Automative industry processes database analysis

Abstract

[ES] Este proyecto se centra en la optimización de procesos dentro de una empresa automotriz, abarcando la creación de bases de datos, la predicción de la demanda y el análisis de incidentes de productos. Presenta las estrategias y herramientas utilizadas para mejorar la eficiencia operativa y la toma de decisiones dentro de la organización.

Se exploraron y describieron las bases de datos existentes, junto con la introducción de nuevas bases de datos diseñadas para capturar datos críticos sobre el personal de producción y las categorías de productos. La interconexión de estas bases de datos permite una visión integral de las operaciones y refuerza la infraestructura de datos de la empresa.

Se aplicó el modelo ARIMA para la predicción de la demanda, comenzando con la gestión y limpieza de datos históricos. El modelo óptimo fue seleccionado y validado mediante técnicas de diagnóstico y pruebas de estacionariedad, utilizando métodos como la validación cruzada y la evaluación RMSE. El modelo ARIMA se utilizó para pronosticar la demanda para el año 2017, proporcionando información valiosa para la planificación de la producción y la gestión de inventarios.

Se analizó la base de datos de incidentes de productos, centrándose en la eficiencia de la resolución de problemas por parte de los equipos de soporte de primera línea. Se identificaron los grupos y productos con el mejor desempeño en la gestión de incidentes, proporcionando información para optimizar la asignación de recursos y mejorar la capacitación del personal, con el objetivo de aumentar la eficiencia operativa y la satisfacción del cliente.

[EN] This project focuses on process optimization within an automotive company, encompassing database creation, demand prediction, and product incident analysis. It presents the strategies and tools used to enhance operational efficiency and decision-making within the organization.

The existing databases were explored and described, along with the introduction of new databases designed to capture critical data on production personnel and product categories. The interconnection of these databases allows for a comprehensive view of operations and strengthens the company's data infrastructure.

The ARIMA model was applied for demand prediction, beginning with the management and cleaning of historical data. The optimal model was selected and validated through diagnostic techniques and stationarity tests, using methods such as cross-validation and RMSE evaluation. The ARIMA model was used to forecast demand for the year 2017, providing valuable information for production planning and inventory management.

The product incident database was analysed, focusing on the efficiency of problem resolution by frontline support teams. Groups and products with the best performance in incident management were identified, providing insights to optimize resource allocation and improve staff training, aiming to increase operational efficiency and customer satisfaction.