3.

3 Comparación de estándares de producción determinados con

cronómetro y con la técnica de datos estándar, utilizando regresión lineal.

Si su aplicación es correcta, los datos estándar permiten el rápido establecimiento

de tiempos estándar precisos antes de que se realice el trabajo. Esta
característica hace que su uso sea especialmente atractivo para estimar el costo
de un nuevo trabajo, con propósitos de presupuesto y subcontratación.

La utilización de datos estándar también simplifica muchos problemas

administrativos en las plantas donde puede haber restricciones concernientes a
aspectos como el tipo de estudio que se llevará a cabo (continuo o con regresos a
cero), el número de ciclos que se deben estudiar, los operarios que serán
estudiados y el observador que realizará el estudio. Mediante el empleo de la
técnica de datos estándar, los analistas no sólo pueden evitar tales detalles sino
que también pueden disminuir algunas fuentes de tensión entre el personal y la
administración. En general, entre más refinados sean los tiempos de los
elementos, mayor será la cobertura de los datos.

En consecuencia, resulta práctico tener en los talleres valores de los elementos

individuales, así como valores agrupados y combinados de manera que los datos
para una instalación dada tengan suficiente flexibilidad con el fin de permitir que se
califique todo tipo de trabajo programado para una máquina. En tareas de ciclo
corto, los datos de movimiento fundamental son especialmente útiles para
establecer estándares. De manera similar, una fórmula de estudio de tiempos
puede establecer los estándares en una fracción del tiempo que requieren los
estudios individuales. Una ventaja de las fórmulas sobre los datos estándar es que
una persona menos capacitada (y menos costosa) puede introducir los datos en
las fórmulas más rápidamente que sumando los datos estándar de los elementos.
Además, como las columnas de cifras deben sumarse en el método de datos
estándar, existe una mayor posibilidad de omisiones o errores aritméticos cuando
se establece un estándar que cuando se aplica una fórmula.

3.3. Comparación de estándares de producción determinados con

cronómetro y con la técnica de datos estándar, utilizando regresión lineal.

Los datos se despliegan en una hoja de cálculo (Excel) para analizar las
constantes y variables. Se identifican y combinan las constantes y se analizan la
variables para extraer los factores que influyen en el tiempo expresados en forma
algebraica. Al graficar la curva del tiempo contra la variable independiente, el
analista puede deducir las relaciones algebraicas potenciales. Por ejemplo, los
datos graficado pueden tomar cualquier número de formas: Una línea recta, una
tendencia creciente no lineal, una tendencia decreciente no lineal o sin una forma
geométrica obvia. Si se trata de una línea recta, entonces la relación es bastante
directa:

y=a+bx

Donde las constantes a y b se determinaron del análisis de regresión de mínimos

cuadrados.

Si la gráfica muestra una tendencia creciente o lineal, entonces deben probarse

las relaciones de potencias de la forma x2,x3,xn ó ex. Para las tendencias
decrecientes no lineales, deben intentarse relaciones de potencias negativas o
exponenciales negativas. Las tendencias asintóticas tal vez de ajusten a
exponenciales negativas de la forma:

y=I-e-x

Observe que agregar términos adicionales al modelo siempre producirá un modelo

mejor con un porcentaje más alto de varianza e los datos explicados. Sin
embargo, tales la mejora del modelo no sea estadísticamente significativa, es
decir, en el sentido estadístico no hay diferencia en la calidad del valor que se
predice en ambos modelos. Más aun cuanto más sencilla sea la formula mejor se
podrá comprender y aplicar. Deben evitarse las expresiones complejas con
muchos términos de potencias. Debe identificarse el intervalo de cada variable.
Deben explicarse con detalle las limitaciones de la formula en cuanto al intervalo
de aplicación.

Existe un procedimiento formal para calcular el mejor modelo llamado prueba

lineal general. Calcula el decremento en la variancia o explicada entre el modelo
más sencillo, llamado modelo reducido, y el modelo más complejo, o modelo
completo. La disminución en la variancia se prueba estadísticamente y solo se
usara el modelo más complejo si la disminución es significativa.