Se lee en 7 minutos
La Caja de Herramientas, Volumen 1: Calculador del Tamaño de las Muestras
[av_heading tag=’h2′ padding=’10’ heading=’La Caja de Herramientas, Volumen 1: Calculador del Tamaño de las Muestras’ color=» style=’blockquote modern-quote’ custom_font=» size=» subheading_active=» subheading_size=’15’ custom_class=» admin_preview_bg=» av-desktop-hide=» av-medium-hide=» av-small-hide=» av-mini-hide=» av-medium-font-size-title=» av-small-font-size-title=» av-mini-font-size-title=» av-medium-font-size=» av-small-font-size=» av-mini-font-size=»][/av_heading]
[av_textblock size=» font_color=» color=» av-medium-font-size=» av-small-font-size=» av-mini-font-size=» admin_preview_bg=»]
por Doug Paulin
Gerente Senior, Logile, Inc.
[/av_textblock]
[av_textblock size=» font_color=» color=» av-medium-font-size=» av-small-font-size=» av-mini-font-size=» admin_preview_bg=»]
Muchas personas que se encuentran administrando programas laborales, no cuentan con entrenamiento formal en conceptos de ingeniería que son increíblemente útiles para asegurar su éxito y el de su compañía. La Caja de Herramientas busca cubrir uno de estos conceptos cada mes, proporcionando instrucciones, plantillas y otras herramientas que puede poner en práctica.
Descargar la herramienta de este mes: Calculador del Tamaño de las Muestras
Bienvenido a la primera entrega de una oferta mensual de Logile, La Caja de Herramientas. A través de mis años de trabajo con personas líderes en programas de administración de la mano de obra, me he dado cuenta de que muchos de ellos han escalado a través de sus organizaciones para llegar a estos roles, adquiriendo gran experiencia sobre sus negocios, la industria y los clientes sobre la marcha. Sin embargo, en muchos casos estas personas nunca recibieron entrenamiento formal en conceptos útiles, herramientas y enfoques como parte de su desarrollo, que pueden serles de mucha ayuda en diferentes facetas de su rol acutal. El propósito de esta oferta regular es proveerle con entrenamiento y herramientas que puede poner en práctica al instante para lograr mejores resultados en sus programas de administración laboral.
Entonces, antes de empezar este mes con la teoría o la herramienta en sí, vamos a discutir un típico reto que se les presentan a los que trabajan en programas de administración laboral. Su empresa está considerando un cambio a un procedimiento operativo estándar. Tal vez presenta una nueva tecnología para mejorar la experiencia del cliente; una nueva estrategia mercantil, o sólo cambiar algo por cambiarlo (a todos nos ha pasado). En una organización donde el equipo de administración laboral se ha comprometido en la evaluación de posibles cambios en las operaciones (y si no es así, es tiempo de que el líder de su grupo intervenga), usted puede tener la tarea de evaluar el impacto de hacer este tipo de cambios. La compañía ha establecido un programa piloto en un lugar y usted ha viajado para observar el nuevo proceso. ¿Y ahora qué?
Si usted y su organización utilizan un sistema de tiempo y movimiento predeterminado como MOST, la respuesta puede ser simple (de no ser así, lo invitamos a que conozca los beneficios). Usted examina el proceso, escribe su descripciones de métodos, desarrolla sus modelos de secuencia, y calcula el tiempo para el proceso general, realizando posteriormente alguna forma de extrapolación en toda la organización para determinar el impacto del cambio potencial.
Sin embargo, ¿qué va a hacer si no usa un sistema de tiempo y movimiento predeterminado? Además, los sistemas como MOST sólo son útiles si hay un movimiento el cual estudiar. ¿Y si usted esta tratando de entender el impacto de un cambio que no se relaciona con el movimiento, como una máquina que procesa el tiempo o la interacción entre un cliente y un asociado que muestra un nuevo producto? La respuesta es: usted debe hacer un estudio de tiempo.
Asumiendo que usted conoce la maner apropiada para diseñar y manejar un estudio de tiempo, la pregunta sigue siendo – ¿cuántas veces debe observar y medir el proceso con un cronómetro? La respuesta correcta es; las veces que sean necesarias para lograr la exactitud estadística aceptable prescrita por su organización para tales datos. ¿Pero qué significa eso?
El estudio de tiempo, junto con muchas otras formas de colección de datos, es un proceso de muestreo. Lo que significa que podemos asumir que nuestras muestras se distribuyen normalmente por nuestra población desconocida (todas las veces de este proceso) promedio, y varianza desconocida.[i] El número de muestras que tendrá que reunir depende de cuán grande es la varianza o diferencia entre sus muestras. Sin profundizar demasiado en las estadísticas o la teoría, podemos utilizar enfoques estadísticos relacionados con poblaciones de muestra, para llegar a la siguiente ecuación y calcular la varianza basada en sus observaciones:
Con el estudio de tiempo casi siempre estamos tratando con una muestra inicial muy pequeña (recomendamos usar cerca de 30 muestras iniciales para este ejercicio). Debido a esto, hay que usar una distribución-t para estimar intervalos de confianza (la exactitud estadística prescrita por su organización antes mencionada). Esto produce lo siguiente:
Finalmente, podemos resolver que n determina el número total de muestras, además de la colección inicial que necesitamos medida:
Ahora que hemos concluido nuestra lección de estadísticas por hoy, ¿cómo utilizamos esta información?
Lo primero que debe hacer es configurar su estudio de tiempo utilizando la metodología adecuada (e.g., documentar todo el proceso, desglosarlo en elementos de trabajo, definir puntos de inicio y fin para cada elemento, etc.). Una vez que lo haya hecho, debe reunir una muestra inicial de tiempos. Recomendamos reunir 30 muestras de tiempo iniciales. Ya que tenga estos datos, todo lo que necesitamos es determinar la exactitud deseada y empezar a usar la herramienta proporcionada.
Esta exactitud se refleja en la tabla de distribución-t como Probabilidad (P), que refiere a la suma de los extremos de ambas áreas (derecha e izquierda) de nuestra distribución normal. En resumen, estamos definiendo las probabilidades de que una muestra caiga en la parte principal de nuestro gráfico en forma de campana (entre los extremos). Conforme aumentamos P, o las probabilidades de que la muestra caiga entre y no dentro de los extremos, incrementamos la exactitud de nuestra medición. Sin embargo, también aumentamos el número de muestras que debemos recolectar para lograr esta precisión. Una mejor práctica general, y lo que Logile recomienda, es pedir una exactitud del 95 porciento, o P = 0.05.
Gráfica 1 – Un ejemplo de una distribución normal (forma de campana) con los extremos resaltados en amarillo. Los extremos representan la porción de muestras que no entran en nuestra exactitud aceptable. A mayor valor P, menores áreas amarillas y más probabilidades de que una muestra caiga entre ellas.
Ya que hemos discutido la estadística en la que se basa este proceso, recolectado nuestras muestras iniciales y establecido nuestra exactitud deseada; veamos cómo usar la herramienta de este período (enlace de descarga en la parte superior de esta publicación).
Las instrucciones se enlistan en el documento, pero daremos un breve repaso. Primero, tome sus muestras (en segundos) y registrelos en celdas sombreadas en la columna B (comience en la celda B4). Elija el intervalo de confianza deseado en la celda G13 (predeterminado a 95 porciento). Cuando haya terminado, toda muestra que este fuera de los límites de control aceptables será resaltada en rojo – elimine estos valores. Una vez eliminados, la cantidad de muestras requeridas se mostrará en la celda G16, resaltada en verde.
Gráfica 2 – captura de pantalla de la herramienta de este mes – El Calculador del Tamaño de las Muestras
Lo que la herramienta hace es realizar las ecuaciones antes mencionadas, con las muestras que usted registra. Practique introduciendo valores inventados y modifique la Confianza, para ver cómo el cálculo y los valores de Muestras Requeridas cambian conforme usted incrementa o disminuye la Confianza, y su cambio al alterar la varianza entre sus valores.
Al igual que muchos procesos relacionados con la administración de la mano de obra, como el estudio de tiempo, hay una forma correcta de manejar el ejercicio para asegurar que usted produce el resultado más exacto posible. Las implicaciones de no calcular el tamaño correcto de muestras son el basar algo, como los estándares laborales, en datos que en realidad no representan los sucesos de sus tiendas. Para procesos que ocurren en gran volumen, como registrar transacciones para un retailer, un mal estándar basado en una medición inadecuada puede resultar en, ya sea, millones de dólares adicionales de costos laborales anuales innecesarios, o no programar al personal de manera adecuada para manejar su volúmen de clientes. Ahora tiene un instrumento más en su caja de herramientas para asegurar que se hace de forma correcta.
[i] Benjamin W. Niebel & Andris Freivalds, Métodos, Estándares y Diseño del Trabajo (McGraw Hill, 2003) 393.
[/av_textblock]
[av_hr class=’invisible’ height=’30’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=» custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=» icon=’ue808′ font=’entypo-fontello’ admin_preview_bg=»]
