You are on page 1of 4

MUESTREO DEL TRABAJO

El muestro del trabajo no incluye mediciones cronométricas, tal como


lo hacen muchas de las otras técnicas. En vez de ello se base en
técnicas de muestreo aleatorio simple, derivadas de la teoría
estadística de muestreo. Su finalidad es calcular qué proporción del
tiempo de un trabajador destina realmente a actividades de trabajo.

El muestreo de trabajo también puede ser utilizado para establecer


estándares de producción.

Este método de medición requiere observaciones aleatorias para


registrar la actividad que está realizando un trabajador. El método se
emplea principalmente para determinar la forma en que los
trabajadores asignan su tiempo entre varias actividades. El
conocimiento de esta asignación quizá lleva a cambios de personal,
reasignación de tareas, estimación del costo de la actividad y el
establecimiento de suplementos por demora en los estándares de
mano de obra.

El procedimiento para el muestreo del trabajo se resume en cinco


pasos:

1. Tomar una muestra preliminar para obtener una estimación del


valor del parámetro (como el porcentaje de tiempo que el
empleado está ocupado).
2. Calcular el tamaño de muestra requerido.
3. Preparar el programa para observar al trabajador en los
tiempos adecuados. El concepto de números aleatorios se usa
para proporcionar la observación aleatoria. Por ejemplo,
digamos que se obtienen los siguientes números de una tabla:
07, 12, 22, 25 y 49. Estos servirán para elaborar un programa
de observación a las 9:07, 9:12, 9:22, 9:25, 9:49 .
4. Observar y registrar las actividades del trabajador.
5. Determinar cómo usan su tiempo los trabajadores (casi siempre
como porcentaje).

Para determinar el número de observaciones requerido, la


administración debe decidir que nivel de confianza y precisión desea.

Las técnicas de muestreo, se pueden encontrar de dos tipos:

a) Por variables. Se basan en la medición y son muy utilizadas en


el control de calidad.
b) Por atributos. Funcionan según la comprobación o no de un
hecho.
Fundamentos de la técnica de muestreo por atributos.

La representación de las muestras y su frecuencia se distribuyen


según una distribución normal.

Se define la desviación típica como σ

σ=
(
p 1− p )
n
La fracción promedio será:

total _ actividad _ deseada


p=
total _ actividades _ controladas

n=tamaño de la muestra

Los niveles de confianza vienen determinados según el factor K.


El factor K=1 nos indica que tenemos el 68.27% de la muestras entre
la media y una vez la desviación típica.
El factor K=2 nos indica que tenemos el 95.45% de la muestras entre
la media y dos veces la desviación típica.
El factor K=3 nos indica que tenemos el 99,73% de la muestras entre
la media y tres veces la desviación típica.
Número de observaciones necesarias

Para saber el número de observaciones necesarias, N, para obtener


un cierto grado de confianza, se ha de tener en cuenta diferentes
factores, como el error admisible, e, i el factor K.

N=
K 2 1− p( )
e2 p
e=precisión

Diagramas de control

Los diagramas de control son representaciones gráficas de los


resultados obtenidos en el muestreo diario y acumulado. A una
distancia de 3 σ por encima y por debajo del valor medio, se
representan los llamados límites de control superior e inferior. Estos
límites representan el valor mayor y menor que puede tener le
muestreo, aunque los límites pueden ser traspasados por algunas
anomalías (accidente, avería, etc.), anomalías que no tienen que
repetirse.

El límite de control inferior se define como LCI = P − 3σ

El límite de control superior se define como LCS = P + 3σ


ANEXO DISTRIBUCIÓN NORMAL O CAMPANA DE GAUSS

Es una de las distribuciones de probabilidad de variable continua que


con más frecuencia aparece en fenómenos reales.

Esta distribución es frecuentemente utilizada en las aplicaciones


estadísticas.

Su propio nombre indica su extendida utilización, justificada por la


frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución. Muchas
variables aleatorias continuas presentan una función de densidad
cuya gráfica tiene forma de campana.
En resumen, la importancia de la distribución normal se debe
principalmente a que hay muchas variables asociadas a fenómenos
naturales que siguen el modelo de la normal.

- Caracteres morfológicos de individuos (personas, animales,


plantas, …) de una especie. Por ejemplo: tallas, pesos,
envergaduras, etc.
- Caracteres fisiológicos, por ejemplo: efecto de una misma dosis
de un fármaco, o de una misma cantidad de abono.
- Caracteres sociológicos, por ejemplo: coeficiente intelectual.
- Errores cometidos al medir ciertas magnitudes.

You might also like