Actividad Individual
Jimena Munguia Quezada - A01382675
2022-09-28
Actividad Individual
Produccion
Importar base de datos
file.choose("C:\\Users\\jimen\\Documents\\BD Produccion limpia 1.csv")## [1] "C:\\Users\\jimen\\Documents\\Ventas market\\Actividad Individual.Rmd"bd <- read.csv("C:\\Users\\jimen\\Documents\\BD Produccion limpia 1.csv")Entender la base de datos
summary(bd)## No. CLIENTE ID.FORM PRODUCTO
## Min. : 1.00 Length:2297 Length:2297 Length:2297
## 1st Qu.: 23.00 Class :character Class :character Class :character
## Median : 45.00 Mode :character Mode :character Mode :character
## Mean : 47.01
## 3rd Qu.: 70.00
## Max. :121.00
##
## PIEZAS.P.G. TMO..MIN. HR..FIN ESTACION.ARRANQUE
## Length:2297 Min. : 0.00 Length:2297 Length:2297
## Class :character 1st Qu.: 15.00 Class :character Class :character
## Mode :character Median : 20.00 Mode :character Mode :character
## Mean : 35.63
## 3rd Qu.: 25.00
## Max. :800.00
## NA's :611
## LAMINAS.PROCESADAS INICIO.SEP.UP FIN.INICIO.DE.SEP.UP INICIO.de.PROCESO
## Length:2297 Length:2297 Length:2297 Length:2297
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## FIN.de.PROCESO TIEMPO..CALIDAD TIEMPO.MATERIALES MERMAS.Maquinas.
## Length:2297 Length:2297 Min. : 0.00 Min. : 0.00
## Class :character Class :character 1st Qu.: 0.00 1st Qu.: 0.00
## Mode :character Mode :character Median : 0.00 Median : 1.00
## Mean : 2.03 Mean : 1.56
## 3rd Qu.: 1.00 3rd Qu.: 1.00
## Max. :60.00 Max. :50.00
## NA's :1968 NA's :2222Numero de variables y registros en la base de datos
La base datos cuenta con 2297 registros y 16 variables
str(bd)## 'data.frame': 2297 obs. of 16 variables:
## $ No. : int 1 2 3 4 5 6 7 8 9 10 ...
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ ID.FORM : chr "" "N.A." "CORTE." " -026-13892" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : chr "200" "100" "216" "100" ...
## $ TMO..MIN. : int 20 15 20 10 10 20 10 10 10 60 ...
## $ HR..FIN : chr "9:20" "9:35" "9:55" "10:05" ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS : chr "402" "134" "110" "100" ...
## $ INICIO.SEP.UP : chr "9:05" "10:05" "9:40" "11.2" ...
## $ FIN.INICIO.DE.SEP.UP: chr "9.1" "10:16" "9:43" "11:26" ...
## $ INICIO.de.PROCESO : chr "9:12" "10.17" "9:45" "11:30" ...
## $ FIN.de.PROCESO : chr "10:04" "11:05" "9.57" "11:49" ...
## $ TIEMPO..CALIDAD : chr "1" "1" "1" "1" ...
## $ TIEMPO.MATERIALES : int NA NA NA 7 NA NA NA NA NA NA ...
## $ MERMAS.Maquinas. : int NA NA NA NA NA NA NA NA NA NA ...#install.packages("psych")
library(psych)Tecnicas de limpieza
Tecnica 1
Eliminar datos irrelevantes
Es necesario eliminar datos que no agregan valor para el analisis, de esta manera se hace aun mas especifico para lo que queremos entender
bd1 <- bd
bd1<-subset(bd1,select=-c(No.,ID.FORM,HR..FIN,INICIO.SEP.UP,FIN.INICIO.DE.SEP.UP,INICIO.de.PROCESO,FIN.de.PROCESO,TIEMPO..CALIDAD,TIEMPO.MATERIALES,MERMAS.Maquinas.))
str(bd1)## 'data.frame': 2297 obs. of 6 variables:
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : chr "200" "100" "216" "100" ...
## $ TMO..MIN. : int 20 15 20 10 10 20 10 10 10 60 ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS: chr "402" "134" "110" "100" ...Tecnica 4
Convertir tipos de datos
La conversion de algunos registros es necesaria para poder tener un homogeniedad entre todos ellos
bd2 <- bd1
bd2$TMO..MIN. <- substr(bd2$TMO..MIN., start = 1, stop = 2)
#tibble(bd2)
bd2$TMO..MIN. <- as.integer(bd2$TMO..MIN.)
str(bd2)## 'data.frame': 2297 obs. of 6 variables:
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : chr "200" "100" "216" "100" ...
## $ TMO..MIN. : int 20 15 20 10 10 20 10 10 10 60 ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS: chr "402" "134" "110" "100" ...bd3 <- bd2
bd3$PIEZAS.P.G. <- substr(bd3$PIEZAS.P.G., start = 1, stop = 2)
#tibble(bd3)
bd3$PIEZAS.P.G. <- as.integer(bd3$PIEZAS.P.G.)
str(bd3)## 'data.frame': 2297 obs. of 6 variables:
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : int 20 10 21 10 20 20 10 12 32 50 ...
## $ TMO..MIN. : int 20 15 20 10 10 20 10 10 10 60 ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS: chr "402" "134" "110" "100" ...bd4 <- bd3
bd4$LAMINAS.PROCESADAS<- substr(bd4$LAMINAS.PROCESADAS, start = 1, stop = 2)
#tibble(bd4)
bd4$LAMINAS.PROCESADAS<- as.integer(bd4$LAMINAS.PROCESADAS)## Warning: NAs introduced by coercionstr(bd4)## 'data.frame': 2297 obs. of 6 variables:
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : int 20 10 21 10 20 20 10 12 32 50 ...
## $ TMO..MIN. : int 20 15 20 10 10 20 10 10 10 60 ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS: int 40 13 11 10 51 40 22 13 33 50 ...Tecnica 5
Valores faltantes
bd5 <- bd4
bd5$TMO..MIN.[is.na(bd4$TMO..MIN.)]<-mean(bd5$TMO..MIN., na.rm = TRUE)
summary (bd5)## CLIENTE PRODUCTO PIEZAS.P.G. TMO..MIN.
## Length:2297 Length:2297 Min. : 1.00 Min. : 0.00
## Class :character Class :character 1st Qu.:14.00 1st Qu.:15.00
## Mode :character Mode :character Median :20.00 Median :23.33
## Mean :28.82 Mean :23.33
## 3rd Qu.:40.00 3rd Qu.:25.00
## Max. :99.00 Max. :99.00
## NA's :111
## ESTACION.ARRANQUE LAMINAS.PROCESADAS
## Length:2297 Min. : 0.00
## Class :character 1st Qu.: 0.00
## Mode :character Median :20.00
## Mean :23.08
## 3rd Qu.:37.00
## Max. :98.00
## NA's :567Primero se reemplazaran los ceros por NAs para asi despues poder eliminarlos, para asi no tomarlos en cuenta y que la base de datos sea mas certera
bd6 <- bd5
bd6$LAMINAS.PROCESADAS[bd6$LAMINAS.PROCESADAS< 1]<- NA
summary (bd6)## CLIENTE PRODUCTO PIEZAS.P.G. TMO..MIN.
## Length:2297 Length:2297 Min. : 1.00 Min. : 0.00
## Class :character Class :character 1st Qu.:14.00 1st Qu.:15.00
## Mode :character Mode :character Median :20.00 Median :23.33
## Mean :28.82 Mean :23.33
## 3rd Qu.:40.00 3rd Qu.:25.00
## Max. :99.00 Max. :99.00
## NA's :111
## ESTACION.ARRANQUE LAMINAS.PROCESADAS
## Length:2297 Min. : 1.00
## Class :character 1st Qu.:17.00
## Mode :character Median :22.00
## Mean :31.14
## 3rd Qu.:42.00
## Max. :98.00
## NA's :1015bd7 <- bd6
bd7 <- na.omit(bd7)
str(bd7)## 'data.frame': 1282 obs. of 6 variables:
## $ CLIENTE : chr " STABILUS 1" " STABILUS 1" " STABILUS 1" " STABILUS 1" ...
## $ PRODUCTO : chr " ABOMAT 643920. JA IMP. CORTE. AZUL.PC0011. ( 2 Pza/ ja)." "KR55006. JA IMP. AZUL. CORTE. ( 1 pieza)." "241B KIT. EXPORT. INSERTO CON INSERTO. CORTE pa TROQUEL" "MOPAR GDE. 754549. JA IMP. NEG . PC0022. ( PC0043: solo si autoriza lidad). ( 1 Pieza). CORTE." ...
## $ PIEZAS.P.G. : int 20 10 21 10 20 20 10 12 32 50 ...
## $ TMO..MIN. : num 20 15 20 10 10 20 10 10 10 60 ...
## $ ESTACION.ARRANQUE : chr "C1" "C1" "C1" "C1" ...
## $ LAMINAS.PROCESADAS: int 40 13 11 10 51 40 22 13 33 50 ...
## - attr(*, "na.action")= 'omit' Named int [1:1015] 12 14 15 16 17 18 19 20 21 22 ...
## ..- attr(*, "names")= chr [1:1015] "12" "14" "15" "16" ...Clasificaicon de variables
Variable<-c("Fecha","CLIENTE","PIEZAS.PROG","TMO..MIN.","Laminas.procesadas")
Type<-c("Cuantitativa(Discreta)","Cualitativa", "Cuantitativa(Discreta)", "Cuantitativa(Discreta)", "Cuantitativa(Discreta)")
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
| Fecha | Cuantitativa(Discreta) |
| CLIENTE | Cualitativa |
| PIEZAS.PROG | Cuantitativa(Discreta) |
| TMO..MIN. | Cuantitativa(Discreta) |
| Laminas.procesadas | Cuantitativa(Discreta) |
Escala de medicion de cada variable
Variable<-c("Fecha","CLIENTE","PIEZAS.PROG","TMO..MIN.","Laminas.procesadas")
Type<-c("Cuantitativa(Discreta)","Cualitativa", "Cuantitativa(Discreta)", "Cuantitativa(Discreta)", "Cuantitativa(Discreta)")
Escala_de_Medición <- c("Fecha","Empresa","Numero de produccion", "Minutos","Sobrante")
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
| Fecha | Cuantitativa(Discreta) |
| CLIENTE | Cualitativa |
| PIEZAS.PROG | Cuantitativa(Discreta) |
| TMO..MIN. | Cuantitativa(Discreta) |
| Laminas.procesadas | Cuantitativa(Discreta) |
Analisis estadistico
Destacar el conjunto de datos, que apoyarian a la empresa a mejorar su operación.
Tablas cruzada
cruzada1<-table(bd7$Fecha,bd7$PIEZAS.PROG.)
knitr::kable(cruzada1)|| || || ||
cruzada2<-table(bd7$LAMINAS.PROCESADAS,bd7$TMO..MIN.)
knitr::kable(cruzada2)| 5 | 10 | 12 | 13 | 15 | 20 | 23.3327402135231 | 25 | 30 | 35 | 40 | 45 | 50 | 60 | 70 | 75 | 80 | 90 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2 | 0 | 3 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 3 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 4 | 0 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 5 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 6 | 0 | 4 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 7 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 8 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 9 | 0 | 9 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 10 | 0 | 12 | 0 | 0 | 13 | 45 | 5 | 35 | 2 | 0 | 1 | 0 | 13 | 0 | 0 | 0 | 0 | 0 |
| 11 | 0 | 12 | 0 | 0 | 7 | 3 | 1 | 1 | 2 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 |
| 12 | 0 | 7 | 1 | 0 | 7 | 7 | 0 | 2 | 0 | 0 | 1 | 0 | 0 | 10 | 0 | 0 | 1 | 0 |
| 13 | 0 | 11 | 0 | 0 | 4 | 5 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 2 | 0 | 1 | 0 |
| 14 | 0 | 0 | 0 | 0 | 1 | 6 | 1 | 5 | 3 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 15 | 0 | 2 | 0 | 0 | 5 | 10 | 0 | 1 | 0 | 0 | 5 | 0 | 3 | 1 | 0 | 6 | 0 | 0 |
| 16 | 0 | 4 | 0 | 0 | 0 | 4 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 17 | 0 | 7 | 1 | 0 | 1 | 0 | 0 | 2 | 0 | 0 | 2 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 18 | 0 | 3 | 0 | 0 | 1 | 3 | 1 | 2 | 0 | 0 | 3 | 4 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19 | 0 | 3 | 0 | 0 | 0 | 2 | 0 | 4 | 0 | 0 | 1 | 0 | 3 | 0 | 0 | 0 | 0 | 0 |
| 20 | 0 | 6 | 0 | 0 | 6 | 16 | 5 | 190 | 8 | 1 | 7 | 0 | 9 | 2 | 0 | 0 | 1 | 0 |
| 21 | 0 | 11 | 0 | 0 | 4 | 8 | 0 | 2 | 0 | 0 | 2 | 0 | 3 | 0 | 0 | 0 | 0 | 0 |
| 22 | 0 | 7 | 0 | 1 | 1 | 3 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 |
| 23 | 0 | 1 | 0 | 0 | 0 | 3 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 |
| 24 | 0 | 3 | 0 | 0 | 1 | 6 | 1 | 6 | 2 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 25 | 0 | 7 | 0 | 0 | 4 | 3 | 1 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 26 | 0 | 13 | 0 | 0 | 4 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 27 | 0 | 7 | 0 | 0 | 5 | 1 | 0 | 1 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 28 | 0 | 2 | 0 | 0 | 4 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 29 | 0 | 1 | 0 | 0 | 1 | 2 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 30 | 0 | 2 | 0 | 0 | 2 | 3 | 0 | 2 | 1 | 15 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 |
| 31 | 0 | 8 | 0 | 0 | 2 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 32 | 0 | 8 | 0 | 0 | 8 | 2 | 1 | 1 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 33 | 0 | 3 | 0 | 0 | 3 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 34 | 0 | 5 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 35 | 0 | 4 | 0 | 0 | 3 | 3 | 0 | 1 | 0 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
| 36 | 0 | 3 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 37 | 0 | 4 | 0 | 0 | 9 | 1 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 38 | 0 | 1 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 39 | 0 | 8 | 0 | 0 | 1 | 1 | 0 | 3 | 1 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 40 | 0 | 2 | 0 | 0 | 5 | 10 | 0 | 15 | 2 | 0 | 16 | 0 | 2 | 2 | 1 | 0 | 0 | 0 |
| 41 | 0 | 2 | 0 | 0 | 2 | 2 | 0 | 2 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 42 | 0 | 4 | 0 | 0 | 0 | 2 | 0 | 4 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 |
| 43 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 44 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 45 | 0 | 3 | 0 | 0 | 6 | 2 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 46 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 47 | 0 | 4 | 0 | 0 | 2 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 48 | 0 | 3 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 49 | 0 | 1 | 0 | 0 | 11 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 50 | 0 | 8 | 0 | 0 | 15 | 0 | 3 | 2 | 0 | 0 | 0 | 0 | 8 | 1 | 0 | 0 | 2 | 0 |
| 51 | 0 | 13 | 0 | 0 | 16 | 1 | 0 | 6 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 52 | 0 | 5 | 0 | 0 | 8 | 2 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 53 | 1 | 2 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 54 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 55 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 56 | 0 | 3 | 0 | 0 | 3 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 57 | 0 | 2 | 0 | 0 | 1 | 2 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 58 | 0 | 2 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 59 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 60 | 0 | 1 | 1 | 0 | 1 | 1 | 2 | 0 | 1 | 0 | 3 | 0 | 1 | 3 | 0 | 0 | 0 | 0 |
| 61 | 0 | 3 | 0 | 0 | 1 | 4 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 62 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 63 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 64 | 0 | 1 | 0 | 0 | 2 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 65 | 0 | 0 | 0 | 0 | 2 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 66 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 67 | 0 | 1 | 0 | 0 | 1 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 68 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 |
| 70 | 0 | 11 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 72 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 73 | 0 | 0 | 0 | 0 | 4 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 74 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 |
| 75 | 0 | 0 | 0 | 0 | 1 | 2 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 76 | 0 | 0 | 0 | 0 | 3 | 2 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 77 | 0 | 0 | 0 | 0 | 0 | 4 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 78 | 0 | 2 | 0 | 0 | 3 | 1 | 0 | 3 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 79 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 80 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 81 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 82 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 83 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 84 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 85 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 86 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 88 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 89 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 90 | 0 | 1 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 |
| 91 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 92 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 95 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 96 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 97 | 0 | 1 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 98 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
Graficas de datos cualitativos y cuantitativos
Datos cualitativos
barplot(prop.table(table(bd7$LAMINAS.PROCESADAS)),col=c("red","yellow","blue","black"),main="Fabricante por estado", ylab ="Frecuencias",las=1)
pie(prop.table(table(bd7$CLIENTE)),col=c("red","orange","yellow","green","blue","purple","pink","black","white"),main="Empresa", ylab ="Frecuencias",las=1)
Gráficos de dispersión
Datos Cuantitativos
plot(bd7$TMO..MIN., xlab = "Proceso", ylab = "Tiempo", main = "Tiempo por manufacturacion de Lamina" )
Scrap
Importar base de datos Scrap
file.choose()## [1] "C:\\Users\\jimen\\Documents\\Ventas market\\Actividad Individual.Rmd"bds <- read.csv("C:\\Users\\jimen\\Downloads\\FORM - Scrap.csv")Entender de la base de datos
summary(bds)## Referencia Fecha Producto Cantidad
## Length:251 Length:251 Length:251 Min. : 0.00
## Class :character Class :character Class :character 1st Qu.: 1.00
## Mode :character Mode :character Mode :character Median : 2.00
## Mean : 13.34
## 3rd Qu.: 7.00
## Max. :1674.00
## Unidad.de.medida Ubicación.de.origen Ubicación.de.desecho Estado
## Length:251 Length:251 Length:251 Length:251
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## Numero de variables y registros en la base de datos
La base datos cuenta con 251 registros y 8 variables
str(bds)## 'data.frame': 251 obs. of 8 variables:
## $ Referencia : chr "agosto 2022 (250)" "SP/08731" "SP/08730" "SP/08729" ...
## $ Fecha : chr "" "2022-08-31 14:55:40" "2022-08-31 14:49:25" "2022-08-31 13:49:29" ...
## $ Producto : chr "" "[BACKFRAME 60% CUELLO ARMADO] 18805. 60% Backframe. Cuello Armado." "[N61506747 CAJA] N61506747. Kit. Caja." "[N61506729 SEPARADOR] N61506729. Kit. Separador." ...
## $ Cantidad : num 1674 2 1 1 31 ...
## $ Unidad.de.medida : chr "" "Unidad(es)" "Unidad(es)" "Unidad(es)" ...
## $ Ubicación.de.origen : chr "" "SAB/Calidad/Entrega de PT" "SAB/Calidad/Entrega de PT" "SAB/Calidad/Entrega de PT" ...
## $ Ubicación.de.desecho: chr "" "Virtual Locations/Scrapped" "Virtual Locations/Scrapped" "Virtual Locations/Scrapped" ...
## $ Estado : chr "" "Hecho" "Hecho" "Hecho" ...#install.packages("psych")
library(psych)Tecnicas de limpieza
Tecnica 1
Remover valores irrelevantes
Es necesario eliminar datos que no agregan valor para el analisis, de esta manera se hace aun mas especifico para lo que queremos entender
Eliminar columnas
bds2 <- bds
bds2 <- subset(bds2, select = -c (Referencia,Unidad.de.medida)) Remover valores irrelevantes
Es necesario eliminar datos que no agregan valor para el analisis, de esta manera se hace aun mas especifico para lo que queremos entender
Eliminar renglones
bds3 <- bds2
bds3 <- bds3[bds3$Cantidad>0,]
summary (bds3)## Fecha Producto Cantidad Ubicación.de.origen
## Length:250 Length:250 Min. : 1.00 Length:250
## Class :character Class :character 1st Qu.: 1.00 Class :character
## Mode :character Mode :character Median : 2.00 Mode :character
## Mean : 13.39
## 3rd Qu.: 7.00
## Max. :1674.00
## Ubicación.de.desecho Estado
## Length:250 Length:250
## Class :character Class :character
## Mode :character Mode :character
##
##
## Clasificacion de variables en cuantitativa o cualitativa
Variable<-c("Fecha","Producto","Cantidad","Ubicación.de.origen","Ubicación.de.desecho","Estado")
Type<-c("Cuantitativa(Discreta)","Cualitativa", "Cualitativa", "Cualitativa", "Cualitativa","Cualitativa")
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
| Fecha | Cuantitativa(Discreta) |
| Producto | Cualitativa |
| Cantidad | Cualitativa |
| Ubicación.de.origen | Cualitativa |
| Ubicación.de.desecho | Cualitativa |
| Estado | Cualitativa |
Eleccion de escala de medicion
Variable2<-c("Fecha","Producto","Cantidad","Ubicación.de.origen","Ubicación.de.desecho","Estado")
Type<-c("Cuantitativa(Discreta)","Cualitativa", "Cualitativa", "Cualitativa", "Cualitativa","Cualitativa")
Escala_de_Medición2 <- c("Fecha","Producto","Numero de produccion", "Origen","Ubicacion","Completado")
table2<-data.frame(Variable,Type)
knitr::kable(table2)| Variable | Type |
|---|---|
| Fecha | Cuantitativa(Discreta) |
| Producto | Cualitativa |
| Cantidad | Cualitativa |
| Ubicación.de.origen | Cualitativa |
| Ubicación.de.desecho | Cualitativa |
| Estado | Cualitativa |
Analisis estadistico descriptivo
En el que se logre destacar el conjunto de datos, que apoyarian a la empresa a mejorar su operación.
Tablas cruzada
cruzada3<-table(bds3$Cantidad,bds3$Estado)
knitr::kable(cruzada3)| Hecho | ||
|---|---|---|
| 1 | 0 | 76 |
| 2 | 0 | 59 |
| 2.5 | 0 | 2 |
| 3 | 0 | 14 |
| 4 | 0 | 18 |
| 5 | 0 | 4 |
| 6 | 0 | 11 |
| 7 | 0 | 4 |
| 8 | 0 | 10 |
| 9 | 0 | 6 |
| 10 | 0 | 8 |
| 11 | 0 | 1 |
| 12 | 0 | 4 |
| 13 | 0 | 2 |
| 14 | 0 | 1 |
| 15 | 0 | 3 |
| 16 | 0 | 2 |
| 18 | 0 | 1 |
| 19 | 0 | 2 |
| 20 | 0 | 5 |
| 24 | 0 | 4 |
| 28 | 0 | 1 |
| 31 | 0 | 1 |
| 36 | 0 | 2 |
| 40 | 0 | 1 |
| 43 | 0 | 1 |
| 48 | 0 | 1 |
| 51 | 0 | 1 |
| 56 | 0 | 1 |
| 60 | 0 | 1 |
| 80 | 0 | 1 |
| 96 | 0 | 1 |
| 1674.0016 | 1 | 0 |
cruzada4<-table(bds3$Producto,bds3$Ubicación.de.desecho)
knitr::kable(cruzada4)| Virtual Locations/Scrapped | ||
|---|---|---|
| 1 | 0 | |
| [2065WY AS 30 99 0000 00 000 TAPA - BOX 2064WY] BOX 2064WY | 0 | 2 |
| [241B EXPORT CAJA] 241B. Export. Caja. | 0 | 1 |
| [341332 CELDA - U611 & U625] 341332. U611. U625. Celda Troquelada. | 0 | 10 |
| [341332 CHAROLA - U611 & U625] 341332. U611. U625. Charola Troquelada. | 0 | 5 |
| [341332 DIVISOR - U611 & U625] 341332. U611. U625. Divisor Troquelado. | 0 | 5 |
| [357790-TAPA] 357790. Tapa. | 0 | 3 |
| [358268-CAJA] 358268-CAJA | 0 | 2 |
| [358268-TAPA] 358268-TAPA | 0 | 2 |
| [428579 AS 30 99 0000 00 000 INSERTO- FORD DAMPER] 14306. Damper Ford DTP. Inserto. | 0 | 1 |
| [428818 AS 30 99 0000 00 000 INSERTO - CHRYSLER INSERT DJ] CHRYSLER INSERT DJ PART 694087 | 0 | 3 |
| [429296 AS 30 99 0000 00 000 INSERTO - INSERT TMC 150 TESLA] 14783. TMC150. Inserto. | 0 | 1 |
| [446265 AS 30 99 0000 00 000 CAPA INTERMEDIA- PAD 43X36 DAIMLER] 14454. Daimler Pad 43 X 36 | 0 | 2 |
| [467.416-24 COMPARTIMENT INSERT 535X335X221MM CC ESD] Refacciones. P1. Celdado. | 0 | 1 |
| [496455 FS 30 99 0000 00 000 CARTÓN - BOX 0371813] BOX 0371813 | 0 | 1 |
| [500033 AS 30 99 0000 00 000 INSERTO - Inserto FORD China 500033] 17397. 500033. FORD China. Inserto. | 0 | 1 |
| [642762 PACKING, SHEET, 565.2X742.9 - INSERT 642762] 642762. Pad. S.M. | 0 | 3 |
| [643920 CART, SOM, 746.8X569.0X292.1, RSC - BOX 643920 STABOMAT] 13891. 643920. Stabomat. Caja. | 0 | 2 |
| [647713] 647713. Caja. | 0 | 3 |
| [938830 FS 30 99 0000 00 000 CARTÓN - SIZE 24”] 24”. Caja Terminada. | 0 | 1 |
| [939069 FS 30 99 0000 00 000 CARTÓN -BOX 939069 34”] 34”. Caja Terminada. | 0 | 1 |
| [A - CELDA SUDAFRICA BMW G01 LCI] Sudafrica. A. Pieza. | 0 | 3 |
| [B - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. B. Pieza. | 0 | 3 |
| [BACKFRAME 60% CUELLO ARMADO] 18805. 60% Backframe. Cuello Armado. | 0 | 1 |
| [BACKFRAME 60% TAPA BASE] 18271. 60% Backframe. Tapa Base. | 0 | 1 |
| [BOX 143907 - CELDA] 143907. Solares. Celda Troquelada. | 0 | 3 |
| [BOX 143907 - TAPA] 143907. Solares. Tapa Troquelada. | 0 | 1 |
| [C - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. C. Pieza. | 0 | 3 |
| [CAJA ( ARMREST / HR REAR) TMC 110 MODEL Y] 19148. Modelo Y. TMC0110. Armrest & Rear & Center. Caja | 0 | 1 |
| [CAJA 695] N61506695. Caja. | 0 | 1 |
| [CAJA 726] N61506726 CAJA | 0 | 1 |
| [CAJA 734949] CAJA 734949 | 0 | 1 |
| [CAJA 784] 784. Kit. Caja. | 0 | 2 |
| [CAJA 95161] 19079. 95161. Kit. Caja. | 0 | 1 |
| [Caja backup canastilla gris] CAJA DE CARTÓN BACK UP CANASTILLA GRIS- P3 | 0 | 1 |
| [CAJA INDUSTRIAL 16” ROTATIVA] 16”. Lamina Troquelada. | 0 | 12 |
| [CAJA INDUSTRIAL 24” ROTATIVA COMPLETA] 24”. Lamina Troquelada. | 0 | 3 |
| [CAJA INDUSTRIAL 34” ROTATIVA] 34”. Lamina Troquelada. | 0 | 11 |
| [CAJA INDUSTRIAL 48” CON SELLO (PP)] 48”. Lamina Troquelada. | 0 | 7 |
| [CAJA MCV] Toyota. MCV. Caja Troquelada. | 0 | 2 |
| [CAJA RSC DE KIT REFLEX] 857. Reflex. Caja. | 0 | 1 |
| [CAJA RSC SHOCK TOWER] Shock Tower. Caja. | 0 | 2 |
| [CAJA RSC TGTX] TGTX. Caja RSC. | 0 | 1 |
| [CELDA 955061] 955061. Celda Troquelada. | 0 | 6 |
| [Celda Audi coupe] 18892. Coupe. Celda Troquelada. | 0 | 3 |
| [CELDA AUDI Q5] 14096. Audi Q5. Celda Troquelada. | 0 | 10 |
| [CELDA CON MICRO CORUUGAD O EN 32 PORTA ETIQUETA] TR13777 KIT TGTX. Caja + Celda | 0 | 1 |
| [CELDA GM177] 14100. GM177. Celda Troquelada. | 0 | 9 |
| [CELDA VW CHATTANOOGA] Chattanooga. St3. Celda Troquelada. | 0 | 1 |
| [CELL C] 60% Backframe. Separador con Doblez. | 0 | 1 |
| [CHAROLA 955061] 955061. Charola Troquelada. | 0 | 5 |
| [Charola audi coupe] 18890. Coupe. Charola Troquelada. | 0 | 2 |
| [CHAROLA AUDI Q5] 14128. Audi Q5. Charola Troquelada. | 0 | 5 |
| [CHAROLA GM177] 14131. GM177. Charola Troquelada. | 0 | 5 |
| [CHAROLA VW CHATTANOOGA] Chattanooga. St1 y St3. Charola Troquelada. | 0 | 5 |
| [Console cell] Console Lower. Celda Armada. | 0 | 1 |
| [D - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. D. Pieza. | 0 | 3 |
| [DIVISOR AUDI Q5] 14234. Audi Q5. Divisor Troquelado. | 0 | 4 |
| [DIVISOR CON DOBLEZ VW CHATTANOOGA] Chattanooga. St1 y St3. Divisor Troquelado. | 0 | 4 |
| [DIVISOR GM177] 14238. GM177. Divisor. | 0 | 5 |
| [DIVISOR REFLEX] 857. Reflex. Divisor. | 0 | 1 |
| [DIVISOR ZIGZAG VW CHATTANOOGA] Chattanooga. St1 y St3. Zig Zag Troquelado. | 0 | 4 |
| [E - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. E. Pieza. | 0 | 2 |
| [F - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. F. Pieza. | 0 | 3 |
| [HSC P702 ICP] 17215. P558. P702. CD539. ICP. Caja HSC. Pieza. | 0 | 4 |
| [INSERTO 241B EXPORT] 14308. 241B. Export. Inserto. | 0 | 2 |
| [Inserto Nextracker 3.0] Nextracker. 2.0. Damper. Inserto. | 0 | 4 |
| [INSERTO SOLARES] 143907. Solares. Inserto Troquelada. | 0 | 1 |
| [MITAD DE CUELLO SHOCK TOWER] Shock Tower. Mitad Cuello. | 0 | 1 |
| [MQ4A-Dunnage-part2] Kia. Inserto. Pieza. | 0 | 3 |
| [MQ4A-Dunnage-tray] Kia. Charola. Pieza. | 0 | 3 |
| [N61506396 CAJA] N61506396. Caja. | 0 | 2 |
| [N61506396 SEPARADOR] N61506396. Separador. | 0 | 1 |
| [N61506729 SEPARADOR] N61506729. Kit. Separador. | 0 | 1 |
| [N61506747 CAJA] N61506747. Kit. Caja. | 0 | 3 |
| [N61506747 TAPA] N61506747. Kit. Tapa. | 0 | 2 |
| [NEXTRACKER 2.0 DAMPER CUELLO] 18976. Nextracker. 2.0. Damper. Cuello, | 0 | 2 |
| [NEXTRACKER 2.0 DAMPER TAPA DE COROPLAST] Nextracker. 2.0. Damper. Tapa de Coroplast. | 0 | 2 |
| [PTN.WS IP 60 CELL IBT] Y0199489 PTN.WS IP 60 CELL IBT | 0 | 1 |
| [REJILLA DE 16X PARA PIVOT DE TESLA PARA PROCESO DE MTM A PPG] CELDA PIVOTE CONTENEDOR RETORNABLE | 0 | 1 |
| [SEAT BACK CAJA] Seat Back. Caja HSC 1/2 | 0 | 2 |
| [SEAT BACK CELDADO] Seat Back. Celda Armada. | 0 | 1 |
| [SEPARADOR 41” X 44” PARA PIVOTE Y SEAT BACK DE MTM A PPG] SEPARADOR PIVOTE CONTENEDOR RETORNABLE | 0 | 1 |
| [SEPARADOR MOTORGEAR] Motorgear. Separador para Celdas. | 0 | 1 |
| [TAPA 695] N61506695. Tapa. | 0 | 1 |
| [TAPA AVANAZAR] Avanzar. Tapa. Pieza. | 0 | 2 |
| [TESLA XDA90 CELDA A] XDA90. A. Pieza. | 0 | 3 |
| [TESLA XDA90 CELDA B] XDA90. B. Pieza. | 0 | 1 |
| [TESLA XDA90 CHAROLA SUAJADA] XDA90. Charola. Pieza. | 0 | 2 |
| [TMC 050 - RSC] Console lower - TMC 050 | 0 | 1 |
| [TMC 095] 19162. Modelo Y. TMC095. Front. Caja. | 0 | 2 |
| [TMC XXX] Armrest. Caja RSC. | 0 | 1 |
| [TR11910 CHAROLA C/2 DIV #20 SMOOTH C/32 CAVIDADES] TR11910. U725. DMS. ITB. Charola con ITB. | 0 | 3 |
| [TR12438 TAPA ICP 539 TAPA 2415-2 EN CPARTÓN SENCILLO CORRUGADO] 18840. CD539. Tapa. | 0 | 1 |
| [TR12440 TAPA P558] 18842. P558. Tapa. | 0 | 1 |
| [TR13776 CAJA RSC CK 44 ECT C/ PORTA ETIQUETA] TR13776. Caja con Porta Etiqueta. | 0 | 1 |
Graficas de datos cualitativos y cuantitativos
Datos cualitativos
barplot(prop.table(table(bds3$Producto)),col=c("red","orange","yellow","green","blue","grey","purple","black","white"),main="Cantidad de Productos", ylab ="Frecuencia",las=1)
Merma
Importar base de datos Merma
file.choose()## [1] "C:\\Users\\jimen\\Documents\\Ventas market\\Actividad Individual.Rmd"bdm <- read.csv("C:\\Users\\jimen\\Downloads\\FORM - Merma.csv")Entender base de datos
summary(bdm)## Fecha Mes Kilos
## Length:60 Length:60 Length:60
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :characterNumero de variables y registros en la base de datos
La base datos cuenta con 60 registros y 3 variables
str(bdm)## 'data.frame': 60 obs. of 3 variables:
## $ Fecha: chr "1/11/2022" "1/11/2022" "1/22/2022" "1/22/2022" ...
## $ Mes : chr "ENERO" "ENERO" "ENERO" "ENERO" ...
## $ Kilos: chr "5080" "3810" "2990" "2680" ...#install.packages("psych")
library(psych)Tecnicas de Limpieza
Tecnica 1. Remover valores irrelevantes
Es necesario eliminar datos que no agregan valor para el analisis, de esta manera se hace aun mas especifico para lo que queremos entender
Eliminar columnas
bdm2 <- bdm
bdm2 <- subset(bdm2, select = -c (Fecha)) Clasificacion de variables cualitativos y cuantitativos
Variable<-c("Mes","Kilos")
Type<-c("Cuantitativo (discreto)","Cuantitativo (discreto)")
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
| Mes | Cuantitativo (discreto) |
| Kilos | Cuantitativo (discreto) |
Escala de medicion
Variable<-c("Mes","Kilos")
Type<-c("Cuantitativo (discreto)","Cuantitativo (discreto)")
Escala_de_Medición <- c("Mes","Peso")
table<-data.frame(Variable,Type)
knitr::kable(table)| Variable | Type |
|---|---|
| Mes | Cuantitativo (discreto) |
| Kilos | Cuantitativo (discreto) |
Reflexion
A lo largo de esta actividad se lograron duplicar los procedimientos realizados en la actividad colaborativa para las bases de datos de “Produccion”, “Merma” y “Scrap” de las cuales se puede resaltar que la de Produccion contaba con una uy pobre organizacion ya que de suma importancia realizar una limpieza donde se acomodaran de manera mas optima los datos en lugar de tenerlos separados por hojas al dia, ademas de tener que remover algunas letras que se encontraban traspapeladas entre los numeros.
Mientras que por otra parte para las demas bases de datos no fue necesario realizar ajustes desde excel sino que a partir de RStudio se hizo todo lo demas mediante las tecnica de limpieza escogidas con base en lo que era necesario.
Para cada base de datos se hizo casi el mismo procedimiento para su analisis, comenzando por limieza, siguiendo con clasificacion, unidades y finalmente la visualizacion mediante graaficas ya que esto iba a ser de mucha ayuda para entender muchisimo mejor tanto la Base de datos de “Produccion” como la de “Scrap”, aunque por la otra parte, para la base de datos de “Merma” solo fue necesario la clasificacion de variables y su escala de medicion