Producción_Carton_FORM
Ivanna Garza
2022-09-25
Entregable 2.4
Insertar y entender la base de datos
producciondata <- read.csv("/Users/ivannagarza/Desktop/TEC/7 SEMESTRE/RETO/producción de cartón Agosto.csv")
summary(producciondata)## No. CLIENTE ID.FORM PRODUCTO
## Min. : 1.00 Length:2681 Length:2681 Length:2681
## 1st Qu.: 25.00 Class :character Class :character Class :character
## Median : 50.00 Mode :character Mode :character Mode :character
## Mean : 51.25
## 3rd Qu.: 76.00
## Max. :125.00
## NA's :8
## X PIEZAS.PROG. TMO..MIN. HR..FIN
## Length:2681 Length:2681 Length:2681 Length:2681
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## ESTACION.ARRANQUE Laminas.procesadas INICIO.SEP.UP FIN.INICIO.DE.SEP.UP
## Length:2681 Length:2681 Length:2681 Length:2681
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## INICIO.de.PROCESO FIN.de.PROCESO TIEMPO.CALIDAD TIEMPO.MATERIALES
## Length:2681 Length:2681 Min. : 0.00 Min. : 0.000
## Class :character Class :character 1st Qu.: 0.00 1st Qu.: 0.000
## Mode :character Mode :character Median : 0.00 Median : 1.000
## Mean : 2.17 Mean : 1.526
## 3rd Qu.: 1.00 3rd Qu.: 1.000
## Max. :48.00 Max. :50.000
## NA's :2234 NA's :2565
## MERMAS.Maquinas.
## Mode:logical
## NA's:2681
##
##
##
##
## Número de variable y registros
library (psych)
str(producciondata)## 'data.frame': 2681 obs. of 17 variables:
## $ No. : int 1 2 3 4 5 6 7 8 9 10 ...
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ ID.FORM : chr "VL-017-13938" "VL-017-13936" "VL-017-14729" "" ...
## $ PRODUCTO : chr "763 . KIT. CAJA." "747 KIT. CAJA HSC. ( 2 Partes)" "747 KIT. TAPA." "TOYOTA. MCV. Insterto D 2R. CORTE. 1 Golpe = 12 piezas. ( 9 Pza. / Celda)." ...
## $ X : chr "" "" "" "" ...
## $ PIEZAS.PROG. : chr "199" "57" "68" "192" ...
## $ TMO..MIN. : chr "15" "10" "10" "15" ...
## $ HR..FIN : chr "9:15" "9:25" "9:35" "9:50" ...
## $ ESTACION.ARRANQUE : chr "C1" "C1Y2" "C1Y2" "C1" ...
## $ Laminas.procesadas : chr "201" "116" "69" "49" ...
## $ INICIO.SEP.UP : chr "9:00" "9:26" "10:02" "10:12" ...
## $ FIN.INICIO.DE.SEP.UP: chr "9:12" "9:31" "10:09" "10.17" ...
## $ INICIO.de.PROCESO : chr "9:13" "9:32" "10:09" "10:18" ...
## $ FIN.de.PROCESO : chr "9:26" "9:53" "10.12" "10:20" ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...
## $ TIEMPO.MATERIALES : int NA NA NA NA NA 3 NA NA NA NA ...
## $ MERMAS.Maquinas. : logi NA NA NA NA NA NA ...describe(producciondata)## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf## vars n mean sd median trimmed mad min max
## No. 1 2673 51.25 30.50 50 50.46 37.06 1 125
## CLIENTE* 2 2681 6.48 2.72 6 6.49 2.97 1 11
## ID.FORM* 3 2681 115.11 73.37 120 112.96 94.89 1 257
## PRODUCTO* 4 2681 165.39 94.69 162 166.57 114.16 1 322
## X* 5 2681 87.85 68.59 70 82.85 96.37 1 242
## PIEZAS.PROG.* 6 2681 12.26 10.62 11 11.07 14.83 1 49
## TMO..MIN.* 7 2681 52.68 54.39 36 45.17 51.89 1 169
## HR..FIN* 8 2681 78.54 14.70 82 80.75 11.86 1 91
## ESTACION.ARRANQUE* 9 2681 100.31 115.11 49 84.58 71.16 1 349
## Laminas.procesadas* 10 2681 100.24 153.38 3 69.85 2.97 1 490
## INICIO.SEP.UP* 11 2681 100.60 157.57 2 68.18 1.48 1 508
## FIN.INICIO.DE.SEP.UP* 12 2681 183.09 207.87 92 157.10 134.92 1 617
## INICIO.de.PROCESO* 13 2681 184.17 207.67 101 156.24 148.26 1 628
## FIN.de.PROCESO* 14 2681 5.96 14.86 3 2.43 0.00 1 106
## TIEMPO.CALIDAD 15 447 2.17 5.55 0 0.76 0.00 0 48
## TIEMPO.MATERIALES 16 116 1.53 4.84 1 0.78 1.48 0 50
## MERMAS.Maquinas. 17 0 NaN NA NA NaN NA Inf -Inf
## range skew kurtosis se
## No. 124 0.17 -1.01 0.59
## CLIENTE* 10 0.16 -0.76 0.05
## ID.FORM* 256 0.12 -1.10 1.42
## PRODUCTO* 321 -0.03 -1.17 1.83
## X* 241 0.44 -0.87 1.32
## PIEZAS.PROG.* 48 0.66 -0.32 0.21
## TMO..MIN.* 168 0.94 -0.36 1.05
## HR..FIN* 90 -2.97 12.04 0.28
## ESTACION.ARRANQUE* 348 0.79 -0.80 2.22
## Laminas.procesadas* 489 1.31 0.19 2.96
## INICIO.SEP.UP* 507 1.36 0.36 3.04
## FIN.INICIO.DE.SEP.UP* 616 0.73 -0.95 4.01
## INICIO.de.PROCESO* 627 0.77 -0.82 4.01
## FIN.de.PROCESO* 105 4.33 18.90 0.29
## TIEMPO.CALIDAD 48 4.26 22.60 0.26
## TIEMPO.MATERIALES 50 8.77 84.03 0.45
## MERMAS.Maquinas. -Inf NA NA NALa base de datos tiene 2,681 registros y 17 variables.
Técnicas de limpieza
Técnica 1. Remover valores irrelevantes
Eliminar columnas
producciondata <- subset (producciondata,select = -c(No., ID.FORM , X , ESTACION.ARRANQUE , INICIO.SEP.UP , FIN.INICIO.DE.SEP.UP , INICIO.de.PROCESO , FIN.de.PROCESO , TIEMPO.MATERIALES , MERMAS.Maquinas. , HR..FIN , PRODUCTO ))
summary (producciondata)## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas
## Length:2681 Length:2681 Length:2681 Length:2681
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## TIEMPO.CALIDAD
## Min. : 0.00
## 1st Qu.: 0.00
## Median : 0.00
## Mean : 2.17
## 3rd Qu.: 1.00
## Max. :48.00
## NA's :2234Técnica 2. Convertir de caracter a entero
library (tibble)
producciondata$PIEZAS.PROG. <- substr(producciondata$PIEZAS.PROG., start = 1, stop = 2)
tibble (producciondata)## # A tibble: 2,681 × 5
## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas TIEMPO.CALIDAD
## <chr> <chr> <chr> <chr> <int>
## 1 VARROC 19 15 201 1
## 2 VARROC 57 10 116 1
## 3 VARROC 68 10 69 1
## 4 DENSO 19 15 49 1
## 5 DENSO 19 15 49 1
## 6 YANFENG 40 30 801 1
## 7 YANFENG 80 15 41 1
## 8 YANFENG 10 15 53 1
## 9 YANFENG 10 15 53 1
## 10 YANFENG 16 20 55 1
## # … with 2,671 more rowsproducciondata$PIEZAS.PROG. <- as.integer(producciondata$PIEZAS.PROG.)## Warning: NAs introduced by coercionstr(producciondata) ## 'data.frame': 2681 obs. of 5 variables:
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.PROG. : int 19 57 68 19 19 40 80 10 10 16 ...
## $ TMO..MIN. : chr "15" "10" "10" "15" ...
## $ Laminas.procesadas: chr "201" "116" "69" "49" ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...producciondata$TMO..MIN. <- substr(producciondata$TMO..MIN., start = 1, stop = 2)
tibble (producciondata)## # A tibble: 2,681 × 5
## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas TIEMPO.CALIDAD
## <chr> <int> <chr> <chr> <int>
## 1 VARROC 19 15 201 1
## 2 VARROC 57 10 116 1
## 3 VARROC 68 10 69 1
## 4 DENSO 19 15 49 1
## 5 DENSO 19 15 49 1
## 6 YANFENG 40 30 801 1
## 7 YANFENG 80 15 41 1
## 8 YANFENG 10 15 53 1
## 9 YANFENG 10 15 53 1
## 10 YANFENG 16 20 55 1
## # … with 2,671 more rowsproducciondata$TMO..MIN. <- as.integer(producciondata$TMO..MIN.)## Warning: NAs introduced by coercionstr(producciondata) ## 'data.frame': 2681 obs. of 5 variables:
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.PROG. : int 19 57 68 19 19 40 80 10 10 16 ...
## $ TMO..MIN. : int 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: chr "201" "116" "69" "49" ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...producciondata$Laminas.procesadas <- substr(producciondata$Laminas.procesadas, start = 1, stop = 2)
tibble (producciondata)## # A tibble: 2,681 × 5
## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas TIEMPO.CALIDAD
## <chr> <int> <int> <chr> <int>
## 1 VARROC 19 15 20 1
## 2 VARROC 57 10 11 1
## 3 VARROC 68 10 69 1
## 4 DENSO 19 15 49 1
## 5 DENSO 19 15 49 1
## 6 YANFENG 40 30 80 1
## 7 YANFENG 80 15 41 1
## 8 YANFENG 10 15 53 1
## 9 YANFENG 10 15 53 1
## 10 YANFENG 16 20 55 1
## # … with 2,671 more rowsproducciondata$Laminas.procesadas <- as.integer(producciondata$Laminas.procesadas)## Warning: NAs introduced by coercionstr(producciondata) ## 'data.frame': 2681 obs. of 5 variables:
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.PROG. : int 19 57 68 19 19 40 80 10 10 16 ...
## $ TMO..MIN. : int 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: int 20 11 69 49 49 80 41 53 53 55 ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...producciondata$TIEMPO.CALIDAD <- substr(producciondata$TIEMPO.CALIDAD, start = 1, stop = 2)
tibble (producciondata)## # A tibble: 2,681 × 5
## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas TIEMPO.CALIDAD
## <chr> <int> <int> <int> <chr>
## 1 VARROC 19 15 20 1
## 2 VARROC 57 10 11 1
## 3 VARROC 68 10 69 1
## 4 DENSO 19 15 49 1
## 5 DENSO 19 15 49 1
## 6 YANFENG 40 30 80 1
## 7 YANFENG 80 15 41 1
## 8 YANFENG 10 15 53 1
## 9 YANFENG 10 15 53 1
## 10 YANFENG 16 20 55 1
## # … with 2,671 more rowsproducciondata$TIEMPO.CALIDAD <- as.integer(producciondata$TIEMPO.CALIDAD)
str(producciondata) ## 'data.frame': 2681 obs. of 5 variables:
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.PROG. : int 19 57 68 19 19 40 80 10 10 16 ...
## $ TMO..MIN. : int 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: int 20 11 69 49 49 80 41 53 53 55 ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...Técnica 3. Valores faltantes
¿Cuántos NA tengo en la base de datos?
sum(is.na(producciondata))## [1] 5983¿Cuántos NA tengo por variable?
sapply(producciondata, function(x) sum (is.na(x)))## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas
## 0 715 1744 1290
## TIEMPO.CALIDAD
## 2234Borrar todos los registros NA de una tabla
producciondata <- na.omit(producciondata)
summary(producciondata) ## CLIENTE PIEZAS.PROG. TMO..MIN. Laminas.procesadas
## Length:137 Min. :10.00 Min. :10.00 Min. : 0.0
## Class :character 1st Qu.:10.00 1st Qu.:10.00 1st Qu.:10.0
## Mode :character Median :20.00 Median :12.00 Median :16.0
## Mean :22.74 Mean :18.82 Mean :20.9
## 3rd Qu.:25.00 3rd Qu.:25.00 3rd Qu.:27.0
## Max. :80.00 Max. :70.00 Max. :97.0
## TIEMPO.CALIDAD
## Min. : 0.000
## 1st Qu.: 1.000
## Median : 1.000
## Mean : 3.117
## 3rd Qu.: 3.000
## Max. :48.000sum(is.na(producciondata))## [1] 0Número de registros y variables
str(producciondata)## 'data.frame': 137 obs. of 5 variables:
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.PROG. : int 19 57 68 19 19 40 80 10 10 16 ...
## $ TMO..MIN. : int 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: int 20 11 69 49 49 80 41 53 53 55 ...
## $ TIEMPO.CALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...
## - attr(*, "na.action")= 'omit' Named int [1:2544] 29 30 31 32 33 34 35 36 37 38 ...
## ..- attr(*, "names")= chr [1:2544] "29" "30" "31" "32" ...La base de datos contiene 137 registros y 5 variables
Tipos de variables existentes
Variable<-c("`Cliente`","`Piezas programadas`","`Tiempo Mínimo`","`Láminas procesadas`","`Tiempo Calidad`")
Type<-c("cualitativa (nominal)", "cuantitativa (discreta)", "cuantitativa (continua)", "cuantitativa (discreta)", "cuantitativa (continua)" )
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
Cliente |
cualitativa (nominal) |
Piezas programadas |
cuantitativa (discreta) |
Tiempo Mínimo |
cuantitativa (continua) |
Láminas procesadas |
cuantitativa (discreta) |
Tiempo Calidad |
cuantitativa (continua) |
Visualización
table (producciondata$CLIENTE)##
## DENSO HELLA MERIDIAN LIGHTWEIGHT
## 11 4 3
## STABILUS 1 STABILUS 3 STABILUS 3.
## 35 17 1
## TRMX VARROC YANFENG
## 8 14 44library (ggplot2)##
## Attaching package: 'ggplot2'## The following objects are masked from 'package:psych':
##
## %+%, alphaggplot(producciondata, aes(x=CLIENTE, y=TIEMPO.CALIDAD)) +
geom_bar(stat="identity", fill="orange") + scale_fill_grey() + # Add bars to the plot
labs(title = "Relación de Cliente y Tiempo de calidad", # Add a title
subtitle = "RH empresa FORM", # Add a subtitle
caption = "Relación", # Add a caption
x = "Cliente")
boxplot(producciondata$Laminas.procesadas, producciondata$TMO..MIN. , vertical = TRUE)
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