UNIVERSIDAD TECNOLÓGICA DE EL SALVADORESCUELA DE CIENCIAS APLICADASDEPTO. DE INGENIERÍA INDUSTRIALESTUDIO DEL TRABAJO II

MUESTREO DE TRABAJO

El muestreo de trabajo es un medio de determinación de datos para medir las actividades y las demoras de los hombres y/o máquinas.

Mide la utilización del tiempo por los hombres y las máquinas. Mediante observaciones casuales.

El muestreo de trabajo utiliza muestras de ejecución y no un instrumento para medir el tiempo. Establece los resultados mediante las leyes de probabilidades.

Se han utilizado estudios de tiempo denominados de 24 horas, en los que se requiere una observación continua del trabajador o de la máquina.

El muestreo de trabajo depende de observaciones casuales del estado de la máquina o del trabajador, siendo menos tediosos y menos costoso que el anterior.

Presumiendo que deseamos determinar qué proporción de la jornada de trabajo es utilizada eficientemente por el trabajador, lo observamos 50 veces diarias escogidas al azar, durante 1 ó 2 días, y encontraremos los resultados algo parecidos a lo siguiente:

Estado Marca TotalTrabajando //// //// //// ////

//// //// //// //// 40Ocioso //// //// 10

De las 50 observaciones, diez nos indican que el trabajador estaba ocioso.

Esto quiere decir que dicho individuo estaba ocioso el 20% del tiempo que fue observado.

El principio utilizado es suponer que el porciento de observación que reportaron al trabajador ocioso es una medida confiable del % de tiempo que la operación está en dicho estado, si se hacen suficientes observaciones.

L.H.C. Tippet fue el primero en describir el método que el mismo utilizo en la industria textil para medir las demoras de los operadores y de las máquinas; de allí que al muestreo de trabajo se le conoce también con el nombre de “Proporción de Demoras”.

El muestreo de trabajo se basa en el principio de que una muestra casual extraída de un gran grupo de muestras, tiene el mismo patrón de distribución que el grupo de donde es extraída.

1

EL NIVEL DE CONFIANZA

El nivel de confianza debe determinarse antes de que comience el muestreo de trabajo. Se refiere al grado de confianza que debemos tener en relación con las cifras de las muestras.

De esta forma, una desviación estándar de 1.96% nos dará una confianza de un 95% en el sentido de que las cifras casuales representan a los hechos y que las mismas serán incorrectas tan solo un 5% de las veces.

Si utilizamos una desviación estándar de 1.00, el límite de confianza será de 68% es decir que podemos estar equivocados el 32% de las veces.

La fórmula para el error estándar de un porcentaje es:

Donde s = error estándar de un % P = % expresado en forma decimal σ = # de desviaciones estándar tomadas en el nivel de confianza N = Número total de observaciones casuales

En el muestreo de trabajo no solo se requieren niveles de confianza, sino también niveles de exactitud. El analista desea obtener resultados que sean suficientemente exactos, pero no excesivamente, ya que el número de observaciones casuales aumenta al aumentar la exactitud requerida. Frecuentemente una exactitud de ± 5% es suficiente.

EJEMPLOS DE UTILIZACIÓN DEL MUESTREO DE TRABAJO

1- Muestreo de trabajo en la sala de telares de una industria textil.

Se hizo un estudio en la sala de telares de 108 tejedores y 216 telares. El estudio duró un período de tres semanas en cuyo lapso se hicieron más de 11 000 observaciones. Se encontró que el 36.22% del tiempo de los tejedores era ocioso, y que la carga de trabajo era tan solo de un 63.78%.

Al aumentar la carga de trabajo se produjo una mayor oportunidad de aumentar la productividad, y por consiguiente, las utilidades.

2- Análisis de Muestreo de trabajo en una sala de máquinas trituradoras de una fábrica de ladrillos.

Un total de aproximadamente 1 100 observaciones fueron hechas, y las mismas mostraron que las máquinas operaban tan solo el 61.3% del tiempo, y el resto estaban paradas, un 13.5% debido a descansos de la mano de obra, y un 25.2% del tiempo debido a reparaciones.Se demostró que mejorando la supervisión una gran parte del tiempo desperdiciado se podía aprovechar. También se sugirió el re arreglo

2

en forma más sistemática de las cargas de trabajo como un posible medio de aumentar la productividad.

El muestreo de trabajo es muy versátil y puede ser utilizado en diversas formas:

a) Para ayudar a definir un problema determinado se pueden hacer miles de observaciones para determinar la utilización y el grado de productividad y posteriormente adoptar la acción que se desprenda de dichas observaciones. El muestreo de trabajo brinda un aviso anticipado de las condiciones que necesitan atención.

b) Como ayuda en el establecimiento de metas para los supervisores.

Se requiere la cooperación de los ejecutivos y los mismos deben ayudar en el programa de muestreo de trabajo.

Los resultados del estudio de muestreo de trabajo deben ser considerados como bases de la acción correctiva y de las prácticas adecuadas. Los supervisores y los directores de la empresa deben de trabajar juntos para hacer los cambios necesarios a pesar de cualquier idea pre hecha. El muestreo de trabajo brinda medidas de actividades comprensibles para el ejecutivo. El habrá participado en la creación de las mismas. De esta forma dispondrá de datos en los que puede confiar.

c) Para determinar cualquier variación cíclica en las cargas de trabajo.

El muestreo de trabajo es útil aun cuando las cargas de trabajo sean variables. El muestreo de trabajo es capaz de realizar mediciones a pesar de que las cargas de trabajo no sean constantes y puede medir el efecto de las variaciones.

Se puede llevar a cabo estudios diferentes en los períodos de gran actividad y en los de muy poca actividad. De esta forma quedaran al descubierto problemas de exceso de personal u otros de similar naturaleza.

d) Como ayuda en los análisis económicos de las necesidades de equipo.

Los estudios de muestreo respecto a la utilización de las máquinas ayudan a determinar la necesidad de sustituciones de equipo. Los datos obtenidos pueden ser comparados con los datos registrados por el control de producción.

El tiempo de servicio para mantenimiento, la operación colectiva de máquinas, la falta de material, el tiempo ocioso, etc. Son algunos de los factores que pueden estar sujetos al estudio del muestreo de trabajo. Este tipo de estudio también analiza la naturaleza cíclica del empleo de las máquinas.

e) Como ayuda en el planeamiento de los requisitos de mano de obra.

3

Los estudios que se hacen de las máquinas, están estrechamente relacionados con los estudios de los trabajadores. El muestreo de trabajo hace posible el estudio de los requisitos de mano de obra y con ello facilita el establecimiento de cargas de trabajo.

f) Como ayuda en la medición de la ejecución general.

Con el muestreo de trabajo se puede medir el comportamiento o ejecución general de un taller o de una oficina mediante la agrupación de actividades, hace posible controlar las actividades generales de una gran organización. Las decisiones importantes como el aumento de la mecanización pueden basarse en estos análisis.

g) Como ayuda en el establecimiento de estándares y tolerancias.

El muestreo de trabajo puede ser utilizado para establecer estándares de tiempo, aun cuando para ello sea necesario llevar a cabo muchas observaciones. También, la necesidad de calificar la ejecución puede llevarnos a errores. No se recomienda que se utilice el muestreo de trabajo para estudios de tiempo muy detallados, aun cuando para el análisis general del trabajo indirecto es bastante aceptable. Es también muy útil para el establecimiento de tolerancias temporales en los estudios de tiempo.

h) Otros Usos:

1- Para establecer el contenido de los puestos.2- Para ayudar a los supervisores a organizar su tiempo.3- Para apreciar los factores de seguridad.4- Para valorar la eficiencia del taller.5- Para valorar prácticas especificas del taller.

Todas las personas que se vean afectadas por un estudio de muestreo de trabajo deberán ser informadas previamente al estudio.

Los trabajadores deberán trabajar normalmente y se deberán anunciar las fechas en las que se llevaran a cabo los estudios.

PUESTA EN PRÁCTICA DE UN ESTUDIO

El primer paso es clasificar las actividades que se van a estudiar en categorías. Estas deben ser concisas y claras deben poder ser reconocidas mediante observación visual y deben de tomar en consideración los objetivos del estudio.

Mientras menos categorías haya, más fácil será llevar a cabo el estudio. A menor número de categorías, menor número de detalles obtenidos por el estudio.

4

La confianza aumenta al disminuir las categorías en relación con un número determinado de observaciones.

Al clasificar las categorías, estas deben estar escritas con la suficiente claridad para reducir al mínimo el juicio necesario para identificarlas. Toda persona que se interese en estos estudios deberá poder comprender estas definiciones.

DETERMINACIÓN DE LOS TIEMPOS CASUALES DE OBSERVACIÓN

Esta determinación dependerá de la jornada de trabajo. Si el período es de 8 horas, se deberá seleccionar un número casual de 3 dígitos. Si el primer número de tres dígitos es 034, esto se interpretará de la siguiente manera: Cero horas y 34 minutos a partir del momento de inicio. Por consiguiente si la jornada comienza a las 8.00 a.m., la observación casual deberá hacerse a las 8:34 a.m.; si el próximo dígito es 997, deberá ignorarse para un período de tiempo de 8 horas. Si el siguiente es 167, la observación casual se hará a las 10:47 a.m.

Las otras observaciones se determinan de igual forma y se ordenan para mayor conveniencia y facilidad.

El número de observaciones hechas en un día está determinada por:

a) La duración total del estudiob) La exactitud requerida por el estudioc) El tiempo requerido para hacer una ronda de observaciones.

El número total de observaciones vendrá dado por el porcentaje de actividad (p) y los límites de exactitud y confianza requeridos.

Ejemplo:

Presuponiendo que se ha llevado a cabo un estudio breve de un día o dos en un taller de máquinas, que los trabajadores han estado ociosos un 25% del tiempo, que se desea una exactitud del 5% y un límite de confianza de 95%, el número necesario de observaciones para los datos anteriores sería el siguiente:

Para determinar la exactitud de una serie de cifras, se utiliza la formula anterior y se encuentra “s”

5

TEORIA GENERAL DEL MUESTREO

“Muestreo es el proceso de obtener una inferencia con relación a las características de un universo de artículos, por medio de examinar cuidadosamente las características de un pequeño número de artículos, sacados de ese universo”

TÉCNICAS DE MUESTREO

En general, hay tres métodos comunes de obtener muestras:

1.- Muestreo al azar:2.- Muestreo sistemático3.- Muestreo selectivo ó estratificado

El concepto de azarosidad es algo intuitivo; una definición precisa es difícil de obtener, pero puede ser descrita fácilmente como el método de obtener muestras cuando no existe un orden ó conexión entre los artículos presentes.La condición de azarosidad se cumple cuando:

1) Cada artículo seleccionado debe ser completamente independiente de cualquier otro.

2) Cada artículo debe tener igual probabilidad de ser seleccionado.

3) La característica a ser medida no debe cambiarse ó variarse durante el proceso de muestreo.

MUESTREO SISTEMATICO

Es el método en el cual es mantenido un intervalo constante entre los artículos seleccionados. Por ejemplo: Cuando formamos una muestra de documentos, seleccionando de un archivo un documento por cada diez de ellos. Si la característica que estamos midiendo no tiene relación con el orden de los documentos en el archivo, la muestra sacada sistemáticamente puede producir un resultado de azarosidad en la característica siendo medida.

MUESTREO SELECTIVO

Consiste en la selección de una muestra (al azar ó sistemática) de una porción ó porciones del total del universo de artícu1os, para limitar el número de artículos obtenidos.

Usualmente existe razón para que la porción ó porciones escogidas sean suficientes para los objetivos deseados.

Estratificar una muestra puede sin embargo llevarnos a conclusiones erróneas principalmente cuando la estratificación no es totalmente apreciada.

6

Un ejemplo de este tipo de muestreo podría ser cuando una encuesta de opinión se basa únicamente en una muestra de personas que tienen teléfono.

OBTENIENDO INFERENCIAS POR MEDIO DE MUESTRAS

Todo muestreo es hecho con el propósito de conocer algo. En ingeniería industrial, el trabajo de muestreo es desarrollado usualmente para estimar algo.

Si fuera posible medir una característica con una precisión absoluta, y si todos los posibles artículos conteniendo esta característica puedan ser medidos económicamente, entonces una situación de certeza puede ser obtenida.

Como un ejemplo de certeza, supóngase que tenemos una caja. conteniendo 24 latas de jugo de tomate, y deseamos conocer la cantidad promedio contenida en una lata. Asumiendo que podernos medir con gran precisión, podríamos encontrar que es de 8.01056 onzas variando las latas entre 8.0001 y 8.01567. En este momento, nuestro conocimiento con relación al contenido de las 24 latas es una certeza.

Debemos pensar también que nuestra caja de 24 latas puede ser considerada como una gran cantidad producida (digamos 10 000 cajas) en este caso, no estamos dispuestos a establecer con certeza el peso de las otras 9 999 cajas. Lo que nos da una regla del muestreo que dice: A pequeñas muestras obtenidas, pequeño es el grado de confiabilidad que podernos esperar de nuestros resultados.

Muchos de nosotros estamos acostumbrados a pensar sobre ciertas mediciones como certezas cuando en realidad son solo aproximaciones. Es un buen pensamiento científico considerar todas las mediciones como aproximaciones a la realidad.

La persona que intentar utilizar el Muestreo del trabajo, deber estar consciente que esta técnica nunca le proveerá de situaciones de certeza; pero que un margen de error determinado científica o matemáticamente es mejor que simplemente asumir que cualquier medición es certeza.

EL MUESTREO Y LA LEY DE PROMEDIOS

La estadística ha sido definida por Wiener como “La ciencia de la Distribución”. Por distribución se entiende el comportamiento de un fenómeno de acuerdo a patrones. El uso de la estadística, es decir del grupo de herramientas matemáticas y filosóficas, requiere que el usuario sea consciente de que la estadística es más que toda una herramienta de análisis.

El desarrollo histórico de esas herramientas ha sido más que todo en las áreas de investigación médica, biológica y agrícola.

7

En los últimos años, el crecimiento que ha tenido el control estadístico de calidad, ha abierto muchas áreas al uso de la de estadística en la Industria.

LA LEY DE LOS PROMEDIOS

En todo muestreo, siempre hay una convicción de parte de la persona que lo efectúa, de que el resultado de la muestra será una medida útil de la característica deseada. Pero como se ha visto anteriormente, el resultado debe ser considerado solo como una aproximación de la medida real.

La persona que muestrea deberá minimizar el error en el resultado a través de una cuidadosa selección, mediciones precisas y aplicar una correcta interpretación. En el peor de las cosas, la ley de los promedios deberá protegerlo.

La ley de los promedios implica que las mediciones en una muestra serán o muy poco diferentes a los contenidos en el universo, debido a que los valores extremos tenderán a cancelarse uno con otros.

Los estadísticos expresan esta ley de los promedios en dos fenómenos separados:

1.- La Ley de los grandes números

2. La curva normal del error.

LA LEY DE LOS GRANDES NUMEROS

La ley de los grandes números establece que: si muestras son sacadas a1 azar de un universo de artículos, sucesivas muestras se distribuirán aproximadamente de acuerdo a un mismo patrón. Esta idea involucra dos asunciones básicas:

1. Todas las cosas varían. No existen dos artículos exactamente iguales.

2. - Grupos de artículos provenientes del mismo universo tendrán la misma distribución cuando se plotea la frecuencia de ocurrencia contra la medición.

Ejemplo:Se sacan al azar de un universo sucesivas muestras de 1000 bulbos y se arreglan los valores obtenidos en una distribución discreta de frecuencias. La ley de los grandes números, nos dice que las distintas muestras tendrán una distribución parecida, no necesariamente igual.

8

Si tomamos las mismas 5 muestras y medimos la cantidad de lux que emiten los bulbos en foot-candles, encontraremos distribuciones tales como las mostradas en la siguiente tabla:

Esta tabla refleja los resultados de las muestras cuando se han tomado mediciones. Al plotear la distribución de frecuencias para cada muestra, observaremos que las cinco muestras presentan distribuciones similares.

LA CURVA NORMAL DE ERROR

La curva normal de error la cual es el otro tipo de fenómeno que la ley de los promedios asume, se refiere al comportamiento de la muy conocida curva norma1.

El principal uso de la curva norma1 en el muestreo del trabajo consiste en definir los límites entre los cuales estarán sucesivas muestras de proporciones sacadas de la misma distribución, usando un nivel de probabilidad escogida por el usuario.

La curva norma1 de error establece que las extremas fluctuaciones causadas por el muestreo cuando sucesivas muestras son obtenidas al azar de un universo constante, tienden a eliminarse unas con otras. Esto está de acuerdo con la ley de los promedios ya mencionada.

Ejemplo:Se hacen 50 sucesivas rondas observando a 30 personas que trabajan en una oficina, las categorías seleccionadas para la observación son: escribiendo y otras actividades. Después de 50 rondas, la distribución de frecuencias deLas categorías seleccionadas son las siguientes:

Ronda Nº EscribiendOtras

Actividade Ronda Nº EscribiendOtras

Actividade

9

o s o s

1 8 22 26 10 202 11 19 27 12 183 10 20 28 10 204 6 24 29 9 215 13 17 30 12 186 11 19 31 10 207 7 23 32 5 258 10 20 33 7 239 9 21 34 10 20

10 14 16 35 13 1711 4 26 36 10 2012 10 20 37 8 2213 8 22 38 15 1514 10 20 39 10 2015 11 19 40 9 2116 10 20 41 10 2017 12 18 42 8 2218 13 17 43 13 1719 9 21 44 9 2120 6 24 45 12 1821 11 19 46 9 2122 7 23 47 6 2423 11 19 48 11 1924 14 16 49 10 2025 9 21 50 10 20

Encontrar el % de valores que se encontrarán entre los límites formados por los intervalos de confianza

a)

b)

c)Y compare los valores observados con los dados por la curva normal los cuales son: Si X es una variable aleatoria con distribución normal (µ, σ), entonces se cumple que:

1. P(µ - σ < X < µ + σ ) = 0.6827, cuya proporción es: 68.27%2. P(µ - 2σ < X < µ + 2σ ) = 0.9545, cuya proporción es: 95.45%3. P(µ - 3σ < X < µ + 3σ ) = 0.9973, cuya proporción es: 99.73%

Formulamos la Hipótesis: Sea “x” = Nº de personas escribiendo por ronda.

Construimos el siguiente cuadro de distribución de frecuencias

X f fx d d2 fd2

4 1 4 - 5.84 34.1056 34.10565 1 5 - 4.84 23.4256 23.4256

10

6 3 18 - 3.84 14.7456 44.23687 3 21 - 2.84 8.0656 24.19688 4 32 - 1.84 3.3856 13.54249 7 63 - 0.84 0.7056 4.9392

10 14 140 0.16 0.0256 0.358411 6 66 1.16 1.3456 8.073612 4 48 2.16 4.6656 18.662413 4 52 3.16 9.9856 39.942414 2 28 4.16 17.3056 34.611215 1 15 5.16 26.6256 26.6256Σ 50 492 272.72

CUADRO COMPARATIVO

% DEL ÁREA ENTRE LA DISTRIBUCION NORMAL Y LA DISTRIBUCION OBSERVADA

IntervalosDe

Confianza

% de laCurva

Normal

IntervalosDe la

Distribuciónfrecuencia

% de laDistribució

n Observada

[7.5045, 12.1755]

68.27% [ 8, 12 ] 35 70%

[5.169, 14.511] 95.45% [ 5, 14 ] 48 96%[2.8335, 16.8465]

99.73% [ 3, 16 ] 50 100%

CONCEPTOS ESTADISTICOS RELATIVOS AL MUESTREO DEI TRABAJO

El muestreo del trabajo se basa en las leyes de la probabilidad. Una muestra extraída aleatoriamente de un gran conjunto o población tiende a tener la misma distribución que dicha población. Si la muestra es suficientemente grande, sus características serán muy parecidas a las de la población.

Con el término MUESTRA se denomina a los elementos extraídos, y los términos POBLACIÓN o UNIVERSO sirven para designar el gran conjunto de donde aquella se extrae.

El muestreo aleatorio requiere que no se introduzcan sesgos en el proceso de muestreo, para lo cual cada una de las partes que componen eI universo debe de tener la misma probabilidad de ser extraído.

11

NIVEL DE CONFIANZA

Es necesario decidir en primer lugar cual es el nivel de confianza deseado en los resultados finales del muestreo del trabajo.

El nivel empleado más corrientemente es el 95%, que es el área situada bajo la curva normal a Esto quiere decir que se tiene confianza en que las observaciones aleatorias representan en el 95% de las veces, la característica dé la población que deseamos estimar.

Valor de sigma 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0Área bajo la curva 0 38.29 68.27 86.64 95.45 98.7 99.73 99.95 99.9

La fórmula para estimar el número de observaciones para un nivel de

confianza del 68%

En donde: S = Acuracidad deseada

P = % de presencia expresado en forma decimal

N = Nº de observaciones aleatorias

ACURACIDAD DE LAS MEDIDAS

La acuracidad de los resultados del muestreo del trabajo merece un estudio detallado, pues cuando se determina el grado de acuracidad deseado, de hecho se determina el número de observaciones, lo que por consiguiente afecta al tiempo y costo del estudio.

El fin que persigue con el estudio habrá de sugerir el grado de acuracidad de los resultados, pero sin que sea posible especificarlo de forma rigurosa para cada una de las aplicaciones.

Al diseñar la muestra, el analista habrá de tener en cuenta que los resultados sean satisfactorios desde el punto de vista de la acuracidad, lo mismo que desde el punto de vista económico, Afortunadamente, en el muestreo del trabajo el analista puede determinar de antemano el número de observaciones necesarias para alcanzar un grado dado de acuracidad estadística.

CALCULO DEL NÚMERO DE OBSERVACIONES

Para fines prácticos, un nivel de confianza del 95% y una acuracidad de ± 5% pueden ser considerados satisfactorios.

Suponiendo además que se emplea la Distribución Binomial como base para determinar el error típico.

12

La fórmula que da el número de observaciones será:

En donde: S = Acuracidad deseada

P = % de presencia expresado en forma decimal

N = Nº de observaciones aleatorias

Si se conoce la acuracidad deseada, hay todavía 2 incógnitas en la ecuación(p y N).

Para hallar N, se atribuye a p un valor estimado en un estudio preliminar.

Ejemplo:Se desea determinar el % del tiempo qué están paradas unas máquinas atornilladoras automáticas, mediante un muestreo del trabajo, Suponga que se ha decidido aceptar un nivel de confianza del 95% y una acuracidad de ± 5%. Se desea saber cuántas observaciones son necesarias.

Se hicieron 100 observaciones preliminares y aquí, 25 observaciones indicaron que las máquinas estaban paradas

DATOS:% de máquinas paradas es del 25%, de donde p= 0.25y la acuracidad es: S= ± 0.05

Si después de 500 observaciones los resultados fueran:

Máquinas trabajando = 350Máquinas paradas = 150

Total de observaciones = 500

Luego el valor de p sería del 30% con el cual habrá que recalcular el valor de N y tendremos:

13

En un estudio conviene calcular N al final de cada día, para evaluar mejor la marcha de un estudio.

* DETERMINACION DE LA ACURACIDAD PARA UN NÚMERO DADO DE OBSERVACIONES.

Después de terminado el estudio, se hace un cálculo para determinar si los resultados se encuentran dentro de la acuracidad deseada.

Esta comprobación se puede real izar calculando en la fórmula S en lugar de N, según se hizo anteriormente. Supóngase qué los resultados finales del estudio fueron los siguientes:

Observaciones de las máquinas trabajando = 2 600Observaciones de las máquinas paradas = 1 400Total de observaciones realizadas = 4 000

Puesto que ± 4.3% es menor qué ± 5%, que era la acuracidad deseada, el número de observaciones es suficiente.

En este caso se puede decir que existe una confianza deI 95% de que las máquinas atornilladoras se encuentren paradas el 35% del tiempo.

La acuracidad de ± 4.3% indica que los resultados se encuentran dentro del intervalo ± 4.3% de 35% (± 4.3 x 35 = ±1.5) o sea que el valor verdadero sehalla entre 33.5% y 36.5%.

14

RELACIÓN ENTRE LA ACURACIDAD DESEADA Y EL % DE PRESENCIA DE UN ELEMENTO

Ejemplo: Medida del tiempo de parada de un departamento de taladradoras.

El Director de una fábrica deseaba saber que % del tiempo total se encontraban parados los operarios. El estudio se hizo con 12 operarios del. Departamento A, y puso en evidencia que el tiempo de parada era del 10% de la jornada de trabajo.

En este ejemplo, una acuracidad de ± 5%del tiempo de parada significa que los resultados son los correctos dentro de un intervalo de ± 5% del 10% o sea que el valor verdadero se encuentra entre 9.5% y 10.5%.

Si el tiempo de parada hubiese sido del 20% para una acuracidad de ± 5%, el valor verdadero quedaría entonces incluido en el intervalo de 19% y 21%.

CALCULOS MUESTRALES

DATOS:- Nivel de confianza 95%- Acuracidad ± 5%- Un estudio preliminar indicó p = 10%

Esto significa que fue necesario hacer 14 400 observaciones para medir el 10% de tiempo de parada con un nivel de confianza del 95% y una acuracidad del ± 5%. Podría decirse que en 95 casos de cada 100, el grupo de los 12 operarios se hallaban parados por término medio el 10% del día, (48 minutos).

MÉTODO A SEGUIR EN UN ESTUDIO DE MUESTREO DEL TRABAJO

Fases de un estudio:

1.- Definición del Problema

A- Especifíquese los objetivos o fines del estudio

B- Descríbase detalladamente cada uno de los elementos que van a ser

15

medidos.

2.- Obténgase la aprobación del supervisor del departamento en que se va a llevar el estudio. Hay que cerciorarse de que los operarios que van a ser estudiados, así como el otro personal del Departamento, comprendan el fin perseguido por el estudio.

3.- Determine la acuracidad deseada de los resultados finales, también hay que especificar el nivel de confianza.

4.- Hágase una estimación preliminar del % de presencia de la actividad o espera que se va a medir, que se pueda basar en experiencias anteriores, sin embargo, es preferible llevar a cabo un muestreo preliminar durante uno o dos días.

5.- Diseño del Estudio:

A- Determínese el número de observaciones que se van a hacer.

B- Determínese el número de observadores necesarios.

C- Determínese el número de días o de turnos de trabajo necesarios para el estudio.

D- Hágase planes detallados para efectuar las observaciones, tales como la hora y la ruta a seguir por el observador.

E- Diseño del formulario de observación.

6.- Efectúense las observaciones de acuerdo al plan

A- Hágase las observaciones y anótese los datos

B- Resúmanse los datos al final de cada día.

C- Determínense los límites de Control.

D- Ploteense los dato al final del día.

7.- Compruébese la acuracidad o precisión de los datos al final del estudio

8.- Prepárese un informe con expresión de las conclusiones a que se hubiera llegado.

REGLAS PRÁCTICAS PARA DETERMINAR EL Nº DE OBSERVACIONES

1- Determinación de objetivos generales 100

16

2- Determinación de objetivos específicos 500 (Causas de parada en las máquinas)

3- Estimación de condiciones especificas 2 000 (Preparación de máquinas, manejo de materiales, etc.)

4- Estimación de utilización de la mano de obra 4 000 y de las máquinas.

5- Establecimiento de tiempos tipo, Hasta 10 000 determinación de Suplementos.

17