“Evidencia_2”
Dana Perez - A00227041
10/11/2022
Llamar librerías
#install.packages("jtools")
#install.packages("plotrix")
#install.packages("ggalluvial")
library(jtools)
library(dplyr)
library(ggplot2)
library(janitor)
library(lubridate)
library(plyr)
library(corrplot)
library(factoextra)
library(plotrix)
library(ggalluvial)
library(forecast)Sección 1
Limpieza, Transformación, y Organización de Bases de Datos
a. FORM – Recursos Humanos (colaboradores y bajas)
# Importar base de datos
# colaboradores
#file.choose()
colaboradores <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_RH_Colaboradores.csv")
# bajas
bajas <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_RH_Bajas.csv")
# Entender base de datos y normalizar nombres
# colaboradores
summary(colaboradores)## No..De.Empleado APELLIDOS NOMBRE FECHA.DE.NACIMIENTO
## Min. : 1.00 Length:112 Length:112 Length:112
## 1st Qu.: 24.75 Class :character Class :character Class :character
## Median : 48.50 Mode :character Mode :character Mode :character
## Mean : 56.88
## 3rd Qu.: 82.00
## Max. :148.00
## NA's :20
## GENERO RFC FECHA.DE.ALTA Primer.mes
## Length:112 Length:112 Length:112 Length:112
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## X4to.mes BAJA PUESTO DEPARTAMENTO
## Length:112 Min. :3 Length:112 Length:112
## Class :character 1st Qu.:3 Class :character Class :character
## Mode :character Median :3 Mode :character Mode :character
## Mean :3
## 3rd Qu.:3
## Max. :3
## NA's :99
## NO.SEGURO.SOCIAL SALARIO.DIARIO.IMSS FACTOR.CRED.INFONAVIT
## Length:112 Min. :144.4 Length:112
## Class :character 1st Qu.:176.7 Class :character
## Mode :character Median :180.7 Mode :character
## Mean :179.0
## 3rd Qu.:180.7
## Max. :337.1
##
## No..CREDITO.INFONAVIT LUGAR.DE.NACIMIENTO CURP
## Length:112 Length:112 Length:112
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## CALLE NUMERO.INTERNO COLONIA MUNICIPIO
## Length:112 Length:112 Length:112 Length:112
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## ESTADO CODIGO.POSTAL ESTADO.CIVIL TARJETA....CUENTA
## Length:112 Min. :25016 Length:112 Length:112
## Class :character 1st Qu.:66640 Class :character Class :character
## Mode :character Median :66646 Mode :character Mode :character
## Mean :63335
## 3rd Qu.:66649
## Max. :67493
##
## Edad antiguedad
## Min. :18.00 Min. : 0.140
## 1st Qu.:26.00 1st Qu.: 0.285
## Median :33.50 Median : 0.650
## Mean :36.30 Mean : 2.843
## 3rd Qu.:45.25 3rd Qu.: 2.135
## Max. :73.00 Max. :122.780
## clean_names(colaboradores)## no_de_empleado apellidos nombre
## 1 1 MARTINEZ DE LOERA NICOLAS
## 2 2 DE LEON MORENO MARIANA
## 3 3 HERNANDEZ CERVANTES JOSE LUIS
## 4 4 CAZARES MORALES MARIA
## 5 5 LOPEZ RAMOS YOLANDA
## 6 6 HERNANDEZ MART\xcdNEZ HERMENEGILDO
## 7 7 PERALTA MARTINEZ ARACELY
## 8 8 TOVAR PEREZ PEDRO ISAI
## 9 9 MORENO SALINAS HUMBERTO
## 10 10 LUNA LOPEZ YOLANDA JUDITH
## 11 11 GUERRERO TENORIO VICENTE
## 12 12 SUAREZ ROMO JULIO CESAR
## 13 13 CRUZ RAMOS VICTOR ABEL
## 14 14 ESPARZA PASARON LUCERO SHANYEZA
## 15 15 CAZARES AMAYA GUADALUPE
## 16 16 MARTINEZ DUARTE NAARA SARA\xcd
## 17 17 RIOJAS GUTIERREZ JOSE ANTONIO
## 18 18 LUNA MONTALVO ROSALINDA
## 19 19 GARCIA PERALES YULIANA MIREYA
## 20 20 YABERT ALVARADO MARIO ALBERTO
## 21 22 SILVA HERNANDEZ DIONICIO
## 22 23 MENDEZ NAVA MARIA GUADALUPE
## 23 24 MORALES GARCIA ERIKA
## 24 25 RANGEL GONZALEZ JUAN JESUS
## 25 26 GARCIA CARRIZALES MA DEL CARMEN
## 26 27 AGUILERA RODRIGUEZ JAIME ERNESTO
## 27 29 LOPEZ TORRES MARTIN
## 28 30 MENDOZA NAVARRO ADELAIDA
## 29 31 BARRON RAMOS BLANCA OLIVIA
## 30 32 RAMIREZ VILLARREAL ROBERTO
## 31 33 RODRIGUEZ MORENO NICOLAS DE JESUS
## 32 34 ESTRADA MU\xd1OZ JUAN
## 33 35 CELESTINO BARBOZA JAIME
## 34 36 MARIN ARJONA PEDRO IVAN
## 35 37 HERNANDEZ FELIX EMILIANA
## 36 38 HERNANDEZ FELIX BRISEIDA
## 37 39 SIFUENTES QUIROZ DIANA MAGALI
## 38 40 SANCHEZ GONZALEZ AYDE MARISOL
## 39 41 CARDENAS OLMOS SOLEDAD ENCARNACION
## 40 42 CHAPAN MARCIAL ERNESTINA
## 41 43 VAZQUEZ CEPEDA JOSE ALFREDO
## 42 44 ARRIAGA REYES ERIKA MONSERRAT
## 43 45 GONZALEZ ESQUIVEL FRANCISCO JAVIER
## 44 46 MATA PUEBLA MA. DE LA LUZ
## 45 47 GARCIA CHAPA JESUS ANGEL
## 46 48 PEREZ OLARTE SANTIAGO ALFONSO
## 47 49 SALAS ELORZA GERARDO YAHIR
## 48 50 GARCIA GONZALEZ LUIS DANIEL
## 49 51 NATIVIDAD MARTINEZ MARCIANA
## 50 53 MICO RAMIREZ MARTHA
## 51 54 RODRIGUEZ CIBRIAN JOSE GUADALUPE
## 52 55 BALUIS PAULINO MARIA ESTHER
## 53 56 PASCUAL HERNANDEZ MISAEL
## 54 58 GARCIA GARCIA SOFIA
## 55 60 SALAS PERALES IRENE GUADALUPE
## 56 62 CERDA HERNANDEZ KEVIN ARTURO
## 57 63 HERNANDEZ HERNANDEZ LUIS GERARDO
## 58 64 HERNANDEZ TOVAR PALOMA YAMILLET
## 59 66 ESQUIVEL MEDINA CASSANDRA MELISSA
## 60 67 NU\xd1EZ LOPEZ DIANA ELISA
## 61 68 MENDEZ VAZQUEZ GERARDO PRAXEDIS
## 62 69 COMPEAN PAZ FERNANDO
## 63 70 BARRIENTOS MARTINEZ JONATHAN SAMUEL
## 64 72 ZAMARRON PUENTES JESSICA LOURDES
## 65 73 CAMPOS MORENO BRAYAN FRANCISCO
## 66 74 HERNANDEZ RODRIGUEZ NANCY JUDITH
## 67 78 PADILLO CASTILLO ADRIANA
## 68 79 ORTIZ DE LA TORRE FERMINA
## 69 81 VASQUEZ PASCUAL ANDREA
## 70 85 LUNA RODRIGUEZ MONICA YANETH
## 71 86 ORTA OLIVO ROCIO MAYELA
## 72 88 TORRES MU\xd1OZ DANIELA
## 73 89 GARCIA GARCIA NATALIA
## 74 91 MARTINEZ RAMIREZ YUDITH ESMERALDA
## 75 94 HERNANDEZ GOMEZ GUADALUPE
## 76 99 HERNANDEZ MARTINEZ CLARISA
## 77 102 PALACIOS VAZQUEZ MARIA ESTHER
## 78 106 TORRES MARTINEZ IDALY
## 79 109 DE PAZ RAMIREZ JESSICA
## 80 112 CARBAJAL FARIAS VICTOR DE JESUS
## 81 114 QUISTIANO AGUILAR JUAN FRANCISCO
## 82 120 RIVAS MANCILLA MANUEL ALBERTO
## 83 123 ROBLEDO RIVAS EFREN JOSETH
## 84 124 MENDOZA CASILLAS ANALLELY
## 85 127 DE LA CRUZ MORALES CESAR OMAR
## 86 130 CRUZ SEBASTIAN LAURA
## 87 132 LARA CAMPOS ALMA DELIA
## 88 133 CHONG ALPUCHE DIEGO DE JESUS
## 89 137 LOPEZ TOVAR MARTHA YAJAHIRA
## 90 139 DIAZ HERNANDEZ MARTHA
## 91 146 VAZQUEZ FRAGA EDGAR ARNOLDO
## 92 148 BADILLO LOZANO ADRIANA
## 93 NA LOPEZ DE FERIA ANDRES
## 94 NA SALAZAR LUNA MARIA DE LOS ANGELES
## 95 NA CHAVEZ LOMAS MARINA GUADALUPE
## 96 NA SANTIAGO GOMEZ FRANCISCO
## 97 NA DELGADO JERONIMO RAFAEL
## 98 NA CRUZ RAMOS JOSUE FRANCISCO
## 99 NA HERNANDEZ RODRIGUEZ NORMA LETICIA
## 100 NA CERDA VAZQUEZ PEDRO ALEJANDRO
## 101 NA ELIZONDO GAONA MAYRA GABRIELA
## 102 NA SOLIS MIRELES MARIA GUADALUPE
## 103 NA TORRES CORTEZ EFRAIN
## 104 NA HERNANDEZ PASCUAL ALFREDO
## 105 NA CHICO ROLDAN EMMA OLIVIA
## 106 NA SANDOVAL MEDELLIN MARIA DEL SOCORRO
## 107 NA VERA VALDEZ JOSE MANUEL
## 108 NA QUINTANILLA RUIZ BRAYAN JESUS
## 109 NA ZAPATA GARCIA ADRIANA IRENE
## 110 NA SALAS MORALES ALVIERI SEBASTIAN
## 111 NA ALVAREZ DORIA EDGAR HORACIO
## 112 NA VAZQUEZ GAYTAN SOFIA
## fecha_de_nacimiento genero rfc fecha_de_alta primer_mes
## 1 10/09/1955 MASCULINO MALN550910338 01/07/10 7/31/2010
## 2 14/05/1979 FEMENINO LEMM7905148GA 01/07/11 7/31/2011
## 3 21/11/1949 MASCULINO HECL4911213X3 22/11/11
## 4 01/05/1990 FEMENINO CAMM9005019S8 30/01/13 03/01/13
## 5 06/09/1965 FEMENINO LORY650906DBA 05/05/14 06/04/14
## 6 22/06/1984 MASCULINO HEMH8406229JA 03/07/14 08/02/14
## 7 01/07/1967 FEMENINO PEMA6707017U2 06/08/15 09/05/15
## 8 10/12/1996 MASCULINO TOPP961210989 23/08/16 9/22/2016
## 9 03/11/1995 MASCULINO MOSH9511033L4 11/01/17 02/10/17
## 10 18/08/1985 FEMENINO LULY8508183C7 20/02/17 3/22/2017
## 11 06/05/1964 MASCULINO GUTV9405066TA 26/08/17 9/25/2017
## 12 27/06/1969 MASCULINO SURJ690627TK7 01/12/17 12/31/2017
## 13 21/06/1989 MASCULINO CURV890621SC2 23/03/18 4/22/2018
## 14 20/11/1997 FEMENINO EAPL971120Q9A 06/09/18 10/06/18
## 15 16/07/1982 MASCULINO CAAG8207168N6 29/11/18 12/29/2018
## 16 17/10/1987 FEMENINO MADN871017C66 28/01/19 2/27/2019
## 17 18/04/1984 MASCULINO RIGA840418LJ0 04/04/19 05/04/19
## 18 15/11/1971 FEMENINO LUMR711115N16 14/04/19 5/14/2019
## 19 19/08/1984 FEMENINO GAPY840819V87 02/05/19 06/01/19
## 20 24/06/1990 MASCULINO YAAM670808L59 30/07/19 8/29/2019
## 21 26/12/1966 MASCULINO SIHD661226GGA 07/10/19 11/06/19
## 22 31/10/1967 FEMENINO MENG671031QP8 06/01/20 02/05/20
## 23 30/12/1992 FEMENINO MOGE9212304X9 22/01/20 2/21/2020
## 24 04/08/2000 MASCULINO RAGJ0008044S6 06/02/20 03/07/20
## 25 03/02/1978 FEMENINO GACM780203JT9 07/04/20 05/07/20
## 26 21/02/1969 MASCULINO AURJ6902215X8 08/08/20 09/07/20
## 27 27/02/1978 MASCULINO LOTM7802274Z2 20/08/20 9/19/2020
## 28 16/12/1979 FEMENINO MENA791216NF0 26/08/20 9/25/2020
## 29 29/06/1969 FEMENINO BARB690629HF9 28/08/20 9/27/2020
## 30 30/11/1965 MASCULINO RAVR651130ED3 03/11/20
## 31 11/01/1992 MASCULINO ROMN920411QUA 03/11/20 12/03/20
## 32 24/06/1977 MASCULINO EAMJ770624KA5 09/02/21 03/11/21
## 33 02/06/1982 MASCULINO CEBJ820602G26 16/02/21 3/18/2021
## 34 23/02/1988 MASCULINO MAAP880223UI3 04/03/21 04/03/21
## 35 22/06/1993 FEMENINO HEFE930622AG9 25/03/21 4/24/2021
## 36 28/12/1996 FEMENINO HEFB961228G86 25/03/21 4/24/2021
## 37 13/07/1998 FEMENINO SIQD9807133Y6 06/04/21 05/06/21
## 38 23/10/1996 FEMENINO SAGA9610237F8 14/04/21 5/14/2021
## 39 22/01/1972 FEMENINO CAOS720122NF2 24/04/21 5/24/2021
## 40 11/11/1969 FEMENINO CAME691111HCA 27/05/21 6/26/2021
## 41 28/08/1963 MASCULINO VACA630828F84 12/08/21 09/11/21
## 42 22/10/2001 FEMENINO AIRE011022G3A 12/08/21 09/11/21
## 43 08/01/1982 MASCULINO GOEF820108HR0 15/09/21 10/15/2021
## 44 19/03/1962 FEMENINO MAPM620319ED2 05/10/21 11/04/21
## 45 20/01/2003 MASCULINO GACJ030120SM4 09/10/21 11/08/21
## 46 25/07/2001 MASCULINO PEOS010725UN8 04/11/21 12/04/21
## 47 14/02/2003 MASCULINO SAEG030214IE7 18/11/21 12/18/2021
## 48 25/10/2001 MASCULINO GAGL011025IG2 27/11/21 12/27/2021
## 49 04/01/1967 FEMENINO NAMM670104G81 06/12/21 01/05/22
## 50 09/06/1984 FEMENINO MIRM840609HLA 14/12/21 1/13/2022
## 51 04/09/1993 MASCULINO ROCG930904JW0 03/01/22 02/02/22
## 52 13/02/1973 FEMENINO BAPE730213850 18/01/22 2/17/2022
## 53 26/02/1993 MASCULINO PAHM930226L42 26/01/22 2/25/2022
## 54 11/01/2002 FEMENINO GAGS020111IU5 11/02/22 3/13/2022
## 55 29/09/1976 FEMENINO SAPI760929410 16/02/22 3/18/2022
## 56 23/10/2002 MASCULINO CEHK0210237V6 18/02/22 3/20/2022
## 57 11/06/2003 MASCULINO HEHL030611453 23/02/22 3/25/2022
## 58 01/05/2000 FEMENINO HETP0005019ZA 09/03/22 04/08/22
## 59 22/11/2002 FEMENINO EUMC021122UP3 1/30/1900
## 60 28/10/1990 FEMENINO NULD901028R75 23/03/2022 4/22/2022
## 61 16/12/1987 MASCULINO MEVG871216E39 21/03/2022 4/20/2022
## 62 22/01/1997 MASCULINO COPF970122836 09/04/2022 05/09/22
## 63 19/05/1997 MASCULINO BAMJ970519V10 26/04/2022 5/26/2022
## 64 18/02/1983 FEMENINO ZAPJ830218LZ9 03/05/2022 06/02/22
## 65 16/01/1996 MASCULINO CAMB960616356 04/05/2022 06/03/22
## 66 02/10/1994 FEMENINO HERN941002AU8 09/05/2022 06/08/22
## 67 04/02/1976 FEMENINO PACA760204570 01/06/2022 07/01/22
## 68 07/07/1966 FEMENINO OITF660712QD2 01/06/2022 07/01/22
## 69 19/09/1987 FEMENINO VAPA8709199G6 08/06/2022 07/08/22
## 70 03/11/1984 FEMENINO LURM8411036RA 10/06/2022 07/10/22
## 71 30/05/1984 FEMENINO OAOR840530B81 11/06/2022 07/11/22
## 72 15/09/1995 FEMENINO TOMD950915K41 13/06/2022 7/13/2022
## 73 07/04/1993 FEMENINO GAGN930407148 13/06/2022 7/13/2022
## 74 07/03/1977 FEMENINO MARY770307IJA 14/06/2022 7/14/2022
## 75 02/10/1974 FEMENINO HEGG741002110 14/06/2022 7/14/2022
## 76 11/08/2001 FEMENINO HEMC0108111J1 14/06/2022 7/14/2022
## 77 30/11/1968 FEMENINO PAVE681130HAA 14/06/2022 7/14/2022
## 78 18/03/2003 FEMENINO TOMI030318C3A 15/06/2022 7/15/2022
## 79 30/09/1999 FEMENINO PARJ990930FE3 15/06/2022 7/15/2022
## 80 14/05/1997 MASCULINO CAFV970514QP7 16/06/2022 7/16/2022
## 81 26/02/1990 MASCULINO QUAJ900226CE7 20/06/2022 7/20/2022
## 82 12/08/1982 MASCULINO RIMM8208128Z0 23/06/2022 7/23/2022
## 83 24/12/1990 MASCULINO RORE901224CJ8 27/06/2022 7/27/2022
## 84 10/08/1994 FEMENINO MECA940810EX6 30/06/2022 7/30/2022
## 85 19/07/1993 MASCULINO CUMC9307196W4 05/07/2022 08/04/22
## 86 18/03/2001 FEMENINO CUSL010318VC3 06/07/2022 08/05/22
## 87 09/05/1985 FEMENINO LACA850905FM2 11/07/2022 08/10/22
## 88 18/12/1999 MASCULINO COAD991218S5A 19/07/2022 8/18/2022
## 89 21/06/1994 FEMENINO LOTM940621PT6 19/07/2022 8/18/2022
## 90 25/08/1988 FEMENINO DIHM880825NF6 20/07/2022 8/19/2022
## 91 31/05/1992 MASCULINO VAFE920531TV3 23/07/2022 8/22/2022
## 92 24/03/1981 FEMENINO BALA8103249E8 26/07/2022 8/25/2022
## 93 27/05/1999 MASCULINO LOFA990527CR4 26/07/2022 8/25/2022
## 94 22/09/1969 FEMENINO SALA6909223T5 28/07/2022 8/28/2022
## 95 22/11/1999 FEMENINO CALM9911229H7 01/08/2022 09/01/22
## 96 24/05/1989 MASCULINO SAGF8905245Q8 02/08/2022 09/02/22
## 97 24/12/1981 MASCULINO DEJR020121FM6 03/08/2022 09/03/22
## 98 21/01/2002 MASCULINO CURJ880922KM4 03/08/2022 09/03/22
## 99 22/09/1988 FEMENINO HERN811224J7A 03/08/2022 09/03/22
## 100 10/11/2002 MASCULINO CEVP0211106R1 04/08/2022 09/04/22
## 101 12/12/1980 FEMENINO EIGM900731SZ5 09/08/2022 09/09/22
## 102 31/07/1990 FEMENINO SOMG801212ED3 09/08/2022 09/09/22
## 103 01/06/2004 MASCULINO TOCE040106CE1 10/08/2022 09/10/22
## 104 17/12/1994 MASCULINO HEPA941217RI7 11/08/2022 09/11/22
## 105 03/06/1973 FEMENINO CIRE730603MW2 17/08/2022 9/17/2022
## 106 19/10/1962 FEMENINO SAMS621229 17/08/2022 9/17/2022
## 107 23/12/1994 MASCULINO VEVM9412238W8 18/08/2022 9/18/2022
## 108 05/05/1977 MASCULINO QURB020312FT5 19/08/2022 9/19/2022
## 109 12/03/2002 FEMENINO ZAGA770505VA6 19/08/2022 9/19/2022
## 110 01/04/2003 MASCULINO SAMA030401V11 23/08/2022 9/23/2022
## 111 11/06/1989 MASCULINO AADE890611LN5 23/08/2022 9/23/2022
## 112 18/09/1972 FEMENINO VAGS720918SKA 23/08/2022 9/23/2022
## x4to_mes baja puesto departamento
## 1 10/29/2010 NA SUPERVISOR Produccion Cart\xf3n MDL
## 2 10/29/2011 NA SUPERVISOR Produccion Cart\xf3n MDL
## 3 NA Externo Externo
## 4 5/30/2013 NA SUPERVISOR Produccion Cart\xf3n MC
## 5 09/02/14 NA SUPERVISOR Costura
## 6 10/31/2014 NA CUSTOMER SERVICE INF Cedis
## 7 12/04/15 NA COSTURERA Costura
## 8 12/21/2016 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 9 05/11/17 NA AYUDANTE GENERAL Cedis
## 10 6/20/2017 NA COSTURERA Costura T2
## 11 12/24/2017 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 12 3/31/2018 NA GESTOR Embarques
## 13 7/21/2018 NA CHOFER Embarques
## 14 01/04/19 NA LIDER Produccion Cart\xf3n MDL
## 15 3/29/2019 NA MANTENIMIENTO EHS
## 16 5/28/2019 NA AYUDANTE GENERAL Produccion Cart\xf3n MC
## 17 08/02/19 NA RESIDENTE Cedis
## 18 08/12/19 NA LIMPIEZA Limpieza
## 19 8/30/2019 NA AYUDANTE GENERAL Produccion Cart\xf3n MC
## 20 11/27/2019 NA RESIDENTE Cedis
## 21 02/04/20 NA CHOFER Embarques
## 22 05/05/20 NA AYUDANTE GENERAL Produccion Cart\xf3n MC
## 23 5/21/2020 NA INSPECTOR DE CALIDAD Calidad
## 24 06/05/20 NA AYUDANTE GENERAL Produccion Cart\xf3n MC
## 25 08/05/20 NA COSTURERA Costura
## 26 12/06/20 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 27 12/18/2020 NA AYUDANTE GENERAL Produccion Cart\xf3n MDL
## 28 12/24/2020 NA COSTURERA Costura
## 29 12/26/2020 NA COSTURERA Costura
## 30 NA EXTERNO Externo
## 31 03/03/21 NA AYUDANTE GENERAL Cedis
## 32 06/09/21 NA RESIDENTE Cedis
## 33 6/16/2021 NA PINTOR Paileria
## 34 07/02/21 NA SOLDADOR Paileria
## 35 7/23/2021 NA AYUDANTE GENERAL Produccion Cart\xf3n MDL
## 36 7/23/2021 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 37 08/04/21 NA RECIBO Materiales
## 38 08/12/21 NA AYUDANTE GENERAL Produccion Cart\xf3n MDL
## 39 8/22/2021 NA AYUDANTE GENERAL COSTURA
## 40 9/24/2021 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 41 12/10/21 NA COSTURERA Costura
## 42 12/10/21 NA ENFERMERA EHS
## 43 1/13/2022 NA OPERADOR Produccion Cart\xf3n MDL
## 44 02/02/22 NA AYUDANTE GENERAL
## 45 02/06/22 NA AYUDANTE GENERAL Rotativa
## 46 03/04/22 NA AYUDANTE GENERAL
## 47 3/18/2022 NA AYUDANTE GENERAL
## 48 3/27/2022 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 49 04/05/22 NA COSTURERA Costura
## 50 4/13/2022 NA AYUDANTE GENERAL
## 51 05/03/22 NA CHOFER
## 52 4/18/2022 NA AYUDANTE GENERAL Stabilus
## 53 5/26/2022 NA AYUDANTE GENERAL Troquel
## 54 06/11/22 NA AYUDANTE GENERAL Troquel
## 55 6/16/2022 NA AYUDANTE GENERAL Celdas
## 56 6/18/2022 NA AYUDANTE GENERAL Ay.flexo
## 57 6/23/2022 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 58 07/07/22 NA AYUDANTE GENERAL Stabilus
## 59 4/29/1900 NA AYUDANTE GENERAL Stabilus
## 60 7/21/2022 NA AYUDANTE GENERAL Stabilus
## 61 7/19/2022 NA RESIDENTE CEDIS
## 62 08/07/22 NA CHOFER CEDIS
## 63 8/24/2022 NA SOLDADOR Paileria
## 64 8/31/2022 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 65 09/01/22 3 SOLDADOR Paileria
## 66 09/06/22 3 AYUDANTE GENERAL Stabilus
## 67 9/29/2022 3 AYUDANTE GENERAL Stabilus
## 68 9/29/2022 3 AYUDANTE GENERAL Celdas
## 69 10/06/22 3 AYUDANTE GENERAL Celdas
## 70 10/08/22 3 AYUDANTE GENERAL
## 71 10/09/22 3 AYUDANTE GENERAL
## 72 10/11/22 3 AYUDANTE GENERAL
## 73 10/11/22 3 AYUDANTE GENERAL
## 74 10/12/22 3 AYUDANTE GENERAL
## 75 10/12/22 NA AYUDANTE GENERAL
## 76 10/12/22 3 AYUDANTE GENERAL
## 77 10/12/22 NA AYUDANTE GENERAL
## 78 10/13/2022 3 AYUDANTE GENERAL
## 79 10/13/2022 3 AYUDANTE GENERAL
## 80 10/14/2022 NA AYUDANTE GENERAL Stabilus
## 81 10/18/2022 NA AYUDANTE GENERAL CORTADORAS
## 82 10/21/2022 NA GUARDIA DE SEGURIDAD EHS
## 83 10/25/2022 NA LIMPIEZA
## 84 10/28/2022 NA INSPECTOR DE CALIDAD Calidad
## 85 11/02/22 NA CHOFER Embarques
## 86 11/03/22 NA AYUDANTE GENERAL Troquel
## 87 11/08/22 NA AYUDANTE GENERAL Troquel
## 88 11/16/2022 NA AYUDANTE GENERAL
## 89 11/16/2022 NA AYUDANTE GENERAL
## 90 11/17/2022 NA AYUDANTE GENERAL
## 91 11/20/2022 NA AYUDANTE GENERAL
## 92 11/23/2022 NA AYUDANTE GENERAL
## 93 11/23/2022 NA SOLDADOR
## 94 11/28/2022 NA COSTURERA
## 95 12/01/22 NA AYUDANTE GENERAL
## 96 12/02/22 NA SOLDADOR
## 97 12/03/22 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 98 12/03/22 NA AYUDANTE GENERAL Producci\xf3n Retorn
## 99 12/03/22 NA AYUDANTE GENERAL
## 100 12/04/22 NA AYUDANTE GENERAL
## 101 12/09/22 NA AYUDANTE GENERAL
## 102 12/09/22 NA AYUDANTE GENERAL
## 103 12/10/22 NA AYUDANTE GENERAL
## 104 12/11/22 NA OPERADOR
## 105 12/17/2022 NA AYUDANTE GENERAL
## 106 12/17/2022 NA COSTURERA
## 107 12/18/2022 NA MANTENIMIENTO
## 108 12/19/2022 NA AYUDANTE GENERAL
## 109 12/19/2022 NA COSTURERA
## 110 12/23/2022 NA AYUDANTE GENERAL
## 111 12/23/2022 NA MONTACARGUISTA
## 112 12/23/2022 NA AYUDANTE GENERAL
## no_seguro_social salario_diario_imss factor_cred_infonavit
## 1 43745527937 176.72
## 2 43127902955 176.72
## 3 2184909675 176.72
## 4 43089001317 337.05
## 5 43836531525 176.72
## 6 43028485795 176.72
## 7 3876700802 260.01
## 8 43129645503 240.75
## 9 56149534788 176.72
## 10 43108518077 152.86
## 11 43129495305 175.79
## 12 43956909626 176.72
## 13 43058956681 176.72
## 14 25169788947 144.45
## 15 47008242266 279.61
## 16 3168738353 144.45
## 17 32008443031 176.72
## 18 43887138667 176.72
## 19 43008429805 144.45
## 20 32876781660 176.72
## 21 43826643199 176.72
## 22 43896747946 151.67
## 23 15169284880 208.65
## 24 27180091772 151.67
## 25 43007814338 240.71
## 26 43896946522 176.72
## 27 03 977839343 151.67
## 28 47967919706 176.72
## 29 43076902675 176.72
## 30 03 82650271 151.67
## 31 176.72
## 32 32127701152 176.72
## 33 43998291991 176.72
## 34 47068815639 176.72
## 35 0 8139361656 151.61
## 36 32169692806 151.61
## 37 35169840671 176.72
## 38 26159601090 151.61
## 39 0 2217214580 151.61
## 40 0 2166991287 151.61
## 41 43806306155 176.72 N/A
## 42 18180104616 176.72 N/A
## 43 43988202834 176.72 CUOTA FIJA EN VSM 56.118
## 44 02 216216479 151.61 N/A
## 45 23180356505 151.61 N/A
## 46 18180161194 151.61 N/A
## 47 43090300450 151.61 N/A
## 48 44190106417 151.61 N/A
## 49 0 2186770489 176.72 N/A
## 50 0 3218471740 151.61 N/A
## 51 32109323140 176.72 N/A
## 52 0 2177383839 180.68 N/A
## 53 67149300203 180.68 N/A
## 54 19180209249 180.68 N/A
## 55 47937613967 180.68 N/A
## 56 27170227006 180.68 N/A
## 57 54170325234 180.68 N/A
## 58 35170062406 180.68 N/A
## 59 44170225708 180.68 N/A
## 60 43059006916 180.68 13,619
## 61 32068740524 180.68 N/A
## 62 32139727799 180.68 N/A
## 63 26149796562 180.68 N/A
## 64 43998316194 180.68 N/A
## 65 62149631293 180.68 N/A
## 66 05 209450096 180.68 N/A
## 67 43937659333 180.68 N/A
## 68 43946623980 180.68 N/A
## 69 22038701649 180.68 N/A
## 70 43108411620 180.68 N/A
## 71 47008429160 181.68 1726.06
## 72 20109501955 184.68 N/A
## 73 65129344837 185.68 N/A
## 74 02 227758725 180.68 N/A
## 75 71107402357 180.68 N/A
## 76 14160116282 180.68 N/A
## 77 43866820608 180.68 N/A
## 78 28180354459 180.68 N/A
## 79 18189925011 180.68 N/A
## 80 01 139775041 180.68 N/A
## 81 43069030807 180.68 N/A
## 82 03 978215477 180.68 182,096
## 83 47079069374 180.68 N/A
## 84 43119414449 180.68 N/A
## 85 43109363895 180.68 N/A
## 86 07 160193962 180.68 N/A
## 87 05 178531397 180.68 N/A
## 88 68169915987 180.68 N/A
## 89 43119465516 180.68 N/A
## 90 02 218824171 180.68 N/A
## 91 43089212252 180.68 N/A
## 92 47957875801 180.68 N/A
## 93 38169942273 180.68 N/A
## 94 03 866902772 180.68 N/A
## 95 49169918916 180.68 N/A
## 96 43058951286 180.68 N/A
## 97 10180275660 180.68 N/A
## 98 02 228859076 180.68 N/A
## 99 03 978127201 180.68 N/A
## 100 23170291613 180.68 N/A
## 101 43079068656 180.68 N/A
## 102 47988053097 180.68 N/A
## 103 09 210440179 180.68 N/A
## 104 23139419768 180.68 N/A
## 105 05 147310758 180.68 N/A
## 106 03 806223636 180.68 N/A
## 107 35149402816 180.68 N/A
## 108 05 180278862 180.68 N/A
## 109 43947745741 180.68 N/A
## 110 60170348043 180.68 N/A
## 111 43058988700 180.68 N/A
## 112 47907208715 180.68 N/A
## no_credito_infonavit lugar_de_nacimiento
## 1
## 2
## 3
## 4
## 5
## 6
## 7
## 8
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17
## 18
## 19
## 20
## 21
## 22
## 23
## 24
## 25
## 26
## 27
## 28
## 29
## 30
## 31
## 32
## 33
## 34
## 35
## 36
## 37
## 38
## 39
## 40
## 41 N/A TERMINAL DE PROVIDENCIA - ZACATECAS
## 42 N/A SAN NICOLAS DE LOS GARZA
## 43 1912437884 MONTERREY NUEVO LEON
## 44 N/A PARRAS COAHUILA DE ZARAGOZA
## 45 N/A MONTERREY NL
## 46 N/A VERACRUZ, TANTOYUCA
## 47 N/A SAN NICOLAS DE LOS GARZA N.L.
## 48 N/A MIGUEL HIDALGO CIUDAD DE MEXICO
## 49 N/A VERACRUZ
## 50 N/A SAN LUIS POTOSI
## 51 N/A SALTILLO, COAHUILA
## 52 N/A SAN JUAN EVANGELISYA. VERACRUZ
## 53 N/A ACAYUCAN VERACRUZ
## 54 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 55 N/A HIDALGO, TAMAULIPAS
## 56 N/A MONTERREY, NUEVO LEON
## 57 N/A MONTERREY, NUEVO LEON
## 58 N/A GUADALUPE, NUEVO LEON
## 59 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 60 1910498716 SALAMANCA, GUANAJUATO
## 61 N/A SALTILLO, COAHUILA
## 62 N/A RAMOS ARIZPE, COAHUILA
## 63 N/A LLERA, TAMAULIPAS
## 64 N/A MONTERREY, NUEVO LEON
## 65 N/A GUADALUPE, NUEVO LEON
## 66 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 67 N/A RAYON, SAN LUIS POTOSI
## 68 N/A CANATLAN, DURANGO
## 69 N/A JESUS CARRANZA, VERACRUZ
## 70 N/A MONTERREY, NUEVO LEON
## 71 1921589926 MONTERREY, NUEVO LEON
## 72 N/A CUAHUTEMOC, DISTRITO FEDERAL
## 73 N/A ZAMORA, VERACRUZ
## 74 N/A SALTILLO, COAHUILA
## 75 N/A VILLA CORZO, CHIAPAS
## 76 N/A TANTOYUCA, VERACRUZ
## 77 N/A NUEVO LEON
## 78 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 79 N/A CANCUN, QUINTANA ROO
## 80 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 81 N/A MONTERREY, NUEVO LEON
## 82 1905321932 SAN PEDRO GARZA GARCIA, NUEVO LEON
## 83 N/A MONTERREY, NUEVO LEON
## 84 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 85 N/A MONTEMORELOS, NUEVO LEON
## 86 N/A ACAYUCAN, VERACRUZ
## 87 N/A ZONGOLICA, VERACRUZ
## 88 N/A COMALCALCO, TABASCO
## 89 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 90 N/A IXHUATAN, CHIAPAS
## 91 N/A MONTERREY, NUEVO LEON
## 92 N/A TAMAPACHE, VERACRUZ
## 93 N/A LAS CHOAPAS, VERACRUZ
## 94 N/A MONTERREY, NUEVO LEON
## 95 N/A MONTERREY, NUEVO LEON
## 96 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 97 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 98 N/A HONDURAS, SANTA BARBARA
## 99 N/A MONTERREY, NUEVO LEON
## 100 N/A MONTERREY, NUEVO LEON
## 101 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 102 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 103 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 104 N/A OLUTA, VERACRUZ
## 105 N/A GOMEZ PALACIO, DURANGO
## 106 N/A MONTERREY, NUEVO LEON
## 107 N/A EBANO, SAN LUIS POTOSI
## 108 N/A MONTERREY, NUEVO LEON
## 109 N/A HIDALGO, TAMAULIPAS
## 110 N/A SAN NICOLAS DE LOS GARZA, NUEVO LEON
## 111 N/A GUADALUPE, NUEVO LEON
## 112 N/A MONTERREY, NUEVO LEON
## curp calle numero_interno
## 1 MALN550910HZSRRC09 JOSE I LUGO
## 2 LEMM790514MCLNRR09 44682 115
## 3 HECL491121HJCRRS04 HACIENDA SAN CRISTOBAL
## 4 CAMM900501MVZZRR00 RIO ACAPONETA
## 5 LORY650906MNLPML08 BETANZOS
## 6 HEMH840622HSPRRR00 EUCALIPTO
## 7 PEMA670701MNLRRR02 ALAMO TEMBLON
## 8 TOPP961210HNLVRD07 RIO ACAPONETA
## 9 MOSH951103HVZRLM03 OCEANIA
## 10 LULY850818MNLNPL02 DE LOS CARNICEROS
## 11 GUTV940506HVZRNC04 AGUSTIN LARA
## 12 SURJ690627HNLRML04 MAR ROJO
## 13 CURV890621HVZRMC05 ALTAMURA 216
## 14 EAPL971120MNLSSC07 DOLORES HIDALGO
## 15 CAAG820716HNLZMD05 ESTAMBUL
## 16 MADN871017MNLRRR04 HACIENDA SAN MIGUEL
## 17 RIGA840418HCLJTN04 nueva caledonia
## 18 LUMR711115MNLNNS07 RIO ORINOCO
## 19 GAPY840819MNLRRL00 SANTA ROSA
## 20 YAAM670808HZSBLR18 ALMENDRO
## 21 SIHD661226HNLLRN14 CARDENAS
## 22 MENG671031MNLNVD07 LOMAS DEL SAHARA
## 23 MOGE921230MVZRRR05 RIO SALADO
## 24 RAGJ000804HNLNNNA2 RIO BUENO
## 25 GACC780203MTSRRR03 RIO LEMPA
## 26 AURJ690221HNLGDM07 PUERTO CABELLO 655A
## 27 LOTM780227HNLPRR01 CISNES 218
## 28 MENA791216MNLNVD00 BLANCA 306
## 29 BARB690629MNLRML15 RIO SENA 107
## 30 RAVR651130HNLMLB02 LA FLORIDA 2313
## 31 ROMN920411HCLDRC00 TASAJILLO 220
## 32 EAMJ770624HNLSXN07 SANTA ANITA 833
## 33 CEBJ820602HSPLRM05 MONTE BANCOUVER 306
## 34 MAAP880223HNLRRD05 AMSTERDAM 431
## 35 HEFE930622MSPRLM02 DE VOLVERTE A VER 657
## 36 HEFB961228MSPRLR08 ANTONIO AGUILAR 564
## 37 SIQD980713MSPFRN00 J GZZ ORTEGA 623
## 38 SAGA961023MNLNNY04 VILLAS DE MADRID 265
## 39 CAOS720122MDFRLL02 PORTAL CADIZ 108
## 40 CAME691111MVZHRR02 VISTAS DEL RIO 134
## 41 VXCA630828HZSZPL02 SECRETARIOS 825
## 42 AIRE011022MNLRYRA6 EGIPCIOS 302
## 43 GOEF820108HNLNSR09 SAN MARCOS 522
## 44 MAPL620319MCLTBZ01 RIO TISZA 709
## 45 GACJ030120HNLRHSA7 VILLA PLACENCIA 150
## 46 PEOS010725HVZRLNA5 ALTAMURA 211
## 47 SAEG030214HNLLLRA1 HACIENDA LA HERRADURA 701
## 48 GAGL011025HDFRNSA5 PINOS 618
## 49 NAMM670104MVZTRR00 TAJIN 509
## 50 MIRM840609MSPCMR02 GOITIA 120
## 51 ROCG930904HCLDBD05 TECAPAN 611
## 52 BAPE730213MVZLLS08 RIO TAMES 705
## 53 PAHM930226HVZSRS09 RIO DE LA PLATA 431
## 54 GAGS020111MNLRRFA5 RIO ORINOCO 518
## 55 SAPI760929MTSLRR05 RIO ESCONDIDO 760
## 56 CEHK021023HNLRRVA8 PORTAL GALICIA 219
## 57 HEHL030611HNLRRSA3 RIO TISZA 818
## 58 HETP000501MNLRVLA8 PORTAL DE CORDOBA 509
## 59 EUMC021122MNLSDSA5 MIGUEL AUZA 132A
## 60 NULD901028R75MGTXPN07 RIO SALINAS 343
## 61 MEVG871216HCLNZR04 MARIANO ESCOBEDO 403
## 62 COPF970122HCLMZR08 AZUCENA 1160
## 63 BAMJ970519HTSRRN01 RIO NILO NORTE 377
## 64 ZAPJ830218MNLMNS04 HUNGAROS 130
## 65 CAMB960616HNLMRR04 GUADALAJARA 304A
## 66 HERN941002MNLRDN01 ALBISO 123
## 67 PACA760204MSPDSD01 RIO INDIO 321
## 68 OITF660712MDGRRR023 HABICHUELA 306
## 69 VAPA870919MVZSSN09 RIO GRIJALVA 307
## 70 LURM841103MNLNDN04 PUERTO BAHAMAS 832
## 71 OAOR840530MNLRLC08 ZOLDANO 109
## 72 TOMD950915MDFRXN01 MISION VALLADOLID 114
## 73 GAGN930407MVZRRT01 MISION VALLADOLID 114
## 74 MARY770307MCLRMD03 VIRREYES DEL NORTE 135
## 75 HEGG741002MCSRMD09 NOCHE DE LUNA 503
## 76 HEMC010811MVZRRLA3 JOAN SEBASTIAN 821B
## 77 PAVE681130MNLLLS00 AHITI 128
## 78 TOMI030318MNLRRDA5 MIGUEL HIDALGO 152
## 79 PARJ990930MQRZMS09 MISION BILBAO 245
## 80 CAFV970514HNLRRC05 DESIERTO ATAKAMA 211
## 81 QUAJ900226HNLSGN09 SELENE 339
## 82 RIMM820812HNLVNN00 REAL DE SAN EULOGIO 165
## 83 RORE901224HNLBVF06 RIO RAMOS 639
## 84 MECA940810MNLNSN05 SAN JUAN 214
## 85 CUMC930719HNLRRS00 PASEO LA VILLA 1320
## 86 CUSL010318MVZRBRA6 RIO FUJIYAMA 730
## 87 LACA850905MVZRML02 SAN ISIDRO 338
## 88 COAD991218HTCHLG00 RIO FUJI YAMA 835
## 89 LOTM940621MNLPVR09 CONSTITUYENTES DE 1857 202
## 90 DIHM880825MCSZRR09 RIO PAPALOAPAN 809
## 91 VAFE920531HNLZRD04 ROMANOS 332
## 92 BALA810324MVZDZD08 BAHIA DE ENSENADA 625
## 93 LOFA990527HVZPRN09 JOAN SEBASTIAN 821B
## 94 SALA690922MNLLNN05 SABINO 217
## 95 CALM991122MNLHMR04 RIO TAMUIN 404
## 96 SAGF890524HNLNMR07 RIO SAN LORENZO SUR 313
## 97 DEJR020121HNLLRFA3 RIO PASTAZA 800
## 98 CURJ880922HNERMS05 RIO AMAZONAS 146
## 99 HERN811224MNLRDR09 RIO NIGER 818
## 100 CEVP021110HNLRZDA9 MAZAPIL 439
## 101 EIGM900731MNLLNY09 RIO MAYO 408
## 102 SOMG801212MNLLRD08 ALAMO CHOPO 33
## 103 TOCE040106HNLRRFA6 RIO NIGER 832
## 104 HEPA941217HVZRSL00 RIO DE LA PLATA 431
## 105 CIRE730603MDGHLM02 RIO AMACOZATT 701
## 106 SAMS621229MNLNDC00 OMEGA 330
## 107 VEVM941223HSPRLN07 MIER Y NORIEGA 106B
## 108 QURB020312HNLNZRA1 RIO USUMACINTA 615
## 109 ZAGA770505MTSPRD06 AZALEA 423
## 110 SAMA030401HNLLRLA1 ROBLE 357
## 111 AADE890611HNLLRD RIO PAPALOAPAN 722
## 112 VAGS720918MNLZYF00 FRANCIA 1109
## colonia municipio estado
## 1 UNIDAD LABORAL SAN NICOLAS DE LOS G Nuevo Le\xf3n
## 2 SANTA TERESITA APODACA Nuevo Le\xf3n
## 3 VILLAS DE HUINALA APODACA Nuevo Le\xf3n
## 4 PUEBLO NUEVO APODACA Nuevo Le\xf3n
## 5 RINCON DE GALICIA APODACA Nuevo Le\xf3n
## 6 IGNACIO ZARAGOZA SALTILLO Coahuila
## 7 ALAMOS DEL PARQUE APODACA Nuevo Le\xf3n
## 8 PUEBLO NUEVO 5TO SECTOR APODACA Nuevo Le\xf3n
## 9 FRACC. OCEANIA BOULEVARES SALTILLO Coahuila
## 10 C. H. BLAS CHUMACERO C.T.M SAN NICOLAS DE LOS G Nuevo Le\xf3n
## 11 CANTORAL PESQUERIA Nuevo Le\xf3n
## 12 LOMA LINDA MONTERREY Nuevo Le\xf3n
## 13 LOMAS DE SAN MARTIN PESQUERIA Nuevo Le\xf3n
## 14 INSURGENTES APODACA Nuevo Le\xf3n
## 15 PASEO DE LAS FLORES APODACA Nuevo Le\xf3n
## 16 HACIENDA DE SAN MIGUEL GUADALUPE Nuevo Le\xf3n
## 17 oceania SALTILLO Coahuila
## 18 PORTAL DE HUINALA APODACA Nuevo Le\xf3n
## 19 EL ROSARIO APODACA Nuevo Le\xf3n
## 20 SALTILLO 2000 6 Y 7 AMPL SALTILLO Coahuila
## 21 NUEVO SAN SEBASTIAN GUADALUPE Nuevo Le\xf3n
## 22 LOMAS DE LA PAZ APODACA Nuevo Le\xf3n
## 23 PUEBLO NUEVO APODACA Nuevo Le\xf3n
## 24 PUEBLO NUEVO APODACA Nuevo Le\xf3n
## 25 PUEBLO NUEVO APODACA Nuevo Le\xf3n
## 26 LOS PUERTOS 2\xb0 SECTOR JUAREZ Nuevo Le\xf3n
## 27 LAS GOLONDRINAS APODACA Nuevo Le\xf3n
## 28 LOS CANDILES APODACA Nuevo Le\xf3n
## 29 PUEBLO NUEVO APODACA Nuevo Le\xf3n
## 30 LA FLORIDA MONTERREY Nuevo Le\xf3n
## 31 EL CACTUS RAMOS ARIZPE Coahuila
## 32 EL ALAMO SALTILLO Coahuila
## 33 TERRANOVA RESIDENCIAL JUAREZ Nuevo Le\xf3n
## 34 ANZURES JUAREZ Nuevo Le\xf3n
## 35 PESQUERIA APODACA NUEVO LEON
## 36 CANTORAL 3 APODACA COAHUILA
## 37 CASAS REALES APODACA APODACA NUEVO LEON
## 38 VILLAS DE SAN CARLOS APODACA NUEVO LEON
## 39 PORTAL DE VALLE APODACA NUEVO LEON
## 40 VISTAS DEL RIO JUAREZ NUEVO LEON
## 41 LA ALIANZA SECTOR C MONTERREY NUEVO LEON
## 42 RESIDENCIAL MILENIUM APODACA NUEVO LEON
## 43 RESIDENCIAL SAN BENITO APODACA NUEVO LEON
## 44 PUEBLO NUEVO APODACA NUEVO LEON
## 45 VILLA DE SAN CARLOS APODACA NUEVO LEON
## 46 LOMAS DE SAN MARTIN PESQUERIA NUEVO LEON
## 47 HDA. LAS MARGARITAS APODACA NUEVO LEON
## 48 CA\xd1ADA BLANCA CA\xd1ADA BLANCA GUADALUPE N.L.
## 49 LA JOYA GUADALUPE NUEVO LEON
## 50 VALLE DE SANTA MARIA PESQUERIA NUEVO LEON
## 51 ANALCO 2 RAMOS ARIZPE NUEVO LEON
## 52 PUBLO NUEVO APODACA NUEVO LEON
## 53 PUEBLO NUEVO APODACA NUEVO LEON
## 54 PORTAL DE HUINALA APODACA NUEVO LEON
## 55 PUEBLO NUEVO APODACA NUEVO LEON
## 56 PORTAL DEL VALLE APODACA NUEVO LEON
## 57 PUEBLO NUEVO APODACA NUEVO LEON
## 58 PORTAL DE HUINALA APODACA NUEVO LEON
## 59 CA\xd1ADA BLANCA GUADALUPE NUEVO LEON
## 60 PUEBLO NUEVO APODACA NUEVO LEON
## 61 ZONA CENTRO RAMOS ARIZPE COAHUILA
## 62 SANTOS SAUCEDO OTE. RAMOS ARIZPE COAHUILA
## 63 PUEBLO NUEVO APODACA NUEVO LEON
## 64 ROBERTO ESPINOZA APODACA NUEVO LEON
## 65 LOS CANTAROS JUAREZ NUEVO LEON
## 66 VALLE DE SANTA MARIA PESQUERIA NUEVO LEON
## 67 PUEBLO NUEVO APODACA NUEVO LEON
## 68 POLICIA AUXILIAR GUADALUPE NUEVO LEON
## 69 PUEBLO NUEVO APODACA NUEVO LEON
## 70 LOS PUERTOS JUAREZ NUEVO LEON
## 71 VALLE DE SANTA MARIA PESQUERIA NUEVO LEON
## 72 MISION SAN PABLO APODACA NUEVO LEON
## 73 MISION SAN PABLO APODACA NUEVO LEON
## 74 JARDINES DEL VIRREY APODACA NUEVO LEON
## 75 CANTORAL PESQUERIA NUEVO LEON
## 76 CANTORAL PESQUERIA NUEVO LEON
## 77 LOMAS DEL PEDREGAL APODACA NUEVO LEON
## 78 VALLE DE HUINALA APODACA NUEVO LEON
## 79 MISION SAN PABLO APODACA NUEVO LEON
## 80 BALCONES DE HUINALA APODACA NUEVO LEON
## 81 LAS GOLONDRINAS APODACA NUEVO LEON
## 82 LA CIUDADELA SECTOR REAL SAN JOS\xc9 JUAREZ NUEVO LEON
## 83 MONTE KRISTAL JUAREZ NUEVO LEON
## 84 MISION DE SAN MIGUEL APODACA NUEVO LEON
## 85 FOMERREY 45 MONTERREY NUEVO LEON
## 86 PUEBLO NUEVO APODACA NUEVO LEON
## 87 SAN ISIDRO APODACA NUEVO LEON
## 88 PUEBLO NUEVO APODACA NUEVO LEON
## 89 REFORMA 2DO SECTOR APODACA NUEVO LEON
## 90 PUEBLO NUEVO APODACA NUEVO LEON
## 91 MILENIUM RESIDENCIAL APODACA NUEVO LEON
## 92 LOS PUERTOS JUAREZ NUEVO LEON
## 93 CANTORAL PESQUERIA NUEVO LEON
## 94 LOS ENCINOS APODACA NUEVO LEON
## 95 PUEBLO NUEVO APODACA NUEVO LEON
## 96 PUEBLO NUEVO APODACA NUEVO LEON
## 97 PUEBLO NUEVO APODACA NUEVO LEON
## 98 PUEBLO NUEVO APODACA NUEVO LEON
## 99 PUEBLO NUEVO APODACA NUEVO LEON
## 100 CA\xd1ADA BLANCA GUADALUPE NUEVO LEON
## 101 PUEBLO NUEVO APODACA NUEVO LEON
## 102 VALLE DE LOS ALAMOS APODACA NUEVO LEON
## 103 PUEBLO NUEVO APODACA NUEVO LEON
## 104 PUEBLO NUEVO APODACA NUEVO LEON
## 105 PUEBLO NUEVO APODACA NUEVO LEON
## 106 SAN MIGUEL GOLONDRINAS APODACA NUEVO LEON
## 107 MIRADOR DE SAN ANTONIO JUAREZ NUEVO LEON
## 108 PUEBLO NUEVO APODACA NUEVO LEON
## 109 HACIENDA LAS MARGARITAS APODACA NUEVO LEON
## 110 LA ENRAMADA APODACA NUEVO LEON
## 111 PUEBLO NUEVO APODACA NUEVO LEON
## 112 VIVIENDA DIGNA APODACA NUEVO LEON
## codigo_postal estado_civil tarjeta_cuenta edad antiguedad
## 1 66440 Soltero BANORTE 67 12.28
## 2 66605 Soltero BANORTE 43 11.29
## 3 66634 Soltero BANORTE 73 10.89
## 4 66649 Casado BANORTE 32 9.70
## 5 66620 Soltero BANORTE 57 8.44
## 6 25016 Casado BANORTE 38 8.28
## 7 66633 Casado BANORTE 55 7.19
## 8 66649 Casado BANORTE 26 6.14
## 9 25290 Casado BANORTE 27 5.75
## 10 66473 Casado BANORTE 37 5.64
## 11 66673 Soltero BANORTE 58 5.13
## 12 64120 Casado BANORTE 53 4.87
## 13 66673 Casado BANORTE 33 4.56
## 14 66612 Soltero BANORTE 25 4.10
## 15 66643 Soltero BANORTE 40 3.87
## 16 67113 Soltero BANORTE 35 3.71
## 17 25290 Soltero BANORTE 38 3.53
## 18 66646 Casado BANORTE 51 3.50
## 19 66647 Union Libre BANORTE 38 3.45
## 20 25115 Casado BANORTE 32 3.21
## 21 67180 Soltero BANORTE 56 3.02
## 22 66647 Casado BANORTE 55 2.77
## 23 66646 Soltero BANORTE 30 2.72
## 24 66646 Soltero BANORTE 22 2.68
## 25 66646 Union Libre BANORTE 45 2.52
## 26 67267 Casado BANORTE 54 2.18
## 27 66649 Soltero BANORTE 45 2.15
## 28 66647 Casado BANORTE 43 2.13
## 29 66646 Casado BANORTE 53 2.12
## 30 64810 Casado BANORTE 57 1.94
## 31 25902 Union Libre BANORTE 31 1.94
## 32 25088 Casado BANORTE 45 1.67
## 33 67493 Casado BANORTE 40 1.65
## 34 67258 Casado BANORTE 35 1.61
## 35 66673 Union Libre SANTANDER 29 1.55
## 36 66673 Soltero SANTANDER 26 1.55
## 37 66604 Soltero SANTANDER 24 1.52
## 38 66644 Casado SANTANDER 26 1.50
## 39 66643 Casado SANTANDER 51 1.47
## 40 67267 Soltero SANTANDER 53 1.38
## 41 64103 divorcio SANTANDER 59 1.17
## 42 66646 Soltero SANTANDER 21 1.17
## 43 66646 Casado BANORTE 41 1.08
## 44 66646 Casado BANORTE 61 1.02
## 45 66644 Soltero BANORTE 20 1.01
## 46 66673 Soltero BANORTE 21 0.94
## 47 66647 Soltero BANORTE 20 0.90
## 48 67114 Soltero BANORTE 21 0.88
## 49 67160 Casado BANORTE 56 0.85
## 50 66670 Soltero BANORTE 38 0.83
## 51 25902 Casado BANORTE 29 0.77
## 52 66646 Soltero BANORTE 50 0.73
## 53 66646 Soltero BANORTE 30 0.71
## 54 66646 Soltero BANORTE 21 0.67
## 55 66646 Soltero BANORTE 46 0.65
## 56 66643 Soltero BANORTE 20 0.65
## 57 66646 Soltero BANORTE 19 0.64
## 58 66646 Soltero BANORTE 22 0.60
## 59 67117 Soltero BANORTE 20 122.78
## 60 66646 Casado BANORTE 32 0.56
## 61 25900 Casado BANORTE 35 0.56
## 62 25904 Casado BANORTE 26 0.51
## 63 66646 Casado BANORTE 25 0.47
## 64 66648 Union Libre BANORTE 40 0.45
## 65 67266 Casado BANORTE 27 0.44
## 66 66670 Casado BANORTE 28 0.43
## 67 66646 Casado BANORTE 47 0.37
## 68 67114 Soltero BANORTE 56 0.37
## 69 66646 Union Libre BANORTE 35 0.35
## 70 66055 Soltero BANORTE 38 0.34
## 71 66670 Soltero BANORTE 38 0.34
## 72 66643 Union Libre BANORTE 27 0.33
## 73 66643 Union Libre BANORTE 30 0.33
## 74 66645 Casado BANORTE 46 0.33
## 75 66643 Casado BANORTE 48 0.33
## 76 66673 Union Libre BANORTE 21 0.33
## 77 66648 Soltero BANORTE 54 0.33
## 78 66634 Soltero BANORTE 20 0.33
## 79 66649 Soltero BANORTE 23 0.33
## 80 66640 Union Libre BANORTE 25 0.33
## 81 66649 Casado BANORTE 33 0.31
## 82 67254 Casado SANTANDER 40 0.31
## 83 67250 Casado SANTANDER 32 0.30
## 84 66648 Union Libre BANORTE 28 0.29
## 85 64988 Union Libre BANORTE 29 0.27
## 86 66646 Soltero BANORTE 22 0.27
## 87 66646 Casado BANORTE 37 0.26
## 88 66646 Union Libre BANORTE 23 0.24
## 89 66640 Union Libre BANORTE 28 0.24
## 90 66646 Soltero BANORTE 34 0.23
## 91 66646 Casado BANORTE 30 0.22
## 92 67258 divorcio BANORTE 42 0.22
## 93 66673 Union Libre BANORTE 23 0.22
## 94 66612 Union Libre BANORTE 53 0.21
## 95 66646 Union Libre BANORTE 23 0.20
## 96 66646 Union Libre BANORTE 33 0.20
## 97 66646 Soltero BANORTE 41 0.19
## 98 66646 Soltero BANORTE 21 0.19
## 99 66646 Casado BANORTE 34 0.19
## 100 67117 Soltero BANORTE 20 0.19
## 101 66646 Casado BANORTE 42 0.18
## 102 66633 divorcio BANORTE 32 0.18
## 103 66646 Casado BANORTE 18 0.18
## 104 66646 Soltero BANORTE 28 0.17
## 105 66646 Union Libre BANORTE 49 0.16
## 106 66640 Casado SANTANDER 60 0.16
## 107 67255 Casado SANTANDER 28 0.15
## 108 66646 Soltero BANORTE 45 0.15
## 109 66647 Soltero BANORTE 21 0.15
## 110 66635 Soltero BANORTE 20 0.14
## 111 66646 Union Libre BANORTE 33 0.14
## 112 66647 Casado BANORTE 50 0.14# bajas
summary(bajas)## X APELLIDOS NOMBRE FECHA.DE.NACIMIENTO
## Min. : 1.00 Length:235 Length:235 Length:235
## 1st Qu.: 75.00 Class :character Class :character Class :character
## Median : 90.00 Mode :character Mode :character Mode :character
## Mean : 88.06
## 3rd Qu.:103.25
## Max. :147.00
## NA's :55
## GENERO RFC FECHA.DE.ALTA MOTIVO.DE.BAJA
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## numero.de.días.trabajados BAJA PUESTO
## Min. : 0.00 Length:235 Length:235
## 1st Qu.: 8.75 Class :character Class :character
## Median : 19.00 Mode :character Mode :character
## Mean : 80.00
## 3rd Qu.: 49.25
## Max. :1966.00
## NA's :23
## DEPARTAMENTO NO.SEGURO.SOCIAL SALARIO.DIARIO.IMSS
## Length:235 Length:235 Min. :144.4
## Class :character Class :character 1st Qu.:180.7
## Mode :character Mode :character Median :180.7
## Mean :178.0
## 3rd Qu.:180.7
## Max. :500.0
##
## FACTOR.CRED.INFONAVIT N..CREDITO.INFONAVIT LUGAR.DE.NACIMIENTO
## Length:235 Length:235 Length:235
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## CURP CALLE NUMERO.INTERNO COLONIA
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## CODIGO.POSTAL MUNICIPIO ESTADO ESTADO.CIVIL
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## TARJETA....CUENTA Edad X.1 X.2
## Length:235 Min. :19.00 Mode:logical Mode:logical
## Class :character 1st Qu.:23.00 NA's:235 NA's:235
## Mode :character Median :29.00
## Mean :31.07
## 3rd Qu.:37.00
## Max. :61.00
## clean_names(bajas)## x apellidos nombre fecha_de_nacimiento
## 1 NA VALDEZ ORTIZ MARIO 24/06/90
## 2 NA BARRIOS MENDEZ ISABEL 11/07/86
## 3 NA GOMEZ HERNANDEZ MARIA ELIZABETH 29/01/99
## 4 NA ESCARCIA GOMEZ ALONDRA ABIGAIL 11/06/01
## 5 NA BERNAL FLORES ERIKA ROSALINDA 28/01/93
## 6 NA SAUCEDO GUZMAN GUADALUPE 12/12/76
## 7 NA MEZA LLANAS YOANA CRISTINA 24/07/93
## 8 NA TORRES LARA CESAR ANTONIO 10/09/91
## 9 NA SAENZ ARANDA ROBERTO 03/05/72
## 10 NA JIMENEZ ALANIS JAIME DANIEL 21/04/03
## 11 NA MARTINEZ QUEZADA DIEGO OSVALDO 20/03/01
## 12 NA RAMOS SALDAÑA FLORA 27/10/88
## 13 NA CALVILLO ALVAREZ JOSE ISMAEL 25/06/00
## 14 NA RIVERA LOPEZ NANCY NOHEMI 03/04/91
## 15 NA BAUTISTA BAUTISTA DIANA EDITH 28/07/89
## 16 NA GONZALEZ PINTOR JESUS EMILIANO 08/09/03
## 17 NA CASTILLO PERALES JANETH 26/09/00
## 18 NA VARGAS GONZALEZ JOSE ANGEL GABRIEL 23/10/03
## 19 NA PEÑA LOZANO HERVEY ANDRES 13/09/02
## 20 NA ALVAREZ CARRANZA XIMENA ARACELY 24/01/01
## 21 NA NUCAMENDI DOMINGUEZ OLIVER 29/04/92
## 22 NA DOMINGUEZ HERRERA PEDRO 10/09/61
## 23 NA GOMEZ HERRERA ARLETH VALERIA 18/10/03
## 24 NA CASTILLO GARZA EVELYN 30/04/87
## 25 NA CONTRERAS RIOS ANTONIA 17/01/70
## 26 NA TORRES ENCINA YESSICA LIZBETH 17/03/01
## 27 NA SANCHEZ OJEDA DEYANIRA FABIOLA 03/06/88
## 28 NA FIGUEROA FLORES ALEXIS ISMAEL 30/12/98
## 29 NA OCAMPO BOLON SARA MONSERRAT 08/04/01
## 30 74 RIVAS RANGEL MICHEL AZUCENA 05/03/01
## 31 75 RANGEL GONZALEZ ELIZABETH 25/12/89
## 32 76 ANTONIO CRUZ ROSARIO 20/11/96
## 33 77 REYES MONTEJO EDUARDO 10/03/03
## 34 82 ESPINOZA ARZOLA RAUL JAIME 07/10/02
## 35 92 MARTINEZ RIVERA MARIA GUADALUPE 14/08/92
## 36 88 ARCOS GAÑES MOISES 06/02/98
## 37 54 VAZQUEZ CARRANZA JUAN MANUEL 20/12/99
## 38 1 GUZMAN SALCEDO ANDREA 14/08/94
## 39 78 GUERRERO CRUZ ALAN EDUARDO 26/12/92
## 40 93 CARRIZALES OTIZ LITTZY STEFANIA 09/02/99
## 41 15 JIMENEZ ALANIS MARIA FERNANDA 10/07/98
## 42 31 CORTEZ MORALES ARTURO 18/03/92
## 43 69 LOPEZ ROMERO WILMAR 04/09/01
## 44 102 LOPEZ GALAVIZ CRISTIAN ALBERTO 24/11/02
## 45 NA MATEOS GARCIA JUAN ANGEL 26/02/01
## 46 NA GARZA GONZALEZ RAUL ANTONIO 20/05/99
## 47 NA LOPEZ ZARAGOZA JULIAN SAUDIEL 10/06/02
## 48 109 DOMINGUEZ AZUETA VANESSA 12/08/98
## 49 87 CAVAZOS COVARRUBIAS SONIA 22/08/74
## 50 73 HERNANDEZ REYES GUILLERMINA 11/02/71
## 51 84 HERNANDEZ VALDEZ DENISE 26/03/81
## 52 9 DURAN CRUZ DEMETRIO 22/12/72
## 53 49 GUAJARDO CAMPOS JOSE DANIEL 05/01/97
## 54 82 RODRIGUEZ GONZALEZ AMALIA 31/08/73
## 55 91 CERVANTES LARA CYNTHIA NALLELY 06/07/97
## 56 92 IBARRA ZAPATA DANIEL 09/01/02
## 57 NA ALCALA RINCON ADIEL FERNANDO 05/11/73
## 58 69 GARCIA SANCHEZ MARITZA MAYLEN 04/12/98
## 59 70 TREVIÑO COLORADO MALENY GUADALUPE 19/10/00
## 60 51 PUENTE PAREDES GUADALUPE ESMERALDA 02/11/98
## 61 73 DOMINGUEZ GARCIA JOSE MIGUEL 20/05/02
## 62 90 REYNA IBARRA ALMA DELFINA 18/08/01
## 63 95 DIAZ MEDINA DAVID 24/12/83
## 64 96 RAMOS RAMIREZ EDITH 21/02/95
## 65 100 ESPARZA ARELLANES CAROLINA 29/03/95
## 66 101 REYNA MEDINA SANDRA GRACIELA 04/08/81
## 67 81 RANGEL TORRES PERLA ESMERALDA 29/11/03
## 68 39 DE LA CONCHA ESCAMILLA LEONORA 01/07/77
## 69 41 LUNA MONTALVO BRENDA ISABEL 29/01/95
## 70 52 MORENO BRACAMONTES JOSE DANIEL 09/08/03
## 71 68 RODRIGUEZ AGUILAR JUAN PABLO 22/03/01
## 72 89 GONZALEZ QUIJANO EDGAR SAMUEL 11/01/97
## 73 NA ESPINOZA OLVERA HECTOR MIGUEL 02/05/85
## 74 NA JAUREGUI ROJAS JOSE ISAIAS 15/08/95
## 75 NA SALINAS HERNANDEZ ISRAEL 22/04/87
## 76 74 MARTINEZ RUIZ EVELIN AURORA 12/07/97
## 77 75 MUÑIZ ZAPATA SANDRA VIRGINIA 11/02/83
## 78 76 PAULINO GERVACIO ABIGAIL 11/03/00
## 79 86 GARCIA GARCIA TANIA BRISEIDY 26/11/00
## 80 92 LOPEZ PEREZ NOEMI 25/03/78
## 81 16 BARRERA RODRIGUEZ JONATHAN RAFAEL 26/11/95
## 82 52 VELAZQUEZ MENDOZA DIANA MARICELA 24/10/94
## 83 55 HERRERA FLORES YANETT 18/01/79
## 84 54 PEREZ PEÑA KATTIA LIZETH 13/10/97
## 85 61 SANCHEZ CARDENAS ALONDRA YANELLY 10/09/02
## 86 66 FERNANDEZ HERNANDEZ YAHAIRA ZUJEITH 15/08/97
## 87 77 MENDEZ MORALES NOHEMI 20/10/81
## 88 79 LEDEZMA MARTINEZ JOSE MACARIO 20/11/03
## 89 84 NUÑEZ LOPEZ DARIO EFREN 17/07/03
## 90 90 MIRANDA GONZALEZ KIDIA YAHAIRA 19/09/99
## 91 94 ROMERO GONZALEZ FRANCISCO JAVIER 03/12/90
## 92 96 DE DIOS GONZALEZ RAQUEL 04/04/81
## 93 97 GARCIA MENDEZ LEONEL 06/08/78
## 94 98 HERNANDEZ GARCIA CRISTIAN OMAR 29/02/00
## 95 101 BUSTAMANTE MORALES DULCE LUCERO 08/08/96
## 96 102 CASTAÑEDA MARTINEZ BRAYAN ALEJANDRO 20/08/94
## 97 104 MORENO SANCHEZ NORMA EDITH 14/05/22
## 98 50 VAZQUEZ VAZQUEZ MA. DEL ROSARIO 07/10/72
## 99 63 CAZARES CARDONA MARIA DE LOS ANGELES 03/07/90
## 100 67 ACEVEDO BIBIANO LESLY JHOSELYN 07/12/96
## 101 68 MOTA SANTOS MAURICIO 06/08/92
## 102 107 MENDEZ LEIJA MARIA GUADALUPE 18/02/97
## 103 108 HERNANDEZ MARTINEZ ADELINA 14/07/00
## 104 109 RUBIO LOPEZ MARCO ANTONIO 02/07/81
## 105 113 HERNANDEZ MUÑOZ HUGO FRANCISCO 07/06/90
## 106 115 ROJAS PEREZ SANDY JANETH 11/11/96
## 107 116 HERNANDEZ ESPINOZA PALOMA ABIGAIL 05/08/96
## 108 NA CASTILLO CRUZ MYRNA PATRICIA 03/12/84
## 109 14 MENDOZA SAMANIEGO KAREN IREN 23/04/95
## 110 78 HERNANDEZ MARTINEZ YAIRECI DANIELA 09/08/86
## 111 79 CERDA RAMIREZ JULISSA GUADALUPE 30/05/98
## 112 82 DIAZ QUIROZ LEONEL 06/11/93
## 113 83 HERNANDEZ MUÑOZ HUGO FRANCISCO 07/06/90
## 114 84 AGUILAR CERDA LUIS GERARDO 26/05/99
## 115 86 ALVAREZ MENDEZ RITA 24/08/84
## 116 87 COLUNGA ORTIZ JOANA NOHEMI 10/11/89
## 117 89 HERNANDEZ HERNANDEZ JESUS 04/07/92
## 118 90 MARTINEZ PARGA RAUL ALBERTO 20/03/74
## 119 92 RODRIGUEZ MARTINEZ GIL 03/08/76
## 120 94 JARAMILLO SANTOS IRMA ALICIA 26/09/74
## 121 97 RAMIREZ VAZQUEZ ESTEFANIA 03/05/98
## 122 62 GARCIA CAZARES TRINIDAD 25/05/97
## 123 77 MARTINEZ LEAL ALONDRA ABIGAIL 01/12/98
## 124 79 JAUREGUI SANCHEZ EMANUEL 03/10/98
## 125 87 HERNANDEZ BAUTISTA JOSE DOMINGO 14/04/99
## 126 90 BONILLA BARRAZA ISELA VIRIDIANA 25/11/93
## 127 91 GONZALEZ GONZALEZ ALONDRA YAMILETH 21/01/02
## 128 93 OLIVARES RODRIGUEZ MAYRA INES 22/12/86
## 129 95 SANTACRUZ ROJAS MARIA CLARA 23/08/76
## 130 97 ZARZOZA DELGADO SANDRO MAURICIO 29/03/95
## 131 99 RUIZ CAMPOS ROCIO 22/03/87
## 132 100 SORNIA SANTA CRUZ YOSELIN MARIAM 15/04/03
## 133 32 MEDRANO RODRIGUEZ TEOFILA 31/10/73
## 134 57 LOPEZ NAVARRO GASPAR 30/01/02
## 135 58 HERNANDEZ PASCUAL ALFREDO 17/12/94
## 136 60 PASCUAL HERNANDEZ LIDIA 09/04/95
## 137 76 HERNANDEZ VALERIANO DIEGO 09/04/92
## 138 81 DAVILA GARZA ANA LAURA 23/10/75
## 139 83 BERNAL RODRIGUEZ JORGE DANIEL 03/01/93
## 140 86 DELGADO AGUIÑAGA JUAN EDUARDO 13/09/79
## 141 94 GONZALEZ JOAQUIN AURORA 01/04/86
## 142 96 RANGEL GARCIA EMICILDA 13/02/90
## 143 92 BARRERA DAVILA MIREYA 15/07/82
## 144 95 RIVAS GONZALEZ MARGARITA 31/12/71
## 145 96 FACUNDO MONTOYA GLORIA 02/04/75
## 146 99 ROJAS MERLA ALEXIS ALAN 04/09/96
## 147 109 ESCALONA ESCUDERO JUAN PABLO 01/03/90
## 148 114 DIEGO REYES TERESA 12/03/22
## 149 120 ALGUIAR ELVIRA ROSALINDA 15/01/85
## 150 124 MORENO GONZALEZ HECTOR 31/10/91
## 151 125 CALAN TOTO SARY MELITZA 21/06/02
## 152 127 VALLE FAZ KARLA YAHAIRA 21/03/96
## 153 128 RIOS MENDOZA JONATHAN GERARDO 06/08/96
## 154 NA ANTONIO HERNANDEZ FRANCISCO 24/01/86
## 155 NA MARTINEZ OLIVARES MARIA ISABEL 19/08/78
## 156 NA VARGAS CRUZ GUADALUPE 26/03/66
## 157 59 CISNEROS SILVA DIEGO ANTONIO 08/04/03
## 158 79 BAUTISTA MARTINEZ LETICIA 12/01/87
## 159 80 ARADILLAS SANCHEZ CITLALLI 02/04/04
## 160 82 ORTIZ RODRIGUEZ NORMA ALICIA 21/09/86
## 161 83 BETANCURT DAVILA ARACELY 06/05/81
## 162 84 MARTINEZ CELEDON MARIA DEL CONSUELO 17/01/81
## 163 64 CIBRIAN GARCIA DOLORES 03/10/70
## 164 65 PERALES MUÑOZ RAQUEL 09/05/75
## 165 84 SANCHEZ HERNANDEZ LADY JULIETA 20/05/92
## 166 83 GONZALEZ CORDERO AIDEE 30/07/77
## 167 87 OCHOA GARCIA ADRIAN ADAHIR 09/01/03
## 168 97 CUNDAPI RUIZ YULIBETH 11/01/96
## 169 98 SANTIAGO DE LA CRUZ EPIFANIA 26/06/93
## 170 115 RODRIGUEZ CEPEDA RUBEN DARIO 06/04/01
## 171 116 CAYETANO HERNANDEZ EDUARDO 30/09/95
## 172 117 TENORIO VALENZUELA ELDA NURY 19/06/75
## 173 121 RUBIO VAZQUEZ CECILIA LUCIA 04/12/92
## 174 93 WILCHES PIÑON ARMIDA 23/09/73
## 175 96 MADARIAGA CAMACHO MARIA JOSE 12/01/96
## 176 103 ANTONIO PEÑA LISSET 19/11/80
## 177 129 ARTEAGA HERNANDEZ JUAN MANUEL 01/06/91
## 178 107 DE LA CRUZ ALGUIAR MAYRA PATRICIA 14/11/83
## 179 108 CARDENAS BANDA ALICIA MARGARITA 10/10/68
## 180 110 MONTEJANO MORENO LESLY LISSETTE 31/12/85
## 181 111 AGUIRRE MARTINEZ ERIKA MARISOL 29/11/86
## 182 118 MATA CASTILLO CHRISTIAN ISAAC 10/09/00
## 183 122 VAZQUEZ MARTINEZ ALBERTO 19/01/04
## 184 82 CORDOVA CUSTODIO LUIS 30/11/98
## 185 90 ARIAS PINTOR ANTONIO 03/04/90
## 186 21 RODRIGUEZ GARCIA RICARDO 03/04/74
## 187 28 CASTILLO TOVAR PERLA CECILIA 13/12/85
## 188 65 BUSTAMANTE MORALES JESSICA MONSERRATO 26/08/86
## 189 61 AGUILERA HERNANDEZ BRYAN MICHELL 12/10/02
## 190 75 MAGALLANES MUÑIZ EDUARDO ISRAEL 16/06/99
## 191 92 MARTINEZ MARTINEZ JEREMIAS 07/06/91
## 192 105 SANTOS VARGAS YISENIA 28/02/89
## 193 119 CRUZ MEZA EDGAR ELIUD 15/04/22
## 194 126 DE FERIA HERNANDEZ ELENA 13/08/84
## 195 57 RODRIGUEZ CONTRERAS JOSE GUADALUPE 28/11/85
## 196 100 CAMPOS GARZA BRYANDA RACHEL 11/12/90
## 197 113 ESTABILLO MELCHOR DIEGO OSWALDO 16/03/01
## 198 125 RODRIGUEZ MEDINA GREGORIO 10/04/93
## 199 131 CRISPIN CASTILLO FERNANDO 16/02/94
## 200 134 MARTINEZ RODRIGUEZ ALISSON VIRIDIANA 03/09/92
## 201 100 CAMPOS GARZA BRYANDA RACHEL 11/12/90
## 202 128 PEÑA LOZANO HERVEY ANDRES 13/09/02
## 203 77 GARCIA MENDEZ NALLELY GUADALUPE 03/07/91
## 204 80 VIDAÑA HERNANDEZ RANULFO 27/05/65
## 205 95 RIVERA MIJANGOS JENNY 21/11/84
## 206 104 ORTEGA BECERRA ELENA GUADALUPE 12/12/02
## 207 71 CRUZ HERNANDEZ ANA KAREN 01/09/02
## 208 138 CRUZ DELGADO ALONDRA MONSERRAT 07/04/99
## 209 140 DIMAS DIAZ MARITZA 26/09/78
## 210 141 PARTIDA DE LEON JORGE HUMBERTO 01/04/96
## 211 142 COVARRUBIAS HERNANDEZ BRAYAN ALEJANDRO 12/11/01
## 212 143 CONTRERAS DELGADO GUADALUPE 04/01/03
## 213 147 ESCOBEDO REYES NANCY NELLY 03/03/87
## 214 NA GALICIA LOPEZ ANGEL ALFONSO 01/08/91
## 215 NA PEREZ DEL ANGEL MIGUEL 29/09/97
## 216 NA ESCAMILLA GUEL JUAN ERNESTO 24/02/01
## 217 NA LAUREANI JIMENEZ MOISES 04/12/88
## 218 NA OCHOA GONZALEZ ROCIO 15/01/84
## 219 NA GONZALEZ CASTILLO ERNESTO 01/06/85
## 220 52 HERNANDEZ ESTRADA FELIPA 26/05/77
## 221 76 HUERTA BELTRAN JESUS ELIAS 24/09/95
## 222 101 MARTINEZ OLVERA MIRIAM 24/11/95
## 223 144 TOVAR MATA JESUS EDUARDO 04/07/93
## 224 NA ORTIZ MAÑON BRAYAN ANTONIO 26/03/99
## 225 NA MARTINEZ PALACIOS DIANA ISABEL 19/07/99
## 226 NA HERNANDEZ SANCHEZ ERIKA PATRICIA 07/03/97
## 227 NA HERNANDEZ SANCHEZ LAURA ELIZABETH 31/05/94
## 228 NA LARA MARTINEZ JAVIER 29/12/80
## 229 NA VILLALPANDO RODRIGUEZ KAROLINA 12/09/89
## 230 NA MENDOZA SALAZAR GLADYS NOHEMI 30/09/80
## 231 NA DOMINGUEZ LOPEZ MISHEL ELIZABETH 19/10/00
## 232 135 RODRIGUEZ DE LEON JONATHAN EDUARDO 22/01/00
## 233 136 ZARATE QUINTERO NATALIA AMAIRANY 28/01/01
## 234 145 LOPEZ ROSALES ABIGAIL 04/02/98
## 235 NA MUÑOZ BOLAÑOS LIZETH GUADALUPE 30/09/99
## genero rfc fecha_de_alta motivo_de_baja
## 1 MASCULINO VAOM900624HG8 09/03/20 RENUNCIA VOLUNTARIA
## 2 FEMENINO BAMI860711KR7 09/11/21 RENUNCIA VOLUNTARIA
## 3 FEMENINO GOHL990129GR7 10/11/21 RENUNCIA VOLUNTARIA
## 4 FEMENINO EAGA010611F57 10/11/21 RENUNCIA VOLUNTARIA
## 5 FEMENINO BEFE930128R13 18/11/21 RENUNCIA VOLUNTARIA
## 6 FEMENINO SAGG761212JW1 02/12/21 BAJA POR FALTAS
## 7 FEMENINO MELY9307241I7 02/12/21 BAJA POR FALTAS
## 8 MASCULINO TOLC9109106G4 08/12/21 BAJA POR FALTAS
## 9 MASCULINO SAAR720503CD8 21/12/21 BAJA POR FALTAS
## 10 MASCULINO JIAJ030421NR7 31/05/21 RENUNCIA VOLUNTARIA
## 11 MASCULINO MAQD010320EQ3 01/12/21 BAJA POR FALTAS
## 12 FEMENINO RASF881027C90 02/12/21 BAJA POR FALTAS
## 13 MASCULINO CAAI0006256V1 11/12/21 BAJA POR FALTAS
## 14 MASCULINO RILN910403QG8 15/12/21 RENUNCIA VOLUNTARIA
## 15 FEMENINO BABD890728U95 18/11/20 RENUNCIA VOLUNTARIA
## 16 MASCULINO GOPJ030908P21 19/10/21 RENUNCIA VOLUNTARIA
## 17 FEMENINO CAPJ000926597 19/10/21 RENUNCIA VOLUNTARIA
## 18 MASCULINO VAGA0310238R1 26/11/21 RENUNCIA VOLUNTARIA
## 19 MASCULINO PELH020913JB5 11/12/21 RENUNCIA VOLUNTARIA
## 20 FEMENINO AACX010124CX3 16/12/21 BAJA POR FALTAS
## 21 MASCULINO NUDO9204291K2 17/12/21 BAJA POR FALTAS
## 22 MASCULINO DOHP6109102W2 20/02/18 JUBILACION
## 23 FEMENINO GOHA031018928 22/10/21 TERMINO DE CONTRATO
## 24 FEMENINO CAGE870430NZ2 05/01/22 BAJA POR FALTAS
## 25 FEMENINO CORA7001175QA 07/01/22 BAJA POR FALTAS
## 26 FEMENINO TOEY0103178G0 19/01/22 BAJA POR FALTAS
## 27 FEMENINO SAOD880603BDA 19/01/22 BAJA POR FALTAS
## 28 MASCULINO FIFA9812308E6 20/01/22 BAJA POR FALTAS
## 29 FEMENINO OABS010408AS4 22/01/22 BAJA POR FALTAS
## 30 FEMENINO RIRM010305CI6 07/01/22 BAJA POR FALTAS
## 31 FEMENINO RAGE891225MU1 08/01/22 BAJA POR FALTAS
## 32 FEMENINO AOCR961120FC4 11/01/22 BAJA POR FALTAS
## 33 MASCULINO REME030310LP2 11/01/22 BAJA POR FALTAS
## 34 MASCULINO EIAR021007E93 15/01/22 BAJA POR FALTAS
## 35 FEMENINO MARG740725MH3 26/01/22 BAJA POR FALTAS
## 36 MASCULINO AOGM980206LC6 20/01/22 BAJA POR FALTAS
## 37 MASCULINO VACJ9912201H1 08/09/21 BAJA POR FALTAS
## 38 FEMENINO GUSA940817VD5 02/11/20 RENUNCIA VOLUNTARIA
## 39 MASCULINO GUCA921226111 13/01/22 BAJA POR FALTAS
## 40 FEMENINO CAOL990209SN5 26/01/22 BAJA POR FALTAS
## 41 FEMENINO JIAF980710CZ0 09/12/20 TERMINO DE CONTRATO
## 42 MASCULINO COMA920318F81 25/06/20 RENUNCIA VOLUNTARIA
## 43 MASCULINO LORW0109044E2 11/12/21 TERMINO DE CONTRATO
## 44 MASCULINO LOGC021124EZ7 01/02/22 BAJA POR FALTAS
## 45 MASCULINO MAGJ010226RX1 09/02/22 BAJA POR FALTAS
## 46 MASCULINO GAGR990520BF5 11/02/22 BAJA POR FALTAS
## 47 MASCULINO LOZJ020610SZ0 16/02/22 ABANDONO
## 48 FEMENINO DOAV980812AR8 02/02/22 BAJA POR FALTAS
## 49 FEMENINO CACS740822F5A 02/02/22 RENUNCIA VOLUNTARIA
## 50 FEMENINO HERG710211IM9 17/01/22 BAJA POR FALTAS
## 51 FEMENINO HEVD810326211 01/02/22 BAJA POR FALTAS
## 52 MASCULINO DUCD721222R33 12/10/16 RENUNCIA VOLUNTARIA
## 53 MASCULINO GUCD970105KM2 05/07/21 BAJA POR FALTAS
## 54 FEMENINO ROGA7308313P0 29/01/22 BAJA POR FALTAS
## 55 FEMENINO CELC970706RZ0 11/02/22 BAJA POR FALTAS
## 56 MASCULINO IAZD020109SP1 11/02/22 BAJA POR FALTAS
## 57 MASCULINO AARA731105QS7 23/02/22 BAJA POR FALTAS
## 58 FEMENINO GASM981204PH7 15/01/22 BAJA POR FALTAS
## 59 FEMENINO TECM001019IHA 15/01/22 BAJA POR FALTAS
## 60 FEMENINO PUPG981102394 15/09/21 BAJA POR FALTAS
## 61 MASCULINO DOGM020520QF2 25/01/22 BAJA POR FALTAS
## 62 FEMENINO REIA010818P86 16/02/22 BAJA POR FALTAS
## 63 MASCULINO DIMD831224BK8 22/02/22 BAJA POR FALTAS
## 64 FEMENINO RARE950221N15 22/02/22 BAJA POR FALTAS
## 65 FEMENINO EAAC950329D62 24/02/22 BAJA POR FALTAS
## 66 FEMENINO REMS8108047G4 08/02/22 BAJA POR FALTAS
## 67 FEMENINO RATP031129PP0 02/02/22 BAJA POR FALTAS
## 68 FEMENINO COEL770701N37 19/02/21 RENUNCIA VOLUNTARIA
## 69 FEMENINO LUMB950129QF6 18/03/21 RENUNCIA VOLUNTARIA
## 70 MASCULINO MOBD030809EX1 01/10/21 RENUNCIA VOLUNTARIA
## 71 MASCULINO ROAJ010322R40 14/01/22 RENUNCIA VOLUNTARIA
## 72 MASCULINO GOQE970111TNA 15/02/22 BAJA POR FALTAS
## 73 MASCULINO EIOH850502HM1 16/03/22 BAJA POR FALTAS
## 74 MASCULINO JARI950815QI0 17/03/22 RENUNCIA VOLUNTARIA
## 75 MASCULINO SAHI870422UN4 23/03/22 BAJA POR FALTAS
## 76 FEMENINO MARE9707122V6 08/02/22 BAJA POR FALTAS
## 77 FEMENINO MUZS8302111Q0 09/02/22 BAJA POR FALTAS
## 78 FEMENINO PAGA0003113C9 09/02/22 RENUNCIA VOLUNTARIA
## 79 FEMENINO GAGT0011269SA 24/02/22 RENUNCIA VOLUNTARIA
## 80 FEMENINO LOPN780325I29 18/03/22 BAJA POR FALTAS
## 81 MASCULINO BARJ951126PZA 22/11/18 RENUNCIA VOLUNTARIA
## 82 FEMENINO VEMD941024FQ9 02/11/21 TERMINO DE CONTRATO
## 83 FEMENINO HEFY7901185U7 16/11/21 RENUNCIA VOLUNTARIA
## 84 FEMENINO PEPK971013DK0 13/11/21 BAJA POR FALTAS
## 85 FEMENINO SACA020910MD6 15/12/21 BAJA POR FALTAS
## 86 FEMENINO FEHY970815S96 26/01/22 TERMINO DE CONTRATO
## 87 FEMENINO MEMN811020ICA 10/02/22 RENUNCIA VOLUNTARIA
## 88 MASCULINO LEMM031120S83 12/02/22 RENUNCIA VOLUNTARIA
## 89 MASCULINO NULD030717E63 23/02/22 RENUNCIA VOLUNTARIA
## 90 FEMENINO MIGK990919821 09/03/22 BAJA POR FALTAS
## 91 MASCULINO ROGF9012039S1 21/03/22 BAJA POR FALTAS
## 92 FEMENINO DIGR810404A93 23/03/22 RENUNCIA VOLUNTARIA
## 93 MASCULINO GAML7808063J8 23/03/22 RENUNCIA VOLUNTARIA
## 94 MASCULINO HEGC0002295D8 19/03/22 BAJA POR FALTAS
## 95 FEMENINO BUMD960808DA0 29/03/22 BAJA POR FALTAS
## 96 MASCULINO CAMB940820454 29/03/22 BAJA POR FALTAS
## 97 FEMENINO MOSN920514J88 02/04/22 BAJA POR FALTAS
## 98 FEMENINO VAVR721007218 05/10/21 BAJA POR FALTAS
## 99 FEMENINO CACX900703PW7 04/01/22 RENUNCIA VOLUNTARIA
## 100 FEMENINO AEBL961207JW7 26/01/22 RENUNCIA VOLUNTARIA
## 101 MASCULINO MOSM9208068P5 26/01/22 RENUNCIA VOLUNTARIA
## 102 FEMENINO MELG970218119 09/04/22 BAJA POR FALTAS
## 103 FEMENINO HEMA000714Q72 09/04/22 BAJA POR FALTAS
## 104 MASCULINO RULM810702NU4 09/04/22 BAJA POR FALTAS
## 105 MASCULINO HEMH900607PH9 18/04/22 BAJA POR FALTAS
## 106 FEMENINO ROPS961111PN3 22/04/22 BAJA POR FALTAS
## 107 FEMENINO HEEP960805MH0 22/04/22 BAJA POR FALTAS
## 108 FEMENINO CACM8412036F3 22/04/22 BAJA POR FALTAS
## 109 FEMENINO MESK950423FF6 14/06/18 TERMINO DE CONTRATO
## 110 FEMENINO HEMY8608097U8 07/04/22 RENUNCIA VOLUNTARIA
## 111 FEMENINO CERJ980530V11 07/04/22 RENUNCIA VOLUNTARIA
## 112 MASCULINO DIQL931106SF4 18/04/22 BAJA POR FALTAS
## 113 MASCULINO HEMH900607PH9 18/04/22 RENUNCIA VOLUNTARIA
## 114 MASCULINO AUCL9905268V6 20/04/22 RENUNCIA VOLUNTARIA
## 115 FEMENINO AAMR840824GI0 27/04/22 BAJA POR FALTAS
## 116 FEMENINO COOJ891110HBA 27/04/22 RENUNCIA VOLUNTARIA
## 117 MASCULINO HEHJ920704HS4 28/04/22 BAJA POR FALTAS
## 118 MASCULINO MAPR740320MF8 28/04/22 BAJA POR FALTAS
## 119 MASCULINO ROMG7608033VA 28/04/22 RENUNCIA VOLUNTARIA
## 120 FEMENINO JASI7409262E6 03/05/22 RENUNCIA VOLUNTARIA
## 121 FEMENINO RAVE980503550 04/05/22 BAJA POR FALTAS
## 122 MASCULINO GACT970525KG7 04/02/22 RENUNCIA VOLUNTARIA
## 123 FEMENINO MALA981201CH4 29/03/22 BAJA POR FALTAS
## 124 MASCULINO JASE981003M35 12/04/22 BAJA POR FALTAS
## 125 MASCULINO HEBD9904146SA 09/05/22 BAJA POR FALTAS
## 126 FEMENINO BOBI9311254F1 12/05/22 BAJA POR FALTAS
## 127 FEMENINO GOGA020121JR2 13/05/22 BAJA POR FALTAS
## 128 FEMENINO OIRM8612224G6 16/05/22 BAJA POR FALTAS
## 129 FEMENINO SARC760823412 17/05/22 BAJA POR FALTAS
## 130 MASCULINO ZADS950329SD1 18/05/22 BAJA POR FALTAS
## 131 FEMENINO RUCR870322PG8 18/05/22 BAJA POR FALTAS
## 132 FEMENINO SOSY030415LN1 18/05/22 BAJA POR FALTAS
## 133 FEMENINO MERT731031R81 29/08/20 RENUNCIA VOLUNTARIA
## 134 MASCULINO LONG020130LQ4 22/01/22 RENUNCIA VOLUNTARIA
## 135 MASCULINO HEPA941217RI7 26/01/22 RENUNCIA VOLUNTARIA
## 136 FEMENINO PAHL950409EX9 26/01/22 RENUNCIA VOLUNTARIA
## 137 MASCULINO HEVD920409CZ8 24/03/22 RENUNCIA VOLUNTARIA
## 138 FEMENINO DAGA7510231K8 27/04/22 BAJA POR FALTAS
## 139 MASCULINO BERJ9301037X2 29/04/22 BAJA POR FALTAS
## 140 MASCULINO DEAJ790913NK5 06/05/22 RENUNCIA VOLUNTARIA
## 141 FEMENINO GOJA860401NY7 17/05/22 BAJA POR FALTAS
## 142 FEMENINO RAGE900213534 17/05/22 BAJA POR FALTAS
## 143 FEMENINO BADM820715MQ1 14/05/22 TERMINO DE CONTRATO
## 144 FEMENINO RIGM711231QHA 13/06/22 RENUNCIA VOLUNTARIA
## 145 FEMENINO FAMG750402UD8 13/06/22 RENUNCIA VOLUNTARIA
## 146 MASCULINO ROMA9609048P6 14/06/22 BAJA POR FALTAS
## 147 MASCULINO EAEJ900301I43 14/06/22 BAJA POR FALTAS
## 148 FEMENINO DIRT96031269A 15/06/22 BAJA POR FALTAS
## 149 FEMENINO GURE850115EY4 15/06/22 BAJA POR FALTAS
## 150 MASCULINO MOGH911031HL4 15/06/22 BAJA POR FALTAS
## 151 FEMENINO CATS020621LH8 15/06/22 BAJA POR FALTAS
## 152 FEMENINO VAFK960321692 15/06/22 BAJA POR FALTAS
## 153 MASCULINO RIMJ9608061V7 15/06/22 BAJA POR FALTAS
## 154 MASCULINO AOHF8601241IA 16/06/22 BAJA POR FALTAS
## 155 FEMENINO MAOI780819BK5 16/06/22 BAJA POR FALTAS
## 156 FEMENINO VACG660326I25 16/06/22 BAJA POR FALTAS
## 157 MASCULINO CISD0304082E0 16/02/22 RENUNCIA VOLUNTARIA
## 158 FEMENINO BAML8701128D1 19/05/22 BAJA POR FALTAS
## 159 FEMENINO AASC040402J63 24/05/22 BAJA POR FALTAS
## 160 FEMENINO OIRN8609214LA 25/05/22 BAJA POR FALTAS
## 161 FEMENINO BEDA810506IC4 27/05/22 BAJA POR FALTAS
## 162 FEMENINO MACC810117HY4 28/05/22 BAJA POR FALTAS
## 163 FEMENINO CIGD701003I35 28/02/22 RENUNCIA VOLUNTARIA
## 164 FEMENINO PEMR750509S89 02/03/22 RENUNCIA VOLUNTARIA
## 165 FEMENINO SAHL920520MS0 10/06/22 RENUNCIA VOLUNTARIA
## 166 FEMENINO GOCA7707306H0 10/06/22 BAJA POR FALTAS
## 167 MASCULINO OOGA030109KN5 11/06/22 RENUNCIA VOLUNTARIA
## 168 FEMENINO CURY960111AC2 14/06/22 BAJA POR FALTAS
## 169 FEMENINO SACE930626525 14/06/22 BAJA POR FALTAS
## 170 MASCULINO ROCR010406AQ5 21/06/22 RENUNCIA VOLUNTARIA
## 171 MASCULINO CAHE950930C82 21/06/22 RENUNCIA VOLUNTARIA
## 172 FEMENINO TEVE750619BL4 22/06/22 BAJA POR FALTAS
## 173 FEMENINO RUVC9212041K3 24/06/22 RENUNCIA VOLUNTARIA
## 174 FEMENINO WIPA730923GY8 14/06/22 BAJA POR FALTAS
## 175 FEMENINO MACJ9601129F2 14/06/22 BAJA POR FALTAS
## 176 FEMENINO AOPL8011194YA 15/06/22 BAJA POR FALTAS
## 177 MASCULINO AEHJ9106018N6 06/07/22 BAJA POR FALTAS
## 178 FEMENINO CUAM8311147A5 15/06/22 RENUNCIA VOLUNTARIA
## 179 FEMENINO CABA681010QB7 15/06/22 RENUNCIA VOLUNTARIA
## 180 FEMENINO MOML8512317D8 15/06/22 BAJA POR FALTAS
## 181 FEMENINO AUME8611294P6 15/06/22 RENUNCIA VOLUNTARIA
## 182 MASCULINO MACC000510US3 22/06/22 RENUNCIA VOLUNTARIA
## 183 MASCULINO VAMA0401197Y8 23/06/22 RENUNCIA VOLUNTARIA
## 184 MASCULINO COCL981130QW4 09/06/22 RENUNCIA VOLUNTARIA
## 185 MASCULINO AIPA900403Q64 14/06/22 BAJA POR FALTAS
## 186 MASCULINO ROGR740403PW2 23/09/19 TERMINO DE CONTRATO
## 187 FEMENINO CATP8512136Q3 19/08/20 RENUNCIA VOLUNTARIA
## 188 FEMENINO BUMJ860826HY6 11/03/22 RENUNCIA VOLUNTARIA
## 189 MASCULINO AUHB021012L8A 18/02/22 BAJA POR FALTAS
## 190 MASCULINO MAMX990616QB0 12/05/22 RENUNCIA VOLUNTARIA
## 191 FEMENINO MAMJ9106076E8 14/06/22 BAJA POR FALTAS
## 192 FEMENINO SAVY890228ESA 15/06/22 BAJA POR FALTAS
## 193 MASCULINO CUME850415NE9 23/06/22 RENUNCIA VOLUNTARIA
## 194 FEMENINO FEHE840813LL4 04/07/22 RENUNCIA VOLUNTARIA
## 195 MASCULINO ROCG8511289P8 02/02/22 RENUNCIA VOLUNTARIA
## 196 FEMENINO CAGB901211F69 14/06/22 RENUNCIA VOLUNTARIA
## 197 MASCULINO EAMD010316UZ8 17/06/22 RENUNCIA VOLUNTARIA
## 198 MASCULINO ROMG930410HW3 01/07/22 RENUNCIA VOLUNTARIA
## 199 MASCULINO CICF940216C70 07/07/22 BAJA POR FALTAS
## 200 FEMENINO MARA920903FP4 19/07/22 BAJA POR FALTAS
## 201 FEMENINO CAGB901211F69 14/06/22 RENUNCIA VOLUNTARIA
## 202 MASCULINO PELH020913JB5 06/07/22 RENUNCIA VOLUNTARIA
## 203 FEMENINO GAMN910703IE9 25/05/22 BAJA POR FALTAS
## 204 MASCULINO VIHR660527UC0 08/06/22 RENUNCIA VOLUNTARIA
## 205 FEMENINO RIMJ8411211I6 14/06/22 BAJA POR FALTAS
## 206 FEMENINO OEBE021212H64 15/06/22 BAJA POR FALTAS
## 207 FEMENINO CUHA0209015S6 28/04/22 RENUNCIA VOLUNTARIA
## 208 FEMENINO CUDA9904077TA 19/07/22 BAJA POR FALTAS
## 209 FEMENINO DIDM7809263S4 12/07/22 BAJA POR FALTAS
## 210 MASCULINO PALJ960401UU8 21/07/22 BAJA POR FALTAS
## 211 MASCULINO COHB011112GI9 21/07/22 BAJA POR FALTAS
## 212 FEMENINO CODG030104459 21/07/22 BAJA POR FALTAS
## 213 FEMENINO EORN870303689 26/07/22 BAJA POR FALTAS
## 214 MASCULINO GALA9108011T6 26/07/22 BAJA POR FALTAS
## 215 MASCULINO PEAM970929GY8 30/07/22 BAJA POR FALTAS
## 216 MASCULINO EAGJ010224PX9 03/08/22 BAJA POR FALTAS
## 217 MASCULINO LAJM881204TJ1 06/08/22 RENUNCIA VOLUNTARIA
## 218 FEMENINO OOGR8401152WA 06/08/22 RENUNCIA VOLUNTARIA
## 219 MASCULINO GOCE850601JS9 09/08/22 RENUNCIA VOLUNTARIA
## 220 FEMENINO HEEF770526187 09/12/21 RENUNCIA VOLUNTARIA
## 221 MASCULINO HUBJ950924S4A 18/05/22 BAJA POR FALTAS
## 222 FEMENINO MAOM951124DG1 14/06/22 RENUNCIA VOLUNTARIA
## 223 MASCULINO TOMJ930704940 21/07/22 RENUNCIA VOLUNTARIA
## 224 MASCULINO OIMB990326UQ9 28/07/22 RENUNCIA VOLUNTARIA
## 225 FEMENINO MAPD990719K55 28/07/22 RENUNCIA VOLUNTARIA
## 226 FEMENINO HESE970307FR1 02/08/22 BAJA POR FALTAS
## 227 FEMENINO HESL940531IBA 02/08/22 BAJA POR FALTAS
## 228 MASCULINO LAMJ801229F3A 10/08/22 BAJA POR FALTAS
## 229 FEMENINO VIRK890912N26 12/08/22 BAJA POR FALTAS
## 230 FEMENINO MESG800930PK7 12/08/22 BAJA POR FALTAS
## 231 FEMENINO DOLM001019B86 17/08/22 BAJA POR FALTAS
## 232 MASCULINO ROLJ000122JC9 19/07/22 BAJA POR FALTAS
## 233 FEMENINO ZAQN010128IC5 19/07/22 BAJA POR FALTAS
## 234 FEMENINO LORA980204GW8 23/07/22 BAJA POR FALTAS
## 235 FEMENINO MUBL9909302Z9 12/08/22 BAJA POR FALTAS
## numero_de_dias_trabajados baja puesto
## 1 628 27/11/21 DISEÑO
## 2 60 08/01/22 AYUDANTE GENERAL
## 3 59 08/01/22 AYUDANTE GENERAL
## 4 59 08/01/22 AYUDANTE GENERAL
## 5 51 08/01/22 AYUDANTE GENERAL
## 6 37 08/01/22 AYUDANTE GENERAL
## 7 37 08/01/22 AYUDANTE GENERAL
## 8 31 08/01/22 AYUDANTE GENERAL
## 9 18 08/01/22 AYUDANTE GENERAL
## 10 224 10/01/22 AYUDANTE GENERAL
## 11 40 10/01/22 AYUDANTE GENERAL
## 12 39 10/01/22 AYUDANTE GENERAL
## 13 30 10/01/22 AYUDANTE DE EMBARQUES
## 14 26 10/01/22 COSTURA
## 15 421 13/01/22 AYUDANTE GENERAL
## 16 86 13/01/22 AYUDANTE GENERAL
## 17 86 13/01/22 AYUDANTE GENERAL
## 18 48 13/01/22 AYUDANTE GENERAL
## 19 33 13/01/22 AYUDANTE GENERAL
## 20 28 13/01/22 AYUDANTE GENERAL
## 21 27 13/01/22 AYUDANTE GENERAL
## 22 1429 19/01/22 RESIDENTE
## 23 89 19/01/22 AYUDANTE GENERAL
## 24 14 19/01/22 AYUDANTE GENERAL
## 25 12 19/01/22 AYUDANTE GENERAL
## 26 5 24/01/22 AYUDANTE GENERAL
## 27 5 24/01/22 AYUDANTE GENERAL
## 28 4 24/01/22 MONTACARGUISTA
## 29 2 24/01/22 AYUDANTE GENERAL
## 30 19 26/01/22 AYUDANTE GENERAL
## 31 18 26/01/22 AYUDANTE GENERAL
## 32 15 26/01/22 AYUDANTE GENERAL
## 33 15 26/01/22 AYUDANTE GENERAL
## 34 11 26/01/22 AYUDANTE GENERAL
## 35 2 28/01/22 AYUDANTE GENERAL
## 36 8 28/01/22 AYUDANTE GENERAL
## 37 141 27/01/22 AYUDANTE GENERAL
## 38 455 31/01/22 SERVICIO AL CLIENTE
## 39 19 01/02/22 MONTACARGUISTA
## 40 6 01/02/22 AYUDANTE GENERAL
## 41 423 05/02/22 ANALISTA DE NOMINAS /AUX DE R.H.
## 42 602 17/02/22 AYUDANTE DE MTTO
## 43 63 12/02/22 AUXILIAR DE EMBARQUES
## 44 14 15/02/22 AYUDANTE GENERAL
## 45 8 17/02/22 AYUDANTE GENERAL
## 46 6 17/02/22 AYUDANTE GENERAL
## 47 0 16/02/22 AYUDANTE GENERAL
## 48 2 04/02/22 AYUDANTE GENERAL
## 49 13 15/02/22 AYUDANTE GENERAL
## 50 25 11/02/22 COSTURA
## 51 8 09/02/22 AYUDANTE GENERAL
## 52 1966 01/03/22 AYUDANTE GENERAL
## 53 239 01/03/22 CHOFER
## 54 23 21/02/22 AYUDANTE GENERAL
## 55 18 01/03/22 AYUDANTE GENERAL
## 56 10 21/02/22 AYUDANTE GENERAL
## 57 6 01/03/22 AYUDANTE GENERAL
## 58 41 25/02/22 AYUDANTE GENERAL
## 59 41 25/02/22 AYUDANTE GENERAL
## 60 148 10/02/22 AYUDANTE GENERAL
## 61 34 28/02/22 AYUDANTE DE EMBARQUES
## 62 15 03/03/22 AYUDANTE GENERAL
## 63 16 10/03/22 AYUDANTE GENERAL
## 64 6 28/02/22 AYUDANTE GENERAL
## 65 14 10/03/22 AYUDANTE GENERAL
## 66 30 10/03/22 AYUDANTE GENERAL
## 67 36 10/03/22 AYUDANTE GENERAL
## 68 361 15/02/22 AYUDANTE GENERAL
## 69 366 19/03/22 INSPECTOR CALIDAD
## 70 169 19/03/22 AYUDANTE GENERAL
## 71 64 19/03/22 MATERIALISTA
## 72 30 17/03/22 AUXILIAR DE EMBARQUES
## 73 1 17/03/22 SOLDADOR
## 74 11 28/03/22 SOLDADOR
## 75 1 24/03/22 SOLDADOR
## 76 48 28/03/22 AYUDANTE GENERAL
## 77 47 28/03/22 AYUDANTE GENERAL
## 78 47 28/03/22 AYUDANTE GENERAL
## 79 32 28/03/22 AYUDANTE GENERAL
## 80 10 28/03/22 COSTURA
## 81 1236 11/04/22 AYUDANTE GENERAL
## 82 161 12/04/22 AYUDANTE GENERAL
## 83 149 14/04/22 AYUDANTE GENERAL
## 84 149 11/04/22 AYUDANTE GENERAL
## 85 117 11/04/22 AYUDANTE GENERAL
## 86 77 13/04/22 AYUDANTE GENERAL
## 87 60 11/04/22 COSTURA
## 88 58 11/04/22 AYUDANTE GENERAL
## 89 47 11/04/22 AYUDANTE GENERAL
## 90 33 11/04/22 AYUDANTE GENERAL
## 91 21 11/04/22 AYUDANTE GENERAL
## 92 16 08/04/22 AYUDANTE GENERAL
## 93 16 08/04/22 AYUDANTE GENERAL
## 94 23 11/04/22 AYUDANTE DE EMBARQUES
## 95 13 11/04/22 AYUDANTE GENERAL
## 96 13 11/04/22 AYUDANTE GENERAL
## 97 9 11/04/22 AYUDANTE GENERAL
## 98 197 20/04/22 AYUDANTE GENERAL
## 99 104 18/04/22 AYUDANTE GENERAL
## 100 89 25/04/22 AYUDANTE GENERAL
## 101 89 25/04/22 AYUDANTE GENERAL
## 102 12 21/04/22 AYUDANTE GENERAL
## 103 12 21/04/22 AYUDANTE GENERAL
## 104 16 25/04/22 SOLDADOR
## 105 7 25/04/22 AYUDANTE GENERAL
## 106 1 23/04/22 AYUDANTE GENERAL
## 107 1 23/04/22 AYUDANTE GENERAL
## 108 3 25/04/22 INSPECTOR CALIDAD
## 109 1408 22/04/22 FACTURACION
## 110 29 06/05/22 AYUDANTE GENERAL
## 111 30 07/05/22 AYUDANTE GENERAL
## 112 14 02/05/22 AYUDANTE GENERAL
## 113 11 29/04/22 AYUDANTE GENERAL
## 114 15 05/05/22 AYUDANTE GENERAL
## 115 2 29/04/22 AYUDANTE GENERAL
## 116 1 28/04/22 COSTURA
## 117 8 06/05/22 SOLDADOR
## 118 7 05/05/22 SOLDADOR
## 119 15 13/05/22 AYUDANTE GENERAL
## 120 14 17/05/22 MARCADORA
## 121 1 05/05/22 COSTURA
## 122 102 17/05/22 AUXILIAR DE EMBARQUES
## 123 49 17/05/22 AYUDANTE GENERAL
## 124 35 17/05/22 AUXILIAR DE EMBARQUES
## 125 8 17/05/22 SOLDADOR
## 126 5 17/05/22 AYUDANTE GENERAL
## 127 4 17/05/22 AYUDANTE GENERAL
## 128 1 17/05/22 AYUDANTE GENERAL
## 129 10 27/05/22 AYUDANTE GENERAL
## 130 9 27/05/22 AYUDANTE GENERAL
## 131 9 27/05/22 AYUDANTE GENERAL
## 132 9 27/05/22 AYUDANTE GENERAL
## 133 646 06/06/22 CORTADOR
## 134 125 27/05/22 AYUDANTE GENERAL
## 135 141 16/06/22 AYUDANTE GENERAL
## 136 141 16/06/22 AYUDANTE GENERAL
## 137 93 25/06/22 SOLDADOR
## 138 30 27/05/22 COSTURA
## 139 28 27/05/22 AYUDANTE GENERAL
## 140 21 27/05/22 AYUDANTE GENERAL
## 141 10 27/05/22 AYUDANTE GENERAL
## 142 10 27/05/22 AYUDANTE GENERAL
## 143 41 24/06/22 AYUDANTE GENERAL
## 144 9 22/06/22 AYUDANTE GENERAL
## 145 9 22/06/22 AYUDANTE GENERAL
## 146 4 18/06/22 INSPECTOR CALIDAD
## 147 8 22/06/22 AYUDANTE GENERAL
## 148 5 20/06/22 AYUDANTE GENERAL
## 149 1 16/06/22 AYUDANTE GENERAL
## 150 0 15/06/22 AYUDANTE GENERAL
## 151 0 15/06/22 AYUDANTE GENERAL
## 152 3 18/06/22 AYUDANTE GENERAL
## 153 3 18/06/22 MATERIALISTA
## 154 6 22/06/22 AYUDANTE GENERAL
## 155 12 28/06/22 AYUDANTE GENERAL
## 156 12 28/06/22 AYUDANTE GENERAL
## 157 129 25/06/22 AYUDANTE GENERAL
## 158 0 19/05/22 AYUDANTE GENERAL
## 159 0 24/05/22 AYUDANTE GENERAL
## 160 29 23/06/22 AYUDANTE GENERAL
## 161 0 27/05/22 AYUDANTE GENERAL
## 162 0 28/05/22 AYUDANTE GENERAL
## 163 112 20/06/22 LIMPIEZA
## 164 103 13/06/22 AYUDANTE GENERAL
## 165 20 30/06/22 AYUDANTE GENERAL
## 166 19 29/06/22 AYUDANTE GENERAL
## 167 25 06/07/22 AYUDANTE GENERAL
## 168 15 29/06/22 AYUDANTE GENERAL
## 169 22 06/07/22 AYUDANTE GENERAL
## 170 15 06/07/22 AYUDANTE GENERAL
## 171 15 06/07/22 AYUDANTE GENERAL
## 172 14 06/07/22 COSTURA
## 173 12 06/07/22 AYUDANTE GENERAL
## 174 15 29/06/22 AYUDANTE GENERAL
## 175 15 29/06/22 AYUDANTE GENERAL
## 176 19 04/07/22 AYUDANTE GENERAL
## 177 3 09/07/22 AYUDANTE GENERAL
## 178 29 14/07/22 COSTURA
## 179 29 14/07/22 COSTURA
## 180 NA AYUDANTE GENERAL
## 181 NA 13/07/22 AYUDANTE GENERAL
## 182 NA 07/07/22 AYUDANTE DE EMBARQUES
## 183 NA 11/07/22 RESIDENTE
## 184 NA 12/07/22 AYUDANTE GENERAL
## 185 NA AYUDANTE GENERAL
## 186 NA GUARDIA DE SEGURIDAD
## 187 NA INSPECTOR CALIDAD
## 188 NA 11/07/22 AYUDANTE GENERAL
## 189 NA AYUDANTE GENERAL
## 190 NA COSTURA
## 191 NA AYUDANTE GENERAL
## 192 NA AYUDANTE GENERAL
## 193 NA 22/07/22 SOLDADOR
## 194 NA 22/07/22 AYUDANTE GENERAL
## 195 NA 28/07/22 MONTACARGUISTA
## 196 NA 28/07/22 AYUDANTE GENERAL
## 197 NA PRACTICANTE DE MTTO
## 198 NA 29/07/22 SOLDADOR
## 199 NA AYUDANTE GENERAL
## 200 NA AYUDANTE GENERAL
## 201 NA AYUDANTE GENERAL
## 202 NA AYUDANTE GENERAL
## 203 75 08/08/22 AYUDANTE GENERAL
## 204 54 01/08/22 AYUDANTE GENERAL
## 205 57 10/08/22 AYUDANTE GENERAL
## 206 50 04/08/22 AYUDANTE GENERAL
## 207 103 09/08/22 AYUDANTE GENERAL
## 208 13 01/08/22 AYUDANTE GENERAL
## 209 20 01/08/22 AYUDANTE GENERAL
## 210 2 23/07/22 AYUDANTE GENERAL
## 211 9 30/07/22 AYUDANTE GENERAL
## 212 9 30/07/22 AYUDANTE GENERAL
## 213 16 11/08/22 AYUDANTE GENERAL
## 214 6 01/08/22 RESIDENTE
## 215 7 06/08/22 SOLDADOR
## 216 2 05/08/22 AYUDANTE GENERAL
## 217 6 12/08/22 AYUDANTE GENERAL
## 218 6 12/08/22 AYUDANTE GENERAL
## 219 1 10/08/22 MONTACARGUISTA
## 220 251 17/08/22 GUARDIA DE SEGURIDAD
## 221 91 17/08/22 AYUDANTE DE SOLDADOR
## 222 71 24/08/22 AYUDANTE GENERAL
## 223 32 22/08/22 AYUDANTE GENERAL
## 224 25 22/08/22 AYUDANTE GENERAL
## 225 25 22/08/22 AYUDANTE GENERAL
## 226 20 22/08/22 AYUDANTE GENERAL
## 227 23 25/08/22 AYUDANTE GENERAL
## 228 8 18/08/22 MONTACARGUISTA
## 229 11 23/08/22 AYUDANTE GENERAL
## 230 11 23/08/22 AYUDANTE GENERAL
## 231 5 22/08/22 AYUDANTE GENERAL
## 232 27 15/08/22 AYUDANTE GENERAL
## 233 34 22/08/22 AYUDANTE GENERAL
## 234 30 22/08/22 AYUDANTE GENERAL
## 235 6 18/08/22 AYUDANTE GENERAL
## departamento no_seguro_social salario_diario_imss
## 1 ADMINISTRATIVO 43139026090 500.00
## 2 Produccion Cartón MC 21058641586 151.61
## 3 stabilus 0 2159983432 151.61
## 4 celdas 0 3180175535 151.61
## 5 43109363747 151.61
## 6 43937683647 151.61
## 7 43099330201 151.61
## 8 43099151714 151.61
## 9 47897261187 151.61
## 10 Materiales 24180309288 176.72
## 11 25170177528 151.61
## 12 0 2218827596 151.61
## 13 Cedis 0 3180072070 176.72
## 14 43069121879 176.72
## 15 Produccion Cartón MDL 04 138959863 151.67
## 16 151.61
## 17 Produccion Cartón MC 26170070374 151.61
## 18 Producción Retorn 52210341823 151.61
## 19 28170238811 151.61
## 20 38150186476 151.61
## 21 0 7169237794 151.61
## 22 Cedis 32786125271 176.72
## 23 Produccion Cartón MC 18190361024 151.61
## 24 43028712438 151.61
## 25 43037002524 180.68
## 26 Produccion Cartón MC 0 2180137214 180.68
## 27 Produccion Cartón MC 43068838465 180.68
## 28 Materiales 0 2159891569 180.68
## 29 82110100086 180.68
## 30 25180135433 180.68
## 31 47058900839 180.68
## 32 30169651624 180.68
## 33 24160321998 180.68
## 34 56180201313 180.68
## 35 Troquel 0 3907315133 180.68
## 36 Stabilus 27169819805 180.68
## 37 Produccion Cartón MC 19179903919 151.61
## 38 ADMINISTRATIVO 32139489119 176.72
## 39 Materiales 43129236014 180.68
## 40 Troquel 27179910214 180.68
## 41 ADMINISTRATIVO 17139840197 176.72
## 42 Mantenimiento FF 43129275665 176.72
## 43 0 2150142475 176.72
## 44 Troquel 25180236447 180.68
## 45 Ay.flexo 05 190159847 180.68
## 46 Ay.flexo 18179992674 180.68
## 47 Ay.flexo 24170286116 180.68
## 48 Stabilus 23169813930 180.68
## 49 Stabilus 0 390744248 1 180.68
## 50 Costura 43047103544 180.68
## 51 Celdas 47988163433 180.68
## 52 Produccion Cartón MC 43037206257 176.72
## 53 Cedis 32129706407 176.72
## 54 Troquel 0 3907331999 180.68
## 55 Celdas 44159711090 180.68
## 56 Stabilus 59160203689 180.68
## 57 Celdas 47917301971 180.68
## 58 Marcadora 10159839058 180.68
## 59 Marcadora 0 2170007849 180.68
## 60 Produccion Cartón MC 62159886886 151.61
## 61 Cedis 70170223260 180.68
## 62 CAJAS 50190166491 180.68
## 63 Ay.flexo 24108300294 180.68
## 64 Celdas 05 209551372 180.68
## 65 Stabilus 43109502732 180.68
## 66 Laminado 43978117190 180.68
## 67 Stabilus 27210366376 180.68
## 68 Produccion Cartón MC 03 147737013 151.61
## 69 Calidad 43139501589 176.72
## 70 60170318012 151.61
## 71 Materiales 35190188231 180.68
## 72 EMBARQUES 26149759412 180.68
## 73 Paileria 43008509986 180.68
## 74 Paileria 47129536455 180.68
## 75 Paileria 43038712543 180.68
## 76 Stabilus 43139709000 180.68
## 77 Stabilus 43028332716 180.68
## 78 Stabilus 96160032916 180.68
## 79 Celdas 10180036724 180.68
## 80 03 977824816 180.68
## 81 Producción Retorn 27149540372 144.45
## 82 47129408150 151.61
## 83 43927908236 151.61
## 84 18149703292 151.61
## 85 26200271679 151.61
## 86 Celdas 43139751192 180.68
## 87 Costura 43978064772 180.68
## 88 Stabilus 58180379487 180.68
## 89 Producción Retorn 26190307194 180.68
## 90 Stabilus 05 169974671 180.68
## 91 Stabilus 43089084545 180.68
## 92 Stabilus 83038107146 180.68
## 93 Celdas 83967803657 180.68
## 94 Cedis 35170037705 180.68
## 95 Stabilus 50149660248 180.68
## 96 Troquel 43129433322 180.68
## 97 Stabilus 02 229256421 180.68
## 98 Stabilus 43097202899 151.61
## 99 Stabilus 05 219043972 151.61
## 100 Celdas 0 1209649274 180.68
## 101 Troquel 0 3219288077 180.68
## 102 Stabilus 43139705834 180.68
## 103 Stabilus 31160010109 180.68
## 104 Paileria 43988013736 180.68
## 105 Stabilus 43089050827 180.68
## 106 Stabilus 08 149692181 180.68
## 107 Stabilus 43129655858 180.68
## 108 Calidad 43018409755 180.68
## 109 Cedis 32139573706 176.72
## 110 Stabilus 02 20860376 7 180.68
## 111 Stabilus 19149822090 180.68
## 112 Producción Retorn 47129317674 180.68
## 113 Stabilus 43089050827 180.68
## 114 Stabilus 02 159963657 180.68
## 115 Celdas 43998426647 180.68
## 116 Costura 43048908883 180.68
## 117 Paileria 43089272371 180.68
## 118 Paileria 03 917426532 180.68
## 119 Stabilus 43977651454 180.68
## 120 Costura 03 917490272 180.68
## 121 Costura 18149808927 180.68
## 122 EMBARQUES 17259713491 180.68
## 123 Stabilus 05 159823706 180.68
## 124 CEDIS 21139849786 180.68
## 125 Paileria 02 159915954 180.68
## 126 Stabilus 47109307083 180.68
## 127 Stabilus 24170240824 180.68
## 128 03 208624076 180.68
## 129 03 147601656 180.68
## 130 EMBARQUES 43129569034 180.68
## 131 CAJAS 67088725352 180.68
## 132 STABILUS 02 190309522 180.68
## 133 Produccion Cartón MDL 47897321213 151.67
## 134 Materiales 24170283378 180.68
## 135 Ay.flexo 23139419768 180.68
## 136 Laminado 23109509994 180.68
## 137 Paileria 43119226728 180.68
## 138 Costura 03 917557286 180.68
## 139 Producción Retorn 03 159305923 180.68
## 140 Stabilus 47967919995 180.68
## 141 Stabilus 92078626667 180.68
## 142 Stabilus 23079076487 180.68
## 143 Stabilus 43038213674 180.68
## 144 67917172453 182.68
## 145 41957508264 183.68
## 146 43129668240 180.68
## 147 Producción Retorn 02 199013026 180.68
## 148 25159658829 180.68
## 149 43018537381 180.68
## 150 47079137551 180.68
## 151 06 160276728 180.68
## 152 54149602465 180.68
## 153 Materiales 43129658167 180.68
## 154 TROQUEL 02 178620908 180.68
## 155 CELDAS 47947821469 180.68
## 156 STABILUS 43096601893 180.68
## 157 Troquel 23180321806 180.68
## 158 Stabilus 43038700175 180.68
## 159 Stabilus 69190407705 180.68
## 160 Troquel 47038626975 180.68
## 161 Stabilus 43978104933 180.68
## 162 Stabilus 43978126944 180.68
## 163 CEDIS 32057001201 180.68
## 164 Stabilus 03 927576607 180.68
## 165 13119233511 180.68
## 166 43917714685 180.68
## 167 46190380033 182.68
## 168 26149652005 180.68
## 169 02 159378716 180.68
## 170 EMBARQUES 06 170784987 180.68
## 171 EMBARQUES 02 169537210 180.68
## 172 COSTURA 43987536174 180.68
## 173 STABILUS 43109209452 180.68
## 174 35897386450 180.68
## 175 18189613195 180.68
## 176 67978060191 180.68
## 177 Producción Retorn 43099126757 180.68
## 178 Costura 43048326631 180.68
## 179 Costura 43906876206 180.68
## 180 43038550067 180.68
## 181 47028631365 180.68
## 182 EMBARQUES 44170025801 180.68
## 183 CEDIS 25190451507 180.68
## 184 06 199871127 180.68
## 185 43079041935 180.68
## 186 EHS 9997422697 176.72
## 187 Calidad 43058534058 176.72
## 188 Troquel 47028600618 180.68
## 189 CORTADORAS 02 200280812 180.68
## 190 Costura 46169926469 180.68
## 191 43129109054 180.68
## 192 43078955390 180.68
## 193 PAILERIA 43008491706 180.68
## 194 Stabilus 02 198494268 180.68
## 195 Materiales 47018515784 180.68
## 196 43099015976 180.68
## 197 MANTENIMIENTO 04 170179503 180.68
## 198 Paileria 43129303939 180.68
## 199 Embarques 47119412303 180.68
## 200 43099265787 180.68
## 201 43099015976 180.68
## 202 Producción Retorn 28170238811 180.68
## 203 Stabilus 43079121190 180.68
## 204 Stabilus 67856675334 180.68
## 205 Producción Retorn 47028406057 180.68
## 206 06 130200659 180.68
## 207 Stabilus 27190214380 180.68
## 208 05 159924959 180.68
## 209 47957867576 180.68
## 210 43129629143 180.68
## 211 19180116758 180.68
## 212 10190345313 180.68
## 213 43038635439 180.68
## 214 43079151312 180.68
## 215 14169779030 180.68
## 216 Producción Retorn 26170174838 180.68
## 217 96058816404 180.68
## 218 96028414520 180.68
## 219 47018515123 180.68
## 220 43937765147 176.72
## 221 PAILERIA 38149519605 180.68
## 222 05 199530311 180.68
## 223 43089331540 180.68
## 224 Producción Retorn 03 189900693 180.68
## 225 Producción Retorn 17159908601 180.68
## 226 Stabilus 43139741656 180.68
## 227 Stabilus 43119468106 180.68
## 228 43978066371 180.68
## 229 43068932045 180.68
## 230 43968065599 180.68
## 231 24160032702 180.68
## 232 62150065134 180.68
## 233 22130178258 180.68
## 234 32169870535 180.68
## 235 17159986540 180.68
## factor_cred_infonavit n_credito_infonavit
## 1 N/A N/A
## 2 N/A N/A
## 3 N/A N/A
## 4 N/A N/A
## 5 N/A N/A
## 6 1319.93 PESOS 1916041803
## 7 N/A N/A
## 8 N/A N/A
## 9 N/A N/A
## 10
## 11 N/A N/A
## 12 N/A N/A
## 13 N/A N/A
## 14 4037.88 1919396973
## 15
## 16 N/A N/A
## 17 N/A N/A
## 18 N/A N/A
## 19 N/A N/A
## 20 N/A N/A
## 21 N/A N/A
## 22
## 23 N/A N/A
## 24 N/A N/A
## 25 N/A N/A
## 26 N/A N/A
## 27 N/A N/A
## 28 N/A N/A
## 29 N/A N/A
## 30 N/A N/A
## 31 $2,127.44 PESOS 6919105752
## 32 N/A N/A
## 33 N/A N/A
## 34 N/A N/A
## 35 N/A N/A
## 36 N/A N/A
## 37 N/A N/A
## 38 N/A N/A
## 39 N/A N/A
## 40 N/A N/A
## 41 N/A N/A
## 42 N/A N/A
## 43 N/A N/A
## 44 N/A N/A
## 45 N/A N/A
## 46 N/A N/A
## 47 N/A N/A
## 48 N/A N/A
## 49 N/A N/A
## 50 26.843 VSM 1913567413
## 51 27.6790 VSM 1908163281
## 52
## 53
## 54 N/A N/A
## 55 N/A N/A
## 56 N/A N/A
## 57 25.00% 1999026862
## 58 N/A N/A
## 59 N/A N/A
## 60 N/A N/A
## 61 N/A N/A
## 62 N/A N/A
## 63 N/A N/A
## 64 N/A N/A
## 65 N/A N/A
## 66 30.5820 VSM 1907085854
## 67 N/A N/A
## 68
## 69
## 70 N/A N/A
## 71 N/A N/A
## 72 N/A N/A
## 73 18,817 1912141370
## 74 N/A N/A
## 75 N/A N/A
## 76 N/A N/A
## 77 N/A N/A
## 78 N/A N/A
## 79 N/A N/A
## 80 $2,795.28 1921537410
## 81
## 82 N/A N/A
## 83 N/A N/A
## 84 N/A N/A
## 85 N/A N/A
## 86 N/A N/A
## 87 N/A N/A
## 88 N/A N/A
## 89 N/A N/A
## 90 N/A N/A
## 91 N/A N/A
## 92 N/A N/A
## 93 N/A N/A
## 94 N/A N/A
## 95 N/A N/A
## 96 1649.78 1916396739
## 97 N/A N/A
## 98 FIJA VSM 19.395 1913471888
## 99 N/A N/A
## 100 N/A N/A
## 101 N/A N/A
## 102 N/A N/A
## 103 N/A N/A
## 104 N/A N/A
## 105 N/A N/A
## 106 N/A N/A
## 107 N/A N/A
## 108 N/A N/A
## 109
## 110 N/A N/A
## 111 N/A N/A
## 112 N/A N/A
## 113 N/A N/A
## 114 N/A N/A
## 115 N/A N/A
## 116 N/A N/A
## 117 N/A N/A
## 118 N/A N/A
## 119 N/A N/A
## 120 N/A N/A
## 121 N/A N/A
## 122 N/A N/A
## 123 N/A N/A
## 124 N/A N/A
## 125 N/A N/A
## 126 N/A N/A
## 127 N/A N/A
## 128 N/A N/A
## 129 N/A N/A
## 130 N/A N/A
## 131 N/A N/A
## 132 N/A N/A
## 133
## 134 N/A N/A
## 135 N/A N/A
## 136 N/A N/A
## 137 N/A N/A
## 138 1343.6 1917883734
## 139 N/A N/A
## 140 N/A N/A
## 141 N/A N/A
## 142 N/A N/A
## 143 N/A N/A
## 144 N/A N/A
## 145 N/A N/A
## 146 N/A N/A
## 147 N/A N/A
## 148 N/A N/A
## 149 N/A N/A
## 150 N/A N/A
## 151 N/A N/A
## 152 N/A N/A
## 153 N/A N/A
## 154 N/A N/A
## 155 N/A N/A
## 156 N/A N/A
## 157 N/A N/A
## 158 N/A N/A
## 159 N/A N/A
## 160 N/A N/A
## 161 N/A N/A
## 162 N/A N/A
## 163 N/A N/A
## 164 16,659 1908118364
## 165 N/A N/A
## 166 1367.12 1917426178
## 167 N/A N/A
## 168 N/A N/A
## 169 N/A N/A
## 170 N/A N/A
## 171 N/A N/A
## 172 2075.16 1921184953
## 173 31,950 1914490383
## 174 N/A N/A
## 175 N/A N/A
## 176 N/A N/A
## 177 N/A N/A
## 178 N/A N/A
## 179 N/A N/A
## 180 N/A N/A
## 181 N/A N/A
## 182 N/A N/A
## 183 N/A N/A
## 184 N/A N/A
## 185 N/A N/A
## 186
## 187
## 188 N/A N/A
## 189 N/A N/A
## 190 N/A N/A
## 191 N/A N/A
## 192 N/A N/A
## 193 N/A N/A
## 194 N/A N/A
## 195 N/A N/A
## 196 N/A N/A
## 197 N/A N/A
## 198 N/A N/A
## 199 N/A N/A
## 200 N/A N/A
## 201 N/A N/A
## 202 N/A N/A
## 203 N/A N/A
## 204 N/A N/A
## 205 N/A N/A
## 206 N/A N/A
## 207 N/A N/A
## 208 N/A N/A
## 209 N/A N/A
## 210 N/A N/A
## 211 N/A N/A
## 212 N/A N/A
## 213 N/A N/A
## 214 N/A N/A
## 215 N/A N/A
## 216 N/A N/A
## 217 N/A N/A
## 218 N/A N/A
## 219 N/A N/A
## 220 $2,563.47 PESOS 1918663524
## 221 N/A N/A
## 222 N/A N/A
## 223 N/A N/A
## 224 N/A N/A
## 225 N/A N/A
## 226 N/A N/A
## 227 N/A N/A
## 228 N/A N/A
## 229 N/A N/A
## 230 N/A N/A
## 231 N/A N/A
## 232 N/A N/A
## 233 N/A N/A
## 234 N/A N/A
## 235 N/A N/A
## lugar_de_nacimiento curp
## 1 AVENIDA DEL COLEGIO VAOM900624HCLLRR09
## 2 TUXTLA CHICO,CHIAPAS BAMI860711MCSRNS01
## 3 SAN NICOLAS DE LOS GARZA GOHL990129MNLMRZ02
## 4 SAN NICOLAS DE LOS GARZA EAGA010611MNLSMLA5
## 5 MONTERREY NUEVO LEON BEFE930128MNLRLR05
## 6 NUEVO LEON MTY SAGG761212MNLCZD08
## 7 CHINA N.L. MELY930724MNLZLN01
## 8 SAN NICOLAS DE LOS GARZA TOLC910910HNLRRS09
## 9 MONTERREY NUEVO LEON SAAR720503HNLNRB09
## 10 JIAJ030421HNLMLMA2
## 11 NUEVO LEON MAQD010320HNLRZGA6
## 12 EBANO SAN LUIS POSOTI RASF881027MSPMLL04
## 13 COAHUILA , SALTILLO CAAI000625HCLLLSA1
## 14 MONTERREY NUEVO LEON RILN910403MNLVPN03
## 15 BABD890728MHGTTN03
## 16 SAN NICOLAS DE LOS GARZA GOPJ030908HNLNNSB7
## 17 SAN NICOLAS DE LOS GARZA CAPJ000926MNLSRN01
## 18 CERRALVO NUEVO LEON VXGA031023HNLRNNA8
## 19 MIGUEL ALEMAN TAMAULIPAS PELH020913HTSXZRA3
## 20 SAN NICOLAS DE LOS GARZA AACX010124MNLLRMA2
## 21 VILLA FLORES, CHIAPAS NUDO920429HCSCML04
## 22 DOHP610910HCLMRD06
## 23 GUADALUPE NUEVO LEON GOHA031018MNLMRRA3
## 24 MONTERREY NUEVO LEON CAGE870430MNLSRV05
## 25 SAN LUIS POTOSI CORA700117MSPNSN04
## 26 SAN NICOLAS DE LOS GARZA TOEY010317MNLRNSB3
## 27 MONTERREY NUEVO LEON SAOD880603MNLNJY05
## 28 SAN NICOLAS DE LOS GARZA FIFA981230HNLGLL00
## 29 TENOSIQUE TABASCO OABS010408MTCCLRA4
## 30 SAN NICOLAS DE LOS GARZA RIRM010305MNLVNCA0
## 31 MONTERREY NUEVO LEON RAGE891225MNLNNL09
## 32 LAS CHOPAS, VERACRUZ AOCR961120MVZNRS06
## 33 UXPANAPA, VERACRUZ REME030310HVZYNDA2
## 34 SAN NICOLAS DE LOS GARZA EIAR021007HNLSRLA8
## 35 MONTERREY NUEVO LEON MARG740725MNLRVD04
## 36 CHIAPAS MEXICO AOGM980206HCSRXS06
## 37 GUADALUPE, ZACATECAS VACJ991220HZSZRN07
## 38 SALTILLO COAHUILA GUSA940817MCLZLN03
## 39 MONTERREY NUEVO LEON GUCA921226HNLRRL05
## 40 SAN NICOLAS DE LOS GARZA CAOL990209MNLRRT08
## 41 SAN NICOLAS DE LOS GARZA JIAF980710MNLMLR09
## 42 COMA920318HNLRRR01
## 43 VILLA COMALTITLAN, CHIAPAS LORW010904HCSPMLA1
## 44 SAN NICOLAS DE LOS GARZA LOGC021124HNLPLRA5
## 45 ZAPOPAN, JALISCO MAGJ010226HJCTRNA2
## 46 GUADALUPE, NUEVO LEON GAGR990520HNLRNL00
## 47 MONTERREY, NUEVO LEON LOZJ020610HNLPRLA6
## 48 VERACRUZ LA CHONA DOAV980812MVZMZN06
## 49 SAN PEDRO GARZA GARCIA CACS740822MNLVV01
## 50 TAMAULIPAS, EJIDO SAN RAFAEL HERG710211MTSRYL03
## 51 MONTERREY NUEVO LEON HEVD810326MNLRL01
## 52 DUCD721222HSPRRM03
## 53 GUCD970105HCLMN07
## 54 GUADALUPE NL ROGA730831MNLDNM05
## 55 SAN NICOLAS DE LOS GARZA, NUEVO LEON CELC970706MNLRRY02
## 56 SAN NICOLAS DE LOS GARZA, NUEVO LEON IAZD020109HNLBPNA6
## 57 MONTERREY, NUEVO LEON AARA731105HNLLND08
## 58 SAN PEDRO GARZA GARCIA GASM981204MNLRNR09
## 59 MONTERREY NUEVO LEON TECM001019MNLRLLA7
## 60 SAN NICOLAS DE LOS GARZA PUPG981102MNLNRD09
## 61 SAN PEDRO,COAHUILA DOGM20520HCLMRGA8
## 62 SAN NICOLAS DE LOS GARZA, NUEVO LEON REIA010818MNLYBLA2
## 63 JESUS CARRANZA, VERACRUZ DIMD831224HVZZDV08
## 64 ACAPULCO DE JUAREZ, GUERRERO RARE950221MGRMMD03
## 65 SAN NICOLAS DE LOS GARZA, NUEVO LEON EAAC950329MNLSRR09
## 66 MONTERREY, NUEVO LEON REMS810804MNLYDN03
## 67 TIJUANA BAJA CALIFORNIA RATP031129MBCNRRA7
## 68 COEL770701MPLNSN01
## 69 LUMB950129MNLNR01
## 70 SAN NICOLAS DE LOS GARZA N.L. MOBD030809HNLRRNA6
## 71 GUADALUPE NUEVO LEON ROAJ010322HNLDGNA1
## 72 MONTERREY, NUEVO LEON GOQE970111HNLNJD05
## 73 GALEANA, NUEVO LEON EIOH850502HNLSLC09
## 74 SAN NICOLAS DE LOS GARZA, NUEVO LEON JARI950815HNLRJS00
## 75 SAN NICOLAS DE LOS GARZA, NUEVO LEON SAHI870422HNLLRS04
## 76 SAN NICOLAS DE LOS GARZA, NUEVO LEON MARE970712MNLRZV01
## 77 MONTERREY, NUEVO LEON MUZS830211MNLXPN08
## 78 SAN JUAN EVANGELISTA, VERACRUZ PAGA000311MVZLRBA8
## 79 SAN NICOLAS DE LOS GARZA, NUEVO LEON GAGT001126MNLRRNA5
## 80 CARDENAZ, TABASCO LOPN780325MTCPRM00
## 81 BARJ951126HNLRDN07
## 82 NUEVO LEON VEMD941024MNLLNN04
## 83 MONTERREY NUEVO LEON HEFY790118MNLRLN07
## 84 SA NICOLAS DE LOS GARZA PEPK971013MNLRXT03
## 85 GUADALUPE NUEVO LEON SACA020910MNLNRLA8
## 86 MONTERREY NUEVO LEON FEHY970815MNLRRH09
## 87 ECATEPEC DE MORELOS, MEXICO MEMN811020MMCNRH02
## 88 SAN NICOLAS DE LOS GARZA, NUEVO LEON LEMM031120HNLDRCA4
## 89 SAN NICOLAS DE LOS GARZA, NUEVO LEON NULD030717HNLXPRA8
## 90 SAN NICOLAS DE LOS GARZA, NUEVO LEON MIGK990919MNLRND05
## 91 SAN NICOLAS DE LOS GARZA, NUEVO LEON ROG901203HNLMNR04
## 92 CARDENAZ, TABASCO DIGR810404MTCSNQ03
## 93 HUIMANGUILLO, TABASCO GAML780806HTCRNN02
## 94 SALTILLO, COAHUILA HEGC000229HCLRRRA5
## 95 SAN NICOLAS DE LOS GARZA, NUEVO LEON BUMD960808MNLSRL01
## 96 SAN NICOLAS DE LOS GARZA, NUEVO LEON CAMB940820HNLSRR07
## 97 PACHUCA DE SOTO, HIDALGO MOSN920514MHGRNR00
## 98 TULA, TAMAULIPAS VAVR721007MTSZZS02
## 99 SAN NICOLAS DE LOS GARZA, NUEVO LEON CXCA900703MNLZRN00
## 100 SAYULA DE ALEMAN,VERACRUZ AEBL961207MVZCBS03
## 101 ACAYUCAN VERACRUZ MOSM920806HVZTNR09
## 102 PUERTO VALLARTA, JALISCO MELG970218MJCNJD08
## 103 TANLAJAS, SAN LUIS POTOSI HEMA000714MSPRRDA5
## 104 MONTERREY, NUEVO LEON RULM810702HNLBPR07
## 105 MONTERREY, NUEVO LEON HEMH900607HNLRXG07
## 106 GUADALUPE, NUEVO LEON ROPS961111MNLJRN05
## 107 SAN NICOLAS DE LOS GARZA, NUEVO LEON HEEP960805MNLRSL03
## 108 SAN NICOLAS DE LOS GARZA, NUEVO LEON CACM841203MNLSRY02
## 109 MESK950423MCLNMR07
## 110 MONTERREY, NUEVO LEON HEMY860809MNLRRR01
## 111 SAN NICOLAS DE LOS GARZA, NUEVO LEON CERJ980530MNLRML04
## 112 MONTERREY, NUEVO LEON DIQL931106HNLZRN07
## 113 MONTERREY, NUEVO LEON HEMH900607HNLRXG07
## 114 SAN NICOLAS DE LOS GARZA, NUEVO LEON AUCL990526HNLGRS02
## 115 MANTE, TAMAULIPAS AAMR840824MTSLNT03
## 116 SAN NICOLAS DE LOS GARZA, NUEVO LEON COOJ891110MNLLRN03
## 117 EBANO, SAN LUIS POTOSI HEHJ920704HSPRRS00
## 118 MONTERREY, NUEVO LEON MAPR740320HNLRRL07
## 119 PARRAS, COAHUILA ROMG760803HCLDRL10
## 120 MONTERREY, NUEVO LEON JASI740926MNLRNR02
## 121 CARDENAS, TABASCO RAVE980503MTCMZS03
## 122 MINATITLAN, VERACRUZ GACT970525HVZRZR09
## 123 SAN NICOLAS DE LOS GARZA, NUEVO LEON MALA981201MNLRLL05
## 124 MINATITLAN, VERACRUZ JASE981003HVZRNM01
## 125 MONTERREY, NUEVO LEON HEBD990414HNLRTM03
## 126 SAN NICOLAS DE LOS GARZA, NUEVO LEON BOBI931125MNLNRS01
## 127 SAN NICOLAS DE LOS GARZA, NUEVO LEON GOGA020121MNLNNLA2
## 128 SAN NICOLAS DE LOS GARZA, NUEVO LEON OIRM861222MNLLDY09
## 129 POANAS, DURANGO SARC760823MDGNJL02
## 130 MONTERREY, NUEVO LEON ZADS950329HNLRLN08
## 131 COSOLEACAQUE, VERACRUZ RUCR870322MVZZMC03
## 132 CERRALVO, NUEVO LEON SOSY030415MNLRNSA4
## 133 MERT731031MTSDDF08
## 134 MONTERREY NUEVO LEON LONG020130HNLPVSA4
## 135 OLUTA, VERACRUZ HEPA941217HVZRSL00
## 136 ACAYUCAN VERACRUZ PAHL950409MVZSRD07
## 137 SAN FELIPE ORIZATLAN, HIDALGO HEVD920409HHGRLG09
## 138 CADEREYTAJIMENEZ, NUEVO LEON DAGA751023MNLVRN04
## 139 MONTERREY, NUEVO LEON BERJ930103HNLRDR09
## 140 AGUALEGUAS, NUEVO LEON DEAJ790913HNLLGN01
## 141 CHAPULHUACAN, HIDALGO GOJA860401MHGNQR02
## 142 PLAYA VICENTE, VERACRUZ RAGE900213MVZNRM06
## 143 SAN PEDRO, COAHUILA BADM820715MCLRVR06
## 144 MINATITLAN, VERACRUZ RIGM711231MVZVNR08
## 145 RIOVERDE, SAN LUIS POTOSI FAMG750402MSPCNL03
## 146 SAN NICOLAS DE LOS GARZA, NUEVO LEON ROMA960904HNLJRL07
## 147 FRANCISCO Z. MENA, PUEBLA EAEJ900301HPLSSN07
## 148 TANQUIAN DE ESCOBEDO, SAN LUIS POTOSI DIRT960312MSPGYR08
## 149 SAN NICOLAS DE LOS GARZA, NUEVO LEON GURE850115MNLTCL00
## 150 MONTERREY, NUEVO LEON MOGH911031HNLRNC07
## 151 SAN ANDRES TUXTLA, VERACRUZ CATS020621MVZLTRA3
## 152 MONTERREY, NUEVO LEON VAFK960321MNLLZR02
## 153 MONTERREY, NUEVO LEON RIMJ960806HNLSNN08
## 154 CUAHUTEMOC, DISTRITO FEDERAL AOHF860124HDFNRR03
## 155 SAN PEDRO, COAHUILA MAOI780819MCLRLS06
## 156 POZA RICA, VERACRUZ VACG660326MVZRRD06
## 157 MONTERREY, NUEVO LEON CISD030408HNLSLGA4
## 158 CARDENAS, SAN LUIS POTOSI BAML870112MSPTRT06
## 159 CIUDAD VALLES, SAN LUIS POTOSI AASC040402MSPRNTA5
## 160 MONTERREY, NUEVO LEON OIRN860921MNLRDR04
## 161 MONTERREY, NUEVO LEON BEDA810506MNLTVR07
## 162 GUADALUPE, NUEVO LEON MACC810117MNLRLN07
## 163 ARTEAGA, COAHUILA CIGD701003MCLBRL04
## 164 LINARES, NUEVO LEON PEMR750509MNLRNQ07
## 165 HUEJUTLA DE REYES, HIDALGO SAHL920520MHGNRD07
## 166 MONTERREY, NUEVO LEON GOCA770730MNLNRD00
## 167 COMITAN DE DOMINGUEZ, CHIAPAS OOGA030109HCSCRDA3
## 168 VILLA CORZO, CHIAPAS CURY960111MCSNZL04
## 169 TANLAJAS, SAN LUIS POTOSI SACE930626MSPNRP01
## 170 MONTERREY, NUEVO LEON ROCR010406HNLDPBA3
## 171 HUEYAPAN DE OCAMPO, VERACRUZ CAHE950930HVZYRD00
## 172 CIUDAD MADERO, TAMAULIPAS TEVE750619MTSNLL08
## 173 SAN NICOLAS DE LOS GARZA, NUEVO LEON RUVC921204MNLBZC15
## 174 CHIHUAHUA, CHIHUAHUA WIPA730923MCHLXR04
## 175 VILLA CORZO, CHIAPAS MACJ960112MCSDMS00
## 176 MINATITLAN, VERACRUZ AOPL801119MVZNXS04
## 177 VERACRUZ AEHJ910601HVZRRN04
## 178 MONTERREY, NUEVO LEON CUAM831114MNLRLY05
## 179 MONTERREY, NUEVO LEON CABA681010MNLRNL00
## 180 MONTERREY, NUEVO LEON MOML851231MNLNRS05
## 181 GUADALUPE, NUEVO LEON AUME861129MNLGRR08
## 182 SALTILLO, COAHUILA MACC000510HCLTSHA4
## 183 SALTILLO, COAHUILA VAMA040119HCLZRLA7
## 184 LAS CHOAPAS, VERACRUZ COCL981130HVZRSS00
## 185 MONTERREY, NUEVO LEON AIPA900403HNLRNN07
## 186 ROGR740403HNLDRC08
## 187 CATP851213MNLSVR06
## 188 SAN NICOLAS DE LOS GARZA, NUEVO LEON BUMJ860826MNLSRS09
## 189 MONTERREY, NUEVO LEON AUHB021012HNLGRRA1
## 190 MONTERREY, NUEVO LEON MXME990616HNLGXD03
## 191 TANTOYUCA, VERACRUZ MAMJ910607MVZRRR07
## 192 TLACUILOTEPEC, PUEBLA SAVY890228MPLNRS00
## 193 MIGUEL ALEMAN, TAMAULIPAS CUME850415HTSRZD06
## 194 LAS CHOAPAS FEHE840813MVZRRL00
## 195 COAHUILA DE ZARAGOZA ROCG851128HCLDND05
## 196 GUADALUPE, NUEVO LEON CAGB901211MNLMRR05
## 197 MONTERREY, NUEVO LEON EAMD010316HNLSLGA1
## 198 VERACRUZ ROMG930410HVZDDR03
## 199 MONTERREY, NUEVO LEON CICF940216HNLRSR04
## 200 SAN NICOLAS DE LOS GARZA, NUEVO LEON MARA920903MNLRDL00
## 201 GUADALUPE, NUEVO LEON CAGB901211MNLMRR05
## 202 MIGUEL ALEMAN, TAMAULIPAS PELH020913HTSXZRA3
## 203 SAN NICOLAS DE LOS GARZA, NUEVO LEON GAMN910703MNLRNL04
## 204 OLUTA, VERACRUZ VIHR660527HVZDRN04
## 205 COATZACOALCOS, VERACRUZ RIMJ841121MVZVJN06
## 206 PINOS, ZACATECAS OEBE021212MZSRCLA5
## 207 SAN NICOLAS DE LOS GARZA, NUEVO LEON CUHA020901MNLRRNA7
## 208 SAN NICOLAS DE LOS GARZA, NUEVO LEON CUDA990407MNLRLL09
## 209 CONCEPCION DEL ORO, ZACATECAS DIDM780926MZSMZR07
## 210 SAN NICOLAS DE LOS GARZA, NUEVO LEON PALJ960401HNLRNR05
## 211 SAN NICOLAS DE LOS GARZA, NUEVO LEON COHB011112HNLVRRA9
## 212 SAN NICOLAS DE LOS GARZA, NUEVO LEON CODG030104MNLNLDA4
## 213 SAN NICOLAS DE LOS GARZA, NUEVO LEON EORN870303MNLSYN00
## 214 POZA RICA DE HIDALGO, VERACRUZ GALA910801HVZLPN06
## 215 TANTOYUCA, VERACRUZ PEAM970929HVZRNG01
## 216 SAN NICOLAS DE LOS GARZA, NUEVO LEON EAGJ010224HNLSLNA5
## 217 LA PAZ, CIUDAD DE MEXICO LAJM881204HMCRMS05
## 218 CUAUHTEMOC, DF OOGR840115MDFCNC04
## 219 SAN NICOLAS DE LOS GARZA, NUEVO LEON GOCE850601HNLNSR05
## 220 DOCTOR ARROYO HEEF770526MNLRSL07
## 221 MONTERREY, NUEVO LEON HUBJ950924HNLRLS06
## 222 RIOVERDE, SAN LUIS POTOSI MAOM951124MSPRLR01
## 223 SAN NICOLAS DE LOS GARZA, NUEVO LEON TOMJ930704HNLVTS00
## 224 SAN NICOLAS DE LOS GARZA, NUEVO LEON OIMB990326HNLRXR04
## 225 SAN NICOLAS DE LOS GARZA, NUEVO LEON MAPD990719MNLRLN06
## 226 SAN NICOLAS DE LOS GARZA, NUEVO LEON HESE970307MNLRNR00
## 227 SAN NICOLAS DE LOS GARZA, NUEVO LEON HESL940531MNLRNR06
## 228 MONTERREY, NUEVO LEON LAMJ801229HNLRRV07
## 229 MONTERREY, NUEVO LEON VIRK890912MNLLDR00
## 230 VICTORIA, TAMAULIPAS MESG800930PK7
## 231 COMALCALCO, TABASCO DOLM001019MTCMPSA3
## 232 SAN NICOLAS DE LOS GARZA, NUEVO LEON ROLJ000122HNLDNNA2
## 233 VICTORIA, TAMAULIPAS ZAQN010128MTSRNTA7
## 234 PANUCO, VERACRUZ LORA980204MVZPSB06
## 235 SAN NICOLAS DE LOS GARZA, NUEVO LEON MUBL990930MNLXLZ09
## calle numero_interno
## 1 LAS FLORES 66438
## 2 CANAL SUR 3116
## 3 RIO SAN FRANCISCO 216
## 4 RIO SAN FRANCISCO 216
## 5 JULIAN VILLAGRAN 452
## 6 PAPAGAYOS 220
## 7 RIO AMANONAS 300
## 8 PALMERA 104
## 9 NORIA DE KIS ANGELES 402
## 10 RIO AZUL 703
## 11 ASTROMEDA 105
## 12 RIO GANGES 348
## 13 ALBERTO JUAREZ BLANCAS 410
## 14 VILLA PAMPLONA 315
## 15 RIO PANTEPEC 103
## 16 PORTAL DE SANTANDER 408
## 17 RIO URUGUAY 718
## 18 MISION DE LA CRUZ 219
## 19 BOSQUES DE BOLONIA 150
## 20 FRANCESES 112
## 21 AGUASCALIENTES 3025
## 22 AV. GASPAR VALDES
## 23 VILLA PLACENCIA 127
## 24 RIO AGUARICO 217
## 25 RIO LEMPA 242
## 26 ARGENTINOS 146
## 27 VILLA SEGOVIA 210
## 28 ALBERTO 423
## 29 BOSQUES DE AUSTRIA 150
## 30 RIO BUENO 311
## 31 RIO BUENO 311
## 32 ALGODONES 114
## 33 RIO GARONA 739
## 34 SAN ISIDRO 226
## 35 BOSQUES DE EUCALIPTOS 132
## 36 RIO GARONA 839
## 37 SURBO 116
## 38 GARZA GARCÍA 117A
## 39 CORAZON 523
## 40 SAGAS 105
## 41 RIO AZUL 703
## 42 ALAMOS
## 43 RIO SANTIAGO 730
## 44 MILAN 3
## 45 RIO MAYO 603
## 46 PROFESOR MOISES SAENZ GARZA 404
## 47 RAUL CABALLERO ESCAMILLA 118
## 48 RIO PAPALOAPAN 830
## 49 RIO MISSOURI 304
## 50 RIO GRIJALBA 209
## 51 TOLEDO 141
## 52 TEQUILA
## 53 LOMA BLANCA 755
## 54 SAN GIORGIO 511
## 55 PORTAL DE HUINALA 407
## 56 RIO CURARAY 313
## 57 FLORA 206
## 58 PORTAL DE BILBBAO 440
## 59 SAM JERONIMO 510
## 60 RIO SANTIAGO 841
## 61 C SIN NOMBRE SN
## 62 RIO HUDSON 319
## 63 RIO GRIJALVA 325
## 64 RIO GRIJALVA 325
## 65 MONEDITA DE ORO 623
## 66 LOS CEDROS 999
## 67 BOSQUES DE OLIVO 100
## 68 RIO GRANDE 721
## 69 MARTIN LUTHER KING 207
## 70 AV. FUNDADORES 129
## 71 VALLE SAN PABLO 106
## 72 GALATINA 219
## 73 AGROPOLI 632
## 74 LOS ARCES 137
## 75 SOLIERA 104
## 76 RIO BLANCO 240
## 77 RIO YAQUI 107
## 78 VILLA ROSALINDA 111
## 79 RIO NILO SUR 314
## 80 BOLONIA 319 B
## 81 ATENGO
## 82 RIO VISTULA 902
## 83 RIO NAZAS 406
## 84 RIO SALADO 216
## 85 AV. VISTA DE LA MONTAÑA 315
## 86 RIO LAS PALMAS 326
## 87 VALLE DE SONORA 224
## 88 RIO TISZA 822
## 89 RIO SALINAS 343
## 90 FORTIFICADO 218B
## 91 CAMINO A HUINALA 601
## 92 RIO SAN SALVADOR 1034
## 93 RIO SAN SALVADOR 1034
## 94 OSO BLANCO 143
## 95 RIO NILO 332
## 96 RIO NILO 332
## 97 AVENIDA AL TELEFONO 1029
## 98 LOMBARDI 102
## 99 RIO SALADO 1026
## 100 RIO DE LA PLATA 431
## 101 RIO DE LA PLATA 431
## 102 BONELI 128
## 103 RIO COLORADO 205
## 104 1A DEL NOGAL 109
## 105 ASTEROIDE 400
## 106 TARENTO 618
## 107 VILLA DE COSS 511
## 108 TABLAJEROS 727
## 109 FCO DE URDIÑOLA
## 110 RIO BALSAS 317
## 111 LUNA 113B
## 112 OLMO 414
## 113 ASTEROIDE 400
## 114 MONTE DE LAS CRUCES 502
## 115 ESCORIAL 102A
## 116 RIO GUADIANA 209
## 117 STREA 107C
## 118 MISION ZARAGOZA 122
## 119 PLAN DE AYALA 335
## 120 SIERRAMARINA 113D
## 121 FLOR DE LOTO 108B
## 122 SABINAS 1614
## 123 TABASCO 148
## 124 PALENQUE 515
## 125 CABANNA 166
## 126 RIO GARONA 807
## 127 PORTAL SEVILLA 414
## 128 RIO PARAGUAY 822
## 129 CARABELLA 100B
## 130 OLMECA 523
## 131 DI PALMA 506B
## 132 CARABELLA 100B
## 133 PORTAL SANTANDER 419
## 134 PARIS 131
## 135 RIO DE LA PLATA 431
## 136 RIO DE LA PLATA 431
## 137 VERDAD AMARGA 530
## 138 PORFIRIO DIAZ 420
## 139 ALFA 350
## 140 RIO NILO 332
## 141 RIO SANTIAGO 722
## 142 MARSALA 116D
## 143 CAMBOYANOS 433
## 144 ZAFIRO 110
## 145 RIO SALADO 1010
## 146 RIO CURARAY 202
## 147 LOMBARDIA 124B
## 148 RIO CONCHOS 139
## 149 MISION OVIEDO 223
## 150 FINLANDIA 1015
## 151 VILLA VALENCIA 756
## 152 TEOFILO MARTINEZ 218
## 153 TEOFILO MARTINEZ 218
## 154 RIO NECAXA 638
## 155 CUATRO 614
## 156 HACIENDA LA BONITA 111E
## 157 PYRENA 102
## 158 RIO PARAGUAY 823
## 159 VILLA CATALUÑA 317
## 160 RIO AMOZAC 337
## 161 BOLONIA 400A
## 162 SAN JUAN 1100
## 163 TECAPAN 611
## 164 HUNGAROS 120
## 165 SANTA LUCIA 219
## 166 POMPEYA 115B
## 167 RIO SANTIAGO 721
## 168 ROBERTO CANTORAL 502
## 169 LOMAS DEL CARIBE 214
## 170 RIO PANUCO 147
## 171 RIO FUJIYAMA 823
## 172 JAZMIN 224
## 173 ZOLDANO 109
## 174 SAN FIDEL 605
## 175 NOCHE DE LUNA 503
## 176 ROSETO 128A
## 177 EBANO 106
## 178 PARAGUAYOS 118
## 179 DESIERTO TAKLAMAKAN 230
## 180 PORTAL DE LEGANES 419
## 181 ATENAS 937
## 182 TERCERA 2337
## 183 LAZARO CARDENAS 119
## 184 RIO YAQUI 215
## 185 RIO LIMAY 129
## 186 BARI
## 187 ASTEROIDE 329
## 188 RIO NILO 332
## 189 PORTAL GALICIA 210
## 190 RIO SAN FRANCISCO 230
## 191 EL REY 264B
## 192 ALAMO ALTO 708
## 193 LOMA REDONDA 345
## 194 RIO USUMACINTA 925 INT B
## 195 SANTORO 112
## 196 CIRUELO 247
## 197 BOSQUES DE LA LOMA 2342
## 198 OREZZO 146
## 199 RIO COATZACOALCOS 708
## 200 MARIANAS 407
## 201 CIRUELO 247
## 202 BOSQUES DE BOLONIA 150
## 203 SAN ISIDRO 701
## 204 RIO GRIJALVA 307
## 205 RIBERAS DE LOS DE ALBA 426B
## 206 VILLA COMPOSTELA 342
## 207 RIO COATZACOALCOS 917
## 208 PERIMETRAL CENTRO 630
## 209 JUAN ZUAZUA ESPARZA 211
## 210 JALPA 309
## 211 16 DE septiembre 104
## 212 16 DE septiembre 104
## 213 CHAPALA 402
## 214 MAGNOLIA 376
## 215 VOY A CONQUISTARTE 717A
## 216 RIO ACAPONETA 809
## 217 RIO GRIJALVA 311
## 218 RIO GRIJALVA 311
## 219 RAUL CABALLERO 150
## 220 SAUCE 463
## 221 VISTAS DEL SOL 818
## 222 AMPARO OCHOA 609
## 223 RIO ACAPONETA 833
## 224 RUBI 371
## 225 AZTECA 520
## 226 AL FINAL 413
## 227 RIO SALINAS 311
## 228 MISION MALLORCA 506
## 229 RIO PARAGUAY 809
## 230 RIO PARAGUAY 809
## 231 MISION PAMPLONA 100
## 232 MISION SAN MARCOS 136
## 233 RIO BALSAS 138
## 234 MARROQUIES 208
## 235 RIO CAURA 629
## colonia codigo_postal
## 1 SAN NICOLAS DE LOS G 66438
## 2 COLINAS DEL AEROPÑUERTO 0
## 3 PUEBLO NUEVO 66646
## 4 PUEBLO NUEVO 66646
## 5 REFORMA 66640
## 6 GOLONDRINAS 66649
## 7 PUEBLO NUEVO 66646
## 8 MIRADOR DEL PARQUE 67254
## 9 CAÑADA BLANCA 67114
## 10 SAN ISIDRO 66646
## 11 JARDINES DEL VIRREY 66645
## 12 PUEBLO NUEVO 66646
## 13 NUEVO RAMOS ARIZPE
## 14 VILLA DE SAN CARLOS 66644
## 15 PUEBLO NUEVO 66646
## 16 PORTAL DE HUINALA 66646
## 17 PUEBLO NUEVO 66646
## 18 MISION DE HUINALA 66646
## 19 BOSQUES DE HUINALA 66645
## 20 PRIVADA DOMINIO 66646
## 21 COLINAS DEL AEROPUERTO 66360
## 22 GUSTAVO ORDAZ Y NUEVO 25297
## 23 VILLA DE SAN CARLOS 66644
## 24 PUEBLO NUEVO 66646
## 25 PUEBLO NUEVO 66646
## 26 ROBERTO ESPINOZA APODACA
## 27 VILLA DE SAN CARLOS APODACA
## 28 TREBOLES APODACA
## 29 BOSQUES DE HUINALA APODACA
## 30 PUEBLO NUEVO APODACA
## 31 PUEBLO NUEVO APODACA
## 32 VALLE DE SANTA ISABEL JUAREZ
## 33 PUEBLO NUEVO APODACA
## 34 FRACC. SAN ISIDRO APODACA
## 35 BOSQUES DE SAN MIGUEL APODACA
## 36 PUEBLO NUEVO APODACA
## 37 PESQUERIA APODACA
## 38 APODACA CENTRO 66600
## 39 CANTORAL NUEVO LEON
## 40 VALLE DE SANTA ISABEL JUAREZ
## 41 SAN ISIDRO APODACA
## 42 LOS ROSALES MONTERREY
## 43 PUEBLO NUEVO APODACA
## 44 PASEO DE LAS FLORES APODACA
## 45 SAN ISIDRO APODACA
## 46 VICTORIA GUADALUPE
## 47 ALBERTA ESCAMILLA APODACA
## 48 PUEBLO NUEVO APODACA
## 49 PUEBLO NUEVO APODACA
## 50 PUBLO NUEVO APODACA
## 51 PRADERAS DE SAN JUAN JUAREZ
## 52 NORIA NORTE APODACA
## 53 ESCORIAL RAMOS ARIZPE
## 54 LOS PUERTOS 3 JUAREZ
## 55 PORTAL DE HUINALA APODACA
## 56 PUEBLO NUEVO APODACA
## 57 GOLONDRINAS APODACA
## 58 PORTAL DE HUINALA APODACA
## 59 RESIDENCIAL SAN BENITO APODACA
## 60 PUEBLO NUEVO APODACA
## 61 EJ MAYRAN SAN PDRO COAH
## 62 PUEBLO NUEVO APODACA
## 63 PUEBLO NUEVO APODACA
## 64 PUEBLO NUEVO APODACA
## 65 CANTORAL PESQUERIA
## 66 HACIENDA LAS MARGARITAS APODACA
## 67 BOSQUES DE HUINALA APODACA
## 68 PUEBLO NUEVO APODACA
## 69 MIRADOR TOPO FUNDADORES APODACA
## 70 MISION DE HUINALA APODACA
## 71 VALLE DE SAN MIGUEL APODACA
## 72 LOMAS DE SAN MARTIN PESQUERIA
## 73 LOMAS DE SAN MARTIN PESQUERIA
## 74 GOLONDRINAS APODACA
## 75 VALLE DE SANTA MARIA PESQUERIA
## 76 SAN ISIDRO APODACA
## 77 PUEBLO NUEVO APODACA
## 78 VILLAS REGINA PESQUERIA
## 79 PUEBLO NUEVO APODACA
## 80 PALMANOVA CADEREYTA
## 81 NORIA NORTE APODACA
## 82 PUEBLO NUEVO APODACA
## 83 BUGAMBILIAS DE HUINALA APODACA
## 84 PUEBLO NUEVO APODACA
## 85 VISTAS DEL RIO JUAREZ
## 86 RIO MADEIRA APODACA
## 87 VALLE SOLEADO GUADALUPE
## 88 PUEBLO NUEVO APODACA
## 89 PUEBLO NUEVO APODACA
## 90 OPORTO JUAREZ
## 91 LA NORIA NORTE APODACA
## 92 PUEBLO NUEVO APODACA
## 93 PUEBLO NUEVO APODACA
## 94 LA TENERIA RAMOS ARIZPE
## 95 PUEBLO NUEVO APODACA
## 96 PUEBLO NUEVO APODACA
## 97 ALBERTA ESCAMILLA APODACA
## 98 VALLE DE SANTA MARIA APODACA
## 99 PUEBLO NUEVO APODACA
## 100 PUEBLO NUEVO APODACA
## 101 PUEBLO NUEVO APODACA
## 102 VALLE DE SANTA MARIA PESQUERIA
## 103 PUEBLO NUEVO APODACA
## 104 LOS 3 NOGALES APODACA
## 105 VALLE DEL PEDREGAL APODACA
## 106 LOMAS DE SAN MARTIN PESQUERIA
## 107 CAÑADA BLANCA GUADALUPE
## 108 BLAS CHUMACERO SAN NICOLAS DE LOS GARZA
## 109 CONQUISTADORES SALTILLO
## 110 PUEBLO NUEVO APODACA
## 111 CANTORAL APODACA
## 112 LOS OLMOS APODACA
## 113 VALLE DEL PEDREGAL APODACA
## 114 UNIDAD HABITACIONAL INDEPENDENCIA APODACA
## 115 VALLE DE SANTA ISABEL JUAREZ
## 116 PUEBLO NUEVO APODACA
## 117 VALLE DE SANTA MARIA PESQUERIA
## 118 MISION SAN PABLO APODACA
## 119 NUEVO SAN RAFAEL GUADALUPE
## 120 VALLE DE SANTA MARIA PESQUERIA
## 121 VILLAS DE SAN JOSE JUAREZ
## 122 COLINAS DEL AEROPUERTO PESQUERIA
## 123 SAN ANDRES APODACA
## 124 ANALCO PONIENTE RAMOS ARIZPE
## 125 VALLE DE SANTA MARIA PESQUERIA
## 126 PUEBLO NUEVO APODACA
## 127 PORTAL DE HUINALA APODACA
## 128 PUEBLO NUEVO APODACA
## 129 VALLE DE SANTA MARIA PESQUERIA
## 130 MONTEALBAN 3ER SECTOR APODACA
## 131 LOS PUERTOS 3 JUAREZ
## 132 VALLE DE SANTA MARIA PESQUERIA
## 133 PORTAL DE HUINALA APODACA
## 134 PRIVALIA HUINALA APODACA
## 135 PUEBLO NUEVO APODACA
## 136 PUEBLO NUEVO APODACA
## 137 CANTORAL PESQUERIA
## 138 REFORMA APODACA
## 139 GOLONDRINAS APODACA
## 140 PUEBLO NUEVO APODACA
## 141 PUEBLO NUEVO APODACA
## 142 VALLE DE SANTA MARIA PESQUERIA
## 143 ROBERTO ESPINOZA APODACA
## 144 LOMAS DIAMANTE PESQUERIA
## 145 PUEBLO NUEVO APODACA
## 146 PUEBLO NUEVO APODACA
## 147 VALLE DE SANTA MARIA PESQUERIA
## 148 PUEBLO NUEVO APODACA
## 149 MISION SAN PABLO APODACA
## 150 LOS ANGELES SAN NICOLAS DE LOS GARZA
## 151 VILLAS DEL ORIENTE JUAREZ
## 152 BENITO JUAREZ 2 GUADALUPE
## 153 BENITO JUAREZ 2 GUADALUPE
## 154 PUEBLO NUEVO APODACA
## 155 BALCONES DE SAN MIGUEL GUADALUPE
## 156 LAS HACIENDAS PESQUERIA
## 157 PRIVALIA HUINALA APODACA
## 158 PUEBLO NUEVO APODACA
## 159 VILLAS DE SAN CARLOS APODACA
## 160 PUEBLO NUEVO APODACA
## 161 PASEO DE LAS FLORES APODACA
## 162 MISION DE SAN JAVIER APODACA
## 163 ANALCO II RAMOS ARIZPE
## 164 ROBERTO ESPINOZA APODACA
## 165 EL ROSARIO APODACA
## 166 VALLE DE SANTA MARIA PESQUERIA
## 167 PUEBLO NUEVO APODACA
## 168 CANTORAL PESQUERIA
## 169 LOMAS DE LA PAZ APODACA
## 170 JARDINES DE HUINALA APODACA
## 171 PUEBLO NUEVO APODACA
## 172 LA CIUDADELA SECTOR ORIENTE JUAREZ
## 173 VALLE DE SANTA MARIA PESQUERIA
## 174 JARDINES DE SAN PATRICIO APODACA
## 175 CANTORAL PESQUERIA
## 176 VALLE DE SANTA MARIA APODACA
## 177 ACANTO RESIDENCIAL APODACA
## 178 ROBERTO ESPINOZA APODACA
## 179 BALCONES DE HUINALA APODACA
## 180 PORTAL DE HUINALA APODACA
## 181 PASEO LAS FLORES APODACA
## 182 ELSA HERNANDEZ RAMOS ARIZPE
## 183 FRANJA FRANCISCO VILLA RAMOS ARIZPE
## 184 PUEBLO NUEVO APODACA
## 185 PUEBLO NUEVO APODACA
## 186 VALLE DE SANTA ELENA ZUAZUA
## 187 VALLE DEL PEDREGAL APODACA
## 188 PUEBLO NUEVO APODACA
## 189 PORTAL DEL VALLE APODACA
## 190 PUEBLO NUEVO APODACA
## 191 CANTORAL PESQUERIA
## 192 ALAMOS DEL PARQUE APODACA
## 193 LOMAS DE ANZURES JUAREZ
## 194 PUEBLO NUEVO APODACA
## 195 VALLE DE SANTA MARIA PESQUERIA
## 196 PASEO DE LA LOMA APODACA
## 197 BOSQUES DE LA PASTORA GUADALUPE
## 198 VALLE DE SANTA MARIA PESQUERIA
## 199 PUEBLO NUEVO APODACA
## 200 EL CAMPANARIO APODACA
## 201 PASEO DE LA LOMA APODACA
## 202 BOSQUES DE HUINALA APODACA
## 203 SAN ISIDRO APODACA
## 204 PUEBLO NUEVO APODACA
## 205 RIBERAS DE LA MORENA JUAREZ
## 206 VILLAS DE SAN CARLOS APODACA
## 207 PUEBLO NUEVO APODACA
## 208 COLINAS DEL AEROPUERTO PESQUERIA
## 209 REFORMA 2DO SECTOR APODACA
## 210 CAÑADA BLANCA GUADALUPE
## 211 PADILLA APODACA
## 212 PADILLA APODACA
## 213 NORIA NORTE APODACA
## 214 PASEO DEL ROBLE CIENEGA DE FLORES
## 215 CANTORAL PESQUERIA
## 216 PUEBLO NUEVO APODACA
## 217 PUEBLO NUEVO APODACA
## 218 PUEBLO NUEVO APODACA
## 219 ALBERTA ESCAMILLA APODACA
## 220 COLINAS DE SAN JUAN JUAREZ
## 221 VISTAS DEL RIO JUAREZ
## 222 CANTORAL PESQUERIA
## 223 PUEBLO NUEVO APODACA
## 224 JOYAS DEL PEDREGAL APODACA
## 225 MONTEALBAN APODACA
## 226 CANTORAL PESQUERIA
## 227 PUEBLO NUEVO APODACA
## 228 MISION SAN PABLO APODACA
## 229 PUEBLO NUEVO APODACA
## 230 PUEBLO NUEVO APODACA
## 231 MISION SAN PABLO APODACA
## 232 MISION DE HUINALA APODACA
## 233 JARDINES DE HUINALA APODACA
## 234 SAN MIGUEL APODACA
## 235 SAN ISIDRO APODACA
## municipio estado estado_civil tarjeta_cuenta edad x_1 x_2
## 1 SAN NICOLAS DE LOS G Nuevo León soltero BANORTE 32 NA NA
## 2 PESQUERIA NUEVO LEON unión libre BANORTE 36 NA NA
## 3 APODACA NUEVO LEON matrimonio BANORTE 24 NA NA
## 4 APODACA NUEVO LEON soltero BANORTE 21 NA NA
## 5 APODACA NUEVO LEON soltero BANORTE 30 NA NA
## 6 APODACA NUEVO LEON soltero BANORTE 46 NA NA
## 7 APODACA NUEVO LEON unión libre BANORTE 29 NA NA
## 8 JUAREZ NUEVO LEON unión libre BANORTE 31 NA NA
## 9 GUADALUPE NUEVO LEON soltero BANORTE 50 NA NA
## 10 APODACA NUEVO LEON soltero SANTANDER 19 NA NA
## 11 APODACA NUEVO LEON unión libre BANORTE 22 NA NA
## 12 APODACA NUEVO LEON unión libre BANORTE 34 NA NA
## 13 RAMOS ARIZPE SALTILLO unión libre BANORTE 22 NA NA
## 14 APODACA NUEVO LEON unión libre BANORTE 32 NA NA
## 15 APODACA Nuevo León matrimonio BANORTE 33 NA NA
## 16 APODACA NUEVO LEON soltero BANORTE 19 NA NA
## 17 APODACA NUEVO LEON matrimonio BANORTE 22 NA NA
## 18 APODACA NUEVO LEON soltero BANORTE 19 NA NA
## 19 APODACA NUEVO LEON soltero BANORTE 20 NA NA
## 20 APODACA NUEVO LEON soltero BANORTE 22 NA NA
## 21 PESQUERIA NUEVO LEON unión libre BANORTE 30 NA NA
## 22 RAMOS ARIZPE Coahuila matrimonio BANORTE 61 NA NA
## 23 APODACA NUEVO LEON unión libre BANORTE 19 NA NA
## 24 APODACA NUEVO LEON unión libre BANORTE 35 NA NA
## 25 APODACA NUEVO LEON soltero BANORTE 53 NA NA
## 26 NUEVO LEON 66648 unión libre BANORTE 22 NA NA
## 27 NUEVO LEON 66644 unión libre BANORTE 34 NA NA
## 28 NUEVO LEON 66646 soltero BANORTE 24 NA NA
## 29 NUEVO LEON 66645 soltero BANORTE 22 NA NA
## 30 NUEVO LEON 66646 matrimonio BANORTE 22 NA NA
## 31 NUEVO LEON 66646 matrimonio BANORTE 33 NA NA
## 32 NUEVO LEON 67256 matrimonio BANORTE 26 NA NA
## 33 NUEVO LEON 66646 soltero BANORTE 20 NA NA
## 34 NUEVO LEON 66646 soltero BANORTE 20 NA NA
## 35 NUEVO LEON 64750 unión libre BANORTE 30 NA NA
## 36 NUEVO LEON 66646 unión libre BANORTE 25 NA NA
## 37 NUEVO LEON 66670 soltero BANORTE 23 NA NA
## 38 APODACA Nuevo León soltero BANORTE 28 NA NA
## 39 PESQUERIA 66643 matrimonio BANORTE 30 NA NA
## 40 NUEVO LEON 67267 unión libre BANORTE 24 NA NA
## 41 Nuevo León 66646 soltero BANORTE 24 NA NA
## 42 Nuevo León 64764 matrimonio BANORTE 31 NA NA
## 43 NUEVO LEON 66646 soltero BANORTE 21 NA NA
## 44 NUEVO LEON 66643 soltero BANORTE 20 NA NA
## 45 NUEVO LEON 66646 unión libre BANORTE 22 NA NA
## 46 NUEVO LEON 67110 soltero BANORTE 23 NA NA
## 47 NUEVO LEON 66640 soltero BANORTE 20 NA NA
## 48 NUEVO LEON 66646 unión libre BANORTE 24 NA NA
## 49 NUEVO LEON 66646 soltero BANORTE 48 NA NA
## 50 NUEVO LEON 66646 matrimonio BANORTE 52 NA NA
## 51 NUEVO LEON 67267 unión libre BANORTE 42 NA NA
## 52 Nuevo León 66633 soltero BANORTE 50 NA NA
## 53 COAHUILA 25902 unión libre SANTANDER 26 NA NA
## 54 NUEVO LEON 0 soltero BANORTE 49 NA NA
## 55 NUEVO LEON 66646 matrimonio BANORTE 25 NA NA
## 56 NUEVO LEON 66646 soltero BANORTE 21 NA NA
## 57 NUEVO LEON 66649 unión libre BANORTE 49 NA NA
## 58 NUEVO LEON 66646 matrimonio BANORTE 24 NA NA
## 59 NUEVO LEON 66646 matrimonio BANORTE 22 NA NA
## 60 NUEVO LEON 66646 matrimonio BANORTE 24 NA NA
## 61 COAHUILA 27970 unión libre BANORTE 20 NA NA
## 62 NUEVO LEON 66646 matrimonio BANORTE 21 NA NA
## 63 NUEVO LEON 66646 unión libre BANORTE 39 NA NA
## 64 NUEVO LEON 66646 unión libre BANORTE 28 NA NA
## 65 NUEVO LEON 66655 matrimonio BANORTE 28 NA NA
## 66 NUEVO LEON 66647 matrimonio BANORTE 41 NA NA
## 67 NUEVO LEON 66645 soltero BANORTE 19 NA NA
## 68 Nuevo León 66646 soltero BANORTE 45 NA NA
## 69 NUEVO LEON 66612 soltero BANORTE 28 NA NA
## 70 NUEVO LEON 66646 soltero BANORTE 19 NA NA
## 71 NUEVO LEON 66648 soltero BANORTE 22 NA NA
## 72 NUEVO LEON 64220 unión libre BANORTE 26 NA NA
## 73 NUEVO LEON 64220 matrimonio BANORTE 37 NA NA
## 74 NUEVO LEON 66649 unión libre BANORTE 27 NA NA
## 75 NUEVO LEON 66670 unión libre BANORTE 35 NA NA
## 76 NUEVO LEON 66646 unión libre BANORTE 25 NA NA
## 77 NUEVO LEON 66646 soltero BANORTE 40 NA NA
## 78 NUEVO LEON 66650 unión libre BANORTE 23 NA NA
## 79 NUEVO LEON 66646 soltero BANORTE 22 NA NA
## 80 NUEVO LEON 67486 soltero BANORTE 45 NA NA
## 81 Nuevo León 66633 soltero BANORTE 27 NA NA
## 82 NUEVO LEON 66646 matrimonio BANORTE 28 NA NA
## 83 NUEVO LEON 66644 soltero BANORTE 44 NA NA
## 84 NUEVO LEON 66646 matrimonio BANORTE 25 NA NA
## 85 NUEVO LEON 67267 soltero BANORTE 20 NA NA
## 86 NUEVO LEON 66646 soltero BANORTE 25 NA NA
## 87 NUEVO LEON 67130 soltero BANORTE 41 NA NA
## 88 NUEVO LEON 66646 soltero BANORTE 19 NA NA
## 89 NUEVO LEON 66646 soltero BANORTE 19 NA NA
## 90 NUEVO LEON 99999 unión libre BANORTE 23 NA NA
## 91 NUEVO LEON 66633 soltero BANORTE 32 NA NA
## 92 NUEVO LEON 66646 soltero BANORTE 42 NA NA
## 93 NUEVO LEON 66646 matrimonio BANORTE 44 NA NA
## 94 COAHUILA 25902 soltero BANORTE 23 NA NA
## 95 NUEVO LEON 66646 matrimonio BANORTE 26 NA NA
## 96 NUEVO LEON 66646 matrimonio BANORTE 28 NA NA
## 97 NUEVO LEON 66640 unión libre 30 NA NA
## 98 NUEVO LEON 66670 unión libre BANORTE 50 NA NA
## 99 NUEVO LEON 66646 soltero BANORTE 32 NA NA
## 100 NUEVO LEON 66646 soltero BANORTE 26 NA NA
## 101 NUEVO LEON 66646 soltero BANORTE 30 NA NA
## 102 NUEVO LEON 66670 soltero BANORTE 26 NA NA
## 103 NUEVO LEON 66646 soltero BANORTE 22 NA NA
## 104 NUEVO LEON 66648 soltero BANORTE 41 NA NA
## 105 NUEVO LEON 66648 soltero BANORTE 32 NA NA
## 106 NUEVO LEON 66673 soltero BANORTE 26 NA NA
## 107 NUEVO LEON 67117 soltero BANORTE 26 NA NA
## 108 NUEVO LEON 66473 matrimonio BANORTE 38 NA NA
## 109 Coahuila 25019 soltero BANORTE 27 NA NA
## 110 NUEVO LEON 66646 unión libre BANORTE 36 NA NA
## 111 NUEVO LEON 66673 soltero BANORTE 24 NA NA
## 112 NUEVO LEON 66643 matrimonio BANORTE 29 NA NA
## 113 NUEVO LEON 66648 soltero BANORTE 32 NA NA
## 114 NUEVO LEON 66634 soltero BANORTE 23 NA NA
## 115 NUEVO LEON 67256 unión libre BANORTE 38 NA NA
## 116 NUEVO LEON 66646 soltero BANORTE 33 NA NA
## 117 NUEVO LEON 66670 soltero BANORTE 30 NA NA
## 118 NUEVO LEON 66643 matrimonio BANORTE 49 NA NA
## 119 NUEVO LEON 67110 soltero BANORTE 46 NA NA
## 120 NUEVO LEON 66670 soltero BANORTE 48 NA NA
## 121 NUEVO LEON 67254 soltero BANORTE 24 NA NA
## 122 NUEVO LEON 66360 soltero BANORTE 25 NA NA
## 123 NUEVO LEON 66640 soltero BANORTE 24 NA NA
## 124 COAHUILA 25902 soltero BANORTE 24 NA NA
## 125 NUEVO LEON 66670 matrimonio BANORTE 23 NA NA
## 126 NUEVO LEON 66646 unión libre BANORTE 29 NA NA
## 127 NUEVO LEON 66646 soltero BANORTE 21 NA NA
## 128 NUEVO LEON 66646 matrimonio BANORTE 36 NA NA
## 129 NUEVO LEON 66670 unión libre BANORTE 46 NA NA
## 130 NUEVO LEON 66648 unión libre BANORTE 28 NA NA
## 131 NUEVO LEON 67258 unión libre BANORTE 36 NA NA
## 132 NUEVO LEON 66670 soltero BANORTE 19 NA NA
## 133 Nuevo León 66600 soltero BANORTE 49 NA NA
## 134 NUEVO LEON 66646 soltero BANORTE 21 NA NA
## 135 NUEVO LEON 66646 soltero BANORTE 28 NA NA
## 136 NUEVO LEON 66646 soltero BANORTE 28 NA NA
## 137 NUEVO LEON 66673 matrimonio BANORTE 31 NA NA
## 138 NUEVO LEON 66640 matrimonio BANORTE 47 NA NA
## 139 NUEVO LEON 66649 matrimonio BANORTE 30 NA NA
## 140 NUEVO LEON 66646 matrimonio BANORTE 43 NA NA
## 141 NUEVO LEON 66646 matrimonio BANORTE 37 NA NA
## 142 NUEVO LEON 66670 soltero BANORTE 33 NA NA
## 143 NUEVO LEON 66648 soltero BANORTE 40 NA NA
## 144 NUEVO LEON 66673 matrimonio BANORTE 51 NA NA
## 145 NUEVO LEON 66646 unión libre BANORTE 48 NA NA
## 146 NUEVO LEON 66646 soltero BANORTE 26 NA NA
## 147 NUEVO LEON 66670 unión libre BANORTE 33 NA NA
## 148 NUEVO LEON 66646 soltero BANORTE 30 NA NA
## 149 NUEVO LEON 66643 soltero BANORTE 38 NA NA
## 150 NUEVO LEON 66477 soltero BANORTE 31 NA NA
## 151 NUEVO LEON 67267 matrimonio BANORTE 20 NA NA
## 152 NUEVO LEON 67113 unión libre BANORTE 27 NA NA
## 153 NUEVO LEON 67113 unión libre BANORTE 26 NA NA
## 154 NUEVO LEON 66646 matrimonio BANORTE 37 NA NA
## 155 NUEVO LEON 67113 unión libre BANORTE 44 NA NA
## 156 NUEVO LEON 66655 soltero BANORTE 57 NA NA
## 157 NUEVO LEON 66643 soltero BANORTE 20 NA NA
## 158 NUEVO LEON 66646 soltero BANORTE 36 NA NA
## 159 NUEVO LEON 66644 soltero BANORTE 19 NA NA
## 160 NUEVO LEON 66646 unión libre BANORTE 36 NA NA
## 161 NUEVO LEON 66643 divorcio BANORTE 41 NA NA
## 162 NUEVO LEON 66646 matrimonio BANORTE 42 NA NA
## 163 COAHUILA 25902 matrimonio BANORTE 52 NA NA
## 164 NUEVO LEON 66648 matrimonio BANORTE 47 NA NA
## 165 NUEVO LEON 66647 matrimonio BANORTE 30 NA NA
## 166 NUEVO LEON 66670 soltero BANORTE 45 NA NA
## 167 NUEVO LEON 66646 soltero BANORTE 20 NA NA
## 168 NUEVO LEON 66673 matrimonio BANORTE 27 NA NA
## 169 NUEVO LEON 66647 matrimonio BANORTE 29 NA NA
## 170 NUEVO LEON 66640 soltero BANORTE 22 NA NA
## 171 NUEVO LEON 66646 unión libre BANORTE 27 NA NA
## 172 NUEVO LEON 67265 soltero BANORTE 47 NA NA
## 173 NUEVO LEON 66670 soltero BANORTE 30 NA NA
## 174 NUEVO LEON 66647 matrimonio BANORTE 49 NA NA
## 175 NUEVO LEON 66673 unión libre BANORTE 27 NA NA
## 176 NUEVO LEON 66670 matrimonio BANORTE 42 NA NA
## 177 NUEVO LEON 66647 soltero 31 NA NA
## 178 NUEVO LEON 66648 unión libre BANORTE 39 NA NA
## 179 NUEVO LEON 66640 matrimonio BANORTE 54 NA NA
## 180 NUEVO LEON 66646 matrimonio BANORTE 37 NA NA
## 181 NUEVO LEON 66643 unión libre BANORTE 36 NA NA
## 182 COAHUILA 25904 soltero BANORTE 22 NA NA
## 183 COAHUILA 25902 soltero BANORTE 19 NA NA
## 184 NUEVO LEON 66646 unión libre BANORTE 24 NA NA
## 185 NUEVO LEON 66646 unión libre BANORTE 33 NA NA
## 186 Nuevo León 65776 unión libre BANORTE 49 NA NA
## 187 NUEVO LEON 66648 soltero BANORTE 37 NA NA
## 188 NUEVO LEON 66646 matrimonio BANORTE 36 NA NA
## 189 NUEVO LEON 66643 soltero BANORTE 20 NA NA
## 190 NUEVO LEON 66646 soltero BANORTE 23 NA NA
## 191 NUEVO LEON 66673 unión libre BANORTE 31 NA NA
## 192 NUEVO LEON 66646 divorcio BANORTE 34 NA NA
## 193 NUEVO LEON 67250 matrimonio BANORTE 30 NA NA
## 194 NUEVO LEON 66646 matrimonio BANORTE 38 NA NA
## 195 NUEVO LEON 99999 divorcio BANORTE 37 NA NA
## 196 NUEVO LEON 66647 matrimonio BANORTE 32 NA NA
## 197 NUEVO LEON 67176 soltero BANORTE 22 NA NA
## 198 NUEVO LEON 66670 matrimonio BANORTE 30 NA NA
## 199 NUEVO LEON 66646 matrimonio BANORTE 29 NA NA
## 200 NUEVO LEON 66648 soltero BANORTE 30 NA NA
## 201 NUEVO LEON 66647 matrimonio BANORTE 32 NA NA
## 202 NUEVO LEON 66645 soltero BANORTE 20 NA NA
## 203 NUEVO LEON 66646 soltero BANORTE 31 NA NA
## 204 NUEVO LEON 66646 unión libre BANORTE 57 NA NA
## 205 NUEVO LEON 67254 matrimonio BANORTE 38 NA NA
## 206 NUEVO LEON 66644 matrimonio BANORTE 20 NA NA
## 207 NUEVO LEON 66646 soltero BANORTE 20 NA NA
## 208 NUEVO LEON 66650 soltero BANORTE 24 NA NA
## 209 NUEVO LEON 66640 matrimonio BANORTE 44 NA NA
## 210 NUEVO LEON 67114 unión libre BANORTE 27 NA NA
## 211 NUEVO LEON 66645 unión libre BANORTE 21 NA NA
## 212 NUEVO LEON 66645 unión libre BANORTE 20 NA NA
## 213 NUEVO LEON 66633 unión libre BANORTE 36 NA NA
## 214 NUEVO LEON 65580 soltero BANORTE 31 NA NA
## 215 NUEVO LEON 66673 matrimonio BANORTE 25 NA NA
## 216 NUEVO LEON 66646 matrimonio BANORTE 22 NA NA
## 217 NUEVO LEON 66646 soltero BANORTE 34 NA NA
## 218 NUEVO LEON 66646 unión libre BANORTE 39 NA NA
## 219 NUEVO LEON 66648 matrimonio SANTANDER 37 NA NA
## 220 NUEVO LEON 67262 matrimonio BANORTE 45 NA NA
## 221 NUEVO LEON 67250 soltero BANORTE 27 NA NA
## 222 NUEVO LEON 66673 soltero BANORTE 27 NA NA
## 223 NUEVO LEON 66646 soltero BANORTE 29 NA NA
## 224 NUEVO LEON 66648 soltero BANORTE 24 NA NA
## 225 NUEVO LEON 66648 soltero BANORTE 23 NA NA
## 226 NUEVO LEON 66655 matrimonio BANORTE 26 NA NA
## 227 NUEVO LEON 66646 matrimonio BANORTE 28 NA NA
## 228 NUEVO LEON 66643 matrimonio BANORTE 42 NA NA
## 229 NUEVO LEON 66646 soltero BANORTE 33 NA NA
## 230 NUEVO LEON 66646 matrimonio BANORTE 42 NA NA
## 231 NUEVO LEON 66649 unión libre BANORTE 22 NA NA
## 232 NUEVO LEON 66646 unión libre BANORTE 23 NA NA
## 233 NUEVO LEON 66646 soltero BANORTE 22 NA NA
## 234 NUEVO LEON 66648 soltero BANORTE 25 NA NA
## 235 NUEVO LEON 66646 unión libre BANORTE 23 NA NA1. Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
# colaboradores
summary(colaboradores)## No..De.Empleado APELLIDOS NOMBRE FECHA.DE.NACIMIENTO
## Min. : 1.00 Length:112 Length:112 Length:112
## 1st Qu.: 24.75 Class :character Class :character Class :character
## Median : 48.50 Mode :character Mode :character Mode :character
## Mean : 56.88
## 3rd Qu.: 82.00
## Max. :148.00
## NA's :20
## GENERO RFC FECHA.DE.ALTA Primer.mes
## Length:112 Length:112 Length:112 Length:112
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## X4to.mes BAJA PUESTO DEPARTAMENTO
## Length:112 Min. :3 Length:112 Length:112
## Class :character 1st Qu.:3 Class :character Class :character
## Mode :character Median :3 Mode :character Mode :character
## Mean :3
## 3rd Qu.:3
## Max. :3
## NA's :99
## NO.SEGURO.SOCIAL SALARIO.DIARIO.IMSS FACTOR.CRED.INFONAVIT
## Length:112 Min. :144.4 Length:112
## Class :character 1st Qu.:176.7 Class :character
## Mode :character Median :180.7 Mode :character
## Mean :179.0
## 3rd Qu.:180.7
## Max. :337.1
##
## No..CREDITO.INFONAVIT LUGAR.DE.NACIMIENTO CURP
## Length:112 Length:112 Length:112
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## CALLE NUMERO.INTERNO COLONIA MUNICIPIO
## Length:112 Length:112 Length:112 Length:112
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## ESTADO CODIGO.POSTAL ESTADO.CIVIL TARJETA....CUENTA
## Length:112 Min. :25016 Length:112 Length:112
## Class :character 1st Qu.:66640 Class :character Class :character
## Mode :character Median :66646 Mode :character Mode :character
## Mean :63335
## 3rd Qu.:66649
## Max. :67493
##
## Edad antiguedad
## Min. :18.00 Min. : 0.140
## 1st Qu.:26.00 1st Qu.: 0.285
## Median :33.50 Median : 0.650
## Mean :36.30 Mean : 2.843
## 3rd Qu.:45.25 3rd Qu.: 2.135
## Max. :73.00 Max. :122.780
## col <- colaboradores
col <- subset(col,select = -c (FECHA.DE.ALTA, FECHA.DE.NACIMIENTO, No..De.Empleado, APELLIDOS, NOMBRE, RFC, Primer.mes, X4to.mes, BAJA, DEPARTAMENTO, NO.SEGURO.SOCIAL, FACTOR.CRED.INFONAVIT, No..CREDITO.INFONAVIT, LUGAR.DE.NACIMIENTO, CURP, CALLE, NUMERO.INTERNO, COLONIA, MUNICIPIO, ESTADO, CODIGO.POSTAL, TARJETA....CUENTA))
summary(col)## GENERO PUESTO SALARIO.DIARIO.IMSS ESTADO.CIVIL
## Length:112 Length:112 Min. :144.4 Length:112
## Class :character Class :character 1st Qu.:176.7 Class :character
## Mode :character Mode :character Median :180.7 Mode :character
## Mean :179.0
## 3rd Qu.:180.7
## Max. :337.1
## Edad antiguedad
## Min. :18.00 Min. : 0.140
## 1st Qu.:26.00 1st Qu.: 0.285
## Median :33.50 Median : 0.650
## Mean :36.30 Mean : 2.843
## 3rd Qu.:45.25 3rd Qu.: 2.135
## Max. :73.00 Max. :122.780# bajas
summary(bajas)## X APELLIDOS NOMBRE FECHA.DE.NACIMIENTO
## Min. : 1.00 Length:235 Length:235 Length:235
## 1st Qu.: 75.00 Class :character Class :character Class :character
## Median : 90.00 Mode :character Mode :character Mode :character
## Mean : 88.06
## 3rd Qu.:103.25
## Max. :147.00
## NA's :55
## GENERO RFC FECHA.DE.ALTA MOTIVO.DE.BAJA
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## numero.de.días.trabajados BAJA PUESTO
## Min. : 0.00 Length:235 Length:235
## 1st Qu.: 8.75 Class :character Class :character
## Median : 19.00 Mode :character Mode :character
## Mean : 80.00
## 3rd Qu.: 49.25
## Max. :1966.00
## NA's :23
## DEPARTAMENTO NO.SEGURO.SOCIAL SALARIO.DIARIO.IMSS
## Length:235 Length:235 Min. :144.4
## Class :character Class :character 1st Qu.:180.7
## Mode :character Mode :character Median :180.7
## Mean :178.0
## 3rd Qu.:180.7
## Max. :500.0
##
## FACTOR.CRED.INFONAVIT N..CREDITO.INFONAVIT LUGAR.DE.NACIMIENTO
## Length:235 Length:235 Length:235
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## CURP CALLE NUMERO.INTERNO COLONIA
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## CODIGO.POSTAL MUNICIPIO ESTADO ESTADO.CIVIL
## Length:235 Length:235 Length:235 Length:235
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## TARJETA....CUENTA Edad X.1 X.2
## Length:235 Min. :19.00 Mode:logical Mode:logical
## Class :character 1st Qu.:23.00 NA's:235 NA's:235
## Mode :character Median :29.00
## Mean :31.07
## 3rd Qu.:37.00
## Max. :61.00
## bajas <- subset(bajas,select = -c (X.1, X.2, FECHA.DE.NACIMIENTO, X, APELLIDOS, NOMBRE, RFC, FECHA.DE.ALTA, BAJA, DEPARTAMENTO, NO.SEGURO.SOCIAL, FACTOR.CRED.INFONAVIT, N..CREDITO.INFONAVIT, LUGAR.DE.NACIMIENTO, CURP, CALLE, NUMERO.INTERNO, COLONIA, CODIGO.POSTAL, MUNICIPIO, ESTADO, TARJETA....CUENTA))
summary(bajas)## GENERO MOTIVO.DE.BAJA numero.de.días.trabajados
## Length:235 Length:235 Min. : 0.00
## Class :character Class :character 1st Qu.: 8.75
## Mode :character Mode :character Median : 19.00
## Mean : 80.00
## 3rd Qu.: 49.25
## Max. :1966.00
## NA's :23
## PUESTO SALARIO.DIARIO.IMSS ESTADO.CIVIL Edad
## Length:235 Min. :144.4 Length:235 Min. :19.00
## Class :character 1st Qu.:180.7 Class :character 1st Qu.:23.00
## Mode :character Median :180.7 Mode :character Median :29.00
## Mean :178.0 Mean :31.07
## 3rd Qu.:180.7 3rd Qu.:37.00
## Max. :500.0 Max. :61.00
## # Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
# colaboradores
str(col)## 'data.frame': 112 obs. of 6 variables:
## $ GENERO : chr "MASCULINO" "FEMENINO" "MASCULINO" "FEMENINO" ...
## $ PUESTO : chr "SUPERVISOR" "SUPERVISOR" "Externo" "SUPERVISOR" ...
## $ SALARIO.DIARIO.IMSS: num 177 177 177 337 177 ...
## $ ESTADO.CIVIL : chr "Soltero" "Soltero" "Soltero" "Casado" ...
## $ Edad : int 67 43 73 32 57 38 55 26 27 37 ...
## $ antiguedad : num 12.28 11.29 10.89 9.7 8.44 ...col1 <- col
col1$GENERO <- as.factor(col1$GENERO)
col1$PUESTO <- as.factor(col1$PUESTO)
col1$ESTADO.CIVIL <- as.factor(col1$ESTADO.CIVIL)
str(col1)## 'data.frame': 112 obs. of 6 variables:
## $ GENERO : Factor w/ 2 levels "FEMENINO","MASCULINO": 2 1 2 1 1 2 1 2 2 1 ...
## $ PUESTO : Factor w/ 20 levels "AYUDANTE GENERAL",..: 20 20 6 20 20 4 3 1 1 3 ...
## $ SALARIO.DIARIO.IMSS: num 177 177 177 337 177 ...
## $ ESTADO.CIVIL : Factor w/ 4 levels "Casado","divorcio",..: 3 3 3 1 3 1 1 1 1 1 ...
## $ Edad : int 67 43 73 32 57 38 55 26 27 37 ...
## $ antiguedad : num 12.28 11.29 10.89 9.7 8.44 ...# bajas
str(bajas)## 'data.frame': 235 obs. of 7 variables:
## $ GENERO : chr "MASCULINO" "FEMENINO" "FEMENINO" "FEMENINO" ...
## $ MOTIVO.DE.BAJA : chr "RENUNCIA VOLUNTARIA" "RENUNCIA VOLUNTARIA" "RENUNCIA VOLUNTARIA" "RENUNCIA VOLUNTARIA" ...
## $ numero.de.días.trabajados: int 628 60 59 59 51 37 37 31 18 224 ...
## $ PUESTO : chr "DISEÑO" "AYUDANTE GENERAL" "AYUDANTE GENERAL" "AYUDANTE GENERAL" ...
## $ SALARIO.DIARIO.IMSS : num 500 152 152 152 152 ...
## $ ESTADO.CIVIL : chr "soltero" "unión libre" "matrimonio" "soltero" ...
## $ Edad : int 32 36 24 21 30 46 29 31 50 19 ...bajas1 <- bajas
bajas1$GENERO <- as.factor(bajas1$GENERO)
bajas1$MOTIVO.DE.BAJA <- as.factor(bajas1$MOTIVO.DE.BAJA)
bajas1$PUESTO <- as.factor(bajas1$PUESTO)
bajas1$ESTADO.CIVIL <- as.factor(bajas1$ESTADO.CIVIL)
str(bajas1)## 'data.frame': 235 obs. of 7 variables:
## $ GENERO : Factor w/ 2 levels "FEMENINO","MASCULINO": 2 1 1 1 1 1 1 2 2 2 ...
## $ MOTIVO.DE.BAJA : Factor w/ 5 levels "ABANDONO","BAJA POR FALTAS",..: 4 4 4 4 4 2 2 2 2 4 ...
## $ numero.de.días.trabajados: int 628 60 59 59 51 37 37 31 18 224 ...
## $ PUESTO : Factor w/ 21 levels "ANALISTA DE NOMINAS /AUX DE R.H.",..: 10 6 6 6 6 6 6 6 6 6 ...
## $ SALARIO.DIARIO.IMSS : num 500 152 152 152 152 ...
## $ ESTADO.CIVIL : Factor w/ 4 levels "divorcio","matrimonio",..: 3 4 2 3 3 3 4 4 3 3 ...
## $ Edad : int 32 36 24 21 30 46 29 31 50 19 ...# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas
# colaboradores
col2 <- col1
colnames(col2)<-c('genero','puesto','sal.diario', 'est.civ.', 'edad', 'anti.')
summary(col2)## genero puesto sal.diario est.civ.
## FEMENINO :60 AYUDANTE GENERAL:66 Min. :144.4 Casado :44
## MASCULINO:52 COSTURERA :10 1st Qu.:176.7 divorcio : 3
## CHOFER : 5 Median :180.7 Soltero :45
## SOLDADOR : 5 Mean :179.0 Union Libre:20
## RESIDENTE : 4 3rd Qu.:180.7
## SUPERVISOR : 4 Max. :337.1
## (Other) :18
## edad anti.
## Min. :18.00 Min. : 0.140
## 1st Qu.:26.00 1st Qu.: 0.285
## Median :33.50 Median : 0.650
## Mean :36.30 Mean : 2.843
## 3rd Qu.:45.25 3rd Qu.: 2.135
## Max. :73.00 Max. :122.780
## # bajas
baj2 <- bajas1
colnames(baj2)<-c('genero','mot.baja','num.dias.trab.', 'puesto', 'sal.diario', 'est.civ.', 'edad')
summary(baj2)## genero mot.baja num.dias.trab.
## FEMENINO :138 ABANDONO : 1 Min. : 0.00
## MASCULINO: 97 BAJA POR FALTAS :141 1st Qu.: 8.75
## JUBILACION : 1 Median : 19.00
## RENUNCIA VOLUNTARIA: 84 Mean : 80.00
## TERMINO DE CONTRATO: 8 3rd Qu.: 49.25
## Max. :1966.00
## NA's :23
## puesto sal.diario est.civ. edad
## AYUDANTE GENERAL :178 Min. :144.4 divorcio : 3 Min. :19.00
## COSTURA : 11 1st Qu.:180.7 matrimonio : 64 1st Qu.:23.00
## SOLDADOR : 11 Median :180.7 soltero :108 Median :29.00
## MONTACARGUISTA : 5 Mean :178.0 unión libre: 60 Mean :31.07
## AUXILIAR DE EMBARQUES: 4 3rd Qu.:180.7 3rd Qu.:37.00
## AYUDANTE DE EMBARQUES: 4 Max. :500.0 Max. :61.00
## (Other) : 22# Limpieza 4: NA´S en la base de datos
# colaboradores
sum(is.na(col2))## [1] 0# T: No hay NA´s
# bajas
sum(is.na(baj2))## [1] 23# NA´S por variable
sapply(baj2, function(x) sum(is.na(x)))## genero mot.baja num.dias.trab. puesto sal.diario
## 0 0 23 0 0
## est.civ. edad
## 0 0# T: Reemplazar los NA´s ubicados en número de días de trabajo por la mediana porque los datos son muy extremos entre ellos.
baj3 <- baj2
baj3$num.dias.trab.[is.na(baj3$num.dias.trab)]<-median(baj3$num.dias.trab, na.rm = TRUE)
summary(baj3)## genero mot.baja num.dias.trab.
## FEMENINO :138 ABANDONO : 1 Min. : 0.00
## MASCULINO: 97 BAJA POR FALTAS :141 1st Qu.: 9.00
## JUBILACION : 1 Median : 19.00
## RENUNCIA VOLUNTARIA: 84 Mean : 74.03
## TERMINO DE CONTRATO: 8 3rd Qu.: 44.00
## Max. :1966.00
##
## puesto sal.diario est.civ. edad
## AYUDANTE GENERAL :178 Min. :144.4 divorcio : 3 Min. :19.00
## COSTURA : 11 1st Qu.:180.7 matrimonio : 64 1st Qu.:23.00
## SOLDADOR : 11 Median :180.7 soltero :108 Median :29.00
## MONTACARGUISTA : 5 Mean :178.0 unión libre: 60 Mean :31.07
## AUXILIAR DE EMBARQUES: 4 3rd Qu.:180.7 3rd Qu.:37.00
## AYUDANTE DE EMBARQUES: 4 Max. :500.0 Max. :61.00
## (Other) : 22# T: Confirmar que los NA´s se reemplazaron
sapply(baj3, function(x) sum(is.na(x)))## genero mot.baja num.dias.trab. puesto sal.diario
## 0 0 0 0 0
## est.civ. edad
## 0 0# Limpieza 5: Remover datos duplicados
# colaboradores
col2[duplicated(col2),]## [1] genero puesto sal.diario est.civ. edad anti.
## <0 rows> (or 0-length row.names)sum(duplicated(col2))## [1] 0# T: No hay datos duplicados
# bajas
baj3[duplicated(baj3),]## genero mot.baja num.dias.trab. puesto sal.diario
## 107 FEMENINO BAJA POR FALTAS 1 AYUDANTE GENERAL 180.68
## 198 MASCULINO RENUNCIA VOLUNTARIA 19 SOLDADOR 180.68
## 201 FEMENINO RENUNCIA VOLUNTARIA 19 AYUDANTE GENERAL 180.68
## 231 FEMENINO BAJA POR FALTAS 5 AYUDANTE GENERAL 180.68
## est.civ. edad
## 107 soltero 26
## 198 matrimonio 30
## 201 matrimonio 32
## 231 unión libre 22sum(duplicated(baj3))## [1] 4baj4 <- baj3
baj4 <- distinct(baj4)
# comprobar que no hay registros duplicados
baj4[duplicated(baj4),]## [1] genero mot.baja num.dias.trab. puesto sal.diario
## [6] est.civ. edad
## <0 rows> (or 0-length row.names)sum(duplicated(baj4))## [1] 02. ¿Cuántas variables y cuantos registros tiene la base de datos?
# colaboradores
str(col2)## 'data.frame': 112 obs. of 6 variables:
## $ genero : Factor w/ 2 levels "FEMENINO","MASCULINO": 2 1 2 1 1 2 1 2 2 1 ...
## $ puesto : Factor w/ 20 levels "AYUDANTE GENERAL",..: 20 20 6 20 20 4 3 1 1 3 ...
## $ sal.diario: num 177 177 177 337 177 ...
## $ est.civ. : Factor w/ 4 levels "Casado","divorcio",..: 3 3 3 1 3 1 1 1 1 1 ...
## $ edad : int 67 43 73 32 57 38 55 26 27 37 ...
## $ anti. : num 12.28 11.29 10.89 9.7 8.44 ...En esta base de datos tiene 112 registros y 6 variables.
# bajas
str(baj4)## 'data.frame': 231 obs. of 7 variables:
## $ genero : Factor w/ 2 levels "FEMENINO","MASCULINO": 2 1 1 1 1 1 1 2 2 2 ...
## $ mot.baja : Factor w/ 5 levels "ABANDONO","BAJA POR FALTAS",..: 4 4 4 4 4 2 2 2 2 4 ...
## $ num.dias.trab.: num 628 60 59 59 51 37 37 31 18 224 ...
## $ puesto : Factor w/ 21 levels "ANALISTA DE NOMINAS /AUX DE R.H.",..: 10 6 6 6 6 6 6 6 6 6 ...
## $ sal.diario : num 500 152 152 152 152 ...
## $ est.civ. : Factor w/ 4 levels "divorcio","matrimonio",..: 3 4 2 3 3 3 4 4 3 3 ...
## $ edad : int 32 36 24 21 30 46 29 31 50 19 ...En esta base de datos tiene 234 registros y 7 variables.
3 Clasificación de variables
# colaboradores
Variable_col <- c("genero", "puesto", "salario diario", "estado civil", "edad", "antigüedad")
clasif_col <- c("cualitativa", "cualitativa", "cuantitativa continua", "cualitativa", "cuantitativa discreta", "cuantitativa discreta")
medicion_col <- c("NA", "NA", "pesos mexicanos", "NA", "años", "días")
tabla_col <-data.frame(Variable_col,clasif_col, medicion_col)
knitr::kable(tabla_col)| Variable_col | clasif_col | medicion_col |
|---|---|---|
| genero | cualitativa | NA |
| puesto | cualitativa | NA |
| salario diario | cuantitativa continua | pesos mexicanos |
| estado civil | cualitativa | NA |
| edad | cuantitativa discreta | años |
| antigüedad | cuantitativa discreta | días |
#bajas
Variable_bajas <- c("genero", "motivo de baja", "número de días trabajados", "puesto", "salario diario", "estado civil", "edad")
clasif_bajas <- c("cualitativa", "cualitativa", "cuantitativa discreta", "cualitativa", "cuantitativa continua", "cualitativa", "cuantitativa discreta")
medicion_bajas <- c("NA", "NA", "días", "NA", "pesos mexicanos", "NA", "años")
tabla_bajas <-data.frame(Variable_bajas,clasif_bajas, medicion_bajas)
knitr::kable(tabla_bajas)| Variable_bajas | clasif_bajas | medicion_bajas |
|---|---|---|
| genero | cualitativa | NA |
| motivo de baja | cualitativa | NA |
| número de días trabajados | cuantitativa discreta | días |
| puesto | cualitativa | NA |
| salario diario | cuantitativa continua | pesos mexicanos |
| estado civil | cualitativa | NA |
| edad | cuantitativa discreta | años |
# t: markdown: knitr::kable(tabla)4. Estadísticos descriptivos (colaboradores)
# Promedio
# summary(col2)
# Promedio_col_sal_diario <- (mean(col2$sal.diario))
# Promedio_col_sal_diario
# Promedio_col_antiguedad <- (mean(col2$anti.))
# Promedio_col_antiguedad
# Promedio_col_edad <- (mean(col2$edad))
# Promedio_col_edad
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))] }
# Moda_col_sal_diario <- Moda(col2$sal.diario)
# Moda_col_sal_diario
# Moda_col_antiguedad <- Moda(col2$anti.)
# Moda_col_antiguedad
# Moda_col_edad <- Moda(col2$edad)
# Moda_col_edad
# Mediana
# mediana_col_sal_diario <- median(col2$sal.diario)
# mediana_col_sal_diario
# mediana_col_antiguedad <- median(col2$anti.)
# mediana_col_antiguedad
# mediana_col_edad <- median(col2$edad)
# mediana_col_edad
# Varianza
# Var_col_sal_diario <- var(col2$sal.diario)
# Var_col_sal_diario
# Var_col_antiguedad <- var(col2$anti.)
# Var_col_antiguedad
# Var_col_edad <- var(col2$edad)
# Var_col_edad
# Deviación Estándar
# desv_col_sal_diario <- sqrt(Var_col_sal_diario)
# desv_col_sal_diario
# desv_col_antiguedad <- sqrt(Var_col_antiguedad)
# desv_col_antiguedad
# desv_col_edad <- sqrt(Var_col_edad)
# desv_col_edad
## Tabla con estadísticas descriptivas
Variable_est_col <- c("Salario Diario", "antiguedad", "edad")
Promedio_est_col <- c(179.0415, 2.843393, 36.30357)
Moda_est_col <- c(180.68, 0.33, 21)
Mediana_est_col <- c(180.68, 0.65, 33.5)
Desviación_Estándar_est_col <- c(24.39491, 11.71017, 12.87839)
tabla_est_col <-data.frame(Variable_est_col, Promedio_est_col, Moda_est_col, Mediana_est_col, Desviación_Estándar_est_col)
knitr::kable(tabla_est_col)| Variable_est_col | Promedio_est_col | Moda_est_col | Mediana_est_col | Desviación_Estándar_est_col |
|---|---|---|---|---|
| Salario Diario | 179.041500 | 180.68 | 180.68 | 24.39491 |
| antiguedad | 2.843393 | 0.33 | 0.65 | 11.71017 |
| edad | 36.303570 | 21.00 | 33.50 | 12.87839 |
Interpretación: En el salario diario el promedio, la moda y la mediana es 180 por lo que todos los trabajadores tienen esta cantidad de salario.En promedio la antigüedad de los trabajores es de casi tres años. Mucho de los trabajadores tiene 21 años y un promedio de 38 años.
4. Estadísticos descriptivos (bajas)
# Promedio
# Promedio_bajas_num_dias_trab <- (mean(baj4$num.dias.trab.))
# Promedio_bajas_num_dias_trab
# Promedio_bajas_sal_diario <- (mean(baj4$sal.diario))
# Promedio_bajas_sal_diario
# Promedio_bajas_edad <- (mean(baj4$edad))
# Promedio_bajas_edad
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))]
# }
# Moda_bajas_num_dias_trab <- Moda(baj4$num.dias.trab.)
# Moda_bajas_num_dias_trab
# Moda_bajas_sal_diario <- Moda(baj4$sal.diario)
# Moda_bajas_sal_diario
# Moda_bajas_edad <- Moda(baj4$edad)
# Moda_bajas_edad
# Mediana
# mediana_bajas_num_dias_trab <- median(baj4$num.dias.trab.)
# mediana_bajas_num_dias_trab
# mediana_bajas_sal_diario <- median(baj4$sal.diario)
# mediana_bajas_sal_diario
# mediana_bajas_edad <- median(baj4$edad)
# mediana_bajas_edad
# Varianza
# varianza_bajas_num_dias_trab <- var(baj4$num.dias.trab.)
# varianza_bajas_num_dias_trab
# varianza_bajas_sal_diario <- var(baj4$sal.diario)
# varianza_bajas_sal_diario
# varianza_bajas_edad <- var(baj4$edad)
# varianza_bajas_edad
# Deviación Estándar
# desv_bajas_num_dias_trab <- sqrt(varianza_bajas_num_dias_trab)
# desv_bajas_num_dias_trab
# desv_bajas_sal_diario <- sqrt(varianza_bajas_sal_diario)
# desv_bajas_sal_diario
# desv_bajas_edad <- sqrt(varianza_bajas_edad)
# desv_bajas_edad
## Tabla con estadísticas descriptivas
Variable_est_bajas <- c("Bajas RH: Número de días trabajados", "Bajas RH: Salario Diario", "Bajas RH: Edad")
Promedio_est_bajas <- c(75.12121, 177.9039, 31.12987)
Moda_est_bajas <- c(19, 180.68, 22)
Mediana_est_bajas <- c(19, 180.68, 29)
Desviación_Estándar_est_bajas <- c(216.5698, 23.50715, 9.663941)
tabla_est_bajas <-data.frame(Variable_est_bajas, Promedio_est_bajas, Moda_est_bajas, Mediana_est_bajas, Desviación_Estándar_est_bajas)
knitr::kable(tabla_est_bajas)| Variable_est_bajas | Promedio_est_bajas | Moda_est_bajas | Mediana_est_bajas | Desviación_Estándar_est_bajas |
|---|---|---|---|---|
| Bajas RH: Número de días trabajados | 75.12121 | 19.00 | 19.00 | 216.569800 |
| Bajas RH: Salario Diario | 177.90390 | 180.68 | 180.68 | 23.507150 |
| Bajas RH: Edad | 31.12987 | 22.00 | 29.00 | 9.663941 |
Interpretación: Muchas de las bajas son de 22 años lo cual quiere decir que los adultos-jovenes son los que más tienden a renunciar y el promedio de días trabajados es de 75 días, que son dos meses y meido aproximadamente.
b. FORM – Delivery Plan
# Importar base de datos
#file.choose()
plan <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Delivery_Plan.csv")
# Entender base de datos
summary(plan)## 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
## feb.22 mar.22 abr.22 may.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
## jun.22 jul.22 ago.22 sep.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 nov.22 dic.22 ene.23
## Min. : 0.0 Min. : 0.000 Min. : 0.000 Min. : 0.0000
## 1st Qu.: 0.0 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.0000
## Median : 0.0 Median : 0.000 Median : 0.000 Median : 0.0000
## Mean : 120.9 Mean : 2.113 Mean : 1.225 Mean : 0.5974
## 3rd Qu.: 0.0 3rd Qu.: 0.000 3rd Qu.: 0.000 3rd Qu.: 0.0000
## Max. :16421.0 Max. :324.000 Max. :276.000 Max. :138.0000
## feb.23 mar.23 TOTAL.MESES
## Min. :0 Min. :0 Min. : 0
## 1st Qu.:0 1st Qu.:0 1st Qu.: 16
## Median :0 Median :0 Median : 115
## Mean :0 Mean :0 Mean : 2306
## 3rd Qu.:0 3rd Qu.:0 3rd Qu.: 724
## Max. :0 Max. :0 Max. :1367541. Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
plan1 <- plan
plan1 <- subset(plan1,select = -c (PROYECTO, ID.ODOO, JUNIO, JULIO, AGOSTO, SEPTIEMBRE, OCTUBRE, NOVIEMBRE, DICIEMBRE, TOTAL.MESES))
summary(plan1)## CLIENTE.PLANTA ITEM ene.22 feb.22
## Length:231 Length:231 Min. : 0.00 Min. : 0.0
## Class :character Class :character 1st Qu.: 0.00 1st Qu.: 0.0
## Mode :character Mode :character Median : 0.00 Median : 0.0
## Mean : 82.37 Mean : 103.5
## 3rd Qu.: 26.50 3rd Qu.: 0.0
## Max. :3200.00 Max. :9600.0
## mar.22 abr.22 may.22 jun.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 : 153.9 Mean : 186.5 Mean : 187.6 Mean : 171.2
## 3rd Qu.: 20.0 3rd Qu.: 24.0 3rd Qu.: 22.0 3rd Qu.: 1.0
## Max. :9600.0 Max. :16354.0 Max. :17665.0 Max. :11050.0
## jul.22 ago.22 sep.22 OCTUBRE.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 : 316.9 Mean : 131.5 Mean : 272.3 Mean : 120.9
## 3rd Qu.: 15.5 3rd Qu.: 0.0 3rd Qu.: 0.0 3rd Qu.: 0.0
## Max. :25900.0 Max. :13200.0 Max. :29379.0 Max. :16421.0
## nov.22 dic.22 ene.23 feb.23 mar.23
## Min. : 0.000 Min. : 0.000 Min. : 0.0000 Min. :0 Min. :0
## 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.0000 1st Qu.:0 1st Qu.:0
## Median : 0.000 Median : 0.000 Median : 0.0000 Median :0 Median :0
## Mean : 2.113 Mean : 1.225 Mean : 0.5974 Mean :0 Mean :0
## 3rd Qu.: 0.000 3rd Qu.: 0.000 3rd Qu.: 0.0000 3rd Qu.:0 3rd Qu.:0
## Max. :324.000 Max. :276.000 Max. :138.0000 Max. :0 Max. :0# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(plan1)## 'data.frame': 231 obs. of 17 variables:
## $ CLIENTE.PLANTA: chr "STB3" "STB4" "STB5" "STB6" ...
## $ ITEM : chr "CABLE SET CAJA BACK UP CANASTILLA" "Caja intercompacta chica" "CHAROLA G09 915898 " "MOTOR GEAR BOX" ...
## $ ene.22 : num 230 125 126 0 0 0 0 0 0 0 ...
## $ feb.22 : num 500 55 10 1 0 0 0 0 0 0 ...
## $ mar.22 : num 0 55 5 0 0 0 0 0 0 0 ...
## $ abr.22 : num 0 0 0 1 0 400 0 0 0 0 ...
## $ may.22 : num 0 0 15 3 0 0 0 0 0 0 ...
## $ jun.22 : num 200 0 5 2 100 0 0 0 0 0 ...
## $ jul.22 : num 900 0 10 5 100 0 0 0 0 0 ...
## $ ago.22 : num 1000 0 0 3 0 0 0 0 0 0 ...
## $ sep.22 : num 0 0 5 4 0 0 0 0 0 0 ...
## $ OCTUBRE.22 : num 0 0 50 6 0 0 0 0 0 0 ...
## $ nov.22 : num 0 0 125 7 0 0 0 0 0 0 ...
## $ dic.22 : num 0 0 0 7 0 0 0 0 0 0 ...
## $ ene.23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ feb.23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ mar.23 : num 0 0 0 0 0 0 0 0 0 0 ...plan2 <- plan1
plan2$CLIENTE.PLANTA <- as.factor(plan2$CLIENTE.PLANTA)
plan2$ITEM <- as.factor(plan2$ITEM)
plan2$ene.22 <- as.numeric(plan2$ene.22)
plan2$feb.22 <- as.numeric(plan2$feb.22)
plan2$mar.22 <- as.numeric(plan2$mar.22)
plan2$abr.22 <- as.numeric(plan2$abr.22)
plan2$may.22 <- as.numeric(plan2$may.22)
plan2$jun.22 <- as.numeric(plan2$jun.22)
plan2$jul.22 <- as.numeric(plan2$jul.22)
plan2$ago.22 <- as.numeric(plan2$ago.22)
plan2$sep.22 <- as.numeric(plan2$sep.22)
plan2$OCTUBRE.22 <- as.numeric(plan2$OCTUBRE.22)
plan2$dic.22 <- as.numeric(plan2$dic.22)
plan2$nov.22 <- as.numeric(plan2$nov.22)
plan2$ene.23 <- as.numeric(plan2$ene.23)
plan2$feb.23 <- as.numeric(plan2$feb.23)
plan2$mar.23 <- as.numeric(plan2$mar.23)
str(plan2)## 'data.frame': 231 obs. of 17 variables:
## $ CLIENTE.PLANTA: Factor w/ 26 levels "ABC QUERETARO",..: 12 13 14 15 16 17 18 11 24 24 ...
## $ ITEM : Factor w/ 229 levels " Y0160011 DOOR PANEL REAR",..: 29 38 58 106 26 91 86 189 2 1 ...
## $ ene.22 : num 230 125 126 0 0 0 0 0 0 0 ...
## $ feb.22 : num 500 55 10 1 0 0 0 0 0 0 ...
## $ mar.22 : num 0 55 5 0 0 0 0 0 0 0 ...
## $ abr.22 : num 0 0 0 1 0 400 0 0 0 0 ...
## $ may.22 : num 0 0 15 3 0 0 0 0 0 0 ...
## $ jun.22 : num 200 0 5 2 100 0 0 0 0 0 ...
## $ jul.22 : num 900 0 10 5 100 0 0 0 0 0 ...
## $ ago.22 : num 1000 0 0 3 0 0 0 0 0 0 ...
## $ sep.22 : num 0 0 5 4 0 0 0 0 0 0 ...
## $ OCTUBRE.22 : num 0 0 50 6 0 0 0 0 0 0 ...
## $ nov.22 : num 0 0 125 7 0 0 0 0 0 0 ...
## $ dic.22 : num 0 0 0 7 0 0 0 0 0 0 ...
## $ ene.23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ feb.23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ mar.23 : num 0 0 0 0 0 0 0 0 0 0 ...# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas
plan3 <- plan2
colnames(plan3)<-c("cliente", 'prod','ene22','feb22', 'mar22', 'abr22', 'may22', 'jun22', 'jul22', 'ago22', "sep22", "oct22", "nov22", "dic22", "ene23", "feb23", "mar23")
summary(plan3)## cliente prod
## VARROC :71 CHAROLA B16 : 2
## DENSO :57 ROPACK 45”X48”X34 CON IDENTIFICACIÓN : 2
## YANFENG sm :21 Y0160011 DOOR PANEL REAR : 1
## TRMX :16 Y0160815 FLOOR CONSOLE : 1
## YFCF :10 10 CELDAS : 1
## ANTOLIN TOLUCA: 9 30 AA : 1
## (Other) :47 (Other) :223
## ene22 feb22 mar22 abr22
## 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
##
## may22 jun22 jul22 ago22
## 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
##
## sep22 oct22 nov22 dic22
## 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
##
## ene23 feb23 mar23
## Min. : 0.0000 Min. :0 Min. :0
## 1st Qu.: 0.0000 1st Qu.:0 1st Qu.:0
## Median : 0.0000 Median :0 Median :0
## Mean : 0.5974 Mean :0 Mean :0
## 3rd Qu.: 0.0000 3rd Qu.:0 3rd Qu.:0
## Max. :138.0000 Max. :0 Max. :0
## # Limpieza 4: NA´S en la base de datos
sum(is.na(plan3))## [1] 0# No hay NA´s en la base de datos.
# Limpieza 5: Remover datos duplicados
plan3[duplicated(plan3),]## [1] cliente prod ene22 feb22 mar22 abr22 may22 jun22 jul22
## [10] ago22 sep22 oct22 nov22 dic22 ene23 feb23 mar23
## <0 rows> (or 0-length row.names)sum(duplicated(baj3))## [1] 4plan4 <- plan3
plan4 <- distinct(plan4)
# comprobar que no hay registros duplicados
baj4[duplicated(plan4),]## [1] genero mot.baja num.dias.trab. puesto sal.diario
## [6] est.civ. edad
## <0 rows> (or 0-length row.names)sum(duplicated(plan4))## [1] 0# No se removieron los datos duplicados porque es posible que un pedido grande lo hayan dividido en varios pedidos o
# el cliente pudo haber duplicado la misma orden. 2. ¿Cuántas variables y cuantos registros tiene la base de datos?
str(plan4)## 'data.frame': 231 obs. of 17 variables:
## $ cliente: Factor w/ 26 levels "ABC QUERETARO",..: 12 13 14 15 16 17 18 11 24 24 ...
## $ prod : Factor w/ 229 levels " Y0160011 DOOR PANEL REAR",..: 29 38 58 106 26 91 86 189 2 1 ...
## $ ene22 : num 230 125 126 0 0 0 0 0 0 0 ...
## $ feb22 : num 500 55 10 1 0 0 0 0 0 0 ...
## $ mar22 : num 0 55 5 0 0 0 0 0 0 0 ...
## $ abr22 : num 0 0 0 1 0 400 0 0 0 0 ...
## $ may22 : num 0 0 15 3 0 0 0 0 0 0 ...
## $ jun22 : num 200 0 5 2 100 0 0 0 0 0 ...
## $ jul22 : num 900 0 10 5 100 0 0 0 0 0 ...
## $ ago22 : num 1000 0 0 3 0 0 0 0 0 0 ...
## $ sep22 : num 0 0 5 4 0 0 0 0 0 0 ...
## $ oct22 : num 0 0 50 6 0 0 0 0 0 0 ...
## $ nov22 : num 0 0 125 7 0 0 0 0 0 0 ...
## $ dic22 : num 0 0 0 7 0 0 0 0 0 0 ...
## $ ene23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ feb23 : num 0 0 0 0 0 0 0 0 0 0 ...
## $ mar23 : num 0 0 0 0 0 0 0 0 0 0 ...En esta base de datos tiene 231 registros y 17 variables.
3. Clasificación de variables
Variable_plan <- c("cliente", "producto", "enero 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")
clasif_plan <- c("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")
medicion_plan <- c("NA", "NA", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades")
tabla_plan <-data.frame(Variable_plan, clasif_plan, medicion_plan)
knitr::kable(tabla_plan)| Variable_plan | clasif_plan | medicion_plan |
|---|---|---|
| cliente | cualitativa | NA |
| producto | cualitativa | NA |
| enero 22 | cuantitativa discreta | unidades |
| febrero 22 | cuantitativa discreta | unidades |
| marzo 22 | cuantitativa discreta | unidades |
| abril 22 | cuantitativa discreta | unidades |
| mayo 22 | cuantitativa discreta | unidades |
| junio 22 | cuantitativa discreta | unidades |
| julio 22 | cuantitativa discreta | unidades |
| agosto 22 | cuantitativa discreta | unidades |
| septiembre 22 | cuantitativa discreta | unidades |
| octubre 22 | cuantitativa discreta | unidades |
| noviembre 22 | cuantitativa discreta | unidades |
| diciembre 22 | cuantitativa discreta | unidades |
| enero 23 | cuantitativa discreta | unidades |
| febrero 23 | cuantitativa discreta | unidades |
| marzo 23 | cuantitativa discreta | unidades |
4. Estadísticos descriptivos
# Tabla con estadísticas descriptivas
Variable_est_plan <- c("ene22", "feb22", "mar22", "abr22", "may22", "jun22", "jul22", "ago22", "sep22", "oct22",
"nov22", "dic22", "ene23")
Promedio_est_plan <- c(82.37, 103.5, 153.9, 186.5, 187.6, 171.2, 316.9, 131.5, 272.3, 120.9, 2.11, 1.22, 0.59)
# Lo que es la mediana, moda y desviación estándar arrojaban ceros por lo que no se incluyeron en la tabla
tabla_est_plan <-data.frame(Variable_est_plan, Promedio_est_plan)
knitr::kable(tabla_est_plan)| Variable_est_plan | Promedio_est_plan |
|---|---|
| ene22 | 82.37 |
| feb22 | 103.50 |
| mar22 | 153.90 |
| abr22 | 186.50 |
| may22 | 187.60 |
| jun22 | 171.20 |
| jul22 | 316.90 |
| ago22 | 131.50 |
| sep22 | 272.30 |
| oct22 | 120.90 |
| nov22 | 2.11 |
| dic22 | 1.22 |
| ene23 | 0.59 |
El mes con más promedio es Julio 2022. Los meses que tienen un mayor promedio están alrededor de lo que es mitad de año. Los mese Noviembre 2022, Diciembre 2022 y Enero 2023 son los que menos promedio tienen porque apenas se están planificando.
c. FORM – Delivery Performance
# Importar base de datos
# file.choose()
performance <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM - Delivery Performance.csv")
# Entender base de datos
summary(performance)## Target Cliente Vueltas Plan.arrival
## Min. :1 Length:1440 Min. :1.00 Min. : 0.000
## 1st Qu.:1 Class :character 1st Qu.:1.00 1st Qu.: 0.000
## Median :1 Mode :character Median :1.50 Median : 4.000
## Mean :1 Mean :1.75 Mean : 6.625
## 3rd Qu.:1 3rd Qu.:2.25 3rd Qu.:10.750
## Max. :1 Max. :3.00 Max. :20.000
## Real.arrival Real.departure Diference Date
## Min. : 0.000 Min. : 0.000 Min. :-14.3500 Length:1440
## 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.0000 Class :character
## Median : 0.000 Median : 0.000 Median : 0.0000 Mode :character
## Mean : 3.823 Mean : 4.142 Mean : 0.3155
## 3rd Qu.: 8.000 3rd Qu.: 9.000 3rd Qu.: 0.8000
## Max. :23.500 Max. :24.500 Max. : 20.00001. Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
perf2 <- performance
perf2 <-subset (perf2, select =-c(Target))
summary(perf2)## Cliente Vueltas Plan.arrival Real.arrival
## Length:1440 Min. :1.00 Min. : 0.000 Min. : 0.000
## Class :character 1st Qu.:1.00 1st Qu.: 0.000 1st Qu.: 0.000
## Mode :character Median :1.50 Median : 4.000 Median : 0.000
## Mean :1.75 Mean : 6.625 Mean : 3.823
## 3rd Qu.:2.25 3rd Qu.:10.750 3rd Qu.: 8.000
## Max. :3.00 Max. :20.000 Max. :23.500
## Real.departure Diference Date
## Min. : 0.000 Min. :-14.3500 Length:1440
## 1st Qu.: 0.000 1st Qu.: 0.0000 Class :character
## Median : 0.000 Median : 0.0000 Mode :character
## Mean : 4.142 Mean : 0.3155
## 3rd Qu.: 9.000 3rd Qu.: 0.8000
## Max. :24.500 Max. : 20.0000# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(perf2)## 'data.frame': 1440 obs. of 7 variables:
## $ Cliente : chr "PRINTEL " "MAHLE" "MAHLE" "MAHLE" ...
## $ Vueltas : int 1 1 2 3 1 1 2 3 1 1 ...
## $ Plan.arrival : int 16 8 9 20 0 0 0 0 16 8 ...
## $ Real.arrival : num 16 8 9 20 0 0 0 0 16 8 ...
## $ Real.departure: num 19.3 8.55 10 21 0 0 0 0 18.1 9 ...
## $ Diference : num 3.3 0.55 1 1 0 0 0 0 2.1 1 ...
## $ Date : chr "02/01/2022" "02/01/2022" "02/01/2022" "02/01/2022" ...perf2$Date <-as.Date(perf2$Date,format ="%d/%m/%Y")
perf2$Cliente <- as.factor(perf2$Cliente)
str(perf2)## 'data.frame': 1440 obs. of 7 variables:
## $ Cliente : Factor w/ 4 levels "MAGNA","MAHLE",..: 3 2 2 2 1 4 4 4 3 2 ...
## $ Vueltas : int 1 1 2 3 1 1 2 3 1 1 ...
## $ Plan.arrival : int 16 8 9 20 0 0 0 0 16 8 ...
## $ Real.arrival : num 16 8 9 20 0 0 0 0 16 8 ...
## $ Real.departure: num 19.3 8.55 10 21 0 0 0 0 18.1 9 ...
## $ Diference : num 3.3 0.55 1 1 0 0 0 0 2.1 1 ...
## $ Date : Date, format: "2022-01-02" "2022-01-02" ...# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas
perf3<-perf2
colnames(perf3)<-c("cliente", "vueltas", "llegada_e", "llegada_r", "salida_r", "dif", "fecha")
# T: _e: espereada, _r: real
summary(perf3)## cliente vueltas llegada_e llegada_r
## MAGNA :180 Min. :1.00 Min. : 0.000 Min. : 0.000
## MAHLE :540 1st Qu.:1.00 1st Qu.: 0.000 1st Qu.: 0.000
## PRINTEL :180 Median :1.50 Median : 4.000 Median : 0.000
## VARROC :540 Mean :1.75 Mean : 6.625 Mean : 3.823
## 3rd Qu.:2.25 3rd Qu.:10.750 3rd Qu.: 8.000
## Max. :3.00 Max. :20.000 Max. :23.500
## salida_r dif fecha
## Min. : 0.000 Min. :-14.3500 Min. :2022-01-02
## 1st Qu.: 0.000 1st Qu.: 0.0000 1st Qu.:2022-02-23
## Median : 0.000 Median : 0.0000 Median :2022-04-17
## Mean : 4.142 Mean : 0.3155 Mean :2022-04-16
## 3rd Qu.: 9.000 3rd Qu.: 0.8000 3rd Qu.:2022-06-08
## Max. :24.500 Max. : 20.0000 Max. :2022-07-23# Limpieza 4: NA´S en la base de datos
sum(is.na(perf3))## [1] 0# T: No se encuentran NA´s en la base de datos.2. ¿Cuántas variables y cuantos registros tiene la base de datos?
str(perf3)## 'data.frame': 1440 obs. of 7 variables:
## $ cliente : Factor w/ 4 levels "MAGNA","MAHLE",..: 3 2 2 2 1 4 4 4 3 2 ...
## $ vueltas : int 1 1 2 3 1 1 2 3 1 1 ...
## $ llegada_e: int 16 8 9 20 0 0 0 0 16 8 ...
## $ llegada_r: num 16 8 9 20 0 0 0 0 16 8 ...
## $ salida_r : num 19.3 8.55 10 21 0 0 0 0 18.1 9 ...
## $ dif : num 3.3 0.55 1 1 0 0 0 0 2.1 1 ...
## $ fecha : Date, format: "2022-01-02" "2022-01-02" ...En esta base de datos tiene 1440 registros y 7 variables.
3. Clasificación de variables
Variable_perf <- c("Cliente", "Vueltas", "Plan.arrival", "Real.arrival", "Plan.departure", "Diference", "Fecha")
clasif_perf <- c("cualitativo", "cuantitativo discreto", "cuantitativo continuo", "cuantitativo continuo", "cuantitativo continuo", "cuantitativo continuo", "cuantitativa discreta")
medicion_perf <- c("NA", "Número de vueltas", "Minutos", "Minutos", "Minutos", "Minutos", "Días")
tabla_perf <-data.frame(Variable_perf, clasif_perf, medicion_perf)
knitr::kable(tabla_perf)| Variable_perf | clasif_perf | medicion_perf |
|---|---|---|
| Cliente | cualitativo | NA |
| Vueltas | cuantitativo discreto | Número de vueltas |
| Plan.arrival | cuantitativo continuo | Minutos |
| Real.arrival | cuantitativo continuo | Minutos |
| Plan.departure | cuantitativo continuo | Minutos |
| Diference | cuantitativo continuo | Minutos |
| Fecha | cuantitativa discreta | Días |
4. Estadísticos descriptivos
# Promedio
# summary(perf3)
# Promedio_perf_vueltas <- (mean(perf3$vueltas))
# Promedio_perf_vueltas
# Promedio_perf_llegada_e <- (mean(perf3$llegada_e))
# Promedio_perf_llegada_e
# Promedio_perf_llegada_r <- (mean(perf3$llegada_r))
# Promedio_perf_llegada_r
# Promedio_perf_salida_r <- (mean(perf3$salida_r))
# Promedio_perf_salida_r
# Promedio_perf_dif <- (mean(perf3$dif))
# Promedio_perf_dif
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))]
#}
# Moda_perf_vueltas <- Moda(perf3$vueltas)
# Moda_perf_vueltas
# Moda_perf_llegada_e <- Moda(perf3$llegada_e)
# Moda_perf_llegada_e
# Moda_perf_llegada_r <- Moda(perf3$llegada_r)
# Moda_perf_llegada_r
# Moda_perf_salida_r <- Moda(perf3$salida_r)
# Moda_perf_salida_r
# Moda_perf_dif <- Moda(perf3$dif)
# Moda_perf_dif
# Mediana
# Mediana_perf_vueltas <- median(perf3$vueltas)
# Mediana_perf_vueltas
# Mediana_perf_llegada_e <- median(perf3$llegada_e)
# Mediana_perf_llegada_e
# Mediana_perf_llegada_r <- median(perf3$llegada_r)
# Mediana_perf_llegada_r
# Mediana_perf_salida_r <- median(perf3$salida_r)
# Mediana_perf_salida_r
# Mediana_perf_dif <- median(perf3$dif)
# Mediana_perf_dif
# Varianza
# Varianza_perf_vueltas <- var(perf3$vueltas)
# Varianza_perf_vueltas
# Varianza_perf_llegada_e <- var(perf3$llegada_e)
# Varianza_perf_llegada_e
# Varianza_perf_llegada_r <- var(perf3$llegada_r)
# Varianza_perf_llegada_r
# Varianza_perf_salida_r <- var(perf3$salida_r)
# Varianza_perf_salida_r
# Varianza_perf_dif <- var(perf3$dif)
# Varianza_perf_dif
# Deviación Estándar
# Desv_perf_vueltas <- sqrt(Varianza_perf_vueltas)
# Desv_perf_vueltas
# Desv_perf_llegada_e <- sqrt(Varianza_perf_llegada_e)
# Desv_perf_llegada_e
# Desv_perf_llegada_r <- sqrt(Varianza_perf_llegada_r)
# Desv_perf_llegada_
# Desv_perf_salida_r <- sqrt(Varianza_perf_salida_r)
# Desv_perf_salida_r
# Desv_perf_dif <- sqrt(Varianza_perf_dif)
# Desv_perf_dif
# Tabla con estadísticas descriptivas
Variable_est_perf <- c("Vueltas", "llegada estimada", "llegada real", "salida real", "diferencia")
Promedio_est_perf <- c(1.75, 6.625, 3.822792, 4.141972, 0.3155)
Moda_est_perf <- c(1, 0, 0, 0, 0)
Mediana_est_perf <- c(1.5, 4, 0, 0, 0)
Desviación_Estándar_est_perf <- c(0.8294442, 7.501563, 6.505902, 6.948665, 0.9218758)
tabla_est_perf <-data.frame(Variable_est_perf, Promedio_est_perf, Moda_est_perf, Mediana_est_perf, Desviación_Estándar_est_perf)
knitr::kable(tabla_est_perf)| Variable_est_perf | Promedio_est_perf | Moda_est_perf | Mediana_est_perf | Desviación_Estándar_est_perf |
|---|---|---|---|---|
| Vueltas | 1.750000 | 1 | 1.5 | 0.8294442 |
| llegada estimada | 6.625000 | 0 | 4.0 | 7.5015630 |
| llegada real | 3.822792 | 0 | 0.0 | 6.5059020 |
| salida real | 4.141972 | 0 | 0.0 | 6.9486650 |
| diferencia | 0.315500 | 0 | 0.0 | 0.9218758 |
# t: markdown: knitr::kable(tabla)En la tabla nos muestra que no es much la diferencia que hay entre la llegada estimada y la llegada real porque el promedio de esta varibale es de 0.31 min. Otro punto es que las llegadas reales son más rápidas que las llegadas estimadas.
d. FORM – Producción
# Importar base de datos
#file.choose()
prod <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Produccion.csv")
# Entender base de datos
summary(prod)## Fecha No. CLIENTE ID.FORM
## Length:2515 Min. : 1.00 Length:2515 Length:2515
## Class :character 1st Qu.: 25.00 Class :character Class :character
## Mode :character Median : 50.00 Mode :character Mode :character
## Mean : 51.11
## 3rd Qu.: 75.00
## Max. :121.00
## NA's :7
## PRODUCTO PIEZAS.P.G. TMO..MIN. HR..FIN
## Length:2515 Min. : 1.0 Min. : 5.00 Min. : 0.0417
## Class :character 1st Qu.: 96.0 1st Qu.: 15.00 1st Qu.: 0.2014
## Mode :character Median : 160.0 Median : 20.00 Median : 0.4097
## Mean : 181.5 Mean : 23.11 Mean : 0.3595
## 3rd Qu.: 200.0 3rd Qu.: 25.00 3rd Qu.: 0.4653
## Max. :1280.0 Max. :150.00 Max. :11.1500
## NA's :689 NA's :701
## ESTACION.ARRANQUE Laminas.procesadas INICIO.SEP.UP FIN.INICIO.DE.SEP.UP
## Length:2515 Length:2515 Length:2515 Length:2515
## 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:2515 Length:2515 Min. : 0.0000 Min. : 0.000
## Class :character Class :character 1st Qu.: 1.0000 1st Qu.: 0.000
## Mode :character Mode :character Median : 1.0000 Median : 0.000
## Mean : 0.9348 Mean : 2.641
## 3rd Qu.: 1.0000 3rd Qu.: 1.000
## Max. :25.0000 Max. :48.000
## NA's :579 NA's :2203
## MERMAS.Maquinas.
## Min. : 0.000
## 1st Qu.: 0.000
## Median : 1.000
## Mean : 1.641
## 3rd Qu.: 1.000
## Max. :50.000
## NA's :24091. Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
prod1 <- prod
prod1 <- subset(prod1,select = -c (No., ID.FORM, PRODUCTO, HR..FIN, ESTACION.ARRANQUE, INICIO.de.PROCESO, INICIO.SEP.UP, FIN.INICIO.DE.SEP.UP, FIN.de.PROCESO, TIEMPO.MATERIALES, MERMAS.Maquinas.))
summary(prod1)## Fecha CLIENTE PIEZAS.P.G. TMO..MIN.
## Length:2515 Length:2515 Min. : 1.0 Min. : 5.00
## Class :character Class :character 1st Qu.: 96.0 1st Qu.: 15.00
## Mode :character Mode :character Median : 160.0 Median : 20.00
## Mean : 181.5 Mean : 23.11
## 3rd Qu.: 200.0 3rd Qu.: 25.00
## Max. :1280.0 Max. :150.00
## NA's :689
## Laminas.procesadas TIEMPO.CALIDAD
## Length:2515 Min. : 0.0000
## Class :character 1st Qu.: 1.0000
## Mode :character Median : 1.0000
## Mean : 0.9348
## 3rd Qu.: 1.0000
## Max. :25.0000
## NA's :579# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(prod1)## 'data.frame': 2515 obs. of 6 variables:
## $ Fecha : chr "01/08/22" "01/08/22" "01/08/22" "01/08/22" ...
## $ CLIENTE : chr "VARROC" "VARROC" "VARROC" "DENSO" ...
## $ PIEZAS.P.G. : int 199 57 68 192 192 400 80 104 104 160 ...
## $ TMO..MIN. : int 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: chr "201" "116" "69" "49" ...
## $ TIEMPO.CALIDAD : num 1 1 1 1 1 1 1 1 1 1 ...prod2 <- prod1
prod2$Fecha <- as.Date(prod2$Fecha, format = "%d/%m/%Y")
prod2$CLIENTE<-as.factor(prod2$CLIENTE)
prod2$PIEZAS.P.G.<-as.numeric(prod2$PIEZAS.P.G.)
prod2$TMO..MIN.<-as.numeric(prod2$TMO..MIN.)
prod2$Laminas.procesadas<-as.numeric(prod2$Laminas.procesadas)
str(prod2)## 'data.frame': 2515 obs. of 6 variables:
## $ Fecha : Date, format: "0022-08-01" "0022-08-01" ...
## $ CLIENTE : Factor w/ 9 levels "DENSO","HELLA",..: 7 7 7 1 1 9 9 9 9 9 ...
## $ PIEZAS.P.G. : num 199 57 68 192 192 400 80 104 104 160 ...
## $ TMO..MIN. : num 15 10 10 15 15 30 15 15 15 20 ...
## $ Laminas.procesadas: num 201 116 69 49 49 801 41 53 53 55 ...
## $ TIEMPO.CALIDAD : num 1 1 1 1 1 1 1 1 1 1 ...# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas
prod3<-prod2
colnames(prod3)<-c('fecha','cliente','piezas_prog', 'tiempo_min', 'laminas_proc', 'tiemp_cali')
summary(prod3)## fecha cliente piezas_prog tiempo_min
## Min. :0022-08-01 STABILUS 1:730 Min. : 1.0 Min. : 5.00
## 1st Qu.:0022-08-09 TRMX :441 1st Qu.: 96.0 1st Qu.: 15.00
## Median :0022-08-16 STABILUS 3:410 Median : 160.0 Median : 20.00
## Mean :0022-08-16 YANFENG :384 Mean : 181.5 Mean : 23.11
## 3rd Qu.:0022-08-24 DENSO :248 3rd Qu.: 200.0 3rd Qu.: 25.00
## Max. :0022-08-31 VARROC :173 Max. :1280.0 Max. :150.00
## (Other) :129 NA's :689
## laminas_proc tiemp_cali
## Min. : 0.0 Min. : 0.0000
## 1st Qu.: 5.0 1st Qu.: 1.0000
## Median : 61.0 Median : 1.0000
## Mean : 134.4 Mean : 0.9348
## 3rd Qu.: 201.0 3rd Qu.: 1.0000
## Max. :44839.0 Max. :25.0000
## NA's :641 NA's :579# Limpieza 4: NA´S en la base de datos
sum(is.na(prod3))## [1] 1909# T: se encuentran 1910 NA´s en toda la base de datos
# NA´S por variable
sapply(prod3, function(x) sum(is.na(x)))## fecha cliente piezas_prog tiempo_min laminas_proc tiemp_cali
## 0 0 0 689 641 579# T: En tiempo minimo se reemplazaran las NA´s por el promedio o media ya que no hay una dispersión muy grande entre los datos
# de la columna
prod4 <- prod3
prod4$tiempo_min[is.na(prod4$tiempo_min)]<-mean(prod4$tiempo_min, na.rm = TRUE)
# T: En láminas procesadas se reemplazaran las NA´s por la mediana ya que hay una dispersión muy grande entre los datos
# de la columna
prod4$laminas_proc[is.na(prod4$laminas_proc)]<-median(prod4$laminas_proc, na.rm = TRUE)
# T: En tiempo de calidad se reemplazaran las NA´s por la moda ya que el 54% de las observaciones pertenecen al mismo
# número que es: 1.
mode <- function(x) {
return(as.numeric(names(which.max(table(x)))))
}
prod4$tiemp_cali[is.na(prod4$tiemp_cali)]<-mode(prod4$tiemp_cali)
summary(prod4)## fecha cliente piezas_prog tiempo_min
## Min. :0022-08-01 STABILUS 1:730 Min. : 1.0 Min. : 5.00
## 1st Qu.:0022-08-09 TRMX :441 1st Qu.: 96.0 1st Qu.: 15.00
## Median :0022-08-16 STABILUS 3:410 Median : 160.0 Median : 23.11
## Mean :0022-08-16 YANFENG :384 Mean : 181.5 Mean : 23.11
## 3rd Qu.:0022-08-24 DENSO :248 3rd Qu.: 200.0 3rd Qu.: 25.00
## Max. :0022-08-31 VARROC :173 Max. :1280.0 Max. :150.00
## (Other) :129
## laminas_proc tiemp_cali
## Min. : 0.0 Min. : 0.0000
## 1st Qu.: 27.0 1st Qu.: 1.0000
## Median : 61.0 Median : 1.0000
## Mean : 115.7 Mean : 0.9498
## 3rd Qu.: 121.0 3rd Qu.: 1.0000
## Max. :44839.0 Max. :25.0000
## 2. ¿Cuántas variables y cuantos registros tiene la base de datos?
str(prod4)## 'data.frame': 2515 obs. of 6 variables:
## $ fecha : Date, format: "0022-08-01" "0022-08-01" ...
## $ cliente : Factor w/ 9 levels "DENSO","HELLA",..: 7 7 7 1 1 9 9 9 9 9 ...
## $ piezas_prog : num 199 57 68 192 192 400 80 104 104 160 ...
## $ tiempo_min : num 15 10 10 15 15 30 15 15 15 20 ...
## $ laminas_proc: num 201 116 69 49 49 801 41 53 53 55 ...
## $ tiemp_cali : num 1 1 1 1 1 1 1 1 1 1 ...En esta base de datos tiene 2516 registros y 6 variables.
3. Clasificación de variables
Variable_prod <- c("Fecha", "cliente", "piezas programadas", "tiempo mínimo", "Láminas.procesadas", "Tiempo de calidad")
Clasificacion_prod <- c("Cuantitativa discreta", "Cualitativa", "Cuantitativa discreta", "Cuantitativa continua", "Cuantitativa continua", "Cuantitariva discreta")
medicion_prod <- c("día", "NA", "Número de piezas", "minutos", "Número de láminas", "minutos")
tabla_prod <- data.frame (Variable_prod, Clasificacion_prod, medicion_prod)
knitr::kable(tabla_prod)| Variable_prod | Clasificacion_prod | medicion_prod |
|---|---|---|
| Fecha | Cuantitativa discreta | día |
| cliente | Cualitativa | NA |
| piezas programadas | Cuantitativa discreta | Número de piezas |
| tiempo mínimo | Cuantitativa continua | minutos |
| Láminas.procesadas | Cuantitativa continua | Número de láminas |
| Tiempo de calidad | Cuantitariva discreta | minutos |
# t: markdown: knitr::kable(tabla)4. Estadísticos descriptivos
# Promedio
# summary(prod4)
# Promedio_prod_piezas_prog <- (mean(prod4$piezas_prog))
# Promedio_prod_piezas_prog
# Promedio_prod_tiempo_min <- (mean(prod4$tiempo_min))
# Promedio_prod_tiempo_min
# Promedio_prod_laminas_proc <- (mean(prod4$laminas_proc))
# Promedio_prod_laminas_proc
# Promedio_prod_tiempo_cali <- (mean(prod4$tiemp_cali))
# Promedio_prod_tiempo_cali
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))]
#}
# Moda_prod_piezas_prog <- Moda(prod4$piezas_prog)
# Moda_prod_piezas_prog
# Moda_prod_tiempo_min <- Moda(prod4$tiempo_min)
# Moda_prod_tiempo_min
# Moda_prod_laminas_proc <- Moda(prod4$laminas_proc)
# Moda_prod_laminas_proc
# Moda_prod_tiempo_cali <- Moda(prod4$tiemp_cali)
# Moda_prod_tiempo_cali
# Mediana
# Mediana_prod_piezas_prog <- median(prod4$piezas_prog)
# Mediana_prod_piezas_prog
# Mediana_prod_tiempo_min <- median(prod4$tiempo_min)
# Mediana_prod_tiempo_min
# Mediana_prod_laminas_proc <- median(prod4$laminas_proc)
# Mediana_prod_laminas_proc
# Mediana_prod_tiempo_cali <- median(prod4$tiemp_cali)
# Mediana_prod_tiempo_cali
# Varianza
# Varianza_prod_piezas_prog <- var(prod4$piezas_prog)
# Varianza_prod_piezas_prog
# Varianza_prod_tiempo_min <- var(prod4$tiempo_min)
# Varianza_prod_tiempo_min
# Varianza_prod_laminas_proc <- var(prod4$laminas_proc)
# Varianza_prod_laminas_proc
# Varianza_prod_tiempo_cali <- var(prod4$tiemp_cali)
# Varianza_prod_tiempo_cali
# Deviación Estándar
# desv_prod_piezas_prog <- sqrt(Varianza_prod_piezas_prog)
# desv_prod_piezas_prog
# desv_prod_tiempo_min <- sqrt(Varianza_prod_tiempo_min)
# desv_prod_tiempo_min
# desv_prod_laminas_proc <- sqrt(Varianza_prod_laminas_proc)
# desv_prod_laminas_proc
# desv_prod_tiempo_cali <- sqrt(Varianza_prod_tiempo_cali)
# desv_prod_tiempo_cali
# Tabla con estadísticas descriptivas
Variable_est_prod <- c("piezas programadas", "tiempo mínimo", "láminas procesadas", "tiempo calidad")
Promedio_est_prod <- c(181.436, 23.10789, 115.6475, 0.9493988)
Moda_est_prod <- c(200, 23.10789, 61, 1)
Mediana_est_prod <- c(160, 23.10789, 61, 1)
Desviación_Estándar_est_prod <- c(149.5705, 12.03107, 899.7937, 1.180327)
tabla_est_prod <-data.frame(Variable_est_prod, Promedio_est_prod, Moda_est_prod, Mediana_est_prod, Desviación_Estándar_est_prod)
knitr::kable(tabla_est_prod)| Variable_est_prod | Promedio_est_prod | Moda_est_prod | Mediana_est_prod | Desviación_Estándar_est_prod |
|---|---|---|---|---|
| piezas programadas | 181.4360000 | 200.00000 | 160.00000 | 149.570500 |
| tiempo mínimo | 23.1078900 | 23.10789 | 23.10789 | 12.031070 |
| láminas procesadas | 115.6475000 | 61.00000 | 61.00000 | 899.793700 |
| tiempo calidad | 0.9493988 | 1.00000 | 1.00000 | 1.180327 |
# t: markdown: knitr::kable(tabla)El tiempo mínimo en la gran parte de las piezas es de 23 min porque este número se repite en el promedio, moda y mediana de tiempo mínimo.Tiempo de calidad casi siempre lo mantienen abajo de 1 minuto y las piezas programadas son de aproximadamente de 182 unidades.
e. FORM – Merma
# Importar base de datos
# file.choose()
merma <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM - Merma.csv")
# Entender base de datos
summary(merma)## Mes Kilos
## Length:9 Min. :13586
## Class :character 1st Qu.:18280
## Mode :character Median :19370
## Mean :20603
## 3rd Qu.:22830
## Max. :321001. Técnicas de limpieza
# Limpieza 1: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(merma)## 'data.frame': 9 obs. of 2 variables:
## $ Mes : chr "Total ENERO" "Total FEBRERO" "Total MARZO" "Total ABRIL" ...
## $ Kilos: int 14560 22830 22470 18820 23410 18280 19370 32100 13586mer2 <- merma
mer2$Mes <- as.factor(mer2$Mes)
mer2$Kilos <- as.numeric(mer2$Kilos)
str(mer2)## 'data.frame': 9 obs. of 2 variables:
## $ Mes : Factor w/ 9 levels "Total ABRIL",..: 3 4 7 1 8 6 5 2 9
## $ Kilos: num 14560 22830 22470 18820 23410 ...# Limpieza 2: NA´S en la base de datos
sum(is.na(mer2))## [1] 0# No hay NA´s en la base de datos2. ¿Cuántas variables y cuantos registros tiene la base de datos?
str(mer2)## 'data.frame': 9 obs. of 2 variables:
## $ Mes : Factor w/ 9 levels "Total ABRIL",..: 3 4 7 1 8 6 5 2 9
## $ Kilos: num 14560 22830 22470 18820 23410 ...En esta base de datos tiene 9 registros y 2 variables.
3. Clasificación de variables
Variable_merma <- c("Kilos", "Mes")
Clasificacion_merma <- c("Cuantitativa discreta", "Cualitativa")
medicion_merma <- c("kilogramos", "NA")
tabla_merma <- data.frame (Variable_merma, Clasificacion_merma, medicion_merma)
knitr::kable(tabla_merma)| Variable_merma | Clasificacion_merma | medicion_merma |
|---|---|---|
| Kilos | Cuantitativa discreta | kilogramos |
| Mes | Cualitativa | NA |
4. Estadísticos descriptivos
# Promedio
# summary(mer2)
# Promedio_mer_kilos <- (mean(mer2$Kilos))
# Promedio_mer_kilos
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))]
#}
# Moda_mer_kilos <- Moda(mer2$Kilos)
# Moda_mer_kilos
# Mediana
# Mediana_mer_kilos <- median(mer2$Kilos)
# Mediana_mer_kilos
# Varianza
# Varianza_mer_kilos <- var(mer2$Kilos)
# Varianza_mer_kilos
# Deviación Estándar
# desv_mer_kilos <- sqrt(Varianza_mer_kilos)
# desv_mer_kilos
# Tabla con estadísticas descriptivas
Variable_est_mer <- c("Kilos")
Promedio_est_mer <- c(20602.89)
Moda_est_mer <- c(14560)
Mediana_est_mer <- c(19370)
Desviación_Estándar_est_mer <- c(5526.723)
tabla_est_mer <-data.frame(Variable_est_mer, Promedio_est_mer, Moda_est_mer, Mediana_est_mer, Desviación_Estándar_est_mer)
knitr::kable(tabla_est_mer)| Variable_est_mer | Promedio_est_mer | Moda_est_mer | Mediana_est_mer | Desviación_Estándar_est_mer |
|---|---|---|---|---|
| Kilos | 20602.89 | 14560 | 19370 | 5526.723 |
En promedio FORM tiene un promedio de 20603 kilos de merma durante los meses de enero-agosto 2022. Algunos meses tuvieron un parecido produciendo alrededor de 1460 kilos de merma.
f. FORM - Scrap
# Importar base de datos
# file.choose()
scrap <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM _Scrap_Ev2_No_Limpia.csv")
# Entender base de datos
summary(scrap)## Referencia Fecha Producto Cantidad
## Length:250 Length:250 Length:250 Min. : 0.000
## Class :character Class :character Class :character 1st Qu.: 1.000
## Mode :character Mode :character Mode :character Median : 2.000
## Mean : 6.696
## 3rd Qu.: 7.000
## Max. :96.000
## Unidad.de.medida Ubicación.de.origen Ubicación.de.desecho Estado
## Length:250 Length:250 Length:250 Length:250
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## 1. Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
scr1 <- scrap
scr1 <- subset(scr1,select = -c (Referencia, Producto, Unidad.de.medida, Ubicación.de.desecho, Estado))
summary(scr1)## Fecha Cantidad Ubicación.de.origen
## Length:250 Min. : 0.000 Length:250
## Class :character 1st Qu.: 1.000 Class :character
## Mode :character Median : 2.000 Mode :character
## Mean : 6.696
## 3rd Qu.: 7.000
## Max. :96.000# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(scr1)## 'data.frame': 250 obs. of 3 variables:
## $ Fecha : chr "31/08/2022" "31/08/2022" "31/08/2022" "31/08/2022" ...
## $ Cantidad : num 2 1 1 31 1 1 1 9 2 1 ...
## $ Ubicación.de.origen: chr "SAB/Calidad/Entrega de PT" "SAB/Calidad/Entrega de PT" "SAB/Calidad/Entrega de PT" "SAB/Pre-Production" ...scr2 <- scr1
scr2$Fecha <- as.Date(scr2$Fecha, format = "%d/%m/%Y")
scr2$Cantidad<-as.numeric(scr2$Cantidad)
scr2$Ubicación.de.origen<-as.factor(scr2$Ubicación.de.origen)
str(scr2)## 'data.frame': 250 obs. of 3 variables:
## $ Fecha : Date, format: "2022-08-31" "2022-08-31" ...
## $ Cantidad : num 2 1 1 31 1 1 1 9 2 1 ...
## $ Ubicación.de.origen: Factor w/ 3 levels "SAB/Calidad/Entrega de PT",..: 1 1 1 3 3 3 3 3 3 3 ...# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas
scr3 <- scr2
colnames(scr3)<-c('fecha','cant.','ubi.origen')
summary(scr3)## fecha cant. ubi.origen
## Min. :2022-08-01 Min. : 0.000 SAB/Calidad/Entrega de PT: 58
## 1st Qu.:2022-08-11 1st Qu.: 1.000 SAB/Post-Production : 13
## Median :2022-08-19 Median : 2.000 SAB/Pre-Production :179
## Mean :2022-08-17 Mean : 6.696
## 3rd Qu.:2022-08-25 3rd Qu.: 7.000
## Max. :2022-08-31 Max. :96.000# Limpieza 4: NA´S en la base de datos
sum(is.na(scr3))## [1] 0# NA´S por variable
sapply(scr3, function(x) sum(is.na(x)))## fecha cant. ubi.origen
## 0 0 0# T: No hay NA´s en la base de datos.
# Limpieza 5: Homogenizar el nombre de las variables cualitativas
# T: No hay variaciones en los datos de las variables cualitativas 2. ¿Cuántas variables y cuantos registros tiene la base de datos?
str(scr3)## 'data.frame': 250 obs. of 3 variables:
## $ fecha : Date, format: "2022-08-31" "2022-08-31" ...
## $ cant. : num 2 1 1 31 1 1 1 9 2 1 ...
## $ ubi.origen: Factor w/ 3 levels "SAB/Calidad/Entrega de PT",..: 1 1 1 3 3 3 3 3 3 3 ...En esta base de datos tiene 250 registros y 3 variables.
3. Clasificación de variables
Variable <- c("fecha", "cantidad", "ubicación de origen")
clasif <- c("cuantitativa discreta", "cuantitativa continua", "cualitativa")
medicion <- c("días", "Unidades", "NA")
tabla <-data.frame(Variable,clasif, medicion)
knitr::kable(tabla)| Variable | clasif | medicion |
|---|---|---|
| fecha | cuantitativa discreta | días |
| cantidad | cuantitativa continua | Unidades |
| ubicación de origen | cualitativa | NA |
4. Estadísticos descriptivos
# Promedio
# summary(scr3)
# Promedio_scr_cant <- (mean(scr3$cant.))
# Promedio_scr_cant
# Moda
# Moda <- function(x) {
# ux <- unique(x)
# ux[which.max(tabulate(match(x, ux)))]
#}
# Moda_scr_cant <- Moda(scr3$cant.)
# Moda_scr_cant
# Mediana
# Mediana_scr_cant <- median(scr3$cant.)
# Mediana_scr_cant
# Varianza
# Varianza_scr_cant <- var(scr3$cant.)
# Varianza_scr_cant
# Deviación Estándar
# desv_scr_cant <- sqrt(Varianza_scr_cant)
# desv_scr_cant
# Tabla con estadísticas descriptivas
Variable_est_scr <- c("Cantidad")
Promedio_est_scr <- c(6.696)
Moda_est_scr <- c(1)
Mediana_est_scr <- c(2)
Desviación_Estándar_est_scr <- c(11.84)
tabla_est_scr <-data.frame(Variable_est_scr, Promedio_est_scr, Moda_est_scr, Mediana_est_scr, Desviación_Estándar_est_scr)
knitr::kable(tabla_est_scr)| Variable_est_scr | Promedio_est_scr | Moda_est_scr | Mediana_est_scr | Desviación_Estándar_est_scr |
|---|---|---|---|---|
| Cantidad | 6.696 | 1 | 2 | 11.84 |
# t: markdown: knitr::kable(tabla)La cantidad de scrap promedio es de alrededor 7. Casi siempre se manejan más de 1 unidad por día durante todo el mes.
Conclusión: ¿Por qué se aplicaron dichas técnicas? ¿cómo te permitió la aplicación de dichas técnicas una mejor comprensión de las bases de datos?
Dichas técnicas fueron aplicadas para tener una mejor comprensión y visualización de los registros en la base de datos, así como también tener resultados más acertados al momento de tener un manejo con dichos registros. La aplicación de dichas técnicas me ayudaron a tener una mejor comprensión de la base de datos porque así manejaba variables mas cortas y concisas, los registros eran categorizados como factor, número y fecha y así era más fácil de manejarlos, así como también tener una idea más amplia de con lo que estaba trabajando, entre otras cosas.
5. Análisis descriptivo de las bases de datos de FORM
Tablas de frecuencia
# Tabla de frecuencia de bajas.
table(baj4$genero, baj4$est.civ.)##
## divorcio matrimonio soltero unión libre
## FEMENINO 2 43 56 34
## MASCULINO 1 19 51 25En esta tabla de frecuencia podemos observar que el estado civil de “soltero” es mas común en los dos géneros y “divorcio” es el menos común.
# Tabla de frecuencia de delivery plan
plan4 %>%
group_by(cliente) %>%
dplyr::summarize(frequency = n())## # A tibble: 26 × 2
## cliente frequency
## <fct> <int>
## 1 ABC QUERETARO 1
## 2 ANTOLIN ARTEAGA 1
## 3 ANTOLIN TOLUCA 9
## 4 DENSO 57
## 5 HANON 2
## 6 HELLA 9
## 7 INOAC POLYTEC 2
## 8 ISRI 1
## 9 MERIDIAN 6
## 10 SEGROVE 1
## # … with 16 more rowsSe observa la frecuencia en la que los clientes aparecen en la base de datos. DENSO se analiza que es un cliente “leal” con FORM, ya que es el cliente con mas frecuencia en los registros. Antolin toluca y Hella son clientes frecuentes de la empresa.
Gráficos de datos cuantitativos y cualitativos
# Gráfico de datos cuantitativos de producción
proporciones_prod <- c(45210, 13342, 2170, 130533, 110538, 53867, 17022, 83511)
etiquetas_prod <- c("Denso", "HELLA", "MERIDIAN LIGHTWEIGHT", "STABILUS 1", "STABILUS 3", "TRMX", "VARROC", "YANFENG")
pct_prod <- round(proporciones_prod/sum(proporciones_prod)*100)
etiquetas_prod <- paste(etiquetas_prod, pct_prod)
etiquetas_prod <- paste(etiquetas_prod,"%",sep="")
pie(proporciones_prod,labels = etiquetas_prod,
col=rainbow(length(etiquetas_prod)),
main="Diagrama de tarta")
Se puede observar que los clientes que destacan por el número de volumen en sus pedidos son Stabilus 1, Stabilus 3 y Yanfeng. Estos tres clientes juntos suman una cantidad de 324,582.00, mientras que la suma de los demás clientes da una suma de 129,641.00.
# Gráfico de datos cuantitativos de colaboradores
#T: ¿Cuál es el salario esperado o común de FORM?
hist(col2$sal.diario, main="¿Cuál es el salario de FORM?", xlab = "salario diario")
El salario más común o más esperado de form esta entre 100 y 200 pesos mexicanos diarios ya que en la gráfica se visualiza que hay una mayor frecuencia de datos entre estos dos valores.
# Gráfico cuantitativo de Delivery Plan
trimestre <- c(1, 2, 3, 4, 5, 6)
cantidad_por_trimestre <- c(68004, 58224, 78499, 125965, 166488, 28696)
plot(trimestre, cantidad_por_trimestre, type = "b", main = "pedidos por trimestre en delivery plan")
# Nota: significado de los números en el eje x:
numeros_eje_x <- c("1", "2", "3", "4", "5", "6")
trimestre_grafico <- c("Julio 2021 - Septiembre 2021", "Octubre 2021 - Diciembre 2021", "Enero 2022 - Marzo 2022", "Abril 2022 - Junio 2022", "Julio 2022 - Septiembre 2022", "Octubre 2022 - Diciembre 2022")
tabla_explicativa <-data.frame(numeros_eje_x, trimestre_grafico)
knitr::kable(tabla_explicativa)| numeros_eje_x | trimestre_grafico |
|---|---|
| 1 | Julio 2021 - Septiembre 2021 |
| 2 | Octubre 2021 - Diciembre 2021 |
| 3 | Enero 2022 - Marzo 2022 |
| 4 | Abril 2022 - Junio 2022 |
| 5 | Julio 2022 - Septiembre 2022 |
| 6 | Octubre 2022 - Diciembre 2022 |
El trimestre Julio - Septiembre del 2021 y 2022 representaron una mayor cantidad que el último trimestre de ambos años por lo que se concluye que ese trimestre puede ser que el número de pedidos suban más a comparación de otros trimestres.
# Gráfico para merma
plot_merma <- data.frame(mes = c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre"),
num = c(14560, 22830, 22470, 18820, 23410, 18280, 19370, 32100, 13586))
barplot(height = plot_merma$num, names = plot_merma$mes, ylab = "kilos de merma")
Se puede observar que el mes de Agosto es el mes con ´más merma del año, seguido de Mayo, Marzo y Febrero.
Gráficos de dispersión
# Dispersión de Scrap
ggplot(scr3, aes(x=fecha, y=cant., colour=ubi.origen)) + geom_point()
La mayor parte de las ordenes estan en una ubicacion de pre producción y así también, podemos observar que la mayoría de las órdenes son menores de 25 unidades ya que hay una gran acumulación de datos abajo del número 25 que está en el eje Y. La segunda quincena de Agosto podemos ver que hay más pedidos que en la primera quincena. Muy pocas ordenes llegan a tener más de 50 unidades.
# Dispersión de producción
plot(prod4$tiemp_cali, prod4$tiempo_min, main = "Tiempo de calidad invertido por tiempo de producción",
xlab = "Tiempo de Calidad", ylab = "Tiempo de Producción", col= "purple")
En la gráfica podemos analizar que le invierten menos tiempo de calidad a aquellas órdenes que tengan menos tiempo de producción. Así pues, a las órdenes que se le dedicaron tiempo son aquellas que tiene menos tiempo de producción también. Ordenes con mayor tiempo de producción tienen muy poco tiempo de calidad, ninguna órden con alto tiempo de producción tiene un tiempo de calidad mayor a 5.
6. Propuestas:
En la gráfica de datos cuantitativos de delivery plan se visualizó que los trimestres Julio - Septiembre son los más “cargados” en cuanto a trabajo y esto lo podemos confirmar con la gráfica de datos cuantitativos de merma en el que se concluyó que en el mes de Agosto es donde se produce más merma. Todos los años se espera una cantidad más grande de merma en este trimestre, para reducir o eliminar esta merma se pueden analizar la merma por temporadas teniendo más datos históricos y ver si existe algún patrón con las cantidades de merma. Así pues, hay empresas, como por ejemplo Supraciclaje (20222), situadas en Monterrey que tienen recolección a domicilio y compran este tipo de mermas en cantidades industriales, por lo que sería una gran oportunidad para tener un ingreso extra y también para liberar el espacio que esta merma ocupa en las instalaciones.
En la gráfica de producción se puede observar que existen clientes que piden muchas unidades como lo son stabilus 1, stabilus 3 y yanfeng, por otra parte en delivery plan podemos observar que Denso es el cliente con más registros por lo que podemos categorizar a estos 4 clientes como los mas leales a la empresa. Para retener a estos clientes se propone implementar estrategias para retener a los clientes mas leales, como por ejemplo:
Terreros (s.f.) explica que el 79 % de los clientes buscará más productos y/o servicios de una compañía con un programa de lealtad.
Utiliza programas de gamificación y recomendación.
Diseña un modelo de retención desde la primera compra.
7. Fuente externa de base de datos: análisis estadístico
# Importar base de datos
#file.choose()
produccion_mexico <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/fuente_de_datos_externa_de_mexico_2020_2022_MD2.csv")
# Entender base de datos
summary(produccion_mexico)## PROD_EST COBERTURA ANIO ID_MES
## Length:2480 Length:2480 Min. :2020 Min. : 1.000
## Class :character Class :character 1st Qu.:2020 1st Qu.: 3.000
## Mode :character Mode :character Median :2021 Median : 6.000
## Mean :2021 Mean : 5.911
## 3rd Qu.:2021 3rd Qu.: 9.000
## Max. :2022 Max. :12.000
## MARCA MODELO TIPO SEGMENTO
## Length:2480 Length:2480 Length:2480 Length:2480
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## UNI_VEH
## Min. : 0.0
## 1st Qu.: 0.0
## Median : 96.5
## Mean : 3221.8
## 3rd Qu.: 5124.5
## Max. :27463.0Técnicas de limpieza
# Limpieza 1: Considerar las variables que sean de valor
prod_mex <- produccion_mexico
prod_mex <- subset(prod_mex,select =-c(PROD_EST, COBERTURA))
summary(prod_mex)## ANIO ID_MES MARCA MODELO
## Min. :2020 Min. : 1.000 Length:2480 Length:2480
## 1st Qu.:2020 1st Qu.: 3.000 Class :character Class :character
## Median :2021 Median : 6.000 Mode :character Mode :character
## Mean :2021 Mean : 5.911
## 3rd Qu.:2021 3rd Qu.: 9.000
## Max. :2022 Max. :12.000
## TIPO SEGMENTO UNI_VEH
## Length:2480 Length:2480 Min. : 0.0
## Class :character Class :character 1st Qu.: 0.0
## Mode :character Mode :character Median : 96.5
## Mean : 3221.8
## 3rd Qu.: 5124.5
## Max. :27463.0# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(prod_mex)## 'data.frame': 2480 obs. of 7 variables:
## $ ANIO : int 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 ...
## $ ID_MES : int 1 1 1 1 1 1 1 1 1 1 ...
## $ MARCA : chr "Audi" "BMW Group" "Chrysler" "Chrysler" ...
## $ MODELO : chr "Q5" "Serie 3" "Crew Cab-" "Jeep Compass-" ...
## $ TIPO : chr "Camiones ligeros" "Automóviles" "Camiones ligeros" "Camiones ligeros" ...
## $ SEGMENTO: chr "SUV's" "De Lujo" "Pick Ups" "SUV's" ...
## $ UNI_VEH : int 10150 4527 13095 13872 3814 5919 1022 771 1258 0 ...prod_mex2 <- prod_mex
prod_mex2$MARCA <- as.factor(prod_mex2$MARCA)
prod_mex2$MODELO <- as.factor(prod_mex2$MODELO)
prod_mex2$TIPO <- as.factor(prod_mex2$TIPO)
prod_mex2$SEGMENTO <- as.factor(prod_mex2$SEGMENTO)
str(prod_mex2)## 'data.frame': 2480 obs. of 7 variables:
## $ ANIO : int 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 ...
## $ ID_MES : int 1 1 1 1 1 1 1 1 1 1 ...
## $ MARCA : Factor w/ 14 levels "Audi","BMW Group",..: 1 2 3 3 3 3 3 3 3 3 ...
## $ MODELO : Factor w/ 110 levels "Avalanche UUV",..: 71 86 14 47 49 70 74 75 76 77 ...
## $ TIPO : Factor w/ 2 levels "Automóviles",..: 2 1 2 2 2 2 2 2 2 2 ...
## $ SEGMENTO: Factor w/ 6 levels "Compactos","De Lujo",..: 6 2 4 6 6 6 4 4 4 4 ...
## $ UNI_VEH : int 10150 4527 13095 13872 3814 5919 1022 771 1258 0 ...# Limpieza 4: NA´S en la base de datos
# Cambiar los 0 por NA´s
prod_mex3 <- prod_mex2
prod_mex3[prod_mex3==0] <- NA
prod_mex3## ANIO ID_MES MARCA
## 1 2020 1 Audi
## 2 2020 1 BMW Group
## 3 2020 1 Chrysler
## 4 2020 1 Chrysler
## 5 2020 1 Chrysler
## 6 2020 1 Chrysler
## 7 2020 1 Chrysler
## 8 2020 1 Chrysler
## 9 2020 1 Chrysler
## 10 2020 1 Chrysler
## 11 2020 1 Fiat
## 12 2020 1 Ford Motor
## 13 2020 1 Ford Motor
## 14 2020 1 Ford Motor
## 15 2020 1 Ford Motor
## 16 2020 1 General Motors
## 17 2020 1 General Motors
## 18 2020 1 General Motors
## 19 2020 1 General Motors
## 20 2020 1 General Motors
## 21 2020 1 General Motors
## 22 2020 1 General Motors
## 23 2020 1 General Motors
## 24 2020 1 General Motors
## 25 2020 1 General Motors
## 26 2020 1 General Motors
## 27 2020 1 General Motors
## 28 2020 1 General Motors
## 29 2020 1 General Motors
## 30 2020 1 General Motors
## 31 2020 1 General Motors
## 32 2020 1 General Motors
## 33 2020 1 General Motors
## 34 2020 1 General Motors
## 35 2020 1 General Motors
## 36 2020 1 General Motors
## 37 2020 1 General Motors
## 38 2020 1 General Motors
## 39 2020 1 General Motors
## 40 2020 1 General Motors
## 41 2020 1 General Motors
## 42 2020 1 General Motors
## 43 2020 1 General Motors
## 44 2020 1 General Motors
## 45 2020 1 General Motors
## 46 2020 1 General Motors
## 47 2020 1 Honda
## 48 2020 1 Honda
## 49 2020 1 JAC
## 50 2020 1 JAC
## 51 2020 1 JAC
## 52 2020 1 JAC
## 53 2020 1 JAC
## 54 2020 1 JAC
## 55 2020 1 JAC
## 56 2020 1 KIA
## 57 2020 1 KIA
## 58 2020 1 KIA
## 59 2020 1 KIA
## 60 2020 1 KIA
## 61 2020 1 KIA
## 62 2020 1 Mazda
## 63 2020 1 Mazda
## 64 2020 1 Mazda
## 65 2020 1 Mazda
## 66 2020 1 Mazda
## 67 2020 1 Mercedes Benz_Prod_Expo
## 68 2020 1 Mercedes Benz_Prod_Expo
## 69 2020 1 Nissan
## 70 2020 1 Nissan
## 71 2020 1 Nissan
## 72 2020 1 Nissan
## 73 2020 1 Nissan
## 74 2020 1 Nissan
## 75 2020 1 Nissan
## 76 2020 1 Nissan
## 77 2020 1 Nissan
## 78 2020 1 Nissan
## 79 2020 1 Toyota
## 80 2020 1 Toyota
## 81 2020 1 Volkswagen
## 82 2020 1 Volkswagen
## 83 2020 1 Volkswagen
## 84 2020 1 Volkswagen
## 85 2020 1 Volkswagen
## 86 2020 1 Volkswagen
## 87 2020 1 Volkswagen
## 88 2020 2 Audi
## 89 2020 2 BMW Group
## 90 2020 2 Chrysler
## 91 2020 2 Chrysler
## 92 2020 2 Chrysler
## 93 2020 2 Chrysler
## 94 2020 2 Chrysler
## 95 2020 2 Chrysler
## 96 2020 2 Chrysler
## 97 2020 2 Chrysler
## 98 2020 2 Fiat
## 99 2020 2 Ford Motor
## 100 2020 2 Ford Motor
## 101 2020 2 Ford Motor
## 102 2020 2 Ford Motor
## 103 2020 2 Ford Motor
## 104 2020 2 Ford Motor
## 105 2020 2 General Motors
## 106 2020 2 General Motors
## 107 2020 2 General Motors
## 108 2020 2 General Motors
## 109 2020 2 General Motors
## 110 2020 2 General Motors
## 111 2020 2 General Motors
## 112 2020 2 General Motors
## 113 2020 2 General Motors
## 114 2020 2 General Motors
## 115 2020 2 General Motors
## 116 2020 2 General Motors
## 117 2020 2 General Motors
## 118 2020 2 General Motors
## 119 2020 2 General Motors
## 120 2020 2 General Motors
## 121 2020 2 General Motors
## 122 2020 2 General Motors
## 123 2020 2 General Motors
## 124 2020 2 General Motors
## 125 2020 2 General Motors
## 126 2020 2 General Motors
## 127 2020 2 General Motors
## 128 2020 2 General Motors
## 129 2020 2 General Motors
## 130 2020 2 General Motors
## 131 2020 2 General Motors
## 132 2020 2 General Motors
## 133 2020 2 General Motors
## 134 2020 2 General Motors
## 135 2020 2 General Motors
## 136 2020 2 Honda
## 137 2020 2 Honda
## 138 2020 2 JAC
## 139 2020 2 JAC
## 140 2020 2 JAC
## 141 2020 2 JAC
## 142 2020 2 JAC
## 143 2020 2 JAC
## 144 2020 2 JAC
## 145 2020 2 KIA
## 146 2020 2 KIA
## 147 2020 2 KIA
## 148 2020 2 KIA
## 149 2020 2 KIA
## 150 2020 2 KIA
## 151 2020 2 Mazda
## 152 2020 2 Mazda
## 153 2020 2 Mazda
## 154 2020 2 Mazda
## 155 2020 2 Mazda
## 156 2020 2 Mercedes Benz_Prod_Expo
## 157 2020 2 Mercedes Benz_Prod_Expo
## 158 2020 2 Nissan
## 159 2020 2 Nissan
## 160 2020 2 Nissan
## 161 2020 2 Nissan
## 162 2020 2 Nissan
## 163 2020 2 Nissan
## 164 2020 2 Nissan
## 165 2020 2 Nissan
## 166 2020 2 Nissan
## 167 2020 2 Nissan
## 168 2020 2 Toyota
## 169 2020 2 Toyota
## 170 2020 2 Volkswagen
## 171 2020 2 Volkswagen
## 172 2020 2 Volkswagen
## 173 2020 2 Volkswagen
## 174 2020 3 Audi
## 175 2020 3 BMW Group
## 176 2020 3 Chrysler
## 177 2020 3 Chrysler
## 178 2020 3 Chrysler
## 179 2020 3 Chrysler
## 180 2020 3 Chrysler
## 181 2020 3 Chrysler
## 182 2020 3 Chrysler
## 183 2020 3 Chrysler
## 184 2020 3 Fiat
## 185 2020 3 Ford Motor
## 186 2020 3 Ford Motor
## 187 2020 3 Ford Motor
## 188 2020 3 Ford Motor
## 189 2020 3 Ford Motor
## 190 2020 3 Ford Motor
## 191 2020 3 General Motors
## 192 2020 3 General Motors
## 193 2020 3 General Motors
## 194 2020 3 General Motors
## 195 2020 3 General Motors
## 196 2020 3 General Motors
## 197 2020 3 General Motors
## 198 2020 3 General Motors
## 199 2020 3 General Motors
## 200 2020 3 General Motors
## 201 2020 3 General Motors
## 202 2020 3 General Motors
## 203 2020 3 General Motors
## 204 2020 3 General Motors
## 205 2020 3 General Motors
## 206 2020 3 General Motors
## 207 2020 3 General Motors
## 208 2020 3 General Motors
## 209 2020 3 General Motors
## 210 2020 3 General Motors
## 211 2020 3 General Motors
## 212 2020 3 General Motors
## 213 2020 3 General Motors
## 214 2020 3 General Motors
## 215 2020 3 General Motors
## 216 2020 3 General Motors
## 217 2020 3 General Motors
## 218 2020 3 General Motors
## 219 2020 3 General Motors
## 220 2020 3 General Motors
## 221 2020 3 General Motors
## 222 2020 3 Honda
## 223 2020 3 Honda
## 224 2020 3 JAC
## 225 2020 3 JAC
## 226 2020 3 JAC
## 227 2020 3 JAC
## 228 2020 3 JAC
## 229 2020 3 KIA
## 230 2020 3 KIA
## 231 2020 3 KIA
## 232 2020 3 KIA
## 233 2020 3 KIA
## 234 2020 3 KIA
## 235 2020 3 Mazda
## 236 2020 3 Mazda
## 237 2020 3 Mazda
## 238 2020 3 Mazda
## 239 2020 3 Mazda
## 240 2020 3 Mercedes Benz_Prod_Expo
## 241 2020 3 Mercedes Benz_Prod_Expo
## 242 2020 3 Nissan
## 243 2020 3 Nissan
## 244 2020 3 Nissan
## 245 2020 3 Nissan
## 246 2020 3 Nissan
## 247 2020 3 Nissan
## 248 2020 3 Nissan
## 249 2020 3 Nissan
## 250 2020 3 Nissan
## 251 2020 3 Nissan
## 252 2020 3 Toyota
## 253 2020 3 Toyota
## 254 2020 3 Volkswagen
## 255 2020 3 Volkswagen
## 256 2020 3 Volkswagen
## 257 2020 4 Audi
## 258 2020 4 BMW Group
## 259 2020 4 Chrysler
## 260 2020 4 Chrysler
## 261 2020 4 Chrysler
## 262 2020 4 Chrysler
## 263 2020 4 Chrysler
## 264 2020 4 Chrysler
## 265 2020 4 Chrysler
## 266 2020 4 Chrysler
## 267 2020 4 Fiat
## 268 2020 4 Ford Motor
## 269 2020 4 Ford Motor
## 270 2020 4 General Motors
## 271 2020 4 Honda
## 272 2020 4 Honda
## 273 2020 4 JAC
## 274 2020 4 JAC
## 275 2020 4 JAC
## 276 2020 4 JAC
## 277 2020 4 JAC
## 278 2020 4 JAC
## 279 2020 4 JAC
## 280 2020 4 JAC
## 281 2020 4 JAC
## 282 2020 4 JAC
## 283 2020 4 JAC
## 284 2020 4 JAC
## 285 2020 4 JAC
## 286 2020 4 KIA
## 287 2020 4 KIA
## 288 2020 4 KIA
## 289 2020 4 KIA
## 290 2020 4 KIA
## 291 2020 4 KIA
## 292 2020 4 Mazda
## 293 2020 4 Mazda
## 294 2020 4 Mazda
## 295 2020 4 Mazda
## 296 2020 4 Mazda
## 297 2020 4 Mercedes Benz_Prod_Expo
## 298 2020 4 Mercedes Benz_Prod_Expo
## 299 2020 4 Nissan
## 300 2020 4 Toyota
## 301 2020 4 Toyota
## 302 2020 4 Volkswagen
## 303 2020 4 Volkswagen
## 304 2020 4 Volkswagen
## 305 2020 5 Audi
## 306 2020 5 BMW Group
## 307 2020 5 Chrysler
## 308 2020 5 Chrysler
## 309 2020 5 Chrysler
## 310 2020 5 Chrysler
## 311 2020 5 Chrysler
## 312 2020 5 Chrysler
## 313 2020 5 Chrysler
## 314 2020 5 Chrysler
## 315 2020 5 Fiat
## 316 2020 5 Ford Motor
## 317 2020 5 Ford Motor
## 318 2020 5 Ford Motor
## 319 2020 5 Ford Motor
## 320 2020 5 Ford Motor
## 321 2020 5 General Motors
## 322 2020 5 General Motors
## 323 2020 5 General Motors
## 324 2020 5 General Motors
## 325 2020 5 General Motors
## 326 2020 5 General Motors
## 327 2020 5 General Motors
## 328 2020 5 General Motors
## 329 2020 5 General Motors
## 330 2020 5 General Motors
## 331 2020 5 General Motors
## 332 2020 5 General Motors
## 333 2020 5 General Motors
## 334 2020 5 General Motors
## 335 2020 5 General Motors
## 336 2020 5 General Motors
## 337 2020 5 General Motors
## 338 2020 5 General Motors
## 339 2020 5 General Motors
## 340 2020 5 General Motors
## 341 2020 5 General Motors
## 342 2020 5 General Motors
## 343 2020 5 General Motors
## 344 2020 5 General Motors
## 345 2020 5 General Motors
## 346 2020 5 General Motors
## 347 2020 5 General Motors
## 348 2020 5 General Motors
## 349 2020 5 General Motors
## 350 2020 5 General Motors
## 351 2020 5 General Motors
## 352 2020 5 Honda
## 353 2020 5 Honda
## 354 2020 5 JAC
## 355 2020 5 KIA
## 356 2020 5 KIA
## 357 2020 5 KIA
## 358 2020 5 KIA
## 359 2020 5 KIA
## 360 2020 5 KIA
## 361 2020 5 Mazda
## 362 2020 5 Mazda
## 363 2020 5 Mazda
## 364 2020 5 Mazda
## 365 2020 5 Mazda
## 366 2020 5 Mercedes Benz_Prod_Expo
## 367 2020 5 Mercedes Benz_Prod_Expo
## 368 2020 5 Nissan
## 369 2020 5 Nissan
## 370 2020 5 Nissan
## 371 2020 5 Nissan
## 372 2020 5 Nissan
## 373 2020 5 Nissan
## 374 2020 5 Nissan
## 375 2020 5 Nissan
## 376 2020 5 Nissan
## 377 2020 5 Nissan
## 378 2020 5 Toyota
## 379 2020 5 Toyota
## 380 2020 5 Volkswagen
## 381 2020 5 Volkswagen
## 382 2020 5 Volkswagen
## 383 2020 6 Audi
## 384 2020 6 BMW Group
## 385 2020 6 Chrysler
## 386 2020 6 Chrysler
## 387 2020 6 Chrysler
## 388 2020 6 Chrysler
## 389 2020 6 Chrysler
## 390 2020 6 Chrysler
## 391 2020 6 Chrysler
## 392 2020 6 Chrysler
## 393 2020 6 Fiat
## 394 2020 6 Ford Motor
## 395 2020 6 Ford Motor
## 396 2020 6 Ford Motor
## 397 2020 6 Ford Motor
## 398 2020 6 Ford Motor
## 399 2020 6 Ford Motor
## 400 2020 6 General Motors
## 401 2020 6 General Motors
## 402 2020 6 General Motors
## 403 2020 6 General Motors
## 404 2020 6 General Motors
## 405 2020 6 General Motors
## 406 2020 6 General Motors
## 407 2020 6 General Motors
## 408 2020 6 General Motors
## 409 2020 6 General Motors
## 410 2020 6 General Motors
## 411 2020 6 General Motors
## 412 2020 6 General Motors
## 413 2020 6 General Motors
## 414 2020 6 General Motors
## 415 2020 6 General Motors
## 416 2020 6 General Motors
## 417 2020 6 General Motors
## 418 2020 6 General Motors
## 419 2020 6 General Motors
## 420 2020 6 General Motors
## 421 2020 6 General Motors
## 422 2020 6 General Motors
## 423 2020 6 General Motors
## 424 2020 6 General Motors
## 425 2020 6 General Motors
## 426 2020 6 General Motors
## 427 2020 6 General Motors
## 428 2020 6 General Motors
## 429 2020 6 General Motors
## 430 2020 6 General Motors
## 431 2020 6 Honda
## 432 2020 6 Honda
## 433 2020 6 JAC
## 434 2020 6 JAC
## 435 2020 6 JAC
## 436 2020 6 JAC
## 437 2020 6 JAC
## 438 2020 6 JAC
## 439 2020 6 KIA
## 440 2020 6 KIA
## 441 2020 6 KIA
## 442 2020 6 KIA
## 443 2020 6 KIA
## 444 2020 6 KIA
## 445 2020 6 Mazda
## 446 2020 6 Mazda
## 447 2020 6 Mazda
## 448 2020 6 Mazda
## 449 2020 6 Mazda
## 450 2020 6 Mercedes Benz_Prod_Expo
## 451 2020 6 Mercedes Benz_Prod_Expo
## 452 2020 6 Nissan
## 453 2020 6 Nissan
## 454 2020 6 Nissan
## 455 2020 6 Nissan
## 456 2020 6 Nissan
## 457 2020 6 Nissan
## 458 2020 6 Nissan
## 459 2020 6 Nissan
## 460 2020 6 Nissan
## 461 2020 6 Nissan
## 462 2020 6 Toyota
## 463 2020 6 Toyota
## 464 2020 6 Volkswagen
## 465 2020 6 Volkswagen
## 466 2020 6 Volkswagen
## 467 2020 7 Audi
## 468 2020 7 BMW Group
## 469 2020 7 Chrysler
## 470 2020 7 Chrysler
## 471 2020 7 Chrysler
## 472 2020 7 Chrysler
## 473 2020 7 Chrysler
## 474 2020 7 Chrysler
## 475 2020 7 Chrysler
## 476 2020 7 Chrysler
## 477 2020 7 Fiat
## 478 2020 7 Ford Motor
## 479 2020 7 Ford Motor
## 480 2020 7 Ford Motor
## 481 2020 7 Ford Motor
## 482 2020 7 General Motors
## 483 2020 7 General Motors
## 484 2020 7 General Motors
## 485 2020 7 General Motors
## 486 2020 7 General Motors
## 487 2020 7 General Motors
## 488 2020 7 General Motors
## 489 2020 7 General Motors
## 490 2020 7 General Motors
## 491 2020 7 General Motors
## 492 2020 7 General Motors
## 493 2020 7 General Motors
## 494 2020 7 General Motors
## 495 2020 7 General Motors
## 496 2020 7 General Motors
## 497 2020 7 General Motors
## 498 2020 7 General Motors
## 499 2020 7 General Motors
## 500 2020 7 General Motors
## 501 2020 7 General Motors
## 502 2020 7 General Motors
## 503 2020 7 General Motors
## 504 2020 7 General Motors
## 505 2020 7 General Motors
## 506 2020 7 General Motors
## 507 2020 7 General Motors
## 508 2020 7 General Motors
## 509 2020 7 General Motors
## 510 2020 7 General Motors
## 511 2020 7 General Motors
## 512 2020 7 General Motors
## 513 2020 7 Honda
## 514 2020 7 Honda
## 515 2020 7 JAC
## 516 2020 7 JAC
## 517 2020 7 JAC
## 518 2020 7 JAC
## 519 2020 7 JAC
## 520 2020 7 JAC
## 521 2020 7 JAC
## 522 2020 7 KIA
## 523 2020 7 KIA
## 524 2020 7 KIA
## 525 2020 7 KIA
## 526 2020 7 KIA
## 527 2020 7 KIA
## 528 2020 7 Mazda
## 529 2020 7 Mazda
## 530 2020 7 Mazda
## 531 2020 7 Mazda
## 532 2020 7 Mazda
## 533 2020 7 Mercedes Benz_Prod_Expo
## 534 2020 7 Mercedes Benz_Prod_Expo
## 535 2020 7 Nissan
## 536 2020 7 Nissan
## 537 2020 7 Nissan
## 538 2020 7 Nissan
## 539 2020 7 Nissan
## 540 2020 7 Nissan
## 541 2020 7 Nissan
## 542 2020 7 Nissan
## 543 2020 7 Nissan
## 544 2020 7 Nissan
## 545 2020 7 Toyota
## 546 2020 7 Toyota
## 547 2020 7 Volkswagen
## 548 2020 7 Volkswagen
## 549 2020 7 Volkswagen
## 550 2020 8 Audi
## 551 2020 8 BMW Group
## 552 2020 8 Chrysler
## 553 2020 8 Chrysler
## 554 2020 8 Chrysler
## 555 2020 8 Chrysler
## 556 2020 8 Chrysler
## 557 2020 8 Chrysler
## 558 2020 8 Chrysler
## 559 2020 8 Chrysler
## 560 2020 8 Fiat
## 561 2020 8 Ford Motor
## 562 2020 8 General Motors
## 563 2020 8 General Motors
## 564 2020 8 General Motors
## 565 2020 8 General Motors
## 566 2020 8 General Motors
## 567 2020 8 General Motors
## 568 2020 8 General Motors
## 569 2020 8 General Motors
## 570 2020 8 General Motors
## 571 2020 8 General Motors
## 572 2020 8 General Motors
## 573 2020 8 General Motors
## 574 2020 8 General Motors
## 575 2020 8 General Motors
## 576 2020 8 General Motors
## 577 2020 8 General Motors
## 578 2020 8 General Motors
## 579 2020 8 General Motors
## 580 2020 8 General Motors
## 581 2020 8 General Motors
## 582 2020 8 General Motors
## 583 2020 8 General Motors
## 584 2020 8 General Motors
## 585 2020 8 General Motors
## 586 2020 8 General Motors
## 587 2020 8 General Motors
## 588 2020 8 General Motors
## 589 2020 8 General Motors
## 590 2020 8 General Motors
## 591 2020 8 General Motors
## 592 2020 8 General Motors
## 593 2020 8 Honda
## 594 2020 8 Honda
## 595 2020 8 JAC
## 596 2020 8 JAC
## 597 2020 8 JAC
## 598 2020 8 JAC
## 599 2020 8 JAC
## 600 2020 8 JAC
## 601 2020 8 JAC
## 602 2020 8 KIA
## 603 2020 8 KIA
## 604 2020 8 KIA
## 605 2020 8 KIA
## 606 2020 8 KIA
## 607 2020 8 KIA
## 608 2020 8 Mazda
## 609 2020 8 Mazda
## 610 2020 8 Mazda
## 611 2020 8 Mazda
## 612 2020 8 Mazda
## 613 2020 8 Mercedes Benz_Prod_Expo
## 614 2020 8 Mercedes Benz_Prod_Expo
## 615 2020 8 Nissan
## 616 2020 8 Nissan
## 617 2020 8 Nissan
## 618 2020 8 Nissan
## 619 2020 8 Nissan
## 620 2020 8 Nissan
## 621 2020 8 Nissan
## 622 2020 8 Nissan
## 623 2020 8 Nissan
## 624 2020 8 Nissan
## 625 2020 8 Nissan
## 626 2020 8 Toyota
## 627 2020 8 Toyota
## 628 2020 8 Volkswagen
## 629 2020 8 Volkswagen
## 630 2020 8 Volkswagen
## 631 2020 9 Audi
## 632 2020 9 BMW Group
## 633 2020 9 Chrysler
## 634 2020 9 Chrysler
## 635 2020 9 Chrysler
## 636 2020 9 Chrysler
## 637 2020 9 Chrysler
## 638 2020 9 Chrysler
## 639 2020 9 Chrysler
## 640 2020 9 Chrysler
## 641 2020 9 Fiat
## 642 2020 9 Ford Motor
## 643 2020 9 Ford Motor
## 644 2020 9 General Motors
## 645 2020 9 General Motors
## 646 2020 9 General Motors
## 647 2020 9 General Motors
## 648 2020 9 General Motors
## 649 2020 9 General Motors
## 650 2020 9 General Motors
## 651 2020 9 General Motors
## 652 2020 9 General Motors
## 653 2020 9 General Motors
## 654 2020 9 General Motors
## 655 2020 9 General Motors
## 656 2020 9 General Motors
## 657 2020 9 General Motors
## 658 2020 9 General Motors
## 659 2020 9 General Motors
## 660 2020 9 General Motors
## 661 2020 9 General Motors
## 662 2020 9 General Motors
## 663 2020 9 General Motors
## 664 2020 9 General Motors
## 665 2020 9 General Motors
## 666 2020 9 General Motors
## 667 2020 9 General Motors
## 668 2020 9 General Motors
## 669 2020 9 General Motors
## 670 2020 9 General Motors
## 671 2020 9 General Motors
## 672 2020 9 General Motors
## 673 2020 9 General Motors
## 674 2020 9 General Motors
## 675 2020 9 Honda
## 676 2020 9 Honda
## 677 2020 9 JAC
## 678 2020 9 JAC
## 679 2020 9 JAC
## 680 2020 9 JAC
## 681 2020 9 JAC
## 682 2020 9 JAC
## 683 2020 9 KIA
## 684 2020 9 KIA
## 685 2020 9 KIA
## 686 2020 9 KIA
## 687 2020 9 KIA
## 688 2020 9 KIA
## 689 2020 9 Mazda
## 690 2020 9 Mazda
## 691 2020 9 Mazda
## 692 2020 9 Mazda
## 693 2020 9 Mazda
## 694 2020 9 Mercedes Benz_Prod_Expo
## 695 2020 9 Mercedes Benz_Prod_Expo
## 696 2020 9 Nissan
## 697 2020 9 Nissan
## 698 2020 9 Nissan
## 699 2020 9 Nissan
## 700 2020 9 Nissan
## 701 2020 9 Nissan
## 702 2020 9 Nissan
## 703 2020 9 Nissan
## 704 2020 9 Nissan
## 705 2020 9 Nissan
## 706 2020 9 Nissan
## 707 2020 9 Toyota
## 708 2020 9 Toyota
## 709 2020 9 Volkswagen
## 710 2020 9 Volkswagen
## 711 2020 9 Volkswagen
## 712 2020 10 Audi
## 713 2020 10 BMW Group
## 714 2020 10 Chrysler
## 715 2020 10 Chrysler
## 716 2020 10 Chrysler
## 717 2020 10 Chrysler
## 718 2020 10 Chrysler
## 719 2020 10 Chrysler
## 720 2020 10 Chrysler
## 721 2020 10 Chrysler
## 722 2020 10 Fiat
## 723 2020 10 Ford Motor
## 724 2020 10 Ford Motor
## 725 2020 10 General Motors
## 726 2020 10 General Motors
## 727 2020 10 General Motors
## 728 2020 10 General Motors
## 729 2020 10 General Motors
## 730 2020 10 General Motors
## 731 2020 10 General Motors
## 732 2020 10 General Motors
## 733 2020 10 General Motors
## 734 2020 10 General Motors
## 735 2020 10 General Motors
## 736 2020 10 General Motors
## 737 2020 10 General Motors
## 738 2020 10 General Motors
## 739 2020 10 General Motors
## 740 2020 10 General Motors
## 741 2020 10 General Motors
## 742 2020 10 General Motors
## 743 2020 10 General Motors
## 744 2020 10 General Motors
## 745 2020 10 General Motors
## 746 2020 10 General Motors
## 747 2020 10 General Motors
## 748 2020 10 General Motors
## 749 2020 10 General Motors
## 750 2020 10 General Motors
## 751 2020 10 General Motors
## 752 2020 10 General Motors
## 753 2020 10 General Motors
## 754 2020 10 General Motors
## 755 2020 10 General Motors
## 756 2020 10 Honda
## 757 2020 10 Honda
## 758 2020 10 JAC
## 759 2020 10 JAC
## 760 2020 10 JAC
## 761 2020 10 KIA
## 762 2020 10 KIA
## 763 2020 10 KIA
## 764 2020 10 KIA
## 765 2020 10 KIA
## 766 2020 10 KIA
## 767 2020 10 Mazda
## 768 2020 10 Mazda
## 769 2020 10 Mazda
## 770 2020 10 Mazda
## 771 2020 10 Mazda
## 772 2020 10 Mercedes Benz_Prod_Expo
## 773 2020 10 Mercedes Benz_Prod_Expo
## 774 2020 10 Nissan
## 775 2020 10 Nissan
## 776 2020 10 Nissan
## 777 2020 10 Nissan
## 778 2020 10 Nissan
## 779 2020 10 Nissan
## 780 2020 10 Nissan
## 781 2020 10 Nissan
## 782 2020 10 Nissan
## 783 2020 10 Nissan
## 784 2020 10 Nissan
## 785 2020 10 Toyota
## 786 2020 10 Toyota
## 787 2020 10 Volkswagen
## 788 2020 10 Volkswagen
## 789 2020 10 Volkswagen
## 790 2020 10 Volkswagen
## 791 2020 11 Audi
## 792 2020 11 BMW Group
## 793 2020 11 Chrysler
## 794 2020 11 Chrysler
## 795 2020 11 Chrysler
## 796 2020 11 Chrysler
## 797 2020 11 Chrysler
## 798 2020 11 Chrysler
## 799 2020 11 Chrysler
## 800 2020 11 Chrysler
## 801 2020 11 Fiat
## 802 2020 11 Ford Motor
## 803 2020 11 Ford Motor
## 804 2020 11 General Motors
## 805 2020 11 General Motors
## 806 2020 11 General Motors
## 807 2020 11 General Motors
## 808 2020 11 General Motors
## 809 2020 11 General Motors
## 810 2020 11 General Motors
## 811 2020 11 General Motors
## 812 2020 11 General Motors
## 813 2020 11 General Motors
## 814 2020 11 General Motors
## 815 2020 11 General Motors
## 816 2020 11 General Motors
## 817 2020 11 General Motors
## 818 2020 11 General Motors
## 819 2020 11 General Motors
## 820 2020 11 General Motors
## 821 2020 11 General Motors
## 822 2020 11 General Motors
## 823 2020 11 General Motors
## 824 2020 11 General Motors
## 825 2020 11 General Motors
## 826 2020 11 General Motors
## 827 2020 11 General Motors
## 828 2020 11 General Motors
## 829 2020 11 General Motors
## 830 2020 11 General Motors
## 831 2020 11 General Motors
## 832 2020 11 General Motors
## 833 2020 11 General Motors
## 834 2020 11 General Motors
## 835 2020 11 Honda
## 836 2020 11 Honda
## 837 2020 11 JAC
## 838 2020 11 JAC
## 839 2020 11 JAC
## 840 2020 11 JAC
## 841 2020 11 JAC
## 842 2020 11 JAC
## 843 2020 11 JAC
## 844 2020 11 JAC
## 845 2020 11 KIA
## 846 2020 11 KIA
## 847 2020 11 KIA
## 848 2020 11 KIA
## 849 2020 11 KIA
## 850 2020 11 KIA
## 851 2020 11 Mazda
## 852 2020 11 Mazda
## 853 2020 11 Mazda
## 854 2020 11 Mazda
## 855 2020 11 Mazda
## 856 2020 11 Mercedes Benz_Prod_Expo
## 857 2020 11 Mercedes Benz_Prod_Expo
## 858 2020 11 Nissan
## 859 2020 11 Nissan
## 860 2020 11 Nissan
## 861 2020 11 Nissan
## 862 2020 11 Nissan
## 863 2020 11 Nissan
## 864 2020 11 Nissan
## 865 2020 11 Nissan
## 866 2020 11 Nissan
## 867 2020 11 Nissan
## 868 2020 11 Nissan
## 869 2020 11 Toyota
## 870 2020 11 Toyota
## 871 2020 11 Volkswagen
## 872 2020 11 Volkswagen
## 873 2020 11 Volkswagen
## 874 2020 11 Volkswagen
## 875 2020 12 Audi
## 876 2020 12 BMW Group
## 877 2020 12 Chrysler
## 878 2020 12 Chrysler
## 879 2020 12 Chrysler
## 880 2020 12 Chrysler
## 881 2020 12 Chrysler
## 882 2020 12 Chrysler
## 883 2020 12 Chrysler
## 884 2020 12 Chrysler
## 885 2020 12 Fiat
## 886 2020 12 Ford Motor
## 887 2020 12 Ford Motor
## 888 2020 12 General Motors
## 889 2020 12 General Motors
## 890 2020 12 General Motors
## 891 2020 12 General Motors
## 892 2020 12 General Motors
## 893 2020 12 General Motors
## 894 2020 12 General Motors
## 895 2020 12 General Motors
## 896 2020 12 General Motors
## 897 2020 12 General Motors
## 898 2020 12 General Motors
## 899 2020 12 General Motors
## 900 2020 12 General Motors
## 901 2020 12 General Motors
## 902 2020 12 General Motors
## 903 2020 12 General Motors
## 904 2020 12 General Motors
## 905 2020 12 General Motors
## 906 2020 12 General Motors
## 907 2020 12 General Motors
## 908 2020 12 General Motors
## 909 2020 12 General Motors
## 910 2020 12 General Motors
## 911 2020 12 General Motors
## 912 2020 12 General Motors
## 913 2020 12 General Motors
## 914 2020 12 General Motors
## 915 2020 12 General Motors
## 916 2020 12 General Motors
## 917 2020 12 General Motors
## 918 2020 12 General Motors
## 919 2020 12 Honda
## 920 2020 12 Honda
## 921 2020 12 JAC
## 922 2020 12 JAC
## 923 2020 12 JAC
## 924 2020 12 JAC
## 925 2020 12 JAC
## 926 2020 12 JAC
## 927 2020 12 KIA
## 928 2020 12 KIA
## 929 2020 12 KIA
## 930 2020 12 KIA
## 931 2020 12 KIA
## 932 2020 12 KIA
## 933 2020 12 Mazda
## 934 2020 12 Mazda
## 935 2020 12 Mazda
## 936 2020 12 Mazda
## 937 2020 12 Mazda
## 938 2020 12 Mercedes Benz_Prod_Expo
## 939 2020 12 Mercedes Benz_Prod_Expo
## 940 2020 12 Nissan
## 941 2020 12 Nissan
## 942 2020 12 Nissan
## 943 2020 12 Nissan
## 944 2020 12 Nissan
## 945 2020 12 Nissan
## 946 2020 12 Nissan
## 947 2020 12 Nissan
## 948 2020 12 Nissan
## 949 2020 12 Nissan
## 950 2020 12 Nissan
## 951 2020 12 Toyota
## 952 2020 12 Toyota
## 953 2020 12 Volkswagen
## 954 2020 12 Volkswagen
## 955 2020 12 Volkswagen
## 956 2020 12 Volkswagen
## 957 2021 1 Audi
## 958 2021 1 BMW Group
## 959 2021 1 Chrysler
## 960 2021 1 Chrysler
## 961 2021 1 Chrysler
## 962 2021 1 Chrysler
## 963 2021 1 Chrysler
## 964 2021 1 Chrysler
## 965 2021 1 Chrysler
## 966 2021 1 Chrysler
## 967 2021 1 Fiat
## 968 2021 1 Ford Motor
## 969 2021 1 Ford Motor
## 970 2021 1 General Motors
## 971 2021 1 General Motors
## 972 2021 1 General Motors
## 973 2021 1 General Motors
## 974 2021 1 General Motors
## 975 2021 1 General Motors
## 976 2021 1 General Motors
## 977 2021 1 General Motors
## 978 2021 1 General Motors
## 979 2021 1 General Motors
## 980 2021 1 General Motors
## 981 2021 1 General Motors
## 982 2021 1 General Motors
## 983 2021 1 General Motors
## 984 2021 1 General Motors
## 985 2021 1 General Motors
## 986 2021 1 General Motors
## 987 2021 1 General Motors
## 988 2021 1 General Motors
## 989 2021 1 General Motors
## 990 2021 1 General Motors
## 991 2021 1 General Motors
## 992 2021 1 General Motors
## 993 2021 1 General Motors
## 994 2021 1 General Motors
## 995 2021 1 General Motors
## 996 2021 1 General Motors
## 997 2021 1 General Motors
## 998 2021 1 General Motors
## 999 2021 1 General Motors
## 1000 2021 1 General Motors
## 1001 2021 1 Honda
## 1002 2021 1 Honda
## 1003 2021 1 JAC
## 1004 2021 1 JAC
## 1005 2021 1 JAC
## 1006 2021 1 JAC
## 1007 2021 1 JAC
## 1008 2021 1 JAC
## 1009 2021 1 JAC
## 1010 2021 1 JAC
## 1011 2021 1 KIA
## 1012 2021 1 KIA
## 1013 2021 1 KIA
## 1014 2021 1 KIA
## 1015 2021 1 KIA
## 1016 2021 1 KIA
## 1017 2021 1 Mazda
## 1018 2021 1 Mazda
## 1019 2021 1 Mazda
## 1020 2021 1 Mazda
## 1021 2021 1 Mazda
## 1022 2021 1 Mercedes Benz_Prod_Expo
## 1023 2021 1 Mercedes Benz_Prod_Expo
## 1024 2021 1 Nissan
## 1025 2021 1 Nissan
## 1026 2021 1 Nissan
## 1027 2021 1 Nissan
## 1028 2021 1 Nissan
## 1029 2021 1 Nissan
## 1030 2021 1 Nissan
## 1031 2021 1 Nissan
## 1032 2021 1 Nissan
## 1033 2021 1 Nissan
## 1034 2021 1 Nissan
## 1035 2021 1 Toyota
## 1036 2021 1 Toyota
## 1037 2021 1 Volkswagen
## 1038 2021 1 Volkswagen
## 1039 2021 1 Volkswagen
## 1040 2021 1 Volkswagen
## 1041 2021 2 Audi
## 1042 2021 2 BMW Group
## 1043 2021 2 Chrysler
## 1044 2021 2 Chrysler
## 1045 2021 2 Chrysler
## 1046 2021 2 Chrysler
## 1047 2021 2 Chrysler
## 1048 2021 2 Chrysler
## 1049 2021 2 Chrysler
## 1050 2021 2 Chrysler
## 1051 2021 2 Fiat
## 1052 2021 2 Ford Motor
## 1053 2021 2 Ford Motor
## 1054 2021 2 General Motors
## 1055 2021 2 General Motors
## 1056 2021 2 General Motors
## 1057 2021 2 General Motors
## 1058 2021 2 General Motors
## 1059 2021 2 General Motors
## 1060 2021 2 General Motors
## 1061 2021 2 General Motors
## 1062 2021 2 General Motors
## 1063 2021 2 General Motors
## 1064 2021 2 General Motors
## 1065 2021 2 General Motors
## 1066 2021 2 General Motors
## 1067 2021 2 General Motors
## 1068 2021 2 General Motors
## 1069 2021 2 General Motors
## 1070 2021 2 General Motors
## 1071 2021 2 General Motors
## 1072 2021 2 General Motors
## 1073 2021 2 General Motors
## 1074 2021 2 General Motors
## 1075 2021 2 General Motors
## 1076 2021 2 General Motors
## 1077 2021 2 General Motors
## 1078 2021 2 General Motors
## 1079 2021 2 General Motors
## 1080 2021 2 General Motors
## 1081 2021 2 General Motors
## 1082 2021 2 General Motors
## 1083 2021 2 General Motors
## 1084 2021 2 General Motors
## 1085 2021 2 Honda
## 1086 2021 2 Honda
## 1087 2021 2 JAC
## 1088 2021 2 JAC
## 1089 2021 2 JAC
## 1090 2021 2 KIA
## 1091 2021 2 KIA
## 1092 2021 2 KIA
## 1093 2021 2 KIA
## 1094 2021 2 KIA
## 1095 2021 2 KIA
## 1096 2021 2 Mazda
## 1097 2021 2 Mazda
## 1098 2021 2 Mazda
## 1099 2021 2 Mazda
## 1100 2021 2 Mazda
## 1101 2021 2 Mercedes Benz_Prod_Expo
## 1102 2021 2 Mercedes Benz_Prod_Expo
## 1103 2021 2 Nissan
## 1104 2021 2 Nissan
## 1105 2021 2 Nissan
## 1106 2021 2 Nissan
## 1107 2021 2 Nissan
## 1108 2021 2 Nissan
## 1109 2021 2 Nissan
## 1110 2021 2 Nissan
## 1111 2021 2 Nissan
## 1112 2021 2 Nissan
## 1113 2021 2 Nissan
## 1114 2021 2 Toyota
## 1115 2021 2 Toyota
## 1116 2021 2 Volkswagen
## 1117 2021 2 Volkswagen
## 1118 2021 2 Volkswagen
## 1119 2021 2 Volkswagen
## 1120 2021 3 Audi
## 1121 2021 3 BMW Group
## 1122 2021 3 Chrysler
## 1123 2021 3 Chrysler
## 1124 2021 3 Chrysler
## 1125 2021 3 Chrysler
## 1126 2021 3 Chrysler
## 1127 2021 3 Chrysler
## 1128 2021 3 Chrysler
## 1129 2021 3 Chrysler
## 1130 2021 3 Fiat
## 1131 2021 3 Ford Motor
## 1132 2021 3 Ford Motor
## 1133 2021 3 Ford Motor
## 1134 2021 3 General Motors
## 1135 2021 3 General Motors
## 1136 2021 3 General Motors
## 1137 2021 3 General Motors
## 1138 2021 3 General Motors
## 1139 2021 3 General Motors
## 1140 2021 3 General Motors
## 1141 2021 3 General Motors
## 1142 2021 3 General Motors
## 1143 2021 3 General Motors
## 1144 2021 3 General Motors
## 1145 2021 3 General Motors
## 1146 2021 3 General Motors
## 1147 2021 3 General Motors
## 1148 2021 3 General Motors
## 1149 2021 3 General Motors
## 1150 2021 3 General Motors
## 1151 2021 3 General Motors
## 1152 2021 3 General Motors
## 1153 2021 3 General Motors
## 1154 2021 3 General Motors
## 1155 2021 3 General Motors
## 1156 2021 3 General Motors
## 1157 2021 3 General Motors
## 1158 2021 3 General Motors
## 1159 2021 3 General Motors
## 1160 2021 3 General Motors
## 1161 2021 3 General Motors
## 1162 2021 3 General Motors
## 1163 2021 3 General Motors
## 1164 2021 3 General Motors
## 1165 2021 3 Honda
## 1166 2021 3 Honda
## 1167 2021 3 JAC
## 1168 2021 3 JAC
## 1169 2021 3 JAC
## 1170 2021 3 JAC
## 1171 2021 3 KIA
## 1172 2021 3 KIA
## 1173 2021 3 KIA
## 1174 2021 3 KIA
## 1175 2021 3 KIA
## 1176 2021 3 KIA
## 1177 2021 3 Mazda
## 1178 2021 3 Mazda
## 1179 2021 3 Mazda
## 1180 2021 3 Mazda
## 1181 2021 3 Mazda
## 1182 2021 3 Mercedes Benz_Prod_Expo
## 1183 2021 3 Nissan
## 1184 2021 3 Nissan
## 1185 2021 3 Nissan
## 1186 2021 3 Nissan
## 1187 2021 3 Nissan
## 1188 2021 3 Nissan
## 1189 2021 3 Nissan
## 1190 2021 3 Nissan
## 1191 2021 3 Nissan
## 1192 2021 3 Nissan
## 1193 2021 3 Nissan
## 1194 2021 3 Toyota
## 1195 2021 3 Volkswagen
## 1196 2021 3 Volkswagen
## 1197 2021 3 Volkswagen
## 1198 2021 3 Volkswagen
## 1199 2021 4 Audi
## 1200 2021 4 BMW Group
## 1201 2021 4 Chrysler
## 1202 2021 4 Chrysler
## 1203 2021 4 Chrysler
## 1204 2021 4 Chrysler
## 1205 2021 4 Chrysler
## 1206 2021 4 Chrysler
## 1207 2021 4 Chrysler
## 1208 2021 4 Chrysler
## 1209 2021 4 Fiat
## 1210 2021 4 Ford Motor
## 1211 2021 4 Ford Motor
## 1212 2021 4 General Motors
## 1213 2021 4 General Motors
## 1214 2021 4 General Motors
## 1215 2021 4 General Motors
## 1216 2021 4 General Motors
## 1217 2021 4 General Motors
## 1218 2021 4 General Motors
## 1219 2021 4 General Motors
## 1220 2021 4 General Motors
## 1221 2021 4 General Motors
## 1222 2021 4 General Motors
## 1223 2021 4 General Motors
## 1224 2021 4 General Motors
## 1225 2021 4 General Motors
## 1226 2021 4 General Motors
## 1227 2021 4 General Motors
## 1228 2021 4 General Motors
## 1229 2021 4 General Motors
## 1230 2021 4 General Motors
## 1231 2021 4 General Motors
## 1232 2021 4 General Motors
## 1233 2021 4 General Motors
## 1234 2021 4 General Motors
## 1235 2021 4 General Motors
## 1236 2021 4 General Motors
## 1237 2021 4 General Motors
## 1238 2021 4 General Motors
## 1239 2021 4 General Motors
## 1240 2021 4 General Motors
## 1241 2021 4 General Motors
## 1242 2021 4 General Motors
## 1243 2021 4 Honda
## 1244 2021 4 Honda
## 1245 2021 4 JAC
## 1246 2021 4 JAC
## 1247 2021 4 JAC
## 1248 2021 4 JAC
## 1249 2021 4 KIA
## 1250 2021 4 KIA
## 1251 2021 4 KIA
## 1252 2021 4 KIA
## 1253 2021 4 KIA
## 1254 2021 4 KIA
## 1255 2021 4 Mazda
## 1256 2021 4 Mazda
## 1257 2021 4 Mazda
## 1258 2021 4 Mazda
## 1259 2021 4 Mazda
## 1260 2021 4 Mercedes Benz_Prod_Expo
## 1261 2021 4 Nissan
## 1262 2021 4 Nissan
## 1263 2021 4 Nissan
## 1264 2021 4 Nissan
## 1265 2021 4 Nissan
## 1266 2021 4 Nissan
## 1267 2021 4 Nissan
## 1268 2021 4 Nissan
## 1269 2021 4 Nissan
## 1270 2021 4 Nissan
## 1271 2021 4 Nissan
## 1272 2021 4 Toyota
## 1273 2021 4 Volkswagen
## 1274 2021 4 Volkswagen
## 1275 2021 4 Volkswagen
## 1276 2021 5 Audi
## 1277 2021 5 BMW Group
## 1278 2021 5 Chrysler
## 1279 2021 5 Chrysler
## 1280 2021 5 Chrysler
## 1281 2021 5 Chrysler
## 1282 2021 5 Chrysler
## 1283 2021 5 Chrysler
## 1284 2021 5 Chrysler
## 1285 2021 5 Chrysler
## 1286 2021 5 Ford Motor
## 1287 2021 5 Ford Motor
## 1288 2021 5 General Motors
## 1289 2021 5 General Motors
## 1290 2021 5 General Motors
## 1291 2021 5 General Motors
## 1292 2021 5 General Motors
## 1293 2021 5 General Motors
## 1294 2021 5 General Motors
## 1295 2021 5 General Motors
## 1296 2021 5 General Motors
## 1297 2021 5 General Motors
## 1298 2021 5 General Motors
## 1299 2021 5 General Motors
## 1300 2021 5 General Motors
## 1301 2021 5 General Motors
## 1302 2021 5 General Motors
## 1303 2021 5 General Motors
## 1304 2021 5 General Motors
## 1305 2021 5 General Motors
## 1306 2021 5 General Motors
## 1307 2021 5 General Motors
## 1308 2021 5 General Motors
## 1309 2021 5 General Motors
## 1310 2021 5 General Motors
## 1311 2021 5 General Motors
## 1312 2021 5 General Motors
## 1313 2021 5 General Motors
## 1314 2021 5 General Motors
## 1315 2021 5 General Motors
## 1316 2021 5 General Motors
## 1317 2021 5 General Motors
## 1318 2021 5 General Motors
## 1319 2021 5 Honda
## 1320 2021 5 JAC
## 1321 2021 5 JAC
## 1322 2021 5 JAC
## 1323 2021 5 JAC
## 1324 2021 5 KIA
## 1325 2021 5 KIA
## 1326 2021 5 KIA
## 1327 2021 5 KIA
## 1328 2021 5 KIA
## 1329 2021 5 KIA
## 1330 2021 5 Mazda
## 1331 2021 5 Mazda
## 1332 2021 5 Mazda
## 1333 2021 5 Mazda
## 1334 2021 5 Mazda
## 1335 2021 5 Mercedes Benz_Prod_Expo
## 1336 2021 5 Nissan
## 1337 2021 5 Nissan
## 1338 2021 5 Nissan
## 1339 2021 5 Nissan
## 1340 2021 5 Nissan
## 1341 2021 5 Nissan
## 1342 2021 5 Nissan
## 1343 2021 5 Nissan
## 1344 2021 5 Nissan
## 1345 2021 5 Nissan
## 1346 2021 5 Nissan
## 1347 2021 5 Toyota
## 1348 2021 5 Toyota
## 1349 2021 5 Volkswagen
## 1350 2021 5 Volkswagen
## 1351 2021 5 Volkswagen
## 1352 2021 6 Audi
## 1353 2021 6 BMW Group
## 1354 2021 6 Chrysler
## 1355 2021 6 Chrysler
## 1356 2021 6 Chrysler
## 1357 2021 6 Chrysler
## 1358 2021 6 Chrysler
## 1359 2021 6 Chrysler
## 1360 2021 6 Chrysler
## 1361 2021 6 Chrysler
## 1362 2021 6 Fiat
## 1363 2021 6 Ford Motor
## 1364 2021 6 Ford Motor
## 1365 2021 6 General Motors
## 1366 2021 6 General Motors
## 1367 2021 6 General Motors
## 1368 2021 6 General Motors
## 1369 2021 6 General Motors
## 1370 2021 6 General Motors
## 1371 2021 6 General Motors
## 1372 2021 6 General Motors
## 1373 2021 6 General Motors
## 1374 2021 6 General Motors
## 1375 2021 6 General Motors
## 1376 2021 6 General Motors
## 1377 2021 6 General Motors
## 1378 2021 6 General Motors
## 1379 2021 6 General Motors
## 1380 2021 6 General Motors
## 1381 2021 6 General Motors
## 1382 2021 6 General Motors
## 1383 2021 6 General Motors
## 1384 2021 6 General Motors
## 1385 2021 6 General Motors
## 1386 2021 6 General Motors
## 1387 2021 6 General Motors
## 1388 2021 6 General Motors
## 1389 2021 6 General Motors
## 1390 2021 6 General Motors
## 1391 2021 6 General Motors
## 1392 2021 6 General Motors
## 1393 2021 6 General Motors
## 1394 2021 6 General Motors
## 1395 2021 6 General Motors
## 1396 2021 6 Honda
## 1397 2021 6 Honda
## 1398 2021 6 JAC
## 1399 2021 6 JAC
## 1400 2021 6 JAC
## 1401 2021 6 JAC
## 1402 2021 6 KIA
## 1403 2021 6 KIA
## 1404 2021 6 KIA
## 1405 2021 6 KIA
## 1406 2021 6 KIA
## 1407 2021 6 KIA
## 1408 2021 6 Mazda
## 1409 2021 6 Mazda
## 1410 2021 6 Mazda
## 1411 2021 6 Mazda
## 1412 2021 6 Mazda
## 1413 2021 6 Mercedes Benz_Prod_Expo
## 1414 2021 6 Nissan
## 1415 2021 6 Nissan
## 1416 2021 6 Nissan
## 1417 2021 6 Nissan
## 1418 2021 6 Nissan
## 1419 2021 6 Nissan
## 1420 2021 6 Nissan
## 1421 2021 6 Nissan
## 1422 2021 6 Nissan
## 1423 2021 6 Nissan
## 1424 2021 6 Nissan
## 1425 2021 6 Toyota
## 1426 2021 6 Toyota
## 1427 2021 6 Volkswagen
## 1428 2021 6 Volkswagen
## 1429 2021 6 Volkswagen
## 1430 2021 7 Audi
## 1431 2021 7 BMW Group
## 1432 2021 7 Chrysler
## 1433 2021 7 Chrysler
## 1434 2021 7 Chrysler
## 1435 2021 7 Chrysler
## 1436 2021 7 Chrysler
## 1437 2021 7 Fiat
## 1438 2021 7 Ford Motor
## 1439 2021 7 Ford Motor
## 1440 2021 7 General Motors
## 1441 2021 7 General Motors
## 1442 2021 7 General Motors
## 1443 2021 7 General Motors
## 1444 2021 7 General Motors
## 1445 2021 7 General Motors
## 1446 2021 7 General Motors
## 1447 2021 7 General Motors
## 1448 2021 7 General Motors
## 1449 2021 7 General Motors
## 1450 2021 7 General Motors
## 1451 2021 7 General Motors
## 1452 2021 7 General Motors
## 1453 2021 7 General Motors
## 1454 2021 7 General Motors
## 1455 2021 7 General Motors
## 1456 2021 7 General Motors
## 1457 2021 7 General Motors
## 1458 2021 7 General Motors
## 1459 2021 7 General Motors
## 1460 2021 7 General Motors
## 1461 2021 7 General Motors
## 1462 2021 7 General Motors
## 1463 2021 7 General Motors
## 1464 2021 7 General Motors
## 1465 2021 7 General Motors
## 1466 2021 7 General Motors
## 1467 2021 7 General Motors
## 1468 2021 7 General Motors
## 1469 2021 7 General Motors
## 1470 2021 7 General Motors
## 1471 2021 7 Honda
## 1472 2021 7 JAC
## 1473 2021 7 JAC
## 1474 2021 7 JAC
## 1475 2021 7 JAC
## 1476 2021 7 JAC
## 1477 2021 7 JAC
## 1478 2021 7 JAC
## 1479 2021 7 KIA
## 1480 2021 7 KIA
## 1481 2021 7 KIA
## 1482 2021 7 KIA
## 1483 2021 7 KIA
## 1484 2021 7 KIA
## 1485 2021 7 Mazda
## 1486 2021 7 Mazda
## 1487 2021 7 Mazda
## 1488 2021 7 Mazda
## 1489 2021 7 Mazda
## 1490 2021 7 Mercedes Benz_Prod_Expo
## 1491 2021 7 Nissan
## 1492 2021 7 Nissan
## 1493 2021 7 Nissan
## 1494 2021 7 Nissan
## 1495 2021 7 Nissan
## 1496 2021 7 Nissan
## 1497 2021 7 Nissan
## 1498 2021 7 Nissan
## 1499 2021 7 Nissan
## 1500 2021 7 Nissan
## 1501 2021 7 Nissan
## 1502 2021 7 Toyota
## 1503 2021 7 Volkswagen
## 1504 2021 7 Volkswagen
## 1505 2021 7 Volkswagen
## 1506 2021 8 Audi
## 1507 2021 8 BMW Group
## 1508 2021 8 BMW Group
## 1509 2021 8 Chrysler
## 1510 2021 8 Chrysler
## 1511 2021 8 Chrysler
## 1512 2021 8 Chrysler
## 1513 2021 8 Chrysler
## 1514 2021 8 Chrysler
## 1515 2021 8 Chrysler
## 1516 2021 8 Chrysler
## 1517 2021 8 Fiat
## 1518 2021 8 Ford Motor
## 1519 2021 8 Ford Motor
## 1520 2021 8 General Motors
## 1521 2021 8 General Motors
## 1522 2021 8 General Motors
## 1523 2021 8 General Motors
## 1524 2021 8 General Motors
## 1525 2021 8 General Motors
## 1526 2021 8 General Motors
## 1527 2021 8 General Motors
## 1528 2021 8 General Motors
## 1529 2021 8 General Motors
## 1530 2021 8 General Motors
## 1531 2021 8 General Motors
## 1532 2021 8 General Motors
## 1533 2021 8 General Motors
## 1534 2021 8 General Motors
## 1535 2021 8 General Motors
## 1536 2021 8 General Motors
## 1537 2021 8 General Motors
## 1538 2021 8 General Motors
## 1539 2021 8 General Motors
## 1540 2021 8 General Motors
## 1541 2021 8 General Motors
## 1542 2021 8 General Motors
## 1543 2021 8 General Motors
## 1544 2021 8 General Motors
## 1545 2021 8 General Motors
## 1546 2021 8 General Motors
## 1547 2021 8 General Motors
## 1548 2021 8 General Motors
## 1549 2021 8 General Motors
## 1550 2021 8 General Motors
## 1551 2021 8 Honda
## 1552 2021 8 JAC
## 1553 2021 8 JAC
## 1554 2021 8 JAC
## 1555 2021 8 JAC
## 1556 2021 8 JAC
## 1557 2021 8 KIA
## 1558 2021 8 KIA
## 1559 2021 8 KIA
## 1560 2021 8 KIA
## 1561 2021 8 KIA
## 1562 2021 8 KIA
## 1563 2021 8 Mazda
## 1564 2021 8 Mazda
## 1565 2021 8 Mazda
## 1566 2021 8 Mazda
## 1567 2021 8 Mazda
## 1568 2021 8 Mercedes Benz_Prod_Expo
## 1569 2021 8 Nissan
## 1570 2021 8 Nissan
## 1571 2021 8 Nissan
## 1572 2021 8 Nissan
## 1573 2021 8 Nissan
## 1574 2021 8 Nissan
## 1575 2021 8 Nissan
## 1576 2021 8 Nissan
## 1577 2021 8 Nissan
## 1578 2021 8 Nissan
## 1579 2021 8 Nissan
## 1580 2021 8 Toyota
## 1581 2021 8 Volkswagen
## 1582 2021 8 Volkswagen
## 1583 2021 8 Volkswagen
## 1584 2021 9 Audi
## 1585 2021 9 BMW Group
## 1586 2021 9 BMW Group
## 1587 2021 9 Chrysler
## 1588 2021 9 Chrysler
## 1589 2021 9 Chrysler
## 1590 2021 9 Chrysler
## 1591 2021 9 Chrysler
## 1592 2021 9 Chrysler
## 1593 2021 9 Chrysler
## 1594 2021 9 Chrysler
## 1595 2021 9 Fiat
## 1596 2021 9 Ford Motor
## 1597 2021 9 Ford Motor
## 1598 2021 9 Ford Motor
## 1599 2021 9 General Motors
## 1600 2021 9 General Motors
## 1601 2021 9 General Motors
## 1602 2021 9 General Motors
## 1603 2021 9 General Motors
## 1604 2021 9 General Motors
## 1605 2021 9 General Motors
## 1606 2021 9 General Motors
## 1607 2021 9 General Motors
## 1608 2021 9 General Motors
## 1609 2021 9 General Motors
## 1610 2021 9 General Motors
## 1611 2021 9 General Motors
## 1612 2021 9 General Motors
## 1613 2021 9 General Motors
## 1614 2021 9 General Motors
## 1615 2021 9 General Motors
## 1616 2021 9 General Motors
## 1617 2021 9 General Motors
## 1618 2021 9 General Motors
## 1619 2021 9 General Motors
## 1620 2021 9 General Motors
## 1621 2021 9 General Motors
## 1622 2021 9 General Motors
## 1623 2021 9 General Motors
## 1624 2021 9 General Motors
## 1625 2021 9 General Motors
## 1626 2021 9 General Motors
## 1627 2021 9 General Motors
## 1628 2021 9 General Motors
## 1629 2021 9 General Motors
## 1630 2021 9 Honda
## 1631 2021 9 JAC
## 1632 2021 9 JAC
## 1633 2021 9 JAC
## 1634 2021 9 JAC
## 1635 2021 9 KIA
## 1636 2021 9 KIA
## 1637 2021 9 KIA
## 1638 2021 9 KIA
## 1639 2021 9 KIA
## 1640 2021 9 KIA
## 1641 2021 9 Mazda
## 1642 2021 9 Mazda
## 1643 2021 9 Mazda
## 1644 2021 9 Mazda
## 1645 2021 9 Mazda
## 1646 2021 9 Mercedes Benz_Prod_Expo
## 1647 2021 9 Nissan
## 1648 2021 9 Nissan
## 1649 2021 9 Nissan
## 1650 2021 9 Nissan
## 1651 2021 9 Nissan
## 1652 2021 9 Nissan
## 1653 2021 9 Nissan
## 1654 2021 9 Nissan
## 1655 2021 9 Nissan
## 1656 2021 9 Nissan
## 1657 2021 9 Nissan
## 1658 2021 9 Toyota
## 1659 2021 9 Volkswagen
## 1660 2021 9 Volkswagen
## 1661 2021 9 Volkswagen
## 1662 2021 10 Audi
## 1663 2021 10 BMW Group
## 1664 2021 10 BMW Group
## 1665 2021 10 Chrysler
## 1666 2021 10 Chrysler
## 1667 2021 10 Chrysler
## 1668 2021 10 Chrysler
## 1669 2021 10 Chrysler
## 1670 2021 10 Fiat
## 1671 2021 10 Ford Motor
## 1672 2021 10 Ford Motor
## 1673 2021 10 Ford Motor
## 1674 2021 10 General Motors
## 1675 2021 10 General Motors
## 1676 2021 10 General Motors
## 1677 2021 10 General Motors
## 1678 2021 10 General Motors
## 1679 2021 10 General Motors
## 1680 2021 10 General Motors
## 1681 2021 10 General Motors
## 1682 2021 10 General Motors
## 1683 2021 10 General Motors
## 1684 2021 10 General Motors
## 1685 2021 10 General Motors
## 1686 2021 10 General Motors
## 1687 2021 10 General Motors
## 1688 2021 10 General Motors
## 1689 2021 10 General Motors
## 1690 2021 10 General Motors
## 1691 2021 10 General Motors
## 1692 2021 10 General Motors
## 1693 2021 10 General Motors
## 1694 2021 10 General Motors
## 1695 2021 10 General Motors
## 1696 2021 10 General Motors
## 1697 2021 10 General Motors
## 1698 2021 10 General Motors
## 1699 2021 10 General Motors
## 1700 2021 10 General Motors
## 1701 2021 10 General Motors
## 1702 2021 10 General Motors
## 1703 2021 10 General Motors
## 1704 2021 10 General Motors
## 1705 2021 10 Honda
## 1706 2021 10 JAC
## 1707 2021 10 JAC
## 1708 2021 10 JAC
## 1709 2021 10 JAC
## 1710 2021 10 KIA
## 1711 2021 10 KIA
## 1712 2021 10 KIA
## 1713 2021 10 KIA
## 1714 2021 10 KIA
## 1715 2021 10 KIA
## 1716 2021 10 Mazda
## 1717 2021 10 Mazda
## 1718 2021 10 Mazda
## 1719 2021 10 Mazda
## 1720 2021 10 Mazda
## 1721 2021 10 Mercedes Benz_Prod_Expo
## 1722 2021 10 Nissan
## 1723 2021 10 Nissan
## 1724 2021 10 Nissan
## 1725 2021 10 Nissan
## 1726 2021 10 Nissan
## 1727 2021 10 Nissan
## 1728 2021 10 Nissan
## 1729 2021 10 Nissan
## 1730 2021 10 Nissan
## 1731 2021 10 Nissan
## 1732 2021 10 Nissan
## 1733 2021 10 Toyota
## 1734 2021 10 Volkswagen
## 1735 2021 10 Volkswagen
## 1736 2021 10 Volkswagen
## 1737 2021 11 Audi
## 1738 2021 11 BMW Group
## 1739 2021 11 BMW Group
## 1740 2021 11 Chrysler
## 1741 2021 11 Chrysler
## 1742 2021 11 Chrysler
## 1743 2021 11 Chrysler
## 1744 2021 11 Chrysler
## 1745 2021 11 Fiat
## 1746 2021 11 Ford Motor
## 1747 2021 11 Ford Motor
## 1748 2021 11 Ford Motor
## 1749 2021 11 General Motors
## 1750 2021 11 General Motors
## 1751 2021 11 General Motors
## 1752 2021 11 General Motors
## 1753 2021 11 General Motors
## 1754 2021 11 General Motors
## 1755 2021 11 General Motors
## 1756 2021 11 General Motors
## 1757 2021 11 General Motors
## 1758 2021 11 General Motors
## 1759 2021 11 General Motors
## 1760 2021 11 General Motors
## 1761 2021 11 General Motors
## 1762 2021 11 General Motors
## 1763 2021 11 General Motors
## 1764 2021 11 General Motors
## 1765 2021 11 General Motors
## 1766 2021 11 General Motors
## 1767 2021 11 General Motors
## 1768 2021 11 General Motors
## 1769 2021 11 General Motors
## 1770 2021 11 General Motors
## 1771 2021 11 General Motors
## 1772 2021 11 General Motors
## 1773 2021 11 General Motors
## 1774 2021 11 General Motors
## 1775 2021 11 General Motors
## 1776 2021 11 General Motors
## 1777 2021 11 General Motors
## 1778 2021 11 General Motors
## 1779 2021 11 General Motors
## 1780 2021 11 Honda
## 1781 2021 11 JAC
## 1782 2021 11 KIA
## 1783 2021 11 KIA
## 1784 2021 11 KIA
## 1785 2021 11 KIA
## 1786 2021 11 KIA
## 1787 2021 11 KIA
## 1788 2021 11 Mazda
## 1789 2021 11 Mazda
## 1790 2021 11 Mazda
## 1791 2021 11 Mazda
## 1792 2021 11 Mazda
## 1793 2021 11 Mercedes Benz_Prod_Expo
## 1794 2021 11 Nissan
## 1795 2021 11 Nissan
## 1796 2021 11 Nissan
## 1797 2021 11 Nissan
## 1798 2021 11 Nissan
## 1799 2021 11 Nissan
## 1800 2021 11 Nissan
## 1801 2021 11 Nissan
## 1802 2021 11 Nissan
## 1803 2021 11 Nissan
## 1804 2021 11 Nissan
## 1805 2021 11 Toyota
## 1806 2021 11 Volkswagen
## 1807 2021 11 Volkswagen
## 1808 2021 11 Volkswagen
## 1809 2021 12 Audi
## 1810 2021 12 BMW Group
## 1811 2021 12 BMW Group
## 1812 2021 12 Chrysler
## 1813 2021 12 Chrysler
## 1814 2021 12 Chrysler
## 1815 2021 12 Chrysler
## 1816 2021 12 Chrysler
## 1817 2021 12 Fiat
## 1818 2021 12 Ford Motor
## 1819 2021 12 Ford Motor
## 1820 2021 12 Ford Motor
## 1821 2021 12 General Motors
## 1822 2021 12 General Motors
## 1823 2021 12 General Motors
## 1824 2021 12 General Motors
## 1825 2021 12 General Motors
## 1826 2021 12 General Motors
## 1827 2021 12 General Motors
## 1828 2021 12 General Motors
## 1829 2021 12 General Motors
## 1830 2021 12 General Motors
## 1831 2021 12 General Motors
## 1832 2021 12 General Motors
## 1833 2021 12 General Motors
## 1834 2021 12 General Motors
## 1835 2021 12 General Motors
## 1836 2021 12 General Motors
## 1837 2021 12 General Motors
## 1838 2021 12 General Motors
## 1839 2021 12 General Motors
## 1840 2021 12 General Motors
## 1841 2021 12 General Motors
## 1842 2021 12 General Motors
## 1843 2021 12 General Motors
## 1844 2021 12 General Motors
## 1845 2021 12 General Motors
## 1846 2021 12 General Motors
## 1847 2021 12 General Motors
## 1848 2021 12 General Motors
## 1849 2021 12 General Motors
## 1850 2021 12 General Motors
## 1851 2021 12 General Motors
## 1852 2021 12 Honda
## 1853 2021 12 JAC
## 1854 2021 12 JAC
## 1855 2021 12 JAC
## 1856 2021 12 JAC
## 1857 2021 12 JAC
## 1858 2021 12 JAC
## 1859 2021 12 JAC
## 1860 2021 12 JAC
## 1861 2021 12 JAC
## 1862 2021 12 JAC
## 1863 2021 12 JAC
## 1864 2021 12 JAC
## 1865 2021 12 JAC
## 1866 2021 12 JAC
## 1867 2021 12 JAC
## 1868 2021 12 KIA
## 1869 2021 12 KIA
## 1870 2021 12 KIA
## 1871 2021 12 KIA
## 1872 2021 12 KIA
## 1873 2021 12 KIA
## 1874 2021 12 Mazda
## 1875 2021 12 Mazda
## 1876 2021 12 Mazda
## 1877 2021 12 Mazda
## 1878 2021 12 Mazda
## 1879 2021 12 Mercedes Benz_Prod_Expo
## 1880 2021 12 Nissan
## 1881 2021 12 Nissan
## 1882 2021 12 Nissan
## 1883 2021 12 Nissan
## 1884 2021 12 Nissan
## 1885 2021 12 Nissan
## 1886 2021 12 Nissan
## 1887 2021 12 Nissan
## 1888 2021 12 Nissan
## 1889 2021 12 Nissan
## 1890 2021 12 Nissan
## 1891 2021 12 Toyota
## 1892 2021 12 Volkswagen
## 1893 2021 12 Volkswagen
## 1894 2021 12 Volkswagen
## 1895 2022 1 Audi
## 1896 2022 1 BMW Group
## 1897 2022 1 BMW Group
## 1898 2022 1 Chrysler
## 1899 2022 1 Chrysler
## 1900 2022 1 Chrysler
## 1901 2022 1 Chrysler
## 1902 2022 1 Fiat
## 1903 2022 1 Ford Motor
## 1904 2022 1 Ford Motor
## 1905 2022 1 Ford Motor
## 1906 2022 1 General Motors
## 1907 2022 1 General Motors
## 1908 2022 1 General Motors
## 1909 2022 1 General Motors
## 1910 2022 1 General Motors
## 1911 2022 1 General Motors
## 1912 2022 1 General Motors
## 1913 2022 1 General Motors
## 1914 2022 1 General Motors
## 1915 2022 1 General Motors
## 1916 2022 1 General Motors
## 1917 2022 1 General Motors
## 1918 2022 1 General Motors
## 1919 2022 1 General Motors
## 1920 2022 1 General Motors
## 1921 2022 1 General Motors
## 1922 2022 1 General Motors
## 1923 2022 1 General Motors
## 1924 2022 1 General Motors
## 1925 2022 1 General Motors
## 1926 2022 1 General Motors
## 1927 2022 1 General Motors
## 1928 2022 1 General Motors
## 1929 2022 1 General Motors
## 1930 2022 1 General Motors
## 1931 2022 1 General Motors
## 1932 2022 1 General Motors
## 1933 2022 1 General Motors
## 1934 2022 1 General Motors
## 1935 2022 1 General Motors
## 1936 2022 1 General Motors
## 1937 2022 1 Honda
## 1938 2022 1 Honda
## 1939 2022 1 JAC
## 1940 2022 1 JAC
## 1941 2022 1 JAC
## 1942 2022 1 JAC
## 1943 2022 1 JAC
## 1944 2022 1 JAC
## 1945 2022 1 JAC
## 1946 2022 1 JAC
## 1947 2022 1 JAC
## 1948 2022 1 JAC
## 1949 2022 1 JAC
## 1950 2022 1 JAC
## 1951 2022 1 JAC
## 1952 2022 1 KIA
## 1953 2022 1 KIA
## 1954 2022 1 KIA
## 1955 2022 1 KIA
## 1956 2022 1 KIA
## 1957 2022 1 KIA
## 1958 2022 1 Mazda
## 1959 2022 1 Mazda
## 1960 2022 1 Mazda
## 1961 2022 1 Mazda
## 1962 2022 1 Mazda
## 1963 2022 1 Mercedes Benz_Prod_Expo
## 1964 2022 1 Nissan
## 1965 2022 1 Nissan
## 1966 2022 1 Nissan
## 1967 2022 1 Nissan
## 1968 2022 1 Nissan
## 1969 2022 1 Nissan
## 1970 2022 1 Nissan
## 1971 2022 1 Nissan
## 1972 2022 1 Nissan
## 1973 2022 1 Nissan
## 1974 2022 1 Nissan
## 1975 2022 1 Toyota
## 1976 2022 1 Volkswagen
## 1977 2022 1 Volkswagen
## 1978 2022 1 Volkswagen
## 1979 2022 2 Audi
## 1980 2022 2 BMW Group
## 1981 2022 2 BMW Group
## 1982 2022 2 Chrysler
## 1983 2022 2 Chrysler
## 1984 2022 2 Chrysler
## 1985 2022 2 Chrysler
## 1986 2022 2 Chrysler
## 1987 2022 2 Fiat
## 1988 2022 2 Ford Motor
## 1989 2022 2 Ford Motor
## 1990 2022 2 Ford Motor
## 1991 2022 2 General Motors
## 1992 2022 2 General Motors
## 1993 2022 2 General Motors
## 1994 2022 2 General Motors
## 1995 2022 2 General Motors
## 1996 2022 2 General Motors
## 1997 2022 2 General Motors
## 1998 2022 2 General Motors
## 1999 2022 2 General Motors
## 2000 2022 2 General Motors
## 2001 2022 2 General Motors
## 2002 2022 2 General Motors
## 2003 2022 2 General Motors
## 2004 2022 2 General Motors
## 2005 2022 2 General Motors
## 2006 2022 2 General Motors
## 2007 2022 2 General Motors
## 2008 2022 2 General Motors
## 2009 2022 2 General Motors
## 2010 2022 2 General Motors
## 2011 2022 2 General Motors
## 2012 2022 2 General Motors
## 2013 2022 2 General Motors
## 2014 2022 2 General Motors
## 2015 2022 2 General Motors
## 2016 2022 2 General Motors
## 2017 2022 2 General Motors
## 2018 2022 2 General Motors
## 2019 2022 2 General Motors
## 2020 2022 2 General Motors
## 2021 2022 2 General Motors
## 2022 2022 2 Honda
## 2023 2022 2 JAC
## 2024 2022 2 JAC
## 2025 2022 2 JAC
## 2026 2022 2 JAC
## 2027 2022 2 JAC
## 2028 2022 2 JAC
## 2029 2022 2 JAC
## 2030 2022 2 JAC
## 2031 2022 2 JAC
## 2032 2022 2 JAC
## 2033 2022 2 JAC
## 2034 2022 2 JAC
## 2035 2022 2 JAC
## 2036 2022 2 KIA
## 2037 2022 2 KIA
## 2038 2022 2 KIA
## 2039 2022 2 KIA
## 2040 2022 2 KIA
## 2041 2022 2 KIA
## 2042 2022 2 Mazda
## 2043 2022 2 Mazda
## 2044 2022 2 Mazda
## 2045 2022 2 Mazda
## 2046 2022 2 Mazda
## 2047 2022 2 Mercedes Benz_Prod_Expo
## 2048 2022 2 Nissan
## 2049 2022 2 Nissan
## 2050 2022 2 Nissan
## 2051 2022 2 Nissan
## 2052 2022 2 Nissan
## 2053 2022 2 Nissan
## 2054 2022 2 Nissan
## 2055 2022 2 Nissan
## 2056 2022 2 Nissan
## 2057 2022 2 Nissan
## 2058 2022 2 Nissan
## 2059 2022 2 Toyota
## 2060 2022 2 Volkswagen
## 2061 2022 2 Volkswagen
## 2062 2022 2 Volkswagen
## 2063 2022 3 Audi
## 2064 2022 3 BMW Group
## 2065 2022 3 BMW Group
## 2066 2022 3 Chrysler
## 2067 2022 3 Chrysler
## 2068 2022 3 Chrysler
## 2069 2022 3 Chrysler
## 2070 2022 3 Chrysler
## 2071 2022 3 Fiat
## 2072 2022 3 Ford Motor
## 2073 2022 3 Ford Motor
## 2074 2022 3 Ford Motor
## 2075 2022 3 General Motors
## 2076 2022 3 General Motors
## 2077 2022 3 General Motors
## 2078 2022 3 General Motors
## 2079 2022 3 General Motors
## 2080 2022 3 General Motors
## 2081 2022 3 General Motors
## 2082 2022 3 General Motors
## 2083 2022 3 General Motors
## 2084 2022 3 General Motors
## 2085 2022 3 General Motors
## 2086 2022 3 General Motors
## 2087 2022 3 General Motors
## 2088 2022 3 General Motors
## 2089 2022 3 General Motors
## 2090 2022 3 General Motors
## 2091 2022 3 General Motors
## 2092 2022 3 General Motors
## 2093 2022 3 General Motors
## 2094 2022 3 General Motors
## 2095 2022 3 General Motors
## 2096 2022 3 General Motors
## 2097 2022 3 General Motors
## 2098 2022 3 General Motors
## 2099 2022 3 General Motors
## 2100 2022 3 General Motors
## 2101 2022 3 General Motors
## 2102 2022 3 General Motors
## 2103 2022 3 General Motors
## 2104 2022 3 General Motors
## 2105 2022 3 General Motors
## 2106 2022 3 Honda
## 2107 2022 3 Honda
## 2108 2022 3 JAC
## 2109 2022 3 JAC
## 2110 2022 3 JAC
## 2111 2022 3 JAC
## 2112 2022 3 JAC
## 2113 2022 3 JAC
## 2114 2022 3 JAC
## 2115 2022 3 JAC
## 2116 2022 3 JAC
## 2117 2022 3 JAC
## 2118 2022 3 KIA
## 2119 2022 3 KIA
## 2120 2022 3 KIA
## 2121 2022 3 KIA
## 2122 2022 3 KIA
## 2123 2022 3 KIA
## 2124 2022 3 Mazda
## 2125 2022 3 Mazda
## 2126 2022 3 Mazda
## 2127 2022 3 Mazda
## 2128 2022 3 Mazda
## 2129 2022 3 Mercedes Benz_Prod_Expo
## 2130 2022 3 Mercedes Benz_Prod_Expo
## 2131 2022 3 Nissan
## 2132 2022 3 Nissan
## 2133 2022 3 Nissan
## 2134 2022 3 Nissan
## 2135 2022 3 Nissan
## 2136 2022 3 Nissan
## 2137 2022 3 Nissan
## 2138 2022 3 Nissan
## 2139 2022 3 Nissan
## 2140 2022 3 Nissan
## 2141 2022 3 Nissan
## 2142 2022 3 Toyota
## 2143 2022 3 Volkswagen
## 2144 2022 3 Volkswagen
## 2145 2022 3 Volkswagen
## 2146 2022 4 Audi
## 2147 2022 4 BMW Group
## 2148 2022 4 BMW Group
## 2149 2022 4 Chrysler
## 2150 2022 4 Chrysler
## 2151 2022 4 Chrysler
## 2152 2022 4 Chrysler
## 2153 2022 4 Chrysler
## 2154 2022 4 Fiat
## 2155 2022 4 Ford Motor
## 2156 2022 4 Ford Motor
## 2157 2022 4 Ford Motor
## 2158 2022 4 General Motors
## 2159 2022 4 General Motors
## 2160 2022 4 General Motors
## 2161 2022 4 General Motors
## 2162 2022 4 General Motors
## 2163 2022 4 General Motors
## 2164 2022 4 General Motors
## 2165 2022 4 General Motors
## 2166 2022 4 General Motors
## 2167 2022 4 General Motors
## 2168 2022 4 General Motors
## 2169 2022 4 General Motors
## 2170 2022 4 General Motors
## 2171 2022 4 General Motors
## 2172 2022 4 General Motors
## 2173 2022 4 General Motors
## 2174 2022 4 General Motors
## 2175 2022 4 General Motors
## 2176 2022 4 General Motors
## 2177 2022 4 General Motors
## 2178 2022 4 General Motors
## 2179 2022 4 General Motors
## 2180 2022 4 General Motors
## 2181 2022 4 General Motors
## 2182 2022 4 General Motors
## 2183 2022 4 General Motors
## 2184 2022 4 General Motors
## 2185 2022 4 General Motors
## 2186 2022 4 General Motors
## 2187 2022 4 General Motors
## 2188 2022 4 General Motors
## 2189 2022 4 Honda
## 2190 2022 4 Honda
## 2191 2022 4 JAC
## 2192 2022 4 JAC
## 2193 2022 4 JAC
## 2194 2022 4 JAC
## 2195 2022 4 JAC
## 2196 2022 4 JAC
## 2197 2022 4 JAC
## 2198 2022 4 JAC
## 2199 2022 4 JAC
## 2200 2022 4 JAC
## 2201 2022 4 JAC
## 2202 2022 4 JAC
## 2203 2022 4 KIA
## 2204 2022 4 KIA
## 2205 2022 4 KIA
## 2206 2022 4 KIA
## 2207 2022 4 KIA
## 2208 2022 4 KIA
## 2209 2022 4 Mazda
## 2210 2022 4 Mazda
## 2211 2022 4 Mazda
## 2212 2022 4 Mazda
## 2213 2022 4 Mazda
## 2214 2022 4 Mercedes Benz_Prod_Expo
## 2215 2022 4 Nissan
## 2216 2022 4 Nissan
## 2217 2022 4 Nissan
## 2218 2022 4 Nissan
## 2219 2022 4 Nissan
## 2220 2022 4 Nissan
## 2221 2022 4 Nissan
## 2222 2022 4 Nissan
## 2223 2022 4 Nissan
## 2224 2022 4 Nissan
## 2225 2022 4 Nissan
## 2226 2022 4 Toyota
## 2227 2022 4 Volkswagen
## 2228 2022 4 Volkswagen
## 2229 2022 4 Volkswagen
## 2230 2022 5 Audi
## 2231 2022 5 BMW Group
## 2232 2022 5 BMW Group
## 2233 2022 5 Chrysler
## 2234 2022 5 Chrysler
## 2235 2022 5 Chrysler
## 2236 2022 5 Chrysler
## 2237 2022 5 Chrysler
## 2238 2022 5 Fiat
## 2239 2022 5 Ford Motor
## 2240 2022 5 Ford Motor
## 2241 2022 5 Ford Motor
## 2242 2022 5 General Motors
## 2243 2022 5 General Motors
## 2244 2022 5 General Motors
## 2245 2022 5 General Motors
## 2246 2022 5 General Motors
## 2247 2022 5 General Motors
## 2248 2022 5 General Motors
## 2249 2022 5 General Motors
## 2250 2022 5 General Motors
## 2251 2022 5 General Motors
## 2252 2022 5 General Motors
## 2253 2022 5 General Motors
## 2254 2022 5 General Motors
## 2255 2022 5 General Motors
## 2256 2022 5 General Motors
## 2257 2022 5 General Motors
## 2258 2022 5 General Motors
## 2259 2022 5 General Motors
## 2260 2022 5 General Motors
## 2261 2022 5 General Motors
## 2262 2022 5 General Motors
## 2263 2022 5 General Motors
## 2264 2022 5 General Motors
## 2265 2022 5 General Motors
## 2266 2022 5 General Motors
## 2267 2022 5 General Motors
## 2268 2022 5 General Motors
## 2269 2022 5 General Motors
## 2270 2022 5 General Motors
## 2271 2022 5 General Motors
## 2272 2022 5 General Motors
## 2273 2022 5 Honda
## 2274 2022 5 Honda
## 2275 2022 5 JAC
## 2276 2022 5 JAC
## 2277 2022 5 JAC
## 2278 2022 5 JAC
## 2279 2022 5 JAC
## 2280 2022 5 JAC
## 2281 2022 5 JAC
## 2282 2022 5 JAC
## 2283 2022 5 JAC
## 2284 2022 5 JAC
## 2285 2022 5 JAC
## 2286 2022 5 KIA
## 2287 2022 5 KIA
## 2288 2022 5 KIA
## 2289 2022 5 KIA
## 2290 2022 5 KIA
## 2291 2022 5 KIA
## 2292 2022 5 Mazda
## 2293 2022 5 Mazda
## 2294 2022 5 Mazda
## 2295 2022 5 Mazda
## 2296 2022 5 Mazda
## 2297 2022 5 Mercedes Benz_Prod_Expo
## 2298 2022 5 Nissan
## 2299 2022 5 Nissan
## 2300 2022 5 Nissan
## 2301 2022 5 Nissan
## 2302 2022 5 Nissan
## 2303 2022 5 Nissan
## 2304 2022 5 Nissan
## 2305 2022 5 Nissan
## 2306 2022 5 Nissan
## 2307 2022 5 Nissan
## 2308 2022 5 Nissan
## 2309 2022 5 Toyota
## 2310 2022 5 Volkswagen
## 2311 2022 5 Volkswagen
## 2312 2022 5 Volkswagen
## 2313 2022 6 Audi
## 2314 2022 6 BMW Group
## 2315 2022 6 BMW Group
## 2316 2022 6 Chrysler
## 2317 2022 6 Chrysler
## 2318 2022 6 Chrysler
## 2319 2022 6 Chrysler
## 2320 2022 6 Chrysler
## 2321 2022 6 Fiat
## 2322 2022 6 Ford Motor
## 2323 2022 6 Ford Motor
## 2324 2022 6 Ford Motor
## 2325 2022 6 General Motors
## 2326 2022 6 General Motors
## 2327 2022 6 General Motors
## 2328 2022 6 General Motors
## 2329 2022 6 General Motors
## 2330 2022 6 General Motors
## 2331 2022 6 General Motors
## 2332 2022 6 General Motors
## 2333 2022 6 General Motors
## 2334 2022 6 General Motors
## 2335 2022 6 General Motors
## 2336 2022 6 General Motors
## 2337 2022 6 General Motors
## 2338 2022 6 General Motors
## 2339 2022 6 General Motors
## 2340 2022 6 General Motors
## 2341 2022 6 General Motors
## 2342 2022 6 General Motors
## 2343 2022 6 General Motors
## 2344 2022 6 General Motors
## 2345 2022 6 General Motors
## 2346 2022 6 General Motors
## 2347 2022 6 General Motors
## 2348 2022 6 General Motors
## 2349 2022 6 General Motors
## 2350 2022 6 General Motors
## 2351 2022 6 General Motors
## 2352 2022 6 General Motors
## 2353 2022 6 General Motors
## 2354 2022 6 General Motors
## 2355 2022 6 General Motors
## 2356 2022 6 Honda
## 2357 2022 6 JAC
## 2358 2022 6 JAC
## 2359 2022 6 JAC
## 2360 2022 6 JAC
## 2361 2022 6 JAC
## 2362 2022 6 JAC
## 2363 2022 6 JAC
## 2364 2022 6 JAC
## 2365 2022 6 JAC
## 2366 2022 6 JAC
## 2367 2022 6 JAC
## 2368 2022 6 JAC
## 2369 2022 6 JAC
## 2370 2022 6 JAC
## 2371 2022 6 KIA
## 2372 2022 6 KIA
## 2373 2022 6 KIA
## 2374 2022 6 KIA
## 2375 2022 6 KIA
## 2376 2022 6 KIA
## 2377 2022 6 Mazda
## 2378 2022 6 Mazda
## 2379 2022 6 Mazda
## 2380 2022 6 Mazda
## 2381 2022 6 Mazda
## 2382 2022 6 Mercedes Benz_Prod_Expo
## 2383 2022 6 Nissan
## 2384 2022 6 Nissan
## 2385 2022 6 Nissan
## 2386 2022 6 Nissan
## 2387 2022 6 Nissan
## 2388 2022 6 Nissan
## 2389 2022 6 Nissan
## 2390 2022 6 Nissan
## 2391 2022 6 Nissan
## 2392 2022 6 Nissan
## 2393 2022 6 Nissan
## 2394 2022 6 Toyota
## 2395 2022 6 Volkswagen
## 2396 2022 6 Volkswagen
## 2397 2022 6 Volkswagen
## 2398 2022 7 Audi
## 2399 2022 7 BMW Group
## 2400 2022 7 BMW Group
## 2401 2022 7 Chrysler
## 2402 2022 7 Chrysler
## 2403 2022 7 Chrysler
## 2404 2022 7 Chrysler
## 2405 2022 7 Chrysler
## 2406 2022 7 Fiat
## 2407 2022 7 Ford Motor
## 2408 2022 7 Ford Motor
## 2409 2022 7 Ford Motor
## 2410 2022 7 General Motors
## 2411 2022 7 General Motors
## 2412 2022 7 General Motors
## 2413 2022 7 General Motors
## 2414 2022 7 General Motors
## 2415 2022 7 General Motors
## 2416 2022 7 General Motors
## 2417 2022 7 General Motors
## 2418 2022 7 General Motors
## 2419 2022 7 General Motors
## 2420 2022 7 General Motors
## 2421 2022 7 General Motors
## 2422 2022 7 General Motors
## 2423 2022 7 General Motors
## 2424 2022 7 General Motors
## 2425 2022 7 General Motors
## 2426 2022 7 General Motors
## 2427 2022 7 General Motors
## 2428 2022 7 General Motors
## 2429 2022 7 General Motors
## 2430 2022 7 General Motors
## 2431 2022 7 General Motors
## 2432 2022 7 General Motors
## 2433 2022 7 General Motors
## 2434 2022 7 General Motors
## 2435 2022 7 General Motors
## 2436 2022 7 General Motors
## 2437 2022 7 General Motors
## 2438 2022 7 General Motors
## 2439 2022 7 General Motors
## 2440 2022 7 General Motors
## 2441 2022 7 Honda
## 2442 2022 7 JAC
## 2443 2022 7 JAC
## 2444 2022 7 JAC
## 2445 2022 7 JAC
## 2446 2022 7 JAC
## 2447 2022 7 JAC
## 2448 2022 7 JAC
## 2449 2022 7 JAC
## 2450 2022 7 JAC
## 2451 2022 7 JAC
## 2452 2022 7 JAC
## 2453 2022 7 JAC
## 2454 2022 7 KIA
## 2455 2022 7 KIA
## 2456 2022 7 KIA
## 2457 2022 7 KIA
## 2458 2022 7 KIA
## 2459 2022 7 KIA
## 2460 2022 7 Mazda
## 2461 2022 7 Mazda
## 2462 2022 7 Mazda
## 2463 2022 7 Mazda
## 2464 2022 7 Mazda
## 2465 2022 7 Mercedes Benz_Prod_Expo
## 2466 2022 7 Nissan
## 2467 2022 7 Nissan
## 2468 2022 7 Nissan
## 2469 2022 7 Nissan
## 2470 2022 7 Nissan
## 2471 2022 7 Nissan
## 2472 2022 7 Nissan
## 2473 2022 7 Nissan
## 2474 2022 7 Nissan
## 2475 2022 7 Nissan
## 2476 2022 7 Nissan
## 2477 2022 7 Toyota
## 2478 2022 7 Volkswagen
## 2479 2022 7 Volkswagen
## 2480 2022 7 Volkswagen
## MODELO TIPO SEGMENTO
## 1 Q5 Camiones ligeros SUV's
## 2 Serie 3 Automóviles De Lujo
## 3 Crew Cab- Camiones ligeros Pick Ups
## 4 Jeep Compass- Camiones ligeros SUV's
## 5 Journey Camiones ligeros SUV's
## 6 Promaster Camiones ligeros SUV's
## 7 RAM 1500- Camiones ligeros Pick Ups
## 8 RAM 2500- Camiones ligeros Pick Ups
## 9 RAM 4000 Camiones ligeros Pick Ups
## 10 RAM 4000 Diesel Camiones ligeros Pick Ups
## 11 Fiat 500- Automóviles Subcompactos
## 12 Fusion Automóviles Compactos
## 13 Fusion Hibrido Automóviles Compactos
## 14 MKZ- Automóviles De Lujo
## 15 MKZ Hibrido- Automóviles De Lujo
## 16 Avalanche UUV Camiones ligeros Pick Ups
## 17 Aveo- Automóviles Subcompactos
## 18 Blazer Camiones ligeros SUV's
## 19 Captiva Sport Camiones ligeros SUV's
## 20 Chevy 3 Ptas Automóviles Subcompactos
## 21 Chevy 4 PTAS Automóviles Subcompactos
## 22 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 23 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 24 Cruze 4 PTAS- Automóviles Compactos
## 25 Cruze 5 Ptas Automóviles Compactos
## 26 Equinox SUV- Camiones ligeros SUV's
## 27 Escalade ESV SUV AWD Camiones ligeros Minivans
## 28 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 29 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 30 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 31 Onix Automóviles Compactos
## 32 Sierra Cabina Regular Camiones ligeros Pick Ups
## 33 Sierra Doble Cabina Camiones ligeros Pick Ups
## 34 Silverado Cabina Regular Camiones ligeros Pick Ups
## 35 Silverado Cabina Regular Camiones ligeros Pick Ups
## 36 Silverado Doble Cabina Camiones ligeros Pick Ups
## 37 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 38 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 39 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 40 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 41 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 42 Sonic- Automóviles Subcompactos
## 43 Sonic 5 PTS- Automóviles Subcompactos
## 44 SRX SUV- Camiones ligeros SUV's
## 45 Terrain SUV- Camiones ligeros SUV's
## 46 Trax Camiones ligeros SUV's
## 47 Fit- Automóviles Subcompactos
## 48 HR-V- Camiones ligeros SUV's
## 49 Frison Camiones ligeros Pick Ups
## 50 J4 Automóviles Subcompactos
## 51 Sei2 Camiones ligeros SUV's
## 52 Sei3 Camiones ligeros SUV's
## 53 Sei4 Camiones ligeros SUV's
## 54 Sei7 Camiones ligeros SUV's
## 55 X 200 Camiones ligeros Pick Ups
## 56 Forte- Automóviles Compactos
## 57 Forte Hatchback Automóviles Compactos
## 58 Hyundai Accent Hatchback Automóviles Subcompactos
## 59 Hyundai Accent Sedán Automóviles Subcompactos
## 60 Kia Río Hatchback- Automóviles Subcompactos
## 61 KIA Río Sedan- Automóviles Subcompactos
## 62 CX-30 Camiones ligeros SUV's
## 63 Mazda 2 Hatchback Automóviles Subcompactos
## 64 Mazda 2 Sedán Automóviles Subcompactos
## 65 Mazda 3 Hatchback Automóviles Compactos
## 66 Mazda 3 Sedán- Automóviles Compactos
## 67 Clase A Sedán_ Automóviles De Lujo
## 68 GLB_ Camiones ligeros SUV's
## 69 Kicks Camiones ligeros SUV's
## 70 March Automóviles Subcompactos
## 71 Note Automóviles Compactos
## 72 NP300 Camiones ligeros Pick Ups
## 73 NV 200 Cargo Camiones ligeros SUV's
## 74 NV 200 NY TAXI Camiones ligeros SUV's
## 75 QX50 Camiones ligeros SUV's
## 76 Sentra Automóviles Compactos
## 77 Tiida Sedan Automóviles Compactos
## 78 Versa Automóviles Compactos
## 79 Tacoma- Camiones ligeros Pick Ups
## 80 Yaris-R Automóviles Subcompactos
## 81 Beetle Automóviles Compactos
## 82 Beetle Cabrio Automóviles Compactos
## 83 Golf- Automóviles Compactos
## 84 Golf Variant-/Crossgolf Automóviles Compactos
## 85 Jetta Automóviles Compactos
## 86 Nuevo Jetta TDI Automóviles Compactos
## 87 Tiguan- Camiones ligeros SUV's
## 88 Q5 Camiones ligeros SUV's
## 89 Serie 3 Automóviles De Lujo
## 90 Crew Cab- Camiones ligeros Pick Ups
## 91 Jeep Compass- Camiones ligeros SUV's
## 92 Journey Camiones ligeros SUV's
## 93 Promaster Camiones ligeros SUV's
## 94 RAM 1500- Camiones ligeros Pick Ups
## 95 RAM 2500- Camiones ligeros Pick Ups
## 96 RAM 4000 Camiones ligeros Pick Ups
## 97 RAM 4000 Diesel Camiones ligeros Pick Ups
## 98 Fiat 500- Automóviles Subcompactos
## 99 Bronco Sport Camiones ligeros SUV's
## 100 Fusion Automóviles Compactos
## 101 Fusion Hibrido Automóviles Compactos
## 102 MKZ- Automóviles De Lujo
## 103 MKZ Hibrido- Automóviles De Lujo
## 104 Mustang Mach-E Camiones ligeros SUV's
## 105 Avalanche UUV Camiones ligeros Pick Ups
## 106 Aveo- Automóviles Subcompactos
## 107 Blazer Camiones ligeros SUV's
## 108 Captiva Sport Camiones ligeros SUV's
## 109 Chevy 3 Ptas Automóviles Subcompactos
## 110 Chevy 4 PTAS Automóviles Subcompactos
## 111 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 112 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 113 Cruze 4 PTAS- Automóviles Compactos
## 114 Cruze 5 Ptas Automóviles Compactos
## 115 Equinox SUV- Camiones ligeros SUV's
## 116 Escalade ESV SUV AWD Camiones ligeros Minivans
## 117 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 118 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 119 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 120 Onix Automóviles Compactos
## 121 Sierra Cabina Regular Camiones ligeros Pick Ups
## 122 Sierra Doble Cabina Camiones ligeros Pick Ups
## 123 Silverado Cabina Regular Camiones ligeros Pick Ups
## 124 Silverado Cabina Regular Camiones ligeros Pick Ups
## 125 Silverado Doble Cabina Camiones ligeros Pick Ups
## 126 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 127 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 128 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 129 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 130 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 131 Sonic- Automóviles Subcompactos
## 132 Sonic 5 PTS- Automóviles Subcompactos
## 133 SRX SUV- Camiones ligeros SUV's
## 134 Terrain SUV- Camiones ligeros SUV's
## 135 Trax Camiones ligeros SUV's
## 136 Fit- Automóviles Subcompactos
## 137 HR-V- Camiones ligeros SUV's
## 138 Frison Camiones ligeros Pick Ups
## 139 GML X150 EV Camiones ligeros Pick Ups
## 140 J4 Automóviles Subcompactos
## 141 Sei2 Camiones ligeros SUV's
## 142 Sei3 Camiones ligeros SUV's
## 143 Sei4 Camiones ligeros SUV's
## 144 Sei7 Camiones ligeros SUV's
## 145 Forte- Automóviles Compactos
## 146 Forte Hatchback Automóviles Compactos
## 147 Hyundai Accent Hatchback Automóviles Subcompactos
## 148 Hyundai Accent Sedán Automóviles Subcompactos
## 149 Kia Río Hatchback- Automóviles Subcompactos
## 150 KIA Río Sedan- Automóviles Subcompactos
## 151 CX-30 Camiones ligeros SUV's
## 152 Mazda 2 Hatchback Automóviles Subcompactos
## 153 Mazda 2 Sedán Automóviles Subcompactos
## 154 Mazda 3 Hatchback Automóviles Compactos
## 155 Mazda 3 Sedán- Automóviles Compactos
## 156 Clase A Sedán_ Automóviles De Lujo
## 157 GLB_ Camiones ligeros SUV's
## 158 Kicks Camiones ligeros SUV's
## 159 March Automóviles Subcompactos
## 160 Note Automóviles Compactos
## 161 NP300 Camiones ligeros Pick Ups
## 162 NV 200 Cargo Camiones ligeros SUV's
## 163 NV 200 NY TAXI Camiones ligeros SUV's
## 164 QX50 Camiones ligeros SUV's
## 165 Sentra Automóviles Compactos
## 166 Tiida Sedan Automóviles Compactos
## 167 Versa Automóviles Compactos
## 168 Tacoma- Camiones ligeros Pick Ups
## 169 Yaris-R Automóviles Subcompactos
## 170 Golf- Automóviles Compactos
## 171 Jetta Automóviles Compactos
## 172 Otros Volkswagen Camiones ligeros SUV's
## 173 Tiguan- Camiones ligeros SUV's
## 174 Q5 Camiones ligeros SUV's
## 175 Serie 3 Automóviles De Lujo
## 176 Crew Cab- Camiones ligeros Pick Ups
## 177 Jeep Compass- Camiones ligeros SUV's
## 178 Journey Camiones ligeros SUV's
## 179 Promaster Camiones ligeros SUV's
## 180 RAM 1500- Camiones ligeros Pick Ups
## 181 RAM 2500- Camiones ligeros Pick Ups
## 182 RAM 4000 Camiones ligeros Pick Ups
## 183 RAM 4000 Diesel Camiones ligeros Pick Ups
## 184 Fiat 500- Automóviles Subcompactos
## 185 Bronco Sport Camiones ligeros SUV's
## 186 Fusion Automóviles Compactos
## 187 Fusion Hibrido Automóviles Compactos
## 188 MKZ- Automóviles De Lujo
## 189 MKZ Hibrido- Automóviles De Lujo
## 190 Mustang Mach-E Camiones ligeros SUV's
## 191 Avalanche UUV Camiones ligeros Pick Ups
## 192 Aveo- Automóviles Subcompactos
## 193 Blazer Camiones ligeros SUV's
## 194 Captiva Sport Camiones ligeros SUV's
## 195 Chevy 3 Ptas Automóviles Subcompactos
## 196 Chevy 4 PTAS Automóviles Subcompactos
## 197 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 198 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 199 Cruze 4 PTAS- Automóviles Compactos
## 200 Cruze 5 Ptas Automóviles Compactos
## 201 Equinox SUV- Camiones ligeros SUV's
## 202 Escalade ESV SUV AWD Camiones ligeros Minivans
## 203 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 204 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 205 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 206 Onix Automóviles Compactos
## 207 Sierra Cabina Regular Camiones ligeros Pick Ups
## 208 Sierra Doble Cabina Camiones ligeros Pick Ups
## 209 Silverado Cabina Regular Camiones ligeros Pick Ups
## 210 Silverado Cabina Regular Camiones ligeros Pick Ups
## 211 Silverado Doble Cabina Camiones ligeros Pick Ups
## 212 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 213 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 214 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 215 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 216 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 217 Sonic- Automóviles Subcompactos
## 218 Sonic 5 PTS- Automóviles Subcompactos
## 219 SRX SUV- Camiones ligeros SUV's
## 220 Terrain SUV- Camiones ligeros SUV's
## 221 Trax Camiones ligeros SUV's
## 222 Fit- Automóviles Subcompactos
## 223 HR-V- Camiones ligeros SUV's
## 224 Frison Camiones ligeros Pick Ups
## 225 GML X150 EV Camiones ligeros Pick Ups
## 226 Sei2 Camiones ligeros SUV's
## 227 Sei3 Camiones ligeros SUV's
## 228 Sei4 Camiones ligeros SUV's
## 229 Forte- Automóviles Compactos
## 230 Forte Hatchback Automóviles Compactos
## 231 Hyundai Accent Hatchback Automóviles Subcompactos
## 232 Hyundai Accent Sedán Automóviles Subcompactos
## 233 Kia Río Hatchback- Automóviles Subcompactos
## 234 KIA Río Sedan- Automóviles Subcompactos
## 235 CX-30 Camiones ligeros SUV's
## 236 Mazda 2 Hatchback Automóviles Subcompactos
## 237 Mazda 2 Sedán Automóviles Subcompactos
## 238 Mazda 3 Hatchback Automóviles Compactos
## 239 Mazda 3 Sedán- Automóviles Compactos
## 240 Clase A Sedán_ Automóviles De Lujo
## 241 GLB_ Camiones ligeros SUV's
## 242 Kicks Camiones ligeros SUV's
## 243 March Automóviles Subcompactos
## 244 Note Automóviles Compactos
## 245 NP300 Camiones ligeros Pick Ups
## 246 NV 200 Cargo Camiones ligeros SUV's
## 247 NV 200 NY TAXI Camiones ligeros SUV's
## 248 QX50 Camiones ligeros SUV's
## 249 Sentra Automóviles Compactos
## 250 Tiida Sedan Automóviles Compactos
## 251 Versa Automóviles Compactos
## 252 Tacoma- Camiones ligeros Pick Ups
## 253 Yaris-R Automóviles Subcompactos
## 254 Golf- Automóviles Compactos
## 255 Jetta Automóviles Compactos
## 256 Tiguan- Camiones ligeros SUV's
## 257 Q5 Camiones ligeros SUV's
## 258 Serie 3 Automóviles De Lujo
## 259 Crew Cab- Camiones ligeros Pick Ups
## 260 Jeep Compass- Camiones ligeros SUV's
## 261 Journey Camiones ligeros SUV's
## 262 Promaster Camiones ligeros SUV's
## 263 RAM 1500- Camiones ligeros Pick Ups
## 264 RAM 2500- Camiones ligeros Pick Ups
## 265 RAM 4000 Camiones ligeros Pick Ups
## 266 RAM 4000 Diesel Camiones ligeros Pick Ups
## 267 Fiat 500- Automóviles Subcompactos
## 268 Fusion Automóviles Compactos
## 269 Mustang Mach-E Camiones ligeros SUV's
## 270 Silverado Doble Cabina Camiones ligeros Pick Ups
## 271 Fit- Automóviles Subcompactos
## 272 HR-V- Camiones ligeros SUV's
## 273 E J4 Automóviles Subcompactos
## 274 E Sei 1 Camiones ligeros SUV's
## 275 E Sei 2 Camiones ligeros SUV's
## 276 E Sei 4 Camiones ligeros SUV's
## 277 Frison Camiones ligeros Pick Ups
## 278 GML X150 EV Camiones ligeros Pick Ups
## 279 J4 Automóviles Subcompactos
## 280 Sei2 Camiones ligeros SUV's
## 281 Sei3 Camiones ligeros SUV's
## 282 Sei4 Camiones ligeros SUV's
## 283 Sei7 Camiones ligeros SUV's
## 284 SUNRAY Camiones ligeros Minivans
## 285 X 200 Camiones ligeros Pick Ups
## 286 Forte- Automóviles Compactos
## 287 Forte Hatchback Automóviles Compactos
## 288 Hyundai Accent Hatchback Automóviles Subcompactos
## 289 Hyundai Accent Sedán Automóviles Subcompactos
## 290 Kia Río Hatchback- Automóviles Subcompactos
## 291 KIA Río Sedan- Automóviles Subcompactos
## 292 CX-30 Camiones ligeros SUV's
## 293 Mazda 2 Hatchback Automóviles Subcompactos
## 294 Mazda 2 Sedán Automóviles Subcompactos
## 295 Mazda 3 Hatchback Automóviles Compactos
## 296 Mazda 3 Sedán- Automóviles Compactos
## 297 Clase A Sedán_ Automóviles De Lujo
## 298 GLB_ Camiones ligeros SUV's
## 299 Versa Automóviles Compactos
## 300 Tacoma- Camiones ligeros Pick Ups
## 301 Yaris-R Automóviles Subcompactos
## 302 Golf- Automóviles Compactos
## 303 Jetta Automóviles Compactos
## 304 Tiguan- Camiones ligeros SUV's
## 305 Q5 Camiones ligeros SUV's
## 306 Serie 3 Automóviles De Lujo
## 307 Crew Cab- Camiones ligeros Pick Ups
## 308 Jeep Compass- Camiones ligeros SUV's
## 309 Journey Camiones ligeros SUV's
## 310 Promaster Camiones ligeros SUV's
## 311 RAM 1500- Camiones ligeros Pick Ups
## 312 RAM 2500- Camiones ligeros Pick Ups
## 313 RAM 4000 Camiones ligeros Pick Ups
## 314 RAM 4000 Diesel Camiones ligeros Pick Ups
## 315 Fiat 500- Automóviles Subcompactos
## 316 Fusion Automóviles Compactos
## 317 Fusion Hibrido Automóviles Compactos
## 318 MKZ- Automóviles De Lujo
## 319 MKZ Hibrido- Automóviles De Lujo
## 320 Mustang Mach-E Camiones ligeros SUV's
## 321 Avalanche UUV Camiones ligeros Pick Ups
## 322 Aveo- Automóviles Subcompactos
## 323 Blazer Camiones ligeros SUV's
## 324 Captiva Sport Camiones ligeros SUV's
## 325 Chevy 3 Ptas Automóviles Subcompactos
## 326 Chevy 4 PTAS Automóviles Subcompactos
## 327 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 328 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 329 Cruze 4 PTAS- Automóviles Compactos
## 330 Cruze 5 Ptas Automóviles Compactos
## 331 Equinox SUV- Camiones ligeros SUV's
## 332 Escalade ESV SUV AWD Camiones ligeros Minivans
## 333 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 334 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 335 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 336 Onix Automóviles Compactos
## 337 Sierra Cabina Regular Camiones ligeros Pick Ups
## 338 Sierra Doble Cabina Camiones ligeros Pick Ups
## 339 Silverado Cabina Regular Camiones ligeros Pick Ups
## 340 Silverado Cabina Regular Camiones ligeros Pick Ups
## 341 Silverado Doble Cabina Camiones ligeros Pick Ups
## 342 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 343 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 344 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 345 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 346 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 347 Sonic- Automóviles Subcompactos
## 348 Sonic 5 PTS- Automóviles Subcompactos
## 349 SRX SUV- Camiones ligeros SUV's
## 350 Terrain SUV- Camiones ligeros SUV's
## 351 Trax Camiones ligeros SUV's
## 352 Fit- Automóviles Subcompactos
## 353 HR-V- Camiones ligeros SUV's
## 354 Sei2 Camiones ligeros SUV's
## 355 Forte- Automóviles Compactos
## 356 Forte Hatchback Automóviles Compactos
## 357 Hyundai Accent Hatchback Automóviles Subcompactos
## 358 Hyundai Accent Sedán Automóviles Subcompactos
## 359 Kia Río Hatchback- Automóviles Subcompactos
## 360 KIA Río Sedan- Automóviles Subcompactos
## 361 CX-30 Camiones ligeros SUV's
## 362 Mazda 2 Hatchback Automóviles Subcompactos
## 363 Mazda 2 Sedán Automóviles Subcompactos
## 364 Mazda 3 Hatchback Automóviles Compactos
## 365 Mazda 3 Sedán- Automóviles Compactos
## 366 Clase A Sedán_ Automóviles De Lujo
## 367 GLB_ Camiones ligeros SUV's
## 368 Kicks Camiones ligeros SUV's
## 369 March Automóviles Subcompactos
## 370 Note Automóviles Compactos
## 371 NP300 Camiones ligeros Pick Ups
## 372 NV 200 Cargo Camiones ligeros SUV's
## 373 NV 200 NY TAXI Camiones ligeros SUV's
## 374 QX50 Camiones ligeros SUV's
## 375 Sentra Automóviles Compactos
## 376 Tiida Sedan Automóviles Compactos
## 377 Versa Automóviles Compactos
## 378 Tacoma- Camiones ligeros Pick Ups
## 379 Yaris-R Automóviles Subcompactos
## 380 Golf- Automóviles Compactos
## 381 Jetta Automóviles Compactos
## 382 Tiguan- Camiones ligeros SUV's
## 383 Q5 Camiones ligeros SUV's
## 384 Serie 3 Automóviles De Lujo
## 385 Crew Cab- Camiones ligeros Pick Ups
## 386 Jeep Compass- Camiones ligeros SUV's
## 387 Journey Camiones ligeros SUV's
## 388 Promaster Camiones ligeros SUV's
## 389 RAM 1500- Camiones ligeros Pick Ups
## 390 RAM 2500- Camiones ligeros Pick Ups
## 391 RAM 4000 Camiones ligeros Pick Ups
## 392 RAM 4000 Diesel Camiones ligeros Pick Ups
## 393 Fiat 500- Automóviles Subcompactos
## 394 Bronco Sport Camiones ligeros SUV's
## 395 Fusion Automóviles Compactos
## 396 Fusion Hibrido Automóviles Compactos
## 397 MKZ- Automóviles De Lujo
## 398 MKZ Hibrido- Automóviles De Lujo
## 399 Mustang Mach-E Camiones ligeros SUV's
## 400 Avalanche UUV Camiones ligeros Pick Ups
## 401 Aveo- Automóviles Subcompactos
## 402 Blazer Camiones ligeros SUV's
## 403 Captiva Sport Camiones ligeros SUV's
## 404 Chevy 3 Ptas Automóviles Subcompactos
## 405 Chevy 4 PTAS Automóviles Subcompactos
## 406 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 407 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 408 Cruze 4 PTAS- Automóviles Compactos
## 409 Cruze 5 Ptas Automóviles Compactos
## 410 Equinox SUV- Camiones ligeros SUV's
## 411 Escalade ESV SUV AWD Camiones ligeros Minivans
## 412 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 413 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 414 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 415 Onix Automóviles Compactos
## 416 Sierra Cabina Regular Camiones ligeros Pick Ups
## 417 Sierra Doble Cabina Camiones ligeros Pick Ups
## 418 Silverado Cabina Regular Camiones ligeros Pick Ups
## 419 Silverado Cabina Regular Camiones ligeros Pick Ups
## 420 Silverado Doble Cabina Camiones ligeros Pick Ups
## 421 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 422 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 423 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 424 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 425 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 426 Sonic- Automóviles Subcompactos
## 427 Sonic 5 PTS- Automóviles Subcompactos
## 428 SRX SUV- Camiones ligeros SUV's
## 429 Terrain SUV- Camiones ligeros SUV's
## 430 Trax Camiones ligeros SUV's
## 431 Fit- Automóviles Subcompactos
## 432 HR-V- Camiones ligeros SUV's
## 433 Frison Camiones ligeros Pick Ups
## 434 GML X150 EV Camiones ligeros Pick Ups
## 435 J4 Automóviles Subcompactos
## 436 Sei2 Camiones ligeros SUV's
## 437 Sei3 Camiones ligeros SUV's
## 438 X 200 Camiones ligeros Pick Ups
## 439 Forte- Automóviles Compactos
## 440 Forte Hatchback Automóviles Compactos
## 441 Hyundai Accent Hatchback Automóviles Subcompactos
## 442 Hyundai Accent Sedán Automóviles Subcompactos
## 443 Kia Río Hatchback- Automóviles Subcompactos
## 444 KIA Río Sedan- Automóviles Subcompactos
## 445 CX-30 Camiones ligeros SUV's
## 446 Mazda 2 Hatchback Automóviles Subcompactos
## 447 Mazda 2 Sedán Automóviles Subcompactos
## 448 Mazda 3 Hatchback Automóviles Compactos
## 449 Mazda 3 Sedán- Automóviles Compactos
## 450 Clase A Sedán_ Automóviles De Lujo
## 451 GLB_ Camiones ligeros SUV's
## 452 Kicks Camiones ligeros SUV's
## 453 March Automóviles Subcompactos
## 454 Note Automóviles Compactos
## 455 NP300 Camiones ligeros Pick Ups
## 456 NV 200 Cargo Camiones ligeros SUV's
## 457 NV 200 NY TAXI Camiones ligeros SUV's
## 458 QX50 Camiones ligeros SUV's
## 459 Sentra Automóviles Compactos
## 460 Tiida Sedan Automóviles Compactos
## 461 Versa Automóviles Compactos
## 462 Tacoma- Camiones ligeros Pick Ups
## 463 Yaris-R Automóviles Subcompactos
## 464 Golf- Automóviles Compactos
## 465 Jetta Automóviles Compactos
## 466 Tiguan- Camiones ligeros SUV's
## 467 Q5 Camiones ligeros SUV's
## 468 Serie 3 Automóviles De Lujo
## 469 Crew Cab- Camiones ligeros Pick Ups
## 470 Jeep Compass- Camiones ligeros SUV's
## 471 Journey Camiones ligeros SUV's
## 472 Promaster Camiones ligeros SUV's
## 473 RAM 1500- Camiones ligeros Pick Ups
## 474 RAM 2500- Camiones ligeros Pick Ups
## 475 RAM 4000 Camiones ligeros Pick Ups
## 476 RAM 4000 Diesel Camiones ligeros Pick Ups
## 477 Fiat 500- Automóviles Subcompactos
## 478 Bronco Sport Camiones ligeros SUV's
## 479 Fusion Automóviles Compactos
## 480 MKZ- Automóviles De Lujo
## 481 Mustang Mach-E Camiones ligeros SUV's
## 482 Avalanche UUV Camiones ligeros Pick Ups
## 483 Aveo- Automóviles Subcompactos
## 484 Blazer Camiones ligeros SUV's
## 485 Captiva Sport Camiones ligeros SUV's
## 486 Chevy 3 Ptas Automóviles Subcompactos
## 487 Chevy 4 PTAS Automóviles Subcompactos
## 488 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 489 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 490 Cruze 4 PTAS- Automóviles Compactos
## 491 Cruze 5 Ptas Automóviles Compactos
## 492 Equinox SUV- Camiones ligeros SUV's
## 493 Escalade ESV SUV AWD Camiones ligeros Minivans
## 494 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 495 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 496 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 497 Onix Automóviles Compactos
## 498 Sierra Cabina Regular Camiones ligeros Pick Ups
## 499 Sierra Doble Cabina Camiones ligeros Pick Ups
## 500 Silverado Cabina Regular Camiones ligeros Pick Ups
## 501 Silverado Cabina Regular Camiones ligeros Pick Ups
## 502 Silverado Doble Cabina Camiones ligeros Pick Ups
## 503 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 504 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 505 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 506 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 507 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 508 Sonic- Automóviles Subcompactos
## 509 Sonic 5 PTS- Automóviles Subcompactos
## 510 SRX SUV- Camiones ligeros SUV's
## 511 Terrain SUV- Camiones ligeros SUV's
## 512 Trax Camiones ligeros SUV's
## 513 Fit- Automóviles Subcompactos
## 514 HR-V- Camiones ligeros SUV's
## 515 Frison Camiones ligeros Pick Ups
## 516 J4 Automóviles Subcompactos
## 517 Sei2 Camiones ligeros SUV's
## 518 Sei3 Camiones ligeros SUV's
## 519 Sei4 Camiones ligeros SUV's
## 520 Sei7 Camiones ligeros SUV's
## 521 X 200 Camiones ligeros Pick Ups
## 522 Forte- Automóviles Compactos
## 523 Forte Hatchback Automóviles Compactos
## 524 Hyundai Accent Hatchback Automóviles Subcompactos
## 525 Hyundai Accent Sedán Automóviles Subcompactos
## 526 Kia Río Hatchback- Automóviles Subcompactos
## 527 KIA Río Sedan- Automóviles Subcompactos
## 528 CX-30 Camiones ligeros SUV's
## 529 Mazda 2 Hatchback Automóviles Subcompactos
## 530 Mazda 2 Sedán Automóviles Subcompactos
## 531 Mazda 3 Hatchback Automóviles Compactos
## 532 Mazda 3 Sedán- Automóviles Compactos
## 533 Clase A Sedán_ Automóviles De Lujo
## 534 GLB_ Camiones ligeros SUV's
## 535 Kicks Camiones ligeros SUV's
## 536 March Automóviles Subcompactos
## 537 Note Automóviles Compactos
## 538 NP300 Camiones ligeros Pick Ups
## 539 NV 200 Cargo Camiones ligeros SUV's
## 540 NV 200 NY TAXI Camiones ligeros SUV's
## 541 QX50 Camiones ligeros SUV's
## 542 Sentra Automóviles Compactos
## 543 Tiida Sedan Automóviles Compactos
## 544 Versa Automóviles Compactos
## 545 Tacoma- Camiones ligeros Pick Ups
## 546 Yaris-R Automóviles Subcompactos
## 547 Golf- Automóviles Compactos
## 548 Jetta Automóviles Compactos
## 549 Tiguan- Camiones ligeros SUV's
## 550 Q5 Camiones ligeros SUV's
## 551 Serie 3 Automóviles De Lujo
## 552 Crew Cab- Camiones ligeros Pick Ups
## 553 Jeep Compass- Camiones ligeros SUV's
## 554 Journey Camiones ligeros SUV's
## 555 Promaster Camiones ligeros SUV's
## 556 RAM 1500- Camiones ligeros Pick Ups
## 557 RAM 2500- Camiones ligeros Pick Ups
## 558 RAM 4000 Camiones ligeros Pick Ups
## 559 RAM 4000 Diesel Camiones ligeros Pick Ups
## 560 Fiat 500- Automóviles Subcompactos
## 561 Mustang Mach-E Camiones ligeros SUV's
## 562 Avalanche UUV Camiones ligeros Pick Ups
## 563 Aveo- Automóviles Subcompactos
## 564 Blazer Camiones ligeros SUV's
## 565 Captiva Sport Camiones ligeros SUV's
## 566 Chevy 3 Ptas Automóviles Subcompactos
## 567 Chevy 4 PTAS Automóviles Subcompactos
## 568 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 569 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 570 Cruze 4 PTAS- Automóviles Compactos
## 571 Cruze 5 Ptas Automóviles Compactos
## 572 Equinox SUV- Camiones ligeros SUV's
## 573 Escalade ESV SUV AWD Camiones ligeros Minivans
## 574 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 575 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 576 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 577 Onix Automóviles Compactos
## 578 Sierra Cabina Regular Camiones ligeros Pick Ups
## 579 Sierra Doble Cabina Camiones ligeros Pick Ups
## 580 Silverado Cabina Regular Camiones ligeros Pick Ups
## 581 Silverado Cabina Regular Camiones ligeros Pick Ups
## 582 Silverado Doble Cabina Camiones ligeros Pick Ups
## 583 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 584 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 585 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 586 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 587 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 588 Sonic- Automóviles Subcompactos
## 589 Sonic 5 PTS- Automóviles Subcompactos
## 590 SRX SUV- Camiones ligeros SUV's
## 591 Terrain SUV- Camiones ligeros SUV's
## 592 Trax Camiones ligeros SUV's
## 593 Fit- Automóviles Subcompactos
## 594 HR-V- Camiones ligeros SUV's
## 595 Frison Camiones ligeros Pick Ups
## 596 GML X150 EV Camiones ligeros Pick Ups
## 597 J4 Automóviles Subcompactos
## 598 Sei2 Camiones ligeros SUV's
## 599 Sei3 Camiones ligeros SUV's
## 600 Sei7 Camiones ligeros SUV's
## 601 X 200 Camiones ligeros Pick Ups
## 602 Forte- Automóviles Compactos
## 603 Forte Hatchback Automóviles Compactos
## 604 Hyundai Accent Hatchback Automóviles Subcompactos
## 605 Hyundai Accent Sedán Automóviles Subcompactos
## 606 Kia Río Hatchback- Automóviles Subcompactos
## 607 KIA Río Sedan- Automóviles Subcompactos
## 608 CX-30 Camiones ligeros SUV's
## 609 Mazda 2 Hatchback Automóviles Subcompactos
## 610 Mazda 2 Sedán Automóviles Subcompactos
## 611 Mazda 3 Hatchback Automóviles Compactos
## 612 Mazda 3 Sedán- Automóviles Compactos
## 613 Clase A Sedán_ Automóviles De Lujo
## 614 GLB_ Camiones ligeros SUV's
## 615 Kicks Camiones ligeros SUV's
## 616 March Automóviles Subcompactos
## 617 Note Automóviles Compactos
## 618 NP300 Camiones ligeros Pick Ups
## 619 NV 200 Cargo Camiones ligeros SUV's
## 620 NV 200 NY TAXI Camiones ligeros SUV's
## 621 QX50 Camiones ligeros SUV's
## 622 QX55 Camiones ligeros SUV's
## 623 Sentra Automóviles Compactos
## 624 Tiida Sedan Automóviles Compactos
## 625 Versa Automóviles Compactos
## 626 Tacoma- Camiones ligeros Pick Ups
## 627 Yaris-R Automóviles Subcompactos
## 628 Golf- Automóviles Compactos
## 629 Jetta Automóviles Compactos
## 630 Tiguan- Camiones ligeros SUV's
## 631 Q5 Camiones ligeros SUV's
## 632 Serie 3 Automóviles De Lujo
## 633 Crew Cab- Camiones ligeros Pick Ups
## 634 Jeep Compass- Camiones ligeros SUV's
## 635 Journey Camiones ligeros SUV's
## 636 Promaster Camiones ligeros SUV's
## 637 RAM 1500- Camiones ligeros Pick Ups
## 638 RAM 2500- Camiones ligeros Pick Ups
## 639 RAM 4000 Camiones ligeros Pick Ups
## 640 RAM 4000 Diesel Camiones ligeros Pick Ups
## 641 Fiat 500- Automóviles Subcompactos
## 642 Bronco Sport Camiones ligeros SUV's
## 643 Mustang Mach-E Camiones ligeros SUV's
## 644 Avalanche UUV Camiones ligeros Pick Ups
## 645 Aveo- Automóviles Subcompactos
## 646 Blazer Camiones ligeros SUV's
## 647 Captiva Sport Camiones ligeros SUV's
## 648 Chevy 3 Ptas Automóviles Subcompactos
## 649 Chevy 4 PTAS Automóviles Subcompactos
## 650 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 651 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 652 Cruze 4 PTAS- Automóviles Compactos
## 653 Cruze 5 Ptas Automóviles Compactos
## 654 Equinox SUV- Camiones ligeros SUV's
## 655 Escalade ESV SUV AWD Camiones ligeros Minivans
## 656 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 657 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 658 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 659 Onix Automóviles Compactos
## 660 Sierra Cabina Regular Camiones ligeros Pick Ups
## 661 Sierra Doble Cabina Camiones ligeros Pick Ups
## 662 Silverado Cabina Regular Camiones ligeros Pick Ups
## 663 Silverado Cabina Regular Camiones ligeros Pick Ups
## 664 Silverado Doble Cabina Camiones ligeros Pick Ups
## 665 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 666 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 667 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 668 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 669 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 670 Sonic- Automóviles Subcompactos
## 671 Sonic 5 PTS- Automóviles Subcompactos
## 672 SRX SUV- Camiones ligeros SUV's
## 673 Terrain SUV- Camiones ligeros SUV's
## 674 Trax Camiones ligeros SUV's
## 675 Fit- Automóviles Subcompactos
## 676 HR-V- Camiones ligeros SUV's
## 677 Frison Camiones ligeros Pick Ups
## 678 GML X150 EV Camiones ligeros Pick Ups
## 679 J4 Automóviles Subcompactos
## 680 Sei2 Camiones ligeros SUV's
## 681 Sei3 Camiones ligeros SUV's
## 682 Sei7 Camiones ligeros SUV's
## 683 Forte- Automóviles Compactos
## 684 Forte Hatchback Automóviles Compactos
## 685 Hyundai Accent Hatchback Automóviles Subcompactos
## 686 Hyundai Accent Sedán Automóviles Subcompactos
## 687 Kia Río Hatchback- Automóviles Subcompactos
## 688 KIA Río Sedan- Automóviles Subcompactos
## 689 CX-30 Camiones ligeros SUV's
## 690 Mazda 2 Hatchback Automóviles Subcompactos
## 691 Mazda 2 Sedán Automóviles Subcompactos
## 692 Mazda 3 Hatchback Automóviles Compactos
## 693 Mazda 3 Sedán- Automóviles Compactos
## 694 Clase A Sedán_ Automóviles De Lujo
## 695 GLB_ Camiones ligeros SUV's
## 696 Kicks Camiones ligeros SUV's
## 697 March Automóviles Subcompactos
## 698 Note Automóviles Compactos
## 699 NP300 Camiones ligeros Pick Ups
## 700 NV 200 Cargo Camiones ligeros SUV's
## 701 NV 200 NY TAXI Camiones ligeros SUV's
## 702 QX50 Camiones ligeros SUV's
## 703 QX55 Camiones ligeros SUV's
## 704 Sentra Automóviles Compactos
## 705 Tiida Sedan Automóviles Compactos
## 706 Versa Automóviles Compactos
## 707 Tacoma- Camiones ligeros Pick Ups
## 708 Yaris-R Automóviles Subcompactos
## 709 Golf- Automóviles Compactos
## 710 Jetta Automóviles Compactos
## 711 Tiguan- Camiones ligeros SUV's
## 712 Q5 Camiones ligeros SUV's
## 713 Serie 3 Automóviles De Lujo
## 714 Crew Cab- Camiones ligeros Pick Ups
## 715 Jeep Compass- Camiones ligeros SUV's
## 716 Journey Camiones ligeros SUV's
## 717 Promaster Camiones ligeros SUV's
## 718 RAM 1500- Camiones ligeros Pick Ups
## 719 RAM 2500- Camiones ligeros Pick Ups
## 720 RAM 4000 Camiones ligeros Pick Ups
## 721 RAM 4000 Diesel Camiones ligeros Pick Ups
## 722 Fiat 500- Automóviles Subcompactos
## 723 Bronco Sport Camiones ligeros SUV's
## 724 Mustang Mach-E Camiones ligeros SUV's
## 725 Avalanche UUV Camiones ligeros Pick Ups
## 726 Aveo- Automóviles Subcompactos
## 727 Blazer Camiones ligeros SUV's
## 728 Captiva Sport Camiones ligeros SUV's
## 729 Chevy 3 Ptas Automóviles Subcompactos
## 730 Chevy 4 PTAS Automóviles Subcompactos
## 731 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 732 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 733 Cruze 4 PTAS- Automóviles Compactos
## 734 Cruze 5 Ptas Automóviles Compactos
## 735 Equinox SUV- Camiones ligeros SUV's
## 736 Escalade ESV SUV AWD Camiones ligeros Minivans
## 737 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 738 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 739 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 740 Onix Automóviles Compactos
## 741 Sierra Cabina Regular Camiones ligeros Pick Ups
## 742 Sierra Doble Cabina Camiones ligeros Pick Ups
## 743 Silverado Cabina Regular Camiones ligeros Pick Ups
## 744 Silverado Cabina Regular Camiones ligeros Pick Ups
## 745 Silverado Doble Cabina Camiones ligeros Pick Ups
## 746 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 747 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 748 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 749 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 750 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 751 Sonic- Automóviles Subcompactos
## 752 Sonic 5 PTS- Automóviles Subcompactos
## 753 SRX SUV- Camiones ligeros SUV's
## 754 Terrain SUV- Camiones ligeros SUV's
## 755 Trax Camiones ligeros SUV's
## 756 Fit- Automóviles Subcompactos
## 757 HR-V- Camiones ligeros SUV's
## 758 Frison Camiones ligeros Pick Ups
## 759 J4 Automóviles Subcompactos
## 760 Sei2 Camiones ligeros SUV's
## 761 Forte- Automóviles Compactos
## 762 Forte Hatchback Automóviles Compactos
## 763 Hyundai Accent Hatchback Automóviles Subcompactos
## 764 Hyundai Accent Sedán Automóviles Subcompactos
## 765 Kia Río Hatchback- Automóviles Subcompactos
## 766 KIA Río Sedan- Automóviles Subcompactos
## 767 CX-30 Camiones ligeros SUV's
## 768 Mazda 2 Hatchback Automóviles Subcompactos
## 769 Mazda 2 Sedán Automóviles Subcompactos
## 770 Mazda 3 Hatchback Automóviles Compactos
## 771 Mazda 3 Sedán- Automóviles Compactos
## 772 Clase A Sedán_ Automóviles De Lujo
## 773 GLB_ Camiones ligeros SUV's
## 774 Kicks Camiones ligeros SUV's
## 775 March Automóviles Subcompactos
## 776 Note Automóviles Compactos
## 777 NP300 Camiones ligeros Pick Ups
## 778 NV 200 Cargo Camiones ligeros SUV's
## 779 NV 200 NY TAXI Camiones ligeros SUV's
## 780 QX50 Camiones ligeros SUV's
## 781 QX55 Camiones ligeros SUV's
## 782 Sentra Automóviles Compactos
## 783 Tiida Sedan Automóviles Compactos
## 784 Versa Automóviles Compactos
## 785 Tacoma- Camiones ligeros Pick Ups
## 786 Yaris-R Automóviles Subcompactos
## 787 Golf- Automóviles Compactos
## 788 Jetta Automóviles Compactos
## 789 Taos Camiones ligeros SUV's
## 790 Tiguan- Camiones ligeros SUV's
## 791 Q5 Camiones ligeros SUV's
## 792 Serie 3 Automóviles De Lujo
## 793 Crew Cab- Camiones ligeros Pick Ups
## 794 Jeep Compass- Camiones ligeros SUV's
## 795 Journey Camiones ligeros SUV's
## 796 Promaster Camiones ligeros SUV's
## 797 RAM 1500- Camiones ligeros Pick Ups
## 798 RAM 2500- Camiones ligeros Pick Ups
## 799 RAM 4000 Camiones ligeros Pick Ups
## 800 RAM 4000 Diesel Camiones ligeros Pick Ups
## 801 Fiat 500- Automóviles Subcompactos
## 802 Bronco Sport Camiones ligeros SUV's
## 803 Mustang Mach-E Camiones ligeros SUV's
## 804 Avalanche UUV Camiones ligeros Pick Ups
## 805 Aveo- Automóviles Subcompactos
## 806 Blazer Camiones ligeros SUV's
## 807 Captiva Sport Camiones ligeros SUV's
## 808 Chevy 3 Ptas Automóviles Subcompactos
## 809 Chevy 4 PTAS Automóviles Subcompactos
## 810 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 811 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 812 Cruze 4 PTAS- Automóviles Compactos
## 813 Cruze 5 Ptas Automóviles Compactos
## 814 Equinox SUV- Camiones ligeros SUV's
## 815 Escalade ESV SUV AWD Camiones ligeros Minivans
## 816 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 817 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 818 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 819 Onix Automóviles Compactos
## 820 Sierra Cabina Regular Camiones ligeros Pick Ups
## 821 Sierra Doble Cabina Camiones ligeros Pick Ups
## 822 Silverado Cabina Regular Camiones ligeros Pick Ups
## 823 Silverado Cabina Regular Camiones ligeros Pick Ups
## 824 Silverado Doble Cabina Camiones ligeros Pick Ups
## 825 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 826 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 827 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 828 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 829 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 830 Sonic- Automóviles Subcompactos
## 831 Sonic 5 PTS- Automóviles Subcompactos
## 832 SRX SUV- Camiones ligeros SUV's
## 833 Terrain SUV- Camiones ligeros SUV's
## 834 Trax Camiones ligeros SUV's
## 835 Fit- Automóviles Subcompactos
## 836 HR-V- Camiones ligeros SUV's
## 837 Frison Camiones ligeros Pick Ups
## 838 GML X150 EV Camiones ligeros Pick Ups
## 839 J4 Automóviles Subcompactos
## 840 J7 Automóviles Compactos
## 841 Sei2 Camiones ligeros SUV's
## 842 Sei4 Camiones ligeros SUV's
## 843 Sei7 Camiones ligeros SUV's
## 844 SEI7 PRO Camiones ligeros SUV's
## 845 Forte- Automóviles Compactos
## 846 Forte Hatchback Automóviles Compactos
## 847 Hyundai Accent Hatchback Automóviles Subcompactos
## 848 Hyundai Accent Sedán Automóviles Subcompactos
## 849 Kia Río Hatchback- Automóviles Subcompactos
## 850 KIA Río Sedan- Automóviles Subcompactos
## 851 CX-30 Camiones ligeros SUV's
## 852 Mazda 2 Hatchback Automóviles Subcompactos
## 853 Mazda 2 Sedán Automóviles Subcompactos
## 854 Mazda 3 Hatchback Automóviles Compactos
## 855 Mazda 3 Sedán- Automóviles Compactos
## 856 Clase A Sedán_ Automóviles De Lujo
## 857 GLB_ Camiones ligeros SUV's
## 858 Kicks Camiones ligeros SUV's
## 859 March Automóviles Subcompactos
## 860 Note Automóviles Compactos
## 861 NP300 Camiones ligeros Pick Ups
## 862 NV 200 Cargo Camiones ligeros SUV's
## 863 NV 200 NY TAXI Camiones ligeros SUV's
## 864 QX50 Camiones ligeros SUV's
## 865 QX55 Camiones ligeros SUV's
## 866 Sentra Automóviles Compactos
## 867 Tiida Sedan Automóviles Compactos
## 868 Versa Automóviles Compactos
## 869 Tacoma- Camiones ligeros Pick Ups
## 870 Yaris-R Automóviles Subcompactos
## 871 Golf- Automóviles Compactos
## 872 Jetta Automóviles Compactos
## 873 Taos Camiones ligeros SUV's
## 874 Tiguan- Camiones ligeros SUV's
## 875 Q5 Camiones ligeros SUV's
## 876 Serie 3 Automóviles De Lujo
## 877 Crew Cab- Camiones ligeros Pick Ups
## 878 Jeep Compass- Camiones ligeros SUV's
## 879 Journey Camiones ligeros SUV's
## 880 Promaster Camiones ligeros SUV's
## 881 RAM 1500- Camiones ligeros Pick Ups
## 882 RAM 2500- Camiones ligeros Pick Ups
## 883 RAM 4000 Camiones ligeros Pick Ups
## 884 RAM 4000 Diesel Camiones ligeros Pick Ups
## 885 Fiat 500- Automóviles Subcompactos
## 886 Bronco Sport Camiones ligeros SUV's
## 887 Mustang Mach-E Camiones ligeros SUV's
## 888 Avalanche UUV Camiones ligeros Pick Ups
## 889 Aveo- Automóviles Subcompactos
## 890 Blazer Camiones ligeros SUV's
## 891 Captiva Sport Camiones ligeros SUV's
## 892 Chevy 3 Ptas Automóviles Subcompactos
## 893 Chevy 4 PTAS Automóviles Subcompactos
## 894 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 895 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 896 Cruze 4 PTAS- Automóviles Compactos
## 897 Cruze 5 Ptas Automóviles Compactos
## 898 Equinox SUV- Camiones ligeros SUV's
## 899 Escalade ESV SUV AWD Camiones ligeros Minivans
## 900 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 901 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 902 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 903 Onix Automóviles Compactos
## 904 Sierra Cabina Regular Camiones ligeros Pick Ups
## 905 Sierra Doble Cabina Camiones ligeros Pick Ups
## 906 Silverado Cabina Regular Camiones ligeros Pick Ups
## 907 Silverado Cabina Regular Camiones ligeros Pick Ups
## 908 Silverado Doble Cabina Camiones ligeros Pick Ups
## 909 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 910 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 911 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 912 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 913 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 914 Sonic- Automóviles Subcompactos
## 915 Sonic 5 PTS- Automóviles Subcompactos
## 916 SRX SUV- Camiones ligeros SUV's
## 917 Terrain SUV- Camiones ligeros SUV's
## 918 Trax Camiones ligeros SUV's
## 919 Fit- Automóviles Subcompactos
## 920 HR-V- Camiones ligeros SUV's
## 921 Frison Camiones ligeros Pick Ups
## 922 GML X150 EV Camiones ligeros Pick Ups
## 923 J7 Automóviles Compactos
## 924 Sei2 Camiones ligeros SUV's
## 925 Sei3 Camiones ligeros SUV's
## 926 Sei7 Camiones ligeros SUV's
## 927 Forte- Automóviles Compactos
## 928 Forte Hatchback Automóviles Compactos
## 929 Hyundai Accent Hatchback Automóviles Subcompactos
## 930 Hyundai Accent Sedán Automóviles Subcompactos
## 931 Kia Río Hatchback- Automóviles Subcompactos
## 932 KIA Río Sedan- Automóviles Subcompactos
## 933 CX-30 Camiones ligeros SUV's
## 934 Mazda 2 Hatchback Automóviles Subcompactos
## 935 Mazda 2 Sedán Automóviles Subcompactos
## 936 Mazda 3 Hatchback Automóviles Compactos
## 937 Mazda 3 Sedán- Automóviles Compactos
## 938 Clase A Sedán_ Automóviles De Lujo
## 939 GLB_ Camiones ligeros SUV's
## 940 Kicks Camiones ligeros SUV's
## 941 March Automóviles Subcompactos
## 942 Note Automóviles Compactos
## 943 NP300 Camiones ligeros Pick Ups
## 944 NV 200 Cargo Camiones ligeros SUV's
## 945 NV 200 NY TAXI Camiones ligeros SUV's
## 946 QX50 Camiones ligeros SUV's
## 947 QX55 Camiones ligeros SUV's
## 948 Sentra Automóviles Compactos
## 949 Tiida Sedan Automóviles Compactos
## 950 Versa Automóviles Compactos
## 951 Tacoma- Camiones ligeros Pick Ups
## 952 Yaris-R Automóviles Subcompactos
## 953 Golf- Automóviles Compactos
## 954 Jetta Automóviles Compactos
## 955 Taos Camiones ligeros SUV's
## 956 Tiguan- Camiones ligeros SUV's
## 957 Q5 Camiones ligeros SUV's
## 958 Serie 3 Automóviles De Lujo
## 959 Crew Cab- Camiones ligeros Pick Ups
## 960 Jeep Compass- Camiones ligeros SUV's
## 961 Journey Camiones ligeros SUV's
## 962 Promaster Camiones ligeros SUV's
## 963 RAM 1500- Camiones ligeros Pick Ups
## 964 RAM 2500- Camiones ligeros Pick Ups
## 965 RAM 4000 Camiones ligeros Pick Ups
## 966 RAM 4000 Diesel Camiones ligeros Pick Ups
## 967 Fiat 500- Automóviles Subcompactos
## 968 Bronco Sport Camiones ligeros SUV's
## 969 Mustang Mach-E Camiones ligeros SUV's
## 970 Avalanche UUV Camiones ligeros Pick Ups
## 971 Aveo- Automóviles Subcompactos
## 972 Blazer Camiones ligeros SUV's
## 973 Captiva Sport Camiones ligeros SUV's
## 974 Chevy 3 Ptas Automóviles Subcompactos
## 975 Chevy 4 PTAS Automóviles Subcompactos
## 976 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 977 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 978 Cruze 4 PTAS- Automóviles Compactos
## 979 Cruze 5 Ptas Automóviles Compactos
## 980 Equinox SUV- Camiones ligeros SUV's
## 981 Escalade ESV SUV AWD Camiones ligeros Minivans
## 982 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 983 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 984 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 985 Onix Automóviles Compactos
## 986 Sierra Cabina Regular Camiones ligeros Pick Ups
## 987 Sierra Doble Cabina Camiones ligeros Pick Ups
## 988 Silverado Cabina Regular Camiones ligeros Pick Ups
## 989 Silverado Cabina Regular Camiones ligeros Pick Ups
## 990 Silverado Doble Cabina Camiones ligeros Pick Ups
## 991 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 992 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 993 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 994 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 995 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 996 Sonic- Automóviles Subcompactos
## 997 Sonic 5 PTS- Automóviles Subcompactos
## 998 SRX SUV- Camiones ligeros SUV's
## 999 Terrain SUV- Camiones ligeros SUV's
## 1000 Trax Camiones ligeros SUV's
## 1001 Fit- Automóviles Subcompactos
## 1002 HR-V- Camiones ligeros SUV's
## 1003 Frison Camiones ligeros Pick Ups
## 1004 GML X150 EV Camiones ligeros Pick Ups
## 1005 J7 Automóviles Compactos
## 1006 Sei2 Camiones ligeros SUV's
## 1007 Sei3 Camiones ligeros SUV's
## 1008 Sei4 Camiones ligeros SUV's
## 1009 Sei7 Camiones ligeros SUV's
## 1010 X 200 Camiones ligeros Pick Ups
## 1011 Forte- Automóviles Compactos
## 1012 Forte Hatchback Automóviles Compactos
## 1013 Hyundai Accent Hatchback Automóviles Subcompactos
## 1014 Hyundai Accent Sedán Automóviles Subcompactos
## 1015 Kia Río Hatchback- Automóviles Subcompactos
## 1016 KIA Río Sedan- Automóviles Subcompactos
## 1017 CX-30 Camiones ligeros SUV's
## 1018 Mazda 2 Hatchback Automóviles Subcompactos
## 1019 Mazda 2 Sedán Automóviles Subcompactos
## 1020 Mazda 3 Hatchback Automóviles Compactos
## 1021 Mazda 3 Sedán- Automóviles Compactos
## 1022 Clase A Sedán_ Automóviles De Lujo
## 1023 GLB_ Camiones ligeros SUV's
## 1024 Kicks Camiones ligeros SUV's
## 1025 March Automóviles Subcompactos
## 1026 Note Automóviles Compactos
## 1027 NP300 Camiones ligeros Pick Ups
## 1028 NV 200 Cargo Camiones ligeros SUV's
## 1029 NV 200 NY TAXI Camiones ligeros SUV's
## 1030 QX50 Camiones ligeros SUV's
## 1031 QX55 Camiones ligeros SUV's
## 1032 Sentra Automóviles Compactos
## 1033 Tiida Sedan Automóviles Compactos
## 1034 Versa Automóviles Compactos
## 1035 Tacoma- Camiones ligeros Pick Ups
## 1036 Yaris-R Automóviles Subcompactos
## 1037 Golf- Automóviles Compactos
## 1038 Jetta Automóviles Compactos
## 1039 Taos Camiones ligeros SUV's
## 1040 Tiguan- Camiones ligeros SUV's
## 1041 Q5 Camiones ligeros SUV's
## 1042 Serie 3 Automóviles De Lujo
## 1043 Crew Cab- Camiones ligeros Pick Ups
## 1044 Jeep Compass- Camiones ligeros SUV's
## 1045 Journey Camiones ligeros SUV's
## 1046 Promaster Camiones ligeros SUV's
## 1047 RAM 1500- Camiones ligeros Pick Ups
## 1048 RAM 2500- Camiones ligeros Pick Ups
## 1049 RAM 4000 Camiones ligeros Pick Ups
## 1050 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1051 Fiat 500- Automóviles Subcompactos
## 1052 Bronco Sport Camiones ligeros SUV's
## 1053 Mustang Mach-E Camiones ligeros SUV's
## 1054 Avalanche UUV Camiones ligeros Pick Ups
## 1055 Aveo- Automóviles Subcompactos
## 1056 Blazer Camiones ligeros SUV's
## 1057 Captiva Sport Camiones ligeros SUV's
## 1058 Chevy 3 Ptas Automóviles Subcompactos
## 1059 Chevy 4 PTAS Automóviles Subcompactos
## 1060 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1061 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1062 Cruze 4 PTAS- Automóviles Compactos
## 1063 Cruze 5 Ptas Automóviles Compactos
## 1064 Equinox SUV- Camiones ligeros SUV's
## 1065 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1066 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1067 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1068 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1069 Onix Automóviles Compactos
## 1070 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1071 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1072 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1073 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1074 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1075 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1076 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1077 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1078 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1079 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1080 Sonic- Automóviles Subcompactos
## 1081 Sonic 5 PTS- Automóviles Subcompactos
## 1082 SRX SUV- Camiones ligeros SUV's
## 1083 Terrain SUV- Camiones ligeros SUV's
## 1084 Trax Camiones ligeros SUV's
## 1085 Fit- Automóviles Subcompactos
## 1086 HR-V- Camiones ligeros SUV's
## 1087 Frison Camiones ligeros Pick Ups
## 1088 GML X150 EV Camiones ligeros Pick Ups
## 1089 X 200 Camiones ligeros Pick Ups
## 1090 Forte- Automóviles Compactos
## 1091 Forte Hatchback Automóviles Compactos
## 1092 Hyundai Accent Hatchback Automóviles Subcompactos
## 1093 Hyundai Accent Sedán Automóviles Subcompactos
## 1094 Kia Río Hatchback- Automóviles Subcompactos
## 1095 KIA Río Sedan- Automóviles Subcompactos
## 1096 CX-30 Camiones ligeros SUV's
## 1097 Mazda 2 Hatchback Automóviles Subcompactos
## 1098 Mazda 2 Sedán Automóviles Subcompactos
## 1099 Mazda 3 Hatchback Automóviles Compactos
## 1100 Mazda 3 Sedán- Automóviles Compactos
## 1101 Clase A Sedán_ Automóviles De Lujo
## 1102 GLB_ Camiones ligeros SUV's
## 1103 Kicks Camiones ligeros SUV's
## 1104 March Automóviles Subcompactos
## 1105 Note Automóviles Compactos
## 1106 NP300 Camiones ligeros Pick Ups
## 1107 NV 200 Cargo Camiones ligeros SUV's
## 1108 NV 200 NY TAXI Camiones ligeros SUV's
## 1109 QX50 Camiones ligeros SUV's
## 1110 QX55 Camiones ligeros SUV's
## 1111 Sentra Automóviles Compactos
## 1112 Tiida Sedan Automóviles Compactos
## 1113 Versa Automóviles Compactos
## 1114 Tacoma- Camiones ligeros Pick Ups
## 1115 Yaris-R Automóviles Subcompactos
## 1116 Golf- Automóviles Compactos
## 1117 Jetta Automóviles Compactos
## 1118 Taos Camiones ligeros SUV's
## 1119 Tiguan- Camiones ligeros SUV's
## 1120 Q5 Camiones ligeros SUV's
## 1121 Serie 3 Automóviles De Lujo
## 1122 Crew Cab- Camiones ligeros Pick Ups
## 1123 Jeep Compass- Camiones ligeros SUV's
## 1124 Journey Camiones ligeros SUV's
## 1125 Promaster Camiones ligeros SUV's
## 1126 RAM 1500- Camiones ligeros Pick Ups
## 1127 RAM 2500- Camiones ligeros Pick Ups
## 1128 RAM 4000 Camiones ligeros Pick Ups
## 1129 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1130 Fiat 500- Automóviles Subcompactos
## 1131 Bronco Sport Camiones ligeros SUV's
## 1132 Maverick Camiones ligeros Pick Ups
## 1133 Mustang Mach-E Camiones ligeros SUV's
## 1134 Avalanche UUV Camiones ligeros Pick Ups
## 1135 Aveo- Automóviles Subcompactos
## 1136 Blazer Camiones ligeros SUV's
## 1137 Captiva Sport Camiones ligeros SUV's
## 1138 Chevy 3 Ptas Automóviles Subcompactos
## 1139 Chevy 4 PTAS Automóviles Subcompactos
## 1140 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1141 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1142 Cruze 4 PTAS- Automóviles Compactos
## 1143 Cruze 5 Ptas Automóviles Compactos
## 1144 Equinox SUV- Camiones ligeros SUV's
## 1145 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1146 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1147 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1148 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1149 Onix Automóviles Compactos
## 1150 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1151 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1152 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1153 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1154 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1155 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1156 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1157 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1158 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1159 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1160 Sonic- Automóviles Subcompactos
## 1161 Sonic 5 PTS- Automóviles Subcompactos
## 1162 SRX SUV- Camiones ligeros SUV's
## 1163 Terrain SUV- Camiones ligeros SUV's
## 1164 Trax Camiones ligeros SUV's
## 1165 Fit- Automóviles Subcompactos
## 1166 HR-V- Camiones ligeros SUV's
## 1167 Frison Camiones ligeros Pick Ups
## 1168 J7 Automóviles Compactos
## 1169 Sei2 Camiones ligeros SUV's
## 1170 X 200 Camiones ligeros Pick Ups
## 1171 Forte- Automóviles Compactos
## 1172 Forte Hatchback Automóviles Compactos
## 1173 Hyundai Accent Hatchback Automóviles Subcompactos
## 1174 Hyundai Accent Sedán Automóviles Subcompactos
## 1175 Kia Río Hatchback- Automóviles Subcompactos
## 1176 KIA Río Sedan- Automóviles Subcompactos
## 1177 CX-30 Camiones ligeros SUV's
## 1178 Mazda 2 Hatchback Automóviles Subcompactos
## 1179 Mazda 2 Sedán Automóviles Subcompactos
## 1180 Mazda 3 Hatchback Automóviles Compactos
## 1181 Mazda 3 Sedán- Automóviles Compactos
## 1182 GLB_ Camiones ligeros SUV's
## 1183 Kicks Camiones ligeros SUV's
## 1184 March Automóviles Subcompactos
## 1185 Note Automóviles Compactos
## 1186 NP300 Camiones ligeros Pick Ups
## 1187 NV 200 Cargo Camiones ligeros SUV's
## 1188 NV 200 NY TAXI Camiones ligeros SUV's
## 1189 QX50 Camiones ligeros SUV's
## 1190 QX55 Camiones ligeros SUV's
## 1191 Sentra Automóviles Compactos
## 1192 Tiida Sedan Automóviles Compactos
## 1193 Versa Automóviles Compactos
## 1194 Tacoma- Camiones ligeros Pick Ups
## 1195 Golf- Automóviles Compactos
## 1196 Jetta Automóviles Compactos
## 1197 Taos Camiones ligeros SUV's
## 1198 Tiguan- Camiones ligeros SUV's
## 1199 Q5 Camiones ligeros SUV's
## 1200 Serie 3 Automóviles De Lujo
## 1201 Crew Cab- Camiones ligeros Pick Ups
## 1202 Jeep Compass- Camiones ligeros SUV's
## 1203 Journey Camiones ligeros SUV's
## 1204 Promaster Camiones ligeros SUV's
## 1205 RAM 1500- Camiones ligeros Pick Ups
## 1206 RAM 2500- Camiones ligeros Pick Ups
## 1207 RAM 4000 Camiones ligeros Pick Ups
## 1208 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1209 Fiat 500- Automóviles Subcompactos
## 1210 Bronco Sport Camiones ligeros SUV's
## 1211 Mustang Mach-E Camiones ligeros SUV's
## 1212 Avalanche UUV Camiones ligeros Pick Ups
## 1213 Aveo- Automóviles Subcompactos
## 1214 Blazer Camiones ligeros SUV's
## 1215 Captiva Sport Camiones ligeros SUV's
## 1216 Chevy 3 Ptas Automóviles Subcompactos
## 1217 Chevy 4 PTAS Automóviles Subcompactos
## 1218 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1219 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1220 Cruze 4 PTAS- Automóviles Compactos
## 1221 Cruze 5 Ptas Automóviles Compactos
## 1222 Equinox SUV- Camiones ligeros SUV's
## 1223 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1224 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1225 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1226 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1227 Onix Automóviles Compactos
## 1228 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1229 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1230 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1231 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1232 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1233 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1234 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1235 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1236 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1237 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1238 Sonic- Automóviles Subcompactos
## 1239 Sonic 5 PTS- Automóviles Subcompactos
## 1240 SRX SUV- Camiones ligeros SUV's
## 1241 Terrain SUV- Camiones ligeros SUV's
## 1242 Trax Camiones ligeros SUV's
## 1243 Fit- Automóviles Subcompactos
## 1244 HR-V- Camiones ligeros SUV's
## 1245 Frison Camiones ligeros Pick Ups
## 1246 GML X150 EV Camiones ligeros Pick Ups
## 1247 J7 Automóviles Compactos
## 1248 X250 Camiones ligeros Pick Ups
## 1249 Forte- Automóviles Compactos
## 1250 Forte Hatchback Automóviles Compactos
## 1251 Hyundai Accent Hatchback Automóviles Subcompactos
## 1252 Hyundai Accent Sedán Automóviles Subcompactos
## 1253 Kia Río Hatchback- Automóviles Subcompactos
## 1254 KIA Río Sedan- Automóviles Subcompactos
## 1255 CX-30 Camiones ligeros SUV's
## 1256 Mazda 2 Hatchback Automóviles Subcompactos
## 1257 Mazda 2 Sedán Automóviles Subcompactos
## 1258 Mazda 3 Hatchback Automóviles Compactos
## 1259 Mazda 3 Sedán- Automóviles Compactos
## 1260 GLB_ Camiones ligeros SUV's
## 1261 Kicks Camiones ligeros SUV's
## 1262 March Automóviles Subcompactos
## 1263 Note Automóviles Compactos
## 1264 NP300 Camiones ligeros Pick Ups
## 1265 NV 200 Cargo Camiones ligeros SUV's
## 1266 NV 200 NY TAXI Camiones ligeros SUV's
## 1267 QX50 Camiones ligeros SUV's
## 1268 QX55 Camiones ligeros SUV's
## 1269 Sentra Automóviles Compactos
## 1270 Tiida Sedan Automóviles Compactos
## 1271 Versa Automóviles Compactos
## 1272 Tacoma- Camiones ligeros Pick Ups
## 1273 Jetta Automóviles Compactos
## 1274 Taos Camiones ligeros SUV's
## 1275 Tiguan- Camiones ligeros SUV's
## 1276 Q5 Camiones ligeros SUV's
## 1277 Serie 3 Automóviles De Lujo
## 1278 Crew Cab- Camiones ligeros Pick Ups
## 1279 Jeep Compass- Camiones ligeros SUV's
## 1280 Journey Camiones ligeros SUV's
## 1281 Promaster Camiones ligeros SUV's
## 1282 RAM 1500- Camiones ligeros Pick Ups
## 1283 RAM 2500- Camiones ligeros Pick Ups
## 1284 RAM 4000 Camiones ligeros Pick Ups
## 1285 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1286 Bronco Sport Camiones ligeros SUV's
## 1287 Mustang Mach-E Camiones ligeros SUV's
## 1288 Avalanche UUV Camiones ligeros Pick Ups
## 1289 Aveo- Automóviles Subcompactos
## 1290 Blazer Camiones ligeros SUV's
## 1291 Captiva Sport Camiones ligeros SUV's
## 1292 Chevy 3 Ptas Automóviles Subcompactos
## 1293 Chevy 4 PTAS Automóviles Subcompactos
## 1294 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1295 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1296 Cruze 4 PTAS- Automóviles Compactos
## 1297 Cruze 5 Ptas Automóviles Compactos
## 1298 Equinox SUV- Camiones ligeros SUV's
## 1299 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1300 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1301 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1302 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1303 Onix Automóviles Compactos
## 1304 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1305 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1306 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1307 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1308 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1309 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1310 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1311 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1312 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1313 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1314 Sonic- Automóviles Subcompactos
## 1315 Sonic 5 PTS- Automóviles Subcompactos
## 1316 SRX SUV- Camiones ligeros SUV's
## 1317 Terrain SUV- Camiones ligeros SUV's
## 1318 Trax Camiones ligeros SUV's
## 1319 HR-V- Camiones ligeros SUV's
## 1320 Frison Camiones ligeros Pick Ups
## 1321 GML X150 EV Camiones ligeros Pick Ups
## 1322 J7 Automóviles Compactos
## 1323 X350 Camiones ligeros Pick Ups
## 1324 Forte- Automóviles Compactos
## 1325 Forte Hatchback Automóviles Compactos
## 1326 Hyundai Accent Hatchback Automóviles Subcompactos
## 1327 Hyundai Accent Sedán Automóviles Subcompactos
## 1328 Kia Río Hatchback- Automóviles Subcompactos
## 1329 KIA Río Sedan- Automóviles Subcompactos
## 1330 CX-30 Camiones ligeros SUV's
## 1331 Mazda 2 Hatchback Automóviles Subcompactos
## 1332 Mazda 2 Sedán Automóviles Subcompactos
## 1333 Mazda 3 Hatchback Automóviles Compactos
## 1334 Mazda 3 Sedán- Automóviles Compactos
## 1335 GLB_ Camiones ligeros SUV's
## 1336 Kicks Camiones ligeros SUV's
## 1337 March Automóviles Subcompactos
## 1338 Note Automóviles Compactos
## 1339 NP300 Camiones ligeros Pick Ups
## 1340 NV 200 Cargo Camiones ligeros SUV's
## 1341 NV 200 NY TAXI Camiones ligeros SUV's
## 1342 QX50 Camiones ligeros SUV's
## 1343 QX55 Camiones ligeros SUV's
## 1344 Sentra Automóviles Compactos
## 1345 Tiida Sedan Automóviles Compactos
## 1346 Versa Automóviles Compactos
## 1347 Tacoma- Camiones ligeros Pick Ups
## 1348 Yaris-R Automóviles Subcompactos
## 1349 Jetta Automóviles Compactos
## 1350 Taos Camiones ligeros SUV's
## 1351 Tiguan- Camiones ligeros SUV's
## 1352 Q5 Camiones ligeros SUV's
## 1353 Serie 3 Automóviles De Lujo
## 1354 Crew Cab- Camiones ligeros Pick Ups
## 1355 Jeep Compass- Camiones ligeros SUV's
## 1356 Journey Camiones ligeros SUV's
## 1357 Promaster Camiones ligeros SUV's
## 1358 RAM 1500- Camiones ligeros Pick Ups
## 1359 RAM 2500- Camiones ligeros Pick Ups
## 1360 RAM 4000 Camiones ligeros Pick Ups
## 1361 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1362 Fiat 500- Automóviles Subcompactos
## 1363 Bronco Sport Camiones ligeros SUV's
## 1364 Mustang Mach-E Camiones ligeros SUV's
## 1365 Avalanche UUV Camiones ligeros Pick Ups
## 1366 Aveo- Automóviles Subcompactos
## 1367 Blazer Camiones ligeros SUV's
## 1368 Captiva Sport Camiones ligeros SUV's
## 1369 Chevy 3 Ptas Automóviles Subcompactos
## 1370 Chevy 4 PTAS Automóviles Subcompactos
## 1371 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1372 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1373 Cruze 4 PTAS- Automóviles Compactos
## 1374 Cruze 5 Ptas Automóviles Compactos
## 1375 Equinox SUV- Camiones ligeros SUV's
## 1376 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1377 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1378 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1379 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1380 Onix Automóviles Compactos
## 1381 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1382 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1383 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1384 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1385 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1386 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1387 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1388 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1389 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1390 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1391 Sonic- Automóviles Subcompactos
## 1392 Sonic 5 PTS- Automóviles Subcompactos
## 1393 SRX SUV- Camiones ligeros SUV's
## 1394 Terrain SUV- Camiones ligeros SUV's
## 1395 Trax Camiones ligeros SUV's
## 1396 Fit- Automóviles Subcompactos
## 1397 HR-V- Camiones ligeros SUV's
## 1398 Frison Camiones ligeros Pick Ups
## 1399 J7 Automóviles Compactos
## 1400 Sei3 Camiones ligeros SUV's
## 1401 Sei4 Camiones ligeros SUV's
## 1402 Forte- Automóviles Compactos
## 1403 Forte Hatchback Automóviles Compactos
## 1404 Hyundai Accent Hatchback Automóviles Subcompactos
## 1405 Hyundai Accent Sedán Automóviles Subcompactos
## 1406 Kia Río Hatchback- Automóviles Subcompactos
## 1407 KIA Río Sedan- Automóviles Subcompactos
## 1408 CX-30 Camiones ligeros SUV's
## 1409 Mazda 2 Hatchback Automóviles Subcompactos
## 1410 Mazda 2 Sedán Automóviles Subcompactos
## 1411 Mazda 3 Hatchback Automóviles Compactos
## 1412 Mazda 3 Sedán- Automóviles Compactos
## 1413 GLB_ Camiones ligeros SUV's
## 1414 Kicks Camiones ligeros SUV's
## 1415 March Automóviles Subcompactos
## 1416 Note Automóviles Compactos
## 1417 NP300 Camiones ligeros Pick Ups
## 1418 NV 200 Cargo Camiones ligeros SUV's
## 1419 NV 200 NY TAXI Camiones ligeros SUV's
## 1420 QX50 Camiones ligeros SUV's
## 1421 QX55 Camiones ligeros SUV's
## 1422 Sentra Automóviles Compactos
## 1423 Tiida Sedan Automóviles Compactos
## 1424 Versa Automóviles Compactos
## 1425 Tacoma- Camiones ligeros Pick Ups
## 1426 Yaris-R Automóviles Subcompactos
## 1427 Jetta Automóviles Compactos
## 1428 Taos Camiones ligeros SUV's
## 1429 Tiguan- Camiones ligeros SUV's
## 1430 Q5 Camiones ligeros SUV's
## 1431 Serie 3 Automóviles De Lujo
## 1432 Crew Cab- Camiones ligeros Pick Ups
## 1433 Jeep Compass- Camiones ligeros SUV's
## 1434 Promaster Camiones ligeros SUV's
## 1435 RAM 1500- Camiones ligeros Pick Ups
## 1436 RAM 4000 Camiones ligeros Pick Ups
## 1437 Fiat 500- Automóviles Subcompactos
## 1438 Bronco Sport Camiones ligeros SUV's
## 1439 Mustang Mach-E Camiones ligeros SUV's
## 1440 Avalanche UUV Camiones ligeros Pick Ups
## 1441 Aveo- Automóviles Subcompactos
## 1442 Blazer Camiones ligeros SUV's
## 1443 Captiva Sport Camiones ligeros SUV's
## 1444 Chevy 3 Ptas Automóviles Subcompactos
## 1445 Chevy 4 PTAS Automóviles Subcompactos
## 1446 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1447 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1448 Cruze 4 PTAS- Automóviles Compactos
## 1449 Cruze 5 Ptas Automóviles Compactos
## 1450 Equinox SUV- Camiones ligeros SUV's
## 1451 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1452 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1453 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1454 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1455 Onix Automóviles Compactos
## 1456 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1457 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1458 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1459 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1460 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1461 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1462 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1463 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1464 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1465 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1466 Sonic- Automóviles Subcompactos
## 1467 Sonic 5 PTS- Automóviles Subcompactos
## 1468 SRX SUV- Camiones ligeros SUV's
## 1469 Terrain SUV- Camiones ligeros SUV's
## 1470 Trax Camiones ligeros SUV's
## 1471 HR-V- Camiones ligeros SUV's
## 1472 Frison Camiones ligeros Pick Ups
## 1473 J7 Automóviles Compactos
## 1474 Sei2 Camiones ligeros SUV's
## 1475 Sei3 Camiones ligeros SUV's
## 1476 Sei4 Camiones ligeros SUV's
## 1477 X 200 Camiones ligeros Pick Ups
## 1478 X250 Camiones ligeros Pick Ups
## 1479 Forte- Automóviles Compactos
## 1480 Forte Hatchback Automóviles Compactos
## 1481 Hyundai Accent Hatchback Automóviles Subcompactos
## 1482 Hyundai Accent Sedán Automóviles Subcompactos
## 1483 Kia Río Hatchback- Automóviles Subcompactos
## 1484 KIA Río Sedan- Automóviles Subcompactos
## 1485 CX-30 Camiones ligeros SUV's
## 1486 Mazda 2 Hatchback Automóviles Subcompactos
## 1487 Mazda 2 Sedán Automóviles Subcompactos
## 1488 Mazda 3 Hatchback Automóviles Compactos
## 1489 Mazda 3 Sedán- Automóviles Compactos
## 1490 GLB_ Camiones ligeros SUV's
## 1491 Kicks Camiones ligeros SUV's
## 1492 March Automóviles Subcompactos
## 1493 Note Automóviles Compactos
## 1494 NP300 Camiones ligeros Pick Ups
## 1495 NV 200 Cargo Camiones ligeros SUV's
## 1496 NV 200 NY TAXI Camiones ligeros SUV's
## 1497 QX50 Camiones ligeros SUV's
## 1498 QX55 Camiones ligeros SUV's
## 1499 Sentra Automóviles Compactos
## 1500 Tiida Sedan Automóviles Compactos
## 1501 Versa Automóviles Compactos
## 1502 Tacoma- Camiones ligeros Pick Ups
## 1503 Jetta Automóviles Compactos
## 1504 Taos Camiones ligeros SUV's
## 1505 Tiguan- Camiones ligeros SUV's
## 1506 Q5 Camiones ligeros SUV's
## 1507 Serie 2 Coupé Automóviles De Lujo
## 1508 Serie 3 Automóviles De Lujo
## 1509 Crew Cab- Camiones ligeros Pick Ups
## 1510 Jeep Compass- Camiones ligeros SUV's
## 1511 Journey Camiones ligeros SUV's
## 1512 Promaster Camiones ligeros SUV's
## 1513 RAM 1500- Camiones ligeros Pick Ups
## 1514 RAM 2500- Camiones ligeros Pick Ups
## 1515 RAM 4000 Camiones ligeros Pick Ups
## 1516 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1517 Fiat 500- Automóviles Subcompactos
## 1518 Bronco Sport Camiones ligeros SUV's
## 1519 Maverick Camiones ligeros Pick Ups
## 1520 Avalanche UUV Camiones ligeros Pick Ups
## 1521 Aveo- Automóviles Subcompactos
## 1522 Blazer Camiones ligeros SUV's
## 1523 Captiva Sport Camiones ligeros SUV's
## 1524 Chevy 3 Ptas Automóviles Subcompactos
## 1525 Chevy 4 PTAS Automóviles Subcompactos
## 1526 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1527 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1528 Cruze 4 PTAS- Automóviles Compactos
## 1529 Cruze 5 Ptas Automóviles Compactos
## 1530 Equinox SUV- Camiones ligeros SUV's
## 1531 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1532 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1533 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1534 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1535 Onix Automóviles Compactos
## 1536 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1537 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1538 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1539 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1540 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1541 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1542 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1543 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1544 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1545 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1546 Sonic- Automóviles Subcompactos
## 1547 Sonic 5 PTS- Automóviles Subcompactos
## 1548 SRX SUV- Camiones ligeros SUV's
## 1549 Terrain SUV- Camiones ligeros SUV's
## 1550 Trax Camiones ligeros SUV's
## 1551 HR-V- Camiones ligeros SUV's
## 1552 Frison Camiones ligeros Pick Ups
## 1553 J7 Automóviles Compactos
## 1554 Sei2 Camiones ligeros SUV's
## 1555 X250 Camiones ligeros Pick Ups
## 1556 X350 Camiones ligeros Pick Ups
## 1557 Forte- Automóviles Compactos
## 1558 Forte Hatchback Automóviles Compactos
## 1559 Hyundai Accent Hatchback Automóviles Subcompactos
## 1560 Hyundai Accent Sedán Automóviles Subcompactos
## 1561 Kia Río Hatchback- Automóviles Subcompactos
## 1562 KIA Río Sedan- Automóviles Subcompactos
## 1563 CX-30 Camiones ligeros SUV's
## 1564 Mazda 2 Hatchback Automóviles Subcompactos
## 1565 Mazda 2 Sedán Automóviles Subcompactos
## 1566 Mazda 3 Hatchback Automóviles Compactos
## 1567 Mazda 3 Sedán- Automóviles Compactos
## 1568 GLB_ Camiones ligeros SUV's
## 1569 Kicks Camiones ligeros SUV's
## 1570 March Automóviles Subcompactos
## 1571 Note Automóviles Compactos
## 1572 NP300 Camiones ligeros Pick Ups
## 1573 NV 200 Cargo Camiones ligeros SUV's
## 1574 NV 200 NY TAXI Camiones ligeros SUV's
## 1575 QX50 Camiones ligeros SUV's
## 1576 QX55 Camiones ligeros SUV's
## 1577 Sentra Automóviles Compactos
## 1578 Tiida Sedan Automóviles Compactos
## 1579 Versa Automóviles Compactos
## 1580 Tacoma- Camiones ligeros Pick Ups
## 1581 Jetta Automóviles Compactos
## 1582 Taos Camiones ligeros SUV's
## 1583 Tiguan- Camiones ligeros SUV's
## 1584 Q5 Camiones ligeros SUV's
## 1585 Serie 2 Coupé Automóviles De Lujo
## 1586 Serie 3 Automóviles De Lujo
## 1587 Crew Cab- Camiones ligeros Pick Ups
## 1588 Jeep Compass- Camiones ligeros SUV's
## 1589 Journey Camiones ligeros SUV's
## 1590 Promaster Camiones ligeros SUV's
## 1591 RAM 1500- Camiones ligeros Pick Ups
## 1592 RAM 2500- Camiones ligeros Pick Ups
## 1593 RAM 4000 Camiones ligeros Pick Ups
## 1594 RAM 4000 Diesel Camiones ligeros Pick Ups
## 1595 Fiat 500- Automóviles Subcompactos
## 1596 Bronco Sport Camiones ligeros SUV's
## 1597 Maverick Camiones ligeros Pick Ups
## 1598 Mustang Mach-E Camiones ligeros SUV's
## 1599 Avalanche UUV Camiones ligeros Pick Ups
## 1600 Aveo- Automóviles Subcompactos
## 1601 Blazer Camiones ligeros SUV's
## 1602 Captiva Sport Camiones ligeros SUV's
## 1603 Chevy 3 Ptas Automóviles Subcompactos
## 1604 Chevy 4 PTAS Automóviles Subcompactos
## 1605 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1606 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1607 Cruze 4 PTAS- Automóviles Compactos
## 1608 Cruze 5 Ptas Automóviles Compactos
## 1609 Equinox SUV- Camiones ligeros SUV's
## 1610 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1611 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1612 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1613 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1614 Onix Automóviles Compactos
## 1615 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1616 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1617 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1618 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1619 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1620 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1621 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1622 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1623 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1624 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1625 Sonic- Automóviles Subcompactos
## 1626 Sonic 5 PTS- Automóviles Subcompactos
## 1627 SRX SUV- Camiones ligeros SUV's
## 1628 Terrain SUV- Camiones ligeros SUV's
## 1629 Trax Camiones ligeros SUV's
## 1630 HR-V- Camiones ligeros SUV's
## 1631 Frison Camiones ligeros Pick Ups
## 1632 GML X150 EV Camiones ligeros Pick Ups
## 1633 J7 Automóviles Compactos
## 1634 X 200 Camiones ligeros Pick Ups
## 1635 Forte- Automóviles Compactos
## 1636 Forte Hatchback Automóviles Compactos
## 1637 Hyundai Accent Hatchback Automóviles Subcompactos
## 1638 Hyundai Accent Sedán Automóviles Subcompactos
## 1639 Kia Río Hatchback- Automóviles Subcompactos
## 1640 KIA Río Sedan- Automóviles Subcompactos
## 1641 CX-30 Camiones ligeros SUV's
## 1642 Mazda 2 Hatchback Automóviles Subcompactos
## 1643 Mazda 2 Sedán Automóviles Subcompactos
## 1644 Mazda 3 Hatchback Automóviles Compactos
## 1645 Mazda 3 Sedán- Automóviles Compactos
## 1646 GLB_ Camiones ligeros SUV's
## 1647 Kicks Camiones ligeros SUV's
## 1648 March Automóviles Subcompactos
## 1649 Note Automóviles Compactos
## 1650 NP300 Camiones ligeros Pick Ups
## 1651 NV 200 Cargo Camiones ligeros SUV's
## 1652 NV 200 NY TAXI Camiones ligeros SUV's
## 1653 QX50 Camiones ligeros SUV's
## 1654 QX55 Camiones ligeros SUV's
## 1655 Sentra Automóviles Compactos
## 1656 Tiida Sedan Automóviles Compactos
## 1657 Versa Automóviles Compactos
## 1658 Tacoma- Camiones ligeros Pick Ups
## 1659 Jetta Automóviles Compactos
## 1660 Taos Camiones ligeros SUV's
## 1661 Tiguan- Camiones ligeros SUV's
## 1662 Q5 Camiones ligeros SUV's
## 1663 Serie 2 Coupé Automóviles De Lujo
## 1664 Serie 3 Automóviles De Lujo
## 1665 Crew Cab- Camiones ligeros Pick Ups
## 1666 Jeep Compass- Camiones ligeros SUV's
## 1667 Promaster Camiones ligeros SUV's
## 1668 RAM 1500- Camiones ligeros Pick Ups
## 1669 RAM 4000 Camiones ligeros Pick Ups
## 1670 Fiat 500- Automóviles Subcompactos
## 1671 Bronco Sport Camiones ligeros SUV's
## 1672 Maverick Camiones ligeros Pick Ups
## 1673 Mustang Mach-E Camiones ligeros SUV's
## 1674 Avalanche UUV Camiones ligeros Pick Ups
## 1675 Aveo- Automóviles Subcompactos
## 1676 Blazer Camiones ligeros SUV's
## 1677 Captiva Sport Camiones ligeros SUV's
## 1678 Chevy 3 Ptas Automóviles Subcompactos
## 1679 Chevy 4 PTAS Automóviles Subcompactos
## 1680 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1681 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1682 Cruze 4 PTAS- Automóviles Compactos
## 1683 Cruze 5 Ptas Automóviles Compactos
## 1684 Equinox SUV- Camiones ligeros SUV's
## 1685 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1686 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1687 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1688 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1689 Onix Automóviles Compactos
## 1690 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1691 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1692 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1693 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1694 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1695 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1696 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1697 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1698 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1699 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1700 Sonic- Automóviles Subcompactos
## 1701 Sonic 5 PTS- Automóviles Subcompactos
## 1702 SRX SUV- Camiones ligeros SUV's
## 1703 Terrain SUV- Camiones ligeros SUV's
## 1704 Trax Camiones ligeros SUV's
## 1705 HR-V- Camiones ligeros SUV's
## 1706 Frison Camiones ligeros Pick Ups
## 1707 X 200 Camiones ligeros Pick Ups
## 1708 X250 Camiones ligeros Pick Ups
## 1709 X350 Camiones ligeros Pick Ups
## 1710 Forte- Automóviles Compactos
## 1711 Forte Hatchback Automóviles Compactos
## 1712 Hyundai Accent Hatchback Automóviles Subcompactos
## 1713 Hyundai Accent Sedán Automóviles Subcompactos
## 1714 Kia Río Hatchback- Automóviles Subcompactos
## 1715 KIA Río Sedan- Automóviles Subcompactos
## 1716 CX-30 Camiones ligeros SUV's
## 1717 Mazda 2 Hatchback Automóviles Subcompactos
## 1718 Mazda 2 Sedán Automóviles Subcompactos
## 1719 Mazda 3 Hatchback Automóviles Compactos
## 1720 Mazda 3 Sedán- Automóviles Compactos
## 1721 GLB_ Camiones ligeros SUV's
## 1722 Kicks Camiones ligeros SUV's
## 1723 March Automóviles Subcompactos
## 1724 Note Automóviles Compactos
## 1725 NP300 Camiones ligeros Pick Ups
## 1726 NV 200 Cargo Camiones ligeros SUV's
## 1727 NV 200 NY TAXI Camiones ligeros SUV's
## 1728 QX50 Camiones ligeros SUV's
## 1729 QX55 Camiones ligeros SUV's
## 1730 Sentra Automóviles Compactos
## 1731 Tiida Sedan Automóviles Compactos
## 1732 Versa Automóviles Compactos
## 1733 Tacoma- Camiones ligeros Pick Ups
## 1734 Jetta Automóviles Compactos
## 1735 Taos Camiones ligeros SUV's
## 1736 Tiguan- Camiones ligeros SUV's
## 1737 Q5 Camiones ligeros SUV's
## 1738 Serie 2 Coupé Automóviles De Lujo
## 1739 Serie 3 Automóviles De Lujo
## 1740 Crew Cab- Camiones ligeros Pick Ups
## 1741 Jeep Compass- Camiones ligeros SUV's
## 1742 Promaster Camiones ligeros SUV's
## 1743 RAM 1500- Camiones ligeros Pick Ups
## 1744 RAM 4000 Camiones ligeros Pick Ups
## 1745 Fiat 500- Automóviles Subcompactos
## 1746 Bronco Sport Camiones ligeros SUV's
## 1747 Maverick Camiones ligeros Pick Ups
## 1748 Mustang Mach-E Camiones ligeros SUV's
## 1749 Avalanche UUV Camiones ligeros Pick Ups
## 1750 Aveo- Automóviles Subcompactos
## 1751 Blazer Camiones ligeros SUV's
## 1752 Captiva Sport Camiones ligeros SUV's
## 1753 Chevy 3 Ptas Automóviles Subcompactos
## 1754 Chevy 4 PTAS Automóviles Subcompactos
## 1755 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1756 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1757 Cruze 4 PTAS- Automóviles Compactos
## 1758 Cruze 5 Ptas Automóviles Compactos
## 1759 Equinox SUV- Camiones ligeros SUV's
## 1760 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1761 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1762 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1763 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1764 Onix Automóviles Compactos
## 1765 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1766 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1767 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1768 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1769 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1770 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1771 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1772 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1773 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1774 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1775 Sonic- Automóviles Subcompactos
## 1776 Sonic 5 PTS- Automóviles Subcompactos
## 1777 SRX SUV- Camiones ligeros SUV's
## 1778 Terrain SUV- Camiones ligeros SUV's
## 1779 Trax Camiones ligeros SUV's
## 1780 HR-V- Camiones ligeros SUV's
## 1781 X350 Camiones ligeros Pick Ups
## 1782 Forte- Automóviles Compactos
## 1783 Forte Hatchback Automóviles Compactos
## 1784 Hyundai Accent Hatchback Automóviles Subcompactos
## 1785 Hyundai Accent Sedán Automóviles Subcompactos
## 1786 Kia Río Hatchback- Automóviles Subcompactos
## 1787 KIA Río Sedan- Automóviles Subcompactos
## 1788 CX-30 Camiones ligeros SUV's
## 1789 Mazda 2 Hatchback Automóviles Subcompactos
## 1790 Mazda 2 Sedán Automóviles Subcompactos
## 1791 Mazda 3 Hatchback Automóviles Compactos
## 1792 Mazda 3 Sedán- Automóviles Compactos
## 1793 GLB_ Camiones ligeros SUV's
## 1794 Kicks Camiones ligeros SUV's
## 1795 March Automóviles Subcompactos
## 1796 Note Automóviles Compactos
## 1797 NP300 Camiones ligeros Pick Ups
## 1798 NV 200 Cargo Camiones ligeros SUV's
## 1799 NV 200 NY TAXI Camiones ligeros SUV's
## 1800 QX50 Camiones ligeros SUV's
## 1801 QX55 Camiones ligeros SUV's
## 1802 Sentra Automóviles Compactos
## 1803 Tiida Sedan Automóviles Compactos
## 1804 Versa Automóviles Compactos
## 1805 Tacoma- Camiones ligeros Pick Ups
## 1806 Jetta Automóviles Compactos
## 1807 Taos Camiones ligeros SUV's
## 1808 Tiguan- Camiones ligeros SUV's
## 1809 Q5 Camiones ligeros SUV's
## 1810 Serie 2 Coupé Automóviles De Lujo
## 1811 Serie 3 Automóviles De Lujo
## 1812 Crew Cab- Camiones ligeros Pick Ups
## 1813 Jeep Compass- Camiones ligeros SUV's
## 1814 Promaster Camiones ligeros SUV's
## 1815 RAM 1500- Camiones ligeros Pick Ups
## 1816 RAM 4000 Camiones ligeros Pick Ups
## 1817 Fiat 500- Automóviles Subcompactos
## 1818 Bronco Sport Camiones ligeros SUV's
## 1819 Maverick Camiones ligeros Pick Ups
## 1820 Mustang Mach-E Camiones ligeros SUV's
## 1821 Avalanche UUV Camiones ligeros Pick Ups
## 1822 Aveo- Automóviles Subcompactos
## 1823 Blazer Camiones ligeros SUV's
## 1824 Captiva Sport Camiones ligeros SUV's
## 1825 Chevy 3 Ptas Automóviles Subcompactos
## 1826 Chevy 4 PTAS Automóviles Subcompactos
## 1827 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1828 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1829 Cruze 4 PTAS- Automóviles Compactos
## 1830 Cruze 5 Ptas Automóviles Compactos
## 1831 Equinox SUV- Camiones ligeros SUV's
## 1832 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1833 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1834 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1835 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1836 Onix Automóviles Compactos
## 1837 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1838 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1839 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1840 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1841 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1842 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1843 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1844 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1845 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1846 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1847 Sonic- Automóviles Subcompactos
## 1848 Sonic 5 PTS- Automóviles Subcompactos
## 1849 SRX SUV- Camiones ligeros SUV's
## 1850 Terrain SUV- Camiones ligeros SUV's
## 1851 Trax Camiones ligeros SUV's
## 1852 HR-V- Camiones ligeros SUV's
## 1853 E J7 Automóviles Compactos
## 1854 E SUNRAY Camiones ligeros Minivans
## 1855 E X350 Camiones ligeros Pick Ups
## 1856 E 10X Automóviles Compactos
## 1857 Frison Camiones ligeros Pick Ups
## 1858 GML X150 EV Camiones ligeros Pick Ups
## 1859 J7 Automóviles Compactos
## 1860 Sei2 Camiones ligeros SUV's
## 1861 Sei3 Camiones ligeros SUV's
## 1862 Sei4 Pro Camiones ligeros SUV's
## 1863 SEI7 PRO Camiones ligeros SUV's
## 1864 SUNRAY Camiones ligeros Minivans
## 1865 X 200 Camiones ligeros Pick Ups
## 1866 X250 Camiones ligeros Pick Ups
## 1867 X350 Camiones ligeros Pick Ups
## 1868 Forte- Automóviles Compactos
## 1869 Forte Hatchback Automóviles Compactos
## 1870 Hyundai Accent Hatchback Automóviles Subcompactos
## 1871 Hyundai Accent Sedán Automóviles Subcompactos
## 1872 Kia Río Hatchback- Automóviles Subcompactos
## 1873 KIA Río Sedan- Automóviles Subcompactos
## 1874 CX-30 Camiones ligeros SUV's
## 1875 Mazda 2 Hatchback Automóviles Subcompactos
## 1876 Mazda 2 Sedán Automóviles Subcompactos
## 1877 Mazda 3 Hatchback Automóviles Compactos
## 1878 Mazda 3 Sedán- Automóviles Compactos
## 1879 GLB_ Camiones ligeros SUV's
## 1880 Kicks Camiones ligeros SUV's
## 1881 March Automóviles Subcompactos
## 1882 Note Automóviles Compactos
## 1883 NP300 Camiones ligeros Pick Ups
## 1884 NV 200 Cargo Camiones ligeros SUV's
## 1885 NV 200 NY TAXI Camiones ligeros SUV's
## 1886 QX50 Camiones ligeros SUV's
## 1887 QX55 Camiones ligeros SUV's
## 1888 Sentra Automóviles Compactos
## 1889 Tiida Sedan Automóviles Compactos
## 1890 Versa Automóviles Compactos
## 1891 Tacoma- Camiones ligeros Pick Ups
## 1892 Jetta Automóviles Compactos
## 1893 Taos Camiones ligeros SUV's
## 1894 Tiguan- Camiones ligeros SUV's
## 1895 Q5 Camiones ligeros SUV's
## 1896 Serie 2 Coupé Automóviles De Lujo
## 1897 Serie 3 Automóviles De Lujo
## 1898 Crew Cab- Camiones ligeros Pick Ups
## 1899 Jeep Compass- Camiones ligeros SUV's
## 1900 RAM 1500- Camiones ligeros Pick Ups
## 1901 RAM 4000 Camiones ligeros Pick Ups
## 1902 Fiat 500- Automóviles Subcompactos
## 1903 Bronco Sport Camiones ligeros SUV's
## 1904 Maverick Camiones ligeros Pick Ups
## 1905 Mustang Mach-E Camiones ligeros SUV's
## 1906 Avalanche UUV Camiones ligeros Pick Ups
## 1907 Aveo- Automóviles Subcompactos
## 1908 Blazer Camiones ligeros SUV's
## 1909 Captiva Sport Camiones ligeros SUV's
## 1910 Chevy 3 Ptas Automóviles Subcompactos
## 1911 Chevy 4 PTAS Automóviles Subcompactos
## 1912 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1913 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1914 Cruze 4 PTAS- Automóviles Compactos
## 1915 Cruze 5 Ptas Automóviles Compactos
## 1916 Equinox SUV- Camiones ligeros SUV's
## 1917 Escalade ESV SUV AWD Camiones ligeros Minivans
## 1918 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 1919 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 1920 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 1921 Onix Automóviles Compactos
## 1922 Sierra Cabina Regular Camiones ligeros Pick Ups
## 1923 Sierra Doble Cabina Camiones ligeros Pick Ups
## 1924 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1925 Silverado Cabina Regular Camiones ligeros Pick Ups
## 1926 Silverado Doble Cabina Camiones ligeros Pick Ups
## 1927 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 1928 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 1929 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 1930 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 1931 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 1932 Sonic- Automóviles Subcompactos
## 1933 Sonic 5 PTS- Automóviles Subcompactos
## 1934 SRX SUV- Camiones ligeros SUV's
## 1935 Terrain SUV- Camiones ligeros SUV's
## 1936 Trax Camiones ligeros SUV's
## 1937 Fit- Automóviles Subcompactos
## 1938 HR-V- Camiones ligeros SUV's
## 1939 E J7 Automóviles Compactos
## 1940 E X350 Camiones ligeros Pick Ups
## 1941 E 10X Automóviles Compactos
## 1942 Frison Camiones ligeros Pick Ups
## 1943 J7 Automóviles Compactos
## 1944 Sei2 Camiones ligeros SUV's
## 1945 Sei3 Camiones ligeros SUV's
## 1946 Sei4 Pro Camiones ligeros SUV's
## 1947 SEI7 PRO Camiones ligeros SUV's
## 1948 SUNRAY Camiones ligeros Minivans
## 1949 X 200 Camiones ligeros Pick Ups
## 1950 X250 Camiones ligeros Pick Ups
## 1951 X350 Camiones ligeros Pick Ups
## 1952 Forte- Automóviles Compactos
## 1953 Forte Hatchback Automóviles Compactos
## 1954 Hyundai Accent Hatchback Automóviles Subcompactos
## 1955 Hyundai Accent Sedán Automóviles Subcompactos
## 1956 Kia Río Hatchback- Automóviles Subcompactos
## 1957 KIA Río Sedan- Automóviles Subcompactos
## 1958 CX-30 Camiones ligeros SUV's
## 1959 Mazda 2 Hatchback Automóviles Subcompactos
## 1960 Mazda 2 Sedán Automóviles Subcompactos
## 1961 Mazda 3 Hatchback Automóviles Compactos
## 1962 Mazda 3 Sedán- Automóviles Compactos
## 1963 GLB_ Camiones ligeros SUV's
## 1964 Kicks Camiones ligeros SUV's
## 1965 March Automóviles Subcompactos
## 1966 Note Automóviles Compactos
## 1967 NP300 Camiones ligeros Pick Ups
## 1968 NV 200 Cargo Camiones ligeros SUV's
## 1969 NV 200 NY TAXI Camiones ligeros SUV's
## 1970 QX50 Camiones ligeros SUV's
## 1971 QX55 Camiones ligeros SUV's
## 1972 Sentra Automóviles Compactos
## 1973 Tiida Sedan Automóviles Compactos
## 1974 Versa Automóviles Compactos
## 1975 Tacoma- Camiones ligeros Pick Ups
## 1976 Jetta Automóviles Compactos
## 1977 Taos Camiones ligeros SUV's
## 1978 Tiguan- Camiones ligeros SUV's
## 1979 Q5 Camiones ligeros SUV's
## 1980 Serie 2 Coupé Automóviles De Lujo
## 1981 Serie 3 Automóviles De Lujo
## 1982 Crew Cab- Camiones ligeros Pick Ups
## 1983 Jeep Compass- Camiones ligeros SUV's
## 1984 Promaster Camiones ligeros SUV's
## 1985 RAM 1500- Camiones ligeros Pick Ups
## 1986 RAM 4000 Camiones ligeros Pick Ups
## 1987 Fiat 500- Automóviles Subcompactos
## 1988 Bronco Sport Camiones ligeros SUV's
## 1989 Maverick Camiones ligeros Pick Ups
## 1990 Mustang Mach-E Camiones ligeros SUV's
## 1991 Avalanche UUV Camiones ligeros Pick Ups
## 1992 Aveo- Automóviles Subcompactos
## 1993 Blazer Camiones ligeros SUV's
## 1994 Captiva Sport Camiones ligeros SUV's
## 1995 Chevy 3 Ptas Automóviles Subcompactos
## 1996 Chevy 4 PTAS Automóviles Subcompactos
## 1997 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 1998 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 1999 Cruze 4 PTAS- Automóviles Compactos
## 2000 Cruze 5 Ptas Automóviles Compactos
## 2001 Equinox SUV- Camiones ligeros SUV's
## 2002 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2003 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2004 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2005 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2006 Onix Automóviles Compactos
## 2007 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2008 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2009 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2010 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2011 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2012 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2013 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2014 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2015 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2016 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2017 Sonic- Automóviles Subcompactos
## 2018 Sonic 5 PTS- Automóviles Subcompactos
## 2019 SRX SUV- Camiones ligeros SUV's
## 2020 Terrain SUV- Camiones ligeros SUV's
## 2021 Trax Camiones ligeros SUV's
## 2022 HR-V- Camiones ligeros SUV's
## 2023 E Sei 4 Camiones ligeros SUV's
## 2024 E SUNRAY Camiones ligeros Minivans
## 2025 E X350 Camiones ligeros Pick Ups
## 2026 E 10X Automóviles Compactos
## 2027 Frison Camiones ligeros Pick Ups
## 2028 J7 Automóviles Compactos
## 2029 Sei2 Camiones ligeros SUV's
## 2030 Sei4 Pro Camiones ligeros SUV's
## 2031 SEI7 PRO Camiones ligeros SUV's
## 2032 SUNRAY Camiones ligeros Minivans
## 2033 X 200 Camiones ligeros Pick Ups
## 2034 X250 Camiones ligeros Pick Ups
## 2035 X350 Camiones ligeros Pick Ups
## 2036 Forte- Automóviles Compactos
## 2037 Forte Hatchback Automóviles Compactos
## 2038 Hyundai Accent Hatchback Automóviles Subcompactos
## 2039 Hyundai Accent Sedán Automóviles Subcompactos
## 2040 Kia Río Hatchback- Automóviles Subcompactos
## 2041 KIA Río Sedan- Automóviles Subcompactos
## 2042 CX-30 Camiones ligeros SUV's
## 2043 Mazda 2 Hatchback Automóviles Subcompactos
## 2044 Mazda 2 Sedán Automóviles Subcompactos
## 2045 Mazda 3 Hatchback Automóviles Compactos
## 2046 Mazda 3 Sedán- Automóviles Compactos
## 2047 GLB_ Camiones ligeros SUV's
## 2048 Kicks Camiones ligeros SUV's
## 2049 March Automóviles Subcompactos
## 2050 Note Automóviles Compactos
## 2051 NP300 Camiones ligeros Pick Ups
## 2052 NV 200 Cargo Camiones ligeros SUV's
## 2053 NV 200 NY TAXI Camiones ligeros SUV's
## 2054 QX50 Camiones ligeros SUV's
## 2055 QX55 Camiones ligeros SUV's
## 2056 Sentra Automóviles Compactos
## 2057 Tiida Sedan Automóviles Compactos
## 2058 Versa Automóviles Compactos
## 2059 Tacoma- Camiones ligeros Pick Ups
## 2060 Jetta Automóviles Compactos
## 2061 Taos Camiones ligeros SUV's
## 2062 Tiguan- Camiones ligeros SUV's
## 2063 Q5 Camiones ligeros SUV's
## 2064 Serie 2 Coupé Automóviles De Lujo
## 2065 Serie 3 Automóviles De Lujo
## 2066 Crew Cab- Camiones ligeros Pick Ups
## 2067 Jeep Compass- Camiones ligeros SUV's
## 2068 Promaster Camiones ligeros SUV's
## 2069 RAM 1500- Camiones ligeros Pick Ups
## 2070 RAM 4000 Camiones ligeros Pick Ups
## 2071 Fiat 500- Automóviles Subcompactos
## 2072 Bronco Sport Camiones ligeros SUV's
## 2073 Maverick Camiones ligeros Pick Ups
## 2074 Mustang Mach-E Camiones ligeros SUV's
## 2075 Avalanche UUV Camiones ligeros Pick Ups
## 2076 Aveo- Automóviles Subcompactos
## 2077 Blazer Camiones ligeros SUV's
## 2078 Captiva Sport Camiones ligeros SUV's
## 2079 Chevy 3 Ptas Automóviles Subcompactos
## 2080 Chevy 4 PTAS Automóviles Subcompactos
## 2081 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 2082 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 2083 Cruze 4 PTAS- Automóviles Compactos
## 2084 Cruze 5 Ptas Automóviles Compactos
## 2085 Equinox SUV- Camiones ligeros SUV's
## 2086 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2087 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2088 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2089 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2090 Onix Automóviles Compactos
## 2091 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2092 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2093 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2094 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2095 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2096 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2097 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2098 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2099 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2100 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2101 Sonic- Automóviles Subcompactos
## 2102 Sonic 5 PTS- Automóviles Subcompactos
## 2103 SRX SUV- Camiones ligeros SUV's
## 2104 Terrain SUV- Camiones ligeros SUV's
## 2105 Trax Camiones ligeros SUV's
## 2106 Fit- Automóviles Subcompactos
## 2107 HR-V- Camiones ligeros SUV's
## 2108 E Sei 4 Camiones ligeros SUV's
## 2109 E 10X Automóviles Compactos
## 2110 Frison Camiones ligeros Pick Ups
## 2111 J7 Automóviles Compactos
## 2112 Sei3 Camiones ligeros SUV's
## 2113 Sei4 Pro Camiones ligeros SUV's
## 2114 SEI7 PRO Camiones ligeros SUV's
## 2115 SUNRAY Camiones ligeros Minivans
## 2116 X 200 Camiones ligeros Pick Ups
## 2117 X350 Camiones ligeros Pick Ups
## 2118 Forte- Automóviles Compactos
## 2119 Forte Hatchback Automóviles Compactos
## 2120 Hyundai Accent Hatchback Automóviles Subcompactos
## 2121 Hyundai Accent Sedán Automóviles Subcompactos
## 2122 Kia Río Hatchback- Automóviles Subcompactos
## 2123 KIA Río Sedan- Automóviles Subcompactos
## 2124 CX-30 Camiones ligeros SUV's
## 2125 Mazda 2 Hatchback Automóviles Subcompactos
## 2126 Mazda 2 Sedán Automóviles Subcompactos
## 2127 Mazda 3 Hatchback Automóviles Compactos
## 2128 Mazda 3 Sedán- Automóviles Compactos
## 2129 Clase A Sedán_ Automóviles De Lujo
## 2130 GLB_ Camiones ligeros SUV's
## 2131 Kicks Camiones ligeros SUV's
## 2132 March Automóviles Subcompactos
## 2133 Note Automóviles Compactos
## 2134 NP300 Camiones ligeros Pick Ups
## 2135 NV 200 Cargo Camiones ligeros SUV's
## 2136 NV 200 NY TAXI Camiones ligeros SUV's
## 2137 QX50 Camiones ligeros SUV's
## 2138 QX55 Camiones ligeros SUV's
## 2139 Sentra Automóviles Compactos
## 2140 Tiida Sedan Automóviles Compactos
## 2141 Versa Automóviles Compactos
## 2142 Tacoma- Camiones ligeros Pick Ups
## 2143 Jetta Automóviles Compactos
## 2144 Taos Camiones ligeros SUV's
## 2145 Tiguan- Camiones ligeros SUV's
## 2146 Q5 Camiones ligeros SUV's
## 2147 Serie 2 Coupé Automóviles De Lujo
## 2148 Serie 3 Automóviles De Lujo
## 2149 Crew Cab- Camiones ligeros Pick Ups
## 2150 Jeep Compass- Camiones ligeros SUV's
## 2151 Promaster Camiones ligeros SUV's
## 2152 RAM 1500- Camiones ligeros Pick Ups
## 2153 RAM 4000 Camiones ligeros Pick Ups
## 2154 Fiat 500- Automóviles Subcompactos
## 2155 Bronco Sport Camiones ligeros SUV's
## 2156 Maverick Camiones ligeros Pick Ups
## 2157 Mustang Mach-E Camiones ligeros SUV's
## 2158 Avalanche UUV Camiones ligeros Pick Ups
## 2159 Aveo- Automóviles Subcompactos
## 2160 Blazer Camiones ligeros SUV's
## 2161 Captiva Sport Camiones ligeros SUV's
## 2162 Chevy 3 Ptas Automóviles Subcompactos
## 2163 Chevy 4 PTAS Automóviles Subcompactos
## 2164 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 2165 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 2166 Cruze 4 PTAS- Automóviles Compactos
## 2167 Cruze 5 Ptas Automóviles Compactos
## 2168 Equinox SUV- Camiones ligeros SUV's
## 2169 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2170 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2171 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2172 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2173 Onix Automóviles Compactos
## 2174 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2175 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2176 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2177 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2178 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2179 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2180 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2181 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2182 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2183 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2184 Sonic- Automóviles Subcompactos
## 2185 Sonic 5 PTS- Automóviles Subcompactos
## 2186 SRX SUV- Camiones ligeros SUV's
## 2187 Terrain SUV- Camiones ligeros SUV's
## 2188 Trax Camiones ligeros SUV's
## 2189 Fit- Automóviles Subcompactos
## 2190 HR-V- Camiones ligeros SUV's
## 2191 E J7 Automóviles Compactos
## 2192 E Sei 4 Camiones ligeros SUV's
## 2193 E 10X Automóviles Compactos
## 2194 Frison Camiones ligeros Pick Ups
## 2195 GML X150 EV Camiones ligeros Pick Ups
## 2196 J7 Automóviles Compactos
## 2197 Sei4 Pro Camiones ligeros SUV's
## 2198 SEI7 PRO Camiones ligeros SUV's
## 2199 SUNRAY Camiones ligeros Minivans
## 2200 X 200 Camiones ligeros Pick Ups
## 2201 X250 Camiones ligeros Pick Ups
## 2202 X350 Camiones ligeros Pick Ups
## 2203 Forte- Automóviles Compactos
## 2204 Forte Hatchback Automóviles Compactos
## 2205 Hyundai Accent Hatchback Automóviles Subcompactos
## 2206 Hyundai Accent Sedán Automóviles Subcompactos
## 2207 Kia Río Hatchback- Automóviles Subcompactos
## 2208 KIA Río Sedan- Automóviles Subcompactos
## 2209 CX-30 Camiones ligeros SUV's
## 2210 Mazda 2 Hatchback Automóviles Subcompactos
## 2211 Mazda 2 Sedán Automóviles Subcompactos
## 2212 Mazda 3 Hatchback Automóviles Compactos
## 2213 Mazda 3 Sedán- Automóviles Compactos
## 2214 GLB_ Camiones ligeros SUV's
## 2215 Kicks Camiones ligeros SUV's
## 2216 March Automóviles Subcompactos
## 2217 Note Automóviles Compactos
## 2218 NP300 Camiones ligeros Pick Ups
## 2219 NV 200 Cargo Camiones ligeros SUV's
## 2220 NV 200 NY TAXI Camiones ligeros SUV's
## 2221 QX50 Camiones ligeros SUV's
## 2222 QX55 Camiones ligeros SUV's
## 2223 Sentra Automóviles Compactos
## 2224 Tiida Sedan Automóviles Compactos
## 2225 Versa Automóviles Compactos
## 2226 Tacoma- Camiones ligeros Pick Ups
## 2227 Jetta Automóviles Compactos
## 2228 Taos Camiones ligeros SUV's
## 2229 Tiguan- Camiones ligeros SUV's
## 2230 Q5 Camiones ligeros SUV's
## 2231 Serie 2 Coupé Automóviles De Lujo
## 2232 Serie 3 Automóviles De Lujo
## 2233 Crew Cab- Camiones ligeros Pick Ups
## 2234 Jeep Compass- Camiones ligeros SUV's
## 2235 Promaster Camiones ligeros SUV's
## 2236 RAM 1500- Camiones ligeros Pick Ups
## 2237 RAM 4000 Camiones ligeros Pick Ups
## 2238 Fiat 500- Automóviles Subcompactos
## 2239 Bronco Sport Camiones ligeros SUV's
## 2240 Maverick Camiones ligeros Pick Ups
## 2241 Mustang Mach-E Camiones ligeros SUV's
## 2242 Avalanche UUV Camiones ligeros Pick Ups
## 2243 Aveo- Automóviles Subcompactos
## 2244 Blazer Camiones ligeros SUV's
## 2245 Captiva Sport Camiones ligeros SUV's
## 2246 Chevy 3 Ptas Automóviles Subcompactos
## 2247 Chevy 4 PTAS Automóviles Subcompactos
## 2248 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 2249 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 2250 Cruze 4 PTAS- Automóviles Compactos
## 2251 Cruze 5 Ptas Automóviles Compactos
## 2252 Equinox SUV- Camiones ligeros SUV's
## 2253 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2254 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2255 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2256 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2257 Onix Automóviles Compactos
## 2258 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2259 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2260 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2261 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2262 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2263 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2264 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2265 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2266 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2267 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2268 Sonic- Automóviles Subcompactos
## 2269 Sonic 5 PTS- Automóviles Subcompactos
## 2270 SRX SUV- Camiones ligeros SUV's
## 2271 Terrain SUV- Camiones ligeros SUV's
## 2272 Trax Camiones ligeros SUV's
## 2273 Fit- Automóviles Subcompactos
## 2274 HR-V- Camiones ligeros SUV's
## 2275 E J7 Automóviles Compactos
## 2276 E Sei 4 Camiones ligeros SUV's
## 2277 E 10X Automóviles Compactos
## 2278 Frison Camiones ligeros Pick Ups
## 2279 J7 Automóviles Compactos
## 2280 Sei4 Pro Camiones ligeros SUV's
## 2281 SEI7 PRO Camiones ligeros SUV's
## 2282 SUNRAY Camiones ligeros Minivans
## 2283 X 200 Camiones ligeros Pick Ups
## 2284 X250 Camiones ligeros Pick Ups
## 2285 X350 Camiones ligeros Pick Ups
## 2286 Forte- Automóviles Compactos
## 2287 Forte Hatchback Automóviles Compactos
## 2288 Hyundai Accent Hatchback Automóviles Subcompactos
## 2289 Hyundai Accent Sedán Automóviles Subcompactos
## 2290 Kia Río Hatchback- Automóviles Subcompactos
## 2291 KIA Río Sedan- Automóviles Subcompactos
## 2292 CX-30 Camiones ligeros SUV's
## 2293 Mazda 2 Hatchback Automóviles Subcompactos
## 2294 Mazda 2 Sedán Automóviles Subcompactos
## 2295 Mazda 3 Hatchback Automóviles Compactos
## 2296 Mazda 3 Sedán- Automóviles Compactos
## 2297 GLB_ Camiones ligeros SUV's
## 2298 Kicks Camiones ligeros SUV's
## 2299 March Automóviles Subcompactos
## 2300 Note Automóviles Compactos
## 2301 NP300 Camiones ligeros Pick Ups
## 2302 NV 200 Cargo Camiones ligeros SUV's
## 2303 NV 200 NY TAXI Camiones ligeros SUV's
## 2304 QX50 Camiones ligeros SUV's
## 2305 QX55 Camiones ligeros SUV's
## 2306 Sentra Automóviles Compactos
## 2307 Tiida Sedan Automóviles Compactos
## 2308 Versa Automóviles Compactos
## 2309 Tacoma- Camiones ligeros Pick Ups
## 2310 Jetta Automóviles Compactos
## 2311 Taos Camiones ligeros SUV's
## 2312 Tiguan- Camiones ligeros SUV's
## 2313 Q5 Camiones ligeros SUV's
## 2314 Serie 2 Coupé Automóviles De Lujo
## 2315 Serie 3 Automóviles De Lujo
## 2316 Crew Cab- Camiones ligeros Pick Ups
## 2317 Jeep Compass- Camiones ligeros SUV's
## 2318 Promaster Camiones ligeros SUV's
## 2319 RAM 1500- Camiones ligeros Pick Ups
## 2320 RAM 4000 Camiones ligeros Pick Ups
## 2321 Fiat 500- Automóviles Subcompactos
## 2322 Bronco Sport Camiones ligeros SUV's
## 2323 Maverick Camiones ligeros Pick Ups
## 2324 Mustang Mach-E Camiones ligeros SUV's
## 2325 Avalanche UUV Camiones ligeros Pick Ups
## 2326 Aveo- Automóviles Subcompactos
## 2327 Blazer Camiones ligeros SUV's
## 2328 Captiva Sport Camiones ligeros SUV's
## 2329 Chevy 3 Ptas Automóviles Subcompactos
## 2330 Chevy 4 PTAS Automóviles Subcompactos
## 2331 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 2332 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 2333 Cruze 4 PTAS- Automóviles Compactos
## 2334 Cruze 5 Ptas Automóviles Compactos
## 2335 Equinox SUV- Camiones ligeros SUV's
## 2336 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2337 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2338 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2339 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2340 Onix Automóviles Compactos
## 2341 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2342 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2343 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2344 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2345 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2346 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2347 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2348 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2349 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2350 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2351 Sonic- Automóviles Subcompactos
## 2352 Sonic 5 PTS- Automóviles Subcompactos
## 2353 SRX SUV- Camiones ligeros SUV's
## 2354 Terrain SUV- Camiones ligeros SUV's
## 2355 Trax Camiones ligeros SUV's
## 2356 HR-V- Camiones ligeros SUV's
## 2357 E J7 Automóviles Compactos
## 2358 E SUNRAY Camiones ligeros Minivans
## 2359 E X350 Camiones ligeros Pick Ups
## 2360 E 10X Automóviles Compactos
## 2361 ESei4 Pro Camiones ligeros SUV's
## 2362 Frison Camiones ligeros Pick Ups
## 2363 J7 Automóviles Compactos
## 2364 Sei3 Camiones ligeros SUV's
## 2365 Sei4 Pro Camiones ligeros SUV's
## 2366 SEI7 PRO Camiones ligeros SUV's
## 2367 SUNRAY Camiones ligeros Minivans
## 2368 X 200 Camiones ligeros Pick Ups
## 2369 X250 Camiones ligeros Pick Ups
## 2370 X350 Camiones ligeros Pick Ups
## 2371 Forte- Automóviles Compactos
## 2372 Forte Hatchback Automóviles Compactos
## 2373 Hyundai Accent Hatchback Automóviles Subcompactos
## 2374 Hyundai Accent Sedán Automóviles Subcompactos
## 2375 Kia Río Hatchback- Automóviles Subcompactos
## 2376 KIA Río Sedan- Automóviles Subcompactos
## 2377 CX-30 Camiones ligeros SUV's
## 2378 Mazda 2 Hatchback Automóviles Subcompactos
## 2379 Mazda 2 Sedán Automóviles Subcompactos
## 2380 Mazda 3 Hatchback Automóviles Compactos
## 2381 Mazda 3 Sedán- Automóviles Compactos
## 2382 GLB_ Camiones ligeros SUV's
## 2383 Kicks Camiones ligeros SUV's
## 2384 March Automóviles Subcompactos
## 2385 Note Automóviles Compactos
## 2386 NP300 Camiones ligeros Pick Ups
## 2387 NV 200 Cargo Camiones ligeros SUV's
## 2388 NV 200 NY TAXI Camiones ligeros SUV's
## 2389 QX50 Camiones ligeros SUV's
## 2390 QX55 Camiones ligeros SUV's
## 2391 Sentra Automóviles Compactos
## 2392 Tiida Sedan Automóviles Compactos
## 2393 Versa Automóviles Compactos
## 2394 Tacoma- Camiones ligeros Pick Ups
## 2395 Jetta Automóviles Compactos
## 2396 Taos Camiones ligeros SUV's
## 2397 Tiguan- Camiones ligeros SUV's
## 2398 Q5 Camiones ligeros SUV's
## 2399 Serie 2 Coupé Automóviles De Lujo
## 2400 Serie 3 Automóviles De Lujo
## 2401 Crew Cab- Camiones ligeros Pick Ups
## 2402 Jeep Compass- Camiones ligeros SUV's
## 2403 Promaster Camiones ligeros SUV's
## 2404 RAM 1500- Camiones ligeros Pick Ups
## 2405 RAM 4000 Camiones ligeros Pick Ups
## 2406 Fiat 500- Automóviles Subcompactos
## 2407 Bronco Sport Camiones ligeros SUV's
## 2408 Maverick Camiones ligeros Pick Ups
## 2409 Mustang Mach-E Camiones ligeros SUV's
## 2410 Avalanche UUV Camiones ligeros Pick Ups
## 2411 Aveo- Automóviles Subcompactos
## 2412 Blazer Camiones ligeros SUV's
## 2413 Captiva Sport Camiones ligeros SUV's
## 2414 Chevy 3 Ptas Automóviles Subcompactos
## 2415 Chevy 4 PTAS Automóviles Subcompactos
## 2416 Cheyenne Doble Cabina Camiones ligeros Pick Ups
## 2417 Cheyenne Cabina Regular Camiones ligeros Pick Ups
## 2418 Cruze 4 PTAS- Automóviles Compactos
## 2419 Cruze 5 Ptas Automóviles Compactos
## 2420 Equinox SUV- Camiones ligeros SUV's
## 2421 Escalade ESV SUV AWD Camiones ligeros Minivans
## 2422 Escalade EXT UUV 4X4 Camiones ligeros Minivans
## 2423 GMC Sierra Doble Cabina Camiones ligeros Pick Ups
## 2424 Kodiak Chassis Cab Class 7 PBV33,000 Camiones ligeros Pick Ups
## 2425 Onix Automóviles Compactos
## 2426 Sierra Cabina Regular Camiones ligeros Pick Ups
## 2427 Sierra Doble Cabina Camiones ligeros Pick Ups
## 2428 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2429 Silverado Cabina Regular Camiones ligeros Pick Ups
## 2430 Silverado Doble Cabina Camiones ligeros Pick Ups
## 2431 Silverado 1500 Cabina Regular- Camiones ligeros Pick Ups
## 2432 Silverado 2500 Cabina Regular- Camiones ligeros Pick Ups
## 2433 Silverado 2500 Doble Cabina- Camiones ligeros Pick Ups
## 2434 Silverado 3500 Chassis Cab Camiones ligeros Pick Ups
## 2435 Silverado 3500 HD Chassis Cab Heavy Duty Camiones ligeros Pick Ups
## 2436 Sonic- Automóviles Subcompactos
## 2437 Sonic 5 PTS- Automóviles Subcompactos
## 2438 SRX SUV- Camiones ligeros SUV's
## 2439 Terrain SUV- Camiones ligeros SUV's
## 2440 Trax Camiones ligeros SUV's
## 2441 HR-V- Camiones ligeros SUV's
## 2442 E J7 Automóviles Compactos
## 2443 E 10X Automóviles Compactos
## 2444 ESei4 Pro Camiones ligeros SUV's
## 2445 Frison Camiones ligeros Pick Ups
## 2446 J7 Automóviles Compactos
## 2447 Sei2 Camiones ligeros SUV's
## 2448 Sei3 Camiones ligeros SUV's
## 2449 Sei4 Camiones ligeros SUV's
## 2450 SEI7 PRO Camiones ligeros SUV's
## 2451 SUNRAY Camiones ligeros Minivans
## 2452 X 200 Camiones ligeros Pick Ups
## 2453 X350 Camiones ligeros Pick Ups
## 2454 Forte- Automóviles Compactos
## 2455 Forte Hatchback Automóviles Compactos
## 2456 Hyundai Accent Hatchback Automóviles Subcompactos
## 2457 Hyundai Accent Sedán Automóviles Subcompactos
## 2458 Kia Río Hatchback- Automóviles Subcompactos
## 2459 KIA Río Sedan- Automóviles Subcompactos
## 2460 CX-30 Camiones ligeros SUV's
## 2461 Mazda 2 Hatchback Automóviles Subcompactos
## 2462 Mazda 2 Sedán Automóviles Subcompactos
## 2463 Mazda 3 Hatchback Automóviles Compactos
## 2464 Mazda 3 Sedán- Automóviles Compactos
## 2465 GLB_ Camiones ligeros SUV's
## 2466 Kicks Camiones ligeros SUV's
## 2467 March Automóviles Subcompactos
## 2468 Note Automóviles Compactos
## 2469 NP300 Camiones ligeros Pick Ups
## 2470 NV 200 Cargo Camiones ligeros SUV's
## 2471 NV 200 NY TAXI Camiones ligeros SUV's
## 2472 QX50 Camiones ligeros SUV's
## 2473 QX55 Camiones ligeros SUV's
## 2474 Sentra Automóviles Compactos
## 2475 Tiida Sedan Automóviles Compactos
## 2476 Versa Automóviles Compactos
## 2477 Tacoma- Camiones ligeros Pick Ups
## 2478 Jetta Automóviles Compactos
## 2479 Taos Camiones ligeros SUV's
## 2480 Tiguan- Camiones ligeros SUV's
## UNI_VEH
## 1 10150
## 2 4527
## 3 13095
## 4 13872
## 5 3814
## 6 5919
## 7 1022
## 8 771
## 9 1258
## 10 NA
## 11 NA
## 12 18442
## 13 3824
## 14 1662
## 15 396
## 16 NA
## 17 NA
## 18 8826
## 19 NA
## 20 NA
## 21 NA
## 22 NA
## 23 NA
## 24 NA
## 25 NA
## 26 12891
## 27 NA
## 28 NA
## 29 NA
## 30 NA
## 31 6779
## 32 1051
## 33 10012
## 34 NA
## 35 4101
## 36 19759
## 37 NA
## 38 NA
## 39 NA
## 40 NA
## 41 NA
## 42 NA
## 43 NA
## 44 NA
## 45 8190
## 46 4567
## 47 5478
## 48 7830
## 49 50
## 50 42
## 51 222
## 52 84
## 53 80
## 54 11
## 55 52
## 56 11842
## 57 NA
## 58 575
## 59 2570
## 60 3032
## 61 6281
## 62 11088
## 63 1849
## 64 1199
## 65 NA
## 66 5020
## 67 NA
## 68 6651
## 69 12413
## 70 4011
## 71 NA
## 72 7097
## 73 2284
## 74 NA
## 75 3688
## 76 11106
## 77 NA
## 78 16808
## 79 14513
## 80 389
## 81 NA
## 82 NA
## 83 3464
## 84 NA
## 85 15018
## 86 NA
## 87 18410
## 88 15393
## 89 4860
## 90 18308
## 91 17727
## 92 5640
## 93 5197
## 94 871
## 95 1312
## 96 2321
## 97 NA
## 98 NA
## 99 41
## 100 17478
## 101 4409
## 102 2342
## 103 302
## 104 9
## 105 NA
## 106 NA
## 107 8217
## 108 NA
## 109 NA
## 110 NA
## 111 NA
## 112 NA
## 113 NA
## 114 NA
## 115 14804
## 116 NA
## 117 NA
## 118 NA
## 119 NA
## 120 4602
## 121 857
## 122 9083
## 123 4754
## 124 NA
## 125 19783
## 126 NA
## 127 NA
## 128 NA
## 129 NA
## 130 NA
## 131 NA
## 132 NA
## 133 NA
## 134 7738
## 135 4722
## 136 5185
## 137 7573
## 138 111
## 139 45
## 140 40
## 141 199
## 142 106
## 143 46
## 144 11
## 145 10471
## 146 NA
## 147 321
## 148 2634
## 149 1619
## 150 5955
## 151 10461
## 152 1894
## 153 685
## 154 NA
## 155 3316
## 156 NA
## 157 8075
## 158 11484
## 159 3749
## 160 NA
## 161 6585
## 162 1974
## 163 NA
## 164 3939
## 165 14815
## 166 NA
## 167 17055
## 168 14604
## 169 739
## 170 3229
## 171 14037
## 172 NA
## 173 13981
## 174 8609
## 175 4322
## 176 6193
## 177 11055
## 178 2671
## 179 3225
## 180 3193
## 181 17
## 182 4481
## 183 NA
## 184 NA
## 185 51
## 186 11204
## 187 2721
## 188 1780
## 189 323
## 190 97
## 191 NA
## 192 NA
## 193 8376
## 194 NA
## 195 NA
## 196 NA
## 197 NA
## 198 NA
## 199 NA
## 200 NA
## 201 15040
## 202 NA
## 203 NA
## 204 NA
## 205 NA
## 206 2612
## 207 1020
## 208 10248
## 209 3204
## 210 NA
## 211 16952
## 212 NA
## 213 NA
## 214 NA
## 215 NA
## 216 NA
## 217 NA
## 218 NA
## 219 NA
## 220 5200
## 221 3765
## 222 3399
## 223 5934
## 224 72
## 225 1
## 226 140
## 227 102
## 228 84
## 229 13080
## 230 NA
## 231 574
## 232 2714
## 233 2380
## 234 7252
## 235 8587
## 236 1761
## 237 709
## 238 NA
## 239 2338
## 240 NA
## 241 6741
## 242 9628
## 243 2125
## 244 NA
## 245 5445
## 246 1632
## 247 NA
## 248 1281
## 249 12583
## 250 NA
## 251 13718
## 252 10786
## 253 723
## 254 9
## 255 12974
## 256 16643
## 257 NA
## 258 NA
## 259 NA
## 260 NA
## 261 NA
## 262 NA
## 263 NA
## 264 NA
## 265 NA
## 266 NA
## 267 NA
## 268 1
## 269 17
## 270 NA
## 271 NA
## 272 NA
## 273 NA
## 274 NA
## 275 NA
## 276 NA
## 277 NA
## 278 NA
## 279 NA
## 280 NA
## 281 NA
## 282 NA
## 283 NA
## 284 NA
## 285 NA
## 286 1907
## 287 NA
## 288 1
## 289 480
## 290 344
## 291 972
## 292 NA
## 293 NA
## 294 NA
## 295 NA
## 296 NA
## 297 NA
## 298 NA
## 299 NA
## 300 NA
## 301 NA
## 302 NA
## 303 NA
## 304 NA
## 305 NA
## 306 336
## 307 635
## 308 1154
## 309 236
## 310 468
## 311 393
## 312 NA
## 313 405
## 314 NA
## 315 NA
## 316 432
## 317 106
## 318 56
## 319 13
## 320 16
## 321 NA
## 322 NA
## 323 1080
## 324 NA
## 325 NA
## 326 NA
## 327 NA
## 328 NA
## 329 NA
## 330 NA
## 331 2052
## 332 NA
## 333 NA
## 334 NA
## 335 NA
## 336 515
## 337 85
## 338 1110
## 339 409
## 340 NA
## 341 2082
## 342 NA
## 343 NA
## 344 NA
## 345 NA
## 346 NA
## 347 NA
## 348 NA
## 349 NA
## 350 980
## 351 657
## 352 482
## 353 659
## 354 NA
## 355 1401
## 356 NA
## 357 NA
## 358 300
## 359 187
## 360 412
## 361 63
## 362 13
## 363 5
## 364 NA
## 365 16
## 366 NA
## 367 267
## 368 NA
## 369 NA
## 370 NA
## 371 4
## 372 NA
## 373 NA
## 374 33
## 375 2087
## 376 NA
## 377 NA
## 378 3705
## 379 8
## 380 NA
## 381 NA
## 382 NA
## 383 2059
## 384 3458
## 385 10283
## 386 14214
## 387 4950
## 388 5089
## 389 4154
## 390 3
## 391 6808
## 392 NA
## 393 NA
## 394 14
## 395 12868
## 396 4449
## 397 2302
## 398 352
## 399 6
## 400 NA
## 401 NA
## 402 8868
## 403 NA
## 404 NA
## 405 NA
## 406 NA
## 407 NA
## 408 NA
## 409 NA
## 410 15165
## 411 NA
## 412 NA
## 413 NA
## 414 NA
## 415 3975
## 416 235
## 417 10015
## 418 NA
## 419 2325
## 420 20221
## 421 NA
## 422 NA
## 423 NA
## 424 NA
## 425 NA
## 426 NA
## 427 NA
## 428 NA
## 429 7855
## 430 5439
## 431 4328
## 432 8562
## 433 108
## 434 32
## 435 50
## 436 134
## 437 52
## 438 9
## 439 10956
## 440 NA
## 441 6
## 442 520
## 443 1154
## 444 2814
## 445 5930
## 446 2166
## 447 204
## 448 NA
## 449 657
## 450 NA
## 451 7747
## 452 6062
## 453 1940
## 454 NA
## 455 2670
## 456 958
## 457 NA
## 458 587
## 459 13999
## 460 NA
## 461 8710
## 462 13165
## 463 2589
## 464 859
## 465 4556
## 466 3527
## 467 13134
## 468 6013
## 469 12315
## 470 1255
## 471 462
## 472 5946
## 473 3092
## 474 11
## 475 8683
## 476 NA
## 477 NA
## 478 129
## 479 23252
## 480 3616
## 481 12
## 482 NA
## 483 NA
## 484 9587
## 485 NA
## 486 NA
## 487 NA
## 488 NA
## 489 NA
## 490 NA
## 491 NA
## 492 15915
## 493 NA
## 494 NA
## 495 NA
## 496 NA
## 497 3453
## 498 142
## 499 11512
## 500 NA
## 501 445
## 502 24269
## 503 NA
## 504 NA
## 505 NA
## 506 NA
## 507 NA
## 508 NA
## 509 NA
## 510 NA
## 511 10667
## 512 6166
## 513 4111
## 514 8534
## 515 143
## 516 NA
## 517 146
## 518 34
## 519 20
## 520 22
## 521 36
## 522 9438
## 523 NA
## 524 247
## 525 891
## 526 788
## 527 2636
## 528 7838
## 529 696
## 530 498
## 531 NA
## 532 1084
## 533 NA
## 534 6786
## 535 8778
## 536 3035
## 537 NA
## 538 5712
## 539 1263
## 540 NA
## 541 616
## 542 12789
## 543 NA
## 544 10817
## 545 15568
## 546 819
## 547 1764
## 548 15752
## 549 20878
## 550 15331
## 551 7049
## 552 14069
## 553 15154
## 554 3850
## 555 5384
## 556 1910
## 557 39
## 558 8382
## 559 NA
## 560 NA
## 561 126
## 562 NA
## 563 NA
## 564 4115
## 565 NA
## 566 NA
## 567 NA
## 568 NA
## 569 NA
## 570 NA
## 571 NA
## 572 15856
## 573 NA
## 574 NA
## 575 NA
## 576 NA
## 577 591
## 578 170
## 579 12136
## 580 712
## 581 NA
## 582 22210
## 583 NA
## 584 NA
## 585 NA
## 586 NA
## 587 NA
## 588 NA
## 589 NA
## 590 NA
## 591 7280
## 592 6143
## 593 5161
## 594 9809
## 595 135
## 596 149
## 597 24
## 598 8
## 599 9
## 600 2
## 601 66
## 602 10333
## 603 NA
## 604 NA
## 605 1227
## 606 1659
## 607 4181
## 608 9269
## 609 1205
## 610 279
## 611 NA
## 612 3163
## 613 NA
## 614 8268
## 615 9936
## 616 5821
## 617 NA
## 618 7429
## 619 1661
## 620 NA
## 621 3015
## 622 37
## 623 16066
## 624 NA
## 625 14170
## 626 16759
## 627 526
## 628 1918
## 629 14979
## 630 13968
## 631 16766
## 632 6590
## 633 13616
## 634 17980
## 635 4692
## 636 5296
## 637 3249
## 638 21
## 639 7550
## 640 NA
## 641 NA
## 642 300
## 643 24
## 644 NA
## 645 NA
## 646 9590
## 647 NA
## 648 NA
## 649 NA
## 650 NA
## 651 NA
## 652 NA
## 653 NA
## 654 16678
## 655 NA
## 656 NA
## 657 NA
## 658 NA
## 659 4384
## 660 63
## 661 10225
## 662 1044
## 663 NA
## 664 22669
## 665 NA
## 666 NA
## 667 NA
## 668 NA
## 669 NA
## 670 NA
## 671 NA
## 672 NA
## 673 10171
## 674 1572
## 675 3059
## 676 9726
## 677 30
## 678 28
## 679 2
## 680 38
## 681 77
## 682 22
## 683 11166
## 684 NA
## 685 NA
## 686 1646
## 687 1958
## 688 5030
## 689 9782
## 690 1706
## 691 221
## 692 NA
## 693 3479
## 694 NA
## 695 10542
## 696 6849
## 697 4229
## 698 NA
## 699 6982
## 700 1825
## 701 NA
## 702 3101
## 703 64
## 704 14689
## 705 NA
## 706 12329
## 707 18553
## 708 314
## 709 2680
## 710 13368
## 711 15999
## 712 16278
## 713 6840
## 714 15232
## 715 12366
## 716 5034
## 717 6606
## 718 2713
## 719 20
## 720 8041
## 721 NA
## 722 NA
## 723 844
## 724 736
## 725 NA
## 726 NA
## 727 9668
## 728 NA
## 729 NA
## 730 NA
## 731 NA
## 732 NA
## 733 NA
## 734 NA
## 735 18273
## 736 NA
## 737 NA
## 738 NA
## 739 NA
## 740 4505
## 741 862
## 742 10756
## 743 1185
## 744 NA
## 745 23738
## 746 NA
## 747 NA
## 748 NA
## 749 NA
## 750 NA
## 751 NA
## 752 NA
## 753 NA
## 754 10751
## 755 NA
## 756 2041
## 757 12915
## 758 108
## 759 4
## 760 80
## 761 13184
## 762 NA
## 763 NA
## 764 2667
## 765 2184
## 766 5165
## 767 10744
## 768 2467
## 769 614
## 770 NA
## 771 1095
## 772 NA
## 773 12116
## 774 10688
## 775 6524
## 776 NA
## 777 7071
## 778 2511
## 779 NA
## 780 3564
## 781 2
## 782 15024
## 783 NA
## 784 20222
## 785 20758
## 786 264
## 787 4692
## 788 16460
## 789 23
## 790 20271
## 791 12948
## 792 6823
## 793 12596
## 794 15125
## 795 3903
## 796 6369
## 797 4158
## 798 NA
## 799 6633
## 800 NA
## 801 NA
## 802 8022
## 803 2716
## 804 NA
## 805 NA
## 806 8843
## 807 NA
## 808 NA
## 809 NA
## 810 NA
## 811 NA
## 812 NA
## 813 NA
## 814 15956
## 815 NA
## 816 NA
## 817 NA
## 818 NA
## 819 2974
## 820 837
## 821 13318
## 822 1488
## 823 NA
## 824 18723
## 825 NA
## 826 NA
## 827 NA
## 828 NA
## 829 NA
## 830 NA
## 831 NA
## 832 NA
## 833 9873
## 834 NA
## 835 1470
## 836 11450
## 837 36
## 838 95
## 839 56
## 840 30
## 841 74
## 842 14
## 843 31
## 844 4
## 845 11642
## 846 NA
## 847 NA
## 848 2276
## 849 1399
## 850 5683
## 851 12526
## 852 2114
## 853 489
## 854 NA
## 855 796
## 856 NA
## 857 10434
## 858 9746
## 859 4395
## 860 NA
## 861 5682
## 862 2096
## 863 NA
## 864 3358
## 865 33
## 866 14891
## 867 NA
## 868 16873
## 869 17865
## 870 196
## 871 3468
## 872 11857
## 873 135
## 874 9665
## 875 13287
## 876 5014
## 877 10544
## 878 12464
## 879 3240
## 880 5040
## 881 2531
## 882 NA
## 883 5782
## 884 NA
## 885 NA
## 886 7619
## 887 2958
## 888 NA
## 889 NA
## 890 5740
## 891 NA
## 892 NA
## 893 NA
## 894 NA
## 895 NA
## 896 NA
## 897 NA
## 898 11260
## 899 NA
## 900 NA
## 901 NA
## 902 NA
## 903 1172
## 904 365
## 905 10937
## 906 984
## 907 NA
## 908 11789
## 909 NA
## 910 NA
## 911 NA
## 912 NA
## 913 NA
## 914 NA
## 915 NA
## 916 NA
## 917 6785
## 918 NA
## 919 NA
## 920 10862
## 921 168
## 922 61
## 923 48
## 924 56
## 925 5
## 926 38
## 927 9498
## 928 NA
## 929 NA
## 930 1970
## 931 2334
## 932 4844
## 933 7809
## 934 1415
## 935 575
## 936 NA
## 937 1030
## 938 NA
## 939 7765
## 940 8573
## 941 4267
## 942 NA
## 943 5571
## 944 1933
## 945 NA
## 946 1990
## 947 1
## 948 12093
## 949 NA
## 950 12939
## 951 16494
## 952 13
## 953 2586
## 954 3058
## 955 2490
## 956 16254
## 957 5834
## 958 5777
## 959 12166
## 960 NA
## 961 NA
## 962 5799
## 963 2660
## 964 NA
## 965 7806
## 966 NA
## 967 NA
## 968 4046
## 969 4250
## 970 NA
## 971 NA
## 972 8764
## 973 NA
## 974 NA
## 975 NA
## 976 NA
## 977 NA
## 978 NA
## 979 NA
## 980 14588
## 981 NA
## 982 NA
## 983 NA
## 984 NA
## 985 2351
## 986 816
## 987 11159
## 988 1338
## 989 NA
## 990 18172
## 991 NA
## 992 NA
## 993 NA
## 994 NA
## 995 NA
## 996 NA
## 997 NA
## 998 NA
## 999 7700
## 1000 NA
## 1001 NA
## 1002 13956
## 1003 66
## 1004 52
## 1005 24
## 1006 125
## 1007 51
## 1008 2
## 1009 62
## 1010 70
## 1011 12830
## 1012 NA
## 1013 129
## 1014 1654
## 1015 1691
## 1016 4996
## 1017 9957
## 1018 1921
## 1019 488
## 1020 NA
## 1021 831
## 1022 NA
## 1023 6570
## 1024 12189
## 1025 1776
## 1026 NA
## 1027 6513
## 1028 2612
## 1029 NA
## 1030 2821
## 1031 10
## 1032 14011
## 1033 NA
## 1034 17685
## 1035 19030
## 1036 NA
## 1037 3302
## 1038 9349
## 1039 1519
## 1040 19187
## 1041 11193
## 1042 5636
## 1043 11233
## 1044 2173
## 1045 NA
## 1046 1212
## 1047 2909
## 1048 NA
## 1049 6548
## 1050 NA
## 1051 NA
## 1052 13450
## 1053 3846
## 1054 NA
## 1055 NA
## 1056 4430
## 1057 NA
## 1058 NA
## 1059 NA
## 1060 NA
## 1061 NA
## 1062 NA
## 1063 NA
## 1064 5892
## 1065 NA
## 1066 NA
## 1067 NA
## 1068 NA
## 1069 465
## 1070 683
## 1071 11869
## 1072 2206
## 1073 NA
## 1074 14460
## 1075 NA
## 1076 NA
## 1077 NA
## 1078 NA
## 1079 NA
## 1080 NA
## 1081 NA
## 1082 NA
## 1083 1570
## 1084 NA
## 1085 NA
## 1086 12165
## 1087 72
## 1088 140
## 1089 2
## 1090 8925
## 1091 NA
## 1092 309
## 1093 2055
## 1094 1742
## 1095 3769
## 1096 7099
## 1097 946
## 1098 334
## 1099 NA
## 1100 924
## 1101 NA
## 1102 6544
## 1103 11105
## 1104 3783
## 1105 NA
## 1106 5694
## 1107 2566
## 1108 NA
## 1109 2488
## 1110 309
## 1111 10187
## 1112 NA
## 1113 13232
## 1114 17157
## 1115 NA
## 1116 2265
## 1117 7853
## 1118 1987
## 1119 15477
## 1120 15687
## 1121 7074
## 1122 13642
## 1123 10
## 1124 NA
## 1125 6666
## 1126 3181
## 1127 NA
## 1128 8746
## 1129 NA
## 1130 NA
## 1131 18488
## 1132 77
## 1133 6720
## 1134 NA
## 1135 NA
## 1136 9337
## 1137 NA
## 1138 NA
## 1139 NA
## 1140 NA
## 1141 NA
## 1142 NA
## 1143 NA
## 1144 10546
## 1145 NA
## 1146 NA
## 1147 NA
## 1148 NA
## 1149 NA
## 1150 592
## 1151 13153
## 1152 2762
## 1153 NA
## 1154 20875
## 1155 NA
## 1156 NA
## 1157 NA
## 1158 NA
## 1159 NA
## 1160 NA
## 1161 NA
## 1162 NA
## 1163 NA
## 1164 NA
## 1165 NA
## 1166 8870
## 1167 3
## 1168 34
## 1169 1
## 1170 34
## 1171 11861
## 1172 NA
## 1173 305
## 1174 3685
## 1175 1942
## 1176 4407
## 1177 12270
## 1178 1421
## 1179 337
## 1180 NA
## 1181 1111
## 1182 9965
## 1183 11958
## 1184 2321
## 1185 NA
## 1186 7097
## 1187 2883
## 1188 NA
## 1189 3308
## 1190 1019
## 1191 14247
## 1192 NA
## 1193 16311
## 1194 18519
## 1195 63
## 1196 10124
## 1197 4527
## 1198 17336
## 1199 13129
## 1200 6144
## 1201 12323
## 1202 225
## 1203 NA
## 1204 5755
## 1205 1973
## 1206 NA
## 1207 7591
## 1208 NA
## 1209 NA
## 1210 17084
## 1211 6155
## 1212 NA
## 1213 NA
## 1214 9097
## 1215 NA
## 1216 NA
## 1217 NA
## 1218 NA
## 1219 NA
## 1220 NA
## 1221 NA
## 1222 15437
## 1223 NA
## 1224 NA
## 1225 NA
## 1226 NA
## 1227 1787
## 1228 559
## 1229 11828
## 1230 NA
## 1231 3040
## 1232 16557
## 1233 NA
## 1234 NA
## 1235 NA
## 1236 NA
## 1237 NA
## 1238 NA
## 1239 NA
## 1240 NA
## 1241 8875
## 1242 NA
## 1243 NA
## 1244 11303
## 1245 108
## 1246 38
## 1247 31
## 1248 24
## 1249 10719
## 1250 NA
## 1251 111
## 1252 1730
## 1253 2041
## 1254 3899
## 1255 6803
## 1256 1519
## 1257 569
## 1258 NA
## 1259 1013
## 1260 9432
## 1261 6921
## 1262 2978
## 1263 NA
## 1264 6268
## 1265 2136
## 1266 NA
## 1267 1063
## 1268 830
## 1269 11558
## 1270 NA
## 1271 7436
## 1272 19486
## 1273 3335
## 1274 5121
## 1275 15234
## 1276 15011
## 1277 6143
## 1278 12263
## 1279 2000
## 1280 NA
## 1281 6319
## 1282 58
## 1283 NA
## 1284 7771
## 1285 NA
## 1286 6790
## 1287 6845
## 1288 NA
## 1289 NA
## 1290 347
## 1291 NA
## 1292 NA
## 1293 NA
## 1294 NA
## 1295 NA
## 1296 NA
## 1297 NA
## 1298 3674
## 1299 NA
## 1300 NA
## 1301 NA
## 1302 NA
## 1303 570
## 1304 640
## 1305 13299
## 1306 3539
## 1307 NA
## 1308 17445
## 1309 NA
## 1310 NA
## 1311 NA
## 1312 NA
## 1313 NA
## 1314 NA
## 1315 NA
## 1316 NA
## 1317 4567
## 1318 NA
## 1319 10551
## 1320 7
## 1321 2
## 1322 24
## 1323 24
## 1324 10924
## 1325 NA
## 1326 48
## 1327 1696
## 1328 2197
## 1329 5135
## 1330 6934
## 1331 1826
## 1332 524
## 1333 NA
## 1334 1089
## 1335 8370
## 1336 9126
## 1337 2039
## 1338 NA
## 1339 6808
## 1340 2866
## 1341 NA
## 1342 657
## 1343 378
## 1344 13332
## 1345 NA
## 1346 8030
## 1347 18897
## 1348 NA
## 1349 2971
## 1350 6912
## 1351 10399
## 1352 16248
## 1353 5656
## 1354 13244
## 1355 NA
## 1356 NA
## 1357 6852
## 1358 4458
## 1359 NA
## 1360 8349
## 1361 NA
## 1362 NA
## 1363 13386
## 1364 6963
## 1365 NA
## 1366 NA
## 1367 9649
## 1368 NA
## 1369 NA
## 1370 NA
## 1371 NA
## 1372 NA
## 1373 NA
## 1374 NA
## 1375 19776
## 1376 NA
## 1377 NA
## 1378 NA
## 1379 NA
## 1380 3
## 1381 458
## 1382 11911
## 1383 2986
## 1384 NA
## 1385 15953
## 1386 NA
## 1387 NA
## 1388 NA
## 1389 NA
## 1390 NA
## 1391 NA
## 1392 NA
## 1393 NA
## 1394 8906
## 1395 NA
## 1396 NA
## 1397 15257
## 1398 83
## 1399 48
## 1400 24
## 1401 32
## 1402 10907
## 1403 NA
## 1404 158
## 1405 1539
## 1406 1550
## 1407 4746
## 1408 8900
## 1409 1164
## 1410 440
## 1411 NA
## 1412 729
## 1413 5818
## 1414 11476
## 1415 2372
## 1416 NA
## 1417 5481
## 1418 2021
## 1419 NA
## 1420 84
## 1421 343
## 1422 14399
## 1423 NA
## 1424 8399
## 1425 20441
## 1426 NA
## 1427 1098
## 1428 3262
## 1429 3587
## 1430 11643
## 1431 5641
## 1432 14540
## 1433 NA
## 1434 7106
## 1435 3132
## 1436 8618
## 1437 NA
## 1438 8537
## 1439 5694
## 1440 NA
## 1441 NA
## 1442 5475
## 1443 NA
## 1444 NA
## 1445 NA
## 1446 NA
## 1447 NA
## 1448 NA
## 1449 NA
## 1450 10478
## 1451 NA
## 1452 NA
## 1453 NA
## 1454 NA
## 1455 NA
## 1456 353
## 1457 12095
## 1458 NA
## 1459 1198
## 1460 15837
## 1461 NA
## 1462 NA
## 1463 NA
## 1464 NA
## 1465 NA
## 1466 NA
## 1467 NA
## 1468 NA
## 1469 6218
## 1470 NA
## 1471 11014
## 1472 61
## 1473 24
## 1474 20
## 1475 30
## 1476 34
## 1477 36
## 1478 10
## 1479 6952
## 1480 NA
## 1481 102
## 1482 1750
## 1483 1834
## 1484 4162
## 1485 9735
## 1486 501
## 1487 177
## 1488 NA
## 1489 2098
## 1490 4841
## 1491 10441
## 1492 4666
## 1493 NA
## 1494 3723
## 1495 NA
## 1496 NA
## 1497 62
## 1498 1153
## 1499 8716
## 1500 NA
## 1501 10096
## 1502 18285
## 1503 4523
## 1504 4625
## 1505 9144
## 1506 12948
## 1507 249
## 1508 6412
## 1509 12259
## 1510 9277
## 1511 NA
## 1512 6952
## 1513 3378
## 1514 NA
## 1515 7181
## 1516 NA
## 1517 NA
## 1518 14550
## 1519 1297
## 1520 NA
## 1521 NA
## 1522 4169
## 1523 NA
## 1524 NA
## 1525 NA
## 1526 NA
## 1527 NA
## 1528 NA
## 1529 NA
## 1530 4139
## 1531 NA
## 1532 NA
## 1533 NA
## 1534 NA
## 1535 NA
## 1536 257
## 1537 10993
## 1538 629
## 1539 NA
## 1540 12174
## 1541 NA
## 1542 NA
## 1543 NA
## 1544 NA
## 1545 NA
## 1546 NA
## 1547 NA
## 1548 NA
## 1549 NA
## 1550 NA
## 1551 15634
## 1552 40
## 1553 75
## 1554 28
## 1555 2
## 1556 12
## 1557 11785
## 1558 NA
## 1559 79
## 1560 2470
## 1561 1808
## 1562 4158
## 1563 5774
## 1564 177
## 1565 209
## 1566 NA
## 1567 1209
## 1568 3039
## 1569 11648
## 1570 1442
## 1571 NA
## 1572 5254
## 1573 NA
## 1574 NA
## 1575 1315
## 1576 716
## 1577 9655
## 1578 NA
## 1579 16944
## 1580 17138
## 1581 8143
## 1582 1814
## 1583 13746
## 1584 11391
## 1585 522
## 1586 4113
## 1587 9733
## 1588 12772
## 1589 NA
## 1590 6076
## 1591 2254
## 1592 NA
## 1593 6013
## 1594 NA
## 1595 NA
## 1596 13049
## 1597 5660
## 1598 5390
## 1599 NA
## 1600 NA
## 1601 NA
## 1602 NA
## 1603 NA
## 1604 NA
## 1605 NA
## 1606 NA
## 1607 NA
## 1608 NA
## 1609 NA
## 1610 NA
## 1611 NA
## 1612 NA
## 1613 NA
## 1614 NA
## 1615 362
## 1616 9531
## 1617 1003
## 1618 NA
## 1619 9723
## 1620 NA
## 1621 NA
## 1622 NA
## 1623 NA
## 1624 NA
## 1625 NA
## 1626 NA
## 1627 NA
## 1628 NA
## 1629 NA
## 1630 12593
## 1631 140
## 1632 1
## 1633 21
## 1634 36
## 1635 10911
## 1636 NA
## 1637 18
## 1638 2127
## 1639 1623
## 1640 4821
## 1641 6611
## 1642 451
## 1643 551
## 1644 NA
## 1645 2215
## 1646 3941
## 1647 10564
## 1648 4
## 1649 NA
## 1650 2007
## 1651 NA
## 1652 NA
## 1653 590
## 1654 431
## 1655 5154
## 1656 NA
## 1657 11795
## 1658 12182
## 1659 5300
## 1660 3276
## 1661 13137
## 1662 11027
## 1663 935
## 1664 3784
## 1665 13814
## 1666 12431
## 1667 7085
## 1668 3528
## 1669 8302
## 1670 NA
## 1671 11340
## 1672 6755
## 1673 3782
## 1674 NA
## 1675 NA
## 1676 4683
## 1677 NA
## 1678 NA
## 1679 NA
## 1680 NA
## 1681 NA
## 1682 NA
## 1683 NA
## 1684 11
## 1685 NA
## 1686 NA
## 1687 NA
## 1688 NA
## 1689 NA
## 1690 238
## 1691 7644
## 1692 NA
## 1693 542
## 1694 11911
## 1695 NA
## 1696 NA
## 1697 NA
## 1698 NA
## 1699 NA
## 1700 NA
## 1701 NA
## 1702 NA
## 1703 NA
## 1704 NA
## 1705 13741
## 1706 36
## 1707 36
## 1708 36
## 1709 24
## 1710 7905
## 1711 NA
## 1712 100
## 1713 1211
## 1714 1528
## 1715 3556
## 1716 7222
## 1717 606
## 1718 645
## 1719 NA
## 1720 2827
## 1721 8393
## 1722 14327
## 1723 2965
## 1724 NA
## 1725 4844
## 1726 NA
## 1727 NA
## 1728 1761
## 1729 774
## 1730 10794
## 1731 NA
## 1732 18453
## 1733 22372
## 1734 4824
## 1735 5444
## 1736 15588
## 1737 9994
## 1738 1101
## 1739 2853
## 1740 12722
## 1741 15639
## 1742 5196
## 1743 3444
## 1744 7645
## 1745 NA
## 1746 4516
## 1747 6311
## 1748 3242
## 1749 NA
## 1750 NA
## 1751 9619
## 1752 NA
## 1753 NA
## 1754 NA
## 1755 NA
## 1756 NA
## 1757 NA
## 1758 NA
## 1759 3851
## 1760 NA
## 1761 NA
## 1762 NA
## 1763 NA
## 1764 1200
## 1765 371
## 1766 13023
## 1767 685
## 1768 NA
## 1769 15636
## 1770 NA
## 1771 NA
## 1772 NA
## 1773 NA
## 1774 NA
## 1775 NA
## 1776 NA
## 1777 NA
## 1778 5267
## 1779 NA
## 1780 15382
## 1781 12
## 1782 10985
## 1783 NA
## 1784 NA
## 1785 1069
## 1786 1725
## 1787 5721
## 1788 6728
## 1789 656
## 1790 849
## 1791 NA
## 1792 2289
## 1793 3210
## 1794 9812
## 1795 3588
## 1796 NA
## 1797 3670
## 1798 NA
## 1799 NA
## 1800 2547
## 1801 840
## 1802 12365
## 1803 NA
## 1804 8703
## 1805 22926
## 1806 1344
## 1807 8538
## 1808 12804
## 1809 3395
## 1810 2832
## 1811 4047
## 1812 9197
## 1813 13315
## 1814 3061
## 1815 2647
## 1816 5724
## 1817 NA
## 1818 9170
## 1819 5491
## 1820 5405
## 1821 NA
## 1822 NA
## 1823 5793
## 1824 NA
## 1825 NA
## 1826 NA
## 1827 NA
## 1828 NA
## 1829 NA
## 1830 NA
## 1831 7960
## 1832 NA
## 1833 NA
## 1834 NA
## 1835 NA
## 1836 2671
## 1837 865
## 1838 7402
## 1839 832
## 1840 NA
## 1841 8806
## 1842 NA
## 1843 NA
## 1844 NA
## 1845 NA
## 1846 NA
## 1847 NA
## 1848 NA
## 1849 NA
## 1850 9105
## 1851 NA
## 1852 11721
## 1853 113
## 1854 10
## 1855 2
## 1856 36
## 1857 294
## 1858 4
## 1859 213
## 1860 261
## 1861 27
## 1862 110
## 1863 67
## 1864 19
## 1865 69
## 1866 2
## 1867 2
## 1868 6227
## 1869 NA
## 1870 146
## 1871 1028
## 1872 1720
## 1873 4179
## 1874 5159
## 1875 309
## 1876 454
## 1877 NA
## 1878 692
## 1879 4214
## 1880 7656
## 1881 3467
## 1882 NA
## 1883 3857
## 1884 NA
## 1885 NA
## 1886 1735
## 1887 547
## 1888 9324
## 1889 NA
## 1890 4792
## 1891 15913
## 1892 4619
## 1893 11376
## 1894 21255
## 1895 17464
## 1896 2045
## 1897 5481
## 1898 11400
## 1899 10
## 1900 2720
## 1901 7479
## 1902 NA
## 1903 14636
## 1904 7842
## 1905 6054
## 1906 NA
## 1907 NA
## 1908 9276
## 1909 NA
## 1910 NA
## 1911 NA
## 1912 NA
## 1913 NA
## 1914 NA
## 1915 NA
## 1916 11675
## 1917 NA
## 1918 NA
## 1919 NA
## 1920 NA
## 1921 1493
## 1922 876
## 1923 11780
## 1924 2022
## 1925 NA
## 1926 17579
## 1927 NA
## 1928 NA
## 1929 NA
## 1930 NA
## 1931 NA
## 1932 NA
## 1933 NA
## 1934 NA
## 1935 8770
## 1936 NA
## 1937 NA
## 1938 16003
## 1939 5
## 1940 17
## 1941 60
## 1942 529
## 1943 84
## 1944 202
## 1945 193
## 1946 74
## 1947 9
## 1948 1
## 1949 37
## 1950 23
## 1951 11
## 1952 14052
## 1953 NA
## 1954 80
## 1955 2195
## 1956 2011
## 1957 6162
## 1958 10900
## 1959 397
## 1960 542
## 1961 NA
## 1962 1532
## 1963 7364
## 1964 12491
## 1965 3790
## 1966 NA
## 1967 4391
## 1968 NA
## 1969 NA
## 1970 3
## 1971 1071
## 1972 12645
## 1973 NA
## 1974 2434
## 1975 21248
## 1976 9872
## 1977 2048
## 1978 2732
## 1979 13963
## 1980 661
## 1981 1036
## 1982 10739
## 1983 6215
## 1984 1879
## 1985 2858
## 1986 6777
## 1987 NA
## 1988 10260
## 1989 9184
## 1990 4755
## 1991 NA
## 1992 NA
## 1993 8299
## 1994 NA
## 1995 NA
## 1996 NA
## 1997 NA
## 1998 NA
## 1999 NA
## 2000 NA
## 2001 18318
## 2002 NA
## 2003 NA
## 2004 NA
## 2005 NA
## 2006 879
## 2007 1064
## 2008 8636
## 2009 2973
## 2010 NA
## 2011 14852
## 2012 NA
## 2013 NA
## 2014 NA
## 2015 NA
## 2016 NA
## 2017 NA
## 2018 NA
## 2019 NA
## 2020 10461
## 2021 NA
## 2022 14886
## 2023 6
## 2024 13
## 2025 3
## 2026 39
## 2027 253
## 2028 181
## 2029 5
## 2030 113
## 2031 89
## 2032 22
## 2033 66
## 2034 12
## 2035 23
## 2036 8722
## 2037 NA
## 2038 NA
## 2039 2670
## 2040 2139
## 2041 6069
## 2042 9728
## 2043 396
## 2044 402
## 2045 NA
## 2046 1759
## 2047 8720
## 2048 12895
## 2049 3410
## 2050 NA
## 2051 4777
## 2052 NA
## 2053 NA
## 2054 581
## 2055 917
## 2056 11329
## 2057 NA
## 2058 7469
## 2059 24183
## 2060 2036
## 2061 3102
## 2062 8434
## 2063 17559
## 2064 2055
## 2065 3222
## 2066 13003
## 2067 10644
## 2068 5258
## 2069 3942
## 2070 8549
## 2071 NA
## 2072 15052
## 2073 9778
## 2074 7343
## 2075 NA
## 2076 NA
## 2077 8420
## 2078 NA
## 2079 NA
## 2080 NA
## 2081 NA
## 2082 NA
## 2083 NA
## 2084 NA
## 2085 19766
## 2086 NA
## 2087 NA
## 2088 NA
## 2089 NA
## 2090 2337
## 2091 883
## 2092 6251
## 2093 2093
## 2094 NA
## 2095 17458
## 2096 NA
## 2097 NA
## 2098 NA
## 2099 NA
## 2100 NA
## 2101 NA
## 2102 NA
## 2103 NA
## 2104 10924
## 2105 NA
## 2106 NA
## 2107 16679
## 2108 3
## 2109 11
## 2110 575
## 2111 229
## 2112 1
## 2113 138
## 2114 4
## 2115 44
## 2116 96
## 2117 3
## 2118 10583
## 2119 NA
## 2120 156
## 2121 2341
## 2122 2344
## 2123 5576
## 2124 9079
## 2125 249
## 2126 328
## 2127 NA
## 2128 2602
## 2129 NA
## 2130 9149
## 2131 5544
## 2132 4395
## 2133 NA
## 2134 3910
## 2135 NA
## 2136 NA
## 2137 885
## 2138 865
## 2139 7737
## 2140 NA
## 2141 3031
## 2142 23889
## 2143 9002
## 2144 8349
## 2145 13642
## 2146 14871
## 2147 2049
## 2148 3521
## 2149 12103
## 2150 13254
## 2151 6207
## 2152 3215
## 2153 7654
## 2154 NA
## 2155 10556
## 2156 9179
## 2157 4935
## 2158 NA
## 2159 NA
## 2160 2
## 2161 NA
## 2162 NA
## 2163 NA
## 2164 NA
## 2165 NA
## 2166 NA
## 2167 NA
## 2168 7963
## 2169 NA
## 2170 NA
## 2171 NA
## 2172 NA
## 2173 1885
## 2174 846
## 2175 9200
## 2176 2516
## 2177 NA
## 2178 12924
## 2179 NA
## 2180 NA
## 2181 NA
## 2182 NA
## 2183 NA
## 2184 NA
## 2185 NA
## 2186 NA
## 2187 7775
## 2188 NA
## 2189 NA
## 2190 10621
## 2191 117
## 2192 14
## 2193 108
## 2194 315
## 2195 5
## 2196 143
## 2197 317
## 2198 74
## 2199 56
## 2200 3
## 2201 12
## 2202 7
## 2203 9738
## 2204 NA
## 2205 49
## 2206 3054
## 2207 2905
## 2208 5054
## 2209 3863
## 2210 145
## 2211 40
## 2212 NA
## 2213 910
## 2214 6264
## 2215 8991
## 2216 2355
## 2217 NA
## 2218 5138
## 2219 NA
## 2220 NA
## 2221 739
## 2222 731
## 2223 7365
## 2224 NA
## 2225 8988
## 2226 19589
## 2227 4468
## 2228 6776
## 2229 11938
## 2230 16630
## 2231 1174
## 2232 2049
## 2233 11603
## 2234 8426
## 2235 6474
## 2236 1956
## 2237 8143
## 2238 NA
## 2239 10156
## 2240 7550
## 2241 6013
## 2242 NA
## 2243 NA
## 2244 3950
## 2245 NA
## 2246 NA
## 2247 NA
## 2248 NA
## 2249 NA
## 2250 NA
## 2251 NA
## 2252 15595
## 2253 NA
## 2254 NA
## 2255 NA
## 2256 NA
## 2257 1541
## 2258 600
## 2259 10563
## 2260 1964
## 2261 NA
## 2262 16569
## 2263 NA
## 2264 NA
## 2265 NA
## 2266 NA
## 2267 NA
## 2268 NA
## 2269 NA
## 2270 NA
## 2271 5856
## 2272 NA
## 2273 NA
## 2274 3274
## 2275 53
## 2276 28
## 2277 155
## 2278 562
## 2279 234
## 2280 195
## 2281 32
## 2282 151
## 2283 63
## 2284 12
## 2285 26
## 2286 10870
## 2287 NA
## 2288 81
## 2289 3519
## 2290 2915
## 2291 6415
## 2292 5326
## 2293 179
## 2294 199
## 2295 NA
## 2296 1371
## 2297 9173
## 2298 9138
## 2299 994
## 2300 NA
## 2301 6215
## 2302 NA
## 2303 NA
## 2304 1719
## 2305 729
## 2306 7578
## 2307 NA
## 2308 11399
## 2309 27463
## 2310 2823
## 2311 7490
## 2312 18243
## 2313 6568
## 2314 2079
## 2315 3746
## 2316 12183
## 2317 4812
## 2318 7393
## 2319 2532
## 2320 6954
## 2321 NA
## 2322 10375
## 2323 7564
## 2324 4844
## 2325 NA
## 2326 NA
## 2327 9740
## 2328 NA
## 2329 NA
## 2330 NA
## 2331 NA
## 2332 NA
## 2333 NA
## 2334 NA
## 2335 27403
## 2336 NA
## 2337 NA
## 2338 NA
## 2339 NA
## 2340 NA
## 2341 581
## 2342 11900
## 2343 1840
## 2344 NA
## 2345 13074
## 2346 NA
## 2347 NA
## 2348 NA
## 2349 NA
## 2350 NA
## 2351 NA
## 2352 NA
## 2353 NA
## 2354 11753
## 2355 NA
## 2356 7099
## 2357 24
## 2358 15
## 2359 4
## 2360 158
## 2361 2
## 2362 544
## 2363 8
## 2364 72
## 2365 5
## 2366 1
## 2367 204
## 2368 21
## 2369 24
## 2370 40
## 2371 14069
## 2372 NA
## 2373 91
## 2374 4108
## 2375 1955
## 2376 5777
## 2377 10314
## 2378 470
## 2379 550
## 2380 NA
## 2381 1207
## 2382 10388
## 2383 7086
## 2384 1996
## 2385 NA
## 2386 4083
## 2387 NA
## 2388 NA
## 2389 1785
## 2390 924
## 2391 9578
## 2392 NA
## 2393 7985
## 2394 21661
## 2395 2833
## 2396 9723
## 2397 15172
## 2398 11019
## 2399 31
## 2400 34
## 2401 10559
## 2402 10549
## 2403 7277
## 2404 2509
## 2405 6549
## 2406 NA
## 2407 6382
## 2408 3578
## 2409 7872
## 2410 NA
## 2411 NA
## 2412 7065
## 2413 NA
## 2414 NA
## 2415 NA
## 2416 NA
## 2417 NA
## 2418 NA
## 2419 NA
## 2420 21094
## 2421 NA
## 2422 NA
## 2423 NA
## 2424 NA
## 2425 NA
## 2426 740
## 2427 12711
## 2428 1478
## 2429 NA
## 2430 12671
## 2431 NA
## 2432 NA
## 2433 NA
## 2434 NA
## 2435 NA
## 2436 NA
## 2437 NA
## 2438 NA
## 2439 9988
## 2440 NA
## 2441 10539
## 2442 5
## 2443 62
## 2444 218
## 2445 456
## 2446 179
## 2447 237
## 2448 1
## 2449 81
## 2450 36
## 2451 159
## 2452 77
## 2453 32
## 2454 10430
## 2455 NA
## 2456 44
## 2457 2506
## 2458 1755
## 2459 5265
## 2460 8834
## 2461 638
## 2462 1296
## 2463 NA
## 2464 2902
## 2465 3323
## 2466 5453
## 2467 1834
## 2468 NA
## 2469 4373
## 2470 NA
## 2471 NA
## 2472 694
## 2473 499
## 2474 6767
## 2475 NA
## 2476 3889
## 2477 18218
## 2478 6970
## 2479 10284
## 2480 19832# Cantidad de NA´s en la base de datos
sum(is.na(prod_mex3))## [1] 1020summary(prod_mex3)## ANIO ID_MES MARCA
## Min. :2020 Min. : 1.000 General Motors:931
## 1st Qu.:2020 1st Qu.: 3.000 Nissan :325
## Median :2021 Median : 6.000 JAC :224
## Mean :2021 Mean : 5.911 Chrysler :214
## 3rd Qu.:2021 3rd Qu.: 9.000 KIA :186
## Max. :2022 Max. :12.000 Mazda :155
## (Other) :445
## MODELO TIPO SEGMENTO
## Silverado Cabina Regular: 60 Automóviles : 941 Compactos :429
## Crew Cab- : 31 Camiones ligeros:1539 De Lujo : 69
## CX-30 : 31 Minivans : 72
## Forte Hatchback : 31 Pick Ups :747
## Forte- : 31 Subcompactos:443
## GLB_ : 31 SUV's :720
## (Other) :2265
## UNI_VEH
## Min. : 1.0
## 1st Qu.: 567.2
## Median : 3560.0
## Mean : 5472.6
## 3rd Qu.: 9180.2
## Max. :27463.0
## NA's :1020# Eliminar NA´s ya que no hubo producción de ese modelo
prod_mex4 <- prod_mex3
prod_mex4 <- na.omit(prod_mex4)
summary(prod_mex4)## ANIO ID_MES MARCA
## Min. :2020 Min. : 1.000 General Motors:235
## 1st Qu.:2020 1st Qu.: 3.000 Nissan :217
## Median :2021 Median : 6.000 JAC :209
## Mean :2021 Mean : 5.923 Chrysler :165
## 3rd Qu.:2022 3rd Qu.: 9.000 KIA :147
## Max. :2022 Max. :12.000 Mazda :120
## (Other) :367
## MODELO TIPO SEGMENTO
## Forte- : 31 Automóviles :515 Compactos :229
## Hyundai Accent Sedán: 31 Camiones ligeros:945 De Lujo : 53
## Kia Río Hatchback- : 31 Minivans : 11
## KIA Río Sedan- : 31 Pick Ups :377
## Crew Cab- : 30 Subcompactos:233
## CX-30 : 30 SUV's :557
## (Other) :1276
## UNI_VEH
## Min. : 1.0
## 1st Qu.: 567.2
## Median : 3560.0
## Mean : 5472.6
## 3rd Qu.: 9180.2
## Max. :27463.0
## Análisis estadístico descriptivo de la industria automotriz México 2020-2022: Producción de vehículos.
Tabla de frecuencia
# Tabla de frecuencia para ver que Marca de carro es el que más produce en México 2020-2022
prod_mex4 %>%
group_by(MARCA) %>%
dplyr::summarize(frequency = n())## # A tibble: 13 × 2
## MARCA frequency
## <fct> <int>
## 1 Audi 29
## 2 BMW Group 42
## 3 Chrysler 165
## 4 Ford Motor 92
## 5 General Motors 235
## 6 Honda 40
## 7 JAC 209
## 8 KIA 147
## 9 Mazda 120
## 10 Mercedes Benz_Prod_Expo 30
## 11 Nissan 217
## 12 Toyota 41
## 13 Volkswagen 93General Motors es la Marca con más producción entre los años 2020-2022 y en segundo lugar (no con mucha diferencia) está Nissan, seguido de JAC. Es importante tener la visualización del top de marcas con más producción para ver a los clientes potenciales.
Gráficos de datos cualitativos y cuantitativos
# Gráfico de segmento de producción de carros entre el 2020-2022
proporciones_bde_prod_mex <- c(229, 53, 11, 377, 233, 557)
etiquetas_bde_prod_mex <- c("Compactos", "De Lujo", "Minivans", "Pick Ups", "Subcompactos", "SUV's")
pct_bde_prod_mex <- round(proporciones_bde_prod_mex/sum(proporciones_bde_prod_mex)*100)
etiquetas_bde_prod_mex <- paste(etiquetas_bde_prod_mex, pct_bde_prod_mex)
etiquetas_bde_prod_mex <- paste(etiquetas_bde_prod_mex,"%",sep="")
pie(proporciones_bde_prod_mex,labels = etiquetas_bde_prod_mex,
col=rainbow(length(etiquetas_bde_prod_mex)),
main="Segmentos producidos en México 2020-2022")
Las SUV´s son el segmento de carros más producidos en México con un 36%, seguido de las pick ups 26% y subcompactos 16%.
# Unidades producidas 2011-2021 y con tipo de vehículo
unidades_prod_11_21 <- c(2.557, 2.884, 2.933, 3.219, 3.399, 3.465, 3.933, 3.918, 3.811, 3.040, 3.028)
anio_prod_11_21 <- c(2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021)
plot(anio_prod_11_21, unidades_prod_11_21, type = "b", main = "Unidades producidas en México del 2011-2021", xlab = "Año",
ylab = "unidades de vehículos producidos en México (en millones)")
ggplot(prod_mex4, aes(fill=TIPO, y=UNI_VEH, x=ANIO, ylab = "unidades de vehículos producidos", xlab = "año")) +
geom_bar(position="stack", stat="identity") 
Podemos observar que desde el 2011 la producción tuvo un crecimiento pero en 2020, gracias a la pandemia, la producción cayó drásticamente y en el 2021 no se vió un crecimiento significativo. Tiene que pasar tiempo para que la producción tome el nivel de producción que antes tenía junto con su crecimiento. En la segunda gráfica podemos ver que los Camiones ligeros son los más producidos.
Gráficos de dispersión.
# Unidades producidas por meses entre el 2020 y el 2022
plot(x = prod_mex4$ID_MES, y = prod_mex4$UNI_VEH,
main = "Producción (unidades) por mes del año 2020-2022", xlab = "ID MES", ylab = "Unidades producidas")
lines(lowess(prod_mex4$ID_MES, prod_mex4$UNI_VEH), col = "blue")
Se observa que en el mes de agosto hay un ligero crecimiento de producción en el mes de Agosto en todos los años.
# Unidades producidas por año y su tipo de vehículos.
ggplot(prod_mex4, aes(x=ANIO, y=UNI_VEH, ylab = "año", xlab = "unidades producidas", colour=TIPO, )) + geom_point()
En el año 2022 ha existido más dispersión en cuanto a la producción de vehículos. En general se producen más cantidades de camiones ligeros que de Automóviles.
Sección 2
Predicción del Desempeño de la Industria Automotriz
Base de datos de EUA
#file.choose()
prediccion_eua <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/prediccion_eua.csv")
summary(prediccion_eua)## Year Production Sales Inflacion
## Length:21 Min. : 5710 Min. : 7868 Min. :-0.360
## Class :character 1st Qu.:10336 1st Qu.:11582 1st Qu.: 1.590
## Mode :character Median :11260 Median :13638 Median : 2.130
## Mean :10705 Mean :12664 Mean : 2.126
## 3rd Qu.:11960 3rd Qu.:13880 3rd Qu.: 2.850
## Max. :12774 Max. :14923 Max. : 3.840
## Pobreza PIB Poblacion Desempleo
## Min. :0.7000 Min. :36330 Min. :282162411 Min. :3.670
## 1st Qu.:1.0000 1st Qu.:44123 1st Qu.:295516599 1st Qu.:4.620
## Median :1.0000 Median :48651 Median :309327143 Median :5.530
## Mean :0.9857 Mean :50062 Mean :308023794 Mean :5.985
## 3rd Qu.:1.0000 3rd Qu.:56763 3rd Qu.:320738994 3rd Qu.:7.370
## Max. :1.2000 Max. :65095 Max. :331501080 Max. :9.630
## Autopartes
## Min. :300543
## 1st Qu.:466904
## Median :501311
## Mean :518449
## 3rd Qu.:601972
## Max. :668450# Transformar tipo de datos
prediccion_eua$Year <-as.Date(prediccion_eua$Year,format ="%d/%m/%Y")
str(prediccion_eua)## 'data.frame': 21 obs. of 9 variables:
## $ Year : Date, format: "2000-01-01" "2001-01-01" ...
## $ Production: num 12774 11425 12280 12087 11960 ...
## $ Sales : num 14923 14373 13830 13638 13880 ...
## $ Inflacion : num 3.38 2.83 1.59 2.27 2.68 3.39 3.23 2.85 3.84 -0.36 ...
## $ Pobreza : num 0.7 0.7 0.7 1 1 1 1 1 1 1 ...
## $ PIB : num 36330 37134 37998 39490 41725 ...
## $ Poblacion : num 2.82e+08 2.85e+08 2.88e+08 2.90e+08 2.93e+08 ...
## $ Desempleo : num 3.99 4.73 5.78 5.99 5.53 5.08 4.62 4.62 5.78 9.25 ...
## $ Autopartes: num 466904 425152 470493 493732 491839 ...La base de datos externa utilizada en este caso fue proporcionada por Bureau Transports, en donde se visualiza la produccion y ventas de autos en Estados Unidos durante 2000 a 2020. De igual forma, se utilizaron otras bases obtenidas del Banco Mundial para recabar datos como la inflacion, el indice de Pobreza, y el PIB per Capita en USA.
Gráfico de corelación
USA<-subset(prediccion_eua,select=-c(Year))
corrplot(cor(USA),type='upper',order='hclust',addCoef.col='black') 
En está gráfica de corelación se muestra las relaciones que pueden tener las variables entre ellas mismas. Entre más grande el área del círculo, más relacionadas están las variables. Si están de color azul son relaciones positivas, si son rojas son relaciones negativas. Se peude observar como el Desempleo tiene una relación negativa con producción y Autopartes tiene una relación positiva, por lo tanto, si la producción de autoparte incrementa esto beneficiaría a la producción de vehículos.
Modelo predictivo
regresion <- lm(Production~ Inflacion + Pobreza + PIB + Poblacion + Desempleo + Autopartes, data=prediccion_eua)
summary (regresion)##
## Call:
## lm(formula = Production ~ Inflacion + Pobreza + PIB + Poblacion +
## Desempleo + Autopartes, data = prediccion_eua)
##
## Residuals:
## Min 1Q Median 3Q Max
## -353.2 -195.4 2.9 151.9 513.4
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.535e+03 1.192e+04 0.380 0.7095
## Inflacion 5.299e+01 7.411e+01 0.715 0.4864
## Pobreza -3.493e+02 5.939e+02 -0.588 0.5658
## PIB -2.616e-01 8.870e-02 -2.949 0.0106 *
## Poblacion 2.454e-05 5.586e-05 0.439 0.6672
## Desempleo -9.185e+01 9.657e+01 -0.951 0.3577
## Autopartes 2.409e-02 1.538e-03 15.661 2.87e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 267.2 on 14 degrees of freedom
## Multiple R-squared: 0.9844, Adjusted R-squared: 0.9777
## F-statistic: 147.3 on 6 and 14 DF, p-value: 7.853e-12Las variables independientes en este caso son la inflación, pobreza, PIB, desempleo y producción de autopartes. Por otro lado, la variable dependiente es produccion de vehiculos en Estados Unidos. De esta forma, se observa que la variable que tiene mayor significancia para la variable dependiente es la fabricacion de autopartes, explicado en un modelo con R2 de 0.97, por lo que es ampliamente confiable. Este modelo mantiene una tendencia positiva, por lo que, es posible decir que mientras mayor fabricación de autopartes haya, mayor producción de autos. No obstante, igual el PIB tiene cierta signficancia pero con tendencia negativa.
effect_plot(regresion,pred=Autopartes,interval=TRUE)
Con esta gráfica podemos confirmar con lo antes dicho, el incremento de la producción de autopartes en estados unidos va a provocar un incremento en produccion de vehiculos.
Base de datos de México
# file.choose()
prediccion_mex <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/prediccion_Mexico_2006.csv")
str(prediccion_mex)## 'data.frame': 202 obs. of 10 variables:
## $ Año : int 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 ...
## $ Mes : int 1 2 3 4 5 6 7 8 9 10 ...
## $ Venta : int 96227 89079 96871 77879 86462 87084 83069 90937 92083 97469 ...
## $ Producción : int 155291 166830 192643 132212 171557 194327 118602 179527 164577 179897 ...
## $ Exportación : int 112165 121001 153877 115798 131578 156008 85752 136114 125918 132470 ...
## $ Tipo.de.cambio : num 10.6 10.5 10.7 11 11.1 ...
## $ Inflación : num 0.59 0.74 0.87 1.01 0.56 0.65 0.93 1.44 2.47 2.91 ...
## $ porcentaje_ocu : num 96.5 96.2 96.7 96.8 97.2 ...
## $ porcentaje_desocu: num 3.48 3.75 3.31 3.2 2.84 3.26 4.01 3.87 4 3.82 ...
## $ conf_consumidor : num 43.9 43.9 45.6 44.8 44.7 ...# T: En esta base de datos fue mayormente extraída de los datos que proporciona la INEGI (2022)
# Limpieza de la base de datos
# Eliminar columnas irrelevantes
pred_mex2 <- prediccion_mex
pred_mex3 <- subset(pred_mex2, select = -c (Producción, Venta))
summary(pred_mex3)## Año Mes Exportación Tipo.de.cambio
## Min. :2006 Min. : 1.00 Min. : 15139 Min. :10.09
## 1st Qu.:2010 1st Qu.: 3.00 1st Qu.:153219 1st Qu.:12.66
## Median :2014 Median : 6.00 Median :209160 Median :13.56
## Mean :2014 Mean : 6.42 Mean :201664 Mean :15.48
## 3rd Qu.:2018 3rd Qu.: 9.00 3rd Qu.:243900 3rd Qu.:19.10
## Max. :2022 Max. :12.00 Max. :327454 Max. :24.24
## NA's :2 NA's :2 NA's :2 NA's :2
## Inflación porcentaje_ocu porcentaje_desocu conf_consumidor
## Min. :-0.250 Min. :93.58 Min. :2.840 Min. :28.67
## 1st Qu.: 0.815 1st Qu.:95.06 1st Qu.:3.527 1st Qu.:36.69
## Median : 1.480 Median :95.88 Median :4.125 Median :38.47
## Mean : 1.951 Mean :95.76 Mean :4.244 Mean :39.15
## 3rd Qu.: 2.895 3rd Qu.:96.47 3rd Qu.:4.940 3rd Qu.:42.59
## Max. : 7.360 Max. :97.16 Max. :6.420 Max. :47.83
## NA's :2 NA's :2 NA's :2 NA's :2# Eliminar NA's (201-202)
# Cantidad de NA´s en la base de datos
sum(is.na(pred_mex3))## [1] 16# Eliminar NA´s ya que no hubo producción de ese modelo
pred_mex4 <- pred_mex3
pred_mex4 <- na.omit(pred_mex4)
summary(pred_mex4)## Año Mes Exportación Tipo.de.cambio
## Min. :2006 Min. : 1.00 Min. : 15139 Min. :10.09
## 1st Qu.:2010 1st Qu.: 3.00 1st Qu.:153219 1st Qu.:12.66
## Median :2014 Median : 6.00 Median :209160 Median :13.56
## Mean :2014 Mean : 6.42 Mean :201664 Mean :15.48
## 3rd Qu.:2018 3rd Qu.: 9.00 3rd Qu.:243900 3rd Qu.:19.10
## Max. :2022 Max. :12.00 Max. :327454 Max. :24.24
## Inflación porcentaje_ocu porcentaje_desocu conf_consumidor
## Min. :-0.250 Min. :93.58 Min. :2.840 Min. :28.67
## 1st Qu.: 0.815 1st Qu.:95.06 1st Qu.:3.527 1st Qu.:36.69
## Median : 1.480 Median :95.88 Median :4.125 Median :38.47
## Mean : 1.951 Mean :95.76 Mean :4.244 Mean :39.15
## 3rd Qu.: 2.895 3rd Qu.:96.47 3rd Qu.:4.940 3rd Qu.:42.59
## Max. : 7.360 Max. :97.16 Max. :6.420 Max. :47.83Gráfico de corelación
MEX<-subset(pred_mex4,select=-c(Año, Mes))
corrplot(cor(MEX),type='upper',order='hclust',addCoef.col='black') 
Podemos observar como el desempleo afecta negativamente a todas las variables, incluyendo la exportación y el tipo de cambio afecta positivamente a la exportación.
Modelo predictivo
regresion_mex <- lm(Exportación ~ Tipo.de.cambio + Inflación + porcentaje_ocu + porcentaje_desocu + conf_consumidor, data=pred_mex4)
summary (regresion_mex)##
## Call:
## lm(formula = Exportación ~ Tipo.de.cambio + Inflación + porcentaje_ocu +
## porcentaje_desocu + conf_consumidor, data = pred_mex4)
##
## Residuals:
## Min 1Q Median 3Q Max
## -252440 -22951 4494 31209 84657
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -693919.2 473470.2 -1.466 0.1444
## Tipo.de.cambio 10277.3 980.5 10.482 <2e-16 ***
## Inflación 312.6 2231.8 0.140 0.8887
## porcentaje_ocu 6816.5 5197.2 1.312 0.1912
## porcentaje_desocu NA NA NA NA
## conf_consumidor 2124.4 1026.6 2.069 0.0398 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 47200 on 195 degrees of freedom
## Multiple R-squared: 0.4431, Adjusted R-squared: 0.4316
## F-statistic: 38.78 on 4 and 195 DF, p-value: < 2.2e-16En este caso, la variable dependiente es exportación de vehículos en México y las variables independientes son tipo de cambio inflación, porcentaje ocupacional, porcentaje desocupacional y confianza del consumidor. Para la exportación la variable estadísticamente significativa es el tipo de cambio y este tiene un efecto positivo en exportación, otra variable que también es significativa es confianza del consumidor pero no tiene tanto impacto como la variable tipo de cambio. En estimate se puede observar que estas variables afectan positivamente porque tienen signo positivo.
effect_plot(regresion_mex,pred=Tipo.de.cambio,interval=TRUE)
Con esto podemos confirmar que si el tipo de cambio sube, incrementa la exportación.
Pronóstico del Desempeño de la Industria Automotriz y la Empresa FORM
Base de datos ventas de vehículos en Estados Unidos
#file.choose()
pronostico_eua <- read.csv("/Users/dannaperez/Downloads/cccs.csv")
str(pronostico_eua)## 'data.frame': 22 obs. of 2 variables:
## $ ano : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ cant_car: num 17350 17122 16816 16639 16867 ...Método de estimación de pronóstico en la industria
a1 <- ts(data = pronostico_eua$cant_car, start = c(2000), frequency = 1)
modelo <- auto.arima(a1)
modelo## Series: a1
## ARIMA(2,0,0) with non-zero mean
##
## Coefficients:
## ar1 ar2 mean
## 1.2265 -0.5231 15725.8885
## s.e. 0.1704 0.1698 676.2228
##
## sigma^2 = 1077645: log likelihood = -183.24
## AIC=374.48 AICc=376.83 BIC=378.84proneua <- forecast(modelo, level=c(95), h=3)
proneua## Point Forecast Lo 95 Hi 95
## 2022 15401.97 13367.33 17436.60
## 2023 15746.56 12526.81 18966.31
## 2024 15920.68 12132.31 19709.05plot(proneua,main="Pronóstico con auto.arima de ventas de carro en EUA", ylab="Venta de carros en EUA (en unidades)")
En los siguientes tres años se pronostica un aumento en las ventas de vehículos en estados unidos por lo que FORM tendrá que estar preparado para recibir mas ordenes y mas cantidad de unidades en sus pedidos, por lo que se recomienda estar atento a la demanda que tienen como empresa pero también tener muy presente que está podría incrementar poco a poco mientras pasen los años.
Base de datos Produccion en México
pronostico_mex <- read.csv( "/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/pronostico_mexico.csv")
str(pronostico_mex)## 'data.frame': 7 obs. of 2 variables:
## $ Periodo : int 2015 2016 2017 2018 2019 2020 2021
## $ Produccion: int 3399076 3465615 3933154 3918603 3811068 3040178 3028481Método de estimación de pronóstico en la industria
a2 <- ts(data = pronostico_mex$Produccion, start = c(2015), frequency = 1)
modelo_mex <- auto.arima(a2)
modelo_mex## Series: a2
## ARIMA(0,0,0) with non-zero mean
##
## Coefficients:
## mean
## 3513739.3
## s.e. 135784.5
##
## sigma^2 = 1.506e+11: log likelihood = -99.47
## AIC=202.95 AICc=205.95 BIC=202.84forecast_mex <- forecast(modelo_mex, level=c(95), h=4)
forecast_mex## Point Forecast Lo 95 Hi 95
## 2022 3513739 2753205 4274274
## 2023 3513739 2753205 4274274
## 2024 3513739 2753205 4274274
## 2025 3513739 2753205 4274274plot(forecast_mex,main="Producción de vehículos en México", ylab="Unidades producidas")
En la gráfica se puede observar que la producción de vehículos en México va a estar en aumento en los próximos tres años, lo cual se puede justificar con el aumento de ventas de vehículos en EUA. Como se ha mencionado antes, FORM se tiene que preparar para la demanda que esta proyectada.
Base de datos FORM - Merma
str(mer2)## 'data.frame': 9 obs. of 2 variables:
## $ Mes : Factor w/ 9 levels "Total ABRIL",..: 3 4 7 1 8 6 5 2 9
## $ Kilos: num 14560 22830 22470 18820 23410 ...Método de estimación de pronóstico en FORM - Merma
a3 <- ts(data = merma$Kilos, start = c(2022,1), frequency = 12)
modelo_pron_merma <- auto.arima(a3)
modelo_pron_merma## Series: a3
## ARIMA(0,0,0) with non-zero mean
##
## Coefficients:
## mean
## 20602.889
## s.e. 1736.893
##
## sigma^2 = 30544665: log likelihood = -89.8
## AIC=183.59 AICc=185.59 BIC=183.99forecast_merma <- forecast(modelo_pron_merma, level=c(95), h=4)
forecast_merma## Point Forecast Lo 95 Hi 95
## Oct 2022 20602.89 9770.711 31435.07
## Nov 2022 20602.89 9770.711 31435.07
## Dec 2022 20602.89 9770.711 31435.07
## Jan 2023 20602.89 9770.711 31435.07plot(forecast_merma, main="Merma - FORM", ylab="Kilos de Merma")
Para los siguientes tres meses se pronostica un incremento de merma pero no tan alto como la cantidad que hubo en Agosto.
Base de datos FORM - Delivery Plan
#file.choose()
plan_pronostico <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Delivery_plan_pronostico.csv")
str(plan_pronostico)## 'data.frame': 10 obs. of 2 variables:
## $ Mes : chr "Enero" "Febrero" "Marzo" "Abril" ...
## $ Plan: int 19028 23912 35504 43080 43318 39342 72186 29372 62903 27869Método de estimación de pronóstico en FORM - Delivery Plan
a4 <- ts(data = plan_pronostico$Plan, start = c(2022,1), frequency = 12)
modelo_pron_plan <- auto.arima(a4)
modelo_pron_plan## Series: a4
## ARIMA(0,0,0) with non-zero mean
##
## Coefficients:
## mean
## 39651.400
## s.e. 5058.865
##
## sigma^2 = 284353040: log likelihood = -110.99
## AIC=225.98 AICc=227.7 BIC=226.59forecast_plan <- forecast(modelo_pron_plan, level=c(95), h=5)
forecast_plan## Point Forecast Lo 95 Hi 95
## Nov 2022 39651.4 6600.976 72701.82
## Dec 2022 39651.4 6600.976 72701.82
## Jan 2023 39651.4 6600.976 72701.82
## Feb 2023 39651.4 6600.976 72701.82
## Mar 2023 39651.4 6600.976 72701.82plot(forecast_plan, main="Plan - FORM", ylab="Unidades de prodcuto")
Se espera tener una planificación con mas de 6600 unidades de todos los productos para los siguientes 5 meses. No se incluyeron los meses de Noviembre y Diciembre porque casí no habñia datos y eso afectaba a los pronósticos futuros de Delivery Plan, por lo que se opto por quitarlos de la base de datos e incluirlos en el pronóstico.
¿Cuál es la tendencia del desempeño durante el período de análisis y los siguientes 3 períodos de tiempo? La tendencia que todos los pronósticos arrojaron es un incremento en cuanto a la industria automotriz (producción y ventas) por lo que esto significa que FORM tendrá que estar preparado para un aumento de demanda en sus productos.
Sección 3
K-means clustering
Preparar base de datos
#file.choose()
rh <-read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/RH_Kmeans_Bajas.csv")
# Limpiar nombre
rh1 <- clean_names(rh)
# Visualizar base de datos
summary(rh1)## apellidos nombre edad fecha_de_nacimiento
## Length:233 Length:233 Min. :19.00 Length:233
## Class :character Class :character 1st Qu.:23.00 Class :character
## Mode :character Mode :character Median :29.00 Mode :character
## Mean :31.08
## 3rd Qu.:37.00
## Max. :61.00
## genero rfc fecha_de_alta motivo_de_baja
## Length:233 Length:233 Length:233 Length:233
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## dias_laborados baja puesto departamento
## Min. : 0.00 Length:233 Length:233 Length:233
## 1st Qu.: 6.00 Class :character Class :character Class :character
## Median : 15.00 Mode :character Mode :character Mode :character
## Mean : 72.73
## 3rd Qu.: 47.00
## Max. :1966.00
## no_seguro_social salario_diario_imss factor_cred_infonavit
## Length:233 Min. :144.4 Length:233
## Class :character 1st Qu.:180.7 Class :character
## Mode :character Median :180.7 Mode :character
## Mean :177.9
## 3rd Qu.:180.7
## Max. :500.0
## n_credito_infonavit lugar_de_nacimiento curp calle
## Length:233 Length:233 Length:233 Length:233
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## numero_interno colonia codigo_postal municipio
## Length:233 Length:233 Length:233 Length:233
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## estado estado_civil tarjeta_o_cuenta
## Length:233 Length:233 Length:233
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
## # Eliminar columnas que no se necesitan
rh2 <- subset(rh1,select = -c (apellidos, nombre, fecha_de_nacimiento, rfc, fecha_de_alta, baja, departamento,
no_seguro_social, factor_cred_infonavit, n_credito_infonavit, lugar_de_nacimiento,
curp, calle, numero_interno, colonia, codigo_postal, municipio, estado, tarjeta_o_cuenta))
#summary(rh2)
# na's en la base de datos
sum(is.na(rh2))## [1] 0sapply(rh2, function(x) sum(is.na(x)))## edad genero motivo_de_baja dias_laborados
## 0 0 0 0
## puesto salario_diario_imss estado_civil
## 0 0 0# no se encuentran NA's en la base de datos
# Convertir tipos de datos
rh2$edad <- as.numeric(rh2$edad)
rh2$genero <- as.factor(rh2$genero)
rh2$motivo_de_baja <- as.factor(rh2$motivo_de_baja)
rh2$dias_laborados <- as.numeric(rh2$dias_laborados)
rh2$puesto <- as.factor(rh2$puesto)
rh2$salario_diario_imss <- as.numeric(rh2$salario_diario_imss)
rh2$estado_civil <- as.factor(rh2$estado_civil)
#summary(rh2)Crear Clusters
Cluster 1: Edad y Número de días laborados
# Normalizar Variables
rh_edad_dias <-rh2 %>% select(salario_diario_imss, edad, dias_laborados)
rh_edad_dias_norm<-scale(rh_edad_dias[2:3])
plot(rh_edad_dias_norm)
# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_edad_dias_norm, kmeans, method="wss")+
geom_vline(xintercept=6, linetype=2)+
labs(subtitle = "Elbow method") 
De acuerdo al elbow method, el numero óptimo de clusters son 6 pero al momento de visualizarlo se determinó que es una elevada cantidad de clusters y no sería tan sencillo el interpretar y nombrar tantos clusters por lo que se llegó a la conclusión que se elaborarán 5 clusters.
# Visualizar Clusters
cluster1 <-kmeans(rh_edad_dias_norm,5)
cluster1## K-means clustering with 5 clusters of sizes 43, 4, 68, 8, 110
##
## Cluster means:
## edad dias_laborados
## 1 1.5856496 -0.1730602
## 2 1.0544820 6.6446440
## 3 0.2370717 -0.2593203
## 4 0.2767222 1.9190143
## 5 -0.8248684 -0.1532302
##
## Clustering vector:
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 4 3 5 5 3 1 3 3 1 5 5 3 5 3 4 5 5 5 5 5
## 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
## 3 2 5 3 1 5 3 5 5 5 3 5 5 5 3 5 5 4 3 5
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
## 4 4 5 5 5 5 5 5 1 1 1 2 5 1 5 5 1 5 5 5
## 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
## 5 5 3 5 5 1 5 4 4 5 5 5 3 5 3 5 1 5 5 1
## 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 2 5 1 5 5 5 1 5 5 5 3 1 1 5 5 5 1 3 5 3
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## 5 5 1 3 5 5 3 2 3 5 3 3 5 3 3 3 1 1 1 5
## 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
## 5 5 5 5 3 5 3 1 5 3 5 4 5 5 5 3 1 3 1 3
## 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 3 1 1 1 5 3 3 3 5 5 5 3 1 1 5 3 5 3 1 1
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 1 1 3 1 5 5 3 5 5 1 3 1 5 1 3 3 1 3 3 5
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
## 5 5 3 1 3 3 5 5 3 3 3 3 3 3 5 3 3 3 3 5
## 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 3 1 3 5 5 5 1 5 5 5 3 3 5 5 3 3 3 1 5 5
## 221 222 223 224 225 226 227 228 229 230 231 232 233
## 3 5 5 5 5 1 3 1 5 5 5 5 5
##
## Within cluster sum of squares by cluster:
## [1] 11.405375 15.799166 7.976676 7.819045 14.649008
## (between_SS / total_SS = 87.6 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"fviz_cluster(cluster1,data=rh_edad_dias_norm)
Interpretación: Cluster número 1 y 4 son de edades diferentes pero tienen días laborados similares, igual que el cluster 3 y 5 . Por otro lado, el cluster 2 son datos que no tienen días laborados similares pero tienen más días que los otros clusters y tiene un rango diferente de edades. Por lo que se concluye que los días laborados no tienen tanta relación con la edad.
Cluster 2: Edad y Salario Diario
# Normalizar Variables
rh_edad_sal <-rh2 %>% select(salario_diario_imss, edad, dias_laborados)
rh_edad_sal_norm<-scale(rh_edad_dias[1:2])
plot(rh_edad_sal_norm)
# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_edad_sal_norm, kmeans, method="wss")+
geom_vline(xintercept=5, linetype=2)+
labs(subtitle = "Elbow method") 
Número óptimo es de 5 clusters
# Visualizar Clusters
cluster2 <-kmeans(rh_edad_sal_norm,5)
cluster2## K-means clustering with 5 clusters of sizes 1, 34, 40, 63, 95
##
## Cluster means:
## salario_diario_imss edad
## 1 13.75965225 0.09524497
## 2 -0.11512539 1.83986677
## 3 0.11335568 0.74337807
## 4 -0.11750244 -0.10886552
## 5 -0.07344171 -0.90028748
##
## Clustering vector:
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 1 4 5 5 4 2 4 4 2 5 5 4 5 4 4 5 5 5 5 5
## 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
## 4 2 5 4 2 5 3 5 5 5 4 5 5 5 4 5 5 4 4 5
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
## 5 4 5 5 5 5 5 5 2 2 3 2 5 2 5 5 2 5 5 5
## 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
## 5 5 3 4 4 3 5 2 4 5 5 5 3 4 3 5 3 5 5 2
## 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 4 4 2 5 5 5 3 5 5 5 4 3 2 5 5 4 2 4 5 4
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## 5 5 3 4 5 5 3 4 3 5 4 4 5 3 4 4 2 2 2 5
## 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
## 5 5 5 5 4 5 3 2 4 3 5 2 5 4 4 4 2 4 3 3
## 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 4 3 2 2 5 4 3 4 5 4 5 3 2 2 5 3 5 3 3 3
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 2 2 4 2 5 4 4 5 4 2 4 2 4 3 4 3 2 3 3 5
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
## 5 5 4 2 3 3 5 5 4 3 3 4 3 4 5 4 4 4 4 5
## 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 4 2 3 5 5 5 2 4 5 5 3 4 5 5 3 3 3 2 4 4
## 221 222 223 224 225 226 227 228 229 230 231 232 233
## 4 5 5 5 4 3 4 3 5 5 5 5 5
##
## Within cluster sum of squares by cluster:
## [1] 0.000000 13.383803 2.840067 17.829341 23.318853
## (between_SS / total_SS = 87.6 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"fviz_cluster(cluster2,data=rh_edad_sal_norm)
Interpretación: Todos tienen un salario similar sin importar la edad pero en el cluster 1 (que solo es un punto) nos indica que hay alguien que gana más que los demás colaboradores y tienen una edad relativamente joven a comparación de los demás datos
Cluster 3: Número de días laborados y Salario Diario
# Normalizar Variables
rh_dias_sal <-rh2 %>% select(salario_diario_imss, dias_laborados, edad)
rh_dias_sal_norm<-scale(rh_dias_sal[1:2])
plot(rh_dias_sal_norm)
# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_dias_sal_norm, kmeans, method="wss")+
geom_vline(xintercept=5, linetype=2)+
labs(subtitle = "Elbow method") 
Se determinó que el número óptimo es de 5 clusters
# Visualizar Clusters
cluster3 <-kmeans(rh_dias_sal_norm,5)
cluster3## K-means clustering with 5 clusters of sizes 4, 1, 10, 27, 191
##
## Cluster means:
## salario_diario_imss dias_laborados
## 1 -0.3962566 6.64464404
## 2 13.7596523 2.56751686
## 3 -0.3729089 1.50771810
## 4 -1.1243505 0.03652891
## 5 0.1147221 -0.23669924
##
## Clustering vector:
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 2 4 4 4 4 4 4 4 4 3 4 4 5 5 3 4 4 4 4 4
## 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
## 4 1 4 4 5 5 5 5 5 5 5 5 5 5 5 5 4 3 5 5
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
## 3 3 5 5 5 5 5 5 5 5 5 1 3 5 5 5 5 5 5 4
## 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
## 5 5 5 5 5 5 5 3 3 4 5 5 5 5 5 5 5 5 5 5
## 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 1 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5
## 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
## 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5
## 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
## 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
## 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5
## 221 222 223 224 225 226 227 228 229 230 231 232 233
## 5 5 5 5 5 5 5 5 5 5 5 5 5
##
## Within cluster sum of squares by cluster:
## [1] 7.839149 0.000000 6.408768 1.637196 3.455406
## (between_SS / total_SS = 95.8 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"fviz_cluster(cluster3,data=rh_dias_sal_norm)
Interpretación: Los días laborados no tienen influencia en el salario porque hay datos que indican colaboradores que trabajan más días pero tienen un salario similar a los que no tienen tantos días laborados. En el cluster 2 podemos observar que es el que tiene un mayor salario pero no es el que tiene una cantidad alta de días laborados como es en el cluster 1. Por lo tanto, los días laborados no tienen relación con el salario.
Creación de segmmentos usando el cluster 2: Edad y Salario Diario
# Incluir columna que indique el cluster de cada registro
rh3 <- rh2
rh3$Clusters<-cluster2$cluster
# visualizar la máxima edad de cada cluster
rh4 <- rh3 %>% group_by(Clusters) %>% summarise(edad=max(edad)) %>% arrange(desc(edad))
# Nombrar cada cluster
rh3$nombres_clusters <- factor(rh3$Clusters,levels = c(1,2,3,4,5),
labels=c("Excepcion", "Jubilados", "Mayores", "Adultos", "Jovenes"))
# Agrupar los datos por nombre de clusters
library(dplyr)
library(plyr)
rh5 <- rh3 %>% group_by(nombres_clusters) %>% dplyr::summarize(edad_años=max(edad),
salario_imss=mean(salario_diario_imss),
Count=n())
clusters<-as.data.frame(rh5)
clusters## nombres_clusters edad_años salario_imss Count
## 1 Excepcion 32 500.0000 1
## 2 Jubilados 61 175.2329 34
## 3 Mayores 43 180.5810 40
## 4 Adultos 36 175.1773 63
## 5 Jovenes 26 176.2086 95Gráficos complementarios
# Gráfico por nombre de cluster
ggplot(rh5,aes(x=reorder(nombres_clusters,Count),y=Count,fill=nombres_clusters)) +
geom_bar(stat="identity")
Interpretación: Los jóvenes adultos son los que representan más número de bajas y se visualiza que el orden de número de bajas esta en el mismo orden de edad, esto significa que después de los jóvenes adultos el grupo que más representa bajas es el de los adultos y de ahí siguen los mayores, y por último los jubilados. En conclusión, la edad puede ser un factor importante en el número de bajas.
# Gráfico del máximo de edad de cada cluster
ggplot(rh5, aes(x=nombres_clusters,y=edad_años,fill= nombres_clusters,label=round(edad_años,digits=2))) +
geom_col() +
geom_text()
Aquí se observa la máxima de edad de cada cluster y también muestra la razón por la que se dieron los nombres a cada cluster. Los jóvenes tienen un rango de edad de 19-26, Adultos 27-36, Mayores 37-43 y Jubilados 44-61.
# Género de ex-colaboradores
ggplot(rh3, aes(fill=genero, y=genero, x=nombres_clusters)) +
geom_bar(position="stack", stat="identity") 
En la gráfica se aprecia un número alto de género masculino en todos los clusters. En Jubilados y Mayores el género Femenino es mayor que el masculino.
# Motivo de baja de ex-colaboradores
ggplot(rh3, aes(factor(nombres_clusters), fill = factor(motivo_de_baja))) +
geom_bar(position = position_dodge2(preserve = "single"))
Se puede observar que el motivo de baja mas grande en todos los grupos de edades es la baja por faltas, seguido de renuncia voluntaria. En jóvenes se puede observar que hay baja por abandono, mientras que en los otros clusters no hubo ninguna baja por abandono.
# Puesto de de ex-colaboradores
count(rh3$puesto)## x freq
## 1 ANALISTA DE NOMINAS /AUX DE R.H. 1
## 2 AUXILIAR DE EMBARQUES 3
## 3 AY. GENERAL 4
## 4 AY.GENERAL (MATERIALES) 1
## 5 AYUD.EMBARQUES 1
## 6 AYUDANTE DE EMBARQUES 3
## 7 AYUDANTE DE MTTO 1
## 8 AYUDANTE DE SOLDADOR 1
## 9 AYUDANTE GENERAL 171
## 10 AYUDANTE GENERAL DE EMBARQUES 1
## 11 CHOFER 1
## 12 CORTADOR 1
## 13 COSTURERA 10
## 14 COSTURERO 1
## 15 DISEÑO 1
## 16 ENCARGADA DE CALIDAD 1
## 17 FACTURACION 1
## 18 GUARDIA DE SEGURIDAD 2
## 19 INSPECTOR CALIDAD 1
## 20 INSPECTOR DE CALIDAD 2
## 21 INSPECTORA DE CALIDAD 1
## 22 LIMPIEZA 1
## 23 MARCADORA 1
## 24 MATERIALISTA 2
## 25 MONTACARGUISTA 5
## 26 PRACTICANTE DE MTTO 1
## 27 RESIDENTE 2
## 28 Residente Yanfeng 1
## 29 SERVICIO AL CLIENTE 1
## 30 SOLDADOR 10proporciones_puesto_excol <- c(176, 11, 11, 8, 26)
eti_puesto_excol <- c("ayudante general", "ayu. soldador/soldador", "costurera", "ayu. embarque", "otros" )
pct_puesto_excol <- round(proporciones_puesto_excol/sum(proporciones_puesto_excol)*100)
eti_puesto_excol <- paste(eti_puesto_excol, pct_puesto_excol)
et_puesto_excol <- paste(eti_puesto_excol,"%",sep="")
pie3D(proporciones_puesto_excol,labels = et_puesto_excol,
col=rainbow(length(eti_puesto_excol)),
main="Puestos de bajas")
El puesto en el que más se presentan bajas es en ayudante general, seguido de ayudante soldador/soldador, costurera, etc. Una de las posibles razones por la que haya más bajas en ayudante general, es porque en ese puesto se necesitan más colaboradores, por lo que el número de bajas en ese puesto puede ser mayor o también puede ser el ambiente general que se crea en ese puesto, estás hipotésis se comprobarían con un análisis más profundo de RH.
# Estado civil de ex-colaboradores
ggplot(rh3, aes(factor(nombres_clusters), fill = factor(estado_civil))) +
geom_bar(position = position_dodge2(preserve = "single"))
proporciones_est.civil_excol <- c(107, 3, 59, 63)
etiquetas_est.civil_excol <- c("soltero", "divorcio", "union libre", "matrimonio")
pct_est.civil_excol <- round(proporciones_est.civil_excol/sum(proporciones_est.civil_excol)*100)
etiquetas_est.civil_excol <- paste(etiquetas_est.civil_excol, pct_est.civil_excol)
etiquetas_est.civil_excol <- paste(etiquetas_est.civil_excol,"%",sep="")
pie3D(proporciones_est.civil_excol,labels = etiquetas_est.civil_excol,
col=rainbow(length(etiquetas_est.civil_excol)),
main="Estado civil de bajas")
En el total de bajas el estado civil más común es “soltero”, siendo los jóvenes los que tienen una mayor cantidad de este atributo, seguido de los adultos. Después, está el matrimonio siendo este el más presente en el grupo de adultos, seguido de los jóvenes. El divorcio no es tán común en los grupos.En conclusión, se puede deducir que la mayoría de los ex-colaboradores son solteros, por lo que es más fácil renunciar al no tener una extensa y/o propia familia. Ya que los solteros son la mayoría, por ende los jóvenes son los más propensos en darse de baja en FORM.
Principales hallazgos de los clústers identificados
Respecto a las bajas en función de los diferentes puestos existentes en la planta, se puede sustentar que donde existen más bajas es en el puesto de “Ayudante general” (representa el 76% de las bajas totales) por lo que se puede inferir que al ser el puesto con mayor demanda, vacantes ofrecidas y colaboradores quienes participan en dicha area, tiene sentido que destaquen las bajas con respecto a los otros puestas. En otras palabras, el número de bajas es proporcional al número de colaboradores presentes en cada puesto.
El salario no tiene relación con la edad, ya que muchos de los ex colaboradores tenían el mismo salario independientemente de su edad.
Jóvenes es el grupo con mayor cantidad de bajas, por lo que entre más jovén mayor es la probabilidad de darse de baja.
En el grupo de jubilados y mayores, las bajas corresponden en su mayoría a las mujeres. Por otra parte, jóvenes y adultos hay más cantidad de bajas por parte de los hombres.
Los solteros son los que representan más bajas y esto puede ser porque la mayoría de las bajas son de jóvenes por lo que se explica por que el estado civil de soltero es el que destaca más.
Bajas por faltas es el motivo de baja más presente en todos los grupos. Se tiene que analizar cuántos días es el límite para que a un colaborador lo den de baja.
Gráfico tipo ggalluvial
summary(rh3)## edad genero motivo_de_baja dias_laborados
## Min. :19.00 FEMENINO :137 ABANDONO : 1 Min. : 0.00
## 1st Qu.:23.00 MASCULINO: 96 BAJA POR FALTAS :139 1st Qu.: 6.00
## Median :29.00 JUBILACION : 1 Median : 15.00
## Mean :31.08 RENUNCIA VOLUNTARIA: 84 Mean : 72.73
## 3rd Qu.:37.00 TERMINO DE CONTRATO: 8 3rd Qu.: 47.00
## Max. :61.00 Max. :1966.00
##
## puesto salario_diario_imss estado_civil
## AYUDANTE GENERAL :171 Min. :144.4 divorcio : 3
## COSTURERA : 10 1st Qu.:180.7 matrimonio : 63
## SOLDADOR : 10 Median :180.7 Sin Conocer: 1
## MONTACARGUISTA : 5 Mean :177.9 Soltero :107
## AY. GENERAL : 4 3rd Qu.:180.7 Unión libre: 59
## AUXILIAR DE EMBARQUES: 3 Max. :500.0
## (Other) : 30
## Clusters nombres_clusters
## Min. :1.000 Excepcion: 1
## 1st Qu.:3.000 Jubilados:34
## Median :4.000 Mayores :40
## Mean :3.931 Adultos :63
## 3rd Qu.:5.000 Jovenes :95
## Max. :5.000
## # Nomás seleccionar dos clusters (Jóvenes y Adultos) que son los que tienen más registros en la base de datos
rh_ggalluvial <-rh3 %>% filter(Clusters==4 | Clusters==5) %>% arrange(Clusters)
rh_ggalluvial <- rh_ggalluvial[-c(50),]
# Gráficar
ggplot(as.data.frame(rh_ggalluvial),
aes(y=salario_diario_imss, axis1= genero, axis2=estado_civil)) +
geom_alluvium(aes(fill=nombres_clusters), width = 1/12) +
geom_stratum(width = 1/12, fill = "grey", color = "black") +
geom_label(stat = "stratum", aes(label = after_stat(stratum))) +
scale_x_discrete(limits = c("Género", "Estado civil"), expand = c(.05, .05)) +
scale_fill_brewer(type = "qual", palette = "Set2") +
ggtitle("FORM's Salario Diario por Género y Estado Civil")
Relaciones encontradas en el gráfico 1. En bajas hay una cantidad elevada de hombres jovenes solteros, mientras que los hombres casados jovenes son los de menor cantidad. A todo esto, al género masculino se le paga menos que a las mujeres. 2. Mientras que la minoría de hombres son casados, en las muejeres la minoría están en unión libre. Por lo tanto, son mas propensos de darse de baja los hombres casados que las mujeres. 3. En la gráfica podemos observar como hay mas observaciones de jovenes que de adultos.
Sección 4
Identificación de resultados relevantes
- Los siguientes periodos habrá un incremento en la producción de carros tanto en México como Estados Unidos, por lo tanto es importante que FORM este preparado para el aumento de demanda en sus productos en los siguientes 3 años por lo menos.
- La producción de EUA esta relacionada con la producción de autopartes, por lo que si la producción de autopartes cae, también lo hará la producción de vehículos en Estados Unidos y por ende la producción de FORM.
- En el mes de agosto - Julio la producción de carros en México se visualizó con más demanda comparado de los otros meses del año. Se puede decir que este mes es en el que más se tiene “movimientos” en la industria automotriz y esto lo podemos confirmar en la gráfica de merma y delivery plan de FORM.
- En cuanto a las bases de datos de FORM, en las bajas se puede observar como los jóvenes de género masculino y solteros son los que destacan más en esta base de datos, por lo tanto se demuestra que si los jovenes no se “enganchan” lo suficicientemente al principio en el trabajo tienen más probabilidad de abandonarlo. Al estar solteros no se tiene tanto compromiso para mantener un trabajo. A lo mejor, es cuestión de comportamientos que tienen las diferentes generaciones y la generación millenial o generación Z tienen otro tipo de motivaciones que no los encuentran en FORM.
- El salario no tiene relación con la edad, por lo que se deduce que la antiguedad en FORM no es uno de las principales características para el aumento de sueldo.
- En cuanto a la producción de FORM, hay dos clientes que son los que más pedidos realizan (STABILUS 1 y STABILUS 3), pero eso no significa que hay que tener toda la confianza en ellos para la producción. ¿Por qué los otros clientes no realizan más pedidos? Se deduce que el servicio al cliente es un área que se tiene analizar e improvisar, ya que Stabilus 1 y 3 representan mas de la mitad de la producción de FORM y si ellos deciden mover sus negocios con otra empresa eso significaría un gran desequilibrio para FORM.
sugerencias para la mejora de analítica de datos
- Tener un proceso estandarizado para la captura de los datos, ya que las bases de datos que se nos brindaron parecía que varias personas tenían acceso a la captura de datos y por lo tanto los datos no se veían uniformes o tenían muchas irregularidades.
- Contar con un área de analítica donde se enfoque solo a la visualización de datos. FORM cuenta con suficientes bases de datos para poder sacarle mucho potencial y así agregar más valor a su empresa. También , podrán tener una idea mejor hacia donde dirigir el futuro camnio de FORM.
- A las personas que capturan los datos se recomienda hacer bases de datos más simple y que nomás contengan los datos relevantes, ya que en algunas bases de datos venían muy elaboradas y con mucho espacio para la capturación de los datos pero existía muy poquitas celdas con registros, la mayoría de estas venían vacías.
Preguntas finales
A. Business Analytics vs Business Intelligence Business Intelligence es más acerca del pasado y del presente, el como las empresas capturan la información y las decisiones que toman en base a esa información. Business Analytics es una herramienta para business intelligence ya que toma los datos del pasado y del presente, así como también factores del ambiente de donde ocurrieron los datos pasados para predecir como los datos se comportarán en un futuro. 3 diferencias:
1. BI usa datos que se tienen ya registrados para hacer decisiones más fáciles mientras que BA predice el futuro con datos del pasado. 2. BI ayuda a los problemas del presente, mientras que BA ayuda a conocer que problemas aparecerán en un futuro. 3. BI usa análisis descriptivo, mientras que BA usa análisis predictivo.
B. Concepto de Indicador Clave de Rendimiento / Key Performance Indicators (KPI). Los KPI son aquellas métricas que ayudan a visualizar el progreso que tienes en tu empresa y que tan cerca estás del objetivo planeado. Los KPI deben de ser medibles, te ayudan a lograr las metas específicadas y de cierta forma ayuda a que la empresa o el equipo sea más productivo. Ejemplos: satisfacción del cliente, número de facturas, número de visitas en una red social, etc. El KPI ya dependerá del objetivo de cada quien,
C. Describir 3 posibles KPIs que permitan evaluar el desempeño de algunas áreas de FORM 1. Número de unidades producidas al mes: estás ayudarán a medir la productividad de FORM 2. Net Promoter Score: este KPI va dirigido a la satisfacción del cliente. Este te ayuda a medir que clientes son detractores (no les gusto tu servicio/producto), neutro (no tienen una opinión ni mala ni buena del servicio/producto) o promotores (les gusta el servicio/producto). Gracias a encuestas a los clientes se puede obtener un puntuaje para el Net Promoter Score. 3. Tasa de deserción semestral: Proporción de colaboradores que durante el semestre por diferentes motivos abandonan el empleo sin haber terminado el periodo.
Referencias
INEGI. (2022). Venta, producción y exportación de vehículos ligeros. Recuperado de: https://www.inegi.org.mx/app/tabulados/default.html?nc=100100090_a
INEGI. (2022). Confianza del consumidor. recuperado de: https://www.inegi.org.mx/temas/confianza/
Proyectos mexico. Desempleo. Recuperado de: https://www.proyectosmexico.gob.mx/por-que-invertir-en-mexico/mercado-potencial/sd_historico-tasa-de-desempleo-en-mexico/
statista. (2022). tasa de inflación. recuperado de: https://es.statista.com/estadisticas/608330/tasa-de-inflacion-mexico/
económico. (2020). Tipo de cambio dólar peso promedio anual 2019, serie de 1954 a 2019. Recuperado de: https://economicon.mx/2020/01/07/tipo-de-cambio-dolar-peso-promedio-anual-2019-serie-de-1954-a-2019/
---
title: <span style="Color:Orange"> "Evidencia_2"
author: "Dana Perez - A00227041"
date: "10/11/2022"
output: 
  html_document: 
    toc: true
    toc_float: true
    code_download: true
---
<img src="/Users/dannaperez/Desktop/imagenes para HTML/FORM_FB.jpg">

**Llamar librerías**
```{r message=FALSE, warning=FALSE}
#install.packages("jtools")
#install.packages("plotrix")
#install.packages("ggalluvial")
library(jtools)
library(dplyr)
library(ggplot2)
library(janitor)
library(lubridate)
library(plyr)
library(corrplot)
library(factoextra)
library(plotrix)
library(ggalluvial)
library(forecast)
```

# **Sección 1**

**Limpieza, Transformación, y Organización de Bases de Datos**  

## *a. FORM – Recursos Humanos (colaboradores y bajas)*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
# colaboradores
#file.choose()
colaboradores <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_RH_Colaboradores.csv")
# bajas
bajas <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_RH_Bajas.csv")

# Entender base de datos y normalizar nombres 
# colaboradores
summary(colaboradores)
clean_names(colaboradores)
# bajas
summary(bajas)
clean_names(bajas)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
# colaboradores
summary(colaboradores)
col <- colaboradores
col <- subset(col,select = -c (FECHA.DE.ALTA, FECHA.DE.NACIMIENTO, No..De.Empleado, APELLIDOS, NOMBRE, RFC, Primer.mes, X4to.mes, BAJA, DEPARTAMENTO, NO.SEGURO.SOCIAL, FACTOR.CRED.INFONAVIT, No..CREDITO.INFONAVIT, LUGAR.DE.NACIMIENTO, CURP,  CALLE, NUMERO.INTERNO, COLONIA, MUNICIPIO, ESTADO, CODIGO.POSTAL, TARJETA....CUENTA))
summary(col)
# bajas
summary(bajas)
bajas <- subset(bajas,select = -c (X.1, X.2, FECHA.DE.NACIMIENTO, X, APELLIDOS, NOMBRE, RFC, FECHA.DE.ALTA, BAJA, DEPARTAMENTO, NO.SEGURO.SOCIAL, FACTOR.CRED.INFONAVIT, N..CREDITO.INFONAVIT, LUGAR.DE.NACIMIENTO, CURP, CALLE, NUMERO.INTERNO, COLONIA, CODIGO.POSTAL, MUNICIPIO, ESTADO, TARJETA....CUENTA))           
summary(bajas)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
# colaboradores
str(col)
col1 <- col
col1$GENERO <- as.factor(col1$GENERO)
col1$PUESTO <- as.factor(col1$PUESTO)
col1$ESTADO.CIVIL <- as.factor(col1$ESTADO.CIVIL)
str(col1)
# bajas
str(bajas)
bajas1 <- bajas
bajas1$GENERO <- as.factor(bajas1$GENERO)
bajas1$MOTIVO.DE.BAJA  <- as.factor(bajas1$MOTIVO.DE.BAJA)
bajas1$PUESTO  <- as.factor(bajas1$PUESTO)
bajas1$ESTADO.CIVIL <- as.factor(bajas1$ESTADO.CIVIL)
str(bajas1)

# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas 
# colaboradores
col2 <- col1
colnames(col2)<-c('genero','puesto','sal.diario', 'est.civ.', 'edad', 'anti.')
summary(col2)
# bajas
baj2 <- bajas1
colnames(baj2)<-c('genero','mot.baja','num.dias.trab.', 'puesto', 'sal.diario', 'est.civ.', 'edad')
summary(baj2)

# Limpieza 4: NA´S en la base de datos
# colaboradores
sum(is.na(col2))
# T: No hay NA´s
# bajas
sum(is.na(baj2))
# NA´S por variable
sapply(baj2, function(x) sum(is.na(x)))
# T: Reemplazar los NA´s ubicados en número de días de trabajo por la mediana porque los datos son muy extremos entre ellos.
baj3 <- baj2
baj3$num.dias.trab.[is.na(baj3$num.dias.trab)]<-median(baj3$num.dias.trab, na.rm = TRUE)
summary(baj3)
# T: Confirmar que los NA´s se reemplazaron
sapply(baj3, function(x) sum(is.na(x)))

# Limpieza 5: Remover datos duplicados
# colaboradores
col2[duplicated(col2),]
sum(duplicated(col2))
# T: No hay datos duplicados
# bajas
baj3[duplicated(baj3),]
sum(duplicated(baj3))
baj4 <- baj3
baj4 <- distinct(baj4)
# comprobar que no hay registros duplicados
baj4[duplicated(baj4),]
sum(duplicated(baj4))
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
# colaboradores
str(col2)
```
En esta base de datos tiene 112 registros y 6 variables. 
```{r message=FALSE, warning=FALSE}
# bajas
str(baj4)
```
En esta base de datos tiene 234 registros y 7 variables. 

### *3 Clasificación de variables*
```{r message=FALSE, warning=FALSE}
# colaboradores
Variable_col <- c("genero", "puesto", "salario diario", "estado civil", "edad", "antigüedad")
clasif_col <- c("cualitativa", "cualitativa", "cuantitativa continua", "cualitativa", "cuantitativa discreta", "cuantitativa discreta")
medicion_col <- c("NA", "NA", "pesos mexicanos", "NA", "años", "días")
tabla_col <-data.frame(Variable_col,clasif_col, medicion_col)
knitr::kable(tabla_col)
#bajas
Variable_bajas <- c("genero", "motivo de baja", "número de días trabajados", "puesto", "salario diario", "estado civil", "edad")
clasif_bajas <- c("cualitativa", "cualitativa", "cuantitativa discreta", "cualitativa", "cuantitativa continua", "cualitativa", "cuantitativa discreta")
medicion_bajas <- c("NA", "NA", "días", "NA", "pesos mexicanos", "NA", "años")
tabla_bajas <-data.frame(Variable_bajas,clasif_bajas, medicion_bajas)
knitr::kable(tabla_bajas)
# t: markdown: knitr::kable(tabla)
```

### *4. Estadísticos descriptivos (colaboradores)*
```{r message=FALSE, warning=FALSE}
# Promedio
# summary(col2)
# Promedio_col_sal_diario <- (mean(col2$sal.diario))
# Promedio_col_sal_diario
# Promedio_col_antiguedad <- (mean(col2$anti.))
# Promedio_col_antiguedad
# Promedio_col_edad <- (mean(col2$edad))
# Promedio_col_edad

# Moda
# Moda <- function(x) {
#  ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]   }    
# Moda_col_sal_diario <- Moda(col2$sal.diario)
# Moda_col_sal_diario
# Moda_col_antiguedad <- Moda(col2$anti.)
# Moda_col_antiguedad
# Moda_col_edad <- Moda(col2$edad)
# Moda_col_edad

# Mediana
# mediana_col_sal_diario <- median(col2$sal.diario)
# mediana_col_sal_diario
# mediana_col_antiguedad <- median(col2$anti.)
# mediana_col_antiguedad
# mediana_col_edad <- median(col2$edad)
# mediana_col_edad

# Varianza
# Var_col_sal_diario <- var(col2$sal.diario)
# Var_col_sal_diario
# Var_col_antiguedad <- var(col2$anti.)
# Var_col_antiguedad
# Var_col_edad <- var(col2$edad)
# Var_col_edad

# Deviación Estándar
# desv_col_sal_diario <- sqrt(Var_col_sal_diario)
# desv_col_sal_diario
# desv_col_antiguedad <- sqrt(Var_col_antiguedad)
# desv_col_antiguedad
# desv_col_edad <- sqrt(Var_col_edad)
# desv_col_edad

## Tabla con estadísticas descriptivas
Variable_est_col <- c("Salario Diario", "antiguedad", "edad")
Promedio_est_col <- c(179.0415, 2.843393, 36.30357)
Moda_est_col <- c(180.68, 0.33, 21)
Mediana_est_col <- c(180.68, 0.65, 33.5)
Desviación_Estándar_est_col <- c(24.39491, 11.71017, 12.87839)
tabla_est_col <-data.frame(Variable_est_col, Promedio_est_col, Moda_est_col, Mediana_est_col, Desviación_Estándar_est_col)
knitr::kable(tabla_est_col)
```
Interpretación: En el salario diario el promedio, la moda y la mediana es 180 por lo que todos los trabajadores tienen esta cantidad de salario.En promedio la antigüedad de los trabajores es de casi tres años. Mucho de los trabajadores tiene 21 años y un promedio de 38 años.  

### *4. Estadísticos descriptivos (bajas)*
```{r message=FALSE, warning=FALSE}
# Promedio
# Promedio_bajas_num_dias_trab <- (mean(baj4$num.dias.trab.))
# Promedio_bajas_num_dias_trab
# Promedio_bajas_sal_diario <- (mean(baj4$sal.diario))
# Promedio_bajas_sal_diario
# Promedio_bajas_edad <- (mean(baj4$edad))
# Promedio_bajas_edad

# Moda
# Moda <- function(x) {
#  ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]      
# }    
# Moda_bajas_num_dias_trab <- Moda(baj4$num.dias.trab.)
# Moda_bajas_num_dias_trab
# Moda_bajas_sal_diario <- Moda(baj4$sal.diario)
# Moda_bajas_sal_diario
# Moda_bajas_edad <- Moda(baj4$edad)
# Moda_bajas_edad

# Mediana
# mediana_bajas_num_dias_trab <- median(baj4$num.dias.trab.)
# mediana_bajas_num_dias_trab
# mediana_bajas_sal_diario <- median(baj4$sal.diario)
# mediana_bajas_sal_diario
# mediana_bajas_edad <- median(baj4$edad)
# mediana_bajas_edad

# Varianza
# varianza_bajas_num_dias_trab <- var(baj4$num.dias.trab.)
# varianza_bajas_num_dias_trab
# varianza_bajas_sal_diario <- var(baj4$sal.diario)
# varianza_bajas_sal_diario
# varianza_bajas_edad <- var(baj4$edad)
# varianza_bajas_edad

# Deviación Estándar
# desv_bajas_num_dias_trab <- sqrt(varianza_bajas_num_dias_trab)
# desv_bajas_num_dias_trab
# desv_bajas_sal_diario <- sqrt(varianza_bajas_sal_diario)
# desv_bajas_sal_diario
# desv_bajas_edad <- sqrt(varianza_bajas_edad)
# desv_bajas_edad

## Tabla con estadísticas descriptivas
Variable_est_bajas <- c("Bajas RH: Número de días trabajados", "Bajas RH: Salario Diario", "Bajas RH: Edad")
Promedio_est_bajas <- c(75.12121, 177.9039, 31.12987)
Moda_est_bajas <- c(19, 180.68, 22)
Mediana_est_bajas <- c(19, 180.68, 29)
Desviación_Estándar_est_bajas <- c(216.5698, 23.50715, 9.663941)
tabla_est_bajas <-data.frame(Variable_est_bajas, Promedio_est_bajas, Moda_est_bajas, Mediana_est_bajas, Desviación_Estándar_est_bajas)
knitr::kable(tabla_est_bajas)
```
Interpretación: Muchas de las bajas son de 22 años lo cual quiere decir que los adultos-jovenes son los que más tienden a renunciar y el promedio de días trabajados es de 75 días, que son dos meses y meido aproximadamente.  

## *b. FORM – Delivery Plan*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
#file.choose()
plan <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Delivery_Plan.csv") 
# Entender base de datos
summary(plan)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
plan1 <- plan
plan1 <- subset(plan1,select = -c (PROYECTO, ID.ODOO, JUNIO, JULIO, AGOSTO, SEPTIEMBRE, OCTUBRE, NOVIEMBRE, DICIEMBRE, TOTAL.MESES))
summary(plan1)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(plan1)
plan2 <- plan1
plan2$CLIENTE.PLANTA <- as.factor(plan2$CLIENTE.PLANTA)
plan2$ITEM <- as.factor(plan2$ITEM)
plan2$ene.22 <- as.numeric(plan2$ene.22)
plan2$feb.22 <- as.numeric(plan2$feb.22)
plan2$mar.22 <- as.numeric(plan2$mar.22)
plan2$abr.22 <- as.numeric(plan2$abr.22)
plan2$may.22 <- as.numeric(plan2$may.22)
plan2$jun.22 <- as.numeric(plan2$jun.22)
plan2$jul.22 <- as.numeric(plan2$jul.22)
plan2$ago.22 <- as.numeric(plan2$ago.22)
plan2$sep.22 <- as.numeric(plan2$sep.22)
plan2$OCTUBRE.22 <- as.numeric(plan2$OCTUBRE.22)
plan2$dic.22 <- as.numeric(plan2$dic.22)
plan2$nov.22 <- as.numeric(plan2$nov.22)
plan2$ene.23 <- as.numeric(plan2$ene.23)
plan2$feb.23 <- as.numeric(plan2$feb.23)
plan2$mar.23 <- as.numeric(plan2$mar.23)
str(plan2)

# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas 
plan3 <- plan2
colnames(plan3)<-c("cliente", 'prod','ene22','feb22', 'mar22', 'abr22', 'may22', 'jun22', 'jul22', 'ago22', "sep22", "oct22", "nov22", "dic22", "ene23", "feb23", "mar23")
summary(plan3)

# Limpieza 4: NA´S en la base de datos
sum(is.na(plan3))
# No hay NA´s en la base de datos. 

# Limpieza 5: Remover datos duplicados
plan3[duplicated(plan3),]
sum(duplicated(baj3))
plan4 <- plan3
plan4 <- distinct(plan4)
# comprobar que no hay registros duplicados
baj4[duplicated(plan4),]
sum(duplicated(plan4))
# No se removieron los datos duplicados porque es posible que un pedido grande lo hayan dividido en varios pedidos o
# el cliente pudo haber duplicado la misma orden. 
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
str(plan4)
```
En esta base de datos tiene 231 registros y 17 variables. 

### *3. Clasificación de variables*
```{r message=FALSE, warning=FALSE}
Variable_plan <- c("cliente", "producto", "enero 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")
clasif_plan <- c("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")
medicion_plan <- c("NA", "NA", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades", "unidades")
tabla_plan <-data.frame(Variable_plan, clasif_plan, medicion_plan)
knitr::kable(tabla_plan)
```

### *4. Estadísticos descriptivos*
```{r message=FALSE, warning=FALSE}
# Tabla con estadísticas descriptivas
Variable_est_plan <- c("ene22", "feb22", "mar22", "abr22", "may22", "jun22", "jul22", "ago22", "sep22", "oct22",
                        "nov22", "dic22", "ene23")
Promedio_est_plan <- c(82.37, 103.5, 153.9, 186.5, 187.6, 171.2, 316.9, 131.5, 272.3, 120.9, 2.11, 1.22, 0.59)
# Lo que es la mediana, moda y desviación estándar arrojaban ceros por lo que no se incluyeron en la tabla
tabla_est_plan <-data.frame(Variable_est_plan, Promedio_est_plan)
knitr::kable(tabla_est_plan)
```
El mes con más promedio es Julio 2022. Los meses que tienen un mayor promedio están alrededor de lo que es mitad de año. Los mese Noviembre 2022, Diciembre 2022 y Enero 2023 son los que menos promedio tienen porque apenas se están planificando.  

## *c. FORM – Delivery Performance*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
# file.choose()
performance <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM - Delivery Performance.csv")

# Entender base de datos
summary(performance)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
perf2 <- performance
perf2 <-subset (perf2, select =-c(Target)) 
summary(perf2)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(perf2)
perf2$Date <-as.Date(perf2$Date,format ="%d/%m/%Y")
perf2$Cliente <- as.factor(perf2$Cliente)
str(perf2)

# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas 
perf3<-perf2
colnames(perf3)<-c("cliente", "vueltas", "llegada_e", "llegada_r", "salida_r", "dif", "fecha")
# T: _e: espereada, _r: real
summary(perf3)

# Limpieza 4: NA´S en la base de datos
sum(is.na(perf3))
# T: No se encuentran NA´s en la base de datos.
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
str(perf3)
```
En esta base de datos tiene 1440 registros y 7 variables. 

### *3. Clasificación de variables*
```{r message=FALSE, warning=FALSE}
Variable_perf <- c("Cliente", "Vueltas", "Plan.arrival", "Real.arrival", "Plan.departure", "Diference", "Fecha")
clasif_perf <- c("cualitativo", "cuantitativo discreto", "cuantitativo continuo", "cuantitativo continuo", "cuantitativo continuo", "cuantitativo continuo", "cuantitativa discreta")
medicion_perf <- c("NA", "Número de vueltas", "Minutos", "Minutos", "Minutos", "Minutos", "Días")
tabla_perf <-data.frame(Variable_perf, clasif_perf, medicion_perf)
knitr::kable(tabla_perf)
```

### *4. Estadísticos descriptivos*
```{r message=FALSE, warning=FALSE}
# Promedio
# summary(perf3)
# Promedio_perf_vueltas <- (mean(perf3$vueltas))
# Promedio_perf_vueltas
# Promedio_perf_llegada_e <- (mean(perf3$llegada_e))
# Promedio_perf_llegada_e
# Promedio_perf_llegada_r <- (mean(perf3$llegada_r))
# Promedio_perf_llegada_r
# Promedio_perf_salida_r <- (mean(perf3$salida_r))
# Promedio_perf_salida_r
# Promedio_perf_dif <- (mean(perf3$dif))
# Promedio_perf_dif

# Moda
# Moda <- function(x) {
#  ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]      
#}    
# Moda_perf_vueltas <- Moda(perf3$vueltas)
# Moda_perf_vueltas
# Moda_perf_llegada_e <- Moda(perf3$llegada_e)
# Moda_perf_llegada_e
# Moda_perf_llegada_r <- Moda(perf3$llegada_r)
# Moda_perf_llegada_r
# Moda_perf_salida_r <- Moda(perf3$salida_r)
# Moda_perf_salida_r
# Moda_perf_dif <- Moda(perf3$dif)
# Moda_perf_dif

# Mediana
# Mediana_perf_vueltas <- median(perf3$vueltas)
# Mediana_perf_vueltas
# Mediana_perf_llegada_e <- median(perf3$llegada_e)
# Mediana_perf_llegada_e
# Mediana_perf_llegada_r <- median(perf3$llegada_r)
# Mediana_perf_llegada_r
# Mediana_perf_salida_r <- median(perf3$salida_r)
# Mediana_perf_salida_r
# Mediana_perf_dif <- median(perf3$dif)
# Mediana_perf_dif

# Varianza
# Varianza_perf_vueltas <- var(perf3$vueltas)
# Varianza_perf_vueltas
# Varianza_perf_llegada_e <- var(perf3$llegada_e)
# Varianza_perf_llegada_e
# Varianza_perf_llegada_r <- var(perf3$llegada_r)
# Varianza_perf_llegada_r
# Varianza_perf_salida_r <- var(perf3$salida_r)
# Varianza_perf_salida_r
# Varianza_perf_dif <- var(perf3$dif)
# Varianza_perf_dif

# Deviación Estándar
# Desv_perf_vueltas <- sqrt(Varianza_perf_vueltas)
# Desv_perf_vueltas
# Desv_perf_llegada_e <- sqrt(Varianza_perf_llegada_e)
# Desv_perf_llegada_e
# Desv_perf_llegada_r <- sqrt(Varianza_perf_llegada_r)
# Desv_perf_llegada_
# Desv_perf_salida_r <- sqrt(Varianza_perf_salida_r)
# Desv_perf_salida_r
# Desv_perf_dif <- sqrt(Varianza_perf_dif)
# Desv_perf_dif

# Tabla con estadísticas descriptivas
Variable_est_perf <- c("Vueltas", "llegada estimada", "llegada real", "salida real", "diferencia")
Promedio_est_perf <- c(1.75, 6.625, 3.822792, 4.141972, 0.3155)
Moda_est_perf <- c(1, 0, 0, 0, 0)
Mediana_est_perf <- c(1.5, 4, 0, 0, 0)
Desviación_Estándar_est_perf <- c(0.8294442, 7.501563, 6.505902, 6.948665, 0.9218758)
tabla_est_perf <-data.frame(Variable_est_perf, Promedio_est_perf, Moda_est_perf, Mediana_est_perf, Desviación_Estándar_est_perf)
knitr::kable(tabla_est_perf)
# t: markdown: knitr::kable(tabla)
```
En la tabla nos muestra que no es much la diferencia que hay entre la llegada estimada y la llegada real porque el promedio de esta varibale es de 0.31 min. Otro punto es que las llegadas reales son más rápidas que las llegadas estimadas.  

## *d. FORM – Producción*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
#file.choose()
prod <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Produccion.csv")

# Entender base de datos
summary(prod)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
prod1 <- prod
prod1 <- subset(prod1,select = -c (No., ID.FORM, PRODUCTO, HR..FIN, ESTACION.ARRANQUE, INICIO.de.PROCESO, INICIO.SEP.UP, FIN.INICIO.DE.SEP.UP, FIN.de.PROCESO, TIEMPO.MATERIALES, MERMAS.Maquinas.))
summary(prod1)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(prod1)
prod2 <- prod1
prod2$Fecha <- as.Date(prod2$Fecha, format = "%d/%m/%Y")
prod2$CLIENTE<-as.factor(prod2$CLIENTE) 
prod2$PIEZAS.P.G.<-as.numeric(prod2$PIEZAS.P.G.) 
prod2$TMO..MIN.<-as.numeric(prod2$TMO..MIN.) 
prod2$Laminas.procesadas<-as.numeric(prod2$Laminas.procesadas) 
str(prod2)

# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas 
prod3<-prod2
colnames(prod3)<-c('fecha','cliente','piezas_prog', 'tiempo_min', 'laminas_proc', 'tiemp_cali')
summary(prod3)

# Limpieza 4: NA´S en la base de datos
sum(is.na(prod3))
# T: se encuentran 1910 NA´s en toda la base de datos
# NA´S por variable
sapply(prod3, function(x) sum(is.na(x)))
# T: En tiempo minimo se reemplazaran las NA´s por el promedio o media ya que no hay una dispersión muy grande entre los datos
# de la columna
prod4 <- prod3
prod4$tiempo_min[is.na(prod4$tiempo_min)]<-mean(prod4$tiempo_min, na.rm = TRUE)

# T: En láminas procesadas se reemplazaran las NA´s por la mediana ya que hay una dispersión muy grande entre los datos
# de la columna
prod4$laminas_proc[is.na(prod4$laminas_proc)]<-median(prod4$laminas_proc, na.rm = TRUE)

# T: En tiempo de calidad se reemplazaran las NA´s por la moda ya que el 54% de las observaciones pertenecen al mismo
# número que es: 1.
mode <- function(x) {
  return(as.numeric(names(which.max(table(x)))))
}
prod4$tiemp_cali[is.na(prod4$tiemp_cali)]<-mode(prod4$tiemp_cali)
summary(prod4)
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
str(prod4)
```
En esta base de datos tiene 2516 registros y 6 variables. 

### *3. Clasificación de variables*
```{r message=FALSE, warning=FALSE}
Variable_prod <- c("Fecha", "cliente", "piezas programadas", "tiempo mínimo", "Láminas.procesadas", "Tiempo de calidad")
Clasificacion_prod <- c("Cuantitativa discreta", "Cualitativa", "Cuantitativa discreta", "Cuantitativa continua", "Cuantitativa continua", "Cuantitariva discreta")
medicion_prod <- c("día", "NA", "Número de piezas", "minutos", "Número de láminas", "minutos")
tabla_prod <- data.frame (Variable_prod, Clasificacion_prod, medicion_prod)
knitr::kable(tabla_prod)
# t: markdown: knitr::kable(tabla)
```

### *4. Estadísticos descriptivos*
```{r message=FALSE, warning=FALSE}
# Promedio
# summary(prod4)
# Promedio_prod_piezas_prog <- (mean(prod4$piezas_prog))
# Promedio_prod_piezas_prog
# Promedio_prod_tiempo_min <- (mean(prod4$tiempo_min))
# Promedio_prod_tiempo_min
# Promedio_prod_laminas_proc <- (mean(prod4$laminas_proc))
# Promedio_prod_laminas_proc
# Promedio_prod_tiempo_cali <- (mean(prod4$tiemp_cali))
# Promedio_prod_tiempo_cali

# Moda
# Moda <- function(x) {
#  ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]      
#}    
# Moda_prod_piezas_prog <- Moda(prod4$piezas_prog)
# Moda_prod_piezas_prog
# Moda_prod_tiempo_min <- Moda(prod4$tiempo_min)
# Moda_prod_tiempo_min
# Moda_prod_laminas_proc <- Moda(prod4$laminas_proc)
# Moda_prod_laminas_proc
# Moda_prod_tiempo_cali <- Moda(prod4$tiemp_cali)
# Moda_prod_tiempo_cali

# Mediana
# Mediana_prod_piezas_prog <- median(prod4$piezas_prog)
# Mediana_prod_piezas_prog
# Mediana_prod_tiempo_min <- median(prod4$tiempo_min)
# Mediana_prod_tiempo_min
# Mediana_prod_laminas_proc <- median(prod4$laminas_proc)
# Mediana_prod_laminas_proc
# Mediana_prod_tiempo_cali <- median(prod4$tiemp_cali)
# Mediana_prod_tiempo_cali

# Varianza
# Varianza_prod_piezas_prog <- var(prod4$piezas_prog)
# Varianza_prod_piezas_prog
# Varianza_prod_tiempo_min <- var(prod4$tiempo_min)
# Varianza_prod_tiempo_min
# Varianza_prod_laminas_proc <- var(prod4$laminas_proc)
# Varianza_prod_laminas_proc
# Varianza_prod_tiempo_cali <- var(prod4$tiemp_cali)
# Varianza_prod_tiempo_cali

# Deviación Estándar
# desv_prod_piezas_prog <- sqrt(Varianza_prod_piezas_prog)
# desv_prod_piezas_prog
# desv_prod_tiempo_min <- sqrt(Varianza_prod_tiempo_min)
# desv_prod_tiempo_min
# desv_prod_laminas_proc <- sqrt(Varianza_prod_laminas_proc)
# desv_prod_laminas_proc
# desv_prod_tiempo_cali <- sqrt(Varianza_prod_tiempo_cali)
# desv_prod_tiempo_cali

# Tabla con estadísticas descriptivas
Variable_est_prod <- c("piezas programadas", "tiempo mínimo", "láminas procesadas", "tiempo calidad")
Promedio_est_prod <- c(181.436, 23.10789, 115.6475, 0.9493988)
Moda_est_prod <- c(200, 23.10789, 61, 1)
Mediana_est_prod <- c(160, 23.10789, 61, 1)
Desviación_Estándar_est_prod <- c(149.5705, 12.03107, 899.7937, 1.180327)
tabla_est_prod <-data.frame(Variable_est_prod, Promedio_est_prod, Moda_est_prod, Mediana_est_prod, Desviación_Estándar_est_prod)
knitr::kable(tabla_est_prod)
# t: markdown: knitr::kable(tabla)
```
El tiempo mínimo en la gran parte de las piezas es de 23 min porque este número se repite en el promedio, moda y mediana de tiempo mínimo.Tiempo de calidad casi siempre lo mantienen abajo de 1 minuto y las piezas programadas son de aproximadamente de 182 unidades.  

## *e. FORM – Merma*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
# file.choose()
merma <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM - Merma.csv")

# Entender base de datos
summary(merma)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(merma)
mer2 <- merma
mer2$Mes <- as.factor(mer2$Mes)
mer2$Kilos <- as.numeric(mer2$Kilos)
str(mer2)
# Limpieza 2: NA´S en la base de datos
sum(is.na(mer2))
# No hay NA´s en la base de datos
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
str(mer2)
```
En esta base de datos tiene 9 registros y 2 variables. 

### *3. Clasificación de variables*
```{r message=FALSE, warning=FALSE}
Variable_merma <- c("Kilos", "Mes")
Clasificacion_merma <- c("Cuantitativa discreta", "Cualitativa")
medicion_merma <- c("kilogramos", "NA")
tabla_merma <- data.frame (Variable_merma, Clasificacion_merma, medicion_merma)
knitr::kable(tabla_merma)
```

### *4. Estadísticos descriptivos*
```{r message=FALSE, warning=FALSE}
# Promedio
# summary(mer2)
# Promedio_mer_kilos <- (mean(mer2$Kilos))
# Promedio_mer_kilos

# Moda
# Moda <- function(x) {
#  ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]      
#}    
# Moda_mer_kilos <- Moda(mer2$Kilos)
# Moda_mer_kilos

# Mediana
# Mediana_mer_kilos <- median(mer2$Kilos)
# Mediana_mer_kilos

# Varianza
# Varianza_mer_kilos <- var(mer2$Kilos)
# Varianza_mer_kilos

# Deviación Estándar
# desv_mer_kilos <- sqrt(Varianza_mer_kilos)
# desv_mer_kilos

# Tabla con estadísticas descriptivas
Variable_est_mer <- c("Kilos")
Promedio_est_mer <- c(20602.89)
Moda_est_mer <- c(14560)
Mediana_est_mer <- c(19370)
Desviación_Estándar_est_mer <- c(5526.723)
tabla_est_mer <-data.frame(Variable_est_mer, Promedio_est_mer, Moda_est_mer, Mediana_est_mer, Desviación_Estándar_est_mer)
knitr::kable(tabla_est_mer)
```
En promedio FORM tiene un promedio de 20603 kilos de merma durante los meses de enero-agosto 2022. Algunos meses tuvieron un parecido produciendo alrededor de 1460 kilos de merma.  

## *f. FORM - Scrap*

```{r message=FALSE, warning=FALSE}
# Importar base de datos
# file.choose()
scrap <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM _Scrap_Ev2_No_Limpia.csv") 

# Entender base de datos
summary(scrap)
```

### *1. Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
scr1 <- scrap
scr1 <- subset(scr1,select = -c (Referencia, Producto, Unidad.de.medida, Ubicación.de.desecho, Estado))
summary(scr1)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(scr1)
scr2 <- scr1
scr2$Fecha <- as.Date(scr2$Fecha, format = "%d/%m/%Y")
scr2$Cantidad<-as.numeric(scr2$Cantidad) 
scr2$Ubicación.de.origen<-as.factor(scr2$Ubicación.de.origen) 
str(scr2)

# Limpieza 3: Cambiar los nombres de variables por mas cortas y concisas 
scr3 <- scr2
colnames(scr3)<-c('fecha','cant.','ubi.origen')
summary(scr3)

# Limpieza 4: NA´S en la base de datos
sum(is.na(scr3))
# NA´S por variable
sapply(scr3, function(x) sum(is.na(x)))
# T: No hay NA´s en la base de datos.

# Limpieza 5: Homogenizar el nombre de las variables cualitativas
# T: No hay variaciones en los datos de las variables cualitativas 
```

### *2. ¿Cuántas variables y cuantos registros tiene la base de datos?*
```{r message=FALSE, warning=FALSE}
str(scr3)
```
En esta base de datos tiene 250 registros y 3 variables. 

### *3. Clasificación de variables*
```{r message=FALSE, warning=FALSE}
Variable <- c("fecha", "cantidad", "ubicación de origen")
clasif <- c("cuantitativa discreta", "cuantitativa continua", "cualitativa")
medicion <- c("días", "Unidades", "NA")
tabla <-data.frame(Variable,clasif, medicion)
knitr::kable(tabla)
```

### *4. Estadísticos descriptivos*
```{r message=FALSE, warning=FALSE}
# Promedio
# summary(scr3)
# Promedio_scr_cant <- (mean(scr3$cant.))
# Promedio_scr_cant

# Moda
# Moda <- function(x) {
#   ux <- unique(x)    
#  ux[which.max(tabulate(match(x, ux)))]      
#}    
# Moda_scr_cant <- Moda(scr3$cant.)
# Moda_scr_cant

# Mediana
# Mediana_scr_cant <- median(scr3$cant.)
# Mediana_scr_cant

# Varianza
# Varianza_scr_cant <- var(scr3$cant.)
# Varianza_scr_cant

# Deviación Estándar
# desv_scr_cant <- sqrt(Varianza_scr_cant)
# desv_scr_cant

# Tabla con estadísticas descriptivas
Variable_est_scr <- c("Cantidad")
Promedio_est_scr <- c(6.696)
Moda_est_scr <- c(1)
Mediana_est_scr <- c(2)
Desviación_Estándar_est_scr <- c(11.84)
tabla_est_scr <-data.frame(Variable_est_scr, Promedio_est_scr, Moda_est_scr, Mediana_est_scr, Desviación_Estándar_est_scr)
knitr::kable(tabla_est_scr)
# t: markdown: knitr::kable(tabla)
```
La cantidad de scrap promedio es de alrededor 7. Casi siempre se manejan más de 1 unidad por día durante todo el mes.  

**Conclusión:  ** 
¿Por qué se aplicaron dichas técnicas? ¿cómo te permitió la aplicación de dichas técnicas una mejor comprensión de las bases de datos?  
Dichas técnicas fueron aplicadas para tener una mejor comprensión y visualización de los registros en la base de datos, así
como también tener resultados más acertados al momento de tener un manejo con dichos registros. La aplicación
de dichas técnicas me ayudaron a tener una mejor comprensión de la base de datos porque así manejaba variables mas cortas 
y concisas, los registros eran categorizados como factor, número y fecha y así era más fácil de manejarlos, así como también tener una
idea más amplia de con lo que estaba trabajando, entre otras cosas.   

## *5. Análisis descriptivo de las bases de datos de FORM*
### *Tablas de frecuencia*
```{r message=FALSE, warning=FALSE}
# Tabla de frecuencia de bajas. 
table(baj4$genero, baj4$est.civ.)
```
En esta tabla de frecuencia podemos observar que el estado civil de "soltero" es mas común en los dos géneros y "divorcio" es el menos común. 
```{r message=FALSE, warning=FALSE}
# Tabla de frecuencia de delivery plan
plan4 %>% 
  group_by(cliente) %>% 
  dplyr::summarize(frequency = n())
```
Se observa la frecuencia en la que los clientes aparecen en la base de datos. DENSO se analiza que es un cliente "leal" con FORM, ya que es el cliente con mas frecuencia en los registros. Antolin toluca y Hella son clientes frecuentes de la empresa. 

### *Gráficos de datos cuantitativos y cualitativos*
```{r message=FALSE, warning=FALSE}
# Gráfico de datos cuantitativos de producción
proporciones_prod <- c(45210, 13342, 2170, 130533, 110538, 53867, 17022, 83511)
etiquetas_prod <- c("Denso", "HELLA", "MERIDIAN LIGHTWEIGHT", "STABILUS 1", "STABILUS 3", "TRMX", "VARROC", "YANFENG")
pct_prod <- round(proporciones_prod/sum(proporciones_prod)*100)
etiquetas_prod <- paste(etiquetas_prod, pct_prod)
etiquetas_prod <- paste(etiquetas_prod,"%",sep="")
pie(proporciones_prod,labels = etiquetas_prod,
    col=rainbow(length(etiquetas_prod)),
    main="Diagrama de tarta")

```

Se puede observar que los clientes que destacan por el número de volumen en sus pedidos son Stabilus 1, Stabilus 3 y Yanfeng. Estos tres clientes juntos suman una cantidad de  324,582.00, mientras que la suma de los demás clientes da una suma de 129,641.00.  

```{r message=FALSE, warning=FALSE}
# Gráfico de datos cuantitativos de colaboradores
#T: ¿Cuál es el salario esperado o común de FORM?
hist(col2$sal.diario, main="¿Cuál es el salario de FORM?", xlab = "salario diario")

```

El salario más común o más esperado de form esta entre 100 y 200 pesos mexicanos diarios ya que en la gráfica se visualiza que hay una mayor frecuencia de datos entre estos dos valores.  

```{r message=FALSE, warning=FALSE}
# Gráfico cuantitativo de Delivery Plan
trimestre <- c(1, 2, 3, 4, 5, 6)
cantidad_por_trimestre <- c(68004, 58224, 78499, 125965, 166488, 28696)
plot(trimestre, cantidad_por_trimestre, type = "b", main = "pedidos por trimestre en delivery plan")

# Nota: significado de los números en el eje x:
numeros_eje_x <- c("1", "2", "3", "4", "5", "6")
trimestre_grafico <- c("Julio 2021 - Septiembre 2021", "Octubre 2021 - Diciembre 2021", "Enero 2022 - Marzo 2022", "Abril 2022 - Junio 2022", "Julio 2022 - Septiembre 2022", "Octubre 2022 - Diciembre 2022")
tabla_explicativa <-data.frame(numeros_eje_x, trimestre_grafico)
knitr::kable(tabla_explicativa)

```

El trimestre Julio - Septiembre del 2021 y 2022 representaron una mayor cantidad que el último trimestre de ambos años por lo que se concluye que ese trimestre puede ser que el número de pedidos suban más a comparación de otros trimestres.  

```{r message=FALSE, warning=FALSE}
# Gráfico para merma 
plot_merma <- data.frame(mes = c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre"),
                  num = c(14560, 22830, 22470, 18820, 23410, 18280, 19370, 32100, 13586))
barplot(height = plot_merma$num, names = plot_merma$mes, ylab = "kilos de merma")

```

Se puede observar que el mes de Agosto es el mes con ´más merma del año, seguido de Mayo, Marzo y Febrero.   

### *Gráficos de dispersión*  
```{r message=FALSE, warning=FALSE}
# Dispersión de Scrap
ggplot(scr3, aes(x=fecha, y=cant., colour=ubi.origen)) + geom_point()

```

La mayor parte de las ordenes estan en una ubicacion de pre producción y así también, podemos observar que la mayoría de las órdenes son menores de 25 unidades ya que hay una gran acumulación de datos abajo del número 25 que está en el eje Y. La segunda quincena de Agosto podemos ver que hay más pedidos que en la primera quincena. Muy pocas ordenes llegan a tener más de 50 unidades.  

```{r message=FALSE, warning=FALSE}
# Dispersión de producción
plot(prod4$tiemp_cali, prod4$tiempo_min, main = "Tiempo de calidad invertido por tiempo de producción", 
     xlab = "Tiempo de Calidad", ylab = "Tiempo de Producción", col= "purple")

```

En la gráfica podemos analizar que le invierten menos tiempo de calidad a aquellas órdenes que tengan menos tiempo de producción. Así pues, a las órdenes que se le dedicaron tiempo son aquellas que tiene menos tiempo de producción también. Ordenes con mayor tiempo de producción tienen muy poco tiempo de calidad, ninguna órden con alto tiempo de producción tiene un tiempo de calidad mayor a 5. 

## *6. Propuestas:*
1. En la gráfica de datos cuantitativos de delivery plan se visualizó que los trimestres Julio - Septiembre son los más "cargados" en cuanto a trabajo y esto lo podemos confirmar con la gráfica de datos cuantitativos de merma en el que se concluyó que en el mes de Agosto es donde se produce más merma. Todos los años se espera una cantidad más grande de merma en este trimestre, para reducir o eliminar esta merma se pueden analizar la merma por temporadas teniendo más datos históricos y ver si existe algún patrón con las cantidades de merma. Así pues, hay empresas, como por ejemplo Supraciclaje (20222), situadas en Monterrey que tienen recolección a domicilio y compran este tipo de mermas en cantidades industriales, por lo que sería una gran oportunidad para tener un ingreso extra y también para liberar el espacio que esta merma ocupa en las instalaciones.  

2. En la gráfica de producción se puede observar que existen clientes que piden muchas unidades como lo son stabilus 1, stabilus 3 y yanfeng, por otra parte en delivery plan podemos observar que Denso es el cliente con más registros por lo que podemos categorizar a estos 4 clientes como los mas leales a la empresa. Para retener a estos clientes se propone implementar estrategias para retener a los clientes mas leales, como por ejemplo:  
1. Terreros (s.f.) explica que el 79 % de los clientes buscará más productos y/o servicios de una compañía con un programa de 
lealtad.  
2. Utiliza programas de gamificación y recomendación.  
3. Diseña un modelo de retención desde la primera compra.  

## *7. Fuente externa de base de datos: análisis estadístico*
```{r message=FALSE, warning=FALSE}
# Importar base de datos
#file.choose()
produccion_mexico <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/fuente_de_datos_externa_de_mexico_2020_2022_MD2.csv")

# Entender base de datos
summary(produccion_mexico)
```

### *Técnicas de limpieza*
```{r message=FALSE, warning=FALSE}
# Limpieza 1: Considerar las variables que sean de valor
prod_mex <- produccion_mexico
prod_mex <- subset(prod_mex,select =-c(PROD_EST, COBERTURA))
summary(prod_mex)

# Limpieza 2: Cambiar formato a las variables: fecha (as.date), cant (as.numeric)
str(prod_mex)
prod_mex2 <- prod_mex
prod_mex2$MARCA <- as.factor(prod_mex2$MARCA)
prod_mex2$MODELO <- as.factor(prod_mex2$MODELO)
prod_mex2$TIPO <- as.factor(prod_mex2$TIPO)
prod_mex2$SEGMENTO <- as.factor(prod_mex2$SEGMENTO)
str(prod_mex2)

# Limpieza 4: NA´S en la base de datos
# Cambiar los 0 por NA´s
prod_mex3 <- prod_mex2
prod_mex3[prod_mex3==0] <- NA
prod_mex3
# Cantidad de NA´s en la base de datos
sum(is.na(prod_mex3))
summary(prod_mex3)
# Eliminar NA´s ya que no hubo producción de ese modelo
prod_mex4 <- prod_mex3
prod_mex4 <- na.omit(prod_mex4)
summary(prod_mex4)
```

### *Análisis estadístico descriptivo de la industria automotriz México 2020-2022: Producción de vehículos.* 
#### Tabla de frecuencia 
```{r message=FALSE, warning=FALSE}
# Tabla de frecuencia para ver que Marca de carro es el que más produce en México 2020-2022
prod_mex4 %>% 
  group_by(MARCA) %>% 
  dplyr::summarize(frequency = n())

```
General Motors es la Marca con más producción entre los años 2020-2022 y en segundo lugar (no con mucha diferencia) está Nissan, seguido de JAC. Es importante tener la visualización del top de marcas con más producción para ver a los clientes potenciales. 

#### Gráficos de datos cualitativos y cuantitativos
```{r message=FALSE, warning=FALSE}
# Gráfico de segmento de producción de carros entre el 2020-2022
proporciones_bde_prod_mex <- c(229, 53, 11, 377, 233, 557)
etiquetas_bde_prod_mex <- c("Compactos", "De Lujo", "Minivans", "Pick Ups", "Subcompactos", "SUV's")
pct_bde_prod_mex <- round(proporciones_bde_prod_mex/sum(proporciones_bde_prod_mex)*100)
etiquetas_bde_prod_mex <- paste(etiquetas_bde_prod_mex, pct_bde_prod_mex)
etiquetas_bde_prod_mex <- paste(etiquetas_bde_prod_mex,"%",sep="")
pie(proporciones_bde_prod_mex,labels = etiquetas_bde_prod_mex,
    col=rainbow(length(etiquetas_bde_prod_mex)),
    main="Segmentos producidos en México 2020-2022")

```

Las SUV´s son el segmento de carros más producidos en México con un 36%, seguido de las pick ups 26% y subcompactos 16%. 

```{r message=FALSE, warning=FALSE}
# Unidades producidas 2011-2021 y con tipo de vehículo
unidades_prod_11_21 <- c(2.557, 2.884, 2.933, 3.219, 3.399, 3.465, 3.933, 3.918, 3.811, 3.040, 3.028)
anio_prod_11_21 <- c(2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021)
plot(anio_prod_11_21, unidades_prod_11_21, type = "b", main = "Unidades producidas en México del 2011-2021", xlab = "Año", 
     ylab = "unidades de vehículos producidos en México (en millones)")

ggplot(prod_mex4, aes(fill=TIPO, y=UNI_VEH, x=ANIO, ylab = "unidades de vehículos producidos", xlab = "año")) + 
  geom_bar(position="stack", stat="identity") 

```

Podemos observar que desde el 2011 la producción tuvo un crecimiento pero en 2020, gracias a la pandemia, la producción cayó
drásticamente y en el 2021 no se vió un crecimiento significativo. Tiene que pasar tiempo para que la producción tome el nivel de producción que antes tenía junto con su crecimiento. En la segunda gráfica podemos ver que los Camiones ligeros son los más producidos. 

#### Gráficos de dispersión.
```{r message=FALSE, warning=FALSE}
# Unidades producidas por meses entre el 2020 y el 2022
plot(x = prod_mex4$ID_MES, y = prod_mex4$UNI_VEH,
    main = "Producción (unidades) por mes del año 2020-2022", xlab = "ID MES", ylab = "Unidades producidas")
lines(lowess(prod_mex4$ID_MES, prod_mex4$UNI_VEH), col = "blue")

```

Se observa que en el mes de agosto hay un ligero crecimiento de producción en el mes de Agosto en todos los años. 

```{r message=FALSE, warning=FALSE}
# Unidades producidas por año y su tipo de vehículos.
ggplot(prod_mex4, aes(x=ANIO, y=UNI_VEH, ylab = "año", xlab = "unidades producidas", colour=TIPO, )) + geom_point()

```

En el año 2022 ha existido más dispersión en cuanto a la producción de vehículos. En general se producen más cantidades de camiones ligeros que de Automóviles. 

# **Sección 2**  

## **Predicción del Desempeño de la Industria Automotriz**

### *Base  de datos de EUA*
```{r message=FALSE, warning=FALSE}
#file.choose()
prediccion_eua <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/prediccion_eua.csv")
summary(prediccion_eua)
# Transformar tipo de datos
prediccion_eua$Year <-as.Date(prediccion_eua$Year,format ="%d/%m/%Y")
str(prediccion_eua)
```
La base de datos externa utilizada en este caso fue proporcionada por Bureau Transports, en donde se visualiza la produccion y ventas de autos en Estados Unidos durante 2000 a 2020. De igual forma, se utilizaron otras bases obtenidas del Banco Mundial para recabar datos como la inflacion, el indice de Pobreza, y el PIB per Capita en USA.

#### Gráfico de corelación
```{r message=FALSE, warning=FALSE}
USA<-subset(prediccion_eua,select=-c(Year))
corrplot(cor(USA),type='upper',order='hclust',addCoef.col='black') 

```

En está gráfica de corelación se muestra las relaciones que pueden tener las variables entre ellas mismas. Entre más grande el área del círculo, más relacionadas están las variables. Si están de color azul son relaciones positivas, si son rojas son relaciones negativas. Se peude observar como el Desempleo tiene una relación negativa con producción y Autopartes tiene una relación positiva, por lo tanto, si la producción de autoparte incrementa esto beneficiaría a la producción de vehículos. 

#### Modelo predictivo 
```{r}
regresion <- lm(Production~ Inflacion + Pobreza + PIB + Poblacion + Desempleo + Autopartes, data=prediccion_eua)
summary (regresion)

```

Las variables independientes en este caso son la inflación, pobreza, PIB, desempleo y producción de autopartes. Por otro lado, la variable dependiente es produccion de vehiculos en Estados Unidos. De esta forma, se observa que la variable que tiene mayor significancia para la variable dependiente es la fabricacion de autopartes, explicado en un modelo con R2 de 0.97, por lo que es ampliamente confiable. Este modelo mantiene una tendencia positiva, por lo que, es posible decir que mientras mayor fabricación de autopartes haya, mayor producción de autos. No obstante, igual el PIB tiene cierta signficancia pero con tendencia negativa.

```{r message=FALSE, warning=FALSE}
effect_plot(regresion,pred=Autopartes,interval=TRUE)

```

Con esta gráfica podemos confirmar con lo antes dicho, el incremento de la producción de autopartes en estados unidos va a provocar un incremento en produccion de vehiculos.

### *Base  de datos de México*
```{r message=FALSE, warning=FALSE}
# file.choose()
prediccion_mex <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/prediccion_Mexico_2006.csv")
str(prediccion_mex)
# T: En esta base de datos fue mayormente extraída de los datos que proporciona la INEGI (2022)

# Limpieza de la base de datos
# Eliminar columnas irrelevantes 
pred_mex2 <- prediccion_mex
pred_mex3 <- subset(pred_mex2, select = -c (Producción, Venta))
summary(pred_mex3)

# Eliminar NA's (201-202)
# Cantidad de NA´s en la base de datos
sum(is.na(pred_mex3))
# Eliminar NA´s ya que no hubo producción de ese modelo
pred_mex4 <- pred_mex3
pred_mex4 <- na.omit(pred_mex4)
summary(pred_mex4)
```

#### Gráfico de corelación
```{r message=FALSE, warning=FALSE}
MEX<-subset(pred_mex4,select=-c(Año, Mes))
corrplot(cor(MEX),type='upper',order='hclust',addCoef.col='black') 

```

Podemos observar como el desempleo afecta negativamente a todas las variables, incluyendo la exportación y el tipo de cambio afecta positivamente a la exportación. 

#### Modelo predictivo
```{r message=FALSE, warning=FALSE}
regresion_mex <- lm(Exportación ~ Tipo.de.cambio + Inflación + porcentaje_ocu + porcentaje_desocu + conf_consumidor, data=pred_mex4)
summary (regresion_mex)

```

En este caso, la variable dependiente es exportación de vehículos en México y las variables independientes son tipo de cambio inflación, porcentaje ocupacional, porcentaje desocupacional y confianza del consumidor. Para la exportación la variable estadísticamente significativa es el tipo de cambio y este tiene un efecto positivo en  exportación, otra variable que también es significativa es confianza del consumidor pero no tiene tanto impacto como la variable tipo de cambio. En estimate se puede observar que estas variables afectan positivamente porque tienen signo positivo. 

```{r message=FALSE, warning=FALSE}
effect_plot(regresion_mex,pred=Tipo.de.cambio,interval=TRUE)

```

Con esto podemos confirmar que si el tipo de cambio sube, incrementa la exportación. 

## *Pronóstico del Desempeño de la Industria Automotriz y la Empresa FORM*
### *Base de datos ventas de vehículos en Estados Unidos*
```{r message=FALSE, warning=FALSE}
#file.choose()
pronostico_eua <- read.csv("/Users/dannaperez/Downloads/cccs.csv")
str(pronostico_eua)
```

#### Método de estimación de pronóstico en la industria
```{r message=FALSE, warning=FALSE}
a1 <- ts(data = pronostico_eua$cant_car, start = c(2000), frequency = 1)
modelo <- auto.arima(a1)
modelo
proneua <- forecast(modelo, level=c(95), h=3)
proneua
plot(proneua,main="Pronóstico con auto.arima de ventas de carro en EUA", ylab="Venta de carros en EUA (en unidades)")

```

En los siguientes tres años se pronostica un aumento en las ventas de vehículos en estados unidos por lo que FORM tendrá que estar preparado para recibir mas ordenes y mas cantidad de unidades en sus pedidos, por lo que se recomienda estar atento a la demanda que tienen como empresa pero también tener muy presente que está podría incrementar poco a poco mientras pasen los años.

### *Base de datos Produccion en México*
```{r message=FALSE, warning=FALSE}
pronostico_mex <- read.csv( "/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/pronostico_mexico.csv")
str(pronostico_mex)
```

#### Método de estimación de pronóstico en la industria
```{r message=FALSE, warning=FALSE}
a2 <- ts(data = pronostico_mex$Produccion, start = c(2015), frequency = 1)
modelo_mex <- auto.arima(a2)
modelo_mex
forecast_mex <- forecast(modelo_mex, level=c(95), h=4)
forecast_mex
plot(forecast_mex,main="Producción de vehículos en México", ylab="Unidades producidas")

```

En la gráfica se puede observar que la producción de vehículos en México va a estar en aumento en los próximos tres años, lo cual se puede justificar con el aumento de ventas de vehículos en EUA. Como se ha mencionado antes, FORM se tiene que preparar para la demanda que esta proyectada. 

### *Base de datos FORM - Merma*
```{r message=FALSE, warning=FALSE}
str(mer2)
```

#### Método de estimación de pronóstico en FORM - Merma
```{r message=FALSE, warning=FALSE}
a3 <- ts(data = merma$Kilos, start = c(2022,1), frequency = 12)
modelo_pron_merma <- auto.arima(a3)
modelo_pron_merma
forecast_merma <- forecast(modelo_pron_merma, level=c(95), h=4)
forecast_merma
plot(forecast_merma, main="Merma - FORM", ylab="Kilos de Merma")

```

Para los siguientes tres meses se pronostica un incremento de merma pero no tan alto como la cantidad que hubo en Agosto. 

### *Base de datos FORM - Delivery Plan*
```{r message=FALSE, warning=FALSE}
#file.choose()
plan_pronostico <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/FORM_Delivery_plan_pronostico.csv")
str(plan_pronostico)

```

#### Método de estimación de pronóstico en FORM - Delivery Plan 
```{r message=FALSE, warning=FALSE}
a4 <- ts(data = plan_pronostico$Plan, start = c(2022,1), frequency = 12)
modelo_pron_plan <- auto.arima(a4)
modelo_pron_plan
forecast_plan <- forecast(modelo_pron_plan, level=c(95), h=5)
forecast_plan
plot(forecast_plan, main="Plan - FORM", ylab="Unidades de prodcuto")

```

Se espera tener una planificación con mas de 6600 unidades de todos los productos para los siguientes 5 meses. No se incluyeron los meses de Noviembre y Diciembre porque casí no habñia datos y eso afectaba a los pronósticos futuros de Delivery Plan, por lo que se opto por quitarlos de la base de datos e incluirlos en el pronóstico.

*¿Cuál es la tendencia del desempeño durante el período de análisis y los siguientes 3 períodos de tiempo?*
La tendencia que todos los pronósticos arrojaron es un incremento en cuanto a la industria automotriz (producción y ventas) por lo que esto significa que FORM tendrá que estar preparado para un aumento de demanda en sus productos. 

# **Sección 3**
## *K-means clustering*
### *Preparar base de datos*
```{r message=FALSE, warning=FALSE}
#file.choose()
rh <-read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/Base de datos evidencia 2/RH_Kmeans_Bajas.csv")
# Limpiar nombre
rh1 <- clean_names(rh)
# Visualizar base de datos
summary(rh1)

# Eliminar columnas que no se necesitan
rh2 <- subset(rh1,select = -c (apellidos, nombre, fecha_de_nacimiento, rfc, fecha_de_alta, baja, departamento, 
                               no_seguro_social, factor_cred_infonavit, n_credito_infonavit, lugar_de_nacimiento,
                               curp, calle, numero_interno, colonia, codigo_postal, municipio, estado, tarjeta_o_cuenta))
#summary(rh2)

# na's en la base de datos
sum(is.na(rh2))
sapply(rh2, function(x) sum(is.na(x)))
# no se encuentran NA's en la base de datos 

# Convertir tipos de datos
rh2$edad <- as.numeric(rh2$edad)
rh2$genero <- as.factor(rh2$genero)
rh2$motivo_de_baja <- as.factor(rh2$motivo_de_baja)
rh2$dias_laborados <- as.numeric(rh2$dias_laborados)
rh2$puesto <- as.factor(rh2$puesto)
rh2$salario_diario_imss <- as.numeric(rh2$salario_diario_imss)
rh2$estado_civil <- as.factor(rh2$estado_civil)
#summary(rh2)
```

### *Crear Clusters*
#### Cluster 1: Edad y Número de días laborados
```{r message=FALSE, warning=FALSE}
# Normalizar Variables
rh_edad_dias <-rh2 %>% select(salario_diario_imss, edad, dias_laborados)
rh_edad_dias_norm<-scale(rh_edad_dias[2:3]) 
plot(rh_edad_dias_norm)

# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_edad_dias_norm, kmeans, method="wss")+ 
  geom_vline(xintercept=6, linetype=2)+
  labs(subtitle = "Elbow method") 

```

De acuerdo al elbow method, el numero óptimo de clusters son 6 pero al momento de visualizarlo se determinó que es 
una elevada cantidad de clusters y no sería tan sencillo el interpretar y nombrar tantos clusters por lo que se llegó a 
la conclusión que se elaborarán 5 clusters.

```{r message=FALSE, warning=FALSE}
# Visualizar Clusters
cluster1 <-kmeans(rh_edad_dias_norm,5)
cluster1
fviz_cluster(cluster1,data=rh_edad_dias_norm)

```

Interpretación: Cluster número 1 y 4 son de edades diferentes pero tienen días laborados similares, igual que el cluster 3  y 5 . Por otro lado, el cluster 2 son datos que no tienen días laborados similares pero tienen más días que los otros clusters  y tiene un rango diferente de edades. Por lo que se concluye que los días laborados no tienen tanta relación con la edad.

#### Cluster 2: Edad y Salario Diario
```{r message=FALSE, warning=FALSE}
# Normalizar Variables
rh_edad_sal <-rh2 %>% select(salario_diario_imss, edad, dias_laborados)
rh_edad_sal_norm<-scale(rh_edad_dias[1:2]) 
plot(rh_edad_sal_norm)

# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_edad_sal_norm, kmeans, method="wss")+ 
  geom_vline(xintercept=5, linetype=2)+           
  labs(subtitle = "Elbow method")  
```

Número óptimo es de 5 clusters

```{r message=FALSE, warning=FALSE}
# Visualizar Clusters
cluster2 <-kmeans(rh_edad_sal_norm,5)
cluster2
fviz_cluster(cluster2,data=rh_edad_sal_norm)

```

Interpretación: Todos tienen un salario similar sin importar la edad pero en el cluster 1 (que solo es un punto) nos indica que hay alguien que gana más que los demás colaboradores y tienen una edad relativamente joven a comparación de los demás datos

#### Cluster 3: Número de días laborados y Salario Diario
```{r message=FALSE, warning=FALSE}
# Normalizar Variables
rh_dias_sal <-rh2 %>% select(salario_diario_imss, dias_laborados, edad)
rh_dias_sal_norm<-scale(rh_dias_sal[1:2]) 
plot(rh_dias_sal_norm)

# Número óptimo de clústers con "Elbow Plot"
fviz_nbclust(rh_dias_sal_norm, kmeans, method="wss")+ 
  geom_vline(xintercept=5, linetype=2)+           
  labs(subtitle = "Elbow method")  

```

Se determinó que el número óptimo es de 5 clusters

```{r message=FALSE, warning=FALSE}
# Visualizar Clusters
cluster3 <-kmeans(rh_dias_sal_norm,5)
cluster3
fviz_cluster(cluster3,data=rh_dias_sal_norm)

```

Interpretación: Los días laborados no tienen influencia en el salario porque hay datos que indican colaboradores que trabajan más días pero tienen un salario similar a los que no tienen tantos días laborados. En el cluster 2 podemos observar que es el que tiene un mayor salario pero no es el que tiene una cantidad alta de días laborados como es en el cluster 1. Por lo tanto, los días laborados no tienen relación con el salario.

#### Creación de segmmentos usando el cluster 2: Edad y Salario Diario
```{r message=FALSE, warning=FALSE}
# Incluir columna que indique el cluster de cada registro
rh3 <- rh2
rh3$Clusters<-cluster2$cluster

# visualizar la máxima edad de cada cluster
rh4 <- rh3 %>% group_by(Clusters) %>% summarise(edad=max(edad)) %>% arrange(desc(edad))

# Nombrar cada cluster 
rh3$nombres_clusters <- factor(rh3$Clusters,levels = c(1,2,3,4,5), 
                               labels=c("Excepcion", "Jubilados", "Mayores", "Adultos", "Jovenes"))

# Agrupar los datos por nombre de clusters 
library(dplyr)
library(plyr)
rh5 <- rh3 %>% group_by(nombres_clusters) %>% dplyr::summarize(edad_años=max(edad), 
                                                        salario_imss=mean(salario_diario_imss),
                                                        Count=n())

clusters<-as.data.frame(rh5)
clusters
```

### *Gráficos complementarios*
```{r message=FALSE, warning=FALSE}
# Gráfico por nombre de cluster
ggplot(rh5,aes(x=reorder(nombres_clusters,Count),y=Count,fill=nombres_clusters)) +
  geom_bar(stat="identity")

```

Interpretación: Los jóvenes adultos son los que representan más número de bajas y se visualiza que el orden de número de bajas esta en el mismo orden de edad, esto significa que después de los jóvenes adultos el grupo que más representa bajas es el de los adultos y de ahí siguen los mayores, y por último los jubilados. En conclusión, la edad puede ser un factor importante en el número de bajas.

```{r message=FALSE, warning=FALSE}
# Gráfico del máximo de edad de cada cluster
ggplot(rh5, aes(x=nombres_clusters,y=edad_años,fill= nombres_clusters,label=round(edad_años,digits=2))) + 
  geom_col() + 
  geom_text()

```

Aquí se observa la máxima de edad de cada cluster y también muestra la razón por la que se dieron los nombres a cada cluster. Los jóvenes tienen un rango de edad de 19-26, Adultos 27-36, Mayores 37-43 y Jubilados 44-61.

```{r message=FALSE, warning=FALSE}
# Género de ex-colaboradores
ggplot(rh3, aes(fill=genero, y=genero, x=nombres_clusters)) + 
  geom_bar(position="stack", stat="identity") 

```

En la gráfica se aprecia un número alto de género masculino en todos los clusters. En Jubilados y Mayores el género Femenino es mayor que el masculino.

```{r message=FALSE, warning=FALSE}
# Motivo de baja de ex-colaboradores
ggplot(rh3, aes(factor(nombres_clusters), fill = factor(motivo_de_baja))) +
  geom_bar(position = position_dodge2(preserve = "single"))

```

Se puede observar que el motivo de baja mas grande en todos los grupos de edades es la baja por faltas, seguido de renuncia voluntaria. En jóvenes se puede observar que hay baja por abandono, mientras que en los otros clusters no hubo ninguna baja por abandono.

```{r message=FALSE, warning=FALSE}
# Puesto de de ex-colaboradores
count(rh3$puesto)
proporciones_puesto_excol <- c(176, 11, 11, 8, 26)
eti_puesto_excol <- c("ayudante general", "ayu. soldador/soldador", "costurera", "ayu. embarque", "otros" )
pct_puesto_excol <- round(proporciones_puesto_excol/sum(proporciones_puesto_excol)*100)
eti_puesto_excol <- paste(eti_puesto_excol, pct_puesto_excol)
et_puesto_excol <- paste(eti_puesto_excol,"%",sep="")
pie3D(proporciones_puesto_excol,labels = et_puesto_excol,
      col=rainbow(length(eti_puesto_excol)),
      main="Puestos de bajas")

```

El puesto en el que más se presentan bajas es en ayudante general, seguido de ayudante soldador/soldador, costurera, etc. Una de las posibles razones por la que haya más bajas en ayudante general, es porque en ese puesto se necesitan más colaboradores, por lo que el número de bajas en ese puesto puede ser mayor o también puede ser el ambiente general que se crea en ese puesto, estás hipotésis se comprobarían con un análisis más profundo de RH.

```{r message=FALSE, warning=FALSE}
# Estado civil de ex-colaboradores
ggplot(rh3, aes(factor(nombres_clusters), fill = factor(estado_civil))) +
  geom_bar(position = position_dodge2(preserve = "single"))

proporciones_est.civil_excol <- c(107, 3, 59, 63)
etiquetas_est.civil_excol <- c("soltero", "divorcio", "union libre", "matrimonio")
pct_est.civil_excol <- round(proporciones_est.civil_excol/sum(proporciones_est.civil_excol)*100)
etiquetas_est.civil_excol <- paste(etiquetas_est.civil_excol, pct_est.civil_excol)
etiquetas_est.civil_excol <- paste(etiquetas_est.civil_excol,"%",sep="")
pie3D(proporciones_est.civil_excol,labels = etiquetas_est.civil_excol,
      col=rainbow(length(etiquetas_est.civil_excol)),
      main="Estado civil de bajas")
```

En el total de bajas el estado civil más común es “soltero”, siendo los jóvenes los que tienen una mayor cantidad de este atributo, seguido de los adultos. Después, está el matrimonio siendo este el más presente en el grupo de adultos, seguido de los jóvenes. El divorcio no es tán común en los grupos.En conclusión, se puede deducir que la mayoría de los ex-colaboradores son solteros, por lo que es más fácil renunciar al no tener una extensa y/o propia familia. Ya que los solteros son la mayoría, por ende los jóvenes son los más propensos en darse de baja en FORM.

### *Principales hallazgos de los clústers identificados*
1. Respecto a las bajas en función de los diferentes puestos existentes en la planta, se puede sustentar que donde existen más bajas es en el puesto de “Ayudante general” (representa el 76% de las bajas totales) por lo que se puede inferir que al ser el puesto con mayor demanda, vacantes ofrecidas y colaboradores quienes participan en dicha area, tiene sentido que destaquen las bajas con respecto a los otros puestas. En otras palabras, el número de bajas es proporcional al número de colaboradores presentes en cada puesto.

2. El salario no tiene relación con la edad, ya que muchos de los ex colaboradores tenían el mismo salario independientemente de su edad.

3. Jóvenes es el grupo con mayor cantidad de bajas, por lo que entre más jovén mayor es la probabilidad de darse de baja.

4. En el grupo de jubilados y mayores, las bajas corresponden en su mayoría a las mujeres. Por otra parte, jóvenes y adultos hay más cantidad de bajas por parte de los hombres. 

5. Los solteros son los que representan más bajas y esto puede ser porque la mayoría de las bajas son de jóvenes por lo que se explica por que el estado civil de soltero es el que destaca más. 

6. Bajas por faltas es el motivo de baja más presente en todos los grupos. Se tiene que analizar cuántos días es el límite para que a un colaborador lo den de baja. 

### *Gráfico tipo ggalluvial*
```{r message=FALSE, warning=FALSE}
summary(rh3)
# Nomás seleccionar dos clusters (Jóvenes y Adultos) que son los que tienen más registros en la base de datos 
rh_ggalluvial <-rh3 %>% filter(Clusters==4 | Clusters==5) %>% arrange(Clusters)
rh_ggalluvial <- rh_ggalluvial[-c(50),]
# Gráficar
ggplot(as.data.frame(rh_ggalluvial),
       aes(y=salario_diario_imss, axis1= genero, axis2=estado_civil)) +
  geom_alluvium(aes(fill=nombres_clusters), width = 1/12) +
  geom_stratum(width = 1/12, fill = "grey", color = "black") +
  geom_label(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("Género", "Estado civil"), expand = c(.05, .05)) +
  scale_fill_brewer(type = "qual", palette = "Set2") +
  ggtitle("FORM's Salario Diario por Género y Estado Civil")

```

Relaciones encontradas en el gráfico
1. En bajas hay una cantidad elevada de hombres jovenes solteros, mientras que los hombres casados jovenes son los de menor cantidad. A todo esto, al género masculino se le paga menos que a las mujeres. 
2. Mientras que la minoría de hombres son casados, en las muejeres la minoría están en unión libre. Por lo tanto, son mas propensos de darse de baja los hombres casados que las mujeres. 
3. En la gráfica podemos observar como hay mas observaciones de jovenes que de adultos.

# **Sección 4**
## *Identificación de resultados relevantes*
1. Los siguientes periodos habrá un incremento en la producción de carros tanto en México como Estados Unidos, por lo tanto es importante que FORM este preparado para el aumento de demanda en sus productos en los siguientes 3 años por lo menos. 
2. La producción de EUA esta relacionada con la producción de autopartes, por lo que si la producción de autopartes cae, también lo hará la producción de vehículos en Estados Unidos y por ende la producción de FORM.
3. En el mes de agosto - Julio la producción de carros en México se visualizó con más demanda comparado de los otros meses del año. Se puede decir que este mes es en el que más se tiene "movimientos" en la industria automotriz y esto lo podemos confirmar en la gráfica de merma y delivery plan de FORM. 
4. En cuanto a las bases de datos de FORM, en las bajas se puede observar como los jóvenes de género masculino y solteros son los que destacan más en esta base de datos, por lo tanto se demuestra que si los jovenes no se "enganchan" lo suficicientemente al principio en el trabajo tienen más probabilidad de abandonarlo. Al estar solteros no se tiene tanto compromiso para mantener un trabajo. A lo mejor, es cuestión de comportamientos que tienen las diferentes generaciones y la generación millenial o generación Z tienen otro tipo de motivaciones que no los encuentran en FORM. 
5. El salario no tiene relación con la edad, por lo que se deduce que la antiguedad en FORM no es uno de las principales características para el aumento de sueldo.
6. En cuanto a la producción de FORM, hay dos clientes que son los que más pedidos realizan (STABILUS 1 y STABILUS 3), pero eso no significa que hay que tener toda la confianza en ellos para la producción. ¿Por qué los otros clientes no realizan más pedidos? Se deduce que el servicio al cliente es un área que se tiene analizar e improvisar, ya que Stabilus 1 y 3 representan mas de la mitad de la producción de FORM y si ellos deciden mover sus negocios con otra empresa eso significaría un gran desequilibrio para FORM. 

## *sugerencias para la mejora de analítica de datos* 
1. Tener un proceso estandarizado para la captura de los datos, ya que las bases de datos que se nos brindaron parecía que varias personas tenían acceso a la captura de datos y por lo tanto los datos no se veían uniformes o tenían muchas irregularidades. 
2. Contar con un área de analítica donde se enfoque solo a la visualización de datos. FORM cuenta con suficientes bases de datos para poder sacarle mucho potencial y así agregar más valor a su empresa. También , podrán tener una idea mejor hacia donde dirigir el futuro camnio de FORM.
3. A las personas que capturan los datos se recomienda hacer bases de datos más simple y que nomás contengan los datos relevantes, ya que en algunas bases de datos venían muy elaboradas y con mucho espacio para la capturación de los datos pero existía muy poquitas celdas con registros, la mayoría de estas venían vacías. 

## *Preguntas finales*
**A. Business Analytics vs Business Intelligence**
Business Intelligence es más acerca del pasado y del presente, el como las empresas capturan la información y las decisiones que toman en base a esa información. Business Analytics es una herramienta para business intelligence ya que toma los datos del pasado y del presente, así como también factores del ambiente de donde ocurrieron los datos pasados para predecir como los datos se comportarán en un futuro. 
3 diferencias:  
1. BI usa datos que se tienen ya registrados para hacer decisiones más fáciles mientras que BA predice el futuro con datos del pasado.
2. BI ayuda a los problemas del presente, mientras que BA ayuda a conocer que problemas aparecerán en un futuro. 
3. BI usa análisis descriptivo, mientras que BA usa análisis predictivo.  

**B. Concepto de Indicador Clave de Rendimiento / Key Performance Indicators (KPI).**
Los KPI son aquellas métricas que ayudan a visualizar el progreso que tienes en tu empresa y que tan cerca estás del objetivo planeado. Los KPI deben de ser medibles, te ayudan a lograr las metas específicadas y de cierta forma ayuda a que la empresa o el equipo sea más productivo. Ejemplos: satisfacción del cliente, número de facturas, número de visitas en una red social, etc. El KPI ya dependerá del objetivo de cada quien, 

**C. Describir 3 posibles KPIs que permitan evaluar el desempeño de algunas áreas de FORM**
1. Número de unidades producidas al mes: estás ayudarán a medir la productividad de FORM
2. Net Promoter Score: este KPI va dirigido a la satisfacción del cliente. Este te ayuda a medir que clientes son detractores (no les gusto tu servicio/producto), neutro (no tienen una opinión ni mala ni buena del servicio/producto) o promotores (les gusta el servicio/producto). Gracias a encuestas a los clientes se puede obtener un puntuaje para el Net Promoter Score.
3. Tasa de deserción semestral: Proporción de colaboradores que durante el semestre por diferentes motivos abandonan el empleo sin haber terminado el periodo. 

# Referencias
INEGI. (2022). Venta, producción y exportación de vehículos ligeros. Recuperado de:  https://www.inegi.org.mx/app/tabulados/default.html?nc=100100090_a  
INEGI. (2022). Confianza del consumidor. recuperado de: https://www.inegi.org.mx/temas/confianza/   
Proyectos mexico. Desempleo. Recuperado de: https://www.proyectosmexico.gob.mx/por-que-invertir-en-mexico/mercado-potencial/sd_historico-tasa-de-desempleo-en-mexico/   
statista. (2022). tasa de inflación. recuperado de: https://es.statista.com/estadisticas/608330/tasa-de-inflacion-mexico/   
económico. (2020). Tipo de cambio dólar peso promedio anual 2019, serie de 1954 a 2019. Recuperado de: 
https://economicon.mx/2020/01/07/tipo-de-cambio-dolar-peso-promedio-anual-2019-serie-de-1954-a-2019/   















