Académique Documents
Professionnel Documents
Culture Documents
170602
18
18
Antecedentes
- 1935 L. Tippet sugiri la aplicacin de las observaciones instantneas para
hacer estudios de tiempos de hombres y mquinas.
-1946 Morrow dio un propsito general para identificar las demoras que afectan
a los trabajadores.
-Se aplic por primera vez en la fbrica textil British.
-Posteriormente fue llevaba a Estados Unidos.
Usos
-Eliminar todo trabajo innecesario
-Combinar las operaciones o sus elementos
-Cambiar la secuencia de operaciones
-Simplificar las operaciones
Ventajas
-Reducir los costos
-Mejorar las condiciones obreras
Desventajas
-Rendimientos personales del grupo
-Tiempos perdidos y sus causas
-Tiempos tipo de operaciones no repetitivas
Aplicaciones
Realizar estudios a fondo de los procesos que se llevan a cabo en
las empresas, con la finalidad de identificar posibles causas que generen las
fallas en los mismos y de esta manera proponer una mejor forma de realizacin
del trabajo, incrementando su productividad y haciendo el mejor
aprovechamiento de los recursos que posee.
-Determinar la utilizacin de las mquinas.
-Calcular los suplementos.
18
Importancia en la industria
Necesidad de aprovechar mejor la mano de obra y reducir los costos de la
produccin, es necesario una mejor utilizacin de los recursos humanos y
materiales.
Si es realizada adecuadamente ante la administracin y supervisin de las
empresas midiendo el trabajo dar muy buenos resultados.
18
18
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 jsima observacin
En el ejemplo se demuestra el efecto de las observaciones correlacionadas
sobre el error en un estudio de muestreo del trabajo.
La propietaria de un centro comercial desea determinar si hay suficientes
lugares de estacionamiento (actualmente 250) para sus clientes. Las
observaciones superficiales indican que aproximadamente 80% del
estacionamiento est lleno durante las horas de oficina. La propietaria contrata
un analista de ingeniera industrial para realizar un estudio de muestreo del
trabajo ms completo. El analista recopila 10 muestras aleatorias un mircoles
de 9 a.m. a 6 p.m. con los siguientes resultados.
La proporcin de lugares vacos es
P= 249/10/250= 0 .0996
Puesto que a cualquier hora seleccionada para el muestreo las 250
observaciones de los lugares de estacionamiento estarn correlacionadas, el
lmite de error debe calcularse a partir de
18
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 (vea el apndice 3, tabla A3-5).
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.
Suponga que p para una condicin dada es 0.10 y que cada da se toman 180
observaciones. Despejando se tiene
Entonces se puede construir una grfica de control similar a la figura 14.6, y los
valores p de cada da se incluiran 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 se obtuvo de una poblacin con un valor esperado de p si p
se encuentra dentro de los lmites 3 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. Esta idea se estudia
en la mayora de los libros de control estadstico de la calidad bajo el
encabezado de corridas.
Ejemplo:
18
18
18
18
18
18
Conclusiones:
Referencias:
18
18