10

Muestreo del
Trabajo
Diseo y Mejora de Sistemas de Trabajo
2015-20

Muestreo del Trabajo

Contenidos:
1. Cmo funciona el muestreo del trabajo
2. Bases Estadsticas del Muestreo del Trabajo
3. Problemas de la Aplicacin en el Muestreo del Trabajo

CMO FUNCIONA EL MUESTREO DEL TRABAJO

Definicin

Es una tcnica para determinar las proporciones de tiempo que los

trabajadores o la mquinas gastan en varias categoras definidas de
actividad.
Una gran cantidad de observaciones son realizadas sobre un perodo de
tiempo extenso.
Se realizan inferencias estadsticas sobre la proporcin de tiempo
utilizado en las varias categoras de actividad definidas.
Ej. Categoras de actividad: Preparar una mquina, producir partes,
tiempo de espera, etc.
Para un mejor precisin estadstica:
Las observaciones deben ser tomadas en momentos aleatorios.
El perodo de estudio debe ser representativo de los tipos de
actividades desempeadas por los trabajadores o mquinas.

Cundo el Muestreo del Trabajo es Apropiado?

Cuando se tiene suficiente tiempo disponible para realizar el estudio.

Normalmente se requieren varias semanas para poder realizar un
estudio de muestreo del trabajo.
Sujetos Mltiples
Se ajusta de buena manera a sistemas donde varios sujetos operan
de manera simultnea.
Cuando los tiempos de ciclos de los trabajos cubierto por el estudio son
largos.
Cuando son ciclos de trabajo no repetitivos.
Los trabajos consisten en varias tareas ms que en una tarea
repetitiva.
Sin embargo, debe ser posible que los trabajos sean clasificados en
un cierto nmero de categoras.
Cuando los trabajos son muy repetitivos, con tiempos de ciclo cortos,
desempeados por un trabajador y se requiere conocer el estndar de
tiempo con rapidez, otras tcnicas son ms aplicables que el muestreo
del trabajo.

Ejemplo: Cmo funciona el muestreo del trabajo

Se han efectuado un total de 500 observaciones tomadas en momentos aleatorios

durante un perodo de una semana (40 horas) en 10 mquinas idnticas con los
resultados mostrados a continuacin:
Categora
(1) En Set Up
(2) Produciendo
(3) Mquina desocupada

No. De observaciones
75
300
125
500

Cuntas horas por semana en promedio gast una mquina en cada categora?

Ejemplo: Solucin

Proporciones de tiempo determinadas como nmero de observaciones en cada

categora dividido por 500
El tiempo en cada categora determinado multiplicando la proporcin por la
cantidad total de horas.

Categora
(1) En Set Up
(2) Produciendo
(3) Mquina Desocupada

Proporcin
75/500 = 0.15
300/500 = 0.60
125/500 = 0.25
1.00

Hrs por categora

0.15 x 40 = 6
0.60 x 40 = 24
0.25 x 40 = 10
40

Aplicaciones del Muestro del Trabajo

Utilizacin de las mquinas: Cunto tiempo es gastado por las distintas

mquinas en las diversas categoras de actividad (operando, en
preparacin, desocupada, etc.)
Utilizacin del trabajador: Cmo los trabajadores utilizan sus tiempos.
Similar al caso anterior, pero las actividades son diversas.
Tolerancias para los tiempo estndar: Apreciacin de los componentes de
retrasos en el factor de tolerancia PFD. Durante las observaciones del
estudio se pueden observar varias de estas, y esa cantidad de
observaciones da una idea clara del porcentaje real.
Tiempo Unitario Promedio: Determinar el tiempo promedio de
procesamiento en cada unidad de trabajo (si se sabe cuntas unidades se
fabricaron durante ese perodo)
Tiempos Estndar: La precisin estadstica es limitada cuando los
estndares son definidos a travs del muestreo del trabajo, pero en
ciertos tipos de trabajo resulta adecuado (ej. Trabajo de oficina). Los
tiempos estndar definidos por este mtodo no deberan ser usados
como base para los mecanismos de compensacin.

BASES ESTADSTICAS DEL MUESTREO DEL TRABAJO

Bases Estadsticas del Muestreo del Trabajo

La base estadstica del muestreo del trabajo es la distribucin binomial,

en la cual el parmetro p es la verdadera proporcin gastada en una
categora dada de actividad.
Usualmente hay mltiples categoras de actividad, de modo que tenemos
p1, p2,.., pk, ..., pK proporciones para K categoras de actividad diferentes.
La distribucin binomial puede ser aproximada por la distribucin normal
por conveniencia computacional.
Normalmente es suficiente debido a la gran cantidad de observaciones
que se suelen tomar en un estudio de muestreo del trabajo.
En la aproximacin normal de la distribucin binominal, la media y la
desviacin estndar son definidas como:

np
np(1 p)
n es el nmero de observaciones

Parmetros alternativos
Los parmetros y pueden ser convertidos en proporciones dividiendo
por el nmero de observaciones n

np
n
n
np(1 p)
p

n
p

p(1 p)
n

Donde p es la desviacin estndar de la proporcin p.

Estimacin de la Proporcin p

En un estudio de muestreo lo que obtendremos es una estimacin

basada en la proporcin de la cantidad de total de observaciones de la
categora de actividad de inters.
Se denota como:

Se desea que esta sea una buena estimacin del verdadero valor, lo cual
significa dos cosas: No debe ser sesgado y debe tener una baja Varianza.
No ser sesgado:
Por ejemplo, si los trabajadores se anticipan al momento de la toma
de la informacin podra alterar su comportamiento y como
consecuencia la informacin tomada.
Para eliminar el sesgo se utilizan observaciones aleatorias.
Baja Varianza
Si la variable se mide mltiples veces, el valor obtenido debera ser
ms o menos el mismo siempre.
Esto puede ser logrado incrementando la cantidad de observaciones.

Intervalos de Confianza en el Muestreo del Trabajo

Se espera que la estimacin est cerca del valor verdadero, pero siempre existe un
rango de error estadstico.
Nuestro objetivo es estimar p dentro de un rango definido de error para un cierto
nivel de confianza.
En este caso el intervalo de confianza basado en la distribucin normal estndar
puede ser expresado como:

Pr( z / 2

p p
z / 2 ) 1
p

Intervalos de Confianza

Se puede rearreglar para tener:

Pr( p z / 2 p p p z / 2 p ) 1

La expresin anterior se puede utilizar para obtener los intervalos de confianza

de p para un nivel de 1- (tpicamente en el muestreo del trabajo se utiliza un
90%)

p z / 2 p
p z / 2 p

Ejemplo: Intervalo de Confianza en el Muestreo de Trabajo

Considerando el ejemplo anterior, para la primera categora (tiempo de set up).

Estimar el intervalo de confianza al 95%.

Solucin:
La estimacin obtenida para la categora deseada es 0.15
Se debe calcular la desviacin estndar considerando que hay 500 observaciones.

p(1 p)
0.15(1 0.15)

0.01597
n
500

Para un 95% de confianza se tiene que z/2=1.96, luego:

p z / 2 p 0.15 1.96(0.01597) 0.15 0.013130 0.1187

p z / 2 p 0.15 1.96(0.01597) 0.15 0.013130 0.1813

Cantidad de Observaciones Requeridas

Incrementar el nmero de observaciones incrementa la exactitud y la

precisin de nuestra estimacin, y los intervalos de confianza se reducen.
Lgicamente podramos pensar que entonces lo ptimo es realizar la
mayor cantidad posible.
Sin embargo, las observaciones son costosas, por lo que necesitamos
saber la cantidad mnima de observaciones requeridas para alcanzar un
nivel de confianza determinado.
Se debe decidir sobre dos parmetros
1. El nivel de confianza 1 -
Esto permite encontrar el valor correspondiente de z/2
2. La mitad del ancho del intervalo de confianza (llammoslo c),
definido como la desviacin aceptable de p.
As el intervalo ser p c
De la figura anterior podemos definir lo siguiente:

c z / 2 p

c
z / 2

Cantidad de Observaciones Requeridas

Considerando las siguientes expresiones:

p (1 p )
n

c
z / 2

De estas dos expresiones podemos despejar n para calcular en base a c y z/2 la

cantidad de observaciones necesarias:
2

z / 2 p 1 p
n

c2

Despus de tomar la cantidad de observaciones sealadas, lo ms probable es que

el valor estimado de p ser distinto, por lo que habr que recalcular la cantidad de
observaciones necesaria, que podra ser menor (por lo que no hay que cambiar
nada) o mayor (que implica tomar ms observaciones)

Ejemplo: Determinacin de la cantidad de observaciones

Considerando el ejemplo anterior, determinar cuntas observaciones se
necesitan para estimar la proporcin de tiempo utilizada para preparar
(set-up) las 10 mquinas.
El intervalo de confianza debe estar dentro de 0.03 del verdadero valor
de la proporcin, la cual inicialmente fue estimada por un supervisor (no
en base a observaciones) en 0.20.
Un intervalo de confianza del 95% ser utilizado.
Solucin
Con z/2 = 1.96 y c=0.03
n=1.962(0.2)(0.8)/0.032=683.5
Se requieren 684 observaciones

Uso del Muestreo del Trabajo para Medir el Tiempo Promedio de las
Tareas y los Tiempos Estndar

El muestreo del trabajo puede ser usado para determinar los tiempos
promedios de las tareas y los tiempos estndar.
Sin embargo, los tiempos estndar obtenidos de esta manera no son
apropiados para planes de incentivo salariales, pues son ms inexactos
que los que entregan los estudios de tiempo directo, o los sistemas de
tiempo predeterminado o los sistemas de tiempo estndar.
Usamos el muestreo del trabajo para medir los tiempos estndares slo
cuando otras tcnicas son poco prcticas
Ej. Tiempos de ciclos muy largos, tareas no repetitivas.
Primero se ver cmo el tiempo promedio para desempear una tarea es
determinado.
Esto es diferente de un tiempo estndar pues no incluye las
consideraciones de desempeo.
Si se quiere determinar un estndar, el estndar de desempeo debe
ser considerado.

Determinacin de los Tiempos Promedios de las Tareas

Tiempo promedio de las tareas para una determinada categora dada es

determinada calculando el tiempo total asociado con la categora y luego
dividiendo por la cantidad de unidad producidas.

Tci

pi TT
Qi

donde
Tci = Tiempo promedio de la Tarea,
pi = Proporcin de observaciones asociadas con la categora i,
TT = Tiempo Total,
Qi = Cantidad Total asociada con la categora i

Ejemplo: Determinar el tiempo promedio de las tareas

Continuando con el mismo ejemplo, un total de 1572 unidades fueron

completadas por las 10 mquinas y un total de 23 set-up fueron
realizados durante un perodo de 5 das.
Determinar: (a) El tiempo promedio de la tarea por unidad producida,
(b) el tiempo promedio de preparacin.
Recordar que las proporciones para la etapa de produccin y de set-up
fueron respectivamente 0.6 y 0.15.

pi (TT )
Tci =
Qi

Solucin:
TT = 40 hr (10 mquinas) = 400 hr
(a) Tproduccin = 0.60 (400) / 1572 = 9.16 min
(b) Tsetup = 0.15 (400) / 23 = 2.609 hr

Ejemplo: Determinar el tiempo promedio de las tareas

Los tiempos as calculados en realidad no dan mucha informacin, a

menos que las condiciones de produccin sean muy especiales.
Por ejemplo, si se fabrican distintos productos, quizs los tiempos de
proceso son distintos para cada uno de ellos, por lo que esa informacin
queda oculta en esta medicin.
Del mismo modo, diferentes productos pueden requerir distintos
tiempos de preparacin, lo que un promedio no es capaz de mostrar.
Sin embargo, algo de informacin til se puede extraer, si por ejemplo
estos promedios parecen demasiado alejados de lo que podra esperar.

Determinar Tiempos Estndar

Para tareas altamente repetitivas, con ciclos cortos y tareas bien

definidas, el muestreo del trabajo no es la mejor opcin.
Para las tareas de oficina el mtodo se ajusta mejor, gracias a que esos
trabajos si bien se reducen a una cierta cantidad bsica de tareas, la
cantidad de trabajos son muchos y cada uno de ellos se desarrolla en una
secuencia diferente.
Ej. Varios procedimientos administrativos podran requerir sacar fotocopias.

En general, cuando se tiene una situacin donde el trabajo es variable

por naturaleza (por ejemplo, reparacin de un artefacto en garanta) el
muestreo del trabajo puede ser la nica forma viable de conocer algn
tipo de estndar.
Ej. Cuando se repara un artefacto, la deteccin del problema y la reparacin
vara de caso en caso, requiriendo distintos tipos de anlisis, pruebas,
reparaciones, etc.

Se debe tratar de establecer categoras de actividad homogneas para

establecer tiempos estndar.
Por ejemplo, en un servicio tcnico, reparar cmaras fotogrficas debe se una
actividad diferente de reparar televisores.

Determinar Tiempos Estndar

Cuando el propsito del muestreo del trabajo es determinar los estndares
de tiempo, el analista deben evaluar el desempeo de la organizacin
durante cada observacin. Complicacin: Breve tiempo de observacin.
Primero se determina el tiempo normal para la actividad i.

pi (TT )(PRi )
Tni =
Qi

donde
Tni = Tiempo normal para la unidad de trabajo asociada con la actividad i.
PRi = Desempeo promedio para todas las observaciones de la categora i.

Como siempre el tiempo estndar se determina como:

Tstdi = Tni(1 + Apfd)
Si se consideran incentivos por productividad y no se hace la separacin de
categoras, los trabajadores preferiran trabajos ms fciles, pero an
dentro de una misma categora si hay gran variabilidad de tareas se puede
producir ese sesgo. Por ello no es recomendable cuando hay planes de
incentivo de por medio.

PROBLEMAS DE LA APLICACIN EN EL MUESTREO

DEL TRABAJO

Problemas de la Aplicacin en el Muestreo del Trabajo

Cada estudio de muestreo del trabajo es diferente, y por lo tanto debe

ser personalizado para el problema especfico que se intenta resolver.
Sin embargo, los pasos en el diseo han sido desarrollados a lo largo de
los aos, as como un conjunto de recomendaciones (9) para cada uno de
ellos.
Tres de ellos se tratarn con ms nfasis.
1. Definir los objetivos del Estudio: Al definir los objetivos del estudio
necesariamente se cuestiona la utilidad de este tipo de estudio, y como
consecuencia se definen sus limitaciones.
2. Definir los sujetos a ser estudiados: Si son trabajadores, cules en
especial? Si son mquinas, cules mquinas sern incluidas?
3. Definir las medidas de salida: Dependiendo lo que se quiera tener como
resultado, se deben medir y registrar diversas situaciones. Por ejemplo,
Es necesario conocer la cantidad de unidades producidas?

4. Disear las categoras de actividad: Son los estados de los sujetos que
sern registrados durante el estudio. Si se consideran medidas de salida
del sistema en estudio, las categoras se deben relacionar con esas
medidas. Se deben adems crear categoras como vaco,
descompuesto, desocupado o esperando.
5. Disear el estudio: Incluye los siguientes pasos y decisiones.
a) Disear las formas que sern utilizadas en el estudio.
b) Determinar la cantidad de observaciones que sern necesarias.
c) Decidir la cantidad de das o turnos a incluir en el estudio. Lo
importante es que el periodo sea representativo dados los objetivos
que se plantearon.
d) Programar las observaciones.
e) Determinar la cantidad de observadores necesario.

6. Identificar los observadores que realizarn el muestreo: Pueden ser

expertos, supervisores u otro tipo de personal debidamente entrenado.
Eventualmente se puede hacer un autoregistro, es decir, que los mismos
empleados registren su actividad cuando se les indica, pero para esto es
necesario capacitarlos en la tcnica para que no cometan errores.
Del mismo modo, en el autoreporte se podran eventualmente obtener
datos falsos.
7. Anunciar el estudio: Se debe informar a todos los involucrados
(supervisores y empleados) de modo de obtener su apoyo, y en
ocasiones, su autorizacin. De no hacerlo, se corre el riesgo de que los
resultados no sean aceptados como vlidos.
8. Realizar las observaciones: Eventualmente se requiere de algunos das de
prueba (normalmente unos tres) para asegurar que todo el
procedimiento est operando de manera adecuada. Las observaciones
de esos das se pueden omitir si se detectan problemas que los invaliden
(ej. Una categora de actividad que no fue considerada, o errores en el
reconocimiento de una categora especfica)
9. Despus de completar el estudio, analizar y presentar los resultados.

4 ) Definir las Categoras de Actividad

Son los estados de los sujetos que el observador debe identificar y

clasificar durante la toma de datos.
Algunos lineamientos:
Deben ser consistentes con los objetivos del estudio.
Fcilmente identificables por el observador (es decir, deben ser
exclusivas de otros tipos de categora. Si el observador tiene una
duda sobre a qu categora pertenece, quizs hay un problema de
definicin)
Si se realizan medidas de resultado en el estudio, las categoras de
actividad deben estar relacionadas con esas mediciones. Ej. Actividad
salida del producto.
Si ms de una medida se utiliza, entonces se debe definir una
categora de actividad para cada medicin.
Para efectos de una mejor precisin estadstica y para simplificar el
estudio se recomienda limitar el nmero de categoras a 10 o menos
(para que las proporciones no sean tan pequeas y para que el
observador no se complique catalogando observaciones)

Definir las Categoras de Actividad

Ejemplos:
En algunos casos definir una mquina como ocupada o libre basta,
mientras que en otra clase de estudios se podra requerir saber el
por qu una mquina est en ese estado. Por ejemplo, si est libre,
es por un desperfecto, est esperando material o est sin
produccin programada?
Para un trabajo en oficina, las categoras de actividad podran ser:
Tipeando, Escribiendo, Archivando, Hablando por Telfono,
Caminando, Conversando, Tiempo Personal y Ausente.

5a) Disear las formas que sern utilizadas en el estudio.

Las formas que se utilizarn en cada estudio deben ser diseadas de

manera personalizada, ya que las distintas categoras lo son, adems de
otras informaciones que se desean recolectar.
Deben permitir un fcil registro.

5d) Programacin de las Observaciones

Normalmente la cantidad de observaciones es alta (fcilmente se llega a
cientos) y deben programarse.
Sin embargo esta programacin es aleatoria, es decir, debe ser realizada
en base a un criterio aleatorio para que la precisin estadstica sea
mejorada y el sesgo sea reducido.
Una opcin es que se aleatorice durante todo el estudio.
Por ejemplo, en el ejemplo que hemos trabajado se quieren observar 10
mquinas en 5 das 500 veces, entonces tenemos que 50 observaciones se
deben hacer por mquina en esos 5 das (en promedio 10 por da, pero no
necesariamente as)

Una alternativa a esto es la estratificacin de la muestra: La cantidad total

de observaciones se divide en una cantidad especfica de perodos de
tiempo de modo que una misma cantidad de observaciones sean tomada
en cada perodo.
Siguiendo el ejemplo anterior, en este caso si se hacen 10 observaciones por
mquina por da. La distribucin dentro de cada da es aleatoria.
Esto permite tener una especie de estructura para realizar el estudio.
Se ha observado que la estratificacin reduce la varianza de la estimacin de las
proporciones en relacin a un mtodo meramente aleatorio.

Ejemplo: Programacin de observaciones segn nmeros

aleatorios.

El mtodo particular lo puede definir el analista.

Lo importante es asegurar que sea aleatorio.
Existe tambin tecnologa que apoya esto, como beepers de tiempo aleatorio, o
bien aparatos ms convencionales donde se puede cargar software que ayude al
diseo o simplemente indique cundo realizar las observaciones.

Ventajas del Muestreo del Trabajo

Puede ser usado para medir actividades que son imprcticas de medir
por los otros mtodos estudiados.
Se pueden incluir varios sujetos a la vez, mientras que otras tcnicas
estn diseadas para estudiar personas o mquinas especficas.
Requiere menos tiempo y tiene un costo ms bajo que la observacin
directa continua (ej. Estudios de Tiempo Directo).
Los requisitos de entrenamiento para desempear un estudio de este
tipo es menor que para otros mtodos como los estudios de tiempo
directo o los sistemas de tiempos predeterminados.
Para quien realiza las observaciones, tiende a ser menos cansador y
tedioso que la observacin continua.
Debido a que el periodo de toma de datos es largo, tiene menos
anormalidades que los estudios que se realizan en periodos cortos.
Para los trabajadores que son estudiados, es menos demandante que ser
observado de manera continua.

Desventajas y Limitaciones

No es tan preciso para fijar tiempos estndar como otras tcnicas de

medicin del trabajo, por lo que no es adecuado para fijar estndares
para sistemas de incentivo.
Debido a que el muestreo del trabajo se basa en mltiples sujetos, las
diferencias individuales no sern notadas.
Los trabajadores pueden no confiar en los resultados del estudio debido
a que no entienden la base terica sobre la cual se sustenta.
El comportamiento de los sujetos puede verse afectado por el acto de
observarlos.
Como normalmente para este estudio no se desarrolla documentacin, si
el mtodo cambia difcilmente se podr decir si los resultados del estudio
siguen siendo vlidos.

BIBLIOGRAFA

Bibliografa

Work Systems: The Methods, Measurement &

Management of Work
Captulo 16
Mikell P. Groover
Prentice Hall (2006)

10
Muestreo del
Trabajo
Diseo y Mejora de Sistemas de Trabajo
2015-20