MUESTREO DE TRABAJO.

El muestreo de trabajo como técnica de la Ingeniería de Métodos puede explicarse

con éxito para resolver una gran variedad de problemas de todas las clases sobre
actividades relacionadas con grupos de personas o equipos. Este método puede
utilizarse para estudiar la circulación de materiales, naturaleza, causa y magnitud
de las interferencias respecto de las realizaciones eficaces; la distribución de
deberes de un grupo de personas, de tal manera que la carga de trabajo está
equilibrada y todas puedan trabajar sin interrupciones. En estos casos, la
utilización eficiente de tiempo o equipo evita un gran número de problemas
similares. Puede emplearse con provecho de la industria, instituciones públicas,
transportes, etc., en una palabra, en cualquier sitio donde sea útil disponer de
datos precisos para analizar problemas y encontrar soluciones.
El muestreo de trabajo es un arma eficaz en todas las formas de empresa. Gracias
a su desarrollo, la dirección puede controlar mejor las actividades y obtener
beneficios debido al mejor aprovechamiento del tiempo.
Se puede definir al muestreo de trabajo cómo la técnica para el análisis
cuantitativo en términos de tiempo de la actividad de hombres, máquinas o
cualquier condición observable de operación.
La técnica de muestreo de trabajo consiste en la cuantificación proporcional de un
gran número de observaciones tomadas al azar, en las cuales se anota la
condición que presente la operación, clasificada en categorías definidas según el
objetivo de estudio.
El muestreo de trabajo tiene ciertas ventajas para adquirir datos sobre el
procedimiento convencional del estudio de tiempos.
Esta técnica ofrece algunas ventajas sobre los otros métodos, a saber:
1.No requiere observación continua de un analista en un largo período.
2.Disminuye el tiempo manual.
3.Generalmente, el número empleado total de horas-hombre es mucho menor.
4.El operador no está sujeto a largos períodos de observaciones medidas con
cronómetro.
5.Un solo analista puede estudiar fácilmente operaciones de grupo.
Sin embargo, presenta algunas desventajas:
1.Generalmente no es económico para estudiar una sola operación hombre o
máquina.
2.En general no es económico para determinar tiempos tipo operaciones
repetitivas con ciclos muy cortos.
3.No suministra una información tan detallada sobre los elementos que forman
una operación como hace la técnica del cronómetro.
4.No proporciona un registro detallado del método empleado.
5.Es más difícil explicarlo a la gerencia y a los trabajadores.

Esta técnica tiene diversas aplicaciones, pero, en general, se usa para

determinar:
1.El tiempo ocupado por una persona en cualquier actividad o tarea.
2.El tiempo productivo y el tiempo improductivo de personas, máquinas u
operaciones.
3.La magnitud de los tiempos perdidos y las causas que los produjeron.
4.Los rendimientos personales del grupo.
5.El tiempo efectivo de uso de equipo.
6.El tiempo de preparación y retiro de las herramientas, así como la puesta en
marcha.
7.El tiempo improductivo del equipo y las causas que los motivaron.
8.El número de personas y máquinas necesarias para efectuar una tarea.
9.Los tiempos tipo operaciones no repetitivas.
10.Los pagos de salarios, especialmente los de mano de obra indirecta y de
oficina.
Concretamente, el muestreo del trabajo consiste en estimar la proporción del
tiempo dedicado a un tipo de actividad dada durante un cierto tiempo, empleando
para ello observaciones instantáneas, intermitentes y espaciadas al azar.
METODOLOGIA DEL MUESTREO DEL TRABAJO
1.Pasos preliminares:
a) Definición de los objetivos, incluyendo especificación de las categorías de
actividad por observar.
b) Diseño del procedimiento de muestreo, lo que implica:
-Estimación del número satisfactorio de observaciones que deben hacerse.
-Selección de la longitud del trabajo.
-Determinación de los detalles del procedimiento de muestreo, tales como
programación de las observaciones y rutas a seguir.
2.Recopilación de datos mediante la ejecución de un plan de muestreo
previamente diseñado.
3.Procesamiento de cálculos.
4.Presentación de resultados.

Técnicas del muestreo por atributos.

Si se presentan gráficamente los valores de las muestras y su frecuencia, se
obtiene una curva en forma de campana, de cuyo estudio deducimos la curva del
universo.
Esa curva, que se denomina campana de Gauss, está definida por dos
parámetros:
a) El de la abscisa correspondiente a la ordenada media, que marca el valor
medio de la medición.
b) La desviación típica, que se obtiene por cálculo, y que es el valor
representativo de la dispersión.
La desviación típica en el muestreo por atributos se calcula de la siguiente
manera:
 En donde:
P= m=Número total de actividades indeseables
n=Número total de actividades controladas

N= Número de observaciones del muestreo

el universo o población, es decir, la totalidad de las actividades que se trata de

controlar.
El área comprendida entre la curva y dos coordenadas correspondientes a las
abscisas trazadas por ±  σ bajo la curva que se toma como unidad representa 68%
de la población.
El área comprendida entre la curva y dos ordenadas correspondientes a las
abscisas trazadas por ± 2 σ a partir de la ordenada media, representan 95.45% de
la población.
Por fin, si las coordenadas se trazan por las abscisas correspondientes a ± 3 σ, el
área representa 99.7% de la población En la curva de Gauss, el área comprendida
entre la curva y el eje de las abscisas representa.
Determinación del número de observaciones para realizar un estudio de muestreo
de trabajo.
Para determinar el número total de observaciones necesarias, con objeto de tener
la exactitud y la tolerancia deseadas, se siguen estos pasos:
1.Hacer un cálculo aproximado del porcentaje que representa un elemento
cualquiera con relación al total de actividades:
p= Actividades de mayor interés
Número total de actividades

2.Determinar los límites aceptables de tolerancia, es decir, que aproximación se

desea tener en los resultados en relación con los valores reales. Una tolerancia
aceptable es de ± 5%, pero en cada caso particular se debe decidir lo que se
desea y recordar que, al disminuir este valor, se incrementa el número necesario
de observaciones.

3.Determinar la exactitud o certidumbre y nivel de confianza que se desean. Por

exactitud se entiende el número de veces que se tendrá la seguridad de que el
resultado obtenido esté dentro de los límites de tolerancia fijados. A cada
exactitud o incertidumbre corresponde un nivel de confianza.

4.Una vez determinados los puntos anteriores se aplican las siguientes fórmulas:
 CERTIDUMBRE NIVEL DE CONFIANZA

0.00 0
39.29 0.50
50 0.67
68.27 1.00
75 1.15
86.64 1.50
95.45 2.00
98.76 2.50
99.73 3.00
99.95 3.50
99.994 4.00
99.9993 4.50
99.99994 5.00
100 ∞

En donde:
σp = error tipo del por ciento.
T = límite de tolerancia aceptable expresado como decimal.
P = probabilidad de la presencia de elemento o proporción de la actividad de
Interés expresado como decimal.
Nc = Z = nivel de confianza.
N = número de observaciones o tamaño de la muestra.
s = precisión deseada.
Niveles de confianza.
Si limitamos las observaciones válidas a las que den valores comprendidos en un
porcentaje del área de la curva de Gauss, ese porcentaje representa la
probabilidad de que cualquier observación sea válida.
Así, por ejemplo, si el nivel de observaciones válidas es el área comprendida entre
la posibilidad de validez para cualquier observación sea válida.
Así, por ejemplo, si el nivel de observaciones válidas es el área comprendida entre
la probabilidad de validez para cualquier observación será de 68.27% y la
probabilidad de rechazables de 31.73%.
A estos niveles se les denomina niveles de confianza y se acostumbra valorarlos
por un factor K o Z de la desviación típica; los más utilizados son:
Z o K = 1, que representa una probabilidad de σ = 68.27%
Z o K = 2, que representa una probabilidad de σ = 95.45%
Z o K = 3, que representa una probabilidad de σ = 99.73%
El nivel K = 2 se utiliza en la industria en general, y el K = 3 en la industria
farmacéutica y de alimentos.

EJEMPLO 1:
Se requiere determinar el porcentaje de inactividad de unas máquinas. Supóngase
que se desea un nivel de confianza de 95.45% y una precisión de ± 5%.
El primer muestreo nos dio los siguientes resultados:
Máquinas activas 140
Maquinas inactivas 60
200
p = 60
200
p = 0.30

En este caso N se puede calcular sabiendo que:

Z = 2,
s = 0.05
P = 0.30

N = (2) ² (1-0.30)
(0.05) ² (0.30

N = (4) (0.70)
(0.0025) (0.30)
N = 2.8
0.00075

N = 3 533
Nos faltarán todavía 3 533 lecturas.
Suponiendo que los resultados finales del estudio sean los siguientes:
Máquinas activas 2 640
Máquinas inactivas 1 160
3 800
p = 1 160
3 800

p = 0.30526

Calculamos la precisión del estudio

= ± 0.04896

= ± 4.89%

que es aún menor que la precisión pedida.

EJEMPLO 2:
En la limpieza de ciertas partes metálicas es necesario el uso de un gas. Se
procedió a realizar un estudio de muestreo de trabajo con el propósito de
determinar el tiempo que el operador está expuesto al gas.
El estudio se inició analizando los siguientes elementos:
1.Cargar piezas metálicas en ganchos.
2.Meter ganchos a tinas.
3.Esperar tiempo de proceso.
4.Sacar ganchos de tinas.
5.Inspeccionar.
Durante los elementos 1, 2 y 4 los operarios se exponen a los gases, no así
durante los elementos 3 y 5.
Se tomaron 80 observaciones diarias y se obtuvieron los siguientes datos que
señala siguiente tabla:
Tabla1
DIA
ELEMENTO 1 2 3 4 5

1 20 28 15 22 21
2 16 18 21 17 17
3 25 22 28 23 25
4 13 9 4 10 7
5 6 3 12 8 12
Totales 80 80 80 80 80

Tabla 2
ELEMENTO
S DIA

1 20
2 18
3 28
4 10
5 4
Total 80
Para una precisión de 8% y un nivel de confianza de 95.45%, determinar:
1.Si el número de observaciones es suficiente.
Número de veces que sí se exponen 236
Número de veces que no se exponen 164
400
P = 236
400

P = 0.59

= 0.0833612

s = 8.33%

que es diferente de 8% pedido. No son suficientes las observaciones.

2.En caso de no ser suficientes, calcular el número de observaciones adicionales.

N = 434

Es decir, son necesarias 34 observaciones adicionales; como no es posible

tomar solamente 34 observaciones efectuamos un día más de observaciones y
se encontraron las lecturas reflejadas.
Número de veces que sí se exponen 48
Número de veces que sí se exponen 32
80
p = (236 + 48) = 0.59
(400 + 80)

= 0.0769

s = 7.6%
Este resultado confirma que el número de observaciones nos da una precisión
menor que la pedida.