MUESTREO DEL TRABAJO ING DE METODOS

Vista previa del material en texto

CAPITULO
El nruestreo del trabajo es un rnétodo para analizar el trabajo niediante Ltn gran número de
obiervaciones en tiempos aleatorios.
Uslr el lnuestreo rlel trabajo para
o Deterrninar la utilización de. la máquina y el operario.
o Detemrinar las holgr-rras o suplementos
¡ Estnbiccer los cst¿índares dc tiernpo.
Utiliz-ar lrts obser',,¿rciones que resulten pfticticls per{) !.]uc pe|nrt:rn ,rrns('r-\ ar ll cx¡ctitucl
'ft,]llar-ob.cr-viLci(iilcs cn un ¡re riodo tltn lilr¡o conlo \cl posiblc. cle prrclcrcilclir r,ltr iOs ci ilrs O
se irllrlitS
i tilLt¿,It.c,, tlt:l ;tultu.fit es Unir iécjlicll LlLiü \r. irLrlr.t_lr pirr.r irttc:tt!tt¡ llts ¡)rr'ltUfr.rrirtcs dcl tierllpLr
l()Lrl qirü sc dedrcan lL las tlllcrentes ¡etrr'idades qLre constrtLr\cn una tlrrcir o Lr¡ll situucrón dc
trahrjo Lr)s rcsultados dcl nrLrcstlctr dcl trlbajrr son clicacer panr dcterrlinar la utiliz-aciórr
tle rrhi¡,rinlrs r ¡rersr.rnrl, liLs htllgLrriLs lplrcablcs nl trabt¡o t los citand¿ires cle ¡rrodrrccitin ALrnquc
sc ¡tuerle obrcr.rcr la rlrsnl¡t inl'onrrl,eitin con proeetlirnicntos dc cstLLdtr Llt ticntpos. el rnuestrco del
trabirjo -rrn lrccrrc¡rc[r pRlpo|cionzL cstOs illtLi:rs rrrds r-á¡litlo y a un c()stu considereblerilente Incnor
(..11;Lndo r-elliz-an cstLrdios de rntLestreo del Lr-ebljo. ltrs analisl:rs tc)nran un r4inrcro conrparati-
\rnrt:ntc grirrrtlc tlc olrselvar.iones crr intclrlltrr rrlc¿llolios. l.u raz.ón dc las oirlérvrrcione¡ dc unu
ar'tir rdrrJ daiiiI cntre e I total de ()bscr\acrones sc irproxirna al polccnia.je de riernpo que el procestl
csLi en r'se eslildo de rictividad l)or ejenrplo, si I 000 obscrvaciones toin¿idas e¡r intervalos al at.ar
durante r'¿rrilr:, scrranu\ nruesIra11 quL' Lna rláqrrirrtt ar¡tonr¿itic¡ de ¿rtrlr¡rlladt¡ ttpcraba cn 700 rle ellas.
\ pcInr.tr)cr' jil irrlrctir.lr p0r rlii.'r-crttr: rill()nc-\ cf lf Xi cils0s. cl ticrrtll,r ilt.'iirst, ,l. llr rr.iLiiriil.r \('ríir ,lr'
\() ' tlL i.r ¡.rtt).rtJ,t \l( l:lnlrl()
l,l trucrLrel'tlcl Lr-.rLrt.J,rrc:rIlrerr[)\)r'|ilrilfr.l !L/(r) irLintlt:.1r, it\lilltiir:rir](.i \l.r\i,rriiü,.(rn
cl rrOiltbrede .'.tLrcji0 lj'-lllirzonrlcLlcrllOr':r. l,i iairilclr rr'llttrólil:s:.r,-l r. l.¡rtrl,,:r"ltrrr('u l(, llr) l.r
crlreiiti'd clc iU: il:riils (luc \e alclar-rt)irtlill ilitti:.lrtir'lliilu\it('(r ricl lrlrl:;¡¡,,.1r'¡lttl,iI Licl tllirlrt:1,',lc ol-,
Sct\ltciLiftC\.,,'ll¡t:ilotl rstll¡l:Cli -lrl-c- li'll'l;,.¡¡',.¡.1,h,,¡riit, l(rl!\lri..:r,r:,Lr \\ | !'ir('\(l! ! rillt lr.Ltl'r
iiC illtlt'-lr;l \it.l SrliiC¡(rllar)lelltC ilrilli(ia ,, .l ¡t,':,r.ii, i,l il.:!'\iie,'it iiir''!ii '. -L'i til 'r,,rr lr:-.1\ .l
l)trc(lr)tl )lrt1 rir I iL'\rllii: itlr itlct.l, tr .
l-.1 ,rrr:i,,, i,. Llr' tlrL;r .il r'ir ilc i l¡ il'r.iii) i)t \- r! ti
ile t-tLi.;1,, (l(' tr\)lllJ)o\
www.Freelibros me
442 CAPITULO l4 |v1.t,",'':-tlr'iei : iir,rlr)
l. \tr tctlLricre li.t rll¡rer\iirir)rt irrrirru.r tlr'l rt.rl;.1,r tjLri.rrtic l.rTL,)\ |¡¡¡oql1,s
2. Se rcducc e I lte ttt¡rr,(lc ltirl)irl(),l!r i)llrttt.i
-1. Por lo gencrll. el lrLllr:tlr utrlr¿.r nrcnrrs irolrs tlc lrirl)ilj(r loti-rlc\
4. El operario no estii \u.icto a largos periodos de ob\er\rcrones cronometrudils
5. Un solo analistl puede estudiar con facilidad las operaciones de una brigada
14.1 TEORÍA DEL MUESTREO DEL TRABAJO
[-a teoría del muestreo del trabajo se basa en la ley fundamental de probabilidad: en un instanLe dado.
un evento puede estar presente o ausente. Los estadísticos han obtenido la siguiente exprerión prra
nlostrar la probabilidad de.r ocr"¡rrencias de tal evento en /? observac¡ones:
n
P*) : 
- 
p,r"-,
.\: (/? - .\ j:
doncie r = nrobabilicl¡tl de r¡nit sola ocr¡rr.'nciu
q - | ¡r,. ¡trohlbiliti¿rcl tlc r||llr irri\anciir rlr'(]!Lr|rünc[r
il - lrúnreTo tlc 0bscr-r rre l()nes
f-a drstnbLrcitin de cstlts prttblrhrlicledes \d ar)n()cc corltr ¿/i r/i tlltt tritt l¡tnr¡nu¡t! r(r¡ nt( Ll .r :: ,, L
lt rr¡r y vitrilrtz¡ igL¡al ¿L rr¡rq f'uirndrr /r \e hircc rrlis Lnurrle lir .listnbLrción hrnon'llrl \c .rl)r(,\'r'., .
It distribLrcltin nornral Conro los nrucstreo\ tlel trlrbirjo inr.olLrcr¿tn tant¿rños tic rrrrrcstriL\ !r.r!)Ll!. .i
distribucirin nonnal es rrntt aproxintaciti¡l satrst¿rctorr¿r ir ll brno¡lr¿ll L.sta distribLrci(in nt,rnrL .lt irn.l
proporción tiene una Inedia igual I l, ) una desr.'iacitin estlLndar igual a
t
tPq
\,'
En los estLrdios de muestreo del trabajo. se toma una nruestra de tanraño ii en Lln inrento de
estinrar p A partir de la teoí¡ elenrental de muestreo se sabe que no es posible esperar que el vllor
de p (p = la proporción basada en la muestra) de cada muestra sea el valor verdadero tlc p Sin
embargo, se espera qLre la ¡) de cualquier Inuestra esté dentro del intervalo p + | 96 desviacioncs
estándar aproximadanrente95o/c de las veces En otras palabras. si p es el porcentaje verdadero de una
condición dada. se pLrede esperar que la 2 de cLralquier nruestra qLrede fuera del interv¡lo /' J | \)6
desviacione s estánda¡ solo illrededor de -5 veccs de cacle 100 debiclo a las prohrrhrlitlltlc:
Esta teoría pltede Lr\arse p¿rr¿r cstiln¿rr el tarlrLño tlc lu nrucstr¿t total neccsar-i() flu r (\!r:Li r ar'(
gfado de precisión La expresrón de la desvirrcrón estiincllLr./, de una propore itin nruc\trirl .\
it,,t !;¡i-lil ,,
'; \ /r \,
dtlnde /t - (lcsvr¡alon cstlintliu ric Lrr J)\rrrarrlill(
/) - porccntltlc VcrdlLrlcrt¡ dc 0crlrrancr:r ,lclcle rllcni0 quc sc tlbscr\.1 . \l)r(..'ti,'. . '
dec i nr al
n = número total de observac¡ones aleatorias en las que se basa p
Con blLsc en el concepto de irrrerr,'alo de confianz-4, considere el término rio,o,, cofl1o el límite
aceptable de eror ( co¡r un cnor dc conhanza de ( 1 - a)l}OC/c. donde
t : :u .o, : ,.,, .:fy¡ n (l )
Elevando al cu¿rdrado anrbos lados y despejundo ¡r se obtiene
rr : :1, r ¡'tt¡ l1 -:1 : /, (l ^ p)l(t (.1 )
Elt el e aso dc unl altlie acitin Lípica. usando un intcr\al() dc confianz.a de 9-5%. -. . es | 9(r i rr .c
convlefte cn
l I8J/',i /
www FreeLibros me
14.1 Teoría de muestreo del trabaio 443
P¿r¡a rLclarar la teoría l'undamental clel muestreo del rr-abajo. serí¿ útil intcr¡rretar lc¡s resultaclos cle u¡ ex
perllrlentl) Suponga las siguientes circunstancias. una rráquina con rJescornposturas rjeafonas sc obser
vÓ dttr¿rntc un perioclo de I00 días fln este pcriodo. se tonraron ocho obscn¿rcioncs alcatorizis p¡r clía
Sca n = núrncro dc obscrvacioncs por día
k = núlrero fotal de días qrLc se tom¿rron obscrvacroncs
-r¡ = núlllero dc descomposturas obsen,aclas en n obscrvaci<¡nes ¡leatctrias en el t.lía ¡(¡ = I,
2, . ., ,()
ly' = núrnero total de observaciones aleatorias
4 = número de día.s que el experimento most¡ó un número de descomposturas igual ax (;r = 0,
| ,2. .... n)
La probabilidad. P(.x), de que la máquina esté descompuesta -¡; veces en n observaciones está
dada por la distribución binomial
P(x) ----!:-p'q" 'r:\n - x):
donde p = probabilidad de que la máquina esré descompuesra
, 
n = probabilidad de que la rnáquina esré en funcionamienro
p+q=.
En cstcr eicrnplo. rr = 8 observaciones por día. k = 100 clías dc obscrr.rción r' ,V -- li00 obscrlacioncs
tc¡taies un cstLrdio clc rlempos de todo el día, durantc varios clías. re rclti clue /),= 0.) l_u sigricnto
tabllL muestra cl núnlcro de días en clue se obscrr"alrrr r t.lcscclrlpr)stur¡\ cn Lrl cstLrtlio dc nrucstr-co cle j
trablLio (r = 0, l, 2, 3. . ., n), y el número esperado de clescomposturas ilac.lo por cl motJelo bino¡nial,
us:Lrtdo p = 0.5 a p¿L¡ti¡ del estudio de tiempos de todo el día.
P(x) l00P(x)
00
l4
2tl
323
127
522
6 l0
13
80
I00
'r' A prox i nIit(lenten te
Flrisle Ltnacctirti:ic]cnci¿tccr (tiuutuItrülr)\iii.rsLr[¡scr\il(]r)\L]tLurl)Lrirrrt,liil tLrnteT,resl)r!ifjco
de dr'scolllposluras \', y el núnrcro cspcr ado calculadir tc'rrr|cliDtcntc ü()nlr) l,.P(,LJ
F,: ! - proporción obscnacia de dcscornpostLLras en cl dí¿r i
dlrLr(ic i - 1.2,1. ,k
{t>F ),,
P 
IL .-
k tt,k
: proporción estimada de descomposturas de la máquina,
con base en un experimento de muestreo del trabajo
N,X
0.0039
0.03 r 2
0.10500.2190
0.2'730
0.2190
0.10s0
0.03 r2
0 0039
1.00*
0.39
3.12
10.5
2r.9
zt.3
21.9
10.5
312
0.39
I 00*
t
J.
www FreeLibros me
444 CAPITULO l4 Muestreo del traDato
La hipótesis es que la información teórica muestra una concordancia suficienternenre cercana con la
información observada para aceptar el binomio teórico. lo cual se puede probar usando la distribución
chi-cuadrada (X'1) Ladistribución X2 prueba si las frecuencia.s de la distribución observada diñcrcn cn
forma significativa de las frecuencias esperadas
En el ejemplo, la frecuencia observada e.s N v la frecuenci¿i esperada es lp(_,¡) v sc tir.nc
i A, lr)0P(r ) |
ItXiP(-r)
La calllidad dentro de ll slLnrltoria se distribLl c upro.r.inrrdumcnte conto ¡2 para I gretios dc ltircr-r:r,l
En estc c.lernplo, X1 = 0 206.
Los analist¿ts deben determina¡ si el valor calculado de 12 es suficientemente grande para negar
la hrpótcsis nula, es decir, si la drferencia entre las frecuencias observadas y las frecuencias calcula-
das se dcbe sólo a las probabilidades. Este valor experimental de X2 es tan pequeño quc con facilidad
pudo habcr ocurrido por azar Por lo tanto, se acepta la h.ipótesis de que los datos experimenrales sc
"ajustan" a la distribución brnomial teórica
En situaciones industriales típicas. el analista desconocep (que aquí se sabía que tenía un valor
de 0.5). La mejor estimación de p es p, que se puede calcular.o-o ) ",/l A medida que aumenrat=L I
el nút¡e¡or¿cleobservacionesaleatoriaspordíaoel númerodedías, p seaproximaap Sinerrbargo.
con un número limitado de observaciones, el analista sc preocupa por la cxactitud dc i
Si se Lraza una gtllicl dc P(r) contru r a o¿rrtir clc los datos dcl c:je rnplo. risla sc r crir u()rrL' i r lir
figLLra 1.1 I
CulLlldo ¡r es srLilcienternerltc gritndt). si:r c¡Lrc inrpirrlc el valor rea) de 7r. la rli¡rriSLre t,rr i,.r I r: ,i
se aproxinta lttLlcho ¿L le clistribLrcitin norrn¿Ll Esla tondcncia se pucdc vc-r cn cl c¡crnplir,lirn 'i r) !\
aproxitttaclatrcntc 0 -'5 Si 7.r cstii ccruu de 0 -i. r¡ ¡rrretlc scr pcr¡ucña r ll non¡lil pucrlc sL'r r: r, \r, ir:
aproximirción ¿r la binorniai
Culindo se Lrsa l¡ aproxirriLción nornral se csreblccc
p-P
Figura l4.l D str oucion oe proDao -
lidad de las observac ones de o€Suorn
posluras
,_t \
l,
"r: tF
www Freelibros me
14.2 frrescntación dei muestreo de trabalo
Para aproximar la distribución bjnomia[, se usa la va¡iable ¿ como entrada para la distribución normal
(ve¿r la tabla A3-2, apóndice 3) y toma la siguiente forma:
-- i-P' \t¿
Auncluc en el c¿Lso práctico i) rlo se conocc, se pueclc cstimar a ¡rarrir dc 7) v determinar cl intcrvl¡o delltro del qtre se encucntra p, usando los límites de conñanza por e.jempto. rmagine que el
intervalo dc[inido por
Á+
contiene a p 957o del tiempo
En lol¡a qrálica, esto se ptrede representar cotlo
Se deriva la expresión para encontrar un interlalo de conñanza para/? corno se explrca a conti
llLtaci(ln: suPOnga qLc se qurere urr inter-valo que 95olc clel tiernpo contengl ¿ll): os clcclr, un intervalo
tle e rrrlfi¡¡¡7-¿¡ de 9-5?l Para ¡¡ suficienternente gnLnclc. lu cxprcsicin
p--l)
f 7,,7 ,
sc ¡rIroxrnlit ¿L r,ura rlil'ilLhle norntít L'sttindirr poL lo t¿tnt(). se c:t¿Lblccc llL prcrblrbilitlad
/,1.,,...,. /i=,'1,,<. . ie)\'
,\l lt'rlrdc rlasdosiguaJdlclcs-r rccordar!Llr it ,r,::,-t,._,= i9(¡.cl t;rt..rrltl¡rtrr¡irprr)xL¡ti-rd¡l¡onte
9-i9'l cle 1; babilidarJ do contener r 7r cs
445
¡*
I e6riry
iúa
r 96\/3
E.strr: línrrLes irnplic:rn qlte el inLcr r,alo ciclinido contrcnc a p con ()50/r de conlianza. puesro que a se
ix¡ siiece iorlado con rrn valor de I 96
L.os strpueslos sLLbyaccntes dc la binonrial son cluep. ta probabilidad de un éxrto (la ocur-encia
dc tllla desctltlpostr-rra) es constalte en cacla instante aleato¡io que se observa en eI proceso, por lo
lallr(). slelnpre cs neces¿irio tomat observaciones aleatorias cuando sc realiza u' estudio de mucstreo
del trabaio E-st¿i Prccaución reduce'cudquicl sesgo rntroducido por eJ trabajaclor en anticipación dc
los trcllpos de obscrr ación
14.2 PRESENTACION DEL MUESTREO
DEL TRABAJO
;\ntcs dc In¡Clal tlll pl().qralra dc IrtlesL¡-c() ijcl rrrLhlt¡0. e l¿Lnaltsta rlchL llte \ciltiil \U US() r e()ltliabilr
dad I todos ltls nricll-tbros de la organiz-ación a quienes pr-redan afecrar'los r-e.sLLltaclos. entre los que se
destltc¿Lrt el sirldicaro, el sLrpervisor de línea y la administración de la con-rpañía Esra tarea ,e iuede
cL¡t'rir lrlediante varias sesiones cortrls con los represen[antes de las distlntas pirrtes interesadas y una
crplicl.ión ctln cjerrlplos de la le,v de probabili<iades. qLre expliqúen por qué funcionan los procedi-
tltictlttrr tle rlruestreo '\unqLte el estudio de tiernpos con cronónretro sea bien enrenclido y fácilmente
aceptaiJo. tallto los sirldicatos cor¡o los trablUaclores aceptarán ¡écnicas de muestreo clel trabaro una
www FreeLibros.me
CAPTTULO 14 Muestreo (je irabalo
ttt
\únlcro (lt t¿lras
Figura 14 2 [),Sir b.rC órr 'i¡
.l lll\()t,it it i , ii
lit prcsrrtn (lua lr,i\i !., . I
\C7- qUc cl ¡rr-OcccJir|rCnt() ltit,\lL \l(i() ü\J)lt!.,(l() l)()l r()|illir'LI I0s t.trt()t-e\
lraba1o soil tltre e I procctlrrttientr) cs conrJllcilurcntc inr¡tcrsonal y c¿irccc de
estudro de tie rllpos con cronómetro
En la sesión inicial. el analrsta debe crc¿rr Lln estLrdio sencillo lanz-ando monedas no sese¿\das
Todos los paniciparrtes reconocerán con facilidad qLre ¿rl Ianzar una sola moneda se tiene una posi-
bilidad -50-.50 de obtener cara Sj se les pregunta cónro deternrinaría la probabrilrdad cle curir conrrr
cruz-. sirt dtrdl proponclr¿in l¿rnzar una monedl uni.rs cr.r¿lntas veces para ver qué ocunc Si prellLlntu
sr c.ltls vcces es suliciente. segLrro dirán que no Pueden sugerlr diez- veces, pero podrían pc¡rsi-u-que
todavía rro cs suficien¡e Si se sr-rgieren núrleros miis grandes. quizás estén de acuerclo en que l(X)
vcccsonriscssuficientep¿rralograrel resultadodeseadoconcienogradodeseguridacl Estcejentplcr
establece con firnlez-¿t el principio del muestreo del Lraba.jo: un tamaño de muestra adecuado asegura
la si gni ficancia estadística
Posleliorntente. cl iLltalist¡ clebe anrLli;z-rir los resultador probables de l¿utzttr e[]lltr() ¡l¡na(lu\ rr(,
:esg¿tclas l;ll estc caso stilo cxistr' un lrr-r'!li' tlü TCrLLltlrrltis clc llrs ntrincrl.r' 1.,1r,,. Ll . i rr r'
nt.¡sctlhtIctlctlUlIfl|5-\stl|tlLlltrlcrlc|c¡Llcl()(]il\\.)|l!.]i.t\s]|l('lli):ll!()l|Ü\r:Lli\l/]l
rCSttllltl (lr'.UiltrO tt|lc!lrl: ¡r().ibie : SCr' lrItrt ()\ l)tiCrti'n il;.ü tlrt' ai|lits ( ()n il\ r] l, . ri :Li , ,
ctit¡ls. ct¡llLl() lll()llcrllrs rlr) \c\:lil(lil\ (lr.rd \(' liLn,/iLn (Jt l\,Ilr.t r()ntillttit :t cilsllll¡itrr'|l ., '|, I , .
la lrgLrrrr l-l I
[)espLr,:s dc cs(¿r cr¡rlie lcrrln \ Unlt dL-¡|( \irir!lon iir. ]lr ilt:tllltIt irin. tls tjt't lr .ti it.,-t r ,l; ,, ,i
z-alllielrtos -\ I'egistt'rr Itts rcsLlltrt.ltts. lrL irudir'nr nL ilcl¡cli cstul dc .le Llcrdo crr qrrc lor ) i.ln,,.r lr (.it L,\
pueden trostr-ar una distriblLciri¡l norm¿tl Mil lunz-¿Ln'rielrttls tll r.ez sc ilccrqLrcn nr¿l\ ir ü\ir at r\rrnr.r( \,ir
y 100 0(X) tlarárr una distribucirjn casi pcrlcetl Sin crrbargo. tal distribucrtin no eii sLr ficicnrcrlcnlc
nrás exacta que la distribLrción de I 000 l¡rnz-anriento\. v econolricunrente no vrle la penrr e I c:lLrcrto
adicronal ['.lltl establccc la idea dc c¡ue el accrcan)ient() a una precisirin signilicatrvu pr-inrcrrt es rJt
pido y despLLés la velocidad de acercantiento disntrnuye
En scsttida. el analista debc scñalal quc una máquina u operario podrí¿rn estar-dc manera filLr
rada en estado de cara o cruz- Por ejerrplo. Lrna nráqr,rina pr.rede estar en funcionarliento (cara) o
inactiva (crlrz-). L'n algúrr rnomcnt() una gr-álica acr.rrnLrlada de "en funcionamrento" sc eqLrilrbraría
y daría Lrna indicacitin dc cuándo cstaría bien dctcncr las lecturas (vca la figr-rra l4 3) Asintisnro. el
estado de rtráquina "in¿Lctiva" podría desglos¿rrse en los diferentes ripos de interrurpcrrtnes,v ile llront:
para entenrier con nrás deLalleesc tientpo
14.3 PLANEACION DE ESTUDIOS DE MUESTREO
DEL TRABAJO
Atltcs clc iltec¡ lits ()h:critcitlrtc: lcltlc: rlcl r':ritrltrr (lc It tc\itr'() clr'l ll ithllit f\ n('!a\,
plitrlctteitrn tlctllladir I ir: ltl.LnC: \r |l)trirt|t arr], il|l,i ('\iltjj:t!tIn I)rtllrniltll| ,1.'1,,' ,.i:, .],,,1r
(lLla \c llLr\!:L lllltll-lll¡t.rrrlt I--rl.L f\llrlt,tcr(jii l\ -tia ttt :r I t)n.t,r t)tit\ lLcll\ ltl.rrlr'r r L ,tr! lt,: i
ll plrrtll (lü il.rttl: llrst0ntrrs S¡ cl dni.tl¡\til nO l)r-ij(lC h.ltCl ,.liLr Cstilltite jón T¿t./.t)n.tLrt(. rrat)(,r | ,t r - ,, l
el ál-e¿t cluulrtte dos () tfes dí¿rs ) usar esa inl'or¡lración conlo l¿r t¡ase ile estas estintacionc\
U¡ra lez hechas I¿ts estinraciones prelirrinlres. el analista puede determlnar la exactrtr-rrl dese¿Lcla
cie los resLrltlLdos Ésta se pucde expresaf conro r¡na tolerancra o un límite de error dentro cjel nivcl dc
www.FreeLibros me
| 4.3
E l,s
= 
| \l
!oo
E _"
L if r t_ | | _ l_li__i
l() .l() fi) 80 l(X) ll0 140 l6{) lfilt li)1¡ l-10 I u} lhO -s,) t((r rl() r.trr
\úmero de obscrvacio¡res
Figura 14.3 ,)..rr
iado de t empo alc
corlf iullT¿ estitblectdo [)espLrés. dcbr' esti¡nar cl nrinre To de trbservlcirrrrc\ (luc r()ntlli \ dctcr-rnin¿rr llr
frecuencia de csas ot-rservaciorres [)or últrnro. e] iLnalistl drscñ¿r ll ii,r'rrrl clc r)rucstre() dcl Lrrbu jo cn
la ctlal se tahulalt ltts tlatos, así corn() las gráficas de control qr¡c \e Lr\iuiirr dLrnlntc elcstLrdio
DETERMINACIÓN DEL NÚMERO
NECESARIO DE OBSERVACIONES
Para deterrlirrar el núrrero necesario de observaciones, el analista debe conocer la exacritud con oue
sc dcse.tt.l lt¡s rcsultadr¡s F-ntrc rnís obscrvacioncs. mayor validcz tcndrá la rcspucsta llnal Tres mil
obser-vr¡crorles tlan un resul[ado corrsidcrablcmcntc más confiable que 300. Sin embargo, debido al
costo dg obtener tantas observaciones y la mejora marginal de la exactitud,300 observaciones pueden
considerarse arlolias
Por e.¡emplo, suportga que se desea detenninar el núnrero de observaciones que se retluieren. con
95'li de confiartT.a, tal qLre la proporción verdadcra del tienrpo <je dcnroras per-sonlles e incvirabies
se enctlcntre denrro dcl intervalo dc 6 ¿r l()r7¿ Sc cspera quc el tienr¡rtr rle lls ,:lcn.lorls incr itablcs r
pct'strnltlcs se a dc 8%. lislos srtpLrcstos sc e xprcsan grúlicarncrrtc cn l;r figLrrir lJ.1
Err este caso.7) seríaigtral a008y sesLrpone Lrn¿rl de )eI .o0 0l Con baseenesros v¿tlores.es
posible despe¡ar /¡ conto vtene ¿r cttnrinLraciti¡t.
-lu:lx00'tix (I 0t)ti)
0 02r
Si cl analista no lene el rientpo o la capucidati parir recolcctur 107 obscrvacior.rcs _v srilo puetic
recolectar -5(X) puntos cle datos, la ecuación anterior se puede invertir.para despejar el límire de error
re s Lr I tan te:
., :.,'-1ror!-2: ,f1''eiltl$r - 0024VrV500
En consecuerrcia. con 500 observaciones la exactitud del estudio sería de +24Vo. Así, existe una
concesirin directa entre el error o exactitud del estudio y el número de observaciones recolectadas
Obserle que este 2.4(h es una exactitud absoluta. Algunos analistas pueden desear expresar esto
como una exact¡tud relativa de 30% respecto a la proporción base (0.02410.08).
En la actLralidad es posible drsponer fácil¡lente de paqLretes de software para determinar el
núntertt cle observaciones que se r-equielen en Lrn estudio de rnuestrco del trlbtrjo E,stos programas
realiz-art todos los cálculos estadísticos qLre se necesirirn p¿rra dclerntinar tii¡l¿rños dc- rnuestrls e in
(Xl
Figura 14.4
www.FreeLibros me
444
tCl\¿llt)S tl('!()flfliltl/it [), ] L lLt)lltlr: lrilrrji,lt .r !ir,ti il|!t\,¡i¡r: ¡l¡ .,)ltl itjt,/, rli L)ri ,r\ r,
lllUe\tlil -l-.Ltllhlt:tl l)tte(lfil |tr)|(,1.t,;t-it -l Iit lt(1., !jr nt,f\tt.t\ ,t.!i\.ü \ -,,i1 r I
ü()nf i:tn/a Je 9(). 95 \ ()()r/¿ .()n [il] !r.rrjt, Je t r.lre tlturi ü\l)ce rllco
Note qLre si se estL¡dian !ltrios traba.¡adores de nraneTa sinlultlLnea. las obsenlciorr.:\ r)() l)¡eri.¡
considerarse independientes Richardson l' Pa¡re ( 1992.¡ estLrdiaron este problerra de las obs.-n ¡cro
llcs etlrl'e llLe ronad¿ts v e I rcsttlt¿ulo luc un intcrvllo rlc cttnhanz-a corregido que se clrlculrL despLrés cie
la rect¡lcccrtllt dc datos l-,rt rcz r-ie la ecuacitin (|) la clcsriación estíLnda¡'dcl intcrvalo dc ronli¿urzu
se calculx l purtir de
donde irl = núntero de obserr.¿rciones aeru¡radls
rr(¡) - nLintertt clc tri.tbujuclor-es en lu I úsilla obscrvación
i¡ = núnte ro total dc oLlscr-\lrcionc\
r(¡) - nLlnrcro dc trahrjlrlorcs "inuctrros'(Lr ottr catcgoría de interú:) cn lrr 7 J:i¡rlr
()bser\/lrci(in
I:rlclc¡crll¡lltt I-ll.ttlclttLlc\ttit clr'lü.t,r(l('il\,rlr.,'¡'.,,.iirltL'\!()r-t al.tr ¡¡,(t .,,i ;.
tttl e s(udrr't rlc rllLrcstl'cl LIcI Lrlrh.rltr
La propieraria de un centro comercial desea de¡erminar si hay suficientes lugares de estacionamiento
(actualmcnte 250) para sus clientes. Las observaciones superficiales indican que aproximadamente
80Vo del cstacionamiento está lleno durante las horas de oficina. La propietaria contrata u¡r analista
de ingeniería industrial para realizar un estudio de muestreo det trabajo más completo, El analista
recopila l0 muest¡as aleatorias un miércoles de 9 a.m. a 6 p m. con los siguientes resultados
Nluestraj Lugares yacíos;l(/) J(0,
I
2
3
4
-)
o
1
8
9
10
Total
1 296
5'76
t2l
100
8l
+00
.ló l
184
I 2t5
3 219
3ó
1A
ll
t(l
9
l0
l9
]E
35
51
249 8 193
La proporción de Jugrres vacíos cs
p - 219,10./250 - 0 0996
Puesto que a cualquier hora scleccionada para el muestreo las 250 observaciones dc los lugarc-s dc
estacionamlento estaJán corrclacionadas, el límite de error debe calcularse a p¿[tir de
)r tlr-'rríl) - /rl,i-l' ,{:)96s:1.96 -.; ";, l.t /?[-l) J
i8 l9-1./1.50 - I 50010 099(rlr-
"19ó - ..;,a,) ;
Ertconsccttenci¡L.Lli[)r,il)idt.riiirirLreLJeert¡tcl.i ;:,i]r()\(/.jr'eirtlltnzlir¡rLc99(r-ló5''.1, 1r,. i-..,.
dc cstaci()ll¿lnlicnto cstlt¡in ¿rbic'-los L'ti ttn nti)ntcr'li(] il.ralo I1\t() sc trliclucc on L]il r.ill--L).iliit\ :.rr,
tlcclltrc ló,r'J-{lLrgeres¡tbr¡r1.rs r l¡irrrl¡iei,iri:r pur'alir,)n('irir qtrccrlaactLr.tic¡rl ri \:ili .:!..
www.FreeLibros me
t4.3 P aneac ón de estuclros ce muestreo del trabarcr
e\t¿tclona¡)llcntos pLIra sus clicntcs (arLrtc¡uc en cierlos ntontcnro\ no \r'ri así) Ohscrvc r¡r-rc clcÍlculo
dirce to dcl lírnitc dcl crror
f - (38pqln) : .. l3 81ii)0e96)l0e(f).lj 2-i(fli 0(rti-
cs llli:orrccto V subcstinla cl crrot vcrdadoro l'lnrbrin ierít i)r'ud.ntc pera eJ .Lnirlrsll lceoltillrr
r¡ucs[ras r Io largo dc va¡ros días plrra cvi[¿Lr en orcs dc rcplcscntatir rtllrl
449
DETERMINACION DE LA FRECUENCIA DE OBSERVACIóN
l-¿L fl-ecitcllci¿t de las oirservrcione\ depende. en sLr nr¿rvor par1e. del r.rúnrero cle observaciones que
sc reqLrrüre r tlel tient¡rtt disponihrle para desar-nrllar los daros Por e.jerlplo. ¡rara cornpletar 3 ó00
obser\itciono\ en 20 rLías c.tlendano, el analista clebería obLener nproxirladarren¡e 3600/20 = 180
ol-rse¡r, lrc I oltes ltor d ía
Utl analisti.t desca determinar el licrrpo de ciesconrpostulas clcbrdo a ploblcnrirs eon hcrr¿Lr¡icntas cn
un ¿irea qLte incluye l0 centros de rnac¡uinado CNC. donde sc rcalizarr pcrforaciones rnul finas Un
csrudio piloro inicial indicó quc de 2-5 obsen'¿Lcic¡nes. sciio una rrrziquin:L ile Cl\(l sc clcsconrpuso, ¡rara
una 7i de004,El analisladeseaunaexnctitudrravorcnel cstLrdioconun¿resti nrrci(indentr¡clc+l7c
d¿l r¿rlor rclil, con 9()7c de confianzlt Cotno Z-,,,r. cs 2 -5!i. cl núrncrc d(. t)bscn,ircroncs nuccsillio es
258r x 004 x (t - 0(J.+)
-'- I <<f
0 01r
Aun st el analista hiciera 256 viajcs a la planta ), tomara l0 observaciones en c¡rda viaLje, éste cs r-rn
nÚnlcro grarriJc ¡' ol analista tal vcz rcconsidorc un nircl dc confianza más balo. Aún más, también
estí el problema de las observaciones correlacionadas (vea el ejemplo l4 2).
l)or sttpttcsto, el rrlitlero de analistas disponible v la naturalez-a rlel trabiLjo que se estr.rdia tam-
lriirt irrllLlverr en la fre.euencia de las observaciones Por ejemplo. si sólo se cuent¿l con un analista
pltt'a actttttrtliLr los datosdel e.jentplo l4 3. no scr'íli prictict' que esi.l I)et'\()na t()ntara I80 observacict-
nes durlrn te rn d ía
Dt':¡tLró. clc hebcl rlete ¡-¡liltitdti c j ltrillcl() Lla ()bscr\ltct!)nüs ¡trtr.JilL tlcltc \ctaratt)lllt\c at Ltdntp(r
Teitl llctcsal l() l)lilit t-e!.lstf¿lr lrts tlbscrrttciOn.:: l)lr[r olrtcncr tr¡llt nl|tL\itil Td[)Tü\L'ntlllt\lr. ]lt: Ltl¡scrrll
citlncs:clolllilrlilttldlL:llttt¡sdclrlrlr [:xistcnIrrrchtL:l()fnlll\pliliL r'ner]ntr.lTUnll ocu¡rr:nci¿r ¡lc¿rto|llr
rle Iits oDscr rltcittncs ('tltt t-ttt cnfoc¡Lre rllurultl cl irnllrstlr ¡rLrccle :clct.ir)nlr nud\c rrrillero: crLcla dí¿r
tlc tlrtlt llrbllt csl¿rdístrc.r dc ntinreros.rlcetoriris. quc astcín crtrrc I r -18 rrt.r cl ir|cinclrcc I rlrhllr \.1 it
Si elLdlr llLttllCl'rl COrrd\l)Ott(lC lt rin r.LlOl Cn n|n!t()\ atl!t\.rlCnlc.r lli,,¡'¡¡: \,.1 i.inti rtir li1s l|1¡|r.t0:
selCeCl,)llitJ()s I)tCC]cll,sLltltlCtCl l,L ltLlllt l)iltil t()nt.U j.t,,l¡..1\iL! (ril r':i ilt |!tlir\ ,i Jir I i \l(,1 ll ( (\ \l!,
tlílt Plt e¡ertt¡tlrt el tt lteto ltieltlrrll() l0 \tLItlL..irilt tlr.rr'cl lrlt.rli:l,r Lit,rr'lt.rtr'] , t \(lr'Llr L,i¡:ali,r
e ioncs -l(X) nrinLrtos de \l)LrLí\ dc inrcl.Ldo c.l tL¡-nir
Otro errf ctc¡uc ct¡n:rdera los cr-trtro dí-sitos adveccntes cn la t¿lblir dc núrleros aleatorios El dígito
I cs cl rdcntrllcadof dcl día. con ios nrinre ros I r 5 correspclnd¡e ntes a los días de lunes a viernes E,l
dígrtrt I cs e I itlcrttrlicrtilor de las hor'¿Ls. con nlinrcros de 0I 8 sLrntados u la hora de inicio (por ejem-
¡rlo. l:ts l.()() rL rn ¡ l-os clígitos I v 'l idcntif icnn los lrinuros. con núnrcros entre 0 v 60 conto acepta
bles Obr ilrt.¡crrte . el ctrfoque rr¡lis scncillo es escribir Lrn pequeño prngranra c¡re L¡se Lrn generaclor de
ntintcrl\ ale.ttorios o cualqt¡iela de las ho.jas de e¿ílcLrlo cot)lcrciales. o r-rs¿Ll'la característic¿r incluida
en l)esrsn'lirols o QLriliSantp
I:l estudio (lobc scf suficicntenrenlc largo piLru incluir las llLrctuaciones nonlales de Ja prodLrc
ci(rn \'l rcntlus nrayor sca la duracr(in del estudio global. nrtis posibilidades habrán cle observar las
co¡rcljclones ¡lr-ortledio Por lo gerret¿rl. los esttrclios cie nrucstrco clel lrabtrjo sc l'e¿Lliz¿rn durilnte un
blor¡Lrr Lle ticnrl)o qr¡e r lt de dos ¿l culttfo santilniL\
www FreeLlbrcs me
450 CAPITULO 14 l"4uestreo de trabajo
Otra alternatrr,a par-rt ayLrdar-ul ¿uralista r dccidir cu¿indo Ionrar las observ¿iciones di¡ri¿rs cs Lrr
recordatorio aleatorio F-ste instrr.rmenro de holsillo hlce sonar una alarma en tiempos irlclttor-ios ¡lLnt
indicer al ¡nalistir cuiindo tontar llt siqtrierrtc obrerr¡iitin Il LrsLrlrio presctcccionl u¡il I.i\. l)r(Jrt](
ditl de lllLrcstlcil (ob:crr.rr'i()nc\ |()t llofll ¡r1r¡ .11,¡ r \ lr'\Jl()nrjL' üt)tt Utl \ liL1e ,t .rrt'.t .1,' \ i
allttls Cr-tiÜltlil L'\eUc ltlr llr .tl.ril|¿r Il¡r1¡¡¡¡1¡¡,1¡.' r'l ilt.illt llani() I)Ua(l( l)tOC\lil rtcr!l\! \,Lr r .
tlclllssi!Lttcrrleslillu'nr:r:prrrnrcilio¡ror holr (l6i{)S() l0l-l. l()10. 1: ll lrr ¡r)
Ilstc ittstl'tlrttcrtto cs c\pcclirlnl¿nle Litrl ¡lrnL ilr lrLiLrrol¡strrlrcion c¡Ltc sü ilt¿tlr,/.ll n)lls,rLle rrl
clLpÍtLrlo [.nlr llbl:r L-()n ttcntl){)\ lt-cl)iu.trlit tla lllcl¡lLlto I-.Ltcr]c rr-clLttlr ttcntl)(r ijt I lr¡.il:.
IntCtlfit tCgi\tt-lu lO: rlltlr': il !(rn(Lat-t! ir (.I l(r, liLntl)(j\ ( llLt\iilri(r\
DISENO DE UN FORMULARIO DE MUESTREO DEL TRABAJO
E,l an¡lista debe diseñ.Lr Lrn folrluliLr-io clc obse r-ración ¡rarr rcgisrrar-los d¡tos reLolcctiL(lo\ LlurLnle cl
estudio de ntuestrett del traba¡o A rrenudo, Lrn fornrulario estándar no es aceptable, puesro qLrc crda
estudio de ntuestreo del traba.jo es único desde el punto de vista de las observ¿rciones totales nece-
sarias, los tiempos ¡leatorios en que se re¿rli/-iln v l¡ inli¡rnración qLre se pretende obtener Lir me jor
f ornrr estli r incLrlada con los ob.jetir os de I esrL¡dio
I-a figura 14.5 es un ejernplo de un forrrLrlario de un estudro de muestreo del rraba.jo Un ln¿tlisrir
discñó estc lormulario ir lin de deternrinar el tiempo de urilización de varios estados pnrdLrcLrr.os I' no
productivos en r-rn rallel de reparaci(rn y nrirntenirniento E,l f'ormLllario acepra 20 observacirrtcs llcl,
lorias durante el día dc traba.io Alcunos analrstas preficren Lrsar tarjetiis especialnteitre discñldrs c¡L e
perntiten hrtcer Ias obscr!irciones sin i¿L ate¡rcitin qLre rcquiere una tablcta I-a tlLr jct.L l)ucd. tcncr ,.rt
tlt¡n¿tñtt tal qLre se pLtcdu llr'r'ltt c()n\cnier.rtcnicnt!'cn cl bolsil]o cle l¡ canris¿t o tlcl s.reir l)or L'¡nt¡i,,
cl lrlr rllullLr l()que se t]rUf\lr.t cf ltrli:,urir l-1 5.cILleti.'riirldil tt'icill|entecn(jo\sr'cct()t(\f ntf)| ]t I
por antbos llrdos Lrr.lr tarjcttr tle -i por'-5 Pullarllts rluc sc Iucilc llcvlr cn cl bolsillo tlr. l:r .lrlrr,r
USO DE GRÁFICAS DE CONTROL
l-.ts lórrllt.ts e(rll !tiiLlr.r\ rlr'!(rtlitirl tlit :r' , /,rI i't .:.1:\ Li LLltr,ii .Lr tlrL r'. ,t .i ;.
sc puecietl ¿rllllcttl fliclllllL'tltc L'rl c:lLrtLio: tlc rl rerlrci, rjr'i iutir,Lto ( tr|o cslo. a\trt(t rr\ tr. i.r . i
pr)¡cc¡rt¿ljcs o pr(rp\)tcl()nc\ l()s lillilltsta\ U\iüt er)n llli: lrcctrcrrcla la gráficai;
El prirler-problt:rna cuando sc desc¿r cstablcccr una gránca de control es la e¡ección de Ios
línrites En general. debc encontrarse un balunce entre el costo de buscarcaLrsas atrihurbler cuandt¡
no existerr \ el costo de no buscarlas cuando sí existen Como elección arbitraria. el analist¿r debe
tlsar + 3n ctrnro límitcs rle cclntrol en la grzilic¡ 7r ('l-ambién se pueden Lrtilizar línrite's rl¿is c\trcnr()\
como el proceso seis signra desarrollado por Motoroln .¡ Al sustituir 3o por | 96a cn Ia ecLrlc itin í | )
se obtiene
{ : -to - lrt pil - p)/,
condición dada es 0 10 v c¡ue cada día se tonlan lE0 obserrrLcioncsSLrponga que /) para unr
Despeiandri ú se tienc
( \>. l() l>i) ()lS()l 0()(¡1 .007
lrttlottces:r'|tt!'rle r(irl\lrLilr Lrllr LI:1lt¡.r,1u., rir,,i \Lilr i.Lr ,L llL lirLItr I I l) , 1,,. , 1 i.
rlilt se |Ire]ulr-Íiilr Ln ( \ir !]| iilrLlr
I;lt el tlltblL¡rr tlu ci)nlr()l .lr' ..rlrtllrrl l:r : r rlr..r ijf .r, )lr¡i r¡1,1¡..r tr dl Ir,i, i'.,, i
l)c tttancr¿r stt'ltiler cn cl ntrrc:trc'o tlcl Irirbl¡r, t l ¡urlrlr.tli cr¡n:rt]crl lo: ¡)unttrs lircr.r ,j( ir,: ,:, r r'' it
+3o de /) u()nlo lrrer-l tlc eOntrol [:n crtnsccuanclii. \c \LlpoDe que Ll|ta rrUestTil qLtc tl¡ ü¡t r.r l0r ,,,' .¡
o[¡tL¡vo de una pobl:rción con un valor espefad() de2 siTr'se encLlen[ra dentro de los lílllte s -r.irr Jr /,
Prrra expreslLrlo de orra nr¿lner¿1, si una rruestr¿r ticne un valorTr'fuera de estos línrites. se su¡t()nc quc
provier)e dc rLlgLLna población dif'erente. o que la población origrnal ha canrbi¡dtr
(lort"to clr el trabajrr de control de calid¿rcl. los puntos distintos a los qLre están fuenr clc solrtrol
pLredcn [cncr alguna srgnilicancia estadístic¿r Por ejernplo. es más probable qLre Lrn punto f sté fL¡e r¿l
de los línrites +3n que cl hecho de qLre dos llrintos sucesivos estén entre los límitcs +lo ¡ :r.3r f)or
www Freelibros me
=-
=
--
'2
T
=
t
Z
L
L
q
L
.J
E
F 9
lJ)
I
5
o
lr
www. FreeLibros.me
452 CAPITULO 14
Figura 14.6 Gráf ca de .ontrol
ale ia ,nuestra
Muestreo re tral-,a¡c
I -inlrtc dc contr()l \upcrror
X
X
\1t:tlirr
X
X
X
X
X
i |.i ,,,,. .'.
l-
^_L)
I
X
e()tllt(i it'lcr (rl
l_1
I i {) - \
rili)L)
() l(r li Ll ll I l) L(r i
Nú¡nero de muestra
lo tanto. dos puntos sLrccsi\,os entre estos lírrites indicarían qLre la población cambió
ur.ra scrie dc conjuntos dc ¡runtos signilicativos Esta idea se estudia en Ja rnayoría
control esraclístico de lir calidad baio el encabezado de "corridas"
Se ha obtenicio
de los libros cle
La compuñía Dorben desea medir el porcentajc dc descomposruras de máquinas cn cl dcpartarncnttr
de tornos Una estinración original mostró clue las descomposturas aproximadas ascicnden rr 0l()
Losresultadosdeseadosdebenestardentrode+5Vodcl).conunnivel dcconñanz-adc09l Losena
listas tonraron 6:100 lccturas du¡ante l6 días a una tas¿r cle 400 lecturas drarias Calcular-ort Lrn r¿tltrr
p'de cada lrucstra cliaria de'100 vclaborerorl una grliliilt P p¿trl p = 020 y tarnaños ¡-lc:ltl¡rllL t't:r'
de N = 400 (r,ea la ligLrr.r l4 7)
Cedn día (onlur()r.r Lcetulrs y lrllicaron /r' F-n cl ltruer tltr r'l lLrrl,'du rltl('rl,r ),
lín'ritede eonttol slrpcrirtr Llnat0\cstig¡ci(irlrereliiqLe Jcsltttcísdctrn¿tcclclcttltr'lri,L 1rL i.,
trabajadores dejaron sus ntáquinas para lyudar al compañero Ic-sionado Como se dcsct¡irrtti ui).r elLr
sa asignable dc crror, descartaron cl punto clcl cstLrdio Si no hubier¿rn usado ttna grálica de control.
estas observaciones se hubieran incluido en la estimac.ión final dep.
026
P=020
0II
I I -r 1 5 (, ; S 9 lL) ll 12 ll l¡1 l-5 16
Día
Figura14.7 Gráfica de control de elemplo 14 4
@ Cuuru asignable
Límite superior de cont¡ol
@ Fuc,., ,l.
www. FreeLibros.me
l:1.4 4 5:l
@ Elintinaclo ric considcracirin
l,írniLc sLrperior de control (#J.,r
0:207
0 19.5
p=() l5
0 14
0 093
0 08s
Media
Línljte inlcriol dc control (re\lsado,
Figura 14.8 Gráf ica
oe contro revrsada del
elemp o 14 4
En el cuaÍo día, el punto de p' cayódebajo del límite inferior de control. No se encont¡ó causa
asignable para esta ocurrencia. El ingeniero industrial a cargo del proyecto también notó qüe los va-
lores de p' de los dos primeros días estaban abajo de la media p y decidió calcular un nuevo valor de
p usando los valores de los días ).2 y 4. La nueva estimación de p fuc (J l-5 Entonces. para obrener
laexactitttddeseada.r¿fuede8830observacioncs Loslímitesdecorrr¡-ol t¿rnrbidnuarnbiaron(veala
hgura l4 8)
[-os ¿Lnalistas lolnaroo obserraciones l2 tlías rná-s y eralicil'on lo,s valores inclividua]es de p' en
la nueva gráfica. Collo puede verse, todos los puntos están dentro de los lír¡ites cie confrol Después
caicul¿ron ttn valo¡ más exacto de p. usando las 6 000 observaciones. v detenrinaron que la nueva
estiillilcióll dep era 0 14. Un cálculo lnás de la cxectitucl lograda nrostró c¡ue cr¿L un poco rnc-j¡r q¡s
la dcscada Como vcrificación fin¡J, los analistas calcularon nuevo\ linlrte \ dc rontrol. eon 7r rgual a0l'l L,a.s líneas punLcadas süperpuestas en la t'iqura lzl 8 muestr¿rn c¡uc todos los puntos aún se cn-
cuerrtran bajo control al usar los nuevos límrtes. Si un punto hubiera caído fue¡a de cont¡ol, lo habrían
eliminado y habrían calculado un nuevo valor de p. Este proceso hubiera teniclo que repetrrse hasta
lograr la exactitud dcseada y que todos los valores dep'estuvieran bajo control.
I-ínrite superior de co¡rtrol (revrsaooJ
XX
Media (rcvisada)
X-
^
Límr'te inferior de conrol (#l)X
El ¡lorce ntaje de descomposturas del ejenrplo 14,4 no permanecerá igual por siempre [-a mejora
de nréroclos Jcbe ser ün proceso continLlo y el ¡rorcentaje de descontpostLtras debe disminuir Las
grálica: dc cllntrol tarrtbién pueden us¿rrsc p.rrii nrostmr lrt rnt'jou prouresiva cn lls írcas de trabiLjo
IrStir rCi.a es cs1;ee ialr)]rtnte ir.ttpOnante \r lOs csf trrljO. tlC lt.lti¿strctt dci lriblt.l,t ¡L it\.ril ¡)-Lrl r.stublcecr
tietr¡los cstiincl:il debiclo a qLre si sc cluierc qrrc ltts estlind¿rrcs.e¿rri re¿rlisllis cí:to: dehen tartrbi¿Ll
i!cirltfr' quc r¿rntbren l.is concirciones
14.4 REGISTRO DE OBSERVACIONES
¡\l accrg.u-sc.rl :irclt ti. tritblr¡(). ci .lnllr:l.t nr .i, irr'.ll il! i,.ri t( (-: .i( \ i.\i,(i.r(r(\\ ,(i)! r,rnrin.ri
llltstlt rtr putlt¡ li¡cl hlte e r l¡ tihscrr.Lcitln \ r'e !l\t¡:l¡ los itirhrr' I)rrtlr.i \(r rllrl rioricr un¿i ntirTclr fn a
www.FreeLibros me
454 CAPITULO 14 i;l
lllS() pAlil tll,rsttilt el ltttlrr .1,'rtrl¡ tl¡jr, ¡1.¡¡.,¡.,
lllilqtllllirCllCslLl(lt()L\Lii lli!r1:\.t ( j.llt,tll\r.r l.L jti)l!.¡ l. l..,,lCte¡¡¡t,rr l.L t-il,zrr¡Llt ti ii
lOfllltllilllO l.ii allu\ir ilr'LIii! Lln,rl)etiilirr c.:ii,lr's|r!.tlr.L(j() \.t \üit l,L rjC:ftrntIr¡siiti, \ir I ,l
llr fllta clC ntltctil l)lnl:L rte ü\ ntu_\ it|¡t1,¡;.1¡1¡., jlitiit t-c(Jl\cñ¿tr ul lllrlt.r¡o it !,lr.r \j\ \li 1,. ,
pfodt¡cti\l(l¿ld I:l ¿Ln¿tlr:llL clcbe itprcttclcr ir t()nr.rr llLs irl-:crr¿rcrg¡cs vis¡ale\ _r rclrlr,r¡Lr l.r: ra r.rti.rr
escritlls dcs¡ltrés cle srtlir dcl ¿ilca tlc trlbujtt [:ste arreglo Ininirriz-¿r cl sent¡¡rento (lrl lr¡h.rt.l(lr)r rlL
qLre lo estiin obser'iLndrr _r le pernrite ¿rlc¿rnz,ar e I desernpeño acostLlnrbrado
Atln si el ¿ln¡lista ill¡set-r" cl protocolo adecL¡arlo del rrruestreo del trabajo Ios rl.rtos tienclcn ir
pitcleccr sestos ctlttrlcl(l lrr Iccnicli sc LrslL scilo ¡rarlr cstLrtlrar a Ias personas l-a JlegacilL dc un ;Lnirli:tlr
al cclltro dc Lrabalo lnf ltl-r"e dc inrllecli¿rto en la activrdad clel operario. Éste s" concentrir en lu prodLrc
rlvidad en cL¡¿lnto ve que el analistil se acercil al centro de traba.jo Por otro lado, tanrbién eriste Lrnr
tendencia nattlral en el obserr'¡dor a reg¡strar lo que acaba de ocurriro Io qr-re v¿r ¿r oc¡frir c¡ lLrqiLr rlc
lo que sucede en el ntonte nto ex¿tcto de la ohscn,acicin
Una cl'ilnarl de r itleo ¡trtcclc scr úLil Piiru rculizlrr csLLrdios clc nlLre:treo rjcl rlLllLro rr(, \rr\!iirlt \
que itlclu-vcrl:óltl lt llerstltt¿ts I-tl: ¿Ltrt()Tc\ r('illr,/ltr()n u¡ rrLrcslrc() (lcl turlr;Lj1¡ ¡¡,,,,,,,,.' ( ,lL,:. - ,,
lr abitlldtlres de ptrlcesltlttict'lto clc ti¿tto: tion.le sc rncluiltlr solo los cle nrcnrrr: ircr\ij () r.L!l:\\,
l,as 2 -520 oLrse rv¿rcioncs qrrc sc rccolee teron Lrtiliz¿ltclrr un¿L c:inr¿rr¿t. incjic¿uon Lrr¡ (lrf crdnLi.L i.\l.L(j ,
[]citlllenlcsl:lrlllCittr\lt (/)<0(X)ll ll.llil¡irr¡r-ltl ¡tr¡l¡cdr¡c¡rrt-se,ilblLrvrtl¡r,tlt.rrrtr,al r,iii,,,j,.lc
()bscr\ilci(in ¡tcrson.rl ( Llluttlo hLlbo rlLrtl.t tn lLrr Lll).Ll.i(totf\ rr,\l)a!t,r.r tnrlt...lt \ i .i \.r ,i
llt ctill]tt[t t]c r itlctr Ir'!i\lt() L()lt r.\.r!LtiitLi l.i . r:, .r.i (r irt(rr,i!,\ij
DC tllliltClil :antül.lllte .lllLilt,rr .lr 1,,, ,,..1r:(l(,\ ,l(-. \L)il\\.1t. jr. :r l|(,,1 - I :i :
descl'ibclllllllslliiclltttt.'llclutcrtl.!cr)tjtt:tli.ll:Llc'¡rcrsorr.rlc.{l)l),\tlltrlllr.tllL,rcir,:';.ll i,
¡'sLl descltr-ult en ll PC dc cscTrtorio pllli-r \u rLnulrsrs posterior F.stos clisposrtivos tlrntriri¡ \( J)¡e(ie ¡
ctlnñgrtrzLl'p¿lra qLle envíen lLn¿t señal auditiva en los rr.rome¡rtos aleatorios adecuaclos para r-ccolecrlrr
los datos Asillrislno. se prrede n util¡,,-ar dispositivos independientes con recorclatorios ¿Lleat¡ri6s
14.5 UTILIZACIóN DE MÁOUINAS
Y OPERARIOS
Los analistas ptledelt us¿tr el nrLrestreo clel traba.jo para deterrrinar'la Lrtilización de rnáqr-rinus _\ opr'
far¡os, Coll.lo e jenlplo. considere la Lrtiliz-ación dc nráqLrinas en un talter de mac¡Lrinrrrrir pf sl(l¡ l-rl
ItdlllinisLracitill estirltilbu qLre cl trcnrpo rciLl ,lc corle cn cstiL sección tlebia scr ltjro(jcllor tlr. trl),1 ¡1,.
llt ¡ornrtcllt tlc trlb:LjLr. ¡lult cLtnt¡tlir aon los ptc\ril)uc\to\ rluc )1. \()nlcle Tían ll ;rplrl¡lrt Lrl \r. lt li ,,,r.
lJ rllÍt¡Lrtn.L: r lt)s lrnltlt:tlrs tl.'bicrtrn t()nr¿u :rl)ro\r¡ltlrrli¡lcnle I (XX) obsr.r\ll(.1()rrr.\ l)(¡lL (, rlrilr.,
c\¡ctilu(l clcscail¿r
L()S iUl,rlt\1.,\ ill.lñ:lt,rlt llrr lrrt ILl].1:1,,,1. ',tit
CClclttsr:l'l ltlllttCojflri:, tr'.{i\ltirr r': llrc.t:rrjrr.;r1,, rlrri'it i¡.,¡i1¡ l)()(j,iLJt(,tl(L)¡ i.ir\r,
cn cl ll)Olllcltt() Je ünit (rir\('f\ttr't(ril I)a\J)Lld\ L,.t.tl¡lt,.tetrn !ti i).tlf()n.tlailL()tt() \lf t),i r.i
las 1.1 oper-aciones paril !lrJ¿l rrn() dc ltl: lfr dr\ir)l(r\ rLrntos
Col'tlO cl propósito principal del estL¡dio cr¿l c()noüer el estado del rienrpo dc c¡rre Te.rl cn c\ril
scccitin. nn analista rrtantu\'o actualiT,ada una gráhca del porcentaje acumulado dcl tienrpo cle cor-te
(rea la ligr'rre I4 l0) Al inicio de cadr día de esrudio. los analisras calcularon la raz-ón de Loclas lirs
obse r\ilci()rlcs an[eriores dc etrrte sobrc cl torai de obscrvaciones hasta esa fccha .\l linal clci ,lricinro
dia dc esttrdio, cl porccntitje de tienrpo cle col-tc c¡ntenzri a estrbilizarse en -50 -5%
DespLrés de recopilar. las I024 obserraciones, los analistas dividieron la sunr¡ de roclas lrr:
observaciones de c¿rda categoría entre el núrnero total de observaciones, lo que dio co¡lo result¡rcLcr
el porcellti.lle que fepresentr Ia distribLrción de I tiempo de cor1e, el tiempo de preparaciórr r lus tlrtc
|cntesopcritciorlcs cnlistadas [,4 figura l4 9 ilrrstra la hoja de resurren de este estudio con Lrr trcr)rpo
cle corte de 50 lr/c El porcentaje de tienrpo requerido por las diferen¡es demor¡s tirc de rLlre¿eclor
de 9 6()i plra ptepitrxcirin _r l0 87 prrra cl n;lrrrc jo clc ltcr-r¡nticntts pr¡eden intlic.Lr l¡. ;1r.,,r, ¡r.¡1;1 .
tllc¡ttTlt tlc tttóLotitis rlilu it\ ir(jlrriir .t iltr'l-alltcllilrr cl Ircr:t|0 (l('.()llc l:n cl L (,Illl ,j I - .(, r.
crtliitlttc 5irlttliu P,lil (lLlalllr).ri lli.ltilir.,eir¡,t.1,,1,,¡rer:tr ,,
www Freelrbros me