Muestreo Del Trabajo

Indice:
1.
Introducción

3. Aplicaciones del
autor
4.
Bibliografía

1.
Introducción
Esta investigación, trata de la importancia que
tiene el muestreo del
trabajo. En el caso de nosotros esta enfocada a la visión
que debe tener un ingeniero industrial en cualquiera que sea su
medio de trabajo.

En lo referente a este informe podemos
identificar algunos puntos importantes acerca del tema, como lo
son: la importancia y nesecidad de realizar "El Muestro del
Trabajo", para recolectar informacion de una determinada
"poblacion", ademas le presentaremos el concepto, sus
ventajas, la manera de llevarlo a cabo, los usos de esta y la
función
que esta tiene en la empresa, el
empleo de
diagramas de
control en esta
tecnica, se
explicara como se deben llevar a cabo las observaciones y los
registros de
datos de la
manera mas adecuada y efectiva para lograr un resultado de mayor
certeza, y así obtener un menor grado de "sesgo"
.

Mencionaremos como determinar la frecuencia de las
observaciones, tanto mediante una manera manual, como con
el uso de algún software, y explicaremos un
poco acerca del "diseño
de la forma tabular para el muestreo del
trabajo".

Explicaremos la aplicación de la computación en esta técnica, con la
que se facilita el proceso del
muestreo del trabajo, agilizando la obtención de datos y sus
resultados, disminuyendo notablemente el tiempo de
realización del proceso,
además de la disminución de los costos por
personal.
Mencionaremos algunos de los tipos de muestreo posibles a
realizar, y sus formas especificas de uso adecuándose a
los diferentes tipos de
empresas y sus necesidades de uso.

Finalmente daremos algunas de las aplicaciones reales
que se han dado ya, en el uso de esta técnica. Mostrando
los resultados de estos muestreos y así ejemplificar todo
lo antes mencionado.

2. Marco
teórico
Importancia del Muestreo
El muestro, como ya se mencionó, implica algo de
incertidumbre que debe ser aceptada para poder realizar
el trabajo,
pues aparte de que estudiar una población resulta ser un trabajo en
ocasiones demasiado grande, Wonnacott y Wonnacott ofrecen las
siguientes razones extras:

Recursos limitados: Es decir, no existen los recursos
humanos, materiales o
económicos para realizar el estudio sobre el total de la
población.
Escasez: Es el caso en que se dispone de una sola muestra.
Pruebas
destructivas. Es el caso en el que realizar el estudio sobre toda
la población llevaría a la destrucción misma
de la población.

El muestreo puede ser más exacto: Esto es en el
caso en el que el estudio sobre la población total puede
causar errores por su tamaño o, en el caso de los censos,
que sea necesario utilizar personal no lo
suficientemente capacitado; mientras que, por otro lado, el
estudio sobre una muestra
podría ser realizada con menos personal pero más
capacitado.

Muestreo de trabajo.
El muestreo de trabajo es una técnica 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 márgenes aplicables al trabajo,
para evaluar la utilización de las máquinas y
para establecer estándares de producción.

Ventajas del método
de muestreo de:
No requiere observación continua por parte de un
analista durante un período de tiempo largo.
El tiempo de trabajo de oficina
disminuye
El total de horas-trabajo a desarrollar por el analista es
generalmente mucho menor
El operario no esta expuesto a largos períodos de
observaciones cronométricas
Las operaciones de
grupos de
operarios pueden ser estudiadas fácilmente por un solo
analista.

Teoría de muestreo de trabajo.
La probabilidad de
x ocurrencias de un evento en n observaciones:
(p + q)^n = 1
p = probabilidad de
una ocurrencia
q = 1-p = probabilidad de que no haya ocurrencia
n = número de observaciones

Planeación del estudio de trabajo.
Una vez que el analista haya explicado el método y
obtenido la aprobación del supervisor respectivo,
estará en condiciones de realizar el planteamiento
detallado, que es esencial antes de iniciar las observaciones
reales.
El primer paso es efectuar una estimación preliminar de
las actividades acerca de las que buscan información. Esta estimación puede
abarcar una o más actividades. Con frecuencia la
estimación se puede realizar razonable, deberá
muestrear el área o las áreas de interés
durante un período corto y utilizar la información obtenida como base de sus
estimaciones.

Una vez hechas las estimaciones se debe determinar la
exactitud que sea de los resultados. Esto se puede expresar
mejor como una tolerancia
dentro de un nivel de confianza establecido. El analista
llevará a cabo ahora una estimación del
número de observaciones a realizar. Es posible
determinar la frecuencia de las observaciones.
El siguiente paso será diseñar la forma para
muestreo de trabajo en la que se tabularán los datos y
los diagramas de
control que
se utilizarán junto con el estudio.

Determinación de la frecuencia de las
observaciones
Esta frecuencia depende en su mayor grado de los números
de observaciones requeridas y de los límites
de tiempo aplicados al desarrollo
de los datos.
El número de analistas disponible y la naturaleza del
trabajo a estudiar influirán también en la
frecuencia de las observaciones. Un método que se puede
emplear consiste en tomar nueve números diariamente de
una tabla estadística de números aleatorios,
que varíen, asígnese a cada numero una cantidad
de minutos equivalente a 10 veces al valor del
número. Los números seleccionados pueden fijar
entonces el tiempo desde el inicio del día de trabajo
hasta el momento de efectuar las observaciones.

El software
también permite el ingreso como entrada de condiciones
especiales; Otro medio para ayudar a los analistas decidir
cuando hacer observaciones diarias es un recordatorio
aleatorio. Este instrumento de bolsillo avisa por medio de un
sonido que
es el momento de realizar la siguiente observación.

Diseño de la forma tabular para muestreo de
trabajo.
El analista necesitará idear una forma de registro de
observaciones para anotar de la mejor manera posible los datos
que serán recopilados en la realización del
estudio de muestreo de trabajo.

Empleo de los diagramas de control.
Tales estudios tratan exclusivamente con porcentajes o
proporciones, el diagrama se
emplea con mucha frecuencia.
El primer problema encontrado en la elaboración de un
diagrama de
control es la elección de los límites, se buscan
un equilibrio
entre el costo de
localizar una causa asignable cuando no exista ninguna.
El mejoramiento debe ser un proceso continuo y el porcentaje de
tiempo muerto tiene que disminuir. Uno de los objetos del
muestreo de trabajo es determinar áreas de actividad que
podrían ser mejoradas. Los diagramas de control se
pueden emplear para mostrar el mejoramiento progresivo de
áreas de trabajo. Esta idea especialmente importante si
los estudios de muestreo de trabajo se utilizan para establecer
tiempos estándares, pues tales estándares deben
cambiarse siempre que las condiciones varíen a fin de
que sean realistas.

Observación y registro de
datos.
Se debe caminar a un punto o una cierta distancia del equipo,
efectuar su observación y registrar los hechos. El
analista debe aprender a efectuar observaciones o
verificaciones visuales y realizar las anotaciones
después de haber abandonado la zona de trabajo. Esto
reducirá al mínimo la sensación de ser
observado que experimentaría un operario, el que
continuaría trabajando así en la forma
acostumbrada.

Muestreo de trabajo para el establecimiento de
márgenes o tolerancias, utilización de una
máquina y establecimiento de estándares de mano
de obra directa e indirecta.
La técnica se usa también para establecer
estándares de producción, determinar la
utilización de máquinas, efectuar asignaciones de
trabajo, mejorar métodos
y establecimiento de estándares de mano de obra; las
tolerancias por motivos personales y demoras inevitables se
determinaban frecuentemente efectuando una serie de estudios de
todo el día sobre varias operaciones y
promediando luego sus resultados; el número de idas al
gabinete sanitario y al bebedero o fuente de agua, el
número de interrupciones etc., se podrían
registrar, cronometrar, analizar, y determinar luego una
tolerancia
justa o de confianza; los elementos que entran dentro de las
demoras personales e inevitables se pueden mantener separados y
determinar una tolerancia equitativa para cada clase o
categoría.

Muestreo de trabajo computarizado.
Mediante una computadora
puede ahorrarse un 35% del costo total
de un estándar de muestreo de trabajo. La mayor parte
del trabajo relacionado con el resumen de los datos de muestreo
es de gabinete u oficina, al
mecanizar o automatizar el proceso de cálculos
repetitivos, las computadoras
pueden evaluar no solamente los resultados diarios sino
también los acumulados.

Función del Muestreo del trabajo.
El método de muestreo de trabajo es otra herramienta que
permite al analista de estudio de tiempos obtener los datos de
manera más rápida y fácil.
El muestreo de trabajo calificado por ejecución es
especialmente útil para determinar la cantidad de tiempo
que puede ser asignada por retrasos inevitables, suspensiones
de trabajo, etc. En resumen, deben tenerse presentes las
siguientes consideraciones:

Explicar y lograr la aceptación del método
de muestreo de trabajo antes de utilizarlo.
Limitar los estudios individuales a grupos
similares a máquinas u operaciones
Utilizar un tamaño de muestra lo más grande
posible
Efectuar observaciones individuales en momentos al azar
Realizar las observaciones en un período razonablemente
largo.

Tipos de Muestras:
Hay dos principios
alternativos que pueden seguirse cuando se elige una
muestra:

• Muestra aleatoria, en que el azar determina que
  elementos se seleccionan (Figura 1),
• Muestra no aleatoria, en que el investigador
  deliberadamente elige los objetos que han de ser estudiados
  (Figura 2).

Figura 1 Figura 2

Muestra aleatoria.

El principio de la selección
de los elementos en una muestra aleatoria es el mismo que cuando
se reparten la baraja. Todos los objetos de la población
tienen iguales probabilidades de ser seleccionados en la muestra.
Esta probabilidad es llamada razón de muestreo (sampling
ratio en inglés), y es igual al número de
elementos de la muestra dividido por el número de la
población.
Hay métodos
alternativos para crear una muestra aleatoria (en otras palabras,
una "muestra de probabilidad"):

1. Muestra aleatoria simple: La muestra se extrae a
   suertes, por ejemplo sacando papeletas numeradas de un
   sombrero. Trabajar con papeletas es laborioso si la
   población es amplia. Pero si tenemos la
   población en un fichero de ordenador, el trabajo
   será fácil.
3. Muestra sistemática: Si la razón que
   se pretende es 1/n, empezamos escogiendo el primer elemento
   al azar entre los primeros n objetos de la población,
   y tras ello extraemos cada n-avo objeto. Esto es conveniente
   si tenemos una lista de objetos de la
   población.
4. Muestra aleatoria ponderada: Cuando la
   población incluye un grupo muy
   pequeño pero esencial, hay el riesgo de que
   ningún miembro de ese grupo
   quede dentro de una muestra aleatoria. Para evitar esto,
   podemos incrementar deliberadamente la razón de la
   muestra sobre este grupo de especial importancia.
   Por supuesto que esto generará un desequilibrio en las
   mediciones que se obtengan a partir de la muestra ponderada,
   pero será fácil restaurar el equilibro
   original. Esto se hace así cuando se combinan los
   resultados; por ejemplo, al calcular la media de todas las
   mediciones daremos a las mediciones de cada grupo su peso
   apropiado correspondiente a los porcentajes genuinos en la
   población.

Muestras no aleatorias:
Si consideramos que no precisamos cifras exactas sobre la
representatividad estadística de nuestros resultados,
podríamos plantearnos el usar una muestra no aleatoria (o
"no probabilística"), lo que significa que elegiremos a
voluntad nuestra. Podemos considerar que esto puede ayudarnos a
obtener los elementos que necesitamos estudiar directamente y,
además, actuar sin los tediosos procesos de
selección aleatoria y verificación
estadística.
Sin embargo, hay una desventaja: corremos un gran riesgo de obtener
demasiado sesgo en la muestra. No seremos capaces siquiera de
advertir la presencia, y menos aún la cantidad, de sesgo
si hacemos personalmente la selección de la muestra. Y la
presencia de sesgo puede hacer imposible generalizar nuestros
resultados.
Un modo de reducir el sesgo hasta cierto punto es dejar a otra
persona o
grupo la selección de los elementos.

Entre los tipos comunes de muestras no aleatorias se
incluyen,

1. Una muestra de "casos típicos" o los
   "mejores" casos son algo bastante tradicional en historia del
   arte: estudiamos solamente los "grandes maestros". La
   idea es que éstos representan lo más
   auténtico de su época. Tal selección
   deliberada por parte del investigador tiene no obstante
   riesgos
   serios, que se tratan en el punto Delimitar
   el objeto de estudio.
2. Muestra de conveniencia. Un grupo existente, por
   ejemplo la gente en una reunión, podría ser
   designado como muestra. Este es un método
   fácil y barato, pero el sesgo suele ser imposible de
   estimar. El método es popular en las demostraciones
   de cursos
   sobre métodos, pero raramente usado en la investigación profesional.

   Hay dos cuestiones que plantearse:
   ¿Es cierto que todos los miembros de la
   población concernida tenían las mismas
   oportunidades de ser incluidos en la muestra?
   Por definición, los voluntarios difieren de la media
   de la población en su mayor actividad. La
   cuestión crucial entonces es ¿difieren del
   resto de la población también en otros
   aspectos?.

3. Muestra de voluntarios es creada cuando todos los
   miembros de la población tienen la oportunidad de
   participar en la muestra. Un ejemplo es la respuesta
   voluntaria de los clientes que llega a una
   empresa;
   igualmente, las respuestas que un investigador recibe a un
   anuncio en un periódico pidiendo a la gente sus
   opiniones.
   Una muestra de voluntarios suele ser una alternativa bastante
   sensata; no obstante, el investigador debe considerar
   cuidadosamente los riesgos de
   sesgo.
4. Muestra-bola de nieve. Cuando se entrevista
   a miembros de un grupo, podemos pedir a las personas que nos
   indiquen otros individuos en ese grupo que estén en la
   mejor posición para dar información sobre ese
   tema; podríamos también pedirles que nos
   indicasen personas que compartan sus puntos de vista y
   también otras que sean de opinión opuesta.
   Entonces entrevistaremos a nuevos individuos y continuaremos
   del mismo modo hasta que no obtengamos nuevos puntos de vista
   de nuevos entrevistados. Este es un buen método por
   ejemplo para recoger los distintos puntos de vista existentes
   en un grupo, pero su inconveniente es que no obtenemos una
   idea exacta de la distribución de las
   opiniones.

Tamaño de la muestra:
Muestras aleatorias:
Teóricamente, podemos calcular el tamaño requerido
de la muestra sobre la base de:

• El número y tipo de variables
  y
• El nivel deseado de representatividad
  estadística.

Hay que hacer notar que las poblaciones amplias
sólo requieren en casos excepcionales unas muestras
mayores que las poblaciones pequeñas. Algunos centenares
de casos casi siempre son suficientes.
Las formulas para el cálculo
son exactas pero algo engorrosas de usar por las muchas
alternativas que intervienen; por ese motivo no se presentan
aquí. En proyectos
importantes con amplios recursos se suele
consultar a un estadístico para los cálculos.
En un proyecto de
investigación con recursos
limitados, la regla general es: usar una muestra tan amplia como
nos podamos permitir.

Recuérdese también que es inútil
incrementar el tamaño de la muestra si el principio de
muestreo está sesgado. La muestra añadida
simplemente estará igual de sesgada.

Muestras no aleatorias:
No hay fórmula para determinar el tamaño de una
muestra no aleatoria. Con frecuencia, especialmente en investigación cualitativa, podemos
simplemente ampliar gradualmente nuestra muestra y analizar los
resultados según llegan. Cuando en casos nuevos ya no se
presenta información nueva, podemos concluir que nuestra
muestra está saturada, y terminaremos el trabajo. Este
método es, sin embargo, muy vulnerable al muestreo
sesgado, con lo que tenemos que ser muy cuidadosos y asegurarnos
que no omitimos a ningún grupo de nuestra
población.

Antes de decidir el tamaño de una muestra no
aleatoria, tal vez queramos leer cómo debe ser evaluada la
representatividad de los resultados a partir de una muestra no
aleatoria. De otro modo podríamos sufrir una sorpresa
bastante desagradable cuando estemos intentando, demasiado tarde,
definir la población en que nuestros resultados puedan ser
declarados válidos.

Para calcular el tamaño de una muestra hay que
tomar en cuenta tres factores:

1. El porcentaje de confianza con el cual se quiere
   generalizar los datos desde la muestra hacia la
   población total.
3. El porcentaje de error que se pretende aceptar al
   momento de hacer la generalización.
4. El nivel de variabilidad que se calcula para
   comprobar la hipótesis.

La confianza o el porcentaje de confianza es el
porcentaje de seguridad que
existe para generalizar los resultados obtenidos. Esto quiere
decir que un porcentaje del 100% equivale a decir que no existe
ninguna duda para generalizar tales resultados, pero
también implica estudiar a la totalidad de los casos de la
población.

Para evitar un costo muy alto para el estudio o debido a
que en ocasiones llega a ser prácticamente imposible el
estudio de todos los casos, entonces se busca un porcentaje de
confianza menor. Comúnmente en las investigaciones
sociales se busca un 95%.

El error o porcentaje de error equivale a elegir una
probabilidad de aceptar una hipótesis que sea
falsa como si fuera verdadera, o la inversa: rechazar a hipótesis verdadera por considerarla falsa.
Al igual que en el caso de la confianza, si se quiere eliminar el
riesgo del error y considerarlo como 0%, entonces la muestra es
del mismo tamaño que la población, por lo que
conviene correr un cierto riesgo de equivocarse.

Comúnmente se aceptan entre el 4% y el 6% como
error, tomando en cuenta de que no son complementarios la
confianza y el error.

La variabilidad es la probabilidad (o porcentaje) con el
que se aceptó y se rechazó la hipótesis que se
quiere investigar en alguna investigación anterior o en un
ensayo previo
a la investigación actual. El porcentaje con que se
aceptó tal hipótesis se denomina variabilidad
positiva y el porcentaje con el que se rechazó se la
hipótesis es la variabilidad negativa.

3. Aplicaciones del
autor

Ejemplos propuestos y resueltos

• La encuesta de
  opinión política
• Auditoría contable, inventario
  muestral y registro en libros.
• Consumo de gasolina en vehículos de servicio
  público
• La distribución del tiempo libre
• El rating de T.V
• La medida de desempleo
• La productividad
  de café
  tipo base
• Plan de control de
  calidad
• Consumo medio de un producto

Ejemplo: Consumo medio
de un producto.
Estudio sobre precios de
Medicamentos en Costa
Rica

Si usted tiene que comprar medicamentos en farmacias
privadas o conoce a alguien que tenga que hacerlo con frecuencia,
este informe le
será de mucho interés.
Por favor tómese su tiempo y lea este importante
documento.

Delimitación del Estudio:

La recolección de la información se
realizó en el mes de agosto del 2000. Se incluyeron 150
farmacias distribuidas en todo el país.

Tabla #1 / Fuente: Base de datos. V
Informe de Medicamentos. Agosto, 2000.

Variación de los precios de los
medicamentos Ago. 1998- Ago. 2000

La tabla No. 2 muestra la variación de los
precios al consumidor con
respecto a cada uno de los Informes. Se
destaca el sostenimiento de los precios en el período
entre agosto de 1999 y agosto del 2000 en las provincias de
Heredia y Alajuela con un aumento de los precios de venta al consumidor de un
2.85% y un 3.74%, indicadores
muy inferiores a la inflación del período (11.39%).
En términos totales, el crecimiento de los precios de los
medicamentos fue de un 6.61%, inferior a la inflación
acumulada en un 4.78 puntos. Esto indica que, en términos
relativos, al comprador de medicamentos continúa
percibiendo una rebaja en los precios.

Tabla 2. Suma del costo de la canasta de medicamentos en
las farmacias seleccionadas de la Gran Área
Metropolitana.

Tabla # 2 / Análisis de Ganancias en las Farmacias del
Gran Área Metropolitana
Al realizar el análisis del margen de ganancia por
provincia en la etapa de venta al
consumidor comparando los resultados de con los cuatro Informes
anteriores, los datos comparativos son favorables para el
consumidor final.

Gráfico No. 1 Margen de Ganancia en el precio de
venta por provincia.
Fuente: Base de datos. V
Informe de Medicamentos. Agosto, 2000.
Gráfico No. 2. Márgenes de ganancia promedio en
Provincias en Costa
Rica.

Fuente: Base de datos. V Informe de Medicamentos.
Agosto, 2000.
Alajuela es la provincia donde las farmacias tienen menor margen
de ganancia promedio y Puntarenas es la provincia donde las
farmacias trabajan con un mayor margen promedio. El margen de
ganancia promedio nacional en farmacias es de un
26.92%.

4.
Bibliografía

www.uiah.fi/projects/metodi/252.htm
http://insiste.industrial.uson.mx/materias/m0902/t6.htm

www.uaq.mx/matematicas/estadisticas/xu5.html
http://matematicas.unal.edu.co/uniext/muestreo.html

http://www.netsalud.sa.cr/ms/farmacos/evalu_far.htm

Resumen:
Definición de la Técnica del "Muestreo del
trabajo", la importancia, la utilización, modo para
obtener y registrar las observaciones, importancia del software
en esta técnica, Ventajas, Tipos de muestras, las funciones, y
ejemplos de uso.

Autor:

Alejandro Patiño López.
Edad: 23 Años,
apl60[arroba]hotmail.com
Estudios realizados: Primer año en Ingeniería
Industrial. En la ULATINA C.R.
Johnny Valverde Campos.
Edad: 18 años,
fredrickreich[arroba]hotmail.com
Estudios realizados: Estudiante de Ingeniería Industrial. En ULATINA
C.R.