UNIVERSIDAD TECNOLGICA DE EL SALVADOR

ESCUELA DE CIENCIAS APLICADAS

DEPTO. DE INGENIERA INDUSTRIAL
ESTUDIO DEL TRABAJO II

MUESTREO DE TRABAJO
El muestreo de trabajo es un medio de determinacin de datos para medir
las actividades y las demoras de los hombres y/o mquinas.
Mide la utilizacin del tiempo por los hombres y las mquinas. Mediante
observaciones casuales.
El muestreo de trabajo utiliza muestras de ejecucin y no un instrumento
para medir el tiempo. Establece los resultados mediante las leyes de
probabilidades.
Se han utilizado estudios de tiempo denominados de 24 horas, en los que se
requiere una observacin continua del trabajador o de la mquina.
El muestreo de trabajo depende de observaciones casuales del estado de la
mquina o del trabajador, siendo menos tediosos y menos costoso que el
anterior.
Presumiendo que deseamos determinar qu proporcin de la jornada de
trabajo es utilizada eficientemente por el trabajador, lo observamos 50
veces diarias escogidas al azar, durante 1 2 das, y encontraremos los
resultados algo parecidos a lo siguiente:
Estado
Trabajando
Ocioso

////
////
////

Marca
//// //// ////
//// //// ////
////

Total
40
10

De las 50 observaciones, diez nos indican que el trabajador estaba ocioso.

Esto quiere decir que dicho individuo estaba ocioso el 20% del tiempo que
fue observado.
El principio utilizado es suponer que el porciento de observacin que
reportaron al trabajador ocioso es una medida confiable del % de tiempo
que la operacin est en dicho estado, si se hacen suficientes
observaciones.
L.H.C. Tippet fue el primero en describir el mtodo que el mismo utilizo en la
industria textil para medir las demoras de los operadores y de las mquinas;
de all que al muestreo de trabajo se le conoce tambin con el nombre de
Proporcin de Demoras.
El muestreo de trabajo se basa en el principio de que una muestra casual
extrada de un gran grupo de muestras, tiene el mismo patrn de
distribucin que el grupo de donde es extrada.

EL NIVEL DE CONFIANZA
1

El nivel de confianza debe determinarse antes de que comience el muestreo

de trabajo. Se refiere al grado de confianza que debemos tener en relacin
con las cifras de las muestras.
De esta forma, una desviacin estndar de 1.96% nos dar una confianza
de un 95% en el sentido de que las cifras casuales representan a los hechos
y que las mismas sern incorrectas tan solo un 5% de las veces.
Si utilizamos una desviacin estndar de 1.00, el lmite de confianza ser
de 68% es decir que podemos estar equivocados el 32% de las veces.
La frmula para el error estndar de un porcentaje es:

s p

p 1 p
N

Donde s = error estndar de un %

P = % expresado en forma decimal
= # de desviaciones estndar tomadas en el nivel de confianza
N = Nmero total de observaciones casuales
En el muestreo de trabajo no solo se requieren niveles de confianza, sino
tambin niveles de exactitud. El analista desea obtener resultados que sean
suficientemente exactos, pero no excesivamente, ya que el nmero de
observaciones casuales aumenta al aumentar la exactitud requerida.
Frecuentemente una exactitud de 5% es suficiente.
EJEMPLOS DE UTILIZACIN DEL MUESTREO DE TRABAJO
1- Muestreo de trabajo en la sala de telares de una industria textil.
Se hizo un estudio en la sala de telares de 108 tejedores y 216
telares.
El estudio dur un perodo de tres semanas en cuyo lapso se hicieron
ms de 11 000 observaciones.
Se encontr que el 36.22% del tiempo de los tejedores era ocioso, y
que la carga de trabajo era tan solo de un 63.78%.
Al aumentar la carga de trabajo se produjo una mayor oportunidad de
aumentar la productividad, y por consiguiente, las utilidades.
2- Anlisis de Muestreo de trabajo en una sala de mquinas trituradoras
de una fbrica de ladrillos.
Un total de aproximadamente 1 100 observaciones fueron hechas, y
las mismas mostraron que las mquinas operaban tan solo el 61.3%
del tiempo, y el resto estaban paradas, un 13.5% debido a descansos
de la mano de obra, y un 25.2% del tiempo debido a reparaciones.
Se demostr que mejorando la supervisin una gran parte del tiempo
desperdiciado se poda aprovechar. Tambin se sugiri el re arreglo en
forma ms sistemtica de las cargas de trabajo como un posible
medio de aumentar la productividad.
2

El muestreo de trabajo es muy verstil y puede ser utilizado en diversas

formas:
a) Para ayudar a definir un problema determinado se pueden hacer
miles de observaciones para determinar la utilizacin y el grado de
productividad y posteriormente adoptar la accin que se desprenda
de dichas observaciones. El muestreo de trabajo brinda un aviso
anticipado de las condiciones que necesitan atencin.
b) Como ayuda en el establecimiento de metas para los supervisores.
Se requiere la cooperacin de los ejecutivos y los mismos deben
ayudar en el programa de muestreo de trabajo.
Los resultados del estudio de muestreo de trabajo deben ser
considerados como bases de la accin correctiva y de las prcticas
adecuadas. Los supervisores y los directores de la empresa deben de
trabajar juntos para hacer los cambios necesarios a pesar de
cualquier idea pre hecha. El muestreo de trabajo brinda medidas de
actividades comprensibles para el ejecutivo. El habr participado en
la creacin de las mismas. De esta forma dispondr de datos en los
que puede confiar.
c) Para determinar cualquier variacin cclica en las cargas de trabajo.
El muestreo de trabajo es til aun cuando las cargas de trabajo sean
variables. El muestreo de trabajo es capaz de realizar mediciones a
pesar de que las cargas de trabajo no sean constantes y puede medir
el efecto de las variaciones.
Se puede llevar a cabo estudios diferentes en los perodos de gran
actividad y en los de muy poca actividad. De esta forma quedaran al
descubierto problemas de exceso de personal u otros de similar
naturaleza.
d) Como ayuda en los anlisis econmicos de las necesidades de equipo.
Los estudios de muestreo respecto a la utilizacin de las mquinas
ayudan a determinar la necesidad de sustituciones de equipo. Los
datos obtenidos pueden ser comparados con los datos registrados por
el control de produccin.
El tiempo de servicio para mantenimiento, la operacin colectiva de
mquinas, la falta de material, el tiempo ocioso, etc. Son algunos de
los factores que pueden estar sujetos al estudio del muestreo de
trabajo. Este tipo de estudio tambin analiza la naturaleza cclica del
empleo de las mquinas.
e) Como ayuda en el planeamiento de los requisitos de mano de obra.
Los estudios que se hacen de las mquinas, estn estrechamente
relacionados con los estudios de los trabajadores. El muestreo de
3

trabajo hace posible el estudio de los requisitos de mano de obra y

con ello facilita el establecimiento de cargas de trabajo.
f) Como ayuda en la medicin de la ejecucin general.
Con el muestreo de trabajo se puede medir el comportamiento o
ejecucin general de un taller o de una oficina mediante la
agrupacin de actividades, hace posible controlar las actividades
generales de una gran organizacin. Las decisiones importantes como
el aumento de la mecanizacin pueden basarse en estos anlisis.
g) Como ayuda en el establecimiento de estndares y tolerancias.
El muestreo de trabajo puede ser utilizado para establecer estndares
de tiempo, aun cuando para ello sea necesario llevar a cabo muchas
observaciones. Tambin, la necesidad de calificar la ejecucin puede
llevarnos a errores. No se recomienda que se utilice el muestreo de
trabajo para estudios de tiempo muy detallados, aun cuando para el
anlisis general del trabajo indirecto es bastante aceptable. Es
tambin muy til para el establecimiento de tolerancias temporales
en los estudios de tiempo.
h) Otros Usos:
12345-

Para
Para
Para
Para
Para

establecer el contenido de los puestos.

ayudar a los supervisores a organizar su tiempo.
apreciar los factores de seguridad.
valorar la eficiencia del taller.
valorar prcticas especificas del taller.

Todas las personas que se vean afectadas por un estudio de muestreo

de trabajo debern ser informadas previamente al estudio.
Los trabajadores debern trabajar normalmente y se debern
anunciar las fechas en las que se llevaran a cabo los estudios.
PUESTA EN PRCTICA DE UN ESTUDIO
El primer paso es clasificar las actividades que se van a estudiar en
categoras.
Estas deben ser concisas y claras deben poder ser reconocidas mediante
observacin visual y deben de tomar en consideracin los objetivos del
estudio.
Mientras menos categoras haya, ms fcil ser llevar a cabo el estudio.
A menor nmero de categoras, menor nmero de detalles obtenidos por el
estudio.
La confianza aumenta al disminuir las categoras en relacin con un nmero
determinado de observaciones.
Al clasificar las categoras, estas deben estar escritas con la suficiente
claridad para reducir al mnimo el juicio necesario para identificarlas. Toda
4

persona que se interese en estos estudios deber poder comprender estas

definiciones.
DETERMINACIN DE LOS TIEMPOS CASUALES DE OBSERVACIN
Esta determinacin depender de la jornada de trabajo. Si el perodo es de 8
horas, se deber seleccionar un nmero casual de 3 dgitos. Si el primer
nmero de tres dgitos es 034, esto se interpretar de la siguiente manera:
Cero horas y 34 minutos a partir del momento de inicio. Por consiguiente si
la jornada comienza a las 8.00 a.m., la observacin casual deber hacerse a
las 8:34 a.m.; si el prximo dgito es 997, deber ignorarse para un perodo
de tiempo de 8 horas. Si el siguiente es 167, la observacin casual se har a
las 10:47 a.m.
Las otras observaciones se determinan de igual forma y se ordenan para
mayor conveniencia y facilidad.
El nmero de observaciones hechas en un da est determinada por:
a) La duracin total del estudio
b) La exactitud requerida por el estudio
c) El tiempo requerido para hacer una ronda de observaciones.
El nmero total de observaciones vendr dado por el porcentaje de
actividad (p) y los lmites de exactitud y confianza requeridos.
Ejemplo:
Presuponiendo que se ha llevado a cabo un estudio breve de un da o dos en
un taller de mquinas, que los trabajadores han estado ociosos un 25% del
tiempo, que se desea una exactitud del 5% y un lmite de confianza de 95%,
el nmero necesario de observaciones para los datos anteriores sera el
siguiente:

s p

p 1 p
N

p 1 p
4 p 1 p
0.0025 p 2
N
N
4 1 p
1600 1 p
N

4 800 observaciones
p
0.0025 p

0.05 p 2

Para determinar la exactitud de una serie de cifras, se utiliza la formula

anterior y se encuentra s
TEORIA GENERAL DEL MUESTREO
Muestreo es el proceso de obtener una inferencia con relacin a las
caractersticas de un universo de artculos, por medio de examinar
cuidadosamente las caractersticas de un pequeo nmero de artculos,
sacados de ese universo
5

TCNICAS DE MUESTREO
En general, hay tres mtodos comunes de obtener muestras:
1.- Muestreo al azar:
2.- Muestreo sistemtico
3.- Muestreo selectivo estratificado
El concepto de azarosidad es algo intuitivo; una definicin precisa es difcil
de obtener, pero puede ser descrita fcilmente como el mtodo de obtener
muestras cuando no existe un orden conexin entre los artculos
presentes.
La condicin de azarosidad se cumple cuando:
1) Cada artculo seleccionado debe ser completamente independiente de
cualquier otro.
2) Cada artculo debe tener igual probabilidad de ser seleccionado.
3) La caracterstica a ser medida no debe cambiarse variarse durante el
proceso de muestreo.
MUESTREO SISTEMATICO
Es el mtodo en el cual es mantenido un intervalo constante entre los
artculos seleccionados. Por ejemplo: Cuando formamos una muestra de
documentos, seleccionando de un archivo un documento por cada diez de
ellos.
Si la caracterstica que estamos midiendo no tiene relacin
con el orden de los documentos en el archivo, la muestra sacada
sistemticamente puede producir un resultado de azarosidad en la
caracterstica siendo medida.
MUESTREO SELECTIVO
Consiste en la seleccin de una muestra (al azar sistemtica) de una
porcin porciones del total del universo de artcu1os, para limitar el
nmero de artculos obtenidos.
Usualmente existe razn para que la porcin porciones escogidas sean
suficientes para los objetivos deseados.
Estratificar una muestra puede sin embargo llevarnos a conclusiones
errneas principalmente cuando la estratificacin no es totalmente
apreciada.
Un ejemplo de este tipo de muestreo podra ser cuando una encuesta de
opinin se basa nicamente en una muestra de personas que tienen
telfono.
OBTENIENDO INFERENCIAS POR MEDIO DE MUESTRAS
Todo muestreo es hecho con el propsito de conocer algo.
En ingeniera industrial, el trabajo de muestreo es desarrollado usualmente
para estimar algo.
6

Si fuera posible medir una caracterstica con una precisin absoluta, y si

todos los posibles artculos conteniendo esta caracterstica puedan ser
medidos econmicamente, entonces una situacin de certeza puede ser
obtenida.
Como un ejemplo de certeza, supngase que tenemos una caja.
conteniendo 24 latas de jugo de tomate, y deseamos conocer la cantidad
promedio contenida en una lata. Asumiendo que podernos medir con gran
precisin, podramos encontrar que es de 8.01056 onzas variando las latas
entre 8.0001 y 8.01567. En este momento, nuestro conocimiento con
relacin al contenido de las 24 latas es una certeza.
Debemos pensar tambin que nuestra caja de 24 latas puede ser
considerada como una gran cantidad producida (digamos 10 000 cajas) en
este caso, no estamos dispuestos a establecer con certeza el peso de las
otras 9 999 cajas. Lo que nos da una regla del muestreo que dice: A
pequeas muestras obtenidas, pequeo es el grado de confiabilidad que
podernos esperar de nuestros resultados.
Muchos de nosotros estamos acostumbrados a pensar sobre ciertas
mediciones como certezas cuando en realidad son solo aproximaciones.
Es un buen pensamiento cientfico considerar todas las mediciones como
aproximaciones a la realidad.
La persona que intentar utilizar el Muestreo del trabajo, deber estar
consciente que esta tcnica nunca le proveer de situaciones de certeza;
pero que un margen de error determinado cientfica o matemticamente es
mejor que simplemente asumir que cualquier medicin es certeza.
EL MUESTREO Y LA LEY DE PROMEDIOS
La estadstica ha sido definida por Wiener como La ciencia de la
Distribucin.
Por distribucin se entiende el comportamiento de un fenmeno de acuerdo
a patrones.
El uso de la estadstica, es decir del grupo de herramientas matemticas y
filosficas, requiere que el usuario sea consciente de que la estadstica es
ms que toda una herramienta de anlisis.
El desarrollo histrico de esas herramientas ha sido ms que todo en las
reas de investigacin mdica, biolgica y agrcola.
En los ltimos aos, el crecimiento que ha tenido el control estadstico de
calidad, ha abierto muchas reas al uso de la de estadstica en la Industria.
LA LEY DE LOS PROMEDIOS
En todo muestreo, siempre hay una conviccin de parte de la persona que lo
efecta, de que el resultado de la muestra ser una medida til de la
caracterstica deseada. Pero como se ha visto anteriormente, el resultado
debe ser considerado solo como una aproximacin de la medida real.
7

La persona que muestrea deber minimizar el error en el resultado a travs

de una cuidadosa seleccin, mediciones precisas y aplicar una correcta
interpretacin. En el peor de las cosas, la ley de los promedios deber
protegerlo.
La ley de los promedios implica que las mediciones en una muestra sern o
muy poco diferentes a los contenidos en el universo, debido a que los
valores extremos tendern a cancelarse uno con otros.
Los estadsticos expresan esta ley de los promedios en dos fenmenos
separados:
1.- La Ley de los grandes nmeros
2. La curva normal del error.
LA LEY DE LOS GRANDES NUMEROS
La ley de los grandes nmeros establece que: si muestras son sacadas a1
azar de un universo de artculos, sucesivas muestras se distribuirn
aproximadamente de acuerdo a un mismo patrn.
Esta idea involucra dos asunciones bsicas:
1. Todas las cosas varan. No existen dos artculos exactamente iguales.
2. - Grupos de artculos provenientes del mismo universo tendrn la misma
distribucin cuando se plotea la frecuencia de ocurrencia contra la medicin.
Ejemplo:
Se sacan al azar de un universo sucesivas muestras de 1000 bulbos y se
arreglan los valores obtenidos en una distribucin discreta de frecuencias.
La ley de los grandes nmeros, nos dice que las distintas muestras tendrn
una distribucin parecida, no necesariamente igual.

Si tomamos las mismas 5 muestras y medimos la cantidad de lux que

emiten los bulbos en foot-candles, encontraremos distribuciones tales como
las mostradas en la siguiente tabla:

Esta tabla refleja los resultados de las muestras cuando se han tomado
mediciones.
Al plotear la distribucin de frecuencias para cada muestra, observaremos
que las cinco muestras presentan distribuciones similares.
LA CURVA NORMAL DE ERROR
La curva normal de error la cual es el otro tipo de fenmeno que la ley de
los promedios asume, se refiere al comportamiento de la muy conocida
curva norma1.
El principal uso de la curva norma1 en el muestreo del trabajo consiste en
definir los lmites entre los cuales estarn sucesivas muestras de
proporciones sacadas de la misma distribucin, usando un nivel de
probabilidad escogida por el usuario.
La curva norma1 de error establece que las extremas fluctuaciones
causadas por el muestreo cuando sucesivas muestras son obtenidas al azar
de un universo constante, tienden a eliminarse unas con otras.
Esto est de acuerdo con la ley de los promedios ya mencionada.

Ejemplo:
Se hacen 50 sucesivas rondas observando a 30 personas que trabajan en
una oficina, las categoras seleccionadas para la observacin son:
escribiendo y otras actividades. Despus de 50 rondas, la distribucin
de frecuencias de
Las categoras seleccionadas son las siguientes:
Ronda N

Escribiend
o

Otras
Actividade
s

Ronda N

Escribiend
o

Otras
Actividade
s

1
2
3

8
11
10

22
19
20

26
27
28

10
12
10

20
18
20
9

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

6
13
11
7
10
9
14
4
10
8
10
11
10
12
13
9
6
11
7
11
14
9

24
17
19
23
20
21
16
26
20
22
20
19
20
18
17
21
24
19
23
19
16
21

29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

9
12
10
5
7
10
13
10
8
15
10
9
10
8
13
9
12
9
6
11
10
10

21
18
20
25
23
20
17
20
22
15
20
21
20
22
17
21
18
21
24
19
20
20

Encontrar el % de valores que se encontrarn entre los lmites formados por

los intervalos de confianza
a) X 1
b) X 2
c) X 3
Y compare los valores observados con los dados por la curva normal los
cuales son: Si X es una variable aleatoria con distribucin normal (, ),
entonces se cumple que:
1. P( - < X < + ) = 0.6827, cuya proporcin es: 68.27%
2. P( - 2 < X < + 2 ) = 0.9545, cuya proporcin es: 95.45%
3. P( - 3 < X < + 3 ) = 0.9973, cuya proporcin es: 99.73%
Formulamos la Hiptesis:
Sea x = N de personas escribiendo por ronda.
Construimos el siguiente cuadro de distribucin de frecuencias
X
4
5
6
7
8
9
10
11

f
1
1
3
3
4
7
14
6

fx
4
5
18
21
32
63
140
66

d
- 5.84
- 4.84
- 3.84
- 2.84
- 1.84
- 0.84
0.16
1.16

d2
34.1056
23.4256
14.7456
8.0656
3.3856
0.7056
0.0256
1.3456

fd2
34.1056
23.4256
44.2368
24.1968
13.5424
4.9392
0.3584
8.0736
10

12
13
14
15

4
4
2
1
50

48
52
28
15
492

fx
n

2.16
3.16
4.16
5.16

4.6656
9.9856
17.3056
26.6256

18.6624
39.9424
34.6112
26.6256
272.72

492
9.84
50

d X X
Desviacin estndar

fd
n

272.72
5.4544 2.3355
50

CUADRO COMPARATIVO
% DEL REA

ENTRE LA DISTRIBUCION NORMAL Y LA

DISTRIBUCION OBSERVADA

Intervalos
De
Confianza

% de la
Curva
Normal

Intervalos
De la
Distribucin

frecuencia

% de la
Distribuci
n
Observada

[7.5045,
12.1755]
[5.169, 14.511]
[2.8335,
16.8465]

68.27%

[ 8, 12 ]

35

70%

95.45%
99.73%

[ 5, 14 ]
[ 3, 16 ]

48
50

96%
100%

CONCEPTOS ESTADISTICOS RELATIVOS AL MUESTREO DEI TRABAJO

El muestreo del trabajo se basa en las leyes de la probabilidad. Una muestra
extrada aleatoriamente de un gran conjunto o poblacin tiende a tener la
misma distribucin que dicha poblacin. Si la muestra es suficientemente
grande, sus caractersticas sern muy parecidas a las de la poblacin.
Con el trmino MUESTRA se denomina a los elementos extrados, y los
trminos POBLACIN o UNIVERSO sirven para designar el gran conjunto de
donde aquella se extrae.
El muestreo aleatorio requiere que no se introduzcan sesgos en el proceso
de muestreo, para lo cual cada una de las partes que componen eI universo
debe de tener la misma probabilidad de ser extrado.
NIVEL DE CONFIANZA
Es necesario decidir en primer lugar cual es el nivel de confianza deseado
en los resultados finales del muestreo del trabajo.
11

El nivel empleado ms corrientemente es el 95%, que es el rea situada

bajo la curva normal a X 2 Esto quiere decir que se tiene confianza en
que las observaciones aleatorias representan en el 95% de las veces, la
caracterstica d la poblacin que deseamos estimar.
Valor de sigma
3.5
4.0
rea bajo la curva
99.95 99.9

0.0
0

0.5

1.0

1.5

2.0

2.5

38.29 68.27 86.64 95.45 98.7

3.0
99.73

La frmula para estimar el nmero de observaciones para un nivel de

confianza del 68% 1 es :

Sp

p 1 p
En donde: S = Acuracidad deseada
N
P = % de presencia expresado en forma

decimal
N = N de observaciones aleatorias
ACURACIDAD DE LAS MEDIDAS
La acuracidad de los resultados del muestreo del trabajo merece un estudio
detallado, pues cuando se determina el grado de acuracidad deseado, de
hecho se determina el nmero de observaciones, lo que por consiguiente
afecta al tiempo y costo del estudio.
El fin que persigue con el estudio habr de sugerir el grado de acuracidad
de los resultados, pero sin que sea posible especificarlo de forma rigurosa
para cada una de las aplicaciones.
Al disear la muestra, el analista habr de tener en cuenta que los
resultados sean satisfactorios desde el punto de vista de la acuracidad, lo
mismo que desde el punto de vista econmico, Afortunadamente, en el
muestreo del trabajo el analista puede determinar de antemano el nmero
de observaciones necesarias para alcanzar un grado dado de acuracidad
estadstica.
CALCULO DEL NMERO DE OBSERVACIONES
Para fines prcticos, un nivel de confianza del 95% y una acuracidad de
5% pueden ser considerados satisfactorios.
Suponiendo adems que se emplea la Distribucin Binomial como base para
determinar el error tpico.
La frmula que da el nmero de observaciones ser:

Sp 2

p 1 p
En donde: S = Acuracidad deseada
N
12

P = % de presencia expresado en forma

decimal
N = N de observaciones aleatorias
Si se conoce la acuracidad deseada, hay todava 2 incgnitas en la ecuacin
(p y N).
Para hallar N, se atribuye a p un valor estimado en un estudio preliminar.
Ejemplo:
Se desea determinar el % del tiempo qu estn paradas unas mquinas
atornilladoras automticas, mediante un muestreo del trabajo, Suponga que
se ha decidido aceptar un nivel de confianza del 95% y una acuracidad de
5%. Se desea saber cuntas observaciones son necesarias.
Se hicieron 100 observaciones preliminares y aqu, 25 observaciones
indicaron que las mquinas estaban paradas
DATOS:
% de mquinas paradas es del 25%, de donde p= 0.25
y la acuracidad es: S= 0.05

Sp 2

p 1 p
N

p 1 p
N
p 1 p
4 p 1 p
0.0025 p 2 4

N
N
4 p 1 p
4 1 p
1600 1 p
N

2
0.0025 p
0.0025 p
p
0.05 p 2

1600 1 0.25
4 800 Observaciones.
0.25

Si despus de 500 observaciones los resultados fueran:

Mquinas trabajando
Mquinas paradas
Total de observaciones

= 350
= 150
= 500

Luego el valor de p sera del 30% con el cual habr que recalcular el valor
de N y tendremos:

13

0.05 0.30 2
0.015 2
0.000225
N

0.30 1 0.30
N

0.21
N
4 0.21
N

0.84
N

0.84
3 733 Observaciones.
0.000225

En un estudio conviene calcular N al final de cada da, para evaluar mejor

la marcha de un estudio.
* DETERMINACION DE LA ACURACIDAD PARA UN NMERO DADO DE
OBSERVACIONES.
Despus de terminado el estudio, se hace un clculo para determinar si los
resultados se encuentran dentro de la acuracidad deseada.
Esta comprobacin se puede real izar calculando en la frmula S en lugar
de N, segn se hizo anteriormente. Supngase qu los resultados finales del
estudio fueron los siguientes:
Observaciones de las mquinas trabajando
Observaciones de las mquinas paradas
Total de observaciones realizadas

Entonces p
Sp 2

1400
35%
4 000

p 1 p
N

S 0.35 2
S

= 2 600
= 1 400
= 4 000

0.35 1 0.35
0.35 0.65
2
4 000
4 000

0.01508
0.043 4.3%
0.35

Puesto que 4.3% es menor qu 5%, que era la acuracidad deseada, el

nmero de observaciones es suficiente.
En este caso se puede decir que existe una confianza deI 95% de que las
mquinas atornilladoras se encuentren paradas el 35% del tiempo.
La acuracidad de 4.3% indica que los resultados se encuentran dentro del
intervalo 4.3% de 35% ( 4.3 x 35 = 1.5) o sea que el valor verdadero
se
halla entre 33.5% y 36.5%.
14

RELACIN ENTRE LA ACURACIDAD DESEADA Y EL % DE PRESENCIA

DE UN ELEMENTO
Ejemplo:
Medida del tiempo de parada de un departamento de taladradoras.
El Director de una fbrica deseaba saber que % del tiempo total se
encontraban parados los operarios. El estudio se hizo con 12 operarios del.
Departamento A, y puso en evidencia que el tiempo de parada era del 10%
de la jornada de trabajo.
En este ejemplo, una acuracidad de 5%del tiempo de parada significa que
los resultados son los correctos dentro de un intervalo de 5% del 10% o
sea que el valor verdadero se encuentra entre 9.5% y 10.5%.
Si el tiempo de parada hubiese sido del 20% para una acuracidad de 5%,
el valor verdadero quedara entonces incluido en el intervalo de 19% y 21%.
CALCULOS MUESTRALES
DATOS:
- Nivel de confianza
95%
- Acuracidad 5%
- Un estudio preliminar indic p = 10%

Sp 2

p 1 p

0.05 p 2

N
p 1 p
N

0.10 1 0.10
0.10 0.90
2
N
N
N 14 400 Observaciones

0.05 0.10 2

Esto significa que fue necesario hacer 14 400 observaciones para medir el
10% de tiempo de parada con un nivel de confianza del 95% y una
acuracidad del 5%. Podra decirse que en 95 casos de cada 100, el grupo
de los 12 operarios se hallaban parados por trmino medio el 10% del da,
(48 minutos).
MTODO A SEGUIR EN UN ESTUDIO DE MUESTREO DEL TRABAJO
Fases de un estudio:
1.- Definicin del Problema
A- Especifquese los objetivos o fines del estudio
B- Descrbase detalladamente cada uno de los elementos que van a ser
medidos.
15

2.- Obtngase la aprobacin del supervisor del departamento en que se va a

llevar el estudio.
Hay que cerciorarse de que los operarios que van a ser estudiados, as
como el otro personal del Departamento, comprendan el fin perseguido
por el estudio.
3.- Determine la acuracidad deseada de los resultados finales, tambin hay
que especificar el nivel de confianza.
4.- Hgase una estimacin preliminar del % de presencia de la actividad o
espera que se va a medir, que se pueda basar en experiencias
anteriores,
sin embargo, es preferible llevar a cabo un muestreo preliminar durante
uno
o dos das.
5.- Diseo del Estudio:
A- Determnese el nmero de observaciones que se van a hacer.
B- Determnese el nmero de observadores necesarios.
C- Determnese el nmero de das o de turnos de trabajo necesarios para
el estudio.
D- Hgase planes detallados para efectuar las observaciones, tales como
la hora y la ruta a seguir por el observador.
E- Diseo del formulario de observacin.
6.- Efectense las observaciones de acuerdo al plan
A- Hgase las observaciones y antese los datos
B- Resmanse los datos al final de cada da.
C- Determnense los lmites de Control.
D- Ploteense los dato al final del da.
7.- Comprubese la acuracidad o precisin de los datos al final del estudio
8.- Preprese un informe con expresin de las conclusiones a que se hubiera
llegado.
REGLAS PRCTICAS PARA DETERMINAR EL N DE OBSERVACIONES
1- Determinacin de objetivos generales
100
2- Determinacin de objetivos especficos
500
(Causas de parada en las mquinas)
16

3- Estimacin de condiciones especificas

2
000
(Preparacin de mquinas, manejo de materiales, etc.)
4- Estimacin de utilizacin de la mano de obra
y de las mquinas.
5- Establecimiento de tiempos tipo,
000 determinacin de Suplementos.

4 000
Hasta

10

17