Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Estudios Profesionales para Ejecutivos

INGENIERÍA INDUSTRIAL
DIVISIÓN DE ESTUDIOS PROFESIONALES PARA EJECUTIVOS

Curso:
ESTADÍSTICA PARA INGENIERÍA 1

Integrantes:
Sánchez Requejo, Jenifer
Vidaurre Cañari, Lesly Yessenia
Campos Quiroz, Jack Robinson
Corimanya Soria, Robespierre Hugo
Castillo Chavarria, Robertson

Lima, enero 2015

INDICE

1
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

1. TITULO DEL TEMA DE INVESTIGACION 03

2. PLANTEAMIENTO DEL PROBLEMA 03
3. PLANTEAMIENTO DE LOS OBJETIVOS 03
3.1 OBJETIVO GENERAL 03
3.2 OBJETIVO ESPECIFICO 03
4. MARCO GENERAL DE LA EMPRESA 03
4.1 RESEÑA DE LA EMPRESA 03
4.2 VISION 04
4.3 MISION 04
4.4 PRODUCTOS Y/O SERVIVIOS 04
4.5 PRINCIPALES CLIENTES 05
5. DEFINICIONES BASICAS 05
5.1 POBLACION 05
5.2 MUESTRA 05
5.3 UNIDAD ELEMENTAL 05
6. DEFINICION Y CLASIFICACION DE VARIABLES 06
6.1 VARIABLES CUALITATIVAS 06
6.2 VARIABLES CUANTITATIVAS 06
7. PRESENTACIÓN, ANÁLISIS E INTERPRETACIÓN DE CUADROS Y
GRÁFICOS PARA LAS VARIABLES CUALITATIVAS 06
7.1 DISTRIBUCION DE CANTIDAD DE PEDIDOS POR DIA 06
7.2 NUMERO DE PEDIDOS POR CLIENTE 08
7.3 ESTADO DE PEDIDOS 09
7.4 DISTRIBUCION DE PEDIDOS POR DISTRIRO 11
8. PRESENTACIÓN, ANÁLISIS E INTERPRETACIÓN DE CUADROS Y
GRÁFICOS PARA LAS VARIABLES CUANTITATIVAS 14
8.1 DISTRIBUCION DE UNIDADES POR PEDIDO 14
8.2 DISTRIBUCION DE M3 POR PEDIDO 15
8.3 DISTRIBUCION DEL VALOR DE LOS PEDIDOS 16
9. MEDIDAS DE TENDENCIA CENTRAL 17
10. MEDIDAS DE DISPERSION 18
11. MEDIDAS DE POSICION Y DIAGRAMA DE CAJAS 20
12. CONCLUSIONES Y RECOMENDACIONES 24
12.1 CONCLUSIONES 24
12.2 RECOMENDACIONES 24

1. TÍTULO DEL TEMA DE INVESTIGACIÓN

2
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Estatus de entregas de los pedidos de la empresa Mattel Perú S.A por parte del
operador logístico DHL Global Forwarding S.A. en los meses octubre, noviembre y
diciembre del 2014.

2. PLANTEAMIENTO DEL PROBLEMA

DHL uno de los operadores logísticos más importantes a nivel mundial, nos
encomendó realizar un estudio para determinar las causas que ocasionan las
devoluciones de pedidos de la cuenta Mattel que es uno de sus principales clientes.
Siendo los meses de octubre, noviembre y diciembre donde más movimiento se
realizan analizaremos solo el mes de noviembre porque este representa un promedio
entre los meses a analizar, es decir, en octubre la entrega de pedidos es relativamente
baja en octubre es constante y en diciembre el incremento es muy alto. El estudio se
llevó a cabo por muestreo seleccionando al azar 315 pedidos. 

3. PLANTEAMIENTO DE LOS OBJETIVOS (GENERAL Y ESPECÍFICO)

3.1. Objetivo general
Identificar cuáles son las principales causas que ocasionan las devoluciones de
los pedidos del cliente Mattel para poder cumplir con el target de 95% de
efectividad.

3.2. Objetivo específico

3.2.1. Identificar cual ha sido el cliente final que ha realizado más devoluciones
3.2.2. Analizar si la cantidad de productos por pedidos afecta el correcto
despacho.
3.2.3. Determinar el porcentaje de pedidos devueltos
3.2.4. Identificar cual es el monto promedio de costo por pedido devuelto
3.2.5. Identificar la cantidad y m3 promedio por pedido.
3.2.6. Determinar cuáles son los clientes más frecuentes y en que distrito se
ubican.
3.2.7. Determinar cuál es el costo promedio por pedido despachado
3.2.8. Identificar las principales causas que han generado las devoluciones

4. MARCO GENERAL DE LA EMPRESA

4.1. Reseña de la empresa

DHL fue fundada hace más de 40 años por 3 empresarios en ciernes - Adrian
Dalsey, Larry Hillblom y Robert Lynn – DHL ha continuado expandiéndose con
un empuje extraordinario. Hoy en día es líder en el mercado mundial de la
industria express y logística internacional.
En 1969 DHL comenzó a construir su futuro a través del envío de documentos
en forma individual por avión desde San Francisco a Honolulu. Los años han

3
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

pasado y la red DHL ha crecido y ha llegado a nuevos clientes en todos los

rincones del mundo. Al mismo tiempo, el mercado se desarrolló y tornó más
complejo, por lo que DHL tuvo que adaptarse a efectos de satisfacer las
cambiantes necesidades de sus clientes, tanto a nivel internacional como
nacional.
Actualmente la red internacional de DHL une a más de 220 países y territorios
en el mundo. DHL también ofrece experiencia sin paralelo en transporte
Express, aéreo, marítimo y terrestre, soluciones logísticas por contrato y
servicios de envío internacional de correspondencia.

4.2. Visión
DHL será el operador logístico líder en el mercado peruano; para ello
buscaremos el desarrollo integro de nuestros colaboradores, participaremos
activamente en el desarrollo de la sociedad, estableceremos relaciones de
beneficio mutuo con nuestros proveedores y seguiremos manteniendo
relaciones, en base a la confianza, con nuestros clientes.

4.3. Misión

Somos una empresa internacional de mensajería y paquetería express, así

como de servicios logísticos. Desarrollamos y operamos para nuestros clientes,
personas naturales y empresas, servicios de outsourcing para los procesos que
forman parte de su cadena de suministro, diferenciados claramente por la
rapidez y seguridad, el servicio al cliente, el conocimiento especializado y la
tecnología.

4.4. Productos y/o servicios

Los principales servicios que brinda DHL Global Forwarding S.A. son:

DHL es un socio logístico lo

suficientemente grande como para
transportar carga de cualquier tipo y hacia
cualquier destino por vía aérea, marítima,
terrestre o ferroviaria, y a la vez, capaz de
brindar a sus clientes la atención personal
que necesitan.

Al comprender sus problemas y anticipar

sus necesidades comerciales y logísticas,
los expertos de DHL le brindan soluciones
sólidas que le añadirán valor a su negocio.
4
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Debido a nuestra incomparable red

de oficinas de coordinación
aduanera, comprendemos mejor
que nadie las dificultades del
comercio transfronterizo.

4.5. Principales clientes

5. DEFINICIONES BÁSICAS

5.1. Población: Todos los pedidos enviados por la cuenta Mattel a DHL en los
meses octubre, noviembre y diciembre del 2014.
5.2. Muestra: Todos los pedidos enviados por Mattel a DHL en el mes de
noviembre del 2014.
5.3. Unidad elemental: Un pedido enviado por la cuenta Mattel a DHL en el mes de
noviembre del 2014.

5
 Universidad Peruana de Ciencias Aplicadas - EPE- UPC

6. DEFINICIÓN Y CLASIFICACIÓN DE VARIABLES

6.1. Variables cualitativas

NOMBRE TIPO ESCALA

Fecha del pedido Cualitativo Nominal
Documento Cliente Cualitativo Nominal
Cliente final para despacho Cualitativo Nominal
Distrito de entrega Cualitativo Nominal
Estado de la entrega Cualitativo Nominal
Causa de la devolución Cualitativo Nominal

6.2. Variables cuantitativas

NOMBRE TIPO ESCALA

Total m3 Cuantitativa Continua Razón
Valor del pedido en soles Cuantitativa Continua Razón
Cantidad de cód. por pedido Cuantitativo Discreta Razón
Cantidad de unidades por pedido Cuantitativo Discreta Razón

7. PRESENTACIÓN, ANÁLISIS E INTERPRETACIÓN DE CUADROS Y GRÁFICOS PARA

LAS VARIABLES CUALITATIVAS

7.1 Distribución de cantidad de pedidos por día

Fecha fi hi pi
03/11/2014 14 0.04444444 4.40%
06/11/2014 5 0.01587302 1.60%
12/11/2014 52 0.16507937 16.50%
15/11/2014 23 0.07301587 7.30%
19/11/2014 48 0.15238095 15.20%
24/11/2014 89 0.28253968 28.30%
26/11/2014 1 0.0031746 0.30%
27/11/2014 7 0.02222222 2.20%
28/11/2014 14 0.04444444 4.40%
29/11/2014 28 0.08888889 8.90%
30/11/2014 34 0.10793651 10.80%
Total 315 1 100.00%

Fuente: DHL S.A. Fuente: DHL S.A.

6
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Grafica de barras

Dsitribución de cantidad de pedidos por día

100
89
90
80
70
60
Cantidad de pedidos

52
50 48

40 34
30 28
23
20 14 14
10 5 7
1
0
14

14

14

14

14
14

14

14

14

14

14
0

0
0

0
/2

/2

/2

/2

/2

/2

/2

/2

/2

/2

/2
/3

/6

0
/1

/2

/2

/2

/2
/1

/1

/2

/3
11

11

11

11

11

11

11
11

11

11

11
Fecha
Fuente: DHL S.A.

En base al grafico de barras podemos concluir que el día que se distribuyó una mayor
cantidad de pedidos en el mes de noviembre (24/11/2014).

Grafica circular

Distribucion de cantidad de pedidos por dia

9% 11% 4% 2% 17%
11/3/2014
11/6/2014
11/12/2014
4% 11/15/2014
11/19/2014
2% 11/24/2014
0% 7% 11/26/2014
11/27/2014
11/28/2014
11/29/2014
11/30/2014

28% 15%

Según el grafico circular presentado podemos llegar a la conclusión de que en el mes

de noviembre el día 24/11/2014 se realizó el 28.3% de la distribución de pedidos.

7
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

7.2 Distribución de números de pedidos por cliente

Clientes fi hi pi
AMERICA MOVIL PERU SAC 1 0.0032 0.32%
CLASS POINT S.A. 3 0.0095 0.95%
COMEXA COM.EXT.AS SU DEL PERU 3 0.0095 0.95%
DISTRIBUIDORA GUMI SAC 7 0.0222 2.22%
EL DUENDE IMPORT EXPORT S.A.C. 1 0.0032 0.32%
EMP. PERIODISTICA NACIONAL SA 2 0.0063 0.63%
ESTILOS S.R.L. 10 0.0317 3.17%
HIPERMERCADOS METRO S.A. 49 0.1556 15.56%
HIPERMERCADOS TOTTUS S.A. 12 0.0381 3.81%
JIMENEZ & RUEDA SA 12 0.0381 3.81%
JK WORLD 13 0.0413 4.13%
LA CASA DE DAMIAN 4 0.0127 1.27%
MATTEL PERU SA 1 0.0032 0.32%
MUNDO BEBE S.A.C. 4 0.0127 1.27%
MY BEST PLACE SAC 13 0.0413 4.13%
PERCY HERBERT MALAGA ARAMAYO 13 0.0413 4.13%
RASH PERU S.A.C 1 0.0032 0.32%
SAGA FALABELLA S.A. 37 0.1175 11.75%
SCORPIO GROUP S.A. 9 0.0286 2.86%
SUPERMERCADOS PERUANOS S.A. 42 0.1333 13.33%
TAI LOY S.A. 18 0.0571 5.71%
TIENDA MATTEL 22 0.0698 6.98%
TIENDAS PERUANAS S.A. 8 0.0254 2.54%
TIENDAS POR DEPT RIPLEY S.A. 30 0.0952 9.52%
Total 315    
Fuente: DHL S.A.

Grafica de barras

Distribución de número de pedidos por cliente

60 49
37 42
40 30
18 22
Número de pedidos

20 10 12 12 13 13 13 9 8
1 3 3 7 1 2 4 1 4 1
0
C. R.L. . . . .
SA
C U
ER S.A. . S.A ORL
D SA SAC .A.C S.A S.A S S.A
P S S U E S P Y
U
ER DEL RT ILO
S U ER C U OU I LO AN
A
TT JK W L P PLA PER
LI P SU P O T TO TE GR TA U
OV .A S EX ES AT BES
T H R
M RT DOS M RAS RPIO S PE
A XT O A M
Y O DA
RIC M.E MP
I E RC SC EN
E O E M TI
AM A C END IP ER
EX DU H
M
CO EL
Clientes

Fuente: DHL S.A.

8
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Podemos observar en la gráfica de barras que la empresa Hipermercados Metro S.A. tiene a
comparación de otros clientes un mayor número de pedidos en el mes de noviembre (49)

Grafica circular

Distribución de número de pedidos por cliente

AMERICA MOVIL PERU SAC CLASS POINT S.A. COMEXA COM.EXT.AS SU DEL
PERU
DISTRIBUIDORA GUMI SAC EL DUENDE IMPORT EXPORT EMP. PERIODISTICA NACIONAL
S.A.C. SA
ESTILOS S.R.L. HIPERMERCADOS METRO S.A. HIPERMERCADOS TOTTUS S.A.
JIMENEZ & RUEDA SA JK WORLD LA CASA DE DAMIAN
MATTEL PERU SA MUNDO BEBE S.A.C. MY BEST PLACE SAC
PERCY HERBERT MALAGA RASH PERU S.A.C SAGA FALABELLA S.A.
ARAMAYO
SCORPIO GROUP S.A. SUPERMERCADOS PERUANOS TAI LOY S.A.
S.A.
TIENDA MATTEL TIENDAS PERUANAS S.A. TIENDAS POR DEPT RIPLEY S.A.

Según el grafico circular podemos decir que Hipermercados Metro S.A. ha tenido el 15.56% de
pedidos en el mes de Noviembre.

7.3 Distribución

Estado fi hi pi
DEVOLUCIÓN 53 0.1683 16.8%
ENTREGADO 262 0.8317 83.2%
Total 315    

Fuente: DHL S.A.

9
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Grafica de barras:

Estado de pedidos
90.0% 83.2%
80.0%
70.0%
Cantidad de pedidos

60.0%
50.0%
40.0%
30.0%
20.0% 16.8%
10.0%
0.0%
DEVOLUCIÓN ENTREGADO
Estado

Al observar el grafico de barras podemos decir que el 83.2% de los pedidos en el mes
de noviembre han sido entregados.

Grafica circular

Estado de pedidos
53

262
DEVOLUCIÓN ENTREGADO

Según el grafico circular mostrado podemos asegurar que de los 315 pedidos, 262 han
sido entregados.

10
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

7.4 Distribución de pedidos por distrito

Distritos hi fi pi
Callao 1 0.0032 0.32%
Cercado 9 0.0286 2.86%
LA VICTORIA 31 0.0984 9.84%
Lince 6 0.0190 1.90%
Magdalena 4 0.0127 1.27%
Miraflores 13 0.0413 4.13%
PTA HERMOSA 12 0.0381 3.81%
San Isidro 44 0.1397 13.97%
SJL 12 0.0381 3.81%
SMP 7 0.0222 2.22%
VES 176 0.5587 55.87%
Total 315    
Fuente: DHL S.A.

Grafica de barras

Distribución de pedidos por distrito

200
180 176
160
140
120
Número de pedidos

100
80
60 44
40 31
20 9 13 12 12 7
1 6 4
0
o do IA ce a s A ro L P S
lla len re OS SJ VE
Ca r ca TOR Lin d a fl o
M Isid SM
Ce VI
C ag ira R
Sa
n
M M HE
LA A
PT

Distritos

Al observar el grafico podemos asegurar que 176 de los clientes atendidos en el mes de
noviembre pertenecen al distrito de Villa el Salvador.

Grafica circular:

11
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Distribución de pedidos por distrito

0% 3% 10% Callao
4%
2% Cercado
LA VICTORIA
1%
4% Lince
Magdalena
Miraflores
PTA HERMOSA
56%
San Isidro
14% SJL
SMP
VES
4%

2%

Según el grafico circular podemos asegurar que el 55.87% de los clientes atendidos en
el mes de noviembre pertenecen al distrito de Villa el Salvador.

12
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

PARETO: Causas que provocaron las devoluciones

Distribución de las causas de las devoluciones

Problemas fi hi pi Fi Hi Pi
CODIGO SIN LECTURA 14 0,26415094 26,42% 14 0,26415094 26,42%
LLEGO TARDE A CITA 14 0,26415094 26,42% 28 0,52830189 52,83%
CAJA DAÑADA 9 0,16981132 16,98% 37 0,69811321 69,81%
FALTA UNIDADES 8 0,1509434 15,09% 45 0,8490566 84,91%
FALTA DE ROTULADO 4 0,0754717 7,55% 49 0,9245283 92,45%
PRODUCTO ERRADO 4 0,0754717 7,55% 53 1 100,00%
Total 53 1 100%      
Fuente: DHL S.A

Distribución de las causas de las devoluciones

100.00%
100.00%
50 92.45%
84.91% 90.00%

Porcentaje acumulado de nro de pedidos

80.00%
40
69.81% 70.00%
60.00%
30
Nro de pedidos

52.83%
50.00%

20 40.00%
14 14 30.00%
26.42%
10 9 8 20.00%
4 4 10.00%
0 0.00%
CODIGO SIN LLEGO CAJA FALTA FALTA DE PRODUCTO
LECTURA TARDE A DAÑADA UNIDADES ROTULADO ERRADO
CITA

Causas

Explicación: Las principales causas que provocaron las devoluciones de los pedidos
son: código sin lectura, tarde a cita, caja dañada, unidades faltantes las cuales
representan el 85%. Estas causas se deben a que la mayoría de pedidos son pequeños
en relación al espacio que ocupan (m3), (lo cual se determinará en el análisis de
variables cuantitativas), lo que genera que se consolide pedidos y se utilice una sola
móvil para varios de estos ocasionando que las unidades se maltraten o se combinen
y también que posiblemente se llegue tarde a varios puntos.

13
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

8. PRESENTACIÓN, ANÁLISIS E INTERPRETACIÓN DE CUADROS Y GRÁFICOS PARA

LAS VARIABLES CUANTITATIVAS
8.1. Distribución de unidades por pedido: En base a los cuadros, que se muestran
líneas abajo se puede apreciar que el mayor número de despachos (275/87%)
tienen como máximo 467 unidades por pedido. Además, que el número
promedio de unidades de estos 275 pedidos es 234.

Distribución de unidades por pedido

LimInf LimSup X'i fi hi pi Fi Hi Pi
1 467 234 275 0,873 87,3% 275 0,873 87%
467 933 700 25 0,079 7,9% 300 0,952 95%
933 1399 1166 10 0,032 3,2% 310 0,984 98%
1399 1865 1632 2 0,006 0,6% 312 0,990 99%
1865 2331 2098 2 0,006 0,6% 314 0,997 100%
Max= 4189 2331 2797 2564 0 0,000 0,0% 314 0,997 100%
Min= 1 2797 3263 3030 0 0,000 0,0% 314 0,997 100%
Rango= 4188 3263 3729 3496 0 0,000 0,0% 314 0,997 100%
Intervalos
= 9 9 3729 4195 3962 1 0,003 0,3% 315 1,000 100%
465, 46
Total
Amplitud= 3 6 315 1 100%      
Fuente: DHL S.A

14
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

8.2. Distribución de m3 por pedido: En base a los siguientes cuadros y gráficos

podemos determinar que más del 85% de los pedidos tenían como máximo
6,175 m3, es decir 270 pedidos de los 315 tienen en promedio 3 m3.

Distribución de M3 por pedido

LimInf LimSup X'i fi hi pi Fi Hi Pi
0,002 6,175 3,089 270 0,857 85,714% 270 0,857 86%
6,175 12,348 9,262 30 0,095 9,524% 300 0,952 95%
12,348 18,521 15,435 7 0,022 2,222% 307 0,975 97%
18,521 24,694 21,608 4 0,013 1,270% 311 0,987 99%
24,694 30,867 27,781 3 0,010 0,952% 314 0,997 100%
Max= 55,551 30,867 37,040 33,954 0 0,000 0,000% 314 0,997 100%
Min= 0,002 37,040 43,213 40,127 0 0,000 0,000% 314 0,997 100%
Rango= 55,549 43,213 49,386 46,300 0 0,000 0,000% 314 0,997 100%
Intervalos
= 9,300 9 49,386 55,559 52,473 1 0,003 0,317% 315 1,000 100%
Amplitud= 6,1722 6,173 Total 315 1 100%      
Fuente: DHL S.A

15
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

8.3. Distribución del valor de los pedidos: En base a los siguientes cuadros y
gráficos, podemos determinar que el 73% de los pedidos tienen como máximo
un valor de 2338.31 soles, además que el costo promedio de 231 pedidos es
1170.90 soles.

Distribución del valor del pedido en soles

LimInf LimSup X'i fi hi pi Fi Hi Pi
23 0,73 23 0,73
3,48 2338,31 1170,90 1 3 73,333% 1 3 73%
0,15 28 0,89
2338,31 4673,14 3505,73 50 9 15,873% 1 2 89%
0,06 30 0,95
4673,14 7007,97 5840,56 19 0 6,032% 0 2 95%
0,02 30 0,97
7007,97 9342,80 8175,39 8 5 2,540% 8 8 98%
0,00 31 0,98
9342,80 11677,63 10510,22 2 6 0,635% 0 4 98%
0,00 31 0,99
Max= 21016,95   11677,63 14012,46 12845,05 2 6 0,635% 2 0 99%
0,00 31 0,99 100
Min= 3,48   14012,46 16347,29 15179,88 2 6 0,635% 4 7 %
0,00 31 0,99 100
Rango= 21013,47   16347,29 18682,12 17514,71 0 0 0,000% 4 7 %
Intervalos 0,00 31 1,00 100
= 9,30 918682,12 21016,95 19849,54 1 3 0,317% 5 0 %
31
Total
Amplitud= 2334,830 2335 5 1 100%      
Fuente: DHL S.A

16
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

9. MEDIDAS DE TENDENCIA CENTRAL

Para las medidas de tendencia central, analizaremos las variables cantidad de

códigos por pedio, m3 por pedido, unidades por pedidos y valor en soles solo de
los 53 pedidos devueltos

17
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Cantidad de
Cantidad de Valor del pedido en
Total m3 Nov unidades por
cod por pedido soles Nov
pedido Nov
57 17,59 821 7263,74
2 0,26 29 139,52
6 0,08 9 344,96
6 0,13 334 41,39
1 0,20 14 97,20
3 0,32 48 145,98
4 0,31 66 146,30
1 0,02 19 29,93
7 0,66 127 370,10
6 2,60 69 937,28
43 9,48 733 4691,90
7 4,01 116 1468,62
3 0,26 13 462,03
12 1,64 133 1172,11
12 0,60 27 1668,16
42 17,04 979 5668,15
17 4,92 408 1664,55
16 1,12 1056 387,96
1 0,00 1 36,17
30 6,57 697 1844,99
11 2,82 257 773,46
3 0,11 24 124,42
8 1,07 30 964,71
2 1,36 48 282,37
1 0,01 8 19,85
26 3,02 743 1617,54
17 1,24 41 2549,14
18 0,37 85 1197,18
4 0,36 17 801,82
8 0,28 100 281,80
32 1,18 133 2702,96
38 4,78 375 3407,36
6 0,81 54 965,53
21 4,16 281 2547,73
18 1,58 396 857,29
8 0,19 300 155,19
25 6,82 709 2528,32
6 2,03 112 591,27
78 27,61 2308 9146,26
34 0,83 77 2622,21
2 0,18 35 97,31
5 0,63 90 374,02
10 4,02 133 1608,53
3 0,94 56 528,50
58 15,73 747 7781,50
17 3,45 208 1615,42
13 0,56 240 584,86
14 2,06 273 1240,94
15 2,51 419 1629,61
13 0,67 78 1273,83
35 2,86 182 4983,03
8 0,76 166 449,03
100 28,93 1610 11563,86

Cantidad de Cantidad de Valor del

Total m3
cód. por unidades por pedido en
Nov.
pedido pedido Nov. soles Nov.

Media 17,60 3,62 302,53 1819,77

18
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Mediana 11,00 1,12 127,00 964,71

Moda 6,00 - 133,00 -

Interpretando la media:

 La cantidad promedio de códigos por pedidos es 17,60 (en su defecto 18

códigos)
 El total de m3 en promedio por pedidos es 3,62
 La cantidad de unidades promedio por pedidos es 302,53 (303 unidades)
 El valor promedio en soles por pedido es 1819.17

Interpretando la mediana:

 El 50% de la cantidad de códigos por pedido es menor o igual a 11 códigos

 El 50 % del total de m3 por pedido es menor o igual 1,12
 El 50% de unidades por pedido es menor o igual a 127.
 El 50 % del valor en soles por pedido es menor o igual a 964.71

Interpretando la moda:

 Se observa que en cantidad de códigos por pedido el número que más se

repite es 6 y en cantidad de unidades por pedido es 133.

10. MEDIDAS DE DISPERSIÓN

La dispersión es importante porque:

 Proporciona información adicional que permite juzgar la confiabilidad de la
medida de tendencia central. Si los datos se encuentran ampliamente dispersos, la
posición central es menos representativa de los datos.
 Ya que existen problemas característicos para datos ampliamente dispersos,
debemos ser capaces de distinguir que presentan esa dispersión antes de abordar
esos problemas.
 Quizá se desee comparar las dispersiones de diferentes muestras. Si no se
desea tener una amplia dispersión de valores con respecto al centro de distribución
o esto presenta riesgos inaceptables, necesitamos tener habilidad de reconocerlo y
evitar escoger distribuciones que tengan las dispersiones más grandes.

Pero si hay dispersión en la mayoría de los datos, y debemos estar en capacidad de

describirla. Ya que la dispersión ocurre frecuentemente y su grado de variabilidad son
importantes.

Datos de la muestra se encuentran en el Excel. Disp. Nov 1.

19
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Etiquetas de fila Promedio de Cantidad de unidades por pedido Nov Desvest de Cantidad de unidades por pedido Nov2
DEVOLUCIÓN 302.5283019 434.8565017
ENTREGADO 230.8282443 373.4139243
Total general 242.8920635 384.6296106

Estado de la entrega Promedio Desviación Estandar CV

DEVOLUCIÓN 302.53 434.86 143.74
ENTREGADO 230.83 373.41 161.77

Total general 242.89 384.63

El estado de la entrega "DEVOLUCION" tiene el ingreso más homogeneno = 143.74

Se requiere comparar la cantidad de articulos devueltos y entregados durante el meses de noviembre del 2014. Solo se evaluaran los datos
cuyo estado de entrega es "Devuelto y Entregado". Calcularemos las cantidaes de CV.

Datos de la muestra se encuentran en el Excel. Disp. Nov 2.

Cantidad de unidades por pedido Nov Total m3 Nov Valor del pedido en soles Nov

Media 242.8920635 Media 3.083859551 Media 1908.011842

Error típico 21.67142346 Error típico 0.314192306 Error típico 151.1022128
Mediana 115 Mediana 1.195606417 Mediana 886.1196971
Moda 2 Moda 0.23088 Moda 36.17025101
Desviación estándar 384.6296106 Desviación estándar 5.576360253 Desviación estándar 2681.798239
Varianza de la muestra 147939.9374 Varianza de la muestra 31.09579367 Varianza de la muestra 7192041.795
Curtosis 39.16601794 Curtosis 29.20601793 Curtosis 13.21573049
Coeficiente de asimetría 4.990884583 Coeficiente de asimetría 4.442052644 Coeficiente de asimetría 3.079358648
Rango 4189 Rango 55.5493973 Rango 21013.46702
Mínimo 0 Mínimo 0.002071875 Mínimo 3.481976425
Máximo 4189 Máximo 55.55146918 Máximo 21016.949
Suma 76511 Suma 971.4157586 Suma 601023.7303
Cuenta 315 Cuenta 315 Cuenta 315

CV 158.35 180.82 140.55

MEDIDAS DE DISPERSIÓN

MENOR HOMOGENEIDAD ES 180.82

20
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

11. MEDIDAS DE POSICIÓN Y DIAGRAMA DE CAJAS

Se requiere comparar el número de unidades de artículos devueltos durante los

meses de octubre, noviembre y diciembre del 2014. Construir en un mismo gráfico
el diagrama de cajas para los artículos devueltos en los tres últimos meses,
indicando la presencia de datos atípicos. Solo se evaluaran los datos cuyo estado
de entrega es "Devuelto". Calcularemos los percentiles de 25, 50 y 75.

Datos de la muestra:

Octubre
13 214 162 119 193 124 115 188 116
2253 58 3 425 3 0 8 6 7 7 4 520 521 577
78 132 245 229 253 185 124 202 170
1742 0 7 917 4 4 6 7 4 6 534 405 6 596
59 157 201 173 184 216 169 185 184 101 188
377 3 7 111 6 2 7 2 0 9 2 3 694 0
14 219 111 189 240
2044 20 79 384 2 7 892 1 89 3 688
Noviembre
1 8 9 13 14 17 19 24 27 29 30 35 41 48
48 54 56 66 69 77 78 85 90 100 112 116 127 133
13
133 3 166 182 208 240 257 273 281 300 334 375 396 408
69 105 161 230
419 7 709 733 743 747 821 979 6 0 8
Diciembre
30 265 555 206 369 722 519 825 261 483 353
833 10 3 5 0 7 4 1 587 6 254 7 5 9
84 279 126 439 442 798 518 530 164 792 767 169
7824 07 390 7 4 7 1 7 1 4 0 6 6 8
72 788 444 508 426 296 364 214 752 495 727
6035 81 0 7 4 5 161 716 6 1 9 4 9 2
49 213 568 396 528 200 464 450 113
2587 45 879 7 6 0 4 5 7 2 4
Fuente: DHL S.A.

Primer Paso: Cálculo de Percentiles

Estadístic
os Octubre Noviembre Diciembre
=PERCENTIL.EXC(A2:A54,0. =PERCENTIL.EXC(B2:B54,0. =PERCENTIL.EXC(C2:C54,0.
Percentil 25 25) 25) 25)
=PERCENTIL.EXC(A2:A54,0. =PERCENTIL.EXC(B2:B54,0. =PERCENTIL.EXC(C2:C54,0.
Percentil 50 50) 50) 50)
=PERCENTIL.EXC(A2:A54,0. =PERCENTIL.EXC(B2:B54,0. =PERCENTIL.EXC(C2:C54,0.
Percentil 75 75) 75) 75)

21
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Segundo Paso: Calculo de límite superior e inferior

RI =PERCENTIL75 - =PERCENTIL75 - =PERCENTIL75 -

C PERCENTIL25 PERCENTIL25 PERCENTIL25
LI =PERCENTIL25 - 1.5 * RIC =PERCENTIL25 - 1.5 * RIC =PERCENTIL25 - 1.5 * RIC
LS =PERCENTIL75 +1.5 * RIC =PERCENTIL75 +1.5 * RIC =PERCENTIL75 +1.5 * RIC

El resultado final de las operaciones anteriores es:

Estadísticos Octubre Noviembre Diciembre

P25 689.5 44.5 2098.5
Mínimo 79 1 161
P50 1389 127 4397
Máximo 2536 2308 8407
P75 1890 385.5 5620.5
Ric 1200.5 341 3522
Li 0 -467 0
Ls 3690.75 897 10903.5
Fuente: DHL S.A.

Tercer paso: Identificar valores atípicos

Para los meses de noviembre, LI = -467 (la cantidad de artículos a devolver no

puede ser negativo por lo que se puede considerar como LI = 0 devoluciones)
Con respecto al LS= 897, este es menor al valor máximo = 2308, por lo tanto, se
observa que existen cuatro valores mayores que el LS = 897 los cuales son: 976,
1056, 1610 y 2308.
Estos cuatro valores son marcados como valores atípicos representados con *

Noviembre
.
821
979
1056
1610
2308

Con esto identificamos que el valor hasta donde debe llegue el bigote superior es 821
el cual es un valor menor al límite superior.
Con esto, el nuevo valor máximo para el mes de noviembre es 821.

Estadístico
s Octubre Noviembre Diciembre
P25 642 44.5 2098.5
Mínimo 79 1 161

22
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

P50 1358 127 4397

Máximo 2536 821 8407
P75 1889 385.5 5620.5
Ric 1247 341 3522
Li 0 0 0
Ls 3759.5 897 10903.5
Fuente: DHL S.A.

Diseñar el diagrama de cajas

Interpretando diagrama de cajas:

 Se observa que los valores atípicos en la muestra para el mes de noviembre

son 979, 1056, 1610, 2308, es decir que exceden el límite superior.

CÁLCULO DE PROBABILIDAD CON AXIOMAS Y PROBABILIDAD CONDICIONAL CON

LOS CUADROS GENERADOS

Ejemplo N°01.- Se seleccionan dos pedidos aleatoriamente, una por una, de una cierta
cantidad de pedidos devueltos del mes de Noviembre que contiene 53 ítems de
pedidos y 262 ítems de pedidos entregados. ¿Cuál es la probabilidad de que:

a. El primer pedido sea devuelto?

b. La segunda sea entregado dado que la primera fue devuelta?

Estado fi hi pi
DEVOLUCIÓ
53 0.1683 16.80%
N
ENTREGADO 262 0.8317 83.20%
Total 315    

23
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

Solución:

a. La probabilidad de que el primer pedido sea devuelto  (53/315), puesto que hay
53 ítems de pedidos devueltos de un total de 315. Escrito con notación de
probabilidad tenemos: P(R1)=(53/315)
b. La probabilidad de que el segundo pedido sea entregado se ve influida por lo
que salió primero, es decir esta probabilidad está sujeta a una condición, la de
que la primera sea devuelta. Este tipo de probabilidad se le llama probabilidad
condicional y se denota por P(B2/R1)
, y se lee: la probabilidad de B2 dado R1.
Esta probabilidad, P (B2/R1)= (262/314) puesto que todavía hay 262 pedidos
entregados en un total de 314 ítems restantes.

Conclusión.- Sean R1(devolución) y B2(entregado) dos sucesos tal que P(R1 )   0, se

llama probabilidad de B2 condicionada a R1, P(B2/R1), a la probabilidad
de B2 tomando como espacio muestral R1, es decir, la probabilidad de que
ocurra B2 dado que ha sucedido R1.

Ejemplo 2.- se tiene el siguiente cuadro.

Cuenta de Estado de la entrega Etiquetas de columna

Total
Etiquetas de fila DEVOLUCIÓN ENTREGADO general
Callao 1 1
Cercado 1 8 9
LA VICTORIA 1 30 31
Lince 1 5 6
Magdalena 1 3 4
Miraflores 1 12 13
PTA HERMOSA 12 12
San Isidro 4 40 44
SJL 4 8 12
SMP 1 6 7
VES 39 137 176
Total general 53 262 315

A ¿Cuál es la probabilidad de que sea de San Isidro y entregado?

40
Rpta: Sea P ( san isidro ∩entregado )= =0.127
315
B ¿Cuál es la probabilidad de que sea de SJL, sabiendo que el pedido no fue
entregado?
4
Rpta: Sea P ( SJL I devolucion )= =0.075
53
C Sabiendo que el pedido fue entregado, ¿cuál es la probabilidad de que sea de VES?
137
Rpta: Sea P ( entregado ∩VES )= =0.523
262

24
Universidad Peruana de Ciencias Aplicadas - EPE- UPC

12. CONCLUSIONES Y RECOMENDACIONES

12.1 Conclusiones

- Se concluye que el 57 % de las devoluciones ocurrieron en la última semana

del mes en estudio, debido al aumento del número de pedidos en relación a
las semanas anteriores.

- El 28.23 % de las devoluciones corresponden a Hipermercados Metro S.A

- En nuestro Diagrama de Pareto se muestra que el 80% de las devoluciones son

causadas por el código de lectura, el llegar tarde a la cita de entrega y por la
entrega de mercadería en cajas dañadas.

- Una de las principales causas de las devoluciones es el llegar tarde a la cita,

esta a su vez muestra que el 71.43 % de las citas a las que se llegó tarde
corresponden a las que las entregas realizadas en Villa el Salvador.

12.2 Recomendaciones

- Tomar en consideración los resultados obtenidos en el diagrama de Pareto,

para poder eliminar el 80% de las fallas.

- Adicionalmente, en la programación de entregas se debe tener en cuenta el

aumento de pedidos en la última semana de los meses de campaña de
nuestros clientes, ya que aumentan los pedidos y esto genera una mayor
demanda de mano de obra para efectuar dichas entregas.

25