SCRAP
Equipo 6
04-10-2022
Importar base de datos
#file.choose()
bd <- read.csv("/Users/joseramonvazquezguzman/Documents/Tecnológico de Monterrey/Septimo semestre/Analítica de datos /RETO/Bases de datos (limpias) CSV /FORM - Scrap Limpia .csv")Tipos de Variables Existentes
variable<-c("Referencia","Fecha", "Hora", "Producto", "Cantidad", "Unidad.de.medida", "Ubicación.de.origen", "Ubicación.de.desecho", "Estado")
type<-c("Cualitativo (nominal)","Cuantitativo (disccreta)", "Cuantitativo (discreta)", "Cualitativo (nominal)","Cuantitativo (Continua)", "Cualitativo (nominal)", "Cualitativo (nominal)","Cualitativo (nominal)","Cualitativo (nominal)")
Escala_de_Medición<-c("Numero", "Fecha", "Categoría", "Kg", "Medición", "Posición", "Posición", "Estado")
table<-data.frame(variable,type)
knitr::kable(table)| variable | type |
|---|---|
| Referencia | Cualitativo (nominal) |
| Fecha | Cuantitativo (disccreta) |
| Hora | Cuantitativo (discreta) |
| Producto | Cualitativo (nominal) |
| Cantidad | Cuantitativo (Continua) |
| Unidad.de.medida | Cualitativo (nominal) |
| Ubicación.de.origen | Cualitativo (nominal) |
| Ubicación.de.desecho | Cualitativo (nominal) |
| Estado | Cualitativo (nominal) |
Cantidad de productos por día
bd$Fecha<- as.Date(bd$Fecha,format = "%d/%m/%Y")
plot(bd$Fecha, bd$Cantidad)
summary(bd)## Referencia Fecha Hora Producto
## Length:250 Min. :2022-08-01 Length:250 Length:250
## Class :character 1st Qu.:2022-08-11 Class :character Class :character
## Mode :character Median :2022-08-19 Mode :character Mode :character
## Mean :2022-08-17
## 3rd Qu.:2022-08-25
## Max. :2022-08-31
## Cantidad Unidad.de.medida Ubicación.de.origen Ubicación.de.desecho
## Min. : 0.000 Length:250 Length:250 Length:250
## 1st Qu.: 1.000 Class :character Class :character Class :character
## Median : 2.000 Mode :character Mode :character Mode :character
## Mean : 6.696
## 3rd Qu.: 7.000
## Max. :96.000
## Estado
## Length:250
## Class :character
## Mode :character
##
##
## library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.8 ✔ dplyr 1.0.10
## ✔ tidyr 1.2.0 ✔ stringr 1.4.1
## ✔ readr 2.1.2 ✔ forcats 0.5.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
library(janitor)##
## Attaching package: 'janitor'
##
## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testNúmero de variables y registros en base de datos
library(psych)##
## Attaching package: 'psych'## The following objects are masked from 'package:ggplot2':
##
## %+%, alphadescribe(bd)## 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 range
## Referencia* 1 250 125.50 72.31 125.5 125.50 92.66 1 250 249
## Fecha 2 250 NaN NA NA NaN NA Inf -Inf -Inf
## Hora* 3 250 125.50 72.31 125.5 125.50 92.66 1 250 249
## Producto* 4 250 44.38 24.72 45.0 44.12 25.95 1 95 94
## Cantidad 5 250 6.70 11.85 2.0 3.88 1.48 0 96 96
## Unidad.de.medida* 6 250 1.00 0.00 1.0 1.00 0.00 1 1 0
## Ubicación.de.origen* 7 250 2.48 0.85 3.0 2.60 0.00 1 3 2
## Ubicación.de.desecho* 8 250 1.00 0.00 1.0 1.00 0.00 1 1 0
## Estado* 9 250 1.00 0.00 1.0 1.00 0.00 1 1 0
## skew kurtosis se
## Referencia* 0.00 -1.21 4.57
## Fecha NA NA NA
## Hora* 0.00 -1.21 4.57
## Producto* 0.01 -0.79 1.56
## Cantidad 4.12 21.14 0.75
## Unidad.de.medida* NaN NaN 0.00
## Ubicación.de.origen* -1.10 -0.70 0.05
## Ubicación.de.desecho* NaN NaN 0.00
## Estado* NaN NaN 0.00str(bd)## 'data.frame': 250 obs. of 9 variables:
## $ Referencia : chr "SP/08731" "SP/08730" "SP/08729" "SP/08728" ...
## $ Fecha : Date, format: "2022-08-31" "2022-08-31" ...
## $ Hora : chr "14:55:40" "14:49:25" "13:49:29" "09:30:07" ...
## $ Producto : chr "[BACKFRAME 60% CUELLO ARMADO] 18805. 60% Backframe. Cuello Armado." "[N61506747 CAJA] N61506747. Kit. Caja." "[N61506729 SEPARADOR] N61506729. Kit. Separador." "[341332 DIVISOR - U611 & U625] 341332. U611. U625. Divisor Troquelado." ...
## $ Cantidad : num 2 1 1 31 1 1 1 9 2 1 ...
## $ Unidad.de.medida : chr "Unidad(es)" "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" "SAB/Pre-Production" ...
## $ Ubicación.de.desecho: chr "Virtual Locations/Scrapped" "Virtual Locations/Scrapped" "Virtual Locations/Scrapped" "Virtual Locations/Scrapped" ...
## $ Estado : chr "Hecho" "Hecho" "Hecho" "Hecho" ...tabyl(bd, Producto, Ubicación.de.origen)## Producto
## [2065WY AS 30 99 0000 00 000 TAPA - BOX 2064WY] BOX 2064WY
## [241B EXPORT CAJA] 241B. Export. Caja.
## [341332 CELDA - U611 & U625] 341332. U611. U625. Celda Troquelada.
## [341332 CHAROLA - U611 & U625] 341332. U611. U625. Charola Troquelada.
## [341332 DIVISOR - U611 & U625] 341332. U611. U625. Divisor Troquelado.
## [357790-TAPA] 357790. Tapa.
## [358268-CAJA] 358268-CAJA
## [358268-TAPA] 358268-TAPA
## [428579 AS 30 99 0000 00 000 INSERTO- FORD DAMPER] 14306. Damper Ford DTP. Inserto.
## [428818 AS 30 99 0000 00 000 INSERTO - CHRYSLER INSERT DJ] CHRYSLER INSERT DJ PART 694087
## [429296 AS 30 99 0000 00 000 INSERTO - INSERT TMC 150 TESLA] 14783. TMC150. Inserto.
## [446265 AS 30 99 0000 00 000 CAPA INTERMEDIA- PAD 43X36 DAIMLER] 14454. Daimler Pad 43 X 36
## [467.416-24 COMPARTIMENT INSERT 535X335X221MM CC ESD] Refacciones. P1. Celdado.
## [496455 FS 30 99 0000 00 000 CARTÓN - BOX 0371813] BOX 0371813
## [500033 AS 30 99 0000 00 000 INSERTO - Inserto FORD China 500033] 17397. 500033. FORD China. Inserto.
## [642762 PACKING, SHEET, 565.2X742.9 - INSERT 642762] 642762. Pad. S.M.
## [643920 CART, SOM, 746.8X569.0X292.1, RSC - BOX 643920 STABOMAT] 13891. 643920. Stabomat. Caja.
## [647713] 647713. Caja.
## [938830 FS 30 99 0000 00 000 CARTÓN - SIZE 24"] 24". Caja Terminada.
## [939069 FS 30 99 0000 00 000 CARTÓN -BOX 939069 34"] 34". Caja Terminada.
## [A - CELDA SUDAFRICA BMW G01 LCI] Sudafrica. A. Pieza.
## [B - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. B. Pieza.
## [BACKFRAME 60% CUELLO ARMADO] 18805. 60% Backframe. Cuello Armado.
## [BACKFRAME 60% TAPA BASE] 18271. 60% Backframe. Tapa Base.
## [BOX 143907 - CELDA] 143907. Solares. Celda Troquelada.
## [BOX 143907 - TAPA] 143907. Solares. Tapa Troquelada.
## [C - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. C. Pieza.
## [CAJA ( ARMREST / HR REAR) TMC 110 MODEL Y] 19148. Modelo Y. TMC0110. Armrest & Rear & Center. Caja
## [CAJA 695] N61506695. Caja.
## [CAJA 726] N61506726 CAJA
## [CAJA 734949] CAJA 734949
## [CAJA 784] 784. Kit. Caja.
## [CAJA 95161] 19079. 95161. Kit. Caja.
## [Caja backup canastilla gris] CAJA DE CARTÓN BACK UP CANASTILLA GRIS- P3
## [CAJA INDUSTRIAL 16" ROTATIVA] 16". Lamina Troquelada.
## [CAJA INDUSTRIAL 24" ROTATIVA COMPLETA] 24". Lamina Troquelada.
## [CAJA INDUSTRIAL 34" ROTATIVA] 34". Lamina Troquelada.
## [CAJA INDUSTRIAL 48" CON SELLO (PP)] 48". Lamina Troquelada.
## [CAJA MCV] Toyota. MCV. Caja Troquelada.
## [CAJA RSC DE KIT REFLEX] 857. Reflex. Caja.
## [CAJA RSC SHOCK TOWER] Shock Tower. Caja.
## [CAJA RSC TGTX] TGTX. Caja RSC.
## [CELDA 955061] 955061. Celda Troquelada.
## [Celda Audi coupe] 18892. Coupe. Celda Troquelada.
## [CELDA AUDI Q5] 14096. Audi Q5. Celda Troquelada.
## [CELDA CON MICRO CORUUGAD O EN 32 PORTA ETIQUETA] TR13777 KIT TGTX. Caja + Celda
## [CELDA GM177] 14100. GM177. Celda Troquelada.
## [CELDA VW CHATTANOOGA] Chattanooga. St3. Celda Troquelada.
## [CELL C] 60% Backframe. Separador con Doblez.
## [CHAROLA 955061] 955061. Charola Troquelada.
## [Charola audi coupe] 18890. Coupe. Charola Troquelada.
## [CHAROLA AUDI Q5] 14128. Audi Q5. Charola Troquelada.
## [CHAROLA GM177] 14131. GM177. Charola Troquelada.
## [CHAROLA VW CHATTANOOGA] Chattanooga. St1 y St3. Charola Troquelada.
## [Console cell] Console Lower. Celda Armada.
## [D - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. D. Pieza.
## [DIVISOR AUDI Q5] 14234. Audi Q5. Divisor Troquelado.
## [DIVISOR CON DOBLEZ VW CHATTANOOGA] Chattanooga. St1 y St3. Divisor Troquelado.
## [DIVISOR GM177] 14238. GM177. Divisor.
## [DIVISOR REFLEX] 857. Reflex. Divisor.
## [DIVISOR ZIGZAG VW CHATTANOOGA] Chattanooga. St1 y St3. Zig Zag Troquelado.
## [E - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. E. Pieza.
## [F - CELDA SUDAFRICA BMW G01 LCI] Sudáfrica. F. Pieza.
## [HSC P702 ICP] 17215. P558. P702. CD539. ICP. Caja HSC. Pieza.
## [INSERTO 241B EXPORT] 14308. 241B. Export. Inserto.
## [Inserto Nextracker 3.0] Nextracker. 2.0. Damper. Inserto.
## [INSERTO SOLARES] 143907. Solares. Inserto Troquelada.
## [MITAD DE CUELLO SHOCK TOWER] Shock Tower. Mitad Cuello.
## [MQ4A-Dunnage-part2] Kia. Inserto. Pieza.
## [MQ4A-Dunnage-tray] Kia. Charola. Pieza.
## [N61506396 CAJA] N61506396. Caja.
## [N61506396 SEPARADOR] N61506396. Separador.
## [N61506729 SEPARADOR] N61506729. Kit. Separador.
## [N61506747 CAJA] N61506747. Kit. Caja.
## [N61506747 TAPA] N61506747. Kit. Tapa.
## [NEXTRACKER 2.0 DAMPER CUELLO] 18976. Nextracker. 2.0. Damper. Cuello,
## [NEXTRACKER 2.0 DAMPER TAPA DE COROPLAST] Nextracker. 2.0. Damper. Tapa de Coroplast.
## [PTN.WS IP 60 CELL IBT] Y0199489 PTN.WS IP 60 CELL IBT
## [REJILLA DE 16X PARA PIVOT DE TESLA PARA PROCESO DE MTM A PPG] CELDA PIVOTE CONTENEDOR RETORNABLE
## [SEAT BACK CAJA] Seat Back. Caja HSC 1/2
## [SEAT BACK CELDADO] Seat Back. Celda Armada.
## [SEPARADOR 41" X 44" PARA PIVOTE Y SEAT BACK DE MTM A PPG] SEPARADOR PIVOTE CONTENEDOR RETORNABLE
## [SEPARADOR MOTORGEAR] Motorgear. Separador para Celdas.
## [TAPA 695] N61506695. Tapa.
## [TAPA AVANAZAR] Avanzar. Tapa. Pieza.
## [TESLA XDA90 CELDA A] XDA90. A. Pieza.
## [TESLA XDA90 CELDA B] XDA90. B. Pieza.
## [TESLA XDA90 CHAROLA SUAJADA] XDA90. Charola. Pieza.
## [TMC 050 - RSC] Console lower - TMC 050
## [TMC 095] 19162. Modelo Y. TMC095. Front. Caja.
## [TMC XXX] Armrest. Caja RSC.
## [TR11910 CHAROLA C/2 DIV #20 SMOOTH C/32 CAVIDADES] TR11910. U725. DMS. ITB. Charola con ITB.
## [TR12438 TAPA ICP 539 TAPA 2415-2 EN CPARTÓN SENCILLO CORRUGADO] 18840. CD539. Tapa.
## [TR12440 TAPA P558] 18842. P558. Tapa.
## [TR13776 CAJA RSC CK 44 ECT C/ PORTA ETIQUETA] TR13776. Caja con Porta Etiqueta.
## SAB/Calidad/Entrega de PT SAB/Post-Production SAB/Pre-Production
## 1 0 1
## 1 0 0
## 0 0 10
## 0 0 5
## 0 0 5
## 2 0 1
## 2 0 0
## 2 0 0
## 1 0 0
## 1 0 2
## 1 0 0
## 2 0 0
## 1 0 0
## 0 1 0
## 1 0 0
## 3 0 0
## 1 0 1
## 1 0 2
## 1 0 0
## 1 0 0
## 0 0 3
## 0 0 3
## 1 0 0
## 1 0 0
## 0 0 3
## 0 0 1
## 0 0 3
## 0 0 1
## 0 1 0
## 0 1 0
## 0 0 1
## 0 2 0
## 0 0 1
## 0 1 0
## 0 0 12
## 0 0 3
## 0 0 11
## 0 0 7
## 0 0 2
## 0 1 0
## 2 0 0
## 0 0 1
## 0 0 6
## 0 0 3
## 0 0 10
## 1 0 0
## 0 0 9
## 0 0 1
## 1 0 0
## 0 0 5
## 0 0 2
## 0 0 5
## 0 0 5
## 0 0 5
## 2 0 0
## 0 0 3
## 0 0 4
## 0 0 4
## 0 0 5
## 0 1 0
## 0 0 4
## 0 0 2
## 0 0 3
## 0 0 4
## 2 0 0
## 3 0 1
## 0 0 1
## 0 0 1
## 0 0 3
## 0 0 3
## 1 1 0
## 0 1 0
## 1 0 0
## 3 0 0
## 2 0 0
## 2 0 0
## 2 0 0
## 1 0 0
## 1 0 0
## 2 0 0
## 1 0 0
## 1 0 0
## 1 0 0
## 0 1 0
## 0 0 2
## 0 0 3
## 0 0 1
## 0 0 2
## 0 0 1
## 1 0 1
## 0 0 1
## 3 0 0
## 0 1 0
## 1 0 0
## 0 1 0Tipos de Variables Existentes
variable<-c("Referencia","Fecha", "Hora", "Producto", "Cantidad", "Unidad.de.medida", "Ubicación.de.origen", "Ubicación.de.desecho")
type<-c("Cualitativo (nominal)","Cuantitativo (disccreta)", "Cuantitativo (discreta)", "Cualitativo (nominal)","Cuantitativo (Continua)", "Cualitativo (nominal)", "Cualitativo (nominal)","Cualitativo (nominal)")
table<-data.frame(variable,type)
knitr::kable(table)| variable | type |
|---|---|
| Referencia | Cualitativo (nominal) |
| Fecha | Cuantitativo (disccreta) |
| Hora | Cuantitativo (discreta) |
| Producto | Cualitativo (nominal) |
| Cantidad | Cuantitativo (Continua) |
| Unidad.de.medida | Cualitativo (nominal) |
| Ubicación.de.origen | Cualitativo (nominal) |
| Ubicación.de.desecho | Cualitativo (nominal) |
Limpieza de datos
## Eliminar columnas que no se usan
bd1 <- bd
bd1<- subset(bd1, select = -c (Referencia, Producto, Unidad.de.medida, Hora, Ubicación.de.desecho, Estado))
## Borrar N/A's bd2 <- bd
bd2<- subset(bd2, select = -c (Referencia, Producto, Unidad.de.medida, Hora, Ubicación.de.desecho, Estado))
media <- mean(bd2$Cantidad)
mediana <- median(bd2$Cantidad)
mode <- function (x) {
ux <- unique(x)
ux [which.max(tabulate(match(x,ux)))]
}
mode <- mode(bd2$Cantidad)
mode## [1] 1hist(bd2$Cantidad)
count(bd2, Ubicación.de.origen, sort = TRUE)## Ubicación.de.origen n
## 1 SAB/Pre-Production 179
## 2 SAB/Calidad/Entrega de PT 58
## 3 SAB/Post-Production 13ggplot(bd2, aes(x=media, y= Ubicación.de.origen)) +
geom_bar(stat="identity", fill="red") + scale_fill_grey() + # Add bars to the plot
labs(title = "Scrap empresa FORM", # Add a title
subtitle = "", # Add a subtitle
caption = "Relación", # Add a caption
x = "Toneladas")
count(bd1, Fecha, sort = TRUE)## Fecha n
## 1 2022-08-16 24
## 2 2022-08-24 21
## 3 2022-08-19 17
## 4 2022-08-30 17
## 5 2022-08-03 13
## 6 2022-08-10 13
## 7 2022-08-12 12
## 8 2022-08-26 12
## 9 2022-08-27 12
## 10 2022-08-22 11
## 11 2022-08-25 11
## 12 2022-08-31 10
## 13 2022-08-17 9
## 14 2022-08-20 9
## 15 2022-08-29 8
## 16 2022-08-05 7
## 17 2022-08-06 7
## 18 2022-08-04 6
## 19 2022-08-15 6
## 20 2022-08-02 5
## 21 2022-08-09 5
## 22 2022-08-13 5
## 23 2022-08-08 4
## 24 2022-08-11 3
## 25 2022-08-01 2
## 26 2022-08-23 1Conclusiones
En Agosto 2021 se pudo identificar que el promedio de chatarra que se generaron estuvieron en promedio por debajo de las 20 “toneladas”
El área donde más se genera desperdicio es en SAB/Pre-Production.
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