS 29ECT PA FC 1135X1117X70MM\nTAPA BRASIL - TR6118 95-144 COROLLA 360 FONDO
## 66 CAJA 95-069
## 67 CAJA 95-070
## 68 CAJA 95-075 (NUEVO ID: TR13774)
## 69 CAJA 95-168
## 70 AVANZAR 660B
## 71 6 CELDAS
## 72 10 CELDAS
## 73 4 CELDAS
## 74 MCA330 KIT
## 75 CLUSTER U725
## 76 CHAROLA PE 237 12 X 17 X 2.75 PULGADAS
## 77 CHAROLA PARA LAMINAS DE DIAL, MEDIDAS DE 527MM X 690MM X 80MM
## 78 CHAROLA GLASS FRONT 920B
## 79 CHAROLA DIAL
## 80 WINDOW PLATE
## 81 ML4 SET CONCAVE MIRROR
## 82 DUNNAGE CX430
## 83 CHAROLA PLASTICA 4 MM REFORZADA CON ESQUINEROS (HUD 1)
## 84 CHAROLA PLASTICA 4 MM REFORZADA CON ESQUINEROS (HUD 2)
## 85 CAJA #1 COMMON HUD
## 86 CAJA #2 COMMON HUD
## 87 CHAROLA TM3
## 88 CHAROLA 4.2
## 89 CHAROLA 780B IC SHIELD
## 90 CHAROLA 780B IC LOWER CASE
## 91 CHAROLA A24
## 92 TAPA A24
## 93 WINDOW PLATE 780B & U554
## 94 CASE 780B HUD
## 95 COVER 780B/U554 HUD
## 96 OUTER CASE U554 HUD
## 97 OUTER CASE U554 HUD ANTIESTATICO
## 98 WINDOW PLATE 780B & U554 ANTIESTATICO
## 99 ML7 FLAT MIRROR
## 100 ML2 LOWERCASE Y MC SHIELD
## 101 30 AA WINDOW PLATE
## 102 30 AA OUTER
## 103 30 AA
## 104 RETRABAJO DE 19 CHAROLAS
## 105 MCV 115E
## 106 SOPORTE DE CARTON MCV 115
## 107 DUNNAGE VALVULA MCV 115(894 DUN)
## 108 DUNNAGE HOUSING MCV 115(3354 DUN)
## 109 DUNNAGE PIPE MCV 115(4025 DUN)
## 110 CHAROLA FPI16
## 111 CHAROLA B16
## 112 CHAROLA DIAL HONDA ALTERNA CON FOAM
## 113 CAJA EN PLASTICO CORRUGADO ANTIESTATICO
## 114 CHAROLA DIAL 14
## 115 CHAROLA DIAL U7
## 116 CHAROLA MX15779
## 117 CHAROLA DIAL CX
## 118 CHAROLA CID CH2
## 119 CHAROLA B16
## 120 TAPA FORTIFLEX
## 121 MCV 128E
## 122 OUTER CASE
## 123 CONCAVE MIRROR
## 124 COMPUTER ASSY
## 125 MIRROR HOLDER
## 126 KIT CONCAVE
## 127 CHAROLA 30AA
## 128 CHAROLA PIPE NUEVO MODELO
## 129 TAPA COROPLAST MCV
## 130 CHAROLA WL CCP FRONT
## 131 TOTES CX430
## 132 Charola para JL PECP2
## 133 Caja plastica ESD, 14" x 22.5 x 10"
## 134 PROYECTO PUERTAS
## 135 362388 REINFORCEMENT MCA MP552 PUERTAS
## 136 DUNNAGE ARMREST FRONT/ARMREST REAR
## 137 362718 UPPER REAR MP552 PUERTAS
## 138 DUNNAGE AMBULANCIA
## 139 APPLIQUE REAR
## 140 APPLIQUE FRONT
## 141 363010580 DUNNAGE SHROUD LOWER
## 142 363010580 DUNNAGE SHROUD UPPER
## 143 PATIN PARA MANEJO DE PALLETS
## 144 467.905-59 INSERT 368.3X60X25.4 MM FOAM
## 145 467.416-21 COMPARTIMENT INSERT 1132X712X231MM CC
## 146 REFACCIONES P1 - COMPARTIMENT INSERT 535X335X221MM CC ESD
## 147 REFACCIONES P2 - COMPARTIMENT INSERT 395X275X154MM CC ESD
## 148 VC167 595: DUNNAGE EVOLON 100 CON 1 X 13 CV X 4 DUNNAGE
## 149 VC167 599: DUNNAGE EVOLON 100 CON 11 X 13 CV
## 150 VC167 602: DUNNAGE EVOLON 100 CON 13 X 8 CV
## 151 DUNNAGE EVOLON 100 CON 27 X 5 CAVIDADES
## 152 BOLSA EVOLON 340MM X 745MM GDE
## 153 BOLSA EVOLON 625x255mm CH
## 154 CELDAS AQ450
## 155 SEPARADORES AQ450
## 156 AQ450
## 157 GMT625
## 158 CUCURUCHOS
## 159 MUESTRAS 4 CAJAS
## 160 DOLLIES METALICOS
## 161 ITEM
## 162 N61506003-SEPARADOR 003
## 163 N61506004-CAJA 004
## 164 N61506309-KIT 309
## 165 N61506310-KIT 310
## 166 N61506311-KIT 311
## 167 N61506342-KIT 342
## 168 N61506378-CELDA 378
## 169 N61506380-KIT 380
## 170 N61506391-KIT 391
## 171 N61506396-KIT 396
## 172 N61506397-KIT 397
## 173 N61506405-CELDA 405
## 174 N61506411-CELDA 411
## 175 N61506536-CELDA 536
## 176 N61506549-CAJA 549
## 177 N61506550-CELDA 550
## 178 N61506556-CAJA 556
## 179 N61506558-CELDA 558
## 180 N61506566-CELDA 566
## 181 N61506567-CAJA 567
## 182 N61506569-CELDA 569
## 183 N61506571-CAJA 571
## 184 N61506575-CELDA 575
## 185 N61506576-CELDA 576
## 186 N61506589-CELDA 589
## 187 N61506605-CELDA 605
## 188 N61506611-CELDA 611
## 189 N61506615-CELDA 615
## 190 N61506619-CAJA 619
## 191 N61506622-CELDA 622
## 192 N61506646-CELDA 646
## 193 N61506651-CAJA 651
## 194 N61506660-CELDA 660
## 195 N61506664-CAJA 664
## 196 N61506675 - CELDA 675
## 197 N61506676 - CAJA 676
## 198 N61506680-CELDA 680
## 199 N61506682-CELDA 682
## 200 N61506694-CELDA 694
## 201 N61506695-KIT 695
## 202 N61506696-CELDA 696
## 203 N61506700-CAJA 700
## 204 N61506704-CELDA 704
## 205 N61506706-CELDA 706
## 206 N61506707-CAJA 707
## 207 N61506718-KIT 718
## 208 N61506722-CAJA 722
## 209 N61506726-KIT 726
## 210 N61506727-KIT 727
## 211 N61506729-KIT 729
## 212 N61506735-CELDA 735
## 213 N61506745-KIT 745
## 214 N61506746-KIT 746
## 215 N61506747-KIT 747
## 216 N61506763-KIT 763
## 217 N61506764-KIT 764
## 218 N61506765-CAJA 765
## 219 N61506768-KIT 768
## 220 N61506770-CAJA 770
## 221 N61506773-KIT 773
## 222 N61506783-CELDA 783
## 223 N61506784-KIT 784
## 224 N61506785-KIT 785
## 225 N61506808-KIT 808
## 226 N61506809-KIT 809
## 227 N61506810-CAJA 810
## 228 N61506844-KIT 844
## 229 N61506857-KIT REFLEX
## 230 N61506862-BODY SIDE
## 231 U553 KITGráficos de datos cualitativos y cuantitativos
Gráfica cualitativa
#install.packages("plyr")
library(plyr)## ------------------------------------------------------------------------------## You have loaded plyr after dplyr - this is likely to cause problems.
## If you need functions from both plyr and dplyr, please load plyr first, then dplyr:
## library(plyr); library(dplyr)## ------------------------------------------------------------------------------##
## Attaching package: 'plyr'## The following objects are masked from 'package:dplyr':
##
## arrange, count, desc, failwith, id, mutate, rename, summarise,
## summarizepie(table(bd1$CLIENTE.PLANTA))
Gráfica cuantitativa
table(bd4$año, bd4$pedidos)##
## 0 1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 18 19
## 22/01 155 0 1 0 2 1 2 2 0 0 0 0 0 0 4 1 0 1
## 22/02 176 1 0 1 2 1 1 0 2 0 4 0 0 1 0 1 0 0
## 22/03 161 0 1 1 0 1 1 0 0 0 1 0 0 1 0 4 0 0
## 22/04 158 2 1 0 0 2 0 0 1 0 2 1 0 0 3 1 0 0
## 22/05 161 0 0 1 0 0 1 0 0 0 0 4 1 0 1 2 0 0
## 22/06 173 0 1 0 0 3 1 0 0 1 2 0 0 0 2 0 0 0
## 22/07 157 0 1 1 0 6 1 2 0 1 3 0 0 0 1 1 0 0
## 22/08 179 0 0 2 1 1 0 0 0 0 0 0 0 0 1 0 0 0
## 22/09 198 0 0 0 1 4 0 0 0 0 0 1 0 1 1 0 1 0
## 22/10 216 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
## 22/11 227 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 22/12 229 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
##
## 20 21 22 23 24 25 26 27 28 29 30 32 34 35 36 38 39 40
## 22/01 0 1 1 0 0 1 1 1 0 0 3 2 0 1 0 0 1 1
## 22/02 0 0 0 0 4 0 0 0 0 0 0 0 1 0 2 0 0 1
## 22/03 3 0 0 0 1 2 0 0 0 0 0 1 0 0 2 0 0 0
## 22/04 1 0 0 0 4 1 2 0 0 1 2 1 0 1 4 0 0 0
## 22/05 0 0 3 0 3 1 0 0 1 1 0 0 0 0 1 0 0 1
## 22/06 0 0 0 1 2 0 1 0 0 0 1 0 0 0 1 0 1 2
## 22/07 1 0 0 1 3 0 1 0 0 0 1 0 0 0 0 0 1 3
## 22/08 1 0 0 0 0 0 0 0 1 0 0 0 0 2 3 1 0 1
## 22/09 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
## 22/10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 41 42 43 44 45 47 48 50 52 53 54 55 56 58 60 61 64 65
## 22/01 0 1 0 0 1 1 0 3 1 0 0 1 0 1 6 0 0 1
## 22/02 0 0 2 0 0 0 2 0 0 0 0 1 1 0 1 1 0 1
## 22/03 0 0 0 0 0 1 2 3 0 0 0 1 0 0 3 1 0 0
## 22/04 2 0 0 0 0 0 1 1 0 0 0 0 0 0 4 0 0 1
## 22/05 2 0 0 0 0 0 1 2 0 0 0 0 2 0 1 0 2 0
## 22/06 0 1 0 0 0 0 1 2 0 0 0 0 0 1 0 0 0 0
## 22/07 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0
## 22/08 0 0 0 1 0 0 0 4 0 1 0 0 0 0 1 0 0 0
## 22/09 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0
## 22/10 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 68 70 71 72 74 77 80 83 86 90 91 96 98 99 100 104 105 106
## 22/01 0 0 0 0 0 0 0 1 0 0 0 2 0 0 1 0 0 0
## 22/02 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
## 22/03 0 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0
## 22/04 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1
## 22/05 1 1 0 1 0 0 0 0 0 1 0 1 0 0 3 0 1 0
## 22/06 0 1 0 1 0 0 1 0 1 0 0 0 0 0 2 0 0 0
## 22/07 0 1 0 0 0 0 1 0 0 0 0 0 1 0 2 0 0 0
## 22/08 0 0 0 0 0 0 2 0 0 0 0 0 0 0 1 0 0 0
## 22/09 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0
## 22/10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 107 108 114 115 119 120 124 125 126 130 132 136 137 140 141 144 149 150
## 22/01 0 0 1 0 0 1 0 1 1 0 0 0 0 1 0 1 0 0
## 22/02 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
## 22/03 0 0 0 0 0 3 0 0 0 0 0 0 0 1 0 0 0 1
## 22/04 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 1
## 22/05 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 2
## 22/06 0 2 0 0 0 1 0 1 0 1 0 0 0 0 0 1 0 3
## 22/07 1 0 0 0 0 1 0 1 0 0 0 0 1 0 1 3 0 0
## 22/08 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 0 1
## 22/09 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
## 22/10 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 157 160 162 164 166 168 169 174 176 180 182 183 184 185 187 192 196 198
## 22/01 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 1
## 22/02 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/03 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/04 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0
## 22/05 0 1 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0
## 22/06 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/07 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0
## 22/08 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0
## 22/09 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 200 210 220 230 240 250 272 276 278 285 286 288 290 293 298 300 302 305
## 22/01 0 0 0 2 2 0 0 0 0 0 0 0 0 0 0 1 0 0
## 22/02 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 3 0 0
## 22/03 0 1 1 0 2 1 0 0 0 0 0 0 0 0 0 4 1 0
## 22/04 2 0 0 0 0 1 0 0 1 0 0 0 0 0 0 4 0 0
## 22/05 5 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/06 1 0 0 0 1 0 1 0 0 0 0 0 0 1 0 1 0 0
## 22/07 1 0 0 0 0 0 0 0 0 0 0 0 0 2 1 2 0 0
## 22/08 0 0 0 0 0 0 1 0 0 1 1 0 1 0 0 1 0 0
## 22/09 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1
## 22/10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
##
## 320 324 330 332 346 350 360 380 390 400 420 422 436 450 464 479 480 485
## 22/01 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0
## 22/02 2 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0
## 22/03 0 0 0 0 0 0 1 0 0 2 0 0 0 0 0 0 0 1
## 22/04 0 0 1 0 1 0 0 1 0 3 0 0 0 0 0 0 0 0
## 22/05 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0
## 22/06 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0
## 22/07 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 0 0
## 22/08 0 0 0 0 0 0 1 0 0 2 0 0 0 0 0 0 0 0
## 22/09 0 0 0 1 0 0 0 0 0 2 0 0 0 0 0 0 0 0
## 22/10 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
## 22/11 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 500 506 512 529 540 550 570 600 612 630 640 652 700 712 715 720 736 750
## 22/01 2 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 22/02 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0
## 22/03 2 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0
## 22/04 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0
## 22/05 1 0 0 0 0 0 0 2 0 0 0 0 0 0 0 1 0 0
## 22/06 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1
## 22/07 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0
## 22/08 0 0 1 0 0 0 0 0 0 0 0 1 0 1 1 0 0 1
## 22/09 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0
## 22/10 1 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 800 900 930 945 950 1000 1014 1022 1027 1100 1132 1200 1250 1300 1320
## 22/01 2 0 0 1 0 0 0 0 0 0 0 1 0 0 0
## 22/02 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 22/03 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0
## 22/04 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
## 22/05 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0
## 22/06 0 0 0 0 0 2 0 0 0 1 1 0 0 0 0
## 22/07 0 1 1 0 0 0 0 1 1 0 0 0 0 0 1
## 22/08 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
## 22/09 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0
## 22/10 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 1332 1350 1400 1450 1494 1500 1548 1600 1620 1632 1700 1900 2000 2100
## 22/01 0 0 0 0 0 0 0 0 0 0 0 0 1 0
## 22/02 0 0 0 0 0 0 0 0 0 0 0 0 0 2
## 22/03 0 0 0 0 0 0 1 0 0 0 0 0 0 0
## 22/04 0 1 0 1 0 0 1 0 0 0 0 0 0 0
## 22/05 0 0 0 0 0 0 0 1 0 0 1 0 0 0
## 22/06 1 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/07 1 0 1 0 0 0 0 0 0 1 0 0 0 0
## 22/08 0 0 0 0 1 1 0 1 1 0 0 1 0 0
## 22/09 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/10 0 0 0 0 0 1 0 0 0 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 2200 2300 2304 2325 2400 2450 2500 2800 2900 3200 3498 3900 4000 4169
## 22/01 1 0 0 0 0 0 0 0 0 1 0 0 0 0
## 22/02 0 0 0 0 1 0 0 0 0 0 0 0 0 0
## 22/03 0 0 1 0 1 0 0 0 0 0 1 0 0 1
## 22/04 0 0 1 0 0 0 0 0 0 0 0 0 1 0
## 22/05 0 0 0 0 1 0 0 0 0 0 0 0 0 0
## 22/06 0 0 0 1 1 0 0 1 0 0 0 0 0 0
## 22/07 0 1 0 1 0 1 0 0 0 1 0 1 0 0
## 22/08 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/09 0 0 0 0 0 1 1 0 0 1 0 0 0 0
## 22/10 0 0 0 0 0 0 0 0 2 0 0 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##
## 6500 7000 9600 11050 12800 13200 16000 16354 16421 17665 25900 29379
## 22/01 0 0 0 0 0 0 0 0 0 0 0 0
## 22/02 0 0 1 0 0 0 0 0 0 0 0 0
## 22/03 0 0 1 0 0 0 0 0 0 0 0 0
## 22/04 1 0 0 0 0 0 0 1 0 0 0 0
## 22/05 0 0 1 0 0 0 0 0 0 1 0 0
## 22/06 0 0 1 1 0 0 0 0 0 0 0 0
## 22/07 0 0 0 0 0 0 1 0 0 0 1 0
## 22/08 0 0 0 0 0 1 0 0 0 0 0 0
## 22/09 0 1 0 0 1 0 0 0 0 0 0 1
## 22/10 0 0 0 0 0 0 0 0 1 0 0 0
## 22/11 0 0 0 0 0 0 0 0 0 0 0 0
## 22/12 0 0 0 0 0 0 0 0 0 0 0 0barplot(table(bd4$año), main = "Total de pedidos por el año 2022", xlab = "año", ylab = "pedidos" )
Gráficos de dispersión
Gráfico 1
boxplots=subset(bd4,select=-c(pedidos,año))
boxplot(bd4$pedidos, main ="Total de Pedidos 2022")
Gráfico 2
plot(bd4$pedidos, horizontal= TRUE)## Warning in plot.window(...): "horizontal" is not a graphical parameter## Warning in plot.xy(xy, type, ...): "horizontal" is not a graphical parameter## Warning in axis(side = side, at = at, labels = labels, ...): "horizontal" is not
## a graphical parameter
## Warning in axis(side = side, at = at, labels = labels, ...): "horizontal" is not
## a graphical parameter## Warning in box(...): "horizontal" is not a graphical parameter## Warning in title(...): "horizontal" is not a graphical parameter
Gráfico 3
#file.choose()
bd5<-read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/2022 mes y pedidos.csv")
summary(bd5)## MES PEDIDOS
## Length:12 Min. : 283
## Class :character 1st Qu.:22691
## Mode :character Median :32967
## Mean :33304
## 3rd Qu.:43144
## Max. :73201bd5$MES <- as.Date(bd5$MES, format ="%d/%m/%y")
library(tibble)
tibble(bd5)## # A tibble: 12 × 2
## MES PEDIDOS
## <date> <int>
## 1 2022-01-01 19028
## 2 2022-02-01 23912
## 3 2022-03-01 35559
## 4 2022-04-01 43080
## 5 2022-05-01 43336
## 6 2022-06-01 39549
## 7 2022-07-01 73201
## 8 2022-08-01 30375
## 9 2022-09-01 62912
## 10 2022-10-01 27925
## 11 2022-11-01 488
## 12 2022-12-01 283plot(bd5$MES, bd5$PEDIDOS, main = "Pedidos por mes 2022",
xlab = "Mes", ylab = "Ordenes",
pch = 19, frame = TRUE)
Propuestas de mejora
- Podemos darnos cuenta que existen 2 clientes que
abarcan la mayor cantidad de los pedidos siendo una diferencia altamente
significativos. Por lo que se recomienda buscar clientes que puedan
anivelar la cantidad de pedidos y darles un trato preferencial
VIP al cumplir con ciertos requsitos, para ello sería necesaria
crear una comunidad de clientes VIP para darles ciertas
ventajas, y de ese modo no depender de la estabilidad de dos clientes
unicamente y aumentar la red de clientes VIP con
grandes dantidades de pedidos.
- Los pedidos durante los años se encuntran similares sin mucha diferencia en cantidades, estabilidad es positivo, pero si no se sigue creciendo la empresa puede quedar estancada, es necesario implementar KPIs donde se pueda medir la frecuencia de los pedidos por clientes y también el incremento de pedidos que se tiene por mes, para ello se realizó una gráfica de dispersión donde se despliega la cantidad de pedidos que se hacen por mes.
Conclusión
A través de el analisis de la base de datos de delivery plan, pudimos darnos cuenta cantidades de pedidos que se tienen por mes, el cual incrementa por los meses. Así como también los clientes con mayor fuerza en la empresa gracias a sus grandes volumenes de pedidos, los que vienen siendo “Denso” y “Varroc”. Tamibén distinguimos e identificamos las variables como cuantitativas y cualitativas, nos dimos cuenta que en el caso de la base de datos de “Delivery Plan” mayormente las variables son cualitativas, pero los meses a pesar de poder ser vistas como variables cualitativas, se identificaron como cuantitativas ya que estas representas el total de pedidos hechos por mes y por material. En la tabla de dispersión de la gráfica 3, podemos observar la cantidad de pedidos que se tienen por mes y en este caso de FORM vemos que en el año 2022 la mayor parte de sus pedidos se realizaron en el mes de julio el cual se encuentra arriba de las 70 mil piezas demandadas y el mes de septiembre con 60 mil piezas.El analisis nos permite visualizar de manera más sencilla y directa el progreso y crecimiento de la empresa, así como también las areas de oportunidad.
---
title: <span style = "color:purple">**2.1 y 2.2 Delivery Plan**
author: "Equipo 2"
date: "2022-09-22"
output: 
  html_document:
    theme: darkly
    highlight: zenburn
    toc: true
    toc_float: true
    code_download: true
---
### Jimena Miguel | Vanessa Elizondo | Ricardo Galicia | José Luis Elizondo | Daniela Cárdenas

# **Entregable 2.1**
# Importar la base de datos
```{r}
#file.choose()
bd<-read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/FORM - Delivery Plan.xlsx - DELIVERY PLAN(2).csv")
summary(bd)
```

# Observaciones
1.Se hizo limpieza manual de la base de datos para eliminar NAs
2.Se sustituyeron NAs por cero
3.Se eliminaron columnas no usadas

# Técnicas de Limpieza
1. Limpieza de datos NAs, se eligió realizar esta técnica para asegurarnos de que todos los datos que lea R sean de calidad y que aporten valor al análisis.
2. Eliminar columnas de pedidos del año 2021, decidimos hacer esta acción para concetrarnos en el crecimiento y el análisis que se ha obtenido en el 2022. 
3. Cambiar el nombre del columnas de caracter a numérico, con la finalidad de que los datos sean mejor usados por R y se puedan acomodar con un orden lógico y cronológico. 

## **Técnica de Limpieza 1**

### ¿Cuantos NA tengo en la base de datos?
```{r}
#NA valores faltantes
sum(is.na(bd))
```

### ¿Cuantos NA tengo por variable?
```{r}
#Sapply: Para contar los NA
sapply(bd, function(x) sum(is.na(x)))

#*No se encuentran NAs en la base de datos*
```

## **Técnica de Limpieza 2**

### Eliminar columnas del año 2021
```{r}
bd1 <- bd
bd1 <- subset (bd1, select = -c (JUNIO))
bd1 <- subset (bd1, select = -c (JULIO))
bd1 <- subset (bd1, select = -c (AGOSTO))
bd1 <- subset (bd1, select = -c (SEPTIEMBRE))
bd1 <- subset (bd1, select = -c (OCTUBRE))
bd1 <- subset (bd1, select = -c (NOVIEMBRE))
bd1 <- subset (bd1, select = -c (DICIEMBRE))


summary(bd1)
```
## **Técnica de Limpieza 3**

### Cambiar nombre de columnas de meses
```{r}
bd2<-bd1
colnames(bd2)<- c("CLIENTE.PLANTA","PROYECTO", "ID.ODOO", "ITEM", "22/01", "22/02", "22/03", "22/04","22/05","22/06","22/07","22/08","22/09","22/10","22/11","22/12")

summary(bd2)
```

# ¿Cuantas variables y registros hay?
```{r}
library(dplyr)
count(bd1, CLIENTE.PLANTA, sort = TRUE)
count(bd1, PROYECTO, sort = TRUE)
count(bd1, ID.ODOO, sort = TRUE)
count(bd1, ITEM, sort = TRUE)
count(bd1, ENE.22, sort = TRUE)
count(bd1, FEBRERO.22, sort = TRUE)
count(bd1, MARZO.22, sort = TRUE)
count(bd1, ABRIL.22, sort = TRUE)
count(bd1, MAYO.22, sort = TRUE)
count(bd1, JUNIO.22, sort = TRUE)
count(bd1, JULIO.22, sort = TRUE)
count(bd1, AGOSTO.22, sort = TRUE)
count(bd1, SEPTIEMBRE.22, sort = TRUE)
count(bd1, OCTUBRE.22, sort = TRUE)
count(bd1, NOVIEMBRE.22, sort = TRUE)
count(bd1, DICIEMBRE.22, sort = TRUE)

```
## Cantidades
Contamos con 16 variables y 231 registros.

# Identificar variables 
*Entre cuantitativas o cualitativas y su escala de medición*

**Cuantitativa:** Discreta, Continua
  ***Escala de medición:**Intervalo, Razón* 
  
**Cualitativa**
  ***Escala de medición:** Nominales, Ordinales*
    
```{r}
Variable<-c("CLIENTE.PLANTA","PROYECTO","ID.ODOO","ITEM", "ENE.22", "FEBRERO.22","MARZO.22","ABRIL.22","MAYO.22","JUNIO.22","JULIO.22","AGOSTO.22","SEPTIEMBRE.22","OCTUBRE.22","NOVIEMBRE.22","DICIEMBRE.22","ENERO.23","FEBRERO.23","MARZO.23")
Type<-c("Cualitativa", "Cualitativa", "Cualitativa", "Cualitativa","Cuantitativa (discreta)", "Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)","Cuantitativa (discreta)")
Measurement<-c("Nominal","Nominal","Nominal","Nominal","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón","Razón")
table<-data.frame(Variable,Type,Measurement)

knitr::kable(table)

```
*Los meses son variables cuantitativa ya que representan las cantidades de pedidos.* 

# *Breve reflexión 2.1*
Para realizar está actividad primeramente realizamos una **limpieza de datos** manualmente y directamente en el excel. Borramos columnas inecesarias y unimos los valores de número de entregas para que sean divididas por mes. Las técnicas de limpieza seleccionadas fue el eliminar NAs para asegurarnos de que no tengamos errores en la información y eliminamos las columnas de los datos del 2021, para quedaqrnos unicamente con los datos del año 2022 y 2023.De ahi hicimos un **conteo de las variables y los registros** que se tienen y para ello usamos el comando "Count" y finalmente creamos una **tabla** para identificar cada una de las variables como cuantitativas, cualitativas y su escala de medición. 

# **Entregable 2.3**

# Analisis Descriptivo
````{r}
bd3<-bd2
#describe(bd3)
```

*función no posible por la versión que se tiene en R.*

# Crear columna / Data Wrangling
*Creación de dos columnas: del año 2022 y del total de pedidos*
```{r}
#install.packages("dplyr")
library(tidyr)
bd4<-bd3
bd4<-gather(bd4,key = "año", value = "pedidos", 5:16)

aggregate(x=bd4$pedidos,
          by = list(bd4$año),
          FUN= sum)

summary(bd4)
```

# Tabla de Frecuencia
```{r}
bd5<-bd4
bd5 <- data.frame(bd1$ITEM)
bd5
```

# Gráficos de datos cualitativos y cuantitativos
## Gráfica cualitativa
```{r}
#install.packages("plyr")
library(plyr)
pie(table(bd1$CLIENTE.PLANTA))
```

## Gráfica cuantitativa
```{r}
table(bd4$año, bd4$pedidos)
barplot(table(bd4$año), main = "Total de pedidos por el año 2022", xlab = "año", ylab = "pedidos" )
```

# Gráficos de dispersión

## Gráfico 1
```{r}
boxplots=subset(bd4,select=-c(pedidos,año))
boxplot(bd4$pedidos, main ="Total de Pedidos 2022")
```

## Gráfico 2
```{r}
plot(bd4$pedidos, horizontal= TRUE)
```

## Gráfico 3
```{r}
#file.choose()
bd5<-read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/2022 mes y pedidos.csv")
summary(bd5)
bd5$MES <- as.Date(bd5$MES, format ="%d/%m/%y")
library(tibble)
tibble(bd5)

plot(bd5$MES, bd5$PEDIDOS, main = "Pedidos por mes 2022",
     xlab = "Mes", ylab = "Ordenes",
     pch = 19, frame = TRUE)
```

# *Propuestas de mejora*
1. Podemos darnos cuenta que existen **2 clientes** que abarcan la mayor cantidad de los pedidos siendo una diferencia altamente significativos. Por lo que se recomienda buscar clientes que puedan anivelar la cantidad de pedidos y darles un *trato preferencial VIP* al cumplir con ciertos requsitos, para ello sería necesaria crear una *comunidad* de clientes VIP para darles ciertas ventajas, y de ese modo no depender de la estabilidad de dos clientes unicamente y **aumentar la red** de clientes VIP con grandes dantidades de pedidos.  
2. Los pedidos durante los años se encuntran *similares* sin mucha diferencia en cantidades, estabilidad es positivo, pero si no se sigue creciendo la empresa puede quedar estancada, es necesario **implementar KPIs** donde se pueda medir la *frecuencia* de los pedidos por clientes y también el *incremento* de pedidos que se tiene por mes, para ello se realizó una **gráfica de dispersión** donde se despliega la cantidad de pedidos que se hacen por mes.  

# **Conclusión**
A través de el **analisis de la base de datos de delivery plan**, pudimos darnos cuenta cantidades de pedidos que se tienen por mes, el cual incrementa por los meses. Así como también los clientes con mayor fuerza en la empresa gracias a sus grandes volumenes de pedidos, los que vienen siendo "Denso" y "Varroc". Tamibén distinguimos e identificamos las variables como cuantitativas y cualitativas, nos dimos cuenta que en el caso de la base de datos de "Delivery Plan" mayormente las variables son cualitativas, pero los meses a pesar de poder ser vistas como variables cualitativas, se identificaron como cuantitativas ya que estas representas el total de pedidos hechos por mes y por material. En la tabla de dispersión de la gráfica 3, podemos observar la cantidad de pedidos que se tienen por mes y en este caso de FORM vemos que en el año 2022 la mayor parte de sus pedidos se realizaron en el mes de julio el cual se encuentra arriba de las 70 mil piezas demandadas y el mes de septiembre con 60 mil piezas.El analisis nos permite visualizar de manera más sencilla y directa el progreso y crecimiento de la empresa, así como también las areas de oportunidad.



