¿Qué es el Muestreo del Trabajo? Historia y Definición
Qué es el muestreo del trabajo, qué puede estimar y qué requisitos de diseño e interpretación exige una aplicación útil.
Actualizado:
El muestreo del trabajo estima qué proporción de un periodo se dedica a cada actividad mediante observaciones instantáneas seleccionadas según un plan probabilístico. Sirve para estudiar esperas, trabajo directo, preparación, desplazamientos o estados de máquinas sin observar continuamente toda la jornada. No sustituye todos los sensores ni todos los estudios de tiempos: la herramienta depende de la pregunta.
Qué mide y qué no mide
Una observación registra el estado encontrado, no cuánto duró ese episodio. Muchas lecturas bien distribuidas permiten estimar proporciones del tiempo dentro de la población y el periodo definidos. Para medir la duración de una operación concreta puede convenir el cronometraje; para conocer el inventario, contar unidades; para diagnosticar averías, revisar registros técnicos.
Define la unidad: persona-instante, máquina-instante o puesto-instante. Una visita en la que se registran diez personas produce diez participaciones, no diez visitas independientes. Personas observadas juntas pueden compartir condiciones y generar correlación.
Diseñar una clasificación útil
Separa, por ejemplo, trabajo directo, preparación, transporte, espera de material, espera de equipo, descansos y otros. Establece reglas para casos fronterizos: hablar puede ser coordinación necesaria y mantener una máquina es trabajo de soporte. Que una actividad no transforme el producto no significa que sea prescindible.
Las categorías deben cubrir los estados posibles sin solaparse. Pilota las definiciones y compara las clasificaciones de varios observadores. La lectura instantánea limita la reconstrucción de memoria, pero no elimina errores ni garantiza objetividad.
Cuántas observaciones hacen falta
Para planificar una proporción con un modelo simple de observaciones Bernoulli independientes y una aproximación normal:
$$n=\left\lceil\frac{z^2p_0(1-p_0)}{e^2}\right\rceil$$
Con confianza del 95 %, z=1,96 y p₀=0,5, se requieren 385 observaciones para un margen objetivo de 5 puntos porcentuales o 1.068 para 3 puntos. No es una garantía universal: cobertura, dependencia, ponderaciones y pérdidas importan. El valor z es un cuantil, no el nivel de confianza en sí.
Una muestra grande no corrige un turno excluido ni una clasificación sesgada. Los registros individuales siguen siendo estados discretos; la aproximación normal se refiere a la distribución muestral de la estimación cuando se cumplen sus condiciones. Para intervalos de una proporción pueden utilizarse métodos como Wilson, especialmente cerca de cero o uno.
Ejemplo didáctico
Supongamos 600 observaciones de persona-instante, tomadas con un diseño adecuado:
| Estado | Registros | Proporción |
|---|---|---|
| Trabajo directo | 360 | 60 % |
| Preparación y soporte | 120 | 20 % |
| Esperas | 90 | 15 % |
| Descansos | 30 | 5 % |
El 60 % es una estimación agregada, no una calificación de cada trabajador. Con el modelo simple, su margen normal aproximado al 95 % es de 3,9 puntos. El 40 % restante no equivale a ahorro eliminable. Para investigar el 15 % de esperas hacen falta causas verificadas, volumen, calidad y condiciones de suministro.
Ejecución y protección de datos
Distribuye instantes entre los turnos, días y cargas que quieras representar. Evita sincronizar rondas con ciclos; registra retrasos y pérdidas. Aleatorizar no garantiza independencia ni elimina la reacción a ser observado. Comunica el propósito, forma al equipo y revisa posibles cambios de comportamiento sin descartar datos por conveniencia.
Minimiza datos personales y limita accesos y conservación según la finalidad y la base jurídica aplicable. Agregar resultados no convierte automáticamente en anónimos los registros identificables ni garantiza cumplimiento del RGPD.
Relación con OEE y WorkSamp
El OEE es disponibilidad × rendimiento × calidad. Además de tiempos, necesita ciclo ideal y cantidades totales y buenas. Clasificar personas como activas o inactivas no proporciona por sí solo esos componentes. El wrench time estima una categoría definida de trabajo directo de mantenimiento, no toda su productividad.
WorkSamp facilita la planificación de observaciones y el registro de categorías. Los cálculos no sustituyen el diseño y la validación de los datos.
Preguntas frecuentes
¿El muestreo mide minutos exactos? No por episodio: estima proporciones que pueden convertirse en tiempo equivalente sobre una base temporal compatible.
¿385 registros siempre bastan? No. Ese resultado responde a parámetros y supuestos concretos para una proporción.
¿Es mejor que un sensor? Depende del estado que deba captarse, la calidad del registro, el coste total y los requisitos de privacidad.