pg.

1
UNIVERSIDAD NACIONAL DE SAN AGUSTIN

INGENIERIA INDUTRIAL











Muestreo del trabajo

CURSO: INGENIERIA DE METODOS I
DIRIGIDO POR: Ing. Arturo Fernndez

Presentado por:

BARRIGA ZEVALLOS, MARCO JAIR


AREQUIPA PER

2014

pg. 2

DEDICATORIA



Este trabajo est dedicado en especial para mis
compaeros de clase de Ing. De Mtodos I pues
necesitamos compartir informacin para mejorar
continuamente ya que estamos en proceso de recepcionar
informacin tras informacin mejorando de poco a poco y
estoy seguro que ser til esta informacin.


















pg. 3


ndice general

Prlogo pg. 4
Introduccin pg. 5
Cuerpo del trabajo
1. TEORA DEL MUESTREO DEL TRABAJO pg. 6
2. PRESENTACIN DEL MUESTREO DEL TRABAJO pg. 7
3. PLANEACIN DE ESTUDIOS DE MUESTREO DEL TRABAJO pg. 8
4. DETERMINACIN DEL NMERO NECESARIO DE
OBSERVACIONES pg. 9
5. DETERMINACIN DE LA FRECUENCIA DE OBSERVACIN pg. 10
6. DISEO DE UN FORMULARIO DE MUESTREO DEL TRABAJO pg. 11
7. USO DE GRFICAS DE CONTROL pg. 14
8. REGISTRO DE OBSERVACIONES pg. 15
9. UTILIZACIN DE MQUINAS Y OPERARIOS pg. 16
10. DETERMINACIN DE HOLGURAS pg. 18
11. DETERMINACIN DEL TIEMPO ESTNDAR pg. 19
12. AUTOOBSERVACIN pg. 19
13. SOFTWARE PARA MUESTREO DEL TRABAJO pg. 21

Conclusiones pg. 23
Bibliografa pg. 24










pg. 4



Prlogo




En la presente monografa entraremos a tratar el tema principal de Ingeniera
de mtodos el cual para todo ingeniero industrial que pretende realizar un
estudio del trabajo de una empresa necesita recopilar datos actuales de dicha
empresa para poder efectuar planes de mejora.
Con un buen Muestreo de trabajo al implementar mejoras en el trabajo
cotidiano del personal y de las maquinas nos ayudaran mucho es por esto que
en la presente unidad podemos obtener puntualmente el concepto que
debemos aplicar como ingenieros industriales.















pg. 5
Introduccin
El muestreo del trabajo es una tcnica que se utiliza para investigar las
proporciones del tiempo total que se dedican a las diferentes actividades que
constituyen una tarea o una situacin de trabajo. Los resultados del muestreo
del trabajo son eficaces para determinar la utilizacin de mquinas y personal,
las holguras aplicables al trabajo y los estndares de produccin. Aunque se
puede obtener la misma informacin con procedimientos de estudio de
tiempos, el muestreo del trabajo con frecuencia proporciona estos datos ms
rpido y a un costo considerablemente menor.

Cuando realizan estudios de muestreo del trabajo, los analistas toman un
nmero comparativamente grande de observaciones en intervalos aleatorios. La
razn de las observaciones de una actividad dada entre el total de
observaciones se aproxima al porcentaje de tiempo que el proceso est en ese
estado de actividad. Por ejemplo, si 1 000 observaciones tomadas en intervalos
al azar durante varias semanas muestran que una mquina automtica de
atornillado operaba en 700 de ellas, y permaneca inactiva por diferentes
razones en 300 casos, el tiempo ocioso de la mquina sera de 30% de la jornada
de trabajo.

El muestreo del trabajo se aplic por primera vez en la industria textil britnica.
Ms tarde, con el nombre de estudio de la razn de demora, la tcnica se llev a
Estados Unidos (Morrow, 1946). La exactitud de los datos que se determinan
mediante muestreo del trabajo depende del nmero de observaciones y el
periodo sobre el cual se realizan las observaciones aleatorias. A menos que el
tamao de muestra sea suficientemente grande, y el periodo de muestreo
represente condiciones tpicas, se pueden obtener resultados inexactos. El
mtodo de muestreo del trabajo presenta varias ventajas sobre el procedimiento
convencional de estudio de tiempos:

1. No requiere la observacin continua del analista durante largos periodos.
2. Se reduce el tiempo de trabajo de oficina.
3. Por lo general, el analista utiliza menos horas de trabajo totales.
4. El operario no est sujeto a largos periodos de observaciones cronometradas.
5. Un solo analista puede estudiar con facilidad las operaciones de una brigada.







pg. 6

Cuerpo del trabajo
1. TEORA DEL MUESTREO DEL TRABAJO

La teora del muestreo del trabajo se basa en la ley fundamental de
probabilidad: en un instante dado, un evento puede estar presente o ausente.
Los estadsticos han obtenido la siguiente expresin para mostrar la
probabilidad de x ocurrencias de tal evento en n observaciones:


donde p = probabilidad de una sola ocurrencia
q = 1 p = probabilidad de una ausencia de ocurrencia
n = nmero de observaciones

La distribucin de estas probabilidades se conoce como distribucin binomial con
media igual a np y varianza igual a npq. Cuando n se hace ms grande, la
distribucin binomial se aproxima a la distribucin normal. Como los
muestreos del trabajo involucran tamaos de muestras grandes, la distribucin
normal es una aproximacin satisfactoria a la binomial. Esta distribucin
normal de una proporcin tiene una media igual a p y una desviacin estndar
igual a

En los estudios de muestreo del trabajo, se toma una muestra de tamao n en
un intento de estimar p. A partir de la teora elemental de muestreo se sabe que
no es posible esperar que el valor de p (p = la proporcin basada en la
muestra) de cada muestra sea el valor verdadero de p. Sin embargo, se espera
que la p de cualquier muestra est dentro del intervalo p 1.96 desviaciones
estndar aproximadamente 95% de las veces. En otras palabras, si p es el
porcentaje verdadero de una condicin dada, se puede esperar que la p de
cualquier muestra quede fuera del intervalo p 1.96 desviaciones estndar slo
alrededor de 5 veces de cada 100 debido a las probabilidades.

Esta teora puede usarse para estimar el tamao de la muestra total necesario
para lograr cierto grado de precisin. La expresin de la desviacin estndar p
de una proporcin muestral es

donde p = desviacin estndar de un porcentaje
p = porcentaje verdadero de ocurrencia del elemento que se observa,
expresado como decimal
n = nmero total de observaciones aleatorias en las que se basa p
pg. 7

Con base en el concepto de intervalo de confianza, considere el trmino z/2p
como el lmite aceptable de error O con un error de confianza de (1 a)100%,
donde

Elevando al cuadrado ambos lados y despejando n se obtiene

En el caso de una aplicacin tpica, usando un intervalo de confianza de 95%,
z/2 es 1.96 y n se convierte en


2. PRESENTACIN DEL MUESTREO DEL TRABAJO

Antes de iniciar un programa de muestreo del trabajo, el analista debe
presentar su uso y confiabilidad a todos los miembros de la organizacin a
quienes puedan afectar los resultados, entre los que se destacan el sindicato, el
supervisor de lnea y la administracin de la compaa. Esta tarea se puede
cubrir mediante varias sesiones cortas con los representantes de las distintas
partes interesadas y una explicacin con ejemplos de la ley de probabilidades,
que expliquen por qu funcionan los procedimientos de muestreo. Aunque el
estudio de tiempos con cronmetro sea bien entendido y fcilmente aceptado,
tanto los sindicatos como los trabajadores aceptarn tcnicas de muestreo del
trabajo una vez que el procedimiento haya sido explicado por completo. Los
factores a favor del muestreo del trabajo son que el procedimiento es
completamente impersonal y carece de la presin que implica un estudio de
tiempos con cronmetro.












Figura 1 Distribucin del nmero de caras con un nmero infinito de
lanzamientos, usando Nmero de caras cuatro monedas no sesgadas.

En la sesin inicial, el analista debe crear un estudio sencillo lanzando monedas
no sesgadas. Todos los participantes reconocern con facilidad que al lanzar
una sola moneda se tiene una posibilidad 50-50 de obtener cara. Si se les
pregunta cmo determinara la probabilidad de cara contra cruz, sin duda
propondrn lanzar una moneda unas cuantas veces para ver qu ocurre. Si
pg. 8
pregunta si dos veces es suficiente, seguro dirn que no. Pueden sugerir diez
veces, pero podran pensar que todava no es suficiente. Si se sugieren nmeros
ms grandes, quizs estn de acuerdo en que 100 veces o ms es suficiente para
lograr el resultado deseado con cierto grado de seguridad. Este ejemplo
establece con firmeza el principio del muestreo del trabajo: un tamao de
muestra adecuado asegura la significancia estadstica.

Posteriormente, el analista debe analizar los resultados probables de lanzar
cuatro monedas no sesgadas. En este caso slo existe un arreglo de resultados
de las monedas lanzadas en el que no se obtienen caras y slo uno en el que
todas son caras. Sin embargo, tres caras o una cara pueden resultar de cuatro
arreglos posibles. Seis arreglos pueden dar dos caras. Con las 16 posibilidades
descritas, cuatro monedas no sesgadas que se lanzan en forma continua se
distribuyen como lo muestra la figura 1.

Despus de esta explicacin y una demostracin de la distribucin, es decir, al
hacer varios lanzamientos y registrar los resultados, la audiencia deber estar
de acuerdo en que 100 lanzamientos pueden mostrar una distribucin normal.
Mil lanzamientos tal vez se acerquen ms a esa distribucin y 100 000 darn una
distribucin casi perfecta. Sin embargo, tal distribucin no es suficientemente
ms exacta que la distribucin de 1 000 lanzamientos, y econmicamente no
vale la pena el esfuerzo adicional. Ello establece la idea de que el acercamiento a
una precisin significativa primero es rpido y despus la velocidad de
acercamiento disminuye.

En seguida, el analista debe sealar que una mquina u operario podran estar
de manera figurada en estado de cara o cruz. Por ejemplo, una mquina puede
estar en funcionamiento (cara) o inactiva (cruz). En algn momento, una grfica
acumulada de en funcionamiento se equilibrara y dara una indicacin de
cundo estara bien detener las lecturas (vea la fi gura 14.3). Asimismo, el
estado de mquina inactiva podra desglosarse en los diferentes tipos de
interrupciones y demoras, para entender con ms detalle ese tiempo.

3. PLANEACIN DE ESTUDIOS DE MUESTREO DEL TRABAJO

Antes de hacer las observaciones reales del estudio de muestreo del trabajo es
necesario realizar una planeacin detallada. Los planes se inician con una
estimacin preliminar de las actividades para las que se busca informacin. Esta
estimacin puede incluir una o ms actividades, y a menudo se hace a partir de
datos histricos. Si el analista no puede hacer una estimacin razonable, deber
muestrear el rea durante dos o tres das y usar esa informacin como la base
de estas estimaciones. Una vez hechas las estimaciones preliminares, el analista
puede determinar la exactitud deseada de los resultados. sta se puede
expresar como una tolerancia o un lmite de error dentro del nivel de confianza
establecido. Despus, debe estimar el nmero de observaciones que tomar y
determinar la frecuencia de esas observaciones. Por ltimo, el analista disea la
pg. 9
forma de muestreo del trabajo en la cual se tabulan los datos, as como las
grficas de control que se usarn durante el estudio.








Figura 2
Porcentaje
acumulado del
tiempo de
funcionamiento.

4. DETERMINACIN DEL NMERO NECESARIO DE OBSERVACIONES

Para determinar el nmero necesario de observaciones, el analista debe conocer
la exactitud con que se desean los resultados. Entre ms observaciones, mayor
validez tendr la respuesta final. Tres mil observaciones dan un resultado
considerablemente ms confiable que 300. Sin embargo, debido al costo de
obtener tantas observaciones y la mejora marginal de la exactitud, 300
observaciones pueden considerarse amplias.

Por ejemplo, suponga que se desea determinar el nmero de observaciones que
se requieren, con 95% de confianza, tal que la proporcin verdadera del tiempo
de demoras personales e inevitables se encuentre dentro del intervalo de 6 a
10%. Se espera que el tiempo de las demoras inevitables y personales sea de 8%.
Estos supuestos se expresan grficamente en la fi gura 2. En este caso, p sera
igual a 0.08 y se supone una O de 2%, o 0.02. Con base en estos valores, es
posible despejar n como viene a continuacin:


Si el analista no tiene el tiempo o la capacidad para recolectar 707 observaciones
y slo puede recolectar 500 puntos de datos, la ecuacin anterior se puede
invertir para despejar el lmite de error resultante:

En consecuencia, con 500 observaciones la exactitud del estudio sera de 2.4%.
As, existe una concesin directa entre el error o exactitud del estudio y el
nmero de observaciones recolectadas. Observe que este 2.4% es una exactitud
absoluta. Algunos analistas pueden desear expresar esto como una exactitud
relativa de 30% respecto a la proporcin base (0.024/0.08).
pg. 10

En la actualidad es posible disponer fcilmente de paquetes de software para
determinar el nmero de observaciones que se requieren en un estudio de
muestreo del trabajo. Estos programas realizan todos los clculos estadsticos
que se necesitan para determinar tamaos de muestras e intervalos de
confianza. Por ejemplo, pueden calcular intervalos de confianza de 90, 95 y 99%
de una muestra. Tambin pueden proporcionar el nmero de muestras
necesario con el fi n de lograr una confianza de 90, 95 y 99% con un grado de
exactitud especfico.

Note que si se estudian varios trabajadores de manera simultnea, las
observaciones no pueden considerarse independientes. Richardson y Pape
(1992) estudiaron este problema de las observaciones correlacionadas y el
resultado fue un intervalo de confianza corregido que se calcula despus de la
recoleccin de datos. En vez de la ecuacin (1), la desviacin estndar del
intervalo de confianza se calcula a partir de
Figura 3 Rango de
tolerancia del
porcentaje de holgura
por demoras
inevitables que se
requieren dentro de una seccin especfica de una planta.


donde m = nmero de observaciones agrupadas
n(j) = nmero de trabajadores en la j-sima observacin
n = nmero total de observaciones
y(j) = nmero de trabajadores inactivos (u otra categora de inters) en
la j-sima observacin

En el ejemplo 14.2 se demuestra el efecto de las observaciones correlacionadas
sobre el error en un estudio de muestreo del trabajo.

5. DETERMINACIN DE LA FRECUENCIA DE OBSERVACIN

La frecuencia de las observaciones depende, en su mayor parte, del nmero de
observaciones que se requiere y del tiempo disponible para desarrollar los
datos. Por ejemplo, para completar 3 600 observaciones en 20 das calendario, el
analista debera obtener aproximadamente 3 600/20 = 180 observaciones por
da.

Por supuesto, el nmero de analistas disponible y la naturaleza del trabajo que
se estudia tambin influyen en la frecuencia de las observaciones. Por ejemplo,
pg. 11
si slo se cuenta con un analista para acumular los datos del ejemplo 14.3, no
sera prctico que esa persona tomara 180 observaciones durante un da.

Despus de haber determinado el nmero de observaciones por da, debe
seleccionarse el tiempo real necesario para registrar las observaciones. Para
obtener una muestra representativa, las observaciones se toman a todas horas
del da. Existen muchas formas para encontrar una ocurrencia aleatoria de las
observaciones. Con un enfoque manual, el analista puede seleccionar nueve
nmeros cada da de una tabla estadstica de nmeros aleatorios, que estn
entre 1 y 48. Si cada nmero corresponde a un valor en minutos, equivalente a
10 veces su tamao, los nmeros seleccionados pueden establecer la hora para
tomar la observacin, en minutos, a partir del inicio del da. Por ejemplo, el
nmero aleatorio 20 significara que el analista debe hacer una serie de
observaciones 200 minutos despus de iniciado el turno.

Otro enfoque considera los cuatro dgitos adyacentes en la tabla de nmeros
aleatorios. El dgito 1 es el identificador del da, con los nmeros 1 a 5
correspondientes a los das de lunes a viernes. El dgito 2 es el identificador de
las horas, con nmeros de 0 a 8 sumados a la hora de inicio (por ejemplo, las
7:00 a.m.). Los dgitos 3 y 4 identifican los minutos, con nmeros entre 0 y 60
como aceptables. Obviamente, el enfoque ms sencillo es escribir un pequeo
programa que use un generador de nmeros aleatorios o cualquiera de las hojas
de clculo comerciales, o usar la caracterstica incluida en DesignTools o
QuikSamp.

El estudio debe ser suficientemente largo para incluir las fluctuaciones
normales de la produccin. Mientras mayor sea la duracin del estudio global,
ms posibilidades habrn de observar las condiciones promedio. Por lo general,
los estudios de muestreo del trabajo se realizan durante un bloque de tiempo
que va de dos a cuatro semanas.

Otra alternativa para ayudar al analista a decidir cundo tomar las
observaciones diarias es un recordatorio aleatorio. Este instrumento de bolsillo
hace sonar una alarma en tiempos aleatorios, para indicar al analista cundo
tomar la siguiente observacin. El usuario preselecciona una tasa promedio de
muestreo (observaciones por hora, por da) y responde con un viaje al rea de
recoleccin de datos cuando escucha la alarma. Tpicamente, el instrumento
puede preestablecerse para cualquiera de las siguientes alarmas promedio por
hora: 0.64, 0.80, 1.0, 1.3, 1.6, 2.0, 2.5, 3.2, 4.0, 5.0, 6.4 y 8.0.

Este instrumento es especialmente til para la autoobservacin, que se analiza
ms adelante en este captulo. Una tabla con tiempos preparada de antemano
puede requerir tiempo del analista cuando intenta registrar los datos a
conciencia en los tiempos enlistados.

6. DISEO DE UN FORMULARIO DE MUESTREO DEL TRABAJO

pg. 12
El analista debe disear un formulario de observacin para registrar los datos
recolectados durante el estudio de muestreo del trabajo. A menudo, un
formulario estndar no es aceptable, puesto que cada estudio de muestreo del
trabajo es nico desde el punto de vista de las observaciones totales necesarias,
los tiempos aleatorios en que se realizan y la informacin que se pretende
obtener. La mejor forma est vinculada con los objetivos del estudio.

La fi gura 14.5 es un ejemplo de un formulario de un estudio de muestreo del
trabajo. Un analista dise este formulario a fi n de determinar el tiempo de
utilizacin de varios estados productivos y no productivos en un taller de
reparacin y mantenimiento. El formulario acepta 20 observaciones aleatorias
durante el da de trabajo. Algunos analistas prefieren usar tarjetas
especialmente diseadas que permiten hacer las observaciones sin la atencin
que requiere una tableta. La tarjeta puede tener un tamao tal que se pueda
llevar convenientemente en el bolsillo de la camisa o del saco. Por ejemplo, el
formulario que se muestra en la fi gura 14.5 se puede dividir fcilmente en dos
secciones e imprimir por ambos lados una tarjeta de 3 por 5 pulgadas que se
puede llevar en el bolsillo de la camisa.
pg. 13




























pg. 14
7. USO DE GRFICAS DE CONTROL

Las tcnicas con grficas de control que se utilizan en actividades de control
estadstico de la calidad se pueden aplicar fcilmente en estudios de muestreo
del trabajo. Como estos estudios tratan slo con porcentajes o proporciones, los
analistas usan con ms frecuencia la grfica p. El primer problema cuando se
desea establecer una grfica de control es la eleccin de los lmites. En general,
debe encontrarse un balance entre el costo de buscar causas atribuibles cuando
no existen y el costo de no buscarlas cuando s existen. Como eleccin arbitraria,
el analista debe usar 3 como lmites de control en la grfica p. (Tambin se
pueden utilizar lmites ms extremos como el proceso seis sigma desarrollado
por Motorola.) Al sustituir 3 por 1.96 en la ecuacin (1) se obtiene

Suponga que p para una condicin dada es 0.10 y que cada da se toman 180
observaciones. Despejando O se tiene

Entonces se puede construir una grfica de control similar a la fi gura 14.6, y los
valores p an en esa grfica. En el trabajo de control de
calidad, la grfica de control indica si el proceso est bajo control. De manera
similar, en el muestreo del trabajo, el analista considera los puntos fuera de los
lmites de 3 de p como fuera de control. En consecuencia, se supone que una
muestra que da un valor p
de p si p de p.

Para expresarlo de otra manera, si una muestra tiene un valor p fuera de estos
lmites, se supone que proviene de alguna poblacin diferente, o que la
poblacin original ha cambiado. Como en el trabajo de control de calidad, los
puntos distintos a los que estn fuera de control pueden tener alguna
significancia estadstica. Por ejemplo, es ms probable que un punto est fuera
de los lmites 3 que el hecho de que dos puntos sucesivos estn entre los
lmites 2 y 3. Por lo tanto, dos puntos sucesivos entre estos lmites
indicaran que la poblacin cambi. Se ha obtenido una serie de conjuntos de
puntos significativos.












pg. 15
Figura 14.6 Grfica de control de la muestra.
El porcentaje de descomposturas del ejemplo 14.4 no permanecer igual por
siempre. La mejora de mtodos debe ser un proceso continuo y el porcentaje de
descomposturas debe disminuir. Las grficas de control tambin pueden usarse
para mostrar la mejora progresiva en las reas de trabajo. Esta idea es
especialmente importante si los estudios de muestreo del trabajo se usan para
establecer tiempos estndar, debido a que si se quiere que los estndares sean
realistas, stos deben cambiar siempre que cambien las condiciones.

8. REGISTRO DE OBSERVACIONES

Al acercarse al rea de trabajo, el analista no debe anticipar los registros
esperados. Debe caminar hasta un punto fijo, hacer la observacin y registrar
los hechos. Podra ser til poner una marca en el piso para mostrar el lugar
donde debe pararse a fi n de realizar las observaciones. Si la persona o la
mquina en estudio est inactiva, el analista tambin debe determinar la razn
de ello y anotarla en el formulario. La causa de que un operario est
desocupado, ya sea la descompostura de una mquina, la falta de materia
prima, etc., es muy importante para redisear el trabajo a efectos de mejorar la
productividad. El analista debe aprender a tomar las observaciones visuales y
realizar las entradas escritas despus de salir del rea de trabajo. Este arreglo
minimiza el sentimiento del trabajador de que lo estn observando y le permite
alcanzar el desempeo acostumbrado.

Aun si el analista observa el protocolo adecuado del muestreo del trabajo, los
datos tienden a padecer sesgos cuando la tcnica se usa slo para estudiar a las
personas. La llegada de un analista al centro de trabajo influye de inmediato en
la actividad del operario. ste se concentra en la productividad en cuanto ve
que el analista se acerca al centro de trabajo. Por otro lado, tambin existe una
tendencia natural en el observador a registrar lo que acaba de ocurrir o lo que
va a ocurrir, en lugar de lo que sucede en el momento exacto de la observacin.

Una cmara de video puede ser til para realizar estudios de muestreo del
trabajo no sesgados que incluyen slo a personas. Los autores realizaron un
muestreo del trabajo durante 10 das con trabajadores de procesamiento de
datos donde se incluan slo los elementos activo o inactivo. Las 2 520
observaciones que se recolectaron utilizando una cmara, indicaron una
diferencia estadsticamente significativa (p < 0.001), 12.3% mayor al promedio
que se obtuvo mediante el mtodo de observacin personal. Cuando hubo duda
en los trabajadores respecto a indicar si estaban inactivos, la cmara de video
registr con exactitud la actividad en progreso. De manera semejante, algunos
de los paquetes de software para medicin del trabajo que se describen ms
adelante incluyen agendas digitales personales (PDA) para facilitar el registro
de datos y su descarga en la PC de escritorio para su anlisis posterior. Estos
dispositivos tambin se pueden configurar para que enven una seal auditiva
en los momentos aleatorios adecuados para recolectar los datos. Asimismo, se
pueden utilizar dispositivos independientes con recordatorios aleatorios.
pg. 16

9. UTILIZACIN DE MQUINAS Y OPERARIOS

Los analistas pueden usar el muestreo del trabajo para determinar la utilizacin
de mquinas y operarios. Como ejemplo, considere la utilizacin de mquinas
en un taller de maquinaria pesada. La administracin estimaba que el tiempo
real de corte en esta seccin deba ser alrededor de 60% de la jornada de trabajo,
para cumplir con los presupuestos que se someteran a aprobacin. Se incluan
14 mquinas y los analistas debieron tomar aproximadamente 3 000
observaciones para obtener la exactitud deseada.

Los analistas disearon un formulario de muestreo del trabajo (vea la fi gura
14.9, pero con las celdas en blanco) para registrar los 16 estados posibles en los
que podan encontrarse las 14 mquinas en el momento de una observacin.
Despus establecieron un patrn aleatorio de 6 observaciones de las 14
operaciones para cada uno de los 36 distintos turnos. Como el propsito
principal del estudio era conocer el estado del tiempo de corte real en esta
seccin, un analista mantuvo actualizada una grfica del porcentaje acumulado
del tiempo de corte (vea la fi gura 14.10). Al inicio de cada da de estudio, los
analistas calcularon la razn de todas las observaciones anteriores de corte
sobre el total de observaciones hasta esa fecha. Al final del dcimo da de
estudio, el porcentaje de tiempo de corte comenz a estabilizarse en 50.5%.

Despus de recopilar las 3 024 observaciones, los analistas dividieron la suma
de todas las observaciones de cada categora entre el nmero total de
observaciones, lo que dio como resultado el porcentaje que representa la
distribucin del tiempo de corte, el tiempo de preparacin y las diferentes
operaciones enlistadas. La fi gura 14.9 ilustra la hoja de resumen de este estudio
con un tiempo de corte de 50.7%. El porcentaje de tiempo requerido por las
diferentes demoras fue de alrededor de 9.6% para preparacin y 10.8% para el
manejo de herramientas, pueden indicar las reas para la mejora de mtodos
que ayudara a incrementar el tiempo de corte. En el ejemplo 14.5 se muestra un
enfoque similar para determinar la utilizacin del operario.


pg. 17
pg. 18

Figura 14.10
Porcentaje
acumulado del
tiempo de corte de
las mquinas.



Figura 14.12 Resumen
de muestreo del trabajo
de inactividades,
interferencias y
actividades de trabajo
para determinar la
holgura por demoras
inevitables.
10. DETERMINACIN DE HOLGURAS

Si se desea desarrollar estndares justos, la determinacin de holguras o
suplementos debe ser correcta. Antes de introducir el muestreo del trabajo, con
frecuencia los analistas determinaban las holguras por razones personales y
demoras inevitables, tomaban una serie de estudios durante todo el da de varias
operaciones y despus promediaban los resultados. De esta manera, registraban,
tomaban tiempo y analizaban los viajes al bao, a la fuente de agua, las
interrupciones, etc. Aunque este mtodo proporcionaba una respuesta, era costoso
y consuma mucho tiempo, y resultaba fatigoso tanto para el analista como para el
operario.

A travs del estudio de muestreo del trabajo, los analistas toman un gran nmero
de observaciones (usualmente ms de 2 000) en distintos momentos del da y de
diferentes operarios. Pueden dividir el nmero total de ocurrencias de inactividad
legtimas que involucran a operarios normales entre el nmero total de
observaciones del trabajo. El resultado es igual al porcentaje de holgura que debe
asignarse al operario de la clase de trabajo que se estudia. Los diferentes elementos
que entran en las demoras personales e inevitables pueden mantenerse separados
y se puede determinar una holgura equitativa para cada clase o categora.

pg. 19
En la fi gura 14.12 se ilustra un resumen de un estudio de muestreo del trabajo
para determinar holguras por demoras inevitables para operaciones de mesa,
mquina, inspeccin y aspersor. Hubo interferencias en 26 casos de 2 895
observaciones que se realizaron en operaciones de mesa. Esto indic una holgura
por demoras inevitables de 0.95% (26/2 750) para esta clase de trabajo.

11. DETERMINACIN DEL TIEMPO ESTNDAR

El muestreo del trabajo puede ser muy til para establecer los estndares de
tiempo para las operaciones de mano de obra directa e indirecta. La tcnica es la
misma que la que se utiliza para determinar holguras. El analista debe tomar un
gran nmero de observaciones aleatorias. El porcentaje del total de observaciones
en las que el operario est trabajando se aproxima al porcentaje del tiempo total de
ese estado.

De manera ms especfica, el tiempo observado TO (vea el captulo 10) para un
elemento dado se calcula a partir del tiempo de trabajo dividido entre el nmero
de unidades producidas durante ese tiempo:

donde T = tiempo total
ni = nmero de ocurrencias para el elemento i
n = nmero total de observaciones
P = produccin total por periodo estudiado
El tiempo normal TN se encuentra multiplicando el tiempo observado por la tasa
promedio:

donde R = tasa promedio de desempeo = R/n. Por ltimo, el tiempo estndar se
encuentra sumando las holguras al tiempo normal.

En el ejemplo l4.6 se muestra este procedimiento para una sola operacin, mientras
que en el ejemplo 14.7 se hace en el caso de elementos mltiples.

12. AUTOOBSERVACIN

Los administradores y los trabajadores asalariados deben tomar varias muestras
peridicas de su propio trabajo para evaluar la eficiencia del uso de su tiempo. En
muchos casos, los administradores dedican menos tiempo de lo que creen a los
aspectos importantes. Tambin dedican ms tiempo a aspectos sin importancia,
como demoras personales e inevitables, de lo que ellos creen. Una vez que saben
cunto tiempo les consumen las funciones que pueden delegar en sus
subordinados y en el personal de apoyo en la oficina, pueden tomar una accin
positiva. Por ejemplo, un profesor universitario puede decidir llevar a cabo un
muestreo de su trabajo personal para determinar cmo utiliza su tiempo durante
pg. 20
un periodo de 8 semanas del ao acadmico. Este periodo debe ser representativo
y no estar sujeto a variaciones estacionales. El profesor establece un recordatorio
aleatorio para proporcionar un promedio de 2 muestras por hora. As, en el
periodo de estudio de 8 semanas, el profesor tendr 640 observaciones (8 semanas
profesor podra haber elegido tomar muestras a una tasa ms alta dentro del
intervalo de estudio.

Para registrar los datos, se us un formulario similar al que se muestra en la fi gura
14.13 para registrar una semana de observaciones aleatorias diarias. Cada vez que
el recordatorio aleatorio (por ejemplo Divilbiss Electronics) haca sonar la alarma,
el profesor registraba la letra del cdigo de la categora y el tiempo aplicables.

Al final del estudio de 8 semanas, 80 del total de 640 observaciones tenan cdigo I
(participacin en comits), lo que significaba que alrededor de 12.5% del tiempo de
trabajo estaba dedicado a esta actividad. El intervalo con 95% de confianza sera:


Por lo tanto, el profesor
tiene 95% de confi anza de
que el trabajo de comits
ocupa 12.5 2.6% del
tiempo. Con base en este
porcentaje y en los de las
otras actividades, el
profesor modific su
calendario para utilizar el
tiempo y la energa en una
forma ms positiva.














pg. 21
Figura 14.13 Formulario Para muestreo del trabajo especialmente diseado para la
autoobservacin.

13. SOFTWARE PARA MUESTREO DEL TRABAJO

Se estima que el uso de una computadora puede ahorrar 35% del costo total de un
estudio de muestreo del trabajo, debido al alto porcentaje de trabajo de oficina
relacionado con el tiempo de observacin real. La mayor parte del esfuerzo
involucrado en resumir los datos del muestreo del trabajo lo realiza el personal de
apoyo: calcular porcentajes y exactitudes, graficar datos en los diagramas de
control, determinar el nmero de observaciones que se requieren, determinar las
observaciones diarias que se necesitan, determinar el nmero de viajes diarios al
rea de estudio, fi jar la hora del da de cada visita, etctera.

Existen varios paquetes de software para muestreo del trabajo disponibles para el
analista, los cuales tienen una variedad de caractersticas. WorkSamp, de Royal J.
Dossett Corp., proporciona una alarma integrada para sealar la entrada de datos
en intervalos aleatorios, varios informes resumidos diferentes y una conexin
RS233C para subir los datos a una PC. Una pequea desventaja es que usa un
manejador de datos personalizado para recolectarlos de manera electrnica. Otros
paquetes usan las PC porttiles o los PDA Palm ms verstiles para recolectar
datos, lo que permite que el analista los use para otras tareas.

Una ventaja de los programas para PC porttiles es que permiten realizar un
anlisis de datos mucho ms detallado, pues se ligan directamente con Excel.
Adems, cualquiera de estos productos de software proporciona los siguientes
beneficios al analista:

1. La cantidad de tiempo disponible del ingeniero industrial se incrementa
cuando se reduce el trabajo rutinario de oficina.
2. Los resultados del estudio se logran con mayor rapidez y los datos se
presentan de una manera ms profesional.
3. El costo de realizar estudios de muestreo del trabajo se reduce
significativamente.
4. La exactitud de los clculos mejora.
5. Los analistas cometen menos errores.
6. El sistema automatizado proporciona un incentivo para hacer un mayor
uso de la tcnica de muestreo del trabajo.





pg. 22












Figura 14.14 Programa
QuikSamp para muestreo del
trabajo en PDA Palm.
a) Generacin del nmero de
observaciones requeridas;
b) seleccin del tiempo y los
das del muestreo;
c) seleccin de los operarios y
elementos del trabajo que sern muestreados;
d) tamao mximo de la pantalla para la entrada de datos.














pg. 23

Conclusiones

El muestreo del trabajo es otra herramienta que permite al analista de tiempos y
mtodos obtener informacin sobre la utilizacin de las mquinas y los operarios
as como establecer estndares de tiempo. El muestreo del trabajo con tasas de
desempeo es especialmente til para determinar la cantidad de tiempo que debe
asignarse por demoras inevitables, detenciones y situaciones parecidas. La
extensin de estas interrupciones es un rea adecuada para mejorar la
productividad. El muestro del trabajo tambin se est usando con mayor decisin
para establecer estndares en la mano de obra de apoyo a la produccin,
mantenimiento y servicios.

Todos los involucrados en el campo de los estudios de mtodos y tiempos y del
pago de salarios deberan familiarizarse con las ventajas, limitaciones, usos y
aplicaciones de esta tcnica. En resumen, deben tomarse en cuenta las siguientes
consideraciones:

1 Explicar y presentar el mtodo de muestreo del trabajo antes de
usarlo.
2. Confinar los estudios individuales a grupos similares de mquinas u
operaciones.
3. Usar un tamao de muestra tan grande como sea prctico.
4. Tomar observaciones individuales en tiempos aleatorios, de manera
que las observaciones se registren durante todas las horas del da.
5. Tomar observaciones durante un periodo extenso de manera que
sean representativas de las condiciones reales.









pg. 24




Bibliografa


Ingeniera industrial: Mtodos, estndares y diseo del trabajo
Duodcima edicin
Benjamin W. Niebel
The Pennsylvania State University
Andris Freivalds
The Pennsylvania State University
Diapositivas de curso Ing. De Metodos I dirigida por el Ing. Arturo
Fernndez.

FACULTAD DE INGENIERA Y ARQUITECTURA
Escuela Profesional de Ingeniera Industrial
Universidad San Martin de Porres.
Ing. Joel Vargas Sagstegui