1 | Pgina

INVESTIGACION 5

TEMA: MUESTREO DEL TRABAJO

PROFESOR: GABRIEL CARDENAS MATA

MATERIA: ESTUDIO DEL TRABAJO II

ALUMNO: MIGUEL ANGEL GONZALEZ VALDES

GRUPO: VIND 602

17/07/2015

INDICE

2 | Pgina

INTRODUCCION PAG. 3

MARCO TEORICO PAG. 4

DESARROLLO...PAG. 7

CONCLUSIONES.PAG. 11

INTRODUCCION
DEFINICION

3 | Pgina

El muestreo de trabajo es una tcnica que se utiliza para investigar las proporciones del
tiempo total dedicada a las diversas actividades que componen una tarea, actividades o
trabajo. Los resultados del muestreo sirven para determinar tolerancias o mrgenes
aplicables al trabajo, para evaluar la utilizacin de las mquinas y para establecer
estndares de produccin.
Sin embargo, si fuera posible observar de una ojeada que hace cada mquina de una
fbrica en determinado momento, quiz se descubriera que, por ejemplo, 80 por ciento de
las maquinas estn funcionando y 20 por ciento estn paradas. Si se hiciera lo mismo
veinte veces mis a distintas horas del da, y si cada vez la proporci6n de mquinas que
estuviera funcionando fuera de 80 por ciento, podraDecirse con cierta seguridad que en
todo momento hay 80 por ciento de las Maquinas en funcionamiento.
VENTAJAS DEL MUESTREO
A diferencia del costoso y poco prctico mtodo de observaci6n continua, el muestreo del
trabajo se basa principalmente en la ley de probabilidades. La probabilidad se ha
definido como <<El grado de posibilidad de que se produzca un acontecimiento >>. El
ejemplo ms 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 <<cara>> o que salga cruz. La ley de probabilidades dice que de cada
100 veces que la lancemos, es probable que 50 veces salga cara y 50 cruz. Obsrvese 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, est demostrado que a1
aumentar el n6mero de lanzamientos aumenta la exactitud de la ley de probabilidades. En
otras palabras, cuanto mayor sea el nmero de lanzamientos de la moneda, tanto
mayores sern las posibilidades de llegar a una proporci6n de 50 caras y 50 cruces.
De ello se desprende que cuanto mayor sea la muestra, ms exactamente representara la
<<poblacin>> o << universo >> inicial, es decir, el grupo de factores que se est6n
estudiando.

MARCO TEORICO

COMO DETERMINAR EL TEMAO DE LA MUESTRA

4 | Pgina

Adems de definir el nivel de confianza de nuestras observaciones, tambin debemos

decidir el margen de error que admitiremos. Debemos poder decir que << tenemos
confianza en que 95 por ciento de las veces la observacin que hagamos tendr 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 mquinas de una fbrica. Para determinar el tamao de la muestra que se necesita
con este ejemplo existen dos mtodos: el mtodo estadstico y el Mtodo monogrfico.

COMO EFECTUAR OBSERVACIONES ALEATORIAS

Las conclusiones a que hemos llegado son vlidas siempre que podamos efectuar el
nmero 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 nmeros aleatorios como la del cuadro 12. Existen varios tipos de tablas de
ese gnero, que pueden utilizarse de diferentes maneras.
En nuestro caso, supongamos que nuestras observaciones se llevaron a cabo 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 nmero a1 azar, por ejemplo, cerrando 10s
ojos y colocando la punta de un lpiz en algn lugar de la tabla.
Supongamos que en este caso hemos cado por pura casualidad en el nmero 11, que se
encuentra en el segundo bloque de la primera hilera vertical, cuarta columna, cuarta lnea
(cuadro 12). Seguidamente escogemos un nmero cualquiera de 1 a 10. Supongamos
nuevamente que hemos elegido el nmero2; bajando ahora por la columna,
seleccionamos una cifra de cada dos y la anotamos, como se indica a continuaci6n (si
hubiramos escogido el nmero 3, deberamos seleccionar una cifra de cada tres, y as
sucesivamente):
262 11 38 45 87 68 20 11 26 49 05
Observando estas cifras nos damos cuenta de que debemos eliminar 10 nmeros 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 mismo
sistema, tomando una cifra dcada dos a partir de la ~ltima untada, o sea, 05:14 15 47
22

5 | Pgina

El rea delimitada por la curva de distribuci6n normal se puede calcular. En la figura 89,
un p.A ambos lados de X da un rea de 68,27 por ciento del rea total; dos p.A ambos
lados de x dan un rea de 95,45 por ciento, y tres p.A ambos lados de X dan un rea de
99,73 por ciento. En otros trminos, si el muestreo realizado ha sido realmente aleatorio,
95,45 por ciento de las observaciones estarn comprendidas entre X-l 2 p.Y 99,73 por
ciento estarn comprendidas entre X+ 3 p.
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 clculos, obtenindose:
nivel de confianza de 95 por ciento, o sea 95 por ciento del rea comprendida por
la curva = 1,96 p. ;
nivel de confianza de 99 por ciento, o sea 99 por ciento del rea comprendida por
la curva = 2,58 p.
nivel de confianza de 99,9 por ciento, o sea 99,9 por ciento del rea comprendida
por la curva = 3,3 p.
En este caso podemos decir que si tomamos una muestra aleatoria de gran tamao,
podemos confiar en que en 95 por ciento de 10s casos las observaciones estarn
comprendidas entre + 1,96 p., y as sucesivamente para 10s dems valores.
En el muestreo del trabajo, el nivel de confianza mis generalmente utilizado
Es el de 95 por ciento.

OBJETIVO

6 | Pgina

Antes de llevar a cab0 las observaciones es importante decidir el objetivo de nuestro

muestreo del trabajo. El objetivo ms simple es averiguar si determinada maquina esta
parada o en marcha. En este caso nuestras observaciones tienden a descubrir so1o una
de dos posibilidades:

Puede ocurrir tambin que estemos interesados en determinar el porcentaje de tiempo

dedicado a cada actividad cuando la maquina est en marcha:

DESARROLLO
PASOS PARA REALIZAR EL ESTUDIO

7 | Pgina

1.- SELECCIN DE LA OPERACIN

LA OPERACIN ALA CUAL SE LE REALIZARA EL ESTUDIO ES AL SELLADO DE PUERTAS Y

PUESTA DE TAPONES TERMOFUNDIBLES A LAS CARROCERIAS DE LA CAMIONETA JC EN
LA PLANTA DE PINTURA CHRYSLER TOLUCA. LA JORNADA LABORAL ES DE 7:00 A 17:00 DE
UN DIA
ESTO NOS DA UNA JORNANDA DE 600 MIN ESTO SERIA 60 PERIODOS DE 10 MIN

2.- ELECCION DE LA TOMA DE OBSERVACIONES (HORARIOS) CON LA AYUDA DE LA TABLA DE

NUMEROS ALEATORIOS.
EN ESTE CASO LOS PRIMEROS 10 NUMEROS SELECCINADOS FUERON
19, 09, 97, 73, 19, 72, 12, 13, 19,33, PERO SE EXCEDEN ALGUNOS DEL 60 QUE SON NUESTROS
PERIODOS DE NUESTRA JORNADA LABORAL ESTOS SE ELIMINAN Y SE SIGUEN TOMANDO LOS
NUMEROS HASTA QUE NOS QUEDA ASI:
19, 09,19, 12, 13, 19, 33, 12, 36, 17

8 | Pgina

9 | Pgina

NUMEROS
SELCCIONADOS
19
09
12
13
33
36
17
58
07

CLASIFICACION POR
ORDEN NUMERICO
07
09
12
13
17
19
33
36
58

HORA DE OBSERVACION
8:10 HRS
8:30HRS
9:00 HRS
9:10 HRS
9:50 HRS
10:10 HRS
12:40 HRS
13:10 HRS
16:50 HRS

NUESTRA HORA DE INICIO SERA A LAS 7:00 AM

EN ESTE CASO SACAMOS NUESTRO FACTOR QUE ES UN PERIODO DE 10 MIN
QUEDARIA DE LA SIGUIENTE FORMA
7+10MIN= 70MIN ESTO NOS DA QUE NUESTRA OBSERVACION SERA ALAS
8:10HRS

PROSEGUIMOS A REALIZAR LA PONDERACION

Se efectuaron 30 Observaciones, de las que se dedujo que las mquinas estaban paradas 30 por ciento del
tiempo (p = 9) y en marcha el restante 70 por ciento (q = 21). Ahora ya disponemos de 10s valores
aproximados de p y q ; para poder determinar 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 clculos el 95 por ciento de 10s casos corresponderan 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 :

n= 9*21/25 = 7.56 >> 8 observaciones

10 | P g i n a

11 | P g i n a

CONCLUSIONES
Estos mtodos que estuvimos analizando y practicando nos facilita el estudio
de algn proceso o actividad de una manera menos sofocante tanto para el
operario como para el analista por eso puedo concluir que cualquiera de los
mtodos anteriores arrojan resultados muy parecidos y que la eleccin del
mtodo que mas se adecue al tipo de actividad que se vaya a estudiar se deja
a criterio del especialista.