C A P I T U L O 19

Muestreo del trabaio y estirnacion estruciurada

El muestreo del trabajo es una tecnica para determinar, mediante muestreo estadistico y observaciones aleatorias, el porcentaje de aparicion de determinada actividad. 1. Necesidad del muestreo del trabajo El muestreo del trabajo (conocido tambi6n por <<muestreo de actividades>>, << m6todo de observaciones instantineas >>, << metodo de observaciones aleatorias >> y <<controel stadistico de actividadew) es una t6cnica que, como su nombre indica, se basa en el muestreo. Veamos ante todo por qu6 resulta necesaria. Para obtener una visi6n completa y exacta del tiempo productivo y del tiempo inactivo de todas las miquinas en una zona dada de producci6n, seria necesario observar continuamente cada una de las miquinas de dicha zona y registrar el momento y la causa de cada interrupci6n. Pero es algo evidentemente imposible de realizar, a menos que una multitud de trabajadores se dedicaran exclusivamente a esa tarea, lo que seria absurdo en la practica. Sin embargo, si fuera posible observar de una ojeada qu6 hace cada miquina de una fibrica en determinado momento, quizi se descubriera que, por ejemplo, 80 por ciento de las miquinas estin funcionando y 20 por ciento estin paradas. Si se hiciera lo mismo veinte veces mis a distintas horas del dia, y si cada vez la proporci6n de miquinas que estuviera funcionando fuera de 80 por ciento, podria decirse con cierta seguridad que en todo momento hay 80 por ciento de las miquinas en funcionamiento. Como generalmente tampoco es posible aplicar esta tkcnica, hay que optar por la que le sigue en orden de preferencia: se hace una serie de recorridos del taller a intervalos aleatorios observando las miquinas que funcionan, las que estin paradas y la causa de cada inmovilizacibn. He aqui la base de la t6cnica de muestreo del trabajo. Si el tamaiio de la muestra es suficientemente grande y las observaciones se efect6an realmente a1 azar, existe una buena probabilidad de que dichas observaciones reflejen la situacidn real, con un margen determinado de error por exceso o por defecto.

2. Algunas palabras sobre el muestreo

A diferencia del costoso y poco prhctico mktodo de observaci6n continua, el muestreo del trabajo se basa principalmente en la ley de probabilidades. La probabilidad se ha definido como <<egl rado de posibilidad de que se produzca un acontecimiento >>. El ejemplo mhs sencillo, y frecuentemente mencionado para ilustrar esta idea, es el juego de cara y cruz con una moneda. Cuando lanzamos una moneda a1 aire pueden suceder dos cosas : que salga <<cars>> o que salga <<cru>z>. La ley de probabilidades dice que de cada 100 veces que la lancemos, es

probable que 50 veces salga cara y 50 cruz. ObsQvese la expresi6n << es probable que >> ; en realidad puede suceder que el resultado sea, por ejemplo, 55-45,48-52 o cualquier otra proporci6n. Sin embargo, esth demostrado que a1 aumentar el n6mero de lanzamientos aumenta la exactitud de la ley de probabilidades. En otras palabras, cuanto mayor sea el nGmero de lanzamientos de la moneda, tanto mayores serhn las posibilidades de llegar a una proporci6n de 50 caras y 50 cruces. De ello se desprende que cuanto mayor sea la muestra, mhs exactamente representar6 la <<poblaci6n>> o << universo >> inicial, es decir, el grupo de factores que se est6n estudiando. Ahora podemos imaginar una escala en la cual uno de 10s extremos corresponda a la precisi6n absoluta lograda por observaci6n continua y el otro a resultados muy inciertos obtenidos mediante unas pocas observaciones aisladas. El tamaiio de la muestra tiene, pues, su importancia, y podemos indicar si creemos o no en la representatividad de la muestra utilizando cierto nivel de confianza.

3. Como establecer niveles de confianza Volvamos ahora a1 ejemplo citado y lancemos a1 aire cinco monedas
simulthneamente, anotando el n6mero de caras y cruces que salgan. Repitamos luego esta operaci6n 99 veces mhs. Los resultados de estos lanzamientos podrian representarse como en el cuadro I I o, grhficamente, como en la figura 87.

Si se aumenta considerablemente el ndmero de lanzamientos, utilizando cada vez un gran niimero de monedas, podr6 obtenerse una curva m6s progresiva, como la ilustrada en la figura 88. Esta curva, llamada curva de distribucibn normal, tambikn puede representarse como en la figura 89. Bgsicamente, esta curva indica que en la mayoria de 10s casos el ndmero de caras tiende a igualar a1 de cruces en cualquier serie de lanzarnientos (cuandop = q, el niimero de lanzamientos es un miximo). En pocos casos, sin embargo, p es muy diferente de q por mera casualidad. Las curvas de distribucidn normal pueden tener numerosas configuraciones ; segdn el caso, pueden ser m6s achatadas o mis redondeadas. Para describir estas curvas se utilizan dos parimetros : 2, que es la media o la medida de la dispersibn, y a, que es la desviaci6n de la media, denominada desviaci6n tipica o estindar. Dado que aqui se trata de una proporci6n, para indicar el error tipico o estgndar de la proporci6n se utilizari la expresi6n ap.

El Area delimitada por la curva de distribuci6n normal se puede calcular. En la figura 89, un op a ambos lados de X da un irea de 68,27 por ciento del irea total ; dos op a ambos lados de xdan un Area de 95,45 por ciento, y tres op a ambos lados de Xdan un irea de 99,73 por ciento. En otros ttrminos, si el muestreo realizado ha sido realmente aleatorio, 95,45 por ciento de las observaciones estarin comprendidas entre X-l 2 op y 99,73 por ciento estarhn comprendidas entre X+ 3 up. Este es, de hecho, el grado de confianza que inspiran las observaciones. Sin embargo, para facilitar las cosas mis vale evitar el uso de porcentajes decimales, pues es mis sencillo hablar de un nivel de confianza de 95 por ciento que de 95,45 por ciento. Con ese fin pueden cambiarse 10s cilculos, obtenitndose : nivel de confianza de 95 por ciento, o sea 95 por ciento del irea comprendida por la curva = 1,96 op ; nivel de confianza de 99 por ciento, o sea 99 por ciento del Area comprendida por la curva = 2,58 op; nivel de confianza de 99,9 por ciento, o sea 99,9 por ciento del Area comprendida por la curva = 3,3 op. En este caso podemos decir que si tomamos una muestra aleatoria de gran tamago, podemos confiar en que en 95 por ciento de 10s casos las observaciones estarin comprendidas entre + 1,96 op, y asi sucesivamente para 10s demis valores. En el muestreo del trabajo, el nivel de confianza mis generalmente utilizado es el de 95 por ciento.

4. Como determinar el tamaiio de la muestra Ademiis de definir el nivel de confianza de nuestras observaciones, tambiCn debemos decidir el margen de error que admitiremos. Debemos poder decir que << tenemos confianza en que 95 por ciento de las veces la observaci6n que hagamos tendri una exactitud de + 5 por ciento >>, o 10 por ciento, o cualquier otro margen de exactitud que adoptemos. Volvamos ahora a nuestro ejemplo del tiempo productivo y del tiempo inactivo de las miiquinas de una fiibrica. Para determinar el tamaiio de la muestra que se necesita con este ejemplo existen dos mCtodos: el metodo estadistico y el mktodo nomogriifico. Metodo estadistico La f6rmula utilizada en este mCtodo es la siguiente :

en la que : ap = error estindar de la proporci6n ; p = porcentaje de tiempo inactivo ; q = porcentaje de tiempo en marcha; n = n6mero de observaciones o tamaiio de la muestra que determinar. Sin embargo, antes de poder aplicar esta f6rmula debemos tener por lo menos una idea de 10s valores de p y q. Asi, pues, el primer paso consiste en efectuar cierto n6mero de observaciones aleatorias en el lugar de trabajo. Supongamos que, como estudio preliminar y aleatorio, se efectuaron 100 observaciones, de las que se dedujo que las mgquinas estaban paradas 25 por ciento del tiempo (p = 25) y en marcha el restante 75 por ciento (q = 75). Ahora ya disponemos de 10s valores aproximados de p y q ; para poder deterrninar el valor de n debemos calcular antes el valor de ap. Tomemos, por ejemplo, un nivel de confianza de 95 por ciento con un margen de error de 10 por ciento (es decir, que tenemos confianza en que en nuestros cilculos el 95 por ciento de 10s casos corresponderiin a + 10 por ciento del valor real). A1 nivel de confianza de 95 por ciento, 1,96 ap = 10 ap = 5 (aproximadamente). Ahora podemos volver a nuestra ecuaci6n inicial para derivar n :

En otras palabras, para reducir el margen de error a la mitad habri que cuadruplicar el tamafio de la muestra.

Metodo nomograf ico

El tamafio de la muestra puede determinarse con mayor facilidad leyendo directamente el n6mero de observaciones requeridas en un nomograma como el presentado en la figura 90. Tomando nuevamente el ejemplo precedente, tracemos una linea recta que partiendo de la ordenada p << porcentaje de aparici6n >> (en este caso, 25-75) corte la ordenada << error (precisi6n requerida) >> (digamos 5 por ciento) y se prolongue hasta encontrar la ordenada n << ndmero de observaciones>;> se ve que la corta a 300 para un nivel de confianza de 95 por ciento. Este sistema para determinar el tamafio de la muestra es rapidisimo.

5. Como efectuar observaciones aleatorias

Las conclusiones a que hemos llegado son vilidas siempre que podamos efectuar el ndmero de observaciones necesarias para lograr el nivel de confianza y la precisi6n requeridos, y a condici6n de que las observaciones se hagan a1 azar. Para asegurarnos de que las observaciones son efectivamente aleatorias podemos utilizar una tabla de ndmeros aleatorios como la del cuadro 12. Existen varios tipos de tablas de ese gbnero, que pueden utilizarse de diferentes maneras. En nuestro caso, supongamos que nuestras observaciones se llevarin a cab0 durante un turno de trabajo de ocho horas, de las 7,00 a las 15,OO horas. Una jornada de trabajo de ocho horas tiene 480 minutos, que pueden dividirse en 48 periodos de diez minutos. Podemos empezar escogiendo en la tabla un ndmero a1 azar, por ejemplo, cerrando 10s ojos y colocando la punta de un liipiz en algdn lugar de la tabla. Supongamos que en este caso hemos caido por pura casualidad en el ndmero 11,

que se encuentra en el segundo bloque de la primera hilera vertical, cuarta colurnna, cuarta linea (cuadro 12). Seguidamente escogemos un ndmero cualquiera de 1 a 10. Supongamos nuevamente que hemos elegido el ndmero 2 ; bajando ahora por la colurnna, seleccionamos una cifra de cada dos y la anotamos, como se indica a continuaci6n (si hubibramos escogido el ndmero 3, deberiamos seleccionar una cifra de cada tres, y asi sucesivamente) : VER GRAFICO PAG 263, 264 Y 265 Observando estas cifras nos damos cuenta de que debemos eliminar 10s n6meros 87,68 y 49, ya que son demasiado elevados (tenemos s61o 48 periodos de diez minutos y, por lo tanto, toda cifra superior a 48 debe eliminarse). Asimismo debe eliminarse el 1 1, pues es la cifra que hemos escogido a1 azar. Por consiguiente, debemos seguir seleccionando otras cifras para sustituir las cuatro que hemos eliminado. Aplicamos, pues, el rnismo sistema, tomando una cifra de cada dos a partir de la ~l t imap untada, o sea, 05 : 14 15 47 22 Estas cuatro cifras est6n dentro de la garna deseada y no han aparecido antes. Ahora podemos clasificar por orden numkrico las cifras seleccionadas, basandonos en ellas para calcular 10s momentos de la jornada de trabajo en que deben efectuarse las observaciones. La cifra m6s pequeiia (05) representar6 el quinto period0 de diez minutos a contar de la hora en que empez6 el trabajo, o sea las 7,00 horas. Por lo tanto, la primera observaci6n se efectuar6 a las 7,50 horas, y asi sucesivamente (vCase cuadro 13).

6. Como realizar el estudio Como determinar el objetivo del estudio Antes de llevar a cab0 las observaciones es importante decidir el objetivo de nuestro muestreo del trabajo. El objetivo m6s simple es averiguar si determinada m6quina est6 parada o en marcha. En este caso nuestras observaciones tienden a descubrir s61o una de dos posibilidades :

Quizh queramos asimismo formarnos una idea de la distribuci6n del tiempo (expresada en porcentajes) durante 10s periodos en que la mhquina esth en marcha y parada; en este caso debemos combinar 10s dos liltimos modelos. Puede ser que nos interese saber el porcentaje de tiempo dedicado por un trabajador o grupo de trabajadores a determinado elemento del trabajo. Si una tarea consta de diez elementos diferentes, observando a1 trabajador en 10s momentos que correspondan podemos anotar en qu6 elemento esth trabajando y asi determinar el porcentaje de tiempo que ha dedicado a cada elemento. Los objetivos que se busquen a1 hacer el estudio determinargn, pues, el modelo de hoja de registro que se utilizari en el muestreo del trabajo, como puede observarse en las figuras 91, 92 y 93.

Como efectuar las observaciones

Hasta ahora, en la realizaci6n del estudio de muestreo del trabajo hemos seguido 10s primeros cinco pasos 16gicos, que en resumen son : Seleccionar el trabajo que se estudiarh y determinar 10s objetivos del estudio. Efectuar una observaci6n preliminar para determinar 10s valores aproximados de p y q. Determinar, en base a1 nivel de confianza y a1 grado de precisi6n seleccionados, el nlimero n de observaciones requeridas. Determinar la frecuencia de las observaciones utilizando tablas de n6meros aleatorios. Preparar hojas de registro conforme a 10s objetivos del estudio. Todavia falta otro paso, o sea efectuar y registrar las observaciones y analizar 10s resultados. Para efectuar las observaciones es necesario que el especialista en

estudio del trabajo tenga desde el principio una idea clara de lo que quiere lograr y por qu6 lo quiere. Deberia evitar ambigiiedades a1 clasificar las actividades. Por ejemplo, si el motor de una carretilla de horquilla esth funcionando mientras que se espera que la carguen o descarguen, el especialista debe decidir de antemano si la carretilla debe considerarse en marcha o parada. Tambitn debe de todas maneras hablar con las personas que desea observar, explicindoles el objeto del estudio e indicindoles que deben llevar a cab0 su trabajo a1 ritmo normal ; ademis, debe esforzarse por conquistar su confianza y colaboraci6n. La observaci6n propiamente dicha de las sucesivas miquinas deberi efectuarse siempre a1 pasar por la que se observa. En otros terminos, el especialista que observa la mhquina A no deberia anotar lo que esti sucediendo a la miquina B, porque falsearia el estudio. En un taller de tejido, por ejemplo, quizh vea que el telar situado inmediatamente desputs del que esti estudiando se ha parado. Sin embargo, es posible que, a1 llegar alli, el encargado del telar ya lo haya puesto nuevamente en marcha. Por lo tanto, si el analista lo hubiese anotado entre las mhquinas inactivas, habria dado una visi6n err6nea de la realidad. La anotacidn en si, como puede verse en las figuras, es una simple raya que se hace en la hoja de registro, en el espacio que corresponda, a la hora predeterminada adecuada. No se utilizan cron6metros. El cilculo de 10s resultados puede efectuarse ripidamente en la rnisma hoja de registro. Gracias a este metodo se puede calcular el porcentaje de tiempo productivo en relaci6n con el de espera, analizar 10s motivos del tiempo improductivo y determinar el porcentaje de tiempo dedicado por un trabajador, grupo de trabajadores o miquina a determinado elemento de trabajo. Todos estos datos son de por si una informacidn ~ t iqlu e puede obtenerse de forma sencilla y relativamente ripida.