Analisis Distribucion de Trabajo en ANEIAP

ANLISIS DE LA DISTRIBUCIN DEL TRABAJO DURANTE EL PERIODO 2013-1 EN LOS CAPTULOS ANEIAP
JOS MELNDEZ BARROS Miembro Honorario Capitulo Uniguajira
ASOCIACIN NACIONAL DE ESTUDIANTES DE INGENIERA INDUSTRIAL, ADMINISTRATIVA Y DE PRODUCCIN ANEIAP RIOHACHA, LA GUAJIRA 2013
Cdigo:
CARTA DE LECTORES Aunque no es propio de este tipo de documentos incluir una carta de lectores quise hacerlo simplemente para comentar que anlisis como estos, si bien no se pueden considerar investigacin en el sentido estricto de la palabra, si es una pequea muestra que hace ver que en la asociacin si se puede cumplir con este tipo de procesos y que se puede llegar a desarrollar investigacin al menos con un impacto interno. Disponemos del elemento ms importante para desarrollarla y son los hechos, el da a da de la organizacin es la principal fuente de datos para poder elaborar temas investigativos que contribuyan a tomar mejores decisiones y a guiarnos por el camino acertado. A diferencia de antes, ahora disponemos de herramientas para almacenar nuestros datos sin que un cambio de gestin implique la perdida de los mismos, como yo lo veo, actualmente el nico obstculo que tenemos para no ejecutar un proceso de investigacin y desarrollo interno lo impone nuestra propia proactividad. Espero que con este pequeo y sencillo precedente (que no es el primero que hace un asociado, ya otros en su momento lo han hecho tambin), sirva de motivacin para que como ingenieros de demos un mayor impulso del que ahora tiene este macroproceso. Jos Melndez Barros Asociado ANEIAP 2007-2013
Cdigo:
INTRODUCCIN El presente anlisis tiene como propsito dar a conocer la manera como se distribuye la carga de trabajo al interior de los captulos, especficamente durante el periodo 2013-1. Se aclara que el documento no pretende definir en qu cantidades se distribuye el trabajo si no la uniformidad que hay en la distribucin, es decir, que tanta variacin hay en el trabajo a lo largo de un semestre, en un capitulo ANEIAP. De igual manera, no se busca establecer las causas de ello, simplemente se plantean resultados netamente descriptivos. Para el desarrollo de este anlisis, se extraer una muestra significativa de las actividades de 10 captulos ANEIAP y se calcular la desviacin estndar teniendo en cuenta el nmero de asignaciones de personal organizador a cada una de estas actividades y posteriormente analizarla para determinar el comportamiento de la distribucin del trabajo. La importancia del anlisis radica en que permite conocer la habilidad de los captulos para planificar sus actividades y a partir de all aplicar estrategias y procedimientos mantener o mejorar la forma y como se distribuye el recurso humano para desarrollar estas actividades y evitar que durante un periodo gestin se presenten alternativamente picos altos de trabajo (causas de desgastes para los asociados) y descensos en el mismo (causa de tiempos de ociosos).
Cdigo:
1. OBJETIVOS
1.1.
OBJETIVO GENERAL
Determinar la variabilidad de la distribucin del recursos humano en los captulos durante el periodo 2013-1 1.2. OBJETIVOS ESPECFICOS
Designar sujetos que cumplen con las caractersticas adecuadas para ser incluidos en el anlisis Definir las condiciones en las que se encuentra la distribucin del trabajo al interior de la organizacin. Identificar el lapso de tiempo durante el periodo 2013-1 en el que se presenta mayor variabilidad en la distribucin del trabajo
Cdigo:
2. MTODO Sujetos incluidos en el estudio
Los sujetos de prueba para el anlisis fueron las actividades que desarrollan los captulos en el transcurso del periodo 2013-1. Se selecciono una muestra de cada captulo, las muestras fueron diferentes en vista de que el numero de actividades varia de capitulo a capitulo y se tomo en consideracin que estas actividades en su conjunto abarcaran un intervalo de tiempo significativo. Para la seleccin de estas actividades no se tuvieron en cuenta reuniones de capitulo, reuniones de JDC, asambleas u otro tipo de reunin de carcter informativo. La seleccin de las muestras solo se las actividades de 10 captulos, fundamentalmente por dos razones: o No todos los captulos tenan la informacin registrada en la Plataforma ALMA, en total 6 de los 19 captulos no la tenan. Se pretende simplificar las operaciones, adems 10 de 13 captulos es una cantidad suficiente, porque abarca 77% de los captulos con la informacin disponible.
Seleccin la muestra
Antes de iniciar con la seleccin de la muestre se procedi depurar la poblacin existentes (segn los registros en las bases de datos haba una poblacin de 511 actividades). La depuracin se hizo en vista de que, varios captulos cometieron frecuentemente el error de que si una actividad estaba contemplada para varios das hacan un registro por cada da, de esta manera el sistema muestra ms actividades registradas de las que realmente existen. Adicionalmente la depuracin tambin inclua eliminar las actividades que no se tendra en cuenta para el estudio como reuniones generales, de JDC y Asambleas. Para realizar esta depuracin se elaboraron dos algoritmos que pudiesen recorrer los registros y hacer la depuracin automtica. Algoritmo No. 1: Funcin eliminar_reuniones()
Este simplemente eliminaba las actividades que no se consideraban dentro del anlisis, como se menciono anteriormente, estas eran las correspondientes a
Cdigo:
reuniones generales, de direccin, Asambleas y de JDC. Una vez se aplico el algoritmo ste identifico y elimino 185 actividades. Por lo que en este punto la poblacin bajo de 511 a 326 sujetos. Algoritmo No. 2: Funcin contar_repetidos() [ANEXO 1]
Este algoritmo selecciona las actividades de un mismo captulo con nombres iguales y compara sus fechas de fin y de inicio, si las fechas de inicio de una actividad siguen a la fecha de fin de otra del mismo captulo y nombre entonces se trata de un mismo evento que se registr dos veces. De esta manera se sabe cuntas actividades repetidas hay dentro de la poblacin. Una vez aplicado el algoritmo se encontr que 99 registros estaban repetidos, de esta manera la poblacin efectiva es de 227 sujetos. Para calcular la muestra se emplea la frmula para poblaciones finitas, empleando los valores: e=0,05 p=0,5 q=0,5 (1- )100%= 95% N=227
El tipo de muestreo que se realiza es aleatorio estratificado, las categoras en las que se dividen es por captulos. En el Anexo 2, se encuentran las actividades que estn incluidas dentro de la muestra. La informacin que suministraba la muestra seleccionada era, el nombre de la actividad, fechas de inicio y de fin, capitulo organizador y numero de organizadores. Como se desconoca quienes eran los organizadores el anlisis no tiene en cuenta si de una actividad a otra son los mismos o diferentes asociados. Adicionalmente, es importante anotar, que si bien la muestra inicial que se toma corresponde al nmero de actividades por capitulo, posteriormente esta cambia al nmero de das durante los que se extienden tales actividades, esto sucede porque el propsito del anlisis no se trata de estudiar la distribucin por actividades si no por tiempo, por lo que adems de tener encuentra el numero
Cdigo:
de actividades seleccionadas tambin se considera el nmero de das que en total estas abarcan. Es as como, teniendo en cuenta la duracin de las actividades verificamos que el tiempo que abarquen sea significativo para el estudio, es decir, calculamos el nmero de das necesarios: Se tomara como base 5 meses de trabajo por capitulo y 22 das por mes (se descartara dos das por cada semana que se consideran de no trabajo1), en total la poblacin de das queda definida de la siguiente manera: 5 meses x (22 das/mes) x 10 (captulos) = 1100 das Para evitar confusiones es necesario tener en cuenta que las actividades entre captulos se ejecutan de forma paralela, as que, por ejemplo un tiempo de tres meses abarca 90 das pero como son 10 captulos serian 900 das en total. Con base en el dato de la poblacin de das calculamos el tamao de una muestra significativa para: e=0,04 p=0,5 q=0,5 (1- )100%= 99% N=1300
Ahora bien, al verificar las actividades que se seleccionaron de los captulos, todas estas abarcan en total 575 das, lo cual es superior al 534. Es decir, la muestra de das supera las exigencias planteadas. Recopilacin y manipulacin de los datos
El estudio se centrara principalmente en el anlisis de varianza y la desviacin estndar de los datos, puesto que lo que se quiere saber es la uniformidad de la distribucin (dispersin) del trabajo. Si bien el estudio se desarrolla para determinar esto a nivel nacional, se estudiara individualmente a los captulos y luego se
1
Tener en cuenta que el trabajo ANEIAP en comparacin con un trabajo regular no consume mucho tiempo
Cdigo:
agruparan los datos individuales en un nico dato nacional. Se plantea de esta manera debido a que cada captulo cuenta con sus propias fechas en las que tiene mayor intensidad de trabajo, si el anlisis se hace en conjunto sin distinguir los captulos, entonces habr una superposicin de estas intensidades, que puede dar un idea falsa de uniformidad (es caso de que bajos periodos de intensidad se superpongan con altos periodos de intensidad) o un exceso de variacin (en caso de que se superpongan altos periodos de intensidad de un capitulo con los altos de otro o los bajos de intensidad de uno con el del otro). Por otro lado, el estudio, solo tiene en cuenta los das en los que se trabaja (das en los que por lo menos se ejecuta una actividad), esto para evitar, que tiempo como vacaciones o das libres afecten los resultados negativamente. En ese orden de ideas, para determinar cunto personal demandaba un da en especfico, lo que se haca era superponer las actividades del captulo y teniendo en cuenta el personal destinado y los das de las actividades se fijaba el personal utilizado. Por ejemplo: Si se tena una actividad A con 2 organizadores que iba del 06 de Abril al 10 de Abril y una actividad B con 3 organizadores que iba del 9 de Abril al 11 de Abril, entonces las demandas para esos das quedaban de la siguiente manera: Personal Utilizado 2 2 2 5 5 3
Das 06-abr 07-abr 08-abr 09-abr 10-abr 11-abr
Act. A Act. B 2 2 2 2 2
3 3 3
En vista de que son 10 captulos y un total de 143 actividades, se cre un algoritmo (Algoritmo No. 3: funcin calcular_recurso() ANEXO 3) para que hiciera este clculo. Sin embargo antes de aplicarlo era necesario hacer un ajuste a las fechas de las actividades, como se explica a continuacin:
Cdigo:
Ajuste para el clculo del personal utilizado
Los das que se plantean en el cronograma de actividades, son das de ejecucin de la actividad como tal, obviamente estos das no son suficientes para calcular el trabajo puesto que siempre se requieren de das previos para la planificacin y adelantar algunos aspectos que se necesitan listos para el da de la actividad. Como no haba informacin disponible acerca de cuantos das de anticipacin se haban requerido, entonces se empleo el siguiente procedimiento para calcular al menos cuantos das necesitara una actividad de anticipacin para ser trabajada, de ahora en adelante conocido como Tiempo Anticipado de Trabajo2 ( TA). Este TA se calcula teniendo en cuenta tres variables: Duracin de la Ejecucin, Nmero de asociados asignados y el Factor de Complejidad. Para cada una de ellas se fijaron unos rangos arbitrarios, cabe resaltar que estos rangos se estipulan de acuerdo a la experiencia que el autor ha tenido durante este tiempo en ANEIAP. Duracin de la Actividad D1= duracin de 1 da D2= duracin de 2 das a 3 das D3= duracin mayor o igual a 4 das Nmero de asociados asignados A1= de uno a tres asociados A2= de cuatro asociados en adelante Factor de Complejidad (fc) F1: Bajo F2: Medio F3: Alto Para el Factor Bajo se consideran las siguientes actividades: Pequeas capacitaciones Actividades muy puntuales o bsicas como Stand de informacin, mesas de inscripciones
Cuando se habla de tiempo anticipado no necesariamente se refiere a un tiempo inmediatamente anterior al da de ejecucin de la actividad, sino ms bien a la cantidad de tiempo requerido para planearla y organizarla ya sea que se haga tres o cuatro das antes.
Cdigo:
Celebraciones pequeas de das especiales
Para el Factor Medio3 se consideran las siguientes actividades: Seminarios capitulares Visitas industriales Saloneos Entrevistas Integraciones semestrales
Para el Factor Alto se consideran las siguientes: Eventos nacionales Actividades organizadas por un captulos pero con alcance nacional o seccional Procesos de reclutamiento
Nota 14: Las actividades con factor bajo raramente superan un da de duracin, las pocas que la superan son por ejemplo las mesas de inscripciones. Las de factor medio generalmente tienen una duracin de 1 a 3 das. Y las de factor alto generalmente superan los 3 das, aunque hay un porcentaje importante cuya duracin es de un da pero igual su alcance es grande. Teniendo en cuenta todo lo anterior se plantea la siguiente tabla para definir el tiempo TA en funcin de las tres variables explicadas:
Tiempo (das) anticipado de trabajo TA Duracin (das) d=1 d=2, d=3 d4 1A3 f1 1 2 2 f2 4 5 6 f3 7 10 16 f1 1 2 2 A4 f2 2 3 3 f3 4 8 11
Nota 2: Es bien sabido que para actividad, aunque el numero de asignados sea grande, durante el tiempo previo a la ejecucin generalmente trabaja un nmero
3
Se presume que estas actividades se organizan como se debe, con el profesionalismo y exigencia que se requiere 4 Esta informacin se extrajo observando la muestra seleccionada
Cdigo:
limitado de personas, por ello, para estos clculos, durante el lapso de los tiempos TA se sumaran mximo 4 personas aunque la actividad tenga ms personas asignadas, el da en que la actividad se ejecute si se tendr en cuenta la totalidad del personal, obviamente esta consideracin no afecta a las actividades con un nmero igual o inferior a 4. Una vez teniendo esa informacin se diseo un Algoritmo No. 4: Funcin tiempo_anticipado() ANEXO 4 para realizar el ajuste y posteriormente se empleo el Algoritmo No. 3 para hacer los clculos finales. Los clculos se encuentran en el documento de Excel adjunto Anlisis de distribucin de trabajo en la Hoja 1 ANEXO 5
Cdigo:
3. RESULTADOS Y ANLISIS Para los resultados en necesario tener en cuenta, que a mayor dispersin hay menor uniformidad en como los captulos administran sus recursos. El resumen de los resultados en cuanto a desviaciones estndar, varianzas, medias y Coeficiente de variacin son los siguientes:
Captulos C02 C03 C05 C08 C09 C12 C20 C17 C21 C04
Varianza 25,52 46,48 12,00 7,40 6,36 6,15 76,46 2,39 7,99 9,21
Desviacin Estndar (s) 5,1 6,8 3,5 2,7 2,5 2,5 8,7 1,5 2,8 3,0
Media muestral ( ) 6,56 11,47 5,40 4,53 3,54 6,18 8,62 3,47 5,34 5,27
Coef. Variacin (Cv) 77,00% 59,43% 64,20% 60,02% 71,27% 40,13% 101,47% 44,60% 52,98% 57,60%
A partir de la informacin la tabla se puede observar que 8 de los 10 captulos estn por debajo de los 6 asociados de variacin de una actividad a otra, en estos termino esto no podra parecer mucho, sin embargo para que haya mayor claridad en la des-uniformidad que hay en la distribucin de trabajo de los captulos se empleara el Coeficiente de variacin, dado que, no es lo mismo un capitulo que destina en promedio 20 asociados por actividad y tiene una S=5.0 que un capitulo que destina en promedio 10 y tiene esa misma desviacin. Al observar el Coeficiente de Variacin de puede ver con claridad que el capitulo que mejor desempeo tiene para distribuir equitativamente sus recursos tiene una variacin sobre el 40%, es decir que hay un poco uniformidad. Con este anlisis se puede llegar a pensar que en algunos captulos, especficamente aquellos que asignan en promedio pocos asociados por actividad, se pueden ver afectados negativamente cuando tienen una o dos actividades con mucho personal, lo cual puede conllevar a un error de
Cdigo:
interpretacin de la informacin suministrada. Para verificar esto, se aplicara tanto la Covarianza como el Coeficiente de Correlacin Pearson, con el fin de determinar si hay algn tipo de relacin que establezca que a pequeos valores de corresponden altos valores de Cv, si esto se cumple puede dar indicios de una posible mala interpretacin. Se obtiene que: Covarianza= Cov( , V)= 0,125 Coef. Correl. Pearson= 0,327 Como se puede observar en el caso de la covarianza es un valor muy cercano a 0 por lo que se determina que no hay una relacin entre la media y el coeficiente de variacin, es decir, que la alta variacin en algunos captulos NO se debe a que tengan pocos asociados en la mayora de sus actividades. De la misma manera esta informacin se extrae del coeficiente de Pearson, en vista de que es un valor ms cercano a 0 que a 1 o -1, no hay relacin aparente entre las variables. En sntesis, de descarta la posibilidad de una mala interpretacin en ese sentido. Con el fin de extraer una desviacin estndar nacional a partir de los datos obtenidos y que resuma la situacin, primero se calculara la desviacin estndar comn a las desviaciones de las muestras empleadas, as como una media aritmtica comn para posteriormente calcular el coeficiente de variacin.
Ahora que hemos determinado la desviacin estndar comn a todas las muestras, estimamos el intervalo de confianza para la desviacin estndar de la poblacin. El intervalo de confianza para la varianza se calcula empleando la distribucin Chi-cuadrada (1- =0,95):
Cdigo:
Podemos observar que la variacin en nmero de asociados asignados de un da a otro para un capitulo cualquiera de ANEIAP se encuentra entre 4,27 y 4,78, es decir, entre 4 y 5 asociados. Posteriormente, calculamos el Coeficiente de variacin: Inicialmente se calcula Cv con los datos de la media y la desviacin estndar poblacional
En vista de que Cv es un estimador sesgado del coeficiente de variacin poblacional es necesario calcular que es un estimador insesgado de . Es as como:
Posteriormente calculamos el error estndar como
Finalmente calculamos en intervalo de confianza para el coeficiente de variacin poblacional con un nivel de significancia de =0,05 y empleando la distribucin T de Student (la razn por la que se usan grados de libertad con tendencia al infinito es porque cuando v supera los 120 g.d.l.)
Cdigo:
Ahora que finalmente sabemos que para un capitulo dado la variacin de la distribucin del trabajo de un da a otro est entre el 75,18% y el 84,39%, es evidencia de que en la asociacin no planea adecuadamente sus recursos para mantener cierta uniformidad. Finalmente, vamos a determinar si en alguna parte del periodo esta uniformidad incrementa o disminuye. Para ello, lo que se har es en vez de calcular una varianza por capitulo, se calcularan tres, que corresponden al inicio (Enero, Febrero), mitad (Marzo, Abril) y final (Mayo, Junio) de periodo, los resultado obtenidos fueron los siguientes: Captulos C02 C03 C05 C08 C09 C12 C20 C17 C21 C04 Promedio comn Varianza comn 32,96 Vari 23,94 46 21,87 8,63 4,10 9,95 70,52 0,80 8,37 7,13 Mediai 8,12 15,5 6,89 5,00 6,10 3,43 14,04 4,00 6,20 5,45 7,51 15,52 Varm 23,59 46,36 4,53 8,39 5,20 2,22 2,33 2,74 9,86 7,13 Mediam 4,70 12,37 5,26 4,64 3,26 3,29 2,00 3,19 5,20 4,64 4,86 17,64 Varf 24,2 7 12,73 3,48 0,28 41,90 0,00 2,00 3,31 16,81 Mediaf 6,20 6,00 4,21 3,64 1,50 14,71 1,00 5,00 4,77 5,94 5,13
De acuerdo a los datos de las varianzas comunes se puede observar que los mayores ndices de des-uniformidad en la distribucin del trabajo se dan durante el inicio del periodo de gestin, es decir, en Enero y Febrero.
Cdigo:
CONCLUSIN De acuerdo al anlisis realizado se concluye que las muchas de las actividades registradas dentro de la base de datos de la Asociacin son simplemente repeticiones de una nica actividad. Por otro lado, la asociacin tiene una mala distribucin de los recursos a lo largo del tiempo, es decir, que hay muchas alzas y bajas (alternativamente) en el esfuerzo que desarrolla un capitulo y que casi siempre estos esfuerzos estn en funcin de una nica actividad (poco paralelismo en la ejecucin de actividades), esto se deduce al ver el Anexo 5 la columna que corresponde a actividades el 66% de los das solo se ejecuta una actividad a la vez. Finalmente, y como ya se ha mencionado, el momento en el que se produce mayor variabilidad es a principios del periodo. Es vital, considerar que la variabilidad no indica si se estn usando en mayor o menor proporcin los recursos disponibles (no es el objetivo de este anlisis) este indica que hay muchos cambios en la distribucin de estos.
Cdigo:
BIBLIOGRAFA
ABDI, Herv. Coefficient of Variation. 2010 <http://www.utdallas.edu/~herve/abdicv2010-pretty.pdf> [Citado en 24 de Junio de 2013] MORALES, Pedro. Tamao necesario de la muestra: Cuntos sujetos necesitamos?, 2012 <http://www.upcomillas.es/personal/peter /investigacion/ Tama%F1oMuestra.pdf > [Citado en 23 de Junio de 2013] WALPOLE, Ronald E. Probabilidad y estadstica para ingenieros. Sexta edicin. Mexico: Prentice-Hall Hispanoamericana, S.A., 1999. 752p. ISBN 970-17-0264-6
Cdigo:

Analisis Distribucion de Trabajo en ANEIAP

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Analisis Distribucion de Trabajo en ANEIAP

Загружено:

Авторское право:

Доступные форматы

ANLISIS DE LA DISTRIBUCIN DEL TRABAJO DURANTE EL PERIODO 2013-1 EN LOS CAPTULOS ANEIAP

JOS MELNDEZ BARROS Miembro Honorario Capitulo Uniguajira

2. MTODO Sujetos incluidos en el estudio

Das 06-abr 07-abr 08-abr 09-abr 10-abr 11-abr

Ajuste para el clculo del personal utilizado

Celebraciones pequeas de das especiales

Posteriormente calculamos el error estndar como

Вам также может понравиться